基于GIS的城市交通拥挤区域自动识别方法

《基于GIS的城市交通拥挤区域自动识别方法》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、第1期（总第183期）No.1(SerialNo.183)2016年2月CHINAMUNICIPALENGINEERINGFeb.2016DOI:10.3969/j.issn.1004-4655.2016.01.001基于GIS的城市交通拥挤区域自动识别方法112邵敏华，赵迪，邵显智（1.同济大学道路与交通工程教育部重点实验室，上海201804；2.中国民航机杨建设集团公司，北京100101）摘要：城市道路交通网络拥挤区域的自动识别问题本质上可描述为区域聚类问题。研究给出基于地理信息系统的三步骤拥挤区域自动识别方法：首先，将城市路网划分为尽量小的区域

2、；而后，完成对小区域交通运行状况的评价；最后，进行拥挤区域的聚类识别。研究重点对拥挤区域聚类识别方法进行分析，指出已有动态聚类方法不稳定的缺陷，提出拥挤区域稳定识别结果的邻边聚类法。关键词：拥挤区域；自动识别；聚类分析；动态聚类法；邻边聚类法中图分类号：U491.265文献标志码：A文章编号：1004-4655（2016）01-0001-03在城市交通拥挤治理工作中，准确识别交通拥聚集起来；缩小至感兴趣的范围（如拥挤和阻塞），挤区域，采取有针对性的治理措施至关重要。在当将分析对象分成若干组，使得组内分析对象间的相[2]前实际工作中，交通拥挤区域的确定

3、缺乏客观、准似性大于组间分析对象的相似性。确的方法，人们通常将城市交通网络划分成固定区1.2问题简化域（如行政区划、中心商业区等），通过对固定区在进行聚类分析时要综合考虑路段的2个基域的交通运行评价确定拥挤区域。这一做法的弊端本属性，当2条路段距离很近时，空间位置属性在于：交通拥挤的分布不局限于人为划分的区域内，间的相似性极高，交通运行状况属性的差异可以实际的交通拥挤区域可能跨越几个固定区域，而每忽略。当整个网络面积分成若干小区域时，只要个固定区域内部的交通运行状况分布并不均匀。小区域面积足够小，小区域内的路段都认为相似本文在研究中借鉴整体特征（如区

4、域形心、惯的，可聚为一类。小区域的属性同样包括2个：[1]性矩等）和局部组成（如边、角等）表示方法，交通运行状况和空间位置，从而得到整个路网范以及基于GIS的空间分析功能建立三步骤拥挤区域围内的拥挤区域，实现对路段直接进行聚类分析自动识别方法，并以上海市中心城区道路交通网络的简化。为例，对模型中的核心步骤——拥挤区域聚类识别2三步骤拥挤区域自动识别方法方法进行测试。三步骤拥挤区域自动识别方法包括网络自动分1交通拥挤区域自动识别问题描述与简化区、分区拥挤评价和拥挤区域聚类识别3个步骤，1.1问题描述其中拥挤区域聚类识别是本方法的核心步骤。GIS已知网络

5、中每条路段的2个基本属性，交通运空间分析技术被用于获取小区特征以及判断道路与行状况（本文采用畅通、较畅通、拥挤、阻塞4个小区、小区与小区之间的空间关系。状态）和空间位置（X、Y坐标），如何基于这2个2.1网络自动分区属性判断网络中路段间的相似性，从而将相似路段网络自动分区又包含2个步骤：小区划分和小区路网生成。收稿日期：2015-09-09小区划分采用等边长小区划分方式，小区规基金项目：国家自然科学基金（51208379）模因路网密度而定。小区规模越小，自动识别的第一作者简介：邵敏华（1978—），女，副教授，博士，主要研究方向为交通工程。精度就越高

6、。小区按所在行列以Areaij标识，其中1邵敏华，赵迪，邵显智：基于GIS的城市交通拥挤区域自动识别方法2016年第1期i为所在行编号，j为所在列编号，i∈{1,…,m}，j∈{1,…,n}，其中m、n为正整数。小区路网生成采用路段任意点判别法，判别原则如下：设路段a中任意点记为Ma，则小区Areaij的生成路网为。2.2分区拥挤评价在已知小区路网Aij内所有路段交通运行状况的前提下，采用加权方法获得区域路网的交通运行状况。当小区规模比较小时，不同加权方法的差异阻塞并不大，具体加权方法可参见文献[3]，这里不再拥挤赘述。小区交通运行状况同样也可划分为

7、畅通、较较畅通畅通畅通、拥挤、阻塞4个等级。2.3拥挤区域聚类识别图1上海市中心城区道路网络小区拥挤评价结果示意图基于分区拥挤评价结果，采用聚类分析方法自采用上述动态聚类法对图1中的结果进行聚类动获取路网中的拥挤区域是方法的关键步骤。已有分析，这里仅关注评价结果为“阻塞”的小区。取聚类方法众多，根据问题特点寻找或构建合理实用拥挤区域数量为K=8，选择获得聚类中包含小区最的聚类方法，实现拥挤区域的科学、稳定识别十分多的3个区域作为识别的拥挤区域，则两次随机选重要。取初始聚类中心的分析结果如图2所示。2.3.1动态聚类法在已有的聚类方法中，动态聚类法（也

8、称K平均聚类法）最具有拥挤区域自动识别问题的特点。所谓动态聚类法就是将n个分析对象按其属性（如位置信息）划分