一种道路交通组织方案优化方法及装置与流程

1.本发明涉及道路交通组织方案优化技术，特别地，涉及一种道路交通组织方案优化方法及装置。


背景技术：

2.道路交通组织是公安交通管理工作的重要基础，作用是让道路上的车辆和行人，能够“各行其道、有序规范、安全通行”。通常情况下，当前道路交通组织优化主要是考虑道路通行能力、交通安全等通行效能表征指标，很少综合交通参与者行为微观特性以及环境对交通参与者的影响进行系统设计，容易导致虽然经过了交通组织优化设计，但是往往造成不符合交通参与者的行为特征，很可能引发交通秩序混乱，交通违法行为高发等问题，影响通行能力，也对交通安全造成威胁。因此当前道路交通组织优化方法，未充分系统考虑道路交通影响因素，无法有效优化道路交通方案。


技术实现要素：

3.为了克服现有技术的不足，本发明提供一种道路交通组织方案优化方法及装置，以解决当前道路交通组织优化方法，未充分系统考虑道路交通影响因素，无法有效优化道路交通方案的问题。
4.本发明解决其技术问题所采用的技术方案是：
5.一方面，
6.一种道路交通组织方案优化方法，包括以下步骤：
7.获取所述道路交通组织方案在包括人因系数在内的多个维度的数据，所述人因系数表征交通组织设计满足交通参与者行为特征需求的程度；
8.根据基于层次分析法预先构建的决策模型计算所述数据得到所述道路交通组织方案的效用值；
9.将所述效用值与预设值比较；
10.若所述效用值低于预设值，则根据所述决策模型优化所述道路交通组织方案。
11.进一步地，述决策模型包括多个一级指标，所述一级指标为获取数据的维度，每个一级指标包括多个二级指标；
12.所述一级指标被配置为：通行效率、交通安全、运行秩序和人因系数；
13.所述通行效率被配置为：机动车延误时间、机动车停车次数、非机动车延误时间和行人延误时间；
14.所述交通安全被配置为：机动车
‑
机动车冲突、机动车
‑
非机动车冲突、非机动车
‑
非机动车冲突、机动车
‑
行人冲突和非机动车
‑
行人冲突；
15.所述运行秩序被配置为：机动车违法率、非机动车违法率和行人违法率；
16.所述人因系数被配置为：机动车按照指示通行、非机动车按照指示通行、非机动车按照指示停车、行人按照指示通行和行人按照指示等待。
17.进一步地，所述获取所述道路交通组织方案在多个维度的数据包括：
18.获取所述决策模型中的二级指标的数据。
19.进一步地，在构建所述决策模型时还包括：
20.分别构建一级指标以及每个一级指标内二级指标的判断矩阵；
21.根据所述判断矩阵计算得到各个一级指标的相对权重以及每个一级指标内各个二级指标的相对权重。
22.进一步地，根据判断矩阵计算相对权重包括：
23.采用和积法得到所述判断矩阵的规格化特征向量，所述规格化特征向量对应一个指标的相对权重。
24.进一步地，还包括：
25.对所述判断矩阵进行一致性检测得到所述判断矩阵的一致性；
26.当所述一致性不符预设要求时，重新构建所述判断矩阵。
27.进一步地，所述根据基于层次分析法预先构建的决策模型计算所述数据得到所述道路交通组织方案的效用值包括：
28.对所述数据进行归一化处理得到归一化值；
29.根据所述归一化的值以及每个数据对应的二级指标的相对权重计算效用值；计算公式为：
30.z＝
‑
w
1i
v
1i
‑
w
2i
v
2i
‑
w
3i
v
3i
‑
w
4i
v
4i
31.其中，z为效用值，w
1i
、w
2i
、w
3i
和w
4i
代表每个一级指标内各二级指标的相对权重，v
1i
、v
2i
、v
3i
和v
4i
代表每个二级指标对应的数据的归一化后的值。
32.进一步地，所述对所述数据进行归一化处理得到归一化值包括：
33.将同一二级指标对应的所述数据与预设道路交通组织方案的标准数据进行比较得到归一化值，计算公式为：
34.k(a)＝a/(a b)；
35.其中，k(a)为待优化方案的归一化值，a为待优化方案的任一二级指标对应的数据；b为预设道路交通组织方案与a相同的二级指标对应的标准数据。
36.进一步地，所述根据所述决策模型优化所述道路交通组织方案包括：
