CN113763713A - 一种路网瓶颈路段发掘与管理方法及装置 - Google Patents

一种路网瓶颈路段发掘与管理方法及装置 Download PDF

Info

Publication number
CN113763713A
CN113763713A CN202111323636.6A CN202111323636A CN113763713A CN 113763713 A CN113763713 A CN 113763713A CN 202111323636 A CN202111323636 A CN 202111323636A CN 113763713 A CN113763713 A CN 113763713A
Authority
CN
China
Prior art keywords
bottleneck
road section
road
traffic
bottleneck 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
CN202111323636.6A
Other languages
English (en)
Other versions
CN113763713B (zh
Inventor
贾磊
周子益
童青峰
安茹
钟志鑫
覃金庆
李梦蝶
王庆栋
陈李沐
刘烨
郭路
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.)
Shenzhen Traffic Science Research Institute Co ltd
Shenzhen Urban Transport Planning Center Co Ltd
Original Assignee
Shenzhen Traffic Science Research Institute Co ltd
Shenzhen Urban Transport Planning Center Co Ltd
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 Shenzhen Traffic Science Research Institute Co ltd, Shenzhen Urban Transport Planning Center Co Ltd filed Critical Shenzhen Traffic Science Research Institute Co ltd
Priority to CN202111323636.6A priority Critical patent/CN113763713B/zh
Publication of CN113763713A publication Critical patent/CN113763713A/zh
Application granted granted Critical
Publication of CN113763713B publication Critical patent/CN113763713B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了路网瓶颈路段发掘与管理方法及装置，其包括：构建多层次T‑CPS系统；其中，所述多层次T‑CPS系统包括：感知层，用于与物理世界直接连接，感知获取初始数据来源；计算层，用于计算获取的所述初始数据，得到针对实际需求结果的计算目标数据；控制层，用于根据所述计算目标数据，发出控制指令；应用层，用于执行所述控制指令，智能化控制目标过程，用以有效管理瓶颈路段；网络层，用于贯穿所有层次实现信息高速传输与指令交互；基于构建的多层次T‑CPS系统，所述方法还进一步包括发掘交通瓶颈路段；分析发掘的瓶颈路段通过交通监测状态参数化进行管理。有效提高设施主体的利用率，进一步提高城市交通运行水平。

