城市交通控制系统交通效益评价指标体系研究

城市交通控制系统交通效益评价指标体系研究

0评价指标体系的建立城市交通控制系统（rc）是先进交通管理系统（州政府）的重要组成部分。随着ITS的发展逐渐走入研究与应用并举的阶段,相关评价技术与方法的研究非常必要。UTC的评价是ATMS评价的重要部分,目前,在中国的诸多城市正在建设交通控制系统的背景下,研究UTC的评价尤为重要。在整个评价过程中,评价指标体系的建立是评价决策的首要与关键所在。评价指标应科学、全面、客观,同时在评价决策中还要求指标具有独立性。如果评价指标关联,评价结果就会具有倾向性。如图1所示,假设有A、B两指标是关联的,其关联性大小用其包含部分C表示,消除量纲且归一化后,A指标的数量为Na+Nc,B指标的数量为Nb+Nc;Wa、Wb为A、B两指标的权重,综合效应为Wa×Na+Wb×Nb+(Wa+Wb)Nc,其效应夸大了(Wa×Nc)或(Wb×Nc),可见,夸大的效应与两指标的权重和关联性大小有关系。为确保评价结果的客观性,避免评价指标的关联性是至关重要的。为此,本文首先建立基于运行效果的UTC评价指标体系,并应用模糊聚类的方法对各项评价指标进行关联性分析。1交通管理系统评价指标体系的建立1.1系统运行效果评价合理的评价指标体系应能全面地反映系统的运行效果,客观地描述系统对预期目标的实现程度,同时应保证评价指标之间相互独立。UTC评价指标体系建立步骤如图2。1.2交通流的构成UTC的实施目标是交通运行的安全化和效率化,同时兼顾对交通环境的影响最小化。此外,应注意到我国交通流构成与国外的根本区别:大量的非机动车(自行车为主)和行人,因此,在评价指标体系建立中,应兼顾各种交通流,全面客观地反映UTC的运行效果。综上分析,UTC评价指标体系如表1所示的3类19项指标。2采用模糊聚类分析方法2.1模糊性质量的确定模糊聚类分析是依据客观事物间的特征、亲疏程度和相似性,通过建立模糊相似关系对客观事物进行分类的数学方法,用此方法来处理带有模糊性的聚类问题更为客观、灵活。模糊隶属度的确定是其中的重要环节。本文采用最小独立变量的思想确定隶属度。一项评价指标由若干变量按一定数学运算法则复合而成,指标间的关联性可以从其组成变量体现出来。组成变量可能包含复合变量,它也由若干变量按数学运算法则组合而成。因此,一个单项指标就是由若干最小独立变量(简称元变量)组合而成。寻找真正元变量有时很困难。为简化分析,有些独立变量可能是中间变量或抽象概念。将独立变量的思想引入模糊聚类的思想中,就是将所有单项评价指标组成评价集,指标的所有独立变量组成因素集,然后根据评价集中元素对因素集中元素的隶属度进行模糊聚类分析。确定所有评价指标的所有独立变量比较困难。为了简化、客观地确定模糊隶属度,作如下两个假定:(1)若忽略元变量复合时的数学运算规则,仅从概念上考虑,假定因素集中所有独立变量其作用是相同的;(2)假定间接独立变量其作用随数学复合次数(1次数学复合运算为1次)的增多而递减,因为复合时要丢失一些信息。从假定(1)可知,若一个单项指标由因素集中n个因素组成,且无数学复合运算,近似认为该单项指标对因素集中的某个元素的模糊隶属度等于1/n;从假定(2)知,组成单个指标的间接独立变量的模糊隶属度等于最小独立变量的模糊隶属度乘以小于1的修正系数,最小独立变量被复合1次,近似修正系数为1/2,被复合2次,近似修正系数为1/4,其余类推。2.2模糊检测方法的步骤模糊聚类方法基本步骤如图3所示。(1)地面指标的标准化由于各项指标的量纲和数量级都不相同,为了消除特性指标单位的差别和数量级的影响,必须对各指标值施行规格化,从而使得每一指标值统一于某种共同的数值特性范围。设原始矩阵为X0=(x0ik0ik)n×m,标准化后矩阵为X=(xik)n×m,n为指标个数,m为独立变量个数。这里采用极大值规格化式中,xik表示第i指标的第k独立变量规格化后的值,x0ik0ik表示i指标的第k个独立变量原始值,x0imax0imax表示第i指标的所有独立变量原始值的最大值。