CN105023445A - 一种区域交通动态调控方法及系统 - Google Patents
一种区域交通动态调控方法及系统 Download PDFInfo
- Publication number
- CN105023445A CN105023445A CN201410317760.5A CN201410317760A CN105023445A CN 105023445 A CN105023445 A CN 105023445A CN 201410317760 A CN201410317760 A CN 201410317760A CN 105023445 A CN105023445 A CN 105023445A
- Authority
- CN
- China
- Prior art keywords
- crossing
- flow
- traffic
- regional
- key
- 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.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种区域交通动态调控方法,包括选取一定路口设置反馈门控制路口,对路口进行排序,然后获得路口的车流量,再建立区域宏观基本图,当网络宏观净流量达到阈值时,对路口进行调节。该方案中,把交通控制与交通诱导相结合形成一个反馈式系统,利用检测器数据所得出的宏观网络基本图函数,在中心区外围进行动态截流,控制进入中心区的车流,减轻重要区域内的交通压力。
Description
技术领域
本发明涉及城市交通管理与控制领域,具体地说是一种基于宏观基本图的区域交通动态调控方法。
背景技术
城市中心区是指建成区内社会经济和土地开发活动最密集的那部分地域范围。由于城市中心区职能上的特点,城市中心区的交通往往呈现出突出的矛盾,大面积交通拥堵与交通瘫痪已成为大中型城市中心区频繁面临的问题,无论从发生时间的频度、还是从影响范围、速度,城市中心区的大面积交通拥堵对城市发展的总体影响日益明显。
通常交通拥堵的控制可以通过增加道路通行能力,或者减少交通需求这两种方式来实现。从现实的角度来说,不能靠无限制的修建新的交通设施扩大路网规模来解决问题。因此,在有限的资源条件下通过更好的交通管理控制手段对交通流进行科学的调控来达到缓解交通拥堵、提高城市机动性的目的,就变得更加重要。
国内外研究学者在大量研究后对于一些交通拥堵成因达成共识,如道路的阻塞与区域的交通需求有关,当达到路段通行能力上限时即会发生拥堵。DAGANZO C.F.在1996年提出了一个合并操作的连续模型,该模型描述了封闭的城市快环的交通流在没有外界干预情况下逐渐陷入瘫痪状态的过程,并研究通过限制主干路上的输入流量的比例使其低于某个临界水平来防止交通瘫痪的发生。加拿大的Hamilton Ontario通过研究高峰时期的交通拥堵,研究了高峰期的交通拥堵与交通平衡理论的关系。结果表明在交通往返快速通道的高峰期中,交通拥堵主要是由于达到了交通流量的上限。因此合理的控制路网的输入流量,以防止交通瘫痪的发生是解决交通拥堵的核心点。对于城市中心区而言,对中心区域交通总量进行调控是保障中心区交通顺畅的一个重要的方法。
交通总量控制是指最大限度地减少交通参与者的数量,缩短交通参与者的运行时间,减少交通参与者所占用的道路面积。当城市中心区域路网交通负荷接近饱和或者过饱和,没有交通压力转移的余地时,交通总量控制就成为解决问题的一个很好的选择。目前通常采用的区域交通总量调控的手段主要有以下几种:
错峰出行:通过出行方式优化以及文化宣传等手段,采用错峰出行。例如德国的错时上下班和弹性工作制,以及欧美等国提倡的交通出行“平峰”的手段。它有利于避免交通拥堵的生成。错时上下班和弹性工作制不仅仅是充分利用了道路资源,减少了交通拥堵,同时,也有利于减少环境污染和缓解公共交通运力紧张的情况。目前,中国重庆、杭州、深圳、温州、济南等城市也已相继推行错时上下班制度。
拥堵收费:交通拥堵收费是利用经济手段来控制交通需求的一种措施。交通拥堵收费作为交通需求管理中的一项重要内容,已经在伦敦、新加坡等城市进行了实践。虽然拥堵收费在控制交通需求、缓解交通拥挤方面的效果很显著,但是由于收费时段、收费区域、收费方式、收费对象等涉及到政策、法规、市民的支持程度等各方面的问题,并不一定能够得到实施。
按尾号限行:北京从2008年开始实施工作日车辆出行按尾号限行。2008年10月13日是北京市实施按尾号限行措施的第一个工作日,在早高峰时段,拥堵道路减少约三分之二,时速低于20公里的拥堵路段只有26条,而平时这一数量高达70余条。这种措施的实施需具备基本的条件和时机。同时也有人认为这种交通管控措施对交通拥堵的缓解只具有短期效应。
以上几种手段都是通过政策法规来调控城市中心区的交通总量,然而这两种措施不仅仅涉及交通问题,更涉及多元利益权衡,甚至影响到了公众利益,容易引起争议,此外,拥堵收费以及尾号限行的方式,只能短时缓解交通压力,不具有长期效果。
发明内容
为此,本发明所要解决的技术问题在于现有技术中调控城市中心区的交通总量的方法影响公众利益、只能短时缓解交通压力、长期执行效果差的问题,从而提出一种以区域边界交通反馈控制和区域内部均衡关键节点负载为核心技术的适用于城市中心区的区域交通动态调控方法。
为解决上述技术问题,本发明的提供一种区域交通动态调控方法,包括如下步骤:
在保障区域的周边选取若干路口作为反馈门控制路口,
将保障区域内的路口根据出行OD分布和路口连通性进行排序获得关键路口,在关键路口设置车辆检测器;
