CN115346371A - 一种交通路网重要节点的识别方法 - Google Patents
一种交通路网重要节点的识别方法 Download PDFInfo
- Publication number
- CN115346371A CN115346371A CN202210970312.XA CN202210970312A CN115346371A CN 115346371 A CN115346371 A CN 115346371A CN 202210970312 A CN202210970312 A CN 202210970312A CN 115346371 A CN115346371 A CN 115346371A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- importance
- ratio
- traffic
- 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 16
- 238000012163 sequencing technique Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 9
- 229910052731 fluorine Inorganic materials 0.000 claims description 4
- 125000001153 fluoro group Chemical group F* 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 230000000737 periodic effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种交通路网重要节点的识别方法,首先建立拓扑路网模型;其次确定路网中各节点的度和核数,计算出各节点基于度和核数的综合重要度值,根据值的大小判断节点的重要程度;其次对基于度和核数的综合重要度值相同的节点,再通过计算基于交通量占比和平均行驶时间占比的综合重要度值判断节点的重要程度;最后,比较完交通路网中所有节点的重要程度后,对节点的重要程度进行排序,根据排序以及重要度阈值对节点进行重要程度等级划分。根据节点的重要等级,可以对各节点有针对性管控,能够避免因管控设施过度造成的资源浪费,也能避免因管控设施不足造成的交通混乱,因地制宜地对交通路网节点进行管控,使得交通安全、有序、顺畅。
Description
技术领域
本发明涉及道路交通领域,尤其涉及一种交通路网重要节点的识别方法。
背景技术
随着城市化进程不断加快,城市人口快速增长,城市路网道路交通需求也不断增加,交通拥堵问题日益突出,已成为社会经济发展和城市环保的重要瓶颈环节。目前,城市路网道路交通拥堵主要是由周期***通需求、突发偶然事件以及道路维修管理等因素引起;其中,周期***通需求具有明显的短期和中长期的周期性或季节性规律,例如早晚高峰期路网上车流量的周期性变化,夏季和秋冬季的车流量变化等。基于大量数据研究发现,路网中的关键节点发生拥堵将导致路网发生大面积交通瘫痪,例如节假日高速路口拥堵,导致排队达数公里的现象等,因此,找出路网中的关键节点对于城市道路管理具有重要意义。目前交通路网中节点的重要程度主要通过节点在路网中的几何位置来判断,一般未考虑路网中节点的核数、交通特性等因素,从而使得判断结果与实际情况存在差异,实用性不足。
发明内容
有鉴于此,本发明提供了一种交通路网重要节点的识别方法,能够准确判断交通节点的重要程度,从而可以对各节点有针对性管控,能够避免因管控设施过度造成的资源浪费,又避免因管控设施不足造成的交通混乱,因地制宜地对交通路网节点进行管控,使得交通安全、有序、顺畅。
本发明提供的一种交通路网重要节点的识别方法,包括步骤:
S1.建立拓扑路网模型:
采用节点-弧段模型来描述路网:道路相交处描述为节点,道路描述为弧段,用G(V,E)表示为整个交通路网,其中V为G(V,E)的节点集合,V={V1,V2,…,Vn},E为G(V,E)的弧段集合,E={eij|eij为连接Vi与Vj的有向弧段,Vi为起点,Vj为终点},其中i=1,2,…,n;j=1,2,…,n;
S2.确定G(V,E)中各节点的度和核数,并找出各节点的度和核数的最大值和最小值;
所述节点的度指与节点直接相连的邻弧段数量,包括正向弧段和反向弧段,具体为:
其中,Ci为节点Vi的度,aij为连接节点Vi与节点Vj的弧段条数,Γi为与节点Vi相邻节点的集合;
所述节点Vi的核数指:若节点Vi存在于G(V,E)的k-核,而在(k+1)-核中被去掉,则节点Vi的核数为k;所述G(V,E)的k-核指在G(V,E)中反复去掉度小于等于k的节点后,所剩余的子路网图;
S3.计算基于度和核数的综合重要度值,计算方法如下:
其中,ωi为节点Vi基于度和核数的综合重要度值;α为度的权重系数;β为核数的权重系数;Cmax为G(V,E)中节点度的最大值;cmin为G(V,E)中节点度的最小值;Si为节点Vi的核数;Smax为G(V,E)中节点核数的最大值;Smin为G(V,E)中节点核数的最小值;
S4.根据基于度和核数的综合重要度值判断节点的重要程度:若ωi>ωj,则节点Vi比节点Vj重要;若ωi<ωj,则节点Vj比节点Vi重要;若ωi=ωj,则进行步骤S5;
S5.计算基于交通量占比和平均行驶时间占比的综合重要度值,计算方法如下:
其中,为节点Vi基于交通量占比和平均行驶时间占比的综合重要度值;xi为节点Vi计测区域交通量的占比值;xmax为G(V,E)中节点计测区域交通量占比的最大值;xmin为G(V,E)中节点计测区域交通量占比的最小值;yi为进出节点Vi计测区域车辆平均行驶时间的占比值;ymax为G(V,E)中节点计测区域车辆平均行驶时间占比的最大值;ymin为G(V,E)中节点计测区域车辆平均行驶时间占比的最小值;δ为交通量占比值的权重系数;μ为平均行驶时间占比值的权重系数;
S7.比较G(V,E)中所有节点的重要程度后,对节点的重要程度进行排序,根据排序以及重要度阈值对节点进行重要程度等级划分。
进一步,所述步骤S5中,节点Vi计测区域为构建的以路网节点Vi为圆心,半径R(m)向外辐射所构成的区域。
进一步,所述步骤S5中,节点Vi计测区域交通量的占比值xi、进出节点Vi计测区域车辆平均行驶时间的占比值yi的计算方法为:
其中,tij为在一定的统计时间间隔内得到的车辆j进出节点Vi计测区域的时间,m为进出节点Vi计测区域车辆的总数,j=1,2,…,m。
本发明有以下有益效果:
本发明结合拓扑路网模型,采用节点的度、核数指标对交通路网节点交通位置重要程度进行识别,同时通过检测得到的相关交通数据,针对交通重要程度相同节点,基于交通量占比及平均行驶时间占比指标对交通路网节点交通运行重要程度进行识别,从而得到路网各节点的重要程度,判断更为准确。并且可以根据节点的重要程度将节点分为不同等级,对不同重要等级的节点进行针对性管控,既可以避免因管控设施过度造成的资源浪费,又避免因管控设施不足造成的交通混乱,因地制宜地对交通路网节点进行管控,实现交通安全、有序、顺畅。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1为一种交通路网重要节点的识别方法流程图。
具体实施方式
下面将通过附图和实施例对本发明进行清楚、完整地说明。
本发明提供的一种交通路网重要节点的识别方法,包括步骤:
S1.建立拓扑路网模型:
采用节点-弧段模型来描述路网:道路相交处描述为节点,道路描述为弧段,用G(V,E)表示为整个交通路网,其中V为G(V,E)的节点集合,V={V1,V2,…,Vn},E为G(V,E)的弧段集合,E={eij|eij为连接Vi与Vj的有向弧段,Vi为起点,Vj为终点},其中i=1,2,…,n;j=1,2,…,n;
S2.确定G(V,E)中各节点的度和核数,并找出各节点的度和核数的最大值和最小值;
所述节点的度指与节点直接相连的邻弧段数量,包括正向弧段和反向弧段,具体为:
其中,Ci为节点Vi的度,aij为连接节点Vi与节点Vj的弧段条数,Γi为与节点Vi相邻节点的集合;
所述节点Vi的核数指:若节点Vi存在于G(V,E)的k-核,而在(k+1)-核中被去掉,则节点Vi的核数为k;所述G(V,E)的k-核指在G(V,E)中反复去掉度小于等于k的节点后,所剩余的子路网图;
S3.计算基于度和核数的综合重要度值,计算方法如下:
其中,ωi为节点Vi基于度和核数的综合重要度值;α为度的权重系数;β为核数的权重系数;Cmax为G(V,E)中节点度的最大值;Cmin为G(V,E)中节点度的最小值;Si为节点Vi的核数;Smax为G(V,E)中节点核数的最大值;Smin为G(V,E)中节点核数的最小值;
S4.根据基于度和核数的综合重要度值判断节点的重要程度:若ωi>ωj,则节点Vi比节点Vj重要;若ωi<ωj,则节点Vj比节点Vi重要;若ωi=ωj,则进行步骤S5;
S5.计算基于交通量占比和平均行驶时间占比的综合重要度值,计算方法如下:
其中,为节点Vi基于交通量占比和平均行驶时间占比的综合重要度值;xi为节点Vi计测区域交通量的占比值;xmax为G(V,E)中节点计测区域交通量占比的最大值;xmin为G(V,E)中节点计测区域交通量占比的最小值;yi为进出节点Vi计测区域车辆平均行驶时间的占比值;ymax为G(V,E)中节点计测区域车辆平均行驶时间占比的最大值;ymin为G(V,E)中节点计测区域车辆平均行驶时间占比的最小值;δ为交通量占比值的权重系数;μ为平均行驶时间占比值的权重系数;
S7.比较G(V,E)中所有节点的重要程度后,对节点的重要程度进行排序,根据排序以及重要度阈值对节点进行重要程度等级划分。
本实施例中,所述步骤S5中,节点Vi计测区域为构建的以路网节点Vi为圆心,半径R(m)向外辐射所构成的区域。
本实施例中,所述步骤S5中,节点Vi计测区域交通量的占比值xi、进出节点Vi计测区域车辆平均行驶时间的占比值yi的计算方法为:
其中,tij为在一定的统计时间间隔内得到的车辆j进出节点Vi计测区域的时间,m为进出节点Vi计测区域车辆的总数,j=1,2,…,m。
本实施例中,在计测区域设置了车辆检测装置,用于测出进入各节点计测区域内的交通量Qi,以及在一定的统计时间间隔内进出各节点计测区域每个车辆的时间tij。
本实施例中,所述步骤S7,具体包括:通过步骤S1-S6比较交通路网中所有节点的重要程度,并将所有节点根据重要程度由大到小进行排序,对重要程度的等级划分比如:取重要度阈值为30%和60%,将重要度前30%位的节点划为重要节点,30%-60%位的节点划分为次重要节点,将后40%位的节点划分为一般节点。划分节点的重要等级后,可以根据节点的重要等级进行因地制宜地管理和控制,重要节点加强性管控,次重要节点一般性管控,一般节点引导性管控;当然,还可以划分更多等级,即设置更多的重要度阈值,按照上述方式实施,在此不进行赘述。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种交通路网重要节点的识别方法,其特征在于:包括步骤:
S1.建立拓扑路网模型:
采用节点-弧段模型来描述路网:道路相交处描述为节点,道路描述为弧段,用G(V,E)表示为整个交通路网,其中V为G(V,E)的节点集合,V={V1,V2,…,Vn},E为G(V,E)的弧段集合,E={eij|eij为连接Vi与Vj的有向弧段,Vi为起点,Vj为终点},其中i=1,2,…,n;j=1,2,…,n;
S2.确定G(V,E)中各节点的度和核数,并找出各节点的度和核数的最大值和最小值;
所述节点的度指与节点直接相连的邻弧段数量,包括正向弧段和反向弧段,具体为:
其中,Ci为节点Vi的度,aij为连接节点Vi与节点Vj的弧段条数,Γi为与节点Vi相邻节点的集合;
所述节点Vi的核数指:若节点Vi存在于G(V,E)的k-核,而在(k+1)-核中被去掉,则节点Vi的核数为k;所述G(V,E)的k-核指在G(V,E)中反复去掉度小于等于k的节点后,所剩余的子路网图;
S3.计算基于度和核数的综合重要度值,计算方法如下:
其中,ωi为节点Vi基于度和核数的综合重要度值;α为度的权重系数;β为核数的权重系数;Cmax为G(V,E)中节点度的最大值;Cmin为G(V,E)中节点度的最小值;Si为节点Vi的核数;Smax为G(V,E)中节点核数的最大值;Smin为G(V,E)中节点核数的最小值;
S4.根据基于度和核数的综合重要度值判断节点的重要程度:若ωi>ωj,则节点Vi比节点Vj重要;若ωi<ωj,则节点Vj比节点Vi重要;若ωi=ωj,则进行步骤S5;
S5.计算基于交通量占比和平均行驶时间占比的综合重要度值,计算方法如下:
其中,为节点Vi基于交通量占比和平均行驶时间占比的综合重要度值;xi为节点Vi计测区域交通量的占比值;xmax为G(V,E)中节点计测区域交通量占比的最大值;xmin为G(V,E)中节点计测区域交通量占比的最小值;yi为进出节点Vi计测区域车辆平均行驶时间的占比值;ymax为G(V,E)中节点计测区域车辆平均行驶时间占比的最大值;ymin为G(V,E)中节点计测区域车辆平均行驶时间占比的最小值;δ为交通量占比值的权重系数;μ为平均行驶时间占比值的权重系数;
S7.比较G(V,E)中所有节点的重要程度后,对节点的重要程度进行排序,根据排序以及重要度阈值对节点进行重要程度等级划分。
2.根据权利要求1所述的一种交通路网重要节点的识别方法,其特征在于:所述步骤S5中,节点Vi计测区域为构建的以路网节点Vi为圆心,半径R(m)向外辐射所构成的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210970312.XA CN115346371B (zh) | 2022-08-12 | 2022-08-12 | 一种交通路网重要节点的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210970312.XA CN115346371B (zh) | 2022-08-12 | 2022-08-12 | 一种交通路网重要节点的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115346371A true CN115346371A (zh) | 2022-11-15 |
CN115346371B CN115346371B (zh) | 2023-12-29 |
Family
ID=83952248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210970312.XA Active CN115346371B (zh) | 2022-08-12 | 2022-08-12 | 一种交通路网重要节点的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115346371B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993972A (zh) * | 2019-03-27 | 2019-07-09 | 招商局重庆交通科研设计院有限公司 | 道路交通管控时间的计算方法 |
