一种高速公路服务区饱和度分析方法与流程

1.本发明涉及高速公路服务区技术领域，特别是一种高速公路服务区饱和度评判方法。


背景技术：

2.高速公路服务区是专门为乘客和司机停留休息的场所，其集餐饮、停车、休闲、如厕、加油充电、加水、住宿、汽修洗车、旅游服务中心(房车营地)等综合服务于一体。目前，针对服务区的运行监管多是通过部署视频摄像机对服务区进行人为的视频查看，这样会造成发现问题不及时，不能实时掌握服务区的运行状态，且不能及时做出应对措施。而服务区是否饱和是反映服务区运行状态的重要指标，所以应充分考虑服务区所能提供的各项服务能力的饱和程度。


技术实现要素：

3.有鉴于此，本发明的目的是提供一种高速公路服务区饱和度分析方法，以解决现有技术中不能及时的、客观准确的掌握服务区运行状态的饱和程度，进而不能及时作出相应的应对措施的技术问题。
4.本发明高速公路服务区饱和度分析方法，其包括以下步骤：
5.步骤一，采集服务区当前的车位使用数量、充电桩使用数量、商业大楼客流总数、卫生间使用数量、超市客流总数、餐饮区客流总数、客房使用数量、加油站汽油使用总数、维修车辆数和服务区广场客流总数,并根据采集的数据计算影响服务区饱和度的影响因子，所述影响因子包括：
6.vu，vu为车位使用率，车位使用率＝当前车位使用数量/服务区车位总数，
7.cu，cu为充电桩使用率，充电桩使用率＝当前充电桩使用数量/服务区充电桩总数，
8.bs，bs为商业大楼容积率，商业大楼容积率＝当前商业大楼客流总数/商业大楼可用面积，
9.wu，wu为卫生间使用率，卫生间使用率＝当前卫生间使用数量/卫生间厕位总数，
10.ss，ss为超市容积率，超市容积率＝当前超市客流总数/超市可用面积，
11.rs，rs为餐饮区容积率，餐饮区容积率＝当前餐饮区客流总数/餐饮区可用面积，
12.ru，ru为客房使用率，客房使用率＝当前客房使用数量/服务区客房总数，
13.gr，gr为油量使用率，油量使用率＝当前加油站汽油使用总数/加油站汽油储，
14.res，res为汽修场所容积率，汽修场所容积率＝当前维修车辆数/汽修场所可用面积，
15.sbs，sbs为服务区广场容积率，服务区广场容积率＝当前服务区广场客流总数/服务区广场可用面积；
16.步骤二，基于层次分析法计算步骤一所述影响因子的权重，基于熵权法计算步骤
一所述影响因子的权重，组合两类权重得到基于层次分析法和熵权法的各影响因子的主客观组合权重；
17.步骤三，将步骤二计算得到的各影响因子的组合权重与步骤一各影响因子的值相乘后，求和得到服务区的饱和度e(t)；
18.步骤四，建立服务区饱和度分析模型如下：
19.当e(t)≤0.17，则判定当前服务区空闲；
20.当0.17<e(t)≤0.33，则判定当前服务区畅通；
21.当0.33<e(t)≤0.5，则判定当前服务区较畅通；
22.当0.5<e(t)≤0.67，则判定当前服务区较饱和；
23.当0.67<e(t)≤0.83，则判定当前服务区饱和；
24.当0.83<e(t)≤1.0，则判定当前服务区严重饱和；
25.根据步骤三得到的饱和度e(t)分析判定当前服务区的状态。
26.进一步，所述步骤二中基于层次分析法计算步骤一所述影响因子的权重包括步骤：
27.1)基于层次分析法，将各影响因子对服务区饱和度的影响大小进行两两比对，且各因子评价指标相对重要性表示为：
28.标度1，表示两个元素相比，具有同样重要性；
29.标度3，表示两个元素相比，前者比后者稍重要；
30.标度5，表示两个元素相比，前者比后者明显重要；
31.标度7，表示两个元素相比，前者比后者极其重要；
32.标度9，表示两个元素相比，前者比后者强烈重要；
33.标度2、标度4、标度6和标度8，分别表示上述相邻判断的中间值；
34.2)构造层次分析法各影响因子的比较判断矩阵，具体方法为：
35.设元素i和元素j的重要性相比的标度值为a
ij
，则元素j和元素i的重要性相比的标度值为a
ji
＝1/a
ij
；
36.基于上述规则，构造比较判断矩阵a为：
[0037][0038]
其中，有n个服务区饱和度影响因子；
[0039]
3)将矩阵a中的各个重要性相比标度值除以该标度值所在列的列和，即得到归一化矩阵a
norm
表示为：
[0040][0041]
4)计算矩阵a
norm
每一行的均值，得到特征向量α，即为比较判断矩阵a中各个因子的权重值：
