CN106652562B - 一种高速公路道路交通安全预警方法 - Google Patents

一种高速公路道路交通安全预警方法 Download PDF

Info

Publication number
CN106652562B
CN106652562B CN201710070526.0A CN201710070526A CN106652562B CN 106652562 B CN106652562 B CN 106652562B CN 201710070526 A CN201710070526 A CN 201710070526A CN 106652562 B CN106652562 B CN 106652562B
Authority
CN
China
Prior art keywords
road
vehicle
bottleneck
road section
traffic
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
Application number
CN201710070526.0A
Other languages
English (en)
Other versions
CN106652562A (zh
Inventor
林赐云
赵玉
于德新
张伟
邢茹茹
龚勃文
杨庆芳
瞿卫东
赵小辉
周户星
王树兴
马晓刚
郑黎黎
王薇
杨帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Shandong Hi Speed Co Ltd
Original Assignee
Jilin University
Shandong Hi Speed Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University, Shandong Hi Speed Co Ltd filed Critical Jilin University
Priority to CN201710070526.0A priority Critical patent/CN106652562B/zh
Publication of CN106652562A publication Critical patent/CN106652562A/zh
Application granted granted Critical
Publication of CN106652562B publication Critical patent/CN106652562B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于道路交通安全技术领域，具体涉及一种高速公路道路交通安全预警方法。本发明根据高速公路交通气象检测器、交通流参数感应器等多源交数据检测器获得的实时交通数据，对在受不良因素影响路段上运行的车辆或是即将驶入受影响路段的车辆进行安全预警并提供合理的安全行驶车速或车距，同时根据检测到的交通流量、密度判断是否存在拥堵，在多约束条件下协调各个路段之间的密度以及出入口匝道的流量，保证各路段密度均匀，有效地提升道路交通运行安全性，可显著提升道路交通指挥和管理协调程度，最大限度为道路交通管理者提供科学合理的预警管理决策和为使用者提供最佳的安全保障。