CN110009908A (zh) * | 2019-03-27 | 2019-07-12 | 招商局重庆交通科研设计院有限公司 | 基于道路交通管控时间与区域计算的交通道路长度控制方法 |
CN110298491A (zh) * | 2019-06-04 | 2019-10-01 | 三峡大学 | 一种基于黏菌群体智能的交通网络节点选择方法 |
WO2021109318A1 (zh) * | 2019-12-03 | 2021-06-10 | 东南大学 | 一种城市路网短期交通运行状态估计与预测方法 |
-
2022
- 2022-08-12 CN CN202210970312.XA patent/CN115346371B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993972A (zh) * | 2019-03-27 | 2019-07-09 | 招商局重庆交通科研设计院有限公司 | 道路交通管控时间的计算方法 |
CN110009908A (zh) * | 2019-03-27 | 2019-07-12 | 招商局重庆交通科研设计院有限公司 | 基于道路交通管控时间与区域计算的交通道路长度控制方法 |
CN110298491A (zh) * | 2019-06-04 | 2019-10-01 | 三峡大学 | 一种基于黏菌群体智能的交通网络节点选择方法 |
WO2021109318A1 (zh) * | 2019-12-03 | 2021-06-10 | 东南大学 | 一种城市路网短期交通运行状态估计与预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115346371B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109215350B (zh) | 一种基于rfid电子车牌数据的短期交通状态预测方法 | |
CN106781499B (zh) | 一种交通网络效率评价*** | |
CN112990648B (zh) | 一种轨道交通网络运营稳定性评估方法 | |
CN108062860B (zh) | 基于拥塞传播分析的道路瓶颈识别方法及其*** | |
CN107945507A (zh) | 行程时间预测方法及装置 | |
CN109191849B (zh) | 一种基于多源数据特征提取的交通拥堵持续时间预测方法 | |
CN111145544B (zh) | 一种基于拥堵蔓延消散模型的行程时间及路径预测方法 | |
CN103984994B (zh) | 一种城市轨道交通客流高峰持续时间预测方法 | |
CN111161537B (zh) | 考虑拥堵叠加效应的公路拥堵态势预测方法 | |
CN112348152B (zh) | 基于改进层次分析法的交通拥堵疏导方法及*** | |
CN112150802B (zh) | 基于地面公交运行状态可靠性的城市道路等级划分方法 | |
CN111612224A (zh) | 一种路面多车道状况预测与养护规划方法 | |
CN116186994A (zh) | 基于微观交通仿真的高速公路拥堵溯源分析及管控方法 | |
CN112598305B (zh) | 基于局域结构流量的城市路网重要节点识别方法 | |
CN108847025A (zh) | 一种交通拥堵判定方法 | |
CN117252304A (zh) | 考虑大客流预警信息的轨道交通拥挤传播评估与控制方法 | |
CN117764340A (zh) | 一种新能源电动汽车充电引导分级调控方法 | |
CN115346371A (zh) | 一种交通路网重要节点的识别方法 | |
CN116384807A (zh) | 基于模糊综合评价模型的航路网络拥挤态势评估方法 | |
CN113724490B (zh) | 一种道路拥堵检测的方法 | |
CN105608315A (zh) | 公交停靠站安全服务水平定量评价方法及*** | |
CN115691117A (zh) | 交通事件对道路交通影响的评估方法、装置及电子设备 | |
CN114627643A (zh) | 一种高速公路事故风险预测方法、装置、设备及介质 | |
CN110428628B (zh) | 道路交通诱导方法 | |
CN113780682A (zh) | 基于故障标志物的轨道交通***业务故障预测方法 |
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 |