CN112766567A - 一种城市路网规划实施效果的评价方法、***以及存储介质 - Google Patents
一种城市路网规划实施效果的评价方法、***以及存储介质 Download PDFInfo
- Publication number
- CN112766567A CN112766567A CN202110055843.1A CN202110055843A CN112766567A CN 112766567 A CN112766567 A CN 112766567A CN 202110055843 A CN202110055843 A CN 202110055843A CN 112766567 A CN112766567 A CN 112766567A
- Authority
- CN
- China
- Prior art keywords
- road
- road section
- road network
- network planning
- target
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000000694 effects Effects 0.000 title claims abstract description 28
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 39
- 230000006870 function Effects 0.000 claims description 28
- 238000010276 construction Methods 0.000 claims description 25
- 238000010586 diagram Methods 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 9
- 238000005457 optimization Methods 0.000 abstract description 8
- 238000004445 quantitative analysis Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 2
- 230000008676 import Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- 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"
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种城市路网规划实施效果的评价方法、***以及存储介质，解决了城市路网规划实施效果的评价***仅针对通过功能可靠性进行评估的缺陷，其包括:基于所预测的不同类型路段单位时间交通事故次数以及不同类型路段的通过功能可靠度，通过预先构建的权重公式分别计算出每个路段的权重值；将路网上所有路段的权重值之和作为路网的评价值，并着重标注本次导入的路网规划图标记以及评价值。本申请能够对路网规划图从单位时间交通事故次数和通过功能可靠度两个角度作综合定量分析，更加合理的评估出不同道路网络布局形态的适用性，为城市道路网络规划方案的设计与优化决策提供更高的参考价值。
Description
技术领域
本申请涉及城市规划评价方法的技术领域，尤其是涉及一种城市路网规划实施效果的评价方法、***以及存储介质。
背景技术
城市路网是城市建设的骨架，也是城市交通的载体；在城市建设和社会经济发展中发挥重要的作用，影响着居民的日常生活。
现有一种城市路网规划实施效果的评价***，主要依据路段单元的通过功能可靠性定量评价不同城市道路网络布局形态的适用性，为城市道路网络规划方案的设计与优化决策提供参考价值，具体使用方式如下：用户在将自己针对目的地设计的路网规划图导入后，城市路网规划实施效果的评价***会通过内置的通过功能可靠性评价体系对用户所导入的路网规划图作功能可靠性定量评价，输出通过功能可靠度的数值，并将本次导入的路网规划图的功能可靠度的数值，与历史导入的路网规划图的功能可靠度的数值比较的结果作比较，按照比较的结果作排序并展示给用户看。
针对上述中的相关技术，发明人认为存在有如下缺陷，由于在各种因素对交通事故的影响中，与道路有关的因素占据了相当大的比例，因此路网规划设计合理与否对道路交通安全具有重要影响，而目前城市路网规划实施效果的评价***仅针对通过功能可靠性进行评估，还有改进的空间。
