CN111126878A - 一种基于生态指数的城市交通运行评价方法 - Google Patents

一种基于生态指数的城市交通运行评价方法 Download PDF

Info

Publication number
CN111126878A
CN111126878A CN201911419439.7A CN201911419439A CN111126878A CN 111126878 A CN111126878 A CN 111126878A CN 201911419439 A CN201911419439 A CN 201911419439A CN 111126878 A CN111126878 A CN 111126878A
Authority
CN
China
Prior art keywords
cost
ecological
directed
minimum
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.)
Granted
Application number
CN201911419439.7A
Other languages
English (en)
Other versions
CN111126878B (zh
Inventor
林永杰
曾维嘉
杨彦青
程禹铭
刘宇恒
管海霞
黄紫林
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201911419439.7A priority Critical patent/CN111126878B/zh
Publication of CN111126878A publication Critical patent/CN111126878A/zh
Application granted granted Critical
Publication of CN111126878B publication Critical patent/CN111126878B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于生态指数的城市交通运行评价方法。所述方法包括如下步骤：利用浮动车车辆轨迹数据获取样本车辆行驶参数；对浮动车车辆轨迹数据进行预处理；定义路网中最小有向路段及生态成本；计算路网中最小有向路段的生态指数；计算路网中有向路径的生态指数；计算路网中有向路径集的生态指数；根据计算出的路网中最小有向路段、有向路径、有向路径集的生态指数，对城市交通运行方案进行优化调整，改善城市交通。本发明有利于为城市管理部门、城市交通规划与设施建设提供技术参考依据，为大众提供准确且全面的交通出行成本，进而促进城市居民出行生态化和城市交通系统的可持续发展。

