CN113380022A - 一种基于耦合-背离过程的路网时变运行状态分析方法 - Google Patents

一种基于耦合-背离过程的路网时变运行状态分析方法 Download PDF

Info

Publication number
CN113380022A
CN113380022A CN202110341536.XA CN202110341536A CN113380022A CN 113380022 A CN113380022 A CN 113380022A CN 202110341536 A CN202110341536 A CN 202110341536A CN 113380022 A CN113380022 A CN 113380022A
Authority
CN
China
Prior art keywords
road network
network
deviation
coupling
state
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.)
Withdrawn
Application number
CN202110341536.XA
Other languages
English (en)
Inventor
金雷
王银银
杨大鹏
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202110341536.XA priority Critical patent/CN113380022A/zh
Publication of CN113380022A publication Critical patent/CN113380022A/zh
Withdrawn legal-status Critical Current

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

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于耦合‑背离过程的路网时变运行状态分析方法，通过对宏观交通流状态参数进行基于耦合‑背离过程的时间序列分析，深入分析交通流动态加载过程和状态演化的规律性、宏观基本图分弧段与路网运行状态的对应关系，从而辨识区域路网的交通流状态，识别将要发生拥堵状态的路网，进而对即将进入交通流饱和状态的路网进行交通管控，避免其进一步陷入交通流过饱和状态，防范形成大范围交通拥堵。