(2)定方法分类关系系数矩阵为R=(rij)n×n,其确定方法可分为相似系数法、距离法和贴近度法三类,其中较为常用的分别是相关系数法、最大最小法和海明距离法。此外,还有绝对指数法。ij3mkrij=m∑k=1|xik-¯xi||xjk-¯xj|√m∑k=1(xik-¯xi)2⋅√m∑k=1(xjk-¯xj)2rij=∑k=1m|xik−xi¯¯¯||xjk−xj¯¯¯|∑k=1m(xik−xi¯¯¯)2√⋅∑k=1m(xjk−xj¯¯¯)2√其中,¯xi=1mm∑k=1xik;¯xj=1mm∑k=1xjk。最大最小值法其中,∧为取小运算;∨为取大运算。海洋距离法绝对指数法rij=exp(-m∑k=1|xik-xjk|)(3)自合成法计算聚类要求模糊关系矩阵为等价矩阵,通过标定所得的模糊关系矩阵一般是相似矩阵(满足自反性、对称性,不满足传递性),必须进行闭合计算,这里采用平方自合成法R(2)=R·R=(r(2)ij)n×n其中,r(2)ij=n∨k=1(rik∧rjk);R(4)=R(2)·R(2),…,直到R(2p)=R(2p-1)为止;p=ceil(log2n)(ceil()为取不小于log2n的最小整数)。3交通管理系统评价指标的相关性分析3.1基于模糊模糊聚类分析的评价模型结合各项评价指标的确定方法,选取19项因素,见表2所示,对上述建立的控制系统评价指标进行模糊聚类分析,并确定指标集的模糊隶属度。其中,在因素集的选取中,对控制系统作了如下假定:(1)公交车相位红灯与其它机动车不同,适用于公交专用道、公交优先信号控制等。(2)自行车、行人控制模式不同,二者的相位红灯时间独立。3.2模糊从属关系的确定(1)模糊隶属度的确定指标1是一模糊性指标,它可由因素集中的1、2、3、4、5、6共同确定,按照3.1中的两条假定,其模糊隶属度如表3,其中未列出因素的对应模糊隶属度为0。(2)n-nd-3ni和p-5nch可从以下公式计算式中,N为等效冲突点;Nd为分流点;Ni为合流点;Nc为交叉点。故指标2的模糊隶属度如表4,其中未列出因素的对应模糊隶属度为0。(3)行人延迟时间rp行人延误的计算公式如下式中,Dp为行人延误;rp为行人红灯时间;C为信号周期。故指标3的模糊隶属度如表5,其中未列出因素的对应模糊隶属度为0。3.3绝对指数法和海明距离法聚类分析按照3.2的步骤,对控制系统运行效果评价的19项指标进行关联性分析,采用相关系数法、最大最小法、绝对指数法、海明距离4种聚类方法,应用Matlab语言编程,选取3个层次,聚类结果如表6。表6是对UTC评价指标关联性的一种粗略分析。可以看出,对同一种聚类方法而言,聚类阈值越小,指标分类越粗略。在聚类层次1中,相关系数法将安全性指标(5)与环保指标(17、18、19)归为一类;而其余3种方法是分别将效率性指标(11、12、13)归为一类,环保指标(17、18、19)归为另一类,不存在安全、效率、环保3类指标之间相互合并的现象。因此,从UTC的实施目标来分析,后3种方法更为合理。在聚类层次2中,绝对指数法与海明距离法将行人、自行车、公共汽车和机动车的通行效率指标归为一类,环保指标归为另一类;相关系数法和最大最小法出现了将安全、效率、环保指标归为一类的现象,这仍然表明绝对指数法和海明距离法的分类结果更为合理。在聚类层次3中,绝对指数法与海明距离法将安全性指标分为两类,环保指标归为一类,效率性指标分为一类,同时该类还包含6、7两项安全性指标,也出现了不同大类指标间的合并现象,此时聚类结果已比较粗略。综上所述,绝对指数法和海明距离法的聚类结果相互一致,而相关系数法与其它方法差异最为显著,最大最小法的差异较相关系数法稍小,这反映出绝对指数法和海明距离法的分析结果相对较稳定。因此在控制系统评价指标关联性粗略分析中,笔者建议采用绝对指数法和海明距离法。同时需要指出,在聚类结果的实际应用中,应根据聚类需求确定合理的聚类阈值,以得到科学、合