上海理工大学研究生课程(论文类)试卷(网络交通控制原理).doc

研究生课程（论文类）试卷2012/2013学年第 2 学期课程名称： 网络交通控制原理 课程代码： 论文题目： 学生姓名： 专业学号： 学院： 管理学院 课程（论文）成绩：课程（论文）评分依据（必填）：任课教师签字： 日期： 年 月 日课程（论文）题目： 内容：摘要：城市交通网络是一种复杂的网络结合体，是混合型网络。利用复杂网络理论为基本研究工具，综合考虑实际交通流的动态变化特性，选取节点度、节点介数及交叉口高峰小时流量为评价指标，基于FCM模糊聚类方法，确定交通网络中的关键节点；以关键节点为参考点，按照一定的子区划分原则对“面控”的控制子区进行划分。通过一简单案例，说明本文所提出的子区划分方法的可行性与实用性。关键词：区域交通信号控制，复杂网络，FCM，关键节点，子区划分一 引言城市交通网络是一种复杂的网络结合体，是混合型网络1。区域交通信号控制系统在缓解城市交通拥堵、提升交通运行效益等方面发挥了重要的作用。“面控”中的一个重要问题是如何合理确定交通网络中的关键节点及如何利用关键节点确定“面控”中的信号控制子区。著名的SCOOT系统依据交叉口交通流量、交叉口间距等因素依据人工判定来选择关键节点并划分控制子区建立系统控制结构。类似地，SCATS系统的关键控制节点、信号控制子区等系统结构的建立同样依赖于人工经验，采用无计算模型和理论支撑的方法。国内外相关研究人员、学者等也对区域交通信号控制系统中关键节点的选取和控制子区的划分进行了较深入的研究。尚德申等提出了一种以静态区域控制为基础，通过对城市交通拥堵进行分类，采取不同的判断标准，实现动态分区控制的方法2；段后利等建立了基于超图表示的城市路网模型，并设计了相应的超图划分算法，通过对超图的分割来实现交通控制子区的动态划分3；卢凯等利用交叉口关联度量化分析方法，给出了相邻交叉口关联度与多交叉口组合关联度的计算公式，通过定义控制子区划分方案的解集空间、约束条件与评价准则，建立了协调控制子区划分模型4。本文以复杂网络理论为基础研究工具，综合考虑实际交通流的动态变化特性，利用FCM模糊聚类方法，提出了一种新的交通信号控制子区划分方法。二 基于FCM模糊聚类的Hub点选取方法研究城市交通网络可以抽象为复杂赋权网络，交叉口抽象为节点，路段抽象为边，边的权重可以是交叉口间的距离或路段流量。理论分析证明，复杂交通赋权网络具有无标度（free-scale）网络特性，即对于随机性攻击的强鲁棒性和选择性攻击的结构脆性5。2.1 无标度网络简介Barabasi和Albert于1999年首次提出了无标度网络6。无标度网络具有严重的异质性，其各节点之间的连接状况（度数）具有严重的不均匀分布性：网络中少数称之为Hub点的节点拥有极其多的连接，而大多数节点只有很少量的连接。少数Hub点对无标度网络的运行起着主导的作用。从广义上说，无标度网络的无标度性是描述大量复杂系统整体上严重不均匀分布的一种内在性质。现实中的交通网、电话网和Internet都是无标度网络，在这种网络中，存在拥有大量连接的集散节点，比如交通枢纽就是这样的节点。2.2 节点重要性评价指标复杂网络的非同质拓扑结构，决定了网络中每个节点的重要程度是不同的。本文选取节点度、节点介数及交叉口高峰小时流量作为交叉口节点重要度的评价指标。这三个评价指标既能反映复杂网络的拓扑结构特性，又能体现现实复杂交通网络的动态变化特性。2.2.1 节点度节点度，即与节点连接的边数，也是与该节点建立连接的节点数7。设复杂网络中有个节点，为节点度，则节点的度为： （1）2.2.2 节点介数节点介数定义为网络中节点对最短路径中经过节点的个数占所有最短路径数的比例。用表示节点对和最短路径经过点的路径数，表示节点和节点之间存在所有路径的路径数，则节点的节点介数的计算公式如下： （2）2.2.3 交叉口高峰小时流量交叉口高峰小时流量表征了交叉口节点的通行量，反映了交通网络的交通流动态变化特性。2.3 基于FCM模糊聚类的Hub点选取方法FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一族的对象之间相似度最大，而不同簇之间的相似度最小。它在普通C均值（HCM）的基础之上做一定的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分，它通过引入隶属度函数来表示每个数据属于不同类别的程度，对数据进行软划分。设个样本数据集合为，为样本的特征向量；是要将数据样本分成的类别数目；第类的聚类原型为，则构成一聚类原型矩阵；是隶属度矩阵，其中表示样本对于聚类原型的隶属程度，且，则基于目标函数的模糊聚类分析可以表示为： （3）其中，为模糊化程度指数，是一个控制算法的柔性参数，如果过大，则算法的聚类效果较差，反之，FCM算法接近传统的硬C均值算法，的取值范围通常为，一般取2.0；表示样本与聚类原型之间相异度的度量，通常可以取为欧氏距离，即： （4）三 交通信号控制子区划分研究3.1 控制子区划分原则当确定好交通网络中的Hub点后，接下来以Hub点为参考点，进行区域交通信号控制子区的划分，控制子区划分遵循以下原则：（1）干线协调控制下的交叉口宜划分于同一交通信号控制子区内；（2）每一个信号控制子区内的交叉口数量不宜大于10个；（3）各个信号控制子区内的交通流量应当平衡；（4）假设节点被选为复杂交通网络的Hub点，其周边节点相对于节点的重要程度的计算公式如下： （5）其中，表示节点至节点的路径集，表示节点至节点的路径集中第条路径的长度，是比例因子（），文中取为2.0。