Description

一种基于生态指数的城市交通运行评价方法
技术领域
本发明涉及智能交通系统技术领域，特别是涉及一种基于生态指数的城市交通运行评价方法。
背景技术
面对城市交通网络的迅速扩张和需求的急剧增长，小汽车和公交车的拥堵、能源消耗和尾气污染的日益加剧，全面深入地针对交通生态进行综合性研究迫在眉睫。为了缓解城市交通出行所带来的拥堵、空气污染、时间损失和能源消耗等城市交通病，应该从交通出行的各类成本出发，摒弃只考虑出行延误单个因素的分析方法，建立一个更为全面、精准、与生态环境相适应的交通运行状况评价新方法。
现有的城市交通评价体系，其缺点在于：1.多致力于评价基本的车路关系矛盾和整体交通系统运营效率、运营成本和交通出行舒适度，而对日益突出的交通能源消耗和环境污染等问题的研究不足，即以延误及其派生指标作为交通评价的主要指标，而忽略了能耗和排放等生态指标；2.多集中于研究路段总体出行特征，忽略了不同转向路径的交通差异，尤其难以表征中远距离的出行起讫点(Origin-Destination，简称OD)间多条路径的出行成本。因此，针对单一路段指标评价OD间多条路径的道路交通状况，而不考虑各转向车流状况差异，容易导致交通评价的失衡。
文献《隽海民,裴玉龙.城市客运交通方式生态指数及其计算方法[J].城市交通》中基于交通方式的土地资源占用量、能耗和排放建立了客运交通生态指数，而能耗和排放的估计简单依赖于路段平均车速；文献《许晔,王钧,刘爽爽等.深圳市主要道路交通碳排放特征与低碳交通发展情景研究[J].北京大学学报：自然科学版》中借助国际机动车排放模型和深圳实测数据，分别建立了小汽车、公交车和货车的排放强度估计模型。总体上，已有方法主要借助宏观路段车辆状态估计能耗和排放，较少考虑车辆瞬时工况的关键影响。
发明内容
针对现有研究的不足，本发明提出一种基于生态指数的城市交通运行评价方法。该方法综合考虑了路网中时间经济损失、空气污染物排放成本和能源消耗成本，通过城市路网中浮动车车辆轨迹数据，估计每个行驶方向上的延误成本、排放成本和能耗成本，从而建立基于生态指数的生态导向型交通运行状况评价新指标，并通过赋予路网车流行驶方向系数的方法，依次建立最小有向路段、有向路径、有向路径集三个层面的评价指标，精准地刻画路网中出行OD对的交通运行状态。
本发明的目的至少通过如下技术方案之一实现。
一种基于生态指数的城市交通运行评价方法，包括以下步骤：
S1、利用浮动车车辆轨迹数据获取样本车辆行驶参数；
S2、对浮动车车辆轨迹数据进行预处理；
S3、定义路网中最小有向路段及生态成本；
S4、计算路网中最小有向路段的生态指数；
S5、计算路网中有向路径的生态指数；
S6、计算路网中有向路径集的生态指数；
S7、根据步骤S4、S5、S6中计算出的路网中最小有向路段、有向路径、有向路径集的生态指数，对城市交通运行方案进行优化调整，改善城市交通。
进一步地，步骤S1中，所述行驶状态参数是利用浮动车车辆轨迹数据，结合坐标系转换法对车辆进行行驶轨迹重构，即将WGS-84坐标系下的浮动车GPS经纬度转化为笛卡尔平面坐标，由此计算出该路段一个统计周期内每个定位点上车辆的瞬时速度和瞬时加速度，其中，瞬时速度已包含在GPS回传数据中，瞬时加速度为瞬时速度差与时间差的比值。
进一步地，步骤S2中，所述预处理是对浮动车车辆轨迹数据进行筛选和分类，包括对错误、重复和丢失的数据处理；所述分类根据交叉口各方向进口道车流可能选择的四个行车方向，将浮动车车辆轨迹数据分为4类，所述四个行车方向为直行、左转、右转和掉头；所述错误数据处理是根据研究路网道路的范围，删除超出路网道路边界的异常值点；所述重复数据处理是根据浮动车车辆轨迹设备唯一标识号将同一定位、同一设备标识号的所有浮动车车辆轨迹数据取算术平均值作为当前定位点的浮动车车辆轨迹数据；所述丢失数据处理是根据同一浮动车车辆轨迹设备、定位时刻两个字段的原始数据进行排序，若检测到丢失，则用线性插值法补齐。
进一步地，步骤S3中，所述最小有向路段即所研究的带有行驶方向的最小路段，是研究路网的最基本单元；所述生态成本，即根据现有研究的不足所提出的一种生态导向型交通出行成本。所述生态成本综合了延误成本、排放成本、能耗成本；步骤S3包括以下步骤：
S3.1、定义最小有向路段的行驶方向系数；
S3.2、定义延误成本；
S3.3、定义排放成本；
S3.4、定义能耗成本；
S3.5、计算最小有向路段的生态成本。
进一步地，步骤S3.1中，所述行驶方向性，是针对现有研究的不足，即评价道路交通状况只针对路段单一方向，而不考虑各转向车流交通状况差异，提出的评价道路交通状况需要精细地区分计算各转向车流的出行成本(延误成本、排放成本、能耗成本)，最小有向路段的行驶方向性以二进制的行驶方向系数体现在计算式中。所述方向系数表达式如下：
Figure BDA0002351965560000031
式中，s,l,r,u分别表示直行、左转、右转、掉头；
步骤S3.2中，最小有向路段的延误时间为路段上各个行驶方向上的车辆平均延误与车辆处于自由流状态时通过该路段的行驶方向的时间差；将延误时间结合居民平均收入计算得到延误成本，延误成本的计算公式如下：
Figure BDA0002351965560000032
Figure BDA0002351965560000033
式中，es,l,r,u为最小有向路段的行驶方向系数；
Figure BDA0002351965560000034
表示除公交车外的第j辆浮动车乘客的时间成本；dcar(j)为小汽车延误时间；CDcar代表小汽车人均时间价值；Ncar代表小汽车平均载客人数；
Figure BDA0002351965560000035
表示第i辆公交车乘客的时间成本；dbus(i)为公交车延误时间；Nbus(i)代表公交车平均载客人数；dtbus(i)为等候该辆公交车的站台乘客候车延误；Mbus(i)为等候该辆公交车的站台乘客数；CDbus代表公交车人均时间价值；γcar(j)、γbus(i)代表小汽车和公交车时间成本重要度，通过熵权法进行标定；
步骤S3.3中，最小有向路段的排放成本取决于路段上车流的三种污染物排放因子(CO，NO，HC)的排放量。考虑到当前大部分城市内所有公交车轨迹均可实时回传到监控中心，因此，针对公交车的指标测算将精确到单个车辆。对于小汽车群体，则需要依赖可收集数据的少量浮动车进行平均值估计，再根据断面车辆总数折算为全体小汽车。
排放成本的定义式为：
Figure BDA0002351965560000036
Figure BDA0002351965560000037
式中，es,l,r,u为最小有向路段的行驶方向系数；
Figure BDA0002351965560000041
为除公交车外的第j辆浮动车的排放成本；ecar(j)为第j辆浮动车尾气排放的污染当量数；CEcar代表小汽车尾气污染物的具体适用税额；
Figure BDA0002351965560000042
为第i辆公交车的排放成本；ebus(i)为公交车尾气排放的污染当量数，电动公交车排放为0；CEbus(i)为公交车尾气污染物的具体适用税额；βcar(j)分别表示小汽车排放重要度，βbus(i)分别代表公交车排放重要度，通过熵权法进行标定；
步骤S3.4中，最小有向路段的能耗成本取决于路段上车辆的燃油消耗量；能耗成本的定义式为：
Figure BDA0002351965560000043
Figure BDA0002351965560000044
式中，es,l,r,u为最小有向路段的行驶方向系数；
Figure BDA0002351965560000045
为除公交车外的第j辆浮动车的能耗成本；fcar(j)为第j辆浮动车燃油消耗量；CFcar表示小汽车燃油价格；可查询《环境保护税法》获得；
Figure BDA0002351965560000046
为第i辆公交车的能耗成本；fbus(i)表示公交车能耗量；CFbus(i)为公交车燃料价格；αcar(j)表示小汽车能耗重要度，αbus(i)代表公交车能耗重要度，通过熵权法进行标定；
步骤S3.5中，由(1)～(7)计算出最小有向路段的延误成本、排放成本、能耗成本；通过对以上3个成本的加权求和计算得所研究最小有向路段的生态成本；生态成本计算式如下：
Figure BDA0002351965560000047
式中，CE为最小有向路段的生态成本；
