CN105809993A - 一种基于车辆停止线通过时间推算路口信号灯配时的方法 - Google Patents

Abstract

一种基于车辆停止线通过时间推算路口信号灯配时的方法，其对车辆通过路口的轨迹数据进行采样，计算车辆通过停止线的时间，根据相邻两个信号周期下的车辆通过停止线时间计算信号周期车头时距，根据信号周期车头时距计算相应路口的红灯时长，从而得到该路口的信号灯配时。本方法在现阶段计算机处理能力下有效实现数据挖掘，推算对应的信号灯配时，为人们智慧出行和智慧城市的建设提供更加精确和科学的建议。

Description

一种基于车辆停止线通过时间推算路口信号灯配时的方法

技术领域

本发明涉及数据处理技术、道路状态分析技术及模型构建的方法，特别涉及将移动互联网数据用于估算城市交叉口信号配时方案估计的方法。

背景技术

道路交通信号灯是用以加强道路交通管理，减少交通事故的发生，提高道路使用效率，改善交通状况的一种重要工具，被广泛应用于十字、丁字等交叉路口，由道路交通信号控制机控制，以指导车辆和行人安全有序地通行。

合理的信号灯配时方案可以提高交叉口的通行能力，目前对于信号灯配时方面的研究大都是对信号灯配时方案进行优化。然而，城市信号灯配时信息也是有一定的应用价值的。当今，人们生活节奏的加快，使其对交通状态、出行时间、路径的预知有了更高的期望，人们期望得知在驾驶车辆通过或一段时间内将要通过交叉口时所需要的旅行时间和在该交叉口的等待时间。因此，可以通过将交叉口信号灯的配时信息经过处理后上传至车载或手机软件，分析出车辆在该路口需要等待的时间，并将运算结果直接传送给驾驶员。驾驶员可以根据结果决定是等待通过该路口还是选择其他路径，同时也降低了驾驶员在等待信号灯时由于不知道等待时间而产生的不安情绪。

当前技术中，一般通过使用固定位置的检测器(线圈)计算和评估信号配时，这种方式不适用于大范围区域，只能获取几个或小范围区域内的信号灯配时信息，想要以此办法获取大范围区域内或整个城市的信号灯配时信息比较困难。当前，城市信号灯配时信息大都掌握在交通管理部门，并不对外公开，且同一信号灯的配时方案也可能随着交通管理的需求进行变更。因此，寻找一种方法能够根据可以获取的数据推算出大范围内或整个城市的信号灯配时信息是非常有必要和有意义的。

发明内容

本发明所要解决的技术问题是：如何估算大范围的交通信号灯配时。

本发明采用以下技术方案来实现：

一种基于车辆停止线通过时间推算路口信号灯配时的方法，包括以下步骤：

S01：对车辆通过路口的轨迹数据进行采样；

S02：计算第i个车辆在采样点和之间的平均行驶速度其中是车辆通过路口停止线前的最后一个采样点，是通过路口停止线后的第一个采样点；

S03：根据平均行驶速度计算车辆通过停止线的时间ptⁱ；

S04：根据相邻两个信号周期下的车辆通过停止线的时间，计算信号周期车头时距tt^k,信号周期车头时距tt^k表示在相邻两个信号周期下，前后依序通过同一停止线的两车辆间的车头时距，即当第i个车辆在该路口第k绿灯时段通过路口，且第i+1车辆在该路口第k+1绿灯时段通过路口；

S05：根据信号周期车头时距tt^k，计算得到该路口的信号灯红灯时长rt；

S06：根据该路口不同方向的信号灯红灯时长，得到该路口的信号灯配时方案。

优选地，平均行驶速度计算公式如下：

$v_n^i=\frac{dist({\mathrm{lat}}_n^i,{\mathrm{lng}}_n^i,{\mathrm{lat}}_{n+1}^i,{\mathrm{lng}}_{n+1}^i)}{t_{n+1}^i-t_n^i}$