发明内容
为了更加合理的评估出不同道路网络布局形态的适用性，为城市道路网络规划方案的设计与优化决策提供更高的参考价值，本申请提供一种城市路网规划实施效果的评价方法、***以及存储介质。
第一方面，本申请提供一种城市路网规划实施效果的评价方法，采用如下的技术方案：
一种城市路网规划实施效果的评价方法，包括：
获取用户导入至城市路网规划实施效果的评价***的针对目标地设计的路网规划图；
将位于路网规划图上的路段进行类型划分，定义位于路网规划图上的路段类型均不同；
分别预测出路网规划图上的不同类型路段单位时间交通事故次数，同时，应用预先构建的路段通过可靠度模型分析计算出不同类型路段的通过功能可靠度；
基于所预测的不同类型路段单位时间交通事故次数以及不同类型路段的通过功能可靠度，通过预先构建的权重公式分别计算出每个路段的权重值；
将路网上所有路段的权重值之和作为路网的评价值，并与历史针对同一目的地所设计的所有路网规划图的评价值作比较，按照评价值由多至少对路网规划图标记作由上至下的排序，并着重标注本次导入的路网规划图标记以及评价值。
通过采用上述技术方案，能够对用户所导入的路网规划图从单位时间交通事故次数和通过功能可靠度两个角度作综合定量分析，相比于单一维度的通过功能可靠度的定量分析，能够更加合理的评估出不同道路网络布局形态的适用性，为城市道路网络规划方案的设计与优化决策提供更高的参考价值。
可选的，将位于路网规划图上的路段进行类型划分的步骤如下：
识别获取路网规划图上每个路段的示意图；
从预设的存储有路段类型以及相应类型路段的示意图的第一数据库中，逐一以路网规划图上每个路段的示意图作为查询对象，查询出比对一致的示意图所对应的路段类型，从而获取路网规划图上每个路段的类型。
通过采用上述技术方案，通过将路网规划图每个路段作分割处理，并与预存于第一数据库的不同类型路段的比对分析，能够有效分析出目前路网规划图所具备的路段类型。
可选的，路网规划图上的不同类型路段单位时间交通事故次数的预测步骤如下：
获取目标地路网完成建设的规划时间；
基于目标地不同路段历史的交通量，预测目标地不同路段在路网完成建设后的交通量；
从预设的存储有当地区域的路段、相应类型路段所在位置、相应路段目前的交通量、以及相应路段单位时间交通事故次数的第二数据库中，逐一以目标地路网不同类型的路段作为查询对象，查询出同一类型路段的交通量以及单位时间交通事故次数；
若同一类型路段为多个，则逐一将同一类型路段的目前交通量作为被减数，目标地相应类型路段的预测交通量作为统一的减数，若获取的差值落入预设的差值范围之内，则将相应差值所对应的同一类型路段的目前交通量作为参考量；
获取所有参考量的均值，以及所有参考量所对应同一类型路段的单位时间交通事故次数的均值；
将目标地相应类型路段的预测交通量作为前项，所有参考量的均值作为后项，获取目标地相应类型路段的预测交通量与所有参考量的均值的比值，并将比值与所有参考量所对应同一类型路段的单位时间交通事故次数的均值的乘积，作为目标地相应类型路段单位时间交通事故次数；
若同一类型路段仅为一个，则将目标地相应类型路段的预测交通量作为前项，同一类型路段的目前交通量作为后项，计算出目标地相应类型路段的预测交通量与同一类型路段的目前交通量的比值，并将比值与同一类型路段单位时间交通事故次数的乘积，作为目标地相应类型路段单位时间交通事故次数。
通过采用上述技术方案，有效结合当地区域其他同一类型路段的交通量和单位时间交通事故次数，以及目标地相应类型路段的历史交通量情况，能够对路网规划图上的不同类型路段在完成建设后的单位时间交通事故次数作更加有效准确的预测，从而提高了评估出不同道路网络布局形态适用性的准确性。
可选的，目标地不同路段在路网完成建设后的交通量的预测步骤如下：
基于目标地路网完成建设的规划时间以及当前所处时间，获取相隔时间；
从预设的存储有目标地不同路段类型以及相应类型路段的历史交通量的第三数据库中，逐一以目标地路段类型当前所处时间作为查询对象，获取目标地相应路段类型当前的交通量，同时逐一以目标地路段类型距离当前预设间隔时间段的时间作为查询对象，获取目标地相应路段类型距离当前预设间隔时间段的时间的交通量；
将目标地相应路段类型当前的交通量作为被减数，目标地相应路段类型距离当前预设间隔时间段的时间的交通量作为减数，获取的差值作为相应路段类型临界点之前预设间隔时间段的交通量变化值；
