基于交通指數(shù)云圖的宏觀交通流分析方法綜述

王忠浩, 張 靜, 肖建力

(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院,上海 200093)

基于交通指數(shù)云圖的宏觀交通流分析方法綜述

王忠浩, 張 靜, 肖建力

(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院,上海 200093)

基于交通流分析在智能交通研究和應(yīng)用中的重要性,聚焦路網(wǎng)交通流分析方法的回顧,綜述了宏觀尺度的路網(wǎng)交通流分析方法的研究現(xiàn)狀.從微觀、中觀、宏觀3個(gè)方面梳理了交通流分析方法的基本類型;重點(diǎn)闡述了宏觀交通流分析中的交通擁堵指數(shù)的基本概念及其計(jì)算方法;隨后基于交通擁堵指數(shù)提出交通指數(shù)云圖的概念;最后對(duì)基于交通指數(shù)云圖的路網(wǎng)交通流分析進(jìn)行了討論,并對(duì)其發(fā)展和應(yīng)用前景進(jìn)行了展望.

交通流分析; 交通指數(shù); 區(qū)域劃分; 交通指數(shù)云圖

交通流理論是研究交通流隨時(shí)間和空間變化規(guī)律的模型和方法體系,是描述道路上的車輛與道路設(shè)施和環(huán)境交互運(yùn)行規(guī)律的基礎(chǔ)科學(xué),也是交通工程學(xué)的基礎(chǔ)[1-2].隨著現(xiàn)代都市道路交通擁堵?tīng)顩r的加劇,“智能交通[3]”已經(jīng)成為未來(lái)城市交通發(fā)展的必然趨勢(shì),因此,對(duì)城市的交通流進(jìn)行分析顯得格外重要.作為交通工程學(xué)的基礎(chǔ),交通流分析理論已被廣泛應(yīng)用于交通控制、交通規(guī)劃,以及道路工程設(shè)計(jì)等諸多領(lǐng)域.特別是隨著交通信息技術(shù)的蓬勃發(fā)展,將交通流分析和人工智能、控制理論等技術(shù)相結(jié)合,解決了交通運(yùn)輸研究中的許多復(fù)雜問(wèn)題[4-6].通過(guò)對(duì)路網(wǎng)交通流進(jìn)行分析,可以發(fā)現(xiàn)路段和區(qū)域的交通運(yùn)行規(guī)律并預(yù)測(cè)道路擁堵情況,為交通管理者進(jìn)行提前道路疏散,限制車流量等提供科學(xué)的依據(jù),也為出行者規(guī)劃出行路徑提供了便利.

路網(wǎng)交通流分析的方法根據(jù)路網(wǎng)的空間尺度可以劃分為微觀交通流分析、中觀交通流分析、宏觀交通流分析3個(gè)派別.微觀交通流分析主要研究某一點(diǎn)或某一斷面交通特性;中觀交通流分析主要研究路段的交通流特性;而宏觀交通流分析則主要側(cè)重于從路網(wǎng)區(qū)域這一宏觀的尺度對(duì)交通流進(jìn)行分析.從大范圍把握事物的特性總是更加富有挑戰(zhàn)性,本文主要對(duì)宏觀交通流分析的方法進(jìn)行了回顧.宏觀交通流分析對(duì)于交通管理部門具有非常重要的意義,特別是對(duì)路網(wǎng)區(qū)域的交通流分析能夠?yàn)榻煌ü芾聿块T制定交通發(fā)展規(guī)劃提供有力的數(shù)據(jù)支撐,同時(shí)還能夠?yàn)槌鲂姓弑荛_(kāi)擁堵的區(qū)域提供宏觀尺度的指引.

本文首先論述了交通流分析方法的基本類型,然后重點(diǎn)回顧了宏觀交通流分析方法的研究現(xiàn)狀,隨后對(duì)基于交通指數(shù)云圖的宏觀路網(wǎng)交通流分析方法進(jìn)行了展望.

1 交通流分析方法的基本類型

目前已經(jīng)提出了許多對(duì)路網(wǎng)交通流進(jìn)行分析的方法.根據(jù)路網(wǎng)空間尺度的不同,大致可以劃分為微觀交通流分析、中觀交通流分析、宏觀交通流分析3個(gè)派別[7].

