路网普查设施选址布点方法技术

本发明专利技术公开了一种路网普查设施选址布点方法，包括：根据欲布点区域的交通流量与路网拓扑建立交通流元素捕获模型；使用遗传算法求解交通流元素捕获模型，最终求得适应度最大的个体，该个体所对应的解即为普查设施的布设路段集合。本发明专利技术与现有技术相比，优点在于：1)针对路网上的普查设施，本方法公开的布设方案更多地关注了个体车辆的捕获情况，而不是交通流整体的捕获情况，从而一定程度上减少单个车辆的多次截获，最大化捕获的个体车辆数量；2)在遗传算法的框架中，我们采用了二重结构编码以及扩展部分匹配交叉算子和交换变异算子，以保证生成个体的可行性，从而提高算法的效率。

【技术实现步骤摘要】
路网普查设施选址布点方法
本专利技术涉及智能交通
，尤其涉及一种路网普查设施选址布点方法。
技术介绍
在交通路网中，由于不同的功能需求，需要安装各种各样的设施，例如监控摄像头、流量检测器、安全检查站等。不同的设施在路网中安装的位置也不尽相同，有些需要安装在道路交叉点，如监控摄像头；有些需要安装在道路上，如流量检测器、安全检查站。按照设施的功能不同，对于他们在路网中布设方案的评价指标也不尽相同。例如安全检查站之类的设施，他们布设的目的是为了普查交通流中的个体车辆，所以其布设方案的评价指标就是设施所捕获的个体车辆数量。现有的针对安全检查站等设施的布点方法将这种设施归类为截流设施，这类方法将截获交通流最大作为选址目标，考虑设施数量及容量限制、交通流的逃避行为等，建立不同的整数规划模型，并设计相应的算法求解模型。虽然考虑了诸多实际的限制条件，但是这些方法比起个体车辆，更关注交通流整体，个体车辆的重复截获问题没有得到重视，这就可能导致单个车辆在特定周期内会被多个设施多次截获，由此造成检测资源的浪费。
技术实现思路
本专利技术的目的是提供一种路网普查设施选址布点方法。本专利技术的目的是通过以下技术方案实现的：一种路网普查设施选址布点方法，包括：根据欲布点区域的交通流量与路网拓扑建立交通流元素捕获模型；使用遗传算法求解交通流元素捕获模型，最终求得适应度最大的个体，该个体所对应的解即为普查设施的布设路段集合。由上述本专利技术提供的技术方案可以看出，1)针对路网上的普查设施，本方法公开的布设方案更多地关注了个体车辆的捕获情况，而不是交通流整体的捕获情况，从而一定程度上减少单个车辆的多次截获，最大化捕获的个体车辆数量；2)在遗传算法的框架中，采用了二重结构编码以及扩展部分匹配交叉算子(EPMX)和交换变异算子，以保证生成个体的可行性，从而提高算法的效率。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。图1为本专利技术实施例提供的一种路网普查设施选址布点方法的流程图。具体实施方式下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。本专利技术实施例提供一种路网普查设施选址布点方法，如图1所示，其主要包括如下步骤：步骤1、根据欲布点区域的交通流量与路网拓扑建立交通流元素捕获模型。本步骤优选实现方式如下：1)根据欲布点区域的道路连接关系抽象出其结构图G＝(V,A)，其中，V和A分别表示路网的交叉口集合和路段集合，A＝{1,2,…,n}，n为路段总数。2)基于结构图G，遍历搜索出所有的路径集合P’，从P’中删除流量小于设定值的路径，获得最终的路径集合P。3)按照以下算式建立交通流元素捕获模型：zlm＝ylym,≠mxp∈{0,1},∈Pyi∈{0,1},∈A其中，M为布设普查设施的数量；p为路径集合P中的任一元素，表示一条路径，路径p的流量用fp表示，路径p包含的路段集合用Ap表示；λ＞0为权重系数，用于调整流量与拓扑两个指标所占的比重；dlm表示路段l和m之间的距离，zlm为表示路段l和m是否都属于AM的指示变量；AM表示布设普查设施的路段集合；xp和yi为二值变量：此外，yl、ym、yr对应于路段l、路段m、路段r，具体的定义与yi相同。步骤2、使用遗传算法求解交通流元素捕获模型，最终求得适应度最大的个体，该个体所对应的解即为普查设施的布设路段集合。本专利技术实施例中，使用遗传算法求解交通流元素捕获模型的步骤包括：步骤A、随机生成个个体，组成第一代种群。本领域技术人员可以理解，个体(individual)是指遗传算法中染色体(chromosome)带有特征的实体，本专利中每代种群中有个个体。本专利技术实施例中，所述遗传算法中个体的编码方法使用二重结构编码；如表1所示，使用2的矩阵来表示一个个体的二重结构编码，二重结构编码包括变量码和额外码两个部分；其中，额外码位于第一行，表示n个路段；变量码位于第二行，取0或者1表示对应的路段是否布设普查设施。表1个体的二重结构编码本专利技术实施例中，随机生成个个体时，每一个体的额外码使用洗牌的方式生成，变量码的生成方式如下：随机选择第二行中M个元素并令其等于1，第二行中其余元素则等于0。此处的M即为前文定义的布设普查设施的数量。步骤B、迭代更新种群，如果当前迭代次数小于最大迭代次数T，则依次进行以下操作：步骤B1、根据以下适应度函数计算种群中每个个体的适应度：其中，Sk表示第k个个体Ck对应的布设普查设施的路段集合；dtj表示路段t和j之间的距离，t≠j；ztj为表示路段t和j是否都属于Sk的指示变量。由于从第一次迭代开始，都将进行种群的更新，更新后的种群数量可能大于因此，若种群中个体数量大于则保留适应度最高的前个个体，删除其余个体。步骤B3、选择操作中使用轮盘赌选择策略，从种群中选择加入到下一代种群的个体，每个个体被选择的概率为：上式中，μ表示个体的序号，步骤B4、从经过选择后的种群中选择两个个体以交叉概率进行EPMX交叉操作，产生两个后代并加入种群之中。本专利技术实施例中，EPMX交叉操作的步骤包括：1)随机选择一个交叉点，将两个父代个体从交叉点处分为两部分，其中左半部分用来寻找匹配规则；如果左半部分有一些元素同时存在于父亲个体和母亲个体的额外码的左半部分，需要先将这些元素移动至两个父代个体的最左边，然后通过左半部分剩下的元素得出匹配规则；2)交换两个父代个体额外码的右半部分，并基于匹配规则将额外码右半部分的元素进行逐一更换，得到两个子代个体；在交叉操作的过程中两个父代个体的变量码保持不变。步骤B5、从通过步骤B4处理得到的种群中选择个体基于变异概率进行交换变异操作，产生变异个体并加入种群之中。本专利技术实施例中，交换变异操作步骤包括：1)基于变异概率选择个体，并任意选择个体中两个变异点；2)将这两个变异点对应的额外码的元素进行交换，即得到变异后的个体；变异过程中个体的变量码保持不变。步骤C、如果完成了T次迭代的操作，则输出所有T次迭代所有个体中适应度最大的个体，该个体所对应的解即为普查设施的布设路段集合。示例性的，假设所有个体中适应度最大的个体是则普查设施的布设路段集合即为本专利技术实施例上述方案，相较于现有技术主要具有如下优点：1)针对路网上的普查设施，在仅已知路网交通流量的情况下，个体车辆的轨迹无法推测得出，本专利技术实施例中，通过分析路网中路段的连接关系，以期找到一个路段子集，该子集中路段之间包含个体车辆差异大，因此，本专利技术实施例公开的布设方案更多地关注了个体车辆的捕获情况，而不是交通流整体的捕获情况，从而一定程度上减少单个车辆的多次截获，最大化捕获的个体车辆数量。2)在遗传算法的框架中，采用了二重结构编码以及扩展部分匹配交叉算子(EPMX)和交换变异算子，以保证生成个体的可行性，从而提高算法的效率。通过以上的实施方式的描述本文档来自技高网...

