CN111145536A - 一种基于异常检测的道路网络脆性评价方法 - Google Patents
一种基于异常检测的道路网络脆性评价方法 Download PDFInfo
- Publication number
- CN111145536A CN111145536A CN201911211789.4A CN201911211789A CN111145536A CN 111145536 A CN111145536 A CN 111145536A CN 201911211789 A CN201911211789 A CN 201911211789A CN 111145536 A CN111145536 A CN 111145536A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- road network
- road
- brittleness
- index
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 73
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims abstract description 322
- 238000009826 distribution Methods 0.000 claims abstract description 37
- 230000002265 prevention Effects 0.000 claims abstract description 7
- 230000005856 abnormality Effects 0.000 claims description 61
- 238000000034 method Methods 0.000 claims description 37
- 238000005065 mining Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 239000006185 dispersion Substances 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000002547 anomalous effect Effects 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 238000011084 recovery Methods 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000003068 static effect Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G08G1/0125—Traffic data processing
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种基于异常检测的城市路网脆性评价方法,步骤如下:A:基于异常检测识别城市路网中的异常边;B:提出基于异常指数的路网脆性评价方法;C:提出基于异常区域的路网脆性评价方法;D:分析城市路网脆性的演化特征。本发明利用路网实际运行数据,构建出一种基于异常检测的路网脆性评价方法,该方法可使决策者直观地分析异常的产生期、传播期、恢复期,从而选择合理的调控时机;根据异常区域的地理分布情况,优先进行重点区域调控;挖掘出常发性异常路段,提出路段级别的防控及疏导措施,从而避免或减少路网脆性带来的危害;具有实时性、系统性、易研判、应用广等优点。
Description
技术领域
本发明提出了一种基于异常检测的道路网络脆性评价方法,它涉及一种基于异常检测的道路网络脆性评价方法,属于可靠性与交通科学的交叉技术领域。
背景技术
随着汽车保有量不断增加,交通资源供给与出行需求之间严重失衡,道路拥堵问题日益加剧。以北京为例,目前,早晚高峰时路网中超过90%的路段处于饱和或超饱和状态;路网平均负荷度已达70%,其中干道系统则超过90%。在路网自身运行状况已十分紧张的情况下,自然灾害、交通事故等外部干扰更是会对路网造成极大的影响。当前交通问题频发、路网结构复杂等因素使得路网的脆性容易被激发,从而带来一系列社会危害。减小这种危害的关键首先在于如何全面、深入地对道路网络脆性进行评价。因此,提出一种合理、有效的路网脆性评价方法变得尤为关键。
传统的路网脆性评价方法主要是通过情景假设或者按照某种特征顺序(随机、基于度或介数)来模拟路网的局部失效,然后根据某些评价指标分析整体路网在局部失效前后的变化情况。传统的路网脆性评价方法在局部失效场景的构建和评价指标的选取这两个方面存在局限性。首先,传统路网脆性评价方法的局部失效场景过于抽象,即未根据异常(如灾害、早晚高峰)发生时的路网运行数据来刻画局部失效的实际情况,这样往往会忽略实际异常发生时局部失效之间的相互影响。其次,传统路网脆性的评价指标也存在局限性。这些评价指标一般可分为只考虑路网拓扑结构的脆性评价指标和考虑路网运行功能的脆性评价指标。其中,第一类指标主要从网络结构连通度的角度来评价路网脆性,包括平均路径长度、度分布、聚类系数等;这类指标的局限性在于,只从静态拓扑结构的角度衡量路网的脆性,忽略了路网上的交通流,使得指标的实用性不高。第二类考虑路网运行功能的脆性评价指标往往是基于出行者的角度,如考虑局部失效对出行者的可达性、出行时间的影响;这类指标的局限性主要有两点,一是这类指标的计算建立在出行轨迹完成的基础上,使得指标不具备实时性,二是这类指标忽略了不同局部异常之间的相互作用关系,没有从全局角度评价路网脆性,难以支持路网管理决策。
