CN104408925A

CN104408925A - 基于陈列雷达的交叉口运行状态评价方法

Info

Publication number: CN104408925A
Application number: CN201410787826.7A
Authority: CN
Inventors: 高万宝; 吴先会; 张广林
Original assignee: HEFEI GELYU INFORMATION TECHNOLOGY Co Ltd
Current assignee: Ningbo Horoma Information Technology Co ltd
Priority date: 2014-12-17
Filing date: 2014-12-17
Publication date: 2015-03-11
Anticipated expiration: 2034-12-17
Also published as: CN104408925B

Abstract

本发明所述的基于陈列雷达的交叉口运行状态评价方法，主要涉及交叉口交通信息采集和评价领域，通过新型阵列雷达车辆检测设备的综合应用，实现交叉口运行状态的实时评价。该方法采用二维主动式阵列雷达技术，可以大区域大范围的路面交通信息检测、准确检测多目标的即时位置和即时速度、可检测排队长度、逆行等多类交通事件、解决车辆遮挡、停车等漏检或多检问题，为交通信息采集带来了更全面的数据和更新、更广泛的应用。提高了交叉口交通运行状态自动判定的准确度，为交通管理提供实时决策和应急处理的信息，减少交通事故，提升交叉口的服务水平。

Description

基于陈列雷达的交叉口运行状态评价方法

技术领域

本发明涉及交叉口交通信息采集和评价技术领域，具体涉及基于陈列雷达的交叉口运行状态评价方法。

背景技术

汽车保有量的不断增加导致交通拥堵和事故事件日益频发，特别是交叉口交通环境更加严重，交通警察如不能尽快获取交叉口事件信息，就无法及时实施救援等工作，会造成道路拥堵蔓延，降低了道路运营效率，带了巨大的经济财产损失。

交通状态检测技术是通过在状况复杂或容易形成拥堵的道路上安装采集设备，对过往汽车数量、速度、排队长度进行交通检测，通过有线或无线网络将采集到的信息汇总中心后台进行处理的技术，传统的采集方式有：视频、线圈、地磁、微波等方式。传统的信息采集方式存在一定的弊端，如视频检测在雨、雪、雾天环境下容易误判，线圈检测容易受到大型车辆的重压损坏，微波的探测范围较小等，错误的判别可能会导致路段交通负荷，形成停滞，影响应急事件的处理造成公共管理资源的浪费。

交叉口运行指数是一个用来衡量交叉口运行状态和拥堵水平的宏观指标，与交叉口各个进口方向的流量、速度和占有率相关，需要构建综合处理模型分析计算。传统的模型算法过于生硬的根据某个交通参数的变化设定阈值来将交通状态进行分类，会造成系统对状态的误判；同时，传统检测器的弊端就是对断点路面进行信息采集，无法获知较长区段的完整交通状态，存在盲区交通事件误判现象。

发明内容

本发明要解决的技术问题是提供一种基于陈列雷达的交叉口运行状态评价方法，该方法采用二维主动式阵列雷达技术，可以大区域大范围的路面交通信息检测、解决车辆遮挡、停车等漏检或多检问题，提高交叉口运行状态实时检测的准确度。

为解决上述技术问题，本发明采用以下技术方案：

一种基于陈列雷达的交叉口运行状态评价方法，该方法中所使用的设备包括视频检测设备，数据通信设备，用于数据储存和过滤的后台服务器，自动检测处理设备和发布终端设备，所述各设备之间依顺序信号连接，具体包括如下步骤：

(1)在交叉口各个进口方向上安装阵列雷达车辆检测设备，确定检测区和盲区路段区域，按照顺时针对检测器进行编号，对路口所属的路段编号与检测器编号进行绑定；

(2)通过阵列雷达交通信息采集设备，获取检测区的实时交通流和车辆速度参数信息，并将该参数信息经所述数据通信设备实时传输回后台服务器并进行存储和标准化处理；

(3)根据得出的交通参数信息，计算检测区平均交通流密度参数，并根据平均交通流密度计算实时路段交通运行指数，判定当前路段的交通运行状态等级；

(4)根据交叉口各个进口方向路段的交通运行指数和路段道路等级属性，聚合分析计算交叉口总体交通运行指数，通过交叉口运行指数对交叉口运行状态进行实时评价；

(5)利用所述发布终端设备，通过调用数据库接口服务，将交叉口的实时交通状态信息向公众进行发布，实现交叉口运行态势的实时监控和动态诱导。

所述步骤(3)中交通运行状态分为非常畅通、畅通、缓刑、拥挤和拥堵五个等级。

所述步骤(4)中进行交叉口运行状态的实时评价前应先通过阵列雷达的路段交通状态提取模型构建，以及交叉口运行指数模型构建。

所述阵列雷达的路段交通状态提取模型构建，通过对检测路段的交通流量、车道速度参数进行周期性统计分析，然后聚合计算平均交通流密度，进而实现路段交通状态判定，具体包括以下步骤：