Figure BDA0002351965560000048
为最小有向路段的延误成本；
Figure BDA0002351965560000049
为最小有向路段的排放成本；
Figure BDA00023519655600000410
为最小有向路段的能耗成本。
进一步地，步骤S4中，所述最小有向路段的生态指数，即根据步骤S3中定义的延误成本、排放成本、能耗成本，利用熵权法计算得到的反映道路交通运行情况的生态综合性指标，得到路网中最小有向路段的生态指数，包括以下步骤：
S4.1、将计算3种成本所用到的浮动车车辆轨迹数据进行聚类，实现数据标准化，各成本标准化后得到的值为Y1,Y2,Y3；
S4.2、计算3个成本的信息熵，根据信息熵的定义，用如下公式表示：
Figure BDA00023519655600000411
式中，Ecj为某一成本的信息熵；pij为某一成本可能出现的概率，
Figure BDA0002351965560000051
S4.3、计算延误成本、排放成本、能耗成本3个指标的权重，在计算得到三个指标的信息熵后，通过信息熵计算各成本权重公式如下：
Figure BDA0002351965560000052
式中，Wj为某一成本的权重；Ecj为某一成本的信息熵；
S4.4、将各个成本极小化处理，实现去量纲化；其生态指数等于车辆理想运行情况下的最小生态成本与实际估计的生态成本的比值，最小有向路段的生态指数的计算公式如下：
Figure BDA0002351965560000053
式中，CE'为最小有向路段的生态指数；
Figure BDA0002351965560000054
为车辆理想运行情况下的最小生态成本；CE为公式(8)计算得到的实际生态成本。
进一步地，步骤S4.1包括以下迭代处理步骤：
S4.1.1、从n条浮动车车辆轨迹数据中任意选择x条浮动车车辆轨迹数据作为初始聚类中心；
S4.1.2、计算每个浮动车车辆轨迹样本与各个类中心点的距离，并根据最小距离的原则将浮动车车辆轨迹样本划分进某一类；
S4.1.3、计算每个类的中心，类的中心点为其到该类中其他所有点的距离之和最小的点；
S4.1.1、判断当前聚类的各中心和上一次聚类的各中心是否一致，若不一致则返回步骤S4.1.2，否则结束迭代聚类。
进一步地，步骤S5中，所述有向路径是由至少一个最小有向路段所组成的路径，路网中组成同一有向路径的最小有向路段组内有多种组合形式；在计算已有确定起讫点(Origin-Destination，OD)的有向路径生态成本时，需根据其具体的最小有向路段组合形式来确定每个最小有向路段的所取方向；由确定了起讫点的有向路径，计算得到多个可能的生态成本值；包括以下步骤：
S5.1、定义组合方式；设有向路径有一个由n个最小有向路段构成的组合形式，n≥1；当确定了组合形式后，最小有向路段的方向也会确定，其自身车辆方向系数es,l,r,u的取值也随之确定；便可得到各成本值及生态。
S5.2、计算延误、排放、能耗成本；有向路径的延误、排放、能耗成本均分别等于组成其的最小有向路段的延误、排放、能耗成本之和；
有向路径的延误成本计算公式如下：
Figure BDA0002351965560000061
Figure BDA0002351965560000062
式中，
Figure BDA0002351965560000063
为除公交车外的第j辆浮动车的延误成本；
Figure BDA0002351965560000064
为第i辆公交车的延误成本；
Figure BDA0002351965560000065
为某种路段组合形式的路径上浮动车的延误成本；
Figure BDA0002351965560000066
为某种路段组合形式的路径上公交车的延误成本；
有向路径的排放成本计算公式如下：
Figure BDA0002351965560000067
Figure BDA0002351965560000068
式中，
Figure BDA0002351965560000069
为除公交车外的第j辆浮动车的排放成本；
Figure BDA00023519655600000610
为第i辆公交车的排放成本；
Figure BDA00023519655600000611
为某种路段组合形式的路径上浮动车的排放成本；
Figure BDA00023519655600000612
为某种路段组合形式的路径上公交车的排放成本；
有向路径的能耗成本计算公式如下：
Figure BDA00023519655600000613
Figure BDA00023519655600000614
式中，
Figure BDA00023519655600000615
为除公交车外的第j辆浮动车的能耗成本；
Figure BDA00023519655600000616
为第i辆公交车的能耗成本；
Figure BDA00023519655600000617
为某种路段组合形式的路径上浮动车的能耗成本；
Figure BDA00023519655600000618
为某种路段组合形式的路径上公交车的能耗成本；
重复步骤S5.1～S5.2，得到同一路径不同路段组合形式所对应的各成本值；
S5.3、计算有向路径的生态成本，计算公式如下：
Figure BDA0002351965560000071
式中，Em为第m种路段组合形式的路径生态成本，
Figure BDA0002351965560000072
为第m种路段组合形式的路径延误成本；
Figure BDA0002351965560000073
为第m种路段组合形式的路径排放成本；
Figure BDA0002351965560000074
Figure BDA0002351965560000075
为第m种路段组合形式的路径能耗成本；
S5.4、计算有向路径的生态指数，计算公式如下：
Figure BDA0002351965560000076
式中，Em′为第m种路段组合形式的路径生态指数；
Figure BDA0002351965560000077
为第m种路段组合形式的理想交通情况下最小路径生态成本，Em为第m种路段组合形式的实际路径生态成本。
进一步地，步骤S6中，所述有向路径集的生态指数，即根据以上提出的最小有效路段和有向路径，利用概率分配模型计算整个路网的生态指数；包括以下步骤：
S6.1、计算路网中一对OD对之间的生态指数；
一对OD对之间存在多条有向路径，在路网达到平衡时，所有被利用的路径具有相等并且最小的阻抗，未被利用的路径与其具有相等或更大的阻抗，由此计算得到用户选择路径的概率；根据路网中用户选择路径的概率和步骤S5所计算得到的有向路径的生态指数，加权得到一对OD对之间路径集的生态指数；
S6.2、计算路网所有OD对之间的生态指数；
在路网中，找出所有具有交通产生量与吸引量的OD对；根据所有OD对中各OD对的交通量确定此OD对交通需求占路网整体交通需求的比重；将该比重与步骤S6.1所计算得到的单一OD对之间的生态指数相结合，再次利用熵权法得到路网的生态指数。
进一步地，步骤S7中，完成最小有向路段、有向路径、有向路径集的生态指数计算后，根据步骤S4、S5、S6中计算出的路网中最小有向路段、有向路径、有向路径集的生态指数，可以利用“优”、“良”、“中”、“差”四个标准定性地评价该最小有向路段、有向路径、有向路径集的交通生态情况：
按照等距分类法将步骤S4中计算的最小有向路段的生态指数划分为四个等级：CE'为0.75-1.00为优，CE'为0.50-0.75为良，CE'为0.25-0.50为中，CE'为0-0.25为差；通过以上对不同属性和位置的最小路段的生态指数的计算和分类，定性地评价该最小有向路段的交通生态情况；
按照等距分类法将步骤S5中计算的有向路径的生态指数划分为四个等级：Em′为0.75-1.00为优，Em′为0.50-0.75为良，Em′为0.25-0.50为中，Em′为0-0.25为差；通过以上对不同属性和位置的有向路径的生态指数的计算和分类，定性地评价该有向路径的交通生态情况；
按照等距分类法将步骤S6中计算的路网的生态指数划分为四个等级：0.75-1.00为优，0.50-0.75为良，0.25-0.50为中，0-0.25为差；通过以上对路网的生态指数的计算和分类，定性地评价该路网的交通生态情况。
