CN103000027B - 基于浮动车在拥堵状态下的智能交通诱导方法 - Google Patents

Abstract

本发明涉及一种基于浮动车在拥堵状态下的智能交通诱导方法，包括：通过基于浮动车的城市交通信息采集与处理系统，获取城市道路路网实时平均行程速度Vi和实时交通状态，识别拥堵路段；基于路网拓扑结构，根据路网实时平均行程速度Vi和实时交通状态，将拥堵路段划分为诱导控制区域和诱导缓冲区域，并自动生成相应的诱导信息。本发明基于城市交通信息采集与处理系统，获取城市道路路网实时平均行程速度Vi和实时交通状态，识别交通拥堵，计算诱导控制区域和诱导缓冲区域的范围，并生成相应的诱导信息。本发明能够实现自动识别拥堵路段，智能确定可能影响区域，充分解决了拥堵情况下的交通诱导问题，有效地降低交通拥堵造成的损失，提高路网运行效率。

Description

基于浮动车在拥堵状态下的智能交通诱导方法

技术领域

本发明涉及智能交通领域，尤其是一种基于浮动车在拥堵状态下的智能交通诱导方法。

背景技术

目前，城市交通拥挤现象日趋严重，纵观整个城市路网运行效率可知，交通拥挤只是路网中的部分路段拥挤，并非所有道路同时处于拥挤状态，若将拥挤路段的交通流量转移到路网中其他路段，将城市交通系统内的交通流均衡地分配到路网中，使得路网道路负荷均衡化，在一定程度上可大幅改善交通拥挤现象，这就需要交通诱导。交通诱导主要是管理者通过各种措施引导驾驶员的行驶路线，通过引导使得路网交通流分配达到最优，实现路网交通流的均衡分配。

目前研究开发比较成功的有美国的TravTek系统、德国的Ali——scout系统和日本的导航系统等，我国对交通流诱导的研究相对较晚，且主要注重的诱导硬件设备和通讯方式的研究，针对诱导的范围和力度缺乏系统研究，很少考虑拥堵交通流对路网周边道路的影响。

发明内容

本发明的目的在于提供一种能够实现自动识别拥堵路段、智能确定可能影响区域并进行相应诱导的基于浮动车在拥堵状态下的智能交通诱导方法。

为实现上述目的，本实用新型采用了以下技术方案：一种基于浮动车在拥堵状态下的智能交通诱导方法，该方法包括下列顺序的步骤：

(1)通过基于浮动车的城市交通信息采集与处理系统，获取城市道路路网实时平均行程速度Vi和实时交通状态，识别拥堵路段；

(2)基于路网拓扑结构，根据路网实时平均行程速度Vi和实时交通状态，将拥堵路段划分为诱导控制区域和诱导缓冲区域，并自动生成相应的诱导信息；

当路段发生拥堵后，会在瞬间内发生集结波，集结波向路段上游传播，通过相邻节点波及周边路段，在拥堵持续的时间内，集结波将一直向路段上游传播，直至拥堵开始消散，消散波与集结波相遇时结束，区域划分模块将集结波直接影响的区域定义为诱导控制区域，诱导控制区域发布的诱导信息为控制信息；与此同时，区域划分模块将在拥堵持续的时间内，其车辆有可能驶入直接影响区域内的间接区域定义为诱导缓冲区域，诱导缓冲区域发布的诱导信息为建议信息和提示信息。

所述的浮动车为是指装载GPS的车辆，所述的城市交通信息采集与处理系统包括浮动车检测器，浮动车检测器实时接收装载GPS的车辆所发出的GPS数据，并将该数据发送至数据处理中心进行处理，得到整个城市路网的实时交通状态和实时平均行程速度V_i，实时平均行程速度V_i的计算公式如下：

