一种城市道路交通检测器布点的方法

摘要

本发明公开了属于智能交通系统范围的一种城市道路交通检测器布点的方法。根据具体城市道路网建立道路交通网模型；使用一个无向图G(V,E)对城市道路网建模，且每一条路分配三个参数：是否安装有交通检测器的布尔型变量，被检测出或推算出的布尔型变量以及在整个道路网中的重要性；对整个模型优化，决定最大化的检测重要路段；本发明不仅可以使得到的交通检测器布局能够获得足够的交通信息，最大化关键路段的检测，同时还可以设定预算上限，在一定预算下获得交通检测器布局，具有很强的实用性。

主权项

一种城市道路交通检测器布点的方法，其特征在于，主要包括：1)根据具体城市道路网建立道路交通网模型；使用一个无向图G(V,E)对城市道路网建模如下，V＝{v_i}，i＝1，2，...，ME＝{e_j}，j＝1，2，...，；其中V是顶点集合，E是边的集合；i表示路口，M表示城市路网中共有的路口i的个数；j表示第几条路；N表示城市路网中共有路j的条数；且每一条路分配三个参数w_j,a_j和p_j；其中w_j是表示路j上是否安装有交通检测器的布尔型变量，a_j是表示路j上的交通信息能够被检测出或推算出的布尔型变量，p_j表示路j在整个道路网中的重要性；2)使用一个布尔类型的向量w＝[w₁， w₂， ... w_N]^T来表示一条路上是否安装的有交通检测器，W_j＝1,表示这条道路上两个路口都安装有检测器；W_j＝0，表示这条道路上两个路口都没有安装检测器；j＝1,2，……N；另外使用一个布尔类型的向量a＝[a₁， a₂， ... a_N]^T来表示一条路上的交通信息能否被检测到或者推断出，a_j＝1,表示这条道路上的交通信息能够得到；0，表示这条道路上的交通信息不能够得到；j＝1,2，……N；3)用一个矩阵X来表示路网的空间拓扑结构，X∈F^MXN，F‑{0，1}在矩阵X中，其第i行第j列的数字表示路口i和道路j有没有相连，若相连，则X_ij＝1，表示路口i和道路j相连；否则X_ij＝0，表示二者不相连；因此，X是一个M行N列的矩阵，并且符合下列约束条件，$s.t.\left\{\begin{array}{cc}{X}_i·(e-w)\ge 1& \left(1\right)\\ X_i·(e-a)\ne 1& \left(2\right)\\ a_j\ge w_j& \left(3\right)\\ n\le \underset{j=1}{\overset{N}{\Sigma }}{a}_j\le N& \left(4\right)\\ 2c·\underset{j=1}{\overset{N}{\Sigma }}{w}_j\le K& \left(5\right)\\ (eri+1)·\underset{j=1}{\overset{N}{\Sigma }}{w}_j=\underset{j=1}{\overset{N}{\Sigma }}{a}_j& \left(6\right)\\ [X_{i_{1}j}·X_{i_{2}j}·(1-w_j)]·[X_{i_1}·(e-w)+X_{i_2}·(e-w)-2]\ge 0& \left(7\right)\\ 1\le i\le M& \\ 1\le j\le N& \end{array}\right.$其中前两个约束条件是针对单个路口的检测器布置约束，约束条件(4)和(5)分别是覆盖面积的约束和成本预算的约束，约束条件(6)是对宏观路网的约束，而约束条件(7)则限制了一种特殊情况的发生；4)对整个模型优化，其目的是对最大化的检测重要路段，优化如下：maxw^T·p，其中W是表示路网中交通检测器安装情况的向量，w=[w₁， w₂， ... w_N]^T，P是表示路网中各道路优先级的向量，是根据路网的实际情况指定的一组参数5)对优化模型使用二维粒子群算法求解。