基于本发明的交通规划、交通设计、交通控制与管理将着眼于减少延误、能耗、排放，通过优化OD点对之间交通流量的分配、交通设施及其功能设计、信号灯配时方案调整等交通优化策略，为城市路网的稳定高效运行提供科学的决策依据，不仅是多方位的交通信息服务的前提，也是实现智能交通管控的重要基础；更进一步地，本发明通过改变城市居民出行方式和出行路线的组合结构，减轻无效交通所带来的城市拥堵、空气污染物排放、时间经济损失等重大问题带来的交通“城市病”，从根源上缓解城市生态交通问题。
本发明的优点在于：
(1)本发明创新地综合考虑了路网中时间经济损失、空气污染物排放、燃料能源加速消耗等问题对城市路网生态指数的影响，并用基于延误成本、排放成本、能耗成本的生态指数综合评价指标描绘路网的交通生态状况；
(2)本发明创新地考虑了不同道路条件、不同转向车流之间的交通状况差异，通过赋予路网车流行驶方向系数的方法，从最小有向路段、有向路径、有向路径集三个层面精准地刻画路网的交通运行状态；
(3)本发明的社会积极效果是提出的生态导向型评价指标，即生态指数，有利于为城市管理部门、城市交通规划与设施建设提供技术参考依据，为大众提供准确且全面的交通出行成本，进而促进城市居民出行生态化和城市交通系统的可持续发展。
附图说明
图1为本发明一种基于生态指数的城市交通运行评价方法的流程图。
图2为本发明实施例中最小有向路段生态成本的计算步骤流程图。
图3为本发明实施例中最小有向路段生态指数的计算步骤流程图。
图4为本发明实施例中有向路径生态指数的计算步骤流程图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面结合附图和实施例对本发明的具体实施进行说明。
实施例：
一种基于生态指数的城市交通运行评价方法，如图1所示，包括以下步骤：
S1、利用浮动车车辆轨迹数据获取样本车辆行驶参数；
从外部浮动车车辆轨迹数据库中获取车辆标识码、时刻、速度、经纬度和方向角等行驶状态参数，结合坐标系转换法对车辆进行行驶轨迹重构，即将WGS-84坐标系下的浮动车GPS经纬度转化为笛卡尔平面坐标，利用浮动车车辆轨迹数据还原计算该路段一个统计周期内每一秒车辆的瞬时速度和瞬时加速度。其中，瞬时速度已包含在GPS回传数据中，瞬时加速度为瞬时速度差与时间差的比值。
S2、对浮动车车辆轨迹数据进行预处理；
所述预处理是对浮动车车辆轨迹数据进行筛选和分类，包括对错误、重复和丢失的数据处理；所述分类根据交叉口各方向进口道车流可能选择的四个行车方向，将浮动车车辆轨迹数据分为4类，所述四个行车方向为直行、左转、右转和掉头；所述错误数据处理是根据研究路网道路的范围，删除超出路网道路边界的异常值点；所述重复数据处理是根据浮动车车辆轨迹设备唯一标识号将同一定位、同一设备标识号的所有浮动车车辆轨迹数据取算术平均值作为当前定位点的浮动车车辆轨迹数据；所述丢失数据处理是根据同一浮动车车辆轨迹设备、定位时刻两个字段的原始数据进行排序，若检测到丢失，则用线性插值法补齐。
S3、定义路网中最小有向路段及生态成本；所述最小有向路段即所研究的带有行驶方向的最小路段，是研究路网的最基本单元；所述生态成本，即根据现有研究的不足所提出的一种生态导向型交通出行成本。所述生态成本即根据现有研究的不足所提出的一种生态导向型交通出行成本，综合了延误成本、排放成本、能耗成本；如图2所示，步骤S3包括以下步骤：
S3.1、定义最小有向路段的行驶方向系数；所述行驶方向性，是针对现有研究的不足，即评价道路交通状况只针对路段单一方向，而不考虑各转向车流交通状况差异，提出的评价道路交通状况需要精细地区分计算各转向车流的出行成本(延误成本、排放成本、能耗成本)，最小有向路段的行驶方向性以二进制的行驶方向系数体现在计算式中。
所述方向系数表达式如下：
Figure BDA0002351965560000101
式中，s,l,r,u分别表示直行、左转、右转、掉头；
S3.2、定义延误成本；最小有向路段的延误时间为路段上各个行驶方向上的车辆平均延误与车辆处于自由流状态时通过该路段的行驶方向的时间差；将延误时间结合居民平均收入计算得到延误成本，延误成本的计算公式如下：
Figure BDA0002351965560000102
Figure BDA0002351965560000103
式中，es,l,r,u为最小有向路段的行驶方向系数；
Figure BDA0002351965560000104
表示除公交车外的第j辆浮动车乘客的时间成本；dcar(j)为小汽车延误时间；CDcar代表小汽车人均时间价值；Ncar代表小汽车平均载客人数；
Figure BDA0002351965560000105
表示第i辆公交车乘客的时间成本；dbus(i)为公交车延误时间；Nbus(i)代表公交车平均载客人数；dtbus(i)为等候该辆公交车的站台乘客候车延误；Mbus(i)为等候该辆公交车的站台乘客数；CDbus代表公交车人均时间价值；γcar(j)、γbus(i)代表小汽车和公交车时间成本重要度，通过熵权法进行标定；
S3.3、定义排放成本；最小有向路段的排放成本取决于路段上车流的三种污染物排放因子(CO，NO，HC)的排放量。考虑到当前大部分城市内所有公交车轨迹均可实时回传到监控中心，因此，针对公交车的指标测算将精确到单个车辆。对于小汽车群体，则需要依赖可收集数据的少量浮动车进行平均值估计，再根据断面车辆总数折算为全体小汽车。排放成本的定义式为：
Figure BDA0002351965560000106
Figure BDA0002351965560000107
式中，es,l,r,u为最小有向路段的行驶方向系数；
Figure BDA0002351965560000108
为除公交车外的第j辆浮动车的排放成本；ecar(j)为第j辆浮动车尾气排放的污染当量数；CEcar代表小汽车尾气污染物的具体适用税额；
Figure BDA0002351965560000109
为第i辆公交车的排放成本；ebus(i)为公交车尾气排放的污染当量数，电动公交车排放为0；CEbus(i)为公交车尾气污染物的具体适用税额；βcar(j)分别表示小汽车排放重要度，βbus(i)分别代表公交车排放重要度，通过熵权法进行标定；
S3.4、定义能耗成本；最小有向路段的能耗成本取决于路段上车辆的燃油消耗量；能耗成本的定义式为：
Figure BDA0002351965560000111
Figure BDA0002351965560000112
式中，es,l,r,u为最小有向路段的行驶方向系数；
Figure BDA0002351965560000113
为除公交车外的第j辆浮动车的能耗成本；fcar(j)为第j辆浮动车燃油消耗量；CFcar表示小汽车燃油价格；可查询《环境保护税法》获得；
Figure BDA0002351965560000114
为第i辆公交车的能耗成本；fbus(i)表示公交车能耗量；CFbus(i)为公交车燃料价格；αcar(j)表示小汽车能耗重要度，αbus(i)代表公交车能耗重要度，通过熵权法进行标定；
S3.5、计算最小有向路段的生态成本，由(1)～(7)计算出最小有向路段的延误成本、排放成本、能耗成本；通过对以上3个成本的加权求和计算得所研究最小有向路段的生态成本；生态成本计算式如下：
Figure BDA0002351965560000115
式中，CE为最小有向路段的生态成本；
Figure BDA0002351965560000116
为最小有向路段的延误成本；
Figure BDA0002351965560000117
为最小有向路段的排放成本；
Figure BDA0002351965560000118
为最小有向路段的能耗成本。
S4、计算路网中最小有向路段的生态指数；所述最小有向路段的生态指数，即根据步骤S3中定义的延误成本、排放成本、能耗成本，利用熵权法计算得到的反映道路交通运行情况的生态综合性指标，得到路网中最小有向路段的生态指数；如图3所示，包括以下步骤：
S4.1、将计算3种成本所用到的浮动车车辆轨迹数据进行聚类，实现数据标准化，各成本标准化后得到的值为Y1,Y2,Y3，包括以下迭代处理步骤：
S4.1.1、从n条浮动车车辆轨迹数据中任意选择x条浮动车车辆轨迹数据作为初始聚类中心；
S4.1.2、计算每个浮动车车辆轨迹样本与各个类中心点的距离，并根据最小距离的原则将浮动车车辆轨迹样本划分进某一类；
