动态路网脆弱性的评估基于细胞传输模型

文摘

公路网络维护稳定是保证城市交通的关键功能。因此,脆弱的链接需要确认准确。相比以前的脆弱性研究在静态条件下的操作状态旧平衡前的事件和事件后的新的平衡评估脆弱性忽略了动态变化过程。道路网络脆弱性随时间变化吗?本文结合了脆弱性评估交通流演化过程,探索道路网络脆弱性评估从时间维度的角度。更准确的识别和评价脆弱节点和链接可以帮助加强道路网络抵抗干扰的能力。修改后的动态交通分配(DTA)模型建立了动态路径选择(重新选择最短路径在每个链接)基于动态用户最优原则(二)。修改后的细胞建立传输模型来模拟交通流演化过程。脆弱性评估的累积和时变指数从旅客的角度建立的时间损失。那么道路网络脆弱性评估相结合的交通流模型的脆弱性指数。 The road network vulnerability assessment of Bao’an Central District of Shenzhen, China, reveals that road network vulnerability does contain a dynamic process, and vulnerable links in each phase can be exactly identified by the model. Results showed that the road network would have a large vulnerability during the disordered phase when the main road fails. Therefore, prioritizing the smooth flow of main roads can weaken the impact of road network vulnerability exposure.

1。介绍

道路交通网络的物质基础是存在和交通活动的有效性。道路系统一旦遭受自然灾害、恐怖袭击、交通事故,和其他障碍,它会导致交通拥堵和道路中断,导致巨额亏损居民的生产和生活。大部分干扰事件是无法控制的。因此,它尤为重要,准确地识别脆弱的链接和修复他们目标的方式。提高道路网的能力抵抗干扰事件吸引了越来越多的关注从交通研究领域的学者,不断被应用于交通系统应急管理领域。

大多数以前的研究评估公路网络在静态条件下的脆弱性。确定的关键环节是通过比较两个平衡操作状态的脆弱性评估指标之前和之后的事件。然而,分析忽略进化的过程从旧到新的平衡不能准确反映交通服务能力的变化在突发事件演化。会更准确评估脆弱性从动态的角度?

本文的目标可以分解为四个方面:第一,道路网络脆弱性的动态特性,分析了脆弱性评估的因素。第二,以前的静态指标动态调整建立动态路网脆弱性评价指标。第三,综合路网脆弱性动态评价模型的基础上,改善交通流仿真模型结合动态建立脆弱性评价指标。最后,宝安中心区的道路网,深圳,宝安区为例,评估其漏洞,总结了脆弱性变化的动态规律,并提出了一些建议,降低脆弱性。

其他论文的结构如下。部分2综述现有研究城市道路网络的脆弱性。部分3提取道路网络脆弱性的动态评价模型。部分4提出的改进的模型适用于评估的网络脆弱性宝安区宝安中心周围地区在中国的深圳市,然后提出案件的分析结果。部分5本文总结道。

2。文献综述

这两个主流脆弱性的定义来源于Berdica [1)和D·泰勒(2]。这两种类型的主流定义考虑道路连接失败的后果,和不同之处在于是否考虑失败的可能性。马特和Jenelius总结当前研究基于网络的拓扑和transportation-based方法(3]。随着时间的推移交通脆弱性研究开发了(4,5]。摘要公路网络脆弱性的定义如下:脆弱的本质是道路与全部或部分失败,可以显著降低道路网络的服务能力或某些特定节点的可访问性的道路网络。

道路网络脆弱性的定量分析已经逐步发展脆弱性的三个内涵:首先,从可靠性的角度分析,由贝尔在这方面,基于纯粹数学图论(如复杂网络理论)研究[5- - - - - -13];其次,分析方面的可访问性,由陈表示,泰勒和Jenelius,研究基于道路网络用户的成本和道路部分的重要性2,3,14- - - - - -24];第三,使用可靠性的分析,研究基于道路网络的用户成本和路网服务水平的变化(25,26]。

的方法确定脆弱的连接通过整个网络扫描有两个传统脆弱性分析计算;因此,一些学者提出了提高计算效率的方法(27,28]。有许多类型的事件,导致道路网络的脆弱性,Jenelius马特机密事件的原因和提出了一个基于网格的方法来分析下的多个连接的区域性故障(19]。王向东等人提出了一种新的冗余模式,可以找到最好的利益点在旅游者和规划者有效,这也可以用来改善和评估城市道路网络的脆弱性29日]。

猫和Jenelius动态随机观点引入公共交通网络脆弱性的研究,采取干扰事件的累积效应对系统性能考虑(30.]。交通流的动态演化和交通信息对用户行为的影响已逐渐被引入脆弱性研究[31日]。努普等人的实际延迟计算道路连接关闭后的具体道路网络动态交通分配(DTA) [32]。猫和Jenelius分析失败的实时信息促进转移的影响当连接失败(30.]。金姆和杨用宏观基本图观察道路网络的交通图像的变化来识别关键环节(33]。

