CN113642162A - 一种城市道路交通应急预案仿真综合分析方法 - Google Patents

Abstract

本发明公开了一种城市道路交通应急预案仿真综合分析方法，具体包括：步骤1是基于城市交通系统仿真平台选取分析指标集；步骤2是路网常态化交通状况仿真；步骤3是道路交通突发事件下路网交通状况仿真；步骤4是备选应急预案实施后路网交通状况仿真；步骤5是实施前后分析指标数据统计及处理；步骤6是基于模糊综合分析法进行综合分析。本发明技术利用城市交通系统仿真平台，实现了在道路交通应急预案实施前对其进行快速、准确地量化综合分析，改变了传统应急预案分析中事后分析以及依赖个人经验的局限性，使对应急预案的分析更加全面科学，提高城市道路交通的综合管理和应急管理能力。

Description

一种城市道路交通应急预案仿真综合分析方法

技术领域

本发明涉及一种城市道路交通应急预案仿真综合分析方法，属于交通应急预案分析技术领域。

背景技术

随着我国社会经济的快速发展，城市交通网络也变得日趋复杂，而人们的出行次数也在逐渐增加，与此同时出现极端天气的概率也大幅上升，使得道路、桥梁等交通基础设施极易被破坏，对人们的生活造成了巨大影响，也使得城市交通发生突发事件的概率逐渐增加。道路交通突发事件具有突发性和不确定性，对交通设施的冲击非常大，往往导致交通系统中断或者瘫痪。做好城市道路突发事件的交通应急预案能够提高对潜在突发事件的预防预警能力以及应对突发事件时的快速响应和综合协调能力，提高城市道路交通的综合管理和应急管理能力。然而，现有应急预案往往依赖于数量庞大且包含全面的应急预案模型范例库，而不同城市的交通系统状况存在各自特点，导致城市间的范例无法被直接迁移应用，缺乏泛化能力。因此，有针对性地对城市道路交通具体应急预案进行科学的综合分析就显得尤为重要。

现有对于应急预案的分析一般是在应急解除之后进行，并将分析结果作为以后应急预案生成和修正的参考依据。然而，由于道路交通突发事件具有紧急性和偶然性等特点，这种基于过去发生事件进行分析并修正的应急预案不能适应未来突发事件的情况，导致预案实施效果往往不理想，甚至引发新的问题，如二次交通事故等。在要求城市交通管理日益精细化、精准化的发展背景下，这种依赖过往事例及个人主观经验的分析方法已无法满足城市交通应急管理的要求。

因此，为提高城市道路交通应急管理能力和尽可能地降低突发事件损失，亟需提出一种能够在道路交通发生突发事件后与应急预案实施前，对突发事件以及应急预案进行快速、准确地仿真，获得应急预案的预测实施效果，以指导和修正应急预案的综合分析方法。

发明内容

本发明所要解决的技术问题是：提供一种城市道路交通应急预案仿真综合分析方法，通过对道路交通突发事件影响以及应急预案实施后路网状况的仿真，利用模糊综合分析对道路交通应急预案进行综合分析，提高城市道路交通的综合管理和应急管理能力。

本发明为解决上述技术问题采用以下技术方案：

一种城市道路交通应急预案仿真综合分析方法，包括如下步骤：

步骤1：基于城市交通系统仿真平台选取分析指标集：本方法基于的城市交通系统仿真平台具有综合分析功能，从其分析体系中选择需要的分析指标集，该指标集包含对道路交通应急预案进行综合分析的四个方面，分别为居民出行效率、路网运行效率、能源消耗与环境影响、系统经济效能；

步骤2：路网常态化交通状况仿真：基于城市交通系统仿真平台建立目标城市交通仿真系统，对其路网常态化交通状况进行仿真，并提取分析指标集数据；

步骤3：道路交通突发事件下路网交通状况仿真：基于步骤S2建立的目标城市交通仿真系统，将道路交通突发事件的特征及影响在该系统中建模与仿真，获得突发事件下路网的交通运行状况，并提取分析指标集数据；

步骤4：备选应急预案实施后路网交通状况仿真：根据道路交通突发事件的特征及影响制定备选应急预案，并在城市交通仿真系统中对应急预案进行建模与仿真，获得应急预案实施后路网的交通运行状况，并提取分析指标集数据；

