基于宏观交通理论的交通控制子区划分方法

《基于宏观交通理论的交通控制子区划分方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于宏观交通理论的交通控制子区划分方法李刚奇赵她丽（同济大学交通运输工程学院，上海201804）摘要：目前国内的基于控制的子区划分方法主要依据交叉口的关联度，将交叉口集聚进行统一控制，本文提出了一种基于路段交通流密度的城市子区划分方法，以路网路段为对象，从宏观层面探讨城市控制子区的划分，将图像划分的方法应用于城市路网划分，并提出了划分标准对子区划分进行控制。本文从路网整体角度出发，对城市路网拓扑结构及路段相似性进行了建模，采用VISSIM仿真数据进行了方法实验并得出了结论。关键词：子区划分；宏观基本曲线图；NormalizedCuts;自动划分Urb

2、anTrafficSignalControlNetworkPartitioningBasedonMacro-TrafficFlowTheoryGangqiLiYaliZhao(SchoolofTransportationEngineering,TonjiUniversity,Shanghai201804)Abstract：Thecorrelationofeachintersectionisusuallyusedtopartitioningthenetworkinthefieldofnetworkpartitioning，Thedensityofeac

3、hlinkisadoptedtopartitioningthenetworkintosubdivisionfromamacropointofviewinthispaper.Aimagedivisionmethodisappliedtothedivisionoftheurbannetworkpartitioning,ametricisproposedtoestimatetheoptimalnumberofsubdivisionsandevaluateagivenpartitioning.Fromapointofthewholenetwork，theto

4、pologyofthenetworkandthesimilarityofeachlinkhasbeenmodeled，atlast,thedatafromVISSIMsimulationisusedtopartitioningthenetwork.Keywords：NetworkPartitioning，MacroscopicFundamentalDiagram(MFD)，NormalizedCuts，AutoSubdivision1引言目前国内关于控制子区划分的方法基本上都是基于交叉口关联度，并考虑网路空间特性，从把单个交叉口集合的角度来划分控制子

5、区，最后的划分结果会打断路段，造成路段的不连续性，一定程度上其应用带来不方便，基于此本文提出了一种基于路段的城市子区划分方法，从整条路段的交通流参数出发，对城市路网进行划分。NikolasGeroliminis和CarlosF.Daganzoul通过对曰本横滨城市道路（10km2）的交通数据（其数据来源为研究区的500个线圈数据和140辆配有GPS的出租车）研究首先在实际基金项目：国家髙技术研宂发展计划（863计划），2011AA110305屮褐示了对于城市规模的路网，其平均流量、密度和速度存在着类似单个路段流密速关系图的宏观曲线图，称力macros

6、copicfundamentaldiagram(MFD)。文献显示了一定区域内的车辆数(accumulation)与该区域流出量(tripcompletion)有很强的线性关系，文中将这样的区域称力“neighborhood”，这就使在宏观层面'对进出“neighborhood”的流量控制有丫依据，使得缓解交通拥堵，甚至快速疏散拥堵成为可能。NikolasGeroliminis在文献［31的研宄表明密度是影响MFD离散程度及曲线形状的一个很重要的因素，考虑到MFD的可能的应用性，本文提出了-•种简单易行的一种宏观层面的子区划分方法。2Normaliz

7、edCutsNormalizedCuts是一种图像划分方法，此方法是种宏观层次的方法，着眼点不在于细节，从图像的整体感觉岀发，可以将其比喻为：一个画家作画时，总是先勾勒岀画的轮廓，然后才会填充细节，具有一定的感知性。城市路网亦有这样的特性且有自己的空间特性，并考虑到路网上交通流的密度，本文将会把城市路网划分为密度相近的区域，使其尽可能的具有良好的MFD特性。一个带权重的无向图G=(V，£)中，V为节点，£为节点间连线，代表节点w,v之间的相似性，我们的划分目标为把V划分为不同的V2...VW,其中中的相似度较高,Vz,V,•间的相似度较低。假定集合V

8、可以划分为两部分A和B，A和B之间的相似度可以定义为CW(人最优的划分结果为最小的Cut(A，B)值，此时表