37.获取每一二级指标下待优化方案的数据超出预设范围的二级指标及其相对权重；
38.根据获取的二级指标以及相对权重修改所述道路交通组织方案。
39.另一方面，
40.一种道路交通组织方案优化装置，包括：
41.数据获取模块，用于获取所述道路交通组织方案在包括人因系数在内的多个维度的数据，所述人因系数表征交通组织设计满足交通参与者行为特征需求的程度；
42.效用值计算模块，用于根据基于层次分析法预先构建的决策模型计算所述数据得到所述道路交通组织方案的效用值；
43.效用值比较模块，用于将所述效用值与预设值比较；
44.方案优化模块，用于若所述效用值低于预设值，则根据所述决策模型优化所述道路交通组织方案。
45.本技术采用以上技术方案，至少具备以下有益效果：
46.本技术技术方案提供一种道路交通组织方案优化方法及装置，在多个维度获取方案的数据；然后根据数据和预先构建的决策模型计算数据得到方案的效用值；之后再将效用值与预设值比较；若效用值低于预设值，则根据决策模型优化方案。本技术方案在优化道路交通组织方案时引入人因系数，而且基于层次分析法构建了量化决策模型，实现对交通组织方案的全要素量化分析，与以往方法相比，引入表征交通组织设计满足交通参与者行为特征需求的程度的人因系数，能够充分体现交通参与者的交通行为特征，并充分考虑交通参与者行为特征差异，满足各类型交通参与者基本行为特征需求。实现道路交通组织不仅安全、有序、畅通，而且符合人性化的要求，符合交通参与者行为特性，能够精准有效的优化道路交通组织方案。
附图说明
47.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
48.图1是本发明实施例提供的一种道路交通组织方案优化方法流程图；
49.图2是本发明实施例提供的一种决策模型结构示意图；
50.图3是本发明实施例提供的一种道路交通组织方案优化装置结构图。
具体实施方式
51.为使本技术的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明的技术方案进行详细的描述说明。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本技术所保护的范围。
52.首先，由于本方案的核心在于交通组织设计时引入人因系数，所以下面对于交通组织设计中的人因系数进行解释。人因系数表征交通组织设计满足交通参与者行为特征需求的程度。
53.在交通组织设计中设计人因系数的目标是，在开展道路交通组织设计时，充分体现交通参与者的交通行为特征，并充分考虑交通参与者行为特征差异，满足各类型交通参与者基本行为特征需求。实现道路交通组织不仅安全、有序、畅通，而且具有人性化，符合交通参与者行为特性。
54.参照图1，本发明实施例提供一种道路交通组织方案优化方法，包括以下步骤：
55.获取道路交通组织方案在包括人因系数在内的多个维度的数据，人因系数为交通参与者行为微观特性以及环境对交通参与者的影响系数；
56.根据基于层次分析法预先构建的决策模型计算数据得到道路交通组织方案的效用值；
57.将效用值与预设值比较；
58.若效用值低于预设值，则根据决策模型优化道路交通组织方案。
59.本发明实施例提供的一种道路交通组织方案优化方法，在多个维度获取方案的数
据；然后根据数据和预先构建的决策模型计算所述数据得到的方案效用值；之后再将效用值与预设值比较；若效用值低于预设值，则根据决策模型优化方案。本技术方案在优化道路交通组织方案时引入人因系数，而且基于层次分析法构建了量化决策模型，实现对交通组织方案的全要素量化分析，与以往方法相比，符合交通参与者的行为特征，考虑因素多，能够精准有效的优化道路交通组织方案。
60.作为对上述实施例的一种补充：决策模型包括多个一级指标，一级指标为获取数据的维度，每个一级指标包括多个二级指标；
61.一级指标被配置为：通行效率、交通安全、运行秩序和人因系数；通行效率被配置为：机动车延误时间、机动车停车次数、非机动车延误时间和行人延误时间；交通安全被配置为：机动车
‑
机动车冲突、机动车
‑
非机动车冲突、非机动车
‑
非机动车冲突、机动车
‑
