本發(fā)明屬于交通技術(shù)領(lǐng)域，具體涉及一種基于rfid數(shù)據(jù)和動(dòng)態(tài)車源的路徑誘導(dǎo)方法。

背景技術(shù)：

隨著城市化的加速和汽車使用率的提高，城市交通擁堵問題日益嚴(yán)重。交通擁堵的發(fā)生將帶來燃料消耗、污染氣體排放、出行時(shí)間增加等多種問題，影響人們的生活環(huán)境和出行體驗(yàn)。如何提高城市運(yùn)輸效率，緩解交通擁堵，是解決資源節(jié)約、環(huán)境保護(hù)和人類健康的重要課題之一。現(xiàn)在緩解交通擁堵的主要方式有：控制交通需求、改善道路網(wǎng)絡(luò)結(jié)構(gòu)、改善交通基礎(chǔ)設(shè)施、智能路徑誘導(dǎo)等。其中，智能路徑誘導(dǎo)策略相對于交通需求控制更有利于提高司機(jī)接受度，具有更高的可行性，且相對于改善道路網(wǎng)絡(luò)結(jié)構(gòu)和交通基礎(chǔ)設(shè)施更便于交通管理部門實(shí)施，有利于降低成本，因此該方向現(xiàn)已被廣泛研究。但是，現(xiàn)有的智能路徑誘導(dǎo)方法仍存在如下問題：

1)缺乏精確實(shí)時(shí)的交通需求數(shù)據(jù)，對智能路徑誘導(dǎo)的研究局限于理論模型，其可行性和實(shí)用性難以證明。

2)目前的路徑誘導(dǎo)方法大部分是利用靜態(tài)的交通信息以全局的角度進(jìn)行路徑誘導(dǎo)，管理范圍較廣不利于管理部門實(shí)施，同時(shí)不利于司機(jī)接受誘導(dǎo)策略。

因此，有必要設(shè)計(jì)一種新的路徑誘導(dǎo)方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所解決的技術(shù)問題是，針對現(xiàn)有技術(shù)的不足，提供一種基于rfid數(shù)據(jù)和動(dòng)態(tài)車源的路徑誘導(dǎo)方法，有針對性地對局部車輛進(jìn)行路徑誘導(dǎo)，緩解交通擁堵問題，可行性和實(shí)用性高。

本發(fā)明所提供的技術(shù)方案為：

一種基于rfid數(shù)據(jù)和動(dòng)態(tài)車源的路徑誘導(dǎo)方法，包括以下步驟：

步驟一、提取城市道路信息和道路屬性，構(gòu)建城市道路交通網(wǎng)絡(luò)；

所述城市道路交通網(wǎng)絡(luò)由節(jié)點(diǎn)和節(jié)點(diǎn)之間有向邊組成，所述節(jié)點(diǎn)是路段與路段的接觸點(diǎn)，所述有向邊是指路段；路段屬性包括路段限速v、路段長度s、路段自由行駛時(shí)間tf以及車道數(shù)l；其中路段自由行駛時(shí)間tf由該路段長度除以其限速得到，即tf＝s/v；

步驟二、將rfid基站與城市道路交通網(wǎng)絡(luò)中的節(jié)點(diǎn)匹配；基于rfid記錄數(shù)據(jù)，提取不同時(shí)段基于路段節(jié)點(diǎn)的出行od，每個(gè)出行od為一個(gè)二維向量，其第1個(gè)分量為出行的起始節(jié)點(diǎn)，第2個(gè)分量為出行的終止節(jié)點(diǎn)；