将相隔时间作为前项，预设间隔时间段作为后项，获取相隔时间与预设间隔时间段的比值，将比值与临界点之前预设间隔时间段的交通量变化值的乘积作为相应路段类型的整体变化量；
将相应路段类型的整体变化量与当前目标地相应路段类型的交通量的和作为预测的目标地路段在路网完成建设后的交通量。
通过采用上述技术方案，有效结合路网规划图上路段完成建设的周期，以及目标地当前路段的历史交通量情况，能够对完成建设后不同路段的交通量作有效准确预测，从而间接提高了不同类型路段在完成建设后的单位时间交通事故次数的预测准确性。
可选的，应用预先构建的路段通过可靠度模型分析计算出不同类型路段的通过功能可靠度的步骤如下：
获取路网规划图中每个类型路段标注的实际长度，同步的，从预设的存储有路段类型以及相应类型路段合理的最大间距的第四数据库中，以路网规划图所具备的路段类型查询出每个类型路段合理的最大间距；
应用预先构建的路段通过可靠度模型逐一计算出不同类型路段的通过功能可靠度，其中预先构建的路段通过可靠度模型如下：
Pi=Li/Limax，
其中：
i为所有路段类型中的第i类；
Pi为第i类路段的通过功能可靠度；
Li为第i类路段的实际长度；
Limax为第i类路段合理的最大间距。
通过采用上述技术方案，通过获取路网规划图中每个类型路段标注的实际长度，以及每个类型路段合理的最大间距，并应用预先构建的路段通过可靠度模型，能够有效分析出每个路段的通过功能可靠度。
可选的，预先构建的权重公式如下：
Yi=(1/Ai)*q+Bi*p,
其中：
i为所有路段类型中的第i类；
Yi为第i类路段的权重值；
Ai为第i类路段单位时间交通事故次数；
q为路段单位时间交通事故次数的权重占比;
Bi为第i类路段的通过功能可靠度；
p为路段的通过功能可靠度的权重占比。
通过采用上述技术方案，将路段的通过功能可靠度和路段单位时间交通事故次数通过公式的形式作了综合考虑，从而分更加合理的评估出不同道路网络布局形态的适用性，为城市道路网络规划方案的设计与优化决策提供更高的参考价值。
第二方面，本申请提供一种城市路网规划实施效果的评价***，采用如下的技术方案：
一种城市路网规划实施效果的评价***，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，该程序能够被处理器加载执行时实现如上述权利要求任一项所述的一种城市路网规划实施效果的评价方法。
通过采用上述技术方案，通过程序的调取，能够对用户所导入的路网规划图从单位时间交通事故次数和通过功能可靠度两个角度作综合定量分析，相比于单一维度的通过功能可靠度的定量分析，能够更加合理的评估出不同道路网络布局形态的适用性，为城市道路网络规划方案的设计与优化决策提供更高的参考价值。
第三方面，本申请提供一种计算机存储介质，采用如下的技术方案：
一种计算机存储介质，包括能够被处理器加载执行时实现如上述权利要求中任一项所述的城市路网规划实施效果的评价方法的程序。
通过采用上述技术方案，通过程序的调取，能够对用户所导入的路网规划图从单位时间交通事故次数和通过功能可靠度两个角度作综合定量分析，相比于单一维度的通过功能可靠度的定量分析，能够更加合理的评估出不同道路网络布局形态的适用性，为城市道路网络规划方案的设计与优化决策提供更高的参考价值。
综上所述，本申请的有益技术效果为：
1.将城市道路网络划分为若干个路段单元，结合通过功能可靠度以及单位时间交通事故次数作综合评估，为城市道路网络规划方案的设计与优化决策提供参考价值；
2.能够让用户了解本次导入的路网规划图的评价值在目前已录入的路网规划图中的排序情况。
附图说明
图1是本申请实施例一种城市路网规划实施效果的评价方法的步骤示意图。
图2是图1中步骤S200所提及的将位于路网规划图上的路段进行类型划分的步骤示意图。
图3是图1中步骤S300所提及的路网规划图上的不同类型路段单位时间交通事故次数的预测步骤示意图。
图4是图3中步骤S3b0的具体步骤示意图。
图5是图1中步骤S300所提及的应用预先构建的路段通过可靠度模型分析计算出不同类型路段的通过功能可靠度的步骤示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
参照图1，为本申请公开的一种城市路网规划实施效果的评价方法，包括步骤S100至步骤S500。
在步骤S100中，获取用户导入至城市路网规划实施效果的评价***的针对目标地设计的路网规划图。
