CN115331426B - 一种城市片区道路网交通承载力计算方法 - Google Patents

一种城市片区道路网交通承载力计算方法 Download PDF

Info

Publication number
CN115331426B
CN115331426B CN202210778569.5A CN202210778569A CN115331426B CN 115331426 B CN115331426 B CN 115331426B CN 202210778569 A CN202210778569 A CN 202210778569A CN 115331426 B CN115331426 B CN 115331426B
Authority
CN
China
Prior art keywords
road network
traffic
road
network
macroscopic
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
Application number
CN202210778569.5A
Other languages
English (en)
Other versions
CN115331426A (zh
Inventor
杨超
翁东豪
涂颖菲
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN202210778569.5A priority Critical patent/CN115331426B/zh
Publication of CN115331426A publication Critical patent/CN115331426A/zh
Application granted granted Critical
Publication of CN115331426B publication Critical patent/CN115331426B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种城市片区道路网交通承载力计算方法，其包括获取道路网基础参数；基于片区道路网交通运行数据进行起讫点反推，得到现状起讫点矩阵；利用归一化切割方法划分片区道路网子网络，并得到基本分析单元；建立微观交通仿真模型并在微观交通仿真模型中设置检测器，得到流量和密度数据；加载不同需求，进行多情景微观仿真，提取每个情景下的路段流量和密度数据并用于绘制宏观基本图，基于每个情景下的路段流量和密度数据，对基本分析单元进行绘制散点图；采用95％非线性分位数回归拟合宏观基本图，并标定周转量最大值，获得道路网交通承载力；本发明分析结果更加准确；解决了现实情况尚未达到路网承载力状态时数据不足的问题。

Description

一种城市片区道路网交通承载力计算方法
技术领域
本发明涉及交通技术领域，特别是一种城市片区道路网交通承载力计算方法。
背景技术
道路交通作为国土空间资源中的重要部分，道路空间的格局往往影响甚至决定了城市空间的格局，道路交通的承载能力与资源环境承载力以及空间开发适宜性都息息相关。基于资源环境承载力在国土空间规划中的重要性，道路交通承载能力的评估对于道路交通网络的规划也具有重要意义。一方面能用于对已有规划成果的效果评估，另一方面也能为新一轮道路交通规划提供支撑。目前路网层面的评估主要采用路网级配、路网密度等静态指标，动态指标则主要采用通行能力、饱和度等指标，这些指标以路段、节点为评估对象，缺乏路网层面且既考虑设施供给又考虑需求运行的指标以及评估方法。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于现有技术中存在的问题，提出了本发明。
因此，本发明所要解决的技术问题是现有技术无法通过计算得到片区道路网的交通承载力指标，反映城市片区道路交通网络的服务能力。
为解决上述技术问题，本发明提供如下技术方案：一种城市片区道路网交通承载力计算方法，其包括获取道路网基础参数，根据基础参数建立路网宏观交通模型并给路网宏观交通模型配置片区道路网交通运行数据；
基于片区道路网交通运行数据进行起讫点反推，得到现状起讫点矩阵；
利用归一化切割方法划分片区道路网子网络，并得到基本分析单元；
通过路网宏观交通模型中得到的路网及路径信息建立微观交通仿真模型并在微观交通仿真模型中设置检测器，通过检测器得到流量和密度数据并用于绘制宏观基本图；
在路网宏观交通模型中加载不同需求，并将得到的路径信息分别导入微观交通仿真模型进行多情景微观仿真，提取每个情景下的路段流量和密度数据并用于绘制宏观基本图；
基于微观交通仿真模型中每个情景下的路段流量和密度数据，对基本分析单元进行绘制散点图；
采用95％非线性分位数回归拟合宏观基本图，并标定曲线顶点对应的路网周转量最大值，获得基本分析单元的道路网交通承载力。
作为本发明所述城市片区道路网交通承载力计算方法的一种优选方案，其中：所述道路网基础参数包括路网拓扑结构、路段等级、车道数、通行能力和限速，所述路网及路径信息包括路网文件与路径文件。
作为本发明所述城市片区道路网交通承载力计算方法的一种优选方案，其中：所述路网宏观交通模型的建立包括路网绘制、路段属性设置和交通小区绘制；
路网绘制：基于开源地图对所需围合的区域进行绘制和宏观模型构建，包括不同等级道路及道路交叉节点、快速路的上下匝道，并保证小区内部道路连通性；
路段属性设置：包括道路等级、车道数、通行能力、限速等，以及交叉口渠化情况，配置于宏观模型中；
交通小区绘制：对于围合的区域内部，以主次干道为边界，并结合地块功能划分交通小区，对于围合的区域外部，针对边界每个路段都设置一个小区，添加一条小区连接线。
作为本发明所述城市片区道路网交通承载力计算方法的一种优选方案，其中：所述片区道路网交通运行数据包括工作日高峰小时道路断面流量数据及交叉口信号配时数据。
作为本发明所述城市片区道路网交通承载力计算方法的一种优选方案，其中：所述划分片区道路网子网络包括，
将片区道路建模为线条和节点构成的道路网，以路段为节点，定义道路网中任意两个节点i节点i的加权距离为：
其中di是节点i某个时间点的车流密度，θ是刻度参数，r(i,j)是节点i和节点j之间的最短路径所包含的边的数量，i＝1,2,…n,n为上述道路网中的节点数量；
j＝1,2,…n,n为上述道路网中的节点数量；
定义任意两个子网络A和B的相似度为cut(A,B)、总相异度为Ncut(A,B)、总相似度为Nassoc(A,B)：
cut(A,B)＝∑u∈A,v∈Bw(u,v)
其中u,v分别为子网络A和B中的节点，V为所建模的道路网络，子网络A和B分别为该道路网络中部分节点和边所构成的局部网络；
采用Normalized Cut算法，通过最大化Ncut(A,B)并最小化Nassoc(A,B)来划分道路网，得到子网络A和子网络B；
设置道路网中两个节点之间车流密度相似性的度量为w(i,j)；
使用特征值系统求解w(i,j)矩阵以获得最小特征值；
选择特征值系统内的第二小特征值的特征向量；
离散化所选择的特征向量，根据得到的值决定相应的图中节点属于子网A或子网B，再多次重复划分子网A或子网B，在得到的所有子网中，选择平均车流密度最接近的两个相邻子网进行合并，多次合并直到合并为一个网络；
确定基本分析单元数量：
定义子网络A和子网络B的车流密度差指标NSk(A,B)
其中k是子网的数量，NA和NB是子网A和B内边的数量。
定义子网络A与相邻子网的平均车流密度差指标NSk(A)：
其中neighbor(A)是子网A的相邻子网。
使用所有子网络的平均密度差NSk指标评估划分结果：
其中C是子网的集合。
当NSk值最小时，所对应的k个子网为基本分析单元。
作为本发明所述城市片区道路网交通承载力计算方法的一种优选方案，其中：设置路网仿真参数和评估配置，通过路网文件与路径文件以及完善的路网仿真参数和评估配置建立微观交通仿真模型。
作为本发明所述城市片区道路网交通承载力计算方法的一种优选方案，其中：通过检测器得到各个路段编号、车道数等属性数据、不同时间段各路段每10米的子路段的流量、平均车速、密度等数据流量和密度数据；绘制宏观基本图。
作为本发明所述城市片区道路网交通承载力计算方法的一种优选方案，其中：在路网宏观交通模型中加载不同需求：基于现状起讫点矩阵增长百分比进行交通分配；
多情景微观仿真：导出路网文件与路径文件至微观交通仿真模型中进行微观交通仿真，获取每个情景下的路段流量和密度数据，并针对每一个基本分析单元绘制宏观基本图。
作为本发明所述城市片区道路网交通承载力计算方法的一种优选方案，其中：绘制散点图包括，
定义每小时的车辆数为横坐标，周转量为纵坐标；
横坐标：n＝∑ki li；
纵坐标：P(n)＝∑qi li；
式中：n为路网中车辆数；P(n)为路网车公里；ki为仿真输出的路段i的车流密度，单位veh/km；qi为仿真输出的路段i的车流量，单位veh/h；li为路段i的长度，单位km。
作为本发明所述城市片区道路网交通承载力计算方法的一种优选方案，其中：基于所得到的散点图，采用95％非线性分位数回归方法对所述散点图进行曲线拟合，获得宏观基本图，并标定曲线顶点对应的纵坐标值，即周转量最大值，得到基本分析单元的道路网交通承载力P*。
本发明的有益效果：本发明提出一种城市片区道路网交通承载力计算方法，考虑了宏观基本图对路网均质性要求，采用归一化切割方法对片区路网进行基本分析单元划定，分析结果更加准确；利用微观交通仿真得到不同需求水平下的路网运行状态数据，解决了现实情况尚未达到路网承载力状态时数据不足的问题；利用坐标转换实现通过局部检测数据转换得到路网层面数据，从而能对路网层面服务能力即道路交通承载力指标进行计算。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为城市片区道路网交通承载力计算流程。
图2为流量与检测器、道路信息数据的关联匹配过程。
图3为东区最终划分结果。
图4为西区最终划分结果。
图5～9为东西区的子区散点图及拟合曲线
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1～9，为本发明第一个实施例，该实施例提供了一种城市片区道路网交通承载力计算方法，其包括：
S1：准备所要分析的城市片区道路网的基础参数数据，所述道路网基础参数包括路网拓扑结构、路段等级、车道数、通行能力和限速等等。
S2：根据基础参数在宏观交通仿真软件(比如PTV公司的VISUM)中建立路网宏观交通模型并给路网宏观交通模型配置所要分析的城市片区道路网交通运行数据；交通运行数据包括工作日高峰小时道路断面流量数据及交叉口渠化和信号配时数据。
S3：基于片区道路网交通运行数据进行起讫点反推，得到现状高峰时段出行的起讫点矩阵；
S4：对所要分析的城市片区道路网，利用归一化切割(Normalized Cut)方法划分片区道路网子网络，并得到基本分析单元；
S5：通过路网宏观交通模型中得到的路网及路径信息导入微观交通仿真软件(比如PTV公司的VISSIM)，并完善微观交通仿真软件中的路网设置及评估配置，建立微观交通仿真模型。
S6：微观交通仿真模型中设置虚拟路段检测器，通过虚拟路段检测器得到各路段5分钟流量和密度数据并用于后续绘制宏观基本图；
S7：在路网宏观交通模型中加载不同需求，并将得到的路径信息分别导入微观交通仿真模型进行多情景微观仿真，提取每个情景下的各路段5分钟路段流量和密度数据并用于后续绘制宏观基本图。
加载不同需求为：在现状高峰时段出行的起讫点矩阵的基础上增长25％、50％、75％...300％。
S8：基于上述微观交通仿真模型中每个情景下的各路段5分钟路段流量和密度数据计算得到路网层面每小时的车辆数、周转量数，以每小时的车辆数为横坐标、周转量为纵坐标，对基本分析单元进行绘制散点图。
S9：针对上述所得到的散点图，采用95％非线性分位数回归拟合宏观基本图，并标定曲线顶点对应的路网周转量最大值，获得基本分析单元的道路网交通承载力。
实施例2
参照图1～9，为本发明第二个实施例，该实施例基于上一个实施例，
S1：准备所要分析的城市片区道路网的基础参数数据，所述道路网基础参数包括路网拓扑结构、路段等级、车道数、通行能力和限速等等。
S2：根据基础参数在宏观交通仿真软件(比如PTV公司的VISUM)中建立路网宏观交通模型并给路网宏观交通模型配置所要分析的城市片区道路网交通运行数据；交通运行数据包括工作日高峰小时道路断面流量数据及交叉口渠化和信号配时数据。具体如下：
收集所要分析的城市片区道路网范围内交通运行数据，包括工作日高峰小时道路断面流量数据及交叉口信号配时数据，并在宏观交通模型中进行相应指标及参数配置。
S2.1获取交通运行数据：本实施例中原始数据包括2011年1月9日-15日交叉口检测器流量数据、2011年1月9日-15日快速路上下匝道断面流量数据、2020年6月1日-30日部分交叉口线圈流量数据、2020年6月1日-30日快速路上下匝道断面流量数据及2020年9月1日部分交叉口的信号配时数据。
S2.2选取用于分析的基础数据：选取两个典型工作日如2011年1月10日、2020年6月2日早高峰时段7:00-8:00的数据作为承载力研究基础数据。
S2.3数据准备：根据2011年电子地图和检测器点位图，进行区域内交叉口与检测器的匹配，运用ArcMap将研究区域的地图数据导出，将导出的检测器流量数据、信息数据及道路信息数据通过关键字段进行关联匹配，过程如图2所示；
S2.4统计各进口道小时流量：基于2011年1月10日SCATS数据(表1)中各相位的折算流量，统计各进口道小时流量，并删除小时流量为0的记录，得到SCATS数据统计结果(表2)；
表1 2011年SCATS数据字段说明
表2 2011年SCATS数据统计结果格式
基于2020年6月2日16个主要交叉口的线圈5分钟分车型流量数据(表3)，折算成各进口道小时标准车流量，并删除小时流量为0的记录，得到交叉口线圈数据统计结果(表4)；
表3 2020年交叉口线圈数据格式
表4 2020年交叉口线圈数据统计结果格式
采集器号 线圈号 小时流量
9 1 232
9 2 445
9 5 138
9 6 74
9 8 163
S2.5统计匝道断面小时流量：基于2011年1月10日与2020年6月2日的匝道断面各车道线圈5分钟流量数据(表5)，折算匝道各断面小时流量(表6)；
表5匝道线圈数据格式
线圈ID 时间 流量 车速 占有率 车头时距
ZHGY-WI-2(2) 2020/6/2 0:15 16 73 2 205
ZHGY-WI-2(1) 2020/6/2 0:15 27 70 3 147
ZHGY-WI-1(2) 2020/6/2 0:15 17 79 1 192
ZHGY-WI-1(1) 2020/6/2 0:15 26 70 2 155
表6匝道线圈数据统计结果
S2.6整理信号配时信息：基于2020年9月1日主要交叉口信号配时数据，整理成为模型所需的信号配时信息。
所述路网宏观交通模型的建立包括路网绘制、路段属性设置和交通小区绘制。
S2.7：路网绘制：基于OpenStreetMap开源地图对所需围合的区域进行绘制和宏观模型构建，包括不同等级道路及道路交叉节点、快速路的上下匝道，并保证小区内部道路连通性；具体的，基于OpenStreetMap(OSM)开源地图，在宏观仿真软件中进行上海市由中环(汶水路)、沪太路及内环(中山北路)围合而成的区域的路网绘制，包括不同等级道路及道路交叉节点、快速路的上下匝道，并保证小区内部道路连通性；为便于分析，以南北高架路(共和新路)为界，将该区域分为东、西两个区域分别进行路网绘制和宏观模型构建。
S2.8：路段属性设置：包括道路等级、车道数、通行能力、限速等，以及交叉口渠化情况，配置于宏观模型中；具体的，根据百度街景，核实研究区域内的所有路段信息，包括道路等级、车道数、通行能力、限速等，以及交叉口渠化情况，在模型软件中对路段和交叉口进行属性设置，其中交叉口节点控制类型设置为信号控制和未知两种。
S2.9：交通小区绘制：对于围合的区域内部，以主次干道为边界，并结合地块功能划分交通小区，如保证医院、公园、学校等相同功能地块不被分割，位于同一交通小区内，对于围合的区域外部，针对边界每个路段都设置一个小区，添加一条小区连接线。
S3：基于获取的片区道路网交通运行数据进行起讫点反推，得到现状高峰时段出行的起讫点矩阵：
S3.1数据输入：基于S2.4和S2.5中得到的2011年1月10日早高峰时段路段进口道和匝道断面小时流量统计结果，结合2011年电子地图判断检测器位置，在宏观交通仿真软件中检测器所对应的位置输入各交叉口不同转向流量及各快速路上下匝道流量。
S3.2起讫点反推：通过多次交通分配并调整模型参数，进行起讫点需求数据的校准，直至达到要求精度，得到东西两个区域的2011年起讫点矩阵。
S3.3获取现状高峰时段出行的起讫点矩阵：根据历年《上海市综合交通年度报告》所统计的中心城道路交通量变化，计算得到2011年到2020年的交通量增长系数取1.237。结合此增长系数与上述反推所得2011年需求矩阵得到2020年初始起讫点矩阵。然后根据2020年6月2日主要交叉口线圈检测器位置，输入线圈转向小时流量数据和快速路上下匝道小时流量数据，继续进行矩阵校核，以获取2020年现状起讫点矩阵。
S4：对所要分析的城市片区道路网，利用归一化切割(Normalized Cut)方法划分片区道路网子网络，并得到基本分析单元。
S4.1：使用Python的NetworkX模块对道路网络进行建模，将片区道路建模为线条和点构成的道路网，以路段为节点，定义道路网中任意两个节点i和节点j的加权距离为：
其中di是节点i某个时间点的车流密度，θ是刻度参数，r(i，j)是节点i和节点j之间的最短路径所包含的边的数量，i＝1，2，…n，n为上述道路网中的节点数量；
j＝1，2，…n，n为上述道路网中的节点数量；
S4.2：定义任意两个子网络A和B的相似度为cut(A，B)、总相异度为Ncut(A，B)、总相似度为Nassoc(A，B)：
cut(A，B)＝∑u∈A,v∈Bw(u，v)
其中u，v分别为子网络A和B中的节点，V为所建模的道路网络，子网络A和B分别为该道路网络中部分节点和边所构成的局部网络；
S4.3：采用Normalized Cut算法，通过最大化Ncut(A，B)并最小化Nassoc(A，B)来划分道路网，得到子网络A和子网络B；
设置道路网中两个节点之间车流密度相似性的度量为w(i，j)；
使用特征值系统求解w(i，j)矩阵以获得最小特征值；
选择特征值系统内的第二小特征值的特征向量；
离散化所选择的特征向量，根据得到的值(1或-1)决定相应的图中节点属于子网A或子网B。
S4.4：使用上述算法再多次重复划分子网A或子网B，并对从此以及之后划分出的子网继续重复该步骤，直到达到所需的子网数量。
S4.5：在得到的所有子网中，选择平均车流密度最接近的两个相邻子网进行合并。
S4.6：重复S4.5，多次合并直到所有子网络被合并为一个网络。
S4.7：确定基本分析单元数量：
定义子网络A和子网络B的车流密度差指标NSk(A，B)
其中k是子网的数量，NA和NB是子网A和B内边的数量。
定义子网络A与相邻子网的平均车流密度差指标NSk(A)：
其中neighbor(A)是子网A的相邻子网。
使用所有子网络的平均密度差NSk指标评估划分结果：
其中C是子网的集合。
当NSk值最小时，所对应的k个子网为基本分析单元。
采用上述方法对所选路网的东、西两个区域进行划分，将每个区域划分为8个大小相似的子网，随后依次合并平均车流密度最接近的两个相邻子网，并记录每次合并后路网的NSk。结果如表7和表8，当k＝2和3时，东区和西区所对应的NSk值最小。
表7东区合并过程中记录的NSk
子网数 NSk
8 1.19
7 1.07
6 1.05
5 1.04
4 1.04
3 1.04
2 0.90
表8西区合并过程中记录的NSk
子网数 平均NSk
8 1.26
7 1.24
6 1.25
5 1.07
4 1.02
3 0.76
2 0.94
东区最终划分结果为图3(最优子网数为2)；
西区最终划分结果图4(最优子网数为3)；
表9划分成最优子网后的路网数据
S5：通过路网宏观交通模型中得到的路网及路径信息导入微观交通仿真软件(比如PTV公司的VISSIM)，并完善微观交通仿真软件中的路网设置及评估配置，建立微观交通仿真模型。
S5.1在微观交通仿真软件中导入路网文件与路径文件
S5.2设置仿真参数和评估配置：仿真预热时间为10分钟，即仿真时长4200秒，对应仿真时段为6:50-8:00；仿真精度为10步长/仿真秒，随机种子数为42；评估配置选择路段评估，路段流量、密度等数据输出时段为600-4200秒(7:00-8:00)，输出时间间隔为300秒。
S6：微观交通仿真模型中设置虚拟路段检测器，通过虚拟路段检测器得到各路段5分钟流量和密度数据并用于后续绘制宏观基本图。
S6.1在评估结果列表中查看各个路段编号、车道数等属性数据、不同时间段各路段每10米的子路段的流量、平均车速、密度等数据。考虑到信号控制交叉口处会出现排队现象，导致流量和密度数据采集受影响，与连续行驶的中间路段的流量和密度数据不一致，所以路网的路段流量采用两个节点间的中间路段数据，而不包括交叉口进口道的过渡段。
S6.2导出数据，并对每个路段的子路段数据计算平均值，作为路段的流量、密度数据，用于后续宏观基本图的绘制。
S7：在路网宏观交通模型中加载不同需求，并将得到的路径信息分别导入微观交通仿真模型进行多情景微观仿真，提取每个情景下的各路段5分钟路段流量和密度数据并用于后续绘制宏观基本图。
步骤7.1在宏观交通仿真模型中设置不同需求水平(在现状OD矩阵的基础上增长25％、50％、75％...300％)进行交通分配；
步骤7.2导出路网文件与路径文件至微观交通仿真软件中进行微观交通仿真，按照步骤6获取各需求情景下的路段流量和密度数据，用于后续宏观基本图的绘制。
S8：基于上述微观交通仿真模型中每个情景下的各路段5分钟路段流量和密度数据计算得到路网层面每小时的车辆数、周转量数，以每小时的车辆数为横坐标、周转量为纵坐标，对基本分析单元进行绘制散点图。
因为划分子区后的区域具有一定的同质性，因此采用坐标转换的方法将仿真输出的路段数据转换到路网层面。
绘制散点图包括：
定义每小时的车辆数为横坐标，周转量为纵坐标；
横坐标：n＝∑ki li；
纵坐标：P(n)＝∑qi li；
式中：n为路网中车辆数；P(n)为路网车公里；ki为仿真输出的路段i的车流密度，单位veh/km；qi为仿真输出的路段i的车流量，单位veh/h；li为路段i的长度，单位km。
S9：采用95％非线性分位数回归方法对所述散点图进行曲线拟合，获得宏观基本图，并标定曲线顶点对应的纵坐标值，即周转量最大值，得到基本分析单元的道路网交通承载力P*。
对步骤4中所得到的基本单元，东区2个子区、西区3个子区，执行步骤5-步骤9，得到如图5～9所示的散点图及拟合曲线，并分别对曲线顶点进行标定，得到其对应的横纵坐标值，即周转量最大值P*(交通承载力)和所对应的路网车辆数n*。图中的临界状态即是最大服务能力的承载力，标定结果整理为表格如下：
路网 Pseudo R2 P*(veh-km/h) n*(veh)
东区子区1 0.621 69151.57 4322.25
东区子区2 0.775 14517.59 719.22
西区子区1 0.673 26159.42 2700.18
西区子区2 0.793 36621.05 2382.50
西区子区3 0.702 6114.74 444.03
重要的是，应注意，在多个不同示例性实施方案中示出的本申请的构造和布置仅是例示性的。尽管在此公开内容中仅详细描述了几个实施方案，但参阅此公开内容的人员应容易理解，在实质上不偏离该申请中所描述的主题的新颖教导和优点的前提下，许多改型是可能的(例如，各种元件的尺寸、尺度、结构、形状和比例、以及参数值(例如，温度、压力等)、安装布置、材料的使用、颜色、定向的变化等)。例如，示出为整体成形的元件可以由多个部分或元件构成，元件的位置可被倒置或以其它方式改变，并且分立元件的性质或数目或位置可被更改或改变。因此，所有这样的改型旨在被包含在本发明的范围内。可以根据替代的实施方案改变或重新排序任何过程或方法步骤的次序或顺序。在权利要求中，任何“装置加功能”的条款都旨在覆盖在本文中所描述的执行所述功能的结构，且不仅是结构等同而且还是等同结构。在不背离本发明的范围的前提下，可以在示例性实施方案的设计、运行状况和布置中做出其他替换、改型、改变和省略。因此，本发明不限制于特定的实施方案，而是扩展至仍落在所附的权利要求书的范围内的多种改型。
此外，为了提供示例性实施方案的简练描述，可以不描述实际实施方案的所有特征(即，与当前考虑的执行本发明的最佳模式不相关的那些特征，或于实现本发明不相关的那些特征)。
应理解的是，在任何实际实施方式的开发过程中，如在任何工程或设计项目中，可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的，但对于那些得益于此公开内容的普通技术人员来说，不需要过多实验，所述开发努力将是一个设计、制造和生产的常规工作。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种城市片区道路网交通承载力计算方法，其特征在于：包括，
获取道路网基础参数，根据基础参数建立路网宏观交通模型并给路网宏观交通模型配置片区道路网交通运行数据；
基于片区道路网交通运行数据进行起讫点反推，得到现状起讫点矩阵；
根据道路网计算出节点间的加权距离，基于加权距离构建相似度模型cut(A,B)、总相异度模型Ncut(A,B)和总相似度模型Nassoc(A,B)，采用Normalized Cut算法对总相异度模型与总相似度模型进行大小化处理，最后得到基本分析单元；
通过路网宏观交通模型中得到的路网及路径信息建立微观交通仿真模型并在微观交通仿真模型中设置检测器，通过检测器得到流量和密度数据并用于绘制宏观基本图；
在路网宏观交通模型中加载不同需求，并将得到的路径信息分别导入微观交通仿真模型进行多情景微观仿真，提取每个情景下的路段流量和密度数据并用于绘制宏观基本图；
基于微观交通仿真模型中每个情景下的路段流量和密度数据，对基本分析单元进行绘制散点图；
采用95％非线性分位数回归拟合宏观基本图，并标定曲线顶点对应的路网周转量最大值，获得基本分析单元的道路网交通承载力。
2.如权利要求1所述的城市片区道路网交通承载力计算方法，其特征在于：所述道路网基础参数包括路网拓扑结构、路段等级、车道数、通行能力和限速，所述路网及路径信息包括路网文件与路径文件。
3.如权利要求1所述的城市片区道路网交通承载力计算方法，其特征在于：所述路网宏观交通模型的建立包括路网绘制、路段属性设置和交通小区绘制；
路网绘制：基于开源地图对所需围合的区域进行绘制和宏观模型构建，包括不同等级道路及道路交叉节点、快速路的上下匝道，并保证小区内部道路连通性；
路段属性设置：包括道路等级、车道数、通行能力、限速，以及交叉口渠化情况，配置于宏观模型中；
交通小区绘制：对于围合的区域内部，以主次干道为边界，并结合地块功能划分交通小区，对于围合的区域外部，针对边界每个路段都设置一个小区，添加一条小区连接线。
4.如权利要求3所述的城市片区道路网交通承载力计算方法，其特征在于：所述片区道路网交通运行数据包括工作日高峰小时道路断面流量数据及交叉口信号配时数据。
5.如权利要求3或4所述的城市片区道路网交通承载力计算方法，其特征在于：所述加权距离包括，
将片区道路建模为线条和节点构成的道路网，以路段为节点，定义道路网中任意两个节点i节点j的加权距离为：
其中di是节点i某个时间点的车流密度，θ是刻度参数，r(i,j)是节点i和节点j之间的最短路径所包含的边的数量，i＝1,2,…n,n为上述道路网中的节点数量；j＝1,2,…n,n为上述道路网中的节点数量；
定义任意两个子网络A和B，所述相似度模型cut(A,B)表示为，
cut(A,B)＝∑u∈A，v∈Bw(u，v)
所述总相异度模型Ncut(A,B)表示为，
所述总相似度模型Nassoc(A,B)表示为，
其中，u,v分别为子网络A和B中的节点，V为所建模的道路网络，子网络A和B分别为该道路网络中部分节点和边所构成的局部网络；
所述大小化处理包括，采用Normalized Cut算法，通过最大化Ncut(A,B)并最小化Nassoc(A,B)来划分道路网，得到子网络A和子网络B；
设置道路网中两个节点之间车流密度相似性的度量为w(i，j)；
使用特征值系统求解w(i，j)矩阵以获得最小特征值；
选择特征值系统内的第二小特征值的特征向量；
离散化所选择的特征向量，根据得到的值决定相应的图中节点属于子网A或子网B，再多次重复划分子网A或子网B，在得到的所有子网中，选择平均车流密度最接近的两个相邻子网进行合并，多次合并直到合并为一个网络；
确定基本分析单元数量：
定义子网络A和子网络B的车流密度差指标NSk(A,B)
其中k是子网的数量，NA和NB是子网A和B内边的数量；
定义子网络A与相邻子网的平均车流密度差指标NSk(A)：
其中是子网A的相邻子网。
使用所有子网络的平均密度差NSk指标评估划分结果：
其中C是子网的集合；
当NSk值最小时，所对应的k个子网为基本分析单元。
6.如权利要求5所述的城市片区道路网交通承载力计算方法，其特征在于：设置路网仿真参数和评估配置，通过路网文件与路径文件以及完善的路网仿真参数和评估配置建立微观交通仿真模型。
7.如权利要求1所述的城市片区道路网交通承载力计算方法，其特征在于：通过检测器得到各个路段编号、车道数属性数据、不同时间段各路段每10米的子路段的流量、平均车速、密度数据流量和密度数据；
绘制宏观基本图。
8.如权利要求7所述的城市片区道路网交通承载力计算方法，其特征在于：在路网宏观交通模型中加载不同需求：基于现状起讫点矩阵增长百分比进行交通分配；
多情景微观仿真：导出路网文件与路径文件至微观交通仿真模型中进行微观交通仿真，获取每个情景下的路段流量和密度数据，并针对每一个基本分析单元绘制宏观基本图。
9.如权利要求8所述的城市片区道路网交通承载力计算方法，其特征在于：绘制散点图包括，
定义每小时的车辆数为横坐标，周转量为纵坐标；
横坐标：n＝∑kili；
纵坐标：P(n)＝∑qili；
式中：n为路网中车辆数；P(n)为路网车公里；ki为仿真输出的路段i的车流密度，单位veh/km；qi为仿真输出的路段i的车流量，单位veh/h；li为路段i的长度，单位km。
10.如权利要求9所述的城市片区道路网交通承载力计算方法，其特征在于：基于所得到的散点图，采用95％非线性分位数回归方法对所述散点图进行曲线拟合，获得宏观基本图，并标定曲线顶点对应的纵坐标值，即周转量最大值，得到基本分析单元的道路网交通承载力P*。
CN202210778569.5A 2022-06-30 2022-06-30 一种城市片区道路网交通承载力计算方法 Active CN115331426B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210778569.5A CN115331426B (zh) 2022-06-30 2022-06-30 一种城市片区道路网交通承载力计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210778569.5A CN115331426B (zh) 2022-06-30 2022-06-30 一种城市片区道路网交通承载力计算方法

Publications (2)

Publication Number Publication Date
CN115331426A CN115331426A (zh) 2022-11-11
CN115331426B true CN115331426B (zh) 2023-12-01

Family

ID=83917231

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210778569.5A Active CN115331426B (zh) 2022-06-30 2022-06-30 一种城市片区道路网交通承载力计算方法

Country Status (1)

Country Link
CN (1) CN115331426B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899360A (zh) * 2015-05-18 2015-09-09 华南理工大学 一种绘制宏观基本图的方法
CN104933859A (zh) * 2015-05-18 2015-09-23 华南理工大学 一种基于宏观基本图的确定网络承载力的方法
CN105741555A (zh) * 2016-04-28 2016-07-06 华南理工大学 一种基于宏观基本图确定车型折算系数的方法
CN108364465A (zh) * 2018-02-09 2018-08-03 太原理工大学 基于宏观基本图的城市路网控制子区的动态划分方法
CN109830104A (zh) * 2019-03-06 2019-05-31 中南大学 一种基于宏观基本图的交叉口控制效率的分析方法
WO2019109561A1 (zh) * 2017-12-06 2019-06-13 广东交通职业技术学院 车联网下基于mfd的过饱和路网多层控制边界动态划分方法
CN111882886A (zh) * 2020-04-21 2020-11-03 东南大学 一种基于mfd的交通门限控制子区承载力估计方法
CN112466126A (zh) * 2020-11-13 2021-03-09 北方工业大学 一种基于mfd的路网可拓展区域控制方法
CN113593220A (zh) * 2021-07-02 2021-11-02 南京泛析交通科技有限公司 一种基于宏观基本图的路网承载力估计方法
CN113947905A (zh) * 2021-10-19 2022-01-18 交通运输部公路科学研究所 一种交通运行态势感知方法、模块及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899360A (zh) * 2015-05-18 2015-09-09 华南理工大学 一种绘制宏观基本图的方法
CN104933859A (zh) * 2015-05-18 2015-09-23 华南理工大学 一种基于宏观基本图的确定网络承载力的方法
CN105741555A (zh) * 2016-04-28 2016-07-06 华南理工大学 一种基于宏观基本图确定车型折算系数的方法
WO2019109561A1 (zh) * 2017-12-06 2019-06-13 广东交通职业技术学院 车联网下基于mfd的过饱和路网多层控制边界动态划分方法
CN108364465A (zh) * 2018-02-09 2018-08-03 太原理工大学 基于宏观基本图的城市路网控制子区的动态划分方法
CN109830104A (zh) * 2019-03-06 2019-05-31 中南大学 一种基于宏观基本图的交叉口控制效率的分析方法
CN111882886A (zh) * 2020-04-21 2020-11-03 东南大学 一种基于mfd的交通门限控制子区承载力估计方法
CN112466126A (zh) * 2020-11-13 2021-03-09 北方工业大学 一种基于mfd的路网可拓展区域控制方法
CN113593220A (zh) * 2021-07-02 2021-11-02 南京泛析交通科技有限公司 一种基于宏观基本图的路网承载力估计方法
CN113947905A (zh) * 2021-10-19 2022-01-18 交通运输部公路科学研究所 一种交通运行态势感知方法、模块及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于MFD的路网宏观交通状态及影响因素研究;朱琳;于雷;宋国华;;华南理工大学学报(自然科学版)(11);全文 *
基于多源数据融合的城市道路网络宏观基本图模型;金盛;沈莉潇;贺正冰;;交通运输系统工程与信息(02);全文 *
朱琳 ; 于雷 ; 宋国华 ; .基于MFD的路网宏观交通状态及影响因素研究.华南理工大学学报(自然科学版).2012,(11),全文. *
金盛 ; 沈莉潇 ; 贺正冰 ; .基于多源数据融合的城市道路网络宏观基本图模型.交通运输系统工程与信息.2018,(02),全文. *

Also Published As

Publication number Publication date
CN115331426A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN110298500B (zh) 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法
CN106912015B (zh) 一种基于移动网络数据的人员出行链识别方法
CN102595323B (zh) 基于手机定位数据的居民出行特征参数的获取方法
CN102332210B (zh) 基于手机定位数据的实时城市道路交通流数据提取方法
CN109686091B (zh) 一种基于多源数据融合的交通流量填补算法
CN107730115A (zh) 一种基于ahp的多源位置轨迹数据的质量评估方法
CN105206048A (zh) 一种基于交通od数据的城市居民群体换乘模式发现系统及方法
CN102163225A (zh) 一种基于微博客收集的交通信息融合评价方法
CN110781267A (zh) 一种基于地理国情的多尺度空间分析评价方法及系统
CN108345987B (zh) 一种道路基础设施建设项目影响评价决策支持系统及方法
CN114926098B (zh) 基于移动定位数据的城乡生活圈快速划定方法及其系统
US20220108603A1 (en) Detection method of key road-sections based on ricci flow
CN115100012B (zh) 一种轨道交通站点步行可达性计算方法
CN110413855A (zh) 一种基于出租车下客点的区域出入口动态提取方法
CN116233757A (zh) 一种基于手机信令数据的居民出行碳排放量计算方法
Bikdeli et al. Accessibility modeling for land use, population and public transportation in Mashhad, NE Iran
CN109800903A (zh) 一种基于出租车轨迹数据的盈利路线规划方法
CN115331426B (zh) 一种城市片区道路网交通承载力计算方法
CN111008730B (zh) 基于城市空间结构的人群聚集度预测模型构建方法及装置
CN116668958A (zh) 基于手机信令数据的城市居民动态od矩阵提取方法
CN116680586A (zh) 一种基于访问概率的城市居民活动空间访问模式分析方法
CN104463442A (zh) 一种城乡建设集聚性的探测方法
CN108596381B (zh) 基于od数据的城市停车需求预测方法
CN114880819B (zh) 基于城镇节点重要度与交通区位线研究的空间优化方法
CN115146840A (zh) 一种基于数据驱动的轨道交通新线接入客流预测方法

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