微觀交通流理論分析主要研究某一點(diǎn)或某一斷面交通特性.它是一種針對(duì)個(gè)體車輛交通運(yùn)行特性進(jìn)行分析與建模的理論方法,是解析、描述和預(yù)測(cè)交通流運(yùn)行規(guī)律的重要手段之一[2].微觀交通流分析的經(jīng)典方法主要有車輛跟馳模型[8]、換車道模型[9]等.跟馳理論是通過(guò)動(dòng)力學(xué)方法,研究車隊(duì)在難以超車的道路上行駛時(shí),前后車之間的行駛狀態(tài),并且用數(shù)學(xué)模型加以表達(dá)和闡明的一種方法[10].它在微觀交通仿真、駕駛?cè)诵袨榉治?、通行能力分析、智能車輛、交通安全等領(lǐng)域都有廣泛的應(yīng)用價(jià)值,是微觀交通流理論的核心.20世紀(jì)50年代以來(lái),國(guó)內(nèi)外學(xué)者針對(duì)車輛跟馳模型的特點(diǎn)和性質(zhì)進(jìn)行系統(tǒng)研究,產(chǎn)生了刺激-反應(yīng)模型、安全距離模型、心理-生理模型、神經(jīng)網(wǎng)絡(luò)的車輛跟馳模型等,使得車輛跟馳理論得到快速發(fā)展[11].換車道模型主要用于描述車輛行駛過(guò)程中變換行駛車道的行為,最早由Gipps[12]于1986年提出.該模型考慮了換道風(fēng)險(xiǎn)、到障礙物的距離、轉(zhuǎn)向需求等影響因素,設(shè)計(jì)了相應(yīng)的優(yōu)先決定規(guī)則來(lái)判別不同因素對(duì)換道行為產(chǎn)生的影響.由于這一模型比較復(fù)雜,需要以大量微觀車輛數(shù)據(jù)為基礎(chǔ),處理不當(dāng)會(huì)對(duì)交通安全、交通通行能力有諸多影響,因此關(guān)于換車道模型的研究備受關(guān)注.上述微觀交通流模型在實(shí)際的交通應(yīng)用中,存在缺乏對(duì)人為因素的考慮、模型適應(yīng)性不強(qiáng)、實(shí)測(cè)數(shù)據(jù)不準(zhǔn)確等問(wèn)題,這在一定程度上限制了微觀交通流模型在城市路網(wǎng)狀態(tài)分析中的應(yīng)用和發(fā)展[13].

中觀交通流理論分析主要研究路段的交通流特性.中觀交通流理論以氣體動(dòng)力學(xué)為基礎(chǔ),建立可以模擬真實(shí)交通流狀況的數(shù)學(xué)模型,從中觀層面研究行駛的車輛,從而描述交通流的隨機(jī)性與不確定性[2].其研究對(duì)象不僅可以是單個(gè)車輛,也可以是數(shù)輛車組成的車隊(duì).與微觀交通流的跟馳、換車道模型不同,它是通過(guò)宏觀模型中的速度-密度關(guān)系來(lái)表示車輛的行駛速度[14].主要模型有車頭時(shí)距分布模型、聚類模型、排隊(duì)服務(wù)模型[15]等.這些模型與微觀模型相結(jié)合,具有較強(qiáng)的優(yōu)勢(shì).但是大多已有的中觀交通流模型以歐美發(fā)達(dá)國(guó)家的運(yùn)輸狀況為背景,很難反映出中國(guó)城市的交通狀況,而且,模型對(duì)機(jī)動(dòng)車和非機(jī)動(dòng)車混合的交通流還沒(méi)有很好的解決方法.

宏觀交通流理論分析主要研究路網(wǎng)區(qū)域的交通流特性.它不是描述具體某車輛的行駛規(guī)律或某一路段的交通流特性,而是對(duì)整個(gè)路網(wǎng)區(qū)域的交通流特性進(jìn)行描述分析.通過(guò)在宏觀尺度上研究擁堵區(qū)域的形成和消散的規(guī)律,為城市交通控制管理、挖掘現(xiàn)有路網(wǎng)的通行潛力、提高交通資源的利用率等提供更為可靠的科學(xué)依據(jù)[16].1955年,Lighthill,Whitham和Richards提出LWR模型[17-18],這是最早的宏觀交通流模型.此模型認(rèn)為宏觀交通路網(wǎng)內(nèi)的車流永遠(yuǎn)處于一個(gè)相對(duì)平衡的狀態(tài),并引入速度和密度的關(guān)系,為建立宏觀交通流模型奠定了基礎(chǔ).在此基礎(chǔ)上,Payne[19]為解決非平衡交通現(xiàn)象,提出了一個(gè)高階模型:

vk(t+ω)=V(ΔL)

