CN112185116A - 一种城市道路交通网络抗灾韧性能力评估方法 - Google Patents
一种城市道路交通网络抗灾韧性能力评估方法 Download PDFInfo
- Publication number
- CN112185116A CN112185116A CN202011048936.3A CN202011048936A CN112185116A CN 112185116 A CN112185116 A CN 112185116A CN 202011048936 A CN202011048936 A CN 202011048936A CN 112185116 A CN112185116 A CN 112185116A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- network
- road traffic
- link
- 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
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
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种城市道路交通网络抗灾韧性能力评估方法,包括以下步骤:步骤1、搜集道路交通网络信息;步骤2、选择节点和链路;步骤3、绘制道路交通网络可视化模型并对各节点和链路进行编号;步骤4、获取各编号的节点的应急资源占有情况,获取各编号链路的长度数据、行程时间数据和平均小时交通量数据;步骤5、计算节点i的节点重要度Ii;步骤6、计算出节点i,j间各条独立路径的重量度
Description
技术领域
本发明属于交通城建技术领域,具体是一种城市道路交通网络抗灾韧性能力评估方法。
背景技术
城市道路交通网络的抗灾韧性能力是指,城市道路交通网络抵抗自然灾害的能力。城市道路交通网络是城市发展的经济命脉,作为人、财、物移动和运输的承载体,具有面大线广、结构类型多样的特征。近年来,韧性城市发展理念在我国逐渐兴起,它要求城市的社会、经济、生态环境、基础设施等具有一定的抗灾韧性能力和可持续发展能力。但目前,关于城市基础设施的抗灾韧性能力研究较少,关于城市道路交通网络的抗灾韧性能力研究则更少。
目前也有针对公路路网抗灾能力评估,但是尚不存在针对城市道路交通网络的抗灾韧性能力评估方法。
针对公路路网抗灾能力评估是首先进行链路单元抗灾能力评价,在此基础上根据节点间路网的复杂程度。简单路网采用串联系统模型、并联系统模型以及由串联和并联系统组成的复合系统模型,但是这种方法仅仅能用于特别简单的路网进行评估;复杂路网分析所采用的蒙特卡洛模拟属于基于假定的计算机多次重复计算,并不是有针对性的精确计算,计算精确度特别低。
发明内容
针对上述现有技术存在的技术问题,本发明提供了一种城市道路交通网络抗灾韧性能力评估方法。
本发明的目的是通过这样的技术方案实现的,它包括以下步骤:
步骤1,通过网络地图平台或实地走访,搜集所需分析区域的道路交通网络信息;
步骤2,选择道路交通网络节点,选择道路交通网络链路;
步骤3,根据各节点和链路之间的连接关系绘制道路交通网络可视化模型,并在道路交通网络可视化模型上对各节点及链路进行编号,各节点的编号分别为1,2,……,n,各链路的编号分别为1,2,……,y;
步骤4,获取各编号的节点的应急资源占有情况,获取各编号链路的长度数据、行程时间数据和平均小时交通量数据;
步骤5,根据公式1:
计算出节点枢纽程度指数DCi,上式中i为其中一个节点的编号,dci为与节点i直接相连的链路数,也即节点i的度中心度;
根据公式2:
计算出节点i位于网络中其他任意两个节点最短路径中的概率bci,也即节点i的介数中心度,上式中,i、j和f分别为3个不同的节点编号,n为节点总数,njf为节点j至节点f的最短路径数目,njf(i)为节点j至节点f的最短路径中经过节点i的最短路径的数目;
根据公式3:
计算出节点中心程度指数BCi;
根据公式4:
计算出节点i可达程度指数Ai,上式中i为其中一个节点的编号,ai为节点i与其他n-1个节点间的全部路径数量;
V为路网中所有节点的集合,设E表示包括行政中心、消防中心或救护中心的节点集合,N表示集合V与E的差集;
根据公式5:
根据公式6:
Ii=0.3DCi+0.3BCi+0.3Ai+0.1ERi
计算出节点i的节点重要度Ii;
步骤6,根据公式7:
计算出独立路径交通量指数上式中,i和j分别为两个节点的编号,Pk(i,j)为节点i和j之间的第k条独立路径,独立路径为两节点i和节点j间不共享任一链路的路径,独立路径由路径中的各链路串联组成,上式中为节点i和节点j间的第k条独立路径的所有链路中的最小平均小时交通量;
根据公式8:
根据公式9:
计算出独立路径长度指数上式中,i和j分别为两个节点的编号,Pk(i,j)为节点i和j之间的第k条独立路径,为独立路径Pk(i,j)的长度,lmin(i,j)为节点i和节点j之间所有独立路径长度的最小值;
根据公式10:
根据公式11:
根据公式12:
根据公式13:
步骤7,根据公式14:
计算出网络中节点i与任何其他n-1节点之间考虑路径重要度的独立路径平均数量Pi,上式中n为网络中全部节点个数,i和j为其中两个节点的编号,K(i,j)为节点i和j之间独立路径的总数量,k为独立路径数量计数;
根据公式15:
计算出网络抗灾韧性能力评价指标RPM;上式中i为其中一个节点编号,n为网络中全部节点个数。