Description

一种路网瓶颈路段发掘与管理方法及装置
技术领域
本发明涉及智能城市交通技术领域，具体而言，涉及一种路网瓶颈路段发掘与管理方法及装置。
背景技术
近年来，随着我国经济的快速发展，城市交通在面临前所未有的发展机遇的同时，也时刻经历着来自四面八方的挑战。而经济迅速发展的同时，诸多科技手段的应用和普及，给城市交通发展提供了新的思路和方向。随着传感技术，信息技术、通信技术和先进自动控制等技术在城市交通中的集成运用，建立健全了一种在大范围内、全方位发挥作用的，实时、有效、可靠的综合交通运输管理系统。
在这其中，计算机技术应用的影响格外突出，帮助逐渐构建起城市智能交通系统(Intelligent Traffic Systems，ITS)。ITS技术的应用和普及，帮助管理者理解城市交通系统的运行过程，分析城市交通拥堵的形成机理，发展交通拥堵治理的有效方法，有效缓解了城市的交通拥堵现象，避免因交通拥堵带来的城市经济损失。目前，ITS技术的主要目标主要包括建立：1).先进的交通管理系统；2).先进的旅行者信息系统；3).电子收费系统；4).先进的公共交通系统；5).先进的车辆控制系统；6).紧急救援系统；7).货物有效管理系统。ITS技术在现在交通治理中扮演着不可或缺的角色，但是实际各城市在应用中也存在着各种问题。比如：私家车数量增长速度过快；ITS关键技术国产化仍待突破；基础设施利用率低；多部门协调管理效率有待提高。
然而，城市交通瓶颈是影响城市交通安全和运行效率的关键因素，由于实际交通运能和实际交通流量之间经常出现的不匹配现象，尤其城市交通中明显的早晚高峰现象，所以这种“不匹配”的情况在早晚高峰期间出现的格外频繁，在一些城市交通的某些热点区域甚至存在周期性发生，而这种情况一般被认为是影响城市交通整体运行的“瓶颈”。
发明内容
本发明解决的问题是如何把握城市交通的运行规律，发掘城市交通瓶颈，并针对性的进行治理来提升城市交通运行效率。
为解决上述问题，本发明提供一种路网瓶颈路段发掘与管理方法，其包括：构建多层次T-CPS系统；其中，所述多层次T-CPS系统包括：感知层，用于与物理世界直接连接，感知获取初始数据来源；计算层，用于计算获取的所述初始数据，得到针对实际需求结果的计算目标数据；控制层，用于根据所述计算目标数据，发出控制指令；应用层，用于执行所述控制指令，智能化控制目标过程，用以有效管理瓶颈路段；网络层，用于贯穿所有层次实现信息高速传输与指令交互；基于构建的多层次T-CPS系统，所述方法还进一步包括发掘交通瓶颈路段；分析发掘的瓶颈路段通过交通监测状态参数化进行管理。
优选地，所述感知层具体用于：采取与物理世界直接交互的信息感知执行设备及其构成的设备组织单元，监测易发生瓶颈路段的监测效果；
布置入口和出口双监测手段，获取设施主体的流量进入速率
Figure 391112DEST_PATH_IMAGE002
和输出速率
Figure 288529DEST_PATH_IMAGE004
，计算流量速率的变化值
Figure 829232DEST_PATH_IMAGE006
：
Figure 675965DEST_PATH_IMAGE008
。
优选地，所述计算层具体用于：对获取的初始数据进行储存，建立历史数据库；
在计算和模拟时，利用马尔科夫链，将设施主体的拥塞程度划分四个等级，使用历史数据库总结推导该易产生的瓶颈路段下设施主体不同时间段的状态转移矩阵P：
Figure 666924DEST_PATH_IMAGE010
，
其中
Figure 661425DEST_PATH_IMAGE012
表示设施从状态i转移到j的概率值，Pi表示不同时间段。
优选地，所述在计算和模拟时，利用马尔科夫链，将设施主体的拥塞程度划分四个等级，使用历史数据库总结推导该易产生瓶颈路段下设施主体不同时间段的状态转移矩阵P之后，包括：
使用条件概率以及贝叶斯原理分析，
Figure 412343DEST_PATH_IMAGE014
，
得到一阶邻近道路与该易产生瓶颈路段状态之间的相关关系。
优选地，划分瓶颈路段以及一阶邻近道路为中心的第一区域Z0，选择X公里范围内的第二、三…N临近区域Z1， Z2…Zn，并计算各区域内交通关联度I Z1 ，I Z2 …I Zn ，采用Whitson模型：
Figure 644741DEST_PATH_IMAGE016
，
其中n为上游交叉口的流入流向数，Q i 为上游交叉口第i流入流向流量，Q max 为上游交叉口最大流入流向流量，t为平均行驶时间；在选定有效的临近区域，得到针对实际需求结果的计算目标数据。
优选地，结合构建的多层次T-CPS系统结构，分析对象设施主体的路径介数值
Figure 213126DEST_PATH_IMAGE018
：
Figure 163765DEST_PATH_IMAGE020
，
选择设施候选群体G，对设施候选群体G内的所有设施主体采集一定时间段内的连续流量和速度时间序列；