(1)

式中:vk是第k輛車的行駛速度;ω是車輛行駛時(shí)速度變化的時(shí)間延遲量;V是速度優(yōu)化函數(shù);ΔL是第k-1輛車和第k輛車之間的距離.這一模型使得交通流車速在偏離平衡速度時(shí)也可以取得良好的效果.此外,Papageogiou等[20-21]為了便于更好地分析交通流數(shù)據(jù),提出了METANET離散模型,這是一種離散化的高階宏觀交通流模型,很好地體現(xiàn)出交通流的各向異性.在宏觀交通流預(yù)測(cè)方面,南加州大學(xué)的Abadi等[22]利用動(dòng)態(tài)交通流仿真器將路網(wǎng)中的缺失數(shù)據(jù)進(jìn)行補(bǔ)全,并用自回歸模型將交通預(yù)測(cè)推廣到整個(gè)路網(wǎng)系統(tǒng),實(shí)現(xiàn)整個(gè)路網(wǎng)的宏觀交通流預(yù)測(cè).以上各種宏觀交通流模型的提出及其在實(shí)際生活中的應(yīng)用體現(xiàn)出了宏觀交通流的研究?jī)r(jià)值,也為以后從宏觀角度預(yù)測(cè)整個(gè)路網(wǎng)的交通擁堵情況提供了理論基礎(chǔ)和指導(dǎo).圖1從宏觀上呈現(xiàn)了交通流分析的基本類型.

圖1 交通流分析方法的基本類型Fig.1 Basic methods for traffic flow analysis

2 宏觀交通流分析方法研究現(xiàn)狀

宏觀路網(wǎng)交通流分析主要是對(duì)宏觀交通路網(wǎng)總體運(yùn)行狀態(tài)進(jìn)行評(píng)價(jià).而在宏觀交通路網(wǎng)評(píng)價(jià)方面,最為關(guān)鍵的是建立反映路網(wǎng)運(yùn)行狀態(tài)的科學(xué)合理的評(píng)價(jià)指標(biāo).目前,對(duì)交通擁堵評(píng)價(jià)指標(biāo)的研究主要基于行程速度、道路交通密度、交通量和出行時(shí)間等方面,從道路最大交通量與最大通行能力的比值、擁堵時(shí)間比[23]等角度挖掘出適合宏觀交通流分析的評(píng)價(jià)指標(biāo).因此,國(guó)際上一些城市采用道路交通指數(shù)[24]來(lái)綜合評(píng)價(jià)交通路網(wǎng)的整體運(yùn)行質(zhì)量.城市道路交通指數(shù)主要描述某一時(shí)間段的城市路網(wǎng)交通狀況的優(yōu)良程度,它是一種對(duì)城市交通狀態(tài)的綜合性評(píng)價(jià)指標(biāo).其直接影響因素有交通密度、路段平均車速、交通流量和交通延誤;間接因素有天氣狀況、交通突發(fā)事故、交通秩序以及國(guó)家政策等.

為衡量道路交通密度、擁堵強(qiáng)度和持續(xù)情況,1994年,美國(guó)德克薩斯州交通研究院的Boarnet提出道路擁堵指數(shù)[25](roadway congestion index,RCI)的概念,Boarnet認(rèn)為交通流量和交通密度在一定程度上很好地反映某路段交通的運(yùn)行狀態(tài).因此,他將道路中每公里的日平均交通量作為道路擁堵指數(shù).該指數(shù)適用于對(duì)某區(qū)域整體、長(zhǎng)周期的交通狀況進(jìn)行評(píng)價(jià)[26].但由于其反應(yīng)不夠靈敏,無(wú)法對(duì)路網(wǎng)動(dòng)態(tài)交通狀況進(jìn)行評(píng)價(jià),在實(shí)際應(yīng)用中已經(jīng)很少使用.美國(guó)加州采用擁堵持續(xù)指數(shù)(lane kilometer duration index,LKDI)作為從宏觀角度評(píng)價(jià)交通路網(wǎng)運(yùn)行狀態(tài)的指標(biāo).該方法用年均日交通量與通行能力的比值作為判斷擁堵路段的標(biāo)準(zhǔn),然后以擁堵路段的長(zhǎng)度和擁堵持續(xù)時(shí)間來(lái)計(jì)算區(qū)域內(nèi)的擁堵持續(xù)指數(shù).

