CN102855755A - 一种基于运行车速预测的城市干道车队离散模型的建模方法 - Google Patents

Abstract

一种基于运行车速预测的城市干道车队离散模型的建模方法，它涉及一种城市干道车队离散模型的建模方法，具体涉及一种基于运行车速预测的城市干道车队离散模型的建模方法。本发明为了解决现有车队离散模型中最低车速、最高车速、平均车速设置依靠工程师经验，无法准确预测下游端面车队到达图式的问题。本发明通过在城市干道上交叉口出口下游的每条车道上布设感应线圈检测器，利用感应线圈检测器测量每个车队中每辆机动车经过感应线圈检测器前端和后端的时间，进而建立城市干道车队离散模型。本发明用于建立城市干道车队离散模型。

Description

一种基于运行车速预测的城市干道车队离散模型的建模方法

技术领域

本发明涉及一种城市干道车队离散模型的建模方法，具体涉及一种基于运行车速预测的城市干道车队离散模型的建模方法。

背景技术

目前，我国各大城市交通运行情况日益恶化，严重阻碍了社会经济的发展，交通信号控制技术作为一种现代化的交通管理手段，能够有效提高路网车流运行效益。尤其通过对相邻的若干个交叉口实施信号协调控制，可以大幅度地降低干道上的车流延误与停车次数。交通控制系统为了优化出最佳的信号协调控制方案，必须准确预测下游交叉口的车流到达情况。

干道上的车队在向下游运行过程中，由于各个驾驶员期望速度之间的差异，会导致车队逐渐发生离散。离散程度大小与行驶距离、组成车队的机动车数量、车速差异比例等密切相关。车队离散模型可以用来描述干道上的车队离散情况，动态地预测下游道路断面的车流到达图式，为信号协调控制服务。目前，世界上应用最为广泛的是Robertson车队离散模型，被许多著名的交通控制系统(如TRANSYT/SCOOT)所采用，该模型假设组成一个车队的各个机动车的最低车速接近于0，然而在干道上不同车队的最低车速存在差异，尤其在交通流量比较小的情况下车队的最低车速可能显著大于0，此时将会导致预测得到的下游交叉口车队到达时段长度显著大于实际车队到达时段长度，进而影响协调控制效果。此外，在Roberston车队离散模型中，车队的最低车速、最高车速、平均车速被工程师根据经验设置为定值，然而在实际路网中这三个速度参数会随交通状态的变化而动态波动，即经验值与真实值存在差异，影响模型预测精度。

发明内容

本发明为解决现有车队离散模型中最低车速、最高车速、平均车速设置依靠工程师经验，无法准确预测下游端面车队到达图式的问题，进而提出一种基于运行车速预测的城市干道车队离散模型的建模方法。

本发明为解决上述问题采取的技术方案是：本发明所述建模方法的步骤如下：

步骤一、在城市干道上交叉口出口下游的每条车道上布设感应线圈检测器，且每个感应线圈检测器与其最近的交通信号机连接，信号机采集每一辆机动车经过感应线圈检测器后端边缘与前端边缘时产生的脉冲信号，然后记录每个脉冲信号产生的时刻；

步骤二、识别经过感应线圈检测器的机动车是否属于同一个车队；

步骤三、计算同一个车队中的最高速度、最低速度、平均速度，并预测当前经过感应线圈检测器的车队的速度值；具体步骤为：

步骤三(一)、设当前经过感应线圈检测器的为第M个车队，该车队中共有M_N辆机动车，第n辆车触发感应线圈检测器后端边缘的时刻为t_Mn，其中1≤n≤M_n，触发感应线圈检测器前端边缘的时刻为t′_Mn，那么第n辆车经过感应线圈检测器时的速度V_Mn为：

