CN114093168B - 一种基于韧性视角下的城市道路交通运行状态评价方法 - Google Patents
一种基于韧性视角下的城市道路交通运行状态评价方法 Download PDFInfo
- Publication number
- CN114093168B CN114093168B CN202111370538.8A CN202111370538A CN114093168B CN 114093168 B CN114093168 B CN 114093168B CN 202111370538 A CN202111370538 A CN 202111370538A CN 114093168 B CN114093168 B CN 114093168B
- Authority
- CN
- China
- Prior art keywords
- road
- network
- urban
- traffic
- topological
- 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.)
- Active
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
Abstract
本发明公开了一种基于韧性视角下的城市道路交通运行状态评价方法,包括如下步骤:基于城市道路网络拓扑结构,分别采用原始法和对偶法构建城市路网拓扑模型;基于城市路网拓扑模型和浮动车GPS数据,从“宏观‑中观‑微观”层面出发,生成道路韧性的关键性能指标,构建动态拓扑网络,利用渗流理论探究城市交通拥堵扩散的内在机理,确定路网最小要求性能;结合道路韧性演变曲线,用时间序列中每个时刻道路韧性的损失来表征道路运行状态,从系统的角度分析交通状态的演变过程,识别拥堵扩散的临界阈值。本发明有助于交管部门开展大面积交通拥堵事件的预警和防控工作,避免城市交通大面积瘫痪。
Description
技术领域:
本发明涉及城市交通管理与控制领域,尤其涉及一种基于韧性视角下的城市道路交通运行状态评价方法,进一步属于道路交通运行状态评价技术领域。
背景技术:
城市交通系统对自然和人为因素造成的扰动、中断和崩溃非常敏感,因此构建韧性交通系统在建设韧性城市中具有重要的地位。交通拥堵是城市道路网络最常见的风险隐患,以城市路网这一关键基础设施为研究对象,对其韧性的提高主要依赖于对大面积拥堵事件的及时预警和防控措施,能有效避免城市大面积交通瘫痪,其中最关键的问题在于城市道路交通运行状态的实时评估。
随着智能感知技术的蓬勃发展,城市道路交通运行状态的评价始终是交通领域的研究热点。多数研究采用速度、延误时间指数、严重拥堵里程比例、行程时间指数等作为主要评价指标。现有的评价方法主要分两类:一种是通过对交通流数据进行数理统计与数据挖掘,随后基于阈值划分进行评价;另一种是用机器学习或深度学习算法(如模糊逻辑、神经网络、聚类分析等)识别交通运行状态。
以上这些方法在实际应用过程中往往存在以下问题:
(1)发布对象偏向社会公众,缺乏面向管理者的评估指标。不论是互联网公司(百度、高德)还是各地交通部门发布的道路交通运行指数,其目标主要是通俗易懂地向出行者反映路网交通状态及拥堵情况,但发布的内容很难从管理者角度跟踪评价路段运行态势演变情况。常用的评估指标体系为一维结构,均从交通运行强度维度进行评估,相关指标如行程延时指数、交通运行指数、行程速度等,缺乏同时考虑时间和空间两个维度的综合指标,解决从系统角度量化城市道路交通运行状态的问题。
(2)分析方法尚未考虑交通系统的韧性特性。随着我国城市数字化转型的全面推进,各大城市相继构建基于全面感知的城市智慧交通平台,能够实现城市道路交通运行状态的实时感知。然而,现有的交通状态评价方法尚未从城市交通网络层面考虑交通系统的韧性特性,缺乏对交通拥堵时空特性的深入挖掘,无法研判路网大面积拥堵扩散的临界阈值,难以支撑交管部门开展大面积交通拥堵事件的预警和防控工作。
