SOA下的城市道路交通网络极限容量判定模型.pdf

信息与电脑算法语言Information&ComputerSOA下的城市道路交通网络极限容量判定模型2023年第10 期吴君（中远海运科技股份有限公司，上海摘要：基于出行者出行行为，研究基于面向服务架构（Service-Oriented Architecture，So A）的城市道路交通网络极限容量判定模型。考虑路段通行能力等约束条件下的极限流量问题，基于信息共享平台获取交通信息，应用美国联邦公路局（BureauofPublicRoad，BPR）函数与启发式算法，获取极限容量判定结果。实验结果显示，基于判定结果调整道路交通网络结构后，可实现城市道路交通网络供需平衡。关键词：面向服务架构（SOA）；道路交通网络；极限容量；判定；信息共享；约束条件中图分类号：U491；T P39 1文章编号：10 0 3-9 7 6 7（2 0 2 3）10-0 7 0-0 3Decision Model of Urban Road Traffic Network Limit Capacity Based on SOA200135)文献标识码：AWU Jun(COSCO Shipping Technology Co.,Ltd.,Shanghai 200135,China)Abstract:Based on the travel behavior of travelers,a model for determining the ultimate capacity of urban road trafficnetworks based on Service-Oriented Architecture(SOA)is studied.Considering the limit flow problem under constraints suchas road capacity,traffic information is obtained based on an information sharing platform,and the Bureau of Public Road(BPR)function and heuristic algorithm are applied to obtain the result of determining the limit capacity.The experimental resultsshow that adjusting the road traffic network structure based on the judgment results can achieve a balance between supply anddemand in urban road traffic networks.Keywords:Service-Oriented Architecture(SOA);road traffic network;ultimate capacity;decision;information sharing;constraints0引言城市道路交通网络规模与容量和城市交通发展之间存在供求矛盾，因此有效判定城市道路交通网络极限容量是解决这一矛盾的有效方式1-2 。当前，面向服务的架构（Service-Oriented Architecture，SO A）是信息共享技术研究的热点，在本质上可定义为一种联结基础组织结构与业务功能的架构或方法3-4。因此，文章创新地提出应用服务总线发挥SOA环境智能化集成与管理的“中介”功能，将分配流量转化为多项式Logit的问题。1城市道路交通网络极限容量判定方法在城市道路交通网络规划过程中，一般依照整体网络的运行效率等实施科学决策，相反道路使用者一般基收稿日期：2 0 2 3-0 3-11作者简介：吴君（19 8 0 一），男，江西九江人，本科，工程师。研究方向：交通运输行业软件系统的设计及项目管理。于现有网络设施考虑个人出行目的地、出行方式与出行路径。文章基于采集的各类城市道路交通网络信息进行4点假设。第1点，设定存在私人汽车与公交车两种不同交通方式，且两种不同交通方式间相互独立，同时满足多项式Logit。第2 点，出行者完全了解当前路况信息与停车设施信息，会根据用户均衡方式确定出行路径。第3点，设定私人汽车出行方式存在停车设施搜索条件。添加停车路段与步行路段，将停车设施转换为道路路段。以路段出行时间函数表示路段流量的连续、严格单调增函数，以停车搜索时间函数表示停车需求的连70信息与电脑2023年第10 期Information&Computer算法语言(5)5续、严格单调增函数5。第4点，设定公交车出行与路段流程间不存在相关性，主要受车内出行时间、公交票价和车外出行时间影响。考虑城市道路交通网络中路段通行能力，构建城市道路交通网络极限容量双层判定模型。1.1城市道路交通网络极限流分析模型及求解上层模型为城市道路交通网络极限流量模型maxz(g)，具体公式为max z(a)=maxt(l)ZZmgha-qo,q0(1)式中：r和d分别为出行起点与出行目的地；m=(me,mb)为出行方式，其中m。和mb分别为私人汽车出行方式和公交车出行方式；qa为起点r至目的地d的新增产生量；qd为目的地现有吸引量；t。(l)为预期出行量。设l。为起点至目的地间路径p服务水平的最大出行时间，目标函数即预期最大出行量t。（l）与l。存在高度相关性，通过美国联邦公路局（BureauofPublicRoad，BPR）函数求解t。（l。）的公式为t(l.)=t 1+0.15(ga）式中：g。为交通车辆千米碳排放因子；41+0.15为碳排放极限量；t为路段以私人汽车计量的出行容量。1.2时程道路交通网络规划模型及求解考虑城市道路交通网络设施的规划者与道路使用者间的相关性，满足时程道路交通网络规划进程要求，通过构建下层模型来描述城市道路交通网络优化问题。时程道路交通网络规划模型公式为(3)址1和2 为起点，以地址3和4为目的地，包含私人汽式中：Wia和lia分别为停车路段i至出行目的地d的车（路线为实线）和公交车（路线为虚线）两种交通方式。车流速度和流量；zl,为流量l.和里程z,约束下的停车路分析与选择出行路径，确定不同路径出行成本与极段通行能力；为熵函数。限容量，结果如表1所示。由表1可知，本文判断的为了避免出行任务量少的求解程序完成时间长于出不同路径的极限容量与实际情况基本一致，差距不超行任务量多的求解程序完成时间，减少求解过程不均衡过0.2，说明本文模型能够准确地判定道路交通网络极问题，设置第j个求解程序执行后的滞后程度为限容量。城市道路交通网络容量供需平衡是城市道路交通稳（(4)式中：D、D,分别为整个出行任务执行完毕的耗时、预期耗时；r()为出行任务调度有序性，值较小表示调度的有序性显著，服从多项式Logit效果较好。目标函数求解结果为-Z(acn(an)-n(a)-()式中：为有序性系数。1.3双层模型求解双层模型具有非线性特征，可基于城市道路交通网络中每对交通起点和终点的交通流量分配相应路径，分rd别求解上层模型与下层模型，即可以通过求解乘客出行分布和模式选择服从多项式Logit的出行成本最小化问题确定分配流量。循环迭代双层模型求解结果，直至收敛，即可得到极限容量判断结果。2实验分析为验证所研究的基于SOA的城市道路交通网络极限容量判定模型，在实际城市道路交通网络极限容量判断中的应用效果展开实验。实验对象网络结构，如图1所示。(2)所选简单道路交通网络结构内包含6 个地址（1一6）5条路段（a一e）和两个停车场（A和B）。实验以地定的基础。利用本文模型判定研究对象所在城市的道路交通网络极限容量情况，再根据本文模型判定结果有针e21111图1实验对象网络结构dbB611al71一信息与电脑算法语言Information&Computer表1路径出行成本与极限容量出行起止点路径出行方式自由流时间/min1公交车地址1到地址32私人汽车地址1到地址41私人汽车地址2 到地址31私人汽车1私人汽车地址2 到地址42对性调整各简单道路交通网络结构，优化城市路网时空总资源布局，结果如图2 所示。满足未满足12345678城市道路交通网络结构划分图2 城市道路交通网络供需平衡优化结果由图2 可知，本文通过确定研究对象的极限通行能力，并根据该模型的结果调整道路交通网络结构，使研究对象中的每个简单路网都能达到供需平衡，能够满足平衡城市道路交通网络通行的需求，体现了本文方法具有较好的实际应用效果。3结语为了有效解决城市道路交通网络规模与容量和城市交通发展之间的供求矛盾，文章研究基于SOA的城市2023年第10 期路径出行成本/元路径实际极限容量路径极限容量判定414.91316.39315.78516.65416.04公交车8102.200.0070.6751.280.0016.0480.91道路交通网络极限容量判定模型。基于SOA信息共享平台获取城市道路交通网络相关信息，并利用双层模型判断城市道路交通网络极限容量。测试结果表明，该方法可以有效判定城市道路交通网络极限容量，并依据判定结果为当前城市道路交通网络负荷分析提供科学依据。参考文献1金盛，沈莉潇，贺正冰.基于多源数据融合的城市道路网络宏观基本图模型.交通运输系统工程与信息,2 0 18,18(2):112-119.2李成兵，郝羽成，高巍，等.城市群交通网络级联失效建模与可靠性仿真.公路交通科技,2 0 18,35(5):135-141.3戴学臻，苑仁腾，王少玲，等.不同时间间隔下的道路交通状态判别.公路交通科技,2 0 2 0,37(6):112-119.4吕彪，刘一骝,刘海旭，等.协同考虑脆弱性与可靠性的城市道路网络设计 .西南交通大学学报,2 0 19,54(5):10 9 3-110 3.5倪庆剑，彭文强，张志政，等.基于信息增强传输的时空图神经网络交通流预测J.计算机研究与发展,2 0 2 2,59(2):2 8 2-2 9 3.102.400.0070.6651.270.0080.91一72