一种基于云模型的交通溢流严重程度评价方法技术

本发明专利技术公开了一种基于云模型的交通溢流严重程度评价方法，用于评价交叉口溢流严重程度。首先，选择了周溢流天数、周平均日溢流次数、周平均日溢流时长3项指标构建溢流严重程度评价因数集，采用层次分析法计算各评价指标的权重；然后，构建了3个评价指标的正向云模型，计算待评价交叉口各指标的等级隶属度；最后，结合指标权重计算综合评价值，依据最大隶属度原则确定交叉口的溢流严重程度等级。该评价方法简单且容易实现，可有效避免判断交通溢流严重程度的模糊性和随机性问题。

A Method for Evaluating the Severity of Traffic Overflow Based on Cloud Model

The invention discloses a method for evaluating the severity of traffic overflow based on cloud model, which is used for evaluating the severity of traffic overflow at intersections. Firstly, three indexes, namely, the number of overflow days per week, the average number of overflow days per week and the average length of overflow days per week, are selected to construct the evaluation factor set of overflow severity, and the weights of each evaluation index are calculated by analytic hierarchy process (AHP). Then, the forward cloud model of three evaluation indexes is constructed to calculate the grade membership degree of each index at the intersection to be evaluated. Finally, the comprehensive evaluation is calculated by combining the weights of the indexes. According to the principle of maximum membership degree, the grade of overflow severity at intersection is determined. The evaluation method is simple and easy to implement, which can effectively avoid the problem of fuzziness and randomness in judging the severity of traffic overflow.

【技术实现步骤摘要】
一种基于云模型的交通溢流严重程度评价方法
本专利技术涉及城市交通状态评价领域，具体涉及一种基于云模型的交通溢流严重程度评价方法。
技术介绍
城市早晚高峰期间的机动车通勤量不断增加，导致道路资源逐渐无法满足交通需求，交通溢流现象频发，道路拥堵日益严重。国内外学者对交通溢流进行了大量的研究，但主要集中在交通溢流识别和溢流控制两方面，对交叉口溢流严重程度评价研究较少。交通溢流主要是指车辆累计排队大于路段长度，甚至蔓延至下一路段的现象。交通溢流会导致路口死锁，严重时会逐渐蔓延，扩散至整个路网。交通溢流的诱发原因较多，如交通量过大、信号配时不合理、道路渠化不合理、交通事故等。云模型由中国工程院院士李德毅提出，它是一种处理定性概念与定量表述之间不确定关系的转换模型。在国内外学者的不断探索下，云模型发展迅速，被逐步应用到各领域。层次分析法由美国运筹学家萨蒂教授提出，它是通过将相关元素进行分层来完成定性和定量分析的一种方法。
技术实现思路
有效评价交叉口溢流严重程度，本文提出了一种基于云模型的交叉口溢流严重程度评价方法，综合考虑多个评价因素，采用云模型对交通溢流严重程度进行评价，避免了评价边界的模糊性和决策过程中的随机性问题，该评价方法简单且容易实现。本专利技术所采用的技术方案是：一种基于云模型的交叉口溢流严重程度评价方法，包含以下步骤：步骤1、构建云模型评价指标体系，确定交通溢流严重程度等级，依据评价因素集和评语集建立评价指标标准；步骤2、采用层次分析法确定各评价指标权重；步骤3、确定交通溢流严重程度评价指标在各评价等级上的正态云模型特征参数(Ex，En，He)，利用正向云发生器生成各评价指标的正态云；步骤4、多次运行正向云发生器，求取多次运算结果的平均值作为各评价指标对应各等级的云模型隶属度；步骤5、将指标权重集和隶属度矩阵进行转换，得到待评价交叉口的综合评价值集合，最后依据最大隶属度原则确定溢流严重程度评价的结果。作为优选，步骤1中，选取了3项评价指标，即周溢流天数、周平均日溢流次数、周平均日溢流时长。可采用人工法对各评价指标进行调查，调查周期为一周，调查时段选取每日早高峰8:00～9:00时段。周溢流天数(DW)为一周内发生溢流的天数。周平均日溢流次数(NDW)为一周的总溢流次数与周溢流天数的比值：其中，ni为每日的溢流次数。周平均日溢流时长(TDW)为一周的总溢流时长与周溢流天数的比值：其中，ti为每日的溢流时长。交通溢流严重程度评价因素集U＝{周平均日溢流次数，周平均日溢流时长，周溢流天数}。将交通溢流的严重程度分为三个级别，并以此构建评语集，即评语集S＝{轻度Ⅰ、中度Ⅱ、重度Ⅲ}。依据评价因素集和评语集建立评价指标标准。作为优选，步骤2中，为客观有效的确定各评价指标的权重，本专利技术采用层次分析法进行了评价指标相对重要性比较，包含以下步骤：(1)构造判断矩阵：根据层次分析法评价参数重要程度标度表，对指标重要性进行两两比较；(2)检验判断矩阵一致性：在判断矩阵构建完成之后，需对矩阵的一致性进行检验。若CR<0.1，则矩阵满足一致性；若CR>0.1，则重新建立判断矩阵，直到矩阵满足一致性要求为止。其中：λmax是判断矩阵的最大特征值，RI是平均随机一致性指标。(3)指标权重确定：采用特征根法确定各指标的权重，将判断矩阵的最大特征向量进行归一化，即可得到权重向量。依据上述步骤对评价指标进行比较，最终确定各溢流严重程度评价指标权重。作为优选，步骤3中，包括以下步骤：(1)确定交通溢流严重程度评价指标在各评价等级上的正态云模型特征参数(Ex，En，He)。(2)生成一个正态随机数En'～N(En,He)，其中En为期望值，He为标准差。(3)生成一个正态随机数xi～N(Ex,En')，其中Ex为期望值，En'为标准差。(4)计算令(xi，ui)组成一个云滴。(5)重复以上步骤，直到产生n个云滴为止。作为优选，步骤5中，根据最大隶属度原则确定溢流严重程度评价的结果：B＝WgU＝(b1,b2,…,bm)其中，bj为评价对象在评价等级j下的综合评价值，wi为各评价指标权重。附图说明图1是本专利技术实施过程中基于云模型的交通溢流严重程度评价方法流程图；图2为周平均日溢流次数评价等级云模型图；图3为周平均日溢流时长评价等级云模型图。图4为周溢流天数评价等级云模型图。具体实施方式为了使本专利技术的上述目的、特征和优点能够更加清晰，下面结合附图对本专利技术的具体实施方式做详细的说明。图1为基于云模型的交通溢流严重程度评价方法流程图，包含以下步骤：：步骤1、构建云模型评价指标体系，确定交通溢流严重程度等级，依据评价因素集和评语集建立评价指标标准；步骤2、采用层次分析法确定各评价指标权重；步骤3、确定交通溢流严重程度评价指标在各评价等级上的正态云模型特征参数(Ex，En，He)，利用正向云发生器生成各评价指标的正态云；步骤4、多次运行正向云发生器，求取多次运算结果的平均值作为各评价指标对应各等级的云模型隶属度；步骤5、将指标权重集和隶属度矩阵进行转换，得到待评价交叉口的综合评价值集合B，最终根据最大隶属度原则确定溢流严重程度评价的结果。下面以具体实施例：某交叉口的溢流严重程度评价为例对本专利技术加以说明。为评价待评价交叉口的溢流严重程度，本专利技术选取了3项评价指标，即周溢流天数、周平均日溢流次数、周平均日溢流时长，并将溢流的严重程度分为三个级别{轻度Ⅰ、中度Ⅱ、重度Ⅲ}。对各评价指标进行调查，调查周期为一周，调查时段选取每日早高峰8:00～9:00时段。依据评价因素集和评语集建立评价指标标准，结果如下：为客观有效的确定各评价指标的权重，本专利技术采用层次分析法进行评价指标权重确定，具体包含以下步骤：(1)构造判断矩阵：根据层次分析法评价参数重要程度标度表，对两指标重要性进行比较；(2)检验判断矩阵一致性：在判断矩阵构建完成之后，需对矩阵的一致性进行检验。若CR<0.1，则矩阵满足一致性；若CR>0.1，则返回第二步重新建立判断矩阵，直到矩阵满足一致性要求为止。其中：λmax是判断矩阵的最大特征值，RI是平均随机一致性指标。(3)指标权重确定：采用特征根法确定各指标的权重，将判断矩阵的最大特征向量进行归一化，即可得到权重向量。依据上述步骤对评价指标进行比较，最终确定各指标权重，结果如下表所示：在已确定评价指标标准的基础上，计算交通溢流严重程度评价指标在各评价等级上的正态云模型特征参数(Ex，En，He)，结果如下表所示：为了直观的获得各指标实测值对应各评价等级的隶属度，利用正向云发生器生成各评价指标的正态云，结果如图2、图3、图4所示。待评价交叉口溢流严重程度评价指标实测值如下表所示：指标周平均日溢流次数周平均日溢流时长周溢流天数实测值199184运行正向云模型，计算各评价指标实测值对应各等级的云模型隶属度。为提高结果的准确性，需多次运行正向云发生器，并求取多次运算结果的平均值作为最终的隶属度。将指标权重集和隶属度矩阵进行转换，得到待评价交叉口的综合评价值集合B，最终根据最大隶属度原则确定溢流严重程度评价的结果。B＝WgU＝(b1,b2,…,bm)式中，bj为评价对象在评价等级j下的综合评价值，wi为各评价指标权重。待评价交叉口评价本文档来自技高网...