其中，表示第j个采样时车辆所处的纬度，表示第j个采样时车辆所处的经度；dist(·)为距离计算函数，根据两个采样点的精度和纬度计算两点之间的距离；和分别表示采样点和产生的时间。

优选地，车辆通过停止线的时间ptⁱ计算如下：

${\mathrm{pt}}^i=\left\{\begin{array}{ccc}{t}_{n+1}^i-\frac{dist(s_{n+1}^i,sl)}{v_n^i}& if& dist(s_{n+1}^i,sl)\≤dist(s_n^i,sl)\\ t_n^i-\frac{dist(s_n^i,sl)}{v_n^i}& if& dist(s_{n+1}^i,sl)>dist(s_n^i,sl)\end{array}\right.$

其中sl表示路口停止线的位置。

优选地，信号周期车头时距tt^k的计算如下：

tt^k＝ptⁱ⁺¹-ptⁱ

优选地：路口的信号灯红灯时长计算公式如下：

$rt=\underset{k}{\min }{\mathrm{tt}}^k$

优选地，采用迭代判断方法计算路口信号灯红灯时长，具体过程如下：

(1)设定百分比迭代步长α，迭代停止条件β，迭代起始值T₀＝maxtt^k，α₀＝0，

β₀＝β；

(2)在第i次迭代时，更新

α_i＝α_i-1+α

T_i＝maxtt^ki

其中tt^ki满足{tt^k}集合中有大于α_i比例的元素大于等于tt^ki。

β_i＝T_i-1-T_i

(3)判断β_i是否小于β，即是否满足迭代停止条件，满足停止条件后停止迭代，则记

T_i为信号灯红灯配时时长，否则继续迭代。

优选地，百分比迭代步长α＝1％。

优选地，迭代停止条件β＝2。

优选地，车辆的采样点数据包括了车辆在该点的经度、纬度和采样点产生的时间。

优选地，获得路口的信号灯红灯时间后，通过计算路口另一方向上的红灯时长得到本方向的绿灯时长，两者相结合获得该路口的信号灯完整配时方案。

本发明的技术效果是：本发明基于移动互联网数据对交通信号灯配时信息进行判断，根据车辆行驶轨迹的历史数据提取车辆通过停止线的具体时间，以分别在连续两个周期下前后相邻通过同一停止线车辆间的车头时距(信号周期车头时距)为基础，在现阶段计算机处理能力下有效实现数据挖掘，推算对应的信号灯配时，从而为人们智慧出行和智慧城市的建设提供更加精确和科学的建议。

附图说明

图1不同时段内北京西单路口信号灯配时方案展示图。

图2北京复内大街—西单路口车辆轨迹、停止线及通过时间展示图。

图3北京复内大街—西单路口信号周期车头时距展示图。

图4北京西单路口东西方向及南北方向信号周期车头时距分布展示图。

具体实施方式

本发明的目的是设计一种以交通移动互联网数据基础，适用于对大范围区域内的信号配时方案进行推算的数据分析方法，具体包括以下步骤：

S01：对车辆通过路口的轨迹数据进行采样；

S02：计算第i个车辆在采样点和之间的平均行驶速度其中是车辆通过路口停止线前的最后一个采样点，是通过路口停止线后的第一个采样点；

S03：根据平均行驶速度计算车辆通过停止线的时间ptⁱ；

S04：根据相邻两个信号周期下的车辆通过停止线的时间，计算信号周期车头时距tt^k,信号周期车头时距tt^k表示在相邻两个信号周期下，前后依序通过同一停止线的两车辆间的车头时距，即当第i个车辆在该路口第k绿灯时段通过路口，且第i+1车辆在该路口第k+1绿灯时段通过路口；

