基于社团发现的路网拥堵区域动态识别方法及系统技术方案

本公开提供了一种基于社团发现的路网拥堵区域动态识别方法及系统，对城市路网构建动态网络拓扑模型；搜索路网中的拥堵源发点；以最小拥堵异质性为目标刻画拥堵区域的扩散，并提取社团结构；合并路网中重叠社团结构；最终确定拥堵区域边界范围，实现不同拥堵水平下拥堵区域的动态识别。本公开能够有效利用卡口数据源所提供的丰富交通状态信息，挖掘交通拥堵时空变化规律即拥堵发生、扩散及消散全过程，实现不同拥堵水平下拥堵区域范围的动态提取。

Dynamic identification method and system of road network congestion area based on community discovery

This disclosure provides a method and system for dynamic identification of road network congestion area based on community discovery, which constructs a dynamic network topology model for urban road network; searches for congestion sources in road network; characterizes the diffusion of congestion area with the objective of minimizing congestion heterogeneity, and extracts community structure; merges overlapping community structure in road network; and finally determines the boundaries of congestion area and achieves no congestion. Dynamic identification of congestion area under the same congestion level. This disclosure can effectively utilize the abundant traffic state information provided by the data source of the card port, excavate the temporal and spatial variation law of traffic congestion, i.e. the whole process of congestion occurrence, diffusion and dissipation, and realize the dynamic extraction of the congestion area range under different congestion levels.