S4.1.3、计算每个类的中心，类的中心点为其到该类中其他所有点的距离之和最小的点；
S4.1.1、判断当前聚类的各中心和上一次聚类的各中心是否一致，若不一致则返回步骤S4.1.2，否则结束迭代聚类。
S4.2、计算3个成本的信息熵，根据信息熵的定义，用如下公式表示：
Figure BDA0002351965560000121
式中，Ecj为某一成本的信息熵；pij为某一成本可能出现的概率，
Figure BDA0002351965560000122
S4.3、计算延误成本、排放成本、能耗成本3个指标的权重，在计算得到三个指标的信息熵后，通过信息熵计算各成本权重公式如下：
Figure BDA0002351965560000123
式中，Wj为某一成本的权重；Ecj为某一成本的信息熵；
S4.4、将各个成本极小化处理，实现去量纲化；其生态指数等于车辆理想运行情况下的最小生态成本与实际估计的生态成本的比值，最小有向路段的生态指数的计算公式如下：
Figure BDA0002351965560000124
式中，CE'为最小有向路段的生态指数；
Figure BDA0002351965560000125
为车辆理想运行情况下的最小生态成本；CE为公式(8)计算得到的实际生态成本。
S5、计算路网中有向路径的生态指数；所述有向路径是由至少一个最小有向路段所组成的路径，路网中组成同一有向路径的最小有向路段组内有多种组合形式；在计算已有确定起讫点(Origin-Destination，OD)的有向路径生态成本时，需根据其具体的最小有向路段组合形式来确定每个最小有向路段的所取方向；由确定了起讫点的有向路径，计算得到多个可能的生态成本值；如图4所示，包括以下步骤：
S5.1、定义组合方式；设有向路径有一个由n个最小有向路段构成的组合形式，n≥1；当确定了组合形式后，最小有向路段的方向也会确定，其自身车辆方向系数es,l,r,u的取值也随之确定；便可得到各成本值及生态；
S5.2、计算延误、排放、能耗成本；有向路径的延误、排放、能耗成本均分别等于组成其的最小有向路段的延误、排放、能耗成本之和；
有向路径的延误成本计算公式如下：
Figure BDA0002351965560000131
Figure BDA0002351965560000132
式中，
Figure BDA0002351965560000133
为除公交车外的第j辆浮动车的延误成本；
Figure BDA0002351965560000134
为第i辆公交车的延误成本；
Figure BDA0002351965560000135
为某种路段组合形式的路径上浮动车的延误成本；
Figure BDA0002351965560000136
为某种路段组合形式的路径上公交车的延误成本；
有向路径的排放成本计算公式如下：
Figure BDA0002351965560000137
Figure BDA0002351965560000138
式中，
Figure BDA0002351965560000139
为除公交车外的第j辆浮动车的排放成本；
Figure BDA00023519655600001310
为第i辆公交车的排放成本；
Figure BDA00023519655600001311
为某种路段组合形式的路径上浮动车的排放成本；
Figure BDA00023519655600001312
为某种路段组合形式的路径上公交车的排放成本；
有向路径的能耗成本计算公式如下：
Figure BDA00023519655600001313
Figure BDA00023519655600001314
式中，
Figure BDA00023519655600001315
为除公交车外的第j辆浮动车的能耗成本；
Figure BDA00023519655600001316
为第i辆公交车的能耗成本；
Figure BDA00023519655600001317
为某种路段组合形式的路径上浮动车的能耗成本；
Figure BDA00023519655600001318
为某种路段组合形式的路径上公交车的能耗成本；
重复步骤S5.1～S5.2，得到同一路径不同路段组合形式所对应的各成本值；
S5.3、计算有向路径的生态成本，计算公式如下：
Figure BDA00023519655600001319
式中，Em为第m种路段组合形式的路径生态成本，
Figure BDA00023519655600001320
为第m种路段组合形式的路径延误成本；
Figure BDA0002351965560000141
为第m种路段组合形式的路径排放成本；
Figure BDA0002351965560000142
Figure BDA0002351965560000143
为第m种路段组合形式的路径能耗成本；
S5.4、计算有向路径的生态指数，计算公式如下：
Figure BDA0002351965560000144
式中，Em′为第m种路段组合形式的路径生态指数；
Figure BDA0002351965560000145
为第m种路段组合形式的理想交通情况下最小路径生态成本，Em为第m种路段组合形式的实际路径生态成本。
S6、计算路网中有向路径集的生态指数；所述有向路径集的生态指数，即根据以上提出的最小有效路段和有向路径，利用概率分配模型计算整个路网的生态指数；包括以下步骤：
S6.1、计算路网中一对OD对之间的生态指数；
一对OD对之间存在多条有向路径，在路网达到平衡时，所有被利用的路径具有相等并且最小的阻抗，未被利用的路径与其具有相等或更大的阻抗，由此计算得到用户选择路径的概率；根据路网中用户选择路径的概率和步骤S5所计算得到的有向路径的生态指数，加权得到一对OD对之间路径集的生态指数；
S6.2、计算路网所有OD对之间的生态指数；
在路网中，找出所有具有交通产生量与吸引量的OD对；根据所有OD对中各OD对的交通量确定此OD对交通需求占路网整体交通需求的比重；将该比重与步骤S6.1所计算得到的单一OD对之间的生态指数相结合，再次利用熵权法得到路网的生态指数。
S7、根据步骤S4、S5、S6中计算出的路网中最小有向路段、有向路径、有向路径集的生态指数，对城市交通运行方案进行优化调整，改善城市交通。
完成最小有向路段、有向路径、有向路径集的生态指数计算后，根据步骤S4、S5、S6中计算出的路网中最小有向路段、有向路径、有向路径集的生态指数，可以利用“优”、“良”、“中”、“差”四个标准定性地评价该最小有向路段、有向路径、有向路径集的交通生态情况：
按照等距分类法将步骤S4中计算的最小有向路段的生态指数划分为四个等级：CE'为0.75-1.00为优，CE'为0.50-0.75为良，CE'为0.25-0.50为中，CE'为0-0.25为差；通过以上对不同属性和位置的最小路段的生态指数的计算和分类，定性地评价该最小有向路段的交通生态情况；
本实施例中，计算得到的某道路的最小有向路段的生态指数为0.18，则将其划入交通生态情况类别“差”当中，表明该道路的生态成本较高，最小路段的生态指数较低，交通生态情况差。有向路径、有向路径集的交通生态评价方法与此处一致。
按照等距分类法将步骤S5中计算的有向路径的生态指数划分为四个等级：Em′为0.75-1.00为优，Em′为0.50-0.75为良，Em′为0.25-0.50为中，Em′为0-0.25为差；通过以上对不同属性和位置的有向路径的生态指数的计算和分类，定性地评价该有向路径的交通生态情况；
按照等距分类法将步骤S6中计算的路网的生态指数划分为四个等级：0.75-1.00为优，0.50-0.75为良，0.25-0.50为中，0-0.25为差；通过以上对路网的生态指数的计算和分类，定性地评价该路网的交通生态情况。
基于本发明的交通规划、交通设计、交通控制与管理将着眼于减少延误、能耗、排放，通过优化OD点对之间交通流量的分配、交通设施及其功能设计、信号灯配时方案调整等交通优化策略，为城市路网的稳定高效运行提供科学的决策依据，不仅是多方位的交通信息服务的前提，也是实现智能交通管控的重要基础；更进一步地，本发明通过改变城市居民出行方式和出行路线的组合结构，减轻无效交通所带来的城市拥堵、空气污染物排放、时间经济损失等重大问题带来的交通“城市病”，从根源上缓解城市生态交通问题。

