城市道路交通网络脆弱性的云物元综合评价

doi:10.3969/j.issn.1674-0696.2019.06.02

重庆交通大学学报（自然科学版） ›› 2019, Vol. 38 ›› Issue (06): 6-11.DOI: 10.3969/j.issn.1674-0696.2019.06.02

• 交通+大数据人工智能 • 上一篇下一篇

城市道路交通网络脆弱性的云物元综合评价

刘新民1，孙璐1，孙秋霞2

(1. 山东科技大学经济管理学院，山东青岛 266590； 2. 山东科技大学数学与系统科学学院，山东青岛 266590)

收稿日期:2017-11-29 修回日期:2018-03-14 出版日期:2019-06-14 发布日期:2019-06-14
作者简介:刘新民(1965—)，男，山东临沂人，教授，博士生导师，主要从事交通组织与决策方面的研究。E-mail：liu-xinmin@163.com。通信作者：孙璐(1992—)，女，山东济宁人，博士研究生，主要从事交通运输规划与管理方面的研究。E-mail：2414363180@qq.com。 aujmxu@scut.edu.cn。通信作者：马莹莹(1983—)，女，吉林吉林人，副教授，博士，主要从事交通信息工程方面的研究。E-mail：mayingying@scut.edu.cn。
基金资助:
国家自然科学基金项目(71471105；71371111)；山东科技大学科研创新团队支持计划项目(2015TDJH103)；山东科技大学研究生科技创新项目(SDKDYC180227)

Cloud Matter-Element Comprehensive Evaluation on Vulnerability of Urban Road Traffic Network

LIU Xinmin1, SUN Lu1, SUN Qiuxia2

(1. College of Economic and Management, Shandong University of Science and Technology, Qingdao 266590, Shandong, P. R. China; 2. College of Mathematics and Systems Science, Shandong University of Science and Technology, Qingdao 266590, Shandong, P. R. China)

Received:2017-11-29 Revised:2018-03-14 Online:2019-06-14 Published:2019-06-14

摘要/Abstract

摘要： 基于云理论与物元方法相结合的云物元综合评价模型，构建了包括道路网络基础设施、政府监管以及路网服务水平3个方面的城市道路交通网络脆弱性等级评价指标体系，采取主观赋权(专家打分法)与客观赋权(熵权法)相结合融合的方法确定综合权重，结果更具有效性。通过青岛市的统计数据，对其路网脆弱性进行评价，结果表明：2016年青岛市道路交通网络脆弱性评价等级为IV级，脆弱性等级相对偏高，与现实情况相符，验证了评价模型的合理性和可操作性。题，建立拥堵条件下的快速路出口匝道交叉口与下游交叉口协同控制模型，由两个子模型组成，分别是目标交叉口通行能力最大优化模型和下游交叉口车辆疏散最大优化模型。前者旨在提高出口匝道的通行能力，后者旨在保障目标交叉口方向来车到达下游交叉口后尽快疏散，案例分析结果表明：在快速路出口匝道拥堵疏解路径中，该模型求得的交叉口信号配时方案比采用Webster配时模型求得的单点信号配时方案在通过车辆数、车均延误以及平均排队长度方面分别优化了18%、22.3%和71.6%，大大加快了出口匝道拥堵疏解效率。

关键词: 交通工程, 道路交通网络, 脆弱性等级, 综合权重, 云物元模型

Abstract: Based on the cloud matter-element comprehensive evaluation model which combined cloud theory with matter-element method, an evaluation index system of urban road traffic network vulnerability was constructed, including road network infrastructure, government supervision and road network service level. The method combining subjective weighting (expert scoring) with objective weighting (entropy weighting) was adopted to determine the comprehensive weights, and the results were more effective. The statistical data of Qingdao were used to evaluate its road network vulnerability. The results show that the road traffic network vulnerability evaluation of Qingdao in 2016 is grade IV and the vulnerability is relatively high, which is consistent with the actual situation and verifies the rationality and operability of the proposed evaluation model.

Key words: traffic engineering, road traffic network, vulnerability degree, comprehensive weight;cloud matter-element model

中图分类号:

U113
F572

刘新民1，孙璐1，孙秋霞2. 城市道路交通网络脆弱性的云物元综合评价[J]. 重庆交通大学学报（自然科学版）, 2019, 38(06): 6-11.

