CN114742389A - 基于gra和改进topsis的城市道路施工期缓堵交通组织方案比选方法 - Google Patents
基于gra和改进topsis的城市道路施工期缓堵交通组织方案比选方法 Download PDFInfo
- Publication number
- CN114742389A CN114742389A CN202210350632.5A CN202210350632A CN114742389A CN 114742389 A CN114742389 A CN 114742389A CN 202210350632 A CN202210350632 A CN 202210350632A CN 114742389 A CN114742389 A CN 114742389A
- Authority
- CN
- China
- Prior art keywords
- scheme
- index
- evaluation index
- value
- evaluation
- 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.)
- Pending
Links
- 230000008520 organization Effects 0.000 title claims abstract description 62
- 238000010276 construction Methods 0.000 title claims abstract description 57
- 238000010187 selection method Methods 0.000 title description 3
- 238000011156 evaluation Methods 0.000 claims abstract description 115
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000004088 simulation Methods 0.000 claims abstract description 20
- 230000009467 reduction Effects 0.000 claims abstract description 17
- 238000010219 correlation analysis Methods 0.000 claims abstract description 8
- 238000012163 sequencing technique Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 71
- 238000000513 principal component analysis Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 10
- 238000002360 preparation method Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 7
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 claims 1
- 229910052731 fluorine Inorganic materials 0.000 claims 1
- 239000011737 fluorine Substances 0.000 claims 1
- 238000012847 principal component analysis method Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于GRA和改进TOPSIS的城市道路施工期缓堵交通组织方案比选方法,属于交通组织管理领域,构建多层次的道路施工期缓堵交通组织方案评价指标体系;搭建施工影响区域的路网仿真模型,并对各缓堵交通组织方案进行仿真模拟,从而获取各缓堵交通组织方案的评价指标值;确定评价指标体系中各评价指标的主观权重和客观权重,并融合得到综合权重;采用主成分分析法对评价指标进行降维处理;将灰色关联分析法和改进TOPSIS方法相结合计算得到各方案的相对贴近度,并根据相对贴近度对各方案进行排序。本发明能够科学合理地对施工期缓堵交通组织方案进行比选,并确定最优的施工期交通组织方案,从而有效缓解施工期道路的交通拥堵状况。
