CN109461310A - 一种基于复杂网络的路网评价方法 - Google Patents

一种基于复杂网络的路网评价方法 Download PDF

Info

Publication number
CN109461310A
CN109461310A CN201811542489.XA CN201811542489A CN109461310A CN 109461310 A CN109461310 A CN 109461310A CN 201811542489 A CN201811542489 A CN 201811542489A CN 109461310 A CN109461310 A CN 109461310A
Authority
CN
China
Prior art keywords
road network
node
network
degree
road
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.)
Pending
Application number
CN201811542489.XA
Other languages
English (en)
Inventor
徐东伟
郭海锋
袁鑫良
方祺伟
秦俊峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Enjoyor Co Ltd
Original Assignee
Enjoyor Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Enjoyor Co Ltd filed Critical Enjoyor Co Ltd
Priority to CN201811542489.XA priority Critical patent/CN109461310A/zh
Publication of CN109461310A publication Critical patent/CN109461310A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于复杂网络的路网评价方法,包括如下步骤:(1)以路段为节点,以连接路段的交叉口为边,建立复杂城市路网模型;(2)基于复杂城市路网模型,构建基于节点的入度与出度、路网的入度与出度、路网网络效率的路网评价指标;(3)提取道路交通实时数据,基于构建的路网评价指标,实现基于复杂网络的实时路网评价。本发明在城市路网建模基础上,构建了城市路网的节点入度与出度、路网的入度与出度、网络效率的评价指标体系,并分析路网在不同模态下的变化规律,实现了基于复杂网络的路网评价,其结果可以应用到交通诱导及控制系统中,实现交通拥堵的有效缓解。