Description

一种高速公路道路交通安全预警方法
技术领域
本发明属于道路交通安全技术领域，具体涉及一种高速公路道路交通安全预警方法。
背景技术
高速公路的发展促使客流、物流、信息流高速运转，极大地提高了运输效率，带来了显著的社会效益和经济效益。然而，高速公路在我国存在和发展的历史不长，对于高速公路安全管理、高速公路运行安全监测的若干关键技术还没有很好地把握，因而有时因为“高速”而带来的交通安全负面效应影响巨大。因此，针对高速公路的交通安全预警技术研究刻不容缓。高速公路交通安全预警技术采用科学先进的分析方法，综合运用信息技术、计算机技术、通信技术、电子技术、交通工程、系统工程等，通过对各种信息的采集、预测及预警模型等，能对交通事故进行预警，从而达到减少交通事故发生次数和事故严重程度的目的。由此可见，高速公路交通安全预警系统是预防交通事故、提高高速公路管理水平和改善高速公路安全状态的有效手段之一。
发明内容
本发明提出了一种高速公路道路交通安全预警方法，该方法基于高速公路系统检测到的实时道路状态信息、短时预测气象信息和交通流数据，通过对交通系统各类影响因素的分析，从人、车、路和环境四个方面，对高速公路交通安全进行综合评价分析及预警。
本发明的技术方案主要包括两个功能模块：高速公路交通安全预警模块和交通流智能控制模块。其特征主要表现在：
(1)高速公路交通安全预警模块：根据道路状态检测器判断道路状态是否能够满足车辆的基本通行条件；在路段能满足车辆通行的前提下，系统根据路旁的气象检测器获得预测道路气象信息并进一步得到不同气象状态下的路面附着系数及能见度，基于安全制动距离采用安全驾驶模型计算出相应的最大安全车速或最小车头间距，并推送给道路使用者，引导驾驶员安全行车。
(2)交通流智能控制模块：根据检测到的瓶颈路段交通流量、密度判断是否存在拥堵，在多约束条件下协调各个路段之间的密度以及出入口匝道的流量，保证各路段密度均匀，降低发生拥堵的概率或缓解拥堵严重程度，同时减少因拥堵而导致的事故可能性。
附图说明
图1：高速公路道路交通安全预警方法流程示意图；
图2：自由流状态车辆制动过程示意图；
图3：跟驰状态车辆制动过程示意图；
图4：安全驾驶模型具体实施流程示意图；
图5：高速公路基本路段示意图；
图6：高速公路匝道瓶颈路段示意图；
图7：高速公路非匝道瓶颈路段影响范围示意图；
图8：高速公路交通流智能控制模型计算流程示意图。
具体实施方式
本发明提出的一种高速公路道路交通安全预警方法，该方法基于高速公路系统检测到的实时道路状态信息、短时预测气象信息和交通流数据，通过对交通系统各类影响因素的分析，从人、车、路和环境四个方面，对高速公路交通安全进行综合评价分析及预警。本发明提出的一种高速公路道路交通安全预警方法的具体实施过程如下：
(1)高速公路交通安全预警模块
高速公路交通安全预警模块包括道路可用性判断模型和单因素气象预警模型两部分。道路可用性判断部分根据监测道路实际采集获得的道路状态信息确定；单因素气象预警部分根据路旁的气象检测器获得采集周期内的预测道路气象信息，根据安全驾驶模型计算得到未来短时间内的建议车速或车距。具体实现步骤如下：
Step1：根据道路状态检测器监测道路状态，判断高速公路各个路段是否存在严重的道路灾害，如路桥的塌陷、泥石流等严重影响车辆通行的现象，检查道路是否可用。如果出现这类破坏度较高的道路灾害，则应该立即封闭受影响路段或车道，启动切实合理的交通诱导方案，引导车辆从可用路段通行；若道路完好，则车辆正常通行；具体实施过程如下：
Step1.1：获取道路检测器得到的同一时间序列道路状态信息；
Step1.2：根据实时道路状态信息判断道路是否可用，能否满足车辆的正常通行；
Step1.3：将无法满足车辆通行的路段信息发送给交通管理部门。其中所述无法满足车辆通行的车道或路段指可能有泥石流、地震等自然灾害或其他外部行为以及路桥本身原因，导致车辆无法正常通行或是在未来一段时间内存在一定交通安全隐患；
Step1.4：引导车辆避让无法满足车辆通行的车道或路段，待道路风险因素排除后再恢复目标车道或路段的正常通行。
Step2：根据分布在道路网中的气象检测器检测各路段范围内预测未来短时间内的气象情况，主要包括能见度、雨、雪、冰等可能会对交通运行产生严重影响的气象因素，对四种气象影响因素进行初步判断，当气象警度低于正常等级时，发布相应的不良气象预警信息；具体实施过程如下：
Step2.1：获取上传的各路段区域未来短时间内的预测气象信息；
Step2.2：将预测气象信息与国家气象局发布的气象预警信号进行匹配，判断气象状态；
Step2.3：将不良气象信息发送到交通信息发布设施公示给道理使用者。其中，将气象信息的预警等级分为五级：绿色预警信号(Ⅴ)、蓝色预警信号(Ⅳ)、黄色预警信号(Ⅲ)、橙色预警信号(Ⅱ)、红色预警信号(Ⅰ)，当气象状态处于Ⅲ、Ⅱ、Ⅰ级即为不良气象状态；能见度的能见度大于1000米、1000米＞能见度≥500米、500米＞能见度≥200米、200米＞能见度≥50米、能见度低于50米分别对应上述五个气象预警等级；而在降雨方面，短时间内无降雨或5分钟内降雨量低于0.35毫米、5分钟内降雨量将达0.35毫米以上或者已达0.35毫米以上且降雨可能持续、5分钟内降雨量将达0.7毫米以上或者已达0.7毫米以上且降雨可能持续、5分钟内降雨量将达1.4毫米以上或者已达1.4毫米以上且降雨可能持续、5分钟内降雨量将达2.8毫米以上，或者已达2.8毫米以上且降雨可能持续分别对应上述五个气象预警等级；在降雪方面，短时间内无降雪或5分钟内降雪量低于0.03毫米、5分钟内降雪量将达0.03毫米以上或者已达0.03毫米以上且降雪持续、5分钟内降雪量将达0.05毫米以上或者已达0.05毫米以上且降雪持续、5分钟内降雪量将达0.14毫米以上或者已达0.14毫米以上且降雪持续、5分钟内降雪量将达0.21毫米以上或者已达0.21毫米以上且降雪持续分别对应上述五个气象预警等级；而在道路结冰方面，地面有少量结冰、地面有大面积结冰分别对应蓝色预警信号(Ⅳ)和黄色预警信号(Ⅲ)、橙色预警信号(Ⅱ)和红色预警信号(Ⅰ)；
