一种信息处理方法及装置与流程

本发明实施例涉及计算机技术领域，尤其涉及一种信息处理方法及装置。

背景技术：

目前，城市交通路网在城市发展建设及运转上承担着重要的任务，而我国很多大城市都出现了交通拥堵现象，并且逐渐向中小城市蔓延出来，其产生原因之一是城市封闭式住宅小区占地面积大，分布复杂，其住宅区主要分布在城市交通集中地区，这些问题越来越引起国家的重视，中央在2016年2月发布公文，要求不再建设封闭式住宅区，实现中心城区公交站500密内覆盖，因此已建成的小区中会规划成非封闭式住宅区，而对规划后能否提高小区周围交通的运行效率应当进行模拟和综合评价才能够更有效的分析研究小区开放问题及对城市整个路网的影响。

随着对交通道路规划认知的深入，交通仿真模型的结构也变得日益复杂。常见的交通仿真模型，例如微观方正的安全距离跟驰模型，刺激－反应跟驰模型和cellularautomata；宏观仿真的lwr模型，phillips模型和payne模型，中观仿真介于两者之间，以车辆群体为研究对象，有聚类模型、排队－服务模型，气体动力学模型等均是可同时模拟城市交通复杂系统。根据交通反应思路及特征，将这些模型分成动态交通分配仿真模型、静态交通分配仿真模型、微观交通仿真模型以及综合集成交通仿真模型(文献)。尽管这些模型框架逐渐完备，能够更全面地反应小区周围交通道路的情况，但同时也使得模型变量，参数不断增多，导致反应小区交通流参数(文献)更加的复杂和繁琐。

根据模型用途的区别，各模型之间的仿真精度差异较大，而微观仿真模型的仿真精度最高，但计算量巨大，在大型的交通网络仿真中。宏观仿真模型计算量小，但仿真精度底。城市道路交通网络为一个复杂的网络，在进行交通流运行以及交通拥堵仿真时，在路段交通流的变过程中，也需要刻画排队的形成，各路段拥堵的产生及消散特性等。与其它模型不同的是，将greenshields速密关系引入到ctm模型中，建立gs-ctm动态交通分配仿真模型，在保证仿真精度的情况下，降低了计算的复杂度，同时设计了路径搜索方法，提高了交通分配的效率，适用于大型道路交通网络的交通仿真中。

在层次分析法综合评价体系中，评价方式也变得复杂，层次分析法是一种定性与定量分析相结合多准则决策方法，其基本思想就是对复杂决策为你的本质，影响因素进行深入分析后，构建一个具有分度层次的模型，用较少的定量信息把，把人的思维过程数学化。传统的层次分析法包括排序方法研究，标度系统研究，一致性的研究等；扩展的层次分析法研究包括模糊层次分析法，网络层次分析法；根据不同的分析方法对事物权重进行分配分配。

分析对象不同，则分析方法不同，在大型复杂的事物中，对于指标系统权重的分配具有的主观性和不确定性，缺乏明确量化精确的数据，为了减少主观意识，将信息论中的熵的思想引入到综合评价系统，改进为层次分析法和熵权法的组合赋权，通过表示系统获得信息后，信息熵的无序状态减少或者消除，在保证影响因素权重的分配下，减少主观意识。

无论采用何种模型计算，目前均通过仿真进行模拟，仿真指标参数选取的不同常常导致不同参数均能够满足模型要求，从而无法判断参数取值是否合理。特别是对于包含一定误差或指标相似度高的监测数据来说，也很难保证参数组合能够完全反应小区道路交通变化规律。

然而，发明人发现，目前的小区开放价值预测存在以下问题：

首先，传统交通仿真模型存在计算数据量大和仿真精度低的问题，同时传统模型基于静态交通分配，不能清楚刻画在不同网络结构中的动态演化过程，交通数据仿真主要是模拟交通路段情况，而目前交通仿真分析性能较弱。

其次，传统层次分析法把人的思维过程层次化，数学化，强调人的思维判断在决策过程中的作用，具有较大的主观性和不确定性，对权重的分配在一定程度上会出现差异性。

技术实现要素：

为克服相关技术中存在的问题，本发明实施例提供一种信息处理方法及装置。

根据本发明实施例的第一方面，提供一种信息处理方法，所述方法包括：

将greenshields速度密度线性关系模型与ctm模型结合得到gs-ctm动态交通分配仿真模型；

获取起始点与目标终点之间的所有路段；对于每一个路段，利用gs-ctm动态交通分配仿真模型和目标函数计算所述路段的起点的车辆流入量和所述路段的终点的车辆流出量，并利用所述路段的起点的车辆流入量和所述路段的终点的车辆流出量计算出所述路段的阻抗；

根据每一个路段的阻抗生成起始点至目标终点的交通量最少的路段集合。

其中，所述利用所述路段的起点的车辆流入量和所述路段的终点的车辆流出量计算出所述路段的阻抗，包括：

将所述路段划分为多个等距的元胞；

利用所述路段的起点的车辆流入量和所述路段的终点的车辆流出量计算出所述路段的各个元胞内的车辆平均速度；

根据各个元胞中的车辆平均速度计算各个元胞的阻抗；

累加对各个元胞的阻抗得到所述路段的阻抗。

进一步地，所述方法还包括：

对于每一个路段，根据所述路段的交通流量和所述路段的长度计算网络平均车流密度；

对于每一个路段，根据所述路段长度和所述路段的阻抗计算所述路段的行程速度；并根据每一个路段的行程速度计算网络平均行程速度；

对于每一个路段，获取所述路段的自由流行驶时间，根据所述路段的阻抗和所述路段的自由流行驶时间计算网络的总延误时间；

根据网络平均车流密度、网络平均行程速度以及网络的总延误时间计算小区开放后对小区周边道路的影响程度。

其中，所述根据网络平均车流密度、网络平均行程速度以及网络的总延误时间计算小区开放后对小区周边道路的影响程度，包括：

根据网络平均车流密度、网络平均行程速度以及网络的总延误时间，按照如下公式计算小区开放后对小区周边道路的影响程度：

x1和x'0为开放小区和封闭小区周边道路网络平均车流密度；x2和为开放小区和封闭小区周边道路网络总延误；x3和为开放小区和封闭小区周边道路网络平均行程速度，w1为第一预设数值、w2为第二预设数值以及w3为第三预设数值。

进一步地，所述方法还包括：

获取城市网络拓扑节点介数计算模型；

根据城市网络拓扑节点介数计算模型从小区内部开放道路中筛选出用于提升小区内部和外部的交通效率的道路。

根据本发明实施例的第二方面，提供一种信息处理装置，所述装置包括：

结合模块，用于将greenshields速度密度线性关系模型与ctm模型结合得到gs-ctm动态交通分配仿真模型；

获取模块，用于获取起始点与目标终点之间的所有路段；第一计算模块，用于对于每一个路段，利用gs-ctm动态交通分配仿真模型和目标函数计算所述路段的起点的车辆流入量和所述路段的终点的车辆流出量，第二计算模块，用于并利用所述路段的起点的车辆流入量和所述路段的终点的车辆流出量计算出所述路段的阻抗；

生成模块，用于根据每一个路段的阻抗生成起始点至目标终点的交通量最少的路段集合。

其中，所述第二计算模块包括：

划分单元，用于将所述路段划分为多个等距的元胞；

第一计算单元，用于利用所述路段的起点的车辆流入量和所述路段的终点的车辆流出量计算出所述路段的各个元胞内的车辆平均速度；

第二计算单元，用于根据各个元胞中的车辆平均速度计算各个元胞的阻抗；

累加单元，用于累加对各个元胞的阻抗得到所述路段的阻抗。

进一步地，所述装置还包括：

第三计算模块，用于对于每一个路段，根据所述路段的交通流量和所述路段的长度计算网络平均车流密度；

第四计算模块，用于对于每一个路段，根据所述路段长度和所述路段的阻抗计算所述路段的行程速度；并根据每一个路段的行程速度计算网络平均行程速度；

第五计算模块，用于对于每一个路段，获取所述路段的自由流行驶时间，根据所述路段的阻抗和所述路段的自由流行驶时间计算网络的总延误时间；

第六计算模块，用于根据网络平均车流密度、网络平均行程速度以及网络的总延误时间计算小区开放后对小区周边道路的影响程度。

其中，所述第六计算模块具体用于：

根据网络平均车流密度、网络平均行程速度以及网络的总延误时间，按照如下公式计算小区开放后对小区周边道路的影响程度：

x1和x0为开放小区和封闭小区周边道路网络平均车流密度；x2和为开放小区和封闭小区周边道路网络总延误；x3和为开放小区和封闭小区周边道路网络平均行程速度，w1为第一预设数值、w2为第二预设数值以及w3为第三预设数值。

根据本发明实施例的第一方面，提供一种设备，所述设备包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

将greenshields速度密度线性关系模型与ctm模型结合得到gs-ctm动态交通分配仿真模型；

获取起始点与目标终点之间的所有路段；对于每一个路段，利用gs-ctm动态交通分配仿真模型和目标函数计算所述路段的起点的车辆流入量和所述路段的终点的车辆流出量，并利用所述路段的起点的车辆流入量和所述路段的终点的车辆流出量计算出所述路段的阻抗；

根据每一个路段的阻抗生成起始点至目标终点的交通量最少的路段集合。

本发明实施例提供的技术方案可以包括以下有益效果：

在本发明实施例能够模拟小区开放前后内部及周围的道路交通情况，避免小区任意开放导致小区周围交通紊乱的情况，从模型的整体改进上提升了模拟的可信度。其次，利用综合评价模型对小区开放影响力进行评价，评估城市内小区开放能够提高城市的交通效率，选取最有效的小区进行开放，避免因追求政策盲目开放导致的小区周围交通复杂的情况。进一步地，利用图论介数模型在小区开放影响力评价后对小区内部开放道路进行筛选，可以筛选出最佳对外开放的道路，提升小区内部和外部的交通效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明实施例。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明实施例的原理。

图1是根据一示例性实施例示出的一种信息处理方法的流程图；

图2是根据一示例性实施例示出的一种信息处理方法的流程图；

图3是根据一示例性实施例示出的一种信息处理方法的流程图；

图4是根据一示例性实施例示出的一种信息处理装置的框图；

图5是根据一示例性实施例示出的一种设备的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明实施例的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种信息处理方法的流程图，如图1所示，该方法包括以下步骤。

在步骤s101中，将greenshields速度密度线性关系模型与ctm模型结合得到gs-ctm动态交通分配仿真模型；

本发明结合两个模型的优点，将greenshields速度密度线性关系引入到ctm模型中，建立gs-ctm动态交通分配仿真模型:

约束条件：

t+δt+za(t+at)＞t+za(t)，

在步骤s102中，获取起始点与目标终点之间的所有路段；对于每一个路段，利用gs-ctm动态交通分配仿真模型和目标函数计算路段的起点的车辆流入量和路段的终点的车辆流出量，并利用路段的起点的车辆流入量和路段的终点的车辆流出量计算出路段的阻抗；

其中，目标函数为：

其中，za(t)是t时刻进入路段a的实际阻抗，sa(t)是t时刻路段a上的交通量，ua(t)t时刻路段a的驶入量，v(t)是t时刻路段a的驶出量。

进一步地，还需要对流入该路段中的车辆的速度进行约束。

在本发明实施例中，可以利用如下公式对车辆的速度进行约束：

其中，是路段的流入率，是t时刻进入路段a要到终点去的驶出量，t时刻进入路段a要到终点去的驶出量。

在本发明实施例中，可以按照如下流程利用路段的起点的车辆流入量和路段的终点的车辆流出量计算出路段的阻抗，包括：

11)、将路段划分为多个等距的元胞；

12)、利用路段的起点的车辆流入量和路段的终点的车辆流出量计算出路段的各个元胞内的车辆平均速度；

13)、根据各个元胞中的车辆平均速度计算各个元胞的阻抗；

14)、累加对各个元胞的阻抗得到路段的阻抗。

在步骤s103中，根据每一个路段的阻抗生成起始点至目标终点的交通量最少的路段集合。

进一步地，在本发明另一实施例中，参见图2，该方法还包括：

在步骤s201中，对于每一个路段，根据路段的交通流量和路段的长度计算网络平均车流密度；

在本发明实施例中，车流密度指在某一瞬间一条车道的单位长度上分布的车辆数，它表示车辆分布的集中程度，网络平均车流密度则是考察整个交通网络的车辆分布情况，网络的车流密度越大，则说明车辆在网络上分布越密集，网络运行状态就越差。

在本步骤中，可以根据路段的交通流量和路段的长度，按照如下公式计算网络平均车流密度：

其中，在上述公式中，la为路段的长度，xa(t)为t时段路段的交通流量，ηa(t)为技术常量，ηa(t)＝1。

在步骤s202中，对于每一个路段，根据路段长度和路段的阻抗计算路段的行程速度；并根据每一个路段的行程速度计算网络平均行程速度；

在本发明实施例中，平均行程速度是描述交通流状态的一个重要指标，通过行驶速度可以反映出路段上车流的运行状态，网路平均行程速度则是考察整个区域交通运行状态的指标，网络平均行程速度越低，网络运行状态越差。

在本步骤中，根据路段长度和路段的阻抗，可以按照如下公式计算路段的行程速度：

其中，在上述公式中，la为路段的长度，τa(t)为t时段路段的阻抗，ηa(t)为技术常量，ηa(t)＝1。

然后根据每一个路段的行程速度，按照如下公式计算网络平均行程速度：

在步骤s203中，对于每一个路段，获取所述路段的自由流行驶时间，根据路段的阻抗和路段的自由流行驶时间计算网络的总延误时间；

在本发明实施例中，网络的总延误时间可以反映网络上交通拥堵的整体效应，具体含义是除去自由流行驶时间之外车流通过路段的附加时间，网络的总延误时间越大，表示车辆在网络中滞留的时间越长，网络效率越低。

在本步骤中，可以获取所述路段的自由流行驶时间，根据路段的阻抗和路段的自由流行驶时间，按照如下公式计算网络的总延误时间；

在上述公式中，τa(t)为t时段路段的阻抗，πa(t)为t时段路段的自由流行驶时间。

在步骤s204中，根据网络平均车流密度、网络平均行程速度以及网络的总延误时间计算小区开放后对小区周边道路的影响程度。

在本步骤中，可以根据网络平均车流密度、网络平均行程速度以及网络的总延误时间，按照如下公式计算小区开放后对小区周边道路的影响程度：

x1和x'0为开放小区和封闭小区周边道路网络平均车流密度；x2和为开放小区和封闭小区周边道路网络总延误；x3和为开放小区和封闭小区周边道路网络平均行程速度，w1为第一预设数值、w2为第二预设数值以及w3为第三预设数值。

在本发明实施例中，w1、w2以及w3可以根据层次分析法或者熵权法确定出，当然，也可以根据其他方式确定，本发明实施例对此不加以限定。

例如，成都武侯片区以及杭州西湖片区的网络平均车辆密度、网络的总延误时间以及网络平均行程速度参见如下表1所示：

表1

然后构造判断矩阵：

得到权重向量b＝(b1,b2,b3)＝(0.1047,0.2583,0.6370)

采用熵值法确定评价因子a＝(a1,a2,a3)＝(0.3391,0.3685,0.2923)，熵是信息系统中无序程度的度量，对熵进行数学运算从而得到权重，指标之间差异程度大，则熵值就小。故w＝(w1,w2,w3)＝(0.2922,0.3465,0.3613)。

进一步地，在本发明又一实施例中，参见图3，该方法还包括：

在步骤s301中，获取城市网络拓扑节点介数计算模型；

在步骤s302中，根据城市网络拓扑节点介数计算模型从小区内部开放道路中筛选出用于提升小区内部和外部的交通效率的道路。

其中，介数为所有节点对的最短路径经过该点或边的数量比例，反映节点在整个网络中重要程度，比例越高则说明这些节点越重要，对应的这些节点上的道路越具有筛选为通行道路的条件。

将小区内部和其周边道路抽象成一个由点集v和边集e构成网络g＝(v,e)设在网络图g＝(v,e)中，有n个节点和n条边。给每一条边都赋予相应的权重，权重为道路长度，转化为加权网络图，将网络图转化成邻接矩阵来表示。

若开放小区内部有m个节点，则在其周边区域选取5m个点，因为开放小区内部节较密集，其周边结点相对比较稀疏，所以选取的周边范围足以估计开放小区对周边道路通行的影响。在选取周边节点时，尽量选取结点分布较密地区，避开节点分布稀疏大的区域，图论介数模型为：

在现实生活中，当人们出行选择路线时，一般都是选择从起始点到目标终点之间的最短路径，因此，本发明实施例将从起始点到目标终点之间的最短路径作为出行最佳选择路径。搜索过程如下：

(1)、搜索与起始交叉口相连接的4个交叉口，分别计算这4个交叉口与起始交叉口之间的距离，并存储于距离函数数组的对应位上；然后记录这4个交叉口的前1个交叉口为起始交叉口，并存于路径数组中；此时将起始交叉口的关联变量s置1，这时其余交叉口在距离函数数组中的值全为正无穷。

(2)、在所有的交叉口中，搜索与交叉口关联变量s为0(即未被搜索过)、且与起始交叉口之间的距离函数最小的交叉口j，将交叉口j的关联变量s置1，搜索与交叉口j相连接的4个交叉口k，计算各自分别与起始交叉口的距离函数，设置经过交叉口k的路径path-k为交叉口j，即表示交叉口j的前向交叉口是交叉口j。

(3)、将(2)循环与车辆路径最大长度值相同的次数，等循环完成后，在路径数组中搜索终点交叉口的前向交叉口，以及前前向交叉口和前前前向交叉口，一直搜索到某个交叉口的前向交叉口为起始交叉口为止，这样就找到了从起始交叉口到终点交叉口之间的所有交叉口序列，再查询与这些交叉口序列相接的道路，组成连接路径序列。

在本发明实施例能够模拟小区开放前后内部及周围的道路交通情况，避免小区任意开放导致小区周围交通紊乱的情况，从模型的整体改进上提升了模拟的可信度。其次，利用综合评价模型对小区开放影响力进行评价，评估城市内小区开放能够提高城市的交通效率，选取最有效的小区进行开放，避免因追求政策盲目开放导致的小区周围交通复杂的情况。进一步地，利用图论介数模型在小区开放影响力评价后对小区内部开放道路进行筛选，可以筛选出最佳对外开放的道路，提升小区内部和外部的交通效率。

图4是根据一示例性实施例示出的一种信息处理装置的框图。参照图4，该装置包括：

结合模块11，用于将greenshields速度密度线性关系模型与ctm模型结合得到gs-ctm动态交通分配仿真模型；

获取模块12，用于获取起始点与目标终点之间的所有路段；第一计算模块13，用于对于每一个路段，利用gs-ctm动态交通分配仿真模型和目标函数计算所述路段的起点的车辆流入量和所述路段的终点的车辆流出量，第二计算模块14，用于并利用所述路段的起点的车辆流入量和所述路段的终点的车辆流出量计算出所述路段的阻抗；

生成模块15，用于根据每一个路段的阻抗生成起始点至目标终点的交通量最少的路段集合。

其中，所述第二计算模块14包括：

划分单元，用于将所述路段划分为多个等距的元胞；

第一计算单元，用于利用所述路段的起点的车辆流入量和所述路段的终点的车辆流出量计算出所述路段的各个元胞内的车辆平均速度；

第二计算单元，用于根据各个元胞中的车辆平均速度计算各个元胞的阻抗；

累加单元，用于累加对各个元胞的阻抗得到所述路段的阻抗。

进一步地，所述装置还包括：

第三计算模块，用于对于每一个路段，根据所述路段的交通流量和所述路段的长度计算网络平均车流密度；

第四计算模块，用于对于每一个路段，根据所述路段长度和所述路段的阻抗计算所述路段的行程速度；并根据每一个路段的行程速度计算网络平均行程速度；

第五计算模块，用于对于每一个路段，根据所述路段的阻抗和所述路段的自由流行驶时间计算网络的总延误时间；

第六计算模块，用于根据网络平均车流密度、网络平均行程速度以及网络的总延误时间计算小区开放后对小区周边道路的影响程度。

其中，所述第六计算模块具体用于：

根据网络平均车流密度、网络平均行程速度以及网络的总延误时间，按照如下公式计算小区开放后对小区周边道路的影响程度：

x1和x′0为开放小区和封闭小区周边道路网络平均车流密度；x2和为开放小区和封闭小区周边道路网络总延误；x3和为开放小区和封闭小区周边道路网络平均行程速度，w1为第一预设数值、w2为第二预设数值以及w3为第三预设数值。

在本发明实施例能够模拟小区开放前后内部及周围的道路交通情况，避免小区任意开放导致小区周围交通紊乱的情况，从模型的整体改进上提升了模拟的可信度。其次，利用综合评价模型对小区开放影响力进行评价，评估城市内小区开放能够提高城市的交通效率，选取最有效的小区进行开放，避免因追求政策盲目开放导致的小区周围交通复杂的情况。进一步地，利用图论介数模型在小区开放影响力评价后对小区内部开放道路进行筛选，可以筛选出最佳对外开放的道路，提升小区内部和外部的交通效率。

图5是根据一示例性实施例示出的一种设备。参照图5，该设备包括：

处理器21；

用于存储处理器21可执行指令的存储器22；

其中，所述处理器21被配置为：

将greenshields速度密度线性关系模型与ctm模型结合得到gs-ctm动态交通分配仿真模型；

获取起始点与目标终点之间的所有路段；对于每一个路段，利用gs-ctm动态交通分配仿真模型和目标函数计算所述路段的起点的车辆流入量和所述路段的终点的车辆流出量，并利用所述路段的起点的车辆流入量和所述路段的终点的车辆流出量计算出所述路段的阻抗；

根据每一个路段的阻抗生成起始点至目标终点的交通量最少的路段集合。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明实施例的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明实施例的一般性原理并包括本发明实施例未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明实施例的真正范围和精神由所附的权利要求指出。

应当理解的是，本发明实施例并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明实施例的范围仅由所附的权利要求来限制。