所述將rfid基站與城市道路交通網(wǎng)絡(luò)中的節(jié)點(diǎn)匹配是指：對于每一個(gè)rfid基站，首先根據(jù)其觀測方向，搜索所在路段上的車輛行駛方向與該rfid基站的觀測方向相同的節(jié)點(diǎn)；再找到這些節(jié)點(diǎn)中距離該rfid基站最近的節(jié)點(diǎn)，將該rfid基站匹配至最近的節(jié)點(diǎn)；提取不同時(shí)段基于路段節(jié)點(diǎn)的出行od是指根據(jù)統(tǒng)計(jì)rfid記錄的時(shí)間間隔分布，設(shè)定時(shí)間間隔閾值，并定義相鄰兩次rfid記錄的時(shí)間間隔大于設(shè)定的閾值時(shí)，這兩次記錄分別屬于兩次出行，從而區(qū)分不同的出行，得到精確的出行od；

步驟三、采用msa算法將各個(gè)時(shí)段的出行od分別分配到各個(gè)路段上，得到各個(gè)時(shí)段接近真實(shí)交通狀況下的路段流量，并計(jì)算各個(gè)時(shí)段下各路段的額外行駛時(shí)間；

步驟四、將每個(gè)rfid基站作為車源，根據(jù)各個(gè)時(shí)段下路段的額外行駛時(shí)間，得到各個(gè)時(shí)段下每個(gè)rfid基站的總額外行駛時(shí)間；分別比較每個(gè)時(shí)段下各個(gè)rfid基站的總額外行駛時(shí)間，將總額外行駛時(shí)間最長的n個(gè)rfid基站作為相應(yīng)時(shí)段造成擁堵的主要車源；不同時(shí)段造成擁堵的主要車源分布有所差異，是動(dòng)態(tài)變化的；

步驟五、在進(jìn)行路徑誘導(dǎo)時(shí)，采用msa算法將相應(yīng)時(shí)段所有出行分配到各個(gè)路段上，完成路徑誘導(dǎo)；在采用msa算法分配出行的過程中，對于從該時(shí)段造成擁堵的主要車源出發(fā)的出行和從其它車源出發(fā)的出行，分別使用不同的路阻函數(shù)來計(jì)算各條路段上的阻抗。通過使用不同的路阻函數(shù)來進(jìn)行交通流量分配和路徑誘導(dǎo)，使用戶最優(yōu)狀態(tài)向系統(tǒng)最優(yōu)狀態(tài)改變；根據(jù)不同時(shí)段造成擁堵的主要車源的動(dòng)態(tài)變化，有針對地對不同的區(qū)域的出行智能提供有效路徑誘導(dǎo)策略。

進(jìn)一步地，所述步驟三中，采用msa算法將某個(gè)時(shí)段的出行od分配到各個(gè)路段上的具體步驟如下：

3.1)、設(shè)置迭代初始值n＝1，

3.2)、對于每一個(gè)路段，更新其旅行時(shí)間：

其中，表示第n次迭代中路段a的旅行時(shí)間，taf表示路段a的自由行駛時(shí)間，通過bpr(bureauofpublicroads)路阻函數(shù)計(jì)算得到；α、β是阻滯系數(shù)，根據(jù)經(jīng)驗(yàn)取值(根據(jù)美國公路局給出的推薦值，α＝0.15，β＝4)，ca為路段a的容量，根據(jù)路段a的限速va和車道數(shù)la進(jìn)行計(jì)算；為第n-1次迭代計(jì)算得到的路段a的流量；

3.3)、根據(jù)各路段的旅行時(shí)間用全有全無分配法將所有od分配到相應(yīng)的最短路徑(一對od對之間的路徑中，總阻抗最小的路徑即為最短路徑；采用dijkstra算法求解最短路徑)上，得到第n次迭代中各路段的附加流量

3.4)、通過以下公式計(jì)算第n次迭代中各路段的流量：

3.5)、當(dāng)滿足收斂條件時(shí)，停止計(jì)算，將作為最終的分配結(jié)果；如果不是，令n＝n+1并返回步驟2)。

進(jìn)一步地，所述步驟3.5)中，收斂條件為：迭代計(jì)算得到的和滿足其中ε為收斂閾值，ε<0.0001。

進(jìn)一步地，所述步驟三中，路段a的容量ca計(jì)算公式如下表所示：

表1.路段容量ca計(jì)算公式.

