CN110111576A - 一种基于时空拥堵子团的城市交通弹性指标及其实现方法 - Google Patents
一种基于时空拥堵子团的城市交通弹性指标及其实现方法 Download PDFInfo
- Publication number
- CN110111576A CN110111576A CN201910409466.XA CN201910409466A CN110111576A CN 110111576 A CN110111576 A CN 110111576A CN 201910409466 A CN201910409466 A CN 201910409466A CN 110111576 A CN110111576 A CN 110111576A
- Authority
- CN
- China
- Prior art keywords
- congestion
- space
- traffic
- time
- group
- 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
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000007619 statistical method Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000009826 distribution Methods 0.000 claims description 17
- 238000011084 recovery Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 230000001550 time effect Effects 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000013456 study Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000006854 communication Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于时空拥堵子团的城市交通弹性指标及其实现方法,步骤如下:一、对城市交通数据信息进行预处理;二、基于城市交通数据信息建立交通动态网络,并以实际城市交通系统中各路段上的速度数据为基础,结合道路速度阈值,判断道路是否处于拥堵状态;三、计算时空拥堵子团,即交通系统的弹性指标;四、对于时空拥堵子团进行统计学分析;通过以上步骤,本发明从城市交通的网络层面、时空演化角度考虑交通系统的运行效率,能够解决对交通网络系统弹性的准确、全面度量问题,从而有效地对城市交通网络系统的弹性进行量化和评价;本发明支持未来对城市交通的整体运行状况调控,能对畅通工程、智慧城市建设提供强有力的方法支撑。
Description
技术领域
本发明提出一种基于时空拥堵子团的城市交通弹性指标及其实现方法,它涉及一种基于时空拥堵子团的城市交通弹性指标及其实现方法,属于系统弹性与交通科学的交叉技术领域。
背景技术
随着城市化水平的不断提高,其对生态环境的影响依也日益显著。由于城市人口、建筑过分集中,城市交通的供需矛盾近年来愈加突出,随之而来的交通拥堵正在成为一个不可避免的问题。交通拥堵不仅会导致经济社会诸项功能的衰退,而且还将引发城市生存环境的持续恶化,成为阻碍社会经济发展的“城市顽疾”。据《2018年度中国主要城市交通分析报告》统计显示,北京高峰时段平均驾车通勤时间每天88分钟,平均每天通勤拥堵44.97分钟;平均每人年拥堵时长达174小时,相当于一年中有22个工作日处于拥堵,人均经济损失约8400多元。
由于城市交通态势具有时变性、不确定性等特点,是一个超维的复杂巨系统,其调控与预测是世界性的难题。在各种内部或外部扰动下,小到局部车流量波动、交通信号灯故障,大到极端天气条件,小范围的交通堵塞有可能会在多米诺式级联失效过程中发展成大面积的拥堵,这对交通系统的可靠性管理提出了严峻的挑战。考虑到破坏性系统故障的不确定性,弹性概念描述了系统承受干扰并从扰动或故障中恢复的能力。弹性概念源于工程学领域,描述故障系统快速恢复正常功能水平的能力。1973年,Holling首次在生态学中引入了“弹性”概念,并提出弹性为系统吸收扰动并仍继续存在的能力。自此,弹性成为一个理解社会生态系统动力学的有效途径,用于解释城市系统面临不同冲击下的适应性问题。近年来,弹性理论已经被逐渐发展并应用于诸如气候学、经济学以及社会科学等许多学科当中,为系统的可靠性管理提供了新的可能性。系统弹性越大,系统突然崩溃的可能性越小。提高系统的弹性有助于避免大范围崩溃,也可以提高系统受到干扰后迅速恢复到常态的能力。因此,包括交通在内的各种关键基础设施系统的适应和恢复过程最近引起了广泛关注。弹性交通系统可以显著改善生活质量和经济社会的发展,减少环境污染,对智慧城市的实现具有积极意义。
交通系统作为关键基础设施的一环,是城市的生命线。系统弹性已经被广泛研究各种交通系统当中,如城市路网、地铁系统、物流系统以及航空网络等。为了评估和提高系统的弹性,许多学者提出了不同的量化方法与框架,但是这些研究中的弹性度量主要基于无量纲的指标。例如,Chang和Shinozuka提出了一种弹性度量指标,即著名的弹性三角形理论,用社区服务性能损失来描述地震灾害下社区弹性随时间的变化,
