CN103413263B - 旅行时间指数熵交通运行评价方法 - Google Patents

Abstract

本发明公开了一种旅行时间指数熵交通运行评价方法，包括如下步骤：a、根据路网车辆检测设备提供的历史速度数据计算路网中每个路段的自由流速度；b、计算每条路段的旅行时间指数；c、根据分位数方法或道路通行能力推算旅行时间指数的截断位置；d、计算浮动车旅行时间指数的离散概率分布；e、计算旅行时间指数的熵值；e、使用最大熵定理计算熵最大可能取值作为动态范围的上限；f、以旅行时间指数的最小熵值H_min作为旅行时间指数的熵的动态范围下限；g、在熵动态范围上限和下限之间进行归一化处理，得出路网交通运行评价值。本发明给出了交通运行状态的科学表征方法，从***的混乱性无序性以及出行时间不确定性的角度给出了交通拥堵严重程度的测度。

Description

旅行时间指数熵交通运行评价方法

技术领域

本发明涉及交通运行状况评价技术领域，具体的说是一种从***无序性和混乱性角度测量交通运行状况的旅行时间指数熵交通运行评价方法。

背景技术

城市交通运行状况受到自然以及各种社会矛盾的综合影响，交通拥堵已经成为大城市面临的日益严峻的世界性难题。对交通运行状况本质的认识以及定量衡量是各项缓堵工作的基础。现有从各种角度衡量交通运行状况的方法，包括：交通流量、行程速度、车流密度、车头间距、负荷度、排队长度、可靠出行时间、拥堵里程比例以及旅行时间指数(TravelTimeIndex，简称为TTI)等。这些指标用来评价交通运行状况存在如下问题：1、宏观概念薄弱，仅从某个物理量衡量交通、不能给出交通运行状况本质性的解释；2、人为经验性的设定较多，比如有的方法人为设定拥堵判决阈值。至今仍未有对交通状况抽象性、本质性的衡量方法。

有鉴于上述现有的交通运行评价方法存在的缺陷，本发明人积极加以研究创新，提出了一种新的旅行时间指数熵交通运行评价方法。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种旅行时间指数熵交通运行评价方法，从交通运行状况本质性对交通运行状况进行评价。

为了解决上述技术问题，本发明采用了如下技术方案：

旅行时间指数熵交通运行评价方法，包括如下步骤：

包括如下步骤：

a.计算路网中每一路段的自由流速度，所述自由流速度为交通量较小道路完全畅通情况下车辆的行驶速度；

b.计算某一时间段内路网中每一路段的旅行时间指数TTI，所述旅行时间指数为车辆以当前速度行驶与自由流速度行驶同样的距离需要的时间的比值；

c.计算旅行时间指数截断位置，丢弃大于截断位置数值的不合理数据，保留从零到截断位置的TTI数据作为后继处理数据；

d.计算旅行时间指数的离散概率分布；

e.通过下式1计算旅行时间指数的熵值，

$H\left(X\right)=\underset{i=1}{\overset{N}{\Σ}}P\left({\mathrm{TTI}}_i\right)log\frac{1}{P\left({\mathrm{TTI}}_i\right)}$ 式1

其中H(X)为旅行时间指数的熵值，P(TTI_i)为TTI概率分布中第i种TTI取值对应的概率值，N为从零到截断位置的TTI等间隔划分数；

f.以旅行时间指数的最大熵值H_max作为旅行时间指数的熵的动态范围上限；

g.以旅行时间指数的最小熵值H_min作为旅行时间指数的熵的动态范围下限；

h.在TTI熵的动态范围的上下限内，对步骤e得到的旅行时间指数的熵做归一化处理得到的值作为交通运行评价的指数，所述归一化处理即将熵值范围[H_min,H_max]映射到设定范围[Z_min,Z_max]。

作为优选，将一天24小时分成y个相等的时间间隔，对每个路段计算各个时间间隔内的车辆的平均速度，将至少一天的各时间间隔内的平均速度按从大到小排序，按一定比例提取前面速度最大的并求平均值作为该路段的自由流速度。

作为优选，提取比例为不大于35％。

作为优选，所述步骤b中，以浮动车的方式获得相关的速度，进而得到相应路段的旅行时间指数，采用公式如下：

$\begin{array}{c}TTI=\underset{i=1}{\overset{n}{\Σ}}{t}_i/\underset{i=1}{\overset{n}{\Σ}}{T}_i\\ =\underset{i=1}{\overset{n}{\Σ}}{t}_i/\underset{i=1}{\overset{n}{\Σ}}\left(\frac{l_i}{v_f}\right)\end{array}$

其中TTI为路段旅行时间指数，n为路段内浮动车数，t_i为路段内第i辆浮动车的实际旅行时间，T_i为第i辆浮动车以自由流速度行驶所需时间，l_i为第i辆浮动车在路段内的行驶距离，v_f为路段自由流速度。

