基于改進(jìn)拉普拉斯中心性的高速路網(wǎng)狀態(tài)識(shí)別方法

薛相全，龐明寶

(河北工業(yè)大學(xué)土木與交通學(xué)院，天津 300401)

路網(wǎng)交通狀態(tài)反映了路網(wǎng)運(yùn)行狀態(tài)，其有效識(shí)別是提升道路運(yùn)行效率的關(guān)鍵所在，且網(wǎng)絡(luò)層面的狀態(tài)識(shí)別方法一直是研究熱點(diǎn)[1-2]，但高速公路網(wǎng)絡(luò)狀態(tài)識(shí)別研究較少。Han等[3]、Cassidy等[4]基于宏觀基本圖(macroscopic fundamental diagram, MFD)，利用高速路網(wǎng)各子路段交通參數(shù)加權(quán)和來(lái)描述宏觀的交通參數(shù)關(guān)系，以圖轉(zhuǎn)折點(diǎn)為依據(jù)來(lái)識(shí)別狀態(tài)，但高速公路交通流時(shí)空分布不均使路網(wǎng)內(nèi)車(chē)輛密度并不均勻，因而適用于路段狀態(tài)均勻的MFD可行性有待進(jìn)一步研究[4]。

高速路網(wǎng)由交通流特性各異的純主線路段、含出入口匝道路段、含立交橋路段等組成，各類(lèi)型路段(節(jié)點(diǎn))對(duì)路網(wǎng)運(yùn)行狀態(tài)影響存在時(shí)空差異性[5-6]，需加以區(qū)分，如丁恒等[7]以單位長(zhǎng)度通行能力區(qū)分純主線路段、含出入口匝道路段，但區(qū)分方式過(guò)于簡(jiǎn)單、 主觀人為因素過(guò)多，無(wú)法有效區(qū)分節(jié)點(diǎn)的影響程度。拉普拉斯中心性法[8-9]因?yàn)榭陀^直接、精準(zhǔn)有效，常用于評(píng)估節(jié)點(diǎn)自身重要度，但其主要應(yīng)用于無(wú)權(quán)網(wǎng)絡(luò)。而高速公路是復(fù)雜、動(dòng)態(tài)變化加權(quán)網(wǎng)絡(luò)，因而需結(jié)合交通流時(shí)空特性對(duì)拉普拉斯中心性法予以改進(jìn)以適應(yīng)高速路網(wǎng)。

基于此，現(xiàn)考慮交通流時(shí)空關(guān)聯(lián)特性[10]，利用皮爾遜相關(guān)系數(shù)[11]建立狀態(tài)關(guān)聯(lián)系數(shù)矩陣改進(jìn)拉普拉斯中心性方法以評(píng)估自身影響，設(shè)計(jì)等效距離評(píng)估鄰居節(jié)點(diǎn)影響，融合節(jié)點(diǎn)自身及鄰居節(jié)點(diǎn)的影響，建立節(jié)點(diǎn)權(quán)重系數(shù)模型；并基于此建立反映路網(wǎng)交通狀態(tài)指數(shù)的綜合判別模型，以實(shí)現(xiàn)對(duì)時(shí)空分布不均的高速路網(wǎng)交通狀態(tài)的快速識(shí)別。

1 高速公路網(wǎng)絡(luò)狀態(tài)識(shí)別流程

研究對(duì)象為高速公路網(wǎng)絡(luò)，定義路段為節(jié)點(diǎn)，并將高速公路網(wǎng)絡(luò)劃分為純主線路段、含出入口匝道路段、含立交橋路段3種類(lèi)型節(jié)點(diǎn)組成的集合，其狀態(tài)識(shí)別流程如圖1所示，基本原理如下。

圖1 高速公路網(wǎng)絡(luò)交通狀態(tài)等級(jí)劃分Fig.1 Traffic state classification of freeway network

(1)信息采集及處理子系統(tǒng)實(shí)時(shí)獲取路網(wǎng)各節(jié)點(diǎn)(路段)的原始交通流信息，通過(guò)相關(guān)計(jì)算和處理，得到各節(jié)點(diǎn)交通流參數(shù)數(shù)據(jù)信息，如節(jié)點(diǎn)的流量、速度、通行能力等。