以上这些方法的局限在于没有动态考虑城市路网交通状态的演变过程,挖掘道路网络结构和运行状态之间的相互关系,从管理者的角度研判大面积拥堵扩散的临界阈值。交通系统具有典型的动态特征,某个路段的拥堵可以视为系统组件的失效,而某些组件的失效又会影响到周边相连的组件,引起一系列级联失效(拥堵传播)现象,最终导致路网大面积交通瘫痪。对于城市道路网络,渗流理论可以用来研究路网的局部连通状态和全局连通状态的关系,实现对拥堵传播过程的数字化建模。根据渗流理论,路网存在一个相变阈值。此时,若路段交通拥堵无法得到有效控制,拥堵将在路网上呈现急剧扩散的趋势。因此,本发明从韧性城市的要求出发,通过道路的韧性损失来评估道路交通运行状况,从系统的角度分析了交通状态的演变过程。利用渗流理论,分析城市道路网络结构和运行状态之间的相互关系,探究城市交通拥堵扩散的内在机理,识别拥堵扩散的临界阈值,对城市大面积拥堵事件的及时预警和防控发挥重要作用。
发明内容:
为了弥补现有技术问题,本发明的目的是提供一种基于韧性视角下的城市道路交通运行状态评价方法,利用城市浮动车GPS数据和路网数据,通过分析道路网络结构和交通运行状态之间的相互关系,探究城市交通拥堵扩散的内在机理;建立基于韧性视角下的城市道路交通运行状态评估方法,从系统的角度分析交通状态的演变过程,实时评估城市道路交通运行状态,识别拥堵扩散的临界阈值。
本发明的技术方案如下:
一种基于韧性视角下的城市道路交通运行状态评价方法,其特征在于,包括如下步骤:
步骤一:基于城市道路网络拓扑结构,分别采用原始法构建城市路网拓扑模型和对偶法构建城市路网拓扑模型;
步骤二:基于城市路网拓扑模型和浮动车GPS数据,从“宏观-中观-微观”层面出发,融合宏观的路段拓扑指标、中观的属性指标和微观的性能指标生成综合评价指标,作为表征道路韧性的关键性能指标,设为P(t);
步骤三:基于关键性能指标,构建动态拓扑网络,利用渗流理论分析道路网络结构和交通运行状态之间的相互关系,探究城市交通拥堵扩散的内在机理,计算动态网络的相变阈值,确定路网最小要求性能;
步骤四:根据关键性能指标和最小要求性能,结合道路韧性演变曲线,构建基于韧性视角下的城市道路交通运行状态评估方法;用时间序列中每个时刻道路韧性的损失来表征道路运行状态,从系统的角度分析交通状态的演变过程,识别拥堵扩散的临界阈值。
所述的基于韧性视角下的城市道路交通运行状态评价方法,其特征在于,步骤一所述的原始法构建城市路网拓扑模型:是指从实际城市道路网络中抽象出节点和连边,通常将城市道路管理系统划分的各个路段抽象为拓扑网络的连边,将路段与路段之间的连接路口抽象为拓扑网络的节点,则城市道路系统中各个路段之间的连接关系可以用一个拓扑网络来表示。
所述的基于韧性视角下的城市道路交通运行状态评价方法,其特征在于,步骤一所述的对偶法构建城市路网拓扑模型:与原始法构建城市路网拓扑模型相反,是指以路段为拓扑结构中的节点,以路段之间的交叉点为拓扑结构中的边,重点体现每条路段之间的相互衔接关系,能够突出道路网络结构特征及拓扑特性。
所述的基于韧性视角下的城市道路交通运行状态评价方法,其特征在于,所述的步骤二融合路段拓扑指标包括度中心性、接近中心性和中介中心性;属性指标包括路段车道数和是否含有公交专用道;性能指标为相对速度。
所述的基于韧性视角下的城市道路交通运行状态评价方法,其特征在于,所述的度中心性指给定节点在网络中与之直接连接的节点个数;接近中心性指某个节点到网络中其余所有节点的最短路径距离之和的倒数;中介中心性指网络中所有节点对的最短路径中经过该节点的比例。
所述的基于韧性视角下的城市道路交通运行状态评价方法,其特征在于,所述的相对速度在指t时刻当前路段的实时速度值与路段的最大限速值的比值。
所述的基于韧性视角下的城市道路交通运行状态评价方法,其特征在于,利用主成分分析将多维指标转化为路段关键性能指标,表征道路韧性的关键性能指标P(t)具体公式为:
其中,wi为第i个指标的权重,通过对融合路段拓扑指标、属性指标和性能指标依次进行归一化处理,建立指标之间的相关系数矩阵,计算相关系数矩阵的特征值与特征向量,通过主成分分析得到各项指标的权重;Ii(t)为t时刻第i个指标,其中,I1:度中心性;I2:接近中心性;I3:中介中心性;I4:车道数;I5:公交专用道;I6(t):相对速度。
所述的基于韧性视角下的城市道路交通运行状态评价方法,其特征在于,步骤三其具体做法包括以下内容:
(1)分析城市动态拓扑网络的渗流过程:将计算所得的P(t)作为原始法构建的拓扑网络中当前路段在当前时刻的权值;将各个时刻带权值的城市交通拓扑网络作为一个集合,就构成了城市动态拓扑网络,所述的动态指的是具有时间属性;每一个时刻,在建立的动态拓扑网络中,给定一个控制变量,设其为P(q),则每一条道路分成两种状态:畅通即P(t)≥P(q)和拥堵即P(t)<P(q);保留拓扑网络中畅通的边,移除拥堵的边,则剩下的网络就是t时刻由各个运行状况良好的连边和节点组成的强连通集团,强连通集团指的是一个边和节点的集合,这个集合中任意两个节点之间至少存在一条由若干交通流处于畅通状态的边首尾相接形成的畅通路径;通过设置P(q)值从0到1以一定的间隔不断变化,可以观察到宏观网络自由流崩溃并分裂成局部自由流的渗流过程;
(2)根据渗流过程确定城市交通动态网络的相变阈值:根据渗流理论,在控制变量P(q)值从0到1的变化过程中,存在某一个特定的值,此时网络中的次大连通集团的尺寸会达到最大值,次大连通集团的尺寸定义为包含的连边或是节点的数量,网络结构会发生相变,对应的P(q)值就是相变阈值,记为P(qc),其从网络的角度反映了交通流的运行效率。
所述的基于韧性视角下的城市道路交通运行状态评价方法,其特征在于,将计算所得的P(t)作为原始法构建的拓扑网络中当前路段在当前时刻的权值,对于每个时刻的带权的动态拓扑网络,统计每个时刻的渗流阈值P(qc),计算路网最小要求性能,公式如下:
其中,MRP为路网最小要求性能,n为时间间隔总数,α为上周所有时间间隔下的P(qc)的平均值。
与传统的交通运行状态评价方法相比,本发明具有如下优点:
1、本发明一方面提出面向管理者的道路交通运行状态评估指标,从管理者角度跟踪评价路段运行态势演变情况,同时考虑时间和空间两个维度的综合指标,解决从系统角度量化城市道路交通运行状态的问题;
另一方面兼顾了韧性城市的要求,从城市交通网络层面考虑交通系统的韧性特性,深入挖掘交通拥堵时空特性,有助于研判路网大面积拥堵扩散的临界阈值,支撑交管部门开展大面积交通拥堵事件的预警和防控工作;
2、本发明具体地从“宏观-中观-微观”层面出发,融合路段拓扑指标、属性指标和性能指标生成综合评价指标,作为表征道路韧性的关键性能指标,提出了面向交通管理者的道路运行状态量化指标,从系统的角度分析了交通状态的演变过程;
3、本发明考虑交通系统的韧性特性,利用城市浮动车GPS数据和路网数据,基于渗流理论挖掘道路网络结构和交通运行状态之间的相互关系,能实时评估城市道路交通运行状态并有效识别路网拥堵扩散的临界阈值,有助于交管部门开展大面积交通拥堵事件的预警和防控工作,避免城市大面积交通瘫痪。
附图说明:
图1为本发明的方法流程图。
图2为本发明原始路网拓扑结构图。
图3为本发明原始法构建路网拓扑模型图。
图4为本发明对偶法构建路网拓扑模型图。
图5为本发明的道路韧性曲线。
具体实施方式:
下面将结合附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
本发明为一种基于韧性视角下的城市道路交通运行状态评价方法,具体包含以下步骤:
步骤一:基于城市道路网络拓扑结构,如图1所示,分别采用原始法和对偶法构建城市路网拓扑模型:
(1)本发明以某城市A中的某个行政区B为例,原始路网道路结构如图2所示,其中包括城市快速路及主干路37条、次干路32条和42个交叉口。考虑到支路是地区(如居住区)内部道路,以服务地区内部交通功能为主,因此本方法不考虑支路对路网交通运行状态的影响。
(2)通过上述原始路网道路结构,采用原始法构建城市路网拓扑模型,从实际道路网络中将路段抽象为连边,将交通节点抽象点,构成如图3所示的路网拓扑模型,为评价城市道路交通运行状态奠定基础。
(3)通过上述原始路网道路结构,采用对偶法构建城市路网拓扑模型,以路段为拓扑结构中的节点,以路段之间的交叉点为拓扑结构中的边,构成如图4 所示的路网拓扑模型,重点体现每条路段之间的相互衔接关系,能够突出网络结构特征及拓扑特性,为计算道路拓扑指标奠定基础。
步骤二:基于城市路网拓扑模型和浮动车GPS数据,从“宏观-中观-微观”层面出发,融合路段拓扑指标、属性指标和性能指标生成综合评价指标,作为表征道路韧性的关键性能指标,设为P(t):
(1)在分析影响道路交通运行状态因素的基础上,建立多维评价指标,如表 1所示。各指标的计算公式如下所示:
表1:多维评价指标
其中,I2(i)表示节点i的接近中心性,d(i,j)为节点i到节点j的距离
其中,I6(t)表示t时刻路段相对速度,Vs(t)为t时刻当前路段的实测速度值, V(i)为当前路段的最大限速值。在此步骤中,由于空间平均速度可以更好地描述路段的一般特征,因此将浮动车的时间平均速度转换为各个路段上的空间平均速度。浮动车GPS轨迹数据的处理方法在交通领域已有公知技术和文献支持,此处不再赘述。但由于个别路段在某些时段没有浮动车行驶,无法采集到车速数据,因此采用插值法补全缺失数据。对于没有速度数据的道路,取与之相连的道路的平均速度作为其运行速度。重复整个过程,直到获取每一时刻所有道路的速度数据。由于道路按照通行能力分为不同的等级,选择路段每日所有速度的第95百分位数作为道路最大限速值。
(2)通过对偶法构建的城市路网拓扑模型计算路段的拓扑指标,根据路段自身车道数及是否含有公交专用车道确定路段的属性指标。将1天划分为288个时间间隔(每5分钟1个间隔),根据浮动车GPS数据计算不同时间间隔下路段的性能指标。
(3)利用主成分分析将多维指标转化为路段关键性能指标。通过对多维指标 (融合路段拓扑指标、属性指标和性能指标)依次进行归一化处理,建立指标之间的相关系数矩阵,计算相关系数矩阵的特征值与特征向量,得到各项指标的权重(算法为已知主成分分析法,不再赘述),最终确定关键性能指标P(t),具体公式为:
其中,wi为第i个指标的权重。
步骤三:基于关键性能指标,构建动态拓扑网络,利用渗流理论分析道路网络结构和交通运行状态之间的相互关系,探究城市交通拥堵扩散的内在机理,计算动态网络的相变阈值,确定路网最小要求性能:
将计算所得的P(t)作为原始法构建的拓扑网络中当前路段在当前时刻的权值。对于每个时刻的带权的动态拓扑网络,统计每个时刻的渗流阈值P(qc),通过如下公式计算路网最小要求性能:
其中,MRP为路网最小要求性能,n为时间间隔总数,α为上周所有时间间隔下的P(qc)的平均值。
步骤四:根据关键性能指标和最小要求性能,结合道路韧性演变曲线,构建基于韧性视角下的城市道路交通运行状态评估方法。用时间序列中每个时刻道路韧性的损失来表征道路运行状态,从系统的角度分析了交通状态的演变过程,识别拥堵扩散的临界阈值:
根据路段关键性能指标P(t)在整个时间序列中的演变过程,绘制道路韧性演变曲线,如图5所示。扰动发生前指的是路段韧性始终维持在鲁棒性范围内的时段,此时段内道路始终保持畅通;扰动持续过程中指的是拥堵从出现到消散的全时段:A点表示路段韧性已经不在系统鲁棒性范围内即路段出现轻微拥堵;B点指的是路段韧性刚好达到系统最小要求性能,其中最小要求性能是路网出现渗流现象即大面积交通拥堵出现的临界阈值,当路段的韧性小于这个阈值时会导致路网拥堵急剧扩散;C点表示路段韧性达到最低点,之后随着交通管理措施和车流量的减少,路段韧性将缓慢恢复。扰动发生后指的是路段韧性在交通拥堵消散后重新回到系统的鲁棒性范围内。用时间序列中每个时刻道路韧性的损失来表征道路运行状态,从系统的角度分析了交通状态的演变过程。结合路网最小要求性能,以图中D点为例,计算基于韧性视角下的城市道路交通运行状态评估方法中的关键参数(鲁棒性范围(Rr),拥堵程度(Cm),阻力系数(Re),拥堵指数(CI)),计算公式如下所示:
原始状态P(t0):由道路的最大限速值决定,即I6=1的情况下路段的韧性,每个路段的原始状态都不相同。
鲁棒性范围(Rr):系统韧性在一定范围内的波动是可以接受的(例如,特定范围内的血压变化是正常的),因此需要确定韧性波动的Rr。Rr的范围由早晨0 点到6点的路段P(t)波动范围决定。
拥堵程度(Cm):它衡量和在某一时刻交通拥堵的程度,计算公式如下所示:
Cm=P(t0)-P(t1)
值得注意的是,当路段某一时刻的P(t)在鲁棒性范围内即视为车辆是自由流动的,此时Cm=0
阻力系数(Re):它表示由路网相变所造成的拥堵的严重程度,与路网最小要求性能密切相关。拓扑网络相变后,系统韧性需要花费较多的时间和成本才能恢复正常,其计算公式如下所示:
拥堵指数(CI):从系统韧性的角度出发,将系统韧性的损失视为拥堵的指数,其计算公式如下所示:
CI=Cm+Re
