CN104008646B - 基于弹性系数的城市道路交通识别方法及系统 - Google Patents
基于弹性系数的城市道路交通识别方法及系统 Download PDFInfo
- Publication number
- CN104008646B CN104008646B CN201410260249.6A CN201410260249A CN104008646B CN 104008646 B CN104008646 B CN 104008646B CN 201410260249 A CN201410260249 A CN 201410260249A CN 104008646 B CN104008646 B CN 104008646B
- Authority
- CN
- China
- Prior art keywords
- traffic
- information
- flow
- elasticity coefficient
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明提供的一种基于弹性系数的城市道路交通识别方法及系统,其方法包括建立交通流参数模型和预设交通流弹性系数阈值,并按弹性系数阈值划分交通流状态,通过交通流信息与交通流参数阈值对比,实现目标道路的交通状态实时识别或预测,这样可以定量化描述交通状态参数之间的互动关系,衡量交通状态变化与其影响因素变化之间的依存关系,能够适用于不同的道路及交通条件,识别结果便于交通信号控制系统做出准确、合理决策。
Description
技术领域
本发明涉及交通状态识别技术领域,尤其涉及基于弹性系数的城市道路交通识别方法及系统。
背景技术
随着城市交通的不断发展,车辆的急剧增加,交通拥堵问题日渐突出,而长期以来,获得实时可靠的动态交通数据一直是我国城市交通发展的重大瓶颈。但随着各种新型交通检测技术的出现,交通数据的精度、广度和内容也得到了不断提高,交通管理部门已经可以获得大量准确的实时交通数据。在实际应用中,如何快速、准确的进行交通状态识别,不仅关系到能否认识真实的交通状态,也关系到交通信号控制系统能否做出准确、合理的决策。所以快速、准确的进行交通状态识别,就成为了建立交通拥挤预警系统和智能交通信号控制系统的关键技术。
目前关于道路交通状态的识别方法,主要分为两类:一类是以美国HCM手册为代表的服务水平分级及判定方法,这种方法具有较为稳定的状态分级标准,其计算过程较为简单,但判定结果没有考虑实际的道路和交通条件,适应性不强;另一类是根据实测交通数据和不同研究目的确定的交通状态识别方法,这种方法通常以自动采集设备获取的交通量、速度、占有率等作为输入变量,然后应用各种分析计算方法,如模糊聚类、Kalman滤波等,得到各交通状态下的交通流特征值,再进行交通状态识别。目前这种方法还处于研究和实验阶段,由于其计算过程的复杂性以及状态判定的模糊性,直接用于交通信号控制系统中还存在很多的问题。对于交通流参数之间的互动关系,以及参数变化所导致的交通状态跃迁,没有进行定量化阐释,尤其是交通流参数在交通状态阈值附近波动所产生的交通状态异常波动,也没有较为清楚的认识。
发明内容
有鉴于此,本发明提供基于弹性系数的城市道路交通识别方法及系统,能够适用于不同道路及交通条件,基于交通流参数建模的交通状态弹性识别,可以衡量交通状态变化与其影响因素变化之间的依存关系,并对参数变化所导致的交通状态跃迁,进行了定量化阐释,对交通状态进行快速准确的识别和预测。
本发明提供的基于弹性系数的城市道路交通识别方法及系统:
预设目标道路的速度与流量关系模型为:假设流量Q是速度V的非线性函数,即Q=f(V),
其预设模型为:Q=aV-bV2公式中a、b为待定参数。
进一步,根据目标道路的交通流历史信息,利用历史信息中整合的速度与流量数据,计算出参数a、b的值。
进一步,交通流中央处理模块计算交通流信息弹性系数公式为:
公式中,E为速度流量弹性系数。
进一步,根据预设弹性系数阈值和计算出参数a、b的值后的交通流参数模型计算出对应的速度流量阈值。
进一步,交通流状态分级模块,根据预设弹性系数将交通状态分级。
进一步,交通状态实时识别模块根据目标道路的实时信息,获取交通流的实时流量和实时速度,并与速度流量阈值比较,按照预设的交通状态分级,对目标道路交通状态进行实时识别。
进一步,交通状态预测模块将目标道路的预测信息,获取交通的预测流量和预测速度,并与速度流量阈值比较,按照预设交通状态分级,对目标道路交通状态进行预测。
进一步,一种基于弹性系数的道路交通状态识别系统包括:
交通流信息采集模块,用于获取目标道路的交通流信息;