进一步,所述步骤1中的网络地图平台为百度地图、高德地图、谷歌地图、搜狗地图或好搜地图。
进一步,所述步骤2中的节点选择交叉口、环岛或立交,所述步骤2中的链路选择为城市道路快速路或主干路。
进一步,所述步骤3中绘制道路交通网络可视化模型采用手绘或绘图软件绘制。
进一步,所述步骤4中的各编号的链路长度数据根据实地测量或在地图平台中通过测量节点间的距离获得;各编号的链路的行程时间数据根据网络地图实时获取或由交通大数据统计得到;各编号的链路的平均小时交通量数据通过实际交通流量监测数据、交通分配模型或道路设计标准获得。
进一步,将步骤3中的道路交通网络可视化模型信息通过Excel软件转化为邻接矩阵数据,在MATLAB中编制程序,在MATLAB中编制程序时将邻接矩阵数据和步骤5中的公式1-公式6导入MATLAB程序中,即可计算出节点i的节点枢纽程度指数DCi、节点中心程度指数BCi、节点i可达程度指数Ai、资源可用性指数ERi和节点重要度Ii。
进一步,在将道路交通网络可视化模型信息转化为邻接矩阵数据时,V为城市道路交通网络的节点集,拥有n个节点的道路交通网络节点集为:
V={1,2,……,n}
设H为网络中边的集合,i和j分别为任意两个节点的编号,节点i和节点j之间的线路构成的网络边为hjj,则
H={h11,h12,……,hij,……,hnn}
当节点i和节点j之间存在道路线路,使得两者之间能够直达,则hij=1,反之hij=0
进一步,将步骤3中的道路交通网络可视化模型信息结合步骤4中所获得的各编号的链路的长度数据通过Excel软件转化为各链路长度矩阵数据,将步骤3中的道路交通网络可视化模型信息结合步骤4中所获得的各编号的链路的平均小时交通量数据通过Excel软件转化为各链路交通量矩阵数据,将步骤3中的道路交通网络可视化模型信息结合步骤4中所获得的各编号的链路的行程时间数据通过Excel软件转化为各链路行程时间矩阵数据,在MATLAB中编制程序,在MATLAB中编制程序时将各链路长度矩阵数据、各链路交通量矩阵数据、各链路行程时间矩阵数据和公式7-公式13导入MATLAB程序中,即可计算出独立路径交通量指数独立路径长度指数独立路径行程时间指数和独立路径的重量度
由于采用了上述技术方案,本发明的有益效果是:
本发明提供了一种专门针对城市道路交通网络的抗灾韧性能力的评估方法,填补了针对城市道路交通网络的抗灾韧性能力评估方面的空白;能够评估出城市道路交通网络的抗灾韧性能力,对城市抗灾韧性能力进行量化,方便后续对城市道路交通网络抗灾韧性能力的更深入的研究,以及方便后续对如何提高城市道路交通网络抗灾韧性能力的研究;既能适用于简单的城市道路交通网络抗灾韧性能力进行评估,又能适用于复杂的城市道路交通网络抗灾韧性能力进行评估,适用范围较广;本发明能完全根据实际的城市道路交通网络中的每条链路和每个节点进行计算,计算结果较为准确,评估准确性好。
附图说明
图1是在百度地图中搜集的所需分析区域的道路交通网络信息;
图2是使用制图软件绘制的道路交通网络可视化模型;
图3是网络节点特征分类图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
现以重庆市渝北区部分区域的快速路、主干路局部网络为例进行城市道路交通网络抗灾韧性能力的计算。本发明的计算过程包括以下步骤:
步骤1,通过网络地图平台或实地走访,搜集所需分析区域的道路交通网络信息。
通过百度地图,搜集所需分析区域的道路交通网络信息(请参考图1所示);在其它实施方式中还可以通过高德地图、谷歌地图、搜狗地图或好搜地图等网络地图平台进行搜集道路交通网络信息或通过实地走访搜集道路交通网络信息。
步骤2,选择道路交通网络节点,选择道路交通网络链路;
选择道路中的交叉口、环岛或立交为节点,该区域中的节点有:新牌坊立交、红旗河沟立交、松树桥立交、柏树堡立交、大庆村立交和五里店立交。
选择快速路或主干路为链路,该区域中的链路有:连接新牌坊立交和松树桥立交的主干路、连接新牌坊立交和红旗河沟立交的主干路、连接红旗河沟立交和松树桥立交的主干路、连接松树桥立交和柏树堡立交的主干路、连接柏树堡立交和大庆村立交的主干路、连接松树桥立交和大庆村立交的主干路和连接红旗河沟立交和五里店立交的主干路。
步骤3,根据各节点和链路之间的连接关系使用制图软件绘制道路交通网络可视化模型,在其它实施方式中,也可以使用手绘的方式进行绘制。并在道路交通网络可视化模型上对各节点及链路进行编号,各节点的编号分别为1,2,……,n,各链路的编号分别为1,2,……,y。
请参考图2所示,将新牌坊立交编号为1,将红旗河沟立交编号为2,将松树桥立交编号为3,将柏树堡立交编号为4,将大庆村立交编号为5,五里店立交编号为6;
请参考图2所示,将连接新牌坊立交和松树桥立交的主干路编号为1,将连接新牌坊立交和红旗河沟立交的主干路编号为2,将连接红旗河沟立交和松树桥立交的主干路编号为3,将连接松树桥立交和柏树堡立交的主干路编号为4,将连接柏树堡立交和大庆村立交的主干路编号为5,将连接松树桥立交和大庆村立交的主干路编号为6,将连接红旗河沟立交和五里店立交的主干路编号为7。
步骤4,获取各编号的节点的应急资源占有情况,获取各编号链路的长度数据、行程时间数据和平均小时交通量数据。
应急资源指行政中心、消防中心或救护中心等。
根据百度地图获取各编号的节点的应急资源占有情况,在其它实施方式中还可以通过高德地图、谷歌地图、搜狗地图或好搜地图等网络地图平台获取各编号节点的应急资源占有情况或通过实地走访搜集各编号的节点的应急资源占有情况。
