CN105006148B - 一种路口转向车辆数目估计方法及系统 - Google Patents

Abstract

本发明提供一种路口转向车辆数目估计方法与系统。转向车辆数目估计方法为：部分路口安装线圈(loop detector)，根据不同的车道功能以探测转向的车辆数目，进行历史数据收集与记录，因此可以根据即将进入道路的车辆的数目来估计将要进行转弯的车辆的数目；对于没有安装线圈的路段，利用探测车辆(probe vehicle)的GPS数据统计采样车辆数目，并根据路口之间的相似性，从有线圈的路口的转向车辆数目推算出没有线圈的路口的转向车辆数目。上述方法可以有效地节省道路基础设施成本，同时可以高精度地估计路口转向车辆数目。本发明的系统依据上述方法进行设计，包含线圈数据收集模块、探测车辆数据收集模块和车辆数目预测模块，该系统容易实施、维护，可行性强。

Description

一种路口转向车辆数目估计方法及系统

技术领域

本发明涉及智能交通领域，特别是涉及智能交通中的车辆移动特征规律分析与使用的方法及系统。

背景技术

智能交通系统(ITS)是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术以及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。而在智能交通系统中，路口交通调控是一项重要的内容。如果能够准确估计路口车辆中，各方向正在等待转向车辆的数目和即将到达的转向车辆的数目，将对路口交通调控例如红绿灯控制具有重要的帮助。而路口转向车辆数目的估计依赖于车辆数据(例如位置、速度)的采集。传统的交通数据采集方式包括摄像头、地感线圈等，由于安装和维护成本等原因，并非所有的路口都安装有地感线圈、摄像头等基础设施，因此，传统的仅依赖于线圈和摄像头的估计方法不能够覆盖到所有的路段，局限很大。

发明内容

本发明的目的在于克服现有技术，提供一种路口转向车辆数目估计方法与系统，以较低的经济花费，进行较高准确度的路口转向车辆数目的估计。本发明方法可以有效地节省道路基础设施成本，同时可以高精度地估计路口转向车辆数目。本发明的系统容易实施、维护，可行性强。

本发明技术方案为：

一种路口转向车辆数目估计方法，其特征在于：路段进入道路交叉口的方向的末尾，按照是否安装线圈分为两类：(1)布置线圈的路口和(2)未布置线圈的路口；

部分路口安装线圈(loop detector)，根据不同的车道功能以探测转向的车辆数目，进行历史数据收集与记录，因此可以根据即将进入道路的车辆的数目来估计将要进行转弯的车辆的数目；对于没有安装线圈的路段，利用探测车辆(probe vehicle)的GPS数据统计采样车辆数目，并根据路口之间的相似性，从有线圈的路口的转向车辆数目推算出没有线圈的路口的转向车辆数目。

所述路口线圈埋于路口的路面以下，根据车辆从该路口线圈上经过时候对该线圈造成的物理特性改变，可以判断出有车辆从其上经过。基于此特性，所述路口线圈具有记录一段时间内从其上经过的车辆的数目的功能。

所述路口线圈仅布置于道路的末尾，而不布置于路段的开始处。

行驶于道路上的车辆分为两类，即(1)带有GPS和无线通讯设备的车辆和(2)不带有GPS或者无线通讯设备的车辆。所述带有GPS设备和无线通讯设备的车辆，可以(1)使用GPS设备对其所在的绝对位置(GPS位置)进行实时定位，定位的精度为，可以按照绝对位置对其所在的道路以及处在道路上的位置进行确定，该位置的确定允许存在一定误差；(2)使用无线通讯设备将车辆的实时位置传播给其他无线通讯设备，包括其他车辆、无线基站等。

对于布置有路口线圈的路段，车辆在离开路段末尾进入交叉口的时候，按照所处的车道的不同，在离开道路末尾的时候，可以判断出其将要前行的方向。所述车辆前行方向分为三种：直行、左转(包含掉头)、右转。其中，从内侧车道进入交叉口的车辆为左转，从中间车道进入交叉口的车辆为直行，从右侧车道进入交叉口的车辆为右转。