【技术实现步骤摘要】
基于社团发现的路网拥堵区域动态识别方法及系统
本公开涉及一种基于社团发现的路网拥堵区域动态识别方法及系统。
技术介绍
目前，部分区域存在交通拥堵现象，尤其是大中型城市的区域乃至全局性的交通拥堵现象频发，成为各大城市的交通常态。常规的区域交通控制策略多采用静态的交通控制子区划分，缺乏对交通流时空动态特性的分析，难以支持时变的交通拥堵控制决策。故基于海量动态交通数据，深入剖析路网交通状态的演变机理，研究城市路网拥堵区域的动态提取方法显得格外重要。目前对于研究城市路网拥堵区域的动态提取方法存在各类研究手段，如专利文献CN107749165A提供了一种基于城市道路拥堵指数的计算方法，充分考虑路段车速、极端天气、交通管制等因素的权重，取代以平均速度、车辆数为主要参数的路网交通拥堵指数算法，可使拥堵指数更接近人的拥堵感知度。专利文献CN107742418A提供了一种城市快速路交通拥堵状态及堵点位置自动识别方法，通过分析路段分车道交通特性如车速、占有率、断面交通量、变道行为等，实现交通拥堵水平及堵点位置的分析，快速判断交通事件发生的路段位置和所在车道，有利于制定合理的应对策略，避免二次事故的发生。专利文献CN102968901B提出了一种获取区域拥堵信息的方法及区域拥堵分析装置，根据时间离散化的路段交通流数据信息，获取区域内各路段和拥堵关联路段的拥堵时段信息，进而得到区域拥堵信息。上述几篇专利文献分别涉及到交通拥堵状态指标的构建、局部位置的交通拥堵识别以及区域拥堵时段信息的获取，但这些研究仍停留在拥堵状态的表征层面上，无法有效刻画拥堵产生的动态过程、准确诠释城市交通的拥堵机理，为后续拥堵控制策略的动态实施提供有力的支持。综上所述，现有技术对于城市路网拥堵区域的动态识别问题仍存在诸多不足，精准获取区域性的城市交通拥堵范围是本领域技术人员亟待解决的技术问题。
技术实现思路
本公开为了解决上述问题，提出了一种基于社团发现的路网拥堵区域动态识别方法及系统，本公开能够有效利用卡口数据源所提供的丰富交通状态信息，挖掘交通拥堵时空变化规律即拥堵发生、扩散及消散全过程，实现不同拥堵水平下拥堵区域范围的动态提取。为了实现上述目的，本公开采用如下技术方案：一种基于社团发现的路网拥堵区域动态识别方法，包括以下步骤：(1)根据目标区域路网的拓扑结构建立加权有向图，构建城市路网动态拓扑模型；(2)利用行程时间比动态标定路网拓扑模型的路段权重，根据道路交通管理模式以及道路交通运行状态的不同，将有向权重简化为无向权重；(3)将路网拓扑模型中相同日期连续一定时间内的无向权重值进行聚类分析，划分不同的路网状态等级，利用等级范围值对各个观测时间间隔内的路网进行初始拥堵节点与初始拥堵社团的搜索；(4)将社团相邻路段中拥堵状态相近的路段逐步纳入社团结构并进行扩散；(5)分别对属于相同拥堵等级社团和不同拥堵等级中发生重叠的社团结构进行合并；(6)发布合并后得到的拥堵区域范围的信息。作为进一步的限定，所述步骤(1)中，将交叉口为拓扑网络中的节点，记为V；相邻交叉口间的路段为拓扑网络中的有向边，记为E，路段本身的交通运行负荷为边的权重，记为W，结合时间，城市路网动态拓扑模型表示为Dt＝{Vt,Et,Wt}。作为进一步的限定，所述步骤(2)中，路段eij在第t个观测时间间隔内有向权重为该路段在第t个观测时间间隔内的实际行程时间与该路段在第t个观测时间间隔内自由流状态行程时间的比值。作为进一步的限定，所述步骤(2)中，根据道路交通管理模式以及道路交通运行状态的不同，分为三个常见场景将有向权重化简为无向权重，用来标定路段整体的交通运行状态，其中：场景1为单向交通，无向权重为路段仅有方向实际行程时间与自由状态下行程时间的比值；场景2为双向交通且出现潮汐交通，无向权重为路段负荷较重方向实际行程时间与自由状态下行程时间的比值；场景3为双向交通且未出现潮汐交通，无向权重为路段两个方向实际行程时间与自由状态下行程时间的比值的平均值。作为进一步的限定，所述步骤(3)中，采用模糊C均值聚类方法，将路网拓扑模型中相同日期连续一段时间内的无向权重值进行聚类分析，结合实际需求确定路网状态的等级数，并确定每个等级下无向权重的范围，利用各个状态等级范围，对第t个观测时间间隔内的路网进行初始拥堵节点与初始拥堵社团的搜索。作为更进一步的限定，初始拥堵节点与初始拥堵社团的定义分别如下：当前节点与其邻近节点所连的路段有3个或3个以上在同一个拥堵等级范围内，则认定该节点为相应等级的拥堵初始节点；拥堵初始节点、拥堵初始节点的邻近节点及其所相连的路段共同构成初始拥堵社团。作为进一步的限定，所述步骤(4)包括：(4-1)以初始拥堵社团为中心向四周路段扩散，搜索并生成相邻路段集合；(4-2)将相邻路段集合中每条路段分别纳入初始拥堵社团并计算相应社团内部的无向权重方差值；(4-3)选取相邻路段集合中方差最小的路段，纳入当前拥堵社团并更新社团结构；(4-4)以更新后的拥堵社团结构为新的中心，重复执行步骤(4-1)-(4-3)，形成方差曲线图，选取方差骤增点为截止条件；(4-5)对于每个拥堵社团扩散过程，当方差值大于或等于截止条件时，则停止该拥堵社团的扩散。作为进一步的限定，所述步骤(5)中，相同拥堵等级社团的合并过程包括：搜索相同拥堵等级下发生重叠的社团结构，并计算两两社团之间的重叠程度；按照重叠程度的大小顺序合并社团，直到当前拥堵水平下所有的重叠现象消失，对每个等级都进行合并社团，直至各拥堵水平下的社团组均不存在重叠现象为止。作为进一步的限定，所述步骤(5)中，不同拥堵等级社团的合并过程包括搜索不同拥堵等级中发生重叠的社团结构，计算并比较重叠社团的模块度，将不同拥堵等级社团结构中重叠部分归为模块度大于设定大小的社团结构，非重叠部分不变，对不同拥堵等级社团组之间重复执行，其中优先从拥堵等级高的社团组之间开始，直至重叠现象消失为止。一种基于社团发现的路网拥堵区域动态识别系统，运行于处理器或存储器上，被配置为执行以下指令：(1)根据目标区域路网的拓扑结构建立加权有向图，构建城市路网动态拓扑模型；(2)利用行程时间比动态标定路网拓扑模型的路段权重，根据道路交通管理模式以及道路交通运行状态的不同，将有向权重简化为无向权重；(3)将路网拓扑模型中相同日期连续一定时间内的无向权重值进行聚类分析，划分不同的路网状态等级，利用等级范围值对各个观测时间间隔内的路网进行初始拥堵节点与初始拥堵社团的搜索；(4)将社团相邻路段中拥堵状态相近的路段逐步纳入社团结构并进行扩散；(5)分别对属于相同拥堵等级社团和不同拥堵等级中发生重叠的社团结构进行合并；(6)发布合并后得到的拥堵区域范围的信息。本公开的工作原理为：对城市路网构建动态网络拓扑模型；搜索路网中的拥堵源发点；以最小拥堵异质性为目标刻画拥堵区域的扩散，并提取社团结构；合并路网中重叠社团结构；最终确定拥堵区域边界范围，实现不同拥堵水平下拥堵区域的动态识别。通过上述构思，本公开具有以下有益效果为：(1)利用新颖的城市交通数据源—卡口数据提取行程时间参数，构建一种路段交通状态的量化方法，用于标定路段权重值；结合复杂网络理论与道路网络拓扑结构，构建路网动态拓扑模型，划分不同应用场本文档来自技高网...