(2)

式中:LKDI為擁堵持續(xù)指數(shù);Li為區(qū)域內(nèi)擁堵路段長(zhǎng)度;ti為擁堵持續(xù)時(shí)間;K為擁堵路段數(shù)目.該指標(biāo)從宏觀角度較全面地考慮了整個(gè)區(qū)域交通狀況,在復(fù)雜路網(wǎng)的環(huán)境中也有良好的評(píng)價(jià)效果.在國(guó)內(nèi),高德地圖[27]在搜集交通歷史信息數(shù)據(jù)的基礎(chǔ)上,以擁堵延時(shí)指數(shù)作為城市擁堵程度的評(píng)價(jià)指標(biāo),這里的擁堵延時(shí)指數(shù)計(jì)算方式為城市居民平均一次出行的實(shí)際旅行時(shí)間與自由流狀態(tài)下旅行時(shí)間之比.延時(shí)指數(shù)越大表示出行延時(shí)占出行時(shí)間的比例越大,這就意味著交通道路越擁堵.除此之外,很多城市交通管理部門在宏觀路網(wǎng)交通流評(píng)價(jià)分析方面進(jìn)行了積極的研究.北京和廣州都采用擁堵里程比作為宏觀交通擁堵評(píng)價(jià)指標(biāo).該方法根據(jù)路段交通流速度將路段進(jìn)行等級(jí)層次劃分,并將擁堵里程比定義為在一段時(shí)間內(nèi)交通路網(wǎng)中各等級(jí)道路處于擁堵等級(jí)的路段里程比.然后根據(jù)此比值和各級(jí)路段進(jìn)行權(quán)重疊加,得到全路網(wǎng)中的擁堵里程比,最后按照比例進(jìn)行轉(zhuǎn)換,得到反映全路網(wǎng)的實(shí)時(shí)交通運(yùn)行狀況的交通運(yùn)行指數(shù).此評(píng)價(jià)方法易于計(jì)算和理解,但計(jì)算擁堵里程比例時(shí)僅計(jì)入最擁堵等級(jí)的路段,忽略了其他等級(jí)路段的影響[26].上海于2002年提出道路交通指數(shù),該指數(shù)以選取道路的飽和度和機(jī)動(dòng)車運(yùn)行速度為基本數(shù)據(jù),以數(shù)學(xué)手段和邏輯分析建立的指數(shù)模型為基本手段得到,可以直觀地反映交通服務(wù)狀況的優(yōu)劣程度.研究人員在此基礎(chǔ)上于2011年提出道路交通狀態(tài)指數(shù)(traffic state index,TSI)[28],解決了之前用顏色無(wú)法表達(dá)各種狀態(tài)的程度差異以及無(wú)法區(qū)分同一顏色的狀態(tài)差別的問(wèn)題.TSI是在統(tǒng)計(jì)時(shí)間間隔內(nèi),將城市道路交通狀態(tài)的相對(duì)數(shù)值進(jìn)行量化,其核心參數(shù)為道路行駛速度.但由于在實(shí)際交通流中,路段長(zhǎng)度、車道數(shù)目等都會(huì)對(duì)道路交通擁擠程度產(chǎn)生不同影響,因此,需將里程長(zhǎng)度和車道數(shù)目進(jìn)行綜合加權(quán)計(jì)算.

(3)

式中:vm表示路網(wǎng)中路段i在暢通狀態(tài)下的車速;vi表示路網(wǎng)中路段i的實(shí)際車速;Li表示路段i的長(zhǎng)度;ki表示路段i的車道數(shù)目.交通狀態(tài)指數(shù)可以在宏觀角度動(dòng)態(tài)、直觀地對(duì)城市路網(wǎng)交通流進(jìn)行評(píng)價(jià),已經(jīng)成為交通管理者在宏觀層面分析交通擁堵問(wèn)題的重要工具.

