CN116524724B - 一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统 - Google Patents
一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统 Download PDFInfo
- Publication number
- CN116524724B CN116524724B CN202310783235.1A CN202310783235A CN116524724B CN 116524724 B CN116524724 B CN 116524724B CN 202310783235 A CN202310783235 A CN 202310783235A CN 116524724 B CN116524724 B CN 116524724B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- bottleneck
- traffic
- vehicles
- entrance ramp
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000000547 structure data Methods 0.000 claims abstract description 40
- 230000000694 effects Effects 0.000 claims abstract description 35
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000009827 uniform distribution Methods 0.000 claims description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 241001070941 Castanea Species 0.000 description 3
- 235000014036 Castanea Nutrition 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 241001494479 Pecora Species 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- 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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统,方法包括:获取待研究区域的高速公路网的网络结构数据和历史交通需求数据;识别出高速公路网中的瓶颈路段及瓶颈路段的主要车源;将主要车源对应的入口匝道作为实施交通控制的目标入口匝道;模拟主要车源的车辆在高速公路网上的移动情况,确定瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段;以各目标入口匝道的车辆控制率作为决策变量,以瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型;对优化模型进行求解,确定各目标入口匝道的最优车辆控制率。降低了瓶颈路段上的交通流量,缓解交通拥堵,改善高速公路网的交通状况。
Description
技术领域
本发明属于交通技术领域,尤其涉及一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统。
背景技术
匝道控制是最为经典且常用的交通控制策略。学者们开发了不同的匝道控制模型实现了高速公路瓶颈路段的拥堵缓解。但是,现有的研究仍存在着以下问题:
不加区分地选择瓶颈路段的上游入口匝道实施交通控制,每个入口匝道对于瓶颈路段拥堵的贡献是不同的,甚至某些入口匝道并不会对瓶颈路段拥堵产生影响,随意选择瓶颈路段的上游入口匝道实施控制只会导致交通控制的效率低下,投入相当的控制成本却无法得到满意的拥堵缓解效果;
重视交通控制的拥堵缓解效率而忽略交通控制的交通公平性,每个入口匝道都必定存在一种属性,这种属性决定了该入口匝道理应被实施交通控制的强度,忽视这种属性会导致许多车辆被不必要地控制,这不仅不能提高交通控制的拥堵缓解效果,还会增加高速公路系统的整体延误,降低交通控制方案的可实施性。
发明内容
为了弥补现有技术的缺陷,本发明提供了一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统。
为了解决上述技术问题,本发明所采用的技术方案是:
第一方面,提供一种考虑交通公平性的瓶颈路段拥堵缓解方法,包括:
获取待研究区域的高速公路网的网络结构数据和历史交通需求数据;
根据网络结构数据和历史交通需求数据,识别出高速公路网中的瓶颈路段及瓶颈路段的主要车源,主要车源至少为一个;
将主要车源对应的入口匝道作为实施交通控制的目标入口匝道,目标入口匝道至少为一个;
模拟主要车源的车辆在高速公路网上的移动情况,确定瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段,交通控制时段包括多个分阶段;
以各目标入口匝道的车辆控制率作为决策变量,以瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型;车辆控制率表示每个目标入口匝道在每个分阶段阻止车辆驶入高速公路网的比例;拥堵缓解效果值用于表示对瓶颈路段的拥堵缓解程度;交通公平性取值用于表示各目标入口匝道间的理论控制强度与实际控制强度的相关程度;
对优化模型进行求解,确定各目标入口匝道的最优车辆控制率。
进一步的,获取待研究区域的高速公路网的网络结构数据和历史交通需求数据,包括:
获取待研究区域的高速公路网中所有入口匝道的入口匝道信息及所有路段的路段信息;入口匝道信息包括每个入口匝道的匝道编号、匝道名称及匝道经纬度;相邻两个入口匝道之间的道路为一个路段;路段信息包括每个路段的起始入口匝道编号、终止入口匝道编号、长度值、车道数量及每个车道的预设车速范围;
根据入口匝道信息及路段信息得到网络结构数据;
获取待研究区域的高速公路网中每对入口匝道之间在预设时间段内的车辆出行总数,得到历史交通需求数据。
进一步的,根据网络结构数据和历史交通需求数据,识别出高速公路网中的瓶颈路段及瓶颈路段的主要车源,包括:
根据网络结构数据,使用Dijkstra算法为每对入口匝道之间生成一条最短路径,并设定每对入口匝道之间的车辆出行按照对应的最短路径完成;
根据历史交通需求数据,累计计算预设时间段内每一条最短路径中对应的每对入口匝道之间的车辆出行总数,得到各路段的交通流量;
根据网络结构数据中每个路段的车道数量及每个车道的预设车速范围,计算得到各路段的设计通行能力;
根据设计通行能力及交通流量计算得到各路段的流量容量比;
将流量容量比最大的路段作为高速公路网中的瓶颈路段;
根据瓶颈路段统计各入口匝道的车辆类型总数,根据车辆类型总数得到瓶颈路段的主要车源。
进一步的,根据瓶颈路段统计各入口匝道的车辆类型总数,根据车辆类型总数得到瓶颈路段的主要车源,包括:
对每一个入口匝道出发的所有车辆进行分类;
当待分类车辆从当前入口匝道出发通过瓶颈路段时,将待分类车辆分类为第一类车辆;
当待分类车辆从当前入口匝道出发未通过瓶颈路段时,将待分类车辆分类为第二类车辆;
将第一类车辆的总数不为零的入口匝道作为瓶颈路段的原车源,原车源至少为一个;
统计所有原车源对应的第一类车辆的总数;
根据从大到小的方式,依次累计各原车源对应的第一类车辆的总数,直到达到瓶颈路段的交通流量的预设比例;
将参与累计的所有原车源作为瓶颈路段的主要车源,主要车源至少为一个。
进一步的,模拟主要车源的车辆在高速公路网上的移动情况,确定瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段,包括:
选取每一个主要车源的第一类车辆作为模拟移动情况的对象,并按照最短路径原则得到第一类车辆出行的出行路径;
根据车辆均匀分布原则生成每辆第一类车辆的出行起始时间;
根据正态分布生成每辆第一类车辆的初始行驶速度,并根据正态分布相隔给定的时间间隔更新每辆第一类车辆的实时行驶速度;
计算每辆第一类车辆到达瓶颈路段的最终时间,计算公式为:
;
其中,为第一类车辆到达瓶颈路段的最终时间;/>为第一类车辆的出行起始时间;/>为第一类车辆的行驶速度更新的给定的时间间隔;/>表示第一类车辆到达瓶颈路段的过程中具有的/>的数量,/>为大于2的正整数,且第一类车辆到达瓶颈路段所需要的行驶时长介于/>和/>之间;/>为第一类车辆出行的起始入口匝道到瓶颈路段的距离;/>是第一类车辆处于第/>个时间间隔中的行驶速度,/>;/>为第一类车辆到达瓶颈路段的平均行驶速度;
根据所有第一类车辆到达瓶颈路段对应的最终时间,确定瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段。
进一步的,根据所有第一类车辆到达瓶颈路段对应的最终时间,确定瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段,包括:
以预设固定时长为间隔划分时间窗,根据每辆第一类车辆到达瓶颈路段对应的最终时间,统计每个时间窗内到达瓶颈路段的第一类车辆总数,/>表示第/>个时间窗,/>为大于1的正整数;
确定中的最大值,并乘以预设流量比例得到流量界限/>;
统计中超过/>对应的目标时间窗,组合目标时间窗作为瓶颈路段的拥堵时段;
统计各主要车源的第一类车辆到达瓶颈路段所需要的平均行驶时长,并将每个平均行驶时长分别划分为多个时长相等的分时段;
针对每个目标入口匝道,根据拥堵时段之前的预设数量的分时段加上拥堵时段的结束时间,得到每个目标入口匝道的交通控制时段,交通控制时段包括多个分阶段,所有分阶段的时长相等。
进一步的,瓶颈路段的拥堵缓解效果值的表达式为:
;
其中,为实施交通控制之后第/>个时间窗内达到瓶颈路段的第一类车辆总数,为预设惩罚系数。
进一步的,以各目标入口匝道的车辆控制率作为决策变量,以瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型之前,还包括:
根据各主要车源的第一类车辆的总数,得到车辆数组[α 1 ,α 2 ,...,α i ],表示主要车源i的第一类车辆的总数;
根据各主要车源的第一类车辆的总数与全部车辆的比值,得到比值数组[β 1 , β 2 ,...,β i ],表示主要车源i的第一类车辆的总数与全部车辆的比值;
对车辆数组[α 1 ,α 2 ,...,α i ]进行最小归一化,对比值数组[β 1 ,β 2 ,...,β i ]进行最大归一化;
通过控制强制计算公式,计算得到各主要车源的控制强度指数/>,/>为预置权重系数,/>为/>的归一化值,/>为/>的归一化值;
通过公平性指数计算公式,计算得到各主要车源的公平性指数/>,/>为实施交通控制之后主要车源i的所有第一类车辆的额外等待时长之和,/>为无限接近于零的实数;
根据交通公平性计算公式,计算得到各目标入口匝道间的交通公平性取值V,/>为所有主要车源的公平性指数的平均值,M为瓶颈路段的主要车源的总数。
进一步的,以各目标入口匝道的车辆控制率作为决策变量,以瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型,包括:
以各目标入口匝道的车辆控制率作为决策变量,y表示第y个目标入口匝道,j表示第j个分阶段;
根据决策变量得到约束条件,/>表示第y个目标入口匝道在各分阶段的预设极限控制率;
根据瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值V得到目标条件/>;
根据及/>,构建得到优化模型。
第二方面,提供一种考虑交通公平性的瓶颈路段拥堵缓解系统,包括:
数据获取模块,用于获取待研究区域的高速公路网的网络结构数据和历史交通需求数据;
识别处理模块,用于根据网络结构数据和历史交通需求数据,识别出高速公路网中的瓶颈路段及瓶颈路段的主要车源,主要车源至少为一个;
匝道确定模块,用于将主要车源对应的入口匝道作为实施交通控制的目标入口匝道,目标入口匝道至少为一个;
时段确定模块,用于模拟主要车源的车辆在高速公路网上的移动情况,确定瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段,交通控制时段包括多个分阶段;
优化模型构建模块,用于以各目标入口匝道的车辆控制率作为决策变量,以瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型;车辆控制率表示每个目标入口匝道在每个分阶段阻止车辆驶入高速公路网的比例;拥堵缓解效果值用于表示对瓶颈路段的拥堵缓解程度;交通公平性取值用于表示各目标入口匝道间的理论控制强度与实际控制强度的相关程度;
计算处理模块,用于对优化模型进行求解,确定各目标入口匝道的最优车辆控制率。
本发明所达到的有益效果:
获取待研究区域的高速公路网的网络结构数据和历史交通需求数据;根据网络结构数据和历史交通需求数据,识别出高速公路网中的瓶颈路段及瓶颈路段的主要车源,主要车源至少为一个;将主要车源对应的入口匝道作为实施交通控制的目标入口匝道,目标入口匝道至少为一个;模拟主要车源的车辆在高速公路网上的移动情况,确定瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段,交通控制时段包括多个分阶段;以各目标入口匝道的车辆控制率作为决策变量,以瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型;车辆控制率表示每个目标入口匝道在每个分阶段阻止车辆驶入高速公路网的比例;拥堵缓解效果值用于表示对瓶颈路段的拥堵缓解程度;交通公平性取值用于表示各目标入口匝道间的理论控制强度与实际控制强度的相关程度;对优化模型进行求解,确定各目标入口匝道的最优车辆控制率。使用网络结构数据和历史交通需求数据识别出高速公路网中的瓶颈路段,并且识别出瓶颈路段的主要车源作为实施交通控制的目标入口匝道,并且在优化模型构建时兼顾拥堵缓解效果和交通公平性,实现对目标入口匝道的最优车辆控制率,能够有效降低瓶颈路段上的交通流量,缓解瓶颈路段的交通拥堵情况,从而改善高速公路网的整体交通状况。
附图说明
图1为本发明考虑交通公平性的瓶颈路段拥堵缓解方法的流程图;
图2为本发明识别得到瓶颈路段以及主要车源的流程图;
图3为本发明处理得到拥堵时段和交通控制时段的流程图;
图4为本发明考虑交通公平性的瓶颈路段拥堵缓解系统的系统结构图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,本发明实施例提供一种考虑交通公平性的瓶颈路段拥堵缓解方法,包括:
101,获取待研究区域的高速公路网的网络结构数据和历史交通需求数据;
其中,获取待研究区域的高速公路网中所有入口匝道的入口匝道信息及所有路段的路段信息,根据入口匝道信息及路段信息得到网络结构数据;入口匝道信息包括每个入口匝道的匝道编号、匝道名称及匝道经纬度;相邻两个入口匝道之间的道路为一个路段;路段信息包括每个路段的起始入口匝道编号、终止入口匝道编号、长度值、车道数量及每个车道的预设车速范围;例如,A省的高速公路网由506个入口匝道和550条高速公路路段组成,需要说明的是,入口匝道能够驶入车辆,因此公路网中的枢纽也属于入口匝道的一种。网络结构数据具体内容可以为:入口匝道“栗山塘”的匝道编号为1,经度为112.854度,纬度为28.090度;从入口匝道“江永”(匝道编号为307)到入口匝道“江华”(匝道编号为306)的路段的长度为9466.029米,车道数量为4条,每个车道的预设车速范围为60km/h至100 km/h。
获取待研究区域的高速公路网中每对入口匝道之间在预设时间段内的车辆出行总数,得到历史交通需求数据,例如,预设时间段为2019年5月13日的每个小时内,A省高速公路网的每对入口匝道之间的车辆出行总数,2019年5月13日13点至14点,从入口匝道“学士”出发到达入口匝道“栗山塘”的车辆共有28辆。本实施例累计了所有小时内的历史交通需求数据,如2019年5月13日,从入口匝道“学士”出发到达入口匝道“栗山塘”的车辆共有496辆。
102,根据网络结构数据和历史交通需求数据,识别出高速公路网中的瓶颈路段及瓶颈路段的主要车源;
其中,对于瓶颈路段以及主要车源的识别过程,具体如图2所示:
201,根据网络结构数据,使用Dijkstra算法为每对入口匝道之间生成一条最短路径,并设定每对入口匝道之间的车辆出行按照对应的最短路径完成;
Dijkstra算法是一种已知的最短路径算法,在获取了网络结构数据的基础上,就能确定高速公路网的网络结构,再利用Dijkstra算法生成每对入口匝道之间的一条最短路径,并且设定出每对入口匝道之间的车辆出行需要严格按照对应的最短路径完成;
202,根据历史交通需求数据,累计计算预设时间段内每一条最短路径中对应的每对入口匝道之间的车辆出行总数,得到各路段的交通流量;
203,根据网络结构数据中每个路段的车道数量及每个车道的预设车速范围,计算得到各路段的设计通行能力;
假设,从入口匝道“李家塘”到入口匝道“昭山”的路段的车道数量为4条,设计速度为100 km/h,根据《公路工程技术标准》可以推测出该路段的设计通行能力应为8800 pcu/h,即每小时最大可以通过8800辆车;
204,根据设计通行能力及交通流量计算得到各路段的流量容量比;
假设从入口匝道“李家塘”到入口匝道“昭山”的路段的交通流量为32390辆/天,该路段的流量容量比(VOC)=32390/(8800*24)=0.153;
205,将流量容量比最大的路段作为高速公路网中的瓶颈路段;
一个路段的流量容量比的值越大,则表示该路段的车流量越大,反之则越小;因此流量容量比最大的路段必然是拥堵情况最严重的,将该路段作为高速公路网中的瓶颈路段;
206,对每一个入口匝道出发的所有车辆进行分类;
为了缓解瓶颈路段的拥堵,需要先确定造成每个入口匝道驶入的车辆是否会通过瓶颈路段,如果需要通过,表明会对瓶颈路段造成拥堵压力,如果不需要通过,则表明不会对瓶颈路段造成拥堵压力;以此为原则对车辆进行分类;
207,当待分类车辆从当前入口匝道出发通过瓶颈路段时,将待分类车辆分类为第一类车辆;
208,当待分类车辆从当前入口匝道出发未通过瓶颈路段时,将待分类车辆分类为第二类车辆;
209,将第一类车辆的总数不为零的入口匝道作为瓶颈路段的原车源;
原车源的数量至少为一个;
原车源的数量至少为一个;
210,统计所有原车源对应的第一类车辆的总数;
211,根据从大到小的方式,依次累计各原车源对应的第一类车辆的总数,直到达到瓶颈路段的交通流量的预设比例;
例如,瓶颈路段的原车源共有155个,按第一类车辆的总数的从大到小排序结果为:入口匝道“雨花”、入口匝道“长沙”、入口匝道“羊楼司”和入口匝道“巴陵”等,其第一类车辆的总数分别为7532辆、2766辆、2487辆和2477辆等,从大到小依次依次累计各原车源对应的第一类车辆的总数,交通流量的预设比例设置为80%,即在累计相加了M个原车源的第一类车辆的总数之后,达到了80%的交通流量,就停止累计了,记录M个原车源参与了累计过程;
212,将参与累计的所有原车源作为瓶颈路段的主要车源。
将以上M个原车源都作为瓶颈路段的主要车源。
103,将主要车源对应的入口匝道作为实施交通控制的目标入口匝道;
其中,主要车源已经确定的情况下,主要车源对应的入口匝道也能够确定,作为实施交通控制的目标入口匝道。
104,模拟主要车源的车辆在高速公路网上的移动情况,确定瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段;
其中,处理得到拥堵时段和交通控制时段的过程,具体如下图3所示:
301,选取每一个主要车源的第一类车辆作为模拟移动情况的对象,并按照最短路径原则得到第一类车辆出行的出行路径;
在以上步骤201中,已经获知了每对入口匝道的最短路径,那么针对每辆第一类车辆也能按照相同的最短路径原则得到出行路径;
302,根据车辆均匀分布原则生成每辆第一类车辆的出行起始时间;
根据车辆均匀分布原则,所有车辆在所有路段的行驶过程中是均匀的分布的,从而生成每辆第一类车辆的出行起始时间;
303,根据正态分布生成每辆第一类车辆的初始行驶速度,并根据正态分布相隔给定的时间间隔更新每辆第一类车辆的实时行驶速度;
本实施中以均值为88.671 km/h、标准差为13.744 km/h的正态分布生成每辆第一类车辆的初始行驶速度,并根据同样的正态分布,每隔给定的时间间隔更新每辆第一类车辆的实时行驶速度;
304,计算每辆第一类车辆到达瓶颈路段的最终时间,计算公式为:
;
其中,为第一类车辆到达瓶颈路段的最终时间;/>为第一类车辆的出行起始时间;/>为第一类车辆的行驶速度更新的给定的时间间隔,具体的/>取值可以为2min;/>表示第一类车辆到达瓶颈路段的过程中具有的/>的数量,/>为大于2的正整数,且第一类车辆到达瓶颈路段所需要的行驶时长介于/>和/>之间;/>为第一类车辆出行的起始入口匝道到瓶颈路段的距离;/>是第一类车辆处于第/>个时间间隔中的行驶速度,;/>为第一类车辆到达瓶颈路段的平均行驶速度;
305,以预设固定时长为间隔划分时间窗,根据每辆第一类车辆到达瓶颈路段对应的最终时间,统计每个时间窗内到达瓶颈路段的第一类车辆总数;
假设,时间窗的预设固定时长具体为5min,2019年5月13日按5min间隔划分时间窗,并统计了每个时间窗内到达瓶颈路段的第一类车辆总数 ,/>表示第/>个时间窗,为大于1的正整数。例如:在时间窗12: 00-12: 05内,共有133辆车辆到达了瓶颈路段;
306,确定中的最大值,并乘以预设流量比例得到流量界限/>;
的最大值为192(对应时间窗10: 00-10: 05),并以其的预设流量比例90%作为流量界限/>,/>等于172.8;
307,统计中超过/>对应的目标时间窗,组合目标时间窗作为瓶颈路段的拥堵时段;
假设统计到达瓶颈路段的第一类车辆总数超过172.8的时间窗包括9: 15-9:20、9: 20-9: 25和9: 25-9: 30等共40个目标时间窗。组合目标时间窗确定了瓶颈路段的拥堵时段为9: 15-11: 00和13: 20-16: 40;
308,统计各主要车源的第一类车辆到达瓶颈路段所需要的平均行驶时长,并将每个平均行驶时长分别划分为多个时长相等的分时段;
假设主要车源(目标入口匝道)“羊楼司”的第一类车辆共有2487辆,到达瓶颈路段的平均行驶时长为132.685分钟,分时段以15min为例,那么可以划分出9个分时段;
309,针对每个目标入口匝道,根据拥堵时段之前的预设数量的分时段加上拥堵时段的结束时间,得到每个目标入口匝道的交通控制时段。
对于每个目标入口匝道而言,以拥堵时段的前若干个分时段到拥堵时段的结束时间作为目标入口匝道的交通控制时段,交通控制时段可以按分时段(每15min)划分为多个分阶段;
例如,目标入口匝道“羊楼司”处实施交通控制的时段应为7: 00-11: 00和11:05-16: 40,同时按每15min划分为40个分阶段,在各分阶段中,目标入口匝道的控制强度不同,表示着交通控制每隔15min变化一次,从而灵活地适应交通需求的时变特性。
105,以各目标入口匝道的车辆控制率作为决策变量,以瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型;
车辆控制率表示目标入口匝道y在分阶段j阻止车辆驶入高速公路网的比例,即只有前/>的车辆能从入口匝道y驶入高速公路网,而后/>的车辆被推延到下一个分阶段j+1才能从目标入口匝道y驶入高速公路网;拥堵缓解效果值用于表示对瓶颈路段的拥堵缓解程度;交通公平性取值用于表示各目标入口匝道间的理论控制强度与实际控制强度的相关程度;
优选的,瓶颈路段的拥堵缓解效果值的表达式为:
;
其中,为实施交通控制之后第/>个时间窗内达到瓶颈路段的第一类车辆总数,为预设惩罚系数;
需要说明的是,各目标入口匝道间的交通公平性取值的具体过程为:
根据各主要车源的第一类车辆的总数,得到车辆数组[α 1 ,α 2 ,...,α i ],表示主要车源i的第一类车辆的总数;
根据各主要车源的第一类车辆的总数与全部车辆的比值,得到比值数组[β 1 , β 2 ,...,β i ],表示主要车源i的第一类车辆的总数与全部车辆的比值;
对车辆数组[α 1 ,α 2 ,...,α i ]进行最小归一化,对比值数组[β 1 ,β 2 ,...,β i ]进行最大归一化;
通过控制强制计算公式,计算得到各主要车源的控制强度指数/>,/>为预置权重系数,/>为/>的归一化值,/>为/>的归一化值;
通过公平性指数计算公式,计算得到各主要车源的公平性指数/>,/>为实施交通控制之后主要车源i的所有第一类车辆的额外等待时长之和,/>为无限接近于零的实数;
根据交通公平性计算公式,计算得到各目标入口匝道间的交通公平性取值V,/>为所有主要车源的公平性指数的平均值,M为瓶颈路段的主要车源的总数。
以各目标入口匝道的车辆控制率作为决策变量,根据决策变量得到约束条件,/>表示第y个目标入口匝道在各分阶段的预设极限控制率,本实施例中,预先设置了极限控制率为20%,每个分阶段的最大控制率为20%;
根据瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值V得到目标条件/>;
根据及/>,构建得到优化模型。
106,对优化模型进行求解,确定各目标入口匝道的最优车辆控制率。
其中,优化模型所求解得到的各目标入口匝道的最优车辆控制率,作为优化后的交通控制方案,在实施交通控制时,能够减少瓶颈路段的车流量。
本发明实施例的实施例原理为:
获取待研究区域的高速公路网的网络结构数据和历史交通需求数据;根据网络结构数据和历史交通需求数据,识别出高速公路网中的瓶颈路段及瓶颈路段的主要车源,主要车源至少为一个;将主要车源对应的入口匝道作为实施交通控制的目标入口匝道,目标入口匝道至少为一个;模拟主要车源的车辆在高速公路网上的移动情况,确定瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段,交通控制时段包括多个分阶段;以各目标入口匝道的车辆控制率作为决策变量,以瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型;车辆控制率表示每个目标入口匝道在每个分阶段阻止车辆驶入高速公路网的比例;拥堵缓解效果值用于表示对瓶颈路段的拥堵缓解程度;交通公平性取值用于表示各目标入口匝道间的理论控制强度与实际控制强度的相关程度;对优化模型进行求解,确定各目标入口匝道的最优车辆控制率。使用网络结构数据和历史交通需求数据识别出高速公路网中的瓶颈路段,并且识别出瓶颈路段的主要车源作为实施交通控制的目标入口匝道,并且在优化模型构建时兼顾拥堵缓解效果和交通公平性,实现对目标入口匝道的最优车辆控制率,能够有效降低瓶颈路段上的交通流量,缓解瓶颈路段的交通拥堵情况,从而改善高速公路网的整体交通状况。
在以上实施例中详细的描述考虑交通公平性的瓶颈路段拥堵缓解方法的实施过程及原理,下面通过实施例描述考虑交通公平性的瓶颈路段拥堵缓解系统,如图4所示,包括:
数据获取模块401,用于获取待研究区域的高速公路网的网络结构数据和历史交通需求数据;
识别处理模块402,用于根据网络结构数据和历史交通需求数据,识别出高速公路网中的瓶颈路段及瓶颈路段的主要车源,主要车源至少为一个;
匝道确定模块403,用于将主要车源对应的入口匝道作为实施交通控制的目标入口匝道,目标入口匝道至少为一个;
时段确定模块404,用于模拟主要车源的车辆在高速公路网上的移动情况,确定瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段,交通控制时段包括多个分阶段;
优化模型构建模块405,用于以各目标入口匝道的车辆控制率作为决策变量,以瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型;车辆控制率表示每个目标入口匝道在每个分阶段阻止车辆驶入高速公路网的比例;拥堵缓解效果值用于表示对瓶颈路段的拥堵缓解程度;交通公平性取值用于表示各目标入口匝道间的理论控制强度与实际控制强度的相关程度;
计算处理模块406,用于对优化模型进行求解,确定各目标入口匝道的最优车辆控制率。
本发明实施例的实施例原理为:
数据获取模块401获取待研究区域的高速公路网的网络结构数据和历史交通需求数据,识别处理模块402根据网络结构数据和历史交通需求数据,识别出高速公路网中的瓶颈路段及瓶颈路段的主要车源,匝道确定模块403将主要车源对应的入口匝道作为实施交通控制的目标入口匝道,时段确定模块404模拟主要车源的车辆在高速公路网上的移动情况,确定瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段,优化模型构建模块405以各目标入口匝道的车辆控制率作为决策变量,以瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型,计算处理模块406对优化模型进行求解,确定各目标入口匝道的最优车辆控制率。使用网络结构数据和历史交通需求数据识别出高速公路网中的瓶颈路段,并且识别出瓶颈路段的主要车源作为实施交通控制的目标入口匝道,并且在优化模型构建时兼顾拥堵缓解效果和交通公平性,实现对目标入口匝道的最优车辆控制率,能够有效降低瓶颈路段上的交通流量,缓解瓶颈路段的交通拥堵情况,从而改善高速公路网的整体交通状况。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (2)
1.一种考虑交通公平性的瓶颈路段拥堵缓解方法,其特征在于,包括:
获取待研究区域的高速公路网的网络结构数据和历史交通需求数据;
根据所述网络结构数据和所述历史交通需求数据,识别出所述高速公路网中的瓶颈路段及所述瓶颈路段的主要车源,所述主要车源至少为一个;
将所述主要车源对应的入口匝道作为实施交通控制的目标入口匝道,所述目标入口匝道至少为一个;
模拟所述主要车源的车辆在所述高速公路网上的移动情况,确定所述瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段,所述交通控制时段包括多个分阶段;
以各目标入口匝道的车辆控制率作为决策变量,以所述瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型;所述车辆控制率表示每个目标入口匝道在每个分阶段阻止车辆驶入所述高速公路网的比例;所述拥堵缓解效果值用于表示对所述瓶颈路段的拥堵缓解程度;所述交通公平性取值用于表示各目标入口匝道间的理论控制强度与实际控制强度的相关程度;
对所述优化模型进行求解,确定各目标入口匝道的最优车辆控制率;
所述获取待研究区域的高速公路网的网络结构数据和历史交通需求数据,包括:
获取待研究区域的高速公路网中所有入口匝道的入口匝道信息及所有路段的路段信息;所述入口匝道信息包括每个入口匝道的匝道编号、匝道名称及匝道经纬度;相邻两个入口匝道之间的道路为一个路段;所述路段信息包括每个路段的起始入口匝道编号、终止入口匝道编号、长度值、车道数量及每个车道的预设车速范围;
根据所述入口匝道信息及所述路段信息得到网络结构数据;
获取所述待研究区域的高速公路网中每对入口匝道之间在预设时间段内的车辆出行总数,得到历史交通需求数据;
所述根据所述网络结构数据和所述历史交通需求数据,识别出所述高速公路网中的瓶颈路段及所述瓶颈路段的主要车源,包括:
根据所述网络结构数据,使用Dijkstra算法为每对入口匝道之间生成一条最短路径,并设定每对入口匝道之间的车辆出行按照对应的最短路径完成;
根据所述历史交通需求数据,累计计算所述预设时间段内每一条最短路径中对应的每对入口匝道之间的车辆出行总数,得到各路段的交通流量;
根据所述网络结构数据中每个路段的车道数量及每个车道的预设车速范围,计算得到各路段的设计通行能力;
根据所述设计通行能力及所述交通流量计算得到各路段的流量容量比;
将所述流量容量比最大的路段作为高速公路网中的瓶颈路段;
对每一个入口匝道出发的所有车辆进行分类;
当待分类车辆从当前入口匝道出发通过所述瓶颈路段时,将所述待分类车辆分类为第一类车辆;
当待分类车辆从当前入口匝道出发未通过所述瓶颈路段时,将所述待分类车辆分类为第二类车辆;
将所述第一类车辆的总数不为零的入口匝道作为所述瓶颈路段的原车源,所述原车源至少为一个;
统计所有原车源对应的所述第一类车辆的总数;
根据从大到小的方式,依次累计各原车源对应的所述第一类车辆的总数,直到达到所述瓶颈路段的交通流量的预设比例;
将参与累计的所有原车源作为所述瓶颈路段的主要车源,所述主要车源至少为一个;
所述模拟所述主要车源的车辆在所述高速公路网上的移动情况,确定所述瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段,包括:
选取每一个主要车源的第一类车辆作为模拟移动情况的对象,并按照最短路径原则得到所述第一类车辆出行的出行路径;
根据车辆均匀分布原则生成每辆第一类车辆的出行起始时间;
根据正态分布生成每辆第一类车辆的初始行驶速度,并根据所述正态分布相隔给定的时间间隔更新每辆第一类车辆的实时行驶速度;
计算每辆第一类车辆到达所述瓶颈路段的最终时间,计算公式为:
;
其中,所述为第一类车辆到达所述瓶颈路段的最终时间;所述/>为第一类车辆的出行起始时间;所述/>为第一类车辆的行驶速度更新的给定的时间间隔;所述/>表示第一类车辆到达所述瓶颈路段的过程中具有的所述/>的数量,所述/>为大于2的正整数,且第一类车辆到达所述瓶颈路段所需要的行驶时长介于所述/>和所述之间;所述/>为第一类车辆出行的起始入口匝道到所述瓶颈路段的距离;所述/>是第一类车辆处于第/>个时间间隔中的行驶速度,所述/>;所述/>为第一类车辆到达所述瓶颈路段的平均行驶速度;
以预设固定时长为间隔划分时间窗,根据每辆第一类车辆到达所述瓶颈路段对应的最终时间,统计每个时间窗内到达所述瓶颈路段的第一类车辆总数,所述/>表示第/>个时间窗,所述/>为大于1的正整数;
确定所述中的最大值,并乘以预设流量比例得到流量界限/>;
统计所述中超过所述/>对应的目标时间窗,组合所述目标时间窗作为所述瓶颈路段的拥堵时段;
统计各主要车源的第一类车辆到达所述瓶颈路段所需要的平均行驶时长,并将每个平均行驶时长分别划分为多个时长相等的分时段;
针对每个目标入口匝道,根据所述拥堵时段之前的预设数量的分时段加上所述拥堵时段的结束时间,得到每个目标入口匝道的交通控制时段,所述交通控制时段包括多个分阶段,所有分阶段的时长相等;
所述瓶颈路段的拥堵缓解效果值的表达式为:
;
其中,所述为实施交通控制之后所述第/>个时间窗内达到所述瓶颈路段的第一类车辆总数,所述/>为预设惩罚系数;
所述以各目标入口匝道的车辆控制率作为决策变量,以所述瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型之前,还包括:
根据各主要车源的第一类车辆的总数,得到车辆数组[α 1 ,α 2 ,...,α i ],所述表示主要车源i的第一类车辆的总数;
根据各主要车源的第一类车辆的总数与全部车辆的比值,得到比值数组[β 1 ,β 2 ,..., β i ],所述表示所述主要车源i的第一类车辆的总数与全部车辆的比值;
对所述车辆数组[α 1 ,α 2 ,...,α i ]进行最小归一化,对所述比值数组[β 1 ,β 2 ,...,β i ]进行最大归一化;
通过控制强制计算公式,计算得到各主要车源的控制强度指数/>,所述/>为预置权重系数,所述/>为所述/>的归一化值,所述/>为所述/>的归一化值;
通过公平性指数计算公式,计算得到各主要车源的公平性指数/>,所述/>为实施交通控制之后所述主要车源i的所有第一类车辆的额外等待时长之和,所述为无限接近于零的实数;
根据交通公平性计算公式,计算得到各目标入口匝道间的交通公平性取值V,所述/>为所有主要车源的公平性指数的平均值,所述M为所述瓶颈路段的主要车源的总数;
所述以各目标入口匝道的车辆控制率作为决策变量,以所述瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型,包括:
以各目标入口匝道的车辆控制率作为决策变量,所述y表示第y个目标入口匝道,所述j表示第j个分阶段;
根据所述决策变量得到约束条件,所述/>表示所述第y个目标入口匝道在各分阶段的预设极限控制率;
根据所述瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值V得到目标条件/>;
根据所述及所述/>,构建得到优化模型。
2.一种考虑交通公平性的瓶颈路段拥堵缓解系统,其特征在于,包括:
数据获取模块,用于获取待研究区域的高速公路网的网络结构数据和历史交通需求数据;
识别处理模块,用于根据所述网络结构数据和所述历史交通需求数据,识别出所述高速公路网中的瓶颈路段及所述瓶颈路段的主要车源,所述主要车源至少为一个;
匝道确定模块,用于将所述主要车源对应的入口匝道作为实施交通控制的目标入口匝道,所述目标入口匝道至少为一个;
时段确定模块,用于模拟所述主要车源的车辆在所述高速公路网上的移动情况,确定所述瓶颈路段的拥堵时段及每个目标入口匝道的交通控制时段,所述交通控制时段包括多个分阶段;
优化模型构建模块,用于以各目标入口匝道的车辆控制率作为决策变量,以所述瓶颈路段的拥堵缓解效果值和各目标入口匝道间的交通公平性取值作为目标条件,构建得到优化模型;所述车辆控制率表示每个目标入口匝道在每个分阶段阻止车辆驶入所述高速公路网的比例;所述拥堵缓解效果值用于表示对所述瓶颈路段的拥堵缓解程度;所述交通公平性取值用于表示各目标入口匝道间的理论控制强度与实际控制强度的相关程度;
计算处理模块,用于对所述优化模型进行求解,确定各目标入口匝道的最优车辆控制率;
所述数据获取模块,具体用于获取待研究区域的高速公路网中所有入口匝道的入口匝道信息及所有路段的路段信息;所述入口匝道信息包括每个入口匝道的匝道编号、匝道名称及匝道经纬度;相邻两个入口匝道之间的道路为一个路段;所述路段信息包括每个路段的起始入口匝道编号、终止入口匝道编号、长度值、车道数量及每个车道的预设车速范围;根据所述入口匝道信息及所述路段信息得到网络结构数据;获取所述待研究区域的高速公路网中每对入口匝道之间在预设时间段内的车辆出行总数,得到历史交通需求数据;
所述识别处理模块,具体用于根据所述网络结构数据,使用Dijkstra算法为每对入口匝道之间生成一条最短路径,并设定每对入口匝道之间的车辆出行按照对应的最短路径完成;根据所述历史交通需求数据,累计计算所述预设时间段内每一条最短路径中对应的每对入口匝道之间的车辆出行总数,得到各路段的交通流量;根据所述网络结构数据中每个路段的车道数量及每个车道的预设车速范围,计算得到各路段的设计通行能力;根据所述设计通行能力及所述交通流量计算得到各路段的流量容量比;将所述流量容量比最大的路段作为高速公路网中的瓶颈路段;对每一个入口匝道出发的所有车辆进行分类;当待分类车辆从当前入口匝道出发通过所述瓶颈路段时,将所述待分类车辆分类为第一类车辆;当待分类车辆从当前入口匝道出发未通过所述瓶颈路段时,将所述待分类车辆分类为第二类车辆;将所述第一类车辆的总数不为零的入口匝道作为所述瓶颈路段的原车源,所述原车源至少为一个;统计所有原车源对应的所述第一类车辆的总数;根据从大到小的方式,依次累计各原车源对应的所述第一类车辆的总数,直到达到所述瓶颈路段的交通流量的预设比例;将参与累计的所有原车源作为所述瓶颈路段的主要车源,所述主要车源至少为一个;
所述时段确定模块,具体用于选取每一个主要车源的第一类车辆作为模拟移动情况的对象,并按照最短路径原则得到所述第一类车辆出行的出行路径;根据车辆均匀分布原则生成每辆第一类车辆的出行起始时间;根据正态分布生成每辆第一类车辆的初始行驶速度,并根据所述正态分布相隔给定的时间间隔更新每辆第一类车辆的实时行驶速度;计算每辆第一类车辆到达所述瓶颈路段的最终时间,计算公式为:;其中,所述/>为第一类车辆到达所述瓶颈路段的最终时间;所述/>为第一类车辆的出行起始时间;所述/>为第一类车辆的行驶速度更新的给定的时间间隔;所述/>表示第一类车辆到达所述瓶颈路段的过程中具有的所述/>的数量,所述/>为大于2的正整数,且第一类车辆到达所述瓶颈路段所需要的行驶时长介于所述/>和所述/>之间;所述/>为第一类车辆出行的起始入口匝道到所述瓶颈路段的距离;所述/>是第一类车辆处于第/>个时间间隔中的行驶速度,所述/>;所述/>为第一类车辆到达所述瓶颈路段的平均行驶速度;以预设固定时长为间隔划分时间窗,根据每辆第一类车辆到达所述瓶颈路段对应的最终时间,统计每个时间窗内到达所述瓶颈路段的第一类车辆总数/>,所述/>表示第/>个时间窗,所述/>为大于1的正整数;确定所述/>中的最大值,并乘以预设流量比例得到流量界限/>;统计所述/>中超过所述/>对应的目标时间窗,组合所述目标时间窗作为所述瓶颈路段的拥堵时段;统计各主要车源的第一类车辆到达所述瓶颈路段所需要的平均行驶时长,并将每个平均行驶时长分别划分为多个时长相等的分时段;针对每个目标入口匝道,根据所述拥堵时段之前的预设数量的分时段加上所述拥堵时段的结束时间,得到每个目标入口匝道的交通控制时段,所述交通控制时段包括多个分阶段,所有分阶段的时长相等;所述瓶颈路段的拥堵缓解效果值/>的表达式为:;其中,所述/>为实施交通控制之后所述第/>个时间窗内达到所述瓶颈路段的第一类车辆总数,所述/>为预设惩罚系数;
所述系统还包括:计算模块;
所述计算模块,用于根据各主要车源的第一类车辆的总数,得到车辆数组[α 1 ,α 2 ,..., α i ],所述表示主要车源i的第一类车辆的总数;根据各主要车源的第一类车辆的总数与全部车辆的比值,得到比值数组[β 1 ,β 2 ,...,β i ],所述/>表示所述主要车源i的第一类车辆的总数与全部车辆的比值;对所述车辆数组[α 1 ,α 2 ,...,α i ]进行最小归一化,对所述比值数组[β 1 ,β 2 ,...,β i ]进行最大归一化;通过控制强制计算公式/>,计算得到各主要车源的控制强度指数/>,所述/>为预置权重系数,所述/>为所述/>的归一化值,所述/>为所述/>的归一化值;通过公平性指数计算公式/>,计算得到各主要车源的公平性指数/>,所述/>为实施交通控制之后所述主要车源i的所有第一类车辆的额外等待时长之和,所述/>为无限接近于零的实数;根据交通公平性计算公式/>,计算得到各目标入口匝道间的交通公平性取值V,所述/>为所有主要车源的公平性指数的平均值,所述M为所述瓶颈路段的主要车源的总数;
所述优化模型构建模块,具体用于以各目标入口匝道的车辆控制率作为决策变量,所述y表示第y个目标入口匝道,所述j表示第j个分阶段;根据所述决策变量得到约束条件/>,所述/>表示所述第y个目标入口匝道在各分阶段的预设极限控制率;根据所述瓶颈路段的拥堵缓解效果值/>和各目标入口匝道间的交通公平性取值V得到目标条件/>;根据所述/>及所述/>,构建得到优化模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310783235.1A CN116524724B (zh) | 2023-06-29 | 2023-06-29 | 一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310783235.1A CN116524724B (zh) | 2023-06-29 | 2023-06-29 | 一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116524724A CN116524724A (zh) | 2023-08-01 |
CN116524724B true CN116524724B (zh) | 2023-09-22 |
Family
ID=87399715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310783235.1A Active CN116524724B (zh) | 2023-06-29 | 2023-06-29 | 一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116524724B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3518622A (en) * | 1967-04-14 | 1970-06-30 | Lee Corp | Expressway ramp traffic control system |
US6480783B1 (en) * | 2000-03-17 | 2002-11-12 | Makor Issues And Rights Ltd. | Real time vehicle guidance and forecasting system under traffic jam conditions |
CN102930728A (zh) * | 2012-11-19 | 2013-02-13 | 西安费斯达自动化工程有限公司 | 基于fpga及改进吴正模型的在线交通瓶颈预测控制方法 |
CN105975705A (zh) * | 2016-05-13 | 2016-09-28 | 东南大学 | 一种针对可变限速控制的元胞传输仿真模型改进方法 |
CN106355905A (zh) * | 2016-10-28 | 2017-01-25 | 银江股份有限公司 | 一种基于卡口数据的高架信号控制方法 |
CN108109398A (zh) * | 2017-12-28 | 2018-06-01 | 山东易构软件技术股份有限公司 | 一种高架快速路多匝道协调控制系统及控制方法 |
CN113674522A (zh) * | 2020-05-13 | 2021-11-19 | 南京东控智能交通研究院有限公司 | 一种解决快速道路瓶颈路段拥堵问题的匝道控制方法 |
CN114613125A (zh) * | 2021-12-16 | 2022-06-10 | 浙江浙大中控信息技术有限公司 | 一种快速路多匝道分层协同控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10036789A1 (de) * | 2000-07-28 | 2002-02-07 | Daimler Chrysler Ag | Verfahren zur Bestimmung des Verkehrszustands in einem Verkehrsnetz mit effektiven Engstellen |
-
2023
- 2023-06-29 CN CN202310783235.1A patent/CN116524724B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3518622A (en) * | 1967-04-14 | 1970-06-30 | Lee Corp | Expressway ramp traffic control system |
US6480783B1 (en) * | 2000-03-17 | 2002-11-12 | Makor Issues And Rights Ltd. | Real time vehicle guidance and forecasting system under traffic jam conditions |