$\left\{\begin{array}{ccc}{V}_i=\frac{l_i}{t_i}=\frac{l_i}{\left(\underset{j=1}{\overset{n_i}{\mathrm{\Σ}}}\frac{l_i}{v_j}\right)/n_i}=\frac{n_i}{\underset{j=1}{\overset{n_i}{\mathrm{\Σ}}}\frac{1}{v_j}}& \mathrm{if}& n_i\≠0\\ V_i={\stackrel{\‾}{V}}_i,& \mathrm{if}& n_i=0\end{array}\right.---\left(1\right)$

其中，

V_i——路段P_i的平均行程速度，单位km/h；

l_i——路段P_i的长度，单位km；

n_i——路段P_i上参与计算的车辆数目，单位辆；

j——在路径中路段P_i的每辆车辆标识符；

v_j——第j辆车在路径中路段P_i上的行驶速度。

所述的GPS数据包括瞬时速度、经纬度、方向角信息，通过交通信息处理得到整个城市路网的实时交通状态；城市交通信息采集与处理系统每隔5分钟更新整个路网每个路段的实时平均行程速度V_i和实时交通状态。

拥堵识别模块将路段实时平均行程速度V_i与设定的拥堵状态下速度阈值K对比，若实时平均行程速度V_i小于阈值K，则判断该路段发生拥堵，为拥堵路段。

根据路网实时交通状态，分析拥堵路段的上游节点是否拥堵，确定该上游节点是否为可分流节点，若上游第一个节点为畅通，则认为该节点为可分流节点，第一个节点与拥堵路段之间的区域确定为诱导控制区域；若上游第一个节点为拥堵，则向上游的第二个节点继续搜索，若上游的第二个节点为畅通，则认为该节点为可分流节点，第二个节点与拥堵路段之间的区域确定为诱导控制区域；若上游第二个节点为拥堵，则向上游的第三个节点继续搜索，若上游的第三个节点为畅通，则认为该节点为可分流节点，第三个节点与拥堵路段之间的区域确定为诱导控制区域。

在诱导控制区域界定的前提下，在路网拓扑结构基础上，通过反向拓扑，以诱导控制区域的边界为起点边界线，分析集结波通过路网拓扑扩散可能波及的范围；假设拥堵持续时间为t，诱导控制区域界定的分流节点为ni，基于FCD的实时平均行驶速度vj，对应的路段长度为l_j，区域界定条件如公式(2)所示：

$t>\mathrm{\Σ}\frac{l_j}{\mathrm{vj}}---\left(2\right)$

其中：

i——1到3的自然数；

j——路段编号；

l_j——路段j对应的长度；

vj——路段j对应的当前周期FCD实时平均行驶速度；

如果拥堵持续时间t大于分流节点关联路段的行驶时间之和则认为在分流节点关联路段上的车辆处于诱导缓冲区域内。

所述拥堵路段的节点是指拥堵路段所在的交叉口。

由上述技术方案可知，本发明基于浮动车的城市交通信息采集与处理系统，获取城市道路路网实时平均行程速度Vi和实时交通状态，将平均行程速度Vi与设定的拥堵状态下速度阈值K进行对比，识别交通拥堵；基于路网拓扑结构根据实时交通状态和实时平均行程速度Vi，计算诱导控制区域和诱导缓冲区域的范围，并生成相应的诱导信息。本发明能够实现自动识别拥堵路段，智能确定可能影响区域，充分解决了拥堵情况下的交通诱导问题，能够有效地降低交通拥堵造成的损失，提高路网的运行效率。

附图说明

图1是本发明的工作流程图；

图2、3分别是拥堵状态下诱导控制区域、诱导缓冲区域的界定流程图；

图4为本发明的诱导控制区域、诱导缓冲区域划分示意图。

具体实施方式

一种基于浮动车在拥堵状态下的智能交通诱导方法，该方法包括下列顺序的步骤：(1)通过基于浮动车的城市交通信息采集与处理系统，获取城市道路路网实时平均行程速度Vi和实时交通状态，识别拥堵路段；(2)基于路网拓扑结构，根据路网实时平均行程速度Vi和实时交通状态，将拥堵路段划分为诱导控制区域和诱导缓冲区域，并自动生成相应的诱导信息。如图1所示。

