基于復雜網(wǎng)絡聚類算法的酒駕違法行為查處選址研究

胥 文， 謝長江， 石臣鵬

(四川警察學院道路交通管理系， 四川瀘州 646000)

0 引言

酒駕違法人數(shù)近年來仍然有較大數(shù)量增長，酒駕違法現(xiàn)象層出不窮，對我國人民的人身和財產(chǎn)安全造成極大的威脅，在我國公安機關交通管理部門多方面的管理舉措之下，酒駕違法行為存在屢治屢犯的常態(tài)化現(xiàn)象。

目前有關酒駕管理的理論研究和相關文獻資料并不多，大多數(shù)研究還停留在酒駕和刑罰之間的聯(lián)系和酒駕對駕車行為的影響等[1]。張偉提出在道路上設置臨時執(zhí)法卡點，選址時應該考慮到車速限制、交通流量、執(zhí)法效果和成本等因素[2]。對于酒駕盤查卡點的選址問題，國內(nèi)外研究均存在較大的空白。選址問題一直以來都是國內(nèi)外多個領域的熱門研究問題，如公共服務設施(醫(yī)療衛(wèi)生、教育、文化)、物流配送中心選址[3]、應急設施選址(消防站、危險品倉儲中心、災害救援點)、快遞服務網(wǎng)點[4]等領域。針對選址問題的經(jīng)典算法主要有4種：(1)傳統(tǒng)選址問題通常采用啟發(fā)式算法，保證求解過程的有效搜索；(2)把選址問題這類非線性規(guī)劃問題，進行整數(shù)規(guī)劃求解，運算時間過長且難以求出最優(yōu)解；(3)基于主觀判斷的定性研究，采用層次分析或者模糊綜合評判，結(jié)果多會受限于專家的知識經(jīng)驗。而現(xiàn)有針對城市酒駕管理對策和查處過程中卡點選址的研究主要是定性研究，沒有針對其影響因素的定量決策結(jié)果。為了使發(fā)生在網(wǎng)絡中任意路段的酒駕違法行為得到精準高效的查處和響應，應該從宏觀路網(wǎng)層面考慮酒駕違法行為查處盤查卡點的選址問題。因此對于酒駕盤查卡點的宏觀選取應做到：選擇城市道路網(wǎng)絡主干道；選擇在晚間就餐后時間點路網(wǎng)中的流量熱點路段；選擇對城市道路網(wǎng)絡高覆蓋性的主要連接路段重要節(jié)點。本文針對酒駕違法行為查處卡點選址研究，主要考慮對城市道路網(wǎng)絡的宏觀選取，將城市路網(wǎng)中的交通流量作為唯一的選址決策因素，增強其在選址問題中的實用性。基于復雜網(wǎng)絡聚類算法的路段聚集度分析，研究城市交通網(wǎng)絡中的路段車流聚集度，辨識網(wǎng)絡中關鍵車流聚集路段，從而在酒駕違法行為查處盤查卡點選址規(guī)劃時重點考慮關鍵路段節(jié)點，使整個設卡查處酒駕違法行為的效率和準確性得到提高。

1 酒駕違法行為盤查設卡概述

1.1 酒駕查處卡點設置的原則

根據(jù)酒駕違法行為查處時盤查卡點的選址原則，首先是要制定多種應變方案，對于執(zhí)勤點位設置和人員做好任務分配。在道路上開展酒駕盤查設卡執(zhí)勤執(zhí)法過程中，需要在確保安全的前提下，明確人員的合理站位，完成對有限警力條件的最大化利用，設置預警區(qū)的觀察組、警戒區(qū)的檢查組和攔截組、處置區(qū)的阻車增援組和機動組，確保在崗警力能夠迅速響應，協(xié)同作戰(zhàn)[5-6]。

而由于酒駕違法行為事件發(fā)生的地點不確定性，酒駕違法行為可能發(fā)生在城市道路交通網(wǎng)絡線網(wǎng)內(nèi)的任意一個路段，為了使發(fā)生在網(wǎng)絡中任意路段的酒駕違法行為得到精準高效的查處和響應，應該從宏觀路網(wǎng)層面考慮酒駕違法行為查處卡點的選址問題，因此對于酒駕盤查卡點的宏觀選取的原則應做到，選擇城市道路網(wǎng)絡主干道；選擇在晚間就餐后時間點、車流量大的路網(wǎng)車流量熱點路段；選擇對城市道路網(wǎng)絡高覆蓋性的主要連接路段重要節(jié)點。