(2)考慮純主線節(jié)點(diǎn)(路段)、含出入口匝道節(jié)點(diǎn)、含立交橋節(jié)點(diǎn)交通流特性并分別建立符合其交通流特性的狀態(tài)識(shí)別模型，結(jié)合鄰接矩陣建立路網(wǎng)交通狀態(tài)矩陣。

(3)考慮節(jié)點(diǎn)狀態(tài)時(shí)空關(guān)聯(lián)性，采用皮爾遜關(guān)聯(lián)系數(shù)法，建立節(jié)點(diǎn)狀態(tài)關(guān)聯(lián)矩陣。利用節(jié)點(diǎn)狀態(tài)關(guān)聯(lián)矩陣改進(jìn)拉普拉斯中心性方法確定節(jié)點(diǎn)自身重要性，設(shè)計(jì)時(shí)空影響因子評(píng)估鄰居節(jié)點(diǎn)狀態(tài)影響，融合節(jié)點(diǎn)自身及鄰居節(jié)點(diǎn)影響，建立節(jié)點(diǎn)權(quán)重系數(shù)模型以區(qū)分不同節(jié)點(diǎn)對(duì)路網(wǎng)運(yùn)行狀態(tài)的差異性。

(4)利用路網(wǎng)交通狀態(tài)矩陣和節(jié)點(diǎn)權(quán)重系數(shù)模型建立高速公路網(wǎng)絡(luò)交通狀態(tài)模型，并結(jié)合成熟評(píng)價(jià)指標(biāo)劃分區(qū)域路網(wǎng)交通狀態(tài)等級(jí)。

2 網(wǎng)絡(luò)交通狀態(tài)識(shí)別模型

2.1 網(wǎng)絡(luò)拓?fù)涿枋?/h3>

拓?fù)淇梢杂脕?lái)表示空間對(duì)象間的鄰接關(guān)系。將已劃分好的高速公路網(wǎng)絡(luò)用G(N,A)表示，其中，N為節(jié)點(diǎn)集；A為邊集，表示對(duì)應(yīng)節(jié)點(diǎn)間是否相鄰；aij為其元素，其值為1表示節(jié)點(diǎn)i和j相鄰，為0表示不連接。通常某個(gè)節(jié)點(diǎn)會(huì)影響k階相鄰節(jié)點(diǎn)，其k階可達(dá)空間鄰接矩陣W[12]表達(dá)式為

W=Bool[(An×n+In×n)k]

(1)

式(1)中：An×n為鄰接矩陣；In×n為單位矩陣；Bool(·)函數(shù)表示矩陣計(jì)算采取布爾代數(shù)運(yùn)算規(guī)則。

2.2 節(jié)點(diǎn)狀態(tài)識(shí)別模型

(1)純主線節(jié)點(diǎn)(路段)。不受出入口匝道影響的純主線路段因地理位置、車(chē)道數(shù)等會(huì)使限速、流量和通行能力存在差異。建立其交通狀態(tài)識(shí)別指標(biāo)模型為

(2)

式(2)中：sm(t)為t時(shí)主線節(jié)點(diǎn)m交通狀態(tài)指標(biāo)值；η1為指標(biāo)重要性權(quán)衡，η1∈[0, 1]，根據(jù)實(shí)際情況選取，此處取0.5；vm,max和vm(t)分別為t時(shí)m的最大限速和平均速度；qm(t)和Cm分別為t時(shí)m的檢測(cè)流量和通行能力。

(2)含出入口匝道節(jié)點(diǎn)。對(duì)于一段主線和其連接的出入口匝道而言，存在加減速頻繁、通行能力下降等問(wèn)題。據(jù)王曉[13]研究，修正分流區(qū)通行能力Cz,f和合流區(qū)通行能力Cz,o以體現(xiàn)分合流區(qū)的狀態(tài)影響。建立其狀態(tài)指標(biāo)模型為

(3)