这里Q(t)代表社区的服务质量(介于0%到100%之间),在t0时刻系统受到扰动并且性能开始开始下降,在t1时刻恢复到正常状态(100%)。尽管该方法是在地震灾害背景下提出的,但该概念已被广泛应用于各种干扰下的其他系统的性能分析中。此外,尽管网络拓扑结构对于理解和提高系统的鲁棒性和脆弱性至关重要,但大多数对于关键基础设施和其他复杂系统的恢复性研究很少考虑网络拓扑。由于城市交通系统具有典型的网络结构,其弹性在空间和时间上都在演化,上述无量纲弹性指标和其他相关研究可能忽略了这些关键基础设施网络风险和故障演化的时空属性。
本发明提出了一种新的交通弹性测量方法,将系统适应和恢复能力的时空特征结合起来,以探索交通弹性的可能普遍性特征。本发明从实际城市交通系统中提取相关数据,将网络拓扑结构和不同时刻各道路速度信息相结合,构建动态交通网络。根据不同道路的速度阈值以及实时速度,将每一条道路分成两种状态:畅通和拥堵。在计算时空拥堵子团时,移除网络中畅通道路,保留拥堵道路,并寻找由拥堵道路组成的时空拥堵子团。时空拥堵子团的大小即为交通系统受到拥堵影响的弹性损失,时空拥堵子团的持续时间即为交通系统从拥堵中恢复所需要的时间。时空拥堵子团越大说明城市的功能网络中承受了越大的扰动,整个城市的交通效率越低。
发明内容
(一)发明的目的
本发明的目的是:针对交通网络系统弹性的准确、全面度量问题,本发明提供了一种基于时空拥堵子团的城市交通弹性指标及其实现方法,可以有效地对城市交通网络系统的弹性进行量化和评价。
本发明的理论基础:交通拥堵是城市道路系统性能下降的主要原因之一,城市交通拥堵不仅在空间上具有相关性,在时间维度上也存在一定的关联。结合交通网络的拓扑结构,分析交通拥堵在时空维度的演化,从而量化交通系统弹性。
(二)技术方案
本发明的技术解决方案:基于时空拥堵子团的城市交通弹性指标。本发明首先进行选定区域交通路网系统结构分析与信息预处理,得到路网系统中各条路段与路口的地理位置信息和拓扑信息。将路网中各条路段视为网络中的“边”,连接路段的路口为网络中的“节点”,并结合各道路的实时速度建立对应于实际城市交通系统的动态交通网络;之后针对该动态网络的进行时空拥堵子团的计算和统计,确定系统的弹性评价指标;最后通过比较分析不同区域或是同一区域的不同时段的弹性指标,实现对不同城市交通系统弹性的对比和评价,并以此为依据确定交通拥堵的高发区域,为提高城市交通的可靠性管理提供针对性的建议。
本发明一种基于时空拥堵子团的城市交通弹性指标及其实现方法,具体流程见图1,其步骤如下:
步骤一、对城市交通数据信息进行预处理;
步骤二、基于城市交通数据信息建立交通动态网络,并以实际城市交通系统中各路段上的速度数据为基础,结合道路速度阈值,判断道路是否处于拥堵状态;
步骤三、计算时空拥堵子团,即交通系统的弹性指标;
步骤四、对于时空拥堵子团进行统计学分析
通过以上步骤,本发明从城市交通的网络层面、时空演化角度考虑宏观交通的运行效率,能够解决对交通网络系统拥堵的准确、全面度量的实际问题,从而有效地对城市交通网络系统的弹性进行量化和评价;本发明支持未来对城市交通的整体运行状况调控,能对畅通工程、智慧城市建设提供强有力的方法支撑。
其中,在步骤一中所述的“对城市交通数据信息进行预处理”,具体内容与方法如下:本发明基于满足以下要求的各个测定时刻的城市交通数据:(a)路口信息:路口数量,路口编号,路口的经纬度坐标;(b)路段信息:路段数量,路段编号,路段端点即路口编号,路段长度,道路管理等级;(c)速度信息:观察时段内每条路段上的实时速度;(d)速度阈值信息:根据路段所属的道路管理等级分配对应的速度阈值,道路管理等级越高,其对应的速度阈值越大;
现实采集到的速度数据往往是不完整的,本发明运用数据补偿方法对采集到的原始速度数据进行预处理,保证每条路段、每个路口信息完整性;
其中,在步骤二中所述的“基于城市交通数据信息建立交通动态网络,并以实际城市交通系统中各路段上的速度数据为基础,结合道路速度阈值,判断道路是否处于拥堵状态”,具体内容与方法如下:将实际交通数据信息,包括路口、路段,分别抽象成动态网络中的节点、边,并根据路口和路段之间的对应关系建立节点和边之间的拓扑连接;根据不同道路的速度阈值pl以及其实时速度vl,将每一条道路分成两种状态:畅通即vl≥pl和拥堵即vl<pl;对观察时段,如早6点到晚10点,所有路段每个时刻的状态进行逐个判断;
其中,在步骤三中所述的“计算时空拥堵子团,即交通系统的弹性指标”,具体内容与方法如下:由步骤二得知各个时刻各条道路是否处于拥堵状态,每个时刻网络中的拥堵道路会形成空间连通子团,这些空间连通子团会随时间而变化;考虑到空间连通子团在时间维度上的变化,本发明将城市路网中的拥堵视为三维时空拥堵子团,即2个空间维度和1个时间维度;因此,一个三维时空拥堵子团表示一个交通拥堵从产生到消散的整个过程;本发明中,一个交通拥堵在t时刻的实时影响区域为对应三维时空拥堵子团在t时刻的横截面积MS(t),即t时刻在此三维时空拥堵子团内的所有拥堵边数之和;由此,三维时空拥堵子团的大小S能表示为:
