城市道路网络交通小区划分方法研究

交通关联度反映连线或节点之间的物理关联特征和交通 关联特征。 有两部分组成， 其中物理关联特征用 IP 表示， 一般表 现为连线或节点之间是否相邻， 在数学中用空间邻接矩阵或权 重矩阵表示， 取值为 0 表示连线或节点不相邻， 取值为 1 表示 连线或节点相邻； 交通关联特征用 IT 表示， 一般表现为连线或 节点之间交通参数的关联程度， 取值越大关联度越大。 交通相似度反映连线或节点之间的交通相似特性。 一般表 现为连线或节点之间的交通参数之间的相似程度，用 IC 表示， 单位平均行程时 取值越大相似度越大。可使用如连线饱和度、 间、 平均行程速度、 OD 或流量等参数进行计算。 下面介绍交通关联度中交通关联特征和交通相似度的计 算模型， 而对于物理关联特征值， 即空间关联度的计算将在下 面进行介绍。 （1 ） 交通关联度 IT 计算相邻交叉口之间路段关联性， 采用 Whitson 改进模型： n · Q IT = 1 （ n max -1 ）1 （1 ） n-1 1+t ΣQi
诱导一体化条件下的交通小区划分技术也值得进一步研究[2-5]。 在对交通小区概念解析的基础上，分析交通小区的特性， 对交通小区指标参数进行建模计算。 针对交通特征的空间分布 特征， 采用空间聚类分析算法进行交通小区的自动划分， 旨在 为区域交通控制及交通诱导管理等复杂问题提供理论和技术 支持。
1 交通小区的概念 1.1 交通小区的概念解析
城市交通系统是一个离散、 强耦合、 非线性、 并具有随机特 性的复杂大系统[1]。ITS 环境下， 交通信息和交通行为的互动使 得动态的、 开放的交通系统变得更加复杂。降低交通系统复杂 性对交通问题的建模解析、 优化求解都有非常重要的意义。交 通小区即是将复杂交通网络解耦为若干个交通区域， 针对每个 区域对控制和诱导目标进行建模， 从宏观角度对交通区域进行 协调优化。因此， 交通小区划分在降低系统复杂性方面具有重 要的意义。值得说明的是： 本文的交通小区不同于传统交通规 划领域的交通小区概念， 将在下文具体阐述。 目前城市道路网络交通小区的研究主要集中在交通小区 的应用层次， 缺乏对于交通小区的动态划分理论与技术方面的 研究。另外， 交通小区的划分主要的依据是道路网络的物理特 征， 缺乏对内在交通特征的研究[2-3]。现有交通小区划分主要面 向传统的交通控制， 而随着交通控制管理研究的发展和 ITS 等 相关技术的进步， 交通控制与诱导系统已呈现整合趋势， 而控制
ቤተ መጻሕፍቲ ባይዱ 20
2009 ，45 （5 ）
Computer Engineering and Applications 计算机工程与应用 周期都在变化。 但变化的周期考虑到控制诱导策略的实施而不 会间隔太小。 （4 ） 稳定性： 这是动态交通小区的必要条件。 稳定性是指交 通小区动态划分方案能保持相对稳定， 变化不能太频繁。虽然 决定交通小区动态划分方案快慢的主要依据是城市道路网络 交通状况动态变化的快慢程度， 但是由于交通控制策略或者诱 导策略都需要一定的时间去适应一种新的交通小区方案， 所以 需保证交通小区的稳定性。 稳定性主要是对交通小区周期动态 性的制约。 （5 ） 自组织性： 由于城市道路网络交通流内部存在自组织 现象， 所以自组织特性是交通小区的本质特征。交通小区划分 方案的变化过程就是城市道路网络交通流的自组织过程。 实际 上城市交通系统总是存在源自于内部或者来自于外部的干扰 而远离平衡态， 所以交通系统的自组织过程是时刻存在的。
r
2.1 空间接近性
实质上，空间接近性就是空间实体单元之间的“距离” 关 系， 根据地理学第一定律， “空间接近性” 描述了不同 “距离” 关 系下的空间相互作用。 对于点状实体， 如交叉口间的空间接近性， 主要是采用基 它 于密度和距离的方法。基于密度的方法是以聚集性为基础， 用所定义的规则区域中的点的密度或频率分布的各种特征研 究点分布的空间模式； 基于距离的方法以分散性为基础， 通过 测度最近邻点的距离分析点的空间分布模式。 前者描述的是某 个参数均值的总体变化性， 称为一阶效应 （first order ） ； 后者表 达的是近邻的值相互趋同的倾向， 通过其对于均值的偏差计算 获得， 称为二阶效应 （second order ） 。 交通小区划分是考虑任意两个实体 （交叉口） 之间的空间 依赖性， 所以采用二阶效应性质来测度， 即实体和实体之间距 离的关系描述。 二阶效应通过研究区域中两个足够小的子区域 内事件数目之间的相互关系来描述， 用数学极限公式可表示为[6]： E （Y （ds） Y （ds） ） γ （si ， sj） = lim ds ds d ， d →0
Computer Engineering and Applications 计算机工程与应用
2009 ，45 （5 ）
19
城市道路网络交通小区划分方法研究
李晓丹 1， 杨晓光 1， 陈华杰 2 LI Xiao-dan1， YANG Xiao-guang1， CHEN Hua-jie2
