上海理工大学研究生课程(论文类)试卷(网络交通控制原理)

《上海理工大学研究生课程(论文类)试卷(网络交通控制原理)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、研究生课程（论文类）试卷2012/2013学年第2学期课程名称：网络交通控制原理课程代码：论文题目：学生姓名：专业﹑学号：学院：管理学院课程（论文）成绩：课程（论文）评分依据（必填）：任课教师签字：日期：年月日课程（论文）题目：内容：摘要：城市交通网络是一种复杂的网络结合体，是混合型网络。利用复杂网络理论为基本研究工具，综合考虑实际交通流的动态变化特性，选取节点度、节点介数及交叉口高峰小时流量为评价指标，基于FCM模糊聚类方法，确定交通网络中的关键节点；以关键节点为参考点，按照一定的子区划分原则对“面控”的控制

2、子区进行划分。通过一简单案例，说明本文所提出的子区划分方法的可行性与实用性。关键词：区域交通信号控制，复杂网络，FCM，关键节点，子区划分一引言城市交通网络是一种复杂的网络结合体，是混合型网络[1]。区域交通信号控制系统在缓解城市交通拥堵、提升交通运行效益等方面发挥了重要的作用。“面控”中的一个重要问题是如何合理确定交通网络中的关键节点及如何利用关键节点确定“面控”中的信号控制子区。著名的SCOOT系统依据交叉口交通流量、交叉口间距等因素依据人工判定来选择关键节点并划分控制子区建立系统控制结构。类似地，SCAT

3、S系统的关键控制节点、信号控制子区等系统结构的建立同样依赖于人工经验，采用无计算模型和理论支撑的方法。国内外相关研究人员、学者等也对区域交通信号控制系统中关键节点的选取和控制子区的划分进行了较深入的研究。尚德申等提出了一种以静态区域控制为基础，通过对城市交通拥堵进行分类，采取不同的判断标准，实现动态分区控制的方法[2]；段后利等建立了基于超图表示的城市路网模型，并设计了相应的超图划分算法，通过对超图的分割来实现交通控制子区的动态划分[3]；卢凯等利用交叉口关联度量化分析方法，给出了相邻交叉口关联度与多交叉口组合

4、关联度的计算公式，通过定义控制子区划分方案的解集空间、约束条件与评价准则，建立了协调控制子区划分模型[4]。本文以复杂网络理论为基础研究工具，综合考虑实际交通流的动态变化特性，利用FCM模糊聚类方法，提出了一种新的交通信号控制子区划分方法。二基于FCM模糊聚类的Hub点选取方法研究城市交通网络可以抽象为复杂赋权网络，交叉口抽象为节点，路段抽象为边，边的权重可以是交叉口间的距离或路段流量。理论分析证明，复杂交通赋权网络具有无标度（free-scale）网络特性，即对于随机性攻击的强鲁棒性和选择性攻击的结构脆性[5

5、]。2.1无标度网络简介Barabasi和Albert于1999年首次提出了无标度网络[6]。无标度网络具有严重的异质性，其各节点之间的连接状况（度数）具有严重的不均匀分布性：网络中少数称之为Hub点的节点拥有极其多的连接，而大多数节点只有很少量的连接。少数Hub点对无标度网络的运行起着主导的作用。从广义上说，无标度网络的无标度性是描述大量复杂系统整体上严重不均匀分布的一种内在性质。现实中的交通网、电话网和Internet都是无标度网络，在这种网络中，存在拥有大量连接的集散节点，比如交通枢纽就是这样的节点。2.

6、2节点重要性评价指标复杂网络的非同质拓扑结构，决定了网络中每个节点的重要程度是不同的。本文选取节点度、节点介数及交叉口高峰小时流量作为交叉口节点重要度的评价指标。这三个评价指标既能反映复杂网络的拓扑结构特性，又能体现现实复杂交通网络的动态变化特性。2.2.1节点度节点度，即与节点连接的边数，也是与该节点建立连接的节点数[7]。设复杂网络中有个节点，为节点度，则节点的度为：（1）2.2.2节点介数节点介数定义为网络中节点对最短路径中经过节点的个数占所有最短路径数的比例。用表示节点对和最短路径经过点的路径数，表示节

7、点和节点之间存在所有路径的路径数，则节点的节点介数的计算公式如下：（2）2.2.3交叉口高峰小时流量交叉口高峰小时流量表征了交叉口节点的通行量，反映了交通网络的交通流动态变化特性。2.3基于FCM模糊聚类的Hub点选取方法FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一族的对象之间相似度最大，而不同簇之间的相似度最小。它在普通C均值（HCM）的基础之上做一定的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分，它通过引入隶属度函数来表示每个数据属于不同类别的程度，对数据进

8、行软划分。设个样本数据集合为，为样本的特征向量；是要将数据样本分成的类别数目；第类的聚类原型为，则构成一聚类原型矩阵；是隶属度矩阵，其中表示样本对于聚类原型的隶属程度，且，则基于目标函数的模糊聚类分析可以表示为：（3）其中，为模糊化程度指数，是一个控制算法的柔性参数，如果过大，则算法的聚类效果较差，反之，FCM算法接近传统的硬C均值算法，的取值范围通常为，一般取2.0；表示样本与聚类原