如下表1所示为各编号的节点的应急资源占有情况:
表1
根据在地图平台中通过测量节点间的距离获得各编号的链路长度数据;在其它实施方式中也可以通过实地测量获取各编号链路的长度数据。
根据网络地图实时获取各编号的链路的高峰时段行程时间数据;在其它实施方式中还可以由交通大数据统计得到各编号的链路的高峰时段行程时间数据。高峰或是平峰时段的行程时间数据都可以通过上述方式得到。但是由于高峰时段堵车严重,所计算出的网络韧性相对较低,因此选择较不利的高峰时段的链路行程时间数据进行分析较佳。
通过实际交通流量监测数据估算各编号的链路的平均小时交通量数据。在其它实施方式中还可以通过交通分配模型或道路设计标准估算各编号的链路的平均小时交通量数据。
如下表2为包含各编号链路的长度数据、行程时间数据和平均小时交通量数据的网络图链路基本信息表:
表2
请参考图3所示,图3为节点特征分类图,网络中节点的重要程度从网络拓扑结构、交通流传递中介、通行方式可选择性和应急资源可用性四个角度予以考虑,各角度所对应的计算参数分别为度中心度、介数中心度、全部路径数量和与应急资源的相对距离,各参数的物理意义分别为枢纽程度、中心程度、可达程度和资源占有地位。
步骤5,根据公式1:
计算出节点枢纽程度指数DCi,上式中i为其中一个节点的编号,dci为与节点i直接相连的链路数,也即节点i的度中心度;
节点的度中心度越大则该节点的连接就越多,节点在网络拓扑结构中的地位也就越重要。能在道路交通网络可视化模型图上获取与节点i直接相连的链路数dci。
根据公式2:
计算出节点i位于网络中其他任意两个节点最短路径中的概率bci,也即节点i的介数中心度,上式中,i、j和f分别为3个不同的节点编号,n为节点总数,njf为节点j至节点f的最短路径数目,njf(i)为节点j至节点f的最短路径中经过节点i的最短路径的数目;能在道路交通网络可视化模型图上获取与节点i直接相连的链路数节点j至节点f的最短路径数目njf和节点j至节点f的最短路径中经过节点i的最短路径的数目njf(i)。
最短路径是指两节点间以链路最少的方式连接,即在无向图中认为一条路径所包括的链路个数最少则路径最短。对驾驶员而言,路径中链路数量少则意味着完成行程所需途经的链路少。最短路径对于灾后应急救援、疏散转移具有重要意义,基于最短路径的网络可靠度等内容已被广泛的研究。通常来说,两节点间的最短路径数量是有限的,最少为一条。
介数中心度是一个节点位于网络中其他任意两个节点最短路径中的概率,即一个节点能够在多大程度上位于网络中其他节点的“中间位置”。
根据公式3:
计算出节点中心程度指数BCi;
根据公式4:
计算出节点i可达程度指数Ai,上式中i为其中一个节点的编号,ai为节点i与其他n-1个节点间的全部路径数量;能在道路交通网络可视化模型图上获取节点i与其他n-1个节点间的全部路径数量ai。
节点i与其他节点间的所有可能通行路径越多,即节点间的全部路径数量越多,表明两节点间的可达性越高。
全部路径是指两节点间所有可能的连接方式,全部路径按长度划分包括最短路径、较短路径、较长路径和最长路径。全部路径中的大部分路径会共享某些链路,当共享链路的连通状态发生变化时,会直接影响包括共享链路的路径状态。两节点间全部路径的数量越多,两节点间的通行方式越多,节点连通可靠度越大。
V为路网中所有节点的集合,设E表示包括行政中心、消防中心或救护中心的节点集合,N表示集合V与E的差集,即N集合中的节点不包括应急响应资源;
根据公式5:
节点i到城市应急资源的最短路径反映了节点i在灾后应急响应工作中的资源可用性和相对重要性。
最短路径是指两节点间以链路最少的方式连接,即在无向图中认为一条路径所包括的链路个数最少则路径最短。对驾驶员而言,路径中链路数量少则意味着完成行程所需途经的链路少。最短路径对于灾后应急救援、疏散转移具有重要意义,基于最短路径的网络可靠度等内容已被广泛的研究。通常来说,两节点间的最短路径数量是有限的,最少为一条。
根据公式6:
Ii=0.3DCi+0.3BCi+0.3Ai+0.1ERi
计算出节点i的节点重要度Ii。
节点重要度Ii综合考虑节点的枢纽程度、中心程度、可达程度和资源占有地位。
下表3为重庆市渝北区所计算的区域的道路交通网络节点重要度计算结果:
表3
道路网的结构形态通常以路网拓扑结构形式表现出来,这种拓扑结构反映了路网的物理特性。道路网的连通性、运行时间、通行能力等取决于节点之间的链路性能和数量。节点间路径按连接状态可以分为最短路径、全部路径和独立路径。
(1)最短路径是指两节点间以链路最少的方式连接,即在无向图中认为一条路径所包括的链路个数最少则路径最短。对驾驶员而言,路径中链路数量少则意味着完成行程所需途经的链路少。最短路径对于灾后应急救援、疏散转移具有重要意义,基于最短路径的网络可靠度等内容已被广泛的研究。通常来说,两节点间的最短路径数量是有限的,最少为一条。
(2)全部路径是指两节点间所有可能的连接方式。所有路径中的大部分路径会共享某些链路,当共享链路的连通状态发生变化时,会直接影响包括共享链路的路径状态。两节点间全部路径的数量越多,两节点间的通行方式越多,节点连通可靠度越大。
(3)独立路径是指两节点i,j间不共享任一链路的路径。独立路径识别过程为:得到节点i,j的全部路径→找到两节点间的最短路径,在无向图中即为链路数量最少的路径→在全部路径中去掉与最短路径存在共享链路的路径,得到节点i,j中间路径库→在中间路径库中按路径最短原则逐一排除库中相互之间存在共享链路的路径→得到包括最短路径在内的节点i,j间的独立路径库。独立路径间不共享任一链路,每条独立路径的连通状态都是相对独立的。节点i,j间的独立路径数量越多,节点间受共享链路性能的影响越弱,节点间有效连接路径数量越稳定。选取节点间包括最短路径在内的独立路径作为网络韧性的基础,后续所分析的所有路径均是指独立路径。Pk(i,j)表示节点i,j间第k条独立路径。