CN102930728A (zh) * | 2012-11-19 | 2013-02-13 | 西安费斯达自动化工程有限公司 | 基于fpga及改进吴正模型的在线交通瓶颈预测控制方法 |
CN105975705A (zh) * | 2016-05-13 | 2016-09-28 | 东南大学 | 一种针对可变限速控制的元胞传输仿真模型改进方法 |
CN106355905A (zh) * | 2016-10-28 | 2017-01-25 | 银江股份有限公司 | 一种基于卡口数据的高架信号控制方法 |
CN108109398A (zh) * | 2017-12-28 | 2018-06-01 | 山东易构软件技术股份有限公司 | 一种高架快速路多匝道协调控制系统及控制方法 |
CN113674522A (zh) * | 2020-05-13 | 2021-11-19 | 南京东控智能交通研究院有限公司 | 一种解决快速道路瓶颈路段拥堵问题的匝道控制方法 |
CN114613125A (zh) * | 2021-12-16 | 2022-06-10 | 浙江浙大中控信息技术有限公司 | 一种快速路多匝道分层协同控制方法 |
Non-Patent Citations (7)
Title |
---|
Driver Source-Based Traffic Control Approach for Mitigating Congestion in Freeway Bottlenecks;Minglun Li 等;Journal of Advanced Transportation;第1-13页 * |
Estimating Traffic Flow in Large Road Networks Based on Multi-Source Traffic Data;Pu Wang等;IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS;第22卷(第9期);第5672-5683页 * |
Traffic control approach based on multi‐source data fusion;Pu Wang 等;IET Intelligent Transport Systems;第13卷(第5 期);第764-772页 * |
可变临界间隙条件下的加速车道车辆汇入模型;关羽 等;公路交通科技;第27卷(第06期);第117-120页 * |
城市公交网络运行演化分析与瓶颈甄别;王璞 等;电子科技大学学报;第47卷(第3期);第455-461页 * |
基于AD-ALINEA的入口匝道控制方法;王卫卫 等;山东科学;第31卷(第5期);第58-63页 * |
高速公路主线瓶颈区域的协调控制模型;马明辉 等;浙江大学学报(工学版);第49卷(第09期);第1700-1706页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116524724A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110491146B (zh) | 一种基于深度学习的交通信号控制方案实时推荐方法 | |
CN101673463B (zh) | 一种基于时间序列的交通信息预测方法及装置 | |
CN100533475C (zh) | 基于粒子群算法的交通信号离线配时优化方法 | |
CN109035775B (zh) | 一种突发事件识别的方法及装置 | |
CN106530757A (zh) | 一种高架匝道智能信号调控方法 | |
CN116052435B (zh) | 一种城市道路拥堵影响范围界定与道路影响力计算方法 | |
CN111383453B (zh) | 交通信号控制在线仿真和实时跟踪反馈系统及运行方法 | |
Chen et al. | Adaptive ramp metering control for urban freeway using large-scale data | |
CN116524724B (zh) | 一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统 | |
CN114333361A (zh) | 一种信号灯配时方法及装置 | |
CN111815973A (zh) | 信号交叉口分析方法及相关设备 | |
CN113763728B (zh) | 一种交通组织及信号配时协同优化方法、装置及设备 | |
CN113920727B (zh) | 一种由施工引发道路拥堵的预测方法及系统 | |
CN113689721B (zh) | 一种自动驾驶车速控制方法、系统、终端以及存储介质 | |
Lu et al. | Optimizing signal timing of the arterial‐branch intersection: A fuzzy control and nonlinear programming approach | |
CN112797994A (zh) | 用于确定路线的预计到达时间的方法及相关装置和服务器 | |
CN113870591B (zh) | 基于交通量预测的信号控制时段的划分方法、装置及设备 | |
Li et al. | Variable speed limit strategies analysis with link transmission model on urban expressway | |
CN113066286A (zh) | 一种车路协同路网车辆运行风险路段判定方法和装置 | |
CN113470361A (zh) | 一种交通信号配时评价方法、装置及存储介质 | |
CN116189464B (zh) | 基于精细化回报机制的交叉熵强化学习可变限速控制方法 | |
Sun et al. | Traffic prediction for connected vehicles on a signalized arterial | |
CN115457766B (zh) | 一种用于预测道路拥堵状态的方法及系统 | |
Mrad et al. | Short term prediction of hourly traffic volume using neural network in interurban freeway | |
CN112528475B (zh) | 基于g/m/n排队模型的初中等教育建筑接送停车位数量确定方法 |
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 |