获取各个路口的车流量;
建立区域宏观基本图,根据路口的车流量实时计算网络宏观净流量,当该网络宏观净流量达到阈值时启动调控,读取各个反馈门控制路口的数据,选择进入该保障区域流量较大的路口,调整该路口信号灯,进入保障区域方向的路段延长红灯时间,离开保证区域位置的方向延长绿灯时间,经过一段时间后,重新进行网络宏观净流量的判断。
优选地,还包括在保障区域的外围,设置可变信息牌对区域外的流量进行诱导。
优选地,获取各个路口的车流量时,在关键路口通过车辆检测器检测车流量,其余无检测器路口的流量通过关键路段的流量进行预测。
优选地,对无检测器路口的流量进行预测的过程,包括:
获取设置车辆检测器的路口上检测器检测到的流量;
针对无检测器的路口,获取其周围的检测器;
通过多元线性回归的方式估计出无检测器路口的流量。
优选地,所述关键路口确定的过程,包括
从城市出行轨迹数据中提取出行的OD分布、路径选择的统计信息;
构建出行、路径、路口对应的模型;
结合出行的路径选择比例和路口等级确定权重,得到关键路口。
优选地,所述区域宏观基本图的横轴表示交通网络宏观净流量,纵轴表示重点区域净车公里数,通过曲线拟合的方式获得曲线函数。
一种区域交通动态调控系统,包括:
反馈单元:在保障区域的周边选取若干路口作为反馈门控制路口,
排序单元:将保障区域内的路口根据出行OD分布和路口连通性进行排序,获得关键路口,在关键路口设置车辆检测器;
流量获取单元:获取各个路口的车流量;
调控单元:建立区域宏观基本图,根据路段的车流量实时计算网络宏观净流量,当该网络宏观净流量达到阈值时启动调控,读取各个反馈门控制路口的数据,选择进入该保障区域流量较大的路口,调整该路口信号灯,进入保障区域方向的路段延长红灯时间,离开保证区域位置的方向延长绿灯时间,经过一段时间后,重新进行网络宏观净流量的判断。
优选地,还包括诱导提示单元:在保障区域的外围,设置可变信息牌对区域外的流量进行诱导。
优选地,流量获取单元还包括:
检测器流量监测单元:在关键路口通过车辆检测器检测车流量;
流量预测单元:其余无检测器路口的流量通过关键路口的流量进行预测。
优选地,流量预测单元还包括:
第一子单元:获取设置检测器的路口上检测器检测到的流量;
第二子单元:针对无检测器的路口,获取其周围的检测器;
第三子单元:通过多元线性回归的方式估计出无检测器路口的流量。
本发明的上述技术方案相比现有技术具有以下优点,
(1)本发明提供一种区域交通动态调控方法,包括选取一定路口设置反馈门控制路口,对路口进行排序,然后获得路口的车流量,再建立区域宏观基本图,当网络宏观净流量达到阈值时,对路口进行调节。该方案中,把交通控制与交通诱导相结合形成一个反馈式系统,利用检测器数据所得出的宏观网络基本图函数,在中心区外围进行动态截流,控制进入中心区的车流,减轻重要区域内的交通压力。
(2)本发明所述的区域交通动态调控方法,基于城市中心区域道路检测器,获得宏观基本图(MFD)并拟合成具体方程,该部分可以准确描述重要区域内交通演化状态,定量获得交通拥堵发生时的阀值,从而准确把握重要区域内部交通宏观规律,用于缓解城市交通拥堵。
(3)本发明所述的区域交通动态调控方法,获取路段的车流量时,在关键路段设置检测器检测车流量,其余无检测器路段的流量通过关键路段的流量进行预测。不仅节约了资源,且达到了合理预测车流量的目的。
(4)本发明所述的区域交通动态调控方法,在保障区域的外围,设置可变信息牌对区域外的流量进行诱导,确保保障区域外部在进行门控制后能够及时适应信号变化,迅速使门控制附近交通拥堵衰减。交通诱导分流主要是通过临时交通管制、交通信号控制系统和交通诱导系统等对限制在中心城区外的交通流进行疏导以及保证交通安全。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中
图1是本发明的区域交通动态调控方法的流程图;
图2是本发明的区域交通动态调控方法的反馈门控制策略的控制逻辑示意图;
图3是本发明的区域交通动态调控方法的反馈门的位置示意图;
图4是本发明的区域交通动态调控方法的关键节点排序示意图;
图5是本发明的区域交通动态调控方法的区域宏观基本图。
具体实施方式
实施例1:
本实施例中提供一种区域交通动态调控方法,流程图如图1所示,包括如下步骤:
(1)在保障区域的周边选取若干路口作为反馈门控制路口。
对于点、线、面的信号控制系统,国内外的学者都做了很多研究。然而基于点或线的信号控制只能改善局部的交通状况,使单个交叉口的效益最大化,却无法应对目前区域性的大范围的交通拥堵。而现有的面控系统,在未饱和的交通条件下能够提高路网的整体运行效率,但在交通拥挤条件下则不适用,目前国内外均无成熟的适用于交通拥挤条件下的系统控制方案投入使用。美国联邦公路管理委员会的一份报告指出“目前并没有一个能有效应对交通拥堵状况的信号优化工具”。“反馈门”被作为应对饱和或过饱和状态的城市路网的一种控制方式。Mehdi等认为通过合适的反馈控制策略,可以一定程度的提高饱和交通流的通过效率。
在本步骤中,通过选取若干路口作为反馈门控制路口,为后续的反馈门控制创造条件。
(2)将保障区域内的路口根据出行OD分布和路口连通性进行排序,获得关键路口,在关键路口设置车辆检测器。
获得路口的交通流量信息是进行调控的前提,虽然仿真方法可以简单的获得各个道路的交通信息,但由于经费的有限和人工维护的复杂性,实际在城市中心区内所有的城市道路上布设线圈检测器是不现实的。在关键线路上设置检测器,可以在保证精度的前提下得到效果比较好的MFD(宏观基本图)。检测器的数量及设置位置就成为关键。