Step3：根据不良气象状况，采用安全驾驶模型计算出未来气象环境下的安全行车速度或安全车头间距。具体实施过程如下：
Step3.1：获取受不良气象影响路段的道路坡度i，道路坡度i可通过线路设计施工图录入的道路参数数据库获得；
Step3.2：根据不良气象信息获取受不良气象影响路段的路面附着系数f。其中干燥路面的附着系数为0.6，降雨在Ⅳ级、Ⅲ级、Ⅱ级、Ⅰ级气象警度下对应的路面附着系数分别为0.5、0.45、0.4、0.35，降雪在Ⅳ级、Ⅲ级、Ⅱ级、Ⅰ级气象警度下对应的路面附着系数分别为0.35、0.3、0.25、0.2，路面结冰在Ⅳ、Ⅲ级和Ⅱ、Ⅰ级气象警度下对应的路面附着系数分别为0.15和0.1；
Step3.3：根据多源交通检测器获取受不良气象影响路段的车辆平均行驶速度
Figure GDA0003146751050000043
和流量Q；
Step3.4：判断当前交通流处于自由流状态还是跟车状态；
Step3.5：采用自由流状态下的安全驾驶模型计算得到在未来不良气象状态下的最大安全车速，在自由流状态下，从驾驶人发现障碍物到车辆完全停止所走过的距离为反应距离与制动距离之和，停车视距为：
Figure GDA0003146751050000041
式中：V是车辆行驶速度(单位：km/h)；t是驾驶人反应总时间，即感觉时间与反应时间之和(单位：s)。
驾驶人从发现前方出现障碍物到车辆完全停止，这一运动过程如图2所示，假设驾驶人发现前方障碍物时，车辆与障碍物间的距离为L，取一定的安全距离d，则当S+d≤L时，可认为车辆遇到前方障碍物时可及时停车，并保持一定的安全距离，即车辆行驶状态安全。
式中，车辆行驶速度V可由感应线圈数据获取；驾驶员反应时间t＝2.5s；安全距离d＝5m。所以，该安全距离公式如下：
Figure GDA0003146751050000042
解出最大安全车速：
Figure GDA0003146751050000051
当驾驶人发现前方出现障碍物时，车辆与障碍物间的距离L由道路空间视距Ls和能见度D共同决定，并取两者中的最小值，即L＝min{Ls，D}。考虑到恶劣天气条件下，能见度的不足往往成为事故的诱因之一，因此高速公路综合态势下，车辆与障碍物间的距离L主要由能见度D决定，即L＝D。最大安全车速公式可改写为：
Figure GDA0003146751050000052
Step3.6：
Figure GDA0003146751050000053
此时后车B无法及时刹车并与前车A保持一定的安全距离。
因此，在这种情况下，就相当于可以假设要求车辆在正常速度下，通过反应和制动，使得其在距离D内完全停住，即要求D满足：进而采用跟车状态下的安全驾驶模型计算得到在未来不良气象状态下的最大安全车速vm或最小安全车距hm，具体计算方法如下：
当交通流处于跟车状态时，前车紧急刹车，跟随的后车能及时停车避免碰撞，并保持一定的安全距离，这一运动过程如图3所示。前车A从紧急刹车到完全停住所驶过的距离SA：
Figure GDA0003146751050000054
经过反应时间，B车也采取刹车，到最终停住所驶过的距离SB：
Figure GDA0003146751050000055
式中，VA是前车A的车辆行驶速度(km/h)；VB是后车B的车辆行驶速度(km/h)。
假设前车采取紧急刹车时，前车车尾与后车车头间的距离为L，规定安全距离为d，则当SA+L≥SB+d时，后车可及时停车并保持一定的安全距离，此时车辆行驶状态安全。假设前后两车速度一致，均用感应线圈数据中一定采集时间间隔内的平均速度
Figure GDA0003146751050000061
代替。
由感应线圈数据获取的车头时距h与车间距L具有如下关系：
Figure GDA0003146751050000062
式中，l是前车A车长，根据我国《公路工程技术标准》，小客车车长取6m，即l＝6m。
则后车车头到前车车尾间的距离L：
Figure GDA0003146751050000063
所以，SA+L<SB+d可改写为：
Figure GDA0003146751050000064
由于VA、VB均用采集周期内的平均速度
Figure GDA0003146751050000065
代替，故上式可进一步化为：
Figure GDA0003146751050000066
此时可以得到最小安全车距：
Figure GDA0003146751050000067
同时，考虑恶劣天气对能见度D的影响，若D<L，即处于跟驰状态的后车B由于能见度不足，无法看到前车A，若此时能见度满足D：
Figure GDA0003146751050000068
将参数带入可得
Figure GDA0003146751050000069
由于D>5m，V也存在最大值，求解该式得到最大安全车速：
Figure GDA00031467510500000610
在判断能见度D是否小于前后两车间距离L时，车头时距用数据采集周期内的平均车头时距平均值
Figure GDA0003146751050000071
代替：
Figure GDA0003146751050000072
即判断能见度D是否满足：
Figure GDA0003146751050000073
安全驾驶模型具体实施流程如图4所示。
Step3.7：将计算得到的最大安全车速vm或最小安全车距hm通过交通信息发布设施公示给相应路段的驾驶人员，提醒其安全行车。
