CN107977914A - 一种城市交通管理与控制策略可视量化测试方法 - Google Patents
一种城市交通管理与控制策略可视量化测试方法 Download PDFInfo
- Publication number
- CN107977914A CN107977914A CN201711119237.1A CN201711119237A CN107977914A CN 107977914 A CN107977914 A CN 107977914A CN 201711119237 A CN201711119237 A CN 201711119237A CN 107977914 A CN107977914 A CN 107977914A
- Authority
- CN
- China
- Prior art keywords
- matrixes
- traffic
- intersection
- module
- scheme
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011217 control strategy Methods 0.000 title claims abstract description 22
- 238000010998 test method Methods 0.000 title claims abstract description 19
- 238000012360 testing method Methods 0.000 claims abstract description 69
- 238000012800 visualization Methods 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 239000003344 environmental pollutant Substances 0.000 claims description 9
- 231100000719 pollutant Toxicity 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 230000004907 flux Effects 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 6
- 238000004445 quantitative analysis Methods 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010191 image analysis Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000002730 additional effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种城市交通管理与控制策略可视量化测试方法。本发明系统性地将常用的交通管理与控制策略按照节点、路段、区域和附加四个作用层面分类，从OD矩阵修正、节点通行能力修正、交叉口延误及排队修正、路段通行能力修正、路段行驶时间修正、附加阻抗修正六个模块实现各类策略的量化分析，并采用图形分析模块将量化分析结果进行可视化表达。本发明可用于城市虚拟交通系统仿真平台中交通管理控制可视化测试功能的开发，增加平台对交通管控策略的决策支持能力。
Description
技术领域
本发明属于城市虚拟交通系统仿真技术领域，特别涉及了一种城市交通管理与控制策略可视量化测试方法。
背景技术
目前，我们国家的城市综合交通系统发展重点正在转变，从以设施建设为主调整为以效能提升为主，即通过高效组织与智能管控提升交通系统的运行效率。然而现实交通系统是人、车、路、环境各方面综合作用的复杂系统，在这样的复杂系统中进行交通管理与控制，其实施效果是很难用单个模型或局部推算预测的。现阶段大部分交通管理与控制策略的实施效果是通过实际路网的方案实施进行效果检验、方案修正、再实施、再检验，这样导致了人为的交通秩序混乱、运行效率低下；另有一些区域管控措施，其涉及面较广，若直接在现实交通系统中实施，可能引起大面积交通混乱，增加事故率。因此，一套城市交通管理策略可视量化测试系统对于交通管理者的决策支持具有非常大的现实意义。
