[发明专利]算法改进型拥堵传播分析方法

说明书

发明涉及拥堵传播分析方法领域，尤其是算法改进型拥堵传播分析方法。该方法的步骤为：a)拥堵判别模块对来自区域中的数据进行处理，通过计算路口饱和度进行交通状态的划分，通过计算交通需求指数TI和路口通行能力，从而计算出交叉路口的各车道饱和度，来实现交通状态的划分；b)项集生成模块将来自拥堵判别模块获得的结果进行整合；c)FP‑Tree频繁项集生成。本发明通过FP‑Tree算法代替了Apriori算法的频繁项集挖掘方法，有效提升了算法运行效率。通过添加时空特征约束完成数据过滤，并增加提升度评估方法再次过滤强关联规则中的无效数据。本申请可以快速分析拥堵趋势，为城市缓堵提供信息。

技术领域

发明涉及拥堵传播分析方法领域，尤其是算法改进型拥堵传播分析方法。

背景技术

城市交通拥堵问题一直是城市交通发展的一个严重阻碍，不仅会降低道路通行效率，且严重影响了道路通行安全，同时也会降低市民幸福感。交通拥堵问题不仅与交通流量、道路设施有关，而且还与市民出行规律、信号配时密不可分，分析交通拥堵现象的成因对缓堵至关重要。同时城市路网在空间上具有网络传播结构，交通拥堵在路网中具有很强的传播性，尤其在早晚高峰期，瓶颈交叉口容易产生交通拥堵，如果不采取控制措施，拥堵很大概率会通过与之连接的路段进行上下游的蔓延，可能会冲击更多的交叉口引发更大规模的拥堵。

为了缓解城市交通拥堵的传播问题，国内外学者开始逐渐研究交通拥堵的传播现象，基于传播动力学、传染病SIS模型以及元胞自动机的方法层出不穷，但都没有很好的突出拥堵传播的时空特性。使用数据关联规则挖掘的Apriori算法虽然能够突出时空特性，但其数据规模与路网中的交叉口数量成正比，路网中包含的交叉口数量越多，数据量越庞大。现有的Apriori算法不能很好的过滤无效数据，算法运行效率过低。

发明内容

为了解决背景技术中描述的技术问题，发明提供了一种算法改进型拥堵传播分析方法。通过FP-Tree算法代替了Apriori算法的频繁项集挖掘方法，有效提升了算法运行效率。通过添加时空特征约束完成数据过滤，并增加提升度评估方法再次过滤强关联规则中的无效数据。本申请可以快速分析拥堵趋势，为城市缓堵提供信息。

本发明解决其技术问题所采用的技术方案是：

一种算法改进型拥堵传播分析方法，该方法的步骤为：

a)拥堵判别模块对来自区域中的数据进行处理，通过计算路口饱和度进行交通状态的划分，通过计算交通需求指数TI和路口通行能力，从而计算出交叉路口的各车道饱和度，来实现交通状态的划分；

b)项集生成模块将来自拥堵判别模块获得的结果进行整合；

c)FP-Tree频繁项集生成；

d)用Apriori算法来筛选项集，挖掘拥堵频繁项集，并依此分析道路拥堵的传播规律；

e)通过拥堵趋势分析模块来实现拥堵趋势分析的目的。

具体地，所述交通需求指数TI的计算方法为，首先获得路网拓扑数据，并根据区域中包含的各个交叉路口，获取所有字段对应数据；通过车道编号和车牌信息计算车道5min通行的总交通量、占有率和速度与前两个时间间隔值之间进行平滑再计算交通需求指数TI；然后计算交叉路口各个车道的通行能力，根据交叉口车道数、渠化信息以及对应的每分钟的车流量数据进行计算；最后根据以上结果计算得到交叉路口的各车道饱和度，将饱和度进行归一化处理，取值范围在[0,1]之间，按照饱和度划分的等级，判断交叉路口的交通状态；

交通需求指数TI的公式为，