行人冲突和非机动车
‑
行人冲突；运行秩序被配置为：机动车违法率、非机动车违法率和行人违法率；人因系数被配置为：机动车按照指示通行、非机动车按照指示通行、非机动车按照指示停车、行人按照指示通行和行人按照指示等待。
62.需要说明的是，获取道路交通组织方案在多个维度的数据包括：获取决策模型中的二级指标的数据。
63.作为本发明实施例一种可选的实现方式，在构建决策模型时还包括：分别构建一级指标以及每个一级指标内二级指标的判断矩阵；根据判断矩阵计算得到各个一级指标的相对权重以及每个一级指标内各个二级指标的相对权重。其中，根据判断矩阵计算相对权重包括：采用和积法得到判断矩阵的规格化特征向量，规格化特征向量对应一个指标的相对权重。可以理解的是，对判断矩阵进行一致性检测得到判断矩阵的一致性；当一致性不符预设要求时，重新构建判断矩阵。
64.可选地，根据预先构建的决策模型计算数据得到道路交通组织方案的效用值包括：对数据进行归一化处理得到归一化值；根据归一化的值以及每个数据对应的二级指标的相对权重计算效用值；计算公式为：
65.z＝
‑
w
1i
v
1i
‑
w
2i
v
2i
‑
w
3i
v
3i
‑
w
4i
v
4i
66.其中，z为效用值，w
1i
、w
2i
、w
3i
和w
4i
代表每个一级指标内各二级指标的相对权重，v
1i
、v
2i
、v
3i
和v
4i
代表每个二级指标对应的数据的归一化后的值。
67.其中，对数据进行归一化处理得到归一化值包括：
68.将同一二级指标对应的数据与预设道路交通组织方案的标准数据进行比较得到归一化值，计算公式为：
69.k(a)＝a/(a b)；
70.其中，k(a)为待优化方案的归一化值，a为待优化方案的任一二级指标对应的数据；b为预设道路交通组织方案与a相同的二级指标对应的标准数据。
71.进一步地，根据决策模型优化道路交通组织方案包括：获取每一二级指标下待优化方案的数据超出预设范围的二级指标及其相对权重；根据获取的二级指标以及相对权重修改道路交通组织方案。
72.为了更清楚的说明本发明的方案，下面提供一个具体的实施例。包括以下步骤：
73.1 协同优化决策模型
74.1.1 模型方法
75.本专利利用层次分析法构建交通组织优化指数模型，作为协同组织设计的优化指标。层次分析法是一种将与决策有关的元素分解成目标、准则、方案等层次，在此基础上进行定量分析的决策方法，常被运用于多目标、多准则、多要素、多层次的非结构化的复杂决策问题，可以较好地解决多要素相互关联、相互制约的复杂系统决策问题。
76.层次分析法的流程通常分为四个部分：一是将计划决策的问题分解为若干个要素，建立一个递阶层次结构的模型。二是确定各层次中各要素的重要性，其重要性是相对的，通过两两比较的方式得出。三是确定各层次中全部要素重要性次序权值，其重要性也是相对的。四是基于权值对备选方案进行量化分析。
77.(1)构建层次结构模型
78.根据对计划决策问题的分析，将所涉及到的要素进行分层排序。一般分为三层，最高层为目标层，最底层为方案层，中间层为准则层或指标层。
79.(2)建立判断矩阵
80.以上一层次的某一要素作为准则，将本层次的要素进行两两比较构造判断矩阵a＝(a
ij
)
n
×
n
，其中a
ij
表示元素u
i
与u
j
针对准则的相对重要性。任何判断矩阵都应该满足：a
ij
>0；a
ii
＝1；a
ij
＝1/a
ji
。通常利用九标度法对各要素进行两两比较，具体标度及其含义如表1所示。
81.表1判断矩阵标度及其相应的含义
82.标度(a
ij
)相应的含义1元素u
i
与和u
j
对上一级因素的重要性相同3元素u
i
比元素u
j
稍微重要5元素u
i
比元素u
j
明显重要7元素u
i
比元素u
j
强烈重要9元素u
i
比u
j
极端重要
83.(3)层次单排序及一致性检验
84.依据公式(1)，对每个判断矩阵计算其最大特征值λ
max
及与其对应的特征向量w，w的分量即为对应要素的权重。
85.aw＝λ
max
w
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