(A)提取阵列雷达检测到的检测区段各个车道的交通流量数据和速度数据，选择周期分析时间粒度，在空间维度和时间维度层面分别计算检测区的平均交通流参数和平均速度参数；

(B)利用交通流密度判断模型，计算空间和时间维度的平均交通流密度参数，基于平均交通流密度计算路段交通运行指数；

(C)利用路段交通运行指数，对交通状态区间进行归类，实现检测区路段交通状态的自动判定。

所述交叉口运行指数模型构建，通过对交叉口各个进口方向路段的交通运行指数进行统计分析，然后根据路段道路等级属性，聚合分析计算交叉口总体的交通运行指数，判定当前时刻交叉口运行状态等级，实现交口运行状态的实时评价和动态诱导。

所述步骤(A)中，平均交通流参数通过公式计算得到，其中，n为所在车道，N为路段的车道总个数，q_n为第n车道的交通流；平均速度参数v_n通过计算得到，其中，v_n为第n车道的速度，为单位粒度周期的平均速度。

所述步骤(B)中，平均交通流密度参数通过公式计算得到。

所述步骤(B)中，路段交通运行指数RTPI通过公式

\{\begin{matrix} 2 \times \frac{\overset{&OverBar;}{k}}{x} (0 \leq \overset{&OverBar;}{k} \leq x) \\ 2 + 2 \times \frac{\overset{&OverBar;}{k} - x}{y - x} (x < \overset{&OverBar;}{k} \leq y) \\ 4 + 2 \times \frac{\overset{&OverBar;}{k} - y}{z - y} (y < \overset{&OverBar;}{k} \leq z) \\ 6 + 2 \times \frac{\overset{&OverBar;}{k} - z}{p - z} (z < \overset{&OverBar;}{k} \leq p) \\ 8 + 2 \times \frac{\overset{&OverBar;}{k} - p}{m - p} (p < \overset{&OverBar;}{k} \leq m) \\ 10 (\overset{&OverBar;}{k} > m) \end{matrix}

计算得到，其中x,y,z,p,m值是道路交通拥堵感受优化参数。

所述交叉口运行指数ITPI通过公式ITPI＝RTPI₁*ω₁+RTPI₂*ω₂+,...,+RTPI_n*ω_j计算得到，其中ω₁,ω₂,...,ω_j为各个进口方向的加权系数。

本发明的有益效果是：本发明所述的交叉口运行状态评价方法，采用二维主动式阵列雷达技术，可以大区域大范围的路面交通信息检测、准确检测多目标的即时位置和即时速度、可检测排队长度、逆行等多类交通事件、解决车辆遮挡、停车等漏检或多检问题，为交通信息采集带来了更全面的数据和更新、更广泛的应用。该方法充分地利用了交通流和车辆速度交通参数的数据挖掘应用，提高了交叉口交通运行状态自动判定的准确度，能够降低通过人工方式进行视频监控的人力成本，增强交叉口交通事件的感知速度，为交通管理提供实时决策和应急处理的信息，减少交通事故，提升交叉口的服务水平。

附图说明

图1是本发明的工作流程图；

图2图1中所用的系统设备安装示意图；

图3图1中所用的系统设备连接示意图。

具体实施方式

如图1和2所示的一种基于阵列雷达的交叉口运行状态评价方法，该方法中所使用的设备包括阵列雷达车辆检测设备1，数据通信设备2，用于数据储存和标准化的后台服务器3，交叉口运行状态评价处理设备4和发布终端设备5，数据通信设备2和阵列雷达车辆检测设备1通过电缆连接在一起然后安装在交叉口监控架上，所述各设备之间依顺序信号连接，该方法包括下列的步骤：

S1:交叉口运行指数计算需要路口各个进口方向的交通参数提取，交叉口的类型有多种，常见的有五岔路口、十字路口、T型路口，本方法按照交叉口进口方向的个数M进行分类。

在交叉口各个进口方向上安装阵列雷达车辆检测设备，确定检测区和盲区路段区域，按照顺时针对检测器(d_i)进行编号，对路口所属的路段编号(r_i)与检测器编号进行绑定，i为排序标签(i≤M)。