将考察的时间顺序地分割成若干个等长的时间段，每个时间段的时间长度为T。将考察的时间顺序地分割成等长地包含有w个时间段T的时间窗W，所述W，w，和T满足：W＝w×T。

对布置有路口线圈的路段，在一个T的时间长度内，线圈测得其左转、直行和右转的车辆数目分别为：N_L、N_S和N_R，而计在该T内从其末尾驶出的车辆总数目为N_A，此处N_A＝N_L+N_S+N_R。

对布置有路口线圈的路段，记录其在过去W时间内的w个T内的每个T中从其左转、直行和右转的车辆的数目，由此可以得出其N_L和N_A之间的关系：N_L＝f(N_A)；在取得N_L＝f(N_A)的数学关系之后，对于W之后的一个T，如果给出NA在所述T内的估计值则可以根据所述数学关系式估计出所述下一个T内的N_L的值具体为

对未布置有路口线圈的路段，以具有GPS和无线通讯设备的位置确定的、在T内曾处于该路段的具有GPS和无线通讯设备的车辆的数目记为N_P，由此，通过记录W内w个T内的N_A和N_P，可以得出该路段的N_A和N_P之间的数学关系N_A＝g(N_P)。通过记录过去W时间内w个T内的N_A、N_P和N_L，可以计算出N_L和N_P之间的关系：N_L＝f(N_A)＝f(g(N_P))＝f·g(N_P)。对于未布置路口线圈的路段u，可以计算出其与布置了路口线圈的路段r之间的相似性：pro(u,r)，该相似性所考量的内容包括：路段的形状、路段的长度、路段的宽度、路段的方向、路段的位置、路段之间的距离。可以根据道路之间的相似性，由布置了路口线圈的路段的N_L和N_P的关系，以加权的方式计算出未配置路口线圈的N_L和N_P之间的关系N_L＝f·g(N_P)。对于未配置 路口线圈的路段，其在下一T内的N_L值可以根据N_P的估计值进行估计，即

对于布置和未布置线圈的路口转向车辆数目N_S、N_R的估计方法是与N_L的估计方法类似的。

2、一种路口转向车辆数目估计系统，其特征在于：是将权利要求1中所述的方法和涉及到的设备进行实地布置及应用的系统，本系统包含三个系统模块：

(I)路口线圈数据收集与处理模块

(II)探测车辆PV数据收集与处理模块

(III)路口转向车辆数目预测模块

模块(I)负责线圈数据的收集与处理，将格式化的数据交付给模块(III)；

模块(II)负责探测车辆数据的收集与处理，将格式化的数据交付给模块(III)；

模块(III)负责根据模块(I)和(II)交付的数据，进行对配置有路口线圈和没有路口线圈的路口转向车辆数目的估计工作。

由于安装和维护成本等原因，并非所有的路口都安装有地感线圈、摄像头等基础设施，依赖于线圈和摄像头的估计方法不能够覆盖到所有的路段。另一方面，车载移动定位设备和无线通讯设备的广泛使用使得使用探测车辆手机车辆实时位置信息成为可能。并且，该种方式具有经济花费低的优点。因此，我们采取基础设施与探测车辆相结合的方式，进行路口转向车辆数目的估计。除此之外，还需要有科学的方式，依据既往数据，进行即将转向车辆数目的估计。在此方面，我们采取机器学习的方式，按照路口线圈的有无，分别设计估计方式。我们的估计方法和系统，具有经济花费低、估计精度较高的优点。

附图说明

图1为路口转向车辆数目估计方法示意图；

图2为有线圈的路口，线圈布置与PV车辆示意图，其中标志指示的是线圈的位置， 志表示的车为PV，其余车辆为普通车辆；

图3为没有线圈的路口，探测车辆PV工作示意图，其中志表示的车为PV，其余车辆为普通车；

图4为系统与方法综合示意图。

具体实施方式

一

如图1所示，所述路口转向车辆数目估计方法，将参与估计的时间段按照等长度分为若 干个时间间隔，每个时间间隔的长度为T，在每个T开始的时刻点，需要对该T内的即将转向的左转、右转、和直行的车辆数目进行估计；并且，以T为基准时间段长度，设置整数w为时间窗包含的时间T的个数，即W＝w×T为时间窗的长度。基于此时间规划，所述路口转向车辆数目估计方法包括以下三个模块及其子模块：