在城市虚拟交通系统仿真技术领域，目前最具国际影响力的TransCAD、 Cube、EMME、Visum四款宏观仿真软件及其对应的微观仿真软件，均没有相对完整的交通管理与控制策略测试模块，很多我国城市交通管理与控制过程中常用的策略在这些仿真软件中并没有涉及，对于交通管理者而言，缺乏系统性的功能测试及结果可视化模块。全国现在有600多个建制市、1500多个县城都在建城市智能交通系统(ITS)或者类似的ITS项目，其中虚拟交通系统是实现“互联网 +交通”的核心平台。作为这一核心平台，交通管理部门的交通管理与控制方案测试功能是实现高效组织与智能管控提升交通系统的运行效率的基础。鉴于我国交通管理与控制策略的庞杂性与多样性，尽管存在针对单个或几个管理策略的量化分析模型，但适用于各类常用方案的综合量化分析系统仍待研发。
发明内容
为了解决上述背景技术提出的技术问题，本发明旨在提供一种城市交通管理与控制策略可视量化测试方法，解决当前适用于各类常用方案的综合量化分析系统缺失这一瓶颈，提高城市虚拟交通系统仿真平台对交通管控策略的决策支持能力。
为了实现上述技术目的，本发明的技术方案为：
一种城市交通管理与控制策略可视量化测试方法，包括以下步骤：
(1)获取用于测试的城市交通管控方案；所述城市交通管控方案按照作用范围分为节点、路段、区域和附加四个层面，管控方案的实施地点若在交叉口、交叉口进口道或交叉口出口道，则属于节点层面，管控方案的实施地点若在个别基本路段上，则属于路段层面，管控方案的实施地点若在区域范围内所有路段上，则属于区域层面，则属于区域层面，除前述情况之外的管控方案属于附加层面，一个管控方案能够同时属于多个层面；
(2)获取无测试方案时的全出行方式OD矩阵；
(3)判断步骤(1)获取的城市交通管控方案是否包含区域层面的管控方案，若是，则运行OD矩阵修正模块，修正步骤(2)获取的全出行方式OD矩阵，否则，转入步骤(4)；
(4)运行路段通行能力计算模块、交叉口通行能力计算模块和附加路阻计算模块，得到初始的路段通行能力、交叉口通行能力和附加路阻；
(5)运行路段通行能力修正模块、交叉口通行能力修正模块和附加路阻修正模块；将路段层面测试方案、节点层面测试方案和附加层面测试方案对应输入这三个模块，得到修正后的路段通行能力、交叉口通行能力和附加路阻；
(6)根据步骤(5)中路段通行能力修正模块的运行结果，运行路段行程时间与平均行驶速度计算模块，得到路段行程时间与平均行驶速度；
(7)根据步骤(5)中交叉口通行能力修正模块的运行结果，运行交叉口延误及排队计算模块，得到交叉口延误及排队；
(8)根据步骤(1)获取的城市交通管控方案和步骤(6)中路段行程时间与平均行驶速度计算模块的运行结果，运行路段行程时间与平均行驶速度修正模块，得到修正后的路段行程时间与平均行驶速度；
(9)根据步骤(1)获取的城市交通管控方案和步骤(7)中交叉口延误及排队计算模块的运行结果，运行交叉口延误及排队修正模块，得到修正后的交叉口延误及排队；
(10)根据步骤(8)中路段行程时间与平均行驶速度修正模块、步骤(9) 中交叉口延误及排队修正模块以及步骤(5)中附加路阻修正模块的的运行结果，运行综合路阻修正模块，得到综合路阻；
(11)根据步骤(10)中综合路阻修正模块的运行结果，运行最短路计算模块，得到最短路矩阵；
(12)若步骤(3)运行了OD矩阵修正模块，则根据OD矩阵修正模块和步骤(11)中最短路计算模块的运行结果，运行综合交通分配模块，否则，根据无测试方案时的全出行方式OD矩阵和最短路计算模块的运行结果，运行综合交通分配模块；
(13)运行一次最短路计算模块后，判断综合交通分配是否迭代结束，若否，则返回步骤(5)，若是，即得到综合交通分配的量化结果，根据该量化结果运行能源消耗与污染物排放计算模块，得到路网能源消耗与污染物排放的量化结果；
(14)根据综合交通分配的量化结果和步骤(13)中能源消耗与污染物排放计算模块的运行结果，运行可视化模块，得到所测试管控方案的可视化实施效果。
进一步地，步骤(2)中所述全出行方式OD矩阵包括步行OD矩阵、自行车OD矩阵、电动自行车OD矩阵、摩托车OD矩阵、私家车OD矩阵、出租车 OD矩阵、常规公交OD矩阵、快速公交OD矩阵和轨道交通OD矩阵。
进一步地，在步骤(2)中，根据所测试城市的交通出行结构，在全出行方式OD矩阵中增加特有出行方式的OD矩阵或除去没有的出行方式OD矩阵.