步骤5：实施前后分析指标数据统计及处理：分别统计城市路网常态化、突发事件下以及应急预案实施后三种交通状况仿真的分析指标集数据，并进行初步处理；

步骤6：基于模糊综合分析法进行综合分析：基于统计处理后的分析指标数据集，采用模糊综合分析方法对路网常态化、突发事件下、以及应急预案实施后的三种交通状况仿真结果进行综合分析。模糊综合分析方法的基本步骤如下：

(1)确定道路交通应急预案综合分析的因素集U(即指标集)和分析集V。根据因素集U中各因素之间的关系，可以把因素分为m组，形成m个因素子集，每一个因素子集命名为U_i，且U_i之间存在关系有U＝(U₁,U₂,…U_i,…U_m)。分析集V中每一级分别有各自对应的分析值，该分析值是一个分数区间，或一个分析临界值；

(2)分别赋予各因素权重值并确定各自对应的隶属度向量，建立模糊分析矩阵。道路交通应急预案综合分析指标集中各指标值之间没有统一的度量标准，因而需要对各个指标明确各自的分级标准，再对各等级构造相应的隶属度函数；

(3)确定各分析指标权重矩阵与各个因素的模糊分析矩阵之间的算子，对两者进行模糊运算，得到城市交通系统综合分析最终结果。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1、本发明依托城市交通系统仿真平台，对城市道路网络常态化、道路交通突发事件下以及应急预案实施后的三类交通状况进行仿真，改变了传统应急预案事后分析以及依赖个人经验的局限性，使得对应急预案的分析更加科学，提高城市道路交通的综合管理和应急管理能力。

2、本发明基于包括居民出行效率、路网运行效率、能源消耗与环境影响、系统经济效能这四个方面的分析指标，通过模糊综合分析法以及层次分析法等方法对应急预案进行多方面的综合分析，使得对应急预案的分析更加全面细致，提高城市道路交通管理决策者在突发事件下进行精准分析与管控的能力。

3、本发明基于城市交通系统仿真平台，对不同情境下的城市道路交通状况进行仿真，利用平台快速仿真生成的结果与数据，使得对应急预案的分析更加便捷高效，提高城市道路交通管理决策者在突发事件下进行准确判断、果断决策以及迅速执行的能力。

附图说明

图1是本发明一种城市道路交通应急预案仿真综合分析方法的流程图。

图2是本发明指标层次结构图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本发明提供的一种城市道路交通应急预案仿真综合分析方法，如图1所示，包括如下的步骤：

S1：基于城市交通系统仿真平台选取分析指标集：该指标集包含对城市交通系统进行综合分析的四个方面，分别为居民出行效率、路网运行效率、能源消耗与环境影响、系统经济效能，具体为(1)居民出行效率：平均出行距离、平均出行时耗、第95百分位出行距离、第95百分位出行时耗、居民出行延误比；(2)路网运行效率：路网平均行程车速、路网干道拥堵率、路网交叉口拥堵率、路段平均饱和度、节点平均饱和度、路段负荷均衡度、节点负荷均衡度、公交运营车速；(3)能源消耗与环境影响：全网络能源消耗总量、全网络大气污染物排放量、路网污染物排放量、单位客运周转率能耗、机动车污染人均出行排放量；(4)系统经济效益：居民出行时间成本、交通系统运营成本、居民平均广义出行成本、车均运营成本、全交通网络总成本、交通拥堵直接经济损失。

城市交通系统仿真平台指的是可以基于目标城市的道路网络、交通需求等数据建立城市交通仿真系统，并对其交通进行出行发生、出行分布、方式划分与出行分配的公开商用宏观交通分析软件“交运之星-TranStar”，该软件具有对城市交通系统进行仿真并输出综合分析指标集的功能。

S2：城市道路交通常态化路网状况仿真：基于城市交通系统仿真平台建立目标城市的交通仿真系统，对其道路网络常态化的交通状况进行仿真，并提取分析指标集数据。

建立目标城市的交通仿真系统需要将城市的道路网络、交通需求等数据在城市交通系统仿真平台中进行建模，路网常态化交通状况的仿真结果应与真实数据进行检验并相一致，以此作为后续步骤的基础。