式(3)中：sz(t)為t時(shí)考慮分離和交匯連接節(jié)點(diǎn)z交通狀態(tài)指標(biāo)值；η2為指標(biāo)重要性權(quán)衡，η2∈[0, 1]，根據(jù)實(shí)際情況選取，此處取0.5；vz,max和vz(t)分別為t時(shí)節(jié)點(diǎn)z最大限速和平均速度；qz,f(t)、qz,m(t)和qz,o(t)分別為節(jié)點(diǎn)z的分流區(qū)流量(分流點(diǎn)上游主線與分離量之差)、主線流量和合流區(qū)流量(合流點(diǎn)上游主線與匯入量之和)。

(3)含立交橋節(jié)點(diǎn)。類(lèi)似于出入口匝道節(jié)點(diǎn)，也要考慮分離和匯入問(wèn)題。其可以看作是兩個(gè)方向上的出入口匝道節(jié)點(diǎn)的組合，故取其狀態(tài)指標(biāo)值的均值以表示該節(jié)點(diǎn)的交通狀態(tài)。

2.3 網(wǎng)絡(luò)交通狀態(tài)矩陣

依據(jù)路網(wǎng)空間拓?fù)浣Y(jié)構(gòu)和t時(shí)計(jì)算的節(jié)點(diǎn)交通狀態(tài)值，建立路網(wǎng)鄰接交通狀態(tài)矩陣Sij(t)，表達(dá)式為

(4)

式(4)中：si(t)為高速公路網(wǎng)絡(luò)劃分為的不同類(lèi)型節(jié)點(diǎn)i的狀態(tài)指標(biāo)值。

3 基于改進(jìn)拉普拉斯中心性的網(wǎng)絡(luò)狀態(tài)識(shí)別模型

3.1 狀態(tài)時(shí)空相關(guān)性

高速公路交通流時(shí)空分布特性使路網(wǎng)中節(jié)點(diǎn)間的狀態(tài)存在時(shí)空關(guān)聯(lián)性，關(guān)聯(lián)性越強(qiáng)表明節(jié)點(diǎn)之間狀態(tài)聯(lián)系越緊密。皮爾遜相關(guān)系數(shù)(Pearson correlation coefficient，PCC)可以度量任意兩組對(duì)象X和Y在給定時(shí)間延遲s下的關(guān)聯(lián)性R，表達(dá)式為

(5)

式(5)中：μX、μY為X、Y的均值；σX、σY為X、Y的方差。

節(jié)點(diǎn)間狀態(tài)的影響不僅體現(xiàn)在時(shí)間維度，也體現(xiàn)在空間維度，引入等效距離因子Cij(t)來(lái)表示節(jié)點(diǎn)i與j的狀態(tài)空間相關(guān)性，表達(dá)式為

(6)

式(6)中：dij為節(jié)點(diǎn)i與j間物理距離；Rij(t)為利用式(5)得到的t時(shí)節(jié)點(diǎn)i與j的狀態(tài)相關(guān)系數(shù)。距離越遠(yuǎn)，影響越小，因而，Cij(t)與距離成正相關(guān)，與節(jié)點(diǎn)狀態(tài)相關(guān)程度呈負(fù)相關(guān)，符合實(shí)際交通流情況。

3.2 權(quán)重系數(shù)模型

不同節(jié)點(diǎn)對(duì)路網(wǎng)交通運(yùn)行狀態(tài)存在差異性，其重要程度既要考慮自身重要性，也要考慮位置因素的鄰居節(jié)點(diǎn)的影響。

3.2.1 節(jié)點(diǎn)自身影響

拉普拉斯中心性法常用于評(píng)估節(jié)點(diǎn)自身重要性，其主要適用于無(wú)權(quán)網(wǎng)絡(luò)，拉普拉斯中心性越高，則節(jié)點(diǎn)自身重要度越高，而高速公路是復(fù)雜且動(dòng)態(tài)變化的加權(quán)網(wǎng)絡(luò)，利用傳統(tǒng)方法計(jì)算鄰接矩陣A和度矩陣D并不合適，基于此，利用節(jié)點(diǎn)的狀態(tài)關(guān)聯(lián)矩陣構(gòu)建加權(quán)鄰接矩陣AR(t)和度矩陣DR(t)，并對(duì)其進(jìn)行改進(jìn)，得

(7)

(8)