在计算独立路径重要度之前,首先需要获得节点间的全部独立路径。节点间全部独立路径的获得过程为:节点间全部路径→在无向图中获得节点间最短路径→去掉与最短路径之间存在共享链路的路径→剩余路径中按路径长度较短原则去掉相互之间存在共享链路的路径→最终剩余的路径则为节点间的独立路径。
下表4中给出了节点1和节点5之间独立路径获取的全过程,表中①、②、③、④表示独立路径获取的顺序过程。
表4
其它节点间的独立获取过程按照上述方法进行,所获取的节点间全部独立路径如表5所示:
表5步骤6,根据公式7:
计算出独立路径交通量指数上式中,i和j分别为两个节点的编号,Pk(i,j)为节点i和j之间的第k条独立路径,独立路径为两节点i和节点j间不共享任一链路的路径,独立路径由路径中的各链路串联组成,上式中为节点i和节点j间的第k条独立路径的所有链路中的最小平均小时交通量。
根据公式8:
路径的最小平均小时交通量反映了这条路径对人们正常生活活动、当地经济发展的相对影响。具有较短长度并承载较大交通流量的起点-终点对之间的路径对网络功能贡献更大,应该将其考虑到网络抗灾韧性能力中。认为一条路径上各链路的最小平均小时交通量决定了该路径的交通量。
根据公式9:
计算出独立路径长度指数上式中,i和j分别为两个节点的编号,Pk(i,j)为节点i和j之间的第k条独立路径,为独立路径Pk(i,j)的长度,lmin(i,j)为节点i和节点j之间所有独立路径长度的最小值。
根据公式10:
根据公式11:
根据公式12:
即可计算出上式中tl为独立路径Pk(i,j)中链路l上的行程时间;某链路的行程时间不仅与链路的长度和交通量有关,还与链路的宽度有关。为直观反映交通拥堵及出行效率,在此选择行程时间指数作为评价标准。某条独立路径上的行程总时间为该独立路径上所有链路的行程时间之和。
根据公式13:
将上表5中的50条独立路径的平均小时交通量、交通量指数、总长度、长度指数、高峰行程时间、高峰行程时间指数以及路径重要度的计算结果列于下表6中。
表6独立路径的基本信息及其重要度
表6
步骤7,根据公式14:
计算出网络中节点i与任何其他n-1节点之间考虑路径重要度的独立路径平均数量Pi,上式中n为网络中全部节点个数,i和j为其中两个节点的编号,K(i,j)为节点i和j之间独立路径的总数量,k为独立路径数量计数。
根据公式15:
计算出网络抗灾韧性能力评价指标RPM。
网络抗灾韧性能力表示为网络中所有节点的重要度与节点间考虑路径重要度的独立路径平均数量的乘积之和。
通过计算得到重庆市渝北区在上述计算区域的网络抗灾韧性能力评价指标RPM为3.42,表示考虑节点重要度和路径重要度的网络中节点间独立路径平均数量为3.42条。所计算得出的RPM值越大,则说明网络韧性就越好。
优选的,将步骤3中的道路交通网络可视化模型信息通过Excel软件转化为邻接矩阵数据(请参考下表7所示),在MATLAB中编制程序,在MATLAB中编制程序时将邻接矩阵数据和步骤5中的公式1-公式6导入MATLAB程序中,即可计算出节点i的节点枢纽程度指数DCi、节点中心程度指数BCi、节点i可达程度指数Ai、资源可用性指数ERi和节点重要度Ii。通过MATLAB程序计算节点枢纽程度指数DCi、节点中心程度指数BCi、节点i可达程度指数Ai、资源可用性指数ERi和节点重要度Ii时更加方便。
具体的,在将道路交通网络可视化模型信息转化为邻接矩阵数据时,V为城市道路交通网络的节点集,拥有n个节点的道路交通网络节点集为:
V={1,2,……,n}
设H为网络中边的集合,i和j分别为任意两个节点的编号,节点i和节点j之间的线路构成的网络边为hij,则
H={h11,h12,……,hij,……,hnn}
当节点i和节点j之间存在道路线路,使得两者之间能够直达,则hij=1,反之hij=0。
下表7为邻接矩阵数据,下表中6行分别对应六个节点编号,下表中6列也分别对应6个节点编号。
0 | 1 | 1 | 0 | 0 | 0 |
1 | 0 | 1 | 0 | 0 | 1 |
1 | 1 | 0 | 1 | 1 | 0 |
0 | 0 | 1 | 0 | 1 | 0 |
0 | 0 | 1 | 1 | 0 | 0 |
0 | 1 | 0 | 0 | 0 | 0 |
表7
优选的,将步骤3中的道路交通网络可视化模型信息结合步骤4中所获得的各编号的链路的长度数据通过Excel软件转化为各链路长度矩阵数据(请参考下表8所示),将步骤3中的道路交通网络可视化模型信息结合步骤4中所获得的各编号的链路的平均小时交通量数据通过Excel软件转化为各链路交通量矩阵数据(请参考下表9所示),将步骤3中的道路交通网络可视化模型信息结合步骤4中所获得的各编号的链路的行程时间数据通过Excel软件转化为各链路行程时间矩阵数据(请参考下表10所示),在MATLAB中编制程序,在MATLAB中编制程序时将各链路长度矩阵数据、各链路交通量矩阵数据、各链路行程时间矩阵数据和公式7-公式13导入MATLAB程序中,即可计算出独立路径交通量指数独立路径长度指数独立路径行程时间指数和独立路径的重量度通过MATLAB程序计算独立路径交通量指数独立路径长度指数独立路径行程时间指数和独立路径的重量度时更加方便。
下表8为各链路的长度矩阵数据:下表中6行分别对应六个节点编号,下表中6列也分别对应6个节点编号。