Claims (10)

1.一种基于生态指数的城市交通运行评价方法，其特征在于，包括以下步骤：
S1、利用浮动车车辆轨迹数据获取样本车辆行驶参数；
S2、对浮动车车辆轨迹数据进行预处理；
S3、定义路网中最小有向路段及生态成本；
S4、计算路网中最小有向路段的生态指数；
S5、计算路网中有向路径的生态指数；
S6、计算路网中有向路径集的生态指数；
S7、根据步骤S4、S5、S6中计算出的路网中最小有向路段、有向路径、有向路径集的生态指数，对城市交通运行方案进行优化调整，改善城市交通。
2.根据权利要求1所述的一种基于生态指数的城市交通运行评价方法，其特征在于，步骤S1中，所述行驶状态参数是利用浮动车车辆轨迹数据，结合坐标系转换法对车辆进行行驶轨迹重构，即将WGS-84坐标系下的浮动车GPS经纬度转化为笛卡尔平面坐标，由此计算出该路段一个统计周期内每个定位点上车辆的瞬时速度和瞬时加速度，其中，瞬时速度已包含在GPS回传数据中，瞬时加速度为瞬时速度差与时间差的比值。
3.根据权利要求1所述的一种基于生态指数的城市交通运行评价方法，其特征在于，步骤S2中，所述预处理是对浮动车车辆轨迹数据进行筛选和分类，包括对错误、重复和丢失的数据处理；所述分类根据交叉口各方向进口道车流可能选择的四个行车方向，将浮动车车辆轨迹数据分为4类，所述四个行车方向为直行、左转、右转和掉头；所述错误数据处理是根据研究路网道路的范围，删除超出路网道路边界的异常值点；所述重复数据处理是根据浮动车车辆轨迹设备唯一标识号将同一定位、同一设备标识号的所有浮动车车辆轨迹数据取算术平均值作为当前定位点的浮动车车辆轨迹数据；所述丢失数据处理是根据同一浮动车车辆轨迹设备、定位时刻两个字段的原始数据进行排序，若检测到丢失，则用线性插值法补齐。
4.根据权利要求1所述的一种基于生态指数的城市交通运行评价方法，其特征在于，步骤S3中，所述生态成本综合了延误成本、排放成本、能耗成本；步骤S3包括以下步骤：
S3.1、定义最小有向路段的行驶方向系数；
S3.2、定义延误成本；
S3.3、定义排放成本；
S3.4、定义能耗成本；
S3.5、计算最小有向路段的生态成本。
5.根据权利要求4所述的一种基于生态指数的城市交通运行评价方法，其特征在于，步骤S3.1中，所述方向系数表达式如下：
Figure FDA0002351965550000021
式中，s,l,r,u分别表示直行、左转、右转、掉头；
步骤S3.2中，最小有向路段的延误时间为路段上各个行驶方向上的车辆平均延误与车辆处于自由流状态时通过该路段的行驶方向的时间差；将延误时间结合居民平均收入计算得到延误成本，延误成本的计算公式如下：
Figure FDA0002351965550000022
Figure FDA0002351965550000023
式中，es,l,r,u为最小有向路段的行驶方向系数；
Figure FDA0002351965550000024
表示除公交车外的第j辆浮动车乘客的时间成本；dcar(j)为小汽车延误时间；CDcar代表小汽车人均时间价值；Ncar代表小汽车平均载客人数；
Figure FDA0002351965550000025
表示第i辆公交车乘客的时间成本；dbus(i)为公交车延误时间；Nbus(i)代表公交车平均载客人数；dtbus(i)为等候该辆公交车的站台乘客候车延误；Mbus(i)为等候该辆公交车的站台乘客数；CDbus代表公交车人均时间价值；γcar(j)、γbus(i)代表小汽车和公交车时间成本重要度，通过熵权法进行标定；
步骤S3.3中，排放成本的定义式为：
Figure FDA0002351965550000026
Figure FDA0002351965550000027
式中，es,l,r,u为最小有向路段的行驶方向系数；
Figure FDA0002351965550000028
为除公交车外的第j辆浮动车的排放成本；ecar(j)为第j辆浮动车尾气排放的污染当量数；CEcar代表小汽车尾气污染物的具体适用税额；
Figure FDA0002351965550000029
为第i辆公交车的排放成本；ebus(i)为公交车尾气排放的污染当量数，电动公交车排放为0；CEbus(i)为公交车尾气污染物的具体适用税额；βcar(j)分别表示小汽车排放重要度，βbus(i)分别代表公交车排放重要度，通过熵权法进行标定；
步骤S3.4中，最小有向路段的能耗成本取决于路段上车辆的燃油消耗量；能耗成本的定义式为：
Figure FDA00023519655500000210
Figure FDA0002351965550000031
式中，es,l,r,u为最小有向路段的行驶方向系数；
Figure FDA0002351965550000032
为除公交车外的第j辆浮动车的能耗成本；fcar(j)为第j辆浮动车燃油消耗量；CFcar表示小汽车燃油价格；可查询《环境保护税法》获得；
Figure FDA0002351965550000033
为第i辆公交车的能耗成本；fbus(i)表示公交车能耗量；CFbus(i)为公交车燃料价格；αcar(j)表示小汽车能耗重要度，αbus(i)代表公交车能耗重要度，通过熵权法进行标定；
步骤S3.5中，生态成本计算式如下：
Figure FDA0002351965550000034
式中，CE为最小有向路段的生态成本；
Figure FDA0002351965550000035
为最小有向路段的延误成本；
Figure FDA0002351965550000036
为最小有向路段的排放成本；
Figure FDA0002351965550000037
为最小有向路段的能耗成本。
6.根据权利要求1所述的一种基于生态指数的城市交通运行评价方法，其特征在于，步骤S4中，所述最小有向路段的生态指数，即根据步骤S3中定义的延误成本、排放成本、能耗成本，利用熵权法计算得到的反映道路交通运行情况的生态综合性指标，得到路网中最小有向路段的生态指数，包括以下步骤：
S4.1、将计算3种成本所用到的浮动车车辆轨迹数据进行聚类，实现数据标准化，各成本标准化后得到的值为Y1,Y2,Y3；
S4.2、计算3个成本的信息熵，根据信息熵的定义，用如下公式表示：
Figure FDA0002351965550000038
式中，Ecj为某一成本的信息熵；pij为某一成本可能出现的概率，
Figure FDA0002351965550000039
S4.3、计算延误成本、排放成本、能耗成本3个指标的权重，在计算得到三个指标的信息熵后，通过信息熵计算各成本权重公式如下：
Figure FDA00023519655500000310
式中，Wj为某一成本的权重；Ecj为某一成本的信息熵；
S4.4、将各个成本极小化处理，实现去量纲化；其生态指数等于车辆理想运行情况下的最小生态成本与实际估计的生态成本的比值，最小有向路段的生态指数的计算公式如下：
Figure FDA0002351965550000041
式中，CE'为最小有向路段的生态指数；
Figure FDA0002351965550000042
为车辆理想运行情况下的最小生态成本；CE为公式(8)计算得到的实际生态成本。
7.根据权利要求6所述的一种基于生态指数的城市交通运行评价方法，其特征在于，步骤S4.1包括以下迭代处理步骤：