(1)数据收集模块，该模块负责收集路口车辆数目相关的数据。所述数据收集模块需要收集的数据分为两种，即(I)线圈测得的路段单位时间T内路口左转、直行、右转和总体的车辆数目N_L,N_S,N_R,N_A，(II)路段在T时间内的探测车辆PV的数量N_P。

(2)机器学习模块。该模块负责建立配置了线圈的路段的既往数据中路口上直行、左转、右转车辆数目与全部车辆数目之间的关系，并建立直行、左转、右转车辆数目与探测车辆数目的关系。而且，该模块负责根据路段之间的相似性，建立没有配置线圈的路段上，直行、左转、右转车辆数目与探测车辆数目之间的关系。下面以左转车辆数目N_L为例，说明这种关系的建立：

在配置有线圈的路段，线圈将检测出每一个时间T内从路段尾出去的总的车辆数目N_A以及左转的车辆数目N_L。则在w个时间T之后，也就是W时间(包含第1，2，…，w个时间T)之后，用机器学习的方法得出上述N_A和N_L之间的关系：N_L＝f(N_A)。同时，每个T内也计算出在该路段上的PV数目N_P，由此可以得出N_A与N_P之间的关系N_A＝g(N_P)，继而得出N_L与N_P之间的关系：N_L＝f·g(N_P)。

在没有配置线圈的路段，由于无法获得该路段的N_A值，因此无法通过上述方法得到N_L＝f·g(N_P)。在此种情况下，利用道路之间的相似性得出该关系。具体为：设没有线圈的某路段为r，所有配置有线圈的路段分别为u₁，u₂…u_m，其中m为配置线圈的路段的数目。从以下方面考虑每条u_i与r之间的相似性：路段形状、路段长度、路段宽度、路段方向、路段位置、路段之间的距离，等。由此得到u_i和r之间的相似性： pro(u_i,r)。则r的N_L与N_P之间的关系为：

(3)转向车辆数目估计模块。该模块估计在下一个时间T内，配置或者未配置线圈的路口的转向车辆的数目。在此依旧以N_L的估计方法为例进行说明。对于配置有线圈的路段，下一T内N_L的值要依据公式N_L＝f(N_A)进行估计，即 的数值根据与该路段之间相邻的上游路段在上一T内流向该路段的车辆数目进行估计。对于直接邻接上游没有线圈或者本身便没有线圈的路段，采用N_L＝f·g(N_P)进行左转车辆数目的估计，即此处根据与该路段相邻的上游路段将要流向该路段的PV车辆数目估计而来，此估计基于车辆的形式速度以及历史上路段之间转弯概率统计而得到。

所述路口转向车辆数目估计系统，是将上述估计方法进行实施的系统。该系统本包含三个系统模块：I、路口线圈数据收集与处理模块，II、探测车辆PV数据收集与处理模块，III、路口转向车辆数目预测模块。模块I负责线圈数据的收集与处理，将格式化的数据交付给模块III；模块II负责探测车辆数据的收集与处理，将格式化的数据交付给模块III；模块III负责根据模块I和II交付的数据，进行对配置有路口线圈和没有路口线圈的路口转向车辆数目的估计工作。

二

如图4所示，本发明是系统与方法相结合的。本发明的系统包括三个系统模块：I、路口线圈数据收集与处理模块，II、探测车辆PV数据收集与处理模块，III、路口转向车辆数目预测模块。

模块I负责线圈数据的收集与处理，将格式化的数据交付给模块III。在具体实施中，模块I的原始数据来源于埋于路口地面以下的地感线圈。这些线圈能够检测出从其上经过的车辆的数目。这些线圈通过有线的方式将实时数据提供给模块III，这些实时数据包括一段检测时间的开始时间戳、结束时间戳以及在这段时间内经过该线圈的车辆数目。这些线圈根据埋位置所属车道的不同，又分为左转车道线圈、直行车道线圈、右转车道线圈。这些信息属于线圈的固有信息，在模块III中具有存储。模块III可以根据线圈的ID对应地判断出上传数据的线圈是属于哪一方向。