近年来,研究发现路网呈现明显的无标度特征,路口节点和交通流量之间符合幂率分布。这意味着少数节点及路段承担着主要交通运输量,并且当少数关键节点或重要路段发生故障,往往会引起大面积拥堵,甚至可能导致整个路网的崩溃。因此我们将探测器安装在城市中心区域内的关键节点上。
近年来,国内外一些学者开始结合道路网络的特性,对路网中的关键节点的识别方法展开了相关的研究。这些研究有的是从节点的显著性来考虑节点的重要程度,有的则是从节点的破坏性来衡量节点的重要程度。不同概念对于模型计算结果有直接的影响,会直接降低计算结果的可比性。
本实施例中采用了一种基于出行OD分布和路口连通性的识别方法。该方法从城市出行轨迹数据中提取出行的OD分布,和路径选择的统计信息。引入出行的负载度、路径热度和路口关键度概念,构建出行-路径-路口的三部图模型来刻画三者间的互贡献关系。结合出行的路径选择比例和路口等级来确定互贡献关系的权重。即越多的高负载出行所选择的路径越热门,越多的热门路径所经过的路口越关键,反之亦然。该方法有机的结合了路网的拓扑结构和交通流特征,并考虑了旅行OD分布统计特征和路口连通度的相关性。可以更准确的识别出高连通度的关键路口。
识别出关键路口后,在该关键路口设置车辆检测器,获得其流量信息,便于后续调控。
(3)获取路段的车流量。获取各个路口的车流量时,在关键路口设置检测器检测车流量,其余无检测器路口的流量通过关键路段的流量进行预测。
对无检测器路口的流量进行预测的过程,包括:
获取设置检测器的路口上检测器检测到的流量;
针对无检测器的路口,获取其周围的检测器;
通过多元线性回归的方式估计出无检测器路口的流量。
获取路段的车流量时,在关键路段设置检测器检测车流量,其余无检测器路段的流量通过关键路段的流量进行预测。不仅节约了资源,且达到了合理预测车流量的目的。
(4)建立区域宏观基本图,根据路段的车流量实时计算网络宏观净流量,当该网络宏观净流量达到阈值时启动调控,读取各个反馈门控制路口的数据,选择进入该保障区域流量较大的路口,调整该路口信号灯,进入保障区域方向的路段延长红灯时间,离开保证区域位置的方向延长绿灯时间,经过一段时间后,重新进行网络宏观净流量的判断,根据判断结果重新按照上述调控方法进行调控。
所述区域宏观基本图的横轴表示交通网络宏观净流量,纵轴表示重点区域净车公里数,通过曲线拟合的方式获得曲线函数。
宏观基本图(Macroscopic Fundamental Diagram MFD)是道路网络的基本属性,是交通网络管理的核心概念,最早于1969年由Godfrey提出,主要用于描述交通流密度、流量与速度等的关系。任意规模的路网都拥有自己的宏观基本图。通过确定网络的MFD可以得到网络基本参数之间的关系,更为科学地了解网络交通流变化规律。
Geroliminis和Daganzo对旧金山商业区进行了交通仿真,得到密度与流量之间的宏观基本图。Geroliminis和Daganzo利用日本横滨的浮动车数据进一步证明了宏观基本图的存在;马莹莹通过VISSIM对选定路网的仿真,并对最后的输出结果进行拟合,发现,当网络内交通流量在一定范围内时,区域中的输出车辆数保持不变,即其图形类似一个梯形。Daganzo和Geroliminis通过分析得出,虽然建立MFD的数据来源于道路检测器的检测结果,但是MFD与检测器本身以及其位置没有关系,只与网络本身有关。有研究表明尽管MFD的形状依赖于OD需求,然而这个关系并不随时间而变化。因此我们用宏观基本图的概念来描述网络中移动的车辆数和网络运行水平之间的关系,从而确定触发反馈门的阈值。
Q(k)=Σa∈AQa(k) (1)
D(k)=Σb∈Bqb(k)·Lb (2)
其中:Q(k)指总的区域流量;D(k)指设有检测器路段上的总旅行距离;a是所有车道;b是装有检测器的车道。
反馈门控制策略是根据前述建立的路网宏观基本图MFD,对路网区域交通运行状态进行总体调控,利用在关键节点路段设置的检测器返回的数据对网络流入量(inflow)、网络车辆总数N(或密度K)和网络流出量(outflow)
进行监控,通过区域边界设置的“反馈门”控制网络流入量,将网络车辆总数N(或密度K)维持在其合理可行范围内,以提高或维持网络流量Q。
反馈门控制策略的内部计算流程如下:
(1)输入NV(t)'经过叠加反馈信号和系统延误,得到qin=qg(t-τ);
(2)qd代表未安装检测器路段输入调控区域的车流,qout代表离开区域的车辆(假设其数值同STD(t)正相关:qout=η·STD(t)),所以区域总量N的微小变动为
(3)由于区域内存在无检测器道路,所以NV(t)需要由N转换得出:
NV(t)=A·N(t)+ε1;
(4)同时根据仿真数据分析,我们得出STD(t)=f[NV(t)]+ε2关系式,其中f代表二次函数;
(5)传递函数求解:
设系统各扰动为0,将原方程在最优值 处线性化:
本实施例提供的方案,在城市中心区车流总量达到饱和的情况下,基于宏观基本图对区域总量进行动态调控,同时结合交通诱导等措施,不但能有效缓解区域的交通压力,引导交通流在区域内合理均匀分布,提高整个区域的通行量和vc比;同时为区域交通管控方案提供了切实可行的技术方法,也为大中型城市区域交通问题的分析和改善提供了可资借鉴的思路和方法。该方案实施后可以显著提高区域内部平均车速,减少平均旅行时间,确保主干道交通畅通,同时由于走走停停现象的减少,可以减少怠速状态下的尾气排放。
