一种基于模糊聚类的交通网络健康画像方法及系统技术方案

本发明专利技术涉及一种基于模糊聚类的交通网络健康画像方法及系统。该方法包括获取待分析的路网区域中设定时间内车辆道路信息；对所述车辆道路信息进行预处理，并根据预处理后的数据构建所述待分析的路网区域的城市交通流网络；采用渗流分析的方法确定不同时刻的城市交通流网络的健康状态；采用聚类分析的方法对不同时刻的城市交通流网络的健康状态进行划分；利用划分结果对待分析的路网区域的城市交通流网络进行健康画像。本发明专利技术能够对交通网络的健康状态进行准确的分类，从而解决城市路网健康画像的问题。画像的问题。画像的问题。

【技术实现步骤摘要】
一种基于模糊聚类的交通网络健康画像方法及系统


[0001]本专利技术涉及交通路网状态领域，特别是涉及一种基于模糊聚类的交通网络健康画像方法及系统。

技术介绍

[0002]近年来，随着气候变化加剧，极端灾害事件不断发生，如台风、暴雨、疫情、地震等突发事件，研究城市交通韧性具有十分重要的理论价值与现实意义，北京、上海等城市的新一轮城市总体规划中，均有“加强城市应对灾害的能力和提高城市韧性”等相关表述。今年突如其来的疫情危机，让我们对“城市韧性”有了更感性的认识，对城市如何在日益增长且变幻莫测的风险和挑战中正常运行并保持韧性这一议题，有了更理性的思考。突发事件的出现，给当下城市空间的定义与使用带来巨大冲击与影响。突发事件不断重塑城市和社会，并间接促进了现代城市规划的诞生及其演进。疫情期间，城市服务与供给模式发生了全面线上化转变，城市居住、就业与交通等空间的功能形态与使用模式均面临重新定义。城市交通路网作为“韧性城市”的生命线，国家发展、社会安全保障以及人民生活质量的保证，交通路网的健康水平能够反映城市路网在维持日常运行和应对突发事件的综合能力，因此监测城市交通路网的健康水平并对其进行评估已成为重要任务。
[0003]交通健康画像是交通路网健康状态评估的基础。以前的交通健康状况评估主要基于每条道路的统计测量值总和或平均值，例如平均速度，平均行驶延迟时间，拥挤道路的平均距离等。然而，由于城市交通系统本身具有高度复杂性、耦合性，这些基于统计的测量很少考虑道路性能之间的耦合关系，不能站在路网全局的角度对交通路网健康状态进行合理评估，影响路网健康评估的准确性。另一方面，已有研究提出可以基于渗流的分析方法来描述交通路网的整体运行状态，可以作为城市交通路网的健康评估指标。
[0004]此外，在交通系统评估中存在大量的认知不确定性，认知不确定性是主观的，通常是由于系统的复杂性、信息的不完备性和模糊性、人类认知的缺乏性等，导致在一定时间范围内无法掌握或理解事物的本质特征，存在严重的“数据量大，知识贫乏”的特点。以前对交通网络的健康水平的定义主要基于对指标区间的人为定义，往往具有较强的主观性，不能很好地反映事物的客观机理。
[0005]因此，从大数据中挖掘路网健康机理可以有效解决主观性过强的问题，目前研究学者通过运用统计数学理论和方法对路网的历史数据进行统计分析，挖掘交通路网的实时运行特征，减少主观因素对路网评估的影响，但现有的统计分析方法无法根据特征将路网进行健康状态的划分。

技术实现思路

[0006]本专利技术的目的是提供一种基于模糊聚类的交通网络健康画像方法及系统，能够对交通网络的健康状态进行准确的分类，从而解决城市路网健康画像的问题。
[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]一种基于模糊聚类的交通网络健康画像方法，包括：
[0009]获取待分析的路网区域中设定时间内车辆道路信息；所述车辆道路信息包括：道路编号、道路起点编号、道路终点编号、道路等级、道路信息、每个时刻的道路车辆速度以及经纬度信息；
[0010]对所述车辆道路信息进行预处理，并根据预处理后的数据构建所述待分析的路网区域的城市交通流网络；
[0011]采用渗流分析的方法确定不同时刻的城市交通流网络的健康状态；
[0012]采用聚类分析的方法对不同时刻的城市交通流网络的健康状态进行划分；
[0013]利用划分结果对待分析的路网区域的城市交通流网络进行健康画像。
[0014]可选地，所述对所述车辆道路信息进行预处理，并根据预处理后的数据构建所述待分析的路网区域的城市交通流网络，具体包括：
[0015]将道路信息与每个时刻的道路车辆速度进行匹配；并对缺失的道路车辆速度进行补全；
[0016]将道路起点编号、道路终点编号和经纬度进行匹配；
[0017]以所述待分析的路网区域内的道路为城市交通流网络的连边，以路口为城市交通流网络的节点，以每条道路的实时相对车辆速度为连边权值，构建城市交通流网络。
[0018]可选地，所述采用渗流分析的方法确定不同时刻的城市交通流网络的健康状态，具体包括：
[0019]获取相对速度阈值；所述相对速度阈值为0到1按照设定精度变化的数值；
[0020]将所述城市交通流网络中每条道路的实时相对车辆速度小于相应时刻下相对速度阈值的连边删除，并确定相应时刻下城市交通流网络的最大连通子团尺寸；
[0021]根据每个时刻下城市交通流网络的最大连通子团尺寸以及对应的相对速度阈值确定不同时刻的G
‑
q曲线图；其中，G为最大连通子团尺寸，q为相对速度阈值；
[0022]将不同时刻的G
‑
q曲线图转换为G
‑
f曲线图；其中，f为删除的连边与城市交通流网络的总边数的比；
[0023]根据不同时刻的G
‑
f曲线图确定不同时刻的城市交通流网络的健康状态。
[0024]可选地，所述采用聚类分析的方法对不同时刻的城市交通流网络的健康状态进行划分，具体包括：
[0025]根据不同时刻的G
‑
f曲线图确定相应时刻的聚类特征向量；
[0026]利用FCM聚类算法对特征向量进行模糊聚类将城市交通流网络的健康状态划分为健康或不健康。
[0027]可选地，所述利用划分结果对待分析的路网区域的城市交通流网络进行健康画像，具体包括：
[0028]分别确定健康的城市交通流网络以及不健康的城市交通流网络的网络结构指标和网络运行指标；所述网络结构指标包括：平均度和动态介数；所述网络运行指标包括：TTI指数和网络平均速度；
[0029]网络结构指标和网络运行指标分别对相应的城市交通流网络进行健康画像。
[0030]一种基于模糊聚类的交通网络健康画像系统，包括：
[0031]车辆道路信息获取模块，用于获取待分析的路网区域中设定时间内车辆道路信
息；所述车辆道路信息包括：道路编号、道路起点编号、道路终点编号、道路等级、道路信息、每个时刻的道路车辆速度以及经纬度信息；
[0032]城市交通流网络构建模块，用于对所述车辆道路信息进行预处理，并根据预处理后的数据构建所述待分析的路网区域的城市交通流网络；
[0033]城市交通流网络的健康状态确定模块，用于采用渗流分析的方法确定不同时刻的城市交通流网络的健康状态；
[0034]划分结果确定模块，用于采用聚类分析的方法对不同时刻的城市交通流网络的健康状态进行划分；
[0035]健康画像模块，用于利用划分结果对待分析的路网区域的城市交通流网络进行健康画像。
[0036]可选地，所述城市交通流网络构建模块具体包括：
[0037]第一匹配单元，用于将道路信息与每个时刻的道路车辆速度进行匹配；并对缺失的道路车辆速度进行补全；
[0038]第二匹配单元，用于将道路起点编号、道路终点编号和经纬度进行匹配；
...

【技术保护点】

【技术特征摘要】
1.一种基于模糊聚类的交通网络健康画像方法，其特征在于，包括：获取待分析的路网区域中设定时间内车辆道路信息；所述车辆道路信息包括：道路编号、道路起点编号、道路终点编号、道路等级、道路信息、每个时刻的道路车辆速度以及经纬度信息；对所述车辆道路信息进行预处理，并根据预处理后的数据构建所述待分析的路网区域的城市交通流网络；采用渗流分析的方法确定不同时刻的城市交通流网络的健康状态；采用聚类分析的方法对不同时刻的城市交通流网络的健康状态进行划分；利用划分结果对待分析的路网区域的城市交通流网络进行健康画像。2.根据权利要求1所述的一种基于模糊聚类的交通网络健康画像方法，其特征在于，所述对所述车辆道路信息进行预处理，并根据预处理后的数据构建所述待分析的路网区域的城市交通流网络，具体包括：将道路信息与每个时刻的道路车辆速度进行匹配；并对缺失的道路车辆速度进行补全；将道路起点编号、道路终点编号和经纬度进行匹配；以所述待分析的路网区域内的道路为城市交通流网络的连边，以路口为城市交通流网络的节点，以每条道路的实时相对车辆速度为连边权值，构建城市交通流网络。3.根据权利要求1所述的一种基于模糊聚类的交通网络健康画像方法，其特征在于，所述采用渗流分析的方法确定不同时刻的城市交通流网络的健康状态，具体包括：获取相对速度阈值；所述相对速度阈值为0到1按照设定精度变化的数值；将所述城市交通流网络中每条道路的实时相对车辆速度小于相应时刻下相对速度阈值的连边删除，并确定相应时刻下城市交通流网络的最大连通子团尺寸；根据每个时刻下城市交通流网络的最大连通子团尺寸以及对应的相对速度阈值确定不同时刻的G
‑
q曲线图；其中，G为最大连通子团尺寸，q为相对速度阈值；将不同时刻的G
‑
q曲线图转换为G
‑
f曲线图；其中，f为删除的连边与城市交通流网络的总边数的比；根据不同时刻的G
‑
f曲线图确定不同时刻的城市交通流网络的健康状态。4.根据权利要求3所述的一种基于模糊聚类的交通网络健康画像方法，其特征在于，所述采用聚类分析的方法对不同时刻的城市交通流网络的健康状态进行划分，具体包括：根据不同时刻的G
‑
f曲线图确定相应时刻的聚类特征向量；利用FCM聚类算法对特征向量进行模糊聚类将城市交通流网络的健康状态划分为健康或不健康。5.根据权利要求1所述的一种基于模糊聚类的交通网络健康画像方法，其特征在于，所述利用划分结果对待分析的路网区域的城市交通流网络进行健康画像，具体包括：分别确定健康的城市交通流网络以及不健康的城市交通流网络的网络结构指标和网络运行指标；所述网络结构指标包括：平均度和动态介数；所述网络运行指标包括：TTI指数和网络平均速度；网络结构指标和网络运行指标分别对相应的城市交通流网络进行健康画像。6.一种基于模糊聚类的交通网络健康画像系统，其特征在于，包括：
车辆道路信息获取模块，用于获取待分析的路网区域中设定时间内车辆道路信息...

【专利技术属性】
技术研发人员：李大庆，王博，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：