分析道路与临近道路之间的状态依赖关系D i ：
Figure 780691DEST_PATH_IMAGE022
，
其中Neig(i)表示道路i的邻居道路集，i=0表示道路i处于拥堵状态；
从设施候选群体G以及相关的邻居道路集中筛选瓶颈路段，考虑瓶颈路段随时间变化的特性，对时间序列进行相关性分析，发掘出城市交通的瓶颈路段。
优选地，基于发掘出城市交通的瓶颈路段，进行扩容增加可通过的最大容量，根据瓶颈路段实际承受能力的上限值，结合马尔科夫链以及交通相关性的分析结果，按反比例原则实现分流管理的具体分配；
借助构建所述多层次T-CPS系统得出监测结果，同预设偏差阈值比较实际分流管理的效果与预期的差距；
采取远近结合的控制方法实现精准分流管理，其中，该远近结合的控制方法包括广播发布以及信号灯配时结合。
优选地，根据交通系统的长程相关性和强耦合性，从全局角度进行优化改善，其中包括：
常发的瓶颈路段，规划和开发建设新的城市快速路作为替代路径；
优化城市多层次交通结构，实用不同交通方式的协同配合；
优化城市路网结构，设置更多可替代路径选择方案。
基于相同的技术构思，本发明提供一种路网瓶颈路段发掘与管理装置，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述计算机程序被所述处理器执行时实现所述的路网瓶颈路段发掘与管理方法的步骤。
与现有技术相比，本发明提出一种路网瓶颈路段发掘与管理方法及装置，具有以下几个有益效果：
1.本发明构建多层次T-CPS系统；其中，所述多层次T-CPS系统包括：感知层，用于与物理世界直接连接，感知获取初始数据来源；计算层，用于计算获取的所述初始数据，得到针对实际需求结果的计算目标数据；控制层，用于根据所述计算目标数据，发出控制指令；应用层，用于执行所述控制指令，智能化控制目标过程，用以有效管理瓶颈路段；网络层，用于贯穿所有层次实现信息高速传输与指令交互，基于构建的多层次T-CPS系统，发掘交通瓶颈路段；分析发掘的瓶颈路段通过交通监测状态参数化进行管理。在交通基础设施数量保持不变的前提下，有效提高设施主体的利用率，进一步提高城市交通运行水平。
2.本发明构建的多层次T-CPS系统，针对具体的瓶颈路段的发掘与管理任务，有考虑具体的软硬件的有机连结。
3.本发明目标发掘的城市交通瓶颈路段，综合考虑城市交通系统的结构，以及交通瓶颈在时间和空间上的多变特性。
4.本发明针对发掘出的城市交通瓶颈路段，采取针对性的管理手段和方法，有效改善交通瓶颈对于城市交通运行的影响，对于保障城市交通高效、可靠运行提供有效的建议和支持。
附图说明
为了更清楚地说明本发明中的方案，下面将对本发明实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图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为本发明路网瓶颈路段发掘与管理方法的体系结构图；
图2为本发明路网瓶颈路段发掘与管理方法的多层次T-CPS系统结构示意图；
图3为本发明路网瓶颈路段发掘与管理装置的结构框图。
具体实施方式
申请人通过研究发现，现有技术中虽然出现了瓶颈路段的发掘与该善方法，但是现有技术中还具体存在以下问题：（一）瓶颈路段识别环节，采取的技术手段所定义的瓶颈路段含义与实际交通中的瓶颈路段有一定差距，导致发掘效果不理想；同时大多没有考虑实时性，发掘出的瓶颈路段往往有很大的时间延后性；（二）由于瓶颈路段发掘的效率和准确率存疑，对于之后的瓶颈路段管理环节必然有直接影响，一般所采取的管理手段形式较为单一，方法考虑因素较少，导致管理的效率大大降低；（三）所涉及的过程智能化程度低，可替代方案多；并且实际收益低，对于保障交通系统运行很难提供有效支持。
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
为了便于理解，下面对本发明实施例中涉及的名词进行解释。
信息物理系统(Cyber-Physical Systems，CPS)是一个综合计算、网络和物理环境的多维度复杂系统，通过3C(Computation、Communication、Control)技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。信息物理系统的出现，使得各个实施更加有机的结合，提高现有设施的利用率，功能协同达到更高水平的运行要求。利用交通基础设施的监测功能之外，CPS系统还可以结合实际路网的结构拓扑以及功能属性，有机的结合系统内所有的基础设施，利用网络化的方法，建设多层次的监测体系。例如，对于初始获取的道路监测状态和数据，进行初步的处理和分析，综合考虑多个设施的检测值，决定进一步的监测目标和手段，以期获得更加有效的监测数据。