進(jìn)一步地，所述步驟三中，根據(jù)以下方程計(jì)算路段a的額外行駛時(shí)間：

進(jìn)一步地，步驟四中，根據(jù)路段額外行駛時(shí)間，計(jì)算rfid基站的總額外行駛時(shí)間的公式如下：

其中，qzs表示從rfid基站z到rfid基站s的出行od數(shù)量，kzs表示rfid從基站z到rfid基站s的路徑上的路段集合，ns表示從rfid基站z出發(fā)的所有出行od的集合。

進(jìn)一步地，所述步驟五中，采用msa算法將相應(yīng)時(shí)段所有出行分配到各個(gè)路段上的具體步驟如下：

5.1)、設(shè)置迭代初始值k＝1，

5.2)、對于每一個(gè)路段，更新其路段阻抗：

其中，表示第k次迭代中路段a的阻抗，caf表示路段a的自由阻抗，caf＝taf；表示路段流量為時(shí)路段a的路阻，通過路阻函數(shù)計(jì)算得到；對于從造成主要擁堵的動(dòng)態(tài)車源出發(fā)的出行，采用以下路阻函數(shù)：其中表示路段流量為時(shí)路段a的旅行時(shí)間，α、β是阻滯系數(shù)，根據(jù)經(jīng)驗(yàn)取值；ca為路段a的容量，根據(jù)路段a的限速va和車道數(shù)la進(jìn)行計(jì)算；taf表示路段a的自由行駛時(shí)間；為第k-1次迭代計(jì)算得到的路段a的流量；對于從其它車源出發(fā)的出行，采用以下路阻函數(shù)來計(jì)算各路段上的阻抗：

5.3)、根據(jù)各路段的阻抗將從造成主要擁堵的動(dòng)態(tài)車源出發(fā)的出行和其它車源出發(fā)的出行分別分配到相應(yīng)的最短路徑上，對路段流量進(jìn)行累加得到第k次迭代中各路段的附加流量

5.4)、通過以下公式計(jì)算第k次迭代中各路段的流量：

5.5)、當(dāng)滿足收斂條件時(shí)，停止計(jì)算，將作為最終的分配結(jié)果；如果不是，令k＝k+1并返回步驟2)。

進(jìn)一步地，所述步驟5.5)中，收斂條件為：迭代計(jì)算得到的和滿足其中ε為收斂閾值，ε<0.0001。

進(jìn)一步地，所述步驟五中，根據(jù)緩解擁堵的效率，設(shè)定造成擁堵的主要車源的個(gè)數(shù)n。

有益效果：隨著信息技術(shù)的發(fā)展，大量高精度高分辨率的實(shí)時(shí)交通信息逐漸被獲取和應(yīng)用，本發(fā)明提供了一種基于rfid數(shù)據(jù)和動(dòng)態(tài)車源的路徑誘導(dǎo)方法，基于城市交通網(wǎng)絡(luò)和高分辨率高精度的rfid數(shù)據(jù)提取的真實(shí)精確的交通需求信息(出行od信息)，采用msa算法求解用戶最優(yōu)的情況下的交通量從而得到出行的額外行駛時(shí)間。不同時(shí)段的出行規(guī)律存在差異，通過分析不同時(shí)段產(chǎn)生額外行駛時(shí)間最多的基站，定位得到不同時(shí)段造成擁堵的主要車源，有針對性地對局部車輛進(jìn)行路徑誘導(dǎo)，相對于誘導(dǎo)全部車輛具有更高的可行性。針對從車源出發(fā)的車輛通過改變路段的交通阻抗，使用戶最優(yōu)向系統(tǒng)最優(yōu)的轉(zhuǎn)化。通過這種方式達(dá)到路徑誘導(dǎo)的目的，且其減緩擁堵的效果接近誘導(dǎo)全部車輛達(dá)到的效果。通過分析擁堵減輕的標(biāo)準(zhǔn)——總額外行駛時(shí)間的減少量δte和流量大于路段容量的擁堵路段的減少個(gè)數(shù)δnc，當(dāng)車源個(gè)數(shù)增加時(shí)，改善交通的效率逐漸變低，因此在保證減輕擁堵效果的基礎(chǔ)上可以減少控制車源的數(shù)量以減輕交通管理的壓力。通過調(diào)整車源個(gè)數(shù)，實(shí)現(xiàn)可以調(diào)控的交通流分配，提供更高效可行性更強(qiáng)的路徑誘導(dǎo)策略，在降低管理難度和提高駕駛員接受度的情況下在很大程度上緩解交通擁堵問題。本發(fā)明與現(xiàn)有技術(shù)相比，有以下優(yōu)點(diǎn)：

1)傳統(tǒng)的路徑誘導(dǎo)方法多數(shù)以理論數(shù)據(jù)或靜態(tài)的交通信息為基礎(chǔ)，容易忽略城市道路交通的動(dòng)態(tài)變化。本發(fā)明利用rfid數(shù)據(jù)在時(shí)間分辨率上的優(yōu)勢，獲取高精度高分辨率的交通需求數(shù)據(jù)，動(dòng)態(tài)車源信息更加精確，有利于根據(jù)不同時(shí)段的出行特點(diǎn)，對不同區(qū)域的車輛提供路徑誘導(dǎo)策略；可以獲取真實(shí)的動(dòng)態(tài)交通信息，有利于證明方法的可行性和實(shí)用性。

2)通過分析不同時(shí)段造成擁堵的主要車源信息，根據(jù)不同時(shí)段的出行規(guī)律，可以有針對性地引導(dǎo)部分區(qū)域的車輛，減輕交通管理部門的管理難度。

附圖說明

圖1本發(fā)明所述基于rfid數(shù)據(jù)和動(dòng)態(tài)車源的路徑誘導(dǎo)方法的流程圖；

圖2應(yīng)用本方法分析不同時(shí)段的車源分布，其中，(a)、(b)分別表示在早高峰和非高峰時(shí)段前45個(gè)車源的地理分布情況。

圖3應(yīng)用本方法進(jìn)行智能路徑誘導(dǎo)的效果展示圖，其中，(a)、(b)分別表示在早高峰和非高峰時(shí)段總額外行駛時(shí)間的減少量δte和流量大于路段容量的擁堵路段的減少個(gè)數(shù)δnc隨著車源個(gè)數(shù)的變化。

具體實(shí)施方式

本發(fā)明提出了一種基于rfid數(shù)據(jù)和動(dòng)態(tài)車源的路徑誘導(dǎo)方法，下面結(jié)合附圖和具體實(shí)施例對本發(fā)明作進(jìn)一步詳細(xì)描述，但不作為對本發(fā)明的限定。方法流程圖見附圖1，主要包括如下步驟：

1)對南京市有rfid基站覆蓋的真實(shí)道路交通網(wǎng)絡(luò)進(jìn)行建模，生成初始路網(wǎng)g0。城市道路交通網(wǎng)絡(luò)由節(jié)點(diǎn)和節(jié)點(diǎn)之間有向邊組成，所述有向邊是指城市道路交通網(wǎng)絡(luò)中的路段。南京市城市道路交通網(wǎng)絡(luò)工包括路段節(jié)點(diǎn)3917個(gè)，路段4986條。路段中包含路段限速v、車道數(shù)l，路段長度s等信息，路段的自由行駛時(shí)間tf＝s/v，路段容量c由表1計(jì)算得到。

表1.路段容量c計(jì)算公式.

