[发明专利]基于交通流宏观基本图的自适应交通分析路网简化方法有效
| 申请号: | 201910114744.9 | 申请日: | 2019-02-14 |
| 公开(公告)号: | CN109858559B | 公开(公告)日: | 2020-11-27 |
| 发明(设计)人: | 田野;李宇迪;孙剑 | 申请(专利权)人: | 同济大学 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62;G08G1/01 |
| 代理公司: | 上海科盛知识产权代理有限公司 31225 | 代理人: | 蔡彭君 |
| 地址: | 200092 *** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 通流 宏观 基本 自适应 交通 分析 路网 简化 方法 | ||
1.一种基于交通流宏观基本图的自适应交通分析路网简化方法,其特征在于,包括:
步骤S1:根据路网交通流状态数据绘制出交通流宏观基本图,应用聚类方法,将MFD按路网表现进行时段划分,
步骤S2:分别对每个子时段的路网进行简化,
步骤S3:将简化后的若干个不同分辨率的路网组合后进行基于仿真的动态交通分配;
所述步骤S1具体包括:
步骤S11:选取分析时段内的路网交通流数据,得到平均流量和平均密度,
步骤S12:对路网平均流量、平均密度进行聚类,使目标函数达到最小,得到若干个路网表现近似相同的簇P={P1,…,PK},每个簇的端点就是各个子时段的时间节点,
步骤S13:根据路网实际交通状况,预设一个合理的时段数S,选择使各个时段路网密度标准差之和最小的方案作为最优方案,同时得到对应的惩罚项,
步骤S14:将分类情况通过交通流宏观基本图体现,对于不同的交通状况,生成不同的分类方案;
所述步骤S2具体包括:
步骤S21:从原始路网No中提取出仅包含高等级路段的初始最简路网Np,
步骤S22:基于聚类后得到的时间节点,对子时段s的路网Nps进行路段扩展:将达到动态用户均衡的路段出行时间作为路段成本,对路网中任一起终点组合ODk,若连接该组合的路段lo的出行时间to小于Nps中已有路段lps的出行时间tps,则将lo增加至集合Nps中,最后该时段的简化后路网Nrs中只包含具有明显交通影响的重要路段,
步骤S23:得到由若干个不同复杂程度的简化路网组成的简化路网集合Nr={Nr1,…,Nrs}。
2.根据权利要求1所述的一种基于交通流宏观基本图的自适应交通分析路网简化方法,其特征在于,所述平均流量的数学表达式为:
其中:为平均流量,n为路段数量,ql为路段l的流量,
所述平均密度的数学表达式为:
其中:为路网平均密度,ll为路段l的长度,lanel为路段l的车道数,kl为路段l的密度。
3.根据权利要求1所述的一种基于交通流宏观基本图的自适应交通分析路网简化方法,其特征在于,所述步骤S12中,对早晚高峰时段所在的时间范围单独引入惩罚项β′,并且β′≤β,所述目标函数的数学表达式为:
其中:Θi为第i类的协方差逆矩阵,P为所有聚类的时间序列分配集合,Γ为各聚类的协方差逆矩阵集合,K为子时间序列的个数,λ为正则化参数,决定矩阵的稀疏程度,||·||1为L1范数,Xt为子时间序列,-ll(Xt,Θi)为子时间序列Xt属于第i类的对数似然值,β为当子时间序列Xt-1不属于第i类时的惩罚项,β′为当子时间序列X′t-1不属于第i类时的惩罚项,Pi为分配到第i类的时间序列集合,为判断子序列Xt-1是否属于第i类,Xt-1为不属于早晚高峰时段的子时间序列,X′t-1为属于早晚高峰时段的子时间序列。
4.根据权利要求3所述的一种基于交通流宏观基本图的自适应交通分析路网简化方法,其特征在于,所述惩罚项的数学表达式为:
其中:kt为t时刻的路网密度,为路网平均密度,kt(β′)为属于早晚高峰时段的t时刻的路网密度,为时段s的平均路网密度。
5.根据权利要求1所述的一种基于交通流宏观基本图的自适应交通分析路网简化方法,其特征在于,所述步骤S3具体包括:
步骤S31:在原始路网No的基础上为每条路段添加标签以区分该路段在各个时刻的存在状态;
步骤S32:将组合路网Nc运用于中观交通仿真软件进行运算,当路段在不同时段的存在状态不一致时,使该路段上的车辆停止运动,同时不会有车进入该路段,直至路段的存在状态恢复为存在,迭代直至Nc达到动态用户均衡状态。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910114744.9/1.html,转载请声明来源钻瓜专利网。