$V_{\mathrm{Mn}}=\frac{2}{t_{\mathrm{Mn}}^{\′}-t_{\mathrm{Mn}}}$ ①；

步骤三(二)、计算第M个车队中机动车的最大车速V_M max：

$V_{M\max }=\max (V_{M1},V_{M2},...V_{{\mathrm{MM}}_N})$ ②，

公式②中max为取最大函数；

步骤三(三)、计算第M个车队中机动车的最小车速V_M min：

$V_{M\min }=\min (V_{M1},V_{M2},...V_{{\mathrm{MM}}_N})$ ③，

公式③中min为取最小函数；

步骤三(四)、计算第M个车队的机动车平均车速

${\stackrel{\‾}{V}}_M=\mathrm{mean}(V_{M1},V_{M2},...V_{{\mathrm{MM}}_N})$ ④，

公式④中mean为取均值函数；

步骤三(五)、预测当前经过感应线圈检测器的车队的速度值，设当前经过感应线圈检测器的为第K个车队，采用三阶移动平均方法预测该车队的最高车速V′_K max、最低车速V′_K min、平均车速

$V_{K\max }^{\′}=\frac{V_{(K-1)\max }+V_{(K-2)\max }+V_{(K-3)\max }}{3}$ ⑤

$V_{K\min }^{\′}=\frac{V_{(K-1)\min }+V_{(K-2)\min }+V_{(K-3)\min }}{3}$ ⑥

${\stackrel{\‾}{V}}_K^{\′}=\frac{{\stackrel{\‾}{V}}_{(K-1)}+{\stackrel{\‾}{V}}_{(K-2)}+{\stackrel{\‾}{V}}_{(K-3)}}{3}$ ⑦

公式⑤⑥⑦中，V_(K-1)max表示第K-1个车队的最高车速，V_(K-2)max表示第K-2个车队的最高车速，V_(K-3)max表示第K-3个车队的最高车速，V_(K-1)min表示第K-1个车队的最低车速，V_(K-2)min表示第K-2个车队的最低车速，V_(K-3)min表示第K-3个车队的最低车速，

表示第K-1个车队的平均车速，

表示第K-2个车队的平均车速，

表示第K-3个车队的平均车速；

步骤四、计算行程时间系数β：

$\mathrm{\β}=\frac{{\stackrel{\‾}{V}}_K^{\′}}{V_{k\max }^{\′}}$ ⑧；

步骤五、计算平均行程时间T_α，用时段数表示

$T_{\mathrm{\α}}=\mathrm{int}\left(\frac{L^{\′}}{{\stackrel{\‾}{V}}_K^{\′}\×\mathrm{\Δt}}\right)$ ⑨，

公式⑨中，L′表示感应线圈检测器所在断面与下游观测断面之间的距离，Δt表示单位时段长度，int表示取整函数；

步骤六、计算车队离散系数α，车队离散系数α受城市干道上车流运行方向的车道数的影响，设路段上车道数为X，则车队离散系数α的计算公式为：

$\mathrm{\α}=\left\{\begin{array}{c}1.126\·e^{-{\left(\frac{q^{\′}/s-0.786}{0.107}\right)}^2}+0.793\·e^{-{\left(\frac{q^{\′}/s-0.809}{1.312}\right)}^2},x=2\\ 0.16\·e^{-{\left(\frac{q^{\′}/s-0.741}{0.146}\right)}^2}+0.771\·e^{-{\left(\frac{q^{\′}/s-0.706}{0.778}\right)}^2},x=3\\ 0.141\·e^{-{\left(\frac{q^{\′}/s-0.766}{0.062}\right)}^2}+0.771\·e^{-{\left(\frac{q^{\′}/s-0.701}{0.553}\right)}^2},x=4\\ 0.084\·e^{-{\left(\frac{q^{\′}/s-0.744}{0.06}\right)}^2}+0.815\·e^{-{\left(\frac{q^{\′}/s-0.742}{0.416}\right)}^2},x=5\end{array}\right.$ ⑩，

