基于双射软决策理论的路段拥堵影响力识别

doi:10.3969/j.issn.1674-0696.2021.06.02

重庆交通大学学报（自然科学版） ›› 2021, Vol. 40 ›› Issue (06): 7-11.DOI: 10.3969/j.issn.1674-0696.2021.06.02

• 交通+大数据人工智能 • 上一篇下一篇

基于双射软决策理论的路段拥堵影响力识别

许茂增,张莉

(重庆交通大学经济与管理学院，重庆 400074)

收稿日期:2020-11-01 修回日期:2021-03-19 出版日期:2021-06-19 发布日期:2021-06-24
作者简介:许茂增(1960—)，男，陕西大荔人，教授，博士生导师，主要从事交通运营管理和供应链管理研究。E-mail:xmzzrxhy@cqjtu.edu.cn 通信作者：张莉(1978—)，女，江苏镇江人，副教授，博士研究生，主要从事交通大数据应用研究。E-mail:elisazl@163.com
基金资助:
国家自然科学基金项目(71871034，71871035，71471024)

Identification of Road Section Congestion Influence Based on Bijective Soft Decision Theory

XU Maozeng, ZHANG Li

(School of Economics and Management, Chongqing Jiaotong University, Chongqing 400074, China)

Received:2020-11-01 Revised:2021-03-19 Online:2021-06-19 Published:2021-06-24

摘要/Abstract

摘要： 为了刻画路段对整体交通的影响，提出了拥堵影响力指标及其计算方法；建立了基于双射软决策理论和实时路况地图数据的计算框架；以重庆市四公里立交2018年12月9—31日的百度实时路况地图为样本序列进行了实例研究。结果表明：拥堵影响力指标可以用来描述城市路段交通状态的重要属性；根据实时路况地图中的离散化交通状态信息，应用双射软决策理论的分析框架能够迅速获取路段拥堵影响力，结果可作为识别路段拥堵严重程度的有力补充。

关键词: 交通工程, 城市路网管理, 实时路况地图, 路段拥堵影响力

Abstract: In order to describe the impact of road section on the overall traffic, the congestion influence index and its calculation method were proposed, and a computing framework based on bijective soft decision theory and real-time road map data was established. Taking the Baidu real-time traffic map of Chongqings Four-Kilometer Interchange from December 9 to 31, 2018 as the sample sequence, a case study was carried out. The results show that the congestion influence index can be used to describe the important attributes of urban road traffic state; and through the discrete traffic state information in the real-time road map, the analysis framework of the bijective soft decision theory can quickly obtain the influence of road congestion, which can be used as a powerful supplement to identify the severity of road section congestion.

Key words: traffic engineering, urban road network management, real-time traffic map, road section congestion influence

中图分类号:

U121

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.

XU Maozeng, ZHANG Li. Identification of Road Section Congestion Influence Based on Bijective Soft Decision Theory[J]. Journal of Chongqing Jiaotong University(Natural Science), 2021, 40(06): 7-11.

参考文献

［1］尚玲宇，李卫东.北京市生态交通状况分析与评价［J］.生态经济，2019，35(7)：110-115.
SHANG Lingyu, LI Weidong. Analysis and evaluation of ecological traffic situation in Beijing ［J］. Ecological Economy, 2019,35(7): 110-115.
［2］李卫东.城市交通拥堵成因及治理研究［J］.合作经济与科技，2019，9：10-13.
LI Weidong. Research on causes and treatment of urban traffic congestion ［J］.Co-operative Economy & Science, 2019,9: 10-13.
［3］ SHEN Wei, ZHANG H M. On the morning commute problem in a corridor network with multiple bottlenecks: Its system-optimal traffic flow patterns and the realizing tolling scheme
［J］. Transportation Research Part B: Methodological, 2009, 43(3): 267-284.
［4］ DAVIS L C. Mitigation of congestion at a traffic bottleneck with diversion and lane restrictions［J］. Physical A: Statistical Mechanics and its Applications, 2012, 391(4): 1679-1691.
［5］ QI Hongsheng, CHEN Mengwei, WANG Dianhai. Recurrent and non-recurrent bottleneck analysis based on traffic state rank distribution［J］. Transportmetrica B: Transport
Dynamics, 2017, 7(1): 275-294.
［6］倪东生,张艳芳.现代化城市交通瓶颈的匹配性解决路径和机制［J］.物流技术，2015(34)：39-44.
NI Dongsheng, ZHANG Yanfang. Matching solutions and mechanism of modern urban traffic bottlenecks ［J］. Logistics Technology, 2015(34): 39-44.
［7］ WANG Ping, HAO Wenbang, SUN Zhu, et al. Regional detection of traffic congestion using in a large-scale surveillance system via deep residual TrafficNet ［J］. IEEE Access, 2018, 6:
68910-68919.
［8］ DEMISSIE M G, DE ALMEIDA CORREIA G H, BENTO C. Intelligent road traffic status detection system through cellular networks handover information: An exploratory study ［J］.
Transportation Research Part C: Emerging Technologies, 2013, 32: 76-88.
［9］ BAUZA R, GOZALVEZ J. Traffic congestion detection in large-scale scenarios using vehicle-to-vehicle communications ［J］. Journal of Network and Computer Applications, 2013, 36
(5): 1295- 1307.
［10］ YUAN Quan, LIU Zhihan, LI Jinglin, et al. A traffic congestion detection and information dissemination scheme for urban expressways using vehicular networks ［J］. Transportation
Research Part C: Emerging Technologies, 2014, 47: 114-127.
［11］ AHMAD M, CHEN Qingchun, KHAN Z, et al. Infrastructure-based vehicular congestion detection scheme for V2I ［J］. International Journal of Communication Systems, 2019, 32
(3):1-14.
［12］段后利，李志恒，李力，等.一种基于伪色彩图的网络交通状态观测分析方法［J］.交通运输系统工程与信息，2009，9(4)：46-52.
DUAN Houli, LI Zhiheng, LI Li, et al. Network-wide traffic state observation and analysis method using pseudo-color map［J］. Journal of Transportation Systems Engineering and
Information Technology, 2009,9(4): 46-52.
［13］ GONG Ke, XIAO Zhi, ZHANG Xia. The bijective soft set with its operations ［J］. Computers & Mathematics with Applications, 2010, 60(8): 2270-2278.
［14］ GONG Ke, WANG Yong, XU Maozeng, et al. BSSReduce an O(|U|) incremental feature selection approach for large-scale and high-dimensional data ［J］. IEEE Transactions on
Fuzzy Systems, 2018, 26(6): 3356-3367.

[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]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	雒应,何强. 考虑转向延误的最短路径的节点标号算法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 48-53.

基于双射软决策理论的路段拥堵影响力识别

Identification of Road Section Congestion Influence Based on Bijective Soft Decision Theory

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