【技术实现步骤摘要】
本专利技术属于公共交通领域，具体涉及一种交通网络拥堵推演方法。
技术介绍
1、近年来，国内外的很多学者已经成功地将各种拥堵推演方法运用在智能交通领域，并完成了一些智能交通管理的应用。cheng等人通过有向图卷积神经网络进行了交通预测以及拥堵推演；nan等人利用arcgis进行gps信息与路网信息的匹配，实现了对活动中心交通拥堵的检测与分析。目前常见的交通拥堵分析推演主要有以下几种方法：
2、(1)基于交通指数的拥堵特征分析
3、(2)基于有向图神经网络的交通预测与拥堵管控
4、(3)基于可变ctm模型的交通态势推演算法(cell transmission model，ctm)
5、(4)基于anylogic的道路交通拥堵仿真分析。
6、此外，tang等提出了基于t-s(takagi-sugeno)规则的模糊神经网络进行交通流量预测，先采用近邻聚类将交通数据划分为不同的聚类，再随着输入样本增加更新成员函数聚类中心。
7、然而，目前的现有技术往往具有以下缺点：
<...【技术保护点】
1.一种交通网络拥堵推演方法，其特征在于，包括：
2.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，所述高速网络的拓扑结构的特征参数包括每个节点的节点度、每个节点的节点效率、每个节点的相对距离系数、以及节点间的平均路径长度系数。
3.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，根据高速网络的拓扑结构的特征参数来确定每个节点在静态的拓扑结构中的重要性，具体包括：对于每个目标节点，将该目标节点所对应的拓扑结构的特征参数输入一个拓扑重要性评价模型，以得到目标节点在静态的拓扑结构中的重要性；
4.根据权利要求3所述的交通网...
【技术特征摘要】
1.一种交通网络拥堵推演方法，其特征在于，包括：
2.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，所述高速网络的拓扑结构的特征参数包括每个节点的节点度、每个节点的节点效率、每个节点的相对距离系数、以及节点间的平均路径长度系数。
3.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，根据高速网络的拓扑结构的特征参数来确定每个节点在静态的拓扑结构中的重要性，具体包括：对于每个目标节点，将该目标节点所对应的拓扑结构的特征参数输入一个拓扑重要性评价模型，以得到目标节点在静态的拓扑结构中的重要性；
4.根据权利要求3所述的交通网络拥堵推演方法，其特征在于，节点在静态的拓扑结构中的重要性ni为：
5.根据权利要求4所述的交通网络拥堵推演方法，其特征在于，在所述步骤s3中，利用一个综合后的重要节点评价模型得到每个节点的重要程度，每个节点的重要程度ti为：
6.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，目标线段的拥挤度c为：
7.根据权利要求1所述的交通网络拥堵推演方法，其特征在于，在所...
【专利技术属性】
技术研发人员：王梦灵，田泽阳，安杰，吴承卿，张扬，孙杨世佳，何承，张祎，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。