S4.1.1、从n条浮动车车辆轨迹数据中任意选择x条浮动车车辆轨迹数据作为初始聚类中心；
S4.1.2、计算每个浮动车车辆轨迹样本与各个类中心点的距离，并根据最小距离的原则将浮动车车辆轨迹样本划分进某一类；
S4.1.3、计算每个类的中心，类的中心点为其到该类中其他所有点的距离之和最小的点；
S4.1.1、判断当前聚类的各中心和上一次聚类的各中心是否一致，若不一致则返回步骤S4.1.2，否则结束迭代聚类。
8.根据权利要求1所述的一种基于生态指数的城市交通运行评价方法，其特征在于，步骤S5中，所述有向路径是由至少一个最小有向路段所组成的路径，路网中组成同一有向路径的最小有向路段组内有多种组合形式；在计算已有确定起讫点(Origin-Destination，OD)的有向路径生态成本时，需根据其具体的最小有向路段组合形式来确定每个最小有向路段的所取方向；由确定了起讫点的有向路径，计算得到多个可能的生态成本值；包括以下步骤：
S5.1、定义组合方式；设有向路径有一个由n个最小有向路段构成的组合形式，n≥1；当确定了组合形式后，最小有向路段的方向也会确定，其自身车辆方向系数es,l,r,u的取值也随之确定；
S5.2、计算延误、排放、能耗成本；有向路径的延误、排放、能耗成本均分别等于组成其的最小有向路段的延误、排放、能耗成本之和；
有向路径的延误成本计算公式如下：
Figure FDA0002351965550000051
Figure FDA0002351965550000052
式中，
Figure FDA0002351965550000053
为除公交车外的第j辆浮动车的延误成本；
Figure FDA0002351965550000054
为第i辆公交车的延误成本；
Figure FDA0002351965550000055
为某种路段组合形式的路径上浮动车的延误成本；
Figure FDA0002351965550000056
为某种路段组合形式的路径上公交车的延误成本；
有向路径的排放成本计算公式如下：
Figure FDA0002351965550000057
Figure FDA0002351965550000058
式中，
Figure FDA0002351965550000059
为除公交车外的第j辆浮动车的排放成本；
Figure FDA00023519655500000510
为第i辆公交车的排放成本；
Figure FDA00023519655500000511
为某种路段组合形式的路径上浮动车的排放成本；
Figure FDA00023519655500000512
为某种路段组合形式的路径上公交车的排放成本；
有向路径的能耗成本计算公式如下：
Figure FDA00023519655500000513
Figure FDA00023519655500000514
式中，
Figure FDA00023519655500000515
为除公交车外的第j辆浮动车的能耗成本；
Figure FDA00023519655500000516
为第i辆公交车的能耗成本；
Figure FDA00023519655500000517
为某种路段组合形式的路径上浮动车的能耗成本；
Figure FDA00023519655500000518
为某种路段组合形式的路径上公交车的能耗成本；
重复步骤S5.1～S5.2，得到同一路径不同路段组合形式所对应的各成本值；
S5.3、计算有向路径的生态成本，计算公式如下：
Figure FDA00023519655500000519
式中，Em为第m种路段组合形式的路径生态成本，
Figure FDA00023519655500000520
为第m种路段组合形式的路径延误成本；
Figure FDA0002351965550000061
为第m种路段组合形式的路径排放成本；
Figure FDA0002351965550000062
Figure FDA0002351965550000063
为第m种路段组合形式的路径能耗成本；
S5.4、计算有向路径的生态指数，计算公式如下：
Figure FDA0002351965550000064
式中，Em′为第m种路段组合形式的路径生态指数；
Figure FDA0002351965550000065
为第m种路段组合形式的理想交通情况下最小路径生态成本，Em为第m种路段组合形式的实际路径生态成本。
9.根据权利要求1所述的一种基于生态指数的城市交通运行评价方法，其特征在于，步骤S6中，所述有向路径集的生态指数，即根据定义的最小有向路段和有向路径，利用概率分配模型计算整个路网的生态指数；包括以下步骤：
S6.1、计算路网中一对OD对之间的生态指数；
一对OD对之间存在多条有向路径，在路网达到平衡时，所有被利用的路径具有相等并且最小的阻抗，未被利用的路径与其具有相等或更大的阻抗，由此计算得到用户选择路径的概率；根据路网中用户选择路径的概率和步骤S5所计算得到的有向路径的生态指数，加权得到一对OD对之间路径集的生态指数；
S6.2、计算路网所有OD对之间的生态指数；
在路网中，找出所有具有交通产生量与吸引量的OD对；根据所有OD对中各OD对的交通量确定此OD对交通需求占路网整体交通需求的比重；将该比重与步骤S6.1所计算得到的单一OD对之间的生态指数相结合，再次利用熵权法得到路网的生态指数。
10.根据权利要求1所述的一种基于生态指数的城市交通运行评价方法，其特征在于，步骤S7中，根据步骤S4、S5、S6中计算出的路网中最小有向路段、有向路径、有向路径集的生态指数，利用“优”、“良”、“中”、“差”四个标准定性地评价该最小有向路段、有向路径、有向路径集的交通生态情况：
按照等距分类法将步骤S4中计算的最小有向路段的生态指数划分为四个等级：CE'为0.75-1.00为优，CE'为0.50-0.75为良，CE'为0.25-0.50为中，CE'为0-0.25为差；通过以上对不同属性和位置的最小路段的生态指数的计算和分类，定性地评价该最小有向路段的交通生态情况；
按照等距分类法将步骤S5中计算的有向路径的生态指数划分为四个等级：Em′为0.75-1.00为优，Em′为0.50-0.75为良，Em′为0.25-0.50为中，Em′为0-0.25为差；通过以上对不同属性和位置的有向路径的生态指数的计算和分类，定性地评价该有向路径的交通生态情况；
按照等距分类法将步骤S6中计算的路网的生态指数划分为四个等级：0.75-1.00为优，0.50-0.75为良，0.25-0.50为中，0-0.25为差；通过以上对路网的生态指数的计算和分类，定性地评价该路网的交通生态情况。
CN201911419439.7A 2019-12-31 2019-12-31 一种基于生态指数的城市交通运行评价方法 Active CN111126878B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911419439.7A CN111126878B (zh) 2019-12-31 2019-12-31 一种基于生态指数的城市交通运行评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911419439.7A CN111126878B (zh) 2019-12-31 2019-12-31 一种基于生态指数的城市交通运行评价方法

