本发明公开一种道路应急疏散能力评价方法及系统、分级方法及系统。其中,评价方法包括:获取用于评价道路应急交通状态的多个评价指标;依据所述道路应急交通状态的多个评价指标,利用主成分分析法获取时间维度主成分、空间维度主成分,进而确定道路应急疏散能力综合指标。本发明利用主成分分析法处理大批量数据,由时间维度主成分、空间维度主成分的组合表达突发事件下道路应急疏散能力的综合指标。综合指标值越大,其对应的道路应急交通服务水平越高,越适宜应急状态下交通流的疏散及救援活动。
1.一种道路应急疏散能力评价方法,其特征在于,包括如下步骤:评价指标集获取步骤,获取用于评价道路应急交通状态的多个评价指标;综合指标获取步骤,依据所述道路应急交通状态的多个评价指标,利用主成分分析法获取时间维度主成分、空间维度主成分,进而确定道路应急疏散能力综合指标。
2.根据权利要求1所述的道路应急疏散能力评价方法,其特征在于,所述综合指标获取步骤进一步包括:相关性分析子步骤,对所述道路应急交通状态的多个评价指标进行相关性分析,依据分析结果,判断是否适于利用主成分分析获取所述综合指标;标准化子步骤,在适于利用主成分分析获取所述综合指标的情况下,对所述多个评价指标进行标准化;主成分分析子步骤,依据标准化后的多个评价指标值,根据数据变异最大原则确定所述时间维度主成分、所述空间维度主成分,并确定所述每一主成分对应的特征值;综合指标获取子步骤,依据所述特征值确定所述每一主成分的权重,进而根据所述主成分的线性组合获取综合指标。
3.根据权利要求2所述的道路应急疏散能力评价方法,其特征在于,所述评价指标集获取步骤进一步包括:基本参数获取子步骤,通过微波检测器检测获取所述道路实际速度、道路实际流量、时间占有率;统计参数获取子步骤,依据所述道路实际流量、所述时间占有率,获取所述道路的畅通可靠度、行程时间可靠度、时间负荷裕度和空间负荷裕度;其中,所述时间负荷裕度,用于从时间角度衡量所述道路的应急承载能力,具体为:g₁(t)=1-occ(t),g₁(t)为所述道路在t时刻的时间负荷裕度,occ(t)为所述通过微波检测器检测获取的所述时间占有率;所述空间负荷裕度,用于从剩余承载空间的角度衡量所述道路的应急疏散通行能力,具体为:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="218"/>g₂(t)为所述道路在t时刻的空间负荷裕度,v(t)为道路在t时刻的实际流量,c为所述道路的最大实际通行能力。
4.一种道路应急疏散能力评价系统,其特征在于,包括:评价指标集获取模块,用于获取用于评价道路应急交通状态的多个评价指标;综合指标获取模块,用于依据所述道路应急交通状态的多个评价指标,利用主成分分析法获取时间维度主成分、空间维度主成分,进而确定道路应急疏散能力综合指标。
5.根据权利要求4所述的道路应急疏散能力评价系统,其特征在于,所述综合指标获取模块进一步包括:相关性分析子模块,用于对所述道路应急交通状态的多个评价指标进行相关性分析,依据分析结果,判断是否适于利用主成分分析获取所述综合指标;标准化子模块,用于在适于利用主成分分析获取所述综合指标的情况下,对所述多个评价指标进行标准化;主成分分析子模块,用于依据标准化后的多个评价指标值,根据数据变异最大原则确定所述时间维度主成分、所述空间维度主成分,并确定对应的特征值;综合指标获取子模块,用于依据所述特征值确定所述每一主成分的权重,进而根据所述主成分的线性组合获取综合指标。
6.根据权利要求5所述的道路应急疏散能力评价系统,其特征在于,所述评价指标集获取模块进一步包括:基本参数获取子模块,通过微波检测器检测获取所述道路实际速度、道路实际流量、时间占有率;统计参数获取子模块,依据所述道路实际流量、所述时间占有率,获取所述道路的畅通可靠度、行程时间可靠度、时间负荷裕度和空间负荷裕度;其中,所述时间负荷裕度,用于从时间角度衡量所述道路的应急承载能力,具体为:g₁(t)=1-occ(t),g₁(t)为所述道路在t时刻的时间负荷裕度,occ(t)为所述通过微波检测器检测获取的所述时间占有率;所述空间负荷裕度,用于从剩余承载空间的角度衡量所述道路的应急疏散通行能力,具体为:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="218"/>g₂(t)为所述道路在t时刻的空间负荷裕度,v(t)为道路在t时刻的实际流量,c为所述道路的最大实际通行能力。
7.一种道路应急疏散能力分级方法,其特征在于,通过权利要求1至3任一项所述的道路应急疏散能力评价方法获取所述道路应急疏散能力综合指标后,进一步包括如下步骤:等级划分步骤,应用基于目标函数的模糊c-均值聚类法,针对所述时间维度主成分、所述空间维度主成分以及所述道路应急疏散能力综合指标对所述对道路应急疏散能力进行等级划分。
8.根据权利要求7所述的道路应急疏散能力分级方法,其特征在于,所述等级划分步骤前,还包括:分类有效性分析步骤,采用模糊分类系数和分类熵进行分类的有效性分析,进而确定道路的分类等级数目。
9.一种道路应急疏散能力分级系统,其特征在于,所述系统包括如权利要求4至6任一项所述道路应急疏散能力评价系统,还包括:等级划分模块,应用基于目标函数的模糊c-均值聚类法,针对所述时间维度主成分、所述空间维度主成分以及所述道路应急疏散能力综合指标对所述对道路应急疏散能力进行等级划分。
10.根据权利要求9所述的道路应急疏散能力分级系统,其特征在于,所述等级划分模块进一步连接:分类有效性分析模块,用于采用模糊分类系数和分类熵进行分类的有效性分析,进而确定道路的分类等级数目。技术领域
本发明涉及交通监管技术领域,尤其涉及一种道路应急疏散能力评价方法及系统、分级方法及系统。
背景技术
在交通领域,目前应用广泛的道路服务水平等级,主要是从速度、流量的角度衡量道路的交通状态,以HCM手册中的评价标准衡量道路交通效果。其关注的交通流的顺畅性,是从驾驶员的角度进行评价的。而当突发事件发生时,由于救援车辆与社会车辆的通行规则上有别,并且交管部门更在乎道路的时间效率、稳定性、可靠性等方面,通常意义的道路交通服务水平的划分标准则不再适用。综合评价是伴随着人类文明的产生、发展而产生、发展的。运用多个指标对多个参评单位进行评价的方法,称为多变量综合评价方法,一般包括指数分析法、数据包络分析法、模糊评价法、主成分分析法等。其中,主成分分析,首先是由英国的皮尔生(Pearson)对非随机变量引入的,而后美国的数理统计学家赫特林(Harold.Hotelling)在1933年将此方法推广到随机向量的情形团。主成分分析的降维思想从一开始就很好地为综合评价提供了有力的理论和技术支持。Jolliffe,I.T.和J.EdwardJaekson对主成分分析进行了较为系统的分析和阐述。聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为,属于无监督分类的范畴。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中,如SPSS、SAS等。传统的聚类分析是一种硬划分,它将每个待识别的对象严格地划分到某个类中,类别划分的界限是分明的,具有“非此即彼”的性质。而现实世界中,一组对象根据其亲疏程度和相似性是否形成一个类群,或一个对象是否属于一个类别,其界限往往是不分明的,具有“亦此亦彼”的性质。对于这种带有不确定性的聚类问题,模糊聚类分析提供了有力的分析工具。1965年Zadeh提出了模糊集合理论。1966年,Bellman等人首先提出利用模糊集合论处理聚类问题。Ruspini最先比较系统的研究模糊聚类问题,明确地表达了模糊聚类,并提出数据集合的模糊划分概念。1974年,Dunn提出将硬C-聚类算法加以推广,提出了有效的模糊聚类算法。Bezdek将Dunn提出的模糊聚类算法加以推广,立了模糊C-均值聚类算法的理论。Sabin从更一般的情况出发,对算法收敛性进行了研究。由于模糊C-均值聚类算法有易于理解、实用性强等优点,使得这种聚类方法成为研究的重要方面之一。根据数据集中数据结构的不同,常用的基于目标函数的模糊聚类算法有模糊C-均值(Fuzzyxa0cxa0means:FCM)聚类算法、模糊c簇(Fuzzyxa0cxa0varieties:FCV)聚类算法、模糊c壳(Fuzzy.shells:FCS)聚类算法、模糊c矩形壳(Fuzzyxa0cxa0rectangularxa0shells:FCRS)聚类算法等等,其中以FCM聚类算法应用最为广泛。目前,模糊聚类理论在交通中的应用主要概括为以下几个方面:交叉口或者道路的交通流预测、交叉口或者快速路匝道的信号控制、交通状态判别和公共交通运营调度。但是,就目前研究现状而言,还没有将模糊均值理论应用于应急疏散能力评价及分级方面的技术。
发明内容
本发明的目的在于提供一种道路应急疏散能力评价方法及系统、分级方法及系统。基于本发明,可以更加准确的准确反映应急交通状态下道路的应急疏散能力,并依据应急疏散能力确定道路应急服务级别。根据本发明的第一方面,本发明提供了一种道路应急疏散能力评价方法,包括:获取用于评价道路应急交通状态的多个评价指标;依据所述道路应急交通状态的多个评价指标,利用主成分分析法获取时间维度主成分、空间维度主成分,进而确定道路应急疏散能力综合指标。根据本发明的第二方面,本发明提供了一种道路应急疏散能力评价系统,包括:评价指标集获取模块,其用于获取用于评价道路应急交通状态的多个评价指标;综合指标获取模块,用于依据所述道路应急交通状态的多个评价指标,其利用主成分分析法获取时间维度主成分、空间维度主成分,确定道路应急疏散能力综合指标。根据本发明的第三方面,本发明还提供了一种道路应急疏散能力分级方法,除包括上述道路应急疏散能力评价方法,还包括:应用基于目标函数的模糊c-均值聚类法,针对所述时间维度主成分、所述空间维度主成分以及所述道路应急疏散能力综合指标对所述对道路应急疏散能力进行等级划分。根据本发明的第四方面,本发明还提供了一种道路应急疏散能力分级系统,除包括上述道路应急疏散能力评价系统外,还包括有等级划分模块,其应用基于目标函数的模糊c-均值聚类法,针对所述时间维度主成分、所述空间维度主成分以及所述道路应急疏散能力综合指标对所述对道路应急疏散能力进行等级划分。相对于现有技术,本发明具有如下优点:在应急服务水平评价指标体系各单指标值计算的基础上,利用主成分分析法处理大批量数据,将五维指标降维到二维空间中,由两个主成分表达突发事件下道路应急交通服务水平。并通过C-均值模糊聚类分析法得到主成分对应聚类结果的数值,根据综合评价值得到道路应急疏散能力与应急交通服务水平之间的一一对应关系,将应急交通服务水平界定为多个等级。从而为应急状态下交通流的疏散及救援活动提供重要的参考依据,
附图说明
图1为根据本发明道路应急疏散能力评价方法实施例的步骤流程图;图2为根据本发明道路应急疏散能力评价方法中综合指标获取实施例的步骤流程图;图3为根据本发明道路应急疏散能力分级方法的步骤流程图;图4为根据本发明道路应急疏散能力分级方法的数据流向示意图;图5是本发明主成分分析中的主成分解释图;图6是道路应急疏散能力综合指标、时间维度主成分、空间维度主成分的分析结果;图7是根据本发明道路应急疏散能力评价系统实施例结构框图;图8是根据本发明道路应急疏散能力分级系统实施例结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。道路应急疏散能力评价方法实施例参照图1,图1为根据本发明道路应急疏散能力评价方法实施例的步骤流程图,包括如下步骤:步骤110:获取用于评价道路应急交通状态的多个评价指标;步骤120:依据所述道路应急交通状态的多个评价指标,利用主成分分析法获取时间维度主成分、空间维度主成分,进而确定道路应急疏散能力综合指标。本实施例中,在应急服务水平评价指标体系各单指标值计算的基础上,利用主成分分析法处理大批量数据,由时间维度主成分、空间维度主成分的组合表达突发事件下道路应急疏散能力的综合指标。综合指标值越大,其对应的道路应急交通服务水平越高,越适宜应急状态下交通流的疏散及救援活动。参照图2,图2为根据本发明道路应急疏散能力评价方法中综合指标获取实施例的步骤流程图,包括:步骤210,对所述道路应急交通状态的多个评价指标进行相关性分析,依据分析结果,判断是否适于利用主成分分析获取所述综合指标。步骤220,在适于利用主成分分析获取所述综合指标的情况下,对所述多个评价指标进行标准化。步骤230,依据标准化后的多个评价指标值,根据数据变异最大原则确定所述时间维度主成分、所述空间维度主成分,并确定对应的特征值。步骤240,依据所述特征值确定所述每一主成分的权重,进而根据所述主成分的线性组合获取综合指标。上述技术方案中,可以采用如下方式获取评价指标集获:通过微波检测器检测获取所述道路实际速度、道路实际流量、时间占有率;依据所述道路实际流量、所述时间占有率,获取所述道路的畅通可靠度、行程时间可靠度、时间负荷裕度和空间负荷裕度。其中,时间负荷裕度,用于从时间角度衡量所述道路的应急承载能力,具体为:g₁(t)=1-occ(t),g₁(t)为所述道路在t时刻的时间负荷裕度,occ(t)为所述通过微波检测器检测获取的所述时间占有率;所述空间负荷裕度,用于从剩余承载空间的角度衡量所述道路的应急疏散通行能力,具体为:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="217"/>g₂(t)为所述道路在t时刻的空间负荷裕度,v(t)为道路在t时刻的实际流量,c为所述道路的最大实际通行能力道路应急疏散能力分级方法实施例参照图3,图3为根据本发明道路应急疏散能力分级方法的步骤流程图,包括:步骤310,获取用于评价道路应急交通状态的多个评价指标。步骤320,依据所述道路应急交通状态的多个评价指标,利用主成分分析法获取时间维度主成分、空间维度主成分,进而确定道路应急疏散能力综合指标。步骤330,应用基于目标函数的模糊c-均值聚类法,针对所述时间维度主成分、所述空间维度主成分以及所述道路应急疏散能力综合指标对所述对道路应急疏散能力进行等级划分。参照图4,图4为根据本发明道路应急疏散能力分级方法的数据流向示意图。参照图4可以看出,道路应急交通状态评价指标采用主成分分析方法进行分析后,获取时间维度主成分和空间维度主成分,然后将获取的时间维度主成分和空间维度主成分进行线性组合,获取道路应急疏散能力评价用的综合指标;对时间维度主成分、空间维度主成分和综合指标进行模糊C均值聚类后,将道路应急疏散能力进行等级划分。通过上述方案,通过模糊C-均值聚类分析法得到时间维度主成分和空间维度主成分对应聚类结果的数值;根据综合指标值,即时间维度主成分和空间维度主成分的线性组合得到道路应急疏散能力与应急交通服务水平之间的一一对应关系,将应急交通服务水平界定为多个等级,数值越高,对应的道路应急交通服务水平越高,越适宜应急状态下交通流的疏散及救援活动,因此,该等级划分对突发事件救援、指挥、疏导有重要的指导意义。并且,在进行聚类之前,优选的方案是采用模糊分类系数和分类熵进行分类的有效性分析,进而确定道路的分类等级的最优数目。下面,通过一个实例,来进一步详细说明本发明道路应急疏散能力评价方法、道路应急疏散能力分级方法。需要首先说明的是,下述实施例是实际包括两个方案,即包括道路应急疏散能力评价与道路应急疏散能力分级。当道路应急疏散能力评价完成后,本发明第一方面的发明目的已经达到,但为了节省篇幅,将继续描述在评价完成后的分级实施例。1、基于主成分分析法的道路应急疏散能力综合评价本实施例选择主成分分析法把应急疏散能力评价指标体系中的各分项指标有效的组合起来,对道路应急疏散能力进行综合评价。1)评价指标样本数据的提取本实验选取的数据从基础交通流数据出发,即从微波检测器检测到的实际真实的交通流数据-速度、流量、占有率着手,保证评价指标值的客观性。选定基础数据后,依据流量和时间占有率,应用前述指标运算公式算得各道路的基础指标值:时间负荷裕度;畅通可靠度;行程时间可靠度;空间负荷裕度以及日常状态下的道路交通服务水平。2)对获取的指标数据集合进行相关性分析判断所获取的指标数据集合之间的相关性,若相关性很强,则适合运用主成分分析法。指标之间均为两颗星的相关等级,相关性很强,初步分析适合运用主成分分析法。3)评价指标的标准化由于所选指标均为极大型指标,所以仅无量纲化即可,不必进行指标类型的一致化。ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="533"/>即采用标准化量纲化,通过相关矩阵R求主成分。4)基于主成分分析法的综合指标计算利用统计软件SPSS16.0对相关数据进行主成分分析,分析过程如下:(1)将数据导入SPSS16.0dataxa0editor中,利用命令Analyze-Descriptivexa0Statistics-Descriptives将相关数据标准化。选择生成相关系数、相关系数单侧显著水平,标准化所涉及的方差和均值等相关数据。:(2)利用命令Analyze-Dataxa0Reduction-Factor...,将标准化的数据进行主成分分析,根据要求选择相关参数和输出结果,将标准化数据移入Variables中,首先进行未旋转的主成分分析。(3)点击Extraction按钮,选择生成碎石图。确定选取对应特征值大于1的主成分(Eigenvaluesxa0over为默认值1)。(4)输出结果分析进行因子分析,通常要进行取样适宜性检验,即进行KMO检验和Barlett球度检验。在本实验中,KMO值=0.654,根据统计学家Kaiser给出的标准,可以接受因子分析(0.6i=主成分载荷与ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="54"/>的比值(λ₁=2.587,λ₂=1.948)。根据上述计算方法,获取各主成分中指标系数列表。如下表1所示。表1各主成分中指标系数ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="533"/>则第一主成分Y₁=0.0154*z₁+0.0963*z₂+0.5758*z₃+0.5635*z₄+0.5843*z₅第二主成分Y₂=0.6754*z₁+0.6562*z₂+0.1985z₃-0.1813*z₄+0.2022*z₅其中z_i为各路段各指标标准化后的数据。标准化通过Analyze→Descriptivexa0Statistics→Descriptives对话框来实现,,把速度、时间占有率、畅通可靠度、行程时间占有率、空间占有率选入Variables框,选择Savexa0standardizedxa0valuesxa0asvariables。经标准化的数据会自动填入数据窗口中,并以Z开头命名。各道路的计算结果的部分数据如图6所示。由主成分分析法的计算过程可以看出,综合评价函数W是各主成分Y₁,Y₂...Y_k的线性组合,即W=ΣiζiYi=ΣiλiΣi=1kλiYi=λ1λ1+λ2Y1+λ2λ1+λ2Y2]]>=0.5705*Y1+0.4295*Y2]]>在此线性组合中,各主成分中指标的权重不是人为确定的,而是由对应主成分的特征值决定的,这就保证了评价结果的客观并且唯一。从大量数据结果可以看出,在本实施例中,道路应急疏散能力综合指标数值界定在(-4,4)之间。至于道路的应急疏散能力强弱,还需要通过分类进行识别。2、基于模糊c-均值聚类法的应急疏散能力分类识别1)建立样本模糊矩阵选定的五个评价指标值记为x_i(i=1,2,3,4,5),作为论域:X={x₁,x₂,...x_n}取60000组数据作为样本。设综合指标样本集A_j(j=1,2,3,...60000)对第i个指标的隶属度为x_ij,则得每组样本A_j的模糊集为:Aj=xi1x1+xi2x2+···+xi5x5]]>或记为:A={x_i1,x_i2,...,x_i5}=(x_ij)_65000*5,i=1,2,...6500060000个预测样本组成60000*5阶的样本矩阵:A=[A₁A₂...A₆₀₀₀₀]=(x_ij)_60000*5为了在综合指标模糊分析中消除量纲影响,让数据处于相近的数量级水平而又不改变数据之间的相关性质,需将数据作无量纲化处理,本发明采用级差标准化公式处理数据:uij=uAI(xij)=ixij-min(xi)max(xi)-min(xi)i=1,2,···60000j=1,2,3,4,5]]>其中,A_j=(u_i1,u_i2,...u_i5)则每个样品集为一模糊向量,60000个综合样品向量就组成一个60000*5阶模糊矩阵:U=(u_ij)_60000*52)模糊c-均值聚类结果的有效性分析使类内距离极小化而类间距离最大化的聚类是最优聚类,因此,有效性问题可以转化为最佳类别数C的确定。本发明引入的有效性测度函数是模糊分类系数F(U;c)和分类熵H(U;c),并假定最小模糊度的聚类最有效,同时保证它处在全局最小点上;U为具有n个数据点的模糊c分类。则U的分类系数为ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="350"/>其中u_ik为第k个元素属于第i个分类的隶属度。(1)模糊分类系数F(U;c)R(u;c)=maxk=1cmaxj=1,k≠jcRjk(u;c)]]>对于给定的聚类数及计算的相对隶属度矩阵,若存在(u^*;c^*)满足R(u*;c*)=minc{minRQc(u;c)}]]>则R(u^*;c^*)为最佳的有效性聚类,c^*为最佳的分类数。(2)分类熵H(U;c)H(U;C)=-Σk=1nΣi=1cuikloga(uik)/n]]>其中,a∈(1,∞),当u_ik=0时,u_ikxa0log_a(u_ik)=0对于给定的聚类数及计算的相对隶属度矩阵,若存在(u^*;c^*)满足H(u*;c*)=minc{minHQc(u;c)}]]>分类熵愈小,最终分类的不确定性程度就愈小,聚类效果愈好。本发明中样本量较大,因此可以根据服务水平分类的实际情况,取定聚类数的范围[c_min,c_max]=[2,6]。经模型计算,获取聚类有效性函数结果,聚类数从2类到6类。但综合考虑两种有效函数值,确定聚类数为5的分类为最佳聚类。3)利用Matlab进行模糊C-均值聚类提取标准化指标值、主成分及W综合评价值分别进行FCM聚类:其中五个指标的聚类过程迭代次37次,主成分1、2聚类过程迭代了55次,而综合评价指标值迭代了47次,生成聚类中心点及各类分布图。首先,基于五个评价指标值进行聚类。实验结果表明,根据基础指标划分的道路应急疏散能力没有很强的代表性,各指标的划分等级之间中心点相邻,划分区域不均匀。取主成分分析法获得的代表时间、空间维度的第一主成分、第二主成分进行FCM聚类。实验表明,聚类结果较直接聚类五个指标好,类与类之间的间隔基本一致,代表应急通行能力很好和很低的类数据量较大,其他三类基本包含均匀的数据量。并且,经过试验数据分析,第一主成分、第二主成分的聚类结果区分明显,能有效的通过两个主成分划分道路的应急疏散能力,道路的应急疏散能力由下到上依次增强。由于各基础指标均为极大型指标,所以指标值越大或主成分值越大或综合评价值越大,道路的应急疏散能力越强,越适宜用于应急交通疏散,即第一主成分、第二主成分的值越大,表明该道路的应急疏散能力越强。因此,从以上两个维度来界定道路应急疏散能力是可行的。下面用其两个主成分的加权平均值-综合指标W进行聚类分析。令X={x₁,x₂,...x_n},x_i∈R^p为一组给定数据样本,这里是一个五维的列向量。用Y_ik(x_k)表示xk对第i类分级中心的隶属度,则各指标的隶属函数为:ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="533"/>其中集合I_k和I_k分别为:I_k={i|1≤i≤c,d_ik=0}I_k={1,2,...c,}-I_k算法输出了C个聚类中心点向量和C*N(这里C=5,N=450)的一个模糊划分矩阵,这个矩阵表示的是每个样本点属于每个类的隶属度。根据这个隶属函数按照模糊集合中的最大隶属原则就能够确定每个样本点归为哪个类。聚类中心表示的是每个类的平均特征,可以认为是这个类的代表点。根据最大隶属原则确定各聚类所包含的道路条数,五类中所包含的道路条数均相当。实验结果证明,通过综合评价值的大小即可界定道路实时应急交通状态。分析数据可以得出道路应急疏散能力与综合评价指标值之间的关系,将级差化处理的数据还原,可以得到C=5时各指标中心点值,如表2所示。表2各类中心点值xa0xa0道路应急疏散
xa0xa0能力
xa0xa01级

xa0xa02级

xa0xa03级

xa0xa04级

xa0xa05级


xa0xa0综合评价指标

xa0xa0>

xa0xa02.5

xa0xa0(2.5,1)


xa0xa0(1,-1)


xa0xa0(-1,-2.5)

xa0xa0<

xa0xa0-2.5
为了与服务水平相比较,使人们比较容易的接受此类新指标,将其综合评价能力--道路交通应急疏散能力定义为道路应急交通服务水平,并划分为5级,服务水平等级越高,其用于应急交通疏散、救援的能力就越强。如表3所示。表3道路应急交通服务水平等级划分xa0xa0交通应急服务水平
xa0xa0综合评价指标
xa0xa0道路应急交通状态描述
xa0xa01级

xa0xa0>2.5

xa0xa0非常适宜应急交通运输,能够提供安全、畅通
xa0xa0的运输环境,随时可以投入应急疏散、救援过程中。
xa0xa02级

xa0xa0(2.5,1)

xa0xa0适宜应急交通运输,时空上均有较充分的裕度
xa0xa0容纳应急交通流。
xa0xa03级

xa0xa0(1,-1)

xa0xa0适宜小量的应急交通运输,,各方面裕度有限,
xa0xa0紧急物资及伤病灾民的运输应避免走行。
xa0xa04级

xa0xa0(-1,-2.5)

xa0xa0时空裕度小,并伴随交大的波动,很少的额外
xa0xa0交通量就有可能造成拥堵。
xa0xa05级

xa0xa0<-2.5

xa0xa0交通状态不稳定,时断时续,视情况决定是否
xa0xa0投入应急交通运输活动。
道路应急疏散能力评价系统实施例:参照图7,图7是根据本发明道路应急疏散能力评价系统实施例结构框图,包括:评价指标集获取模块710,用于获取用于评价道路应急交通状态的多个评价指标;综合指标获取模块720,用于依据所述道路应急交通状态的多个评价指标,利用主成分分析法获取时间维度主成分、空间维度主成分,进而确定道路应急疏散能力综合指标。具体实现时,综合指标获取模块720进一步包括:相关性分析子模块、标准化子模块、主成分分析子模块和综合指标获取子模块。其中,相关性分析子模块用于对所述道路应急交通状态的多个评价指标进行相关性分析,依据分析结果,判断是否适于利用主成分分析获取所述综合指标;标准化子模块用于在适于利用主成分分析获取所述综合指标的情况下,对所述多个评价指标进行标准化;主成分分析子模块用于依据标准化后的多个评价指标值,根据数据变异最大原则确定所述时间维度主成分、所述空间维度主成分,并确定对应的特征值;综合指标获取子模块用于依据所述特征值确定所述每一主成分的权重,进而根据所述主成分的线性组合获取综合指标。更进一步的,评价指标集获取模块710可以包括:基本参数获取子模块和统计参数获取子模块。其中,基本参数获取子模块,通过微波检测器检测获取所述道路实际速度、道路实际流量、时间占有率;统计参数获取子模块,依据所述道路实际流量、所述时间占有率,获取所述道路的畅通可靠度、行程时间可靠度、时间负荷裕度和空间负荷裕度。其中,所述时间负荷裕度,用于从时间角度衡量所述道路的应急承载能力,具体为:g₁(t)=1-occ(t),g₁(t)为所述道路在t时刻的时间负荷裕度,occ(t)为所述通过微波检测器检测获取的所述时间占有率。所述空间负荷裕度,用于从剩余承载空间的角度衡量所述道路的应急疏散通行能力,具体为:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="219"/>g₂(t)为所述道路在t时刻的空间负荷裕度,v(t)为道路在t时刻的实际流量,c为所述道路的最大实际通行能力。根据本发明的另一方面,本发明还提供了一种道路应急疏散能力分级系统,该系统包括上述道路应急疏散能力评价系统,但该系统还包括有等级划分模块,该模块与所述综合指标获取模块相连接,用于应用基于目标函数的模糊c-均值聚类法,针对所述时间维度主成分、所述空间维度主成分以及所述道路应急疏散能力综合指标对所述对道路应急疏散能力进行等级划分。优选的方式是,所述等级划分模块进一步连接分类有效性分析模块,该模块用于采用模糊分类系数和分类熵进行分类的有效性分析,进而确定道路的分类等级数目。参照图8,道路应急疏散能力分级系统包括评价指标集获取模块810、综合指标获取模块820、分类有效性分析模块830和等级划分模块840。以上对本发明所提供的一种道路应急疏散能力评价方法及分级方法进行了介绍,道路应急疏散能力评价系统、分级系统与对应的方法的原理相似,相关之处可以互相参照。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。