86.最大特征值与特征向量的计算方法主要有：和积法、方根法、幂法等。一般采用“和积法”，计算步骤为：
87.第一步：将判断矩阵按列规格化，即
[0088][0089]
第二步：将按列规格化后的判断矩阵按行相加，得
[0090][0091]
记向量w
′
＝[w
′1,w
′2，
···
，w
′
n
]
t
[0092]
第三步：将向量w
′
规格化，即
[0093][0094]
规格化向量w＝[w1,w2,
···
,w
n
]
t
即为矩阵的特征向量。
[0095]
第四步：计算最大特征值
[0096][0097]
式中：(aw)
i
为判断矩阵a与特征向量w乘积的第i项分量。
[0098]
利用公式(6)对判断矩阵的一致性进行检验。
[0099][0100]
用平均随机一致性指标ri来检验判断矩阵是否具有满意的一致性，平均随机一致性指标如表2所示。
[0101]
表2平均随机一致性指标
[0102]
阶数1/2345678ri00.520.891.121.251.351.42阶数9101112131415ri1.461.491.521.541.561.581.59
[0103]
借助于ci和ri的值可以得出随机一致性比率，公式为
[0104][0105]
当cr<0.1时，表明判断矩阵具有满意的一致性，否则需要对判断矩阵进行修正。
[0106]
(4)层次总排序及一致性检验
[0107]
层次总排序需要从上到下逐层进行，且也需要进行一致性检验。现假设a层有m个要素，得到层次单排序结果为a1,a2,
···
,a
m
，其下一层次b有n个要素，它们对于a
j
的层次单排序结果为b
′1，b
′2，
···
，b
′
n
，则b层次总排序随机一致性比率为
[0108][0109]
ci
j
表示与a层中因素相对应的b层中判断矩阵的一致性指标；ri
j
表示与a层中因素相应的b层中判断矩阵的平均随机一致性。
[0110]
同样，当cr<0.1时，说明此层次总排序的一致性比较满意，其不一致程度可接受。
[0111]
1.2决策模型
[0112]
交通组织设计方案优化，既与道路通行效率、道路交通安全等有关，也与交通参与者人因特性有关，交通组织优化决策模型应包括通行效率、交通安全、运行秩序、人因特性等4个维度的指标，具体如表3所示。
[0113]
(1)通行效率
[0114]
在研究范围内，表征机动车、非机动车、行人的通行效率，主要涉及机动车交通延误、机动车停车次数、非机动车通行效率，以及行人通行效率。
[0115]
(2)交通安全
[0116]
在研究范围内，表征在时间和空间维度下，机动车、非机动车和行人相互之间的交通冲突数量。
[0117]
(3)运行秩序
[0118]
在研究范围内，表征机动车、非机动车和行人的运行秩序情况，主要涉及机动车交通违法率、非机动车交通违法率和行人交通违法率。
[0119]
(4)人因系数
[0120]
在研究范围内，表征交通组织设计与各种交通方式的交通参与者交通行为特征的匹配程度，主要涉及机动车是否按照车道导流线通行、非机动车是否按照车道指示通行、非机动车是否按照停车指示进行规范停靠、行人是否按照人行道及人行横道的指示通行。
[0121]
表3决策模型指标
[0122]
[0123]
[0124]
[0125][0126]
1.3案例分析
[0127]
基于层次分析法原理，构建了如图2所示的交通组织优化决策模型，其中一级指标有4个，包括通行效率、交通安全、运行秩序、人因系数等，分别表示为t1、t2、t3、t4。二级指标共包含17个，通行效率主要分为机动车延误时间、机动车停车次数、非机动车延误时间、行人延误时间4个指标，分别表示为t
11
、t
12
、t
13
、t
14
；交通安全主要分为机动车
‑
机动车冲突、机动车
‑
非机动车冲突、非机动车
‑
非机动车冲突、机动车
‑
行人冲突、非机动车
‑
行人冲突5个方面，分别表示为t
21
、t
22
、t
23
、t
24
、t
25
；运行秩序主要分为机动车违法率、非机动车违法率、行人违法率3个方面，分别表示为t
31
、t
32
、t
33