模块II负责收集探测车辆PV的数据，并将该数据提交给模块III。在具体实施过程中，每一辆PV上必须具有GPS定位设备和无线通讯设备。PV实时地将自己的车辆编号、GPS位置(经度、纬度)报告给模块II，模块II将该GPS位置对应到地图上的道路上，然后将该对应信息交付给模块III。

模块III负责根据模块I和II交付的数据，进行对配置有路口线圈和没有路口线圈的路口转向车辆数目的估计工作。该估计工作基于以下估计方法：将参与估计的时间段按照等长度分为若干个时间间隔，每个时间间隔的长度为T，在每个T开始的时刻点，需要对该T内的即将转向的左转、右转、和直行的车辆数目进行估计；并且，以T为基准时间段长度，设置整数w为时间窗包含的时间T的个数，即W＝w×T为时间窗的长度。基于此时间规划，所述路口转向车辆数目估计方法包括以下三个模块及其子模块：

(1)数据收集模块，该模块负责收集路口车辆数目相关的数据。所述数据收集模块需要收集的数据分为两种，即(I)线圈测得的路段单位时间T内路口左转、直行、右转和总体的车辆数目N_L,N_S,N_R,N_A，(II)路段在T时间内的探测车辆PV的数量N_P。

(2)机器学习模块。该模块负责建立配置了线圈的路段的既往数据中路口上直行、左转、右转车辆数目与全部车辆数目之间的关系，并建立直行、左转、右转车辆数目与探测车辆数目的关系。而且，该模块负责根据路段之间的相似性，建立没有配置线圈的路段上，直行、左转、右转车辆数目与探测车辆数目之间的关系。下面以左转车辆数目N_L为例，说明这种关系的建立：

在配置有线圈的路段，线圈将检测出每一个时间T内从路段尾出去的总的车辆数目N_A以及左转的车辆数目N_L。则在w个时间T之后，也就是W时间(包含第1，2，…，w个时间T)之后，用机器学习的方法得出上述N_A和N_L之间的关系：N_L＝f(N_A)。同时，每个T内也计算出在该路段上的PV数目N_P，由此可以得出N_A与N_P之间的关系N_A＝g(N_P)，继而得出N_L与N_P之间的关系：N_L＝f·g(N_P)。

在没有配置线圈的路段，由于无法获得该路段的N_A值，因此无法通过上述方法得到N_L＝f·g(N_P)。在此种情况下，利用道路之间的相似性得出该关系。具体为：设没有线圈的某路段为r，所有配置有线圈的路段分别为u₁，u₂…u_m，其中m为没有配置线圈的路段的数目。从以下方面考虑每条u_i与r之间的相似性：路段形状、路段长度、路段宽度、路段方向、路段位置、路段之间的距离，等。由此得到u_i和r之间的相似性：pro(u_i,r)。则r的N_L与N_P之间的关系为：

(3)转向车辆数目估计模块。该模块估计在下一个时间T内，配置或者未配置线圈的路口的转向车辆的数目。在此依旧以N_L的估计方法为例进行说明。对于配置有线圈的路段，下一T内N_L的值要依据公式N_L＝f(N_A)进行估计，即 的数值根据与该路段之间相邻的上游路段在上一T内流向该路段的车辆数目进行估计。对于直接邻接上游没有线圈或者本身便没有线圈的路段，采用N_L＝f·g(N_P)进行左转车辆数目的估计，即此处根据与该路段相邻的上游路段将要流向该路段的PV车辆数目估计而来，此估计基于车辆的形式速度以及历史上路段之间转弯概率统计而得到。

在具体实施时，模块III每当一个T结束的时候，将上一个W内的w个T所得的数据进行整理，重新得到每一段路的左转、直行、右转和车辆总数的函数关系，或者得到左转、直行、右转车辆数目与PV车辆数目之间的函数关系。然后，模块III根据道路的邻接关系取得和的值。接下来，根据函数关系f或者f·g得到的值。而右转车辆和直行车辆的估计数目可以相似地得到。

Claims (2)