其中t0和t1分别表示拥堵产生和消失的时刻,T=t1-t0+1代表时空拥堵子团的寿命,即交通拥堵的恢复时间;公式(2)不仅描述了交通拥堵在空间上的传播和扩散,也包含了拥堵持续时间;因此,时空拥堵子团越大,交通系统弹性越差,系统运行效率越低;
其中,在步骤四中所述的“对于时空拥堵子团进行统计学分析”,具体内容与方法如下:通过统计每条边出现在横截面中的频率,能确定具有时空特性的高频拥堵区域;此外,通过对不同日期、不同城市拥堵时空拥堵子团数量、大小、持续时间的分布的对比,能实现多区域、多城市的交通系统弹性度量与分析;
通过对观测时段所有时空拥堵子团的大小S进行统计,能发现其服从幂律分布,
P(S)~S-α, (3)
α为对应的幂律分布指数;通过对比不同城市的幂律分布指数α,能对城市的交通弹性进行分类;归属于同一类的城市交通系统弹性服从相同的分布函数、具有相同的幂律分布指数、对外界干扰表现出相似的反应;因此,不同类型的城市交通系统弹性需要不同的弹性管理方案;通过控制交通管理变量并比较对应的时空拥堵子团大小分布,能确定交通管理策略中对于交通弹性具有重要影响的变量,进而为交通管理政策的优化提供理论支持;
(三)优点和功效
本发明提出一种基于时空拥堵子团的交通系统弹性度量指标,同时考虑了系统适应性和恢复性在空间和时间维度上的特征。相比于已有的交通系统弹性度量方法,本发明具有如下优势:
(a)本发明从更为宏观、立体的角度刻画交通拥堵的传播过程,使拥堵的传播过程更为清晰、便于追踪研究;本发明提出的弹性指标不容易受个别极端道路情况的影响,度量性能更为稳定、具有可比较性,更适合作为评价整个系统的运行效率的指标。
(b)本发明提出的交通系统弹性指标有助于制定更加准确的交通管理方案。目前研究缺乏对交通弹性的适当定义,这可能是导致现有交通资源分配低效、风险管理政策设计不足的原因之一。根据本发明提出的弹性度量方法,管理者可以选择最容易追踪的时空拥堵子团进行研究,对城市交通系统弹性进行分类,这将有助于预测其他类似交通拥堵的行为,特别是通过统计推断得出的极端事件的可能性。通过制定合理的方法减缓时空拥堵子团扩大的速度、均衡交通流在空间上的分布,本发明有助于提高交通管控的准确性和有效性。
综上,这种新方法的研究结果将对智慧城市的交通状况整体调整提供强有力的方法支撑。
附图说明
图1为本发明所述方法流程示意图。
图2为本发明中计算时空拥堵子团的实现过程。
图中序号、符号、代号说明如下:
图2:
t为当前观测时刻;t1为初始观测时刻;tT为最末观测时刻。
Linklabel:用于储存网络中每条边在每个时刻所属时空拥堵子团编号的矩阵,大小为时刻数*连边数(tT*L),初始化所有元素为-1。
wj:当前时刻某个空间连通子团j中的所有边在上一时刻所属的不同时空拥堵子团个数。
具体实施方式
为使本发明要解决的技术问题、技术方案更加清楚,下面将结合附图及具体实施案例进行详细描述。
本发明的目的在于克服现有交通弹性指标的局限性,提供一种基于时空拥堵子团的城市交通弹性评价指标。在本发明中,以城市交通网络拓扑结构为基础,结合实时道路速度数据,构建动态城市交通网络,确定动态网络中的时空拥堵子团,并以此作为衡量当前城市交通网络的弹性的指标。
如图1所示,本发明一种基于时空拥堵子团的城市交通弹性指标及其实现方法,在实施案例中的具体步骤如下:
步骤一:对城市交通数据信息进行预处理;
本发明以北京市中心城区的各采样时刻(t=t1,...tT)交通数据为例,其中路口信息包括路口的数量N,各个路口的编号(从0到N-1)、经纬度坐标。其中路段信息包括路段的数量L,各条道路的编号(从0到L-1)、路段端点(路口)编号(起点i,终点j),路段长度ll(l=0,1,...,L-1)、路段道路管理等级(1–城际高速,2–城市快速,3-国道/城市主干道,4–省道/城市次干道,5–县道/城市支路,6–乡道/其他)。其中道路实时速度信息包括各路段上的速度大小vl(t)(l=0,1,...,L-1;t=t1,...,tT)。其中需要通过邻边补偿等数据预处理方式将不完整速度信息补全。道路速度阈值pl(l=0,1,...,L-1):根据路段所属的道路管理等级分配对应的速度阈值(城际高速–40km/h,城市快速–20km/h,国道/城市主干道–20km/h,省道/城市次干道–12km/h,县道/城市支路–10km/h,乡道/其他–10km/h)。
步骤二:基于城市交通数据信息建立交通动态网络,并以实际城市交通系统中各路段上的速度数据为基础,结合道路速度阈值,判断道路是否处于拥堵状态;
将实际交通数据信息,包括路口、路段,分别抽象成动态网络中的节点、边,并根据路口和路段之间的对应关系建立节点和边之间的拓扑联系,可利用C++中的邻接链表、邻接矩阵等编程方法实现;简便起见,本发明中不考虑道路的具体方向,即网络中的边均为无向边,双向路段的有效速度为两个方向速度中较低的速度,但是本发明所提出的弹性指标计算方法同样适用于考虑实际道路方向的情况;根据不同道路的速度阈值pl以及其实时速度vl,每一条道路可以分成两种状态:畅通(vl≥pl)和拥堵(vl<pl)。对观察时段所有路段每个时刻的状态进行逐个判断。
步骤三、计算时空拥堵子团(即系统的弹性损失度量),具体步骤如图2所示;