3.2 控制子区划分算法本文所提出的区域交通信号控制系统的交通信号控制子区划分算法步骤如下：Step1：参数设置：设置类别数为，取模糊化程度指数，迭代终止阈值，迭代计数器，产生初始聚类中心；Step2：计算隶属度矩阵： （6）Step3：更新聚类原型矩阵： （7）Step4：如果，则算法停止，并输出划分矩阵和聚类原型矩阵，否则令，转向步骤2；Step5：选定Hub点，并根据控制子区划分原则进行信号控制子区划分。四 案例我们选定杨浦区某区域为本文的研究区域，如下图1所示。三个节点重要度评价指标如下表1所示，由于欠缺交叉口高峰小时流量数据，此项数据基于假设，但并不妨碍本文总体研究目标。图1 研究路网表1 节点重要度评价指标节点号节点度节点介数高峰小时流量节点号节点度节点介数高峰小时流量140.02459091130.01871754240.023813191230.01762566340.01937271330.00622009430.01136801430.0090379540.024343461530.01411199630.016028981630.0069616740.010527491740.0253919840.02827241830.00581199930.026342651940.006720861030.016531102040.00512482140.006845134440.00788442230.013047234530.024032452340.009324544630.000836582430.027724464730.027932382530.012916884830.021922542630.005545004940.014627352730.027218465040.017314812840.02945565130.007137232940.013139015240.01379443040.003319485330.028934333140.007712085440.01649173230.012220195530.015618423330.01784825640.006931283440.00786595740.014639013540.018147105840.01874053640.021347805930.020446463750.006628766030.011838783830.00352986140.011024333940.008911736240.029721794030.009517656340.001122334130.012741056430.026615314230.01525776530.027425424330.00252156630.02392553利用FCM（Fuzzy Clustering Method）聚类方法，并在MATLAB中进行算法实现。图2为聚类类别数目时的三维图，其中类别1的聚类中心为(3.4689,0.0156,2351)，类别2的聚类中心为(3.4151,0.0151,4195)，类别3的聚类中心为(3.6028,0.0144,767)。并选取类别2中高峰小时流量大于4000的交叉口作为交通网络的Hub点，分别为节点5、9、21、22、26、35、36、41和59等9个节点，以此9个Hub点为基础对交通网络进行交通信号控制子区的划分；子区划分结果如图3所示，共划分了7个信号控制子区。图2 c=3时的聚类图图3 信号控制子区划分结果由图3，路网共被划分为7个交通信号控制子区，节点1、23、34、47、54及66由于属于干线协调控制，并未划入任何信号控制子区之内；由图可见，信号控制子区划分结果较为合理，具有较强的实用性。五 结束语本文尝试利用复杂网络理论为基本研究工具，综合考虑实际交通流的动态变化特性，选取节点度、节点介数及交叉口高峰小时流量作为评价指标，并基于FCM模糊聚类方法，确定交通网络中的关键节点（Hub点）；其次，以关键节点为参考点，按照一定的子区划分原则对“面控”的控制子区进行了较为合理的划分。通过一简单案例，说明了本文所提出的子区划分方法的可行性与实用性。在对区域交通信号控制系统的信号控制子区划分和关键节点的选择上，本文的研究基本上还是处于静态分析阶段；后续研究中，在静态方法研究的基础上，实现关键节点的动态选择和控制子区边缘的动态划分与合并，实现根据实际道路交通状况自适应地调节系统的控制结构，是下一步的研究重点与难点。参考文献1 魏路. 基于复杂网络的区域交通信号控制系统优化研究D. 北京:北方工业大学, 2012.2 尚德申, 石建军, 隋莉颖, 等. 交通区域动态划分及其控制研究J. 交通科技, 2007, 225:82-84.3 段后利, 李志恒, 张毅, 等. 交通控制子区动态划分模型J. 吉林大学学报(工学版), 2009, 39(2):13-18.4 卢凯, 徐建闽, 李轶舜. 基于关联度分析的协调控制子区划分方法J. 华南理工大学学报(自然科学版), 2009, 37(7):6-9,20.5 王力