3 基于交通指數(shù)云圖的宏觀路網(wǎng)交通流分析

由于城市交通路網(wǎng)日趨復(fù)雜,相鄰路段之間彼此關(guān)聯(lián),從宏觀角度對(duì)整個(gè)城市的交通系統(tǒng)進(jìn)行統(tǒng)一調(diào)度管理變得很難實(shí)現(xiàn).而實(shí)際路網(wǎng)中的交通流是隨時(shí)間動(dòng)態(tài)變化的,相鄰路段之間的流量變化相互關(guān)聯(lián),進(jìn)而影響整個(gè)路網(wǎng)的變化.將交通網(wǎng)絡(luò)視為一個(gè)整體,確定科學(xué)合理的宏觀網(wǎng)絡(luò)交通狀態(tài)分析方法,對(duì)描述路網(wǎng)運(yùn)行狀態(tài)的變化特征與掌握路網(wǎng)運(yùn)行質(zhì)量影響規(guī)律有重要意義.本文提出使用交通指數(shù)云圖對(duì)宏觀路網(wǎng)的交通流進(jìn)行分析.所謂交通指數(shù)云圖是受氣象衛(wèi)星云圖的啟發(fā),將路網(wǎng)區(qū)域某一時(shí)刻的交通指數(shù)分布映射到連續(xù)的顏色空間,再與地圖進(jìn)行融合,最后得到的圖像稱為該時(shí)刻的交通指數(shù)云圖.圖2是上海浦西的交通指數(shù)云圖,圖中不同顏色表示各區(qū)域的擁堵情況,由綠到紅,顏色越深越擁堵[29].

在建立交通指數(shù)云圖的過(guò)程中,最為重要的步驟是對(duì)交通路網(wǎng)進(jìn)行動(dòng)態(tài)劃分.YAGODA等[30]認(rèn)為相鄰道路之間具有很強(qiáng)的關(guān)聯(lián)性,通過(guò)分析路段長(zhǎng)度和路段流量,對(duì)道路交叉口之間的協(xié)調(diào)控制進(jìn)行描述,建立了基于交叉口關(guān)聯(lián)性分析的交通區(qū)域劃分方法.Tian等[31]在分析交通控制子區(qū)帶寬的基礎(chǔ)上對(duì)交通區(qū)域進(jìn)行動(dòng)態(tài)劃分.段后利等[32]針對(duì)傳統(tǒng)交通控制區(qū)域劃分無(wú)法適應(yīng)城市路網(wǎng)交通流快速變化的問(wèn)題,建立了基于超圖表示的路網(wǎng)模型,并設(shè)計(jì)了相應(yīng)的路網(wǎng)超圖劃分算法,通過(guò)對(duì)超圖模型的分割達(dá)到交通區(qū)域動(dòng)態(tài)劃分的目的.鄒文杰等[33]借鑒GIS系統(tǒng)中網(wǎng)格,定義了交通網(wǎng)格的概念,提出了一種基于空間相關(guān)性分析的路網(wǎng)評(píng)價(jià)區(qū)域劃分方法,以多元交通數(shù)據(jù)為基礎(chǔ),實(shí)現(xiàn)路網(wǎng)區(qū)域的劃分.以上述動(dòng)態(tài)區(qū)域劃分為基礎(chǔ),交通指數(shù)云圖將整個(gè)城市路網(wǎng)根據(jù)各個(gè)路段的擁堵情況進(jìn)行動(dòng)態(tài)劃分成數(shù)個(gè)不同的區(qū)域,以每個(gè)交通子區(qū)域?yàn)檠芯繉?duì)象綜合進(jìn)行優(yōu)化和控制,而各個(gè)區(qū)域的擁堵情況根據(jù)其內(nèi)部路網(wǎng)交通狀態(tài)來(lái)決定.并將最終的路網(wǎng)區(qū)域劃分用擁堵指數(shù)的形式進(jìn)行顏色劃分,以此實(shí)時(shí)獲取城市中某一區(qū)域的具體交通狀況.

圖2 上海浦西地區(qū)的交通指數(shù)云圖Fig.2 Traffic index clouds of Shanghai Puxi

4 結(jié)束語(yǔ)

城市路網(wǎng)交通流中包含著大量可用于改善交通運(yùn)行狀況的規(guī)律信息.從宏觀角度分析路網(wǎng)交通流對(duì)描述路網(wǎng)運(yùn)行狀態(tài)的變化特征,以及掌握路網(wǎng)運(yùn)行質(zhì)量的影響規(guī)律有重要意義.交通指數(shù)云圖以動(dòng)態(tài)區(qū)域劃分模型為基礎(chǔ),具有動(dòng)態(tài)性、直觀性、區(qū)域性的特點(diǎn),可以從空間尺度對(duì)交通狀態(tài)進(jìn)行估計(jì)和預(yù)測(cè),方便交通管理者進(jìn)行路網(wǎng)誘導(dǎo)與控制的集成.在大空間尺度上對(duì)城市區(qū)域的交通運(yùn)行狀態(tài)進(jìn)行全面評(píng)價(jià),研究擁堵區(qū)域的形成和消散的規(guī)律,為城市交通控制管理、挖掘現(xiàn)有路網(wǎng)的通行潛力、提高交通資源的利用率等提供更為可靠的科學(xué)依據(jù),從而解決城市發(fā)展中的很多問(wèn)題.

[1] 王翔,肖建力.基于視頻的交通參數(shù)檢測(cè)綜述[J].上海理工大學(xué)學(xué)報(bào),2016,38(5):479-486.

[2] 《中國(guó)公路學(xué)報(bào)》編輯部.中國(guó)交通工程學(xué)術(shù)研究綜述·2016[J].中國(guó)公路學(xué)報(bào),2016,29(6):1-161.

[3] ALAM M,FERREIRA J,FONSECA J.Introduction to intelligent transportation systems[M]∥ALAM M,FERREIRA J,FONSECA J.Intelligent Transportation Systems.Switzerland:Springer International Publishing,2016:1-17.

[4] 何勝學(xué),劉潔,張皓東.基于粒子群算法的快速路投資優(yōu)化方法[J].上海理工大學(xué)學(xué)報(bào),2016,38(4):373-379.

[5] LI M W,HONG W C,KANG H G.Urban traffic flow forecasting using Gauss-SVR with cat mapping,cloud model and PSO hybrid algorithm[J].Neurocomputing,2013,99:230-240.

[6] 干宏程,汪晴,范炳全.基于宏觀交通流模型的行程時(shí)間預(yù)測(cè)[J].上海理工大學(xué)學(xué)報(bào),2008,30(5):409-413.

[7] CHAKROBORTY P.Models of vehicular traffic:an engineering perspective[J].Physica A:Statistical Mechanics and Its Applications,2006,372(1):151-161.

[8] 楊龍海,趙順,羅沂.基于期望跟馳間距的跟馳模型研究[J].武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版),2016,40(4):580-584,591.

[9] 王茉莉.車輛換道行為對(duì)交通流影響分析[D].長(zhǎng)春:吉林大學(xué),2016.

[10] 郭健.城市微觀交通流模型綜述[J].自動(dòng)化技術(shù)與應(yīng)用,2008,27(4):1-4.

[11] 王殿海,金盛.車輛跟馳行為建模的回顧與展望[J].中國(guó)公路學(xué)報(bào),2012,25(1):115-127.

[12] GIPPS P G.A model for the structure of lane-changing decisions[J].Transportation Research Part B:Methodological,1986,20(5):403-414.

[13] ZHENG Z D.Recent developments and research needs in modeling lane changing[J].Transportation Research Part B:Methodological,2014,60:16-32.

[14] 江竹,張琦,林勇,等.基于機(jī)器學(xué)習(xí)的中觀交通仿真器模型參數(shù)標(biāo)定[J].系統(tǒng)仿真學(xué)報(bào),2007,19(24):5692-5695.

[15] 刁陽(yáng),雋志才,倪安寧.中觀交通流建模與系統(tǒng)仿真研究綜述[J].計(jì)算機(jī)應(yīng)用研究,2009,26(7):2411-2415.

[16] 王殿海,曲昭偉.對(duì)交通流理論的再認(rèn)識(shí)[J].交通運(yùn)輸工程學(xué)報(bào),2001,1(4):55-59.

[17] LIGHTHILL M J,WHITHAM G B.On kinematic waves.II.A theory of traffic flow on long crowded roads[J].Proceedings of the Royal Society A:Mathematical,Physical and Engineering Sciences,1955,229(1178):317-345.

[18] RICHARDS P I.Shock waves on the highway[J].Operations Research,1956,4(1):42-51.

[19] PAYNE H J.Models of freeway traffic and control[M]∥BEKEY G A.Mathematical Models of Public Systems.La Jolia,CASimulation Councils,Inc.,1971:51-61.

[20] PAPAGEORGIOU M,BLOSSEVILLE J M,HAJ-SALEM H.Modelling and real-time control of traffic flow on the southern part of Boulevard Peripherique in Paris,Part II:coordinated on-ramp metering[J].Transportation Research Part A:General,1990,24(5):361-370.

[21] WANG Y B,PAPAGEORGIOU M,MESSMER A.A real-time freeway network traffic surveillance tool[J].IEEE Transactions on Control Systems Technology,2006,14(1):18-32.

[22] ABADI A,RAJABIOUN T,IOANNOUP A.Traffic flow prediction for road transportation networks with limited traffic data[J].IEEE Transactions on Intelligent Transportation Systems,2015,16(2):653-662.

[23] SCHRANK D,EISELE B,LOMAX T.TTI′s 2012 urban mobility report[R].Texas:Texas A&M Transportation Institute,2012.

[24] 關(guān)積珍.城市交通綜合指數(shù)、交通出行指數(shù)及其數(shù)學(xué)建模[J].交通運(yùn)輸系統(tǒng)工程與信息,2004,4(1):49-53.

[25] BOARNET M,KIM E,PARKANY E.Measuring traffic congestion[J].Transportation Research Record:Journal of the Transportation Research Board,1998,1634:93-99.

[26] 鄭淑鑒,楊敬鋒.國(guó)內(nèi)外交通擁堵評(píng)價(jià)指標(biāo)計(jì)算方法研究[J].公路與汽運(yùn),2014(1):57-61.

[27] 高德交通.高德地圖:2015年度中國(guó)主要城市交通分析報(bào)告[R].北京:高德軟件有限公司,高德交通,2016.

[28] 張揚(yáng),何承,張祎,等.上海市道路交通狀態(tài)指數(shù)簡(jiǎn)介及應(yīng)用案例[J].交通與運(yùn)輸,2016,32(3):16-18.

[29] 肖建力.智能交通中的多核支持向量機(jī)與分類器集成方法研究[D].上海:上海交通大學(xué),2013.

[30] YAGODA H N,PRINCIPE E H,VICK C E,et al.Subdivision of signal systems into control areas[J].Traffic Engineering,1973,43(12):42-45.

[31] TIAN Z,URBANIK T,MESSER C,et al.A system partition approach to improve signal timing[C]∥TRB 2003 Annual Meeting CD-ROM.Washington,DC:Transportation Research Board,2003.

[32] 段后利,李志恒,張毅,等.交通控制子區(qū)動(dòng)態(tài)劃分模型[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版),2009,39(S2):13-18.

[33] 鄒文杰,翁劍成,榮建,等.基于空間相關(guān)性分析的路網(wǎng)評(píng)價(jià)區(qū)域劃分方法[J].北京工業(yè)大學(xué)學(xué)報(bào),2012,38(4):564-569.

(編輯:丁紅藝)

Survey on the Analysis Methods for Macroscopic Traffic Flow Based on Traffic Index Clouds

WANG Zhonghao, ZHANG Jing, XIAO Jianli

(SchoolofOptical-ElectricalandComputerEngineering,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China)

The paper focuses on the review of analysis methods for traffic flow on road networks on account of the importance of its applications in intelligent transportation systems.It affords a meaningful review on the large-scale analysis methods for traffic flow.The basic types of the traffic flow analysis methods were drawn from the three aspects of microscopic,mesoscopic and macroscopic views at first.Then,the concept of traffic congestion index and its computing method were presented in detail,and at the same time,the concept of traffic index clouds was proposed.Finally,the methods for analyzing macroscopic traffic flow based on traffic index clouds were discussed,and the development and applications of the traffic index clouds were also presented.

trafficflowanalysis;trafficindex;regiondivision;trafficindexclouds

1007-6735(2017)04-0353-05

10.13255/j.cnki.jusst.2017.04.009

2016-12-21

國(guó)家自然科學(xué)基金資助項(xiàng)目(61503250);上海高校青年教師培養(yǎng)資助計(jì)劃(ZZslg15018);上海理工大學(xué)國(guó)家級(jí)項(xiàng)目培育課題(16HJPY-QN03)

王忠浩(1993-),男,碩士研究生.研究方向:數(shù)據(jù)挖掘與大數(shù)據(jù)技術(shù).E-mail:1223644190@qq.com

肖建力(1982-),男,講師.研究方向:數(shù)據(jù)挖掘與大數(shù)據(jù)技術(shù)、機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺(jué)、智能交通與智慧城市.E-mail:audyxiao@sjtu.edu.cn

TP 391

A