Description

一种基于耦合-背离过程的路网时变运行状态分析方法
技术领域
本发明涉及智能交通的技术领域，尤其涉及到一种基于耦合-背离过程的路网时变运行状态分析方法。
背景技术
在交通流动态加载过程中，随着路网交通累积量增多，发生交通拥挤的可能性也相应地增加。假如在拥挤路网中发生导致路网脆弱性暴露的不利事件，那么将对路网用户和交通流带来更严重的负面影响。因此，识别将要发生拥堵状态的路网，进而对即将进入交通流饱和状态的路网进行交通管控，避免其进一步陷入交通流过饱和状态，防范形成大范围交通拥堵，显得尤为重要。
发明内容
本发明的目的在于克服现有技术的不足，提供一种能识别出将要发生拥堵状态的路网，进而对即将进入交通流饱和状态的路网进行交通管控，避免其进一步陷入交通流过饱和状态，防范形成大范围交通拥堵的基于耦合-背离过程的路网时变运行状态分析方法。
为实现上述目的，本发明所提供的技术方案为：
一种基于耦合-背离过程的路网时变运行状态分析方法，通过对宏观交通流状态参数进行基于耦合-背离过程的时间序列分析，深入分析交通流动态加载过程和状态演化的规律性、宏观基本图分弧段与路网运行状态的对应关系，从而辨识区域路网的交通流状态，识别将要发生拥堵状态的路网；
所述耦合-背离过程中，定义如下三种宏观交通流状态参数的时变特征及其之间的耦合度关系；
自由流状态下的耦合关系：
1)描述在自由流状态下，路网平均密度随着路网平均流量成比例增长或减少；
饱和路网状态下的背离关系：
2)描述在饱和路网中，路网平均密度增长而路网平均流量减少；
拥堵消散过程中的耦合关系：
3)描述在路网交通流量在减少过程中，路网平均密度随之减少。
进一步地，所述宏观交通流状态参数包括路网流量和路网交通密度，通过基于背离度指标的评价方法衡量路网流量和路网交通密度变化趋势的对比关系。
进一步地，所述基于背离度指标的评价方法具体如下：
引入时间间隔作为中间变量，用宏观交通流状态参数之间的背离程度表示网络密度k的时变趋势和网络流量q的时变趋势之间的耦合程度的比较结果，计算公式如下：
Figure BDA0002999249600000021
上式中，RDDτ为背离度，
Figure BDA0002999249600000022
和
Figure BDA0002999249600000023
分别表示统计时间间隔内的网络平均密度的最大值和最小值，
Figure BDA0002999249600000024
和
Figure BDA0002999249600000025
分别表示统计时间间隔内的网络平均流量的最大值和最小值，
Figure BDA0002999249600000026
为时间间隔τ内网络平均密度的原始值，
Figure BDA0002999249600000027
为时间间隔τ内网络平均流量的原始值。
进一步地，在背离度RDDτ的取值1附近设置20％的浮动范围。
进一步地，所述分析宏观基本图分弧段与路网运行状态的对应关系的具体过程如下：
MFD分弧段示意中，假设包括O、A、B、C、D、E、F、G、H、I、J多点，根据理想路网和实际路网MFD的形态特征，分别将其分为若干个弧段，其中，曲线弧
Figure BDA0002999249600000028
表示理想路网的MFD，曲线弧
Figure BDA0002999249600000029
表示具有顺时针回滞现象的实际路网的MFD，曲线弧
Figure BDA00029992496000000210
和
Figure BDA00029992496000000211
表示具有逆时针回滞现象的实际路网的MFD；
通过对实际路网MFD回滞现象的分析，将其从耦合-背离的角度对其进行解读，由公式(1)可知，在一个时间间隔τ内背离度、路网流量和路网交通密度之间具有如下关系：
Figure BDA0002999249600000031
式中，
Figure BDA0002999249600000032
和
Figure BDA0002999249600000033
分别表示统计时间间隔内的网络平均密度的最大值和最小值，
Figure BDA0002999249600000034
和
Figure BDA0002999249600000035
分别表示统计时间间隔内的网络平均流量的最大值和最小值，
Figure BDA0002999249600000036
为时间间隔τ内网络平均密度的原始值，
Figure BDA0002999249600000037
为时间间隔τ内网络平均流量的原始值；
当时间间隔τ足够小时，由公式(2)可得：
Figure BDA0002999249600000038
由公式(3)得到，背离度RDD和MFD曲线的斜率
Figure BDA0002999249600000039
之间具有反比例关系，二者的乘积为固定常数C，在相同的时间间隔内二者的关系式如下：
Figure BDA00029992496000000310
根据背离度RDD和MFD曲线的斜率
Figure BDA00029992496000000311
之间的反比例关系，即MFD曲线的斜率减少，相应地背离度RDD则会增加，从而得到MFD分弧段与耦合-背离的对照关系。与现有技术相比，本方案原理及优点如下：
本方案分析了交通流动态加载与路网运行状态的联系，为基于MFD的主动式交通控制策略提供依据。通过宏观交通流状态参数的动态解析，辨识区域路网的交通流状态，识别将要发生拥堵状态的路网，进而对即将进入交通流饱和状态的路网进行交通管控，避免其进一步陷入交通流过饱和状态，防范形成大范围交通拥堵。
附图说明