综上,目前的路网脆性评价方法主要存在以下问题。首先,在路网局部异常的识别上,上述指标往往从情景假设或仿真的角度,而没有从实际数据中挖掘路网的局部异常如何产生;其次,上述指标往往忽略了局部异常之间的相互作用,难以发现路网脆性的传播机理,进而不能从全局视角评价路网脆性;第三,在评价路网脆性时,考虑路网结构的传统脆性指标为静态指标,不能动态评价路网脆性,而考虑运行功能的传统脆性指标大多从出行者视角出发,难以支持路网管理决策。
本发明针对以上问题提出了一种有效的解决方案。本方案基于异常检测技术从实际运行数据中实时地识别出路网的异常路段,在此基础上,提出异常指数以从宏观角度评价路网脆性,进一步,引入异常子图的概念,挖掘由异常路段组成的异常区域,以从不同角度评价路网脆性,分析路网脆性的传播机理。本发明采用的基于异常检测的道路网络脆性评价方法,解决了现有的路网脆性评价方法抽象、静态、实时性不强、较难支持管理决策等局限性。
发明内容
本发明主要提供一种基于异常检测的道路网络脆性评价方法。当前交通问题频发、路网结构复杂等因素使得路网的脆性容易被激发,从而带来一系列社会危害。减小这种危害的关键首先在于如何全面、深入地对道路网络脆性进行评价。因此,提出一种合理、有效的路网脆性评价方法变得尤为关键。现有的路网脆性评价方法存在抽象、静态、实时性不强、较难支持管理决策等局限性,这里我们利用路网实际运行数据,构建出一种基于异常检测的路网脆性评价方法,该方法考虑到了异常路段判定的合理性、异常路段之间的相互作用关系以及路网管理者的决策需求。
针对以上的技术问题以及本发明的目的,本文提出了一种基于异常检测的道路网络脆性评价方法,方案包括如下部分:
(一)发明目的
针对现有技术中存在的缺陷,本发明的目的在于提供一种基于异常检测的道路网络脆性评价方法,在考虑到面向交通管理者的路网脆性评价指标需具备实时性、全局性、动态性等特点的前提下,基于异常检测技术实时地识别出路网的异常路段,在此基础上,提出异常指数以从宏观角度评价路网脆性,进一步,引入异常子图的概念,挖掘由异常路段组成的异常区域,以从不同角度评价路网脆性,分析路网脆性的传播机理。
该方法对路网脆性的演化特征进行分析,根据异常指数曲线或异常区域规模曲线的演化,能够直观地分析脆性的产生期、传播期、恢复期,从而选择合理的调控时机;根据异常区域的地理分布情况,优先调控重点区域;挖掘出常发性异常路段,提出路段级别的防控及疏导措施,从而避免或减少路网脆性带来的危害。
(二)技术方案
为了实现上述目的,本发明的方法所采用的技术方案是:一种基于异常检测的道路网络脆性评价方法。
本发明一种基于异常检测的道路网络脆性评价方法,其步骤如下:
步骤A:基于异常检测识别道路网络中的异常边;
步骤B:提出基于异常指数的路网脆性评价方法;
步骤C:提出基于异常区域的路网脆性评价方法;
步骤D:分析道路网络脆性的演化特征;
其中,步骤A中所述的“基于异常检测识别道路网络中的异常边”,其具体含义为:根据道路网络的历史运行数据确定各条路段的正常运行状况;在此基础上,选择适当的异常检测技术识别道路网络中的异常边;常用的路段运行状况参数通常包括速度、车流量、车密度等;常用的异常检测技术包括z分数、基于密度的聚类方法、支持向量机、贝叶斯网络、隐马尔可夫模型等,这些技术已经为公知技术,在此不予赘述;这里以基于z分数的异常检测技术以及速度v作为路段运行状况参数为例进行说明,包含以下两个步骤:
步骤A1:计算正常运行状况数据的统计参数;
步骤A2:识别给定阈值下的异常边;
其中,步骤A1所述的“计算正常运行状况数据的统计参数”,其具体作法如下:获取一定时期内道路网络中各条路段在正常天或正常时段下的速度v;计算所有路段在特定时刻t(如工作日早上8点)下速度的均值μ(t)及标准差δ(t);
其中,步骤A2所述的“异常边”,其具体含义如下:给定某时刻t,给定路段运行状况差于其正常运行状况,且差值大于给定异常判定阈值q,我们定义该路段为时刻t下路网中的异常边eq(t);
其中,步骤A2所述的“识别给定阈值下的异常边”,其具体做法如下:获取异常天或异常时段下路网中所有路段的运行状况数据;在确定路段正常运行状况的基础上,计算各条路段在给定时刻下的z值,通过对比z值和给定异常判定阈值q来识别路网中的异常边,即:
式中,zi(t)表示路段i在时刻t下的z值;vi(t)表示路段i在时刻t下的速度值;μi(t)表示路段i正常运行状况时(比如极端天气发生前三天、上一周同期、去年同期等等)在时刻t下的均值;δi(t)表示路段i正常运行状况时在时刻t下速度的标准差。
式中,ei(t)表示路段i在时刻t下的异常状态,值为1说明路段i在时刻t下为异常边,值为0说明路段i在时刻t下为非异常边;q为给定的异常判定阈值。
其中,步骤B所述的“路网脆性”,其具体含义如下:整体路网对于局部失效的敏感性;这些局部失效是由于系统内外部的多种扰动因素所导致的;步骤B所述的“提出基于异常指数的路网脆性评价方法”,其具体作法为:根据步骤A确定的异常边定义道路网络的异常指数;将异常指数作为指标,从宏观层面评价路网脆性;其作法包含以下两个步骤:
步骤B1:定义道路网络的异常指数;
步骤B2:基于异常指数评价路网的脆性;
其中,步骤B1所述的“异常指数”,其具体含义如下:在给定时空范围内,所有异常路段的累积异常时间、路段长度和路段运行特征权重(这里以平均速度为例)的乘积之和,再除以给定路网的总里程与给定分析时间窗长度的乘积,用该比值作为路网的异常指数,比值越大,路网的整体异常程度越严重;其所述的“定义道路网络的异常指数”,其具体作法如下:统计给定路网范围内的所有路段长度;统计给定路网范围内的所有路段在给定时间窗内的累积异常时间;统计给定路网范围内的所有路段在给定时间窗下的平均速度;按照上述异常指数的含义计算得出路网的异常指数,即:
式中,A表示路网的异常指数;li表示路段i的长度;表示路段i在给定时间窗内的累积异常时间;wi表示路段i的权重,这里以在给定时间窗内的平均速度为例;L表示给定路网范围的道路总里程;T表示给定时间窗长度;
其中,步骤B2所述的“基于异常指数评价路网的脆性”,其具体作法如下:在定义路网异常指数的基础上,根据时间窗和路网范围的不同,评价任意时间窗、任意路网的脆性;根据步骤A中异常边的异常判定基准计算异常指数中的累积异常时间评价不同异常情况下路网的脆性,如不同灾害条件(雪灾、洪水、事故等)下路网的脆性、正常天异常时段(早高峰、晚高峰等)下路网的脆性;根据路网实际运行情况调整异常指数中的路段运行特征权重wi,评价路网脆性受路网不同运行特征(车流量、车速、密度等)的影响;调整异常指数中的时间窗长度T,评价路网脆性在时间尺度上的集中和分散特征。
其中,步骤C所述的“提出基于异常区域的路网脆性评价方法”,其具体含义为:引入网络的连通子图概念,根据步骤A识别出的异常道路,挖掘网络中的异常区域;将异常区域的规模作为指标,分析路网脆性的空间分布特征,定位风险较高的路网区域,对应急资源的配置提供决策支持;异常区域为仅由步骤A中判定的异常边所组成的连通子图;可根据实际需要来设置连通子图为强连通子图或弱连通子图,计算强连通子图和弱连通子图的算法已经为公知技术,在此不予赘述;步骤C所述的“提出基于异常区域的路网脆性评价方法”,其具体作法包含以下三个步骤:
步骤C1:定义道路网络的异常区域;
步骤C2:基于最大异常区域的规模评价路网的脆性;
步骤C3:分析路网脆性的空间分布特征;
其中,步骤C1所述的“异常区域”,其具体含义如下:仅由异常边组成的连通(强连通或弱连通)区域称为路网的异常区域;异常区域中任意两个交叉口之间存在仅由异常边组成的连通路径;
其中,步骤C1所述的“定义道路网络的异常区域”,其具体作法如下:在识别出给定异常判定阈值q的异常边之后,将两个异常边之间的连接路口抽象为节点,形成节点集合将异常边抽象为连边,形成连边集合来构建异常路网基于宽度优先方法、Kosaraju方法等可得到仅由异常边组成的连通子图将其作为路网的异常区域;
其中,步骤C2所述的“基于最大异常区域规模评价路网的脆性”,其具体作法如下:在挖掘出路网异常区域的基础上,将最大异常区域规模作为路网脆性的另一个评价指标,最大异常区域规模越大,不同异常边之间越聚集,路网越脆弱;用异常区域规模的分布来表示路网异常区域在规模上的分布情况,比如用分位数来表示异常区域规模分布的集中程度;在分析路网异常区域规模分布的基础上,可根据交通管理者对路网运行状态的研判决策需求将路网脆性评价指标中的最大异常区域拓展为前K大异常区域;
其中,步骤C3所述的“分析路网脆性的空间分布特征”,其具体作法如下:在定义路网异常区域的基础上,找出异常区域在路网中的地理位置,从而挖掘出路网脆性在空间范围内的分布特征;异常区域所覆盖经济生产的核心地带越多,异常所造成的损失越严重。
其中,步骤D所述的“分析道路网络脆性的演化特征”,其具体含义为:基于异常指数和异常区域分析路网脆性的时空演化特征,挖掘路网异常的产生与传播过程;基于路段的异常频率挖掘路网的常发性异常路段;在此基础上,从调控时间及策略等角度提出调控建议;该步骤D的具体作法包含以下三个步骤:
步骤D1:挖掘路网异常的产生与传播过程;
步骤D2:挖掘路网的常发性异常路段;
步骤D3:提出调控建议;
其中,步骤D1所述的“挖掘路网异常的产生与传播过程”,其具体作法如下:给定一段异常时期(如一天或一周),统计该段时期内路网异常指数随时间的变化情况,根据异常指数曲线的上升趋势、峰值点、下降趋势来分析路网异常的产生、传播与消散;统计不同典型时期内异常区域规模、地理分布的特征,根据异常区域之间的聚集和分散来挖掘路网异常的传播机理;
其中,步骤D2所述的“常发性异常路段”,其具体含义如下:在一定时期内异常的次数超过特定值的路段;
其中,步骤D2所述的“挖掘路网的常发性异常路段”,其具体作法如下:统计一定时期内所有道路发生异常的次数,给定常发性异常频率阈值,识别该段时期下路网中的常发性异常路段,即:
式中,表示路段ij在时期T内是否为常发性异常路段的判定值,值为1代表其为常发性异常路段,值为0代表其为非常发性异常路段;Nij∈a(T)表示路段ij在时期T内发生异常的次数;fa表示常发性异常频率阈值;由此可确定时期T内路网中的常发性异常路段;
其中,步骤D3所述的“提出调控建议”,其具体作法如下:根据异常指数曲线的演化,对周期性异常情况进行预测,选择合理的调控时机;根据异常区域的地理分布情况,优先进行重点区域调控;根据前述所识别的常发性异常路段,提出路段级别的防控及疏导措施,从而避免或减少路网脆性带来的危害。
通过以上步骤,本发明所述的一种基于异常检测的道路网络脆性评价方法,解决了现有的路网脆性评价方法抽象、静态、实时性不强、较难支持管理决策等局限性。本发明提出基于异常指数、异常区域的路网脆性评价指标,根据异常指数曲线或异常区域规模曲线的演化,能够直观地分析异常的产生期、传播期、恢复期,从而选择合理的调控时机;根据异常区域的地理分布情况,优先进行重点区域调控;挖掘出常发性异常路段,提出路段级别的防控及疏导措施,从而避免或减少路网脆性带来的危害。
(三)优点创新
本发明具有如下的创新点:
1.实时性:首先,考虑路网拓扑结构的传统脆性指标只能从静态角度评价路网结构脆性;其次,考虑路网运行功能的传统脆性指标(如考虑出行者的出行时间)需要在完成出行轨迹的基础上才能进行计算,不能实时地评价路网脆性。本发明提出的异常指数则以实时更新的路网运行状态为基础,可满足决策者的任意时间精度需求,能够实时、动态地对路网脆性的大小、分布进行评价。
2.系统性:传统道路网络评价指标大多从出行者的角度出发,考虑不同起讫点之间的可达性、时延等来评价整体路网受局部异常的影响,往往忽略了局部异常之间的聚集和传播。本发明则是站在系统管理者的角度,引入异常子图这一概念,挖掘路网中由局部异常边所形成的异常区域,通过异常区域的演化来研究局部异常之间的相互作用关系,以使决策者对路网异常的产生、传播机理进行合理地评估和推理。
3.易研判:本发明对路网脆性的演化特征进行分析,根据异常指数曲线或异常区域规模曲线的演化,能够直观地分析异常的产生期、传播期、恢复期,从而选择合理的调控时机;根据异常区域的地理分布情况,优先进行重点区域调控;挖掘出常发性异常路段,提出路段级别的防控及疏导措施,从而避免或减少路网脆性带来的危害。
4.易推广:本发明所提出的路网脆性评价方法可满足于不同路网范围、不同时间尺度、不同场景的脆性评价需求。本发明提出的路网异常指数不受时空范围的限制,可对任意时间尺度下任意路网的脆性进行评价;在应用场景方面,本发明提出的方法既可应用于重大灾害或事故等由外因作用下的路网脆性评价及应急处理,又可应用于早晚高峰等由内因作用下的路网脆性评价及日常调控。
综上,这种基于异常检测技术的道路网络脆性评价方法为道路网络脆性的评价及传播机理分析提供一种很好的解决方案。
附图说明
图1是本发明所述方法流程图;
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。应当理解,此处所描述的实施实例仅用于说明和解释本发明,并不用于限定本发明。
本发明的目的在于解决现有的路网脆性评价方法抽象、静态、实时性不强、较难支持管理决策等局限性。
本发明提供一种基于异常检测的道路网络脆性评价方法,在考虑到面向交通管理者的路网脆性评价指标需具备实时性、全局性、动态性等特点的前提下,基于异常检测技术实时地识别出路网的异常路段,在此基础上,提出异常指数以从宏观角度评价路网脆性,进一步,引入异常子图的概念,挖掘由异常路段组成的异常区域,以从不同角度评价路网脆性,分析路网脆性的传播机理。
下面结合附图说明及具体实施方式对本发明进一步说明。
本发明实施以某次交通事故下某城市A的路网脆性评价为例,阐述本发明方法。具体来说,该城市中心城区路网包含路段数量约为50000条、交叉口数量约为27000个,路网运行数据所涵盖的时间跨度为某年某月的所有工作日和休息日;现需要对该路网进行脆性评价,即在利用异常检测技术识别出道路网络异常边的基础上,实时计算路网异常指数,挖掘路网异常区域,并对路网脆性的演化特征进行分析。本发明一种基于异常检测的道路网络脆性评价方法,其步骤如图1所示:
步骤A:基于异常检测识别道路网络中的异常边;
根据道路网络的历史运行数据确定各条路段在雪灾前正常的运行状况;在此基础上,选择适当的异常检测技术识别道路网络中的异常边,为下文提出异常指数及挖掘异常区域做准备。
步骤B:提出基于异常指数的路网脆性评价方法;
根据步骤A确定的异常边定义道路网络的异常指数;将异常指数作为指标,从宏观层面评价路网脆性。
步骤C:提出基于异常区域的路网脆性评价方法;
引入网络的连通子图概念,根据步骤A识别出的异常边挖掘网络中的异常区域;将异常区域的规模作为指标,从中观层面来评价道路网络的脆性;基于异常区域的地理位置分析路网脆性的空间分布特征。
步骤D:分析道路网络脆性的演化特征;
基于异常指数和异常区域分析路网脆性的时空演化特征,挖掘路网异常的产生与传播过程;基于路段的异常频率挖掘路网的常发性异常路段;在此基础上,从调控时间及策略等角度提出调控建议。
其中,步骤A中所述的“基于异常检测识别道路网络中的异常边”,其具体含义为:根据道路网络的历史运行数据确定各条路段的正常运行状况;在此基础上,选择适当的异常检测技术识别道路网络中的异常边。这里以基于z分数的异常检测技术以及速度v作为路段运行状况参数为例进行说明,包含以下两个步骤:
步骤A1:计算正常运行状况数据的统计参数;
步骤A2:识别给定阈值下的异常边;
其中,步骤A1所述的“计算正常运行状况数据的统计参数”,其具体作法如下:获取一定时期内道路网络中各条路段在正常天或正常时段下的速度v;计算所有路段在工作日早上8点时速度的均值μ(t)及标准差δ(t)。
其中,步骤A2所述的“异常边”,其具体含义如下:给定某时刻t,给定路段运行状况差于其正常运行状况,且差值大于给定异常判定阈值q,我们定义该路段为时刻t下路网中的异常边eq(t)。
其中,步骤A2所述的“识别给定阈值下的异常边”,其具体做法如下:获取异常天或异常时段下路网中所有路段的运行状况数据;在确定路段正常运行状况的基础上,计算各条路段在给定时刻下的z值,通过对比z值和给定异常判定阈值q来识别路网中的异常边,即:
式中,zi(t)表示路段i在时刻t下的z值;vi(t)表示路段i在时刻t下的速度值;μi(t)表示路段i正常运行状况时(比如极端天气发生前三天、上一周同期、去年同期等等)在时刻t下的均值;δi(t)表示路段i正常运行状况时在时刻t下速度的标准差。
式中,ei(t)表示路段i在时刻t下的异常状态,值为1说明路段i在时刻t下为异常边,值为0说明路段i在时刻t下为非异常边;q为给定的异常判定阈值。
其中,步骤B所述的“路网脆性”,其具体含义如下:整体路网对于局部失效的敏感性;这些局部失效是由于系统内外部的多种扰动因素所导致的。步骤B所述的“提出基于异常指数的路网脆性评价方法”,其具体作法为:根据步骤A确定的异常边定义道路网络的异常指数;将异常指数作为指标,从宏观层面评价路网脆性;其作法包含以下两个步骤:
步骤B1:定义道路网络的异常指数;
步骤B2:基于异常指数评价路网的脆性;
其中,步骤B1所述的“异常指数”,其具体含义如下:在给定时空范围内,所有异常路段的累积异常时间、路段长度和路段运行特征权重(这里以平均速度为例)的乘积之和,再除以给定路网的总里程与给定分析时间窗长度的乘积,用该比值作为路网的异常指数,比值越大,路网的整体异常程度越严重。其“定义道路网络的异常指数”的具体作法如下:统计给定路网范围内的所有路段长度;统计给定路网范围内的所有路段在给定时间窗内的累积异常时间;统计给定路网范围内的所有路段在给定时间窗下的平均速度;按照上述异常指数的含义计算得出路网的异常指数,即:
式中,A表示路网的异常指数;li表示路段i的长度;表示路段i在给定时间窗内的累积异常时间;wi表示路段i的权重,这里以在给定时间窗内的平均速度为例;L表示给定路网范围的道路总里程;T表示给定时间窗长度。
其中,步骤B2所述的“基于异常指数评价路网的脆性”,其具体作法如下:在定义路网异常指数的基础上,根据时间窗和路网范围的不同,评价任意时间窗、任意路网的脆性;根据步骤A中异常边的异常判定基准计算异常指数中的累积异常时间评价不同异常情况下路网的脆性,如不同灾害条件(雪灾、洪水、事故等)下路网的脆性、正常天异常时段(早高峰、晚高峰等)下路网的脆性;根据路网实际运行情况调整异常指数中的路段运行特征权重wi,评价路网脆性受路网不同运行特征(车流量、车速、密度等)的影响;调整异常指数中的时间窗长度T,评价路网脆性在时间尺度上的集中和分散特征。
其中,步骤C所述的“提出基于异常区域的路网脆性评价方法”,其具体含义为:引入网络的连通子图概念,根据步骤A识别出的异常道路,挖掘网络中的异常区域;将异常区域的规模作为指标,分析路网脆性的空间分布特征,定位风险较高的路网区域,对应急资源的配置提供决策支持。异常区域为仅由步骤A中判定的异常边所组成的连通子图;可根据实际需要来设置连通子图为强连通子图或弱连通子图,计算强连通子图和弱连通子图的算法已经为公知技术,在此不予赘述。该步骤C的具体作法包含以下三个步骤:
步骤C1:定义道路网络的异常区域;
步骤C2:基于最大异常区域的规模评价路网的脆性;
步骤C3:分析路网脆性的空间分布特征;
其中,步骤C1所述的“异常区域”,其具体含义如下:仅由异常边组成的连通(强连通或弱连通)区域称为路网的异常区域;异常区域中任意两个交叉口之间存在仅由异常边组成的连通路径。
其中,步骤C1所述的“定义道路网络的异常区域”,其具体作法如下:在识别出给定异常判定阈值q的异常边之后,将两个异常边之间的连接路口抽象为节点,形成节点集合将异常边抽象为连边,形成连边集合来构建城市异常路网基于宽度优先方法、Kosaraju方法等可得到仅由异常边组成的连通子图将其作为路网的异常区域。
其中,步骤C2所述的“基于最大异常区域规模评价路网的脆性”,其具体作法如下:在挖掘出路网异常区域的基础上,将最大异常区域规模作为路网脆性的另一个评价指标,最大异常区域规模越大,不同异常边之间越聚集,路网越脆弱;用异常区域规模的分布来表示路网异常区域在规模上的分布情况,比如用分位数来表示异常区域规模分布的集中程度;在分析路网异常区域规模分布的基础上,可根据交通管理者对路网运行状态的研判决策需求将路网脆性评价指标中的最大异常区域拓展为前K大异常区域。
其中,步骤C3所述的“分析路网脆性的空间分布特征”,其具体作法如下:在定义路网异常区域的基础上,找出异常区域在路网中的地理位置,从而挖掘出路网脆性在空间范围内的分布特征;异常区域所覆盖经济生产的核心地带越多,异常所造成的损失越严重。
其中,步骤D所述的“分析道路网络脆性的演化特征”,其具体含义为:基于异常指数和异常区域分析路网脆性的时空演化特征,挖掘路网异常的产生与传播过程;基于路段的异常频率挖掘路网的常发性异常路段;在此基础上,从调控时间及策略等角度提出调控建议;该步骤D的具体作法包含以下三个步骤:
步骤D1:挖掘路网异常的产生与传播过程;
步骤D2:挖掘路网的常发性异常路段;
步骤D3:提出调控建议;
其中,步骤D1所述的“挖掘路网异常的产生与传播过程”,其具体作法如下:给定一段异常时期(如一天或一周),统计该段时期内路网异常指数随时间的变化情况,根据异常指数曲线的上升趋势、峰值点、下降趋势来分析路网异常的产生、传播与消散;统计该段时期内异常区域规模、地理分布随时间的变化情况,根据异常区域之间的聚集和分散来挖掘路网异常的传播机理。
其中,步骤D2所述的“常发性异常路段”,其具体含义如下:在一定时期内异常的次数超过特定值的路段。
其中,步骤D2所述的“挖掘路网的常发性异常路段”,其具体作法如下:统计一定时期内所有道路发生异常的次数,给定常发性异常频率阈值0.5,识别该段时期下路网中的常发性异常路段,即:
式中,表示路段ij在时期T内是否为常发性异常路段的判定值,值为1代表其为常发性异常路段,值为0代表其为非常发性异常路段;Nij∈a(T)表示路段ij在时期T内发生异常的次数;fa表示常发性异常频率阈值;由此可确定时期T内路网中的常发性异常路段。
其中,步骤D3所述的“提出调控建议”,其具体作法如下:根据异常指数曲线的演化,对周期性异常情况进行预测,选择合理的调控时机;根据异常区域的地理分布情况,优先进行重点区域调控;根据前述所识别的常发性异常路段,提出路段级别的防控及疏导措施,从而避免或减少路网脆性带来的危害。
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)
1.一种基于异常检测的道路网络脆性评价方法,其特征在于:其步骤如下:
步骤A:基于异常检测识别道路网络中的异常边;
步骤B:提出基于异常指数的路网脆性评价方法;
步骤C:提出基于异常区域的路网脆性评价方法;
步骤D:分析道路网络脆性的演化特征。
2.根据权利要求1所述的一种基于异常检测的道路网络脆性评价方法,其特征在于:
在步骤A中所述的″基于异常检测识别道路网络中的异常边″,其具体含义为:根据道路网络的历史运行数据确定各条路段的正常运行状况;在此基础上,选择适当的异常检测技术识别道路网络中的异常边;常用的路段运行状况参数通常包括速度、车流量和车密度;常用的异常检测技术包括z分数、基于密度的聚类方法、支持向量机、贝叶斯网络和隐马尔可夫模型;这里以基于z分数的异常检测技术以及速度V作为路段运行状况参数为例进行说明,包含以下两个步骤:
步骤A1:计算正常运行状况数据的统计参数;
步骤A2:识别给定阈值下的异常边;
其中,步骤A1所述的″计算正常运行状况数据的统计参数″,其具体作法如下:获取一预定时期内道路网络中各条路段在正常天及正常时段下的速度V;计算所有路段在特定时刻t下速度的均值μ(t)及标准差δ(t);