Description
技术领域
本发明属于交通组织管理技术领域,更具体地,涉及一种基于GRA和改进TOPSIS的城市道路施工期缓堵交通组织方案比选方法。
背景技术
随着城市规模的不断扩大,城市交通设施的供给能力也越来越难以满足人们的出行需求,因此城市道路改造需求也不断增长。然而由于城市道路改造施工期间会占用部分车道,使得原本就紧张的道路资源更加吃紧,从而导致施工区域周边路网拥堵频发。因此针对城市道路改造施工期间发生的交通拥堵制定合理有效的缓堵交通组织方案是至关重要的。然而目前缓堵交通组织方案通常是根据经验确定的,方案的科学性和合理性难以保证,导致方案实施效果较差,因此需要提出一种定量的比选方法确定最优的施工期缓堵交通组织方案,从而有效改善施工区域周边路网的交通拥堵状况。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提出了一种城市道路施工期缓堵交通组织方案比选方法,能够对施工期缓堵交通组织方案进行定量比选,为合理制定施工期缓堵交通组织方案提供了理论依据。
为实现上述目的,本发明提供了一种基于GRA和改进TOPSIS的城市道路施工期缓堵交通组织方案比选方法,包括:
(1)构建多层次的城市道路施工期缓堵交通组织方案评价指标体系;
(2)搭建施工区域的路网仿真模型,并对各缓堵交通组织方案进行仿真模拟,基于城市道路施工期缓堵交通组织方案评价指标体系获取各缓堵交通组织方案的评价指标值,并对各缓堵交通组织方案的评价指标值进行归一化处理后,构建得到标准化决策矩阵;
(3)确定城市道路施工期缓堵交通组织方案评价指标体系中各评价指标权重值,并由各评价指标权重值及标准化决策矩阵计算得到加权决策矩阵;
(4)采用主成分法分析法PCA对评价指标的加权决策矩阵进行降维处理;
(5)基于降维后的决策矩阵,结合灰色关联分析法GRA和改进TOPSIS方法计算各方案的相对贴近度,并根据相对贴近度对各方案进行排序。
在一些可选的实施方案中,步骤(2)包括:
使用VISUM软件对路网进行构建和调整,根据路段车流量反推交通需求矩阵,并采用基于仿真的动态交通分配方法SBA将车流量加载到路网中;将VISUM建立好的模型导入VISSIM后自动生成车辆路径,使用VISSIM软件统计并输出各方案的评价指标值;对各缓堵交通组织方案的评价指标值进行归一化处理后,构建得到标准化决策矩阵。
在一些可选的实施方案中,步骤(3)包括:
(3.1)采用模糊层次分析法确定各评价指标的主观权重值;
(3.2)采用CRITIC方法确定各评价指标的客观权重值;
(3.3)根据最小鉴别信息原理融合主观权重值和客观权重值确定各评价指标的综合权重值,将综合权重和标准化决策矩阵相乘得到加权决策矩阵。
在一些可选的实施方案中,步骤(3.1)包括:
(3.1.1)用三角模糊数取代1~9标度值对指标进行模糊评价从而得到各层次指标的模糊判断矩阵R=(rij)n×n,rij是指标i相对于指标j的重要性,rij=(lij,mij,uij),lij、mij和uij分别为三角模糊数的悲观值、可能值和乐观值,其中,采用九标度模糊评判法描述两个指标的相对重要性,n表示指标个数;
(3.1.3)由di=V(Si≥S1,S2,…,Sn)=minV(Si≥Sj)计算各指标大于其他指标的可能度,Si≥Sj的可能度为V(Si≥Sj);
在一些可选的实施方案中,步骤(3.2)包括:
(3.2.1)计算各评价指标在不同方案下的标准差,根据各评价指标的标准差以及各评价指标间的相关系数得出个各评价指标的信息量;
在一些可选的实施方案中,步骤(3.3)包括:
在一些可选的实施方案中,步骤(4)包括:
(4.1)计算加权决策矩阵的协方差矩阵;
(4.2)计算协方差矩阵特征值及其对应的特征向量,并将特征值从大到小进行排列;
(4.3)计算各主成分贡献率及累计贡献率,取累计贡献率在预设值以上的若干个特征值对应的特征向量作为主要成分;