(a)初始化Linklabel矩阵:Linklabel是标记每条边在每个时刻属于的时空拥堵子团编号的矩阵,大小为时刻数*连边数(tT*L),初始化所有元素为-1;
(b)计算观察时段内的时空拥堵子团(本例采用早6点至晚10点,以1分钟为间隔):
i.对当前时刻的每条边的状态进行遍历:如果当前时刻边的速度大于等于速度阈值,说明道路畅通。我们计算的是拥堵边组成的子团,所以从网络中移除畅通道路对应的边,保留拥堵道路对应的边;
ii.删除所有畅通边后,计算剩余网络中的各个空间连通子团(本例使用Tarjan算法计算强连通子团),并确定每个空间连通子团中的边所属的时空拥堵子团编号。编号规则如下:第一个时刻的网络只需计算空间连通子团,并给同一个连通子团中的所有边标上同一个时空拥堵子团编号Linklabel(t,i)=k(t为当前研究时刻,i为在此空间连通子团中的道路的编号,k为对应时空拥堵子团编号值,本例中k的初始值为1)即可。每统计一个新的空间连通子团,赋予其中所有连边同一个新的时空拥堵子团编号值k+1,k+2,k+3……
从第二个时刻开始,每统计一个空间连通子团并给其中连边赋予编号值k+j(j为目前为止统计的空间连通子团总数)之后,都要对Linklabel矩阵中时空拥堵子团编号值进行更新:对t时刻的每个空间连通子团j(包括至少两个点,即一条边),检查此空间连通子团中的边在上一个时刻(t-1时刻)都属于哪些时空拥堵子团,统计这些时空拥堵子团不同编号值的个数wj。若wj=0,说明当前连通子团中的边在上一时刻都已被删掉,即都为畅通边,无需对Linklabel矩阵进行操作;若wj>0,则需更新Linklabel矩阵,把t1~t时刻所有在这wj个时空拥堵子团中的边的编号全部更新为当前时刻所研究的连通子团j的编号值k+j,即把它们都归于同一个时空拥堵子团中,因为它们在时间维度上有重叠;
iii.由以上过程可以获得一个大小等于时刻数*边数的Linklabel矩阵。矩阵中每个元素Linklabel(t,i)表示t时刻第i条边所属的时空拥堵子团编号。根据此Linklabel矩阵可以计算一天中总的时空拥堵子团的个数(不同时空拥堵子团编号值的个数),每个时空拥堵子团中的总边数(S)以及持续时间(T)。
(c)计算时空拥堵子团的其他注意事项:
i.当一个时空拥堵子团在某时刻分裂为两个或多个子团时,分裂后的子团也属于同一个时空拥堵子团,因为他们在时间维度上是相连的。同样的,当两个或者多个时空拥堵子团在某个时刻合并时,合并前后所有子团将被视为同一个三维时空拥堵子团,拥有同一个时空拥堵子团编号;
ii.统计不同的时空拥堵子团编号值的数量:首先建立一个空数组用来储存不重复的编号值,遍历Linklabel矩阵(畅通边的对应的元素值为-1),对一个不等于-1的值x,遍历数组中所有值,若x在数组中,则观察Linklabel中下一个值;若x不在数组中,将x放入数组,最后数组的大小即为所有不重复的时空拥堵子团编号的数量;
iii.由于城市交通路网拓扑结构在空间上是二维的,结合交通流在时间维度上的动态变化,本发明提出的城市交通时空拥堵子团是三维的。相应的,本发明提出的三维(2个空间维度和1个时间维度)拥堵子团代表了交通拥堵从产生到消散的整个历程。子团大小表示交通系统的弹性损失,子团寿命表示了交通系统弹性的恢复时间。本发明提出的交通弹性定义同样适用于一维高速路网,对应的时空拥堵子团是二维结构(1个空间维度和1个时间维度)。
步骤四、对于时空拥堵子团进行统计学分析;
本发明中,一个交通拥堵在t时刻的实时影响区域为对应三维时空拥堵子团在t时刻的横截面积MS(t),即t时刻在此三维时空拥堵子团内的所有拥堵边数之和。由此,三维时空拥堵子团的大小S可以表示为:
其中t0和t1分别表示拥堵产生和消失的时刻,T=t1-t0+1代表时空拥堵子团的寿命,即交通拥堵的恢复时间。公式(2)不仅描述了交通拥堵在空间上的传播和扩散,也包含了拥堵持续时间。因此,时空拥堵子团越大,交通系统弹性越差,系统运行效率越低。
此外,通过对不同日期、不同城市时空拥堵子团数量、大小、持续时间的分布的对比,可以实现多区域、多城市的交通系统弹性度量与分析。通过对观测时段所有时空拥堵子团的大小S进行统计,可以发现其服从幂律分布,
P(S)~S-α, (3)
α为对应的幂律分布指数。通过对比不同城市的幂律分布指数α,可以对城市的交通弹性进行分类。归属于同一类的城市交通系统弹性服从相同的分布函数、具有相同的幂律分布指数、对外界干扰表现出相似的反应。因此,不同类型的城市交通系统弹性需要不同的弹性管理方案。通过控制交通管理变量并比较对应的时空拥堵子团大小分布,可以确定交通管理策略中对于交通弹性具有重要影响的变量,进而为交通管理政策的优化提供理论支持。
本发明未详细阐述部分属于本领域公知技术。
以上所述,仅为本发明部分具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域的人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于时空拥堵子团的城市交通弹性指标及其实现方法,其特征在于:其步骤如下:
步骤一、对城市交通数据信息进行预处理;
步骤二、基于城市交通数据信息建立交通动态网络,并以实际城市交通系统中各路段上的速度数据为基础,结合道路速度阈值,判断道路是否处于拥堵状态;
