投稿网址:www．stae．com．cn2023年第23卷第5期2023，23(5):02190-07科学技术与工程ScienceTechnologyandEngineeringISSN1671—1815CN11—4688/T收稿日期:2022-05-05;修订日期:2022-11-10基金项目:河北省自然科学基金(E2015202266);河北省高等学校科学技术研究项目(ZD2021028)第一作者:薛相全(1994—)，男，汉族，河北邢台人，硕士研究生。研究方向:交通运输规划与管理。E-mail:xxqxxc@outlook．com。*通信作者:庞明宝(1966—)，男，汉族，河南西峡人，博士，教授。研究方向:交通运输规划与管理。E-mail:pmbpgy@hebut．edu．cn。引用格式:薛相全，庞明宝．基于改进拉普拉斯中心性的高速路网状态识别方法［J］．科学技术与工程，2023，23(5):2190-2196．XueXiangquan，PangMingbao．FreewaynetworkstaterecognitionmethodbasedonimprovedLaplacecentrality［J］．ScienceTechnologyandEngineering，2023，23(5):2190-2196．基于改进拉普拉斯中心性的高速路网状态识别方法薛相全，庞明宝*(河北工业大学土木与交通学院，天津300401)摘要为提高高速公路网络运行效率，提出一种考虑不同路段对系统时空影响差异性的高速公路网络交通状态识别方法。定义路网各类型路段为节点及其状态计算方法，建立基于改进拉普拉斯中心性和时空影响因子的路网状态识别模型。其中，利用皮尔逊相关系数改进拉普拉斯中心性方法以评估节点自身影响，设计时空影响因子评估邻居节点影响;融合节点自身及邻居节点影响，建立节点权重系数模型;在以上基础上建立反映路网交通状态的综合判别模型。以京港澳高速徐水-清苑的高速公路网络为例予以验证，结果表明:在不同交通需求情景下，所提方法能有效识别交通状态;对比交通运行指数(trafficper-formanceindex，TPI)模型和车辆行驶时间(vehiclehourtraveled，VHT)模型，所提方法状态识别精准度均为最优，尤其是在交通需求大的情况下，对于含匝道节点3和纯主线节点4，与稳定性较强的TPI模型相比，所提方法准确率提升了9.7%和7.1%，进一步证明了模型的适用性强，能够满足工程实际的需要。关键词智能交通;高速公路网络状态识别;改进拉普拉斯中心性;时空影响因子;节点权重模型中图法分类号U491.13;文献标志码AFreewayNetworkStateＲecognitionMethodBasedonImprovedLaplaceCentralityXUEXiang-quan，PANGMing-bao*(SchoolofCivilandTransportation，HebeiUniversityofTechnology，Tianjin300401，China)［Abstract］Inordertoimprovetheopera...