；人因系数主要分为机动车按照指示通行、非机动车按照指示通行、非机动车按照指示停车、行人按照指示通行、行人按照指示等待分别表示为t
41
、t
42
、t
43
、t
44
、t
45
。
[0128]
针对a层(即一级)4个指标关联的重要程度构造相应的判断矩阵：
[0129][0130]
矩阵中数值为通行效率、交通安全、运行秩序、人因系数指标的相对重要度。利用和积法得出矩阵a的规格化特征向量：
[0131]
w＝[0.0454,0.5566,0.1135，0.2845]
t
[0132]
最大特征值为：
[0133]
λ
max
＝4.2051
[0134]
对该判断矩阵进行一致性判断，计算结果为：ci＝0.6837，ri＝0.89，cr＝0.0768<0.10，因此判断矩阵a具有满意的一致性,其不一致程度是可接受的。经计算后获得的各一级指标t1、t2、t3、t4的权重见表4。
[0135]
表4交通组织优化决策一级指标的相对重要度及权重
[0136]
tt1t2t3t4wt111/81/41/60.0454t281530.5566t341/511/40.1135
t461/3410.2845
[0137]
对各二级指标判断矩阵的处理同上，结果见表5至表8。
[0138]
表5判断矩阵t1‑
t
1i
[0139][0140][0141]
表6判断矩阵t2‑
t
2i
[0142]
t2t
21
t
22
t
23
t
24
t
25
w指标t
21
11/421/640.1098λ
max
＝5.3375t
22
4141/450.2463ci＝0.0844t
23
1/21/411/610.0593ri＝1.12t
24
646160.5328cr＝0.0753t
25
1/41/511/610.0518cr<0.10
[0143]
表7判断矩阵t3‑
t
3i
[0144][0145]
表8判断矩阵t4‑
t
4i
[0146]
[0147][0148]
按照公式(8)进行总排序的一致性检验，结果为0.0782(<0.10)，即层次总排序具有满意的一致性,其不一致程度是可接受的，对各二级指标加权处理后的权重见表9。
[0149]
表9交通组织优化决策层次分析体系各指标权重
[0150]
[0151][0152]
通过以上数据分析可以看出，交通组织优化决策指标中，一级指标中最重要的是“交通安全”；其次是“人因系数”与“运行秩序”；重要性相对较低的是“通行效率”。在“交通安全”的二级指标中，“机动车
‑
行人冲突”与“机动车
‑
非机动车冲突”的地位相对突出，“机动车
‑
机动车冲突”和“非机动车
‑
非机动车冲突”其次，“非机动车
‑
行人冲突”重要性相对较弱。在“人因系数”的二级指标中，“机动车按照指示通行”最为重要，其次是“非机动车按照指示通行”和“非机动车按照指示停车”，重要性最弱的是“行人按照指示通行”和“行人按照指示等待”。在“运行秩序”二级指标中，“机动车违法率”和“行人违法率”的重要性明显大于“非机动车违法率”。在“通行效率”的二级指标中，“行人延误时间”最为重要，“非机动车延误时间”其次，“机动车延误时间”与“机动车停车次数”重要性最低，且二者差异小。
[0153]
下面以某一交叉口的可选两套组织方案a、b为例，利用上述层次分析法进行优化，其中方案b相当于预设方案，如表10所示。
[0154]
表10交通组织方案a、b的各项指标
[0155][0156]
因各项指标属于不同量纲，故需先进行归一化处理，结果如表11所示。
[0157]
表11交通组织方案a、b归一化指标
[0158][0159]
交通组织优化的目标是更短的延误时间、更少的冲突点与停车次数、更低的违法率和更好的通行秩序。因此不妨设z为各组织方案的效用函数
[0160]
z＝
‑
w
1i
v
1i
‑
w
2i
v
2i
‑
w
3i
v
3i
‑
w
4i
v
4i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0161]
根据上式得到方案a、b的效用值为
[0162]
z
a
＝
‑
0.5179*0.0056
‑