进一步地，在步骤(3)中，运行OD矩阵修正模块的过程如下：
(3a)确定OD矩阵修正规则；
(3b)将区域层面测试方案量化表达；
(3c)根据OD矩阵修正规则，将量化表达后的区域层面测试方案作用于步骤(2)2所获取的全出行方式OD矩阵，得到修正后的全出行方式OD矩阵。
进一步地，在步骤(5)中，运行路段通行能力修正模块的过程如下：
(41a)构建路段通行能力修正模型；
(41b)将路段层面测试方案量化表达；
(41c)将量化表达后的路段层面测试方案输入路段通行能力修正模型，得到修正后的路段通行能力；
运行交叉口通行能力修正模块的过程如下：
(42a)构建交叉口通行能力修正模型；
(42c)将节点层面测试方案量化表达；
(42c)将量化表达后的节点层面测试方案输入节点通行能力修正模型，得到修正后的节点通行能力；
运行附加路阻修正模块的过程如下：
(43a)构建附加路阻修正模型；
(43b)将附加层面测试方案量化表达；
(43c)将量化表达后的附加层面测试方案输入附加路阻修正模型，得到修正后的附加路阻。
进一步地，在步骤(8)中，运行路段行程时间与平均行驶速度修正模块的过程如下：
(8a)构建路段行程时间与平均行驶速度修正模型；
(8b)将路段层面测试方案量化表达；
(8c)将量化表达后的路段层面测试方案输入路段行程时间与平均行驶速度修正模型，得到修正后的路段行程时间与平均行驶速度。
进一步地，在步骤(9)中，运行交叉口延误及排队修正模块的过程如下：
(9a)构建交叉口延误及排队修正模型；
(9b)将节点层面测试方案量化表达；
(9c)将量化表达后的节点层面测试方案输入交叉口延误及排队修正模型，得到修正后的交叉口延误及排队。
进一步地，在步骤(14)中，可视化模块将城市路网交通量、路段交通负荷、路段平均行驶速度、交叉口延误及排队、交叉口流量流向、路网能源消耗与污染物排放的量化结果进行可视化表达，形成对应的分布图。
进一步地，该测试方法的运行具有时段性，即测试某一时段的交通管控方案时，要求该时段内交通管控方案的量化表达具有唯一性，且和无测试方案时的全出行方式OD矩阵处于同一时段；若用于测试的交通管控方案覆盖多个时段，则按照时段顺序依次分别运行该测试方法，且需要根据上个时段的综合交通分配结果更新下个时段的无测试方案时的全出行方式OD矩阵。
进一步地，路段层面测试方案只能在路段通行能力修正模块、路段行程时间与平均行驶速度修正模块两者中择一进行量化，不能同时在两者中进行量化，节点层面测试方案只能在交叉口通行能力修正模块、交叉口延误及排队修正模块两者中择一进行量化，不能同时在两者中进行量化。
采用上述技术方案带来的有益效果：
本发明系统性地将常用的交通管理与控制策略按照节点、路段、区域和附加四个作用层面分类，从OD矩阵修正、节点通行能力修正、交叉口延误及排队修正、路段通行能力修正、路段行驶时间修正、附加阻抗修正六个模块实现各类策略的量化分析，并采用图形分析模块将量化分析结果进行可视化表达。
本发明充分考虑了交通管理与控制策略的时段性，可实现整个系统的分时段运行与方案测试功能，一方面可以展示跨时段管控方案的连续实施效果，另一方面增加了本系统对于大数据时代的城市网络动态交通分配的适用性。
附图说明
图1是本发明的方法流程图。
具体实施方式
如图1所示本发明的方法流程图，并结合实施例对本发明做进一步说明。
实施例1：测试方案为07:00-09:00，核心区内所有道路禁止摩托车通行、主干道潮汐车道均为进城方向。
步骤1)构建某城市的城市交通管理与控制策略可视量化测试系统，首先获取该城市常用的用于测试的交通管理与控制策略，并进行分类，结果如下：
节点层面：交叉口转向限制、交叉口控制类型更改
路段层面：单向交通管理、变向交通管理、公交专用道设置、绿波交通设置、路侧停车管理、路段车种禁行管理、路段机动车尾号限行、中央分隔带形式调整
区域层面：区域车种禁行、区域机动车尾号限行、区域拥堵收费、分区域差异化停车收费
附加层面：分车型收费管理
步骤2)获取无测试方案时的全出行方式OD矩阵，该城市的全出行方式 OD矩阵包括步行OD矩阵、自行车OD矩阵、电动自行车OD矩阵、摩托车OD 矩阵、私家车OD矩阵、出租车OD矩阵、常规公交OD矩阵。
步骤3)该测试方案中包含区域摩托车禁止通行管理，运行模块A，得到修正后的全方式出行OD矩阵。
步骤4)在模块E中将路段潮汐车道管理方案量化后，通过模型计算可得到修正后的路段通行能力；本实施例中无节点层面和附加层面的管控方案，交叉口通行能力修正模块和附加路阻修正模块的运行结果同修正前计算结果相同。
步骤5)计算得到路段行程时间与平均行驶速度。
步骤6)计算得到交叉口延误及排队。
步骤7)本实施例中路段潮汐车道管理方案已在模块E中量化，为了避免重复修正，不再在模块J中进行量化，运行模块J后得到的结果同修正前计算结果相同。
步骤8)模块K的运行结果同模块I的运行结果。
步骤9)运行综合路阻修正模块，得到综合路阻。
步骤10)-12)采用修正后的全出行方式OD矩阵和利用修正后的综合路阻得到的最短路矩阵实现综合交通分配，得到综合交通分配的量化结果，运行模块 O得到路网能源消耗与污染物排放的量化结果。
步骤13)运行模块P得到所测试管控方案的可视化实施效果。
实施例2：测试方案为设置4条道路为单向交通、设置一条干线绿波、增加 5个交叉口的转向限制、对过桥车辆进行分车型收费管理，其中转向限制的有效时段为07:00-21:00，其余方案均为全天有效。
本实施例与实施例1的不同之处在于，本实施例中的测试方案不包含区域层面方案，包含路段层面、节点层面和附加层面的管控方案，且测试方案覆盖多个时段，具体是：
步骤2)选取初始测试时段为07:00-21:00，获取该时段无测试方案时的OD 矩阵和下个时段21:00-07:00无测试方案时的OD矩阵。
步骤3)中初始时段测试方案无区域层面管控方案，无需运行模块A。
步骤4)在模块E中将路段单向交通管理方案量化后，通过模型计算可得到修正后的路段通行能力；在模块F中将交叉口转向限制方案量化后，通过模型计算可得到修正后的交叉口通行能力；在模块G中将分车型收费管理方案量化后，通过模型计算可得到修正后的附加路阻。
步骤7)在模块J中将干线绿波设置方案量化后，通过模型计算可得到修正后的路段行程时间与平均行驶速度。
步骤8)在模块K中将干线绿波设置方案量化后，通过模型计算可得到修正后的交叉口延误及排队。
步骤13)运行结束后，进入下个时段的方案测试。
根据上个时段的综合交通分配结果对本时段无测试方案时的OD矩阵进行修正，得到修正后的OD矩阵。
本时段步骤3)仍无区域管理方案，无需运行模块A。
本时段所述步骤4)在模块E中将路段单向交通管理方案量化后，通过模型计算可得到修正后的路段通行能力；本时段无节点通行能力修正方案，运行模块 F的结果同修正前计算结果相同；在模块G中将分车型收费管理方案量化后，通过模型计算可得到修正后的附加路阻。
本时段其余步骤同上个时段。运行结束后即可得到测试方案全天的可视化实施效果。
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (10)
1.一种城市交通管理与控制策略可视量化测试方法，其特征在于，包括以下步骤：
(1)获取用于测试的城市交通管控方案；所述城市交通管控方案按照作用范围分为节点、路段、区域和附加四个层面，管控方案的实施地点若在交叉口、交叉口进口道或交叉口出口道，则属于节点层面，管控方案的实施地点若在个别基本路段上，则属于路段层面，管控方案的实施地点若在区域范围内所有路段上，则属于区域层面，则属于区域层面，除前述情况之外的管控方案属于附加层面，一个管控方案能够同时属于多个层面；
(2)获取无测试方案时的全出行方式OD矩阵；
(3)判断步骤(1)获取的城市交通管控方案是否包含区域层面的管控方案，若是，则运行OD矩阵修正模块，修正步骤(2)获取的全出行方式OD矩阵，否则，转入步骤(4)；
(4)运行路段通行能力计算模块、交叉口通行能力计算模块和附加路阻计算模块，得到初始的路段通行能力、交叉口通行能力和附加路阻；
(5)运行路段通行能力修正模块、交叉口通行能力修正模块和附加路阻修正模块；将路段层面测试方案、节点层面测试方案和附加层面测试方案对应输入这三个模块，得到修正后的路段通行能力、交叉口通行能力和附加路阻；
(6)根据步骤(5)中路段通行能力修正模块的运行结果，运行路段行程时间与平均行驶速度计算模块，得到路段行程时间与平均行驶速度；
(7)根据步骤(5)中交叉口通行能力修正模块的运行结果，运行交叉口延误及排队计算模块，得到交叉口延误及排队；
(8)根据步骤(1)获取的城市交通管控方案和步骤(6)中路段行程时间与平均行驶速度计算模块的运行结果，运行路段行程时间与平均行驶速度修正模块，得到修正后的路段行程时间与平均行驶速度；
(9)根据步骤(1)获取的城市交通管控方案和步骤(7)中交叉口延误及排队计算模块的运行结果，运行交叉口延误及排队修正模块，得到修正后的交叉口延误及排队；
(10)根据步骤(8)中路段行程时间与平均行驶速度修正模块、步骤(9)中交叉口延误及排队修正模块以及步骤(5)中附加路阻修正模块的的运行结果，运行综合路阻修正模块，得到综合路阻；
(11)根据步骤(10)中综合路阻修正模块的运行结果，运行最短路计算模块，得到最短路矩阵；
(12)若步骤(3)运行了OD矩阵修正模块，则根据OD矩阵修正模块和步骤(11)中最短路计算模块的运行结果，运行综合交通分配模块，否则，根据无测试方案时的全出行方式OD矩阵和最短路计算模块的运行结果，运行综合交通分配模块；