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，下面将对实施例或现有技术描述中所需要使用的服务作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为路网状态参数的时变特征图；
图2为宏观交通流状态参数之间背离度数值关系图；
图3为MFD分弧段示意图；
图4为实证时宏观交通流状态参数的时序图(2015年1月13日至15日)。
具体实施方式
下面结合具体实施例对本发明作进一步说明：
一种基于耦合-背离过程的路网时变运行状态分析方法，通过对宏观交通流状态参数进行基于耦合-背离过程的时间序列分析，深入分析交通流动态加载过程和状态演化的规律性、宏观基本图分弧段与路网运行状态的对应关系，从而辨识区域路网的交通流状态，识别将要发生拥堵状态的路网。
本实施例中，“耦合-背离”的过程指的是，在路网饱和与过饱和状态时，增长的路网交通密度将会导致路网流量和路网交通密度的变化失去同步，且路网容量不足以支撑路网输入量维持在峰值水平。背离指的是路网流量和路网交通密度的变化趋势逐渐分离变得不一致，例如路网交通密度增加并没有伴随着相同比例的路网流量增加，或者路网流量的减少并没有伴随着相同比例的路网交通密度下降。
“耦合-背离”的过程中的宏观交通流状态参数的时变特征及其之间的耦合度，定义三种耦合度关系，分别如下：
(1)自由流状态下的耦合关系描述的是在自由流状态下，路网平均密度随着路网平均流量成比例增长或减少，如图1(a)中的时刻t1、t2和t3，以及图1(b)中的时刻t1和t2，此时有
Figure BDA0002999249600000041
和
Figure BDA0002999249600000042
(2)饱和路网状态下的背离关系描述的是在饱和路网中，路网平均密度增长而路网平均流量减少，如图1(a)中的时刻t4和t5，此时有
Figure BDA0002999249600000051
和
Figure BDA0002999249600000052
(3)拥堵消散过程中的耦合关系描述的是在路网交通流量在减少过程中，路网平均密度随之减少，如图1(a)中的时刻t6，以及图1(b)中的时刻t3，此时有
Figure BDA0002999249600000053
和
Figure BDA0002999249600000054
路网流量和路网交通密度之间的背离关系可以用绝对变化值和相对变化值来衡量。绝对的背离关系的特点是路网平均密度保持不变或者依然增长，但路网平均流量减少。相对的背离关系的特点是路网平均密度和流量同时增长和下降，但路网平均密度变化幅度小于网络平均流量。对背离关系的评价有助于分析背离关系的强度。
背离现象可以用背离周期和变化趋势相关性的强弱来描述。本实施例通过基于背离度指标的评价方法衡量路网流量和路网交通密度变化趋势的对比关系。
具体引入时间间隔作为中间变量，用宏观交通流状态参数之间的背离程度表示网络密度k的时变趋势和网络流量q的时变趋势之间的耦合程度的比较结果，将其简称为背离度(Relative degree of decoupling，简记为RDD)，计算公式如下：
Figure BDA0002999249600000055
上式中，RDDτ为背离度，
Figure BDA0002999249600000056
和
Figure BDA0002999249600000057
分别表示统计时间间隔内的网络平均密度的最大值和最小值，
Figure BDA0002999249600000058
和
Figure BDA0002999249600000059
分别表示统计时间间隔内的网络平均流量的最大值和最小值，
Figure BDA00029992496000000510
为时间间隔τ内网络平均密度的原始值，
Figure BDA00029992496000000511
为时间间隔τ内网络平均流量的原始值。
基于背离度指标的评价方法是用于衡量交通流量增长和交通密度增长之间的背离程度，如图2所示。这种方法的优势在于可以区分背离程度的分类情况，同时为了增加评价效果的灵活性，在背离度的取值1附近设置了一个20％的浮动范围，这就避免了评价指标对量化结果的过分解读。
MFD分弧段示意中，假设包括O、A、B、C、D、E、F、G、H、I、J多点，根据理想路网和实际路网MFD的形态特征，分别将其分为若干个弧段，如图3所示。其中，曲线弧
Figure BDA0002999249600000061
表示理想路网的MFD，曲线弧
Figure BDA0002999249600000062
表示具有顺时针回滞现象的实际路网的MFD，曲线弧
Figure BDA0002999249600000063
和
Figure BDA0002999249600000064
表示具有逆时针回滞现象的实际路网的MFD。
通过对实际路网MFD回滞现象的分析，可以将其从“耦合-背离”的角度对其进行解读；由公式(1)可知，在一个时间间隔τ内背离度、路网流量和路网交通密度之间具有如下关系：
Figure BDA0002999249600000065
式中，
Figure BDA0002999249600000066
和
Figure BDA0002999249600000067
分别表示统计时间间隔内的网络平均密度的最大值和最小值，
Figure BDA0002999249600000068
和
Figure BDA0002999249600000069
分别表示统计时间间隔内的网络平均流量的最大值和最小值。
当时间间隔τ足够小时，由公式(2)可得：
Figure BDA00029992496000000610
由公式(3)可以得到，背离度RDD和MFD曲线的斜率
Figure BDA00029992496000000611