采用上述方法观察实时交通动态网络中拥堵指数随时间的变化过程,能实时评估城市道路交通运行状态并有效识别路网拥堵扩散的临界阈值,有助于交管部门开展大面积交通拥堵事件的预警和防控工作,避免城市交通大面积瘫痪。
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 (1)
1.一种基于韧性视角下的城市道路交通运行状态评价方法,其特征在于,包括如下步骤:
步骤一:基于城市道路网络拓扑结构,分别采用原始法构建城市路网拓扑模型和对偶法构建城市路网拓扑模型;
步骤二:基于城市路网拓扑模型和浮动车GPS数据,从“宏观-中观-微观”层面出发,融合宏观的路段拓扑指标、中观的属性指标和微观的性能指标生成综合评价指标,作为表征道路韧性的关键性能指标,设为P(t);
步骤三:基于关键性能指标,构建动态拓扑网络,利用渗流理论分析道路网络结构和交通运行状态之间的相互关系,探究城市交通拥堵扩散的内在机理,计算动态网络的相变阈值,确定路网最小要求性能;
步骤四:根据路段关键性能指标P(t)在整个时间序列中的演变过程,绘制道路韧性演变曲线,根据关键性能指标和最小要求性能,结合道路韧性演变曲线,构建基于韧性视角下的城市道路交通运行状态评估方法;用时间序列中每个时刻道路韧性的损失来表征道路运行状态,从系统的角度分析交通状态的演变过程,识别拥堵扩散的临界阈值;
步骤一所述的原始法构建城市路网拓扑模型:是指从实际城市道路网络中抽象出节点和连边,通常将城市道路管理系统划分的各个路段抽象为拓扑网络的连边,将路段与路段之间的连接路口抽象为拓扑网络的节点,则城市道路系统中各个路段之间的连接关系用一个拓扑网络来表示;
步骤一所述的对偶法构建城市路网拓扑模型:与原始法构建城市路网拓扑模型相反,是指以路段为拓扑结构中的节点,以路段之间的交叉点为拓扑结构中的边,重点体现每条路段之间的相互衔接关系,能够突出道路网络结构特征及拓扑特性;
所述的步骤二融合路段拓扑指标包括度中心性、接近中心性和中介中心性;属性指标包括路段车道数和是否含有公交专用道;性能指标为相对速度;
所述的度中心性指给定节点在网络中与之直接连接的节点个数;接近中心性指某个节点到网络中其余所有节点的最短路径距离之和的倒数;中介中心性指网络中所有节点对的最短路径中经过该节点的比例;
所述的相对速度在指t时刻当前路段的实时速度值与路段的最大限速值的比值;
利用主成分分析将多维指标转化为路段关键性能指标,表征道路韧性的关键性能指标P(t)具体公式为:
其中,wi为第i个指标的权重,通过对融合路段拓扑指标、属性指标和性能指标依次进行归一化处理,建立指标之间的相关系数矩阵,计算相关系数矩阵的特征值与特征向量,通过主成分分析得到各项指标的权重;Ii(t)为t时刻第i个指标,其中,I1(t):度中心性;I2(t):接近中心性;I3(t):中介中心性;I4(t):车道数;I5(t):公交专用道;I6(t):相对速度;
步骤三其具体做法包括以下内容:
(1)分析城市动态拓扑网络的渗流过程:将计算所得的P(t)作为原始法构建的拓扑网络中当前路段在当前时刻的权值;将各个时刻带权值的城市交通拓扑网络作为一个集合,就构成了城市动态拓扑网络,所述的动态指的是具有时间属性;每一个时刻,在建立的动态拓扑网络中,给定一个控制变量,设其为P(q),则每一条道路分成两种状态:畅通即P(t)≥P(q)和拥堵即P(t)<P(q);保留拓扑网络中畅通的边,移除拥堵的边,则剩下的网络就是t时刻由各个运行状况良好的连边和节点组成的强连通集团,强连通集团指的是一个边和节点的集合,这个集合中任意两个节点之间至少存在一条由若干交通流处于畅通状态的边首尾相接形成的畅通路径;通过设置P(q)值从0到1以一定的间隔不断变化,可以观察到宏观网络自由流崩溃并分裂成局部自由流的渗流过程;
(2)根据渗流过程确定城市交通动态网络的相变阈值:根据渗流理论,在控制变量P(q)值从0到1的变化过程中,存在某一个特定的阈值,此时网络中的次大连通集团的尺寸会达到最大值,次大连通集团的尺寸为包含的连边或是节点的数量,网络结构会发生相变,对应的P(q)值就是相变阈值,记为P(qc),其从网络的角度反映了交通流的运行效率;