步骤三、计算时空拥堵子团,即交通系统的弹性指标;
步骤四、对于时空拥堵子团进行统计学分析。
2.根据权利要求1所述的一种基于时空拥堵子团的城市交通弹性指标及其实现方法,其特征在于:在步骤一中所述的“对城市交通数据信息进行预处理”,具体内容与方法如下:本发明基于满足以下要求的各个测定时刻的城市交通数据:(a)路口信息:路口数量、路口编号和路口的经纬度坐标;(b)路段信息:路段数量、路段编号、路段端点即路口编号、路段长度和道路管理等级;(c)速度信息:观察时段内每条路段上的实时速度;(d)速度阈值信息:根据路段所属的道路管理等级分配对应的速度阈值,道路管理等级越高,其对应的速度阈值越大;
现实采集到的速度数据往往是不完整的,本发明运用数据补偿方法对采集到的原始速度数据进行预处理,保证每条路段、每个路口信息完整性。
3.根据权利要求1所述的一种基于时空拥堵子团的城市交通弹性指标及其实现方法,其特征在于:在步骤二中所述的“基于城市交通数据信息建立交通动态网络,并以实际城市交通系统中各路段上的速度数据为基础,结合道路速度阈值,判断道路是否处于拥堵状态”,具体内容与作法如下:将实际交通数据信息,包括路口、路段,分别抽象成动态网络中的节点、边,并根据路口和路段之间的对应关系建立节点和边之间的拓扑连接;根据不同道路的速度阈值pl以及其实时速度vl,将每一条道路分成两种状态:畅通即vl≥pl和拥堵即vl<pl;对观察时段,如早6点到晚10点,所有路段每个时刻的状态进行逐个判断。
4.根据权利要求1所述的一种基于时空拥堵子团的城市交通弹性指标及其实现方法,其特征在于:在步骤三中所述的“计算时空拥堵子团,即交通系统的弹性指标”,具体内容与方法如下:由步骤二得知各个时刻各条道路是否处于拥堵状态,每个时刻网络中的拥堵道路会形成空间连通子团,这些空间连通子团会随时间而变化;考虑到空间连通子团在时间维度上的变化,本发明将城市路网中的拥堵视为三维时空拥堵子团,即2个空间维度和1个时间维度;因此,一个三维时空拥堵子团表示一个交通拥堵从产生到消散的整个过程;本发明中,一个交通拥堵在t时刻的实时影响区域为对应三维时空拥堵子团在t时刻的横截面积MS(t),即t时刻在此三维时空拥堵子团内的所有拥堵边数之和;由此,三维时空拥堵子团的大小S能表示为:
其中t0和t1分别表示拥堵产生和消失的时刻,T=t1-t0+1代表时空拥堵子团的寿命,即交通拥堵的恢复时间;公式(1)不仅描述了交通拥堵在空间上的传播和扩散,也包含了拥堵持续时间;因此,时空拥堵子团越大,交通系统弹性越差,系统运行效率越低。
5.根据权利要求1所述的一种基于时空拥堵子团的城市交通弹性指标及其实现方法,其特征在于:在步骤四中所述的“对于时空拥堵子团进行统计学分析”,具体内容与作法如下:通过统计每条边出现在横截面中的频率,能确定具有时空特性的高频拥堵区域;此外,通过对不同日期、不同城市拥堵时空拥堵子团数量、大小、持续时间的分布的对比,能实现多区域、多城市的交通系统弹性度量与分析;
通过对观测时段所有时空拥堵子团的大小S进行统计,能发现其服从幂律分布,
P(S)~S-α, (2)
α为对应的幂律分布指数;通过对比不同城市的幂律分布指数α,能对城市的交通弹性进行分类;归属于同一类的城市交通系统弹性服从相同的分布函数、具有相同的幂律分布指数、对外界干扰表现出相似的反应;因此,不同类型的城市交通系统弹性需要不同的弹性管理方案;通过控制交通管理变量并比较对应的时空拥堵子团大小分布,能确定交通管理策略中对于交通弹性具有重要影响的变量,进而为交通管理政策的优化提供有力支持。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409466.XA CN110111576B (zh) | 2019-05-16 | 2019-05-16 | 一种基于时空拥堵子团的城市交通弹性指标的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409466.XA CN110111576B (zh) | 2019-05-16 | 2019-05-16 | 一种基于时空拥堵子团的城市交通弹性指标的实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110111576A true CN110111576A (zh) | 2019-08-09 |
CN110111576B CN110111576B (zh) | 2020-10-09 |
Family
ID=67490498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910409466.XA Active CN110111576B (zh) | 2019-05-16 | 2019-05-16 | 一种基于时空拥堵子团的城市交通弹性指标的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110111576B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340384A (zh) * | 2020-03-09 | 2020-06-26 | 西南交通大学 | 一种多制式轨道交通系统的关键节点识别及故障恢复方法 |