其中，步骤S100所提及的针对目标地设计的路网规划图导入至城市路网规划实施效果的评价***的方式可以是将路网规划图的文件直接拖拉到***的文件导入模块处完成导入的方式，也可以是通过***的文件导入模块处查询获取路网规划图的文件所在位置并点击路网规划图的文件完成导入的方式。
在步骤S200中，将位于路网规划图上的路段进行类型划分，定义位于路网规划图上的路段类型均不同。
参照图2，其中，步骤S200可划分为步骤S210至步骤S220。
在步骤S210中，识别获取路网规划图上每个路段的示意图。
其中，步骤S210所提及的路网规划图上每个路段的示意图的识别获取方式可以是通过卷积神经网络作图像识别的方式来实现的，卷积神经网络识别的方式首先做的是对规划图进行灰度处理、归一化处理，再将处理后的规划图分割为若干份图像数据，分别对每份图片内容中的路段进行识别。
在步骤S220中，从预设的存储有路段类型以及相应类型路段的示意图的第一数据库中，逐一以路网规划图上每个路段的示意图作为查询对象，查询出比对一致的示意图所对应的路段类型，从而获取路网规划图上每个路段的类型。
其中，步骤S220所提及的路段类型可以应用***聚类法进行类别划分，路段划分为四个类别，分别为路段第一类、路段第二类、路段第三类和路段第四类。
路段第一类包含路段类型为：一块板2车道、一块板4车道、二块板4车道和三块板4车道。
路段第二类包含路段类型为：一块板6车道、二块板6车道、三块板6车道和四块板8车道。
路段第三类包含路段类型为：一块板8车道和二块板8车道。
路段第四类包含路段类型为：四块板6车道和高架路10车道。
在步骤S300中，分别预测出路网规划图上的不同类型路段单位时间交通事故次数，同时，应用预先构建的路段通过可靠度模型分析计算出不同类型路段的通过功能可靠度。
参照图3，其中，步骤S300所提及的路网规划图上的不同类型路段单位时间交通事故次数的预测步骤可划分为步骤S3a0至步骤S3g0，其中，步骤S3d0与步骤S3g0为并行步骤，步骤S3e0、步骤S3f0依次为步骤S3d0之后的接续步骤。
在步骤S3a0中，获取目标地路网完成建设的规划时间。
其中，步骤S3a0所提及的目标地路网完成建设的规划时间的获取可以是通过调取预存有相应目标地路网完成建设规划时间的数据库获取。
在步骤S3b0中,基于目标地不同路段历史的交通量，预测目标地不同路段在路网完成建设后的交通量。
参照图4，其中，步骤S3b0中所提及的目标地不同路段在路网完成建设后的交通量的预测步骤可划分为步骤S3b1至步骤S3b5。
在步骤S3b1中，基于目标地路网完成建设的规划时间以及当前所处时间，获取相隔时间。
举例来说，假定目标地路网完成建设时间为2025年4月，目前的时间为2021年2月，那么相隔时间为50个月。
在步骤S3b2中，从预设的存储有目标地不同路段类型以及相应类型路段的历史交通量的第三数据库中，逐一以目标地路段类型当前所处时间作为查询对象，获取目标地相应路段类型当前的交通量，同时逐一以目标地路段类型距离当前预设间隔时间段的时间作为查询对象，获取目标地相应路段类型距离当前预设间隔时间段的时间的交通量。
在步骤S3b3中，将目标地相应路段类型当前的交通量作为被减数，目标地相应路段类型距离当前预设间隔时间段的时间的交通量作为减数，获取的差值作为相应路段类型临界点之前预设间隔时间段的交通量变化值。
在步骤S3b4中，将相隔时间作为前项，预设间隔时间段作为后项，获取相隔时间与预设间隔时间段的比值，将比值与临界点之前预设间隔时间段的交通量变化值的乘积作为相应路段类型的整体变化量。
在步骤S3b5中，将相应路段类型的整体变化量与当前目标地相应路段类型的交通量的和作为预测的目标地路段在路网完成建设后的交通量。
举例来说，假定预设间隔时间段为1个月，相应路段类型临界点之前预设间隔时间段的交通量变化值为a，相隔时间为50个月，当前目标地相应路段类型的交通量为30a，那么预测的目标地路段在路网完成建设后的交通量为80a。
在步骤S3c0中,从预设的存储有当地区域的路段、相应类型路段所在位置、相应路段目前的交通量、以及相应路段单位时间交通事故次数的第二数据库中，逐一以目标地路网不同类型的路段作为查询对象，查询出同一类型路段的交通量以及单位时间交通事故次数。
其中，步骤S3c0所提及的单位时间交通事故次数可以为1年交通事故次数，但单位时间不仅局限于1年的时间，也可以是1个月或半年。
在步骤S3d0中,若同一类型路段为多个，则逐一将同一类型路段的目前交通量作为被减数，目标地相应类型路段的预测交通量作为统一的减数，若获取的差值落入预设的差值范围之内，则将相应差值所对应的同一类型路段的目前交通量作为参考量。