作为优选，所述步骤c中，按TTI的99％分位数选取旅行时间指数截断位置。

作为优选，所述步骤c中，按道路通行能力和最大车流密度计算旅行时间指数截断位置，具体公式如下：

TTI_min＝V_f/V_min

其中TTI_min为TTI截断位置的值，V_f为路段自由流速度，V_min为车流最低速度；其中V_min＝λM/ρ，λ为绿信比，M为车道最大通行能力，辆/车道小时；ρ为最大密度，辆/公里车道。

作为优选，出行指数的最大熵值H_max通过如下公式获得，H_max＝logN，其中N为从零到截断位置的TTI等间隔划分数。

作为优选，将根据历史监测数据获得TTI熵曾经出现的最小值H_min作为TTI的熵的动态范围下限。

作为优选，所述步骤h中，将熵值范围[H_min,H_max]归一化到指数范围[0,10]。

与现有技术相比，本发明的有益效果在于：

本发明的旅行时间指数熵交通运行评价方法给出了交通拥堵宏观和微观的科学涵义，不但反映了交通***的无序性和混乱程度，无序性越强、混乱程度越大熵越大；而且反映了拥堵带来出行时间的不确定性，不确定性越大熵越大。弥补了现有的各种衡量方法认为因素干扰较大的不足。可以更加准确地对交通运行的畅通及拥堵状态进行评价和衡量。本发明给出了交通运行状态的科学表征方法，从***的混乱性无序性以及出行时间不确定性的角度给出了交通拥堵严重程度的测度。

附图说明

图1a-图1d为本发明实施例的TTI离散概率分布图；

图2为本发明的实施例中得到的TTI熵的曲线图；

图3为图1中的TTI熵归一化为指数的曲线图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细描述，但不作为对本发明的限定。

以下以北京市为例对本发明进行说明，所用数据为北京市的历史检测数据。旅行时间指数熵交通运行评价方法，包括如下步骤：

1、计算路网中路段(link)的自由流速度

自由流速度为交通量较小道路完全畅通情况下车辆的行驶速度，可以忽略车辆密度对其影响，但其受雨、雪、雾等自然条件及限行标志等道路通行能力的影响，

自由流速度为交通量较小道路完全畅通情况下车辆的行驶速度，可以忽略车辆密度对其影响，但其受雨、雪、雾等自然条件及限行标志等道路通行能力的影响，每个路段具有不同的自由流速度。将一天24小时分成多个相等的时间间隔，然后使用历史监测数据对每个link每个时间间隔统计一定期限的平均速度。时间间隔可是5分钟、10分钟、15分钟或其他任一时长的时间。本实施例中以每5分钟一个时间间隔为例，一整天共分割成288个时间段。一定时期至少为一天，一般期限较长会弱化意外因素的影响。本实施例中统计连续一个月内各时间间隔的平均速度。当然也可以是6个月或更长或更短的期限。比如求连续一个月内每天01:00至01:05的该link平均速度(行驶距离之和除以行驶时间之和)，得到该link该时间间隔的速度，所有时间间隔的速度从大到小排序，求速度最大的前25％速度的平均值作为该link的自由流速度。自由流速度每隔一定时间计算更新一次，比如1个月更新一次，以适应路网情况变化对自由流速度的影响。

2、计算路段旅行时间指数TTI

旅行时间指数(TravelTimeIndex缩写为TTI)定义为同样的距离车辆以当前速度行驶需要的时间与自由流速度行驶需要时间的比值。同样是将全天分割成多个时间段，可以是5分钟、10分钟、15分钟或其他任意时长作为一个时间段。本步骤中，采用与步骤1相同的时间段，即每5分钟一个时间段。计算各个时间段内路网内的每一路段的旅行时间指数。以便在全天随时播报上一时间段的路网中某一区域的拥堵程度(通过拥堵指数)。本实施例中以浮动车的方式获得相关的速度，进而得到相应路段的旅行时间指数，采用公式如下：

$\begin{array}{c}TTI=\underset{i=1}{\overset{n}{\Σ}}{t}_i/\underset{i=1}{\overset{n}{\Σ}}{T}_i\\ =\underset{i=1}{\overset{n}{\Σ}}{t}_i/\underset{i=1}{\overset{n}{\Σ}}\left(\frac{l_i}{v_f}\right)\end{array}$

其中TTI为该路段旅行时间指数，n为浮动车数，t_i为浮动车实际旅行时间，T_i为自由流旅行时间，l_i为浮动车行驶距离，v_f为自由流速度。也即同一个link内所有浮动车行驶时间之和与其行驶距离之和除以自由流速度(在自由流速度下行驶这些距离所需要时间)所得时间的比值。

3、计算TTI截断位置

因为由于设备故障、出租车打表等人等原因影响数据质量，获取的路段TTI会出现不正常的极大值，而且当TTI的取值范围增大到一定程度时，若这些取值对应的概率很小接近于零，则熵不变。为了剔除质量较差的数据同时减少***计算量，在不影响分析结果的情况下需要丢弃极少一部分不合理数据，保留从零到截断位置的TTI样本作为后继处理数据。

TTI截断方法可以采用如下两种方式：

a、按TTI的99％分位数选取。

将路段的TTI作为其包含的每辆浮动车的TTI，按照浮动车数加权将TTI从小到大排列，保留数量占比例99％处对应的TTI值作为截断位置。如2012年北京市最严重拥堵日平均99％分位数TTI截断值为8.8，即保留TTI小于8.8的浮动车样本占全部样本的99％。

b、按道路通行能力和最大车流密度计算

设车道最大通行能力为M辆/车道小时，最大密度为ρ辆/公里车道，道路长度L公里，绿信比为λ。绿信比即绿灯时间占信号灯周期时间的比例。

考虑到信号灯则实际交叉口车道通行能力C为

C＝λM

长度L的道路最大密度情况下容纳车辆数Q为

Q＝ρL

道路全部车辆疏散完所需时间T₀(也即最后一辆车的排队时间)为

T₀＝Q/C

＝ρL/λM

则车流最低速度V_min(也即排队最后一辆车在该路段的平均速度)为

V_min＝L/T₀

＝λM/ρ

其中最大密度ρ根据《交通工程学》中速密关系模型获得，有信号灯最大通行能力λM根据《道路交通规划设计规范》及《城市道路设计规范》获得。比如最大密度ρ＝200辆/公里，有信号灯通行能力1200辆/小时。则V_min＝6公里/小时。

TTI截断位置TTI_min为

TTI_min＝V_f/V_min

4、计算旅行时间指数的离散概率分布

对TTI进行等间隔划分(比如以0.1为间隔)，根据步骤3保留的浮动车TTI样本构造旅行时间指数的离散概率分布P(TTI)。

将旅行时间指数从小到大等间隔划分为N份，设浮动车TTI样本总数为C，落在第i个TTI_i取值间隔内的样本数为C_i则，TTI＝TTI_i发生的概率为遍历TTI的取值，所有TTI间隔的发生概率构成TTI的离散概率分布。

以北京市2012年7月12日凌晨5点、早高峰8点，中午12点30分，晚高峰17点40分为例，分别得到的TTI离散概率分布如图1a、图1b、图1c和图1d所示。从图中可以看出在早晚高峰交通拥堵时刻TTI在状态空间分布更加均(也即更加无序)。

5、计算旅行时间指数的熵值

根据步骤4的TTI概率分布计算TTI的熵值，公式如下：

$H\left(X\right)=\underset{i=1}{\overset{N}{\Σ}}P\left({\mathrm{TTI}}_i\right)log\frac{1}{P\left({\mathrm{TTI}}_i\right)}$

其中H(X)为旅行时间指数的熵值，P(TTI_i)为TTI概率分布中第i种TTI取值对应的概率值，N为从零到截断位置的TTI等间隔划分数。

6、计算TTI的熵的动态范围上限

对于任意随机变量Y，log函数在实数集[0,1]上为上凸函数，根据詹森不等式有：

E[logY]≤log(E[Y])

代入步骤5熵值计算公式可得

$\begin{array}{c}H\left(X\right)=\underset{i=1}{\overset{N}{\Σ}}P\left({\mathrm{TTI}}_i\right)\log \frac{1}{P\left({\mathrm{TTI}}_i\right)}\\ \≤\log \underset{i=1}{\overset{N}{\Σ}}P\left({\mathrm{TTI}}_i\right)\frac{1}{P\left({\mathrm{TTI}}_i\right)}\\ =\log N\end{array}$

当时取等号，也即旅行时间指数的最大熵值H_max＝logN，将其作为TTI的熵的动态范围上限。比如按步骤3中采用方式a截断方法给出的实例，取截断TTI值8.8，间隔0.1，可得熵值上限 $H_{max}=log\frac{8.8}{0.1}\≈\mathrm{6.4.}$

7、计算TTI的熵的动态范围下限

将历史监测数据获得TTI的熵中的最小熵值H_min作为TTI的熵的动态范围下限。比如根据北京市2012年全年监测数据获得TTI熵最小值H_min＝3.6。

8、对TTI熵进行归一化处理

在TTI的熵的动态范围的上下限内对其做归一化处理作为评价指标，即将熵值范围[H_min,H_max]映射到设定范围[Z_min,Z_max]。归一化公式为

$z=\frac{h-H_{min}}{(H_{max}-H_{\min })/(Z_{max}-Z_{\min })}$

其中z为归一化后获得的交通运行评价指数，h为TTI熵。比如将获得的在熵值范围[3.6,6.4]内的旅行时间指数的熵归一化到指数范围[0,10]。如图2为北京市2012年7月12日的TTI熵的曲线图；图3所示为图2中的熵值归一化到指数范围[0,10]的曲线图。

图2给出了路网全天TTI熵值的变化情况，描述了全天交通运行混乱程度及出行时间不确定性的变化规律，单位为比特。图三将其归一到交通运行指数，单位为无量纲的数值，描述了交通混乱程度及出行时间不确定性在其可能出现的最大值和最小值之间的变化情况。

以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (9)

1.旅行时间指数熵交通运行评价方法，其特征在于，包括如下步骤：

a.计算路网中每一路段的自由流速度，所述自由流速度为交通量较小道路完全畅通情况下车辆的行驶速度；

b.计算某一时间段内路网中每一路段的旅行时间指数TTI，所述旅行时间指数为车辆以当前速度行驶与自由流速度行驶同样的距离需要的时间的比值；

c.计算旅行时间指数截断位置，丢弃大于截断位置数值的不合理数据，保留从零到截断位置的TTI数据作为后继处理数据；

d.计算旅行时间指数的离散概率分布；

e.通过下式1计算旅行时间指数的熵值，

$H\left(X\right)=\underset{i=1}{\overset{N}{\Σ}}P\left({\mathrm{TTI}}_i\right)log\frac{1}{P\left({\mathrm{TTI}}_i\right)}$ 式1

其中H(X)为旅行时间指数的熵值，P(TTI_i)为TTI概率分布中第i种TTI取值对应的概率值，N为从零到截断位置的TTI等间隔划分数；

f.以旅行时间指数的最大熵值H_max作为旅行时间指数的熵的动态范围上限；

g.以旅行时间指数的最小熵值H_min作为旅行时间指数的熵的动态范围下限；

h.在TTI熵的动态范围的上下限内，对步骤e得到的旅行时间指数的熵做归一化处理得到的值作为交通运行评价的指数，所述归一化处理即将熵值范围[H_min,H_max]映射到设定范围[Z_min,Z_max]。

2.根据权利要求1所述的旅行时间指数熵交通运行评价方法，其特征在于，所述步骤a中，将一天24小时分成y个相等的时间间隔，对每个路段计算各个时间间隔内的车辆的平均速度，将至少一天的各时间间隔内的平均速度按从大到小排序，按一定比例提取前面速度最大的并求平均值作为该路段的自由流速度。

3.根据权利要求2所述的旅行时间指数熵交通运行评价方法，其特征在于，提取比例为不大于35％。

4.根据权利要求1所述的旅行时间指数熵交通运行评价方法，其特征在于，所述步骤b中，以浮动车的方式获得相关的速度，进而得到相应路段的旅行时间指数，采用公式如下：

$\begin{array}{c}TTI=\underset{i=1}{\overset{n}{\Σ}}{t}_i/\underset{i=1}{\overset{n}{\Σ}}{T}_i\\ =\underset{i=1}{\overset{n}{\Σ}}{t}_i/\underset{i=1}{\overset{n}{\Σ}}\left(\frac{l_i}{v_f}\right)\end{array}$

其中TTI为路段旅行时间指数，n为路段内浮动车数，t_i为路段内第i辆浮动车的实际旅行时间，T_i为第i辆浮动车以自由流速度行驶所需时间，l_i为第i辆浮动车在路段内的行驶距离，v_f为路段自由流速度。

5.根据权利要求1所述的旅行时间指数熵交通运行评价方法，其特征在于，所述步骤c中，按TTI的99％分位数选取旅行时间指数截断位置。

6.根据权利要求1所述的旅行时间指数熵交通运行评价方法，其特征在于，所述步骤c中，按道路通行能力和最大车流密度计算旅行时间指数截断位置，具体公式如下：

TTI_min＝V_f/V_min

其中TTI_min为TTI截断位置的值，V_f为路段自由流速度，V_min为车流最低速度；其中V_min＝λM/ρ，λ为绿信比，M为车道最大通行能力，辆/车道小时；ρ为最大密度，辆/公里车道。

7.根据权利要求1所述的旅行时间指数熵交通运行评价方法，其特征在于，出行指数的最大熵值H_max通过如下公式获得，H_max＝logN，其中N为从零到截断位置的TTI等间隔划分数。

8.根据权利要求1所述的旅行时间指数熵交通运行评价方法，其特征在于，将根据历史监测数据获得TTI熵曾经出现的最小值H_min作为TTI的熵的动态范围下限。

9.根据权利要求1所述的旅行时间指数熵交通运行评价方法，其特征在于，所述步骤h中，将熵值范围[H_min,H_max]归一化到指数范围[0,10]。