S3：道路交通突发事件下路网状况仿真：基于城市交通仿真系统，将城市次干道上突发交通事故的特征及影响在该系统中建模与仿真，获得突发交通事故道路网络的交通运行状况，并提取分析指标集数据。

突发交通事故的特征包括时间、地点、事故类型，对道路交通的影响包括范围、严重程度、持续时间等。道路突发交通事故的特征及影响需要在城市交通仿真系统中进行建模与仿真，模拟出突发事件下道路网络的交通运行状况。

S4：备选应急预案实施后路网状况仿真：根据城市次干道上突发交通事故的特征及影响制定封闭道路并诱导车辆绕行的备选应急预案。在城市交通仿真系统中进行建模与仿真，获得备选应急预案实施后道路网络的交通运行状况，并提取分析指标集数据。

根据道路交通突发事件的特征及影响制定的备选应急预案一般包括对发生突发事件的路段、道路节点或者与事发路段上下游直接连接的路网进行禁行、限行或者车道变化等交通管控措施，以及配合预案实施的引导车流等工作。

S5：实施前后分析指标数据统计及处理：分别统计城市道路网络常态化交通状况仿真、突发事件下交通状况仿真以及备选应急预案实施后交通状况仿真的分析指标集数据，并进行初步处理。对仿真结果分析指标数据的处理主要包括异常值的剔除与修订、数据结构化与标准化等。

S6：基于模糊综合分析法进行综合分析：基于统计及处理后的分析指标数据集，采用模糊综合分析方法对三种路网状况仿真结果进行综合分析。模糊综合分析方法的基本步骤如下：

(1)确定道路交通应急预案综合分析的因素集U(即指标集)和分析集V。根据因素集U中各因素之间的关系，可以把因素集中的因素分为m组，形成m个因素子集，每一个因素子集命名为U_i，且U_i之间存在关系有U＝(U₁,U₂,…U_i,…U_m)。综合分析的因素集U＝{U₁(居民出行效率)，U₂(道路网络运行效率)，U₃(环境影响与能源消耗)，U₄(交通系统经济性能)}，4个因素子集的因素集分别如下：U₁＝{u₁₁(平均出行距离),u₁₂(第95百分位出行距离)，u₁₃(平均出行时耗)，u₁₄(第95百分位出行时耗),u₁₅(居民出行延误比)}；U₂＝{u₂₁(路网平均行程车速)，u₂₂(道路网络干道拥堵率)，u₂₃(道路网络交叉口拥堵率)，u₂₄(路段平均饱和度)，u₂₅(节点平均饱和度)，u₂₆(路段负荷均衡度)，u₂₇(节点负荷均衡度)，u₂₈(公交运营车速)}；U₃＝{u₃₁(全网络能源消耗总量)，u₃₂(单位客运周转率能耗)，u₃₃(路网污染物排放量)，u₃₄(全网络大气污染物排放量)，u₃₅(机动车污染物人均出行排放量)}；U₄＝{u₄₁(居民出行平均时间成本)，u₄₂(交通系统运营成本)，u₄₃(全交通网络总成本)，u₄₄(车均运营成本)，u₄₅(居民平均广义出行成本)，u₄₆(交通拥堵直接经济损失)}。

分析集V中每一级分别有各自对应的分析值，该分析值是一个分数区间，或一个分析临界值。模糊综合分析中，每一分析等级对应一段确定的分数区间，如{V₁(优)，V₂(良)，V₃(—般)，V₄(较差)，V₅(差)}。分析集V采用[0，100]分数标准，将分析等级按分数均分为五等，具体分析集划分准则见下表1。

表1分析集

分析等级	优	良	一般	较差	差
						分数区间	[90,100]	[80,90)	[70,80)	[60,70)	[0,60)
中间值	r<sub>1</sub>＝95	r<sub>2</sub>＝85	r<sub>3</sub>＝75	r<sub>4</sub>＝65	r<sub>5</sub>＝60