它可以推断出,使用接触测量脆弱性在特定的条件下有很好的效果(16,34]。Daganzo细胞自动机(CA)的概念用于离散化流体动态交通流模型Lighthill-Whitham-Richards(轻水反应堆),提出了捕获形成、传播和有效耗散的队列(35,36]。Szeto和围使用变分不等式(VI)构建基于动态用户最优的DTA模型(二)标准和计算的实际阻抗的路径使用细胞传输模型(CTM)仿真37,38]。江等人开发了一个交通网络脆弱性评估的概率方法基于克隆选择算法(CSA) [39]。

大多数现有的脆弱性研究是在静态条件下,忽略了交通流的演化过程无序阶段,和演化过程中的堵塞现象。仍然有缺乏对交通流的动态演化过程的研究,并且从某种角度来说,很少有人进行了脆弱性评估的交通流的演化过程。不能准确地反映动态变化的脆弱性。

3所示。方法

本文将动态交通流的演化阶段,以扩大的动态评价结果从时间维度的脆弱性。脆弱性评估的一个新指标从旅客的角度建立的时间损失。DTA模型以及改善细胞传输模型模拟交通流的动态演化过程。和道路网络脆弱性形成的动态评价模型。

3.1。漏洞评估路径选择模型

由于利用变分不等式(VI)在处理不对称的问题,它已经被广泛应用于解决DTA问题。在完全理性的假设,用户总是会做出最佳的旅行选择;也就是说,用户的出行选择满足条件。根据衣橱里平衡的首要原则,DTA的基本模型的最优条件可以表示为 在哪里OD对的最短旅行时间吗我⟶j在时间内k,可行路径的行程时间吗rOD对的我⟶j在时间内k,流的分布是可行的路径rOD对的我⟶j在时间内k,OD对旅游需求吗我⟶j在时间内k。

然而,传统的DTA模型不能准确反映各种交通道路网的操作参数的变化影响下的事件。因素,如车辆滞留、队列长度限制,和最大需要考虑路段的通行能力。因此,针对该事件的影响,本文的DTA适当调整模型。

3.1.1。需求保护约束考虑保留的需求

受到这一事件的影响,一些道路的链接可能旅游需求保留。因此,交通需求在一定的时间内成功不仅应包括交通流分配到公路网络也保留交通需求。 在哪里保持交通OD对的需求吗我⟶j在时间内k。

3.1.2。协会约束之间的链接和路径

交通的联系应该等于所有可行路径的和流动包含这个链接。 在哪里路链接的流量吗一个在时间内k和确定道路连接一个路径中包含r。

3.1.3。道路容量约束和队列容量约束

考虑拥挤条件下的事件的影响,限制对道路的交通流量和排队功能链接。在无序阶段,交通流量逐渐增加,但不能超过部分的容量。车辆的进一步增加,过多的车辆密度会导致交通堵塞,运行速度和道路连接的实际流出减少,所以车辆排队,但是排队车辆的数量不能超过的最大队列容量路链接。 在哪里路链接的能力吗一个在时间内k,实际道路上的车辆数量的链接吗一个在时间内k,是链接的最大队列容量一个在时间内k。

3.1.4。交通需求时间交货约束

交通流的动态演化过程。失败的道路和交通供给能力下降,交通分配应该考虑交通需求在过去的一段时间和新的交通需求在当前时间。动态交通分配方法可用于保留交通需求转移到下一个时期。这个改进是尤其重要的道路网络脆弱性分析无序的阶段。的动态评估漏洞需要满足的约束 在哪里 实际交通需求在时间吗k+ 1, 原始的交通需求在时间吗k+ 1,不满足交通需求在时间吗k。

3.1.5。交通流空间传播约束

需要时间车辆分配到路网的上下文中完成旅行动态分析。在每个分析时期,车辆可以完成这次旅行或可能只流入后面的部分。因此,有必要澄清流入和流出车辆和道路的各个环节之间的关系来确定车辆的实际数量的影响在当前时期对应于受影响的程度。

在一定道路连接,车辆的数量k应该由汽车的数量在前一时期的流入和流出。 在哪里 车辆的流入链接吗一个在时间期间k+ 1, 车辆的流出链接吗一个在时间期间k+ 1。

流出的链接一个路径的r应与车辆的数量的总和所有后续链接的路径和车辆的数量已经完成了旅行。 在哪里完成的交通吗我⟶j沿着路径r在时间内k和的后续路径链接吗一个在路径r。

3.1.6。其他约束

模型还需要满足最基本的非负约束和设置归属和其他相关约束。

旅游路线选择需要遵循一定的交通分配规则,衣橱里的第一原则要求均衡:所有路径必须采用最短旅行时间,旅行时间是相等的。在这个模型中,它可以表达如下:如果有一个新的车辆流入路链接,道路段必须包含在一个最短路径;否则,最优车辆路径选择条件流入将不会被添加。 在哪里是链接的旅行时间吗一个,节点的最短旅行时间吗h⟶j,节点的最短旅行时间吗⟶j,车辆流入的链接吗一个在时间内k。