因此，本发明将基于基础交通设施构建的交通信息物理系统(TransportationCyber-Physical Systems，T-CPS )，提供一种基于T-CPS的路网瓶颈路段发掘与管理方法及装置的技术方案。
如前所述，瓶颈路段的存在大大降低了交通系统发挥功能的效率，因此我们需要准确有效地发掘出交通系统中的瓶颈路段，并且采取针对性的治理方法。研究发现，城市交通瓶颈主要有以下几个特点：1.广泛性。随着城市机动车保有量的不断快速增长，使得城市交通系统承担的运行压力往往超过其理想的运载能力。同时，由于交通系统本身在设计以及运行过程中，存在人为或者自然客观的因素，例如设计时的预估交通量过低、自然灾害对于道路网络的侵蚀和破坏等等。因此，瓶颈道路在城市交通系统中普遍存在。2.多变性。由于交通流量在城市交通系统上的不均匀分布，伴随不同区域交通系统结构的不同，实际瓶颈道路的分布会随着时间发生变化。比如最显著的就是城市工作通勤带来的直接影响：城市工作通勤一定程度上导致了城市交通早晚双峰的存在，一般呈现早晚流量大，周中上班日流量集中的状况。此外，还有节假日、季节等等因素。这所有的因素都使得城市交通瓶颈会在不同的时间分布在路网的不同地点。
从瓶颈路段的治理角度。由上所述，交通瓶颈影响城市交通的高效运行，因此有必要对发掘出的瓶颈路段采取针对性的治理方法，保证交通系统的可靠运行，保障城市居民的出行需求。
请参阅图1，本发明的第一实施例提供一种路网瓶颈路段发掘与管理方法，其包括以下步骤：
步骤S1，构建多层次T-CPS系统。
其中，由于城市交通是一个大型的开放式系统，所包含和相关的元素众多，除了当前所构建的分析模式之外，还可以考虑纳入更多的设施甚至系统，将它们构建成一个多层次T-CPS系统，具体包括五个层次，如图3所示，分别为感知层、计算层、控制层、网络层和应用层。与物理世界直接连接感知层，感知获取初始数据来源；计算层用于计算获取的所述初始数据，得到针对实际需求结果的计算目标数据，通过网络发送给控制层，控制层用于根据所述计算目标数据，发出控制指令，应用层用于执行所述控制指令，智能化控制目标过程，用以有效管理瓶颈路段，最终实践于现实场景，完成整个T-CPS系统的智能化控制过程，网络层贯穿所有层次，通过网络贯穿所有层次，实现信息高速传输与指令交互。针对瓶颈路段发掘的任务目标，具体对多层次的T-CPS系统做进一步阐述。
与物理世界直接连接感知层，主要用于感知获取初始数据来源。首先采取与物理世界直接交互的信息感知执行设备及其构成的设备组织单元，例如布置高分辨率的速度和流量传感器，加强设施主体的会入口等易发生瓶颈路段的监测效果；其次布置入口和出口双监测手段，获取设施主体的流量进入速率
Figure 54546DEST_PATH_IMAGE002
和输出速率
Figure 731515DEST_PATH_IMAGE004
，计算流量速率的变化值
Figure DEST_PATH_IMAGE023
：
Figure 700608DEST_PATH_IMAGE008
(1)
需要理解的是，该设施主体包括但不限于桥梁、道路等，本实施例在此不作限定。
需要说明的是，上述的实际需求结果为T-CPS系统监测到现实物理世界中的瓶颈路段，根据实际情况作出的需求结果，在此不作限定。
计算层通过对感知层获取的初始数据进行储存，建立历史数据库。在后续的计算和模拟时，利用马尔科夫链，将设施主体的拥塞程度划分四个等级：I、II、III和IV，使用历史数据库总结推导该易产生的瓶颈路段下设施主体不同时间段的状态转移矩阵P；根据实际交通特征，具体可分为早高峰8：00-10：00(P1)、下午12：00-14：00(P2)、晚高峰18：00-20：00(P3)以及晚间22：00-24：00(P4)四个时间段：
Figure 793329DEST_PATH_IMAGE010
(2)
其中
Figure 265899DEST_PATH_IMAGE012
表示设施从状态i转移到j的概率值，Pi表示不同时间段。需要理解的是，本实施例对于划分时间段在此不作限定。
同时，考虑一阶邻近道路与该易产生瓶颈路段的直接影响，使用条件概率以及贝叶斯原理分析：
Figure 113769DEST_PATH_IMAGE014
(3)
得到一阶邻近道路与该易产生瓶颈路段状态之间的相关关系。
由于瓶颈路段的发掘具有较大的区域性特征，因此，多层次T-CPS系统的网络层和控制层需要突出区域性特征。根据易产生瓶颈路段，划分瓶颈路段以及一阶邻近道路为中心的第一区域Z0，选择X公里范围内的第二、三…N临近区域Z1， Z2…Zn，并计算各区域内交通关联度I Z1 ，I Z2 …I Zn ，采用Whitson模型：
Figure 835737DEST_PATH_IMAGE016
(4)
其中n为上游交叉口的流入流向数，Q i 为上游交叉口第i流入流向流量，Q max 为上游交叉口最大流入流向流量；t代表车流从上游交叉口进口停车线至下游交叉口进口车辆排队尾(进口有车辆排队时)或者进口停车线(进口无车辆排队时)的平均行驶时间，以分钟为单位。