0.4855*0.0031
‑
0.4759*0.0131
‑
0.4527*0.0236
‑
0.5714*0.0611
‑
0.5714*0.1371
‑
0.6667*0.0330
‑
0.6667*0.2966
‑
0.3333*0.0288
‑
0.6154*0.1591
‑
0.5789*0.0252
‑
0.6327*0.1002
‑
0.3306*0.1321
‑
0.4818*0.0439
‑
0.1184*0.068
‑
0.2696*
0.0247
‑
0.3577*0.0149＝
‑
0.6248
[0163]
z
b
＝
‑
0.4821*0.0056
‑
0.5145*0.0031
‑
0.5241*0.0131
‑
0.5473*0.0236
‑
0.4286*0.0611
‑
0.4286*0.1371
‑
0.3333*0.0330
‑
0.3333*0.2966
‑
0.6667*0.0288
‑
0.3846*0.1591
‑
0.4211*0.0252
‑
0.3673*0.1002
‑
0.6694*0.1321
‑
0.5182*0.0439
‑
0.8816*0.0689
‑
0.7304*0.0247
‑
0.6423*0.0149＝
‑
0.5462
[0164]
对于延误时间、停车次数、冲突点数、违法率和未按照指示交通行为的占比这类二级指标，数值越大说明该交通组织方案效果越差，与交通组织优化的目标相背驰，带来的是负效用，故在效用函数z中用负值表示，效用值z越大即组织方案优化效果越好。比较发现方案b的效用值大于方案a的效用值，故在本交叉口的备选交通组织优化方案中，b方案是较优的，不难看出方案b在交通安全指标上明显优于方案a，这也是造成z
b
>z
a
的关键因素。利用层次分析法，在构建交通组织优化指数模型的基础上，通过比较效用值z的大小，可以比较各方案的优劣，为今后交通组织优化方案的最优化选择工作提供了参考，同时发现交通安全指标在交通组织优化方案的制定中有着突出的地位。
[0165]
对于优化方面，最简单的优化，即将方案a改为方案b；或者由于方案b交通安全指标明显优于方案a，可以在方案a交通安全方面进行优化，如增加监测装置或提示装置，具体可以获取方案b中交通安全指标内各二级指标优于方案a的二级指标，根据其相对权重进行优化，即优化顺序与相对权重正相关；详细优化手段，本领域技术人员可以根据实际情况设置，本发明实施例在此只提供优化的方向，具体手段在此不再详述。
[0166]
本发明实施例提供的方案深入考虑交通参与者行为特征，以及环境对交通参与者的影响。建立交通参与者人因需求与通行能力、交通安全、交通秩序协同的交通组织优化决策模型，构建一套新的交通组织优化设计方法流程。以往通行的组织优化流程为，对现状进行调查，以交通通行效率最优为目标，兼顾交通安全考虑，较少涉及交通秩序量化分析，特别是缺乏对交通组织设计人因特征匹配性的量化分析。本优化设计流程，创新再造了组织设计过程，增加了交通安全性、交通秩序程度、人因指数的量化分析，实施动态优化设计，提高了交通组织设计总体效能，提升了交通参与者通行的便利性与舒适性，符合现代化道路交通治理的目标要求。
[0167]
一个实施例中，本发明还提供一种道路交通组织方案优化装置，如图3所示，包括：
[0168]
数据获取模块31，用于用于获取所述道路交通组织方案在包括人因系数在内的多个维度的数据，所述人因系数表征交通组织设计满足交通参与者行为特征需求的程度；具体地，数据获取模块31获取决策模型中的二级指标的数据。
[0169]
效用值计算模块32，用于根据基于层次分析法预先构建的决策模型计算所述数据得到所述道路交通组织方案的效用值；具体地，效用值计算模块32对数据进行归一化处理得到归一化值；根据归一化的值以及每个数据对应的二级指标的相对权重计算效用值；计算公式为：
[0170]
z＝
‑
w
1i
v
1i
‑
w
2i
v
2i
‑
w
3i
v
3i
‑
w
4i
v
4i
[0171]
其中，z为效用值，w
1i
、w
2i
、w
3i
和w
4i
代表每个一级指标内各二级指标的相对权重，v