(2)对于有明确分析标准的定量指标，采用升、降半梯形函数作为其隶属度函数。具体包含以下指标：u₁₃(平均出行时耗)，u₁₄(第95百分位出行时耗)，u₁₅(居民出行延误比)，u₂₁(路网平均行程车速)，u₂₂(道路网络干道拥堵率)，u₂₃(道路网络交叉口拥堵率)，u₂₄(路段平均饱和度)，u₂₅(节点平均饱和度)，u₂₈(公交运营车速)。将分析集划分成五个等级，分别为“优”、“良”、“一般”、“较差”和“差”，每个指标u_ij对应这五个等级的临界值r_ij1、r_ij2、r_ij3、r_ij4、r_ij5可根据指标的相应标准来确定，如《城市道路交通管理评价指标体系》等。下面以指标u₂₁(路网平均行程车速)分级为例展示指标分级临界值的确定方法。如表2所示，根据常驻人口数量将城市划分为不同类型，分别为A(人口500万以上)、B(人口500万以下，100万以上)、C(人口100万以下，50万以上)、D(人口50万以下)四类，各类型城市对于路网平均行程车速五个等级的划分临界值有所不同，如对于A类城市而言，“优”、“良”、“一般”、“较差”和“差”对应临界值分别为r_ij1＝25、r_ij2＝22、r_ij3＝19、r_ij4＝16、r_ij5＝0，其他城市的临界值以此类推。

表2路网平均行程车速分级 单位：km/h

某指标u_ij对应于等级k的隶属度分别定义为

其中i表示分析指标集中的第i个子因素集，j表示子因素集中第j个分析指标。采用升、降半梯形隶属函数来确定各指标对应的隶属度。

(21)对于u_ij值越大越差的指标采用逆指标隶属度，包括u₁₃(平均出行时耗)，u₁₄(第95百分位出行时耗)，u₁₅(居民出行延误比)，u₂₂(道路网络干道拥堵率)，u₂₃(道路网络交叉口拥堵率)，u₂₄(路段平均饱和度)，u₂₅(节点平均饱和度)。各个指标对应五个分析等级的临界值r_ij1，r_ij2，r_ij3，r_ij4，r_ij5应根据相应的标准来确定，数值应从小到大排列。

(22)对于u_ij值越大越好的指标采用正指标隶属度，包括u₂₁(路网平均行程车速)，u₂₈(公交运营车速)。各个指标对应五个分析等级的临界值r_ij1，r_ij2，r_ij3，r_ij4，r_ij5应根据相应的标准来确定，数值应从大到小排列。

对于尚无明确分析标准的定量化指标，包括u₁₁(平均出行距离),u₁₂(第95百分位出行距离)，u₂₆(路段负荷均衡度)，u₂₇(节点负荷均衡度)，u₃₁(全网络能源消耗总量)，u₃₂(单位客运周转率)，u₃₃(路网污染物排放量)，u₃₄(全网络大气污染物排放量)，u₃₅(机动车污染物人均出行排放量)，u₄₁(居民出行平均时间成本)，u₄₂(交通系统运营成本)，u₄₃(全交通网络总成本)，u₄₄(车均运营成本)，u₄₅(居民平均广义出行成本)，u₄₆(交通拥堵直接经济损失)，可以采用以下方法确定其隶属度的方法：(1)邀请数位城市交通领域内的专家，对某项指标值评定其等级，统计专家判断该项指标值在各评定等级的频率，将频率值作为该项指标值的隶属度；(2)在方案样本较多的时候，根据该项指标在各方案中的实际取值，采用模糊聚类方法，分别确定各方案中的该项指标值所属的评定等级；(3)除了以上两种常用的方法之外，还可以借鉴一些典型城市中对于该项指标的观测值,从而构建该项指标的隶属度函数。

最终得到所有指标对于各个等级的隶属度矩阵：

(3)采用层次分析法确定各分析指标权重矩阵，主要包括以下四个步骤：

(31)构建递阶层次结构

将分析指标集包含的各因素分解成互相独立的层次，包括居民出行效率、道路网络运行效率、环境影响与能源消耗、交通系统经济性能四个层次，每个层次包含的具体指标作为下层。上、下两个层次之间存在着支配关系，即前者能够支配后者中的部分或全部元素。确定各层因素之后，以层次框图的形式描述各层次间的递阶层次结构和各因素间的从属关系，如图2所示。

(32)构造两两比较判断矩阵

假定以某层元素U_i为准则，U_i支配着下一层次中的元素u_i1,u_i2,…u_in，为了确定中各元素相对于U_i的相对重要性，需要通过两两比较的方式确定他们各自的相应a_jk。采用9标度法进行相对重要程度赋值，具体赋值说明见下表2。通过以上对比，相对于准则层，下层n个被比较的元素构成了n*n的判断矩阵：