2)南京市的rfid數(shù)據(jù)來自244個(gè)rfid基站，根據(jù)其位置信息和方向信息將244個(gè)rfid基站匹配到路網(wǎng)g0中最近的節(jié)點(diǎn)。通過統(tǒng)計(jì)rfid記錄的時(shí)間間隔分布，77.6％的時(shí)間間隔在20分鐘以內(nèi)，因此定義相鄰兩次rfid記錄的時(shí)間間隔大于20分鐘時(shí)，這兩次記錄分別屬于兩次出行。以一個(gè)小時(shí)為時(shí)間區(qū)間，根據(jù)每次出行的起始時(shí)間得到不同時(shí)間段的出行od，8:00a.m.-9:00a.m.定義為早高峰時(shí)段，非高峰時(shí)段選取10:00a.m.-11:00a.m.。

3)得到出行od后，采用msa算法將出行od分配到各個(gè)路段上，得到接近真實(shí)交通狀況下的路段流量和額外行駛時(shí)間。具體的算法步驟如下所示：

0.賦初值n＝1，

1.更新每條路段的旅行時(shí)間當(dāng)n＝1時(shí)，路段的旅行時(shí)間為自由行駛時(shí)間；

2.根據(jù)各路段的旅行時(shí)間用全有全無分配法將所有od分配到相應(yīng)的最短路徑上，得到路段流量

3.修正每個(gè)路段的流量，

4.當(dāng)接近時(shí)，為最終的分配結(jié)果；如果不是，令n＝n+1并返回步驟1；

在算法中，通過bureauofpublicroads(bpr)方程得到，其中參數(shù)α＝0.15，β＝4；通過交通流的分配得到各個(gè)路段的流量，根據(jù)bpr方程計(jì)算路段a的額外行駛時(shí)間

4)以每個(gè)rfid基站作為車源，根據(jù)路段額外行駛時(shí)間tae，可以得到rfid基站n的總額外行駛時(shí)間：

其中，qzs表示從rfid基站z到rfid基站s的出行od數(shù)量，kzs表示rfid從基站z到rfid基站s的路徑上的路段集合，ns表示從rfid基站z出發(fā)的所有出行od的集合。對不同時(shí)段各個(gè)基站額外出行時(shí)間進(jìn)行排序，可以得到造成擁堵的主要車源。圖2(a)、(b)表示早高峰和非高峰時(shí)段前45個(gè)造成擁堵的主要車源地理分布。

5)在某一時(shí)段，對于從該時(shí)段造成擁堵的主要車源出發(fā)的出行，在進(jìn)行交通流分配和路徑誘導(dǎo)時(shí)采用路阻函數(shù)ca(f)＝ta(f)+fd[ta(f)]/df來計(jì)算各路段上的阻抗，其中ta(f)表示路段流量為f時(shí)路段a的旅行時(shí)間。對于從其它車源出發(fā)的出行，在進(jìn)行交通流分配時(shí)，采用路阻函數(shù)ca(f)＝ta(f)來計(jì)算各路段上的阻抗。通過使用不同的路阻函數(shù)來進(jìn)行交通流量分配和路徑誘導(dǎo)，使用戶最優(yōu)狀態(tài)向系統(tǒng)最優(yōu)狀態(tài)改變；根據(jù)不同時(shí)段造成擁堵的主要車源的動(dòng)態(tài)變化，有針對地對不同的區(qū)域的出行智能提供有效路徑誘導(dǎo)策略。圖3(a)、(b)表示早高峰和非高峰時(shí)段總額外行駛時(shí)間的減少量δte和流量大于路段容量的擁堵路段的減少個(gè)數(shù)δnc隨著車源個(gè)數(shù)的增加而增加，但是擁堵緩解的效率逐漸降低。根據(jù)圖2中體現(xiàn)的緩解擁堵效率可以選擇車源的個(gè)數(shù)為45，在保證緩解擁堵效果的基礎(chǔ)上提供更高效更便于實(shí)施的路徑選擇。