0 | 1.9 | 2.2 | 0 | 0 | 0 |
1.9 | 0 | 1.8 | 0 | 0 | 3.8 |
2.2 | 1.8 | 0 | 1.5 | 1.5 | 0 |
0 | 0 | 1.5 | 0 | 1.1 | 0 |
0 | 0 | 1.5 | 1.1 | 0 | 0 |
0 | 3.8 | 0 | 0 | 0 | 0 |
表8
下表9为各链路交通量矩阵数据:下表中6行分别对应六个节点编号,下表中6列也分别对应6个节点编号。
表9
下表10为各链路行程时间矩阵数据:下表中6行分别对应六个节点编号,下表中6列也分别对应6个节点编号。
0 | 10 | 6 | 0 | 0 | 0 |
10 | 0 | 12 | 0 | 0 | 13 |
6 | 12 | 0 | 7 | 5 | 0 |
0 | 0 | 7 | 0 | 7 | 0 |
0 | 0 | 5 | 7 | 0 | 0 |
0 | 13 | 0 | 0 | 0 | 0 |
表10
以上仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构,直接或间接运用在其他相关的技术领域,均同理在本发明的专利保护范围之内。
Claims (8)
1.一种城市道路交通网络抗灾韧性能力评估方法,其特征在于,包括以下步骤:
步骤1,通过网络地图平台或实地走访,搜集所需分析区域的道路交通网络信息;
步骤2,选择道路交通网络节点,选择道路交通网络链路;
步骤3,根据各节点和链路之间的连接关系绘制道路交通网络可视化模型,并在道路交通网络可视化模型上对各节点及链路进行编号,各节点的编号分别为1,2,……,n,各链路的编号分别为1,2,……,y;
步骤4,获取各编号的节点的应急资源占有情况,获取各编号链路的长度数据、行程时间数据和平均小时交通量数据;
步骤5,根据公式1:
计算出节点枢纽程度指数DCi,上式中i为其中一个节点的编号,dci为与节点i直接相连的链路数,也即节点i的度中心度;
根据公式2:
计算出节点i位于网络中其他任意两个节点最短路径中的概率bci,也即节点i的介数中心度,上式中,i、j和f分别为3个不同的节点编号,n为节点总数,njf为节点j至节点f的最短路径数目,njf(i)为节点j至节点f的最短路径中经过节点i的最短路径的数目;
根据公式3:
计算出节点中心程度指数BCi;
根据公式4:
计算出节点i可达程度指数Ai,上式中i为其中一个节点的编号,ai为节点i与其他n-1个节点间的全部路径数量;
V为路网中所有节点的集合,设E表示包括行政中心、消防中心或救护中心的节点集合,N表示集合V与E的差集;
根据公式5:
根据公式6:
Ii=0.3DCi+0.3BCi+0.3Ai+0.1ERi
计算出节点i的节点重要度Ii;
步骤6,根据公式7:
计算出独立路径交通量指数上式中,i和j分别为两个节点的编号,Pk(i,j)为节点i和j之间的第k条独立路径,独立路径为两节点i和节点j间不共享任一链路的路径,独立路径由路径中的各链路串联组成,上式中为节点i和节点j间的第k条独立路径的所有链路中的最小平均小时交通量;
根据公式8:
根据公式9:
计算出独立路径长度指数上式中,i和j分别为两个节点的编号,Pk(i,j)为节点i和j之间的第k条独立路径,为独立路径Pk(i,j)的长度,lmin(i,j)为节点i和节点j之间所有独立路径长度的最小值;
根据公式10:
根据公式11:
根据公式12:
根据公式13:
步骤7,根据公式14:
计算出网络中节点i与任何其他n-1节点之间考虑路径重要度的独立路径平均数量Pi,上式中n为网络中全部节点个数,i和j为其中两个节点的编号,K(i,j)为节点i和j之间独立路径的总数量,k为独立路径数量计数;
根据公式15:
计算出网络抗灾韧性能力评价指标RPM;上式中i为其中一个节点编号,n为网络中全部节点个数。
2.如权利要求1中所述的一种城市道路交通网络抗灾韧性能力评估方法其特征在于:所述步骤1中的网络地图平台为百度地图、高德地图、谷歌地图、搜狗地图或好搜地图。
3.如权利要求1中所述的一种城市道路交通网络抗灾韧性能力评估方法其特征在于:所述步骤2中的节点选择交叉口、环岛或立交,所述步骤2中的链路选择为城市道路快速路或主干路。
4.如权利要求1中所述的一种城市道路交通网络抗灾韧性能力评估方法其特征在于:所述步骤3中绘制道路交通网络可视化模型采用手绘或绘图软件绘制。
5.如权利要求1中所述的一种城市道路交通网络抗灾韧性能力评估方法其特征在于:所述步骤4中的各编号的链路长度数据根据实地测量或在地图平台中通过测量节点间的距离获得;各编号的链路的行程时间数据根据网络地图实时获取或由交通大数据统计得到;各编号的链路的平均小时交通量数据通过实际交通流量监测数据、交通分配模型或道路设计标准获得。
6.如权利要求1中所述的一种城市道路交通网络抗灾韧性能力评估方法其特征在于:将步骤3中的道路交通网络可视化模型信息通过Excel软件转化为邻接矩阵数据(请参考下表7所示),在MATLAB中编制程序,在MATLAB中编制程序时将邻接矩阵数据和所述步骤5中的公式1-公式6导入MATLAB程序中,即可计算出节点i的节点枢纽程度指数DCi、节点中心程度指数BCi、节点i可达程度指数Ai、资源可用性指数ERj和节点重要度Ii。
7.如权利要求6中所述的一种城市道路交通网络抗灾韧性能力评估方法其特征在于:在将道路交通网络可视化模型信息转化为邻接矩阵数据时,V为城市道路交通网络的节点集,拥有n个节点的道路交通网络节点集为:
V={1,2,……,n}
设H为网络中边的集合,i和j分别为任意两个节点的编号,节点i和节点j之间的线路构成的网络边为hij,则
H={h11,h12,……,hij,……,hnn}
当节点i和节点j之间存在道路线路,使得两者之间能够直达,则hij=1,反之hij=0。
8.如权利要求1中所述的一种城市道路交通网络抗灾韧性能力评估方法其特征在于:将步骤3中的道路交通网络可视化模型信息结合步骤4中所获得的各编号的链路的长度数据通过Excel软件转化为各链路长度矩阵数据,将步骤3中的道路交通网络可视化模型信息结合步骤4中所获得的各编号的链路的平均小时交通量数据通过Excel软件转化为各链路交通量矩阵数据,将步骤3中的道路交通网络可视化模型信息结合步骤4中所获得的各编号的链路的行程时间数据通过Excel软件转化为各链路行程时间矩阵数据,在MATLAB中编制程序,在MATLAB中编制程序时将各链路长度矩阵数据、各链路交通量矩阵数据、各链路行程时间矩阵数据和所述步骤6中的公式7-公式13导入MATLAB程序中,即可计算出独立路径交通量指数独立路径长度指数独立路径行程时间指数和独立路径的重量度
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011048936.3A CN112185116B (zh) | 2020-09-29 | 2020-09-29 | 一种城市道路交通网络抗灾韧性能力评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011048936.3A CN112185116B (zh) | 2020-09-29 | 2020-09-29 | 一种城市道路交通网络抗灾韧性能力评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112185116A true CN112185116A (zh) | 2021-01-05 |
CN112185116B CN112185116B (zh) | 2021-11-23 |
Family
ID=73945788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011048936.3A Active CN112185116B (zh) | 2020-09-29 | 2020-09-29 | 一种城市道路交通网络抗灾韧性能力评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112185116B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114093168A (zh) * | 2021-11-18 | 2022-02-25 | 长安大学 | 一种基于韧性视角下的城市道路交通运行状态评价方法 |
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 |
CN114446051A (zh) * | 2022-01-06 | 2022-05-06 | 东南大学 | 一种城市路网交通韧性薄弱识别方法 |
CN114493201A (zh) * | 2022-01-12 | 2022-05-13 | 北京交通大学 | 一种基于城市轨道交通网络服务韧性测度方法及应用 |
CN115423277A (zh) * | 2022-08-18 | 2022-12-02 | 华中科技大学 | 一种考虑突发灾害影响的城市网络韧性评估方法和系统 |
CN115620513A (zh) * | 2022-09-20 | 2023-01-17 | 东南大学 | 基于韧性分析的城市道路网络状态监测方法及可视化系统 |
CN114493201B (zh) * | 2022-01-12 | 2024-07-02 | 北京交通大学 | 一种基于城市轨道交通网络服务韧性测度方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739836A (zh) * | 2009-12-18 | 2010-06-16 | 吉林大学 | 大规模路网下中心式实时动态交通诱导路径优化方法 |
CN101819717A (zh) * | 2010-03-05 | 2010-09-01 | 吉林大学 | 基于交通状态时空模型的路网性能判定方法 |
CN103020744A (zh) * | 2012-12-31 | 2013-04-03 | 中国科学技术大学 | 一种灾害环境下最优交通路径的查找方法 |
US20150369616A1 (en) * | 2014-06-18 | 2015-12-24 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for determining reachable area based on road network |
CA3023640A1 (en) * | 2016-05-09 | 2017-11-16 | Fugro Technology B.V. | Fiber-optic based traffic and infrastructure monitoring system |
CN107748493A (zh) * | 2017-09-11 | 2018-03-02 | 南京航空航天大学 | Tbcc分布式控制系统通信网络混合拓扑结构优化方法 |
