CN110136440B - 一种基于广度优先搜索的交叉口群范围界定方法 - Google Patents

一种基于广度优先搜索的交叉口群范围界定方法 Download PDF

Info

Publication number
CN110136440B
CN110136440B CN201910413755.7A CN201910413755A CN110136440B CN 110136440 B CN110136440 B CN 110136440B CN 201910413755 A CN201910413755 A CN 201910413755A CN 110136440 B CN110136440 B CN 110136440B
Authority
CN
China
Prior art keywords
intersection
intersections
traffic
intersection group
association degree
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.)
Active
Application number
CN201910413755.7A
Other languages
English (en)
Other versions
CN110136440A (zh
Inventor
王炜
李欣然
卢慕洁
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN201910413755.7A priority Critical patent/CN110136440B/zh
Publication of CN110136440A publication Critical patent/CN110136440A/zh
Application granted granted Critical
Publication of CN110136440B publication Critical patent/CN110136440B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种基于广度优先搜索的交叉口群范围界定方法，属于城市智能交通管理和控制技术领域，包括以下步骤：(1)获取城市指定研究区域的道路网络结构数据库和交通运行状态数据库；(2)选择道路网络中交通负荷度最高的交叉口作为关键交叉口；(3)根据改进的互联指数模型计算交叉口之间的关联度；(4)根据交叉口群范围界定原则，选定交叉口关联度强与弱的临界值；(5)从关键交叉口出发，使用广度优先搜索确定节点访问顺序，选择具有强关联度的交叉口，完成交叉口群的范围界定。本发明计算简单高效，逻辑简明清晰，对从“交叉口群”的角度进行交叉口协调控制具有重要的现实意义，为城市智能交通管理和控制提供了有力的技术支撑。