(4.4)将加权决策矩阵与主要成分相乘得到加权决策矩阵降维后的决策矩阵。
在一些可选的实施方案中,步骤(5)包括:
(5.1)根据降维后的决策矩阵构建正理想解H+和负理想解H-,其中,选取各评价指标在所有方案下的最大值作为正理想解,选取各评价指标在所有方案下的最小值作为负理想解;
(5.2)计算每个评价方案与正理想解和负理想解在各评价指标下的灰色关联系数,由灰色关联系数计算每个评价方案与正理想解和负理想解的灰色关联度;
(5.3)计算各方案与正理想解和负理想解之间的马氏距离;
(5.4)由计算各方案相对贴进度,根据相对贴进度的大小对方案进行排序,从而得到最优方案,ti +=ari ++bdi-,ti -=ari -+bdi +,a和b为常数,fi为第i个评价方案的相对贴进度,ri +为第i个方案与正理想解的灰色关联度,ri-为第i个方案与正理想解的灰色关联度,di +为第i个方案与正理想解的马氏距离,di -为第i个方案与负理想解的马氏距离。
在一些可选的实施方案中,多层次的城市道路施工期缓堵交通组织方案评价指标体系包括路网、路段和路口三个层次;
路网层次指标包括路网平均车速、路网平均延误、路网平均饱和度;
路段层次指标包括施工路段平均行程时间、施工路段饱和度、施工路段平均车速;
路口层次指标包括路口平均排队长度、路口平均延误时间、路口平均通行能力。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
本发明提供了一种基于GRA和改进TOPSIS的城市道路施工期缓堵交通组织方案比选方法,该方法首先从路网、路段、路口三个方面构建了多层次的城市道路施工期缓堵交通组织方案评价指标体系;综合考虑指标的主观权重和客观权重,采用模糊层次分析法和CRITIC方法确定每个评价指标的权重值;考虑评价存在指标数量多、关联性强的特点,采用主成分分析法(PCA)对评价指标进行降维处理;结合灰色关联分析法(GRA)和改进TOPSIS方法,从各方案序列几何关系和曲线几何形状的相似程度两个角度对方案进行了比较分析,从而科学合理的对各方案进行排序。本发明能够有效地对城市道路施工期缓堵交通组织方案进行定量比选,相比于根据传统工程经验制定缓堵交通组织方案而言,能够更加保证方案的科学性和合理性。
附图说明
图1是本发明实施例提供的一种城市道路施工期缓堵交通组织方案比选方法的流程图;
图2是本发明实施例提供的一种城市道路施工期缓堵交通组织方案评价指标体系的示意图;
图3是本发明实施例提供的一种VISUM路网模型;
图4是本发明实施例提供的一种方案一VISUM模型示意图;
图5是本发明实施例提供的一种方案二VISUM模型示意图;
图6是本发明实施例提供的一种方案三VISUM模型示意图;
图7是本发明实施例提供的一种方案四VISUM模型示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,本发明提供的一个实施例中的城市道路施工期缓堵交通组织方案比选方法,包括以下步骤:
步骤1:构建多层次的城市道路施工期缓堵交通组织方案评价指标体系;
步骤2:搭建施工区域的路网仿真模型,并对各缓堵交通组织方案进行仿真模拟,获取各缓堵交通组织方案的评价指标值,并进行归一化处理;
步骤3:确定城市道路施工期缓堵交通组织方案评价指标体系中各评价指标权重值,并计算得到加权决策矩阵;
步骤4:采用主成分法分析法(Principal Component Analysis,PCA)对评价指标进行降维处理;
步骤5:结合灰色关联分析法(Grey Relation Analysis,GRA)和改进TOPSIS方法计算各方案的相对贴近度,并根据相对贴近度对各方案进行排序。
在步骤2中基于中观和微观仿真软件,搭建施工区域的路网仿真模型,对各缓堵交通组织方案进行仿真模拟,并得到各方案的评价指标值,具体可以通过以下方式实现:
首先使用VISUM软件对路网进行构建和调整,根据路段车流量反推交通需求矩阵,并采用基于仿真的动态交通分配方法(simulation-based dynamic assignment,SBA)将车流量加载到路网中;接着将VISUM建立好的模型导入VISSIM后可自动生成车辆路径,使用VISSIM软件可以统计并输出各方案的评价指标值;最后对评价指标值进行归一化处理,其中,归一化处理计算过程为:
对于效益型指标,其无量纲化公式为:
对于成本型指标,其无量纲化公式为:
xmin与xmax分别表示指标x的最小值与最大值。
在步骤3中采用模糊层次分析法和CRITIC方法确定各评价指标的主观权重值和客观权重值,并根据最小鉴别信息原理融合主观权重值和客观权重值确定各评价指标的综合权重值。
其中,采用模糊层次分析法确定城市道路施工期交通组织方案评价指标体系中各评价指标的主观权重值。在传统的层次分析法中,专家对同一层次的指标采用1~9标度法进行两两评价从而建立判断矩阵,但实际上专家往往难以给出精确评价值,因此在模糊层次分析法中用模糊数取代1~9标度值对指标进行模糊评价从而得到模糊判断矩阵,更加符合人的逻辑思维。模糊层次分析法具体步骤包括:
(1)构建各层次模糊判断矩阵R=(rij)n×n,式中rij=(lij,mij,uij),lij,mij和uij分别为三角模糊数的悲观值、可能值、乐观值,对于多个专家的评判结果,可以运用三角模糊数的运算法则取平均值作为综合三角模糊数,两个三角模糊数Mi=(li,mi,ui)和Mj=(lj,mj,uj)的运算法则为:
Mi+Mj=(li+lj,mi+mj,ui+uj)
Mi×Mj=(li×lj,mi×mj,ui×uj)
用九标度模糊评判法描述两个指标的相对重要性,如表1所示。
表1 九标度模糊评判表
(2)计算各指标的模糊综合程度值:
(3)计算各指标大于其他指标的可能度di=V(Si≥S1,S2,…,Sn)=minV(Si≥Sj),式中Si≥Sj的可能度定义为:
其中,mi表示模糊数Si的可能值;mj表示模糊数Sj的可能值;ui表示模糊数Si的乐观值;lj表示模糊数Sj的悲观值;n表示指标个数。
(4)进行归一化处理得到各指标的主观权重值:
采用CRITIC法确定城市道路施工期交通组织方案评价指标体系中各指标的客观权重值,CRITIC法是一种基于评价指标值的客观赋权法,考虑了样本的对比强度和各指标间的冲突性。对比强度是通过标准差来表示同一指标在各评价方案下取值的差异程度,指标的对比强度越大则指标的权重越大;冲突性是通过相关系数来表示各评价指标之间的不相关程度,指标的冲突性越大则指标的权重越小。具体步骤包括:
(a)计算各评价指标在不同方案下的标准差:
(b)根据各指标的标准差以及各指标间的相关系数得出个各指标的信息量:
式中,ρkj为第k个指标和第j个指标之间的相关系数;gj为第j个指标的信息量;n表示指标个数。
(c)根据信息量计算指标客观权重:
式中,wj为各指标的客观权重值。
融合主观权重和客观权重得到各指标综合权重,为使综合权重与客观权重和主观权重尽可能接近,根据最小鉴别信息原理确定评价指标的综合权重,目标函数为:
采用Lagrange乘子法求解上述问题,可得:
式中,wj为各指标的客观权重值;ωj为各指标的主观权重值;Wj为各指标的综合权重。
在步骤3中,将综合权重和标准化决策矩阵相乘得到加权决策矩阵:
其中,zij表示第i个方案的第j个指标的加权指标值;xmn表示第m个方案的第n个指标的无量纲化指标值。
在步骤4中,针对评价指标存在数量多、相关性强等问题,采用主成分法分析法PCA对评价指标的加权决策矩阵进行降维处理,具体步骤为:
(4.1)计算加权决策矩阵的协方差矩阵:
Cov(X,Y)=E[(X-E(X))(Y-E(Y))]
式中,C为协方差矩阵;Cov为向量之间的协方差;Zn表示加权决策矩阵Z的第n列向量。
(4.2)计算协方差矩阵特征值λj及其对应的特征向量ej,并将特征值从大到小进行排列,即λ1≥λ2…≥λn≥0;
(4.3)计算各主成分贡献率及累计贡献率:
一般情况下,取累计贡献率vsum在85%以上的k个特征值对应的特征向量E=(e1,…,ek)作为主要成分。
(4.4)计算加权决策矩阵降维后的决策矩阵:Z'=Z×E。
在步骤5中,结合灰色关联分析法GRA和改进TOPSIS方法计算各方案的相对贴近度,并根据相对贴近度对各方案进行排序。具体步骤为:
(5.1)根据降维后的决策矩阵构建正、负理想解。由于所有成本型评价指标已经转化为效益型评价指标,选取各指标在所有方案下的最大值作为正理想解,选取各指标在所有方案下的最小值作为负理想解,因此正理想解H+和负理想解H-计算公式如下:
其中,zij'表示降维后Z'中的值。
(5.2)计算各方案与正负理想解的灰色关联度。灰色关联分析法可定量分析两个因素之间相互关联程度,其本质是利用数据序列曲线间的贴近度进行分析比较,即几何形状越相似,关联程度越大,反之则越小。具体过程如下:
(i)计算每个评价方案与正、负理想解在各指标下的灰色关联系数:
式中,ρ为分辨系数(0<ρ<1),一般取0.5;ξij +为第i个方案下第j个指标与正理想解的灰色关联系数;ξij -为第i个方案下第j个指标与负理想解的灰色关联系数;hj +为第j个指标的正理想解;hj -为第j个指标的负理想解。
(ii)计算每个评价方案与正、负理想解的灰色关联度ri:
式中,ri +为第i个方案与正理想解的灰色关联度;ri -为第i个方案与正理想解的灰色关联度。
(5.3)计算各方案与正、负理想解之间的马氏距离。TOPSIS方法是一种根据多属性指标对多个对象进行评价比较选择的分析方法。其原理是通过计算有限个评价对象与最优目标和最劣目标的相对贴近度,对现有对象进行排序和优劣评价。但传统的TOPSIS方法没有考虑各评价指标间的相关性以及指标所包含的重叠信息对决策过程的影响,计算方案的贴近度并不能反映方案的优劣性。马氏距离考虑到各种特性之间的关联作用,克服了欧氏距离在测度距离时对各个变化程度不同的指标差别等同看待的缺点。因此,通过测量各评价方案与正负理想解之间的马氏距离来计算贴近度,能够很好地弥补这个不足。计算各评价方案与正、负理想解之间的马氏距离:
式中,di +为第i个方案与正理想解的马氏距离;di -为第i个方案与负理想解的马氏距离;Σ为协方差矩阵,Zi'表示矩阵Z'的第i行向量。
(5.4)计算各方案相对贴进度。灰色关联TOPSIS模型通过对各方案序列几何关系和曲线几何形状的相似程度进行比较分析,以曲线间相似程度大小作为关联度的关键尺度,曲线越接远,相应序列之间的关联度越小,应用多指标决策模型时,如果某一备选方案与方案本身设定的理想方案关联度越大,就可以认为该方案越接近理想方案。基于此,采用灰色关联TOPSIS模型,能克服传统评价方案的不足。相对贴进度的计算过程为:
ti +=ari ++bdi -
ti -=ari -+bdi +
式中,a和b通常取0.5;fi为第i个评价方案的相对贴进度。
最后根据相对贴进度的大小对评价方案进行排序,从而得到最优方案。
本发明的一个实施例中,以某城市主干路为例进行计算。图1为本发明实施例提供的基于GRA和改进TOPSIS的城市道路施工期缓堵交通组织方案比选方法流程图,根据图1所示流程进行方案比选。
步骤一:构建多层次的城市道路施工期缓堵交通组织方案评价指标体系;
本发明实施例提供的城市道路施工期缓堵交通组织方案评价指标体系图如图2所示。多层次的城市道路施工期缓堵交通组织方案评价指标体系包括路网、路段和路口三个层次;
路网层次指标包括路网平均车速、路网平均延误、路网平均饱和度;
路段层次指标包括施工路段平均行程时间、施工路段饱和度、施工路段平均车速;
路口层次指标包括路口平均排队长度、路口平均延误时间、路口平均通行能力。
步骤二:使用VISUM软件构建该城市主干路周边区域路网模型,如图3所示;对关键路口和路段进行了小时交通流量调查,并利用调查数据进行OD反推得到OD矩阵;采用基于SBA的交通动态分配仿真技术将交通量均衡地加载到路网中;将VISUM模型导入VISSIM,进行微观仿真并统计得到相关评价指标值。
针对该城市主干路施工期某一路口拥堵问题提出三种缓堵交通组织方案,并与现状交通组织方案进行对比:
方案一(现状交通组织方案):交通组织方式不发生变化。仿真模型如图4所示。
方案二:优化该交叉口转向车道分配,将该主干路东向西左转扩展1车道,减少左转转向车流过大,排队过长对主干路主线交通的影响。将该主干路西向东右转增加1车道,减少右转转向车流过大,排队过长对主干路主线交通的影响。仿真模型如图5所示。
方案三:优化周边四个交叉口信号相位配时,提高交叉口通行能力。仿真模型如图6所示。
方案四:提前在该主干路东侧前三个路口设置引导设施,指引车辆绕行,避免交通流均集中于该主干路施工道路。仿真模型如图7所示。
基于步骤二分别对以上四种交通组织方案进行交通仿真,统计得到交通组织方案评价指标值,四种交通组织方案评价指标值如表2所示。
表2 缓堵交通组织方案评价指标值表
步骤三:对指标值进行归一化处理,构建标准化决策矩阵如下:
步骤四:运用模糊层次分析法确定各评价指标的主观权重值;
确定各层次指标的模糊判断矩阵,并计算得到各层次指标的主观权重值如表3所示。
表3 评价指标主观权重值
步骤五:运用CRITIC法确定各评价指标的客观权重值,如表4所示。
表4 评价指标客观权重值
序号 | 评价指标 | 客观权重值 |
B1 | 路网平均车速 | 0.141 |
B2 | 路网平均延误 | 0.132 |
B3 | 路网平均饱和度 | 0.139 |
B4 | 施工路段平均行程时间 | 0.114 |
B5 | 施工路段饱和度 | 0.118 |
B6 | 施工路段平均车速 | 0.081 |
B7 | 路口平均排队长度 | 0.082 |
B8 | 路口平均延误时间 | 0.081 |
B9 | 路口平均通行能力 | 0.113 |
步骤六:融合主观权重和客观权重得到综合权重值。如表5所示
表5 评价指标综合权重值
步骤七:计算得到加权决策矩阵如下:
步骤八:PCA降维;
对加权决策矩阵进行PCA降维,得到加权决策矩阵的协方差矩阵,计算协方差矩阵的特征值、贡献率及主成分系数矩阵等信息。计算得到协方差矩阵的特征值及贡献率如表6所示。
表6 主成分特征值及贡献率
如表6所示,各方案的主成分1与主成分2的累计贡献率达到99.22%,前两个主成分可以涵盖原指标数据的信息量。计算协方差矩阵的特征向量,得到主成分1与主成分2的主成分系数矩阵如表7所示。
表7 主成分系数矩阵
计算得到降维后的PCA决策矩阵如下:
步骤九:确定正、负理想解:
正理想解:h+=[0.354 0.108]
负理想解:h-=[-0.023 -0.070]
步骤十:计算各方案与正、负理想解的灰色关联度:
步骤十一:计算各方案与正、负理想解的马氏距离:
步骤十二:计算各方案与正、负理想解的相对贴进度:
步骤十三:确定最优方案。
根据相对贴进度的大小对评价方案进行排序,方案排序为:方案4>方案3>方案1>方案2;。因此在场景一下最优方案为方案四。
可见本发明的方法能够科学合理地对城市道路施工期缓堵交通组织方案进行比选,相对于根据传统工程经验制定交通组织方案更加具有说服力,并具有明显的实际应用价值。
需要指出,根据实施的需要,可将本申请中描述的各个步骤/部件拆分为更多步骤/部件,也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件,以实现本发明的目的。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于GRA和改进TOPSIS的城市道路施工期缓堵交通组织方案比选方法,其特征在于,包括:
(1)构建多层次的城市道路施工期缓堵交通组织方案评价指标体系;
(2)搭建施工区域的路网仿真模型,并对各缓堵交通组织方案进行仿真模拟,基于城市道路施工期缓堵交通组织方案评价指标体系获取各缓堵交通组织方案的评价指标值,并对各缓堵交通组织方案的评价指标值进行归一化处理后,构建得到标准化决策矩阵;
(3)确定城市道路施工期缓堵交通组织方案评价指标体系中各评价指标权重值,并由各评价指标权重值及标准化决策矩阵计算得到加权决策矩阵;
(4)采用主成分法分析法PCA对评价指标的加权决策矩阵进行降维处理;
(5)基于降维后的决策矩阵,结合灰色关联分析法GRA和改进TOPSIS方法计算各方案的相对贴近度,并根据相对贴近度对各方案进行排序。
2.根据权利要求1所述的方法,其特征在于,步骤(2)包括:
使用VISUM软件对路网进行构建和调整,根据路段车流量反推交通需求矩阵,并采用基于仿真的动态交通分配方法SBA将车流量加载到路网中;将VISUM建立好的模型导入VISSIM后自动生成车辆路径,使用VISSIM软件统计并输出各方案的评价指标值;对各缓堵交通组织方案的评价指标值进行归一化处理后,构建得到标准化决策矩阵。
3.根据权利要求1或2所述的方法,其特征在于,步骤(3)包括:
(3.1)采用模糊层次分析法确定各评价指标的主观权重值;
(3.2)采用CRITIC方法确定各评价指标的客观权重值;
(3.3)根据最小鉴别信息原理融合主观权重值和客观权重值确定各评价指标的综合权重值,将综合权重和标准化决策矩阵相乘得到加权决策矩阵。
4.根据权利要求3所述的方法,其特征在于,步骤(3.1)包括:
(3.1.1)用三角模糊数取代1~9标度值对指标进行模糊评价从而得到各层次指标的模糊判断矩阵R=(rij)n×n,rij是指标i相对于指标j的重要性,rij=(lij,mij,uij),lij、mij和uij分别为三角模糊数的悲观值、可能值和乐观值,其中,采用九标度模糊评判法描述两个指标的相对重要性,n表示指标个数;
(3.1.3)由di=V(Si≥S1,S2,…,Sn)=min V(Si≥Sj)计算各指标大于其他指标的可能度,Si≥Sj的可能度为V(Si≥Sj);
7.根据权利要求6所述的方法,其特征在于,步骤(4)包括:
(4.1)计算加权决策矩阵的协方差矩阵;
(4.2)计算协方差矩阵特征值及其对应的特征向量,并将特征值从大到小进行排列;
(4.3)计算各主成分贡献率及累计贡献率,取累计贡献率在预设值以上的若干个特征值对应的特征向量作为主要成分;
(4.4)将加权决策矩阵与主要成分相乘得到加权决策矩阵降维后的决策矩阵。
8.根据权利要求7所述的方法,其特征在于,步骤(5)包括:
(5.1)根据降维后的决策矩阵构建正理想解H+和负理想解H-,其中,选取各评价指标在所有方案下的最大值作为正理想解,选取各评价指标在所有方案下的最小值作为负理想解;
(5.2)计算每个评价方案与正理想解和负理想解在各评价指标下的灰色关联系数,由灰色关联系数计算每个评价方案与正理想解和负理想解的灰色关联度;
(5.3)计算各方案与正理想解和负理想解之间的马氏距离;
9.根据权利要求1至8任意一项所述的方法,其特征在于,多层次的城市道路施工期缓堵交通组织方案评价指标体系包括路网、路段和路口三个层次;
路网层次指标包括路网平均车速、路网平均延误、路网平均饱和度;
路段层次指标包括施工路段平均行程时间、施工路段饱和度、施工路段平均车速;
路口层次指标包括路口平均排队长度、路口平均延误时间、路口平均通行能力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210350632.5A CN114742389A (zh) | 2022-04-02 | 2022-04-02 | 基于gra和改进topsis的城市道路施工期缓堵交通组织方案比选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210350632.5A CN114742389A (zh) | 2022-04-02 | 2022-04-02 | 基于gra和改进topsis的城市道路施工期缓堵交通组织方案比选方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114742389A true CN114742389A (zh) | 2022-07-12 |
Family
ID=82279112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210350632.5A Pending CN114742389A (zh) | 2022-04-02 | 2022-04-02 | 基于gra和改进topsis的城市道路施工期缓堵交通组织方案比选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114742389A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830873A (zh) * | 2023-01-10 | 2023-03-21 | 西南交通大学 | 城市道路交通事件分类方法、装置、设备及可读存储介质 |
CN116258284A (zh) * | 2023-05-15 | 2023-06-13 | 北京华录高诚科技有限公司 | 一种交通及施工组织方案优化决策方法及系统 |
CN117475640A (zh) * | 2023-12-26 | 2024-01-30 | 中国市政工程华北设计研究总院有限公司 | 一种基于雷视融合探测的信号交叉口运行评价方法 |
-
2022
- 2022-04-02 CN CN202210350632.5A patent/CN114742389A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830873A (zh) * | 2023-01-10 | 2023-03-21 | 西南交通大学 | 城市道路交通事件分类方法、装置、设备及可读存储介质 |
CN116258284A (zh) * | 2023-05-15 | 2023-06-13 | 北京华录高诚科技有限公司 | 一种交通及施工组织方案优化决策方法及系统 |
CN117475640A (zh) * | 2023-12-26 | 2024-01-30 | 中国市政工程华北设计研究总院有限公司 | 一种基于雷视融合探测的信号交叉口运行评价方法 |
CN117475640B (zh) * | 2023-12-26 | 2024-03-15 | 中国市政工程华北设计研究总院有限公司 | 一种基于雷视融合探测的信号交叉口运行评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114742389A (zh) | 基于gra和改进topsis的城市道路施工期缓堵交通组织方案比选方法 | |
CN106951976B (zh) | 一种基于模式分类的公交客流预测方法 | |
CN110288210B (zh) | 项目级道路基础设施综合养护决策方法及系统 | |
CN110428096A (zh) | 基于票务信息的城市轨道交通多交路运输组织优化方法 | |
CN110288137B (zh) | 路网级道路基础设施结构综合养护决策方法及系统 | |
CN110836675B (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
CN111160750A (zh) | 一种基于关联规则挖掘的配网分析和投资决策方法 | |
CN104462827A (zh) | 一种综合评价中指标权重的柔性耦合计算方法 | |
CN106779187A (zh) | 电网工程设备材料的价格参数生成方法及装置 | |
CN110532429B (zh) | 一种基于聚类和关联规则的线上用户群体分类方法及装置 | |
CN111861089A (zh) | 一种电力现货市场的综合评价方法 | |
CN112487281A (zh) | 一种立体车库推荐方法 | |
CN110516871A (zh) | 一种基于模糊滚动时域控制策略的动态车辆路径优化方法 | |
CN114943356A (zh) | 一种机场到港旅客乘坐出租车短时需求集成预测方法 | |
CN116187835A (zh) | 一种基于数据驱动的台区理论线损区间估算方法及系统 | |
CN101944358B (zh) | 基于蚁群聚类算法的码书分类方法及其码书分类装置 | |
CN107316096A (zh) | 一种轨道交通一票通乘客进站量预测方法 | |
CN114707292A (zh) | 含电动汽车配电网电压稳定性分析方法 | |
CN111311096B (zh) | 一种基于qfd和kano模型的多产品质量优化方法 | |
CN112884222A (zh) | 一种面向时间段的lstm交通流密度预测方法 | |
CN116956740A (zh) | 面向平面桁架结构的用户偏好模型构建方法、系统、应用 | |
CN116485021A (zh) | 一种煤炭企业技术技能人才人岗匹配预测方法与系统 | |
CN113592246B (zh) | 一种基于pca-topsis模型的道路施工期公交线网评价方法 | |
CN114386142A (zh) | 基于多源融合特征选择和模糊差异性增强Stacking框架的建筑能耗预测方法 | |
CN114491971A (zh) | 一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法及应用 |
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 |