之间具有反比例关系，二者的乘积为固定常数C，在相同的时间间隔内二者的关系式如下：
Figure BDA00029992496000000612
根据背离度RDD和MFD曲线的斜率
Figure BDA00029992496000000613
之间的反比例关系，即MFD曲线的斜率减少，相应地背离度RDD则会增加。
因此，可以得到MFD分弧段与“耦合—背离”的对照关系如表1所示。
Figure BDA00029992496000000614
Figure BDA0002999249600000071
表1MFD分弧段与交通流状态关系对照表
其中，
Figure BDA0002999249600000072
表示时间间隔τ内网络平均密度的标准值；
Figure BDA0002999249600000073
表示时间间隔τ内网络平均流量的标准值。
下面对上述的方法进行仿真验证：
在实证分析中，将13日至15日每天的早、晚高峰视为相互独立的统计样本，并将每个高峰时段按照5分钟统计间隔离散化分成28个统计时间节点。用坐标轴中的每个整数节点代表高峰时段每5分钟的统计时间间隔。例如，13日上午7：05-7：10的间隔对应节点M1，14日下午17：05-17：10的间隔对应节点E29，早、晚高峰图示中其它节点均和实际时间对应，如图4所示，上面的图的线表示每五分钟间隔内进入路段的流量，下面的图的线表示每五分钟间隔内路段累积车辆的密度。
图4展示了路网宏观交通流状态参数的时序图，比较了网络平均流量和网络平均密度的变化趋势。结果表明网络平均流量和网络平均密度的变化趋势的关联性影响回滞现象的形态，图4(c)展示了在时间间隔M1到M10期间的未饱和状态，网络平均流量随着网络平均密度一起增长，但在图4(b)展示的时间间隔E7到E14期间的饱和状态，网络平均密度并未伴随着网络平均流量的变化而变化。
对图4中耦合和背离状态的起止时间进行统计，统计结果如表2所示。
由图4和表2可知，路网宏观交通流状态参数之间的“耦合-背离”的过程是存在的，具体表现在如下方面：
(1)耦合状态对应于自由流状态下的耦合关系，此时网络平均密度随着网络平均流量成比例增长或减少；
(2)背离状态对应于饱和路网状态下的背离关系，此时网络平均密度增长而网络平均流量减少；
(3)重新耦合状态对应于拥堵消散过程中的耦合关系描述的是在网络交通流量在减少过程中，网络平均密度随之减少。
网络平均流量和网络平均密度之间的背离关系一般形成和持续在高峰期间，如图4(a)和表2中展示的周二的7：50至8：49期间，周三的7：35至8：29期间，周四的7：25至8：14期间；图4(b)和表2中展示的周二的17：35至18：14期间，周三的17：25至18：14期间，周四的17：50至18：49期间。
Figure BDA0002999249600000081
Figure BDA0002999249600000091
表2耦合、背离和重新耦合状态的起止时间
由宏观交通流状态参数之间背离状态起止时间间隔内的统计数据，计算网络平均密度和流量之间的背离度，计算结果如表3所示。路网宏观交通流状态参数之间不同的耦合、背离和重耦合关系，是和回滞现象中的加载和回落过程是相对应的。背离度RDD的变化可以用来衡量宏观交通流状态参数之间的关系，同时也是对回滞现象的一种基于时间序列分析角度的解读，对照结果如下：
(1)当RDD取值接近1.0时，即0.8<RDDτ<1.2，网络平均密度和网络平均流量之间的关系可以被称为耦合关系。
(2)当0<RDDτ<0.8且
Figure BDA0002999249600000092
时，网络平均密度和网络平均流量之间的关系可以被称为弱背离关系。
(3)当RDDτ>1.2且
Figure BDA0002999249600000093
时，网络平均密度和网络平均流量之间的关系可以被称为扩张负背离关系。
(4)当RDDτ>1.2且
Figure BDA0002999249600000094
时，网络平均密度和网络平均流量之间的关系可以被称为收缩背离关系。
(5)当0<RDDτ<0.8且
Figure BDA0002999249600000095
时，网络平均密度和网络平均流量之间的关系可以被称为弱负背离关系。
(6)当RDDτ<0且
Figure BDA0002999249600000096
时，网络平均密度和网络平均流量之间的关系可以被称为强负背离关系。
高峰期拥挤的交通流更易发生路网服务水平极大下降的后果，网络平均密度和网络平均流量之间的背离程度也就越明显，这也就意味着处于不同宏观交通流状态的路网对不利事件扰动的敏感程度有差异，进而也会引起不同时间段的脆弱性评价结果的差异。
Figure BDA0002999249600000097
Figure BDA0002999249600000101
表3网络平均密度和流量之间背离度的计算结果
本实施例通过对宏观交通流状态参数的动态分析，研究MFD和宏观路网运行状态之间的联系，分析了路网运行状态和MFD回滞现象之间的对应关系，提出了宏观交通流状态参数之间“耦合-背离”的演化关系分析方法，建立了基于背离度指标的评价方法，在深圳市中央活力区干道路网验证了“耦合-背离”的过程。
本实施例丰富了路网宏观运行状态的时变特性的研究方法，分析了交通流动态加载与路网运行状态的联系，为基于MFD的主动式交通控制策略提供依据。通过宏观交通流状态参数的动态解析，辨识区域路网的交通流状态，识别将要发生拥堵状态的路网，进而对即将进入交通流饱和状态的路网进行交通管控，避免其进一步陷入交通流过饱和状态，防范形成大范围交通拥堵。
以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (5)