Description

一种基于广度优先搜索的交叉口群范围界定方法
技术领域
本发明涉及城市智能交通管理和控制技术领域，特别是涉及一种基于广度优先搜索的交叉口群范围界定方法。
背景技术
近年来，随着城市道路交通量的增长，路网密度的增大，交叉口之间的关联性日益明显。在一个城市或区域中，对于单个交叉口交通信号的调整往往会影响与其相邻的若干个交叉口的交通流运行状况，单个交叉口的拥堵可能会随着时间的推移逐步波及到周边数个交叉口乃至所在区域内的全部交叉口。因此，城市对交通信号控制的要求也变得越来越高，以某个区域内全部交叉口作为研究对象的交叉口群信号协调控制已成为城市交通控制的发展新要求。
城市道路交叉口群为城市路网中地理位置相邻且存在较强关联性的若干交叉口的集合，只有在具有强关联关系的交叉口之间采用协调控制才能更有效地提升整体的交通效益，因此，从交通网络中的关键交叉口出发，界定交叉口群范围的目的就在于发现交通网络中亟需进行改善且适合通过协调控制的方式来提高整体交通效益的问题区域。
确定交叉口群的范围看似和聚类的过程很相似，但经分析后发现，经典的聚类算法并不适用于交叉口群范围的划分。在聚类算法中，各点和指定的聚类中心点之间的距离是影响聚类结果的核心因素之一，然而在交叉口群中，只有具有邻接关系的交叉口之间才具有关联度指标，任意两交叉口之间必定存在连通关系。为此本发明提出了一种基于广度优先搜索的交叉口群范围界定方法，对从“交叉口群”的角度进行交叉口协调控制具有重要的现实意义。
发明内容
为了解决以上问题，本发明提供一种基于广度优先搜索的交叉口群范围界定方法，本发明的目的是通过交叉口群的界定范围来发现交通网络中亟需进行改善且适合通过协调控制的方式来提高整体交通效益的问题区域。本发明提供的方法，对交叉口群信号协调控制具有较大意义，为城市智能交通管理和控制提供了有力的技术支撑，为达此目的，本发明提供一种基于广度优先搜索的交叉口群范围界定方法，包括以下步骤：
(A)获取城市指定研究区域的道路网络结构数据库和交通运行状态数据库；
(B)选择道路网络中交通负荷度最高的交叉口作为关键交叉口；
(C)根据改进的互联指数模型计算交叉口之间的关联度；
(D)根据交叉口群范围界定原则，选定交叉口关联度强与弱的临界值；
(E)从关键交叉口出发，使用广度优先搜索确定节点访问顺序，选择具有强关联度的交叉口，完成交叉口群的范围界定。
本发明的进一步改进，所述步骤(A)中，城市道路网络结构数据库应至少包含交叉口和路段的邻接关系，各路段的长度，交叉口各进口道的车道数目、车道宽度和左直右车道的布设情况等，由此可计算出各交叉口的通行能力；城市交通运行状态数据库应至少包含各路段的平均行驶速度，车辆排队长度，各交叉口的实际通行流量和转向数据等。
本发明的进一步改进，所述步骤(B)中，交叉口的交通负荷度是指交叉口实际通行的交通流量与交叉口通行能力的比值，计算交通网络中所有交叉口的交通负荷度并按降序排序，排序在第一位置的即为关键交叉口。
本发明的进一步改进，所述步骤(C)包括如下步骤：
(C1)计算交叉口之间路段的互连期望指数，计算公式为：
Figure BDA0002063667840000021
上式中，各参数意义如下：n为上游交叉口的流入流向数，qi为上游交叉口第i流入流向流量，qmax为上游交叉口最大流入流向流量，T为车辆从上游交叉口进口停车线至下游交叉口进口车辆排队队尾的平均行驶时间，以分钟表示，其计算公式为：
Figure BDA0002063667840000022
上式中，各参数意义如下：L为相邻交叉口之间的路段长度，lq为下游交叉口进口排队长度，
Figure BDA0002063667840000023
为车辆在路段上的平均行驶速度；
(C2)计算交叉口之间的关联度，交叉口关联度是指交叉口之间两个对向路段互连期望指数的最大值，对于两个相邻的交叉口a和b，交叉口关联度的计算公式为：
IRDab＝IRDba＝max(IDIa→b,IDIb→a)。
本发明的进一步改进，所述步骤(D)中，交叉口群范围界定的原则为：交叉口群范围内部的交叉口之间应该具有较强的关联度；交叉口群范围边界的交叉口与交叉口群外相邻的交叉口之间应该具有较弱的关联度。
本发明的进一步改进，所述步骤(E)包括如下步骤：
(E1)将关键交叉口标记为已访问，作为交叉口群的初始节点；
(E2)按照广度优先搜索确定的分层访问顺序，访问交叉口群内新标记为“已访问”节点的邻接节点，若交叉口关联度大于等于步骤(D)中的临界值，则将该邻接节点纳入交叉口群的范围，并标记为“已访问”；若交叉口关联度小于步骤(D)中的临界值，则舍弃该邻接节点；
(E3)判断此时交叉口群范围内是否存在新标记为“已访问”的节点，若存在，返回步骤(E2)继续访问新标记为“已访问”节点的邻接节点；若不存在，交叉口群范围界定过程结束。
本发明一种基于广度优先搜索的交叉口群范围界定方法与现有技术相比，具有以下技术效果：
(1)本发明将图论中经典的广度优先搜索算法应用到交叉口群范围界定的过程中，保证了交叉口群范围内任意两交叉口之间必定存在连通关系，解决了传统聚类算法无法适用于交叉口群范围界定的问题，属于经典智能算法的跨学科应用。
(2)本发明通过交叉口群的界定范围来发现交通网络中亟需进行改善的问题区域，获取的交叉口群范围可以作为下一步进行交叉口群信号协调控制的基础，计算高效、方法实用，能够很好地服务于城市道路交叉口管理和控制。
附图说明
图1为本发明方法的总体流程图；
图2为本发明城市道路网络结构示意图；
图3为本发明交叉口群范围界定结果。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
本发明提供一种基于广度优先搜索的交叉口群范围界定方法，本发明的目的是通过交叉口群的界定范围来发现交通网络中亟需进行改善且适合通过协调控制的方式来提高整体交通效益的问题区域。本发明提供的方法，对交叉口群信号协调控制具有较大意义，为城市智能交通管理和控制提供了有力的技术支撑。
作为一个实施例，已知城市某指定区域的道路网络结构如图2所示，该城市的道路网络结构数据库和交通运行状态数据库已获取，已确定该路网范围内的关键交叉口位置，如图2所示，选定“0.4”作为交叉口关联度“强”与“弱”的临界值，利用本发明提供的方法确定该道路网络中交叉口群的范围。
如图1所示，运用本发明提出的基于广度优先搜索的交叉口群范围界定方法，包括如下步骤：
(A)获取城市指定研究区域的道路网络结构数据库和交通运行状态数据库；
城市道路网络结构数据库应至少包含交叉口和路段的邻接关系，各路段的长度，交叉口各进口道的车道数目、车道宽度和左直右车道的布设情况等，由此可计算出各交叉口的通行能力；城市交通运行状态数据库应至少包含各路段的平均行驶速度，车辆排队长度，各交叉口的实际通行流量和转向数据等。
(B)选择道路网络中交通负荷度最高的交叉口作为关键交叉口；
交叉口的交通负荷度是指交叉口实际通行的交通流量与交叉口通行能力的比值，计算交通网络中所有交叉口的交通负荷度并按降序排序，排序在第一位置的即为关键交叉口，本实施例中关键交叉口为1号交叉口，如图2所示。
(C)根据改进的互联指数模型计算交叉口之间的关联度；
(C1)计算交叉口之间路段的互连期望指数(Interconnection DesirabilityIndex，IDI)；
(C2)计算交叉口之间的关联度(Interconnection Relational Degree，IRD)。
该道路网络中交叉口之间的关联度计算结果如表1所示。
表1交叉口之间关联度计算结果(部分)
Figure BDA0002063667840000041
Figure BDA0002063667840000051
(D)根据交叉口群范围界定原则，选定交叉口关联度强与弱的临界值；
交叉口群范围界定的原则为：交叉口群范围内部的交叉口之间应该具有较强的关联度；交叉口群范围边界的交叉口与交叉口群外相邻的交叉口之间应该具有较弱的关联度。本实例中选定“0.4”作为交叉口关联度“强”与“弱”的临界值。
(E)从关键交叉口出发，使用广度优先搜索确定节点访问顺序，选择具有强关联度的交叉口，完成交叉口群的范围界定。
(E1)将关键交叉口标记为已访问，作为交叉口群的初始节点；
(E2)按照广度优先搜索确定的分层访问顺序，访问交叉口群内新标记为“已访问”节点的邻接节点，若交叉口关联度大于等于0.4，则将该邻接节点纳入交叉口群的范围，并标记为“已访问”；若交叉口关联度小于0.4，则舍弃该邻接节点；
(E3)判断此时交叉口群范围内是否存在新标记为“已访问”的节点，若存在，返回步骤(E2)继续访问新标记为“已访问”节点的邻接节点；若不存在，交叉口群范围界定过程结束。
利用广度优先搜索的思想，从关键交叉口(节点编号：1)出发，共进行了六个层次的搜索访问，其中第六个层次的访问中交叉口群范围内未增加新节点。总计访问了30个节点，最终筛选出18个具有强关联关系的交叉口，这18个交叉口构成最终的交叉口群。交叉口群范围界定过程如表2所示，对交叉口群范围内的交叉口重新编号，交叉口群的范围界定结果如图3所示。
表2交叉口群范围界定过程(部分)
Figure BDA0002063667840000061
Figure BDA0002063667840000071
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (1)