US20190266891A1 (en) * | 2017-05-24 | 2019-08-29 | Dalian University Of Technology | A method to quantitatively analyze the effects of urban built environment on road travel time |
US20190355244A1 (en) * | 2018-09-18 | 2019-11-21 | Beihang University | Method for anticipating tipping point of traffic resilience based on percolation analysis |
-
2020
- 2020-09-29 CN CN202011048936.3A patent/CN112185116B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739836A (zh) * | 2009-12-18 | 2010-06-16 | 吉林大学 | 大规模路网下中心式实时动态交通诱导路径优化方法 |
CN101819717A (zh) * | 2010-03-05 | 2010-09-01 | 吉林大学 | 基于交通状态时空模型的路网性能判定方法 |
CN103020744A (zh) * | 2012-12-31 | 2013-04-03 | 中国科学技术大学 | 一种灾害环境下最优交通路径的查找方法 |
US20150369616A1 (en) * | 2014-06-18 | 2015-12-24 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for determining reachable area based on road network |
CA3023640A1 (en) * | 2016-05-09 | 2017-11-16 | Fugro Technology B.V. | Fiber-optic based traffic and infrastructure monitoring system |
US20190266891A1 (en) * | 2017-05-24 | 2019-08-29 | Dalian University Of Technology | A method to quantitatively analyze the effects of urban built environment on road travel time |
CN107748493A (zh) * | 2017-09-11 | 2018-03-02 | 南京航空航天大学 | Tbcc分布式控制系统通信网络混合拓扑结构优化方法 |
US20190355244A1 (en) * | 2018-09-18 | 2019-11-21 | Beihang University | Method for anticipating tipping point of traffic resilience based on percolation analysis |
Non-Patent Citations (5)
Title |
---|
冯思齐: "区域道路交通网络抗震脆弱性研究", 《黑龙江交通科技》 * |
徐小洋: "网络失效条件下的北京市城市道路交通网络统计特征分析", 《山东科学》 * |
徐锦强: "基于网络拓扑及交通特性的城市路网弹性评价", 《华东交通大学学报》 * |
李佳玉: "新建通道邻域网络在交通不确定性下的弹性", 《工程与建设》 * |
马令勇等: "基于韧性城市理论的大庆市道路交通空间韧性策略研究", 《河南科学》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114093168A (zh) * | 2021-11-18 | 2022-02-25 | 长安大学 | 一种基于韧性视角下的城市道路交通运行状态评价方法 |
CN114093168B (zh) * | 2021-11-18 | 2022-11-11 | 长安大学 | 一种基于韧性视角下的城市道路交通运行状态评价方法 |
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 |
CN114446051A (zh) * | 2022-01-06 | 2022-05-06 | 东南大学 | 一种城市路网交通韧性薄弱识别方法 |
CN114493201A (zh) * | 2022-01-12 | 2022-05-13 | 北京交通大学 | 一种基于城市轨道交通网络服务韧性测度方法及应用 |
CN114493201B (zh) * | 2022-01-12 | 2024-07-02 | 北京交通大学 | 一种基于城市轨道交通网络服务韧性测度方法 |
CN115423277A (zh) * | 2022-08-18 | 2022-12-02 | 华中科技大学 | 一种考虑突发灾害影响的城市网络韧性评估方法和系统 |
CN115423277B (zh) * | 2022-08-18 | 2023-06-09 | 华中科技大学 | 一种考虑突发灾害影响的城市网络韧性评估方法和系统 |
