【技术实现步骤摘要】
本专利技术属于公共交通领域，具体涉及一种交通网络拥堵推演方法。
技术介绍
1、近年来，国内外的很多学者已经成功地将各种拥堵推演方法运用在智能交通领域，并完成了一些智能交通管理的应用。cheng等人通过有向图卷积神经网络进行了交通预测以及拥堵推演；nan等人利用arcgis进行gps信息与路网信息的匹配，实现了对活动中心交通拥堵的检测与分析。目前常见的交通拥堵分析推演主要有以下几种方法：
2、(1)基于交通指数的拥堵特征分析
3、(2)基于有向图神经网络的交通预测与拥堵管控
4、(3)基于可变ctm模型的交通态势推演算法(cell transmission model，ctm)
5、(4)基于anylogic的道路交通拥堵仿真分析。
6、此外，tang等提出了基于t-s(takagi-sugeno)规则的模糊神经网络进行交通流量预测，先采用近邻聚类将交通数据划分为不同的聚类，再随着输入样本增加更新成员函数聚类中心。
7、然而，目前的现有技术往往具有以下缺点：
8、(1)对于高速公路的拥堵问题，数据分析为主，可视化程度低。
9、(2)缺少高速网络关键节点的识别及可视化，因此缺少针对重要节点制定高效交通政策的环节，影响拥堵治理的效率。
10、(3)对于高速公路的可视化拥堵问题，采用的神经网络模型的准确性和适配性不足。
11、针对这一问题，有必要提出一种基于高速公路场景下交通网络点线映射模式拥堵推演，以将高速公路的拥堵
技术实现思路
1、本专利技术的目的在于提供一种交通网络拥堵推演方法，以将高速公路的拥堵状况和重要节点进行可视化、并将高速公路交通拥堵趋势进行预测并可视化。
2、为了实现上述目的，本专利技术提供一种交通网络拥堵推演方法，包括：
3、s1：将各高速公路的车道、进出口通过点线映射转换为一个高速网络的拓扑结构，得到高速网络的拓扑结构的特征参数；
4、s2：实时获取交通状态数据，所述交通状态数据包括车流量和车速；
5、s3：根据高速网络的拓扑结构的特征参数来确定每个节点在静态的拓扑结构中的重要性，根据实时的交通状态数据来确定每个节点的车流强度指标，根据每个节点在静态的拓扑结构中的重要性和每个节点的车流强度指标得到每个节点的重要程度；同时，根据实时的交通状态数据获取每个线段的实时的拥挤度；
6、s4：将拓扑结构中的所有线段均作为目标线段，对于每个目标线段，将该目标线段对应的拓扑结构的特征参数和实时的交通状态数据作为输入数据，输入至预先训练的预测模型中，根据所述预测模型的输出参数得到该目标线段的预测的拥挤度；
7、s5：通过颜色、尺寸和/或方向在图表或地图上表征节点的重要程度、线段的实时的拥挤度、以及线段的预测的拥挤度，以对高速公路拥堵的可视化情况进行展示。
8、所述高速网络的拓扑结构的特征参数包括每个节点的节点度、每个节点的节点效率、每个节点的相对距离系数、以及节点间的平均路径长度系数。
9、根据高速网络的拓扑结构的特征参数来确定每个节点在静态的拓扑结构中的重要性，具体包括：对于每个目标节点，将该目标节点所对应的拓扑结构的特征参数输入一个拓扑重要性评价模型，以得到目标节点在静态的拓扑结构中的重要性；其中，所述拓扑重要性评价模型包括考虑邻居节点影响的节点度模型和考虑其他节点影响的节点效率模型，所述考虑邻居节点影响的节点度模型设置为接收目标节点的节点度和邻居节点的节点度并得到考虑邻居节点影响的目标节点的节点度以作为局部重要性，所述考虑其他节点影响的节点效率模型设置为接收目标节点的节点效率和其他节点的节点效率并得到考虑邻居节点影响的目标节点的节点效率以作为全局重要性，所述拓扑重要性评价模型还设置为将所述局部重要性、全局重要性和目标节点的相对距离系数相乘得到所述节点在静态的拓扑结构中的重要性。
10、节点在静态的拓扑结构中的重要性ni为：
11、ni＝pi'×zi'×ai，
12、式中，pi'为考虑邻居节点影响的节点i的节点度，zi'为考虑邻居节点影响的节点i的节点效率，ai为节点i的相对距离系数。
13、在所述步骤s3中，利用一个综合后的重要节点评价模型得到每个节点的重要程度，每个节点的重要程度ti为：
14、
15、其中，ni为节点在静态的拓扑结构中的重要性，pi'为考虑邻居节点影响的节点i的节点度，z′i为考虑邻居节点影响的节点i的节点效率，ai为节点i的相对距离系数，为车流强度指标，win为单条高速公路上行驶通过目标节点的车流量，wit为通过目标节点进行变换高速公路的车流量，x、y为第一、第二权重系数。
16、目标线段的拥挤度c为：
17、
18、其中，c表示目标线段的拥挤度，t表示目标线段的车流量，v表示目标线段的平均车速，l表示目标线段的路段长度。
19、在所述步骤s4中，所述预测模型的输出参数为交通状态数据的预测结果，根据交通状态数据的预测结果计算得到目标线段的预测的拥挤度；或者，所述预测模型的输出参数是目标线段的预测的拥挤度。
20、在所述步骤s4中，所述目标线段两端的节点为目标节点，该目标线段对应的拓扑结构的特征参数包括所述目标节点的节点度、目标节点的邻居节点的节点度、目标节点的节点效率、目标节点的邻居节点的节点效率、以及目标线段的路段长度。