其中,步骤A2所述的″异常边″,其具体含义如下:给定一时刻t,给定路段运行状况差于其正常运行状况,且差值大于给定异常判定阈值q,我们定义该路段为时刻t下路网中的异常边eq(t);
其中,步骤A2所述的″识别给定阈值下的异常边″,其具体做法如下:获取异常天及异常时段下路网中所有路段的运行状况数据;在确定路段正常运行状况的基础上,计算各条路段在给定时刻下的z值,通过对比z值和给定异常判定阈值q来识别路网中的异常边,即:
式中,zi(t)表示路段i在时刻t下的z值;vi(t)表示路段i在时刻t下的速度值;μi(t)表示路段i正常运行状况时,在时刻t下的均值;δi(t)表示路段i正常运行状况时在时刻t下速度的标准差;
式中,el(t)表示路段i在时刻t下的异常状态,值为1说明路段i在时刻t下为异常边,值为0说明路段i在时刻t下为非异常边;q为给定的异常判定阈值。
3.根据权利要求1所述的一种基于异常检测的道路网络脆性评价方法,其特征在于:
中步骤B中所述的″路网脆性″,其具体含义如下:整体路网对于局部失效的敏感性;这些局部失效是由于系统内外部的多种扰动因素所导致的;步骤B所述的″提出基于异常指数的路网脆性评价方法″,其具体作法为:根据步骤A确定的异常边定义道路网络的异常指数;将异常指数作为指标,从宏观层面评价路网脆性;包含以下两个步骤:
步骤B1:定义道路网络的异常指数;
步骤B2:基于异常指数评价路网的脆性;
其中,步骤B1所述的″异常指数″,其具体含义如下:在给定时空范围内,所有异常路段的累积异常时间、路段长度和路段运行特征权重的乘积之和,再除以给定路网的总里程与给定分析时间窗长度的乘积,用该比值作为路网的异常指数,比值越大,路网的整体异常程度越严重;其所述的″定义道路网络的异常指数″,其具体作法如下:统计给定路网范围内的所有路段长度;统计给定路网范围内的所有路段在给定时间窗内的累积异常时间;统计给定路网范围内的所有路段在给定时间窗下的平均速度;按照上述异常指数的含义计算得出路网的异常指数,即:
式中,A表示路网的异常指数;li表示路段i的长度;表示路段i在给定时间窗内的累积异常时间;wi表示路段i的权重,这里以在给定时间窗内的平均速度为例;L表示给定路网范围的道路总里程;T表示给定时间窗长度;
4.根据权利要求1所述的一种基于异常检测的道路网络脆性评价方法,其特征在于:
在步骤C中所述的″提出基于异常区域的路网脆性评价方法″,其具体含义为:引入网络的连通子图概念,根据步骤A识别出的异常道路,挖掘网络中的异常区域;将异常区域的规模作为指标,分析路网脆性的空间分布特征,定位风险较高的路网区域,对应急资源的配置提供决策支持;异常区域为仅由步骤A中判定的异常边所组成的连通子图;根据实际需要来设置连通子图为强连通子图及弱连通子图;
该步骤C所述的″提出基于异常区域的路网脆性评价方法″,其具体作法包含以下三个步骤:
步骤C1:定义道路网络的异常区域;
步骤C2:基于最大异常区域的规模评价路网的脆性;
步骤C3:分析路网脆性的空间分布特征;
其中,步骤C1所述的″异常区域″,其具体含义如下:仅由异常边组成的连通区域称为路网的异常区域;异常区域中任意两个交叉口之间存在仅由异常边组成的连通路径;
其中,步骤C1所述的″定义道路网络的异常区域″,其具体作法如下:在识别出给定异常判定阈值q的异常边之后,将两个异常边之间的连接路口抽象为节点,形成节点集合Vi q(i=1,2,...,n),将异常边抽象为连边,形成连边集合来构建异常路网(i=1,2,...,n;k=1,2,...,m),基于宽度优先方法、Kosaraju方法得到仅由异常边组成的连通子图将其作为路网的异常区域;
其中,步骤C2所述的″基于最大异常区域规模评价路网的脆性″,其具体作法如下:在挖掘出路网异常区域的基础上,将最大异常区域规模作为路网脆性的另一个评价指标,最大异常区域规模越大,不同异常边之间越聚集,路网越脆弱;用异常区域规模的分布来表示路网异常区域在规模上的分布情况,比如用分位数来表示异常区域规模分布的集中程度;在分析路网异常区域规模分布的基础上,根据交通管理者对路网运行状态的研判决策需求将路网脆性评价指标中的最大异常区域拓展为前K大异常区域;
其中,步骤C3所述的″分析路网脆性的空间分布特征″,其具体作法如下:在定义路网异常区域的基础上,找出异常区域在路网中的地理位置,从而挖掘出路网脆性在空间范围内的分布特征;异常区域所覆盖经济生产的核心地带越多,异常所造成的损失越严重。
5.根据权利要求1所述的一种基于异常检测的道路网络脆性评价方法,其特征在于:
在步骤D中所述的″分析道路网络脆性的演化特征″,其具体含义为:基于异常指数和异常区域分析路网脆性的时空演化特征,挖掘路网异常的产生与传播过程;基于路段的异常频率挖掘路网的常发性异常路段;在此基础上,从调控时间及策略等角度提出调控建议;该步骤D的具体作法包含以下三个步骤:
步骤D1:挖掘路网异常的产生与传播过程;
步骤D2:挖掘路网的常发性异常路段;
步骤D3:提出调控建议;
其中,步骤D1所述的″挖掘路网异常的产生与传播过程″,其具体作法如下:给定一段异常时期,统计该段时期内路网异常指数随时间的变化情况,根据异常指数曲线的上升趋势、峰值点、下降趋势来分析路网异常的产生、传播与消散;统计不同典型时期内异常区域规模、地理分布的特征,根据异常区域之间的聚集和分散来挖掘路网异常的传播机理;
其中,步骤D2所述的″常发性异常路段″,其具体含义如下:在一预定时期内异常的次数超过特定值的路段;该步骤D2所述的″挖掘路网的常发性异常路段″,其具体作法如下:统计一预定时期内所有道路发生异常的次数,给定常发性异常频率阈值,识别该段时期下路网中的常发性异常路段,即:
式中,表示路段ij在时期T内是否为常发性异常路段的判定值,值为1代表其为常发性异常路段,值为0代表其为非常发性异常路段;Nij∈a(T)表示路段ij在时期T内发生异常的次数;fa表示常发性异常频率阈值;由此能确定时期T内路网中的常发性异常路段;
其中,步骤D3所述的″提出调控建议″,其具体作法如下:根据异常指数曲线的演化,对周期性异常情况进行预测,选择合理的调控时机;根据异常区域的地理分布情况,优先进行重点区域调控;根据前述所识别的常发性异常路段,提出路段级别的防控及疏导措施,从而避免及减少路网脆性带来的危害。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911211789.4A CN111145536B (zh) | 2019-12-02 | 2019-12-02 | 一种基于异常检测的道路网络脆性评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911211789.4A CN111145536B (zh) | 2019-12-02 | 2019-12-02 | 一种基于异常检测的道路网络脆性评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111145536A true CN111145536A (zh) | 2020-05-12 |
CN111145536B CN111145536B (zh) | 2021-03-16 |
Family
ID=70517417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911211789.4A Active CN111145536B (zh) | 2019-12-02 | 2019-12-02 | 一种基于异常检测的道路网络脆性评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111145536B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681429A (zh) * | 2020-06-08 | 2020-09-18 | 浙江警察学院 | 基于gps数据的恶劣天气下脆弱路段识别方法及系统 |
CN111862594A (zh) * | 2020-06-04 | 2020-10-30 | 中国兵器科学研究院 | 识别道路交通网络中薄弱单元的方法、装置及存储介质 |
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 |
CN113838277A (zh) * | 2021-09-26 | 2021-12-24 | 广州文远知行科技有限公司 | 车辆异常发生时间点确定方法、装置、设备及存储介质 |
CN114141017A (zh) * | 2021-12-14 | 2022-03-04 | 北京航空航天大学 | 一种考虑长短期路段性能的道路韧性衡量方法 |
CN114462898A (zh) * | 2022-04-12 | 2022-05-10 | 交通运输部规划研究院 | 基于地理信息的公路规划管理方法及系统 |
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)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318795A (zh) * | 2014-10-31 | 2015-01-28 | 重庆大学 | 基于时空分析的高速公路地点交通状态偏离度获取方法 |
CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及系统 |
CN109697854A (zh) * | 2019-02-25 | 2019-04-30 | 公安部交通管理科学研究所 | 多维度的城市道路交通状态评估方法 |
CN109785625A (zh) * | 2019-02-18 | 2019-05-21 | 北京航空航天大学 | 一种城市路网运行状态的“红绿”区域识别和评价方法 |
CN110222950A (zh) * | 2019-05-16 | 2019-09-10 | 北京航空航天大学 | 一种城市交通的健康指标体系及评估方法 |
-
2019
- 2019-12-02 CN CN201911211789.4A patent/CN111145536B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318795A (zh) * | 2014-10-31 | 2015-01-28 | 重庆大学 | 基于时空分析的高速公路地点交通状态偏离度获取方法 |
CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及系统 |
CN109785625A (zh) * | 2019-02-18 | 2019-05-21 | 北京航空航天大学 | 一种城市路网运行状态的“红绿”区域识别和评价方法 |
CN109697854A (zh) * | 2019-02-25 | 2019-04-30 | 公安部交通管理科学研究所 | 多维度的城市道路交通状态评估方法 |
CN110222950A (zh) * | 2019-05-16 | 2019-09-10 | 北京航空航天大学 | 一种城市交通的健康指标体系及评估方法 |
Non-Patent Citations (1)
Title |
---|
DAQING LI等: "Percolation transition in dynamical traffic network with evolving critical bottlenecks", 《ENVIRONMENTAL SCIENCES》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862594A (zh) * | 2020-06-04 | 2020-10-30 | 中国兵器科学研究院 | 识别道路交通网络中薄弱单元的方法、装置及存储介质 |
CN111862594B (zh) * | 2020-06-04 | 2021-09-03 | 中国兵器科学研究院 | 识别道路交通网络中薄弱单元的方法、装置及存储介质 |
CN111681429A (zh) * | 2020-06-08 | 2020-09-18 | 浙江警察学院 | 基于gps数据的恶劣天气下脆弱路段识别方法及系统 |
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 |
CN113838277A (zh) * | 2021-09-26 | 2021-12-24 | 广州文远知行科技有限公司 | 车辆异常发生时间点确定方法、装置、设备及存储介质 |
CN113838277B (zh) * | 2021-09-26 | 2022-07-26 | 广州文远知行科技有限公司 | 车辆异常发生时间点确定方法、装置、设备及存储介质 |
CN114141017A (zh) * | 2021-12-14 | 2022-03-04 | 北京航空航天大学 | 一种考虑长短期路段性能的道路韧性衡量方法 |
CN114141017B (zh) * | 2021-12-14 | 2022-09-27 | 北京航空航天大学 | 一种考虑长短期路段性能的道路韧性衡量方法 |
CN114462898A (zh) * | 2022-04-12 | 2022-05-10 | 交通运输部规划研究院 | 基于地理信息的公路规划管理方法及系统 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111145536B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145536B (zh) | 一种基于异常检测的道路网络脆性评价方法 | |
CN109377750B (zh) | 一种基于渗流分析的交通系统弹性临界点确定方法 | |
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
CN108629974B (zh) | 顾及城市道路交通网络特征的交通运行指数建立方法 | |
CN108109375B (zh) | 一种基于渗流分析的城市交通网络可靠性预测方法 | |
CN110543728B (zh) | 一种城市交通路网关键路口发现方法 | |
CN109410577B (zh) | 基于空间数据挖掘的自适应交通控制子区划分方法 | |
CN103198658B (zh) | 一种城市道路交通状态不均衡度检测方法 | |
CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
CN114093168B (zh) | 一种基于韧性视角下的城市道路交通运行状态评价方法 | |
GB2599765A (en) | Vehicle traffic flow prediction method with missing data | |
CN109859480B (zh) | 基于复杂网络的拥堵路段建模和评估方法 | |
CN109544912B (zh) | 一种基于多源数据融合的城市路网积水状态预测方法 | |
CN101770516A (zh) | 挖掘热带气旋移动轨迹通道方法 | |
CN113096404B (zh) | 一种面向道路封锁的路网交通流变动定量计算方法 | |
CN109461307B (zh) | 一种预估路段平均车辆流量和od需求的方法 | |
CN104574968A (zh) | 一种临界交通状态参数的确定方法 | |
CN109785625B (zh) | 一种城市路网运行状态的“红绿”区域识别和评价方法 | |
CN112085949A (zh) | 一种基于交通运行状况异常的路网脆弱性识别、分析与应对方法 | |
McCann | A review of SCATS operation and deployment in Dublin | |
CN110738853B (zh) | 一种基于复杂网络相关性的关键节点识别方法 | |
Festa et al. | Experimental analysis of different simulation models for motorway traffic flow | |
CN113553350B (zh) | 一种相似演化模式聚类及动态时区划分的交通流分区模型 | |
CN112598305B (zh) | 基于局域结构流量的城市路网重要节点识别方法 | |
CN110120154B (zh) | 大规模路网下利用检测器数据的交通路况预测方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220708 Address after: 100193 Room 303, block B, building 27, Zhongguancun Software Park Phase I, No. 8 Dongbeiwang West Road, Haidian District, Beijing Patentee after: BEIJING PALMGO INFORMATION TECHNOLOGY Co.,Ltd. Address before: 100191 No. 37, Haidian District, Beijing, Xueyuan Road Patentee before: BEIHANG University |
|
TR01 | Transfer of patent right |