一种基于紧急交通流优先级别多层模糊的划分方法

摘要

本发明涉及智能交通技术领域，公开了一种基于紧急交通流优先级别多层模糊的划分方法，该方法包括以下步骤：首先，确定紧急交通流优先需求强度，然后确定紧急交通流优先控制影响强度，最后对紧急交通流优先级别进行模糊判别并根据紧急交通流优先级别确定紧急交通流优先控制策略。本发明的方法采用模糊划分方法，算法简便、易于实现、资源耗费少、计算效率高。

说明书

技术领域

本发明涉及智能交通技术领域，尤其涉及紧急交通流优先控制领域，更具体地说，涉及一种基于紧急交通流优先级别多层模糊的划分方法。

背景技术

紧急救援车辆包括急救车、消防车、执勤警车、市政抢修车（电力、供水、交通）、工程抢险车等正在执行特殊紧急救援任务的车辆，其在紧急救援行动中起着关键性的作用，是重要的城市应急服务资源，提升其救援速度可以提高救援的成功率。紧急交通流即由紧急救援车辆组成的特殊交通流。随着城市化进程的加快，交通需求的增长，紧急交通流对城市交通系统扰动的影响强度越来越大，甚至引发大规模交通拥堵现象。因此，解析紧急交通流优先控制对背景交通流的影响是十分迫切的。

目前，紧急交通流优先控制是优先控制技术的重要内容，紧急交通流优先控制包括交通流参数提取，紧急交通流信号控制优先级划分，关键通道动态组合与最优路径选择以及紧急交通流优先控制四部分内容。目前的研究多集中在紧急救援车辆的路径选择算法优化及行程时间计算算法优化。在紧急交通流路径选择算法方面包括臧华提出的最短路A*算法，刘杨等提出的紧急交通流最优路径的多目标规划模型等。在紧急交通流行程时间计算方面，Louisell等建立了紧急优先信号条件下的交叉口行程时间计算模型。路段行程时间计算模型包括如Kolesar的行程时间距离模型、沈海州的波动理论模型、彭春露的行程时间可靠性仿真模型。但以往对于紧急交通流优先控制技术领域中，何情形采用何种优先控制方式的优先级划分问题罕有深入的研究，且未深入考虑紧急交通流对城市常态交通的影响。

发明内容

针对紧急交通流优先路径确定之后信号控制优先级别划分问题，确定不同重要程度以及不同路网环境下的紧急交通流的优先程度，以保证紧急交通流优先控制的有效性并降低紧急交通流对城市常态交通的影响，从而缓解紧急交通流造成的城市拥堵问题，本发明的目的是提供一种基于紧急交通流优先级别多层模糊的划分方法，该方法易于实现，资源耗费少，计算效率高。

本发明的技术方案如下：

本发明提供了一种基于紧急交通流优先级别多层模糊的划分方法，该方法包括以下步骤：

首先，确定紧急交通流优先需求强度，然后确定紧急交通流优先控制影响强度，最后对紧急交通流优先级别进行模糊判别并根据紧急交通流优先级别确定紧急交通流优先控制策略。

所述的确定紧急交通流优先需求强度是指对紧急交通流优先控制的需求强烈程度，包括紧急事件的严重程度和紧急交通流的急迫程度。

所述的紧急事件的严重程度是根据紧急事件的灾前预估损失来确定。

所述的灾前预估损失P_lk的计算方法如下：

$>P_{\mathrm{lk}}=\frac{\mathrm{Log}(L_k+{{\mathrm{nL}}^{\left(P\right)}}_k)}{10}$>

其中：L_k为紧急事件的预估经济损失，L^(P)_k为人员伤亡折算系数，n为紧急事件预估伤亡人数。

所述的灾前预估损失P_lk的基本论域为0~1的开区间，模糊集合O_l语言值选取为VL，L，M，H，VH，分别表示很低，低，中，高，很高；制定紧急交通流优先需求强度模糊划分模型中灾前预估损失的隶属度函数，隶属度函数为三角形分布和梯形分布。

所述的灾前预估损失P_lk由紧急事件的预估经济损失与紧急事件预估伤亡人数确定，预估经济损失与预估伤亡人数越高，灾前预估损失P_lk越大。

所述的紧急交通流的急迫程度是根据紧急交通流目标行程时间来确定，紧急交通流目标行程时间越低，紧急交通流急迫程度值越小，紧急交通流急迫程度越高。

所述的紧急交通流的急迫程度U_k的计算方法如下：

$>U_k=1-\frac{\underset{n=1}{\overset{j}{\Sigma }}(L_{\mathrm{kn}}/v_{\mathrm{mn}})}{T_t}$>

其中：T_t为紧急行动决策者制定的目标行程时间，L_kn为紧急交通路径j条路段中路段n的长度，v_mn为紧急交通流在路段n上最高行程车速，n为路段编号。

所述的紧急交通流的急迫程度U_k的基本论域为0~1的开区间，急迫程度U_k的模糊集合O_u的语言值选取为VH，H，M，L，VL，分别表示很高，高，中，低，很低；紧急交通流优先需求强度模糊划分模型中急迫程度的隶属度函数，隶属度函数为三角形分布和梯形分布。

所述的紧急交通流优先需求强度的推理规则如表1所示：

表1

所述的紧急交通流优先需求强度的基本论域定义为0~1的开区间，其隶属度函数为三角形分布，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先需求强度I_pd。

所述的紧急交通流优先需求强度的模糊推理过程中，输入包括两个：紧急事件k灾前预估损失参数P_lk和通过目标行程时间计算的紧急交通流急迫度U_k；输出唯一，为紧急交通流优先需求强度I_pd。