在一定阈值I T 条件下，选定有效的临近区域得出实际需求结果，在网络层以及控制层上，作为优先链接对象。有效的临近区域指的是该临近区域可作为发掘出的瓶颈路段区域，在此不作限定。
步骤S2，基于构建的多层次T-CPS系统，发掘交通瓶颈路段。
如前所述，城市的交通瓶颈路段对于城市交通系统的运行有很大影响，因此，要发掘城市的交通瓶颈路段，而交通瓶颈路段一般会随着时间和空间发生变化，结合以上构建的多层次T-CPS系统结构，对交通瓶颈路段进行有效发掘。具体步骤包括：
基于构建所述多层次T-CPS系统道路路网结构的信息，分析对象设施主体v的路径介数值
Figure 794466DEST_PATH_IMAGE018
：
Figure 855963DEST_PATH_IMAGE020
(5)
其中
Figure DEST_PATH_IMAGE025
表示经过设施主体v的道路节点
Figure DEST_PATH_IMAGE027
的最短路径条数，
Figure DEST_PATH_IMAGE029
表示经过设施主体v的道路节点
Figure 592844DEST_PATH_IMAGE027
的全部最短路径条数。在一定数量要求下，选择路径介数值特别大的道路或桥梁等设施主体。
其次，收集道路或桥梁等潜在交通瓶颈路段的设施主体的历史数据，按照每个设施主体本身对于拥堵等级的判定，分析各自在不同时间段的拥堵发生概率大小，主要分析早晚高峰的情况，进而选择易发生交通瓶颈的设施候选群体G。
对设施候选群体G内的所有设施主体采集一定时间段内的连续流量和速度时间序列，如前所述，从设施候选群体G内的所有道路或桥梁等设施主体入手，以及对应的两阶临近道路的相关信息。首先计算特定时间段内路段的流量变化值
Figure 739791DEST_PATH_IMAGE023
，其次从（3）式计算得出的条件概率，分析道路与临近道路之间的状态依赖关系D i ：
Figure 439894DEST_PATH_IMAGE022
(6)
其中Neig(i)表示道路i的邻居道路集，i=0表示道路i处于拥堵状态。
在以上的基础上，从设施候选群体G以及相关的邻居道路集中筛选瓶颈路段，考虑瓶颈路段随时间变化的特性，对时间序列进行相关性分析，从而筛选出城市交通的瓶颈路段。
例如，以速度时间序列为例，对于道路i以及它的临近道路j而言，速度时间序列分别是V(i，t)和V(j，t)。首先计算它们之间的皮尔逊相关系数：
Figure 355897DEST_PATH_IMAGE031
(7)
其中，
Figure DEST_PATH_IMAGE033
表示V(i，t)和V(j，t)序列的协方差，Var[V(i，t)]和Var[V(j，t)分别表示V(i，t)和V(j，t)序列的方差。记V(i，t)和V(j，t)的序列长度为L，将V(j， t)序列依次向左和向右平移1，2…L/2个位置(左边记作负值)，每移动一次位置，就计算一次皮尔逊相关系数，得到数据对集合(-L/2，C -L/2 )，(1-L/2，C 1-L/2 )…(L/2，C L/2 )。找到皮尔逊相关系数最大的值以及对应的移动方向和数量，最终可以得出道路i和j时间序列发生的先后关系。再通过对所有选中的道路对进行滞后性相关性分析，最终结合以上两步的分析结果，选出城市交通的瓶颈路段。
通过以上两步，步骤S3，分析发掘的瓶颈路段通过交通监测状态参数化进行管理。其中，具体步骤如下：
对已发掘的道路进行流量扩容，增加可通过的最大交通容量，主要通过提高道路的建造交通容量，采取对已有道路的扩容以及建造新的并行道路。具体地可以在交通管理机制上进行扩容，可以有效避免设施主体建设的周期以及难度，例如，对于潮汐交通现象明显的交通瓶颈路段，设置潮汐式可变车道，实现扩容的作用。对于因为建造年代久远，或者是缺乏管理的交通瓶颈路段，提高管理资源，一定程度上提高道路的最大容量。本实施例对此不作限定。
除了上述道路扩容之外，可采用分散交通流量：空间上，采取交通流量的路径引导方法，缓解瓶颈路段的压力；时间上，管理交通流量错峰出行，同时采用例如信号灯控制的方式，避免不同方向流量集中到达瓶颈路段，从而实现缓解瓶颈路段的流量压力。
具体地，根据其他道路实际承受能力的上限值，从局部角度进行分流管理。具体来说，结合马尔科夫链以及交通相关性的分析结果，按反比例原则实现分流管理的具体分配。例如，对于道路k依存度为d i 的道路i，其可以从总的需分配
Figure DEST_PATH_IMAGE035
的量中分配到的是：
Figure DEST_PATH_IMAGE037
(8)