1.一种基于耦合-背离过程的路网时变运行状态分析方法，其特征在于，通过对宏观交通流状态参数进行基于耦合-背离过程的时间序列分析，深入分析交通流动态加载过程和状态演化的规律性、宏观基本图分弧段与路网运行状态的对应关系，从而辨识区域路网的交通流状态，识别将要发生拥堵状态的路网；
所述耦合-背离过程中，定义如下三种宏观交通流状态参数的时变特征及其之间的耦合度关系：
1)自由流状态下的耦合关系：
描述在自由流状态下，路网平均密度随着路网平均流量成比例增长或减少；
2)饱和路网状态下的背离关系：
描述在饱和路网中，路网平均密度增长而路网平均流量减少；
3)拥堵消散过程中的耦合关系：
描述在路网交通流量在减少过程中，路网平均密度随之减少。
2.根据权利要求1所述的一种基于耦合-背离过程的路网时变运行状态分析方法，其特征在于，所述宏观交通流状态参数包括路网流量和路网交通密度，通过基于背离度指标的评价方法衡量路网流量和路网交通密度变化趋势的对比关系。
3.根据权利要求2所述的一种基于耦合-背离过程的路网时变运行状态分析方法，其特征在于，所述基于背离度指标的评价方法具体如下：
引入时间间隔作为中间变量，用宏观交通流状态参数之间的背离程度表示网络密度k的时变趋势和网络流量q的时变趋势之间的耦合程度的比较结果，计算公式如下：
Figure RE-FDA0003213240460000011
上式中，RDDτ为背离度，
Figure RE-FDA0003213240460000012
和
Figure RE-FDA0003213240460000013
分别表示统计时间间隔内的网络平均密度的最大值和最小值，
Figure RE-FDA0003213240460000021
和
Figure RE-FDA0003213240460000022
分别表示统计时间间隔内的网络平均流量的最大值和最小值，
Figure RE-FDA0003213240460000023
为时间间隔τ内网络平均密度的原始值，
Figure RE-FDA0003213240460000024
为时间间隔τ内网络平均流量的原始值。
4.根据权利要求3所述的一种基于耦合-背离过程的路网时变运行状态分析方法，其特征在于，在背离度RDDτ的取值1附近设置20％的浮动范围。
5.根据权利要求3所述的一种基于耦合-背离过程的路网时变运行状态分析方法，其特征在于，所述分析宏观基本图分弧段与路网运行状态的对应关系的具体过程如下：
MFD分弧段示意中，假设包括O、A、B、C、D、E、F、G、H、I、J多点，根据理想路网和实际路网MFD的形态特征，分别将其分为若干个弧段，其中，曲线弧
Figure RE-FDA0003213240460000025
表示理想路网的MFD，曲线弧
Figure RE-FDA0003213240460000026
表示具有顺时针回滞现象的实际路网的MFD，曲线弧
Figure RE-FDA0003213240460000027
和
Figure RE-FDA0003213240460000028
表示具有逆时针回滞现象的实际路网的MFD；
通过对实际路网MFD回滞现象的分析，将其从耦合-背离的角度对其进行解读，由公式(1)可知，在一个时间间隔τ内背离度、路网流量和路网交通密度之间具有如下关系：
Figure RE-FDA0003213240460000029
式中，
Figure RE-FDA00032132404600000210
和
Figure RE-FDA00032132404600000211
分别表示统计时间间隔内的网络平均密度的最大值和最小值，
Figure RE-FDA00032132404600000212
和
Figure RE-FDA00032132404600000213
分别表示统计时间间隔内的网络平均流量的最大值和最小值，
Figure RE-FDA00032132404600000214
为时间间隔τ内网络平均密度的原始值，
Figure RE-FDA00032132404600000215
为时间间隔τ内网络平均流量的原始值；
当时间间隔τ足够小时，由公式(2)可得：
Figure RE-FDA00032132404600000216
由公式(3)得到，背离度RDD和MFD曲线的斜率
Figure RE-FDA00032132404600000217
之间具有反比例关系，二者的乘积为固定常数C，在相同的时间间隔内二者的关系式如下：
Figure RE-FDA0003213240460000031
根据背离度RDD和MFD曲线的斜率
Figure RE-FDA0003213240460000032
之间的反比例关系，即MFD曲线的斜率减少，相应地背离度RDD则会增加，从而得到MFD分弧段与耦合-背离的对照关系。
CN202110341536.XA 2021-03-30 2021-03-30 一种基于耦合-背离过程的路网时变运行状态分析方法 Withdrawn CN113380022A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110341536.XA CN113380022A (zh) 2021-03-30 2021-03-30 一种基于耦合-背离过程的路网时变运行状态分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110341536.XA CN113380022A (zh) 2021-03-30 2021-03-30 一种基于耦合-背离过程的路网时变运行状态分析方法