21、在所述步骤s4之前，还包括步骤s4’：将实时获取的交通状态数据按照时间顺序保存，以作为历史交通状态数据；提供多个预测模型的框架，根据历史交通状态数据来训练多个预测模型的框架，得到多个经过训练的预测模型，并比较得到最终的预测模型；多个预测模型的框架至少包括fnn模糊神经网络和rfsvr混杂神经网络。
22、所述步骤s4还包括：根据每个节点的重要程度的排序结果得到高速网络中的重要节点；
23、在所述步骤s5中，通过动态数据推演与展示模块、交通数据二维展示模块和热力图板块来对高速公路拥堵的可视化情况进行展示；
24、所述动态数据推演与展示模块设置为：以柱状图或折线图的方式展示车速的历史记录、预测的车流量、实时的车流量与预测的车流量的差值；以柱状图或折线图的方式根据时间顺序展示线段的实时的拥挤度；在柱状图或折线图中以不同颜色来分级显示不同数值范围的结果；以柱状图或折线图的方式实时地展示线段的预测的未来的拥挤度；
25、所述交通数据二维展示模块设置为：将交通数据指数映射到现有的二维地图，所述交通数据指数包括实时的车速和车流量、预测的车速和车流量、实时的拥挤度、预测的拥挤度；将每个线段的预测的拥挤度与拥挤度阈值比较，得到三种拥挤等级，并在每个线段上通过颜色分级分别展示不同的拥挤等级；在二维地图上实时通过大小和/或颜色本文档来自技高网...
【技术保护点】
1.一种交通网络拥堵推演方法，其特征在于，包括：
2.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，所述高速网络的拓扑结构的特征参数包括每个节点的节点度、每个节点的节点效率、每个节点的相对距离系数、以及节点间的平均路径长度系数。
3.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，根据高速网络的拓扑结构的特征参数来确定每个节点在静态的拓扑结构中的重要性，具体包括：对于每个目标节点，将该目标节点所对应的拓扑结构的特征参数输入一个拓扑重要性评价模型，以得到目标节点在静态的拓扑结构中的重要性；
4.根据权利要求3所述的交通网络拥堵推演方法，其特征在于，节点在静态的拓扑结构中的重要性Ni为：
5.根据权利要求4所述的交通网络拥堵推演方法，其特征在于，在所述步骤S3中，利用一个综合后的重要节点评价模型得到每个节点的重要程度，每个节点的重要程度Ti为：
6.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，目标线段的拥挤度C为：
7.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，在所述步骤S4中
8.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，在所述步骤S4中，所述目标线段两端的节点为目标节点，该目标线段对应的拓扑结构的特征参数包括所述目标节点的节点度、目标节点的邻居节点的节点度、目标节点的节点效率、目标节点的邻居节点的节点效率、以及目标线段的路段长度。
9.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，在所述步骤S4之前，还包括步骤S4’：将实时获取的交通状态数据按照时间顺序保存，以作为历史交通状态数据；提供多个预测模型的框架，根据历史交通状态数据来训练多个预测模型的框架，得到多个经过训练的预测模型，并比较得到最终的预测模型；多个预测模型的框架至少包括FNN模糊神经网络和RFSVR混杂神经网络。
10.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，所述步骤S4还包括：根据每个节点的重要程度的排序结果得到高速网络中的重要节点；
...【技术特征摘要】
1.一种交通网络拥堵推演方法，其特征在于，包括：
2.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，所述高速网络的拓扑结构的特征参数包括每个节点的节点度、每个节点的节点效率、每个节点的相对距离系数、以及节点间的平均路径长度系数。
3.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，根据高速网络的拓扑结构的特征参数来确定每个节点在静态的拓扑结构中的重要性，具体包括：对于每个目标节点，将该目标节点所对应的拓扑结构的特征参数输入一个拓扑重要性评价模型，以得到目标节点在静态的拓扑结构中的重要性；
4.根据权利要求3所述的交通网络拥堵推演方法，其特征在于，节点在静态的拓扑结构中的重要性ni为：
5.根据权利要求4所述的交通网络拥堵推演方法，其特征在于，在所述步骤s3中，利用一个综合后的重要节点评价模型得到每个节点的重要程度，每个节点的重要程度ti为：
6.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，目标线段的拥挤度c为：
7.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，在所...
【专利技术属性】
技术研发人员：王梦灵，田泽阳，安杰，吴承卿，张扬，孙杨世佳，何承，张祎，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。