Description

一种基于复杂网络的路网评价方法
技术领域
本发明属于交通控制领域,涉及一种基于复杂网络的路网评价方法。
背景技术
城市路网状态评价是交通管理和交通诱导的基础。交通拥堵问题严重影响着城市的可持续发展。交通拥堵产生的本质原因在于交通供给能力与交通需求不相匹配,从而造成局部交通流集中、交通时空资源浪费等现象。在既定的道路交通基础设施上,合理的交通控制与诱导措施是解决交通拥堵的有效方法,其通过信息发布、信号控制、现场指挥等手段,利用实时信号控制、交通诱导等决策方案对道路交通流进行疏导和管控,达到有效均衡路网交通流分布、提高既有道路交通基础设施的利用率、充分发挥既有交通网络潜在通行能力、减缓交通拥堵的目的。而道路交通系统的动态变化,使得交通控制与诱导措施需要根据实时的道路交通流时空演化状态进行调整与改变。故道路交通流时空演化状态的准确判别,是制定合理、有效的交通控制与诱导决策的前提。因此,交通路网的有效评价,是交通控制与诱导决策科学制定的基础,也是主动交通管理、缓解交通拥堵的关键。
但是,既有的城市路网评价方法中存在着一定的局限性:(1)大多指标的计算没有考虑路网的拓扑结构;(2)不同城市路网的指标计算所需要的特定的交通流数据,在某些情况下,并不能有效获得城市路网的评价结果。例如,在SCATS系统下,可以获得是交叉口的各个车道的流量信息,并没有路段的交通流信息,传统的城市路网的评价指标难以获得。
发明内容
为了克服现有技术方法的不足,本发明提出了一种基于复杂网络的城市路网评价方法,该方法算法简单,利于软件实现,通过道路交通复杂网络的有效构建,实现路网的有效评价。
本发明采用的技术方案是:
一种基于复杂网络的路网评价方法,包括如下步骤:
(1)以路段为节点,以连接路段的交叉口为边,建立复杂城市路网模型;
(2)基于复杂城市路网模型,构建基于复杂网络理论的路网评价指标,所述路网评价指标包括但不限于节点的入度与出度、路网的入度与出度、路网网络效率的一种或组合;
(3)提取道路交通数据,基于构建的路网评价指标,实现不同模态的交通路网评价。
进一步,步骤(1)中复杂城市道路网络模型,一般表达式如下:
URN=(N,E,ES) (1)
其中,N={n1,n2,…,nn}是道路的节点集合,n是路段的数量,E={eij|i,j∈N},eij≠eji,ES:E->S是从边到由线圈检测器获得的交通状态数据(交通流量和占用率)的映射函数。
进一步,步骤(2)中节点的入度与出度可表示为:
其中代表从节点m流向节点i的车辆流量,Vi n代表从节点i流向节点n的车辆流量;Ai和Bi分别表示流入和流出节点i的节点集合。
进一步,步骤(2)中路网的入度与出度可表示为:
其中代表从节点m流向网络G的车辆流量,代表从节点i流出网络G的车辆流量;CG和DG分别表示流入和流出网络G的节点集合。
进一步,步骤(2)中网络效率可表示为:
其中E(URN,t)表示t时刻路网URN的网络效率,dt(i,j)表示t时刻节点i和j的最短路径。
进一步,dt(i,j)可以表示为:
其中,E(i,j)表示从节点i到节点j的最小流量,Vt(k)表示在t时刻节点k的流量,s表示集合E(i,j)中元素个数。
进一步,步骤(3)不同模态包括工作日模态和周末模态。
本发明的有益效果:在城市路网建模基础上,构建了城市路网的节点入度与出度、路网的入度与出度、网络效率的评价指标体系,并分析路网在不同模态下的变化规律,实现了基于复杂网络的路网评价,其结果可以应用到交通诱导及控制系统中,实现交通拥堵的有效缓解。
附图说明
图1是本发明的所选路网的结构示意图。
图2是本发明所选路网的建模图。
图3是图1中节点163-164周一的入度与出度曲线图。
图4是图1中节点163-164周六的入度与出度曲线图。
图5是工作日模式下周一的路网的入度与出度曲线图。
图6是周末模式下周六的路网的入度与出度曲线图。
图7是一周每天各时段的路网的网络效率曲线图。
图8是一周每天8点-24点的路网网络效率曲线图。
具体实施方式
下面结合具体实施例来对本发明进行进一步说明,但并不将本发明局限于这些具体实施方式。本领域技术人员应该认识到,本发明涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。
本实施例提供了一种基于复杂网络的路网评价方法,含有以下步骤:
1)构建基于有向二分权重网络的道路网络模型
以路段为节点,以连接路段的交叉口为边,建立复杂城市道路网络模型,一般表达式如下:
URN=(N,E,ES) (1)
其中,N={n1,n2,…,nn}是指道路的节点集合,n是路段的数量,E={eij|i,j∈N},eij≠eji,ES:E->S是从边到由线圈检测器获得的交通状态数据(交通流量和占用率)的映射函数。
具体的,考虑到实际道路交通状态数据的可用性和有效性,选取浙江省杭州市17个交叉口组成的路网进行算法应用及验证。路网具体信息如图3所示。由于小部分路段没有交通数据,整个路网建模有细微改变,建模如图4所示。
2)构建基于复杂网络的路网评价指标
基于SCATS系统采集到的交通流数据,构建基于节点的入度与出度、路网的入度与出度、路网网络效率的路网评价指标。
节点的入度与出度可表示为:
其中代表从节点m流向节点i的车辆流量,Vi n代表从节点i流向节点n的车辆流量。Ai和Bi分别表示流入和流出节点i的节点集合。
路网的入度与出度可表示为:
其中代表从节点m流向网络G的车辆流量,代表从节点i流出网络G的车辆流量。CG和DG分别表示流入和流出网络G的节点集合。
网络效率可表示为:
其中E(URN,t)表示t时刻路网URN的网络效率,dt(i,j)表示t时刻节点i和j的最短路径其中,dt(i,j)可以表示为:
其中,E(i,j)表示从节点i到节点j的最小流量。Vt(k)表示在t时刻节点k的流量。s表示集合E(i,j)中元素个数。
3)基于构建的评价指标的道路交通路网评价
提取道路交通实时数据,代入公式(2)、(3)、(4)、(5)、(6)、(7)中获得路网评价指标,实现不同模态下的道路交通路网评价,具体情况如表1所示。
其中,workday_VN(i)in/workday_VN(i)out、workday_VNet(G)in/workday_VNet(G)out、workday_E(URN,t)分别表示工作日模态下的节点入度/出度、路网的入度/出度、t时刻路网网络效率;weekend_VN(i)in/weekend_VN(i)out、weekend_VNet(G)in/weekend_VNet(G)out、weekend_E(URN,t)分表表示周末模态下的节点入度/出度、路网的入度/出度、t时刻路网网络效率。
参见图3-6,对比工作日(周一)和周末(周六)经过路网的入度和出度,发现车流量较大时段均出现在8:00-18:00,且入度大于出度,这说明在该时段路网整体较拥堵,但入度和出度的变化规律不同,说明不同模式下拥堵程度不相同。但针对路网中具体节点(163_164)的入度和出度,交通拥堵情况具有很大的不同。在该时段,节点163_164整体没有出现持续性的拥堵,且在14:00-18:00(工作日)和12:00-18:00(周末)明显畅通。
通过图7和图8,可以看出路网整体运行效率在8:00-24:00时段最低,这说明在该时段路网比较拥堵。通过图8可以看出,周六和周日在该时段的通行效率比工作日模式的更低。