利用改進(jìn)鄰接矩陣和度矩陣計(jì)算拉普拉斯矩陣LR(t)見(jiàn)式(9)，依據(jù)拉普拉斯矩陣得到拉普拉斯能量EnL(t)見(jiàn)式(10)。去除目標(biāo)節(jié)點(diǎn)后重新計(jì)算拉普拉斯能量得到該節(jié)點(diǎn)自身中心性CnL(t)，表達(dá)式為

LR(t)=DR(t)-AR(t)

(9)

(10)

(11)

3.2.2 鄰居節(jié)點(diǎn)影響

路網(wǎng)是連通的，鄰居節(jié)點(diǎn)間必然存在影響。為進(jìn)一步體現(xiàn)鄰居節(jié)點(diǎn)間的狀態(tài)傳播影響，定義狀態(tài)相關(guān)系數(shù)與等效距離的比值為鄰居節(jié)點(diǎn)的時(shí)空影響因子Kij(t)。當(dāng)兩節(jié)點(diǎn)間等效距離Cij(t)變長(zhǎng)，空間影響減弱，呈負(fù)相關(guān)；狀態(tài)關(guān)聯(lián)系數(shù)越大，影響越大，成正相關(guān)。因此，Kij(t)越大，表明影響越大。表達(dá)式為

(12)

節(jié)點(diǎn)的影響取決于節(jié)點(diǎn)自身及鄰居節(jié)點(diǎn)在路網(wǎng)中所起到的作用。因此，通過(guò)融合節(jié)點(diǎn)自身影響系數(shù)及鄰居節(jié)點(diǎn)影響系數(shù)構(gòu)建節(jié)點(diǎn)權(quán)重系數(shù)模型(node weight model，NWM)。其中，節(jié)點(diǎn)自身影響系數(shù)為αi(t)，表示節(jié)點(diǎn)本身影響占路網(wǎng)總的節(jié)點(diǎn)影響的比值見(jiàn)式(13)，鄰居節(jié)點(diǎn)影響系數(shù)為βij(t)，表示鄰居節(jié)點(diǎn)影響占路網(wǎng)全部鄰居節(jié)點(diǎn)總影響比值見(jiàn)式(14)，節(jié)點(diǎn)權(quán)重系數(shù)矩陣I(t)見(jiàn)式(15)。

(13)

(14)

(15)

3.3 路網(wǎng)狀態(tài)識(shí)別模型

依據(jù)道路拓?fù)?，?jì)算各節(jié)點(diǎn)交通狀態(tài)值及路網(wǎng)各節(jié)點(diǎn)權(quán)重系數(shù)，建立路網(wǎng)交通狀態(tài)識(shí)別模型見(jiàn)式(16)，并對(duì)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理見(jiàn)式(17)。

(16)

(17)

4 仿真實(shí)驗(yàn)

4.1 實(shí)驗(yàn)對(duì)象

以河北省保定市京港澳高速徐水—清苑的一段高速公路網(wǎng)絡(luò)為實(shí)驗(yàn)對(duì)象，為繞城高速東環(huán)線，其存在多種類(lèi)型路段，臨近市區(qū)，時(shí)空分布不均特性明顯。具體見(jiàn)圖2所示。該路網(wǎng)含6個(gè)出入口匝道對(duì)(一個(gè)入口匝道對(duì)應(yīng)一個(gè)出口匝道)和2個(gè)與其他高速連通的互通式立交橋，主線雙向八車(chē)道，長(zhǎng)度為48 km，大小車(chē)限速分別為100 km/h和120 km/h，大貨車(chē)比例為35%。依據(jù)是否包含出入口匝道、立交橋?yàn)橐罁?jù)劃分該路網(wǎng)為18個(gè)節(jié)點(diǎn)，各節(jié)點(diǎn)對(duì)應(yīng)的主線長(zhǎng)度如表1所示，仿真實(shí)驗(yàn)使用數(shù)據(jù)為VISSIM通過(guò)實(shí)際調(diào)查數(shù)據(jù)和仿真對(duì)模型校驗(yàn)和參數(shù)優(yōu)化所得。

