交通子区的状态判别方法研究.docVIP

交通子区的状态判别方法研究 　　摘要: 城市路网交通状态分析是智能交通系统中动态诱导和交通控制的基础,也是出行者信息服务系统的重要内容。随着新一代智能化交通控制系统的出现,对于单个交叉口或单条路段交通状态的研究已不能满足需要,因此本文提出交通子区状态判别方法的研究。 　　Abstract: The analysis of the city network traffic state is the basis of the traffic guidance system and traffic control system of the intelligent transportation system, and also is important content of traveler information service system. With the new generation of intelligent traffic control system, the research on a single intersection or a single section can not meet the needs. So the paper puts forward research on the identification method of sub-district traffic state. 　　关键词: 交通子区;交通状态判别;模糊综合评判 　　Key words: traffic Sub-district;identification of traffic state;Fuzzy Comprehensive Evaluation 　　中图分类号:U491 文献标识码:A文章编号:1006-4311(2010)26-0099-02 　　 　　0引言 　　对交叉口交通状态判别有多种方法可以采用。传统的判别方法主要有统计学方法及语言学方法。虽然这两种方法应用很广泛,但它们都有一定的缺点及局限性[1]。本文将子区交通状态划分为三种:畅通,一般拥挤及严重拥挤交通状态。但由于三种状态之间没有明确的界限。因此,采用传统的判别方法不能很好的适应,所以本文采用模糊综合判别的方法来判定子区的交通状态。 　　1交通状态判别指标的确定及其计算方法 　　评判指标是进行交通状态判别的基础。在对交通状态进行判别时,有多个交通参数可供选择:交叉口饱和度、路口各进口道流量、平均车速、路口各进口道排队长度、路口平均延误、路口服务水平、道路占有率、检测器上的平均车头时距等等[2,3]。在本论文中,选择子区饱和度和子区平均车速作为进行子区交通状态综合评判的特征量[4]。 　　1.1 子区饱和度模型子区饱和度是指子区内路网的饱和度。由于子区是路网的子集,而路网是由多条路段和多个交叉口组成的,其中交叉口是城市道路管理与控制的关键,也是影响子区内交通流状态的重点。因此,路网内路段饱和度与交叉口饱和度相比,可忽略不计。那么子区饱和度主要是子区内交叉口的饱和度。首先将子区内所有交叉口分为五类:分别为主-主路口、主-次路口、主-支路口、次-次路口和次-支路口。计算每类路口的平均饱和度如式(1)所示: 　　S=(1) 　　其中:S为子区内第i类路口的饱和度均值;A为5分钟子区内第i类路口的总数;S为5分钟子区内类型为i的第j个路口的饱和度;i为取值范围为1到5,分别代表主-主路口、主-次路口、主-支路口、次-次路口和次-支路口。 　　在此基础上得出子区饱和度模型如式(2)所示: 　　S= i=1,2…5(2) 　　其中:S为子区饱和度;θ为与路口类型相对应的权重系数,根据专家经验,与五种路口类型相对应的权重系数分别为0.4、0.2、0.15、0.15、0.1。 　　1.2 子区平均速度模型由于子区是整个路网的子集,因此子区的速度模型满足路网速度模型。首先将子区内所有道路分为三类:主干路、次干路和支路。计算每类道路的平均速度,如式(3)所示:V=(3) 　　其中:V为子区内第i类道路的平均速度均值;N为5分钟子区内第i类道路的总数;l为5分钟子区内类型为i的第j条道路的长度;t为5分钟子区内类型为i的第j条道路的平均行程时间;i为取值范围为1到3,分别代表主干路、次干路和支路。在此基础上得出子区平均速度模型,如式(4)所示:V=i=1,2,3(4) 　　其中:V为子区平均速度;λ为与道路类型相对应的权重系数,根据专家经验,与三种道路类型相对应的权重系数分别为0.5、0.35、0.15。 　　2基于模糊综合评判的子区交通状态判别 　　畅通、一般拥挤和严重拥挤这三种交通状态之间存在着模糊性。如果是检测到的行车速度,则很难