所述的紧急交通流优先控制影响强度包括道路的服务水平和道路当前的交通状态。

所述的道路的服务水平通过道路的设计时速来决定。

所述的道路当前的交通状态通过饱和度来决定。

所述的紧急交通流优先控制影响强度的模糊推理过程中，输入包括两个：路段j设计车速v_dj和路段j当前饱和度x_j；输出唯一，为紧急交通流优先控制影响强度I_pi；设计车速v_dj和饱和度x_j的隶属度函数如图3、图4所示。

所述的紧急交通流优先控制影响强度的推理规则如表2所示：

表2

所述的紧急交通流优先控制影响强度的基本论域定义为0~1的开区间，其隶属度函数为三角形分布，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先控制影响强度。

所述的紧急交通流优先控制影响强度需根据不同紧急交通流类别进行修正，修正公式如下：

$>I_{\mathrm{pi}}^{*}=[1-\underset{i=1}{\overset{n}{\Pi }}(1-w_V^{\left(n\right)})]I_{\mathrm{pi}}$>

其中：为修正后的紧急交通流优先控制影响强度，n为紧急交通流包含的车辆数，w_V为紧急车辆类别修正系数，建议值如表3所示：

表3

  紧急交通流类别  救护车  消防车  工程抢险车  警车  w_V  0.9  0.8  0.7  0.6

所述的对紧急交通流优先级别进行模糊判别是指紧急交通流优先级别模糊判别器的输入由紧急交通流优先需求强度的模糊推理及紧急交通流优先控制影响强度模糊判别器的输出共同决定；主要输入有两个：紧急交通流优先需求强度I_pd及修正后的紧急交通流优先控制影响强度I^*_pi，两输入的隶属度函数曲线均采用三角形曲线。

优先级别与优先控制策略选择有直接的关系，优先级别划分的优化目标是在满足紧急行动要求的约束下，最小化优先控制对背景交通流的影响强度，即最小化紧急交通流优先控制导致的总延误。

所述的紧急交通流优先级别模糊判别器的输出为紧急交通流优先级别，将其作为模糊变量D_p：

D_p的论域为1，2，3，4，5，6，7，8，9；

D_p的模糊集为VL，L，M，H，VH；分别表示很低，低，中，高，很高；

D_p的隶属度函数采用三角形表示；

其模糊推理规则结构如表4所示：

表4

所述的对紧急交通流优先级别进行模糊判别的规则如下：在紧急交通流优先控制影响强度很大时，为了避免优先控制对背景车流产生过大干扰，采用较低的优先级别；当紧急交通流优先控制影响强度很小时，路段背景车流对紧急交通流影响较小，采用较低的优先级别；应用重心法进行去模糊计算，得到优先级别的变化值，实现对紧急交通流优先级别的划分。

所述的紧急交通流优先控制策略选择如表5所示：

表5

本发明中，紧急交通流优先级别反映了紧急交通流优先控制策略保证不同类型的紧急交通流在不同路网状态下行程车速单侧95%置信下限达到的目标分位值，将路段中所有车辆行程车速由低到高排列，定义紧急交通流行程车速单侧95%置信下限达到10%分位值时优先级为1，此时紧急交通流优先级最低；紧急交通流行程车速单侧95%置信下限达到90%分位值时优先级为9，此时紧急交通流优先级最高。

本发明同现有技术相比，具有以下优点和有益效果：

1、本发明是一种可行的辅助决策方法，在建立专家辅助决策系统中有一定的优势，填补了背景技术中紧急交通流优先级别划分技术的空白，考虑了紧急交通流优先控制对城市背景交通流的影响。

2、本发明的方法采用模糊划分方法，算法简便、易于实现、资源耗费少、计算效率高。

3、本发明的方法综合考察紧急交通流需求强度与紧急交通流优先控制影响强度，比仅仅考虑提高紧急交通流的优先级别，更有利于降低优先控制对城市交通的影响，且通过实施交通数据进行在线计算，获得的结果更精确合理。

附图说明

图1为本发明实施例的紧急交通流优先级别多层模糊的划分方法的流程图。

图2为本发明实施例的灾前预估损失隶属度函数示意图。

图3为本发明实施例的急迫的程度隶属度函数示意图。

图4为本发明实施例的设计车速v_dj的隶属度函数示意图。

图5为本发明实施例的饱和度x_j的隶属度函数示意图。

图6为本发明实施例的紧急交通流优先需求强度模糊判别模型曲面示意图。

图7为本发明实施例的紧急交通流优先控制影响强度模糊判别曲面示意图。

具体实施方式

以下结合附图所示实施例对本发明作进一步的说明。

实施例1

本实施例为某患者需要紧急医疗服务，动用一辆急救车，输入参数包括：预计损失0元，预计人员伤亡1人，目标行程时间15分钟，从急救中心至事发地至少需要5分钟（根据路径长度与设计车速计算），路段饱和度为0.4，路段设计时速为20km/h，如图1所示，图1为本发明实施例的紧急交通流优先级别多层模糊的划分方法的流程图。

一种基于紧急交通流优先级别多层模糊的划分方法，该方法包括以下步骤：

首先，确定紧急交通流优先需求强度，然后确定紧急交通流优先控制影响强度，最后对紧急交通流优先级别进行模糊判别并根据紧急交通流优先级别确定紧急交通流优先控制策略。所述的确定紧急交通流优先需求强度是指对紧急交通流优先控制的需求强烈程度，包括紧急事件的严重程度和紧急交通流的急迫程度。

所述的紧急事件的严重程度是根据紧急事件的灾前预估损失来确定。

所述的灾前预估损失P_lk的计算方法如下：

$>P_{\mathrm{lk}}=\frac{\mathrm{Log}(L_k+{{\mathrm{nL}}^{\left(P\right)}}_k)}{10}$>

其中：L_k为紧急事件的预估经济损失。L^(P)_k为人员伤亡折算系数，n为紧急事件预估伤亡人数。

所述的灾前预估损失P_lk的基本论域为0~1的开区间，模糊集合O_l语言值选取为{VL，L，M，H，VH}，表示{很低，低，中，高，很高}。

本发明制定紧急交通流优先需求强度模糊划分模型中灾前预估损失的隶属度函数，隶属度函数为三角形分布和梯形分布，其函数分布如图2所示，图2为本发明实施例的灾前预估损失隶属度函数示意图。

所述的灾前预估损失P_lk由紧急事件的预估经济损失与紧急事件预估伤亡人数确定，预估经济损失与预估伤亡人数越高，灾前预估损失P_lk越大。

根据上述计算，该实施例中灾前预估损失P_lk为0.7。接下来计算紧急交通流急迫程度。

所述的紧急交通流的急迫程度是根据紧急交通流目标行程时间来确定，紧急交通流目标行程时间越低，紧急交通流急迫程度值越小，紧急交通流急迫程度越高。

所述的紧急交通流的急迫程度U_k的计算方法如下：

$>U_k=1-\frac{\underset{n=1}{\overset{j}{\Sigma }}(L_{\mathrm{kn}}/v_{\mathrm{mn}})}{T_t}$>

其中：T_t为紧急行动决策者制定的目标行程时间，L_kn为紧急交通路径j条路段中路段n的长度，v_mn为紧急交通流在路段n上最高行程车速。其中，n为路段编号。

所述的紧急交通流的急迫程度U_k的基本论域为0~1的开区间，急迫程度U_k的模糊集合O_u的语言值选取为{VH，H，M，L，VL}，表示{很高，高，中，低，很低}.

制定紧急交通流优先需求强度模糊划分模型中急迫程度的隶属度函数，隶属度函数为三角形分布和梯形分布，其函数分布如图3所示，图3为本发明实施例的急迫的程度隶属度函数示意图。

根据上述计算求得本实施例中的急迫度U_k的值为0.667。根据表1所示的紧急交通流优先需求强度的推理规则，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先需求强度I_pd。

优先需求强度的基本论域定义为0~1的开区间，其隶属度函数为三角形分布，在本实施例中，优先需求强度I_pd的值为0.516。

由图1可知接下来应计算优先控制影响强度。

所述的紧急交通流优先控制影响强度包括道路的服务水平和道路当前的交通状态。

所述的道路的服务水平通过道路的设计时速来决定。

所述的道路当前的交通状态通过饱和度来决定。图5为本发明实施例的饱和度x_j的隶属度函数示意图。

在确定紧急交通流优先控制影响强度的模糊推理中，输入包括两个：路段j设计车速v_dj和路段j当前饱和度x_j。输出唯一，即紧急交通流优先控制影响强度，本文用I_pi表示。

在本实施例中，路段设计车速v_dj为20km/h，路段饱和度x_j为0.4。根据如图3、图4所示的设计车速v_dj和饱和度x_j的隶属度函数以及如表2所示紧急交通流优先控制影响强度的推理规则，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先控制影响强度。本实施例中求得I_pi为0.08。

所述的紧急交通流优先控制影响强度需根据不同紧急交通流类别进行修正，修正公式如下：

$>I_{\mathrm{pi}}^{*}=[1-\underset{i=1}{\overset{n}{\Pi }}(1-w_V^{\left(n\right)})]I_{\mathrm{pi}}---3)$>

其中：为修正后的紧急交通流优先控制影响强度，n为紧急交通流包含的车辆数，w_V为紧急车辆类别修正系数，建议值如表3所示，本实施例中可求得修正后的紧急交通流优先控制影响强度为0.072。

由图1可知，接下来应计算紧急交通流优先级别。

所述的对紧急交通流优先级别进行模糊判别是指紧急交通流优先级别模糊判别器的输入由前文紧急交通流优先需求强度的模糊推理及紧急交通流优先控制影响强度模糊判别器的输出共同决定；主要输入有两个：紧急交通流优先需求强度I_pd及修正后的紧急交通流优先控制影响强度I^*_pi，两输入的隶属度函数曲线均采用三角形曲线。

优先级别与优先控制策略选择有直接的关系，优先级别划分的优化目标是在满足紧急行动要求的约束下，最小化优先控制对背景交通流的影响强度，即最小化紧急交通流优先控制导致的总延误。

所述的紧急交通流优先级别模糊判别器的输出为紧急交通流优先级别，将其作为模糊变量D_p：

D_p的论域为{1，2，3，4，5，6，7，8，9}；

D_p的模糊集为{VL，L，M，H，VH}表示{很低，低，中，高，很高}；

D_p的隶属度函数采用三角形表示；

其模糊推理规则结构如表4所示：

根据模糊规则计算得出本实施例中优先级别值为6，由表5可知紧急交通流优先控制策略适宜选择清空紧急车道的信号控制优先方法或。

上述模糊判别计算均通过Matrix Laboratory软件（是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分）完成，并生成以上模型的模糊判别输入输出曲面如图6与图7，图6为本发明实施例的紧急交通流优先需求强度模糊判别模型曲面示意图；图7为本发明实施例的紧急交通流优先控制影响强度模糊判别曲面示意图。

由图6与图7可以看出，随着紧急事件的损失与急迫度的增加，输出的优先需求强度平滑地随之增加。而优先控制影响强度随着路段饱和度的与设计车速的增加也平滑地增加。模糊判别曲面图显示出曲面平滑，可以反映人的模糊判别逻辑。

实施例2

实施例2为某重要建筑发生火灾，动用两辆急救车、三辆救火车、两辆警车，输入参数包括：预计损失2700万元，预计人员伤亡6人，目标行程时间10分钟，从急救中心至事发地至少需要8分钟（根据路径长度与设计车速计算），路段饱和度为0.8，路段设计时速为40km/h，由图1所示，图1为本发明实施例的紧急交通流优先级别多层模糊的划分方法的流程图。

一种基于紧急交通流优先级别多层模糊的划分方法，该方法包括以下步骤：

首先，确定紧急交通流优先需求强度，然后确定紧急交通流优先控制影响强度，最后对紧急交通流优先级别进行模糊判别并根据紧急交通流优先级别确定紧急交通流优先控制策略。

所述的确定紧急交通流优先需求强度是指对紧急交通流优先控制的需求强烈程度，包括紧急事件的严重程度和紧急交通流的急迫程度。

所述的紧急事件的严重程度是根据紧急事件的灾前预估损失来确定。

所述的灾前预估损失P_lk的计算方法如下：

$>P_{\mathrm{lk}}=\frac{\mathrm{Log}(L_k+{{\mathrm{nL}}^{\left(P\right)}}_k)}{10}$>

其中：L_k为紧急事件的预估经济损失。L^(P)_k为人员伤亡折算系数，n为紧急事件预估伤亡人数。

所述的灾前预估损失P_lk的基本论域为0~1的开区间，模糊集合O_l语言值选取为{VL，L，M，H，VH}，表示{很低，低，中，高，很高}。

制定紧急交通流优先需求强度模糊划分模型中灾前预估损失的隶属度函数，隶属度函数为三角形分布和梯形分布，其函数分布如图2，所示，图2为本发明实施例的灾前预估损失隶属度函数示意图。

所述的灾前预估损失P_lk由紧急事件的预估经济损失与紧急事件预估伤亡人数确定，预估经济损失与预估伤亡人数越高，灾前预估损失P_lk越大。

根据上述计算，该实施例中灾前预估损失P_lk为0.794。接下来计算紧急交通流急迫程度。

所述的紧急交通流的急迫程度是根据紧急交通流目标行程时间来确定，紧急交通流目标行程时间越低，紧急交通流急迫程度值越小，紧急交通流急迫程度越高。

所述的紧急交通流的急迫程度U_k的计算方法如下：

$>U_k=1-\frac{\underset{n=1}{\overset{j}{\Sigma }}(L_{\mathrm{kn}}/v_{\mathrm{mn}})}{T_t}$>

其中：T_t为紧急行动决策者制定的目标行程时间，L_kn为紧急交通路径j条路段中路段n的长度，v_mn为紧急交通流在路段n上最高行程车速。其中，n为路段编号。

所述的紧急交通流的急迫程度U_k的基本论域为0~1的开区间，急迫程度U_k的模糊集合O_u的语言值选取为{VH，H，M，L，VL}，表示{很高，高，中，低，很低}.

制定紧急交通流优先需求强度模糊划分模型中急迫程度的隶属度函数，隶属度函数为三角形分布和梯形分布，其函数分布如图3所示，图3为本发明实施例的急迫的程度隶属度函数示意图。

根据上述计算求得本实施例中的急迫度U_k的值为0.200。根据表1所示的紧急交通流优先需求强度的推理规则，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先需求强度I_pd。

优先需求强度的基本论域定义为0~1的开区间，其隶属度函数为三角形分布，在本实施例中，优先需求强度I_pd的值为0.885。

由图1可知接下来应计算优先控制影响强度。

所述的紧急交通流优先控制影响强度包括道路的服务水平和道路当前的交通状态。

所述的道路的服务水平通过道路的设计时速来决定。

所述的道路当前的交通状态通过饱和度来决定。图5为本发明实施例的饱和度x_j的隶属度函数示意图。

在确定紧急交通流优先控制影响强度的模糊推理中，输入包括两个：路段j设计车速v_dj和路段j当前饱和度x_j。输出唯一，即紧急交通流优先控制影响强度，本文用I_pi表示。

在本实施例中，路段设计车速v_dj为40km/h，路段饱和度x_j为0.8。根据如图3、图4所示的设计车速v_dj和饱和度x_j的隶属度函数以及如表2所示紧急交通流优先控制影响强度的推理规则，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先控制影响强度。本实施例中求得I_pi为0.354。

所述的紧急交通流优先控制影响强度需根据不同紧急交通流类别进行修正，修正公式如下：

$>I_{\mathrm{pi}}^{*}=[1-\underset{i=1}{\overset{n}{\Pi }}(1-w_V^{\left(n\right)})]I_{\mathrm{pi}}---3)$>

其中：为修正后的紧急交通流优先控制影响强度，n为紧急交通流包含的车辆数，w_V为紧急车辆类别修正系数，建议值如表3所示，本实施例中可求得修正后的紧急交通流优先控制影响强度为0.354。

由图1可知，接下来应计算紧急交通流优先级别。

所述的对紧急交通流优先级别进行模糊判别是指紧急交通流优先级别模糊判别器的输入由前文紧急交通流优先需求强度的模糊推理及紧急交通流优先控制影响强度模糊判别器的输出共同决定；主要输入有两个：紧急交通流优先需求强度I_pd及修正后的紧急交通流优先控制影响强度I^*_pi，两输入的隶属度函数曲线均采用三角形曲线。

优先级别与优先控制策略选择有直接的关系，优先级别划分的优化目标是在满足紧急行动要求的约束下，最小化优先控制对背景交通流的影响强度，即最小化紧急交通流优先控制导致的总延误。

所述的紧急交通流优先级别模糊判别器的输出为紧急交通流优先级别，将其作为模糊变量D_p：

D_p的论域为{1，2，3，4，5，6，7，8，9}；

D_p的模糊集为{VL，L，M，H，VH}表示{很低，低，中，高，很高}；

D_p的隶属度函数采用三角形表示；

其模糊推理规则结构如表4所示：

根据模糊规则计算得出本实施例中优先级别值为9，由表5可知紧急交通流优先控制策略适宜选择调整信号方案封闭道路的方法。

上述模糊判别计算均通过Matrix Laboratory软件（是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分）完成，并生成以上模型的模糊判别输入输出曲面如图6与图7，图6为本发明实施例的紧急交通流优先需求强度模糊判别模型曲面示意图；图7为本发明实施例的紧急交通流优先控制影响强度模糊判别曲面示意图。

由图6与图7可以看出，随着紧急事件的损失与急迫度的增加，输出的优先需求强度平滑地随之增加。而优先控制影响强度随着路段饱和度的与设计车速的增加也平滑地增加。模糊判别曲面图显示出曲面平滑，可以反映人的模糊判别逻辑。

实施例3

实施例3为某建筑发生火灾，动用一辆急救车以及两辆救火车，输入参数包括：预计损失1300万元，预计人员伤亡2人，目标行程时间10分钟，从急救中心至事发地至少需要6分钟（根据路径长度与设计车速计算），路段饱和度为0.9，路段设计时速为80km/h，由图1所示，图1为本发明实施例的紧急交通流优先级别多层模糊的划分方法的流程图。

一种基于紧急交通流优先级别多层模糊的划分方法，该方法包括以下步骤：

首先，确定紧急交通流优先需求强度，然后确定紧急交通流优先控制影响强度，最后对紧急交通流优先级别进行模糊判别并根据紧急交通流优先级别确定紧急交通流优先控制策略。

所述的确定紧急交通流优先需求强度是指对紧急交通流优先控制的需求强烈程度，包括紧急事件的严重程度和紧急交通流的急迫程度。

所述的紧急事件的严重程度是根据紧急事件的灾前预估损失来确定。

所述的灾前预估损失P_lk的计算方法如下：

$>P_{\mathrm{lk}}=\frac{\mathrm{Log}(L_k+{{\mathrm{nL}}^{\left(P\right)}}_k)}{10}$>

其中：L_k为紧急事件的预估经济损失。L^(P)_k为人员伤亡折算系数，n为紧急事件预估伤亡人数。

所述的灾前预估损失P_lk的基本论域为0~1的开区间，模糊集合O_l语言值选取为{VL，L，M，H，VH}，表示{很低，低，中，高，很高}。

制定紧急交通流优先需求强度模糊划分模型中灾前预估损失的隶属度函数，隶属度函数为三角形分布和梯形分布，其函数分布如图2，所示，图2为本发明实施例的灾前预估损失隶属度函数示意图。

所述的灾前预估损失P_lk由紧急事件的预估经济损失与紧急事件预估伤亡人数确定，预估经济损失与预估伤亡人数越高，灾前预估损失P_lk越大。

根据上述计算，该实施例中灾前预估损失P_lk为0.752。接下来计算紧急交通流急迫程度。

所述的紧急交通流的急迫程度是根据紧急交通流目标行程时间来确定，紧急交通流目标行程时间越低，紧急交通流急迫程度值越小，紧急交通流急迫程度越高。

所述的紧急交通流的急迫程度U_k的计算方法如下：

$>U_k=1-\frac{\underset{n=1}{\overset{j}{\Sigma }}(L_{\mathrm{kn}}/v_{\mathrm{mn}})}{T_t}$>

其中：T_t为紧急行动决策者制定的目标行程时间，L_kn为紧急交通路径j条路段中路段n的长度，v_mn为紧急交通流在路段n上最高行程车速。其中，n为路段编号。

所述的紧急交通流的急迫程度U_k的基本论域为0~1的开区间，急迫程度U_k的模糊集合O_u的语言值选取为{VH，H，M，L，VL}，表示{很高，高，中，低，很低}.

制定紧急交通流优先需求强度模糊划分模型中急迫程度的隶属度函数，隶属度函数为三角形分布和梯形分布，其函数分布如图3所示，图3为本发明实施例的急迫的程度隶属度函数示意图。

根据上述计算求得本实施例中的急迫度U_k的值为0.400。根据表1所示的紧急交通流优先需求强度的推理规则，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先需求强度I_pd。

优先需求强度的基本论域定义为0~1的开区间，其隶属度函数为三角形分布，在本实施例中，优先需求强度I_pd的值为0.782。

由图1可知接下来应计算优先控制影响强度。

所述的紧急交通流优先控制影响强度包括道路的服务水平和道路当前的交通状态。

所述的道路的服务水平通过道路的设计时速来决定。

所述的道路当前的交通状态通过饱和度来决定。图5为本发明实施例的饱和度x_j的隶属度函数示意图。

在确定紧急交通流优先控制影响强度的模糊推理中，输入包括两个：路段j设计车速v_dj和路段j当前饱和度x_j。输出唯一，即紧急交通流优先控制影响强度，本文用I_pi表示。

在本实施例中，路段设计车速v_dj为80km/h，路段饱和度x_j为0.9。根据如图3、图4所示的设计车速v_dj和饱和度x_j的隶属度函数以及如表2所示紧急交通流优先控制影响强度的推理规则，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先控制影响强度。本实施例中求得I_pi为0.806。

所述的紧急交通流优先控制影响强度需根据不同紧急交通流类别进行修正，修正公式如下：

$>I_{\mathrm{pi}}^{*}=[1-\underset{i=1}{\overset{n}{\Pi }}(1-w_V^{\left(n\right)})]I_{\mathrm{pi}}---3)$>

其中：为修正后的紧急交通流优先控制影响强度，n为紧急交通流包含的车辆数，w_V为紧急车辆类别修正系数，建议值如表3所示，本实施例中可求得修正后的紧急交通流优先控制影响强度为0.803。

由图1可知，接下来应计算紧急交通流优先级别。

所述的对紧急交通流优先级别进行模糊判别是指紧急交通流优先级别模糊判别器的输入由前文紧急交通流优先需求强度的模糊推理及紧急交通流优先控制影响强度模糊判别器的输出共同决定；主要输入有两个：紧急交通流优先需求强度I_pd及修正后的紧急交通流优先控制影响强度I^*_pi，两输入的隶属度函数曲线均采用三角形曲线。

优先级别与优先控制策略选择有直接的关系，优先级别划分的优化目标是在满足紧急行动要求的约束下，最小化优先控制对背景交通流的影响强度，即最小化紧急交通流优先控制导致的总延误。

所述的紧急交通流优先级别模糊判别器的输出为紧急交通流优先级别，将其作为模糊变量D_p：

D_p的论域为{1，2，3，4，5，6，7，8，9}；

D_p的模糊集为{VL，L，M，H，VH}表示{很低，低，中，高，很高}；

D_p的隶属度函数采用三角形表示；

其模糊推理规则结构如表4所示：

根据模糊规则计算得出本实施例中优先级别值为8，由表5可知紧急交通流优先控制策略适宜选择清空紧急车道的信号控制优先方法或调整信号方案封闭道路的方法。

上述模糊判别计算均通过Matrix Laboratory软件（是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分）完成，并生成以上模型的模糊判别输入输出曲面如图6与图7，图6为本发明实施例的紧急交通流优先需求强度模糊判别模型曲面示意图；图7为本发明实施例的紧急交通流优先控制影响强度模糊判别曲面示意图。

由图6与图7可以看出，随着紧急事件的损失与急迫度的增加，输出的优先需求强度平滑地随之增加。而优先控制影响强度随着路段饱和度的与设计车速的增加也平滑地增加。模糊判别曲面图显示出曲面平滑，可以反映人的模糊判别逻辑。

实施例4

实施例4为某小型仓库起火，动用一辆救火车，输入参数包括：预计损失8万元，预计人员伤亡0人，目标行程时间25分钟，从急救中心至事发地至少需要5分钟（根据路径长度与设计车速计算），路段饱和度为0.9，路段设计时速为80km/h，由图1所示，图1为本发明实施例的紧急交通流优先级别多层模糊的划分方法的流程图。

一种基于紧急交通流优先级别多层模糊的划分方法，该方法包括以下步骤：

首先，确定紧急交通流优先需求强度，然后确定紧急交通流优先控制影响强度，最后对紧急交通流优先级别进行模糊判别并根据紧急交通流优先级别确定紧急交通流优先控制策略。

所述的确定紧急交通流优先需求强度是指对紧急交通流优先控制的需求强烈程度，包括紧急事件的严重程度和紧急交通流的急迫程度。

所述的紧急事件的严重程度是根据紧急事件的灾前预估损失来确定。

所述的灾前预估损失P_lk的计算方法如下：

$>P_{\mathrm{lk}}=\frac{\mathrm{Log}(L_k+{{\mathrm{nL}}^{\left(P\right)}}_k)}{10}$>

其中：L_k为紧急事件的预估经济损失。L^(P)_k为人员伤亡折算系数，n为紧急事件预估伤亡人数。

所述的灾前预估损失P_lk的基本论域为0~1的开区间，模糊集合O_l语言值选取为{VL，L，M，H，VH}，表示{很低，低，中，高，很高}。

制定紧急交通流优先需求强度模糊划分模型中灾前预估损失的隶属度函数，隶属度函数为三角形分布和梯形分布，其函数分布如图2所示，图2为本发明实施例的灾前预估损失隶属度函数示意图。

所述的灾前预估损失P_lk由紧急事件的预估经济损失与紧急事件预估伤亡人数确定，预估经济损失与预估伤亡人数越高，灾前预估损失P_lk越大。

根据上述计算，该实施例中灾前预估损失P_lk为0.4903。接下来计算紧急交通流急迫程度。

所述的紧急交通流的急迫程度是根据紧急交通流目标行程时间来确定，紧急交通流目标行程时间越低，紧急交通流急迫程度值越小，紧急交通流急迫程度越高。

所述的紧急交通流的急迫程度U_k的计算方法如下：

$>U_k=1-\frac{\underset{n=1}{\overset{j}{\Sigma }}(L_{\mathrm{kn}}/v_{\mathrm{mn}})}{T_t}$>

其中：T_t为紧急行动决策者制定的目标行程时间，L_kn为紧急交通路径j条路段中路段n的长度，v_mn为紧急交通流在路段n上最高行程车速。其中，n为路段编号。

所述的紧急交通流的急迫程度U_k的基本论域为0~1的开区间，急迫程度U_k的模糊集合O_u的语言值选取为{VH，H，M，L，VL}，表示{很高，高，中，低，很低}.

制定紧急交通流优先需求强度模糊划分模型中急迫程度的隶属度函数，隶属度函数为三角形分布和梯形分布，其函数分布如图3所示，图3为本发明实施例的急迫的程度隶属度函数示意图。

根据上述计算求得本实施例中的急迫度U_k的值为0.800。根据表1所示的紧急交通流优先需求强度的推理规则，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先需求强度I_pd。

优先需求强度的基本论域定义为0~1的开区间，其隶属度函数为三角形分布，在本实施例中，优先需求强度I_pd的值为0.191。

由图1可知接下来应计算优先控制影响强度。

所述的紧急交通流优先控制影响强度包括道路的服务水平和道路当前的交通状态。

所述的道路的服务水平通过道路的设计时速来决定。

所述的道路当前的交通状态通过饱和度来决定。图5为本发明实施例的饱和度x_j的隶属度函数示意图。

在确定紧急交通流优先控制影响强度的模糊推理中，输入包括两个：路段j设计车速v_dj和路段j当前饱和度x_j。输出唯一，即紧急交通流优先控制影响强度，本文用I_pi表示。

在本实施例中，路段设计车速v_dj为80km/h，路段饱和度x_j为0.9。根据如图3、图4所示的设计车速v_dj和饱和度x_j的隶属度函数以及如表2所示紧急交通流优先控制影响强度的推理规则，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先控制影响强度。本实施例中求得I_pi为0.806。

所述的紧急交通流优先控制影响强度需根据不同紧急交通流类别进行修正，修正公式如下：

$>I_{\mathrm{pi}}^{*}=[1-\underset{i=1}{\overset{n}{\Pi }}(1-w_V^{\left(n\right)})]I_{\mathrm{pi}}---3)$>

其中：为修正后的紧急交通流优先控制影响强度，n为紧急交通流包含的车辆数，w_V为紧急车辆类别修正系数，建议值如表3所示，本实施例中可求得修正后的紧急交通流优先控制影响强度为0.645。

由图1可知，接下来应计算紧急交通流优先级别。

所述的对紧急交通流优先级别进行模糊判别是指紧急交通流优先级别模糊判别器的输入由前文紧急交通流优先需求强度的模糊推理及紧急交通流优先控制影响强度模糊判别器的输出共同决定；主要输入有两个：紧急交通流优先需求强度I_pd及修正后的紧急交通流优先控制影响强度I^*_pi，两输入的隶属度函数曲线均采用三角形曲线。

优先级别与优先控制策略选择有直接的关系，优先级别划分的优化目标是在满足紧急行动要求的约束下，最小化优先控制对背景交通流的影响强度，即最小化紧急交通流优先控制导致的总延误。

所述的紧急交通流优先级别模糊判别器的输出为紧急交通流优先级别，将其作为模糊变量D_p：

D_p的论域为{1，2，3，4，5，6，7，8，9}；

D_p的模糊集为{VL，L，M，H，VH}表示{很低，低，中，高，很高}；

D_p的隶属度函数采用三角形表示；

其模糊推理规则结构如表4所示：

根据模糊规则计算得出本实施例中优先级别值为4，由表5可知紧急交通流优先控制策略适宜选择单向绿波信号控制优先或清空紧急车道的信号控制优先方法。

上述模糊判别计算均通过Matrix Laboratory软件（是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分）完成，并生成以上模型的模糊判别输入输出曲面如图6与图7，图6为本发明实施例的紧急交通流优先需求强度模糊判别模型曲面示意图；图7为本发明实施例的紧急交通流优先控制影响强度模糊判别曲面示意图。

由图6与图7可以看出，随着紧急事件的损失与急迫度的增加，输出的优先需求强度平滑地随之增加。而优先控制影响强度随着路段饱和度的与设计车速的增加也平滑地增加。模糊判别曲面图显示出曲面平滑，可以反映人的模糊判别逻辑。

实施例5

实施例5为某电缆发生供电故障需要紧急修理，动用一辆工程车，输入参数包括：预计损失800万元，预计人员伤亡0人，目标行程时间30分钟，从急救中心至事发地至少需要5分钟（根据路径长度与设计车速计算），路段饱和度为0.3，路段设计时速为80km/h，由图1所示，图1为本发明实施例的紧急交通流优先级别多层模糊的划分方法的流程图。

一种基于紧急交通流优先级别多层模糊的划分方法，该方法包括以下步骤：

首先，确定紧急交通流优先需求强度，然后确定紧急交通流优先控制影响强度，最后对紧急交通流优先级别进行模糊判别并根据紧急交通流优先级别确定紧急交通流优先控制策略。

所述的确定紧急交通流优先需求强度是指对紧急交通流优先控制的需求强烈程度，包括紧急事件的严重程度和紧急交通流的急迫程度。

所述的紧急事件的严重程度是根据紧急事件的灾前预估损失来确定。

所述的灾前预估损失P_lk的计算方法如下：

$>P_{\mathrm{lk}}=\frac{\mathrm{Log}(L_k+{{\mathrm{nL}}^{\left(P\right)}}_k)}{10}$>

其中：L_k为紧急事件的预估经济损失。L^(P)_k为人员伤亡折算系数，n为紧急事件预估伤亡人数。

所述的灾前预估损失P_lk的基本论域为0~1的开区间，模糊集合O_l语言值选取为{VL，L，M，H，VH}，表示{很低，低，中，高，很高}。

制定紧急交通流优先需求强度模糊划分模型中灾前预估损失的隶属度函数，隶属度函数为三角形分布和梯形分布，其函数分布如图2所示，图2为本发明实施例的灾前预估损失隶属度函数示意图。