在步骤S3e0中,获取所有参考量的均值，以及所有参考量所对应同一类型路段的单位时间交通事故次数的均值。
在步骤S3f0中，将目标地相应类型路段的预测交通量作为前项，所有参考量的均值作为后项，获取目标地相应类型路段的预测交通量与所有参考量的均值的比值，并将比值与所有参考量所对应同一类型路段的单位时间交通事故次数的均值的乘积，作为目标地相应类型路段单位时间交通事故次数。
举例来说，假定某一个目标地的路段类型所对应的同一类型路段为3个，分别为甲、乙、丙，甲的交通量为d，甲的单位时间交通事故次数为g，乙的交通量为e，乙的单位时间交通事故次数为h,丙的交通量为f，丙的单位时间交通事故次数为i,那么三者的交通量的均值为(d+e+f)/3，三者的单位时间交通事故次数的均值为（g+h+i）/3，假定目标地相应类型路段的预测交通量为x,那么目标地相应类型路段单位时间交通事故次数为{x/[(d+e+f)/3]}*（g+h+i）/3。
在步骤S3g0中，若同一类型路段仅为一个，则将目标地相应类型路段的预测交通量作为前项，同一类型路段的目前交通量作为后项，计算出目标地相应类型路段的预测交通量与同一类型路段的目前交通量的比值，并将比值与同一类型路段单位时间交通事故次数的乘积，作为目标地相应类型路段单位时间交通事故次数。
参照图5，其中，步骤S300所提及的应用预先构建的路段通过可靠度模型分析计算出不同类型路段的通过功能可靠度的步骤可划分为步骤S3A0至步骤S3B0。
在步骤S3A0中，获取路网规划图中每个类型路段标注的实际长度，同步的，从预设的存储有路段类型以及相应类型路段合理的最大间距的第四数据库中，以路网规划图所具备的路段类型查询出每个类型路段合理的最大间距。
在步骤S3B0中,应用预先构建的路段通过可靠度模型逐一计算出不同类型路段的通过功能可靠度，其中预先构建的路段通过可靠度模型如下：Pi=Li/Limax，其中：i为所有路段类型中的第i类；Pi为第i类路段的通过功能可靠度；Li为第i类路段的实际长度；Limax为第i类路段合理的最大间距。
在步骤S400中，基于所预测的不同类型路段单位时间交通事故次数以及不同类型路段的通过功能可靠度，通过预先构建的权重公式分别计算出每个路段的权重值。
其中，步骤S400所提及的预先构建的权重公式如下：Yi=(1/Ai)*q+Bi*p,其中：i为所有路段类型中的第i类；Yi为第i类路段的权重值；Ai为第i类路段单位时间交通事故次数；q为路段单位时间交通事故次数的权重占比;Bi为第i类路段的通过功能可靠度；p为路段的通过功能可靠度的权重占比。
在步骤S500中，将路网上所有路段的权重值之和作为路网的评价值，并与历史针对同一目的地所设计的所有路网规划图的评价值作比较，按照评价值由多至少对路网规划图标记作由上至下的排序，并着重标注本次导入的路网规划图标记以及评价值。
其中，步骤S500所提及的着重标注本次导入路网规划图标记以及评价值可以采用字体加粗的方式，也可以采用不同颜色标注的方式。
本发明实施例提供一种计算机可读存储介质，包括能够被处理器加载执行时实现如图1-图5任一种方法的程序。
所述计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
基于同一发明构思，本发明实施例提供一种城市路网规划实施效果的评价***，包括存储器、处理器，存储器上存储有可在所述处理器上运行实现如图1至图5任一种方法的程序。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。
Claims (8)
1.一种城市路网规划实施效果的评价方法，其特征在于，包括：
获取用户导入至城市路网规划实施效果的评价***的针对目标地设计的路网规划图；
将位于路网规划图上的路段进行类型划分，定义位于路网规划图上的路段类型均不同；
分别预测出路网规划图上的不同类型路段单位时间交通事故次数，同时，应用预先构建的路段通过可靠度模型分析计算出不同类型路段的通过功能可靠度；
基于所预测的不同类型路段单位时间交通事故次数以及不同类型路段的通过功能可靠度，通过预先构建的权重公式分别计算出每个路段的权重值；
将路网上所有路段的权重值之和作为路网的评价值，并与历史针对同一目的地所设计的所有路网规划图的评价值作比较，按照评价值由多至少对路网规划图标记作由上至下的排序，并着重标注本次导入的路网规划图标记以及评价值。
2.根据权利要求1所述的一种城市路网规划实施效果的评价方法，其特征在于，将位于路网规划图上的路段进行类型划分的步骤如下：
识别获取路网规划图上每个路段的示意图；
从预设的存储有路段类型以及相应类型路段的示意图的第一数据库中，逐一以路网规划图上每个路段的示意图作为查询对象，查询出比对一致的示意图所对应的路段类型，从而获取路网规划图上每个路段的类型。
3.根据权利要求1所述的一种城市路网规划实施效果的评价方法，其特征在于：路网规划图上的不同类型路段单位时间交通事故次数的预测步骤如下：
获取目标地路网完成建设的规划时间；
基于目标地不同路段历史的交通量，预测目标地不同路段在路网完成建设后的交通量；
从预设的存储有当地区域的路段、相应类型路段所在位置、相应路段目前的交通量、以及相应路段单位时间交通事故次数的第二数据库中，逐一以目标地路网不同类型的路段作为查询对象，查询出同一类型路段的交通量以及单位时间交通事故次数；
若同一类型路段为多个，则逐一将同一类型路段的目前交通量作为被减数，目标地相应类型路段的预测交通量作为统一的减数，若获取的差值落入预设的差值范围之内，则将相应差值所对应的同一类型路段的目前交通量作为参考量；
获取所有参考量的均值，以及所有参考量所对应同一类型路段的单位时间交通事故次数的均值；
将目标地相应类型路段的预测交通量作为前项，所有参考量的均值作为后项，获取目标地相应类型路段的预测交通量与所有参考量的均值的比值，并将比值与所有参考量所对应同一类型路段的单位时间交通事故次数的均值的乘积，作为目标地相应类型路段单位时间交通事故次数；
若同一类型路段仅为一个，则将目标地相应类型路段的预测交通量作为前项，同一类型路段的目前交通量作为后项，计算出目标地相应类型路段的预测交通量与同一类型路段的目前交通量的比值，并将比值与同一类型路段单位时间交通事故次数的乘积，作为目标地相应类型路段单位时间交通事故次数。
4.根据权利要求3所述的一种城市路网规划实施效果的评价方法，其特征在于：目标地不同路段在路网完成建设后的交通量的预测步骤如下：
基于目标地路网完成建设的规划时间以及当前所处时间，获取相隔时间；
从预设的存储有目标地不同路段类型以及相应类型路段的历史交通量的第三数据库中，逐一以目标地路段类型当前所处时间作为查询对象，获取目标地相应路段类型当前的交通量，同时逐一以目标地路段类型距离当前预设间隔时间段的时间作为查询对象，获取目标地相应路段类型距离当前预设间隔时间段的时间的交通量；
将目标地相应路段类型当前的交通量作为被减数，目标地相应路段类型距离当前预设间隔时间段的时间的交通量作为减数，获取的差值作为相应路段类型临界点之前预设间隔时间段的交通量变化值；
将相隔时间作为前项，预设间隔时间段作为后项，获取相隔时间与预设间隔时间段的比值，将比值与临界点之前预设间隔时间段的交通量变化值的乘积作为相应路段类型的整体变化量；
将相应路段类型的整体变化量与当前目标地相应路段类型的交通量的和作为预测的目标地路段在路网完成建设后的交通量。
5.根据权利要求1所述的一种城市路网规划实施效果的评价方法，其特征在于：应用预先构建的路段通过可靠度模型分析计算出不同类型路段的通过功能可靠度的步骤如下：
获取路网规划图中每个类型路段标注的实际长度，同步的，从预设的存储有路段类型以及相应类型路段合理的最大间距的第四数据库中，以路网规划图所具备的路段类型查询出每个类型路段合理的最大间距；
应用预先构建的路段通过可靠度模型逐一计算出不同类型路段的通过功能可靠度，其中预先构建的路段通过可靠度模型如下：
Pi=Li/Limax，
其中：
i为所有路段类型中的第i类；
Pi为第i类路段的通过功能可靠度；
Li为第i类路段的实际长度；
Limax为第i类路段合理的最大间距。
6.根据权利要求5所述的一种城市路网规划实施效果的评价方法，其特征在于：预先构建的权重公式如下：
Yi=(1/Ai)*q+Bi*p,
其中：
i为所有路段类型中的第i类；
Yi为第i类路段的权重值；
Ai为第i类路段单位时间交通事故次数；
q为路段单位时间交通事故次数的权重占比;
Bi为第i类路段的通过功能可靠度；
p为路段的通过功能可靠度的权重占比。
7.一种城市路网规划实施效果的评价***，其特征在于：包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，该程序能够被处理器加载执行时实现如权利要求1至6中任一项所述的一种城市路网规划实施效果的评价方法。
8.一种计算机存储介质，其特征在于：包括能够被处理器加载执行时实现如权利要求1至6中任一项所述的一种城市路网规划实施效果的评价方法的程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110055843.1A CN112766567B (zh) | 2021-01-15 | 2021-01-15 | 一种城市路网规划实施效果的评价方法、***以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110055843.1A CN112766567B (zh) | 2021-01-15 | 2021-01-15 | 一种城市路网规划实施效果的评价方法、***以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112766567A true CN112766567A (zh) | 2021-05-07 |
| CN112766567B CN112766567B (zh) | 2024-01-09 |
Family
ID=75701867
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110055843.1A Active CN112766567B (zh) | 2021-01-15 | 2021-01-15 | 一种城市路网规划实施效果的评价方法、***以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112766567B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115953894A (zh) * | 2022-12-01 | 2023-04-11 | 广州市城市规划勘测设计研究院 | 城市路网布局的交通性能评估方法、装置、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104240030A (zh) * | 2014-09-16 | 2014-12-24 | 北京交通大学 | 一种轨道交通路网动态安全风险评价方法 |
| CN107730113A (zh) * | 2017-10-13 | 2018-02-23 | 郑州大学 | 一种基于功能的城市道路网络规划的定量评价方法 |
| CN108109378A (zh) * | 2018-01-24 | 2018-06-01 | 哈尔滨工业大学 | 一种对路网规划方案进行交通安全评价的方法 |
| CN110705850A (zh) * | 2019-09-19 | 2020-01-17 | 安徽百诚慧通科技有限公司 | 一种基于层次分析法的道路风险评估方法 |
| CN111639837A (zh) * | 2020-04-30 | 2020-09-08 | 同济大学 | 路网服役性能评价方法、装置、存储介质及终端 |
-
2021
- 2021-01-15 CN CN202110055843.1A patent/CN112766567B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104240030A (zh) * | 2014-09-16 | 2014-12-24 | 北京交通大学 | 一种轨道交通路网动态安全风险评价方法 |
| CN107730113A (zh) * | 2017-10-13 | 2018-02-23 | 郑州大学 | 一种基于功能的城市道路网络规划的定量评价方法 |
| CN108109378A (zh) * | 2018-01-24 | 2018-06-01 | 哈尔滨工业大学 | 一种对路网规划方案进行交通安全评价的方法 |
| CN110705850A (zh) * | 2019-09-19 | 2020-01-17 | 安徽百诚慧通科技有限公司 | 一种基于层次分析法的道路风险评估方法 |
| CN111639837A (zh) * | 2020-04-30 | 2020-09-08 | 同济大学 | 路网服役性能评价方法、装置、存储介质及终端 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115953894A (zh) * | 2022-12-01 | 2023-04-11 | 广州市城市规划勘测设计研究院 | 城市路网布局的交通性能评估方法、装置、设备及介质 |