阵列雷达可以检测的路段范围是25米-140米，安装位置前25米内是盲区，盲区内检测不到车辆的动态信息，因此交叉口阵列雷达设备的安装位置非常重要，确定待测路段后，要在待测路段方向上越过交叉口的监控架上安装设备，设备的检测头正对检测路段的中央，一般十字路口的设备安装示意图如图2。

S2:阵列雷达检测设备1中的检测设备获取待测路段的实时交通流和车辆速度数据，通过数据通讯设备2将参数信息实时传回后台服务器3，并进行存储和标准化；

S3：利用所述交通参数信息，计算检测区平均交通流密度参数，基于平均交通流密度计算实时路段交通运行指数，判定当前路段的交通运行状态等级，该交通运行状态分为非常畅通、畅通、缓行、拥挤和拥堵5个等级；

S4:进入状态评价处理设备4，在状态评价处理设备4中利用检测区阵列雷达的实时交通参数，根据路段交通运行指数模型和交叉口运行指数模型，分别提取各个检测区路段的交通状态以及交叉口总体的交通运行状态，进行交叉口运行状态的实时评价。

该路段交通运行指数模型:

阵列雷达设备实时上报的数据格式为(t,n,q,v),t表示上报时间，n表示所在车道，q表示交通流数据，v表示车流速度数据，(t,n,q,v)的单位分别为秒、1、辆/小时/车道和千米/小时。

假设样本数据集可表示为S＝{(t,1,q₁,v₁),(t,2,q₂,v₂),...,(t,n,q_n,v_n)}，样本的处理粒度周期为T(单位：小时)，统计时间内待测路段空间维度和时间维度的平均交通流单位粒度周期的平均速度待测路段空间维度和时间维度的平均交通密度(单位：辆/千米/车道)，则

\overset{&OverBar;}{q} = Σ_{n = 1}^{N} q_{n} / N - - - (1)

\overset{&OverBar;}{v} = Σ_{n = 1}^{N} v_{n} / N - - - (2)

\overset{&OverBar;}{k} = \frac{\overset{&OverBar;}{q}}{\overset{&OverBar;}{v}} - - - (3)

上述公式中：n为所在车道；N为路段的车道总个数；q_n为第n车道的交通流；v_n为第n车道的速度。

构建路段交通运行指数RTPI(Road Traffic Performance Index)与平均交通流密度的函数关系模型，

\{\begin{matrix} 2 \times \frac{\overset{&OverBar;}{k}}{x} (0 \leq \overset{&OverBar;}{k} \leq x) \\ 2 + 2 \times \frac{\overset{&OverBar;}{k} - x}{y - x} (x < \overset{&OverBar;}{k} \leq y) \\ 4 + 2 \times \frac{\overset{&OverBar;}{k} - y}{z - y} (y < \overset{&OverBar;}{k} \leq z) \\ 6 + 2 \times \frac{\overset{&OverBar;}{k} - z}{p - z} (z < \overset{&OverBar;}{k} \leq p) \\ 8 + 2 \times \frac{\overset{&OverBar;}{k} - p}{m - p} (p < \overset{&OverBar;}{k} \leq m) \\ 10 (\overset{&OverBar;}{k} > m) \end{matrix} - - - (4)

其中x,y,z,p,m值是道路交通拥堵感受优化参数，需要利用调查问卷和数据分析拟合计算，而且不同的道路等级，参数大小也不同，建议系统初始化参考值如表1。

表1 路段交通运行指数模型参数

然后按照路段交通运行指数的大小划分当前交通状态等级，如表2所示。

表2 路段交通运行指数分级表

交通运行指数	[0,2]	(2,4]	(4,6]	(6,8]	(8,10]
						状态评价等级	非常畅通	畅通	缓行	拥挤	拥堵

交叉口运行指数模型：

交叉口运行指数ITPI(Intersection Traffic Performance Index)是在交叉口各个进口方向路段交通运行指数的基础上进行的聚合分析计算，