O為入口匝道，F(xiàn)為出口匝道，I為互通式立交橋入口匝道，E為互通式立交橋出口匝道；數(shù)字序號(hào)為節(jié)點(diǎn)編號(hào)圖2 仿真高速路網(wǎng)及其拓?fù)鋱DFig.2 Simulated freeway network and its topology

表1 高速路網(wǎng)節(jié)點(diǎn)劃分及長(zhǎng)度Table 1 Division and length of nodes of freeway network

4.2 情景設(shè)置及分析

為模擬高速公路時(shí)空分布不均性，驗(yàn)證該狀態(tài)識(shí)別方法的判別效果，設(shè)計(jì)4種交通場(chǎng)景，通過(guò)不同時(shí)間段匝道加載進(jìn)入路網(wǎng)交通量不同來(lái)體現(xiàn)節(jié)點(diǎn)的時(shí)空狀態(tài)差異性，每次仿真3 h，通過(guò)在相應(yīng)位置設(shè)置檢測(cè)器來(lái)獲取交通流參數(shù)數(shù)據(jù)以便后續(xù)計(jì)算，數(shù)據(jù)采集時(shí)間間隔為10 min。

情景1：路網(wǎng)整體交通需求一般，各入口匝道每小時(shí)分別加載高峰時(shí)段60%、70%和50%的交通量。

情景2：節(jié)點(diǎn)1～9交通需求較大，節(jié)點(diǎn)2、3、6、9入口匝道每小時(shí)分別加載高峰時(shí)段70%、80%和75%的交通量，其他入口匝道各小時(shí)分別加載高峰時(shí)段60%、70%和50%的交通量。

情景3：節(jié)點(diǎn)10～18交通需求較大，節(jié)點(diǎn)10、13、14、17入口匝道每小時(shí)分別加載高峰時(shí)段70%、80%和75%的交通量，其他入口匝道各小時(shí)分別加載高峰時(shí)段60%、70%和50%的交通量。

情景4：路網(wǎng)整體交通需求較大，各入口匝道每小時(shí)分別加載高峰時(shí)段70%、80%和75%的交通量。

利用仿真得到各節(jié)點(diǎn)平均車(chē)速、流量等參數(shù)，基于Python編寫(xiě)程序計(jì)算各節(jié)點(diǎn)狀態(tài)值和狀態(tài)關(guān)聯(lián)度值，選取某次仿真部分節(jié)點(diǎn)狀態(tài)關(guān)聯(lián)性值(節(jié)點(diǎn)2、3、4、13、14、15)如圖3(a)～圖3(d)所示。

圖3 不同情景下部分節(jié)點(diǎn)關(guān)聯(lián)度Fig.3 Correlation value of some nodes under different scenarios

不同交通需求情景下，同一節(jié)點(diǎn)狀態(tài)時(shí)空關(guān)聯(lián)性存在差異。同一交通需求情景下，不同節(jié)點(diǎn)狀態(tài)時(shí)空關(guān)聯(lián)性存在差異，節(jié)點(diǎn)3、14關(guān)聯(lián)性最強(qiáng)，為關(guān)鍵節(jié)點(diǎn)，是因?yàn)槠渥鳛榻煌ㄞD(zhuǎn)換樞紐，與各方向交通流關(guān)系緊密所致。

含匝道節(jié)點(diǎn)狀態(tài)關(guān)聯(lián)值比純主線節(jié)點(diǎn)高，是因?yàn)槌鋈肟谠训琅c主線干擾使?fàn)顟B(tài)波動(dòng)對(duì)上下游節(jié)點(diǎn)狀態(tài)造成較強(qiáng)影響。

當(dāng)區(qū)域交通需求增加，相應(yīng)區(qū)域時(shí)空關(guān)聯(lián)性增強(qiáng)，與關(guān)鍵節(jié)點(diǎn)距離越近的節(jié)點(diǎn)時(shí)空關(guān)聯(lián)性越強(qiáng)，同樣是因?yàn)榱髁吭黾邮沟脜^(qū)域交通狀態(tài)發(fā)生改變，整體波動(dòng)性增強(qiáng)，對(duì)其他節(jié)點(diǎn)狀態(tài)影響程度加深所致，符合實(shí)際交通情況。