【技术保护点】
1.一种基于云模型的交通溢流严重程度评价方法，其特征在于：该方法包括以下步骤步骤1、构建云模型评价指标体系，确定交通溢流严重程度等级，依据评价因素集和评语集建立评价指标标准；步骤2、采用层次分析法确定各评价指标权重；步骤3、确定交通溢流严重程度评价指标在各评价等级上的正态云模型特征参数(Ex，En，He)，利用正向云发生器生成各评价指标的正态云；步骤4、多次运行正向云发生器，求取多次运算结果的平均值作为溢流评价指标对应各评价等级的云模型隶属度；步骤5、将指标权重集和隶属度矩阵进行转换，得到待评价交叉口的综合评价值集合，根据最大隶属度原则确定溢流严重程度评价的结果。

【技术特征摘要】
1.一种基于云模型的交通溢流严重程度评价方法，其特征在于：该方法包括以下步骤步骤1、构建云模型评价指标体系，确定交通溢流严重程度等级，依据评价因素集和评语集建立评价指标标准；步骤2、采用层次分析法确定各评价指标权重；步骤3、确定交通溢流严重程度评价指标在各评价等级上的正态云模型特征参数(Ex，En，He)，利用正向云发生器生成各评价指标的正态云；步骤4、多次运行正向云发生器，求取多次运算结果的平均值作为溢流评价指标对应各评价等级的云模型隶属度；步骤5、将指标权重集和隶属度矩阵进行转换，得到待评价交叉口的综合评价值集合，根据最大隶属度原则确定溢流严重程度评价的结果。2.根据权利要求1所述的一种基于云模型的交通溢流严重程度评价方法，其特征在于：所述步骤1中，选取了3项评价指标，即周...

【专利技术属性】
技术研发人员：李振龙，曹政，张青周，张耀伟，郑淑欣，王皓昕，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11