[0042]
α＝[α1,α2,
…
,α
n
]
t
[0043]
其中，a1为车位使用率的权重值，a2为充电桩使用率的权重值，依次类推，a
n
为服务区广场容积率的权重值。
[0044]
进一步，所述步骤二中基于熵权法计算步骤一所述影响因子的权重包括步骤：
[0045]
1)原始数据采样统计，以每t小时为1个统计周期，收集1天的数据样本，则每个影响因子有总共m＝24/t个数据样本，影响服务区饱和度的影响因子共有n种，由此形成原始影响因子数据矩阵x表示为：
[0046][0047]
其中，x
1vu
表示第一个统计周期中车位使用率的数值，x
2vu
表示第二个统计周期中车位使用率的数值，x
mvu
表示第m个统计周期中车位使用率的数值，x
1cu
表示第一个统计周期中充电桩使用率的数值，依次类推，计为x
ij
，其中，i＝[1,
…
,m]，j＝[1,
…
,n]；
[0048]
2)对各影响因子进行数据归一化处理以消除因量纲不同对计算结果的影响，将矩阵x内所有数值加1后，针对每列x
j
，运用以下公式进行归一化处理：
[0049]
x
*
＝log
10
(x)/log
10
(max)
[0050]
归一化处理后的矩阵表示为：
[0051][0052]
3)计算各影响因子各时段占该样本的比重，即计算矩阵x
*
第j项因子下第i个样本值占该影响因子的比重p
ij
为：
[0053][0054]
其中，i＝[1,
…
,m]，j＝[1,
…
,n]，m表示为以每t小时为统计周期，收集1天共m个数据样本，n表示为影响服务区饱和度的因子共有n种；
[0055]
4)计算第j项影响因子的熵值：
[0056][0057]
其中，k＝1/ln(m)>0；
[0058]
5)计算信息熵冗余度，即根据各个影响因子标志值的差异程度来进行赋权，从而得出各个影响因子相应的权重：
[0059][0060]
其中，ω
j
表示为基于熵权法得到的各个影响因子相应的权重，d
j
＝1
‑
e
j
表示为信息熵冗余度。
[0061]
进一步，所述步骤二中组合两类权重得到主客观组合权重的方法如下：
[0062][0063]
其中，a
j
为层次分析法计算所得的权重，ω
j
为熵值法计算所得权重。
[0064]
进一步，所述步骤三中服务区的饱和度的计算方法为：
[0065]
e(t)＝vu(t)
×
f1 cu(t)
×
f2
…
sbs(t)
×
f
n
。
[0066]
本发明的有益效果：
[0067]
本发明高速公路服务区饱和度分析方法，其通过采集影响及反应服务区饱和度的各种客观数据，并采用主观赋权法和客观赋权法相结合的方式对数据进行分析处理，能够克服单一方法确定权重指标的局限性，消除了主观偏差和客观片面，使所确定的权重同时体现主观信息和客观信息，从而能够真实评判服务区的饱和度，实现了及时、客观且准确地反映当前服务区的运行状态，解决了现有技术中管理人员不能及时及时准确掌握及判断服务区状态的技术问题，能为服务区管理人员提供及时、直接、有效的管理决策依据。
[0068]
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0069]
图1为为高速公路服务区饱和度分析方法的流程示意图。
具体实施方式
[0070]
下面结合附图和实施例对本发明作进一步描述。
[0071]
本实施例高速公路服务区饱和度分析方法，其包括以下步骤：
[0072]
步骤一，为综合且全面评价服务区的运行饱和度状态，应充分考虑其所能提供的各项服务能力的饱和程度，本实施例中选取服务区共10种会影响服务区饱和度的数据，如表1所示。
[0073]
表1服务区饱和度模型相关数据需求及来源
[0074][0075][0076]
采集服务区当前的车位使用数量、充电桩使用数量、商业大楼客流总数、卫生间使用数量、超市客流总数、餐饮区客流总数、客房使用数量、加油站汽油使用总数、维修车辆数和服务区广场客流总数共10中数据,并根据采集的数据计算影响服务区饱和度的影响因子，所述影响因子包括：
[0077]
vu，vu为车位使用率，车位使用率＝当前车位使用数量/服务区车位总数，
[0078]
cu，cu为充电桩使用率，充电桩使用率＝当前充电桩使用数量/服务区充电桩总数，
[0079]
bs，bs为商业大楼容积率，商业大楼容积率＝当前商业大楼客流总数/商业大楼可用面积，