(13)运行一次最短路计算模块后，判断综合交通分配是否迭代结束，若否，则返回步骤(5)，若是，即得到综合交通分配的量化结果，根据该量化结果运行能源消耗与污染物排放计算模块，得到路网能源消耗与污染物排放的量化结果；
(14)根据综合交通分配的量化结果和步骤(13)中能源消耗与污染物排放计算模块的运行结果，运行可视化模块，得到所测试管控方案的可视化实施效果。
2.根据权利要求1所述城市交通管理与控制策略可视量化测试方法，其特征在于，步骤(2)中所述全出行方式OD矩阵包括步行OD矩阵、自行车OD矩阵、电动自行车OD矩阵、摩托车OD矩阵、私家车OD矩阵、出租车OD矩阵、常规公交OD矩阵、快速公交OD矩阵和轨道交通OD矩阵。
3.根据权利要求1所述城市交通管理与控制策略可视量化测试方法，其特征在于，在步骤(2)中，根据所测试城市的交通出行结构，在全出行方式OD 矩阵中增加特有出行方式的OD矩阵或除去没有的出行方式OD矩阵。
4.根据权利要求1所述城市交通管理与控制策略可视量化测试方法，其特征在于，在步骤(3)中，运行OD矩阵修正模块的过程如下：
(3a)确定OD矩阵修正规则；
(3b)将区域层面测试方案量化表达；
(3c)根据OD矩阵修正规则，将量化表达后的区域层面测试方案作用于步骤(2)2所获取的全出行方式OD矩阵，得到修正后的全出行方式OD矩阵。
5.根据权利要求1所述城市交通管理与控制策略可视量化测试方法，其特征在于，在步骤(5)中，运行路段通行能力修正模块的过程如下：
(41a)构建路段通行能力修正模型；
(41b)将路段层面测试方案量化表达；
(41c)将量化表达后的路段层面测试方案输入路段通行能力修正模型，得到修正后的路段通行能力；
运行交叉口通行能力修正模块的过程如下：
(42a)构建交叉口通行能力修正模型；
(42c)将节点层面测试方案量化表达；
(42c)将量化表达后的节点层面测试方案输入节点通行能力修正模型，得到修正后的节点通行能力；
运行附加路阻修正模块的过程如下：
(43a)构建附加路阻修正模型；
(43b)将附加层面测试方案量化表达；
(43c)将量化表达后的附加层面测试方案输入附加路阻修正模型，得到修正后的附加路阻。
6.根据权利要求1所述城市交通管理与控制策略可视量化测试方法，其特征在于，在步骤(8)中，运行路段行程时间与平均行驶速度修正模块的过程如下：
(8a)构建路段行程时间与平均行驶速度修正模型；
(8b)将路段层面测试方案量化表达；
(8c)将量化表达后的路段层面测试方案输入路段行程时间与平均行驶速度修正模型，得到修正后的路段行程时间与平均行驶速度。
7.根据权利要求1所述城市交通管理与控制策略可视量化测试方法，其特征在于，在步骤(9)中，运行交叉口延误及排队修正模块的过程如下：
(9a)构建交叉口延误及排队修正模型；
(9b)将节点层面测试方案量化表达；
(9c)将量化表达后的节点层面测试方案输入交叉口延误及排队修正模型，得到修正后的交叉口延误及排队。
8.根据权利要求1所述城市交通管理与控制策略可视量化测试方法，其特征在于，在步骤(14)中，可视化模块将城市路网交通量、路段交通负荷、路段平均行驶速度、交叉口延误及排队、交叉口流量流向、路网能源消耗与污染物排放的量化结果进行可视化表达，形成对应的分布图。
9.根据权利要求1所述城市交通管理与控制策略可视量化测试方法，其特征在于，该测试方法的运行具有时段性，即测试某一时段的交通管控方案时，要求该时段内交通管控方案的量化表达具有唯一性，且和无测试方案时的全出行方式OD矩阵处于同一时段；若用于测试的交通管控方案覆盖多个时段，则按照时段顺序依次分别运行该测试方法，且需要根据上个时段的综合交通分配结果更新下个时段的无测试方案时的全出行方式OD矩阵。
10.根据权利要求1所述城市交通管理与控制策略可视量化测试方法，其特征在于，路段层面测试方案只能在路段通行能力修正模块、路段行程时间与平均行驶速度修正模块两者中择一进行量化，不能同时在两者中进行量化，节点层面测试方案只能在交叉口通行能力修正模块、交叉口延误及排队修正模块两者中择一进行量化，不能同时在两者中进行量化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711119237.1A CN107977914B (zh) | 2017-11-14 | 2017-11-14 | 一种城市交通管理与控制策略可视量化测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711119237.1A CN107977914B (zh) | 2017-11-14 | 2017-11-14 | 一种城市交通管理与控制策略可视量化测试方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107977914A true CN107977914A (zh) | 2018-05-01 |