Publications (2)

Publication Number Publication Date
CN111126878A true CN111126878A (zh) 2020-05-08
CN111126878B CN111126878B (zh) 2023-08-22

Family

ID=70506984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911419439.7A Active CN111126878B (zh) 2019-12-31 2019-12-31 一种基于生态指数的城市交通运行评价方法

Country Status (1)

Country Link
CN (1) CN111126878B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112767680A (zh) * 2020-11-30 2021-05-07 北方工业大学 一种基于轨迹数据的绿波交通评价方法
CN116168551A (zh) * 2023-01-13 2023-05-26 广州市城市规划勘测设计研究院 基于生态效益的公交信号优先控制方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105139645A (zh) * 2015-07-23 2015-12-09 合肥革绿信息科技有限公司 一种基于浮动车技术的城市区域路网运行指数评估方法
CN106781490A (zh) * 2016-12-29 2017-05-31 广州交通信息化建设投资营运有限公司 城市道路交通运行分析评价系统
CN107248283A (zh) * 2017-07-18 2017-10-13 北京航空航天大学 一种考虑路段关键度的城市区域路网运行状态评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105139645A (zh) * 2015-07-23 2015-12-09 合肥革绿信息科技有限公司 一种基于浮动车技术的城市区域路网运行指数评估方法
CN106781490A (zh) * 2016-12-29 2017-05-31 广州交通信息化建设投资营运有限公司 城市道路交通运行分析评价系统
CN107248283A (zh) * 2017-07-18 2017-10-13 北京航空航天大学 一种考虑路段关键度的城市区域路网运行状态评价方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112767680A (zh) * 2020-11-30 2021-05-07 北方工业大学 一种基于轨迹数据的绿波交通评价方法
CN112767680B (zh) * 2020-11-30 2022-03-29 北方工业大学 一种基于轨迹数据的绿波交通评价方法
CN116168551A (zh) * 2023-01-13 2023-05-26 广州市城市规划勘测设计研究院 基于生态效益的公交信号优先控制方法、装置及存储介质
CN116168551B (zh) * 2023-01-13 2023-12-29 广州市城市规划勘测设计研究院 基于生态效益的公交信号优先控制方法、装置及存储介质

Also Published As

Publication number Publication date
CN111126878B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
CN110728396B (zh) 一种考虑时空分布的电动汽车充电负荷综合建模方法
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
CN103148862B (zh) 一种考虑低碳排放约束影响的交通方式与路径选择方法
CN113902011A (zh) 基于循环神经网络的城市轨道交通短时客流预测方法
CN111696369B (zh) 一种基于多源地理空间大数据的全市道路分时分车型交通流预测方法
CN105894814B (zh) 考虑环境效益的多种交通管控措施联合优化方法及系统
CN106205156A (zh) 一种针对部分车道车流突变的交叉口自愈合控制方法
CN111126878B (zh) 一种基于生态指数的城市交通运行评价方法
Chen et al. Environmentally friendly traffic control strategy-A case study in Xi’an city
CN116233757A (zh) 一种基于手机信令数据的居民出行碳排放量计算方法
CN109740823B (zh) 一种面向实时场景计算的出租车打车决策方法及系统
Ye et al. Driving cycle electrification and comparison
Hasnine et al. Mode shift impacts of optimal time-dependent congestion pricing in large networks: A simulation-based case study in the greater toronto area
CN112508235A (zh) 一种基于蚁群算法的公交发车时间间隔优化方法
CN112767686A (zh) 一种基于多源数据融合的公路网汽车排放估算方法
CN109447352B (zh) 一种公交出行od矩阵反推的组合方法
CN113807669A (zh) 一种城市道路交叉口客货分离系统改造的方案评选方法
Ambarwati et al. Improvement of public transport to minimize air pollution in urban sprawl
Sonoda et al. Environment-conscious urban design simulator “clean mobility simulator”-traffic simulator that includes electric vehicles
Paffumi et al. Big data for assessing travel behaviour in Europe: Initiating a continental scale pilot for supporting the next generation of policy makers
CN112509357B (zh) 一种基于遗传算法的公交发车时间间隔优化方法
Li et al. What is the best catchment area of a metro station? A study based on station level ridership modeling
Barth et al. ECO-ITS: intelligent transportation system applications to improve environmental performance
Sulaiman et al. Modelling of CO2 and NOx on signalize roundabout using Modified Adaptive Neural Fuzzy Inference System (ANFIS) model
Kölbl et al. An assessment of VMS-rerouting and traffic signal planning with emission objectives in an urban network—A case study for the city of Graz

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