交通流参数信息预处理模块,预处理所述交通流信息采集模块中的目标道路交通流信息;
交通流信息中央处理模块,根据所述预处理模块处理后的交通流信息,计算预设的交通流参数模型中的待定系数,计算交通流弹性系数,根据弹性系数阈值获取对应的交通流信息阈值;
交通状态分级模块,根据弹性系数阈值,进行交通状态分级;
交通状态识别模块,对比交通流信息与所述交通流信息阈值判断交通状态;
进一步,所述交通流信息预处理模块经过预处理后生成历史信息数据库、实时信息数据库和预测信息数据库。
进一步,所述交通状态识别模块包括:
交通状态实时识别模块,用于根据实时信息与交通流信息阈值的比较获取交通状态的实时判别;
交通状态预测模块,用于根据预测信息与交通流信息阈值的比较获取交通状态的预测。
本发明的有益效果:本技术方案基于交通流弹性系数对交通状态进行识别,可以定量化描述交通参数之间的互动关系,以及这种关系变化对交通状态波动的影响,对交通流参数之间的互动关系做出了定量化阐释,计算过程相对简单,能够快速、准确的对交通状态进行判断,不仅有助于认识真实的道路交通状态,也方便于交通信号控制系统做出准确、合理的决策。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1是本发明的原理流程示意图。
图2是本发明的系统结构示意图
具体实施方式
如图1所示,基于弹性系数的道路交通状态识别方法和系统,其方法包括:
具体步骤为:
首先通过交通流信息检测系统上进行数据采集,并将采集到的交通流信息数据传送到交通流预处理模块,进行预处理。预处理包括丢失数据和错误数据的修复,数据的整合等,生成目标道路(包括车道或截面)的交通流历史信息、实时信息和预测信息;
预设目标道路的交通流参数模型:假设流量Q是速度V的非线性函数,即Q=f(V),
其预设参数模型为:Q=aV-bV2公式中a、b为待定系数。
根据目标道路的交通流历史信息,采用数据拟合的方法获取历史信息中整合的速度流量数据,计算出参数a、b的值。
在交通流状态分级模块中预先设置三个弹性系数阈值,分别为:
E1=-0.618、E2=0、E3=0.618
弹性系数计算公式为:
结合已确定待定系数a、b后的交通流参数模型,分别计算出三个弹性系数阈值所对应的速度流量,该速度流量即为交通流速度流量参数阈值。
E1=-0.618对应的速度值和流量值为V1、Q1;E2=0对应的速度值和流量值为V2、Q2;E3=0.618,对应的速度值和流量值为V3、Q3。
当E2=0时,将目标道路交通状态划分为拥挤状态和非拥挤状态,如果对应的流量和速度值分别为Q<Q2、V<V2,则判断交通流状态为拥挤状态;如果对应的流量和速度值分别为Q<Q2、V>V2,则判断交通流状态为非拥挤状态;
当E1=-0.618时,如果对应的流量和速度值分别为Q<Q1、V>V1,则判断交通流状态为畅通流,畅通流特征为车流运行流畅,流量低、速度高,并且流量的增加并不会带来速度的大幅度减小;如果对应的流量和速度值分别为Q1<Q<Q2、V2<V<V1,则判断交通流状态为谐动流,谐动流特征为车流运行基本顺畅,流量大、速度较高,并且流量的增加会带来速度的大幅度减小;
当E3=0.618时,如果对应的流量和速度值分别为Q3<Q<Q2、V3<V<V2,则判断交通流状态为高速同步流,高速同步流的特征为车流运行处于不稳定状态,速度较低,并且流量的变动会带来速度的大幅度变动,但车流依然处于大容量通行阶段;如果对应的流量和速度值分别为Q<Q3、V<V3,则判断交通流状态为低速同步流,低速同步流特征为车流处于极不稳定状态,流量和速度都很小,并且交通流内部有效的扰动就可能发生交通中断。
交通状态实时识别模块将目标道路的实时信息,与预设速度流量阈值比较,按照预设的交通状态分级,对目标道路交通流进行实时识别:
根据目标道路的实时信息,即实时流量Qs和实时速度Vs,做出如下判断:
如果Qs<Q1,且Vs>V1,则判定实时交通状态为畅通流;
如果Q1<Qs<Q2、且V2<Vs<V1,则判定实时交通状态为谐动流;
如果Q3<Qs<Q2,且V3<Vs<V2,则判定实时交通状态为高速同步流;
如果Qs<Q3,且Vs<V3,则判定实时交通状态为低速同步流。
交通状态预测模块将目标道路的预测信息,与预设速度流量阈值比较,按照预先交通状态分级,对目标道路交通流进行预测:
据目标道路的预测信息,即预测流量Qy和预测速度Vy,做出如下判断:
如果Qy<Q1,且Vy>V1,则判定预测交通状态为畅通流;
如果Q1<Qy<Q2、且V2<Vy<V1,则判定预测交通状态为谐动流;
如果Q3<Qy<Q2,且V3<Vy<V2,则判定预测交通状态为高速同步流;
如果Qy<Q3,且Vy<V3,则判定预测交通状态为低速同步流。