Step4：将建议信息通过高速公路信息发布设施推送给目标区域的车辆驾驶人员。
(2)交通流智能控制模块
交通流智能控制模块根据气象数据、交通流数据和交通流运行状态识别信息，判断高速公路瓶颈路段位置，计算瓶颈路段的控制密度，采用交通流智能控制模型，对多约束条件下的控制密度进行调整，协调各个路段之间的密度以及出入口匝道的流量，当瓶颈路段产生交通拥堵则在车辆进入瓶颈路段之前对车辆进行控制，以保证各路段的密度均匀，降低路段发生交通堵塞的概率及其严重性。具体实现步骤如下：
Step1：根据高速公路管理单元划分原则，将高速公路划分成N个路段，高速公路基本路段示意如图5所示，高速公路基本控制模型为：
Figure GDA0003146751050000074
式中：
Figure GDA0003146751050000075
是路段i在k+1时刻的控制密度值(pcu/km)；
Figure GDA0003146751050000076
是路段i在k时刻的控制密度值(pcu/km)；ρi(k)是路段i在k时刻的实际密度值(pcu/km)；αi是路段i自身影响因子(0<αi<1)；βi是其他路段对路段i产生影响的影响因子(0<βi<1)；f(αi,βi)是αi和βi相关的调整函数。
同一时刻相邻路段间的控制密度约束条件为
Figure GDA0003146751050000077
其中η是控制密度差值范围，η>0；
同一路段相邻时间段内的控制密度约束条件为
Figure GDA0003146751050000078
其中λ是控制密度差值范围，λ>0；
目标路段控制密度的自身约束条件为
Figure GDA0003146751050000081
其中，θ为控制密度下限，ω为控制密度上限，且θ,ω>0。
本部分将高速公路基本路段划分分成高速公路非匝道瓶颈路段、匝道瓶颈路段和非瓶颈路段。
Step2：判断目标路段是否为瓶颈路段，若判断为瓶颈路段，则转入步骤3，否则转入步骤5；
Step3：判断目标路段是否为匝道路段，是则转入步骤4，否则转入步骤6；
Step4：计算匝道调节率r并转入步骤8。令任意非匝道瓶颈路段为m，m∈[1,N]，如图6所示，匝道调节率计算如下：
Figure GDA0003146751050000082
式中：rm(k+1)是匝道瓶颈路段m在k+1时刻的匝道调节率(pcu/h)；rm(k)是匝道道瓶颈路段m在k时刻的匝道调节率(pcu/h)；ρm(k)是匝道瓶颈路段m在k时刻的实际密度值(pcu/km)；
Figure GDA0003146751050000083
是匝道瓶颈路段m在k时刻的控制密度值(pcu/km)；KR是大于零的可调节参数(km/h)。
Step5：判断该路段是否处于瓶颈路段影响范围内，是则进入步骤7，否则转入步骤8。
Step6：确定非匝道瓶颈路段影响因子F(α,β)并转入步骤8；
令任意非匝道瓶颈路段为n，n∈[1,N]。假定瓶颈路段之间相互独立，不考虑其他路段对于瓶颈路段n的影响，则：
Figure GDA0003146751050000084
式中：g(αn)是瓶颈路段n的自身影响因子函数；h是调整系数，作为调节密度的比例系数(0<h<1)；
Figure GDA0003146751050000085
是方向判断系数，即
Figure GDA0003146751050000086
则高速公路基本控制模型可改写为
Figure GDA0003146751050000087
Figure GDA0003146751050000088
Step7：确定影响因子g(a)并转入步骤8；受瓶颈路段影响的非瓶颈路段影响因子g(a)计算如下：
令任意非瓶颈路段为j，j∈[1,N]。且每个瓶颈路段的影响路段相互独立，即不考虑多个瓶颈路段对于同一非瓶颈路段的影响。如图7所示，定义变量d作为瓶颈路段n的影响范围，当j∈[n-d,n+d]且j≠n时，表示该路段j处于瓶颈路段n的影响范围内。反之，若
Figure GDA0003146751050000089
则路段j不受瓶颈路段n的影响。令任意非瓶颈路段j的自身影响因子为αj。
当j∈[n-d,n+d]且j≠n时：
Figure GDA0003146751050000091
Figure GDA0003146751050000092
式中：t(βj)是其他路段对路段j产生影响的影响因子函数；
当g(αj)>0且t(βj)>0时，得
Figure GDA0003146751050000093
则f(αj,βj)＝min(g(αj),t(βj))；
当g(αj)>0且t(βj)<0时，得
Figure GDA0003146751050000094
则f(αj,βj)＝t(βj)；
当g(αj)<0且t(βj)>0时，得
Figure GDA0003146751050000095
则f(αj,βj)＝g(αj)；
当g(αj)<0且t(βj)<0时，得
Figure GDA0003146751050000096
则f(αj,βj)＝min(g(αj),t(βj))；
当
Figure GDA0003146751050000097
时，f(αj,βj)＝g(αj)；
Step8：根据路段实际密度与控制密度的变化情况等比例控制速度，得到相应的速度控制方案。速度求解如下所示：
Figure GDA0003146751050000098
式中，vi(k)表示k时刻路段i上的观测速度(km/h)；
速度自身约束条件为μ≤vi(k)≤ξ，其中，μ为速度下限，ξ为速度上限，μ,ξ>0。
Step9：读取控制后的各路段密度数据，如果在控制密度可接受范围内，则运算结束；否则返回步骤2，重新计算。根据上述理论，高速公路交通流智能控制模型计算流程如图8所示。
Step10：获取速度控制方案，将其通过交通信息发布设施发布。