具体到每条道路，需要将道路本身的最大交通容量纳入到考虑范围之中。分配的过程中，借助构建所述多层次T-CPS系统得出监测结果，同预设偏差阈值比较实际分流管理的效果与预期的差距，当实际过程中超过偏差阈值之后，立即对分配的流量进行再分配，保证实际分流的有效性，还可以依靠网络传输能力实现进一步优化调整。具体分流的控制方法还可以采取远近结合的控制方法实现精准分流管理，其中，该远近结合的控制方法包括广播发布以及信号灯配时结合。
以上的管理手段都是基于交通系统在实际当中的特点，实现瓶颈路段的优化。当把交通系统视为一个整体时，就需要从全局角度进行优化。具体地，根据交通系统的长程相关性和强耦合性，全局角度进行优化改善，其包括：1)对于常发的瓶颈路段，规划和开发建设新的城市快速路作为替代路径；2)优化城市多层次交通结构，实用不同交通方式的协同配合，比如地铁站站点的设置在保障居民出行方便的同时，也要考虑该区域的交通状况；3)优化城市路网结构，设置更多可替代路径选择方案。最终从全局角度出发对局部瓶颈路段进行了优化调整。
如图3所示，构建所述多层次T-CPS系统包括：感知层，用于与物理世界直接连接，感知获取初始数据来源，其中，所述感知层包括与物理世界直接交互的信息感知和执行设备，以及由所述信息感知和执行设备直接构成的设备组织单元。具体来说，它们作为一个个小的节点，构建其整体的T-CPS系统的基础。在现有的ITS系统中，其构成的物理元素包括主体智能汽车、智能道路以及配套的智能交通系统，其中，这些主体智能汽车都被赋予了多种传感器和执行器，因此，感知层具备智能化的感知和执行功能。
网络层，用于通过网络贯穿所有层次实现信息高速传输与指令交互；具体来说，网络层将大量异构CPS单元编织成一张网，让各个节点之间可以有机连接，实现单元之间的互相联系和资源共享。对于多层次T-CPS系统而言，网络层首先要解决的就是克服不同单元之间的异构性，主要发挥现有包括5G通信技术在内在技术端的先进优势，构建有效的网络层联系整个T-CPS系统各层之间互通，满足应用层的操作需求。
计算层，用于计算获取的所述初始数据，得到针对实际需求结果的计算目标数据，其中，所述计算层包括具有统计、计算、模拟仿真以及显示功能的设备。计算层作为连接感知层和控制层的重要环节，感知层会根据控制层的控制目标，结合实际感知层获取到的数据信息特点，制定针对性的计算目标，最终发送计算结果给控制层。
控制层，用于根据所述计算目标数据，发出控制指令，利用感知层以及计算层，控制层实现对于不同监测设施，尤其是跨区域、远距离的检测设施之间的相互协调式作业。除此之外，也为在特定危险或者高危条件下的预警以及决策过程提供支持。
应用层，用于执行所述控制指令，智能化控制目标过程，以有效管理瓶颈路段，完成整个T-CPS系统的智能化控制过程。对于已有的监测设施基本信息、监测基本结果状况以及决策的流程优化，我们可以实现对于交通系统部分甚至整体的管理作用。最终帮助缓解城市交通严峻的交通拥堵问题，保障城市交通正常的运行。
基于相同的技术构思，本发明还提供一种路网瓶颈路段发掘与管理装置，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述计算机程序被所述处理器执行时实现所述的路网瓶颈路段发掘与管理方法的步骤。
与现有技术相比，本发明提出一种路网瓶颈路段发掘与管理方法及装置，具有以下几个有益效果：
1.本发明构建多层次T-CPS系统；其中，所述多层次T-CPS系统包括：感知层，用于与物理世界直接连接，感知获取初始数据来源；计算层，用于计算获取的所述初始数据，得到针对实际需求结果的计算目标数据；控制层，用于根据所述计算目标数据，发出控制指令；应用层，用于执行所述控制指令，智能化控制目标过程，用以有效管理瓶颈路段；网络层，用于贯穿所有层次实现信息高速传输与指令交互，基于构建的多层次T-CPS系统，发掘交通瓶颈路段；分析发掘的瓶颈路段通过交通监测状态参数化进行管理。在交通基础设施数量保持不变的前提下，有效提高设施主体的利用率，进一步提高城市交通运行水平。
2.本发明构建的多层次T-CPS系统，针对具体的瓶颈路段的发掘与管理任务，有考虑具体的软硬件的有机连结。
3.本发明目标发掘的城市交通瓶颈路段，综合考虑城市交通系统的结构，以及交通瓶颈在时间和空间上的多变特性。
4.本发明针对发掘出的城市交通瓶颈路段，采取针对性的管理手段和方法，有效改善交通瓶颈对于城市交通运行的影响，对于保障城市交通高效、可靠运行提供有效的建议和支持。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且包括没有明确列出的其他要素，或者是包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是智能电视、手机、计算机等)执行本发明各个实施例所述的方法。
虽然本公开披露如上，但本公开的保护范围并非仅限于此。本领域技术人员在不脱离本公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。