1.一种基于广度优先搜索的交叉口群范围界定方法，其特征在于：包括以下步骤：
(A)获取城市指定研究区域的道路网络结构数据库和交通运行状态数据库；
所述步骤(A)中，城市道路网络结构数据库应至少包含交叉口和路段的邻接关系，各路段的长度，交叉口各进口道的车道数目、车道宽度和左直右车道的布设情况，由此可计算出各交叉口的通行能力；城市交通运行状态数据库应至少包含各路段的平均行驶速度，车辆排队长度，各交叉口的实际通行流量和转向数据；
(B)选择道路网络中交通负荷度最高的交叉口作为关键交叉口；
所述步骤(B)中，交叉口的交通负荷度是指交叉口实际通行的交通流量与交叉口通行能力的比值，计算交通网络中所有交叉口的交通负荷度并按降序排序，排序在第一位置的即为关键交叉口；
(C)根据改进的互联指数模型计算交叉口之间的关联度；
所述步骤(C)包括如下步骤：
(C1)计算交叉口之间路段的互连期望指数，计算公式为：
Figure FDA0002982789070000011
上式中，各参数意义如下：n为上游交叉口的流入流向数，qi为上游交叉口第i流入流向流量，qmax为上游交叉口最大流入流向流量，T为车辆从上游交叉口进口停车线至下游交叉口进口车辆排队队尾的平均行驶时间，以分钟表示，其计算公式为：
Figure FDA0002982789070000012
上式中，各参数意义如下：L为相邻交叉口之间的路段长度，lq为下游交叉口进口排队长度，
Figure FDA0002982789070000013
为车辆在路段上的平均行驶速度；
(C2)计算交叉口之间的关联度，交叉口关联度是指交叉口之间两个对向路段互连期望指数的最大值，对于两个相邻的交叉口a和b，交叉口关联度的计算公式为：
IRDab＝IRDba＝max(IDIa→b,IDIb→a)；
(D)根据交叉口群范围界定原则，选定交叉口关联度强与弱的临界值；
所述步骤(D)中，交叉口群范围界定的原则为：交叉口群范围内部的交叉口之间应该具有较强的关联度；交叉口群范围边界的交叉口与交叉口群外相邻的交叉口之间应该具有较弱的关联度；
(E)从关键交叉口出发，使用广度优先搜索确定节点访问顺序，选择具有强关联度的交叉口，完成交叉口群的范围界定；
所述步骤(E)包括如下步骤：
(E1)将关键交叉口标记为已访问，作为交叉口群的初始节点；
(E2)按照广度优先搜索确定的分层访问顺序，访问交叉口群内新标记为“已访问”节点的邻接节点，若交叉口关联度大于等于步骤(D)中的临界值，则将该邻接节点纳入交叉口群的范围，并标记为“已访问”；若交叉口关联度小于步骤(D)中的临界值，则舍弃该邻接节点；
(E3)判断此时交叉口群范围内是否存在新标记为“已访问”的节点，若存在，返回步骤(E2)继续访问新标记为“已访问”节点的邻接节点；若不存在，交叉口群范围界定过程结束。
CN201910413755.7A 2019-05-17 2019-05-17 一种基于广度优先搜索的交叉口群范围界定方法 Active CN110136440B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910413755.7A CN110136440B (zh) 2019-05-17 2019-05-17 一种基于广度优先搜索的交叉口群范围界定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910413755.7A CN110136440B (zh) 2019-05-17 2019-05-17 一种基于广度优先搜索的交叉口群范围界定方法