Claims (2)

1.一种高速公路道路交通安全预警方法，其特征在于：
高速公路交通安全预警模块包括道路可用性判断模型和单因素气象预警模型两部分；道路可用性判断部分根据监测道路实际采集获得的道路状态信息确定；单因素气象预警部分根据路旁的气象检测器获得采集周期内的预测道路气象信息，根据安全驾驶模型计算得到未来短时间内的建议车速或车距；具体实现步骤如下：
Step1：根据道路状态检测器监测道路状态，判断高速公路各个路段是否存在严重的道路灾害，如果出现这类破坏度较高的道路灾害，则应该立即封闭受影响路段或车道，启动切实合理的交通诱导方案，引导车辆从可用路段通行；若道路完好，则车辆正常通行；具体实施过程如下：
Step1.1：获取道路检测器得到的同一时间序列道路状态信息；
Step1.2：根据实时道路状态信息判断道路是否可用，能否满足车辆的正常通行；
Step1.3：将无法满足车辆通行的路段信息发送给交通管理部门；其中所述无法满足车辆通行的车道或路段指可能有泥石流、地震等自然灾害或其他外部行为以及路桥本身原因，导致车辆无法正常通行或是在未来一段时间内存在一定交通安全隐患；
Step1.4：引导车辆避让无法满足车辆通行的车道或路段，待道路风险因素排除后再恢复目标车道或路段的正常通行；
Step2：根据分布在道路网中的气象检测器检测各路段范围内预测未来短时间内的气象情况，主要包括能见度、雨、雪、冰可能会对交通运行产生严重影响的气象因素，对四种气象影响因素进行初步判断，当气象警度低于正常等级时，发布相应的不良气象预警信息；具体实施过程如下：
Step2.1：获取上传的各路段区域未来短时间内的预测气象信息；
Step2.2：将预测气象信息与国家气象局发布的气象预警信号进行匹配，判断气象状态；
Step2.3：将不良气象信息发送到交通信息发布设施公示给道理使用者；其中，将气象信息的预警等级分为五级：绿色预警信号Ⅴ、蓝色预警信号Ⅳ、黄色预警信号Ⅲ、橙色预警信号Ⅱ、红色预警信号Ⅰ，当气象状态处于Ⅲ、Ⅱ、Ⅰ级即为不良气象状态；能见度的能见度大于1000米、1000米＞能见度≥500米、500米＞能见度≥200米、200米＞能见度≥50米、能见度低于50米分别对应上述五个气象预警等级；而在降雨方面，短时间内无降雨或5分钟内降雨量低于0.35毫米、5分钟内降雨量将达0.35毫米以上或者已达0.35毫米以上且降雨可能持续、5分钟内降雨量将达0.7毫米以上或者已达0.7毫米以上且降雨可能持续、5分钟内降雨量将达1.4毫米以上或者已达1.4毫米以上且降雨可能持续、5分钟内降雨量将达2.8毫米以上，或者已达2.8毫米以上且降雨可能持续分别对应上述五个气象预警等级；在降雪方面，短时间内无降雪或5分钟内降雪量低于0.03毫米、5分钟内降雪量将达0.03毫米以上或者已达0.03毫米以上且降雪持续、5分钟内降雪量将达0.05毫米以上或者已达0.05毫米以上且降雪持续、5分钟内降雪量将达0.14毫米以上或者已达0.14毫米以上且降雪持续、5分钟内降雪量将达0.21毫米以上或者已达0.21毫米以上且降雪持续分别对应上述五个气象预警等级；而在道路结冰方面，地面有少量结冰、地面有大面积结冰分别对应蓝色预警信号Ⅳ和黄色预警信号Ⅲ、橙色预警信号Ⅱ和红色预警信号Ⅰ；
Step3：根据不良气象状况，采用安全驾驶模型计算出未来气象环境下的安全行车速度或安全车头间距；具体实施过程如下：
Step3.1：获取受不良气象影响路段的道路坡度i，道路坡度i可通过线路设计施工图录入的道路参数数据库获得；
Step3.2：根据不良气象信息获取受不良气象影响路段的路面附着系数f；其中干燥路面的附着系数为0.6，降雨在Ⅳ级、Ⅲ级、Ⅱ级、Ⅰ级气象警度下对应的路面附着系数分别为0.5、0.45、0.4、0.35，降雪在Ⅳ级、Ⅲ级、Ⅱ级、Ⅰ级气象警度下对应的路面附着系数分别为0.35、0.3、0.25、0.2，路面结冰在Ⅳ、Ⅲ级和Ⅱ、Ⅰ级气象警度下对应的路面附着系数分别为0.15和0.1；
Step3.3：根据多源交通检测器获取受不良气象影响路段的车辆平均行驶速度
Figure FDA0003166220070000021
和流量Q；
Step3.4：判断当前交通流处于自由流状态还是跟车状态；
Step3.5：采用自由流状态下的安全驾驶模型计算得到在未来不良气象状态下的最大安全车速，在自由流状态下，从驾驶人发现障碍物到车辆完全停止所走过的距离为反应距离与制动距离之和，停车视距为：
Figure FDA0003166220070000022
式中：V是车辆行驶速度，单位：km/h；t是驾驶人反应总时间，即感觉时间与反应时间之和，单位：s；
驾驶人从发现前方出现障碍物到车辆完全停止，驾驶人发现前方障碍物时，车辆与障碍物间的距离为L，取一定的安全距离d；当S+d≤L时，车辆遇到前方障碍物时可及时停车，并保持一定的安全距离，车辆行驶状态安全；
车辆行驶速度V由感应线圈数据获取；驾驶员反应时间t为2.5s；安全距离d为5m；安全距离公式为：
Figure FDA0003166220070000031
最大安全车速为：
Figure FDA0003166220070000032
当驾驶人发现前方出现障碍物时，车辆与障碍物间的距离L由道路空间视距Ls和能见度D共同决定，并取两者中的最小值，即L＝min{Ls，D}；考虑到恶劣天气条件下，能见度不足是事故的诱因之一，因此高速公路综合态势下，车辆与障碍物间的距离L主要由能见度D决定，即L＝D，最大安全车速公式可改写为：
Figure FDA0003166220070000033
Step3.6：采用跟车状态下的安全驾驶模型计算得到在未来不良气象状态下的最大安全车速vm或最小安全车距hm；
当
Figure FDA0003166220070000034
时，后车B无法及时刹车并与前车A保持一定的安全距离；采用跟车状态下的安全驾驶模型计算得到在未来不良气象状态下的最大安全车速vm或最小安全车距hm，具体计算方法如下：
当交通流处于跟车状态时，前车紧急刹车，跟随的后车能及时停车避免碰撞，并保持一定的安全距离，前车A从紧急刹车到完全停住所驶过的距离SA：
Figure FDA0003166220070000035
经过反应时间，B车也采取刹车，到最终停住所驶过的距离SB：
Figure FDA0003166220070000036
式中，VA是前车A的车辆行驶速度，单位：km/h；VB是后车B的车辆行驶速度，单位：km/h；
当前车采取紧急刹车时，前车车尾与后车车头间的距离为L，安全距离为d，当SA+L≥SB+d时，后车能够及时停车并保持一定的安全距离，此时车辆行驶状态安全；前后两车的速度均用感应线圈数据中采集时间间隔内的平均速度
Figure FDA0003166220070000049
代替；
感应线圈数据获取的车头时距h与车间距L关系如下：
Figure FDA0003166220070000041
式中，l是前车A车长，根据我国《公路工程技术标准》，小客车车长取6m，即l＝6m；
后车车头到前车车尾间的距离L：
Figure FDA0003166220070000042
SA+L＜SB+d更新为：
Figure FDA0003166220070000043
VA、VB均用采集周期内的平均速度
Figure FDA0003166220070000044
代替，上式可进一步更新为：
Figure FDA0003166220070000045
得到最小安全车距：
Figure FDA0003166220070000046