1.2 酒駕盤查卡點識別

本文通過對路段的有效劃分獲得路網(wǎng)中流量監(jiān)測的備選節(jié)點，在此基礎上，對路網(wǎng)節(jié)點的重要度指標進行合理分析，為下一步的酒駕違法行為查處盤查卡點分級、分類提供支撐，實現(xiàn)路網(wǎng)中重要監(jiān)測點的指標識別新模式。達到構建酒駕查處中對于重要盤查卡點重要度識別數(shù)學模型的目的。

1.2.1 路網(wǎng)抽象與模型構建

根據(jù)城市道路網(wǎng)絡酒駕違法行為查處盤查卡點選址的特點和原則，以及酒駕違法行為查處工作的需求與目標，構建出適用于選址規(guī)劃需求的城市道路網(wǎng)絡酒駕違法行為查處盤查卡點的選址模型。本文基于復雜網(wǎng)絡的L-space空間模型，將城市路網(wǎng)交通網(wǎng)絡中所有車流OD起訖點抽象為節(jié)點的集合，車站之間的聯(lián)系抽象為節(jié)點之間的連接邊的集合，于是構建交通網(wǎng)絡有向圖G(V，E)，其中V是車流OD起訖點集合，E是車流OD起訖點之間連接路段的集合，基于此分析識別城市道路交通網(wǎng)絡車流量高聚集性的路段，以此設置酒駕違法行為查處盤查卡點。

1.2.2 車流高聚集路段的評估指標構建

本文引入客流聚集指數(shù)對路網(wǎng)內(nèi)車流量聚集的路段進行評估[7]。客流聚集指數(shù)(concentration index of passenger Flow，簡稱CPF指數(shù))，定義為一定時段內(nèi)通過一個車站或者路段的客流占全網(wǎng)客流百分比的平方和，如公式(1)所示。

(1)

式中，N表示路網(wǎng)內(nèi)的路段總數(shù)，fi為一定時段內(nèi)經(jīng)過路段i的所有客流量，為同一時段內(nèi)使用軌道交通網(wǎng)絡的乘客總量。當所有客流被一個路段壟斷的力度越大時，(fi/F)2越大；當所有車站規(guī)模相同時，各路段(fi/F)2接近相等，所以當CPFi數(shù)值越大時，表明道路網(wǎng)絡的差異程度越高，客流量在該路段內(nèi)聚集越集中，等價于車流量在該路段內(nèi)聚集越集中，引出車流量聚集指數(shù)。

2 路網(wǎng)車流加載條件下基于復雜網(wǎng)絡聚類的酒駕盤查卡點選取

2.1 路網(wǎng)車流量分配方法

計算城市道路網(wǎng)絡中的路段車流聚集指數(shù)，首先要計算路段車流量，所以要對路網(wǎng)車流量進行交通量分配，交通量分配就是將已經(jīng)預測出的OD需求量按照一定的準則分配到路網(wǎng)中的各條路段上，求出各條路段上的交通流量。Beckmann采用數(shù)學形式描述Wardrop平衡狀態(tài)[8]，如公式(2)所示。

(2)

(3)

約束條件：

本文基于用戶均衡和系統(tǒng)最優(yōu)原則對路網(wǎng)內(nèi)車流量進行分配，然后得到路段流量。在對城市道路網(wǎng)絡進行客流分配后，得到路網(wǎng)內(nèi)每個路段的車流量，最后計算車流聚集指數(shù)，以車流聚集指數(shù)最高的路段節(jié)點為酒駕違法行為查處盤查卡點。

2.2 算法選取

Frank-Wolfe算法在每個起終點對之間，反復在最短路徑上使用“全有全無”加載方法，不要求太大的存儲容量，能將求解非線性規(guī)劃問題轉(zhuǎn)化為求解一系列的線性規(guī)劃問題，而且各線性規(guī)劃具有相同的約束條件[10]。

以下為Frank-Wolfe算法求解步驟。

3 酒駕查處卡點選址實證分析

本文以某城市道路交通路網(wǎng)的酒駕違法行為查處盤查卡點選址決策為案例，對本文提出的引入車流量加載條件下，基于復雜網(wǎng)絡聚類算法的酒駕違法行為查處盤查卡點選址模型和方法進行綜合研究，以檢驗模型、算法的有效性。