【技术保护点】
1.一种路网普查设施选址布点方法，其特征在于，包括：根据欲布点区域的交通流量与路网拓扑建立交通流元素捕获模型；使用遗传算法求解交通流元素捕获模型，最终求得适应度最大的个体，该个体所对应的解即为普查设施的布设路段集合。

【技术特征摘要】
1.一种路网普查设施选址布点方法，其特征在于，包括：根据欲布点区域的交通流量与路网拓扑建立交通流元素捕获模型；使用遗传算法求解交通流元素捕获模型，最终求得适应度最大的个体，该个体所对应的解即为普查设施的布设路段集合。2.根据权利要求1所述的一种路网普查设施选址布点方法，其特征在于，所述根据欲布点区域的交通流量与路网拓扑建立交通流元素捕获模型包括：根据欲布点区域的道路连接关系抽象出其结构图G＝(V，A)，其中，V和A分别表示路网的交叉口集合和路段集合；基于结构图G，遍历搜索出所有的路径集合P’，从P’中删除流量小于设定值的路径，获得最终的路径集合P；按照以下算式建立交通流元素捕获模型：zlm＝ylym，l≠mxp∈{0，1}，p∈Pyi∈{0，1}，i∈A其中，M为布设普查设施的数量；p为路径集合P中的任一元素，表示一条路径，路径p的流量用fp表示，路径p包含的路段集合用Ap表示；λ＞0为权重系数，用于调整流量与拓扑两个指标所占的比重；dlm表示路段l和m之间的距离，zlm为表示路段l和m是否都属于AM的指示变量，AM表示布设普查设施的路段集合；xp和yi为二值变量：yl、ym、yr对应于路段l、路段m、路段r，定义与yi相同。3.根据权利要求2所述的一种路网普查设施选址布点方法，其特征在于，使用遗传算法求解交通流元素捕获模型的步骤包括：步骤A、随机生成个个体，组成第一代种群；步骤B、迭代更新种群，如果当前迭代次数小于最大迭代次数T，则依次进行以下操作步骤B1、根据以下适应度函数计算种群中每个个体的适应度：其中，Sk表示第k个个体Ck对应的布设传感器的路段集合；dtj表示路段t和j之间的距离，t≠j；zij为表示路段i和j是否都属于Sk的指示变量；若种群中个体数量大于则保留适应度最高的前个个体，删除其余个体；步骤B3、使用轮盘赌选择策略，从种群中选择加入到下一代种群的个体，每个个体...

【专利技术属性】
技术研发人员：康宇，吕文君，李泽瑞，许镇义，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽,34