LIU Xinmin1, SUN Lu1, SUN Qiuxia2. Cloud Matter-Element Comprehensive Evaluation on Vulnerability of Urban Road Traffic Network[J]. Journal of Chongqing Jiaotong University(Natural Science), 2019, 38(06): 6-11.

参考文献

1］ BERDICA K. An introduction to road vulnerability: what has been done, is done and should be done［J］. Transport Policy, 2002, 9(2): 117-127.
［2］ CHEN A, YANG Hai, LO H K, et al. Capacity reliability of a road network: an assessment methodology and numerical results［J］. Transportation Research Part B: Methodological, 2002, 36(3): 225-252.
［3］ JENELIUS E, PETERSEN T, MATTSSON L G. Importance and exposure in road network vulnerability analysis［J］. Transportation Research Part A: Policy and Practice, 2006, 40(7): 537-560.
［4］ GAILLARD J C, KELMAN A. Vulnerability, capacity and resilience: perspectives for climate and development policy［J］. Journal of International Development, 2010, 22(2): 218-232.
［5］ DEHGHANISANIJ M, FLINTSCH G W, MCNEIL S. Vulnerability analysis of degrading roadway networks［C］// TRB 2013 Annual Meeting. U. S. A. : Transportation Research Board, 2013.
［6］ SOHN J. Evaluating the significance of highway network links under the flood damage: an accessibility approach［J］. Transportation Research A: Policy and Practice, 2006, 40(6): 491-506.
［7］ SCOTT D M, NOVAK D C, AULTMAN-HALL F, et al. Network robustness index: a new method for identifying critical links and evaluating the performance of transportation networks［J］. Journal of Transport Geography, 2006, 14(3): 215-227.
［8］ SULLIVAN J L, NOVAK D C, AULTMAN-HALL L, et al. Identifying critical road segments and measuring system-wide robustness in transportation networks with isolating links: a link-based capacity-reduction approach［J］. Transportation Research Part A: Policy and Practice, 2010, 44(5): 323-336.
［9］ SNELDER M, VAN-ZUYLEN H J, IMMERS L H. A framework for robustness analysis of road network for short term variations in supply［J］. Transportation Research Part A: Policy and Practice, 2012, 46(5): 828-842.
［10］ KNOOP V L, SNELDER M, ZUYLEN H J V, et al. Link-level vulnerability indicators for real-world networks［J］. Transportation Research Part A: Policy and Practice, 2012, 46(5): 843-854.
［11］ El-RASHIDY R A, GRANT-MULLER S M. An assessment method for highway network vulnerability［J］. Journal of Transport Geography, 2014, 34(2): 34-43.
［12］黄大荣，沈利兵，赵玲.基于复杂网络理论的城市路网脆弱性研究［J］.重庆交通大学学报(自然科学版)，2015，34(1)：110-115.
HUANG Darong, SHEN Libing, ZHAO Ling. Vulnerability analysis of urban road network based on complex network theory［J］. Journal of Chongqing Jiaotong University(Natural Science), 2015, 34(1): 10-115.
［13］吴贤国，黄艳华，刘惠涛，等.基于复杂网络理论的地铁线网脆弱性分析［J］.重庆交通大学学报(自然科学版)，2016，35(4)：93-99.
WU Xianguo, HUANG Yanhua, LIU Huitao, et al. Vulnerability analysis of subway network based on complex network theory［J］. Journal of Chongqing Jiaotong University(Natural Science), 2016, 35 (4): 93-99.
［14］黄勇辉，朱金福.基于物元模型的城市交通评价及实证研究［J］.系统工程，2009，27(2)：79-84.
HUANG Yonghui, ZHU Jinfu. Comprehensive evaluation and empirical research of urban traffic based on a matter-element model［J］.Systems Engineering, 2009, 27(2): 79-84.
［15］王红梅，贾玲玉.北京市公共交通满意度物元评价［J］.软科学，2011，25(7)：42-44.
WANG Hongmei, JIA Lingyu. Evaluation of public transport users satisfaction in Beijing based on matter element model［J］. Soft Science, 2011, 25(7): 42-44.
［16］胡启洲，陆化普，蔚欣欣，等.基于关联熵与复合物元的公交系统综合测度模型［J］.系统工程理论与实践，2011，31(1)：186-192.
HU Qizhou, LU Huapu, YU Xinxin, et al. Compressive measurement of urban public traffic system based on relational entropy anti complex matter element［J］. Systems Engineering-Theory & Practice, 2011, 31(1): 186-192.
［17］陈继红，万征，何新华，等.基于模糊物元的交通事故致因因素分析与应用［J］.系统科学学报，2015，23(2)：37-40.
CHEN Jihong, WAN Zheng, HE Xinhua, et al. Factors analysis and application for traffic accidents using fuzzy matter element method［J］.Journal of Systems Science, 2015, 23(2): 37-40.
［18］董沛武，杨玫，刘世国.干线公路安全预警可拓物元评价模型及策略研究［J］.中国软科学，2014(11)：140-150.
DONG Peiwu, YANG Mei, LIU Shiguo. Study on extension element evaluation model and strategy for trunk road early warning［J］.China Soft Science, 2014(11): 140-150.
［19］李小静，刘立舰，刘林忠.基于云理论和雷达图的路网综合可靠度评价［J］.计算机应用研究，2013，30(10)：3007-3010.
LI Xiaojing, LIU Lijian, LIU Linzhong. Evaluation of road network comprehensive reliability based on cloud theory and radar graph model［J］.Application Research of Computers, 2013, 30(10): 3007-3010.
［20］公安部交通管理局，住房和城乡建设部城市建设司.城市道路交通管理评价指标体系(2012年版)［M］.北京：人民交通出版社，2012.
Traffic Administration Bureau, Ministry of public security, Department of Urban Construction, Ministry of Construction. Evaluation Index System of Urban Road Traffic Management(2012)［M］. Beijing: China Communications Press, 2012.
［21］蔡文.物元模型及其应用［M］.北京：科学技术文献出版社，1994.
CAI Wen.Matter-Element Model and Its Application［M］. Beijing: Scientific and Technical Documentation Press, 1994.
［22］李德毅，孟海军，史雪梅.隶属云和隶属云发生器［J］.计算机研究与发展，1995，32(6)：15-20.
LI Deyi, MENG Haijun, SHI Xuemei. Membership clouds and membership cloud generators［J］. Journal of Computer Research and Development, 1995, 32(6): 15-20.