模型需要单独进行交通分配车辆加载时,每一条路的尽头连接以实现旅游的灵活调整路径。

3.2。中医的脆弱性评估

道路网络拓扑改变了在路上的连续影响链接失败,和旅行者从没有察觉的过程了解。路网的交通流,仍有车辆流入事件路链接的早期事件,然后没有车辆事故道路连接的流出随着时间的推移,事件和上游链接网站变得拥挤,甚至溢出。旅客确认道路网已经失败,并且直接影响车辆需要离开事件路链接,重新选择旅行路线。车辆没有流入这一事件路链接将直接改变旅游路线。因此,车辆的疏散事故路上链接和reevolution过程道路网络交通流的形成。

如图1、细胞传输模型可以模拟交通流的影响下的发展。拥堵逐渐形成事件发生以来的事件点的上游和消散的车辆逐渐改变了旅游的道路。

3.2.1之上。细胞内的传输方法链接

当路段的交通流传播,CTM表达了交通流的基本传播关系如下: 在哪里汽车的数量吗我th细胞时期k,流出的车辆吗我th细胞时期k,的容量吗我th细胞时期k,车辆的最大数量是我th细胞可以保存的时间k。

自从轻水反应堆模型假定交通流是一个连续的流体,其解决方案是相对复杂。为了简化模型的解决方案,中医认为交通流量满足流密度关系图所示2。公式(11)给流在这种关系的计算方法。 在哪里是免费的速度,是反向激波传播的速度,是阻塞密度。

在这个时候,细胞间的流量分布满足

为了进一步阐明交通流的传播关系,最大的产出能力年代和最大的接收能力R细胞,分别给出了方程(13)和(14): 在哪里电池的最大输出能力吗我在时间内k和是最大的接收能力的细胞我在时间内k。

流之间的关系和细胞转化为之间的沟通

3.2.2。细胞透射法路之间的链接

车辆之间的传播道路链接包括两种形式:合并和转移。基本传动原理是一样的传播过程在路上链接,但上游细胞的产出能力约束和接收能力约束的同时必须满足下游细胞;即交通流传播关系应满足公式(16)和(17),分别。

十字路口的电池容量无法达到相同的能力细胞在路上链接。这时,计算细胞的最大输出能力 在哪里的容量吗我th细胞在十字路口k和的最大产出能力吗我th细胞在十字路口k。

实际道路网络,公式(19细胞)都是有效的,可以根据公式计算产出能力(20.)。

十字路口的接收能力细胞根据计算

结合上述期间透射法之间的链接和链接,基本细胞传播关系公路网络交通流的形成。

3.2.3。事故车辆疏散方法

本文增加了车辆干扰事件的疏散方法基于基本的中医。路上的情况联系能力大大降低,中医可以自然地获取越来越多的车辆队列在路上游的细胞连接由于道路连接传输约束的存在,和实际道路连接的旅行时间逐渐延长。车辆不能到达事件发生链接根据组合条件下,逐渐改变了路径和队列逐渐消散,因为没有新车流入。在路上连接中断的情况下,事件点的上游车辆不能流入下游细胞和留在路段。为了使仿真结果更真实,有必要添加一个方法,使车辆知道链接中断然后转身离开事件发生联系。

(1)。用户知道无效链接的方法和重新选择路径的细胞的细胞运输能力是0。之后的时间T,因为这一事件发生在时间k_一个道路底部顶点(BV)检测到车辆流出是零,或者路上顶点(电视)满足车辆在细胞的数量(n)等于汽车的数量,细胞可以容纳(n)。在这个时候,马路车辆知道链接中断,和新的路径选择根据新的道路网络连接。

(2)。车辆的方法将细胞在上游。传递逆向法的上游电池车辆队列事件发生联系,和车辆队列是倒序排序。更新后的电池容量是转身后的能力,和反向传播执行根据公式(22)。达到的顶部节点事件链接后,再选择最短路径基于以该节点为一个新的起点,然后目的地的传输是继续按照正常的传输方式。上游细胞可以指定车辆掉头驾驶方法 在哪里汽车的数量在吗我th细胞在k期和是汽车外流我th细胞在k时期。

3.2.4。路径旅行时间计算方法

路径和链接阻抗可以根据车辆的实际旅行时间计算。因为模型使用一个道路性质的交通分配方法(每辆车完成一条路链接),它将重新选择最短路径在路的尽头链接,继续旅行根据新的最短路径),然后在计算的实际旅行时间道路连接,它不再区分的起源和目的点驾驶的车辆在路上链接路径,但直接计数所有车辆的运行时间。可以指定路径旅行时间计算方法 在哪里是否zth的旅客已经完成了旅行在链接一个,的实际旅行时间吗zth路的旅行完成链接一个,路径的行程时间吗r。