| CN115953894B (zh) * | 2022-12-01 | 2024-02-20 | 广州市城市规划勘测设计研究院 | 城市路网布局的交通性能评估方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112766567B (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108647743B (zh) | 驾驶人安全画像*** | |
| CN102982081A (zh) | 道路交通安全隐患路段甄别方法和*** | |
| CN111291236A (zh) | 一种高速路网用户画像信息获取与分析方法及*** | |
| CN108777004B (zh) | 高速公路客运车辆跨省匹配方法及装置 | |
| CN111598333B (zh) | 客流数据的预测方法及装置 | |
| CN113837886B (zh) | 一种基于知识图谱的车险理赔欺诈风险识别方法和*** | |
| Jimenez et al. | Bus line classification using neural networks | |
| CN115147155A (zh) | 一种基于集成学习的铁路货运客户流失预测方法 | |
| CN112766567A (zh) | 一种城市路网规划实施效果的评价方法、***以及存储介质 | |
| WO2017221856A1 (ja) | 分析装置、分析方法、および記憶媒体 | |
| CN112184495B (zh) | 存量低效土地监测***及应用其的分析平台 | |
| Patnaik et al. | Application of genetic programming clustering in defining LOS criteria of urban street in Indian context | |
| Gao et al. | Identifying business activity-travel patterns based on GPS data | |
| CN107507413A (zh) | 车辆位置预测方法及装置 | |
| CN114708728B (zh) | 一种识别交通高峰期的方法、电子设备及存储介质 | |
| CN114973671A (zh) | 公路网od数据处理方法、装置、设备及存储介质 | |
| Crawford et al. | Analysing spatial intrapersonal variability of road users using point-to-point sensor data | |
| CN114693072A (zh) | 车队结构分析方法、***及存储介质 | |
| CN109165842B (zh) | 一种基建热度指数统计方法及装置 | |
| CN112163964A (zh) | 风险预测方法、装置、电子设备及存储介质 | |
| He et al. | Sampling method applied to the clustering of temporal patterns of public transit smart card users | |
| Karamanlis et al. | Identifying Road Accident Black Spots using Classical and Modern Approaches | |
| Errousso et al. | Intelligent parking space management: a binary classification approach for detecting vacant spots | |
| Dixon | The effects of errors in annual average daily traffic forecasting: study of highways in Rural Idaho | |
| Abeyratne et al. | Applying big data analytics on motor vehicle collision predictions in New York City |
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 |