Claims (7)

1.一种基于复杂网络的路网评价方法,包括如下步骤:
(1)以路段为节点,以连接路段的交叉口为边,建立复杂城市路网模型;
(2)基于复杂城市路网模型,构建基于复杂网络理论的路网评价指标,所述路网评价指标包括但不限于节点的入度与出度、路网的入度与出度、路网网络效率的一种或组合;
(3)提取道路交通数据,基于构建的路网评价指标,实现不同模态的交通路网评价。
2.根据权利要求1所述的一种基于复杂网络的路网评价方法,其特征在于:步骤(1)中复杂城市道路网络模型,一般表达式如下:
URN=(N,E,ES) (1)
其中,N={n1,n2,…,nn}是道路的节点集合,n是路段的数量,E={eij|i,j∈N},eij≠eji,ES:E->S是从边到由线圈检测器获得的交通状态数据的映射函数。
3.根据权利要求1所述的一种基于复杂网络的路网评价方法,其特征在于:步骤(2)中节点的入度与出度可表示为:
其中代表从节点m流向节点i的车辆流量,Vi n代表从节点i流向节点n的车辆流量;Ai和Bi分别表示流入和流出节点i的节点集合。
4.根据权利要求1所述的一种基于复杂网络的路网评价方法,其特征在于:步骤(2)中路网的入度与出度可表示为:
其中代表从节点m流向网络G的车辆流量,代表从节点i流出网络G的车辆流量;CG和DG分别表示流入和流出网络G的节点集合。
5.根据权利要求1所述的一种基于复杂网络的路网评价方法,其特征在于:步骤(2)中网络效率可表示为:
其中E(URN,t)表示t时刻路网URN的网络效率,dt(i,j)表示t时刻节点i和j的最短路径。
6.根据权利要求5所述的一种基于复杂网络的路网评价方法,其特征在于:所述dt(i,j)可以表示为:
其中,E(i,j)表示从节点i到节点j的最小流量,Vt(k)表示在t时刻节点k的流量,s表示集合E(i,j)中元素个数。
7.根据权利要求1所述的一种基于复杂网络的路网评价方法,其特征在于:步骤(3)中不同模态包括工作日模态和周末模态。
CN201811542489.XA 2018-12-17 2018-12-17 一种基于复杂网络的路网评价方法 Pending CN109461310A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811542489.XA CN109461310A (zh) 2018-12-17 2018-12-17 一种基于复杂网络的路网评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811542489.XA CN109461310A (zh) 2018-12-17 2018-12-17 一种基于复杂网络的路网评价方法