S05：根据信号周期车头时距tt^k，计算得到该路口的信号灯红灯时长rt；

S06：根据该路口不同方向的信号灯红灯时长，得到该路口的信号灯配时方案。

下面结合附图进行详细介绍：

【数据来源】

本发明所使用的数据主要为通过车载或手机软件收集得到的移动互联网数据。该发明所使用的示例数据其时间范围为1个月(2014年10月01日～2014年10月29日)。该数据记录了车辆的ID号以及每车辆每分钟的位置、时间、速度等信息，其中位置包括经度和纬度，时间年份、月份、日期、小时、分钟、秒等信息，所使用的示例路口为北京复内大街-西单路口。移动互联网数据的格式信息如下表所示：

表1移动互联网数据格式

1	VEH_TRA_NO	轨迹号
			2	VEH_TIME	信息上传时间
3	VEH_ID	车辆ID
			4	VEH_SPEED	车辆瞬时速度
5	VEH_LON	经度
			6	VEH_LAT	纬度
7	MESH	小区号
			8	ROAD_ID	道路编号
9	VEH_ZAIKE	是否载客：载客>0空载＝0

本发明同时使用了复内大街—西单路口信号灯实际的配时数据，附图1是该路口不同时段内北京西单路口信号灯配时方案展示图，该路口根据一天的不同时刻，提供了不同的配时方案，具体而言该路口将一天分为11个不同的时段，同时为每个时段分配了对应的配时方案，配时方案中横轴表示不同的相位(1为绿灯相位，2为红灯相位)，纵轴对应该配时方案编号，配时方案中配时时长以秒为单位。

我们使用了某时间窗口内(一天根据信号配时分为了11个时段)经过西单路口的轨迹，并将选择的轨迹覆盖路口上下游的检测线，在该路口估计没有长时间停车/折返等异常情况。

经过数据处理，提取车辆通过该路口的有效轨迹数据如下。

对上述数据进行统计，结果如下表所示：

表2东西方向路口有效轨迹(31天)

序号	时段	轨迹	密度	停车	不停车
						1	00:00-05:00	473	0.051	232	241
2	05:00-06:00	108	0.058	51	57
						3	06:00-06:30	77	0.083	21	56
4	06:30-08:30	951	0.256	445	506
						5	08:30-11:30	2909	0.521	1860	1049
6	11:30-13:30	1897	0.510	1393	504
						7	13:30-16:30	2943	0.527	1568	1375
8	16:30-19:00	1743	0.375	966	777
						9	19:00-21:00	1112	0.299	627	485
10	21:00-23:00	935	0.251	770	165
						11	23:00-00:00	261	0.140	136	125

表3南北方向路口有效轨迹(31天)

【车辆停止线通过时间估计】

停止线(Stopline)是指车辆在路口遇到红灯时停留等待的位置。停止线通过时间(Passingtime)即车辆以行驶状态通过停止线的时刻。

由于移动互联网轨迹数据采样间隔及采样误差的存在，该数据通常无法直接提供车辆的停止线通过时间，因此为满足后续分析需要，需根据移动互联网轨迹数据对车辆停止线通过时间进行估计。

本发明以移动互联网轨迹数据中提供的车辆经纬度、采样时间等信息为主要依据，在确定所研究路口停止线的位置(以sl表示)后，对车辆停止线通过时间进行推算，以如下形式表示第i个车辆第j个采样点数据

$s_j^i=\left[\begin{array}{ccc}{\mathrm{lat}}_j^i& {\mathrm{lng}}_j^i& t_j^i\end{array}\right]$

其中表示第j个采样时车辆所处的纬度，表示第j个采样时车辆所处的经度，表示第j个采样点产生的时间。则特定车辆的轨迹数据可用以下形式表达

$S^i=\left[\begin{array}{ccccccc}{s}_1^i& s_2^i& \mathrm{...}& s_n^i& s_{n+1}^i& \mathrm{...}& s_m^i\end{array}\right]$