| CN107977914B CN107977914B (zh) | 2020-01-24 |
Family
ID=62013374
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711119237.1A Active CN107977914B (zh) | 2017-11-14 | 2017-11-14 | 一种城市交通管理与控制策略可视量化测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107977914B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110008528A (zh) * | 2019-03-14 | 2019-07-12 | 北京建筑大学 | 一种数据处理方法、装置及电子设备 |
| CN112249101A (zh) * | 2020-11-17 | 2021-01-22 | 中南大学 | 基于矩阵表征的高铁网络延误传播定量分析方法 |
| CN113724487A (zh) * | 2021-07-16 | 2021-11-30 | 东南大学 | 面向交通策略组合的城市交通系统仿真分析方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103310057A (zh) * | 2013-06-14 | 2013-09-18 | 广州市公共交通数据管理中心 | 交通微观仿真运行方法和装置 |
| CN104866654A (zh) * | 2015-05-06 | 2015-08-26 | 广州市交通规划研究院 | 一种一体化城市动态交通仿真平台的构建方法 |
| CN105894814A (zh) * | 2016-05-11 | 2016-08-24 | 浙江大学 | 考虑环境效益的多种交通管控措施联合优化方法及系统 |
-
2017
- 2017-11-14 CN CN201711119237.1A patent/CN107977914B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103310057A (zh) * | 2013-06-14 | 2013-09-18 | 广州市公共交通数据管理中心 | 交通微观仿真运行方法和装置 |
| CN104866654A (zh) * | 2015-05-06 | 2015-08-26 | 广州市交通规划研究院 | 一种一体化城市动态交通仿真平台的构建方法 |
| CN105894814A (zh) * | 2016-05-11 | 2016-08-24 | 浙江大学 | 考虑环境效益的多种交通管控措施联合优化方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| SHUANG LIU 等: "Modeling and Simulation on Multi-Mode Transportation Network", 《2010 INTERNATIONAL CONFERENCE ON COMPUTER APPLICATION AND SYSTEM MODELING》 * |
| 杨柳青 等: "基于O-D矩阵估计的路网交通流量仿真模型", 《计算机工程与应用》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110008528A (zh) * | 2019-03-14 | 2019-07-12 | 北京建筑大学 | 一种数据处理方法、装置及电子设备 |
| CN112249101A (zh) * | 2020-11-17 | 2021-01-22 | 中南大学 | 基于矩阵表征的高铁网络延误传播定量分析方法 |
| CN112249101B (zh) * | 2020-11-17 | 2022-03-11 | 中南大学 | 基于矩阵表征的高铁网络延误传播定量分析方法 |
| CN113724487A (zh) * | 2021-07-16 | 2021-11-30 | 东南大学 | 面向交通策略组合的城市交通系统仿真分析方法 |