各级交通状态的阈值范围及交通流特征如表1所示:
当通流参数模型Q=aV-bV2,其中a、b值确定后,目标道路交通流的速度流量关系也随之确定,本领域技术人员可以轻易的通过弹性系数阈值来计算出对应的速度信息阈值和流量信息阈值。而不同的目标道路,速度流量关系也不同,a、b具体值也就相应的不同,弹性系数阈值也会随之改变。所以这种基于弹性系数的道路交通状态识别方法可以适用于不同条件的道路。而根据弹性系数分级也并非于上述几种状态,可以简化成拥挤状态和非拥挤状态,也可以根据道路更加细化。预设的弹性系数阈值的具体数值可以根据目标道路的实际情况进行调整。
相应的,本发明还提供了一种基于弹性系数的道路交通状态识别系统,所述系统包括:
交通流参数信息采集模块,用于从交通流信息检测系统中获取目标道路的速度与流量信息;
交通流参数信息预处理模块,用于目标道路速度与流量信息进行预处理;
交通流信息中央处理模块,根据所述预处理模块处理后的交通流信息,计算预设的交通流参数模型中的待定系数,计算交通流弹性系数,根据弹性系数阈值获取对应的交通流信息阈值,交通流中央处理模块可为单片机或AVR处理器,如80C51单片机等,根据目标道路的交通历史信息中的速度与流量数据,用数据拟合的方法,计算出预设交通流参数模型中的参数a、b的值;
交通状态分级模块,根据弹性系数阈值,进行交通状态分级;
交通状态识别模块,用于交通状态的实时识别,由比较器(如集成数值比较器74LS85等)对实时或预测速度流量与速度流量阈值进行比较,来完成对交通状态的识别或预测。
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。
Claims (10)
1.一种基于弹性系数的城市道路交通识别方法,其特征在于:所述方法包括:
S1.预设目标道路的交通流参数模型,所述模型包括含有待定系数的速度流量函数关系;
S2.预设弹性系数阈值,并按弹性系数阈值划分交通状态;
S3.获取目标道路的交通流信息,进行预处理,所述目标道路的交通流信息包括速度信息和流量信息;
S4.根据所述预处理后的交通流信息和交通流参数模型,确定模型中的待定系数,根据确定待定系数后的交通流参数模型和弹性系数阈值,计算出交通流信息阈值;
S5.根据目标道路的交通流信息与所述交通流信息阈值对比,确定当前目标道路的交通状态。
2.根据权利要求1所述的基于弹性系数的城市道路交通识别方法,其特征在于:步骤S1所述的交通流参数模型为:Q=aV-bV2,公式中a、b为待定系数。
3.根据权利要求1所述的基于弹性系数的城市道路交通识别方法,其特征在于:步骤S2所述交通流的弹性系数计算公式为:
公式中,E为交通流的弹性系数。
4.根据权利要求3所述的基于弹性系数的城市道路交通识别方法,其特征在于:步骤S3所述预处理包括通过丢失数据和错误数据的修复,以及数据的整合,生成目标道路的交通流历史信息、实时信息和预测信息;
步骤S4所述预处理后的交通流信息为目标道路交通流的历史信息;
将目标道路交通流的历史信息代入所述交通流参数模型,计算出待定系数a、b的值。
5.根据权利要求4所述的基于弹性系数的城市道路交通识别方法,其特征在于:
所述预设的弹性系数阈值,分别为E1、E2、E3,根据确定待定系数后的交通流参数模型分别计算出对应的交通流信息阈值,其中E1对应的速度阈值和流量阈值为V1、Q1;E2对应的速度阈值和流量阈值为V2、Q2;E3对应的速度阈值和流量阈值为V3、Q3;
当弹性系数E=E2时,将交通状态划分为:拥挤状态和非拥挤状态;
当弹性系数E=E1时,将非拥挤状态划分为畅通流和谐动流;
当弹性系数E=E3时,将拥挤状态划分为高速同步流和低速同步流。
6.根据权利要求5所述的基于弹性系数的城市道路交通识别方法,其特征在于:将目标道路的实时信息,与交通流信息阈值比较,按照所述交通状态划分,对目标道路交通流进行实时识别:
根据目标道路的实时信息,即流量Qs和速度Vs,做出如下判断:
Qs<Q1,且Vs>V1时,则判定实时交通状态为畅通流;
Q1<Qs<Q2、且V2<Vs<V1时,则判定实时交通状态为谐动流;
Q3<Qs<Q2,且V3<Vs<V2时,则判定实时交通状态为高速同步流;
Qs<Q3,且Vs<V3时,则判定实时交通状态为低速同步流。
7.根据权利要求5所述的基于弹性系数的城市道路交通识别方法,其特征在于:将目标道路的预测信息,与交通流信息阈值比较,按照所述交通状态划分,对目标道路交通流进行预测:
根据目标道路的预测信息,即流量Qy和速度Vy,做出如下判断:
Qy<Q1,且Vy>V1时,则判定预测交通状态为畅通流;
Q1<Qy<Q2、且V2<Vy<V1时,则判定预测交通状态为谐动流;
Q3<Qy<Q2,且V3<Vy<V2时,则判定预测交通状态为高速同步流;
Qy<Q3,且Vy<V3时,则判定预测交通状态为低速同步流。
8.一种基于弹性系数的道路交通状态识别系统,其特征在于:包括:
交通流信息采集模块,用于获取目标道路的交通流信息;
交通流参数信息预处理模块,用于预处理所述交通流信息采集模块中的目标道路交通流信息;
交通流信息中央处理模块,用于根据所述预处理模块处理后的交通流信息,计算预设的交通流参数模型中的待定系数,计算交通流弹性系数,根据弹性系数阈值获取对应的交通流信息阈值;
交通状态分级模块,用于根据弹性系数阈值,进行交通状态分级;
交通状态识别模块,用于对比交通流信息与所述交通流信息阈值判断交通状态。
9.根据权利要求8所述的基于弹性系数的道路交通状态识别系统,其特征在于:所述交通流参数信息预处理模块经过预处理后生成历史信息数据库、实时信息数据库和预测信息数据库。
10.根据权利要求8所述的基于弹性系数的道路交通状态识别系统,其特征在于:所述交通状态识别模块包括:
交通状态实时识别模块,用于根据实时信息与交通流信息阈值的比较获取交通状态的实时判别;
交通状态预测模块,用于根据预测信息与交通流信息阈值的比较获取交通状态的预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410260249.6A CN104008646B (zh) | 2014-06-12 | 2014-06-12 | 基于弹性系数的城市道路交通识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410260249.6A CN104008646B (zh) | 2014-06-12 | 2014-06-12 | 基于弹性系数的城市道路交通识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104008646A CN104008646A (zh) | 2014-08-27 |
CN104008646B true CN104008646B (zh) | 2016-03-23 |
Family
ID=51369281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410260249.6A Expired - Fee Related CN104008646B (zh) | 2014-06-12 | 2014-06-12 | 基于弹性系数的城市道路交通识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104008646B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105702039A (zh) * | 2016-04-15 | 2016-06-22 | 哈尔滨工业大学 | 一种机动车闯红灯递增式阶梯罚单的生成方法 |
CN106355882B (zh) * | 2016-10-18 | 2018-12-04 | 同济大学 | 一种基于路中检测器的交通状态估计方法 |
CN106991815B (zh) * | 2017-05-23 | 2020-03-10 | 招商局重庆交通科研设计院有限公司 | 交通拥堵控制方法 |
CN107067756B (zh) * | 2017-06-22 | 2019-09-24 | 长威信息科技发展股份有限公司 | 一种基于大数据分析的智能交通指挥系统 |
CN112906984B (zh) * | 2021-03-24 | 2023-06-30 | 苏州蓝图智慧城市科技有限公司 | 一种道路交通状态预测方法、装置、存储介质及电子设备 |
CN114639241B (zh) * | 2022-03-15 | 2023-04-07 | 北京交通大学 | 路段中断状态判断方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783075A (zh) * | 2010-02-05 | 2010-07-21 | 北京科技大学 | 一种城市环形道路交通流预测系统 |
CN103247177A (zh) * | 2013-05-21 | 2013-08-14 | 清华大学 | 大规模路网交通流实时动态预测系统 |
-
2014
- 2014-06-12 CN CN201410260249.6A patent/CN104008646B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783075A (zh) * | 2010-02-05 | 2010-07-21 | 北京科技大学 | 一种城市环形道路交通流预测系统 |
CN103247177A (zh) * | 2013-05-21 | 2013-08-14 | 清华大学 | 大规模路网交通流实时动态预测系统 |
Non-Patent Citations (4)
Title |
---|
《基于统计特性的城市快速路交通流状态划分》;关伟,何蜀燕;《交通运输系统工程与信息》;20071015;第7卷(第5期);全文 * |
《弹性系数法和回归分析法在预测中的比较》;薛佳平,张黎丽;《山西建筑》;20130210;第39卷(第5期);全文 * |
《弹性系数法在交通量预测中的适用性分析》;纪克祥;《交通世界》;20130318;全文 * |
《灰色马尔可夫在公路运输弹性系数预测中的应用》;杜渐,熬谷昌;《西华大学学报(自然科学版)》;20090715;第28卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104008646A (zh) | 2014-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104008646B (zh) | 基于弹性系数的城市道路交通识别方法及系统 | |
Myung et al. | Travel time prediction using k nearest neighbor method with combined data from vehicle detector system and automatic toll collection system | |
CN113066285B (zh) | 一种路况信息确定方法、装置、电子设备及存储介质 | |
CN102169634B (zh) | 一种交通拥塞优先疏散控制方法 | |
CN106816008B (zh) | 一种道路拥堵预警及拥堵形成时间预测方法 | |
CN109215350B (zh) | 一种基于rfid电子车牌数据的短期交通状态预测方法 | |
Hiribarren et al. | Real time traffic states estimation on arterials based on trajectory data | |
CN103021176A (zh) | 基于断面检测器的城市道路交通状态判别方法 | |
CN105405301B (zh) | 一种针对交叉口直右汇流冲突的右转信号感应控制方法 | |
CN104851293B (zh) | 一种基于地点车速的路段交通拥堵指数评价方法 | |
CN103646542A (zh) | 一种交通影响范围的预测方法和装置 | |
CN111091295B (zh) | 一种城市区域边界控制系统 | |
CN102968901A (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
CN106599456B (zh) | 一种区分坡面和沟道汇流速度差异的地貌单位线构建方法 | |
CN101739824A (zh) | 基于数据融合技术的交通状况估计方法 | |
CN108122408B (zh) | 一种路况监测方法、装置及其用于监测道路路况的系统 | |
CN103578273A (zh) | 一种基于微波雷达数据的道路交通状态估计方法 | |
CN104050809A (zh) | 交通状况自动分析预测方法 | |
CN107038864A (zh) | 一种交叉口进口导向车道设置合理性判别的方法 | |
CN102289937B (zh) | 基于停车线检测器的城市地面道路交通状态自动判别方法 | |
CN105303838A (zh) | 确定道路流量的方法和装置 | |
CN109448381A (zh) | 一种基于车联网大数据的交通路况预测方法 | |
CN109035775A (zh) | 一种突发事件识别的方法及装置 | |
CN206249561U (zh) | 一种基于道路运力的交通自适应调节系统 | |
CN110264725B (zh) | 路段流量的确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160323 Termination date: 20180612 |
|
CF01 | Termination of patent right due to non-payment of annual fee |