Publications (1)

Publication Number Publication Date
CN109461310A true CN109461310A (zh) 2019-03-12

Family

ID=65613507

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811542489.XA Pending CN109461310A (zh) 2018-12-17 2018-12-17 一种基于复杂网络的路网评价方法

Country Status (1)

Country Link
CN (1) CN109461310A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111575A (zh) * 2019-05-16 2019-08-09 北京航空航天大学 一种基于复杂网络理论的城市交通流量网络分析方法
CN110222875A (zh) * 2019-05-15 2019-09-10 华南理工大学 一种基于交通匹配曲线的路网均衡性指标体系构建方法
CN110807931A (zh) * 2019-11-08 2020-02-18 许凌 基于转向关系的交通路网有向图路径模型构建及求解方法
CN111402600A (zh) * 2020-01-20 2020-07-10 中国电建集团华东勘测设计研究院有限公司 基于复杂网络沙堆模型的城市路网机理关联规划方法
CN111986485A (zh) * 2020-09-01 2020-11-24 珠海交通工程技术有限公司 交通路网运营功能评价方法、系统及装置
CN112329153A (zh) * 2020-11-25 2021-02-05 浙江欣奕华智能科技有限公司 一种车辆之间约束关系的优化方法及优化装置
CN113361051A (zh) * 2021-06-02 2021-09-07 东北大学秦皇岛分校 一种基于可控性与重要度的路网控制方法
CN116307260A (zh) * 2023-05-11 2023-06-23 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) 一种面向缺陷路段扰动的城市路网韧性优化方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164533A (zh) * 2013-04-09 2013-06-19 哈尔滨工业大学 基于信息理论的复杂网络社团检测方法
CN104392094A (zh) * 2014-10-17 2015-03-04 北京航空航天大学 一种基于浮动车数据的城市道路网络可靠性评价方法
GB2534882A (en) * 2015-02-03 2016-08-10 Fujitsu Ltd Apparatus, method, and program for predicting vehicle collision rates
CN107274669A (zh) * 2017-07-03 2017-10-20 北方工业大学 一种基于最短路径的城市道路交通网络熵计算方法及系统
CN108447255A (zh) * 2018-03-21 2018-08-24 北方工业大学 一种城市道路动态交通网络结构信息系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164533A (zh) * 2013-04-09 2013-06-19 哈尔滨工业大学 基于信息理论的复杂网络社团检测方法
CN104392094A (zh) * 2014-10-17 2015-03-04 北京航空航天大学 一种基于浮动车数据的城市道路网络可靠性评价方法
GB2534882A (en) * 2015-02-03 2016-08-10 Fujitsu Ltd Apparatus, method, and program for predicting vehicle collision rates
CN107274669A (zh) * 2017-07-03 2017-10-20 北方工业大学 一种基于最短路径的城市道路交通网络熵计算方法及系统
CN108447255A (zh) * 2018-03-21 2018-08-24 北方工业大学 一种城市道路动态交通网络结构信息系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
徐东伟: "道路交通状态多维多粒度获取方法研究", 《中国博士学位论文全文数据库(电子期刊)工程科技II辑》 *
王国华,等: "基于复杂网络的长沙市道路交通网络鲁棒性研究", 《计算机仿真》 *
王雪: "基于复杂网络理论的城市路网特性研究", 《中国优秀硕士论文全文数据库(电子期刊) 工程科技II辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110222875A (zh) * 2019-05-15 2019-09-10 华南理工大学 一种基于交通匹配曲线的路网均衡性指标体系构建方法
CN110111575A (zh) * 2019-05-16 2019-08-09 北京航空航天大学 一种基于复杂网络理论的城市交通流量网络分析方法
CN110807931A (zh) * 2019-11-08 2020-02-18 许凌 基于转向关系的交通路网有向图路径模型构建及求解方法
CN110807931B (zh) * 2019-11-08 2021-09-17 许凌 基于转向关系的交通路网有向图路径模型构建及求解方法
CN111402600A (zh) * 2020-01-20 2020-07-10 中国电建集团华东勘测设计研究院有限公司 基于复杂网络沙堆模型的城市路网机理关联规划方法
CN111402600B (zh) * 2020-01-20 2021-09-14 中国电建集团华东勘测设计研究院有限公司 基于复杂网络沙堆模型的城市路网机理关联规划方法
CN111986485A (zh) * 2020-09-01 2020-11-24 珠海交通工程技术有限公司 交通路网运营功能评价方法、系统及装置
CN112329153B (zh) * 2020-11-25 2024-04-09 浙江欣奕华智能科技有限公司 一种车辆之间约束关系的优化方法及优化装置
CN112329153A (zh) * 2020-11-25 2021-02-05 浙江欣奕华智能科技有限公司 一种车辆之间约束关系的优化方法及优化装置
CN113361051A (zh) * 2021-06-02 2021-09-07 东北大学秦皇岛分校 一种基于可控性与重要度的路网控制方法
CN113361051B (zh) * 2021-06-02 2023-03-14 东北大学秦皇岛分校 一种基于可控性与重要度的路网控制方法
CN116307260A (zh) * 2023-05-11 2023-06-23 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) 一种面向缺陷路段扰动的城市路网韧性优化方法及系统
CN116307260B (zh) * 2023-05-11 2023-08-08 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) 一种面向缺陷路段扰动的城市路网韧性优化方法及系统