其中Sⁱ为第i车辆的移动互联网轨迹数据矩阵，m为代表该车辆对应的总采样点的个数，表示车辆通过停止线前最后一个采样点，表示车辆通过停止线后的第一个采样点。

由以上描述可知，车辆停止线通过时间介于之间，本发明通过对车辆行驶速度的计算来完成停止线通过时间的推算，其中车辆在至时刻时的行驶速度计算如下

$v_n^i=\frac{dist({\mathrm{lat}}_n^i,{\mathrm{lng}}_n^i,{\mathrm{lat}}_{n+1}^i,{\mathrm{lng}}_{n+1}^i)}{t_{n+1}^i-t_n^i}$

其中表示车辆第n个采样点至第n+1个采样点间的行驶速度，dist(·)为距离计算函数，即根据两点间的经纬度数据计算该两点间的实际距离的函数，可直接应用当前存在的技术。

车辆停止线通过时间计算如下

${\mathrm{pt}}^i=\left\{\begin{array}{ccc}{t}_{n+1}^i-\frac{dist(s_{n+1}^i,sl)}{v_n^i}& if& dist(s_{n+1}^i,sl)\≤dist(s_n^i,sl)\\ t_n^i-\frac{dist(s_n^i,sl)}{v_n^i}& if& dist(s_{n+1}^i,sl)>dist(s_n^i,sl)\end{array}\right.$

【信号周期车头时距计算及其与信号周期间的对应关系】

信号周期车头时距表示，分别在相邻两个信号周期下，前后依序通过同一停止线的两车辆间的车头时距(时间差)，即当第i车辆在该路口第k绿灯时段通过路口(其停止线通过时间为ptⁱ)，且第i+1车辆在该路口第k+1绿灯时段通过路口(其停止线通过时间为ptⁱ⁺¹)，则此时信号周期车头时距可计算为：

tt^k＝ptⁱ⁺¹-ptⁱ

【信号灯配时时长推算】

由定义计算过程可知，正常情况下，tt^k大于等于统计特定通行方向特定时段内的信号周期车头时距数据，在移动互联网数据量充足且精度较高的情况下，选定方向上的红灯时长可计算为：

$rt=\underset{k}{\min }{\mathrm{tt}}^k$

其中rt代表所研究路口特定同行方向上特定时段内的信号灯红灯时长(信号灯绿灯时长可通过计算其他方向上的红灯时长得到)。附图3以复内大街-西单路口为示例，展示了移动互联网数据得到的不同方向上信号周期车头时距数据(其中TT1表示东西方向、TT2表示南北方向)。

【信号灯配时时长迭代算法】

由于采样误差、计算误差及车辆不规范驾驶等问题的存在，直接利用上文得到的对应关系对信号灯绿灯时长进行计算将存在误差，因此本发明以统计得到的信号周期车头时距分布为依据(附图4展示了06：30至08:30北京西单路口东西方向(图4a)及南北方向(图4b)信号周期车头时距分布)，采用另一种迭代判断的方法，推算最优的红灯配时时长估计值，该求解步骤如下：

(1)设定合适的百分比迭代步长α(通常设定为1％)，合适的迭代停止条件β(通常

可设定为2)，同时设定迭代起始值T₀＝maxtt^k，α₀＝0，β₀＝β；

(2)在第i次迭代时，更新

α_i＝α_i-1+α

T_i＝maxtt^ki

其中tt^ki满足{tt^k}集合中有大于α_i比例的元素大于等于tt^ki。

β_i＝T_i-1-T_i

(3)判断β_i是否小于β，即是否满足迭代停止条件，满足停止条件后停止迭代，则记

T_i为信号灯红灯配时时长，否则继续迭代。

【求解信号灯配时方案】

在获得路口的红灯时间后，再通过路口另一方向上的红灯时长可以得到本方向的绿灯时长，两者相结合即可获得该路口的信号灯完整配时方案。

以上实施例的说明只是用于帮助理解本方案的方法及其核心思想。应当指出，在不脱离本方案原理的前提下，还可以对本方案进行若干改进，这些改进也同样落入本方案权利要求的保护范围内。

Claims (10)

1.一种基于车辆停止线通过时间推算路口信号灯配时的方法，包括以下步骤：

S01：对车辆通过路口的轨迹数据进行采样；

S02：计算第i个车辆在采样点和之间的平均行驶速度其中是车辆通过路口停止线前的最后一个采样点，是通过路口停止线后的第一个采样点；

S03：根据平均行驶速度计算车辆通过停止线的时间ptⁱ；

S04：根据相邻两个信号周期下的车辆通过停止线的时间，计算信号周期车头时距tt^k,信号周期车头时距tt^k表示在相邻两个信号周期下，前后依序通过同一停止线的两车辆间的车头时距，即当第i个车辆在该路口第k绿灯时段通过路口，且第i+1车辆在该路口第k+1绿灯时段通过路口；

S05：根据信号周期车头时距tt^k，计算得到该路口的信号灯红灯时长rt；

S06：根据该路口不同方向的信号灯红灯时长，得到该路口的信号灯配时方案。

2.根据权利要求1所述的方法，其特征在于：平均行驶速度计算公式如下：

$v_n^i=\frac{dist({\mathrm{lat}}_n^i,{\mathrm{lng}}_n^i,{\mathrm{lat}}_{n+1}^i,{\mathrm{lng}}_{n+1}^i)}{t_{n+1}^i-t_n^i}$

其中，表示第j个采样时车辆所处的纬度，表示第j个采样时车辆所处的经度；dist()为距离计算函数，根据两个采样点的精度和纬度计算两点之间的距离；和分别表示采样点和产生的时间。

3.根据权利要求1或2所述的方法，其特征在于：车辆通过停止线的时间ptⁱ计算如下：

${\mathrm{pt}}^i=\left\{\begin{array}{ccc}{t}_{n+1}^i-\frac{dist\left(s_{n+1}^i,sl\right)}{v_n^i}& if& dist\left(s_{n+1}^i,sl\right)\≤dist\left(s_n^i,sl\right)\\ t_n^i+\frac{dist\left(s_n^i,sl\right)}{v_n^i}& if& dist\left(s_{n+1}^i,sl\right)>dist\left(s_n^i,sl\right)\end{array}\right.$

其中sl表示路口停止线的位置。

4.根据权利要求1-3任一项所述的方法，其特征在于：信号周期车头时距tt^k的计算如下：

tt^k＝ptⁱ⁺¹-ptⁱ。

5.根据权利要求4所述的方法，其特征在于：路口的信号灯红灯时长计算公式如下：

$rt=\underset{k}{\min }{\mathrm{tt}}^k.$

6.根据权利要求4所述的方法，其特征在于：采用迭代判断方法计算路口信号灯红灯时长，具体过程如下：

(1)设定百分比迭代步长α，迭代停止条件β，迭代起始值T₀＝maxtt^k，α₀＝0，β₀＝β；

(2)在第i次迭代时，更新

α_i＝α_i-1+α

T_i＝maxtt^ki

其中tt^ki满足{tt^k}集合中有大于α_i比例的元素大于等于tt^ki，

β_i＝T_i-1-T_i

(3)判断β_i是否小于β，即是否满足迭代停止条件，满足停止条件后停止迭代，则记T_i为信号灯红灯配时时长，否则继续迭代。

7.根据权利要求6所述的方法，其特征在于：百分比迭代步长α＝1％。

8.根据权利要求6所述的方法，其特征在于：迭代停止条件β＝2。

9.根据权利要求1所述的方法，其特征在于：车辆的采样点数据包括了车辆在该点的经度、纬度和采样点产生的时间。

10.根据权利要求1所述的方法，其特征在于：在获得路口的信号灯红灯时间后，通过计算路口另一方向上的红灯时长得到本方向的绿灯时长，两者相结合获得该路口的信号灯完整配时方案。