所有的汽车旅行的实际旅行时间链接一个计算在k时期,平均值作为实际旅行时间链接一个这一时期的。每条路径的实际旅行时间计算根据链接的旅行时间,它用作现有车辆的基础重新选择新的车辆的路径和选择路径。

3.3。传输效率优化方法

有两个主要问题,将这个模型应用到大规模路网:可行路径的数量和车辆实时调整的路径都是巨大的。有必要优化上述两个模型的计算效率问题。

3.3.1。基于路径搜索方法集矩阵

路径矩阵建立了以减少搜索时计算最短路径的数量,和总所有节点对之间的可行的路径是通过遍历整个道路网一次;然后记录在相应位置的路径路径集。接下来,路径搜索范围仅限于现有可行的路径设置在执行交通分配。的分布情况的次数非常大,可以减少计算量的减少搜索的数量: 在他们中间 在哪里是道路网络路径集矩阵,从节点的集合是可行的路径吗我来j,从节点的可行路径吗我来j,完整的路径旅行时间吗 。

寻找最短路径时,直接按照公式(26)遍历路径设置相应的获取起点和终点的最短路径。 在哪里从节点的最短路径吗我来j在时间内k和 完整的路径旅行时间吗r。

3.3.2。可行的路径节点数限制

重要的是设置上限的节点数量的合理路径,这不仅可以减少候选路径集,提高建立路径集的效率矩阵,但是也增加了遍历计算数量的每个搜索最短路径的路径集,全面提高模型计算效率。

在这里,基于路径搜索方法集矩阵调整(介绍了节点数量限制)和路径设置改变 在哪里从节点是可行的路径集吗我来j,从节点的可行路径吗我来j,是路径的行程时间吗 , 路径节点数的上限从节点我来j,是包含在路径中节点的数目 。

3.3.3。节点组划分

有必要组织这些更集中节点合理的大规模的道路网络,为了避免寻找更曲折但不可行路径,然后选择中的路径组和组之间形成最终的旅行路线。

3.4。脆弱性指数计算方法

脆弱性评价指标主要集中在两类:一个是一个指标,从网络拓扑和忽略了交通流的特点,适用于分析网络交通相对某些卷和小流量的变化;另一个是noncrowded条件下。交通性能指标反映了综合运输系统的操作状态,因此逐渐成为主流的道路网络脆弱性评价指标。

大部分指标考虑交通流使用的元素数量受事件影响的个人和个体事件的影响程度基本因素,然后把它们在某种表现形式建立脆弱性评价指标。 在哪里V脆弱性评价指标,是个体的数量受到事件的影响,然后呢个体在多大程度上是受到事件的影响。

在脆弱性评价,它是一种常用的评价方法对道路部分通过测量临界事故造成的后果的严重性。把交通流、交通需求、人口、和其他因素影响的评估区域为基本的个体,计算个人旅客广义出行费用的影响程度,旅游抵抗,或可访问性损失,使用产品的两个基础数据来衡量脆弱性暴露的后果已经被学者们广泛采用。

因此,他指的是车辆流入和流出曲线如图3构造、脆弱性评价指标考虑两个基本因素,道路交通流和旅行时间消费,然后离散化他们基于连续表达式。把产品的即时车辆号码和即时时间维t某个链接的时间t作为旅行者的瞬时旅行时间消耗在路上联系,其积分计算在整个研究期间旅客的旅行时间总消费量的链接一个在这项研究中period.where一个意味着事件的发生一个在道路网。当一个是0,这表明没有干扰事件发生时,是累积车辆流入道路网络的时间吗t,是累积车辆道路网络的流出时间吗t。

然后离散化总旅行时间旅行者的链接一个在研究期间根据连续表达式,并将计算漏洞: 在哪里是评价区域的旅行时间消耗,当干扰事件吗一个发生时,是评价区域的旅行时间消耗在没有干扰事件发生,然后呢的累计脆弱性指数评估的研究领域。

道路网的累积旅行时间相对于增量比例未损坏的道路网络的研究期间用作累积评价指标的道路网络的脆弱性,和旅行时间的比值消费的道路网同期正常和异常条件下作为时变路网脆弱性的评价指标。漏洞评估指数结合交通流演化模型,给出一个计算方法模型中的脆弱性动态指标的值。

在静态条件下,两个平衡操作状态的评价指标比较之前和之后的事件,但分析的静力平衡条件意味着平衡态的假设将会意识到,所以其结论不能作出准确的评估道路网络脆弱性如果平衡态尚未意识到最后,演变的过程和从旧的平衡到新的平衡将被忽略。相应地,在进化过程中,这种现象导致交通拥堵也被忽视;因此,评价结果有一定的局限性。因此,本文使用动态指标探索的累积和时变效应脆弱性和道路网络的脆弱性评估更加准确和全面。

3.4.1。个人链接脆弱性指数计算方法

的累积和时变指标链接漏洞所示,分别为 在哪里的持续时间kth时期,汽车的数量吗我th细胞连接一个在k期实际,路的总时间消费链接吗一个在k时期,0对应值在没有事件影响,累积脆弱性索引值的链接吗一个的k期,路的时变脆弱性指数价值链接吗一个在k时期。

3.4.2。道路网络脆弱性指数计算方法

根据道路网络结构和道路的脆弱性指数的计算方法链接,累积指数和时变公路网络脆弱性指数显示为 在哪里是一组包括道路网络中的所有链接,是道路网络的脆弱性指数累计值的吗k期,期间道路网络的时变脆弱性指数价值k时期。

4所示。案例研究

4.1。区域概况和参数设计

周围地区的深圳宝安区宝安中心城市为例研究对象选择。的边界区域主要由广深高速公路,西乡大道、海滨大道,湖滨路,宝安大道经过内部和密集的分支网络匹配。面积约16平方公里,常住人口是380000计划。内部土地利用类型主要是商业Qianhai湾(滨海区)附近的土地,大量的住宅土地分散在区域(Bihai区),和部分学校的土地。

研究区域的交通流量主要由大量的交通流量和一些内部交通旅行广深高速公路和宝安大道。详细的OD数据显示,该地区道路网整理并适当地简化基于道路网络的实际布局在宝安中心区,然后抽象是道路网络结构如图4。

的时间范围是6:30-9:30点,一个阻塞密度是133 pcu / ln•公里。其余的参数如表所示1。一些道路没有相同的部分在整个道路。这里使用相同的值,以简化的道路网络。此外,对于道路的道路连接能力和自由流动的速度可以查询,该值是根据实际情况;的链接,不能查询相关参数,的值是根据“城市规划设计代码cjj37 - 2012。“主要干扰情况设置如表所示1。

变化过程的细节不能反映时间间隔太大时,模型是难以达到所需精度如果它太小了。本文进行了多个测试道路长度和速度限制的基础上,研究区基于上一篇文章(37]。根据速度限制的原则×时间间隔=细胞长度,例如,两个节点相距1000米,分为5个细胞的长度200米。驾驶距离可以准确1细胞在每个周期的长度根据速度限制;因此,它可以实现每一辆自行车一个细胞移动到下游细胞在没有交通堵塞。与此同时,所有细胞的长度控制类似的水平和使用整数细胞的数量。最后,基于多个试验的结果计算,仿真时间T20年代。

4.2。道路网络脆弱性评估结果

4.2.1。准备脆弱性评价结果完全失败

图5(一个)显示累积指数变化的道路网络脆弱性的主要部分宝安中心区完全失败,反映总体的时间损失事件发生之后的所有游客在该地区相对不受干扰的情况。

从图可以看出5(一个)的累积脆弱性曲线显示了两种趋势。一在情况1中,其累计脆弱性价值逐渐增加到0.10事件发生以来,然后趋于稳定。在其他情况下2、3、4,累积脆弱性值增加了更大程度上和生产更明显复苏的迹象。累计漏洞情况4是最大的价值,及其峰值达到0.28。

活动期间持续影响,脆弱性指数值明显高于其他情况。情况2的采收率相对较高,并累积脆弱性曲线的斜率在复苏阶段明显高于在其他情况下。相应的无效道路连接道路网状况,可以发现,当接触宝安大道和广深高速公路链接失败,生成更多的总体时间损失和经济复苏速度缓慢。

图5 (b)显示了时变路网脆弱性指数宝安中心区的主要链接失败时。这个指数表示旅行的时间损失在道路网络事件发生以来的每个时间段。这个指标消除了事件的发生以来累积效应,直接反映了在当前时间事件的后果。

图相似的结论5 (b)可以从(a)获得。值得注意的是,最初的影响情况1小于情况2在每个曲线的峰值,但随后持续的影响基本上是保持以上情况2。指出不同的路链接的主要影响时间是不同的,和临界讨论的两个链接需要不同的基于事件的连续影响时间。

在每个曲线的最大峰值,最初的影响情况1小于2的情况,但随后的连续影响基本上是保持以上情况2。因此,它可能会忽视道路网络的运行状态在无序阶段最初事件如果应用静态指标的影响。

车辆到达率是用来分析道路网络流量变化。从图可以直观地观察到6在无序阶段,车辆到达率已经大幅下降在各种干扰情况下,显著3和4的情况下;参见图6(一)和6 (b)。这对应于时变峰值的明显的上升阶段和累积每个干扰情况的脆弱性在初始阶段的事件。车辆到达率情况下3和4仍然保留着一个大波动随着时间的流逝;即,交通流的不稳定的波动使时变网络脆弱性也维持在一个相对较高的水平。

根据部分失败情况(见图6 (c)和6 (d)),车辆到达率曲线是不同于完全失效,对无序阶段,没有明显的影响和波动的影响很小。6也维持在一个水平,与干涉的情况。车辆仍然可以沿着原来的路线前往目的地自5路链接不中断情况,以便车辆到达率不观察事件的早期阶段的显著下降。事件发生后大约100年时间,到达率显示了一个大幅下降。这是因为交通拥堵的形成需要经历一个过程后,部分道路的失败。对交通流的影响正逐渐出现堵塞后基本形成。

4.2.2。脆弱性评价结果部分失败

进一步讨论了基于选择情况4具有相对较高的脆弱性在整个模拟值。通过设置道路部分失败从失败的道路情况链接24⟶25情况4情况5和6,公路网络脆弱性在不同干扰水平进行了探讨。

车道道路连接的失败几乎不能公开道路网络的脆弱性(图7)。因为链接的最短旅行时间24⟶25增加由于只能失败,该链接将不会成为一些旅游需求的最短路径,以便链接的交通量更稳定而不干扰情况,而道路网络的脆弱性也降低了。

如图7 (b)所示,双车道的初始影响失败(场景5)远低于路段的彻底失败(场景4),但连续的影响两个基本上是相同的。使用静态指标来比较两个平衡态的脆弱性指标的漏洞可能导致结论两种情况是类似的,这是不准确的。

4.3。个人链接脆弱性评价结果

不方便的评价结果链接列表所有干扰情况下,因为有很多例子中道路网络的链接。因此,把弱点价值最高的情况前道路网络的脆弱性评价为评价对象,给予的评价结果在这种情况下链接脆弱性变化显著。

图8显示道路的脆弱性指数变化与大漏洞情况4中值,根据每个链接影响的程度。显然,链接29⟶30和30⟶31严重冲击,影响甚至高于24⟶25事件发生直接联系。其中,链接29⟶30的影响主要是在混乱阶段,和30⟶31日期间多次影响事件的影响,这主要是因为游客交替选择最短路径和第二个最短路径与交通流演化,导致多次链接拥堵形成和逐渐消散。

路的时变漏洞链接11⟶6显示了一个大的波动,和累积脆弱性也与波动上升。这种反复波动时变脆弱性也交替造成的旅行者的选择之间的最短路径和第二个最短路径。

事件发生的两个脆弱性指数值链接24⟶25在无序阶段急剧上升,在经济复苏阶段逐步下降。此外,这个链接的时变脆弱性是保持在一个较低的位置车辆疏散后,累积的脆弱性也相应地逐渐减少。这两个漏洞链接的索引值20⟶24和24⟶27有一个小的增加与无序波动阶段,然后迅速恢复到较低位置和进入一个新的稳定的状态。这种变化主要是由于这样的事实,事件发生的两个链接连接上游节点链接24⟶25,承担的任务疏散交通流的链接。因此,脆弱性无序阶段的价值显然大量增加,然后逐渐进入了一个新的平衡态车辆疏散完成后。

5。结论

道路网络脆弱性评估的例子是实施,总结了脆弱性的动态变化规律。模型是用来评估道路网络的脆弱性和链接两个方面的彻底失败和部分失败。获得的具体研究成果和结论如下:(1)干扰事件的影响通常包括大量增加的时变脆弱性价值无序阶段,然后逐渐返回到低水平在经济复苏阶段。累积脆弱性的变化值主要反映在显著增加无序阶段,进化后的逐渐下降或大量稳定进入复苏阶段。(2)比较道路网络和个人的评价结果链接,发现公路网络脆弱性变化是相对平坦的,和个人的影响链接事件发生的顺序影响链接,相邻道路链接,和类似的功能链接。因此,清算和交通指引的道路应根据每个阶段的具体情况在动态过程中,加强直接事件发生的交通指南链接然后类似的功能链接,以避免重复拥堵。(3)比较的结果完全失败和部分道路,发现干扰事件不会产生重大影响道路网络漏洞当路上有足够的闲置产能。当路链接的闲置产能不足,道路的彻底失败原因最初的影响更大。因此,有必要保持一定的交通道路的链接能力避免车辆涌入邻近道路联系在一个短的时间。(4)从道路交通流的角度来看,当主要道路交通流量大的失败,公路网络有大量累积的脆弱性和更大的时变漏洞在无序阶段。因此,重视主要道路的顺畅可以削弱道路网络的脆弱性暴露的影响。(5)从网络拓扑的角度,减少闲置产能或替代路链接的数量越高脆弱性的链接。因此,提高道路网的密度和提高道路网的拓扑级别的冗余也可以改善道路网的能力抵抗干扰事件。

的普遍性、应该注意的是,教训这个研究不能推广到像美国或欧洲地区城市交通条件是不同的,在中国。然而,对于一些发展中国家,我们的发现有可能提供一些参考同等,尤其是对快速城市化和城市更新在东南亚,与中国交通条件和道路结构相似。动态道路脆弱性是复杂的和有限的数据来自深圳市的大小,要求更多的上下文敏感的和实体研究来补充现有的知识在未来。我们的发现可能有助于指导可持续发展的综合交通规划对这些发展中国家。

在未来的研究中,与其他交通网络中医将被整合。这个模型的改进版本将考虑交通旅行的弹性需求和用户的认知错误,因为只有彻底失败或部分失败的被认为是一个单独的联系。多链路组合失败造成的严重干扰事件在未来可以研究。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由中国国家自然科学基金资助号,71974043和91846301。

引用

1. k . Berdica”,介绍道路脆弱性:一直在做什么,是做和应该做,“交通政策,9卷,不。2、117 - 127年,2002页。视图:出版商的网站|谷歌学术搜索
2. g·m·D·m·a·p·泰勒,“网络漏洞:一种可靠性分析方法国家战略层面的交通网络,”学报第一交通网络可靠性国际研讨会(INSTR)翡翠集团出版有限公司,京都,日本,2003年5月。视图:出版商的网站|谷歌学术搜索
3. L.-G。马特和大肠Jenelius脆弱性和恢复力的运输系统,讨论最近的研究”交通研究部分:政策和实践卷。81年,16-34,2015页。视图:出版商的网站|谷歌学术搜索
4. 傅x, y顾z刘et al .,“性能扰动下的交通网络:可靠性、脆弱,和弹性,”运输研究E部分:物流和运输审查,133卷,2020年。视图:出版商的网站|谷歌学术搜索
5. k . Sugishita y仓叶,“引文网络分析脆弱性研究领域的运输和复杂的网络,”交通研究Procedia47卷,第376 - 369页,2020年。视图:出版商的网站|谷歌学术搜索
6. m·g·h·贝尔”,使用博弈理论测量随机网络的脆弱性,“IEEE可靠性,52卷,不。1,第68 - 63页,2003。视图:出版商的网站|谷歌学术搜索
7. m·g·h·贝尔Kanturska, j . d . Schmocker et al .,“Attacker-defender模型和道路网络漏洞,”英国皇家学会哲学学报A:数学,物理和工程科学,卷366,不。1872年,第1906 - 1893页,2008年。视图:谷歌学术搜索
8. a . m·g·h·贝尔Fonzone, c . Polyzoni“仓库位置在降解交通网络,”交通研究B部分:方法论卷,66年,第161 - 148页,2014年。视图:出版商的网站|谷歌学术搜索
9. f·m·g·h·贝尔Kurauchi, s·佩雷拉,和w . Wong“调查交通网络脆弱性的容量加权谱分析,“交通研究B部分:方法论卷,99年,第266 - 251页,2017年。视图:出版商的网站|谷歌学术搜索
10. j .潘·m·g·h·贝尔,k . f .张et al .,“识别集装箱航运网络瓶颈以及中国海上丝绸之路基于光谱分析,“海事政策与管理,48卷,不。2、2020。视图:谷歌学术搜索
11. a . Candelieri b . g . Galuzzi西奥达尼,f . Archetti,“公共交通网络脆弱性直接攻击和级联故障,”公共交通,11卷,不。1,27-49,2019页。视图:出版商的网站|谷歌学术搜索
12. 阿卜杜勒b和b . Birgisson”描述公路网络脆弱性的随机和非随机中断使用网络渗流方法,”计算机在土木工程杂志》上,35卷,不。1,2020。视图:谷歌学术搜索
13. m .陈和h . Lu”,分析交通网络脆弱性和恢复力在一个城市群:大湾地区的案例研究,中国,“可持续性,12卷,不。18,7410年,页2020。视图:出版商的网站|谷歌学术搜索
14. m·a·p·泰勒,s . v . c . Sekhar和g·m·D·德”应用程序的可访问性战略公路网络脆弱性分析方法为基础,“网络和空间经济学》第六卷,没有。3 - 4、267 - 291年,2006页。视图:出版商的网站|谷歌学术搜索
15. c . a . Chen Yang, s . Kongsomsaksakul和m·李,“基于网络的可访问性降解交通网络脆弱性分析,措施”网络和空间经济学,7卷,不。3、241 - 256年,2007页。视图:出版商的网站|谷歌学术搜索
16. e . Jenelius t·彼得森,L.-G。马特,”重要性和暴露于道路网络脆弱性分析,“交通研究部分:政策和实践,40卷,不。7,537 - 560年,2006页。视图:出版商的网站|谷歌学术搜索
17. e . Jenelius L.-G。马特·d·莱文森,“旅客延误成本和与旅行时间的价值链条,灵活调度和信息活动,“交通研究B部分:方法论,45卷,不。5,789 - 807年,2011页。视图:出版商的网站|谷歌学术搜索
18. e . Jenelius”网络结构和旅游模式:解释道路网络脆弱性的地理差异,”交通地理杂志,17卷,不。3、234 - 244年,2009页。视图:出版商的网站|谷歌学术搜索
19. 大肠Jenelius L.-G。马特松”,道路网络脆弱性分析的领域,涉及到中断:一个基于网格的方法与案例研究,“交通研究部分:政策和实践,46卷,不。5,746 - 760年,2012页。视图:出版商的网站|谷歌学术搜索