綜上所述，高速公路網(wǎng)絡(luò)交通流時(shí)空分布不均特性及節(jié)點(diǎn)交通流特性差異使得節(jié)點(diǎn)狀態(tài)關(guān)聯(lián)程度存在差異，即節(jié)點(diǎn)狀態(tài)存在時(shí)空差異性，各節(jié)點(diǎn)對(duì)路網(wǎng)運(yùn)行狀態(tài)影響程度不同，凸顯了建立節(jié)點(diǎn)權(quán)重系數(shù)模型的必要性。

仿真軟件Vissim可得到路網(wǎng)中相關(guān)的評(píng)價(jià)參數(shù)，如路網(wǎng)平均車(chē)速、總停車(chē)延誤、排隊(duì)長(zhǎng)度等指標(biāo)?；诒疚奶岢龅穆肪W(wǎng)交通狀態(tài)識(shí)別模型與采集到的相關(guān)指標(biāo)，根據(jù)軟件輸出得到仿真路網(wǎng)不同交通情景下第2仿真時(shí)下6個(gè)時(shí)間段的仿真狀態(tài)參數(shù)見(jiàn)表2，并得到某次仿真路網(wǎng)不同交通情景下數(shù)據(jù)采集時(shí)間間隔下的狀態(tài)識(shí)別平均運(yùn)行時(shí)間分別為0.176、0.191、0.188、0.207 s，表明了方法可以快速有效地識(shí)別狀態(tài)。

表2 高速公路網(wǎng)絡(luò)交通狀態(tài)參數(shù)Table 2 Traffic state parameters of some nodes of freeway network

在不同交通需求下，從仿真結(jié)果可以發(fā)現(xiàn)：模型識(shí)別速度較快，能夠滿足實(shí)際需要；當(dāng)高速公路網(wǎng)絡(luò)交通需求低時(shí)，路網(wǎng)平均速度快，路網(wǎng)狀態(tài)NWM小，停車(chē)延誤低、排隊(duì)長(zhǎng)度短，表明路網(wǎng)交通狀態(tài)良好，基本不存在擁堵；當(dāng)路網(wǎng)交通需求增加后，路網(wǎng)狀態(tài)NWM增大，車(chē)輛平均速度降低，延誤增加，排隊(duì)現(xiàn)象出現(xiàn)且不斷增加，路網(wǎng)出現(xiàn)擁擠，若不控制隨時(shí)間繼續(xù)加劇，符合實(shí)際運(yùn)行情況，表明了狀態(tài)識(shí)別方法的可行性。利用平均速度結(jié)合NWM來(lái)劃分區(qū)域路網(wǎng)交通狀態(tài)等級(jí)，基于成熟的評(píng)價(jià)指標(biāo)[14]將路網(wǎng)交通狀態(tài)劃分為5個(gè)等級(jí)，分別為暢通、基本暢通、輕度擁堵、中度擁堵、重度擁堵，各指標(biāo)劃分等級(jí)范圍如表3所示。

表3 高速公路網(wǎng)絡(luò)交通狀態(tài)等級(jí)劃分Table 3 Classification of traffic state of freeway network

4.3 與其他方法對(duì)比分析

由于交通流的時(shí)空分布不均性帶來(lái)的節(jié)點(diǎn)差異性，為進(jìn)一步體現(xiàn)所建立的高速公路網(wǎng)絡(luò)交通狀態(tài)識(shí)別模型NWM的實(shí)時(shí)和準(zhǔn)確性，依據(jù)不同情景的交通需求差異性，將路網(wǎng)劃分為2個(gè)子區(qū)域，其中節(jié)點(diǎn)1～9為子區(qū)域1，10～18為子區(qū)域2，為提高實(shí)驗(yàn)準(zhǔn)確性，使結(jié)果更具說(shuō)服力，3種算法均重復(fù)執(zhí)行仿真50次，且不同交通情景下數(shù)據(jù)采集時(shí)間間隔下的狀態(tài)識(shí)別平均運(yùn)行時(shí)間分別為0.172、0.189、0.188、0.205 s。所提出的NWM方法與交通運(yùn)行指數(shù)法(traffic performance index，TPI)和車(chē)輛行駛時(shí)間法(vehicle hour traveled，VHT)在不同交通情景下的子區(qū)和路網(wǎng)狀態(tài)識(shí)別準(zhǔn)確率見(jiàn)表4。