在其他的实施方式中,还包括在保障区域的外围,设置可变信息牌对区域外的流量进行诱导。确保保障区域外部在进行门控制后能够及时适应信号变化,迅速使门控制附近交通拥堵衰减。交通诱导分流主要是通过临时交通管制、交通信号控制系统和交通诱导系统等对限制在中心城区外的交通流进行疏导以及保证交通安全。
实施例2:
本实施例中提供一种具体的区域交通动态调整方法。
第一步,选取反馈门控制路口。
目前,城市路网中某些关键区域明显存在高峰时段延长、拥堵现象加重、潮汐现象明显等相关特征。在研究区域周边选取了若干个个路口作为反馈门控制路口。通过对反馈门进行信号控制以达到控制保障区域内交通总量的目的。而在保障区域的外围,通过设置可变信息牌等对区域外的流量进行诱导,保障限流的交通量在此区域外消化。如图3所示,给出了反馈门的位置示意图。
第二步,选定关键节点及重要路段。将保障区域内的路口根据出行OD分布和路口连通性进行排序获得关键路口,在关键路口设置车辆检测器。
首先,利用基于出行OD分布和路口连通性的关键节点排序方法,将研究区域内的所有节点进行排序,图4是把求得的节点排名值排序的结果,其中,大的节点代表排序靠前,粗的线条表示大流量。可以从图上直观的看到哪些节点更重要。如图4中的关键节点排序,在这些关键节点设置车辆检测器,用于实时监测关键节点的车流信息。
第三步,获取各个路口的车流量。获取各个路口的车流量时,在关键路口设置检测器检测车流量,其余无检测器路口的流量通过关键路段的流量进行预测。
无检测器路段流量预测的过程如下:
由于实际条件限制,无法保证区域内所有路段均安装有检测器记录交通数据,因此需要采用数理统计方法获得无检测器路段的数据,用于下一步的分析。我们采用多元线性回归算法预测检测器路段的流量。
1、关键节点上设置的检测器对应流量作为自变量{X1,X2,X3,...,Xi};
2、对应实际无检测器的虚拟检测器流量{Xi+1,Xi+2,Xi+3,...,Xj}作为因变量;
3、根据实际情况,认为{Xi+1,Xi+2,Xi+3,...,Xj}对应检测器检测数据只同其附近区域的实际存在检测器数据密切相关,不考虑过远的检测器。本研究采用元胞自动机中的Moore型邻居理论,选取每个{Xi+1,Xi+2,Xi+3,...,Xj}检测器周围的8个Moore邻居检测器用于多元回归;
4、采用SPSS软件进行n次多元线性回归,每次获得形如Xa=β0+β1Xa1+β2Xa2+…βabXa8+ε,Xa∈{Xi+1,Xi+2,Xi+3,…,Xj},Xam∈{X1,X2,X3,...Xi,m∈(1,2,...,8)}
5、对n次回归获得的参数β0,β1,β2,...,β8进行总体回归参数的最小二乘估计,获得最优无偏估计量b0,b1,b2,...,b8,针对式尾的随机扰动,可以采用残差平方和除以其自由度来估计,即
S2是随机扰动项的方差σ2的无偏估计。
第四步,建立区域宏观基本图。
对研究区域进行仿真建模,利用仿真输出的数据,建立区域道路网络的MFD,确定临界点。在该基本图中,横轴表示交通网络宏观净流量(NetVolume,NV),即每隔一段时间内在路网中出现过的总交通量,而不是单纯的某一时间点时在路网中的实时交通量;纵轴表示重点区域净车公里数(Selected Travelled Distance,STD),也可以理解为重点区域加权流量,即对每一段时间内通过部分路段的交通量与其所在路段长度的乘积求和。如图5所示的区域宏观基本图。
图5所示为试验数据叠加的网络通行能力基本图,图中曲线为拟合的二次方程曲线。从图5中可以看出,在仿真初始阶段,由于路段上车辆较少,重点区域净车公里数随网络宏观净流量的增加而逐渐增加;在网络宏观净流量到达NVm时,重点区域净车公里数到达最大值STDmax,此时区域网络达到饱和状态;之后若横轴继续增加,纵轴数值反而下降,即出现交通拥堵现象;整个区域宏观净流量在达到最大值后不再增加,数值点随后开始在附近波动。
该图表明:随着进入重点保障区域的交通量越来越多,通行效率在达到一个拐点后开始缓慢下降。该定量分析表明当区域内的交通总量接近或达到饱和时,通过区域的交通流量反而呈下降趋势。因此,如果能够将区域内的交通总量控制在饱和区域内,就可以保证区域的交通流通过量最大。
通过对散点图进行拟合,发现该系列数值点符合二次函数曲线形式。
f(x)=p1x2+p2x+p3
第五步,宏观交通调控。
根据宏观网络基本图,对实际路网交通信号灯进行调控。
(1)根据区域内部检测器实时计算网络宏观净流量,当到达NVm时启动调控机制;
(2)对门控制交叉口检测器进行判断,读取门交叉口处在控制区域内部的路段数据,选择进入区域流量/车道最大的交叉口;
(3)调整该交叉口信号灯,周期长度不变,进入区域方向的路段红灯增加t,而同一相位离开区域的方向绿灯增加t,其余相位不变;
(4)经过时间T,返回(1)。
此外,调控过程中还包括区域外围交通诱导。
当某一交叉口开始进行门控制后,通过在此交叉口区域外围的VMS诱导屏实时显示控制情况,告知驾驶员该交叉口区域内部已经发生严重拥堵,并实时显示备选路段交通通行情况(流量、平均速度),诱导区域外围车辆绕行。
由仿真结果中可以看出,采用区域动态调控后:区域平均行程车速提高21.36%,主路旅行时间缩短10.50%,研究区域内关键路口平均VC比(也称V/C比是指交通量与相应路段的通行能力的比值,是反映路段拥堵程度的一个相对量)由0.67提高至0.84,区域平均旅行时间提高了3.42%,平均延误减少了6.08%;区域的流量提高了5.79%。可见,该调控方法的效果还是很明显的。
本实施例提供的区域交通动态调整方法,在城市中心区车流总量达到饱和的情况下,基于宏观基本图对区域总量进行动态调控,同时结合交通诱导等措施,不但能有效缓解区域的交通压力,引导交通流在区域内合理均匀分布,提高整个区域的通行量和vc比;同时为区域交通管控方案提供了切实可行的技术方法,也为大中型城市区域交通问题的分析和改善提供了可资借鉴的思路和方法。
实施例3:
本实施例中提供一种与上述区域交通动态调整方法对应的区域交通动态调控系统,包括:
反馈单元:在保障区域的周边选取若干路口作为反馈门控制路口,
排序单元:将保障区域内的路口根据出行OD分布和路口连通性进行排序,获得关键路口,在关键路口设置车辆检测器;
流量获取单元:获取各个路口的车流量;
调控单元:建立区域宏观基本图,根据路段的车流量实时计算网络宏观净流量,当该网络宏观净流量达到阈值时启动调控,读取各个反馈门控制路口的数据,选择进入该保障区域流量较大的路口,调整该路口信号灯,进入保障区域方向的路段延长红灯时间,离开保证区域位置的方向延长绿灯时间,经过一段时间后,重新进行网络宏观净流量的判断。
在优选的实施方案中,还包括诱导提示单元:在保障区域的外围,设置可变信息牌对区域外的流量进行诱导。
进一步地,本实施例中的流量获取单元还包括:
检测器流量监测单元:在关键路口设置检测器检测车流量;
流量预测单元:其余无检测器路口的流量通过关键路口的流量进行预测。
上述流量预测单元还包括:
第一子单元:获取设置检测器的路口上检测器检测到的流量;
第二子单元:针对无检测器的路口,获取其周围的检测器;
第三子单元:通过多元线性回归的方式估计出无检测器路口的流量。
本实施例中的区域交通动态调控系统,把交通控制与交通诱导相结合形成一个反馈式系统,利用检测器数据所得出的宏观网络基本图函数,在中心区外围进行动态截流,控制进入中心区的车流,减轻重要区域内的交通压力。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种区域交通动态调控方法,其特征在于,包括如下步骤:
在保障区域的周边选取若干路口作为反馈门控制路口,
将保障区域内的路口根据出行OD分布和路口连通性进行排序获得关键路口,在关键路口设置车辆检测器;
获取各个路口的车流量;
建立区域宏观基本图,根据路口的车流量实时计算网络宏观净流量,当该网络宏观净流量达到阈值时启动调控,读取各个反馈门控制路口的数据,选择进入该保障区域流量较大的路口,调整该路口信号灯,进入保障区域方向的路段延长红灯时间,离开保证区域位置的方向延长绿灯时间,经过一段时间后,重新进行网络宏观净流量的判断。
2.根据权利要求1所述的区域交通动态调控方法,其特征在于,还包括在保障区域的外围,设置可变信息牌对区域外的流量进行诱导。
3.根据权利要求1或2所述的区域交通动态调控方法,其特征在于,获取各个路口的车流量时,在关键路口通过车辆检测器检测车流量,其余无检测器路口的流量通过关键路段的流量进行预测。
4.根据权利要求3所述的区域交通动态调控方法,其特征在于,对无检测器路口的流量进行预测的过程,包括:
获取设置车辆检测器的路口上检测器检测到的流量;
针对无检测器的路口,获取其周围的检测器;
通过多元线性回归的方式估计出无检测器路口的流量。
5.根据权利要求1或2或4所述的区域交通动态调控方法,其特征在于,所述关键路口确定的过程,包括
从城市出行轨迹数据中提取出行的OD分布、路径选择的统计信息;
构建出行、路径、路口对应的模型;
结合出行的路径选择比例和路口等级确定权重,得到关键路口。
6.根据权利要求1所述的区域交通动态调控方法,其特征在于,所述区域宏观基本图的横轴表示交通网络宏观净流量,纵轴表示重点区域净车公里数,通过曲线拟合的方式获得曲线函数。
7.一种区域交通动态调控系统,其特征在于,包括:
反馈单元:在保障区域的周边选取若干路口作为反馈门控制路口,
排序单元:将保障区域内的路口根据出行OD分布和路口连通性进行排序,获得关键路口,在关键路口设置车辆检测器;
流量获取单元:获取各个路口的车流量;
调控单元:建立区域宏观基本图,根据路段的车流量实时计算网络宏观净流量,当该网络宏观净流量达到阈值时启动调控,读取各个反馈门控制路口的数据,选择进入该保障区域流量较大的路口,调整该路口信号灯,进入保障区域方向的路段延长红灯时间,离开保证区域位置的方向延长绿灯时间,经过一段时间后,重新进行网络宏观净流量的判断。
8.根据权利要求7所述的区域交通动态调控系统,其特征在于,还包括诱导提示单元:在保障区域的外围,设置可变信息牌对区域外的流量进行诱导。
9.根据权利要求7或8所述的区域交通动态调控系统,其特征在于,流量获取单元还包括:
检测器流量监测单元:在关键路口通过车辆检测器检测车流量;
流量预测单元:其余无检测器路口的流量通过关键路口的流量进行预测。
10.根据权利要求9所述的区域交通动态调控方法,其特征在于,流量预测单元还包括:
第一子单元:获取设置检测器的路口上检测器检测到的流量;
第二子单元:针对无检测器的路口,获取其周围的检测器;
第三子单元:通过多元线性回归的方式估计出无检测器路口的流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410317760.5A CN105023445A (zh) | 2014-07-04 | 2014-07-04 | 一种区域交通动态调控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410317760.5A CN105023445A (zh) | 2014-07-04 | 2014-07-04 | 一种区域交通动态调控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105023445A true CN105023445A (zh) | 2015-11-04 |