如图1所示，所述的浮动车为是指装载GPS的车辆，所述的城市交通信息采集与处理系统包括浮动车检测器，浮动车检测器实时接收装载GPS的车辆所发出的GPS数据，并将该数据发送至数据处理中心进行处理，得到整个城市路网的实时交通状态和实时平均行程速度V_i，实时平均行程速度V_i的计算公式如下：

$\left\{\begin{array}{ccc}{V}_i=\frac{l_i}{t_i}=\frac{l_i}{\left(\underset{j=1}{\overset{n_i}{\mathrm{\Σ}}}\frac{l_i}{v_j}\right)/n_i}=\frac{n_i}{\underset{j=1}{\overset{n_i}{\mathrm{\Σ}}}\frac{1}{v_j}}& \mathrm{if}& n_i\≠0\\ V_i={\stackrel{\‾}{V}}_i,& \mathrm{if}& n_i=0\end{array}\right.---\left(1\right)$

其中，

V_i——路段P_i的平均行程速度，单位km/h；

l_i——路段P_i的长度，单位km；

n_i——路段P_i上参与计算的车辆数目，单位辆；

j——在路径中路段P_i的每辆车辆标识符；

v_j——第j辆车在路径中路段P_i上的行驶速度。

如图1所示，所述的GPS数据包括瞬时速度、经纬度、方向角信息，通过交通信息处理得到整个城市路网的实时交通状态；城市交通信息采集与处理系统每隔5分钟更新整个路网每个路段的实时平均行程速度V_i和实时交通状态。拥堵识别模块将路段实时平均行程速度V_i与设定的拥堵状态下速度阈值K对比，若实时平均行程速度V_i小于速度阈值K，则判断该路段发生拥堵，为拥堵路段。也就是说，以路段平均行程速度V_i为度量标准，通过路段平均行程速度V_i与理想交通条件下畅通、缓行、拥堵的速度阈值K，进而对比可识别出拥堵路段，见表1。基于浮动车的城市交通信息采集与处理系统采集的速度阈值表如表1所示：

表1

道路等级	非常畅通	畅通	缓行	拥堵
					支路	大于41km/h	41-16km/h	16-8km/h	小于8km/h
次干路	大于51km/h	51-21km/h	21-10km/h	小于10km/h
					主干路	大于56km/h	56-31km/h	31-15km/h	小于15km/h
快速路	大于65km/h	65-40km/h	40-20km/h	小于20km/h

如图1、2、3所示，当路段发生拥堵后，会在瞬间内发生集结波，集结波向路段上游传播，通过相邻节点波及周边路段，在拥堵持续的时间内，集结波将一直向路段上游传播，直至拥堵开始消散，消散波与集结波相遇时结束，区域划分模块将集结波直接影响的区域定义为诱导控制区域，诱导控制区域发布的诱导信息为控制信息；与此同时，区域划分模块将在拥堵持续的时间内，其车辆有可能驶入直接影响区域内的间接区域定义为诱导缓冲区域，诱导缓冲区域发布的诱导信息为建议信息和提示信息。换句话说，诱导缓冲区域是指在拥堵持续时间内，可能会波及影响其交通正常运行的范围，此区域范围较大，在诱导控制区域界定后，会确定一个或多个分流节点(不超过三个)，在拥堵持续时间内，可能驶入诱导控制区域，受到交通拥堵影响的区域。