公式⑩中，S表示感应线圈检测器所在断面下游交叉口一条进口车道的饱和流率，q′表示预测第K个车队经过感应线圈检测器时的流率，q′的计算公式为：

$q^{\′}=\frac{[{(K-1)}_N+{(K-2)}_N+{(K-3)}_N]/3}{(T_{K-1}+T_{K-2}+T_{K-3})/3}$

其中(K-1)_N表示第K-1个车队所包含的车辆数，T_K-1表示第K-1个车队头车触发感应线圈检测器与车队尾车触发感应线圈检测器之间的时间差，(K-2)_N表示第K-2个车队所包含的车辆数，T_K-2表示第K-2个车队头车触发感应线圈检测器与车队尾车触发感应线圈检测器之间的时间差，(K-3)_N表示第K-3个车队所包含的车辆数，T_K-3表示第K-3个车队头车触发感应线圈检测器与车队尾车触发感应线圈检测器之间的时间差；

步骤七、计算平滑系数F：

$F=\frac{1}{1+\mathrm{\α}\×\mathrm{\β}\×T_{\mathrm{\α}}};$

步骤八、将经过感应线圈检测器的第K个车队的机动车划分至不同时段，具体步骤为：

步骤八(一)、以第K个车队头车触发感应线圈检测器后端边缘的时刻记为0时刻，车队尾车触发感应线圈检测器后端边缘的时刻记为T_K；

步骤八(二)、以Δt为单位时段长度，将[0，T_K]时段内经过感应线圈检测器的机动车划分至不同时段；

步骤九、建立车队离散模型，预测下游断面的车流到达图式：

Q′(m)＝F·Q(m-T_α)+(1-F)·Q(m-1)，m＞T_α

其中Q′(m)表示第K个车队在第m个时段到达下游断面的车辆数，Q(m-T_α)表示第K个车队在m-T_α个时段通过感应线圈检测器所在断面的车辆数。

本发明的有益效果是：本发明提出了面向车队离散模型的城市干道感应线圈检测器布设方法，并基于感应线圈检测器获取的车流数据动态预测车队的最低车速、最高车速、平均车速，消除了以往根据工程师经验确定上述参数，无法准确预测下游端面车队到达图式的问题；本发明基于预测的车队运行速度，建立了车队离散模型中三个关键参数，即行程时间系数、车队离散系数、平滑系数的计算方法，能够实现上述三个参数随交通状态的变化而变化，提高了车队离散模型的精度与适用范围。

附图说明

图1是感应线圈检测器布设示意图，图2是实施例中东南湖大路道路渠化图，图3是实施例中第四车队到达下游断面的车流图式。

具体实施方式

具体实施方式一：结合图1说明本实施方式，本实施方式所述一种基于运行车速预测的城市干道车队离散模型的建模方法的具体步骤如下：

步骤一、在城市干道1上交叉口出口下游的每条车道上布设感应线圈检测器2，且每个感应线圈检测器2与其最近的交通信号机3连接，信号机3采集每一辆机动车经过感应线圈检测器2后端边缘与前端边缘时产生的脉冲信号，然后记录每个脉冲信号产生的时刻；

步骤二、识别经过感应线圈检测器2的机动车是否属于同一个车队；

步骤三、计算同一个车队中的最高速度、最低速度、平均速度，并预测当前经过感应线圈检测器2的车队的速度值；具体步骤为：

步骤三(一)、设当前经过感应线圈检测器2的为第M个车队，该车队中共有M_N辆机动车，第n辆车触发感应线圈检测器2后端边缘的时刻为t_Mn，其中1≤n≤M_n，触发感应线圈检测器2前端边缘的时刻为t′_Mn，那么第n辆车经过感应线圈检测器2时的速度V_Mn为：