CN111915884A (zh) * | 2020-06-18 | 2020-11-10 | 北京航空航天大学 | 交通网络行为描述方法、装置、电子设备及存储介质 |
CN112562333A (zh) * | 2020-12-01 | 2021-03-26 | 智道网联科技(北京)有限公司 | 基于智慧交通的道路拥堵处理方法及装置 |
CN113420925A (zh) * | 2021-06-28 | 2021-09-21 | 北京航空航天大学 | 一种基于朴素贝叶斯的交通健康预测方法及系统 |
CN113537788A (zh) * | 2021-07-20 | 2021-10-22 | 西南交通大学 | 一种基于病毒传播理论的城市交通拥堵识别方法 |
CN114141032A (zh) * | 2022-02-07 | 2022-03-04 | 青岛海信网络科技股份有限公司 | 一种交通信号控制方案生成方法及设备 |
CN114170796A (zh) * | 2021-11-20 | 2022-03-11 | 无锡数据湖信息技术有限公司 | 算法改进型拥堵传播分析方法 |
CN114202923A (zh) * | 2021-12-07 | 2022-03-18 | 公安部交通管理科学研究所 | 一种城市道路交通拥堵时空分布综合指数测评方法 |
CN115115283A (zh) * | 2022-08-26 | 2022-09-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种城市关键基础设施的管理方法、电子设备及存储介质 |
CN115482664A (zh) * | 2022-09-13 | 2022-12-16 | 上海智能交通有限公司 | 一种智能交通的路网交通流时空预测方法 |
CN117576916A (zh) * | 2024-01-17 | 2024-02-20 | 临沂大学 | 一种基于物联网的交通安全监测系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08190694A (ja) * | 1995-01-10 | 1996-07-23 | Nippondenso Co Ltd | 交通情報受信装置 |
US20050093720A1 (en) * | 2003-10-16 | 2005-05-05 | Hitachi, Ltd. | Traffic information providing system and car navigation system |
CN102819955A (zh) * | 2012-09-06 | 2012-12-12 | 北京交通发展研究中心 | 基于车辆行程数据的道路网运行评价方法 |
CN103761871A (zh) * | 2014-01-23 | 2014-04-30 | 西安费斯达自动化工程有限公司 | 封闭道路的宏观交通流模型分支定界分析控制方法 |
CN104318770A (zh) * | 2014-11-02 | 2015-01-28 | 上海云砥信息科技有限公司 | 基于手机数据实时检测高速公路交通拥堵状态的方法 |
CN107067717A (zh) * | 2016-11-30 | 2017-08-18 | 北京掌行通信息技术有限公司 | 一种确定目标保障路段的方法及服务器 |
CN107730892A (zh) * | 2017-11-20 | 2018-02-23 | 中兴软创科技股份有限公司 | 一种基于fcd与互联网数据融合的交通拥堵指数评价方法 |
CN108109375A (zh) * | 2017-12-21 | 2018-06-01 | 北京航空航天大学 | 一种基于渗流分析的城市交通网络可靠性预测方法 |
CN108959072A (zh) * | 2018-06-14 | 2018-12-07 | 北京航空航天大学 | 一种基于复杂网络的集群系统弹性测评方法 |
-
2019
- 2019-05-16 CN CN201910409466.XA patent/CN110111576B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08190694A (ja) * | 1995-01-10 | 1996-07-23 | Nippondenso Co Ltd | 交通情報受信装置 |
US20050093720A1 (en) * | 2003-10-16 | 2005-05-05 | Hitachi, Ltd. | Traffic information providing system and car navigation system |
CN102819955A (zh) * | 2012-09-06 | 2012-12-12 | 北京交通发展研究中心 | 基于车辆行程数据的道路网运行评价方法 |
CN103761871A (zh) * | 2014-01-23 | 2014-04-30 | 西安费斯达自动化工程有限公司 | 封闭道路的宏观交通流模型分支定界分析控制方法 |