[1]	唐继强1, 2，钟鑫伟2，刘健1，李天瑞3. 基于时间序列季节分类模型的轨道交通客流短期预测[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 31-38.
[2]	戚春华，王笑男，朱守林，李航天. 基于驾驶员视觉兴趣区域的交通工程设施信息量阈值研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 53-60.
[3]	邓天民1，朱杰2，朱凯家1，屈治华3. 基于iForest+Biscting K-means的驾驶风格辨识方法研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 1-6.
[4]	许茂增,张莉. 基于双射软决策理论的路段拥堵影响力识别[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 7-11.
[5]	王涛1，谢思红1，黎文皓1,2，李文勇1. 基于FFOS-ELM和PF的短时交通流自适应预测模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 21-27.
[6]	张诚1，汪成银1，陈志伟2，张正向3，张子磊3. 基于空间流量度的城市路网关键节点挖掘方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 28-35.
[7]	王永岗，张衡，彭志鹏，周琬琦. 基于结构方程模型的出租车事故影响因素分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 36-42.
[8]	朱顺应，李维吉，林小媛，肖文彬，王红. 特色小镇游客车辆无复检管控点布设研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 52-58.
[9]	潘兵宏1,2，胡炜1，任卉1,单慧敏1. 基于TruckSim仿真下弯道货车侧滑速度模型研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 38-45.
[10]	吴文静，孙刃超，宗芳，贾洪飞. 居民低碳通勤出行的主观态度识别及影响分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 53-58.
[11]	李军，邓育新. 基于非负矩阵分解的出租车时空行为聚类分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 59-65.
[12]	成卫1，刘翔1，雷建明2. 基于RBF神经网络预测的交叉口信号周期时长优化[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 13-18.
[13]	史天亮，王文光. 信息观和粒子群算法在城市交通拥堵中的研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 19-25.
[14]	贺玉龙1,2，刘磊1,2，迟佳欣1,2. 高速公路车辆换道行为风险研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 26-33.
[15]	王露1，陈肖欣2，李华恩1. 大风雨雪气象条件下高速公路车辆稳定行驶的临界车速研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 34-40.

城市道路交通网络脆弱性的云物元综合评价

Cloud Matter-Element Comprehensive Evaluation on Vulnerability of Urban Road Traffic Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics