CN101877169B - 干线多交叉口交通流均衡性控制的数据融合系统及方法 - Google Patents

Abstract

本发明提供干线多交叉口交通流均衡性控制的数据融合系统及方法，该方法通过定义包含两个或多个十字交叉口的干线，由干线所包含的各个交叉口均衡性指标加权期望值来实现干线多交叉口均衡性指标的数据融合，其包括：十字交叉口车道平均排队长度的获取；十字交叉口的均衡性指标融合；以及，进行干线多交叉口的均衡性指标数据融合。本发明方法具有普适性、全面性、灵活性，并能推广到对区域多干线多交叉口均衡性指标进行数据融合。

Description

干线多交叉口交通流均衡性控制的数据融合系统及方法

技术领域

本发明涉及交通多源数据融合技术领域，尤其涉及面向交通均衡性为目标控制的数据融合方法。

背景技术

随着交通需求的持续增加和对路网均衡性的要求，传统的交通控制目标如交叉口延误、排队长度和停车率等已不能满足城市交通控制的需要，为了改善交通运行状况，满足交通出行者对交通环境的需求，需要建立路网均衡性为目标的交通控制方法。

均衡性是定量描述交通流在各个方向的均衡程度的指标。均衡指决策者在制定交通控制方法中，对控制对象各方向交通流的排队长度进行均衡的控制，事实上排队状态是反映交通控制方法的综合效果的一个重要指标。其同时体现了交通控制方法对各个方向交通流的公平。均衡性是一个多层次的指标，无法通过交通状态获取技术的一次测量得到，往往要通过多次测量并进行数据融合而得到。

数据融合技术是针对使用多个或多类传感器的系统这一特点问题而开展的一种信息处理新方法。我国基于新型地磁传感器交通状态获取技术已取得突破进展，利用数据融合技术，将实时地、准确地获取交通流的均衡性指标。

发明内容

为了克服现有技术结构的不足，本发明提供交通干线多交叉口均衡性控制的数据融合系统及方法，其通过对由干线顺延方向来回双向交通流在干线各交叉口的车道平均排队长度进行数据融合得到。本发明解决其技术问题所采用的技术方案是：

干线多交叉口交通流均衡性控制的数据融合系统，该系统通过定义包含两个或多个十字交叉口的干线主体，对所述干线所包含的各个交叉口均衡性指标求其加权期望值来达到均衡性数据融合的目的，所述数据融合系统包括以下模块：

十字交叉口车道平均排队长度获取模块，其通过在车道上安装若干传感器，利用传感器检测到的信息分析计算，运用排队理论推算出车道平均长度；

十字交叉口的均衡性指标融合模块，在十字交叉口中，均衡性指标由交叉口各方向的车道平均排队长度的标准方差来体现；以及，

干线多交叉口均衡性指标数据融合模块，该模块用于计算干线多交叉口中，各个十字交叉口均衡性指标的数据融合，其由干线包含的各个十字交叉口均衡性指标加权期望值来进行，其中，各模块之间的连接关系如下：

所述十字交叉口车道平均排队长度获取模块将计算所得的车道平均长度传送给所述字交叉口的均衡性指标融合模块进行方差融合，并将融合结果传送到干所述干线多交叉口均衡性指标数据融合模块求取加权期望值。

所述系统的技术方案进一步包括：

十字交叉口车道平均排队长度获取模块中，所述在车道上安装若干传感器是指，在十字交叉口每个路口停止线处各安装一个线圈传感器SL，在路段进入车道入口处(即入口车道虚线结束实线开始处)安装地磁传感器ST，在线圈传感器Sl和地磁传感器ST之间的中点处安装地磁传感器SC，该十字交叉口车道平均排队长度获取模块利用这3个传感器实现路段平均排队长度的检测。

干线多交叉口交通流均衡性控制的数据融合方法，其通过定义包含两个或多个十字交叉口的干线，均衡性指标由干线所包含的各个交叉口均衡性指标加权期望值来体现，所述数据融合方法包括如下步骤：

步骤1：十字交叉口车道平均排队长度的获取，其通过在车道上安装若干传感器，利用传感器检测到的信息分析计算，运用排队理论推算出车道平均长度。

所述在车道上安装若干传感器是指，在十字交叉口每个路口停止线处各安装一个线圈传感器SL，在路段进入车道入口处(即入口车道虚线结束实线开始处)安装地磁传感器ST，在线圈传感器Sl和地磁传感器ST之间的中点处安装地磁传感器SC，该十字交叉口车道平均排队长度获取模块利用这3个传感器实现路段平均排队长度的检测，该检测技术方案如下：

当所述地磁传感器ST检测到有车辆且速度为零时，开始计时，当计时器计时时间达到一个路灯周期中3/4时，查看所述地磁传感器SC的检测情况，分两种情况：

情况一，如果所述地磁传感器SC检测的车辆瞬时速度不为零，采用检测路口饱和流率作为车辆驶离率μ、路段上游线圈传感器检测的该时段单位车流量作为车辆到达率λ，利用M/M/1/∞/∞排队模型，计算出的排队长度为路段排队长度：

$P=\frac{{\mathrm{\ρ}}^2}{1-\mathrm{\ρ}}=\mathrm{\ρ}\stackrel{\‾}{n}=\frac{\mathrm{\λ}\stackrel{\‾}{n}}{\mathrm{\μ}}$

情况二，如果所述地磁传感器SC检测的车辆瞬时速度为零，采用检测得到的路口饱和流率作为车辆驶离率、路段上游线圈传感器检测的该时段车流量作为车辆到达率，利用M/M/1/∞/∞排队模型，计算出的排队长度加上所述地磁传感器SC到所述地磁传感器ST的距离为路段排队长度：

$P=\frac{{\mathrm{\ρ}}^2}{1-\mathrm{\ρ}}+\frac{L}{2}=\mathrm{\ρ}\stackrel{\‾}{n}+\frac{L}{2}=\frac{\mathrm{\λ}\stackrel{\‾}{n}}{\mathrm{\μ}}+\frac{L}{2}$

将同一路口各直行车道的线圈传感器SL检测到的路段排队长度进行平均，得到该路口在该时段的直行排队长度；并用相同方法得到左转的排队长度，则各个方向的车道平均排队长度P_i为：

${\stackrel{\‾}{P}}_i=\frac{\underset{j=1}{\overset{N_i}{\mathrm{\Σ}}}(\frac{\mathrm{\λ}\stackrel{\‾}{n}}{\mathrm{\μ}}+\frac{L}{2})}{N_i}$

式中，N_i表示相位i的车道总数，λ上游车辆到达率，μ车辆驶离率，L为路段长度。i表示某相位，j表示某车道。

步骤2：十字交叉口的均衡性指标融合

在十字交叉口中，均衡性指标由交叉口各方向的车道平均排队长度的标准方差来体现，如下：

${\mathrm{JH}}^s=\sqrt{\frac{{(\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\stackrel{\‾}{P}}_i}{M}-{\stackrel{\‾}{P}}_i)}^2}{M}}$

式中，JH^s表示某个交叉口的均衡性指标，M表示该交叉口的相位总数，P_i表示相位i的车道平均排队长度。

步骤3：进行干线多交叉口的均衡性指标数据融合，在干线多交叉口中，均衡性指标由干线包含的各个交叉口均衡性指标加权期望值来体现。

根据干线多交叉口的均衡性指标数据融合，计算区域多干线多交叉口均衡性指标的数据融合。具体地，在区域多干线多交叉口中，其均衡性指标由区域中若干干线的均衡性指指标值的加权期望值来体现。

本发明的有益效果

均衡指决策者在制定交通控制方法中，对控制对象各方向交通流的排队长度进行均衡的控制，事实上排队状态是反映交通控制方法的综合效果的一个重要指标，其同时体现了交通控制方法对各个方向交通流的公平。在十字交叉口中，均衡性指标由交叉口各方向的车道平均排队长度的标准方差来体现；在干线多交叉口中，均衡性指标由干线包含的各个交叉口均衡性指标加权期望值来体现；在区域多交叉口中，均衡性指标由区域中若干干线的均衡性值的加权期望值来体现。本发明方法具有普适性、全面性、灵活性。

附图说明

图1为根据本发明的干线多交叉口均衡性指标数据融合系统模块简图；

图2为根据本发明的干线多交叉口均衡性指标数据融合方法流程图；

图3为根据本发明方法的区域多干线多交叉口均衡性指标数据融合流程图；

图4为根据本发明的实施例1中传感器空间分布图；

图5为根据本发明的实施例1中干线拓扑结构图；

图6根据本发明的实施例2中区域拓扑结构图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细描述：

实施例1：干线多交叉口交通流均衡性控制的数据融合方法，其通过定义包含两个或多个十字交叉口的干线，均衡性指标由干线所包含的各个交叉口均衡性指标加权期望值来体现，结合图1-2，该数据融合方法包括如下步骤：

步骤1：十字交叉口车道平均排队长度的获取，其通过在车道上安装若干传感器，利用传感器检测到的信息分析计算，运用排队理论推算出车道平均长度。

具体地，如图4所示，在十字交叉口每个路口停止线处各安装一个线圈传感器SL，在路段进入车道入口处(即入口车道虚线结束实线开始处)安装地磁传感器ST，在线圈传感器Sl和地磁传感器ST之间的中点处安装地磁传感器SC，该十字交叉口车道平均排队长度获取模块利用这3个传感器实现路段平均排队长度的检测，该检测技术方案如下：

当地磁传感器ST检测到有车辆且速度为零时，开始计时，当计时器计时时间达到一个路灯周期中3/4时，查看地磁传感器SC的检测情况，分两种情况：

情况一，如果地磁传感器SC检测的车辆瞬时速度不为零，采用检测路口饱和流率作为车辆驶离率μ、路段上游线圈传感器SL检测的该时段单位车流量作为车辆到达率λ，利用M/M/1/∞/∞排队模型，计算出的排队长度为路段排队长度：

$P=\frac{{\mathrm{\ρ}}^2}{1-\mathrm{\ρ}}=\mathrm{\ρ}\stackrel{\‾}{n}=\frac{\mathrm{\λ}\stackrel{\‾}{n}}{\mathrm{\μ}}$

情况二，如果地磁传感器SC检测的车辆瞬时速度为零，采用检测得到的路口饱和流率作为车辆驶离率、路段上游线圈传感器SL检测的该时段车流量作为车辆到达率，利用M/M/1/∞/∞排队模型，计算出的排队长度加上地磁传感器SC到地磁传感器ST的距离为路段排队长度：

$P=\frac{{\mathrm{\ρ}}^2}{1-\mathrm{\ρ}}+\frac{L}{2}=\mathrm{\ρ}\stackrel{\‾}{n}+\frac{L}{2}=\frac{\mathrm{\λ}\stackrel{\‾}{n}}{\mathrm{\μ}}+\frac{L}{2}$

将同一路口各直行车道的线圈传感器SL检测到的路段排队长度进行平均，得到该路口在该时段的直行排队长度；并用相同方法得到左转的排队长度，则各个方向的车道平均排队长度P_i为：

${\stackrel{\‾}{P}}_i=\frac{\underset{j=1}{\overset{N_i}{\mathrm{\Σ}}}(\frac{\mathrm{\λ}\stackrel{\‾}{n}}{\mathrm{\μ}}+\frac{L}{2})}{N_i}$

式中，N_i表示相位i的车道总数，λ上游车辆到达率，μ车辆驶离率，L为路段长度。i表示某相位，j表示某车道。

步骤2：十字交叉口的均衡性指标融合

在十字交叉口中，均衡性指标由交叉口各方向的车道平均排队长度的标准方差来体现，如下：

${\mathrm{JH}}^s=\sqrt{\frac{{(\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\stackrel{\‾}{P}}_i}{M}-{\stackrel{\‾}{P}}_i)}^2}{M}}$

式中，JH^s表示某个交叉口的均衡性指标，M表示该交叉口的相位总数，P_i表示相位i的车道平均排队长度。

步骤3：进行干线多交叉口的均衡性指标数据融合，在干线多交叉口中，均衡性指标由干线包含的各个交叉口均衡性指标加权期望值来体现。

在本实施例中，定义一个简单的包含两个十字交叉口的干线，上游交叉口定义为JU，下游交叉口定义为JD。相位集合B＝{1，2，3，4}分别表示相位{西-东，南-北，东-西，北-南}。如图5干线拓扑图所示，干线多交叉口的均衡性指标融合方法步骤如下：

对于上游交叉口相位i，其车道平均排队长度为：

$\stackrel{\‾}{P_i^{\mathrm{ju}}}=\frac{\underset{j=1}{\overset{{{\mathrm{NB}}_i}^1}{\mathrm{\Σ}}}(\frac{{\mathrm{\λ}}^1\stackrel{\‾}{n^1}}{{\mathrm{\μ}}^1}+\frac{L^1}{2})}{{{\mathrm{NB}}_i}^1}$

其中，NB_i ¹表示上游交叉口的相位i的车道数，λ¹上游车辆到达率，μ¹车辆驶离率，L¹为路段长度。i表示某相位，j表示某车道。则上游交叉口均衡性指标值为：

${\mathrm{JH}}_{\mathrm{ju}}^s=\sqrt{\frac{{(\frac{\underset{i=1}{\overset{M^{\mathrm{ju}}}{\mathrm{\Σ}}}{\stackrel{\‾}{P}}_i^{\mathrm{ju}}}{M^{\mathrm{ju}}}-{\stackrel{\‾}{P}}_i^{\mathrm{ju}})}^2}{M^{\mathrm{ju}}}}$

式中，P_i ^ju表示上游交叉口的车道平均排队长度，M^ju表示上游交叉口的相位数，i表示某相位。

同理，可以计算出下游交叉口的均衡性指标值，有：

${\mathrm{JH}}_{\mathrm{jd}}^s=\sqrt{\frac{{(\frac{\underset{i=1}{\overset{M^{\mathrm{jd}}}{\mathrm{\Σ}}}{\stackrel{\‾}{P}}_i^{\mathrm{jd}}}{M^{\mathrm{jd}}}-{\stackrel{\‾}{P}}_i^{\mathrm{jd}})}^2}{M^{\mathrm{jd}}}}$

式中，P_i ^jd表示下游交叉口的车道平均排队长度，M^jd表示下游交叉口的相位数；i表示某相位。

那么干线均衡性指标为：

${\mathrm{JH}}^l=w_1\·{\mathrm{JH}}_{\mathrm{ju}}^s+w_2\·{\mathrm{JH}}_{\mathrm{jd}}^s$

$=w_1\text{\·}\sqrt{\frac{{(\frac{\underset{i=1}{\overset{M^{\mathrm{ju}}}{\mathrm{\Σ}}}{\stackrel{\‾}{P}}_i^{\mathrm{ju}}}{M^{\mathrm{ju}}}-{\stackrel{\‾}{P}}_i^{\mathrm{ju}})}^2}{M^{\mathrm{ju}}}}+w_2\·\sqrt{\frac{{(\frac{\underset{i=1}{\overset{M^{\mathrm{jd}}}{\mathrm{\Σ}}}{\stackrel{\‾}{P}}_i^{\mathrm{jd}}}{M^{\mathrm{jd}}}-{\stackrel{\‾}{P}}_i^{\mathrm{jd}})}^2}{M^{\mathrm{jd}}}}$

式中，w₁表示上游交叉口的权重；w₂表示下游交叉口的权重；P_i ^ju表示上游交叉口的车道平均排队长度，P_i ^jd表示下游交叉口的车道平均排队长度；M^ju表示上游交叉口的相位数，M^jd表示下游交叉口的相位数；i表示某相位，j表示某车道。

实施例2：

区域多交叉口的均衡性指标融合技术，如图3所示，该融合技术包含以下步骤：

假定一个简单的区域网络，在该网络中包含四条干线。左侧的北向南干线用LNS表示，右侧北向南干线用RNS表示，下方的西向东干线用DWE表示，上方的西向东干线用UWE表示，交叉口的相位集合为B＝{1，2，3，4}，分别指西向东、南向北、东向西和北向南方向。参考图6区域网络拓扑图。

在区域多交叉口中，均衡性指标由区域中若干干线的均衡性指标值的加权期望值来体现。如下：

${\mathrm{JH}}^n=f^{\′}\left(x\right)\·\{w1\·{\mathrm{JH}}_{\mathrm{LNS}}^l,w2\·{\mathrm{JH}}_{\mathrm{RNS}}^l,w3\·{\mathrm{JH}}_{\mathrm{UWE}}^l,w4\·{\mathrm{JH}}_{\mathrm{DWE}}^l\}$

式中，f′(x)表示加权平均操作，wi表示某干线的权重，JH_LNS ⁱ表示某干线均衡性指标。

Claims (7)

1.干线多交叉口交通流均衡性控制的数据融合系统，其通过定义包含两个或多个十字交叉口的干线主体，对所述干线所包含的各个交叉口均衡性指标求其加权期望值来达到均衡性数据融合的目的，其特征在于，所述数据融合系统包括以下模块：

十字交叉口车道平均排队长度获取模块，其通过在车道上安装若干传感器，利用传感器检测到的信息分析计算，运用排队理论推算出车道平均排队长度；

十字交叉口的均衡性指标融合模块，在十字交叉口中，均衡性指标由交叉口各方向的车道平均排队长度的标准方差来体现；

车道平均排队长度的标准方差如下：

式中，JH^s表示某个交叉口的均衡性指标，M表示该交叉口的相位总数， 

表示相位i的车道平均排队长度；

以及，干线多交叉口均衡性指标数据融合模块，该模块用于计算干线多交叉口中，各个十字交叉口均衡性指标的数据融合，其由干线包含的各个十字交叉口均衡性指标加权期望值来进行，其中，各模块之间的连接关系如下：

所述十字交叉口车道平均排队长度获取模块将计算所得的车道平均 长度传送给所述字交叉口的均衡性指标融合模块进行方差融合，并将融合结果传送到干所述干线多交叉口均衡性指标数据融合模块求取加权期望值；

所述十字交叉口车道平均排队长度获取模块中，所述在车道上安装若干传感器是指，在十字交叉口每个路口停止线处各安装一个线圈传感器SL，在路段进入车道入口处即入口车道虚线结束实线开始处，安装地磁传感器ST，在线圈传感器S1和地磁传感器ST之间的中点处安装地磁传感器SC，该十字交叉口车道平均排队长度获取模块利用这3个传感器实现路段平均排队长度的检测。

2.干线多交叉口交通流均衡性控制的数据融合方法，其特征在于，通过定义包含两个或多个十字交叉口的干线，均衡性指标由干线所包含的各个交叉口均衡性指标加权期望值来体现，所述数据融合方法包括如下步骤：

步骤1：十字交叉口车道平均排队长度的获取，其通过在车道上安装若干传感器，利用传感器检测到的信息分析计算，运用排队理论推算出车道平均排队长度；步骤2：十字交叉口的均衡性指标融合，在十字交叉口中，均衡性指标由交叉口各方向的车道平均排队长度的标准方差来体现；

车道平均排队长度的标准方差如下：

式中，JH^s表示某个交叉口的均衡性指标，M表示该交叉口的相位总 数， 

表示相位i的车道平均排队长度；

步骤3：进行干线多交叉口的均衡性指标数据融合，在干线多交叉口中，均衡性指标由干线包含的各个交叉口均衡性指标加权期望值来体现；

所述在车道上安装若干传感器是指，在十字交叉口每个路口停止线处各安装一个线圈传感器SL，在路段进入车道入口处即入口车道虚线结束实线开始处，安装地磁传感器ST，在线圈传感器S1和地磁传感器ST之间的中点处安装地磁传感器SC，该十字交叉口车道平均排队长度获取模块利用这3个传感器实现路段平均排队长度的检测，该检测技术方案如下：

当所述地磁传感器ST检测到有车辆且速度为零时，开始计时，当计时器计时时间达到一个路灯周期中3/4时，查看所述地磁传感器SC的检测情况。

3.根据权利要求2所述的干线多交叉口交通流均衡性控制的数据融合方法，其特征在于，所述地磁传感器SC的检测情况分两种情况：

情况一，如果所述地磁传感器SC检测的车辆瞬时速度不为零，采用检测路口饱和流率作为车辆驶离率μ、路段上游线圈传感器检测的该时段单位车流量作为车辆到达率λ，利用M/M/1/∞/∞排队模型，计算出的排队长度为路段排队长度：

情况二，如果所述地磁传感器SC检测的车辆瞬时速度为零，采用检测得到的路口饱和流率作为车辆驶离率、路段上游线圈传感器检测的该时 段车流量作为车辆到达率，利用M/M/1/∞/∞排队模型，计算出的排队长度加上所述地磁传感器SC到所述地磁传感器ST的距离为路段排队长度：

。

4.根据权利要求2所述的干线多交叉口交通流均衡性控制的数据融合方法，其特征在于，将同一路口各直行车道的线圈传感器SL检测到的路段排队长度进行平均，得到该路口在该时段的直行排队长度；并用相同方法得到左转的排队长度，则各个方向的车道平均排队长度 

为：

式中，N_i表示相位i的车道总数，λ上游车辆到达率，μ车辆驶离率，L为路段长度，i表示某相位，j表示某车道。

5.根据权利要求2所述的干线多交叉口交通流均衡性控制的数据融合方法，其特征在于，所述交叉口各方向的车道平均排队长度的标准方差计算如下：

式中，JH^s表示某个交叉口的均衡性指标，M表示该交叉口的相位总数， 

表示相位i的车道平均排队长度。

6.根据权利要求2所述的干线多交叉口交通流均衡性控制的数据融合方法，其特征在于，根据干线多交叉口的均衡性指标数据融合，计算区域多干线多交叉口均衡性指标的数据融合。 

7.根据权利要求6所述的干线多交叉口交通流均衡性控制的数据融合方法，其特征在于，在区域多干线多交叉口中，其均衡性指标由区域中若干干线的均衡性指标值的加权期望值来体现。 

Images