CN115620513A (zh) * | 2022-09-20 | 2023-01-17 | 东南大学 | 基于韧性分析的城市道路网络状态监测方法及可视化系统 |
CN115620513B (zh) * | 2022-09-20 | 2023-10-03 | 东南大学 | 基于韧性分析的城市道路网络状态监测方法及可视化系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112185116B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112185116B (zh) | 一种城市道路交通网络抗灾韧性能力评估方法 | |
Wang et al. | Analysing the spatial configuration of urban bus networks based on the geospatial network analysis method | |
CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
CN108717676B (zh) | 基于多数据融合的不同尺度下的职住空间评价方法及系统 | |
CN113034040B (zh) | 一种典型物种迁移廊道选址方法、装置及设备 | |
CN115062873B (zh) | 交通出行方式预测方法和装置、存储介质及电子设备 | |
CN104537597A (zh) | 一种城市空间格局合理性诊断的技术方法 | |
CN106898142A (zh) | 一种考虑路段相关性的路径行程时间可靠度计算方法 | |
Maity et al. | Integration of urban expansion with hybrid road transport network development within Haldia Municipality, West Bengal | |
CN107808217A (zh) | 一种基于北斗定位与客流量的公交换乘优化方法 | |
Yu | Assessing the implications of the recent community opening policy on the street centrality in China: A GIS-based method and case study | |
Reis et al. | Measuring space: A review of spatial metrics for urban growth and shrinkage | |
Daniel et al. | GIS-based study on the association between road centrality and socio-demographic parameters: A case study | |
CN113793500B (zh) | 城市交通道路可计算路网的构建方法及系统 | |
Mehmood et al. | The spatial coupling effect between urban street network’s centrality and collection & delivery points: A spatial design network analysis-based study | |
Wang et al. | Exploring regional sustainable commuting patterns based on dockless bike-sharing data and POI data | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
Yang et al. | Connectivity analysis in pedestrian networks: A case study in Wuhan, China | |
CN111914052A (zh) | 一种区域空间关联关系确定方法及装置 | |
CN115146990B (zh) | 一种集成多源地理大数据的城市活力定量评价方法 | |
Chow et al. | Development and evaluation of aggregate destination choice models for trip distribution in Florida | |
CN113553357B (zh) | 一种基于HW-Louvain的城市公交网络划分性空间社团探测方法 | |
Omer et al. | Why angular centralities are more suitable for space syntax modeling | |
Chen et al. | Spatial impact of new public transport system on station neighbourhoods: The cases of Jubilee Line Extension in London | |
Pertence et al. | Vulnerability Analysis of the Urban Transport System in the Context of Smart Cities |
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 |