将计算所得的P(t)作为原始法构建的拓扑网络中当前路段在当前时刻的权值,对于每个时刻的带权的动态拓扑网络,统计每个时刻的渗流阈值P(qc),计算路网最小要求性能,公式如下:
其中,MRP为路网最小要求性能,n为时间间隔总数,α为上周所有时间间隔下的P(qc)的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111370538.8A CN114093168B (zh) | 2021-11-18 | 2021-11-18 | 一种基于韧性视角下的城市道路交通运行状态评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111370538.8A CN114093168B (zh) | 2021-11-18 | 2021-11-18 | 一种基于韧性视角下的城市道路交通运行状态评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114093168A CN114093168A (zh) | 2022-02-25 |
CN114093168B true CN114093168B (zh) | 2022-11-11 |
Family
ID=80301914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111370538.8A Active CN114093168B (zh) | 2021-11-18 | 2021-11-18 | 一种基于韧性视角下的城市道路交通运行状态评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114093168B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311858B (zh) * | 2022-08-08 | 2023-07-21 | 长安大学 | 基于交通流韧性的城市路段分级管制方法 |
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 |
CN115359663B (zh) * | 2022-10-21 | 2023-03-14 | 四川省公路规划勘察设计研究院有限公司 | 山区公路灾害路段抗灾韧性计算方法、装置以及电子设备 |
CN115759486B (zh) * | 2023-01-06 | 2023-05-12 | 中交路桥检测养护有限公司 | 城市桥梁灾变预测与韧性评估方法和系统 |
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 |
CN116343487B (zh) * | 2023-05-19 | 2023-08-01 | 武汉理工大学 | 兼顾全局效率与局部错位的城市交通路网韧性评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135093A (zh) * | 2019-05-22 | 2019-08-16 | 北京城市系统工程研究中心 | 面向暴雨内涝的城市道路交通系统韧性评估方法 |
CN112185116A (zh) * | 2020-09-29 | 2021-01-05 | 重庆文理学院 | 一种城市道路交通网络抗灾韧性能力评估方法 |
CN113284354A (zh) * | 2021-06-18 | 2021-08-20 | 北京航空航天大学 | 一种基于强化学习的交通弹性调控方法及系统 |
CN113409578A (zh) * | 2021-06-25 | 2021-09-17 | 北京航空航天大学 | 一种基于模糊聚类的交通网络健康画像方法及系统 |
-
2021
- 2021-11-18 CN CN202111370538.8A patent/CN114093168B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135093A (zh) * | 2019-05-22 | 2019-08-16 | 北京城市系统工程研究中心 | 面向暴雨内涝的城市道路交通系统韧性评估方法 |