CN104318770A (zh) * | 2014-11-02 | 2015-01-28 | 上海云砥信息科技有限公司 | 基于手机数据实时检测高速公路交通拥堵状态的方法 |
CN107067717A (zh) * | 2016-11-30 | 2017-08-18 | 北京掌行通信息技术有限公司 | 一种确定目标保障路段的方法及服务器 |
CN107730892A (zh) * | 2017-11-20 | 2018-02-23 | 中兴软创科技股份有限公司 | 一种基于fcd与互联网数据融合的交通拥堵指数评价方法 |
CN108109375A (zh) * | 2017-12-21 | 2018-06-01 | 北京航空航天大学 | 一种基于渗流分析的城市交通网络可靠性预测方法 |
CN108959072A (zh) * | 2018-06-14 | 2018-12-07 | 北京航空航天大学 | 一种基于复杂网络的集群系统弹性测评方法 |
Non-Patent Citations (3)
Title |
---|
何巍楠: "《基于浮动车数据的城市常发性交通拥堵时空分布特征研究》", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
徐晓云等: "《网络故障传播研究进展综述》", 《电子科学技术》 * |
朱琳等: "《基于浮动车数据的交通拥堵时间维度特征》", 《北京交通大学学报》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340384A (zh) * | 2020-03-09 | 2020-06-26 | 西南交通大学 | 一种多制式轨道交通系统的关键节点识别及故障恢复方法 |
CN111340384B (zh) * | 2020-03-09 | 2022-04-29 | 西南交通大学 | 一种多制式轨道交通系统的关键节点识别及故障恢复方法 |
CN111915884A (zh) * | 2020-06-18 | 2020-11-10 | 北京航空航天大学 | 交通网络行为描述方法、装置、电子设备及存储介质 |
CN111915884B (zh) * | 2020-06-18 | 2021-09-28 | 北京航空航天大学 | 交通网络行为描述方法、装置、电子设备及存储介质 |
CN112562333A (zh) * | 2020-12-01 | 2021-03-26 | 智道网联科技(北京)有限公司 | 基于智慧交通的道路拥堵处理方法及装置 |
CN113420925A (zh) * | 2021-06-28 | 2021-09-21 | 北京航空航天大学 | 一种基于朴素贝叶斯的交通健康预测方法及系统 |
CN113537788A (zh) * | 2021-07-20 | 2021-10-22 | 西南交通大学 | 一种基于病毒传播理论的城市交通拥堵识别方法 |
CN113537788B (zh) * | 2021-07-20 | 2023-04-18 | 西南交通大学 | 一种基于病毒传播理论的城市交通拥堵识别方法 |
CN114170796B (zh) * | 2021-11-20 | 2023-01-10 | 无锡数据湖信息技术有限公司 | 算法改进型拥堵传播分析方法 |
CN114170796A (zh) * | 2021-11-20 | 2022-03-11 | 无锡数据湖信息技术有限公司 | 算法改进型拥堵传播分析方法 |
CN114202923A (zh) * | 2021-12-07 | 2022-03-18 | 公安部交通管理科学研究所 | 一种城市道路交通拥堵时空分布综合指数测评方法 |
CN114202923B (zh) * | 2021-12-07 | 2022-12-06 | 公安部交通管理科学研究所 | 一种城市道路交通拥堵时空分布综合指数测评方法 |
CN114141032A (zh) * | 2022-02-07 | 2022-03-04 | 青岛海信网络科技股份有限公司 | 一种交通信号控制方案生成方法及设备 |
CN115115283A (zh) * | 2022-08-26 | 2022-09-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种城市关键基础设施的管理方法、电子设备及存储介质 |
CN115482664A (zh) * | 2022-09-13 | 2022-12-16 | 上海智能交通有限公司 | 一种智能交通的路网交通流时空预测方法 |
CN115482664B (zh) * | 2022-09-13 | 2023-04-07 | 上海智能交通有限公司 | 一种智能交通的路网交通流时空预测方法 |
CN117576916A (zh) * | 2024-01-17 | 2024-02-20 | 临沂大学 | 一种基于物联网的交通安全监测系统 |
