潜在拥堵道路交叉点的预测方法和装置的制造方法
【技术领域】
[0001] 本发明涉及智能交通领域，尤其涉及一种潜在拥堵道路交叉点的预测方法和装 置。
【背景技术】
[0002] 道路是一个城市中最重要的基础设施之一，也是人类从事各项社会活动的地理依 托。然而，随着城市人口和交通工具的日益增长，交通拥堵现象逐渐成为制约城市发展的一 个瓶颈。道路上的交叉点是交通流量汇聚和疏散的关键节点，也是发生拥堵的主要因素，如 何对存在较高拥堵可能的交叉点进行预测，以提高道路的运营和统筹能力，是目前交通部 门、以及整个国家和社会所需要关注和迫切解决的问题。
[0003] 目前该领域的大量方法都是针对独立要素的属性进行分析，以评价单个路段或 交叉点的脆弱性来进行拥堵预测的，这些方法所使用的要素属性数据包括背景区域的人 口分布密度和出行需求，以及一些交通工具或关键站点的监测信息，然而，这些数据往往 存在精度较低、获取难度较大的问题，而且由于忽略了道路网络的拓扑结构，使得分析的 可靠性大打折扣。后来，一些学者发现了道路网络的拓扑结构中存在着明显的社区网络 特征，转而通过研究整个道路系统的健壮性来间接评估整个道路体系通行能力受到交通 拥堵的影响，他们中有不少获得了令人满意的效果。这些方法的普遍思路是将路段抽象 为边，将地理区域或道路交叉点抽象为顶点，然后抽取道路拓扑关系二维矩阵中表征网络 联通程度的指标。这种"路段为边的对偶图"的抽象虽然一定程度上缓减了上述问题，但 却削弱了道路交叉点在疏通交通流量上的核心角色，也忽略了路段之间的相互作用和拥堵 现象的传染性。为了解决这一弊端，近年来有少量的研究提出"路段为顶点的对偶图"的 思路，并发现了路段的连通性与交通流量有较强的相关性，较典型的成果如Jiang等人于 2008 年在国际期刊《Journal of Statistical Mechanics:Theory and Experiment》上发 表的 "Self-organized natural roads for predicting traffic flow:A sensitivity study"，然而该方法建立在"交通流向是顺着道路Stroke (具有相同方向的邻接路段元 素被看成连在一起，构成一个stroke。这里的方向相同是指连接于同一结点的弧段在该 点处方向的偏差角小于某个预设的阈值，在视觉感受上方向一致）走向"的理想化假设 的前提之下，不符合真实的道路通行情况，而且也未提及有说服力的指标来定量化判定存 在较高拥堵可能的路段节点。后来Duan等人针对该方法的问题，于2013年在国际期刊 ((Computers, Environment and Urban Systems〉〉上发表了 "Structural robustness of city road networks based on community"，但其所使用的方法在对道路路段进行聚团时， 存在不确定性，而且没有考虑交通流量从交叉点过渡时的阻碍因素；另外，其评价的对象和 构建的指标面向的是整个道路网络结构，而非单个道路元素，因此，也不适用于微观视角下 的道路交叉点的抗拥堵能力分析。
[0004] 总之，目前没有相关的文献或公开的方法，能够在充分尊重道路拓扑结构、路段关 联性和交叉点阻滞因素的前提下，利用有效的微观指标预测道路上存在较高拥堵可能的交 叉点。
【发明内容】
[0005] 本发明提供了一种潜在拥堵道路交叉点的预测方法和装置，利用道路网络数据解 决了无法便捷、准确、快速、低成本、可靠稳定的对存在较高拥堵可能性的道路交叉点进行 预测的问题。
[0006] 本发明提供了一种潜在拥堵道路交叉点的预测方法，包括：
[0007] 对目标区域的道路的SHP数据进行同名双线合并、拓扑检查、以及属性完备性处 理，并基于道路拓扑结点生成路段交叉点的SHP数据；
[0008] 基于所述道路和交叉点的SHP数据，以路段为顶点，拓扑结点为连接边，生成表明 路段之间连通关系的路网拓扑对偶图；
[0009] 基于所述路网拓扑对偶图，对路段进行社区化聚团，得到多个社区；
[0010] 评估所属社区数量大于过滤门限的交叉点的熵；
[0011] 依据评估得到的熵值，确定潜在拥堵道路交叉点。
[0012] 优选的，该方法还包括：
[0013] 设置过滤门限，该过滤门限为大于1的整数。
[0014] 优选的，对目标区域的道路的SHP数据进行同名双线合并、拓扑检查、以及属性完 备性处理，并基于道路拓扑结点生成路段交叉点的SHP数据的步骤包括：
[0015] 生成路段信息，所述路段信息至少包含以下项目：
[0016] 道路编号，方向，等级，路段左右交叉点的编号属性；
[0017] 生成交叉点信息，所述交叉点信息至少包含以下项目：
[0018] 编号，X、Y空间坐标的属性。
[0019] 优选的，基于所述道路和交叉点的SHP数据，生成表明路段之间连通关系的路网 拓扑对偶图的步骤包括：
[0020] 根据路段的等级信息，构造以下公式（1)所示的路段等级差异过渡权重矩阵，表 明邻接路段的过渡权重；
[0022] 其中，a和b表示等级编号，Ievelniax表示等级数，β e (〇，1]，表示权重调节参数， 用来限定等级过渡的变化幅度；
[0023] 基于以下公式（2)构造路网拓扑对偶图G :
[0024] G = (V, E) (2)，
[0025] 其中，路段的集合表示为G的顶点集合V = {Vl，v2, ...，vj，路段关系的集合表示 为 G 的边集合 E = R1, e2, . . .，em};
[0026] 根据所述路网拓扑对偶图，通过以下公式（3)获取连通关系矩阵中的元素 r1]:
[0028] 其中，level (V1)表示路段\的等级，（v b Vj)表示一对待验证关系的路段组合。
[0029] 优选的，基于所述路网拓扑对偶图，对路段进行社区化聚团，得到多个社区，具体 为：
[0030] 聚团过程利用"模块化增益"这个指标作为目标函数进行迭代优化，每次迭代针对 所有的节点计算其划分到相邻社区中的增益，若大于〇,则将其划分到相邻社区，否则，保持 其原有的归属性，直到整个过程无法使该值持续提升为止，每次迭代的步骤包括：
[0031] 根据公式（4)计算所述路网拓扑对偶图的模块化值Q :
[0033] 其中，Ic1表示与路段V 生连接关系的所有其他路段的边权重之和，即k 1 =
[0034] C1表示路段V i归属的社区，
[0035] m表示道路拓扑网络中所有的边权重之和，即
[0036] δ (u，V)函数所表示的意义如公式（5)所示：
[0038] 根据公式（6)计算模块化增益：
[0040] 其中，AQ1表示将Vi加入到社区C所引