A＝(a_jk)_n×n (7)

式中，A表示判断矩阵，下层n个被比较的元素构成了n*n的判断矩阵；a_jk表示元素u_ij与u_ik相对于U_i的重要度，用1-9作为标度量化值，a_kj为a_jk的倒数。

表2层次结构分析的比率度

重要性标度	描述
		1	因素U<sub>ti</sub>和U<sub>tj</sub>同等重要
3	因素U<sub>ti</sub>比因素U<sub>tj</sub>稍微重要
		5	因素U<sub>ti</sub>比因素U<sub>tj</sub>明显重要
7	因素U<sub>ti</sub>比因素U<sub>tj</sub>强烈重要
		9	因素U<sub>ti</sub>比因素U<sub>tj</sub>极端重要
2，4，6，8	两标度之间中值

(33)单一准则下元素相对权重的计算

根据上一步骤构造的判断矩阵A＝(a_jk)_n×n，求出这n个元素各自相对于准则U_i的相对权重W＝(w₁,w₂,…,w_n)^T并进行一致性检验。

(34)计算各层元素相对于总目标的合成权重

将指标层各元素的权重与对应的准则层元素的权重相乘，即可得到针对总目标该指标的最终权重W＝(w₁₁,w₁₂,…w₂₁,w₂₂,…w_ij,…,w_mn)。

根据以上隶属度矩阵R和权重W，选择环合法M(·,∧)合成算子求得各分析指标的对应的模糊向量D：

最终的模糊合成值B由模糊向量D与分析等级中间值向量r＝(r₁,r₂,r₃,r₄,r₅)^T点积得到：

B＝D·r＝(d₁,d₂,d₃,d₄,d₅)·(r₁,r₂,r₃,r₄,r₅)^T (9)

式中，B表示最终的模糊合成值，即综合分析值；w_ij表示第i个子因素集中的第j因素的权重；

表示第i个子因素集中的第j因素对于等级k的隶属度，；m表示因素集中子因素集的个数；n表示子因素集中分析指标的个数；模糊向量D中的d_k表示该方案对于等级k的最终权重；分析等级中间值向量r中的r_k表示分析等级k的中间值，以上k＝1,2,3,4,5。

综合分析值B的数值越大，表征结果越好。

基于城市路网常态下、突发交通事故后以及应急预案实施后三种交通状况仿真结果指标数据的模糊合成值，可对应急预案进行综合分析，表3为三种交通状况仿真结果指标数据的模糊合成值。

表3三种仿真结果指标数据的模糊合成值

交通仿真场景	常态下路网状况	突发交通事故后	应急预案实施后
				模糊合成值	82.5	63.8	76.2

由表3可知，在城市道路突发交通事故后，周围区域交通收到严重影响，综合分析值由82.5下降为63.8，下降幅度为22.7％。在实施应急预案，对部分道路封闭及交通流疏导工作后，综合分析值由63.8上升至76.2，提升幅度为19.4％，道路交通运行综合状况相当于常态化综合状况的92.4％，说明该应急预案能够有效降低突发事件对城市道路交通的影响。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (9)

1.一种城市道路交通应急预案仿真综合分析方法，其特征在于，包括如下步骤：

步骤1，基于城市交通系统仿真平台，从其分析体系中选择对城市道路交通应急预案进行综合分析的分析指标集；

步骤2，根据城市的道路网络、交通需求数据，在城市交通系统仿真平台中建立城市交通仿真系统，对其路网常态化交通运行状况进行仿真，将路网常态化交通运行状况仿真结果与真实数据进行检验并相一致，在此基础上，提取步骤1所选择的分析指标集对应的数据；

步骤3，基于步骤2建立的城市交通仿真系统，将道路交通突发事件的特征以及突发事件对道路交通的影响在该系统中进行建模与仿真，获得突发事件下路网的交通运行状况，并提取步骤1所选择的分析指标集对应的数据；

步骤4，根据道路交通突发事件的特征以及突发事件对道路交通的影响制定至少一个备选应急预案，并在城市交通仿真系统中对各备选应急预案进行建模与仿真，获得各备选应急预案实施后路网的交通运行状况，并提取步骤1所选择的分析指标集对应的数据；