CN117576916B (zh) * | 2024-01-17 | 2024-03-22 | 临沂大学 | 一种基于物联网的交通安全监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110111576B (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110111576A (zh) | 一种基于时空拥堵子团的城市交通弹性指标及其实现方法 | |
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 | |
Jakaria et al. | Smart weather forecasting using machine learning: a case study in tennessee | |
Yi et al. | Optimization of the issuance of evacuation orders under evolving hurricane conditions | |
Pan et al. | Resilience model and recovery strategy of transportation network based on travel OD-grid analysis | |
CN110211378A (zh) | 一种基于复杂网络理论的城市交通健康指标体系评估方法 | |
CN112035584A (zh) | 空间规划情景模拟方法及系统 | |
Zhang et al. | Megaregion network simulation for evacuation analysis | |
Wang et al. | Vulnerability assessment of urban road traffic systems based on traffic flow | |
Xiongfei et al. | Network emergency evacuation modeling: A literature review | |
Liu et al. | Research on the evaluation of the resilience of subway station projects to waterlogging disasters based on the projection pursuit model | |
CN113537626B (zh) | 一种聚合信息差异的神经网络结合时间序列预测的方法 | |
Liu et al. | A comprehensive risk analysis of transportation networks affected by rainfall‐induced multihazards | |
Liu et al. | Hybrid intelligent algorithm and its application in geological hazard risk assessment | |
CN106526710A (zh) | 一种雾霾预测方法及装置 | |
Liu et al. | Measuring the dynamic evolution of road network vulnerability to floods: A case study of Wuhan, China | |
Yang et al. | ABM-based emergency evacuation modelling during urban pluvial floods: A “7.20” pluvial flood event study in Zhengzhou, Henan Province | |
Jiao et al. | Resilience assessment of metro stations against rainstorm disaster based on cloud model: a case study in Chongqing, China | |
CN109902344A (zh) | 中小跨径桥梁群结构性能预测装置及系统 | |
CN113051728B (zh) | 一种交通网络抗震鲁棒性评估方法 | |
CN113554221B (zh) | 一种“流空间”视角下的城镇开发边界模拟预测方法 | |
Zhong et al. | Optimization on Spatial Distribution of Shelter through Dynamic Evacuation Simulation of High Density Urban Area-Xinjiekou Case | |
CN113361051A (zh) | 一种基于可控性与重要度的路网控制方法 | |
Gharakhlou et al. | Access Enhancement by Making Changes in the Route Network to Facilitate Rescue perations in Urban Disasters | |
CN113420925A (zh) | 一种基于朴素贝叶斯的交通健康预测方法及系统 |
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 |