表4 不同情景與方法的子區(qū)域與路網(wǎng)狀態(tài)識(shí)別準(zhǔn)確率Table 4 Sub region and network state recognition accuracy rate of different scenarios and methods

TPI方法對(duì)交通需求大的子區(qū)狀態(tài)識(shí)別較精準(zhǔn)，對(duì)路網(wǎng)整體狀態(tài)識(shí)別精準(zhǔn)性不足，穩(wěn)定性差。

VHT模型對(duì)比TPI模型對(duì)路網(wǎng)的狀態(tài)識(shí)別稍精準(zhǔn)，穩(wěn)定性有所提升，但子區(qū)識(shí)別狀態(tài)誤差稍高，對(duì)于交通流的時(shí)空分布不均的適應(yīng)能力不足，實(shí)時(shí)性不足。

NWM方法在穩(wěn)定性和實(shí)時(shí)性方面表現(xiàn)均優(yōu)于其他方法，尤其是當(dāng)交通需求較大時(shí)，對(duì)比TPI模型，對(duì)于含匝道節(jié)點(diǎn)3和純主線節(jié)點(diǎn)4，NWM模型準(zhǔn)確性可提高約9.7 %和7.1 %，可見(jiàn)NWM模型能適應(yīng)交通流的時(shí)空分布不均性；對(duì)路網(wǎng)的狀態(tài)識(shí)別精準(zhǔn)度，不同交通情景下，NWM模型最優(yōu)，VHT模型次之，TPI模型最差，表明了本文方法能適應(yīng)不同的交通需求，充分體現(xiàn)了本文方法優(yōu)越性。

綜上所述，NWM模型可充分利用節(jié)點(diǎn)狀態(tài)的時(shí)空差異性，快速有效識(shí)別子區(qū)域和路網(wǎng)的交通狀態(tài)。

5 結(jié)論

充分利用高速公路網(wǎng)絡(luò)結(jié)構(gòu)布局差異性和交通流時(shí)空分布不均性，考慮了高速公路主線、出入口匝道、立交橋等節(jié)點(diǎn)的交通流特性建立了相應(yīng)的狀態(tài)識(shí)別方法，基于節(jié)點(diǎn)狀態(tài)的關(guān)聯(lián)性，改進(jìn)拉普拉斯中心性方法和構(gòu)建時(shí)空影響因子以評(píng)估節(jié)點(diǎn)自身及鄰居節(jié)點(diǎn)影響，建立了符合高速公路網(wǎng)絡(luò)特點(diǎn)的權(quán)重系數(shù)模型，進(jìn)而建立了高速公路網(wǎng)絡(luò)狀態(tài)識(shí)別模型。根據(jù)仿真實(shí)驗(yàn)結(jié)果，得到如下結(jié)論。

(1)高速公路網(wǎng)絡(luò)由于時(shí)空分布不均性和各節(jié)點(diǎn)的交通流特性的差異，使得路網(wǎng)中不同節(jié)點(diǎn)間的狀態(tài)關(guān)聯(lián)程度差異明顯，基于節(jié)點(diǎn)時(shí)空差異性建立的權(quán)重系數(shù)模型能夠充分體現(xiàn)節(jié)點(diǎn)對(duì)路網(wǎng)運(yùn)行狀態(tài)的影響程度，為路網(wǎng)的交通狀態(tài)識(shí)別提供一定理論基礎(chǔ)。

(2)考慮節(jié)點(diǎn)差異性的高速公路網(wǎng)絡(luò)狀態(tài)識(shí)別方法，對(duì)比TPI和VHT模型在識(shí)別的穩(wěn)定性和實(shí)時(shí)性均有一定程度提高，針對(duì)不同交通需求的子區(qū)域狀態(tài)識(shí)別精確性也優(yōu)于另外兩種方法，表明該方法可以快速有效識(shí)別高速公路網(wǎng)絡(luò)和子區(qū)域的狀態(tài)，識(shí)別結(jié)果可為路網(wǎng)交通管理與控制提供依據(jù)。