1i
、v
2i
、v
3i
和v
4i
代表每个二级指标对应的数据的归一化后的值。进一步地，对数据进行归一化处理得到归一化值包括：将同一二级指标对应的数据与预设道路交通组织方案的标准数据进行比较得到归一化值，计算公式为：
[0172]
k(a)＝a/(a b)；
[0173]
其中，k(a)为待优化方案的归一化值，a为待优化方案的任一二级指标对应的数据；b为预设道路交通组织方案与a相同的二级指标对应的标准数据。
[0174]
效用值比较模块33，用于将效用值与预设值比较；
[0175]
方案优化模块34，用于若效用值低于预设值，则根据决策模型优化道路交通组织方案。具体地，方案优化模块34获取每一二级指标下待优化方案的数据超出预设范围的二级指标及其相对权重；根据获取的二级指标以及相对权重修改道路交通组织方案。
[0176]
其中，决策模型包括多个一级指标，一级指标为获取数据的维度，每个一级指标包括多个二级指标；一级指标被配置为：通行效率、交通安全、运行秩序和人因系数；通行效率被配置为：机动车延误时间、机动车停车次数、非机动车延误时间和行人延误时间；交通安全被配置为：机动车
‑
机动车冲突、机动车
‑
非机动车冲突、非机动车
‑
非机动车冲突、机动车
‑
行人冲突和非机动车
‑
行人冲突；运行秩序被配置为：机动车违法率、非机动车违法率和行人违法率；人因系数被配置为：机动车按照指示通行、非机动车按照指示通行、非机动车按照指示停车、行人按照指示通行和行人按照指示等待。
[0177]
在构建决策模型时还包括：分别构建一级指标以及每个一级指标内二级指标的判断矩阵；根据判断矩阵计算得到各个一级指标的相对权重以及每个一级指标内各个二级指标的相对权重。其中，根据判断矩阵计算相对权重包括：采用和积法得到判断矩阵的规格化特征向量，规格化特征向量对应一个指标的相对权重。可以理解的是，对判断矩阵进行一致性检测得到判断矩阵的一致性；当一致性不符预设要求时，重新构建判断矩阵。
[0178]
本发明实施例提供的一种道路交通组织方案优化装置，数据获取模块获取道路交通组织方案在多个维度的数据，多个维度包括：通行效率、交通安全、运行秩序和人因系数；效用函数计算模块根据预先构建的决策模型计算数据得到道路交通组织方案的效用函数；效用函数比较模块将效用函数与预设值比较；若效用函数值低于预设值，方案优化模块则根据决策模型优化道路交通组织方案。综合考虑了通行效率、交通安全、运行秩序、人因系数，构建了量化决策模型，实现对交通组织方案的全要素量化分析，与以往方法相比，符合交通参与者的行为特征，考虑因素多，能够精准有效的优化道路交通组织方案。
[0179]
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
[0180]
需要说明的是，在本技术的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本技术的描述中，除非另有说明，“多个”的含义是指至少两个。
[0181]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0182]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下
列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0183]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0184]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0185]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0186]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0187]
尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。