3.1 實例描述

由于道路網(wǎng)絡的巨系統(tǒng)特性，結(jié)合本文理論研究實際，本文以某市三環(huán)內(nèi)交通網(wǎng)絡為例，驗證本文所提選址方法。由于計算能力所限，研究整個三環(huán)內(nèi)道路網(wǎng)絡問題規(guī)模過于龐大，本文選取某市三環(huán)內(nèi)城區(qū)的21個區(qū)域，區(qū)域間路段共有62條(區(qū)分上下行)，每個區(qū)域作為一個OD車流量發(fā)生點，設定21組OD間的車流需求量，將該城區(qū)道路交通線網(wǎng)映射為網(wǎng)絡圖，即將該城區(qū)道路交通線網(wǎng)的元素與無向圖的元素對應起來，實際線網(wǎng)對應著無向網(wǎng)絡圖G=(V,E)中的21個區(qū)域、42條路段，如圖1所示。路段在映射為網(wǎng)絡圖的邊，每個區(qū)域映射為網(wǎng)絡圖的節(jié)點，相鄰兩點間的路段長度采用最短距離表示。

圖1 某市城區(qū)三環(huán)內(nèi)主要區(qū)域間路網(wǎng)示意圖

考慮到城市道路交通網(wǎng)絡路段車流聚集指數(shù)計算的客流數(shù)據(jù)需求，本文采用如下數(shù)據(jù)作為本文的城市道路交通網(wǎng)絡基礎數(shù)據(jù)，表1表示該城區(qū)路網(wǎng)主要區(qū)域間在酒駕違法行為查處時段的車流量需求，表示兩個區(qū)域間的車流量需求。通過這項數(shù)據(jù)可以完成道路網(wǎng)絡車流量分配，進一步計算路段車流量聚集指數(shù)。

表1 某市城區(qū)三環(huán)內(nèi)路網(wǎng)主要區(qū)域間酒駕違法行為查處時段車流量需求

3.2 道路網(wǎng)絡車流配流

通過某市道路網(wǎng)絡基礎數(shù)據(jù)和該城區(qū)路網(wǎng)主要區(qū)域間在酒駕違法行為查處時段的車流量需求，首先完成在酒駕違法行為查處時段的道路網(wǎng)絡車流量分配，計算城市道路網(wǎng)絡中的路段車流量聚集指數(shù)。本文使用Frank-Wolfe算法對該城區(qū)路網(wǎng)主要區(qū)域間在酒駕違法行為查處時段的車流量需求進行分配。某市城區(qū)路網(wǎng)主要區(qū)域間酒駕違法行為查處時段各路段車流量分配結(jié)果，如表2所示。

表2 某市城區(qū)路網(wǎng)主要區(qū)域間酒駕查處時段各路段車流量分配結(jié)果

3.3 道路網(wǎng)絡車流聚集性分析

根據(jù)該城區(qū)路網(wǎng)主要區(qū)域間酒駕違法行為查處時段各路段車流量分配結(jié)果，計算各路段車流聚集指數(shù)并降序排列。計算結(jié)果前8名，結(jié)果如表3所示。

因此，如果公安機關交通管理部門決定設置8個酒駕盤查卡點，根據(jù)表3車流量聚集指數(shù)結(jié)果降序排列，這8組警力盤查卡點將分別安排在槐樹店—成都東站、成都東站—東大路、駟馬橋—槐樹店、人民北路—騾馬市、火車北站—駟馬橋、駟馬橋—火車北站、火車北站—西南交大、西南交大—一品天下這8個路段，如圖2所示。

圖2 基于車流量聚集指數(shù)的酒駕盤查卡點選址

表3 某市城區(qū)路網(wǎng)主要區(qū)域間酒駕查處時段各路段車流量聚集指數(shù)

4 結(jié)論與展望

本文針對酒駕違法行為查處卡點選址規(guī)劃中存在的問題，區(qū)別于以往按照專家知識經(jīng)驗選取的定性方法。主要考慮對城市道路網(wǎng)絡的宏觀選取，將城市路網(wǎng)中的交通流量作為唯一的選址決策因素。對城市路網(wǎng)中路段的流量大小和重要程度進行定量分析，采用復雜網(wǎng)絡理論分析在車流加載的條件下，識別出城市道路交通網(wǎng)絡中車流量最大的路段，作為酒駕盤查設卡選址的參考依據(jù)，為酒駕盤查卡點設卡選址奠定理論與應用基礎。同時由于酒駕違法行為查處時的各種不確定因素，因此會造成不可避免的擁堵情況，此問題屬于論文后續(xù)的研究方向。