同时，考虑恶劣天气对能见度D的影响，若D<L，即处于跟驰状态的后车B由于能见度不足，无法看到前车A，能见度D：
Figure FDA0003166220070000047
将参数带入可得：
Figure FDA0003166220070000048
由于D>5m，V也存在最大值，得到最大安全车速：
Figure FDA0003166220070000051
在判断能见度D是否小于前后两车间距离L时，车头时距用数据采集周期内的平均车头时距平均值
Figure FDA0003166220070000052
代替：
Figure FDA0003166220070000053
即判断能见度D是否满足：
Figure FDA0003166220070000054
Step3.7：将计算得到的最大安全车速vm或最小安全车距hm通过交通信息发布设施公示给相应路段的驾驶人员，提醒其安全行车；
Step4：将建议信息通过高速公路信息发布设施推送给目标区域的车辆驾驶人员。
2.根据权利要求1所述的一种高速公路道路交通安全预警方法，其特征在于：
交通流智能控制模块根据气象数据、交通流数据和交通流运行状态识别信息，判断高速公路瓶颈路段位置，计算瓶颈路段的控制密度，采用交通流智能控制模型，对多约束条件下的控制密度进行调整，协调各个路段之间的密度以及出入口匝道的流量，当瓶颈路段产生交通拥堵则在车辆进入瓶颈路段之前对车辆进行控制，以保证各路段的密度均匀，降低路段发生交通堵塞的概率及其严重性；具体实现步骤如下：
Step1：根据高速公路管理单元划分原则，将高速公路划分成N个路段，高速公路基本控制模型为：
Figure FDA0003166220070000055
式中：
Figure FDA0003166220070000056
是路段i在k+1时刻的控制密度值，单位：pcu/km；
Figure FDA0003166220070000057
是路段i在k时刻的控制密度值，单位：pcu/km；ρi(k)是路段i在k时刻的实际密度值，单位：pcu/km；αi是路段i自身影响因子，0<αi<1；βi是其他路段对路段i产生影响的影响因子，0<βi<1；f(αi，βi)是αi和βi相关的调整函数；
同一时刻相邻路段间的控制密度约束条件为
Figure FDA0003166220070000058
其中η是控制密度差值范围，η＞0；
同一路段相邻时间段内的控制密度约束条件为
Figure FDA0003166220070000061
其中λ是控制密度差值范围，λ＞０；
目标路段控制密度的自身约束条件为
Figure FDA0003166220070000062
其中，θ为控制密度下限，ω为控制密度上限，且θ，ω＞0；
本部分将高速公路基本路段划分分成高速公路非匝道瓶颈路段、匝道瓶颈路段和非瓶颈路段；
Step2：判断目标路段是否为瓶颈路段，若判断为瓶颈路段，则转入步骤3，否则转入步骤5；
Step3：判断目标路段是否为匝道路段，是则转入步骤4，否则转入步骤6；
Step4：计算匝道调节率r并转入步骤8；令任意非匝道瓶颈路段为m，m∈[1，N]，匝道调节率计算如下：
Figure FDA0003166220070000063
式中：rm(k+1)是匝道瓶颈路段m在k+1时刻的匝道调节率，单位：pcu/h；rm(k)是匝道道瓶颈路段m在k时刻的匝道调节率，单位：pcu/h；ρm(k)是匝道瓶颈路段m在k时刻的实际密度值，单位：pcu/km；
Figure FDA0003166220070000064
是匝道瓶颈路段m在k时刻的控制密度值，单位：pcu/km；KR是大于零的可调节参数，单位：km/h；
Step5：判断该路段是否处于瓶颈路段影响范围内，是则进入步骤7，否则转入步骤8；
Step6：确定非匝道瓶颈路段影响因子F(α，β)并转入步骤8；
令任意非匝道瓶颈路段为n，n∈[1，N]；假定瓶颈路段之间相互独立，不考虑其他路段对于瓶颈路段n的影响，则：
Figure FDA0003166220070000065
式中：g(αn)是瓶颈路段n的自身影响因子函数；h是调整系数，作为调节密度的比例系数，0＜h＜1；
Figure FDA0003166220070000066
是方向判断系数，即
Figure FDA0003166220070000067
Figure FDA0003166220070000068
则高速公路基本控制模型可改写为
Figure FDA0003166220070000069
Step7：确定影响因子g(a)并转入步骤8；受瓶颈路段影响的非瓶颈路段影响因子g(a)计算如下：
令任意非瓶颈路段为j，j∈[1，N]，且每个瓶颈路段的影响路段相互独立，即不考虑多个瓶颈路段对于同一非瓶颈路段的影响；定义变量d作为瓶颈路段n的影响范围，当j∈[n-d，n+d]且j≠n时，表示该路段j处于瓶颈路段n的影响范围内；反之，若
Figure FDA0003166220070000071
则路段j不受瓶颈路段n的影响；令任意非瓶颈路段j的自身影响因子为αj；
当j∈[n-d，n+d]且j≠n时：
Figure FDA0003166220070000072
Figure FDA0003166220070000073
式中：t(βj)是其他路段对路段j产生影响的影响因子函数；
当g(αj)＞0且t(βj)＞0时，得
Figure FDA0003166220070000074
则f(αj，βj)＝min(g(αj)，t(βj))；
当g(αj)＞0且t(βj)＜0时，得
Figure FDA0003166220070000075
则f(αj，βj)＝t(βj)；
当g(αj)＜0且t(βj)＞时，得
Figure FDA0003166220070000076
则f(αj，βj)＝g(αj)；
当g(αj)＜0且t(βj)＜0时，得
Figure FDA0003166220070000077
则f(αj，βj)＝min(g(αj)，t(βj))；
当
Figure FDA0003166220070000078
时，f(αj，βj)＝g(αj)；
Step8：根据路段实际密度与控制密度的变化情况等比例控制速度，得到相应的速度控制方案；速度求解如下所示：
Figure FDA0003166220070000079
式中，vi(k)表示k时刻路段i上的观测速度，单位：km/h；
速度自身约束条件为μ≤vi(k)≤ξ，其中，μ为速度下限，ξ为速度上限，μ，ξ＞0；
Step9：读取控制后的各路段密度数据，如果在控制密度可接受范围内，则运算结束；否则返回步骤2，重新计算；
Step10：获取速度控制方案，将其通过交通信息发布设施发布。
CN201710070526.0A 2017-02-09 2017-02-09 一种高速公路道路交通安全预警方法 Expired - Fee Related CN106652562B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710070526.0A CN106652562B (zh) 2017-02-09 2017-02-09 一种高速公路道路交通安全预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710070526.0A CN106652562B (zh) 2017-02-09 2017-02-09 一种高速公路道路交通安全预警方法

Publications (2)

Publication Number Publication Date
CN106652562A CN106652562A (zh) 2017-05-10
CN106652562B true CN106652562B (zh) 2021-09-10

Family

ID=58844880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710070526.0A Expired - Fee Related CN106652562B (zh) 2017-02-09 2017-02-09 一种高速公路道路交通安全预警方法

Country Status (1)

Country Link
CN (1) CN106652562B (zh)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107591024B (zh) * 2017-08-26 2020-11-24 圣码智能科技（深圳）有限公司 车辆防撞方法
CN107665583B (zh) * 2017-11-20 2021-07-02 浩鲸云计算科技股份有限公司 一种不同天气条件下车道饱和流率的计算方法
CN108281042A (zh) * 2018-03-16 2018-07-13 武汉理工大学 一种基于地磁检测的防追尾预警系统及方法
CN110390451A (zh) * 2018-04-18 2019-10-29 网帅科技（北京）有限公司 一种道路行车安全风险预测预警指标体系
CN108725198B (zh) * 2018-05-23 2021-02-02 京东方科技集团股份有限公司 一种安全辅助驾驶方法、装置、电子设备
CN108538070A (zh) * 2018-05-31 2018-09-14 湖北民族学院 一种路况预警方法和装置
CN108648469B (zh) * 2018-06-13 2021-04-06 西华大学 一种基于多瓶颈条件的匝道协调控制方法
CN109559506B (zh) * 2018-11-07 2020-10-02 北京城市系统工程研究中心 一种降雨天气下城市道路间断交通流延误时间预测方法
CN109598930B (zh) * 2018-11-27 2021-05-14 上海炬宏信息技术有限公司 一种自动检测高架封闭系统
CN109658722B (zh) * 2018-12-10 2020-03-31 中电共建科技(北京)有限公司 一种基于多源道路感知的智能路侧系统
CN109808492B (zh) * 2019-02-15 2020-06-02 辽宁工业大学 一种车载雷达预警装置及预警方法
CN109887230B (zh) * 2019-03-28 2021-04-09 象谱信息产业有限公司 一种道路凝冰预警及自动化处置系统控制方法
CN110473418B (zh) * 2019-07-25 2022-05-20 平安科技（深圳）有限公司 危险路段识别方法、装置、服务器及存储介质
CN110766924A (zh) * 2019-11-05 2020-02-07 交通运输部科学研究院 一种面向桥隧路段行车安全的智能监测与预警系统及方法
CN113129549B (zh) * 2019-12-31 2024-02-23 北京四维智联科技有限公司 一种道路结冰预测方法及系统
CN111260941A (zh) * 2020-02-27 2020-06-09 贵州智诚科技有限公司 一种道路交通气象灾害预警信息发布方法
CN111402583B (zh) * 2020-03-19 2022-06-21 阿里巴巴集团控股有限公司 一种交通事件的感知方法、设备及存储介质
CN111985080A (zh) * 2020-07-15 2020-11-24 遵义同望智能科技有限公司 一种动态地综合判断路面结冰的方法
CN111859131B (zh) * 2020-07-21 2021-06-15 山东省科院易达科技咨询有限公司 一种多约束条件下的个性化信息推荐方法及信息推荐系统
CN111791891B (zh) * 2020-07-27 2022-04-12 吉林大学 一种基于驾驶员风格的直行跟车安全距离预警方法
CN112319491B (zh) * 2020-10-28 2022-07-29 惠州市德赛西威汽车电子股份有限公司 一种安全驾驶预警方法及系统
CN112581779A (zh) * 2020-12-08 2021-03-30 哈尔滨工业大学 基于激光投影的道路动态交通信息视觉提示方法及系统
CN112835131B (zh) * 2021-01-22 2023-06-20 交通运输部公路科学研究所 一种高速公路结冰风险路段动态短临预警方法
CN113129610B (zh) * 2021-02-25 2023-01-03 云南省交通规划设计研究院有限公司 不利天气高速公路自适应可变限速与信息协同控制方法
CN112837535B (zh) * 2021-03-22 2023-11-17 北京百度网讯科技有限公司 交通信息处理方法、装置、系统、设备及存储介质
CN113793511B (zh) * 2021-11-18 2022-02-15 西南交通大学 高速公路车辆行驶指示方法、装置、设备及可读存储介质
CN114373301B (zh) * 2022-01-14 2022-08-26 郑州汉威光电股份有限公司 一种高速公路路网运行监控预警管理平台
CN114387794B (zh) * 2022-01-17 2023-03-28 南京理工大学 一种基于暴雪条件下的城市应急交通抢修系统及方法
CN115662143B (zh) * 2022-11-21 2023-04-14 吉林大学 一种公交企业运营安全态势动态预测系统及方法
CN116363882B (zh) * 2023-06-01 2023-09-01 山东高速信息集团有限公司 一种高速公路拥堵处理方法、设备及介质
CN116659519B (zh) * 2023-07-31 2023-10-20 安徽领云物联科技有限公司 一种基于人工智能的智慧园区行车轨迹跟踪系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104269051A (zh) * 2014-10-17 2015-01-07 成都四为电子信息股份有限公司 一种高速公路监控管理系统
CN105374215A (zh) * 2015-11-29 2016-03-02 吉林大学 一种高速公路路侧预警装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102231231A (zh) * 2011-06-16 2011-11-02 同济大学 区域公路网交通安全态势预警系统及其方法
CN102542831B (zh) * 2011-12-16 2014-04-09 东南大学 一种基于实时交通流和天气信息的快速道路可变限速控制方法
CN102945609B (zh) * 2012-11-19 2014-09-03 西安费斯达自动化工程有限公司 基于FPGA及改进Papageorgiou-E模型的在线交通瓶颈预测控制方法
US10037689B2 (en) * 2015-03-24 2018-07-31 Donald Warren Taylor Apparatus and system to manage monitored vehicular flow rate
CN103337184B (zh) * 2013-07-11 2017-08-11 上海济安交通工程咨询有限公司 基于时间、交通流和天气的城市道路限速指示系统及控制方法
US9330565B2 (en) * 2013-09-18 2016-05-03 Iteris, Inc. Traffic bottleneck detection and classification on a transportation network graph
CN103593993B (zh) * 2013-11-27 2015-11-25 东南大学 一种有雾条件下快速道路拥堵预警及动态限速方法
CN103606268B (zh) * 2013-11-27 2015-09-23 东南大学 一种雪天快速道路拥堵上游可变限速控制方法
CN104867344B (zh) * 2015-05-29 2017-03-01 中南大学 一种雾区公路诱导系统
CN105513396A (zh) * 2015-12-21 2016-04-20 无锡信大气象传感网科技有限公司 一种高速公路恶劣天气实时限速系统
CN105975705A (zh) * 2016-05-13 2016-09-28 东南大学 一种针对可变限速控制的元胞传输仿真模型改进方法
CN106128095A (zh) * 2016-06-13 2016-11-16 东南大学 一种快速道路孤立瓶颈路段的可变限速控制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104269051A (zh) * 2014-10-17 2015-01-07 成都四为电子信息股份有限公司 一种高速公路监控管理系统
CN105374215A (zh) * 2015-11-29 2016-03-02 吉林大学 一种高速公路路侧预警装置