Publications (2)

Publication Number Publication Date
CN110136440A CN110136440A (zh) 2019-08-16
CN110136440B true CN110136440B (zh) 2021-06-15

Family

ID=67575065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910413755.7A Active CN110136440B (zh) 2019-05-17 2019-05-17 一种基于广度优先搜索的交叉口群范围界定方法

Country Status (1)

Country Link
CN (1) CN110136440B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113129614B (zh) * 2020-01-10 2023-01-24 阿里巴巴集团控股有限公司 一种交通控制方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1139590A (ja) * 1997-07-22 1999-02-12 Hitachi Ltd 信号機制御装置
CN103824446A (zh) * 2013-12-13 2014-05-28 华南理工大学 一种子区多交叉口群决策控制方法
CN104616508A (zh) * 2015-01-22 2015-05-13 广东易富网络科技有限公司 一种基于混沌人工鱼群算法的关联交叉口信号控制方法
CN109584551A (zh) * 2018-11-27 2019-04-05 南京航空航天大学 一种基于层次聚类的关联交叉口群划分的设计方法
CN109740963A (zh) * 2019-01-21 2019-05-10 杭州远眺科技有限公司 一种识别城市道路网关键交叉口的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1139590A (ja) * 1997-07-22 1999-02-12 Hitachi Ltd 信号機制御装置
CN103824446A (zh) * 2013-12-13 2014-05-28 华南理工大学 一种子区多交叉口群决策控制方法
CN104616508A (zh) * 2015-01-22 2015-05-13 广东易富网络科技有限公司 一种基于混沌人工鱼群算法的关联交叉口信号控制方法
CN109584551A (zh) * 2018-11-27 2019-04-05 南京航空航天大学 一种基于层次聚类的关联交叉口群划分的设计方法
CN109740963A (zh) * 2019-01-21 2019-05-10 杭州远眺科技有限公司 一种识别城市道路网关键交叉口的方法

Also Published As

Publication number Publication date
CN110136440A (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
CN109887297B (zh) 基于快速全局K-means谱聚类的城市交通控制子区的划分方法
CN105913661B (zh) 一种基于收费数据的高速公路路段交通状态判别方法
CN109215350B (zh) 一种基于rfid电子车牌数据的短期交通状态预测方法
CN104331422A (zh) 一种路段类型推测方法
CN111210621B (zh) 基于实时路况的信号绿波协调路线优化控制方法及系统
CN105825690A (zh) 一种面向可协调控制的干线交叉口关联性分析及划分方法
CN110516702B (zh) 一种基于流数据的离散路径规划方法
CN106952484B (zh) 基于宏观基本图的路网门限控制
CN109859480B (zh) 基于复杂网络的拥堵路段建模和评估方法
CN108447263A (zh) 基于浮动车的干线协调控制交叉口的信号控制评价方法
CN111145536A (zh) 一种基于异常检测的道路网络脆性评价方法
CN111145544A (zh) 一种基于拥堵蔓延消散模型的行程时间及路径预测方法
CN108712287A (zh) 基于节点相似度的vanet社区发现方法
CN110136440B (zh) 一种基于广度优先搜索的交叉口群范围界定方法
CN116071722A (zh) 基于路段轨迹的车道几何信息提取方法、系统、设备及介质
CN110097757B (zh) 一种基于深度优先搜索的交叉口群关键路径识别方法
CN104821086A (zh) 一种定位大规模交通网络中低效路段组合的方法
CN116523345B (zh) 一种城市道路拓扑网络连通性评价方法
CN115100857B (zh) 一种基于Dijkstra算法的路网子区关键路径识别方法
CN108399465B (zh) 一种应对实施区域交通管理策略的od分配方法
CN114877901B (zh) 基于地图栅格化融合与A-star搜索的城市应急路径规划方法
CN116205356A (zh) 一种新型城市路网动态子区划分方法
CN113393129B (zh) 顾及路网关联约束的海量建筑物多尺度分块合并方法
CN115484656A (zh) 一种agv的高效数据采集路径规划方法
CN114783179A (zh) 基于状态矢量的拥堵聚类判别方法

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