所述的灾前预估损失P_lk由紧急事件的预估经济损失与紧急事件预估伤亡人数确定，预估经济损失与预估伤亡人数越高，灾前预估损失P_lk越大。

根据上述计算，该实施例中灾前预估损失P_lk为0.6903。接下来计算紧急交通流急迫程度。

所述的紧急交通流的急迫程度是根据紧急交通流目标行程时间来确定，紧急交通流目标行程时间越低，紧急交通流急迫程度值越小，紧急交通流急迫程度越高。

所述的紧急交通流的急迫程度U_k的计算方法如下：

$>U_k=1-\frac{\underset{n=1}{\overset{j}{\Sigma }}(L_{\mathrm{kn}}/v_{\mathrm{mn}})}{T_t}$>

其中：T_t为紧急行动决策者制定的目标行程时间，L_kn为紧急交通路径j条路段中路段n的长度，v_mn为紧急交通流在路段n上最高行程车速。其中，n为路段编号。

所述的紧急交通流的急迫程度U_k的基本论域为0~1的开区间，急迫程度U_k的模糊集合O_u的语言值选取为{VH，H，M，L，VL}，表示{很高，高，中，低，很低}.

制定紧急交通流优先需求强度模糊划分模型中急迫程度的隶属度函数，隶属度函数为三角形分布和梯形分布，其函数分布如图3所示，图3为本发明实施例的急迫的程度隶属度函数示意图。

根据上述计算求得本实施例中的急迫度U_k的值为0.8333。根据表1所示的紧急交通流优先需求强度的推理规则，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先需求强度I_pd。

优先需求强度的基本论域定义为0~1的开区间，其隶属度函数为三角形分布，在本实施例中，优先需求强度I_pd的值为0.391。

由图1可知接下来应计算优先控制影响强度。

所述的紧急交通流优先控制影响强度包括道路的服务水平和道路当前的交通状态。

所述的道路的服务水平通过道路的设计时速来决定。

所述的道路当前的交通状态通过饱和度来决定。图5为本发明实施例的饱和度x_j的隶属度函数示意图。

在确定紧急交通流优先控制影响强度的模糊推理中，输入包括两个：路段j设计车速v_dj和路段j当前饱和度x_j。输出唯一，即紧急交通流优先控制影响强度，本文用I_pi表示。

在本实施例中，路段设计车速v_dj为80km/h，路段饱和度x_j为0.3。根据如图3、图4所示的设计车速v_dj和饱和度x_j的隶属度函数以及如表2所示紧急交通流优先控制影响强度的推理规则，应用重心法对模糊集合O_l与O_u进行去模糊化计算得到紧急交通流优先控制影响强度。本实施例中求得I_pi为0.08。

所述的紧急交通流优先控制影响强度需根据不同紧急交通流类别进行修正，修正公式如下：

$>I_{\mathrm{pi}}^{*}=[1-\underset{i=1}{\overset{n}{\Pi }}(1-w_V^{\left(n\right)})]I_{\mathrm{pi}}---3)$>

其中：为修正后的紧急交通流优先控制影响强度，n为紧急交通流包含的车辆数，w_V为紧急车辆类别修正系数，建议值如表3所示，本实施例中可求得修正后的紧急交通流优先控制影响强度为0.056。

由图1可知，接下来应计算紧急交通流优先级别。

所述的对紧急交通流优先级别进行模糊判别是指紧急交通流优先级别模糊判别器的输入由前文紧急交通流优先需求强度的模糊推理及紧急交通流优先控制影响强度模糊判别器的输出共同决定；主要输入有两个：紧急交通流优先需求强度I_pd及修正后的紧急交通流优先控制影响强度I^*_pi，两输入的隶属度函数曲线均采用三角形曲线。

优先级别与优先控制策略选择有直接的关系，优先级别划分的优化目标是在满足紧急行动要求的约束下，最小化优先控制对背景交通流的影响强度，即最小化紧急交通流优先控制导致的总延误。

所述的紧急交通流优先级别模糊判别器的输出为紧急交通流优先级别，将其作为模糊变量D_p：

D_p的论域为{1，2，3，4，5，6，7，8，9}；

D_p的模糊集为{VL，L，M，H，VH}表示{很低，低，中，高，很高}；

D_p的隶属度函数采用三角形表示；

其模糊推理规则结构如表4所示：

根据模糊规则计算得出本实施例中优先级别值为4，由表5可知紧急交通流优先控制策略适宜选择单向绿波信号控制优先或清空紧急车道的信号控制优先方法。

上述模糊判别计算均通过Matrix Laboratory软件（是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分）完成，并生成以上模型的模糊判别输入输出曲面如图6与图7，图6为本发明实施例的紧急交通流优先需求强度模糊判别模型曲面示意图；图7为本发明实施例的紧急交通流优先控制影响强度模糊判别曲面示意图。

由图6与图7可以看出，随着紧急事件的损失与急迫度的增加，输出的优先需求强度平滑地随之增加。而优先控制影响强度随着路段饱和度的与设计车速的增加也平滑地增加。模糊判别曲面图显示出曲面平滑，可以反映人的模糊判别逻辑。

上述5个实施例的计算过程与结果如表6所示：

表6

在以上实施例中，根据以人为本思想，存在人员伤亡的紧急事件重要程度很高，故人员伤亡折算值由下式计算：

$>{P^{\left(P\right)}}_{\mathrm{lk}}=\frac{{{\mathrm{LogL}}^{\left(P\right)}}_k}{10}=0.7---4)$>

解得：L^(P)_k=10⁷，即伤亡人数转换为灾前预估损失的折算系数L^(P)_k为10⁷。

上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于这里的实施例，本领域技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。