城市交通网络中的交通瓶颈识别方法
【技术领域】
[0001] 本发明属于交通信息控制领域，主要涉及复杂交通环境中交通瓶颈的识别方法， 可用于支持一体化交通疏导系统的形成。
【背景技术】
[0002] 自从20世纪60年代著名数学家Erdos和Renyi提出了ER随机图模型之后，便开启了 复杂网络理论的研究道路。此后的几十年里，复杂网络的研究越来越受到各领域研究学者 的广泛关注，包括生物学、物理学、通信网络和计算机网络等在内的多个领域相继开展了相 关工作。这一时期，ER随机图模型一直是研究复杂网络的基本模型。1998年6月4日，Nature 发表了两位年轻的物理学家D. J.Watts和S.H. Strogatz关于网络的一篇论文，该论文解释 了网络的小世界效应，并建立起第一个小世界网络模型，简称WS模型。1999年10月15日， Science又发表了另外两位物理学家A.L.Barabasi和R. Albert另一篇论文，该论文揭示了 网络的无标度特性，并提出了构造无标度网络的Μ模型。这两篇论文的发表为复杂网络的 研究开启了一个新阶段，引发了复杂网络的研究热潮，具有开创性。自此科学家们冲破了ER 随机图模型的禁锢，在更多领域开展了研究，如社会科学、数学、金融经济科学等许多科学 领域，以及交通运输、通讯工程、能源传输、电子科学，甚至医学、烹饪等众多应用学科都已 经卷入这场研究热潮。到目前为止(2015.4.27)，这两篇论文已经分别被引用了 11411次和 10914 次。
[0003] 由于城市交通网络拓扑中节点和道路错综复杂、节点内部及节点之间都有着非常 复杂的相互作用、网络运行涉及到人-车-路-环境之间的作用关系以及政策管理、法律法规 等原因，导致城市交通网络具有高度复杂性，要从根本上解决城市交通问题，实现城市的可 持续发展，就需要从本质上解释城市交通问题的形成，必须深入地研究城市交通网络这一 复杂网络的演化规律。复杂网络的神奇魅力已经吸引了广大的交通学者。它为研究城市交 通网络提供了一个新视角，只有在充分了解与掌握交通网络的复杂性及其上行为动力学特 征、分析网络拓扑特征对网络交通流量、以及阻塞状况的影响规律的基础上，才能更好的利 用智能交通技术，对交通管理部门管理、设计提供理论指导，才能为缓解交通拥堵制定交通 疏导方案，更有效地解决城市交通问题。通过大量的实证研究发现，城市交通网络和其他网 络一样，具有复杂网络的结构特性，如地铁网络、城市道路网络、物流网络、海运网络等都属 于复杂网络。实证分析表明城市交通网络可能具有无标度特性或小世界特性。这一发现为 深入研究交通网络的特性与拓扑结构之间的相互作用奠定了坚实基础。但是，交通网络的 空间实体性导致了它具有时空复杂性，使其与社会网络、科学家合作网等抽象网络不同，这 一点在城市道路网络中表现尤为明显。因此，有必要以复杂网络的视角来审视城市交通网 络。
[0004] 在城市交通网络中，交通瓶颈是产生拥堵问题的源头，若不及时采取措施，将导致 拥堵路段的车流量迅速向其上游路段乃至整个网络扩散，引发难以控制的拥堵局面。交通 瓶颈指实际通行能力不能满足当前交通需求的路段或交叉口，直接表现为道路畅通度下 降，拥挤程度增加，车速降低，进而导致出行时间增加、交通环境恶化。交通瓶颈是城市交通 的薄弱环节，收费站点、交叉路口、分流合流点、临时施工路段、事故发生点等都是瓶颈的常 发地点。根据瓶颈的产生原因是否具有可预测性和稳定性，交通瓶颈可分为动态交通瓶颈 和静态交通瓶颈。动态瓶颈属于偶发性瓶颈，是指动态变化的瓶颈点，具有很强的随机性和 可变性，因在时空上易发生转移而难以预测。动态瓶颈的形成原因及影响因素比较复杂，如 突发事故、违章停车、大型活动、交叉口信号灯配时不合理等引起某一时间段内某路段交通 流的突然变化。静态瓶颈是稳定可预见的固定瓶颈，它是交通拥堵产生的根本源头。宏观规 划不合理区域、车站、收费站点设置、交叉口等均为静态瓶颈，随着交通流的不断变化，静态 瓶颈也会呈现转移、扩散、消散等现象。而且某种情况动态瓶颈和静态瓶颈之间会存在某种 转化关系。交通瓶颈往往包含非常丰富且复杂的交通信息。这些信息对人们正确地理解和 把握交通拥堵的产生、演化以及消散规律有非常重要的作用。比如可通过识别交通瓶颈，改 善瓶颈处的通行能力，从而提升整个交通网络的通行效率。因此，识别交通瓶颈对解决城市 交通问题有着重要的指导意义。通过识别静态交通瓶颈，能够找出交通路网规划中拓扑结 构设计不合理、通行能力不匹配等地点，可以用于指导交通设施改善方案。识别动态交通瓶 颈，需要及时获取路网的交通信息，准确地进行识别和预测，判断将会产生拥堵的路段，指 导出行者调整出行方式、出行时间及路径选取，也可指导交通管理系统或交通管理者正确 地管理和引导车流量，充分利用交通的时空资源，在不增加道路基础设施的前提下，通过提 高道路利用率有效地缓解拥堵。
[0005] 关于交通瓶颈识别的问题，目前国内外已经展开了很多研究工作。大部分研究针 对拓扑结构相对简单的高速路、铁路、航空以及地铁网络等场景，也有部分工作研究城市交 通环境下的瓶颈识别。在高速路、铁路等场景下，不需要考虑错综复杂的节点和道路、节点 内部和节点之间的相互作用关系等复杂问题，这些研究方法及研究结果并不适用于复杂的 城市交通环境。在城市环境下的瓶颈识别，国外学者多集中于瓶颈路段的微观交通流特性 分析及交通瓶颈的仿真分析；国内学者的研究工作主要从定性的角度识别出路网中的交通 瓶颈并给出相应的解决对策，缺乏定量的路网固定瓶颈判别方法支撑道路系统规划和交通 设施的改善，造成"头疼医头，脚疼医脚"的结果，未能从整体层面上解决路网交通瓶颈的改 善。部分研究成果是基于交通分配的结果计算饱和度及服务水平，仅仅依靠饱和度指标识 别交通瓶颈不能很好的反映路网实际的交通流特征。
【发明内容】
[0006] 本发明的目的在于针对上述已有技术的不足，提出一种城市交通网络中的交通瓶 颈识别方法，以提高瓶颈识别的精确度和交通效率。
[0007] 本发明的技术思路是:利用复杂网络理论，结合用户平衡模型，通过寻找零流阻抗 最小支撑树，识别路网的静态交通瓶颈。并在识别瓶颈的基础上，通过对瓶颈路段的重要程 度进行排序，快速定位"关键瓶颈"，从而指导交通疏导方案简单、高效地实施。其实现步骤 包括如下：
[0008] (1)对于一个已知的实际城市交通网络，利用原始法将该网络抽象为一个无向有 权图，用G =( V，K，t)表示。其中，V为顶点集合，对应于实际交通网络中的交叉路口； K为边集 合，对应于实际交通网络中的路段;t为边的权值，对应于车辆驶过相应路段所花费的时间；
[0009] (2)利用重力模型预测起讫点对r-s上的交通需求量：
其中，kr、ks分别 表示路径的起点r和讫点s所连接的边的数量，1 rs表示从起点r到讫点s的最短路径的边的数 目，所有起讫点对r-s上的交通需求量qrs构成0-D矩阵；
[0010] (3)对无向有权图G进行交通流量分配，将预测得到的所有起讫点对上的交通需求 量按照平衡配流的原则分配给网络中的各个路段，得到各路段上的交通流量(.<}·其中a表 示路段，η表示迭代次数；
[0011] (4)为网络中每个路段分配权值，即路段a的权值为其对应的零流阻抗tQa，t Qa=Y (ki+kj)；
[0012] (5)寻找零流阻抗t〇a最小支撑树Me:
[0013] 5a)输入无向有权图G=(V，K，t)，其中t = t0a;
[0014] 5b)令U为最小支撑树顶点集合，E为边集合；
[0015] 5c)初始化:令U= {