$V_{\mathrm{Mn}}=\frac{2}{t_{\mathrm{Mn}}^{\′}-t_{\mathrm{Mn}}}$ ①；

步骤三(二)、计算第M个车队中机动车的最大车速V_M max：

$V_{M\max }=\max (V_{M1},V_{M2},...V_{{\mathrm{MM}}_N})$ ②，

公式②中max为取最大函数；

步骤三(三)、计算第M个车队中机动车的最小车速V_M min：

$V_{M\min }=\min (V_{M1},V_{M2},...V_{{\mathrm{MM}}_N})$ ③，

公式③中min为取最小函数；

步骤三(四)、计算第M个车队的机动车平均车速

${\stackrel{\‾}{V}}_M=\mathrm{mean}(V_{M1},V_{M2},...V_{{\mathrm{MM}}_N})$ ④，

公式④中mean为取均值函数；

步骤三(五)、预测当前经过感应线圈检测器2的车队的速度值，设当前经过感应线圈检测器2的为第K个车队，采用三阶移动平均方法预测该车队的最高车速V′_K max、最低车速V′_K min、平均车速

$V_{K\max }^{\′}=\frac{V_{(K-1)\max }+V_{(K-2)\max }+V_{(K-3)\max }}{3}$ ⑤

$V_{K\min }^{\′}=\frac{V_{(K-1)\min }+V_{(K-2)\min }+V_{(K-3)\min }}{3}$ ⑥

${\stackrel{\‾}{V}}_K^{\′}=\frac{{\stackrel{\‾}{V}}_{(K-1)}+{\stackrel{\‾}{V}}_{(K-2)}+{\stackrel{\‾}{V}}_{(K-3)}}{3}$ ⑦

公式⑤⑥⑦中，V_(K-1)max表示第K-1个车队的最高车速，V_(K-2)max表示第K-2个车队的最高车速，V_(K-3)max表示第K-3个车队的最高车速，V_(K-1)min表示第K-1个车队的最低车速，V_(K-2)min表示第K-2个车队的最低车速，V_(K-3)min表示第K-3个车队的最低车速，

表示第K-1个车队的平均车速，

表示第K-2个车队的平均车速，表示第K-3个车队的平均车速；

步骤四、计算行程时间系数β：

$\mathrm{\β}=\frac{{\stackrel{\‾}{V}}_K^{\′}}{V_{k\max }^{\′}}$ ⑧；

步骤五、计算平均行程时间T_α，用时段数表示

$T_{\mathrm{\α}}=\mathrm{int}\left(\frac{L^{\′}}{{\stackrel{\‾}{V}}_K^{\′}\×\mathrm{\Δt}}\right)$ ⑨，

公式⑨中，L′表示感应线圈检测器2所在断面与下游观测断面之间的距离，Δt表示单位时段长度，int表示取整函数；

步骤六、计算车队离散系数α，车队离散系数α受城市干道1上车流运行方向的车道数的影响，设路段上车道数为X，则车队离散系数α的计算公式为：

$\mathrm{\α}=\left\{\begin{array}{c}1.126\·e^{-{\left(\frac{q^{\′}/s-0.786}{0.107}\right)}^2}+0.793\·e^{-{\left(\frac{q^{\′}/s-0.809}{1.312}\right)}^2},x=2\\ 0.16\·e^{-{\left(\frac{q^{\′}/s-0.741}{0.146}\right)}^2}+0.771\·e^{-{\left(\frac{q^{\′}/s-0.706}{0.778}\right)}^2},x=3\\ 0.141\·e^{-{\left(\frac{q^{\′}/s-0.766}{0.062}\right)}^2}+0.771\·e^{-{\left(\frac{q^{\′}/s-0.701}{0.553}\right)}^2},x=4\\ 0.084\·e^{-{\left(\frac{q^{\′}/s-0.744}{0.06}\right)}^2}+0.815\·e^{-{\left(\frac{q^{\′}/s-0.742}{0.416}\right)}^2},x=5\end{array}\right.$ ⑩，

公式⑩中，S表示感应线圈检测器2所在断面下游交叉口一条进口车道的饱和流率，q′表示预测第K个车队经过感应线圈检测器2时的流率，q′的计算公式为：

$q^{\′}=\frac{[{(K-1)}_N+{(K-2)}_N+{(K-3)}_N]/3}{(T_{K-1}+T_{K-2}+T_{K-3})/3}$

其中(K-1)_N表示第K-1个车队所包含的车辆数，T_K-1表示第K-1个车队头车触发感应线圈检测器2与车队尾车触发感应线圈检测器2之间的时间差，(K-2)_N表示第K-2个车队所包含的车辆数，T_K-2表示第K-2个车队头车触发感应线圈检测器2与车队尾车触发感应线圈检测器2之间的时间差，(K-3)_N表示第K-3个车队所包含的车辆数，T_K-3表示第K-3个车队头车触发感应线圈检测器2与车队尾车触发感应线圈检测器2之间的时间差；

步骤七、计算平滑系数F：

$F=\frac{1}{1+\mathrm{\α}\×\mathrm{\β}\×T_{\mathrm{\α}}};$

步骤八、将经过感应线圈检测器2的第K个车队的机动车划分至不同时段，具体步骤为：

步骤八(一)、以第K个车队头车触发感应线圈检测器2后端边缘的时刻记为0时刻，车队尾车触发感应线圈检测器2后端边缘的时刻记为T_K；

步骤八(二)、以Δt为单位时段长度，将[0，T_K]时段内经过感应线圈检测器2的机动车划分至不同时段；

步骤九、建立车队离散模型，预测下游断面的车流到达图式：

Q′(m)＝F·Q（m-T_α)+(1-F)·Q(m-1)，m＞T_α

其中Q′(m)表示第K个车队在第m个时段到达下游断面的车辆数，Q(m-T_α)表示第K个车队在m-T_α个时段通过感应线圈检测器2所在断面的车辆数。

具体实施方式二：结合图1说明本实施方式，本实施方式所述一种基于运行车速预测的城市干道车队离散模型的建模方法的步骤一中每个感应线圈检测器2的长为2m，宽为2m，每个感应线圈检测器2设置在信号交叉口出口下游30m-50m处的车道上，信号机3记录每个脉冲信号产生的时刻精确到0.01秒。其它组成及连接关系与具体实施方式一相同。

具体实施方式三：结合图1说明本实施方式，本实施方式所述一种基于运行车速预测的城市干道车队离散模型的建模方法的步骤二中识别经过感应线圈检测器2的机动车是否属于同一个车队的具体步骤为：

步骤二(一)、判断一辆机动车经过感应线圈检测器2后端边缘与其前一辆机动车经过感应线圈检测器2后端边缘的时刻之差是否大于4秒，如果大于4秒则这两辆机动车属于不同的车队，否则属于同一车队；

步骤二(二)、将连续前后两辆机动车经过感应线圈检测器2后端边缘的时刻之差小于4秒的机动车划入同一个车队。其它组成及连接关系与具体实施方式一相同。

具体实施方式四：结合图1说明本实施方式，本实施方式所述一种基于运行车速预测的城市干道车队离散模型的建模方法的步骤五中Δt的取值为3秒。其它组成及连接关系与具体实施方式一相同。

实施例

结合图2以长春市东南湖大路，东岭南街至赛德大桥附近段为例，东南湖大路与东岭南街为信号控制交叉口，东南湖大路单向为五车道，其中内侧三条为小型车车道，交通流运行速度快，流量大，外侧两条为大型车车道，交通流运行速度慢，流量小，所以信号协调主要是协调内侧三条小型车道上的交通流。

步骤一、在东南湖大路与东岭南街交叉口西进口道停车线下游40m处的内侧车道上布设长2m、宽2m的感应线圈检测器2，将感应线圈检测器2所在的断面成为上游断面，下游640m处的断面称为下游断面，从2011年3月15号上午9点10分0秒开始统计每辆机动车经过感应线圈检测器2的后端边缘的时刻；

步骤二、识别经过感应线圈检测器2的机动车是否属于同一个车队，以从2011年3月15号上午9点10分0秒为0时刻点，经过识别在485秒时间内一共从西进口道驶出了4个车队，每个车队的机动车经过感应线圈检测器2的时刻如表一所示，

表一

步骤三、计算同一个车队中最高车速、最低车速、平均车速，并预测当前经过感应线圈检测器2的车队的速度值，本实施例中以第一车队至第三车队的数据为基础，预测第四车队的各个速度值；

步骤三(一)、计算第一车队的机动车最大车速V_1 max、第二车队的机动车最大车速V_2 max、第三车队的机动车最大车速V_3 max，分别为：

V_1 max＝17.2m/s

V_2 max＝20.3m/s

V_3 max＝18.1m/s；

步骤三(二)、计算第一车队的机动车最小车速V_1 min、第二车队的机动车最小车速V_2 min、第三车队的机动车最小车速V_3 mim，分别为：

V_1 min＝8.8m/s

V_2 min＝6.9m/s

V_3 min＝9.2m/s；

步骤三(三)、计算第一车队的机动车平均车速

第二车队的机动车平均车速

第三车队的机动车平均车速

分别为：

${\stackrel{\‾}{V}}_1=11.4m/s$

${\stackrel{\‾}{V}}_2=10.6m/s$

${\stackrel{\‾}{V}}_3=12.5m/s;$

步骤三(四)、采用三阶段移动平均方法预测第四车队的最高车速V′_4 mac、最低车速V′_4 min、平均车速

分别为：

V′_4 max＝18.5m/s

V′_4 min＝8.3m/s

${\stackrel{\‾}{V}}_4^{\′}=11.5m/s;$

步骤四、计算行程时间系数β，

$\mathrm{\β}=\frac{11.5}{18.5}=0.62;$

步骤五、计算平均行程时间T_α，用时段数表示为：

$T_{\mathrm{\α}}=\mathrm{int}\left(\frac{L^{\′}}{{\stackrel{\‾}{V}}_K^{\′}\×\mathrm{\Δt}}\right)=\mathrm{int}\left(\frac{640}{11.5\×3}\right)=19$

式中，L′为640m，Δt为单位时段长度，取3s；

步骤六、计算车队离散系数α，车队离散系数α受城市干道上车流运行方向的车道数的影响，路段上车道数X等于3，下游交叉口道的饱和流率s为1700pcu/h，则：

$\mathrm{\α}=0.16\·e^{-{\left(\frac{0.85-0.741}{0.146}\right)}^2}+0.771\·e^{-{\left(\frac{0.85-0.706}{0.778}\right)}^2}=0.837;$

步骤七、计算平滑系数F：

$F=\frac{1}{1+\mathrm{\α}\×\mathrm{\β}\×T_{\mathrm{\α}}}=0.092;$

步骤八、将经过感应线圈检测器2的第四车队的机动车划分至不同时段，Δt取值为3s，将第四车队的63辆机动车划分至25个时段，具体如表二所示，

表二

步骤九、基于车队离散模型，预测第四车队达到下游断面的车流图式，如图3所示，即在第十六个时段第四车队的机动车开始到达下游断面，至低五十七个时段结束，将下游断面的预测车流图式与实际车流图式进行对比，预测误差为4.7％；

步骤十、模型效度校验，在Robertson车队离散模型中，行程时间系数β取值0.8，车队离散系数α取值0.35，第四车队平均车速

取值12.5m/s，基于上述参数预测第四车队到达下游断面的车流图式，预测误差为11.6％，结果说明本发明所提出车队离散模型能够取得更好的工程应用效果。

Claims (4)

1.一种基于运行车速预测的城市干道车队离散模型的建模方法，其特征在于：所述一种基于运行车速预测的城市干道车队离散模型的建模方法的具体步骤如下：

步骤一、在城市干道(1)上交叉口出口下游的每条车道上布设感应线圈检测器(2)，且每个感应线圈检测器(2)与其最近的交通信号机(3)连接，信号机(3)采集每一辆机动车经过感应线圈检测器(2)后端边缘与前端边缘时产生的脉冲信号，然后记录每个脉冲信号产生的时刻；

步骤二、识别经过感应线圈检测器(2)的机动车是否属于同一个车队；

步骤三、计算同一个车队中的最高速度、最低速度、平均速度，并预测当前经过感应线圈检测器(2)的车队的速度值；具体步骤为：

步骤三(一)、设当前经过感应线圈检测器(2)的为第M个车队，该车队中共有M_N辆机动车，第n辆车触发感应线圈检测器(2)后端边缘的时刻为t_Mn，其中1≤n≤M_n，触发感应线圈检测器(2)前端边缘的时刻为t′_Mn，那么第n辆车经过感应线圈检测器(2)时的速度V_Mn为：

$V_{\mathrm{Mn}}=\frac{2}{t_{\mathrm{Mn}}^{\′}-t_{\mathrm{Mn}}}$ ①；

步骤三(二)、计算第M个车队中机动车的最大车速V_M max：

$V_{M\max }=\max (V_{M1},V_{M2},...V_{{\mathrm{MM}}_N})$ ②，

公式②中max为取最大函数；

步骤三(三)、计算第M个车队中机动车的最小车速V_M min：

$V_{M\min }=\min (V_{M1},V_{M2},...V_{{\mathrm{MM}}_N})$ ③，

公式③中min为取最小函数；

步骤三(四)、计算第M个车队的机动车平均车速

${\stackrel{\‾}{V}}_M=\mathrm{mean}(V_{M1},V_{M2},...V_{{\mathrm{MM}}_N})$ ④，

公式④中mean为取均值函数；

步骤三(五)、预测当前经过感应线圈检测器(2)的车队的速度值，设当前经过感应线圈检测器(2)的为第K个车队，采用三阶移动平均方法预测该车队的最高车速V′_K max、最低车速V′_K min、平均车速

$V_{K\max }^{\′}=\frac{V_{(K-1)\max }+V_{(K-2)\max }+V_{(K-3)\max }}{3}$ ⑤

$V_{K\min }^{\′}=\frac{V_{(K-1)\min }+V_{(K-2)\min }+V_{(K-3)\min }}{3}$ ⑥

${\stackrel{\‾}{V}}_K^{\′}=\frac{{\stackrel{\‾}{V}}_{(K-1)}+{\stackrel{\‾}{V}}_{(K-2)}+{\stackrel{\‾}{V}}_{(K-3)}}{3}$ ⑦

公式⑤⑥⑦中，V_(K-1)max表示第K-1个车队的最高车速，V_(K-2)max表示第K-2个车队的最高车速，V_(K-3)max表示第K-3个车队的最高车速，V_(K-1)min表示第K-1个车队的最低车速，V_(K-2)min表示第K-2个车队的最低车速，V_(K-3)min表示第K-3个车队的最低车速，

表示第K-1个车队的平均车速，

表示第K-2个车队的平均车速，

表示第K-3个车队的平均车速；

步骤四、计算行程时间系数β：

$\mathrm{\β}=\frac{{\stackrel{\‾}{V}}_K^{\′}}{V_{k\max }^{\′}}$ ⑧；

步骤五、计算平均行程时间T_α，用时段数表示

$T_{\mathrm{\α}}=\mathrm{int}\left(\frac{L^{\′}}{{\stackrel{\‾}{V}}_K^{\′}\×\mathrm{\Δt}}\right)$ ⑨，

公式⑨中，L′表示感应线圈检测器(2)所在断面与下游观测断面之间的距离，Δt表示单位时段长度，int表示取整函数；

步骤六、计算车队离散系数α，车队离散系数α受城市干道(1)上车流运行方向的车道数的影响，设路段上车道数为X，则车队离散系数α的计算公式为：

$\mathrm{\α}=\left\{\begin{array}{c}1.126\·e^{-{\left(\frac{q^{\′}/s-0.786}{0.107}\right)}^2}+0.793\·e^{-{\left(\frac{q^{\′}/s-0.809}{1.312}\right)}^2},x=2\\ 0.16\·e^{-{\left(\frac{q^{\′}/s-0.741}{0.146}\right)}^2}+0.771\·e^{-{\left(\frac{q^{\′}/s-0.706}{0.778}\right)}^2},x=3\\ 0.141\·e^{-{\left(\frac{q^{\′}/s-0.766}{0.062}\right)}^2}+0.771\·e^{-{\left(\frac{q^{\′}/s-0.701}{0.553}\right)}^2},x=4\\ 0.084\·e^{-{\left(\frac{q^{\′}/s-0.744}{0.06}\right)}^2}+0.815\·e^{-{\left(\frac{q^{\′}/s-0.742}{0.416}\right)}^2},x=5\end{array}\right.$ ⑩，

公式⑩中，S表示感应线圈检测器(2)所在断面下游交叉口一条进口车道的饱和流率，q′表示预测第K个车队经过感应线圈检测器(2)时的流率，q′的计算公式为：

$q^{\′}=\frac{[{(K-1)}_N+{(K-2)}_N+{(K-3)}_N]/3}{(T_{K-1}+T_{K-2}+T_{K-3})/3}$

其中(K-1)_N表示第K-1个车队所包含的车辆数，T_K-1表示第K-1个车队头车触发感应线圈检测器(2)与车队尾车触发感应线圈检测器(2)之间的时间差，(K-2)_N表示第K-2个车队所包含的车辆数，T_K-2表示第K-2个车队头车触发感应线圈检测器(2)与车队尾车触发感应线圈检测器(2)之间的时间差，(K-3)_N表示第K-3个车队所包含的车辆数，T_K-3表示第K-3个车队头车触发感应线圈检测器(2)与车队尾车触发感应线圈检测器(2)之间的时间差；

步骤七、计算平滑系数F：

$F=\frac{1}{1+\mathrm{\α}\×\mathrm{\β}\×T_{\mathrm{\α}}};$

步骤八、将经过感应线圈检测器(2)的第K个车队的机动车划分至不同时段，具体步骤为：

步骤八(一)、以第K个车队头车触发感应线圈检测器(2)后端边缘的时刻记为0时刻，车队尾车触发感应线圈检测器(2)后端边缘的时刻记为T_K；

步骤八(二)、以Δt为单位时段长度，将[0，T_K]时段内经过感应线圈检测器(2)的机动车划分至不同时段；

步骤九、建立车队离散模型，预测下游断面的车流到达图式：

Q′(m)＝F·Q(m-T_α)+(1-F)·Q(m-1)，m＞T_α

其中Q′(m)表示第K个车队在第m个时段到达下游断面的车辆数，Q(m-T_α)表示第K个车队在m-T_α个时段通过感应线圈检测器(2)所在断面的车辆数。

2.根据权利要求1所述一种基于运行车速预测的城市干道车队离散模型的建模方法，其特征在于：步骤一中每个感应线圈检测器(2)的长为2m，宽为2m，每个感应线圈检测器(2)设置在信号交叉口出口下游30m-50m处的车道上，信号机(3)纪录每个脉冲信号产生的时刻精确到0.01秒。

3.根据权利要求1所述一种基于运行车速预测的城市干道车队离散模型的建模方法，其特征在于：步骤二中识别经过感应线圈检测器(2)的机动车是否属于同一个车队的具体步骤为：

步骤二(一)、判断一辆机动车经过感应线圈检测器(2)后端边缘与其前一辆机动车经过感应线圈检测器(2)后端边缘的时刻之差是否大于4秒，如果大于4秒则这两辆机动车属于不同的车队，否则属于同一车队；

步骤二(二)、将连续前后两辆机动车经过感应线圈检测器(2)后端边缘的时刻之差小于4秒的机动车划入同一个车队。

4.根据权利要求1所述一种基于运行车速预测的城市干道车队离散模型的建模方法，其特征在于：步骤五中Δt的取值为3秒。

Images