步骤5，分别统计路网常态化、突发事件下以及各备选应急预案实施后三种交通运行状况仿真的分析指标集数据，并进行预处理；

步骤6，采用模糊综合分析法对路网常态化、突发事件下以及各备选应急预案实施后的交通运行状况仿真结果分别进行综合分析，得到突发事件下以及各备选应急预案实施后各自对应的综合分析值，将综合分析值大于突发事件下的综合分析值的备选应急预案挑选出来，并从中选择综合分析值最大的备选应急预案作为最优应急预案。

2.根据权利要求1所述城市道路交通应急预案仿真综合分析方法，其特征在于，步骤1所述城市交通系统仿真平台是基于城市的道路网络、交通需求数据建立城市交通仿真系统，并对城市交通进行出行发生、出行分布、方式划分和出行分配的宏观分析软件，该软件具有对城市交通系统进行仿真并输出分析指标集的功能。

3.根据权利要求1所述城市道路交通应急预案仿真综合分析方法，其特征在于，步骤1所述分析指标集包括四个方面，分别为居民出行效率、道路网络运行效率、能源消耗与环境影响以及交通系统经济效能；其中，居民出行效率包括以下指标：平均出行距离、第95百分位出行距离、平均出行时耗、第95百分位出行时耗和居民出行延误比；道路网络运行效率包括以下指标：路网平均行程车速、路网干道拥堵率、路网交叉口拥堵率、路段平均饱和度、节点平均饱和度、路段负荷均衡度、节点负荷均衡度和公交运营车速；能源消耗与环境影响包括以下指标：全网络能源消耗总量、全网络大气污染物排放量、路网污染物排放量、单位客运周转率能耗和机动车污染人均出行排放量；交通系统经济效能包括以下指标：居民出行时间成本、交通系统运营成本、居民平均广义出行成本、车均运营成本、全交通网络总成本和交通拥堵直接经济损失。

4.根据权利要求1所述城市道路交通应急预案仿真综合分析方法，其特征在于，步骤3所述道路交通突发事件的特征包括时间、地点和事件类型，所述突发事件对道路交通的影响包括范围、严重程度和持续时间。

5.根据权利要求1所述城市道路交通应急预案仿真综合分析方法，其特征在于，步骤4所述备选应急预案包括对发生突发事件的路段、道路节点或者与事发路段上下游直接连接的路网进行禁行、限行或者车道变化的交通管控措施，以及配合备选应急预案实施的车流引导工作。

6.根据权利要求1所述城市道路交通应急预案仿真综合分析方法，其特征在于，步骤5所述预处理包括异常值的剔除与修订、数据结构化与标准化。

7.根据权利要求3所述城市道路交通应急预案仿真综合分析方法，其特征在于，步骤6所述采用模糊综合分析法对路网常态化、突发事件下以及各备选应急预案实施后的交通运行状况仿真结果分别进行综合分析，得到突发事件下以及各备选应急预案实施后各自对应的综合分析值，具体过程如下：

6.1，将分析指标集作为综合分析的因素集U，将因素集U划分为4个因素子集，即U＝{居民出行效率U₁，道路网络运行效率U₂，能源消耗与环境影响U₃，交通系统经济性能U₄}，各因素子集中的因素为：U₁＝{平均出行距离u₁₁，第95百分位出行距离u₁₂，平均出行时耗u₁₃，第95百分位出行时耗u₁₄，居民出行延误比u₁₅}；U₂＝{路网平均行程车速u₂₁，路网干道拥堵率u₂₂，路网交叉口拥堵率u₂₃，路段平均饱和度u₂₄，节点平均饱和度u₂₅，路段负荷均衡度u₂₆，节点负荷均衡度u₂₇，公交运营车速u₂₈}；U₃＝{全网络能源消耗总量u₃₁，单位客运周转率能耗u₃₂，路网污染物排放量u₃₃，全网络大气污染物排放量u₃₄，机动车污染物人均出行排放量u₃₅}；U₄＝{居民出行时间成本u₄₁，交通系统运营成本u₄₂，全交通网络总成本u₄₃，车均运营成本u₄₄，居民平均广义出行成本u₄₅，交通拥堵直接经济损失u₄₆}；