| CN113724487B (zh) * | 2021-07-16 | 2022-06-07 | 东南大学 | 面向交通策略组合的城市交通系统仿真分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107977914B (zh) | 2020-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105740556B (zh) | 基于客流需求的列车运行图自动编制方法 | |
| Alder | Chinese roads in India: The effect of transport infrastructure on economic development | |
| CN106327865B (zh) | 一种基于渗流分析的城市交通可靠性指标及其实现方法 | |
| CN107194128A (zh) | 基于中心辐射型网络框架的多模式公共交通网络设计方法 | |
| CN108681795B (zh) | 城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法 | |
| CN104318775B (zh) | 控制阶段快速路下匝道-地面道路交叉口一体化设计方法 | |
| CN107977914A (zh) | 一种城市交通管理与控制策略可视量化测试方法 | |
| CN106096798A (zh) | 一种可达性最优条件下的城市路网优化方法 | |
| CN103606266B (zh) | 基于数据包络分析的路网交通改善方案效率评估方法 | |
| CN111047884A (zh) | 一种基于雾计算和强化学习的交通灯控制方法 | |
| CN104239726A (zh) | 一种城轨路网突发事件条件下客流估算系统 | |
| Huang et al. | A methodology to control urban traffic noise under the constraint of environmental capacity: A case study of a double-decision optimization model | |
| Garcia-Nieto et al. | Optimising traffic lights with metaheuristics: Reduction of car emissions and consumption | |
| CN105389640A (zh) | 市郊铁路客流的预测方法 | |
| CN107239821A (zh) | 随机攻击策略下的城市群交通网络可靠性修复方法 | |
| Liu et al. | A reverse causal-effect modeling approach for signal control of an oversaturated intersection | |
| CN108647472A (zh) | 一种有轨电车优先方式的仿真方法及仿真系统 | |
| CN104732591A (zh) | 三维虚拟城市的自动生成方法 | |
| CN111046576A (zh) | 一种考虑双网信息的电动私家车充电负荷预测方法 | |
| Zhang et al. | Research on collaborative management and optimization of ecological risks in urban agglomeration | |
| CN109255948A (zh) | 一种基于卡尔曼滤波的分车道车流比例预测方法 | |
| Joviæ et al. | Traffic and environmental street network modelling: Belgrade case study | |
| Khakbaz et al. | Urban bus fleet routing in transportation network equipped with park-and-ride: a case study of Babol, Iran | |
| Crisalli et al. | A meso-simulation approach for the estimation of traffic flows in presence of automated vehicles | |
| CN108648455A (zh) | 一种基于综合出行费用的城市路网模式选择方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |