CN108257382A - 基于关联度分析的交叉口拥堵关键点寻找方法及*** - Google Patents
基于关联度分析的交叉口拥堵关键点寻找方法及*** Download PDFInfo
- Publication number
- CN108257382A CN108257382A CN201810027243.2A CN201810027243A CN108257382A CN 108257382 A CN108257382 A CN 108257382A CN 201810027243 A CN201810027243 A CN 201810027243A CN 108257382 A CN108257382 A CN 108257382A
- Authority
- CN
- China
- Prior art keywords
- point
- region
- degree
- association
- points
- 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
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于关联度分析的交叉口拥堵关键点寻找方法及***,本发明中使用“电子警察”采集的数据作为判断的数据来源。本发明算法的核心是运用建立的路网拓扑结构对点(交叉口)和线(或者弧,城市道路)的分量进行计算,从而得到点对点的关联度R和点对区域的总关联度借由某一点对区域中多个点的关联度,来描述这一点对区域联系的紧密程度,或者这个点对区域的影响能力,进而对该区域的拥挤程度和拥挤关键点(交叉点)作出判断。
Description
技术领域
本发明涉及一种基于关联度分析的交叉口拥堵关键点寻找方法及***。
背景技术
城市交通道路的交叉路口是现代城市发展必然产物,但是现今城市路网的增加和道路交通流量的增长,越来越多的城市出现交通交叉路口的拥堵,甚至是出现较大面积的拥堵区域。在这种情况下,能够在大片的拥堵区域中找到至关重要的拥堵交叉路口变得尤为重要。
发明内容
本发明的目的在于提供一种基于关联度分析的交叉口拥堵关键点寻找方法及***,能够在大片的拥堵区域中精确找到至关重要的拥堵交叉路口。
为解决上述问题,本发明提供一种基于关联度分析的交叉口拥堵关键点寻找方法,包括:
根据电子警察采集的某个区域数据生成所述区域的路网拓扑结构,其中,所述区域的路网拓扑结构包括点和线,所述点表示所述区域内的交叉口,所述线表示所述区域内的两相邻的交叉口之间的城市道路;
计算所述区域的路网拓扑结构中点对点的关联度R;
根据所述区域的路网拓扑结构中点对点的关联度R,计算每个点对所述区域的总关联度
根据所有点对所述区域的总关联度从所有点中确定出关键点。
进一步的,在上述方法中,计算所述区域的路网拓扑结构中点对点的关联度R中,在区域的路网拓扑结构中,计算双点单线的关联度遵循以下假设和条件:
(1)不将各点A(s1,s2,s3,s4)内部的交通影响因子考虑在内,其中,s1,s2,s3,s4表示点A的四个方向;
(2)点之间的双向线不具有方向性,且默认在线的分量中,不存在交通流量的消耗,其中,对于某个点A而言qin是从si方向进入A的交通流量,qout是从si方向驶出A的交通流量,对于B而言qin是从s’i方向驶出B的交通流量,qout是从s’i方向进入B的交通流量,其中,si是对应于点A的某个方向,s’i是对应于B的某个方向;
(3)任意一条线具有独立性,即任意一条线的计算不受端点的影响,且任意一条线的计算不影响其它弧的计算,也不受其它弧的影响;
(4)不考虑交叉口绿信比的影响,即不考虑在LAB(qin,qout)上的交通流量的累积和消散;
(5)确立计算层级时,以被计算点到区域内点的其它点的最近路径为准,一般认为相同计算层级的节点对计算点的影响能力是相同的,但是不同的“最近路径”的计算系数是不同的,在此,计算层级是指某被计算点到达区域内点的其它点所经过的线的最低数量值。
进一步的,在上述方法中,计算所述区域的路网拓扑结构中点对点的关联度R中,包括:
计算所述区域内每相邻的两点的即第一层级的每两点的关联度;
根据所述第一计算层级的每两点的关联度,计算所述区域内第二计算层级的每两点的关联度;
根据所述区域内第二计算层级的每两点的关联度,计算所述区域内第三计算层级的每两点的关联度;
根据所述区域内第三计算层级的每两点的关联度,计算所述区域内第四计算层级的每两点的关联度;
根据第一至第四层级的每两点的关联度,计算每个点与所述区域内的其它各点的总联度。
进一步的,在上述方法中,计算每相邻的两点的即第一层级的每两点的关联度,包括:
选取任意相邻的两个点A、B和点A、B之间的线LAB,其中A(s1,s2,s3,s4),B(s1',s2',s3',s4'),其中,LAB(qin,qout)为链接A、B的双向线;
获取电子警察采集的线LAB的每个车道在预设时间内的qin、qout;
根据线LAB的每个车道在预设时间内的qin、qout计算线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax;
根据线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax,计算线LAB在所述预设时间内的最多充许通过的车辆数S′max,其中,S’max=Smax·ln,ln表示LAB上的车道数或
根据S′max计算点A、B之间的关联度RAB,其中,r=∫aeλdt,t是变量,a和λ是常数。
进一步的,在上述方法中,根据所有点对所述区域的总关联度从所有点中确定出关键点包括:
将总关联度的数值最高的点作为关键点。
根据本发明的另一面,提供一种基于关联度分析的交叉口拥堵关键点寻找***,包括:
拓扑模块,用于根据电子警察采集的某个区域数据生成所述区域的路网拓扑结构,其中,所述区域的路网拓扑结构包括点和线,所述点表示所述区域内的交叉口,所述线表示所述区域内的两相邻的交叉口之间的城市道路;
计算模块,用于计算所述区域的路网拓扑结构中点对点的关联度R;根据所述区域的路网拓扑结构中点对点的关联度R,计算每个点对所述区域的总关联度根据所有点对所述区域的总关联度从所有点中确定出关键点。
进一步的,在上述***中,所述计算模块计算所述区域的路网拓扑结构中点对点的关联度R中,在区域的路网拓扑结构中,计算双点单线的关联度遵循以下假设和条件:
(1)不将各点A(s1,s2,s3,s4)内部的交通影响因子考虑在内,其中,s1,s2,s3,s4表示点A的四个方向;
(2)点之间的双向线不具有方向性,且默认在线的分量中,不存在交通流量的消耗,其中,对于某个点A而言qin是从si方向进入A的交通流量,qout是从si方向驶出A的交通流量,对于B而言qin是从s’i方向驶出B的交通流量,qout是从s’i方向进入B的交通流量,其中,si是对应于点A的某个方向,s’i是对应于B的某个方向;
(3)任意一条线具有独立性,即任意一条线的计算不受端点的影响,且任意一条线的计算不影响其它弧的计算,也不受其它弧的影响;
(4)不考虑交叉口绿信比的影响,即不考虑在LAB(qin,qout)上的交通流量的累积和消散;
(5)确立计算层级时,以被计算点到区域内点的其它点的最近路径为准,一般认为相同计算层级的节点对计算点的影响能力是相同的,但是不同的“最近路径”的计算系数是不同的,其中,计算层级是指某被计算点到达区域内点的其它点所经过的线的最低数量值。
进一步的,在上述***中,计算模块,用于计算所述区域内每相邻的两点的即第一层级的每两点的关联度;根据所述第一计算层级的每两点的关联度,计算所述区域内第二计算层级的每两点的关联度;根据所述区域内第二计算层级的每两点的关联度,计算所述区域内第三计算层级的每两点的关联度;根据所述区域内第三计算层级的每两点的关联度,计算所述区域内第四计算层级的每两点的关联度;根据第一至第四层级的每两点的关联度,计算每个点与所述区域内的其它各点的总联度。
进一步的,在上述***中,所述计算模块,用于选取任意相邻的两个点A、B和点A、B之间的线LAB,其中A(s1,s2,s3,s4),B(s1',s2',s3',s4'),其中,LAB(qin,qout)为链接A、B的双向线;获取电子警察采集的线LAB的每个车道在预设时间内的qin、qout;根据线LAB的每个车道在预设时间内的qin、qout计算线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax;根据线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax,计算线LAB在所述预设时间内的最多充许通过的车辆数S′max,其中,S'max=Smax·ln,ln表示LAB上的车道数或根据S′max计算点A、B之间的关联度RAB,其中,r=∫aeλdt,t是变量,a和λ是常数。
进一步的,在上述***中,所述计算模块,用于将总关联度的数值最高的点作为关键点。
与现有技术相比,本发明通过使用“电子警察”采集的数据作为判断的数据来源。本发明算法的核心是运用建立的路网拓扑结构对点(交叉口)和线(或者弧,城市道路)的分量进行计算,从而得到点对点的关联度R和点对区域的总关联度借由某一点对区域中多个点的关联度,来描述这一点对区域联系的紧密程度,或者这个点对区域的影响能力,进而对该区域的拥挤程度和拥挤关键点(交叉点)作出判断,可以迅速找出城市拥堵片区的关键交叉口。
附图说明
图1是本发明一实施例的苏州工业园区部分区域卫星地图;
图2是本发明一实施例的苏州工业园区部分区域点线连接图;
图3是本发明一实施例的苏州工业园区部分区域道路拓扑结构抽象图;
图4是本发明一实施例的交叉口抽象模型示意图;
图5为本发明一实施例的交叉口关联度计算示意图。
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,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供一种基于关联度分析的交叉口拥堵关键点寻找方法,包括:
步骤S1,根据电子警察采集的某个区域数据生成所述区域的路网拓扑结构,其中,所述区域的路网拓扑结构包括点和线,所述点表示所述区域内的交叉口,所述线(弧)表示所述区域内的两相邻的交叉口之间的城市道路;
步骤S2,计算所述区域的路网拓扑结构中点对点的关联度R;
步骤S3,根据所述区域的路网拓扑结构中点对点的关联度R,计算每个点对所述区域的总关联度
步骤S4,根据所有点对所述区域的总关联度从所有点中确定出关键点。
在此,本发明以交叉口为点,以城市交通线路为线,并且忽略交叉口和城市交通线路的具体参数(如交叉口的链接方式和交叉角度,城市交通路线的长度和宽度),这样就构成了以点线组合的拓扑结构图。
本发明通过建立城市信号控制交叉口群路径关联度模型,构建道路交通拓扑结构,可以解决某两个道路交叉口的关联度的问题,但是对于拥堵成片的城市交通,需要在成片的拥堵群中找到关键节点,才可以有效缓解交通的拥堵。
本发明中使用“电子警察”采集的数据作为判断的数据来源。本发明算法的核心是运用建立的路网拓扑结构对点(交叉口)和线(或者弧,城市道路)的分量进行计算,从而得到点对点的关联度R和点对区域的总关联度借由某一点对区域中多个点的关联度,来描述这一点对区域联系的紧密程度,或者这个点对区域的影响能力,进而对该区域的拥挤程度和拥挤关键点(交叉点)作出判断,可以迅速找出城市拥堵片区的关键交叉口。
本发明的基于关联度分析的交叉口拥堵关键点寻找方法一实施例中,步骤S2,计算所述区域的路网拓扑结构中点对点的关联度R中,在已经完全抽象的区域的路网拓扑结构中,如图2、图3所示,计算双点单线的关联度应当遵循以下基本假设和条件:
(1)不将各点A(s1,s2,s3,s4)内部的交通影响因子考虑在内,其中,s1,s2,s3,s4表示点A的四个方向;
在此,由于交叉口对车流的阻滞作用,在考虑两个交叉口单一方向道路的可靠性之外,还要充分给予车辆在交叉口受阻滞过程的影响和停车补偿系数和延误时间,但本申请在计算关联度时将这些忽略;
(2)点之间的双向线(弧)一般不具有方向性,且默认在线的分量中,不存在交通流量的消耗,其中,对于某个点A而言qin是从si方向进入A的交通流量,qout是从si方向驶出A的交通流量,对于B而言qin是从s’i方向驶出B的交通流量,qout是从s’i方向进入B的交通流量,其中,si是对应于点A的某个方向,s’i是对应于B的某个方向;
(3)任意一条线(弧)具有独立性,即任意一条线(弧)的计算不受端点(交叉口)的影响,且任意一条线(弧)的计算不影响其它弧的计算,也不受其它弧的影响;
(4)在理想情况下,不考虑交叉口绿信比的影响,即不考虑在LAB(qin,qout)上的交通流量的累积和消散,如图4所示,其中,所述绿信比是指绿灯时间点红、黄、绿灯时间之和的比率;
(5)确立计算层级时,以被计算点到区域内点的其它点的最近路径为准,一般认为相同计算层级的节点对计算点的影响能力是相同的,但是不同的“最近路径”的计算系数是不同的,在此,计算层级是指某被计算点到达区域内点的其它点所经过的线的最低数量值。
本发明的基于关联度分析的交叉口拥堵关键点寻找方法一实施例中,步骤S2,计算所述区域的路网拓扑结构中点对点的关联度R中,包括:
步骤S21,计算所述区域内每相邻的两点的即第一层级的每两点的关联度;
步骤S22,根据所述第一计算层级的每两点的关联度,计算所述区域内第二计算层级的每两点的关联度;
步骤S23,根据所述区域内第二计算层级的每两点的关联度,计算所述区域内第三计算层级的每两点的关联度;
步骤S24,根据所述区域内第三计算层级的每两点的关联度,计算所述区域内第四计算层级的每两点的关联度;,
步骤S25,根据第一至第四层级的每两点的关联度,计算每个点与所述区域内的其它各点的总联度。
在此,计算层级是指某点到达区域内点的其它点所经过的线的最低数量值,某点的拓扑结构一旦被确定,其相对于计算点的计算层级(或计算深度)就已经确定了,且是唯一的,写作:lx-i。某一交叉点对一定交通区域的影响,即可以理解为某一交叉点对同一区域的其它交叉点关联度的总体刻画。本发明借由某一点对多个点的关联度,来描述这一点对区域联系的紧密程度,或者这个点对区域的影响能力。
在现实情况下,仅仅借助对双点单线的关联度的计算,是无法解决拥堵关键节点的寻找问题的,还需要对整体区域内各点对总体环境的影响进行评估,即除了计算第一层级的每两点的关联度,还需要计算第二~四层级的每两点的关联度,以将对拥堵的感性认识转变为可对比的数值,通过对区域内各点对总体环境的影响的量化处理,寻找对总体环境影响最大的节点(现实生活中,通常不只有一个),即为拥堵区域的关键节点。
在计算总关联度之前,本发明先详细介绍计算层级(或者说计算深度)的定义。如图5所示,计算层级是指某点到达计算点所经过的线的最低数量值,某点的拓扑结构一旦被确定,其相对于计算点的计算层级(或计算深度)就已经确定了,且是唯一的,写作:lx-i。
其中:x是代表计算点即视为中心节点的A、B、C等;
i是代表相对于节点x的计算层级。
某一交叉点对一定交通区域的影响,即可以理解为某一交叉点对同一区域的其它交叉点关联度的总体刻画。本发明借由某一点对多个点的关联度,来描述这一点对区域联系的紧密程度,或者这个点对区域的影响能力。
如图5所示,选定交叉点A、B、C、D、E、F、G、H、I、J∈π,计算中心节点B对区域π中其它几点的关联度。
Step 1计算位于点B计算层级为1的点,即B相对于点A、H、C、E的关联度,
lB-1:
Step 2计算位于点B计算层级为2的点,即点B对点G、I、D、F的关联度,
lB-2:
RBG=δ1RBARAG+(1-δ1)RBHRHG 0<δ1<1,
RBX=δiRBZRZX+(1-δi)RBYRYX 0<δi<1,(i=2、3、4......)
其中,当X为I时,对应Z为C,Y为H;当X为D时,对应Z为E,Y为C;当X为F时,对应Z为A,Y为E;当X为G时,对应Z为H,Y为A。
Step 3计算位于点B计算层级为3的点,
lB-3:
RBJ=μiR1R2R3+μ’iR’1R’2R’3+μ”iR”1R”2R”3
μi+μ′i+μ″i=1(i=2、3、4......)
在这里,δi,μi为计算系数,其中,R1R2R3、R’1R’2R’3、R”1R”2R”3分别对应B和J点之间经过的不同线的关联度,如R1R2R3对应线BCIJ,R’1R’2R’3对应线BHIJ等等。一般,考虑实际情况,对区域内我们计算到计算层级3就可以比较客观的描述该区域的总关联度了,从而反应区域内的拥堵情况。同理可以计算出RBI、RBD、RBF。
方案一:
点B对于区域的总关联度
n为区域内的交叉点个数。
方案二:
将总关联度写作
最后,将区域中的所有节点X的对于区域的总关联度
都计算出,就可对比出区域内哪一点是关键节点了。
其中,步骤S4,根据所有点对所述区域的总关联度从所有点中确定出关键点包括:
将总关联度的数值最高的点作为关键点。
在此,所述总关联度的数值最高的点就是最关键节点,以此类推。
本发明的基于关联度分析的交叉口拥堵关键点寻找方法一实施例中,步骤S21,计算每相邻的两点的即第一层级的每两点的关联度包括:
步骤S211,如图4所示,选取任意相邻的两个点A、B和点A、B之间的线LAB,其中A(s1,s2,s3,s4),B(s1',s2',s3',s4'),其中,LAB(qin,qout)为链接A、B的双向线(弧);
在此,本发明以A、B两点为例,计算单线双点可靠性;
步骤S212,获取电子警察采集的线LAB的每个车道在预设时间内的qin、qout;
步骤S213,根据线LAB的每个车道在预设时间内的qin、qout计算线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax;
在此,道路通行能力是指道路设施所能疏导交通流的能力,即在一定的时段(通常取15min或1h)和正常的道路、交通、管制及运行质量要求下,道路设施通过交通流质点的能力。通行能力一般以veh/h(辆/小时)、pcu/h(当量标准小客车/小时)表示,基本单位是:pcu/h/ln(当量标准小客车/小时/车道)。通行能力实质上是道路负荷性能的一种量度,它既反映了道路疏通交通的最大能力,也反映了在规定特性前提下,道路所能承担车辆运行的极限值。本发明选用的“道路通行能力”,是建立在理想状况下所有可通行车道,并且不计通行方向,下面一般使用Smax来表示道路通行能力,如图1所示,
本发明以理想情况下的车流量为计算单线双点可靠性RAB,本发明的使用的数据每15min更新一次,故qin、qout每次选用预设时间为15min内的数据;
步骤S214,根据线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax,计算线LAB在所述预设时间内的最多充许通过的车辆数S′max,其中,S'max=Smax·ln,ln表示LAB上的车道数或
步骤S215,根据S′max计算点A、B之间的关联度RAB,其中,r=∫aeλdt,t是变量,a和λ是常数。
在此,双点单线的关联度的计算,使用RAB来表示,RAB正比于点的数量N、节之间的连接线(弧)L(LAB)和网络拓扑结构P。但结合实际情况和本发明论述单点双线的关联度的需要,本发明将关联度的计算归结于
RAB∝(N,L) (1)
在双点单线关联度的计算时,选取点A、B和线LAB,其中A(s1,s2,s3,s4),B(s1',s2',s3',s4'),本发明以A、B两点为例,计算单线双点可靠性。其中,LAB(qin,qout)为链接A、B的双向线(弧),本发明以理想情况下的车流量为计算单线双点可靠性RAB,根据公式(1)和(2),在LAB(qin,qout)中,
在可靠性r的计算中,关于工程可靠性的研究,在双点单线的线(弧)的可靠性可以定义为指数函数,计算如下式:
r=∫aeλdt
其中,t是变量,a和λ是常数,在本发明的计算中需要根据情况选取。
根据本发明的另一面,提供一种基于关联度分析的交叉口拥堵关键点寻找***,包括:
拓扑模块,用于根据电子警察采集的某个区域数据生成所述区域的路网拓扑结构,其中,所述区域的路网拓扑结构包括点和线,所述点表示所述区域内的交叉口,所述线表示所述区域内的两相邻的交叉口之间的城市道路;
计算模块,用于计算所述区域的路网拓扑结构中点对点的关联度R;根据所述区域的路网拓扑结构中点对点的关联度R,计算每个点对所述区域的总关联度根据所有点对所述区域的总关联度从所有点中确定出关键点。
进一步的,在上述***中,所述计算模块计算所述区域的路网拓扑结构中点对点的关联度R中,在区域的路网拓扑结构中,计算双点单线的关联度遵循以下假设和条件:
(1)不将各点A(s1,s2,s3,s4)内部的交通影响因子考虑在内,其中,s1,s2,s3,s4表示点A的四个方向;
(2)点之间的双向线不具有方向性,且默认在线的分量中,不存在交通流量的消耗,其中,对于某个点A而言qin是从si方向进入A的交通流量,qout是从si方向驶出A的交通流量,对于B而言qin是从s’i方向驶出B的交通流量,qout是从s’i方向进入B的交通流量,其中,si是对应于点A的某个方向,s’i是对应于B的某个方向;
(3)任意一条线具有独立性,即任意一条线的计算不受端点的影响,且任意一条线的计算不影响其它弧的计算,也不受其它弧的影响;
(4)不考虑交叉口绿信比的影响,即不考虑在LAB(qin,qout)上的交通流量的累积和消散;
(5)确立计算层级时,以被计算点到区域内点的其它点的最近路径为准,一般认为相同计算层级的节点对计算点的影响能力是相同的,但是不同的“最近路径”的计算系数是不同的,其中,计算层级是指某被计算点到达区域内点的其它点所经过的线的最低数量值。
进一步的,在上述***中,计算模块,用于计算所述区域内每相邻的两点的即第一层级的每两点的关联度;根据所述第一计算层级的每两点的关联度,计算所述区域内第二计算层级的每两点的关联度;根据所述区域内第二计算层级的每两点的关联度,计算所述区域内第三计算层级的每两点的关联度;根据所述区域内第三计算层级的每两点的关联度,计算所述区域内第四计算层级的每两点的关联度;根据第一至第四层级的每两点的关联度,计算每个点与所述区域内的其它各点的总联度。
进一步的,在上述***中,所述计算模块,用于选取任意相邻的两个点A、B和点A、B之间的线LAB,其中A(s1,s2,s3,s4),B(s1',s2',s3',s4'),其中,LAB(qin,qout)为链接A、B的双向线;获取电子警察采集的线LAB的每个车道在预设时间内的qin、qout;根据线LAB的每个车道在预设时间内的qin、qout计算线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax;根据线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax,计算线LAB在所述预设时间内的最多充许通过的车辆数S′max,其中,S’max=Smax·ln,ln表示LAB上的车道数或根据S′max计算点A、B之间的关联度RAB,其中,r=∫aeλdt,t是变量,a和λ是常数。
进一步的,在上述***中,所述计算模块,用于将总关联度的数值最高的点作为关键点。
上述***各实施例的内容具体可参见各方法实施例的对应部分,在此,不再赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
显然,本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种基于关联度分析的交叉口拥堵关键点寻找方法,其特征在于,包括:
根据电子警察采集的某个区域数据生成所述区域的路网拓扑结构,其中,所述区域的路网拓扑结构包括点和线,所述点表示所述区域内的交叉口,所述线表示所述区域内的两相邻的交叉口之间的城市道路;
计算所述区域的路网拓扑结构中点对点的关联度R;
根据所述区域的路网拓扑结构中点对点的关联度R,计算每个点对所述区域的总关联度
根据所有点对所述区域的总关联度从所有点中确定出关键点。
2.如权利要求1所述的基于关联度分析的交叉口拥堵关键点寻找方法,其特征在于,计算所述区域的路网拓扑结构中点对点的关联度R中,在区域的路网拓扑结构中,计算双点单线的关联度遵循以下假设和条件:
(1)不将各点A(s1,s2,s3,s4)内部的交通影响因子考虑在内,其中,s1,s2,s3,s4表示点A的四个方向;
(2)点之间的双向线不具有方向性,且默认在线的分量中,不存在交通流量的消耗,其中,对于某个点A而言qin是从si方向进入A的交通流量,qout是从si方向驶出A的交通流量,对于B而言qin是从s’i方向驶出B的交通流量,qout是从s’i方向进入B的交通流量,其中,si是对应于点A的某个方向,s’i是对应于B的某个方向;
(3)任意一条线具有独立性,即任意一条线的计算不受端点的影响,且任意一条线的计算不影响其它弧的计算,也不受其它弧的影响;
(4)不考虑交叉口绿信比的影响,即不考虑在LAB(qin,qout)上的交通流量的累积和消散;
(5)确立计算层级时,以被计算点到区域内点的其它点的最近路径为准,一般认为相同计算层级的节点对计算点的影响能力是相同的,但是不同的“最近路径”的计算系数是不同的,其中,计算层级是指某被计算点到达区域内点的其它点所经过的线的最低数量值。
3.如权利要求2所述的基于关联度分析的交叉口拥堵关键点寻找方法,其特征在于,计算所述区域的路网拓扑结构中点对点的关联度R中,包括:
计算所述区域内每相邻的两点的即第一层级的每两点的关联度;
根据所述第一计算层级的每两点的关联度,计算所述区域内第二计算层级的每两点的关联度;
根据所述区域内第二计算层级的每两点的关联度,计算所述区域内第三计算层级的每两点的关联度;
根据所述区域内第三计算层级的每两点的关联度,计算所述区域内第四计算层级的每两点的关联度;
根据第一至第四层级的每两点的关联度,计算每个点与所述区域内的其它各点的总联度。
4.如权利要求3所述的基于关联度分析的交叉口拥堵关键点寻找方法,其特征在于,计算每相邻的两点的即第一层级的每两点的关联度,包括:
选取任意相邻的两个点A、B和点A、B之间的线LAB,其中A(s1,s2,s3,s4),B(s1',s2',s3',s4'),其中,LAB(qin,qout)为链接A、B的双向线;
获取电子警察采集的线LAB的每个车道在预设时间内的qin、qout;
根据线LAB的每个车道在预设时间内的qin、qout计算线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax;
根据线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax,计算线LAB在所述预设时间内的最多充许通过的车辆数S'max,其中,S'max=Smax·ln,ln表示LAB上的车道数或
根据S′max计算点A、B之间的关联度RAB,其中,r=∫aeλdt,t是变量,a和λ是常数。
5.如权利要求1至4任一项所述的基于关联度分析的交叉口拥堵关键点寻找方法,其特征在于,根据所有点对所述区域的总关联度从所有点中确定出关键点包括:
将总关联度的数值最高的点作为关键点。
6.一种基于关联度分析的交叉口拥堵关键点寻找***,其特征在于,包括:
拓扑模块,用于根据电子警察采集的某个区域数据生成所述区域的路网拓扑结构,其中,所述区域的路网拓扑结构包括点和线,所述点表示所述区域内的交叉口,所述线表示所述区域内的两相邻的交叉口之间的城市道路;
计算模块,用于计算所述区域的路网拓扑结构中点对点的关联度R;根据所述区域的路网拓扑结构中点对点的关联度R,计算每个点对所述区域的总关联度根据所有点对所述区域的总关联度从所有点中确定出关键点。
7.如权利要求6所述的基于关联度分析的交叉口拥堵关键点寻找***,其特征在于,所述计算模块计算所述区域的路网拓扑结构中点对点的关联度R中,在区域的路网拓扑结构中,计算双点单线的关联度遵循以下假设和条件:
(1)不将各点A(s1,s2,s3,s4)内部的交通影响因子考虑在内,其中,s1,s2,s3,s4表示点A的四个方向;
(2)点之间的双向线不具有方向性,且默认在线的分量中,不存在交通流量的消耗,其中,对于某个点A而言qin是从si方向进入A的交通流量,qout是从si方向驶出A的交通流量,对于B而言qin是从s’i方向驶出B的交通流量,qout是从s’i方向进入B的交通流量,其中,si是对应于点A的某个方向,s’i是对应于B的某个方向;
(3)任意一条线具有独立性,即任意一条线的计算不受端点的影响,且任1一条线的计算不影响其它弧的计算,也不受其它弧的影响;
(4)不考虑交叉口绿信比的影响,即不考虑在LAB(qin,qout)上的交通流量的累积和消散;
(5)确立计算层级时,以被计算点到区域内点的其它点的最近路径为准,一般认为相同计算层级的节点对计算点的影响能力是相同的,但是不同的“最近路径”的计算系数是不同的,其中,计算层级是指某被计算点到达区域内点的其它点所经过的线的最低数量值。
8.如权利要求7所述的基于关联度分析的交叉口拥堵关键点寻找***,其特征在于,计算模块,用于计算所述区域内每相邻的两点的即第一层级的每两点的关联度;根据所述第一计算层级的每两点的关联度,计算所述区域内第二计算层级的每两点的关联度;根据所述区域内第二计算层级的每两点的关联度,计算所述区域内第三计算层级的每两点的关联度;根据所述区域内第三计算层级的每两点的关联度,计算所述区域内第四计算层级的每两点的关联度;根据第一至第四层级的每两点的关联度,计算每个点与所述区域内的其它各点的总联度。
9.如权利要求8所述的基于关联度分析的交叉口拥堵关键点寻找***,其特征在于,所述计算模块,用于选取任意相邻的两个点A、B和点A、B之间的线LAB,其中A(s1,s2,s3,s4),B(s1',s2',s3',s4'),其中,LAB(qin,qout)为链接A、B的双向线;获取电子警察采集的线LAB的每个车道在预设时间内的qin、qout;根据线LAB的每个车道在预设时间内的qin、qout计算线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax;根据线LAB的每个车道在所述预设时间内的最多充许通过的车辆数Smax,计算线LAB在所述预设时间内的最多充许通过的车辆数S′max,其中,S'max=Smax·ln,ln表示LAB上的车道数或根据S′max计算点A、B之间的关联度RAB,其中,r=∫aeλdt,t是变量,a和λ是常数。
10.如权利要求6至9任一项所述的基于关联度分析的交叉口拥堵关键点寻找方法,其特征在于,所述计算模块,用于将总关联度的数值最高的点作为关键点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810027243.2A CN108257382A (zh) | 2018-01-11 | 2018-01-11 | 基于关联度分析的交叉口拥堵关键点寻找方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810027243.2A CN108257382A (zh) | 2018-01-11 | 2018-01-11 | 基于关联度分析的交叉口拥堵关键点寻找方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108257382A true CN108257382A (zh) | 2018-07-06 |
Family
ID=62726249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810027243.2A Pending CN108257382A (zh) | 2018-01-11 | 2018-01-11 | 基于关联度分析的交叉口拥堵关键点寻找方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108257382A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584553A (zh) * | 2018-11-29 | 2019-04-05 | 中电海康集团有限公司 | 一种基于时空信息的路段关联度缺失补全方法 |
CN109741603A (zh) * | 2019-01-24 | 2019-05-10 | 杭州远眺科技有限公司 | 一种基于排队长度计算相邻交叉口间拥堵传播率的方法 |
CN109754597A (zh) * | 2018-08-02 | 2019-05-14 | 银江股份有限公司 | 一种城市道路区域拥堵调控策略推荐***及方法 |
CN113781772A (zh) * | 2021-08-17 | 2021-12-10 | 太原理工大学 | 一种点对点迭代学习与模型预测的交通信号混合控制方法 |
CN113965400A (zh) * | 2021-11-01 | 2022-01-21 | 电子科技大学长三角研究院(衢州) | 一种通信网络中流量关键点的确定方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0755039A2 (de) * | 1995-07-07 | 1997-01-22 | MANNESMANN Aktiengesellschaft | Verfahren und System zur Prognose von Verkehrsströmen |
US20060111833A1 (en) * | 2000-08-28 | 2006-05-25 | Israel Feldman | Method and system for modeling and processing vehicular traffic data and information and applying thereof |
CN101639978A (zh) * | 2009-08-28 | 2010-02-03 | 华南理工大学 | 一种动态划分交通控制子区的方法 |
CN102646330A (zh) * | 2012-04-19 | 2012-08-22 | 浙江大学 | 一种相邻路***通关联度智能计算方法 |
CN102800200A (zh) * | 2012-06-28 | 2012-11-28 | 吉林大学 | 相邻信号交叉口相关性分析方法 |
CN102890860A (zh) * | 2012-09-28 | 2013-01-23 | 北京世纪高通科技有限公司 | 一种交通小区划分方法及装置 |
CN105225004A (zh) * | 2015-09-29 | 2016-01-06 | 中铁第一勘察设计院集团有限公司 | 城市群城际铁路线网的构建方法 |
CN105809958A (zh) * | 2016-03-29 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及*** |
CN106530687A (zh) * | 2016-10-13 | 2017-03-22 | 北京交通大学 | 一种基于时空属性的交通网络节点重要度测算方法 |
-
2018
- 2018-01-11 CN CN201810027243.2A patent/CN108257382A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0755039A2 (de) * | 1995-07-07 | 1997-01-22 | MANNESMANN Aktiengesellschaft | Verfahren und System zur Prognose von Verkehrsströmen |
US20060111833A1 (en) * | 2000-08-28 | 2006-05-25 | Israel Feldman | Method and system for modeling and processing vehicular traffic data and information and applying thereof |
CN101639978A (zh) * | 2009-08-28 | 2010-02-03 | 华南理工大学 | 一种动态划分交通控制子区的方法 |
CN102646330A (zh) * | 2012-04-19 | 2012-08-22 | 浙江大学 | 一种相邻路***通关联度智能计算方法 |
CN102800200A (zh) * | 2012-06-28 | 2012-11-28 | 吉林大学 | 相邻信号交叉口相关性分析方法 |
CN102890860A (zh) * | 2012-09-28 | 2013-01-23 | 北京世纪高通科技有限公司 | 一种交通小区划分方法及装置 |
CN105225004A (zh) * | 2015-09-29 | 2016-01-06 | 中铁第一勘察设计院集团有限公司 | 城市群城际铁路线网的构建方法 |
CN105809958A (zh) * | 2016-03-29 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及*** |
CN106530687A (zh) * | 2016-10-13 | 2017-03-22 | 北京交通大学 | 一种基于时空属性的交通网络节点重要度测算方法 |
Non-Patent Citations (3)
Title |
---|
XU YUAN-ZHUO 等: "Factor analysis of key nodes in urban rail network", 《2016 IEEE INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION ENGINEERING》 * |
林晓伟: "基于路网关联度分析的城市路网划分方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
郑黎黎 等: "城市道路交通网络关键节点辨识方法研究", 《武汉理工大学(交通科学与工程版)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109754597A (zh) * | 2018-08-02 | 2019-05-14 | 银江股份有限公司 | 一种城市道路区域拥堵调控策略推荐***及方法 |