Also Published As

Publication number Publication date
CN106652562A (zh) 2017-05-10

Similar Documents

Publication Publication Date Title
CN106652562B (zh) 一种高速公路道路交通安全预警方法
CN107742418B (zh) 一种城市快速路交通拥堵状态及堵点位置自动识别方法
US8478499B2 (en) System and method for vehicle speed monitoring using historical speed data
CN109727469B (zh) 一种多车道下自动驾驶车辆综合危险度评估方法
CN103150930B (zh) 针对快速道路常发性拥堵路段的追尾事故实时预测方法
Gates et al. Analysis of dilemma zone driver behavior at signalized intersections
CN101281685B (zh) 区域混合交通自适应信号协调控制方法
CN110077398B (zh) 一种用于智能驾驶的危险处理方法
WO2018122586A1 (zh) 一种基于舒适度的自动驾驶车速控制方法
CN111383465B (zh) 一种基于车联网的高速公路危险预警及速度控制系统
US20200202710A1 (en) Video-based crossroad signal machine control method
CN104157156A (zh) 一种高速公路危险路段车速动态管理预警方法
CN112562318B (zh) 一种恶劣天气多发高速公路限速区的速度协同控制方法
CN109389845B (zh) 一种多因素一体化高速公路动态车速管控系统
CN113936464A (zh) 一种面向桥隧路段行车安全的智能监测与预警方法及系统
CN113065685A (zh) 基于自动驾驶应用场景的高精地图交通规则模型及其实现方法
CN115063990A (zh) 一种混合交通流环境高速公路瓶颈路段动态限速控制方法
CN113112789A (zh) 城市快速路突发事件的影响预测及管控方法
Sisiopiku Variable speed control: Technologies and practice
Gates et al. Comprehensive evaluation of driver behavior to establish parameters for timing of yellow change and red clearance intervals
CN113335293B (zh) 一种线控底盘的高速公路路面探测系统
Tomar et al. Neural network based lane change trajectory predictions for collision prevention
CN111784873A (zh) 基于机器学习原理的高速路安全车载智能系统及工作流程
CN110610611B (zh) 面向混行交通流中智能网联车辆的行车安全性评价方法
CN113919571A (zh) 基于边缘计算的危化品运输保费预估方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Lin Ciyun

Inventor after: Zhou Huxing

Inventor after: Wang Shuxing

Inventor after: Ma Xiaogang

Inventor after: Zheng Lili

Inventor after: Wang Wei

Inventor after: Yang Fan

Inventor after: Zhao Yu

Inventor after: Yu Dexin

Inventor after: Zhang Wei

Inventor after: Xing Ruru

Inventor after: Gong Bowen

Inventor after: Yang Qingfang

Inventor after: Qu Weidong

Inventor after: Zhao Xiaohui

Inventor before: Yu Dexin

Inventor before: Wang Shuxing

Inventor before: Ma Xiaogang

Inventor before: Zheng Lili

Inventor before: Wang Wei

Inventor before: Yang Fan

Inventor before: Lin Ciyun

Inventor before: Zhang Wei

Inventor before: Xing Ruru

Inventor before: Gong Bowen

Inventor before: Yang Qingfang

Inventor before: Qu Weidong

Inventor before: Zhao Xiaohui

Inventor before: Zhou Huxing

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210910

Termination date: 20220209