1.一种路口转向车辆数目估计方法，其特征在于：

路段进入道路交叉口的方向的末尾，按照是否安装线圈分为两类：布置线圈的路口和未布置线圈的路口；部分路口安装线圈(loop detector)，根据不同的车道功能以探测转向的车辆数目，进行历史数据收集与记录，因此可以根据即将进入道路的车辆的数目来估计将要进行转弯的车辆的数目；对于没有安装线圈的路段，利用探测车辆(probe vehicle)的GPS数据统计采样车辆数目，并根据路口之间的相似性，从有线圈的路口的转向车辆数目推算出没有线圈的路口的转向车辆数目；

将参与估计的时间段按照等长度分为若干个时间间隔，每个时间间隔的长度为T，在每个T开始的时刻点，需要对该T内的即将转向的左转、右转、和直行的车辆数目进行估计；并且，以T为基准时间段长度，设置整数w为时间窗包含的时间T的个数，即W＝w×T为时间窗的长度；

基于此时间规划，包括：

(1)数据收集阶段，负责收集路口车辆数目相关的数据：

需要收集的数据分为两种，即(I)线圈测得的路段单位时间T内路口左转、直行、右转和总体的车辆数目NL,NS,NR,NA，(II)路段在T时间内的探测车辆PV的数量NP；

(2)机器学习阶段，负责建立配置了线圈的路段的既往数据中路口上直行、左转、右转车辆数目与全部车辆数目之间的关系，并建立直行、左转、右转车辆数目与探测车辆数目的关系；而且，该步骤负责根据路段之间的相似性，建立没有配置线圈的路段上，直行、左转、右转车辆数目与探测车辆数目之间的关系；假设左转车辆数目NL，所述关系的建立：

在配置有线圈的路段，线圈将检测出每一个时间T内从路段尾出去的总的车辆数目NA以及左转的车辆数目NL；则在w个时间T之后，也就是W时间(包含第1，2，…，w个时间T)之后，用机器学习的方法得出上述NA和NL之间的关系：NL＝f(NA)；同时，每个T内也计算出在该路段上的PV数目NP，由此可以得出NA与NP之间的关系NA＝g(NP)，继而得出NL与NP之间的关系：NL＝f·g(NP)；

在没有配置线圈的路段，由于无法获得该路段的NA值，因此无法通过上述方法得到NL＝f·g(NP)；在此种情况下，利用道路之间的相似性得出该关系；具体为：设没有线圈的某路段为r，所有配置有线圈的路段分别为u1，u2…um，其中m为配置线圈的路段的数目；从以下方面考虑每条ui与r之间的相似性：路段形状、路段长度、路段宽度、路段方向、路 段位置、路段之间的距离；由此得到ui和r之间的相似性：pro(ui,r)；则r的NL与NP之间的关系为：i∈[1,m]；

(3)转向车辆数目估计阶段：估计在下一个时间T内，配置或者未配置线圈的路口的转向车辆的数目；对于配置有线圈的路段，下一T内NL的值NLest要依据公式NL＝f(NA)进行估计，即NLest＝f(NAest)；NAest的数值根据与该路段之间相邻的上游路段在上一T内流向该路段的车辆数目进行估计；对于直接邻接上游没有线圈或者本身便没有线圈的路段，采用NL＝f·g(NP)进行左转车辆数目的估计，即NLest＝f·g(NPest)，此处NPest根据与该路段相邻的上游路段将要流向该路段的PV车辆数目估计而来，此估计基于车辆的形式速度以及历史上路段之间转弯概率统计而得到。

2.一种路口转向车辆数目估计系统，其特征在于：是将权利要求1中所述的方法和涉及到的设备进行实地布置及应用的系统，本系统包含三个系统模块：

路口线圈数据收集与处理模块I

探测车辆PV数据收集与处理模块II

路口转向车辆数目预测模块III

路口线圈数据收集与处理模块I负责线圈数据的收集与处理，将格式化的数据交付给路口转向车辆数目预测模块III；

探测车辆PV数据收集与处理模块II负责探测车辆数据的收集与处理，将格式化的数据交付给路口转向车辆数目预测模块III；

路口转向车辆数目预测模块III负责根据路口线圈数据收集与处理模块I和探测车辆PV数据收集与处理模块II交付的数据，进行对配置有路口线圈和没有路口

线圈的路口转向车辆数目的估计工作。