CN112185116A (zh) * | 2020-09-29 | 2021-01-05 | 重庆文理学院 | 一种城市道路交通网络抗灾韧性能力评估方法 |
CN113284354A (zh) * | 2021-06-18 | 2021-08-20 | 北京航空航天大学 | 一种基于强化学习的交通弹性调控方法及系统 |
CN113409578A (zh) * | 2021-06-25 | 2021-09-17 | 北京航空航天大学 | 一种基于模糊聚类的交通网络健康画像方法及系统 |
Non-Patent Citations (2)
Title |
---|
交通运输系统韧性研究综述;刘洁等;《科技和产业》;20200225(第02期);全文 * |
滨海地区城市道路水安全韧性评价研究;王琳等;《建筑节能》;20180725(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114093168A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN108109382B (zh) | 基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 | |
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 | |
CN101604478B (zh) | 一种动态交通信息的处理方法及系统 | |
CN110111576B (zh) | 一种基于时空拥堵子团的城市交通弹性指标的实现方法 | |
GB2599765A (en) | Vehicle traffic flow prediction method with missing data | |
CN109410577A (zh) | 基于空间数据挖掘的自适应交通控制子区划分方法 | |
KR20200040501A (ko) | 교통 정보 예측 방법, 장치 및 컴퓨터 프로그램 | |
JP2011138486A (ja) | 交差点とセクションに基づくトラフィック情報の処理方法と装置 | |
CN109859480A (zh) | 基于复杂网络的拥堵路段建模和评估方法 | |
CN104050803A (zh) | 一种区域高速路网运行状态评价方法 | |
CN104766475A (zh) | 一种城市交通瓶颈挖掘方法 | |
CN109345434B (zh) | 一种开放式小区内外部道路设计安全评价的方法 | |
CN113096404B (zh) | 一种面向道路封锁的路网交通流变动定量计算方法 | |
CN111145536A (zh) | 一种基于异常检测的道路网络脆性评价方法 | |
CN109409713A (zh) | 基于贝叶斯模型和三倍标准差准则的道路网络评估方法 | |
CN109785625B (zh) | 一种城市路网运行状态的“红绿”区域识别和评价方法 | |
CN113763713B (zh) | 一种路网瓶颈路段发掘与管理方法及装置 | |
Samaranayake et al. | Learning the dependency structure of highway networks for traffic forecast | |
CN113409576B (zh) | 一种基于贝叶斯网络的交通路网动态预测方法及系统 | |
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 | |
CN113538921B (zh) | 一种基于t-cps系统的监测体系的构建方法 | |
Wang et al. | Congestion prediction for urban areas by spatiotemporal data mining | |
CN112598305B (zh) | 基于局域结构流量的城市路网重要节点识别方法 | |
CN111105617B (zh) | 基于矩阵稳定性分析的智能交通预测系统 |
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 |