CN109754597B (zh) * | 2018-08-02 | 2021-10-08 | 银江股份有限公司 | 一种城市道路区域拥堵调控策略推荐***及方法 |
CN109584553A (zh) * | 2018-11-29 | 2019-04-05 | 中电海康集团有限公司 | 一种基于时空信息的路段关联度缺失补全方法 |
CN109741603A (zh) * | 2019-01-24 | 2019-05-10 | 杭州远眺科技有限公司 | 一种基于排队长度计算相邻交叉口间拥堵传播率的方法 |
CN113781772A (zh) * | 2021-08-17 | 2021-12-10 | 太原理工大学 | 一种点对点迭代学习与模型预测的交通信号混合控制方法 |
CN113781772B (zh) * | 2021-08-17 | 2022-11-01 | 太原理工大学 | 一种点对点迭代学习与模型预测的交通信号混合控制方法 |
CN113965400A (zh) * | 2021-11-01 | 2022-01-21 | 电子科技大学长三角研究院(衢州) | 一种通信网络中流量关键点的确定方法 |
CN113965400B (zh) * | 2021-11-01 | 2023-06-30 | 电子科技大学长三角研究院(衢州) | 一种通信网络中流量关键点的确定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108257382A (zh) | 基于关联度分析的交叉口拥堵关键点寻找方法及*** | |
Wang et al. | Next road rerouting: A multiagent system for mitigating unexpected urban traffic congestion | |
CN103090878B (zh) | 一种车辆路径规划方法、***及一种车载导航设备 | |
Scellato et al. | Traffic optimization in transport networks based on local routing | |
CN104484514B (zh) | 一种规避拥堵路段的弹性公交线路设计方法 | |
CN103268701B (zh) | 城市路网负载平衡方法 | |
CN106403976A (zh) | 一种基于阻抗匹配的Dijkstra最优交通路径规划方法及*** | |
Leng et al. | Construction of road network vulnerability evaluation index based on general travel cost | |
CN103968854B (zh) | 一种路径聚类规划方法 | |
Kim et al. | Navopt: Navigator assisted vehicular route optimizer | |
CN106197442A (zh) | 导航方法以及设备 | |
Elbery et al. | Eco-routing: an ant colony based approach | |
Aswani et al. | Game-theoretic routing of GPS-assisted vehicles for energy efficiency | |
CN113538940B (zh) | 适用于车路协同环境下的实时最优车道选择方法 | |
CN108615385A (zh) | 道路路况评估方法和装置、车辆及云服务器 | |
Shu et al. | Novel Design Method for Bus Approach Lanes with Bus Guidance and Priority Controls for Prioritizing Through and Left‐Turn Buses | |
CN106157603B (zh) | 一种衡量公交网络交通流空间分布不均衡程度的方法 | |
CN114842641B (zh) | 面向省域的多模式链式交通分配方法 | |
Jiang et al. | Check-in based routing strategy in scale-free networks | |
Ma et al. | Bus-priority intersection signal control system based on wireless sensor network and improved particle swarm optimization algorithm | |
CN108346286A (zh) | 基于宏观基本图的展宽段排队溢出检测方法 | |
CN108399465A (zh) | 一种应对实施区域交通管理策略的od分配方法 | |
CN103617739B (zh) | 一种vms版面动态组网方法及装置 | |
Sehrawat et al. | SDTMRP (Software Defined Traffic Management Routing Protocol) for Efficient and Reliable Communication in Vehicular Networks | |
Lv et al. | A convex approach to traffic assignment problem under air quality constraints for planning purposes. |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180706 |