Claims (9)

1.一种路网瓶颈路段发掘与管理方法，其特征在于，包括：构建多层次T-CPS系统；其中，所述多层次T-CPS系统包括：
感知层，用于与物理世界直接连接，感知获取初始数据来源；
计算层，用于计算获取的所述初始数据，得到针对实际需求结果的计算目标数据；
控制层，用于根据所述计算目标数据，发出控制指令；
应用层，用于执行所述控制指令，智能化控制目标过程，用以有效管理瓶颈路段；
网络层，用于贯穿所有层次实现信息高速传输与指令交互；
基于构建的多层次T-CPS系统，所述方法还进一步包括发掘交通瓶颈路段；分析发掘的瓶颈路段通过交通监测状态参数化进行管理。
2.根据权利要求1所述的路网瓶颈路段发掘与管理方法，其特征在于，所述感知层具体用于：
采取与物理世界直接交互的信息感知执行设备及其构成的设备组织单元，监测易发生瓶颈路段的监测效果；
布置入口和出口双监测手段，获取设施主体的流量进入速率
Figure 552994DEST_PATH_IMAGE002
和输出速率
Figure 545221DEST_PATH_IMAGE004
，计算流量速率的变化值
Figure DEST_PATH_IMAGE005
：
Figure DEST_PATH_IMAGE007
。
3.根据权利要求2所述的路网瓶颈路段发掘与管理方法，其特征在于，所述计算层具体用于：
对获取的初始数据进行储存，建立历史数据库；
在计算和模拟时，利用马尔科夫链，将设施主体的拥塞程度划分四个等级，使用历史数据库总结推导该易产生的瓶颈路段下设施主体不同时间段的状态转移矩阵P：
Figure DEST_PATH_IMAGE009
，
其中
Figure DEST_PATH_IMAGE011
表示设施从状态i转移到j的概率值，Pi表示不同时间段。
4.根据权利要求3所述的路网瓶颈路段发掘与管理方法，其特征在于，所述在计算和模拟时，利用马尔科夫链，将设施主体的拥塞程度划分四个等级，使用历史数据库总结推导该易产生瓶颈路段下设施主体不同时间段的状态转移矩阵P之后，包括：
使用条件概率以及贝叶斯原理分析，
Figure DEST_PATH_IMAGE013
，
得到一阶邻近道路与该易产生瓶颈路段状态之间的相关关系。
5.根据权利要求4所述的路网瓶颈路段发掘与管理方法，其特征在于，还包括：
划分瓶颈路段以及一阶邻近道路为中心的第一区域Z0，选择X公里范围内的第二、三…N临近区域Z1， Z2…Zn，并计算各区域内交通关联度I Z1 ，I Z2 …I Zn ，采用Whitson模型：
Figure DEST_PATH_IMAGE015
，
其中n为上游交叉口的流入流向数，Q i 为上游交叉口第i流入流向流量，Q max 为上游交叉口最大流入流向流量，t为平均行驶时间；在选定有效的临近区域，得到针对实际需求结果的计算目标数据。
6.根据权利要求5所述的路网瓶颈路段发掘与管理方法，其特征在于，还包括：
结合构建的多层次T-CPS系统结构，分析对象设施主体的路径介数值
Figure DEST_PATH_IMAGE017
：
Figure DEST_PATH_IMAGE019
；
选择设施候选群体G，对设施候选群体G内的所有设施主体采集一定时间段内的连续流量和速度时间序列；
分析道路与临近道路之间的状态依赖关系D i ：
Figure DEST_PATH_IMAGE021
，
其中Neig(i)表示道路i的邻居道路集，i=0表示道路i处于拥堵状态；
从设施候选群体G以及相关的邻居道路集中筛选瓶颈路段，考虑瓶颈路段随时间变化的特性，对时间序列进行相关性分析，发掘出城市交通的瓶颈路段。
7.根据权利要求6所述的路网瓶颈路段发掘与管理方法，其特征在于，还包括：
基于发掘出城市交通的瓶颈路段，进行扩容增加可通过的最大容量，根据瓶颈路段实际承受能力的上限值，结合马尔科夫链以及交通相关性的分析结果，按反比例原则实现分流管理的具体分配；
借助构建所述多层次T-CPS系统得出监测结果，同预设偏差阈值比较实际分流管理的效果与预期的差距；
采取远近结合的控制方法实现精准分流管理，其中，该远近结合的控制方法包括广播发布以及信号灯配时结合。
8.根据权利要求7所述的路网瓶颈路段发掘与管理方法，其特征在于，还包括：
根据交通系统的长程相关性和强耦合性，从全局角度进行优化改善，其中包括：
常发的瓶颈路段，规划和开发建设新的城市快速路作为替代路径；
优化城市多层次交通结构，实用不同交通方式的协同配合；
优化城市路网结构，设置更多可替代路径选择方案。
9.一种路网瓶颈路段发掘与管理装置，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述计算机程序被所述处理器执行时，实现如权利要求1至9中任一项所述的路网瓶颈路段发掘与管理方法。
CN202111323636.6A 2021-11-10 2021-11-10 一种路网瓶颈路段发掘与管理方法及装置 Active CN113763713B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111323636.6A CN113763713B (zh) 2021-11-10 2021-11-10 一种路网瓶颈路段发掘与管理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111323636.6A CN113763713B (zh) 2021-11-10 2021-11-10 一种路网瓶颈路段发掘与管理方法及装置

