基于宏观交通理论的交通控制子区划分方法.docVIP

基于宏观交通理论的交通控制子区划分方法 李刚奇 赵娅丽 （同济大学交通运输工程学院，上海 201804） 摘 要：目前国内的基于控制的子区划分方法主要依据交叉口的关联度，将交叉口集聚进行统一控制，本文提出了一种基于路段交通流密度的城市子区划分方法，以路网路段为对象，从宏观层面探讨城市控制子区的划分，将图像划分的方法应用于城市路网划分，并提出了划分标准对子区划分进行控制。本文从路网整体角度出发，对城市路网拓扑结构及路段相似性进行了建模，采用VISSIM仿真数据进行了方法实验并得出了结论。 关键词：子区划分；宏观基本曲线图；Normalized Cuts；自动划分 Urban Traffic Signal Control Network Partitioning Based on Macro-Traffic Flow Theory Gangqi Li Yali Zhao （School of TransportationEngineering, Tonji University,Shanghai 201804） Abstract: The correlation of each intersection is usually used to partitioning the network in the field of network partitioning, The density of each link is adopted to partitioning the network into subdivision from a macro point of view in this paper. A image division method is applied to the division of the urban network partitioning, a metric is proposed to estimate the optimal number of subdivisions and evaluate a given partitioning. From a point of the whole network, the topology of the network and the similarity of each link has been modeled, at last, the data from VISSIM simulation is used to partitioning the network. Keywords: Network Partitioning, Macroscopic Fundamental Diagram(MFD), Normalized Cuts, Auto Subdivision 1 引言 目前国内关于控制子区划分的方法基本上都是基于交叉口关联度，并考虑网路空间特性，从把单个交叉口集合的角度来划分控制子区，最后的划分结果会打断路段，造成路段的不连续性，一定程度上其应用带来不方便，基于此本文提出了一种基于路段的城市子区划分方法，从整条路段的交通流参数出发，对城市路网进行划分。 Nikolas Geroliminis和Carlos F. Daganzo[1]通过对日本横滨城市道路（10km2）的交通数据（其数据来源为研究区的500个线圈数据和140辆配有GPS的出租车）研究首先在实际中揭示了对于城市规模的路网，其平均流量、密度和速度存在着类似单个路段流密速关系图的宏观曲线图，称为macroscopic fundamental diagram (MFD)。文献[2]显示了一定区域内的车辆数(accumulation)与该区域流出量(trip completion)有很强的线性关系，文中将这样的区域称为“neighborhood”，这就使在宏观层面对进出“neighborhood”的流量控制有了依据，使得缓解交通拥堵，甚至快速疏散拥堵成为可能。Nikolas Geroliminis在文献[3]的研究表明密度是影响MFD离散程度及曲线形状的一个很重要的因素，考虑到MFD的可能的应用性，本文提出了一种简单易行的一种宏观层面的子区划分方法。 2 Normalized Cuts Normalized Cuts是一种图像划分方法，此方法是种宏观层次的方法，着眼点不在于细节，从图像的整体感觉出发，可以将其比喻为：一个画家作画时，总是先勾勒出画的轮廓，然后才会填充细节，具有一定的感知性。城市路网亦有这样的特性且有自己的空间特性，并考虑到路网上交通流的密度，本文将会把城市路网划分为密度相近的区域，使其尽可能的具有良好的MFD特性。 一个带权重的无向图G=(V,E)