ITPI＝RTPI₁*ω₁+RTPI₂*ω₂+,...,+RTPI_n*ω_j

ω₁,ω₂,...,ω_j为各个进口方向的加权系数；

交叉口进口方向的加权系数与道路等级有关，见表3：

表3 道路等级与交叉口权重关系表

道路等级	快速路	主干路	次干路	支路
					权重值	w′₁	w′₂	w′₃	w′₄

则交叉口某一个进口方向的权重值计算公式如下：

ω_{j} = \frac{{ω_{j}}^{'}}{Σ_{1}^{N} {ω_{j}}^{'}}

其中：

ω_j′是计算进口方向道路等级对应的权重值；

J为交叉口进口方向的总个数，j≤J

然后按照交叉口交通运行指数的大小划分当前交通状态等级，如表4所示。

表4 交叉口交通运行指数分级表

S5：进入发布终端5，在处理设备4中提取的路段交通运行指数和交叉口运行指数信息利用终端设备5的发布接口服务进行公开。

本发明充分地利用了阵列雷达交通信息采集设备的交通流和车辆速度参数进行数据挖掘分析，构建了阵列雷达路段交通运行指数模型和交叉口运行指数模型，实现了交叉口交通运行状态的实时监控评价，能够降低通过人工方式进行视频监控的人力成本，提高交叉口交通事件检测的准确度，为交通管理提供实时决策和应急处理的交通信息，减少交通事故，提升交叉口道路交通使用效率和管理服务水平。

本技术领域的普通技术人员应当认识到，以上的实施方式仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围之内，对以上实施例所作的适当改变和变化都落在本发明要求保护的范围之内。

Claims

1.基于陈列雷达的交叉口运行状态评价方法，该方法中所使用的设备包括视频检测设备，数据通信设备，用于数据储存和过滤的后台服务器，自动检测处理设备和发布终端设备，所述各设备之间依顺序信号连接，其特征在于：该方法包括如下步骤：

2.根据权利要求1所述的基于阵列雷达的交叉口运行状态评价方法，其特征在于：所述步骤(3)中交通运行状态分为非常畅通、畅通、缓刑、拥挤和拥堵五个等级。

3.根据权利要求1所述的基于阵列雷达的交叉口运行状态评价方法，其特征在于：所述步骤(4)中进行交叉口运行状态的实时评价前应先通过阵列雷达的路段交通状态提取模型构建，以及交叉口运行指数模型构建。

4.根据权利要求3所述的基于阵列雷达的交叉口运行状态评价方法，其特征在于：所述阵列雷达的路段交通状态提取模型构建，通过对检测路段的交通流量、车道速度参数进行周期性统计分析，然后聚合计算平均交通流密度，进而实现路段交通状态判定，具体包括以下步骤：

5.根据权利要求3所述的基于阵列雷达的交叉口运行状态评价方法，其特征在于：所述交叉口运行指数模型构建，通过对交叉口各个进口方向路段的交通运行指数进行统计分析，然后根据路段道路等级属性，聚合分析计算交叉口总体的交通运行指数，判定当前时刻交叉口运行状态等级，实现交口运行状态的实时评价和动态诱导。

6.根据权利要求4所述的基于阵列雷达的交叉口运行状态评价方法，其特征在于：所述步骤(A)中，平均交通流参数通过公式计算得到，其中，n为所在车道，N为路段的车道总个数，q_n为第n车道的交通流；平均速度参数v_n通过计算得到，其中，v_n为第n车道的速度，为单位粒度周期的平均速度。

7.根据权利要求4所述的基于阵列雷达的交叉口运行状态评价方法，其特征在于：所述步骤(B)中，平均交通流密度参数通过公式计算得到。

8.根据权利要求4所述的基于阵列雷达的交叉口运行状态评价方法，其特征在于：所述步骤(B)中，路段交通运行指数RTPI通过公式

PTPI = \{\begin{matrix} 2 \times \frac{\overset{&OverBar;}{k}}{x} (0 \leq \overset{&OverBar;}{k} \leq x) \\ 2 + 2 \times \frac{\overset{&OverBar;}{k} - x}{y - x} (x < \overset{&OverBar;}{k} \leq y) \\ 4 + 2 \times \frac{\overset{&OverBar;}{k} - y}{z - y} (y < \overset{&OverBar;}{k} \leq z) \\ 6 + 2 \times \frac{\overset{&OverBar;}{k} - z}{p - z} (z < \overset{&OverBar;}{k} \leq p) \\ 8 + 2 \times \frac{\overset{&OverBar;}{k} - p}{m - p} (p < \overset{&OverBar;}{k} \leq m) \\ 10 (\overset{&OverBar;}{k} > m) \end{matrix}

计算得到，其中x,y,z,p,m值是道路交通拥堵感受优化参数。

9.根据权利要求5所述的基于阵列雷达的交叉口运行状态评价方法，其特征在于：所述交叉口运行指数ITPI通过公式ITPI＝RTPI₁*ω₁+RTPI₂*ω₂+_,..._,+RTPI_n*ω_j计算得到，其中ω₁,ω₂,...,ω_j为各个进口方向的加权系数。