Publications (2)

Publication Number Publication Date
CN113763713A true CN113763713A (zh) 2021-12-07
CN113763713B CN113763713B (zh) 2022-04-19

Family

ID=78784909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111323636.6A Active CN113763713B (zh) 2021-11-10 2021-11-10 一种路网瓶颈路段发掘与管理方法及装置

Country Status (1)

Country Link
CN (1) CN113763713B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115909747A (zh) * 2023-01-06 2023-04-04 山东创安交通预警工程有限公司 一种城市交通预警系统
CN116504069A (zh) * 2023-06-26 2023-07-28 中国市政工程西南设计研究总院有限公司 城市道路网络容量优化方法、装置、设备及可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945609A (zh) * 2012-11-19 2013-02-27 西安费斯达自动化工程有限公司 基于FPGA及改进Papageorgiou-E模型的在线交通瓶颈预测控制方法
CN105654741A (zh) * 2016-01-26 2016-06-08 浙江大学 一种面向单点瓶颈的上游区域信号控制参数优化方法
CN105844080A (zh) * 2016-03-16 2016-08-10 湖南大学 一种模块化结构网络的介数计算方法
CN106530715A (zh) * 2016-12-24 2017-03-22 浙江工业大学 基于模糊马尔可夫过程的路网交通状态预测方法
CN109935076A (zh) * 2018-05-21 2019-06-25 吉林化工学院 一种城市快速路常发性交通瓶颈识别方法
CN111325968A (zh) * 2018-12-13 2020-06-23 深圳先进技术研究院 一种基于拥堵扩散的交通瓶颈预测方法、系统及电子设备
CN113538921A (zh) * 2021-09-15 2021-10-22 深圳市城市交通规划设计研究中心股份有限公司 一种基于t-cps系统的监测体系的构建方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945609A (zh) * 2012-11-19 2013-02-27 西安费斯达自动化工程有限公司 基于FPGA及改进Papageorgiou-E模型的在线交通瓶颈预测控制方法
CN105654741A (zh) * 2016-01-26 2016-06-08 浙江大学 一种面向单点瓶颈的上游区域信号控制参数优化方法
CN105844080A (zh) * 2016-03-16 2016-08-10 湖南大学 一种模块化结构网络的介数计算方法
CN106530715A (zh) * 2016-12-24 2017-03-22 浙江工业大学 基于模糊马尔可夫过程的路网交通状态预测方法
CN109935076A (zh) * 2018-05-21 2019-06-25 吉林化工学院 一种城市快速路常发性交通瓶颈识别方法
CN111325968A (zh) * 2018-12-13 2020-06-23 深圳先进技术研究院 一种基于拥堵扩散的交通瓶颈预测方法、系统及电子设备
CN113538921A (zh) * 2021-09-15 2021-10-22 深圳市城市交通规划设计研究中心股份有限公司 一种基于t-cps系统的监测体系的构建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙棣华等: "交通信息物理系统及其关键技术研究综述", 《中国公路学报》 *
韦小娜: "城市交叉口群协调控制优化研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115909747A (zh) * 2023-01-06 2023-04-04 山东创安交通预警工程有限公司 一种城市交通预警系统
CN116504069A (zh) * 2023-06-26 2023-07-28 中国市政工程西南设计研究总院有限公司 城市道路网络容量优化方法、装置、设备及可读存储介质
CN116504069B (zh) * 2023-06-26 2023-09-05 中国市政工程西南设计研究总院有限公司 城市道路网络容量优化方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN113763713B (zh) 2022-04-19

Similar Documents

Publication Publication Date Title
CN108564234B (zh) 一种智能网联汽车的交叉口无信号自组织通行控制方法
CN109377750B (zh) 一种基于渗流分析的交通系统弹性临界点确定方法
CN113763713B (zh) 一种路网瓶颈路段发掘与管理方法及装置
CN112629533B (zh) 基于路网栅格化道路车流预测的精细化路径规划方法
Gokulan et al. Distributed geometric fuzzy multiagent urban traffic signal control
GB2599765A (en) Vehicle traffic flow prediction method with missing data
CN109612488B (zh) 基于大数据微服务的混合出行方式路径规划系统及方法
CN104778834A (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN110136435A (zh) 一种多感染阈值、多传播并存的拥堵网络化传播模型
CN114093168A (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
CN109086910A (zh) 城市轨道交通运营路网拓扑结构建模方法
CN113408189B (zh) 基于可变元胞的城市多点循环式紧急疏散与仿真推演方法
CN113362605B (zh) 基于潜在同质区域分析的分布式高速路优化系统及方法
CN116564087A (zh) 一种基于大数据的路网均衡控制方法及系统
CN111145544A (zh) 一种基于拥堵蔓延消散模型的行程时间及路径预测方法
CN105095984A (zh) 一种地铁列车轨迹的实时预测方法
CN114926981B (zh) 一种路网交通拥堵主动管控方法及系统
CN105083334A (zh) 地铁列车冲突预警方法
Xu et al. Traffic signal control based on Markov decision process
CN105139328B (zh) 面向车牌识别数据的旅行时间实时预测方法及装置
Zhu et al. A prediction-based route guidance method toward intelligent and green transportation system
CN113327422A (zh) 一种基于区块链的智能交通调控方法及系统
CN105083322A (zh) 一种地铁列车冲突预警方法
CN113903171B (zh) 一种基于高速路网时空特性的车辆群智感知节点优化方法
Daissaoui et al. First specifications of urban traffic-congestion forecasting models

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