1.同济大学 交通工程系， 上海 200092 2.同济大学 测量与国土信息工程系， 上海 200092 Tongji University， Shanghai 200092， China 1.Department of Transportation Engineering ， 2.Department of Surveying and Geo-informatics Engineering ， Tongji University， Shanghai 200092， China E-mail： lxdan80@163.com LI Xiao -dan， YANG Xiao -guang， CHEN Hua -jie.Study on traffic zone division based on spatial clustering analysis. Computer Engineering and Applications， 2009， 45 （5 ） ： 19-22. Abstracts： Traffic zone is an advantageous tool for analyzing complex transport network of urban.It has similar traffic character － istics and strong traffic relationship within one traffic zone.Thus ， it can simplify the complexity of the network.But it still rests on application about this research around the world presently.Based on analyzing concept and properties of traffic zone ， a method of spatial statistic analysis is proposed to research automated division of traffic zone.Model of spatial clustering analysis algorithm is offered， and parameters models are built， such as spatial relational matrix ， traffic correlation.The flow and algorithm are designed for traffic zone division.Finally ， combined with floating car data and actual transport network in Shanghai ， the automated division of traffic zone is realized and it is concluded. Key words：traffic zone； spatial relational matrix； spatial clustering analysis ； automated division 交通小区是解析整个城市复杂交通网络的一个有利工具， 同一交通小区内部具有相似的交通特征和较强的交通关联， 由 摘 要： 此可以简化复杂网络， 但目前国内外对此研究停留在应用层次。在解析交通小区概念及其特性的基础上， 提出了采用空间统计分 析的方法研究城市路网的交通小区自动划分。 分析了空间聚类分析算法的模型， 对空间关联矩阵、 交通关联度等参数进行建模， 设 计了交通小区划分的流程与算法， 最后结合上海市浮动车数据与实际交通网络， 实现了路网交通小区的自动划分并得出了结论。 交通小区； 空间关联矩阵； 空间聚类分析； 自动划分 关键词： DOI： 10.3778/j.issn.1002-8331.2009.05.006 文章编号： １００２－８３３１ （２００9 ） 05-0019-04 文献标识码： Ａ 中图分类号： U491
i=1
2 空间关联度计算
在研究交通小区划分之前， 首先要了解构成交通小区的内 部空间实体的空间分布关系， 也就是说它们必须是彼此邻接的 节点或连线的集合， 而不可能是离散分布的多个实体。所以需 要定义空间接近性， 这是测度空间模式和划分交通小区的基础 工作。
其中： n 为上游交叉口的流入流向数； Qi 为上游交叉口第 i 流入 流向流量； Qmax 为上游交叉口最大流入流向流量； t 代表车流从 上游交叉口进口停车线至下游交叉口进口车辆排队尾 （进口有 车辆排队时 ） 或者进口停车线 （进口无车辆排队时 ） 的平均行驶 时间， 以分钟为单位。 （2 ） 交通相似度 IC 设 S= （O， A ） ， 用 S 表示 n 条记录的集合。其中： ①O={O1 ， O2 ， …， On }代表数据对象集； 可以是连线或节点 的集合。 ②A={A1 ， A2 ， …， An }代表数据对象的属性值； 属性可以是 流量、 饱和度， 或 OD 等。 其中坌i， i∈ （1， 2， …， n ） ， 埚aik ， k∈ （1， 2， …， r ） 代表对象 Oi 的第 k 个属性值 Ak 。因此， 用 Ak 代表一个 r 维的向量 （ai1 ， ai2 ， …， air） ， i∈ （1， 2， …， n ） 。 任意两个数据对象 Oi 与 Oj 之间的相异度定义如下：
交通诱导是均衡一定区域的交通流量， 区域控制是对一定 数量交叉口的协调控制。将这个有限的交通区域称之为交通 小区。 定义 交通小区是具有一定交通关联度和交通相似度的节 点或连线的集合， 随时间、 关联度和相似度的变化而变化， 反映 城市路网交通特征的时空变化特性。
基金项目： 国家高技术研究发展计划 （863 ） （the National High-Tech Research and Development Plan of China under Grant No.2006AA11Z205） 。 作者简介： 李晓丹 （1980－） ， 女， 博士生， 主要研究方向： 智能交通系统、 GIS-T； 杨晓光 （1959-） ， 男， 博导， 教授， 主要研究方向： ITS， 实验交通系统 等； 陈华杰 （1979） ， 女， 博士生， 主要研究方向： GIS。 收稿日期： 2008-10-24 修回日期： 2008-11-17
si sj
dif （i， j ） =Σ aik -ajk
k=1
i， j=1， 2， …， n
则任意两个数据对象 Oi 与 Oj 之间的相似度定义如下： IC =Sim （i， j ） =maxdif-dif （i， j ）
1≤i， j≤ n