Family
ID=54413378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410317760.5A Pending CN105023445A (zh) | 2014-07-04 | 2014-07-04 | 一种区域交通动态调控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105023445A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106128133A (zh) * | 2016-07-18 | 2016-11-16 | 合肥工业大学 | 一种基于交通效率和网络能耗的区域交通控制方法 |
CN106530753A (zh) * | 2016-12-12 | 2017-03-22 | 广州二通通信科技有限公司 | 一种智能交通灯控制系统 |
CN106530768A (zh) * | 2016-12-29 | 2017-03-22 | 广西航程威特科技有限公司 | 一种用于区域控制的交通管制系统及其管理方法 |
CN106683420A (zh) * | 2017-02-16 | 2017-05-17 | 刘姗姗 | 景区机动车数量超负荷调控系统 |
CN106781558A (zh) * | 2017-01-20 | 2017-05-31 | 华南理工大学 | 车联网下基于宏观基本图的主通道交通流快速疏导方法 |
CN106960582A (zh) * | 2017-03-12 | 2017-07-18 | 浙江大学 | 一种基于宏观基本图的区域瓶颈控制的方法 |
CN106971565A (zh) * | 2017-04-22 | 2017-07-21 | 高新兴科技集团股份有限公司 | 一种基于物联网的区域交通边界控制与诱导协同方法及系统 |
CN108447252A (zh) * | 2018-02-06 | 2018-08-24 | 浙江工业大学 | 一种基于乘客od人均排放计算模型的车辆调配方法 |
CN108648446A (zh) * | 2018-04-24 | 2018-10-12 | 浙江工业大学 | 一种基于mfd的路网交通信号迭代学习控制方法 |
WO2019007126A1 (zh) * | 2017-07-06 | 2019-01-10 | 广东交通职业技术学院 | 车联网下基于mfd和排队长度的路网边界限流控制方法 |
CN109858559A (zh) * | 2019-02-14 | 2019-06-07 | 同济大学 | 基于交通流宏观基本图的自适应交通分析路网简化方法 |
CN109872538A (zh) * | 2019-04-16 | 2019-06-11 | 广东交通职业技术学院 | 基于mfd的饱和交叉口群多层边界迭代学习控制方法和装置 |
CN109887280A (zh) * | 2019-02-28 | 2019-06-14 | 北京航空航天大学 | 一种交通网络节点关键度评估方法 |
CN110047288A (zh) * | 2019-04-24 | 2019-07-23 | 葛志凯 | 缓解道路拥堵的方法和系统 |
CN110751841A (zh) * | 2018-07-24 | 2020-02-04 | 阿里巴巴集团控股有限公司 | 区域交通控制方法、设备、系统及存储介质 |
CN112466126A (zh) * | 2020-11-13 | 2021-03-09 | 北方工业大学 | 一种基于mfd的路网可拓展区域控制方法 |
CN112614356A (zh) * | 2020-12-15 | 2021-04-06 | 中国联合网络通信集团有限公司 | 交通控制方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281685A (zh) * | 2008-01-30 | 2008-10-08 | 吉林大学 | 区域混合交通自适应信号协调控制方法 |
CN102446419A (zh) * | 2010-10-15 | 2012-05-09 | 白雪宁 | 一种智能交通灯 |
WO2012104720A1 (en) * | 2011-02-03 | 2012-08-09 | Toyota Jidosha Kabushiki Kaisha | Traffic congestion detection apparatus and vehicle control apparatus |
CN102867424A (zh) * | 2012-09-26 | 2013-01-09 | 杭州鼎鹏交通科技有限公司 | 一种区域协调交通控制方法 |
CN103021191A (zh) * | 2012-11-22 | 2013-04-03 | 浙江理工大学 | 智能交通控制装置及控制方法 |
CN103473935A (zh) * | 2013-09-03 | 2013-12-25 | 青岛海信网络科技股份有限公司 | 基于感应检测器的路口交通拥堵判定及控制方法和系统 |
CN103632554A (zh) * | 2012-08-28 | 2014-03-12 | 青岛联合创新技术服务平台有限公司 | 智能调流红绿灯系统及其工作方法 |
-
2014
- 2014-07-04 CN CN201410317760.5A patent/CN105023445A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281685A (zh) * | 2008-01-30 | 2008-10-08 | 吉林大学 | 区域混合交通自适应信号协调控制方法 |
CN102446419A (zh) * | 2010-10-15 | 2012-05-09 | 白雪宁 | 一种智能交通灯 |
WO2012104720A1 (en) * | 2011-02-03 | 2012-08-09 | Toyota Jidosha Kabushiki Kaisha | Traffic congestion detection apparatus and vehicle control apparatus |
CN103632554A (zh) * | 2012-08-28 | 2014-03-12 | 青岛联合创新技术服务平台有限公司 | 智能调流红绿灯系统及其工作方法 |
CN102867424A (zh) * | 2012-09-26 | 2013-01-09 | 杭州鼎鹏交通科技有限公司 | 一种区域协调交通控制方法 |
CN103021191A (zh) * | 2012-11-22 | 2013-04-03 | 浙江理工大学 | 智能交通控制装置及控制方法 |
CN103473935A (zh) * | 2013-09-03 | 2013-12-25 | 青岛海信网络科技股份有限公司 | 基于感应检测器的路口交通拥堵判定及控制方法和系统 |
Non-Patent Citations (1)
Title |
---|
杜怡曼 等: ""基于宏观基本图的区域交通总量动态调控技术"", 《交通运输系统工程与信息》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106128133A (zh) * | 2016-07-18 | 2016-11-16 | 合肥工业大学 | 一种基于交通效率和网络能耗的区域交通控制方法 |
CN106530753B (zh) * | 2016-12-12 | 2019-04-30 | 广州二通通信科技有限公司 | 一种智能交通灯控制系统 |
CN106530753A (zh) * | 2016-12-12 | 2017-03-22 | 广州二通通信科技有限公司 | 一种智能交通灯控制系统 |
CN106530768A (zh) * | 2016-12-29 | 2017-03-22 | 广西航程威特科技有限公司 | 一种用于区域控制的交通管制系统及其管理方法 |
CN106781558A (zh) * | 2017-01-20 | 2017-05-31 | 华南理工大学 | 车联网下基于宏观基本图的主通道交通流快速疏导方法 |
CN106781558B (zh) * | 2017-01-20 | 2020-02-18 | 华南理工大学 | 车联网下基于宏观基本图的主通道交通流快速疏导方法 |
CN106683420A (zh) * | 2017-02-16 | 2017-05-17 | 刘姗姗 | 景区机动车数量超负荷调控系统 |
CN106960582A (zh) * | 2017-03-12 | 2017-07-18 | 浙江大学 | 一种基于宏观基本图的区域瓶颈控制的方法 |
CN106971565B (zh) * | 2017-04-22 | 2019-08-23 | 高新兴科技集团股份有限公司 | 基于物联网的区域交通边界控制与诱导协同方法及系统 |
CN106971565A (zh) * | 2017-04-22 | 2017-07-21 | 高新兴科技集团股份有限公司 | 一种基于物联网的区域交通边界控制与诱导协同方法及系统 |
WO2019007126A1 (zh) * | 2017-07-06 | 2019-01-10 | 广东交通职业技术学院 | 车联网下基于mfd和排队长度的路网边界限流控制方法 |
CN108447252A (zh) * | 2018-02-06 | 2018-08-24 | 浙江工业大学 | 一种基于乘客od人均排放计算模型的车辆调配方法 |
CN108447252B (zh) * | 2018-02-06 | 2020-05-22 | 浙江工业大学 | 一种基于乘客od人均排放计算模型的车辆调配方法 |
CN108648446A (zh) * | 2018-04-24 | 2018-10-12 | 浙江工业大学 | 一种基于mfd的路网交通信号迭代学习控制方法 |
CN110751841A (zh) * | 2018-07-24 | 2020-02-04 | 阿里巴巴集团控股有限公司 | 区域交通控制方法、设备、系统及存储介质 |
CN109858559A (zh) * | 2019-02-14 | 2019-06-07 | 同济大学 | 基于交通流宏观基本图的自适应交通分析路网简化方法 |
CN109858559B (zh) * | 2019-02-14 | 2020-11-27 | 同济大学 | 基于交通流宏观基本图的自适应交通分析路网简化方法 |
CN109887280A (zh) * | 2019-02-28 | 2019-06-14 | 北京航空航天大学 | 一种交通网络节点关键度评估方法 |
CN109887280B (zh) * | 2019-02-28 | 2020-04-24 | 北京航空航天大学 | 一种交通网络节点关键度评估方法 |
CN109872538A (zh) * | 2019-04-16 | 2019-06-11 | 广东交通职业技术学院 | 基于mfd的饱和交叉口群多层边界迭代学习控制方法和装置 |
CN110047288A (zh) * | 2019-04-24 | 2019-07-23 | 葛志凯 | 缓解道路拥堵的方法和系统 |
CN112466126A (zh) * | 2020-11-13 | 2021-03-09 | 北方工业大学 | 一种基于mfd的路网可拓展区域控制方法 |
CN112614356A (zh) * | 2020-12-15 | 2021-04-06 | 中国联合网络通信集团有限公司 | 交通控制方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105023445A (zh) | 一种区域交通动态调控方法及系统 | |
Hegyi et al. | Model predictive control for optimal coordination of ramp metering and variable speed limits | |
CN102819955B (zh) | 基于车辆行程数据的道路网运行评价方法 | |
CN104821080B (zh) | 基于宏观城市交通流的智能车辆行驶速度及时间预测方法 | |
CN104157139B (zh) | 一种交通拥堵预测方法及可视化方法 | |
Madireddy et al. | Assessment of the impact of speed limit reduction and traffic signal coordination on vehicle emissions using an integrated approach | |
CN103278168B (zh) | 一种面向交通热点规避的路径规划方法 | |
Ding et al. | Forecasting traffic volume with space-time ARIMA model | |
CN103839411B (zh) | 一种基于动态交通信息的事故影响范围分析方法 | |
CN103996289B (zh) | 一种流量-速度匹配模型及行程时间预测方法及系统 | |
CN101639871B (zh) | 面向行为研究的车载动态交通信息诱导系统模拟设计方法 | |
CN101894477A (zh) | 一种城市信号灯控制道路网络交通自锁控制方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
Lu et al. | Using taxi GPS data for macroscopic traffic monitoring in large scale urban networks: calibration and MFD derivation | |
CN101930670A (zh) | 公交行驶路段社会车辆运行时间预测方法 | |
CN107368931A (zh) | 基于大数据分析技术的物流配送路径动态规划方法及系统 | |
CN105405294A (zh) | 道路拥堵路段的预警方法 | |
Gressai et al. | Investigating the impacts of urban speed limit reduction through microscopic traffic simulation | |
CN106530710A (zh) | 一种面向管理者的高速公路交通指数预测方法和系统 | |
CN104182633A (zh) | 分层次的交通运行评价方法 | |
Xu et al. | Traffic state evaluation based on macroscopic fundamental diagram of urban road network | |
Ge et al. | Energy-sustainable traffic signal timings for a congested road network with heterogeneous users | |
Vyas et al. | Impact of Construction Work Zone on Urban Traffic Environment | |
CN106781495A (zh) | 快速发现导致城市道路交通拥堵源头位置的方法和系统 | |
Hamad | Using traffic simulation to quantify performance improvement due to vehicular traffic reduction at a university campus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151104 |
|
RJ01 | Rejection of invention patent application after publication |