【技术保护点】
1.一种基于社团发现的路网拥堵区域动态识别方法，其特征是：包括以下步骤：(1)根据目标区域路网的拓扑结构建立加权有向图，构建城市路网动态拓扑模型；(2)利用行程时间比动态标定路网拓扑模型的路段权重，根据道路交通管理模式以及道路交通运行状态的不同，将有向权重简化为无向权重；(3)将路网拓扑模型中相同日期连续一定时间内的无向权重值进行聚类分析，划分不同的路网状态的等级，利用等级范围值对各个观测时间间隔内的路网进行初始拥堵节点与初始拥堵社团的搜索；(4)将社团相邻路段中拥堵状态相近的路段逐步纳入社团结构并进行扩散；(5)分别对属于相同拥堵等级社团和不同拥堵等级中发生重叠的社团结构进行合并；(6)发布合并后得到的拥堵区域范围的信息。

【技术特征摘要】
1.一种基于社团发现的路网拥堵区域动态识别方法，其特征是：包括以下步骤：(1)根据目标区域路网的拓扑结构建立加权有向图，构建城市路网动态拓扑模型；(2)利用行程时间比动态标定路网拓扑模型的路段权重，根据道路交通管理模式以及道路交通运行状态的不同，将有向权重简化为无向权重；(3)将路网拓扑模型中相同日期连续一定时间内的无向权重值进行聚类分析，划分不同的路网状态的等级，利用等级范围值对各个观测时间间隔内的路网进行初始拥堵节点与初始拥堵社团的搜索；(4)将社团相邻路段中拥堵状态相近的路段逐步纳入社团结构并进行扩散；(5)分别对属于相同拥堵等级社团和不同拥堵等级中发生重叠的社团结构进行合并；(6)发布合并后得到的拥堵区域范围的信息。2.如权利要求1所述的一种基于社团发现的路网拥堵区域动态识别方法，其特征是：所述步骤(1)中，将交叉口为拓扑网络中的节点，记为V；相邻交叉口间的路段为拓扑网络中的有向边，记为E，路段本身的交通运行负荷为边的权重，记为W，结合时间，城市路网动态拓扑模型表示为Dt＝{Vt,Et,Wt}。3.如权利要求1所述的一种基于社团发现的路网拥堵区域动态识别方法，其特征是：所述步骤(2)中，路段eij在第t个观测时间间隔内有向权重为该路段在第t个观测时间间隔内的实际行程时间与该路段在第t个观测时间间隔内自由流状态行程时间的比值。4.如权利要求1所述的一种基于社团发现的路网拥堵区域动态识别方法，其特征是：所述步骤(2)中，根据道路交通管理模式以及道路交通运行状态的不同，分为三个常见场景将有向权重化简为无向权重，用来标定路段整体的交通运行状态，其中：场景1为单向交通，无向权重为路段仅有方向实际行程时间与自由状态下行程时间的比值；场景2为双向交通且出现潮汐交通，无向权重为路段负荷较重方向实际行程时间与自由状态下行程时间的比值；场景3为双向交通且未出现潮汐交通，无向权重为路段两个方向实际行程时间与自由状态下行程时间的比值的平均值。5.如权利要求1所述的一种基于社团发现的路网拥堵区域动态识别方法，其特征是：所述步骤(3)中，采用模糊C均值聚类方法，将路网拓扑模型中相同日期连续一段时间内的无向权重值进行聚类分析，结合实际需求确定路网状态的等级数，并确定每个等级下无向权重的范围，利用各个状态等级范围，对第t个观测时间间隔内的路网进行初始拥堵节点与初始拥堵社团的搜索。6.如权利要求1所述的一种基于社团发现的路网拥堵区域动态识别方法，其特征是：初始拥堵节点与初始拥堵社团的定义分...

【专利技术属性】
技术研发人员：郭亚娟，刘思昊，张萌萌，王以龙，陆洪岩，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：山东,37