 |
|
| |
 |
行业新闻 |
|
|
|
| 城市交通紧急事件处理中的道路动态交通诱导研究 |
|
|
摘要：本文针对目前重庆市路网特点及交通现状，依靠城市现有的成熟通信技术和计算机网络技术，并利用城市现有的救援资源，构建了一个面向城市交通紧急事件处理系统的动态交通诱导系统。在系统实现上，以Oracle为平台构建城市路网数据库，采用Mapx控件并以VC++6作为开发平台。
关键词：紧急事件处理系统；Dijkstra算法；交通流诱导；动态函数；路网模型；数据库
Research on Road Dynamic Traffic Inducement in Urban Traffic Urgency
Zhang Ying，Huang Xiyue，Qin Xiaohu，Xiong Zhihua，Chen Qingguo，Deng Xiaoli
（Navigation and Guide Lab. Of Chongqing University，Chongqing 400044）
Abstract: This paper introduces the road dynamic traffic inducement in urban traffic urgency, which relies on the mature communication technology and computer web technology, based on the characteristics and actuality of Chongqing road system. To implement this system, Oracle is used as a platform to build the urban road system database, and Mapx and VC++6 are also used to be the exploitation platform.
Keywords: Urgency disposal system；Dijkstra arithmetic；Traffic flow inducement；Dynamic function；Network model；Database
中国是一个发展中国家，改革开放以来，城市化与汽车化发展十分迅猛，大多数城市路网结构不合理，道路功能不完善，道路系统不健全，而交通管理设施缺乏，管理水平不高。即使各地都建立了交通控制中心，大多只是实现了监视功能，而远没有发挥控制功能的效应[1]。依靠城市现有的成熟通信技术、计算机网络技术，并利用城市现有的救援资源，再加以适当扩充，建立城市交通紧急事件处理与安全系统，合理的进行交通流诱导，及时、有效地处理交通紧急事件，将大幅度减轻交通堵塞的发生，减少经济损失和人员伤亡，降低二次事故发生的概率，对提高交通营运收入都有着重大的社会意义和经济价值。
本文研究了城市交通紧急事件处理系统的交通流诱导的相关因素、流程和特点，把诱导系统分为医院，消防，路政和交警四个子系统。目前，我们所看到的很多系统在进行路径寻优时，主要考虑的是点对点的路径长度最短寻优或是时间最短寻优，即传统的交通流的诱导通常以静态路径寻优为目标，我们考虑到本研究对象是一个针对交通紧急事件的多目标应急处理系统，在建立道路路网模型的时候，除了时间最优、距离最短等传统的优化目标外，还需要考虑应急救援部门的地理位置，以及不同救援部门配备的救援资源数量等实际情况；同时考虑到交通状况的时变性和不确定性以及道路状况的复杂性，把路径的权值定义为一个交通状况的动态函数，采用优化后的Dijkstra算法搜索最优动态路径。
1、Dijkstra算法在交通流诱导中的应用
1.1Dijkstra算法
1.1.1经典的Dijkstra思想
设置一个顶点集合S并不断地作贪心选择来扩大这个集合。一个顶点属于集合S当且仅当从源点到该顶点的最短路径长度已知。初始时，S中仅含有源点。设u是G的某一个顶点，把从源点到u且中间只经过S中顶点的路径称为从源点到u的特殊路径，并用数组dist记录当前每个顶点所对应的最短特殊路径长度。DIJKSTRA算法每次从V-S中取出具有最短特殊路长度的顶点u，将u添加到S中，同时对数组dist做必要的修改。一旦S包含了所有V中的顶点，dist就记录了从源点到所有其他顶点之间的最短路径长度。
为描述方便，我们定义如下的函数：函数Dijkstra-path{vi，vj}返回vi和vj间的最短路径，函数Dijkstra-len{vi，vj}返回vi和vj间的最短路径的长度。
1.1.2Dijkstra算法的分析与改进
Dijkstra算法思路简明，实现容易。但在一个由n个节点组成的网络里，由于它实现了两个时间复杂度为O（n）的循环，因此，在寻找某一节点到另一节点的最短路径搜索中，它的时间复杂度为O（n2）[2]，随着n的增大（问题规模的增大），算法的时间复杂度急剧增加。我们考虑如果能有效的减小n值，就能大大地减少算法的运行时间，提高效率。考虑到系统的实际特点，路径寻优的目的在于找到救援点到事故点的最佳路径，因此问题的规模就缩小为救援点到n个顶点的最短路径搜索，相应的，算法的时间复杂度由原来的O（n2）降低为O（m*n），在这里m为救援点的数量。因为整个救援系统是一个多目标寻优系统，路径寻优分为医院，消防，路政和交警四个子系统，因此，只需要分别对每个子系统采用Dijkstra算法进行计算。在这里，m＝mh＋mf+mr+mp，其中，mh为各急救医院总数量，mf为各消防部门总数量，mr为路政部门总数量，mp为交警部门总数量。
最后，整个系统应用Dijkstra算法的时间复杂度为T（n）。
T（n）=O（f（n））；f（n）=[max（mh，mf，mr，mp）]*n
即：救援子系统中最大的时间复杂度即为整个系统的时间复杂度。实际上，由于城市救援点的数量本来就是有限的，所以，m< 1.2紧急事故处理的交通诱导模型
交通流的诱导主要是指在城市交通路网出现交通事故时，有效的引导车辆选择合理的通行路线，绕开事故发生地点，降低事发路段的交通流量，避免二次事故的再次发生。在交通流的诱导中，交通流的诱导通常以静态路径作为寻优目标，因而时间最短路径是传统交通网络分析中最关键的问题。最短路径不仅仅指一般地理意义上的距离最短，还可以引申到其他的度量，如时间、费用等。在我们的研究课题中，研究的对象是一个针对交通紧急事件的应急处理系统，除了时间最优、距离最短等传统的优化目标外，结合实际应用的需要，考虑到本系统主要的目的是利用有效的救援资源合理的规划出应急救援路径，所以我们还需要考虑系统中应急救援部门的地理位置，以及不同救援部门配备的救援资源数量等实际的因素。因此，最短路径的研究已经不再是单纯意义上的时间或是距离最短，而是一个综合优化的问题，我们在构建道路路网模型的时候，必须把这些因素充分考虑进去。
交通事故的发生通常具有很大偶然性和随机性。如何在事故发生后在尽可能短的时间内抢救伤者、减少延误和恢复交通是解决问题的关键。交通控制中心是救援体系的核心，负责向交通事故处理中心、交通信息台、医院、消防等相关部门发布有关事故的信息，使交警、医院、消防等救援部门在最短的时间内到达事故地点，以便减少事故地点的交通压力，减少交通堵塞和车辆延误。道路交通紧急事故救援体系的处理流程见图1。
在此基础上，我们建立加权网络图模型G（V，E；Vh，Vf，Vr，Vp）。这里，V={Vi}为城市交通网中节点集合；E为交通网中道路边的集合，由于交通网状况的不确定性、信息的时变性以及道路状况的复杂性，对于E中任意一条边e，我们用一个三维向量来表示e={len，p，r}，它们分别代表了交通信息中的基本信息和实时信息，这也决定了路径的搜索是一个随时间而改变的动态路径搜索。其中len为道路长度，p为交通状况，r代表路段动态事故等级；p和r是一个随时间t而变化的动态变量。
图1 道路交通紧急事故救援体系的处理流程
由于研究的系统具有很强的针对性，我们进行的路径寻优已经不再是传统意义上的任意点对点的研究，而是将路网中的点进行了分类，即救援点和事故点。算法中的路径寻优主要是以救援点作为起点，事故点作为终点进行路径搜索。在我们建立的模型中：Vh，Vf，Vr，Vp为特殊节点（救援点）集合，其中，Vh为各急救医院位置的节点集合，Vf为各消防部分位置的节点集合，Vr为路政部门位置的节点集合，Vp为交警部门位置的节点集合。
在传统的Dijkstra算法中，路径的权值是一个固定值；但是，由于交通网络状况的时变性，仅仅使用一个固定值是无法描述交通网的动态特性。为此我们根据道路的时变特点，综合考虑道路交通中路况和动态事故等因素，把道路的时间消费函数（权值）e（t）定义为len，p（t），r（t）的一个时变函数：
e（t）=f（len，p（t），r（t））=a·len/p（t）+b·r（t），a，b为常数
即道路的时间消费函数(权值)e(t)作为道路长度，道路交通状况以及路段动态事故等级的一个与时间相关的函数。由于p和r是一个随时间t而变化的变量，p和r的改变势必影响道路的时间消费函数（权值）e，当a·len/p（t）+b·r（t）≠a·len/p（t2）+b·r（t2）时，算法就会根据新的e（t2）来进行路径计算，如果根据新的道路的时间消费函数计算出来的路径仍为原来t1时刻最短路径，这说明，在t1到t2时间内的，影响道路随时间波动的因素变化比较小，也说明这段时间内局部区域交通流很稳定，没有太大的波动；相反，如果根据新的道路的时间消费函数计算出来的路径已经发生改变，表明在t1到t2这个时间段内，相关部分路网的交通流受到某个随时间变化的因素的影响很大，从而改变了救援路径的生成方案。即:道路的时间消费函数是一个随时间变化的动态变量，这也决定了最短路径的计算结果path（t）也是一个动态变化的函数。我们也可以通过不同时间段的path（t）的改变与否，来判断影响e（t）的动态因素代价值的大小以及交通流的稳定性。
(1)计算t时刻离事故节点ve最近的有资源可以调度的急救医院v
；Vh(available)代表尚有资源可以调度的急救医院集合；
(2)t时刻的输出调度路径为：path（t）=Dijkstra-path{v，ve}。
消防，路政和交警的调度算法，与上面的方法类似。
2数据库的建模
诱导系统要以数据库为基础进行算法的实现，我们结合Dijkstra算法，并考虑城市GIS信息系统的特点，构建城市路网数据库。根据道路的特点、算法的需要以及交通紧急事件处理所需要的资源配备，建立了路网，节点，急救，交警，消防，路政和路段联系七张数据信析表格来描述城市交通道路面貌和救援部门相关信息。根据实际的需要还可以适当增加一些相关信息数据。在这里，以“路段联系”为例，对数据表的结构进行描述[3]，见表1。
表1“路段联系”信息
ID startnode startname endnode endname Link_edge length property
1 JT_JB_JD_001 红旗河沟 JT_JB_JD_002 无专厂 JT_JB_ZG_040 4124 1000
2 … … … … … … …
注：link_edge是两点之间决定的路段的编号，property是道路交通状况（这里量化为一个与时间相关的变量[4]）。
3基于实例的系统仿真
在系统实现上，以Oracle为平台构建城市路网数据库，采用Mapx控件并以VC++6作为开发平台。我们以重庆市主城区的江北区和渝中区（见图2）为例建立数据库模型，共有38个节点，6个急救点，3个路政点，3个消防部门，3个交警部门。在用优化后的Dijkstra算法对路网进行描述时，充分考虑到未来城市路网的进一步扩容性，在算法G=（Ｖ，Ｅ）的描述中，V值作为一个动态的变量进行处理，即救援部门和路段节点数量可以根据系统规模动态增加，增加了系统的灵活性和实用性。
图2 重庆部分主城区路网
我们以“交警”子系统为例，“红旗河沟”作为事故发生地点，进行路径规划。生成事故处理t1时刻方案，见图3。
图3 t1时刻事故处理方案
如果在t1时刻方案生成的路径中的“华新街――观音桥”路段在下一时刻t2发生二次事故，设定事故等级为二级，此时由于道路的时间消费函数（权值）e（t2）≠e（t1）的改变，系统生成了新的路径诱导方案（如下图），我们得出结论，由于影响道路的时间消费函数的某一因素随时间发生了改变，当此随时间变化的变量改变很大时，系统会生成新的救援应急方案，见图4，此时交警应急部门和救援路径都发生了改变。
图4 t2时刻事故处理方案
4结论
对重庆主城区路网的仿真试验表明，该系统实时性好，能够有效的进行紧急事故处理中的交通诱导，具有很强的可行性。如果对系统进行扩容，完全能满足实时性和可行性的要求。上述方案不仅仅适合于交通网络中路径寻优的处理，对于其他相关的网络搜索也具有借鉴意义。
参考文献：
[1]苏永云，晏克非等。车辆导航系统的动态最优路径搜索方法研究。系统工程，2000，18（4）：32-37
[2]黄伟东，万义玲。公路网最佳路径算法的研究。南昌大学学报，2001，23（1）
[3]吴必军，李利新等。基于城市道路数据库的最短路径搜索。西南交通大学学报，2003，38（1）
[4]Song Gao，Ismail Chabini。Optimal routing policy problems in stochastic time-dependent networks.I. Framework andtaxonomy。The IEEE 5th International Conference on，2002，549-554 |
|
|
|