[0080]
wu，wu为卫生间使用率，卫生间使用率＝当前卫生间使用数量/卫生间厕位总数，
[0081]
ss，ss为超市容积率，超市容积率＝当前超市客流总数/超市可用面积，
[0082]
rs，rs为餐饮区容积率，餐饮区容积率＝当前餐饮区客流总数/餐饮区可用面积，
[0083]
ru，ru为客房使用率，客房使用率＝当前客房使用数量/服务区客房总数，
[0084]
gr，gr为油量使用率，油量使用率＝当前加油站汽油使用总数/加油站汽油储，
[0085]
res，res为汽修场所容积率，汽修场所容积率＝当前维修车辆数/汽修场所可用面积，
[0086]
sbs，sbs为服务区广场容积率，服务区广场容积率＝当前服务区广场客流总数/服务区广场可用面积。
[0087]
步骤二，基于层次分析法(层次分析法为主观赋权法)计算步骤一所述影响因子的权重，基于熵权法(熵权法为客观赋权法)计算步骤一所述影响因子的权重，组合两类权重得到基于层次分析法和熵权法的各影响因子的主客观组合权重。
[0088]
步骤二中基于层次分析法计算步骤一所述影响因子的权重包括步骤：
[0089]
1)基于层次分析法，将各影响因子对服务区饱和度的影响大小进行两两比对，且各因子评价指标相对重要性表示为：
[0090]
标度1，表示两个元素相比，具有同样重要性；
[0091]
标度3，表示两个元素相比，前者比后者稍重要；
[0092]
标度5，表示两个元素相比，前者比后者明显重要；
[0093]
标度7，表示两个元素相比，前者比后者极其重要；
[0094]
标度9，表示两个元素相比，前者比后者强烈重要；
[0095]
标度2、标度4、标度6和标度8，分别表示上述相邻判断的中间值。
[0096]
2)构造层次分析法各影响因子的比较判断矩阵，具体方法为：
[0097]
设元素i和元素j的重要性相比的标度值为a
ij
，则元素j和元素i的重要性相比的标度值为a
ji
＝1/a
ij
；
[0098]
基于上述规则，构造比较判断矩阵a为：
[0099][0100]
其中，有n个服务区饱和度影响因子，本实施例中n＝10，得到的比较判断矩阵a如表2所示。
[0101]
表2比较判断矩阵a
[0102][0103]
3)将矩阵a中的各个重要性相比标度值除以该标度值所在列的列和，得到所选取n＝10个服务区饱和度影响因子的归一化矩阵a
norm
表示为：
[0104]
[0105]
表3归一化矩阵a
norm
[0106][0107]
4)计算矩阵a
norm
每一行的均值，得到特征向量a，即为比较判断矩阵a中各个因子的权重值：
[0108]
a＝[a1,a2,
…
,a
n
]
t
[0109]
其中，a1为车位使用率的权重值，α2为充电桩使用率的权重值，依次类推，α
n
为服务区广场容积率的权重值。
[0110]
由此基于层次分析法，得到所选取n＝10个服务区饱和度影响因子的权重值为：
[0111]
α＝[0.201，0.027，0.226，0.080，0.063，0.052，0.044，0.017，0.010，0.279]
t
[0112]
一致性校验，检验矩阵a是否存在克星逻辑错误与亮度逻辑错误。
[0113]
(1)一致性指示ci定义为
[0114][0115]
式中λ
max
为比较判断矩阵a的最大特征值，n为比较判断矩阵a的阶数。
[0116]
(2)查找n＝10时，平均随机一致性指示ri为1.49。
[0117][0118]
(3)随机一致性指示定义为
[0119]
cr＝ci/ri
[0120]
计算结果为：cr＝0.08＜0.1，表明该比较判断矩阵a具有满意的一致性。
[0121]
所述步骤二中基于熵权法计算步骤一所述影响因子的权重包括步骤：
[0122]
1)原始数据采样统计，以每t小时为1个统计周期，收集1天的数据样本，则每个影响因子有总共m＝24/t个数据样本，影响服务区饱和度的影响因子共有n种，由此形成原始影响因子数据矩阵x表示为：
[0123][0124]
其中，x
1vu
表示第一个统计周期中车位使用率的数值，x
2vu
表示第二个统计周期中
车位使用率的数值，x
mvu
表示第m个统计周期中车位使用率的数值，x
1cu
表示第一个统计周期中充电桩使用率的数值，依次类推，计为x
ij
，其中，i＝[1,
…
,m]，j＝[1,
…
,n]。