Similar Documents

Publication Publication Date Title
CN109461310A (zh) 一种基于复杂网络的路网评价方法
Boyce et al. Convergence of traffic assignments: how much is enough?
Parthasarathi Network structure and metropolitan mobility
CN102169524A (zh) 城市轨道交通网络客流分布的分阶段多路径模型算法
CN104809112A (zh) 一种基于多源数据的城市公交发展水平综合评价方法
Taylor Dense network traffic models, travel time reliability and traffic management. II: Application to network reliability
Ryu et al. Two-stage bicycle traffic assignment model
Bliemer et al. Requirements for traffic assignment models for strategic transport planning: a critical assessment
CN105547310A (zh) 一种基于pm2.5健康出行的路径规划装置及方法
CN106530710A (zh) 一种面向管理者的高速公路交通指数预测方法和系统
Dianhai et al. Reviewing traffic reliability research
Jian Daniel et al. Research and analysis on causality and spatial-temporal evolution of urban traffic congestions—a case study on Shenzhen of China
Wong et al. Estimation of multiclass origin-destination matrices from traffic counts
Liu et al. Appraisal of cycling infrastructure investments using a transport model with focus on cycling
Cui et al. Optimizing road network density considering automobile traffic efficiency: Theoretical approach
Nohekhan et al. Investigating the impacts of I-66 Inner Beltway dynamic tolling system
Hicks Static network equilibrium models and analyses for the design of dynamic route guidance systems
Xie et al. Parking lot allocation model considering conversion between dynamic and static traffic
Si et al. Modeling the congestion cost and vehicle emission within multimodal traffic network under the condition of equilibrium
Liu et al. Spatial impact analysis of trans-Yangtze highway fixed links: A case study of the Yangtze River Delta, China
Meng et al. A simulation-based dynamic traffic assignment model with combined modes
Guilliard et al. A non-homogeneous time mixed integer lp formulation for traffic signal control
Basu et al. Evaluation of VMS-based traffic information using multiclass dynamic traffic assignment model: Experience in Kolkata
Raith et al. Modelling and optimising fuel consumption in traffic assignment problems
Wang Urban transportation networks: Analytical modeling of spatial dependencies and calibration techniques for stochastic traffic simulators

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190312