如图2所示，根据路网实时交通状态，分析拥堵路段的上游节点是否拥堵，确定该上游节点是否为可分流节点，若上游第一个节点为畅通，则认为该节点为可分流节点，第一个节点与拥堵路段之间的区域确定为诱导控制区域；若上游第一个节点为拥堵，则向上游的第二个节点继续搜索，若上游的第二个节点为畅通，则认为该节点为可分流节点，第二个节点与拥堵路段之间的区域确定为诱导控制区域；若上游第二个节点为拥堵，则向上游的第三个节点继续搜索，若上游的第三个节点为畅通，则认为该节点为可分流节点，第三个节点与拥堵路段之间的区域确定为诱导控制区域。为避免诱导控制区域过大，仅对上游的三个节点进行判断，不再判断上游的第四个节点。可分流节点可能不止一个，因此直接影响区域可能线形区域，也可能是不规则区域。所述拥堵路段的节点是指拥堵路段所在的交叉口，节点是否畅通是根据表1中节点所对应的，除了拥堵路段之外的，其余的三个方向的路段是否为畅通路段来界定的，而路段畅通的标准是根据表1所示的速度界定的。

诱导控制区域发布的是控制信息，为驾驶人提出绕行路径信息，具有一定的强制性，根据FCD获得实时路况信息，确定合理的诱导路径，在诱导控制区域内各个分流节点处发布控制信息，不同节点处发布控制信息不同，诱导节点发布的控制信息内容与其所处道路的实时路况及相邻道路结构决定。控制信息中最重要的是绕行路径信息，根据各个分流节点处的实际交通运行情况，并结合诱导控制区域内交通状态确定绕行路径。

如图3所示，在诱导控制区域界定的前提下，在路网拓扑结构基础上，通过反向拓扑，以诱导控制区域的边界为起点边界线，分析集结波通过路网拓扑扩散可能波及的范围；假设拥堵持续时间为t，诱导控制区域界定的分流节点为ni，基于FCD(Floating Car Data)浮动车辆数据的实时平均行驶速度vj，对应的路段长度为l_j，区域界定条件如公式(2)所示：

$t>\mathrm{\Σ}\frac{l_j}{\mathrm{vj}}---\left(2\right)$

其中：

i——1到3的自然数；

j——路段编号；

l_j——路段j对应的长度；

vj——路段j对应的当前周期FCD实时平均行驶速度；

如果拥堵持续时间t大于分流节点关联路段的行驶时间之和则认为在分流节点关联路段上的车辆处于诱导缓冲区域内。

如图4所示，分流节点是指n1,n2,n3，分流节点n2有三个方向的的关联路段W方向、E方向和S方向。而分流节点n2的关联路段只取能够行驶方向能够驶入该节点的路段，因为路段有两个行驶方向，只取能够驶入节点的那个方向。拥堵持续时间t根据历史值确定，图4中的阴影部分为诱导控制区域。

诱导缓冲区域发布的诱导信息主要是提示信息和建议信息，作用是提醒驾驶人前面道路发生拥堵或者突发事件，发布拥堵路段的点位，让驾驶人得知前方有拥堵路段，给其足够的时间去调整行驶路径，无需提供绕行路径和过于详细的拥堵信息。

综上所述，本发明充分利用了浮动车GPS数据覆盖面广的优势，根据实时拥堵路段信息，针对不同的拥堵影响区域提出不同的诱导方案，可以有效地提高路网运行效率，降低拥堵造成的出行延误，实现路网资源利用最优化，保证城市绿色出行。

Claims (7)

1.一种基于浮动车在拥堵状态下的智能交通诱导方法，该方法包括下列顺序的步骤：

(1)通过基于浮动车的城市交通信息采集与处理系统，获取城市道路路网实时平均行程速度Vi和实时交通状态，识别拥堵路段；

(2)基于路网拓扑结构，根据路网实时平均行程速度Vi和实时交通状态，将拥堵路段划分为诱导控制区域和诱导缓冲区域，并自动生成相应的诱导信息；

当路段发生拥堵后，会在瞬间内发生集结波，集结波向路段上游传播，通过相邻节点波及周边路段，在拥堵持续的时间内，集结波将一直向路段上游传播，直至拥堵开始消散，消散波与集结波相遇时结束，区域划分模块将集结波直接影响的区域定义为诱导控制区域，诱导控制区域发布的诱导信息为控制信息；与此同时，区域划分模块将在拥堵持续的时间内，其车辆有可能驶入直接影响区域内的间接区域定义为诱导缓冲区域，诱导缓冲区域发布的诱导信息为建议信息和提示信息。

2.根据权利要求1所述的基于浮动车在拥堵状态下的智能交通诱导方法，其特征在于：所述的浮动车为是指装载GPS的车辆，所述的城市交通信息采集与处理系统包括浮动车检测器，浮动车检测器实时接收装载GPS的车辆所发出的GPS数据，并将该数据发送至数据处理中心进行处理，得到整个城市路网的实时交通状态和实时平均行程速度V_i，实时平均行程速度V_i的计算公式如下：

$\left\{\begin{array}{ccc}{V}_i=\frac{l_i}{t_i}=\frac{l_i}{\left(\underset{j=1}{\overset{n_i}{\mathrm{\Σ}}}\frac{l_i}{v_j}\right)/n_i}=\frac{n_i}{\underset{j=1}{\overset{n_i}{\mathrm{\Σ}}}\frac{1}{v_j}}& \mathrm{if}& n_i\≠0\\ V_i={\stackrel{\‾}{V}}_i,& \mathrm{if}& n_i=0\end{array}\right.---\left(1\right)$

其中，

V_i——路段P_i的平均行程速度，单位km/h；

l_i——路段P_i的长度，单位km；

n_i——路段P_i上参与计算的车辆数目，单位辆；

j——在路径中路段P_i的每辆车辆标识符；

v_j——第j辆车在路径中路段P_i上的行驶速度。

3.根据权利要求2所述的基于浮动车在拥堵状态下的智能交通诱导方法，其特征在于：所述的GPS数据包括瞬时速度、经纬度、方向角信息，通过交通信息处理得到整个城市路网的实时交通状态；城市交通信息采集与处理系统每隔5分钟更新整个路网每个路段的实时平均行程速度V_i和实时交通状态。

4.根据权利要求2所述的基于浮动车在拥堵状态下的智能交通诱导方法，其特征在于：拥堵识别模块将路段实时平均行程速度V_i与设定的拥堵状态下速度阈值K对比，若实时平均行程速度V_i小于阈值K，则判断该路段发生拥堵，为拥堵路段。

5.根据权利要求1所述的基于浮动车在拥堵状态下的智能交通诱导方法，其特征在于：根据路网实时交通状态，分析拥堵路段的上游节点是否拥堵，确定该上游节点是否为可分流节点，若上游第一个节点为畅通，则认为该节点为可分流节点，第一个节点与拥堵路段之间的区域确定为诱导控制区域；若上游第一个节点为拥堵，则向上游的第二个节点继续搜索，若上游的第二个节点为畅通，则认为该节点为可分流节点，第二个节点与拥堵路段之间的区域确定为诱导控制区域；若上游第二个节点为拥堵，则向上游的第三个节点继续搜索，若上游的第三个节点为畅通，则认为该节点为可分流节点，第三个节点与拥堵路段之间的区域确定为诱导控制区域。

6.根据权利要求1所述的基于浮动车在拥堵状态下的智能交通诱导方法，其特征在于：在诱导控制区域界定的前提下，在路网拓扑结构基础上，通过反向拓扑，以诱导控制区域的边界为起点边界线，分析集结波通过路网拓扑扩散可能波及的范围；假设拥堵持续时间为t，诱导控制区域界定的分流节点为ni，基于FCD的实时平均行驶速度vj，对应的路段长度为l_j，区域界定条件如公式(2)所示：

$t>\mathrm{\Σ}\frac{l_j}{\mathrm{vj}}---\left(2\right)$

其中：

i——1到3的自然数；

j——路段编号；

l_j——路段j对应的长度；

vj——路段j对应的当前周期FCD实时平均行驶速度；

如果拥堵持续时间t大于分流节点关联路段的行驶时间之和则认为在分流节点关联路段上的车辆处于诱导缓冲区域内。

7.根据权利要求5所述的基于浮动车在拥堵状态下的智能交通诱导方法，其特征在于：所述拥堵路段的节点是指拥堵路段所在的交叉口。