CN116343487B - 兼顾全局效率与局部错位的城市交通路网韧性评估方法 - Google Patents

兼顾全局效率与局部错位的城市交通路网韧性评估方法 Download PDF

Info

Publication number
CN116343487B
CN116343487B CN202310570846.8A CN202310570846A CN116343487B CN 116343487 B CN116343487 B CN 116343487B CN 202310570846 A CN202310570846 A CN 202310570846A CN 116343487 B CN116343487 B CN 116343487B
Authority
CN
China
Prior art keywords
road
road section
network
disturbance state
node
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
CN202310570846.8A
Other languages
English (en)
Other versions
CN116343487A (zh
Inventor
张学全
黄震
宋力
刘兵
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202310570846.8A priority Critical patent/CN116343487B/zh
Publication of CN116343487A publication Critical patent/CN116343487A/zh
Application granted granted Critical
Publication of CN116343487B publication Critical patent/CN116343487B/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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明公开了一种兼顾全局效率与局部错位的城市交通路网韧性评估方法，所述方法包括：结合路网结构数据和路段监测数据构建交通路网模型；基于dijkstra算法分别生成常态下、扰动状态下各节点间最短时间路段路径集合；分别计算常态下、扰动状态下的路段介数中心性；根据常态下和扰动状态下的路段介数中心性计算局部错位值；根据扰动状态下路段平均通行时间与扰动状态下路段交通流量计算扰动状态下的全局网络效率；根据局部错位值与扰动状态下的全局网络效率，计算扰动状态下的城市交通道路网络韧性值。本发明通过耦合道路拓扑网络与交通流量，能动态反映和量化突发事件扰动情形下的交通网络性能变化，可以提高路网韧性评估的适用性和准确性。

Description

兼顾全局效率与局部错位的城市交通路网韧性评估方法
技术领域
本发明属于道路交通网络安全领域，具体涉及一种兼顾全局效率与局部错位的城市交通路网韧性评估方法。
背景技术
突发事件对于道路交通网络安全的破坏是即时、巨大的，研究城市交通路网韧性的目的是为了评估系统抵抗、适应、中断后维持正常功能水平并从冲击中恢复的能力，而提高系统韧性进而防灾减灾的关键在于准确合理的评估韧性。
已有的城市交通路网韧性评估方法往往选取网络拓扑指标、系统机能指标等单一层面指标，难以反映城市交通网络的复杂动态性，更难准确描述交通网络性能在突发事件扰动状态下的变化。公开号为CN114141017A的发明专利公开了一种考虑长短期路段性能的道路韧性衡量方法，其根据不同时段的通行速度计算路段的长期性能和短期性能，最终计算路段的长短期韧性，该方法可以同时考虑系统长期和短期性能损失，但是未综合考虑全局网络效率，也无法兼顾道路局部错位情况，无法动态反映交通网络性能的变化。
在国家加强防灾应急、提升交通网络系统韧性的大背景下，针对路段检测数据呈现扰动状态下的交通情景，需要一种能准确量化突发事件扰动情形下的交通网络性能变化的城市交通路网韧性评估方法。
发明内容
有鉴于此，本发明提出了一种兼顾全局效率与局部错位的城市交通路网韧性评估方法及系统，用于解决现有的城市交通路网韧性评估方法难以动态准确描述突发事件扰动情形下交通网络性能的变化的问题。
本发明第一方面，公开一种兼顾全局效率与局部错位的城市交通路网韧性评估方法，所述方法包括：
结合路网结构数据和路段监测数据构建交通路网模型；
根据路段监测数据分别计算各个路段常态下的平均通行时间和扰动状态下的平均通行时间，并基于dijkstra算法分别生成常态下、扰动状态下各节点间最短时间路段路径集合；
分别根据常态下、扰动状态下各节点间最短时间路段路径集合和对应的路段交通流量计算常态下、扰动状态下的路段介数中心性；
根据常态下的路段介数中心性和扰动状态下的路段介数中心性计算局部错位值；
根据扰动状态下路段平均通行时间与扰动状态下路段交通流量计算扰动状态下的全局网络效率；
根据局部错位值与扰动状态下的全局网络效率，计算扰动状态下的城市交通道路网络韧性值。
在以上技术方案的基础上，优选的，所述路网结构数据包括路网节点和边；
所述路段监测数据包括常态下的路段流量、扰动状态下路段流量、常态下的路段平均行驶车速和扰动状态下的路段平均行驶车速。
在以上技术方案的基础上，优选的，基于dijkstra算法分别生成常态下各节点间最短时间路段路径集合具体包括：
设路网的节点集合为，i=1,2,...,N，N为节点总数，令初始节点计数集合，常态下各节点间的最短时间路段路径集合/>；
从M中任选两个节点m o、m d 分别作为路径起始节点、终止节点，并将m 0、m d 加入中，以常态下路段平均通行时间最短作为基准，利用dijkstra算法计算得到节点m o 和m d 之间的最短时间路段序列/>，令/>，k为m o 和m d 之间的节点总数，将路段序列/>加入R中；
重复以上步骤直到初始集合M中所有节点都加入且/>中的每个节点均为N-1个时，迭代结束，得到常态下各节点间的最短时间路段路径集合R，R的具体表达式如下：
其中，表示各节点间的最短时间路段路径集合中第q个路段序列，q=1,2,…,N*(N-1)/2，N*(N-1)/2表示各节点间的最短时间路段路径集合中路段序列的总数。
在以上技术方案的基础上，优选的，计算常态下的路段介数中心性的公式为：
其中，为第i个节点与第j个节点所表示的路段在常态下的介数中心性，/>为第i个节点与第j个节点所表示路段在常态下的交通流量，/>为第i个节点与第j个节点所表示的路段/>出现在节点m o 、m d 之间的最短时间路段路径集合子集中的数量，/>为节点m o 、m d 之间的最短时间路段路径集合子集的数量，N为节点总数；
计算扰动状态下的路段介数中心性的公式为：
其中，为第i个节点与第j个节点所表示的路段在扰动状态下的介数中心性，/>为第i个节点与第j个节点所表示路段在扰动状态下的交通流量，/>为第i个节点与第j个节点所表示路段出现在节点m o 、m d 之间的扰动状态下最短时间路段路径集合子集中的数量，/>为节点m o 、m d 之间的扰动状态下最短时间路段路径集合子集的数量。
在以上技术方案的基础上，优选的，所述计算局部错位值的公式为：
其中，表示局部错位值，/>分别为第i个节点与第j个节点所表示路段在常态下、在扰动状态下的介数中心性。
在以上技术方案的基础上，优选的，所述计算扰动状态下的全局网络效率的公式为：
其中，Q为所有路段在扰动状态下交通流量总和，为第i个节点与第j个节点所表示的路段在扰动状态下的平均通行时间。
在以上技术方案的基础上，优选的，所述计算扰动状态下的城市交通道路网络韧性值的公式为：
其中，Resilicence为韧性值，a、b为常量。
本发明第二方面，公开一种兼顾全局效率与局部错位的城市交通路网韧性评估系统，所述系统包括：
路网构建模块：用于结合路网结构数据和路段监测数据构建交通路网模型；
路径计算模块：用于根据路段监测数据分别计算各个路段常态下的平均通行时间和扰动状态下的平均通行时间，并基于dijkstra算法分别生成常态下、扰动状态下各节点间最短时间路段路径集合；
错位值计算模块：用于分别根据常态下、扰动状态下各节点间最短时间路段路径集合和对应的路段交通流量计算常态下、扰动状态下的路段介数中心性；根据常态下的路段介数中心性和扰动状态下的路段介数中心性计算局部错位值；
全局网络效率计算模块：用于根据扰动状态下路段平均通行时间与扰动状态下路段交通流量计算扰动状态下的全局网络效率；
韧性值计算模块：用于根据局部错位值与扰动状态下的全局网络效率，计算扰动状态下的城市交通道路网络韧性值。
本发明第三方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；
其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如本发明第一方面所述的方法。
本发明第四方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如本发明第一方面所述的方法。
本发明相对于现有技术具有以下有益效果：
1）本发明根据常态下的路段介数中心性和扰动状态下的路段介数中心性计算局部错位值，根据扰动状态下路段平均通行时间与扰动状态下路段交通流量计算扰动状态下的全局网络效率，并综合局部错位值与扰动状态下的全局网络效率计算扰动状态下的城市交通道路网络韧性值，通过耦合道路拓扑网络与交通流量预演扰动事件对道路交通的影响，能动态反映和量化突发事件扰动情形下的交通网络性能变化；
2）本发明基于交通流量和最短时间改进了路网介数中心性与全局网络效率模型，对于路段中断与路段限速均可适用，更符合实际扰动状态下的交通特征，可以提高路网韧性评估的适用性；
3）本发明计算的路网韧性值兼顾了交通路网全局网络效率与局部错位情况，可以更好切合局部突发事件影响与全局交通影响这一扰动交通特征，提高路网韧性评估的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明兼顾全局效率与局部错位的城市交通路网韧性评估方法流程图；
图2是突发事件对交通影响示意图；
图3是全局网络效率与局部错位示意图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
本发明基于路段检测数据呈现扰动状态下的交通情景，耦合道路网络与交通网络，提出一种综合路网拓扑与交通流量、兼顾全局效率与局部错位的城市交通路网韧性评估方法。
请参阅图1，本发明提出，一种兼顾全局效率与局部错位的城市交通路网韧性评估方法，所述方法包括：
S1、结合路网结构数据和路段监测数据构建交通路网模型。
具体的，路网结构数据包括路网节点和边，路网节点为，节点总数为N，其中节点与节点/>所构成边表示为/>。
路段监测数据包括常态下的路段流量、扰动状态下路段流量、常态下的路段平均行驶车速和扰动状态下的路段平均行驶车速。
所构建的交通路网模型的附属属性包含路段长度、常态下的路段平均行驶车速、常态下的路段流量/>、常态下的路段平均通行时间/>。还包括突发事件的路段监测数据，即扰动状态下路段平均行驶车速/>，扰动状态下路段流量/>，扰动状态下路段平均通行时间/>。
S2、根据路段监测数据分别计算各个路段常态下的平均通行时间和扰动状态下的平均通行时间，并基于dijkstra算法分别生成常态下/扰动状态下各节点间最短时间路段路径集合。
S21、根据路段长度与常态下的路段平均行驶车速，计算常态下的路段平均通行时间，计算公式为：
其中，为常态下第i个节点与第j个节点所表示路段的平均通行时间，i=1,2,...,N，j=1,2,...,N，/>为第i个节点与第j个节点所表示路段的长度，/>为第i个节点与第j个节点所表示路段的平均行驶车速，/>表示第i个节点与第j个节点之间是否相连通，表示第i个节点与第j个节点连通，/>表示不连通，N为路网中的节点总数。
S22、根据路段长度与扰动状态下的路段平均行驶车速，计算扰动状态下的路段平均通行时间，计算公式为：
其中，为第i个节点与第j个节点所表示路段的扰动状态下平均通行时间，/>为第i个节点与第j个节点所表示路段的长度，/>为第i个节点与第j个节点所表示路段在扰动状态下的平均行驶车速。
S23、基于dijkstra算法生成常态下各节点间最短时间路段路径集合。
S231、设路网的节点集合为，/>，N为节点总数，令初始节点计数集合，常态下各节点间的最短时间路段路径集合/>；
S232、从M中任选两个节点m o、m d 分别作为路径起始节点、终止节点，要求m 0、m d 在中的数量小于N-1个，以避免重复，将m 0、m d 加入/>中，以常态下路段平均通行时间最短作为基准，利用dijkstra算法计算得到节点m o 和m d 之间的最短时间路段序列，k为m o 和m d 之间的节点总数，令/>，将路段序列/>加入R中；
S233、重复以上步骤S232，直到初始集合M中所有节点都加入且/>中的每个节点均为N-1个，迭代结束，得到常态下各节点间的最短时间路段路径集合R，R的具体表达式如下：
其中，表示各节点间的最短时间路段路径集合中第q个路段序列，q=1,2,…,N*(N-1)/2，N*(N-1)/2表示各节点间的最短时间路段路径集合中路段序列的总数。
S24、基于dijkstra算法计算扰动状态下各节点间最短时间路段路径集合。
采用与步骤S23相同的原理，计算各节点间扰动状态下最短时间路段路径集合R * ，R * 的表达式如下：
其中，表示扰动状态下最短时间路段路径集合中第q个路段序列，q=1,2,…,N*(N-1)/2，N*(N-1)/2表示各节点间扰动状态下最短时间路段路径集合中路段序列的数量。
如图2示出了突发事件对交通的影响示意图，当发生突发事件时，交通路径选择可能存在限速、限行等影响，因此，本发明采用路段通行最短时间而非最短距离为基准进行路径选择，从而得到扰动状态下各节点间的最短时间路段路径集合，更符合实际需求。
S3、分别根据常态下/扰动状态下各节点间最短时间路段路径集合和对应的路段交通流量计算常态下/扰动状态下的路段介数中心性。
S31、根据常态下的最短时间路段路径集合、路段交通流量，计算常态下的路段介数中心性。
相比原始介数中心性，本发明在计算常态下的路段介数中心性时引入路段交通流量，即路段使用次数作为权值，计算常态下的路段介数中心性的公式为：
其中，为第i个节点与第j个节点所表示的路段在常态下的介数中心性，/>为第i个节点与第j个节点所表示路段在常态下的交通流量，m o 表示第o个节点，m d 表示第d个节点，o=1,2,…,N，d=1,2,…,N，/>为常态下第i个节点与第j个节点所表示的路段/>出现在节点m o 、m d 之间的最短时间路段路径集合子集中的数量，/>为节点m o 、m d 之间的最短时间路段路径集合子集的数量，N为节点总数；
S32、根据扰动状态下的最短时间路段路径集合、扰动状态下路段交通流量，计算扰动状态下的路段介数中心性。
与计算常态下的路段介数中心性类似，计算扰动状态下的路段介数中心性的公式为：
其中，为第i个节点与第j个节点所表示的路段在扰动状态下的介数中心性；为第i个节点与第j个节点所表示路段在扰动状态下的交通流量；/>为在扰动状态下第i个节点与第j个节点所表示的路段/>出现在节点m o 、m d 之间的最短时间路段路径集合子集中的数量；/>为在扰动状态下节点m o 、m d 之间的最短时间路段路径集合子集的数量。
S4、根据常态下的路段介数中心性和扰动状态下的路段介数中心性计算局部错位值。
具体的，计算局部错位值的公式为：
其中，分别为第i个节点与第j个节点所表示路段在常态下、在扰动状态下的介数中心性。该局部错位值表示了当前交通状态下的局部错位程度。
S5、根据扰动状态下路段平均通行时间与扰动状态下路段交通流量计算扰动状态下的全局网络效率。
具体的，计算扰动状态下的全局网络效率E的公式为：
其中，Q为所有路段在扰动状态下交通流量总和，为第i个节点与第j个节点所表示的路段在扰动状态下的平均通行时间。
由于图2所示的突发事件对交通路径选择的影响，本发明基于最短时间而非最短路径进行全局网络效率计算，并综合交通流量，即路段使用次数为权值，对于路段中断与路段限速均可适用，更符合实际扰动状态下的交通特征，可以提高路网韧性评估的适用性。
S6、根据局部错位值与扰动状态下的全局网络效率，计算扰动状态下的城市交通道路网络韧性值。
如图3所示为全局网络效率与局部错位示意图，其中，O为某一路段的起点，D为该路段终点，本发明考虑局部突发事件影响与全局交通影响的特征，基于最短时间和交通流量进行全局网络效率E与局部错位程度计算，最后耦合全局网络效率E与局部错位值，综合计算扰动状态下的城市交通道路网络韧性值，计算公式为：
其中，Resilicence为韧性值，a、b为常量。
本发明计算的路网韧性值兼顾了交通路网全局网络效率与局部错位情况，针对性强，可以更好切合局部突发事件影响与全局交通影响这一扰动交通特征，提高路网韧性评估的准确性。
本发明通过耦合道路拓扑网络与交通流量预演扰动事件对道路交通的影响，能动态反映和量化突发事件扰动情形下的交通网络性能变化，对于提高城市交通防灾减灾，指导扰动应急决策具有现实意义。
与上述方法实施例相对应，本发明还提出一种兼顾全局效率与局部错位的城市交通路网韧性评估系统，所述系统包括：
路网构建模块：用于结合路网结构数据和路段监测数据构建交通路网模型；
路径计算模块：用于根据路段监测数据分别计算各个路段常态下的平均通行时间和扰动状态下的平均通行时间，并基于dijkstra算法分别生成常态下、扰动状态下各节点间最短时间路段路径集合；
错位值计算模块：用于分别根据常态下、扰动状态下各节点间最短时间路段路径集合和对应的路段交通流量计算常态下、扰动状态下的路段介数中心性；根据常态下的路段介数中心性和扰动状态下的路段介数中心性计算局部错位值；
全局网络效率计算模块：用于根据扰动状态下路段平均通行时间与扰动状态下路段交通流量计算扰动状态下的全局网络效率；
韧性值计算模块：用于根据局部错位值与扰动状态下的全局网络效率，计算扰动状态下的城市交通道路网络韧性值。
以上系统实施例和方法实施例是一一对应的，系统实施例简述之处请参阅方法实施例即可。
本发明还公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现本发明前述的方法。
本发明还公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现本发明实施例所述方法的全部或部分步骤。所述存储介质包括：U盘、移动硬盘、只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以分布到多个网络单元上。本领域普通技术人员在不付出创造性的劳动的情况下，可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
以上所述仅为本发明的较佳实施方式而已，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、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种兼顾全局效率与局部错位的城市交通路网韧性评估方法，其特征在于，所述方法包括：
结合路网结构数据和路段监测数据构建交通路网模型；
根据路段监测数据分别计算各个路段常态下的平均通行时间和扰动状态下的平均通行时间，并基于dijkstra算法分别生成常态下、扰动状态下各节点间最短时间路段路径集合；
分别根据常态下、扰动状态下各节点间最短时间路段路径集合和对应的路段交通流量计算常态下、扰动状态下的路段介数中心性；
根据常态下的路段介数中心性和扰动状态下的路段介数中心性计算局部错位值；所述计算局部错位值的公式为：
；
其中，表示局部错位值，/>、/>分别为路网中第i个节点与第j个节点所表示路段在常态下、在扰动状态下的介数中心性，N为节点总数；
根据扰动状态下路段平均通行时间与扰动状态下路段交通流量计算扰动状态下的全局网络效率；
根据局部错位值与扰动状态下的全局网络效率，计算扰动状态下的城市交通道路网络韧性值。
2.根据权利要求1所述的兼顾全局效率与局部错位的城市交通路网韧性评估方法，其特征在于，所述路网结构数据包括路网节点和边；
所述路段监测数据包括常态下的路段流量、扰动状态下路段流量、常态下的路段平均行驶车速和扰动状态下的路段平均行驶车速。
3.根据权利要求1所述的兼顾全局效率与局部错位的城市交通路网韧性评估方法，其特征在于，基于dijkstra算法生成常态下各节点间最短时间路段路径集合具体包括：
设路网的节点集合为，i=1,2,...,N，N为节点总数，令初始节点计数集合/>，常态下扰动状态下各节点间的最短时间路段路径集合为/>；
从M中任选两个节点m o、m d 分别作为路径起始节点、终止节点，并将m 0、m d 加入中，以常态下路段平均通行时间最短作为基准，利用dijkstra算法计算得到节点m o 和m d 之间的最短时间路段序列/>，令/>，k为m o 和m d 之间的节点总数，将路段序列/>加入R中；
重复以上步骤直到初始集合M中所有节点都加入且/>中的每个节点均为N-1个，迭代结束，得到扰动状态下各节点间的最短时间路段路径集合R，R的具体表达式如下：
；
其中，表示各节点间的最短时间路段路径集合中第q个路段序列，q=1,2,…,N*(N-1)/2，N*(N-1)/2表示各节点间的最短时间路段路径集合中路段序列的总数。
4.根据权利要求3所述的兼顾全局效率与局部错位的城市交通路网韧性评估方法，其特征在于，计算常态下的路段介数中心性的公式为：
；
其中，为第i个节点与第j个节点所表示的路段在常态下的介数中心性，/>为第i个节点与第j个节点所表示路段在常态下的交通流量，/>为第i个节点与第j个节点所表示的路段/>出现在节点m o 、m d 之间的最短时间路段路径集合子集中的数量，/>为节点m o 、m d 之间的最短时间路段路径集合子集的数量，N为节点总数；
计算扰动状态下的路段介数中心性的公式为：
；
其中，为第i个节点与第j个节点所表示的路段在扰动状态下的介数中心性，/>为第i个节点与第j个节点所表示路段在扰动状态下的交通流量，/>为第i个节点与第j个节点所表示路段出现在节点m o 、m d 之间的扰动状态下最短时间路段路径集合子集中的数量，为节点m o 、m d 之间的扰动状态下最短时间路段路径集合子集的数量。
5.根据权利要求4所述的兼顾全局效率与局部错位的城市交通路网韧性评估方法，其特征在于，所述计算扰动状态下的全局网络效率的公式为：
；
其中，E为全局网络效率，Q为所有路段在扰动状态下交通流量总和，为第i个节点与第j个节点所表示的路段在扰动状态下的平均通行时间。
6.根据权利要求5所述的兼顾全局效率与局部错位的城市交通路网韧性评估方法，其特征在于，所述计算扰动状态下的城市交通道路网络韧性值的公式为：
；
其中，Resilicence为韧性值，a、b为常量。
7.使用权利要求1~6任一项所述方法的一种兼顾全局效率与局部错位的城市交通路网韧性评估系统，其特征在于，所述系统包括：
路网构建模块：用于结合路网结构数据和路段监测数据构建交通路网模型；
路径计算模块：用于根据路段监测数据分别计算各个路段常态下的平均通行时间和扰动状态下的平均通行时间，并基于dijkstra算法分别生成常态下、扰动状态下各节点间最短时间路段路径集合；
错位值计算模块：用于分别根据常态下、扰动状态下各节点间最短时间路段路径集合和对应的路段交通流量计算常态下、扰动状态下的路段介数中心性；根据常态下的路段介数中心性和扰动状态下的路段介数中心性计算局部错位值；
全局网络效率计算模块：用于根据扰动状态下路段平均通行时间与扰动状态下路段交通流量计算扰动状态下的全局网络效率；
韧性值计算模块：用于根据局部错位值与扰动状态下的全局网络效率，计算扰动状态下的城市交通道路网络韧性值。
8.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器、通信接口和总线；
其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如权利要求1~6任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如权利要求1~6任一项所述的方法。
CN202310570846.8A 2023-05-19 2023-05-19 兼顾全局效率与局部错位的城市交通路网韧性评估方法 Active CN116343487B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310570846.8A CN116343487B (zh) 2023-05-19 2023-05-19 兼顾全局效率与局部错位的城市交通路网韧性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310570846.8A CN116343487B (zh) 2023-05-19 2023-05-19 兼顾全局效率与局部错位的城市交通路网韧性评估方法

Publications (2)

Publication Number Publication Date
CN116343487A CN116343487A (zh) 2023-06-27
CN116343487B true CN116343487B (zh) 2023-08-01

Family

ID=86893243

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310570846.8A Active CN116343487B (zh) 2023-05-19 2023-05-19 兼顾全局效率与局部错位的城市交通路网韧性评估方法

Country Status (1)

Country Link
CN (1) CN116343487B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108847037A (zh) * 2018-06-27 2018-11-20 华中师范大学 一种面向非全局信息的城市路网路径规划方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8577663B2 (en) * 2011-05-23 2013-11-05 GM Global Technology Operations LLC System and methods for fault-isolation and fault-mitigation based on network modeling
WO2015067299A1 (en) * 2013-11-05 2015-05-14 Brainlab Ag Quantification of brain vulnerability
CN110584684B (zh) * 2019-09-11 2021-08-10 五邑大学 一种驾驶疲劳相关的eeg功能连接动态特性的分析方法
CN111950153A (zh) * 2020-08-14 2020-11-17 江苏师范大学 一种基于多种攻击策略的电力网络脆弱性评估方法
CN111950155A (zh) * 2020-08-14 2020-11-17 江苏师范大学 一种城市公共交通系统脆弱性评估方法
CN114037199A (zh) * 2021-09-23 2022-02-11 同济大学 一种城市街道网络韧性定量测度方法
CN114124728A (zh) * 2021-11-11 2022-03-01 国网四川省电力公司经济技术研究院 电网控制系统与电力一次设备间脆弱性耦合链路识别方法
CN114093168B (zh) * 2021-11-18 2022-11-11 长安大学 一种基于韧性视角下的城市道路交通运行状态评价方法
CN114446051A (zh) * 2022-01-06 2022-05-06 东南大学 一种城市路网交通韧性薄弱识别方法
CN115879806A (zh) * 2022-12-16 2023-03-31 南京师范大学 一种基于复杂网络的电力系统与交通网络脆弱性评估方法
CN115622903B (zh) * 2022-12-19 2023-04-07 中国人民解放军国防科技大学 一种基于网络结构的电信网节点重要度计算方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108847037A (zh) * 2018-06-27 2018-11-20 华中师范大学 一种面向非全局信息的城市路网路径规划方法

Also Published As

Publication number Publication date
CN116343487A (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN101305509B (zh) 用于确定估计电池状态向量的系统和方法
CN105091889B (zh) 一种热点路径的确定方法及设备
CN103471603B (zh) 一种公交线路与道路网络的匹配方法和装置
CN105335892A (zh) 一种社交网络重要用户发现的实现方法
CN107274669B (zh) 一种基于最短路径的城市道路交通网络熵计算方法及系统
CN106875281B (zh) 基于贪心子图的社会网络节点挖掘激活方法
CN108090677B (zh) 一种关键基础设施的可靠性测评方法
CN105162654A (zh) 一种基于局部社团信息的链路预测方法
KR101105446B1 (ko) 검지체계간의 데이터 퓨전을 통한 실시간 통행시간 산정방법
CN110380903A (zh) 一种电力通信网故障探测方法、装置及设备
CN116343487B (zh) 兼顾全局效率与局部错位的城市交通路网韧性评估方法
CN103347028A (zh) 云架构下基于贝叶斯的对等网络信任度量模型
CN112862311A (zh) 一种基于双层区块链的车联网信任管理方法
CN109474461B (zh) 基于信誉泊松分布的无线传感器网络信任管理方法及系统
CN105205568A (zh) 告警事务提取方法及系统
Qin et al. A reliable energy consumption path finding algorithm for electric vehicles considering the correlated link travel speeds and waiting times at signalized intersections
CN102708297B (zh) 任意分支结构的动力学预报方法
CN109460876A (zh) 一种考虑售电侧放开后的配电网供电能力评估方法
CN115714739A (zh) 一种电力通信网业务路由规划方法及装置
CN105958495A (zh) 一种含风电电力系统概率潮流计算方法
CN109861855A (zh) 一种电力通信网络中节点重要度的确定方法和装置
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
CN102684935B (zh) 基于信息量的流量矩阵估测方法
CN114842641A (zh) 面向省域的多模式链式交通分配方法
CN110942178B (zh) 一种基于资源分配指标的链路预测方法的充电桩推荐方法

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