[0125]
2)对各影响因子进行数据归一化处理以消除因量纲不同对计算结果的影响，将矩阵x内所有数值加1后，针对每列x
j
，运用以下公式进行归一化处理：
[0126]
x
*
＝log
10
(x)/log
10
(max)
[0127]
归一化处理后的矩阵表示为：
[0128][0129]
3)计算各影响因子各时段占该样本的比重，即计算矩阵x
*
第j项因子下第i个样本值占该影响因子的比重p
ij
为：
[0130][0131]
其中，i＝[1,
…
,m]，j＝[1,
…
,n]，m表示为以每t小时为统计周期，收集1天共m个数据样本，n表示为影响服务区饱和度的因子共有n种，本实施例中n＝10。
[0132]
4)计算第j项影响因子的熵值：
[0133][0134]
其中，k＝1/ln(m)>0。
[0135]
5)计算信息熵冗余度，即根据各个影响因子标志值的差异程度来进行赋权，从而得出各个影响因子相应的权重：
[0136][0137]
其中，ω
j
表示为基于熵权法得到的各个影响因子相应的权重，d
j
＝1
‑
e
j
表示为信息熵冗余度。
[0138]
所述步骤二中组合两类权重得到主客观组合权重的方法如下：
[0139][0140]
其中，a
j
为层次分析法计算所得的权重，ω
j
为熵值法计算所得权重。
[0141]
步骤三，将步骤二计算得到的各影响因子的组合权重与步骤一各影响因子的值相乘后，求和得到服务区的饱和度e(t)：
[0142]
e(t)＝vu(t)
×
f1 cu(t)
×
f2 bs(t)
×
f3 wu(t)
×
f4 ss(t)
×
f5 rs(t)
×
f6 ru(t)
×
f7 gr(t)
×
f8 res(t)
×
f9 sbs(t)
×
f
10
[0143]
步骤四，建立服务区饱和度分析模型如下：
[0144]
当e(t)≤0.17，则判定当前服务区空闲；
[0145]
当0.17<e(t)≤0.33，则判定当前服务区畅通；
[0146]
当0.33<e(t)≤0.5，则判定当前服务区较畅通；
[0147]
当0.5<e(t)≤0.67，则判定当前服务区较饱和；
[0148]
当0.67<e(t)≤0.83，则判定当前服务区饱和；
[0149]
当0.83<e(t)≤1.0，则判定当前服务区严重饱和；
[0150]
根据步骤三得到的饱和度e(t)分析判定当前服务区的状态。
[0151]
本实施例中高速公路服务区饱和度分析方法，其通过采集影响及反应服务区饱和度的各种客观数据，并采用主观赋权法和客观赋权法相结合的方式对数据进行分析处理，能够克服单一方法确定权重指标的局限性，消除了主观偏差和客观片面，使所确定的权重同时体现主观信息和客观信息，从而能够真实评判服务区的饱和度，做到客观且准确地反映当前服务区的运行状态，能为服务区管理人员提供及时、直接、有效的管理决策依据。如可根据不同的结论作出如下对应决策：
[0152]
e(t)≤0.5，服务区畅通，做好正常的日常监控和巡检；
[0153]
0.5<e(t)≤0.67，提醒服务区管理人员加强关注，做好应对服务区达到饱和或严重饱和的准备工作；
[0154]
0.67<e(t)≤0.83，监控员通知服务区相关管理人员；监控员加强对服务区的视频监控力度；服务区入口led情报板发布提示信息，引导车辆到下一个服务区休息或加油；通知路段监控中心和执法队，协同向公众发布提示信息；利用广播等宣传工具，向旅客做好宣传、解释工作，重点照顾好老弱病残；规范服务区车辆停放秩序，进行现场停车引导，禁止小车占用客车停车位；加油站增加人手，提高加油速度，保障加油车辆快进快出；保洁相关人员对于停车区域、超市入口、餐厅、厕所等人流量较大的区域要提高打扫频次，保障停留环境舒适性；加强安保巡逻力度；关注商业大楼、卫生间照明和通风；
[0155]
0.83<e(t)≤1.0，除了上述措施外，还需进行如下预案工作：服务区广场进行物理隔离，合理划分功能区域(提供茶水、临时休息处等)；开通内部通道，增加停车位；保洁相关人员对于停车区域、超市入口、餐厅、厕所等人流量较大的区域，要实行轮流值班查看与固定时间打扫相结合的方式，加强安保巡逻力度，对于人流量较大区域要加派人手，提高巡逻频次。
[0156]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。