Publications (1)

Publication Number Publication Date
CN113380022A true CN113380022A (zh) 2021-09-10

Family

ID=77570699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110341536.XA Withdrawn CN113380022A (zh) 2021-03-30 2021-03-30 一种基于耦合-背离过程的路网时变运行状态分析方法

Country Status (1)

Country Link
CN (1) CN113380022A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101794507A (zh) * 2009-07-13 2010-08-04 北京工业大学 基于浮动车数据的宏观路网交通状态评价方法
CN109858559A (zh) * 2019-02-14 2019-06-07 同济大学 基于交通流宏观基本图的自适应交通分析路网简化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101794507A (zh) * 2009-07-13 2010-08-04 北京工业大学 基于浮动车数据的宏观路网交通状态评价方法
CN109858559A (zh) * 2019-02-14 2019-06-07 同济大学 基于交通流宏观基本图的自适应交通分析路网简化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
金雷: "《基于宏观基本图的城市路网脆弱性评价模型研究》", 《中国优秀博士学位论文全文数据库》 *

Similar Documents

Publication Publication Date Title
Castaldi et al. Related variety, unrelated variety and technological breakthroughs: an analysis of US state-level patenting
Weijermars et al. Analyzing highway flow patterns using cluster analysis
Krings et al. Effects of time window size and placement on the structure of an aggregated communication network
CN107943809B (zh) 数据质量监控方法、装置及大数据计算平台
Kamarianakis et al. Real‐time road traffic forecasting using regime‐switching space‐time models and adaptive LASSO
Stathopoulos et al. Modeling duration of urban traffic congestion
Richards et al. Changing living arrangements: A hazard model of transitions among household types
US7177271B2 (en) Method and system for managing admission to a network
CN109711591B (zh) 一种路段速度预测方法、装置、服务器及存储介质
CN108572905B (zh) 一种基于分布式计算的监控方法及系统
CN111932888B (zh) 防止边界路段排队溢流的区域动态边界控制方法及系统
CN111613053B (zh) 一种交通扰动的检测分析方法、装置、存储介质及终端
CN108847022A (zh) 一种微波交通数据采集设备的异常值检测方法
Sun et al. Research on traffic congestion characteristics of city business circles based on TPI data: The case of Qingdao, China
Banks Average time gaps in congested freeway flow
CN113380022A (zh) 一种基于耦合-背离过程的路网时变运行状态分析方法
CN112735125B (zh) 一种拥堵路段的确定方法、装置、设备及存储介质
CN106302226B (zh) 一种QoS感知的服务动态调度方法
Aalto et al. Mean delay analysis of multi level processor sharing disciplines
CN110798850B (zh) 一种运营商网络接入方法
CN110602569A (zh) 一种基于带宽趋势的带宽复用方法和系统
CN113393673A (zh) 交通信号调度计划和时段优化方法及装置
Malchow et al. The economics of traffic information: a state-of-the-art report
Haragos et al. Determination of quality factor used in road traffic. An experimental study
CN115601959A (zh) 一种城市交通瓶颈区域弹性边界鲁棒控制方法及设备

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210910