综合分析的分析集V采用[0，100]分数标准，将分析等级按分数均分为五等，其中，分数区间[90,100]对应的分析等级为优，其中间值为r₁＝95；[80,90)对应的分析等级为良，其中间值为r₂＝85；[70,80)对应的分析等级为一般，其中间值为r₃＝75；[60,70)对应的分析等级为较差，其中间值为r₄＝65；[0,60)对应的分析等级为差，其中间值为r₅＝60；

6.2，对于有明确分析标准的因素，包括u₁₃、u₁₄、u₁₅、u₂₁、u₂₂、u₂₃、u₂₄、u₂₅和u₂₈，采用升或降半梯形隶属函数来确定各因素分别在不同分析等级下的隶属度；

6.3，对于无明确分析标准的因素，包括u₁₁、u₁₂、u₂₆、u₂₇、u₃₁、u₃₂、u₃₃、u₃₄、u₃₅、u₄₁、u₄₂、u₄₃、u₄₄、u₄₅和u₄₆，采用专家评定或模糊聚类方法确定各因素分别在不同分析等级下的隶属度；

6.4，结合6.2和6.3得到所有因素在不同分析等级下的隶属度矩阵，分别采用层次分析法得到突发事件下以及各备选应急预案实施后各自对应的综合分析值。

8.根据权利要求7所述城市道路交通应急预案仿真综合分析方法，其特征在于，所述6.2的具体过程如下：

6.2.1，对于因素值越大越差的因素采用降半梯形隶属函数来确定各因素对应的隶属度，因素值越大越差的因素包括u₁₃、u₁₄、u₁₅、u₂₂、u₂₃、u₂₄和u₂₅，则：

6.2.2，对于因素值越大越好的因素采用升半梯形隶属函数来确定各因素对应的隶属度，因素值越大越好的因素包括u₂₁和u₂₈，则：

其中，

分别表示因素u_ij对应于分析等级1、k、5的隶属度，i表示因素集U中的第i个因素子集，j表示因素子集中第j个因素，r_ij(k-1)、r_ijk、r_ij(k+1)分别为各因素在分析等级下k-1、k、k+1的临界值。

9.根据权利要求7所述城市道路交通应急预案仿真综合分析方法，其特征在于，所述6.4的具体过程如下：

6.4.1，将因素集U中的各因素子集划分为互相独立的层次，包括居民出行效率、道路网络运行效率、能源消耗与环境影响和交通系统经济性能四个层次，每个层次中的因素作为各层次对应的下层；

6.4.2，对于每个层次，用其对应的下层中的因素构造判断矩阵，则判断矩阵如下：

A＝(a_jk)_n×n

其中，A表示判断矩阵，a_jk表示因素u_ij与u_ik对于U_i的相对重要程度，a_kj为a_jk的倒数，U_i表示第i个独立的层次，u_ij、u_ik分别表示第i个独立的层次对应的下层中的第j、k个因素，i＝1,…,m，j,k＝1,…,n，m表示因素集U中因素子集的个数，n表示因素子集中因素的个数，m＝4；采用9标度法对相对重要程度进行赋值；

6.4.3，根据上一步构造的判断矩阵，计算因素u_i1,…,u_in各自相对于U_i的相对权重w₁,w₂,…,w_n，并进行一致性检验；

6.4.4，将每个层次的权重与该层次对应的下层中的各因素的权重相乘，得到最终权重W＝(w₁₁,w₁₂,…,w₂₁,w₂₂,…,w_ij,…,w_mn)；

6.4.5，根据所有因素在不同分析等级下的隶属度矩阵R和权重W，选择环合法合成算子求得模糊向量D：

6.4.6，根据模糊向量D与分析等级中间值向量r＝(r₁,r₂,r₃,r₄,r₅)^T点积得到模糊合成值，即综合分析值B：

B＝D·r＝(d₁,d₂,d₃,d₄,d₅)·(r₁,r₂,r₃,r₄,r₅)^T

其中，w_ij表示第i个因素子集中的第j个因素的最终权重，

表示第i个因素子集中的第j个因素对于分析等级k的隶属度，d_k表示突发事件下或者各备选应急预案实施后的交通运行状况对于分析等级k的隶属度，r_k表示分析等级k的中间值，k＝1,2,3,4,5。

Images