20. m·a·p·泰勒和fnm Susilawati、“偏僻和可访问性的区域公路网络脆弱性分析,“交通研究部分:政策和实践,46卷,不。5,761 - 771年,2012页。视图:出版商的网站|谷歌学术搜索
21. 大肠Jenelius L.-G。马特松”,道路网络脆弱性分析:概念化,实现和应用,“电脑、环境和城市系统49卷,第147 - 136页,2015年。视图:出版商的网站|谷歌学术搜索
22. j .叮,美国高,大肠Jenelius et al .,“路由策略选择代在随机时间依赖网络,交通研究记录,“交通研究委员会杂志》上,卷2466,不。1,第86 - 76页,2014。视图:出版商的网站|谷歌学术搜索
23. m . Bababeik m . m . Nasiri n . Khademi和a·陈,“货运铁路网络的脆弱性评估使用启发式路由和调度优化模型,”运输,46卷,不。4、1143 - 1170年,2019页。视图:出版商的网站|谷歌学术搜索
24. g . Gecchele r . Ceccato, m .咖啡厅:“道路网络脆弱性分析:案例研究考虑旅游需求和可访问性的变化,“交通运输工程学报,卷145,不。7日,05019004.1 - -05019004.10,2019页。视图:出版商的网站|谷歌学术搜索
25. d·m·斯科特·d·c·诺瓦克,f .郭”网络鲁棒性指数:识别关键链接的新方法和评估交通网络的性能,”交通地理杂志,14卷,不。3、215 - 227年,2006页。视图:出版商的网站|谷歌学术搜索
26. c . Balijepalli和o . Oppong测量道路网络的脆弱性考虑关键路链接的使用可靠性的程度在城市地区,”交通地理杂志39卷,第155 - 145页,2014年。视图:出版商的网站|谷歌学术搜索
27. e·亚历克斯·b·詹姆斯·a·凯et al .,”瑞士道路网络脆弱性评估方法”,交通研究记录,卷2137,不。1,第126 - 118页,2009。视图:谷歌学术搜索
28. w·h·k . b . y . Chen Lam a . Sumalee问:李,Z.-C。李,“大规模和拥挤的公路网络的脆弱性分析需求的不确定性,”交通研究部分:政策和实践,46卷,不。3、501 - 516年,2012页。视图:出版商的网站|谷歌学术搜索
29. x王向东,c . Anthony j . Sarawut et al .,”交通网络冗余:措施和计算方法的互补,”交通研究B部分方法论卷,114年,第85 - 68页,2018年。视图:谷歌学术搜索
30. o .猫和e . Jenelius“动态公共交通网络脆弱性分析:缓解效果的实时信息,”网络和空间经济学,14卷,不。3 - 4、435 - 463年,2014页。视图:出版商的网站|谷歌学术搜索
31. 大肠Jenelius”,结合动态和信息道路网络脆弱性分析模型结果,”《第三交通网络可靠性(INSTR)国际研讨会2007年7月,海牙,荷兰,。视图:谷歌学术搜索
32. 诉l·努、m . Snelder和s . p .例如“链路级别的脆弱性指标真实的网络,”交通研究部分:政策和实践,46卷,不。5,843 - 854年,2012页。视图:出版商的网站|谷歌学术搜索
33. 金和h·杨,“评估链接临界基于宏观的概念,基本的道路网络图,“Transportmetrica答:运输科学,13卷,不。2、162 - 193年,2017页。视图:出版商的网站|谷歌学术搜索
34. 大肠Jenelius和l·g·马特”发展道路网络脆弱性分析方法”,花蜜集群卷1 - 2006页。视图:谷歌学术搜索
35. c . f . Daganzo”细胞传输模型:公路交通的动态表示符合流体动力学的理论,“交通研究B部分:方法论,28卷,不。4、269 - 287年,1994页。视图:出版商的网站|谷歌学术搜索
36. c . f . Daganzo”细胞传输模型,第二部分:网络流量,”交通研究B部分:方法论卷,29号2、79 - 93年,1995页。视图:出版商的网站|谷歌学术搜索
37. h . Szeto和y s .围”,细胞变分不等式配方的动态用户最优分配问题,“交通研究B部分:方法论,36卷,不。5,421 - 443年,2002页。视图:谷歌学术搜索
38. w . y . Szeto和h . k . Lo”,基于单元的同步路线和出发时间选择模型和弹性需求,”交通研究B部分:方法论,38卷,不。7,593 - 612年,2004页。视图:出版商的网站|谷歌学术搜索
39. 江y, y, w . y . Szeto et al .,“概率评估网络脆弱性meta-heuristics均衡流动,”国际期刊的可持续交通,3卷,2020年。视图:谷歌学术搜索

版权

版权©2021余太阳等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。