CN106846809A - 一种基于车辆停车次数的排队最远点计算方法 - Google Patents
一种基于车辆停车次数的排队最远点计算方法 Download PDFInfo
- Publication number
- CN106846809A CN106846809A CN201710143811.0A CN201710143811A CN106846809A CN 106846809 A CN106846809 A CN 106846809A CN 201710143811 A CN201710143811 A CN 201710143811A CN 106846809 A CN106846809 A CN 106846809A
- Authority
- CN
- China
- Prior art keywords
- kth
- solstics
- queuing
- cycles
- phase
- 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.)
- Granted
Links
Classifications
-
- 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
Abstract
本发明提供了一种基于车辆停车次数的排队最远点计算方法。本发明通过车辆停车次数与路段排队最远点的联系,寻找路段排队最远点的计算方法。该方法基于车牌数据,结合城市道路行程时间特性计算车辆停车次数,进而得到路段排队最远点。而且该方法即可充分利用车牌数据统计得到精确的排队最远点,还能结合交通流特性估计实时排队最远点,在精确性和实时性上都有较大优势,易于工程实现。
Description
技术领域
本发明涉及一种基于车辆停车次数计算排队最远点的方法,服务于城市交通控制与管理,属于智能交通研究领域。
背景技术
通过车牌停车次数信息,进而计算排队最远点,可以为城市交通管控提供坚实基础,也可为交通参与者提供动态决策依据,从而诱导城市交通良性发展。
目前对城市道路中车辆停车次数以及排队最远点的研究都是服务与路网状态评价,而且两者之间互相孤立。然而,车辆停车次数与路段排队最远点是相互关联的两个指标,车辆的停车行为形成路段排队,路段排队的构成即为停车车辆。随着电子警察设备、RFID的布设率逐渐提高,海量车牌数据以及车辆停车次数数据的获取成为可能,因此建立一种基于车辆停车次数的排队最远点计算方法尤为重要。
发明内容
本发明的目的在于提供一种基于车辆停车次数的排队最远点计算方法。本发明基于车牌数据,结合城市道路行程时间特性计算车辆停车次数,进而得到路段排队最远点。
为实现上述目的,本发明提出的基于车辆停车次数的排队最远点计算方法包括计算计算车辆停车次数,计算路段统计排队最远点,计算路段估计排队最远点三个步骤。
本发明的基本步骤如下:
c1、计算车辆停车次数。
c2、计算路段统计排队最远点。
c3、计算路段估计排队最远点。
步骤c1计算车辆停车次数的过程包括:
c11、计算路段的自由流行程时间MTT,采用路段长度与其自由流速度的比值:
MTT=L/v
式中,MTT——路段l的自由流行程时间;
L——路段l的长度,单位m;
v——路段l的自由流速度,单位m/s。
c12、令p相位在第k周期通过下游交叉口的第i辆车其行程时间为Tk,i,则该车的停车次数Sk,i为:
Sk,i=ceil((Tk,i-MTT)/R)
式中,Sk,i——p相位第k周期第i辆车的停车次数;
Tk,i——p相位第k周期第i辆车的行程时间;
MTT——路段l的自由流行程时间;
R——p相位的红灯时长。
步骤c2中计算路段统计排队最远点的过程包括:
c21、计算p相位在第k周期以不同停车次数S通过的车辆数Nk,s。
c22、p相位在第k周期的排队最远点为所有在p相位第k周期发生停车的车辆数之和。即p相位在第k+j周期通过的,停车次数大于等于j+1的车辆数,如在本周期k以一次及以上停车次数通过的车辆数,在第k+1周期以两次及以上停车次数通过的车辆数。则p相位在第k周期的排队最远点Qk为:
式中,Qk——p相位第k周期的排队最远点;
Nk+j,S>j——p相位第k+j周期以停车次数S>j通过的车辆数;
J——在p相位第k周期的排队车辆的最大停车次数,该车将在第k+J周期通过停车线。
步骤c3中计算路段估计排队最远点的过程包括:
C31、统计排队最远点是通过已过车辆的停车次数情况统计滞后的排队最远点,仅当p相位第k周期的所有排队车辆通过停车线后才能统计该周期的排队最远点。因此实时的排队最远点还需预测:在第k周期排队的车辆将在第k+j周期(j>0)以何种停车次数S通过停车线。由于同一种停车次数的车辆数是随周期变化的时间序列,因此可以采用移动平均的方法预测第k+j周期(j>0)的以停车次数S>j通过的车辆数Mk+j,S>j。当已知实际通过车辆数Nk,s时,Mk,S等于Nk,s。
Mk+j,s>j=(Mk+j-1,S>j+Mk+j-2,s>j+Mk+j-3,S>j)/3
式中,Mk+j,s>j——p相位第k+j周期以停车次数S>j通过的预测车辆数;
Mk+j-1,S>j——p相位第k+j-1周期以停车次数S>j通过的预测车辆数;
Mk+j-2,S>j——p相位第k+j-2周期以停车次数S>j通过的预测车辆数;
Mk+j-3,S>j——p相位第k+j-3周期以停车次数S>j通过的预测车辆数。
C32、p相位在第k周期的估计排队最远点为所有在p相位第k周期发生停车的车辆数之和,包括在本周期k以一次及以上停车次数通过的车辆数,以及在第k+j周期以停车次数大于等于j+1的通过的预测车辆数Mk+j,s>j。因此估计排队最远点
式中,Ek——p相位第k周期的估计排队最远点;
Mk+j,s>j——p相位第k+j周期以停车次数S>j通过的预测车辆数;
JJ——在p相位第k周期的通过车辆的最大停车次数。
与现有技术相比,本发明的有益效果是:充分利用车辆车牌数据,根据行程时间得到停车次数,进而计算路段排队最远点,填补了城市交通管控中无法得到路段实时排队的空白。而且该方法既可充分利用车牌数据统计得到精确的排队最远点,还能结合交通流特性估计实时排队最远点,在精确性和实时性上都有较大优势,且易于工程实现。
具体实施方式
下面对本发明进行详细阐述,本发明的具体步骤如下。
步骤一计算车辆停车次数的过程包括:
计算路段的自由流行程时间MTT,采用路段长度与其自由流速度的比值:
MTT=L/v
式中,MTT——路段l的自由流行程时间;
L——路段l的长度,单位m;
v——路段l的自由流速度,单位m/s;
令p相位在第k周期通过下游交叉口的第i辆车其行程时间为Tk,i,则该车的停车次数Sk,i为:
Sk,i=ceil((Tk,i-MTT)/R)
式中,Sk,i——p相位第k周期第i辆车的停车次数;
Tk,i——p相位第k周期第i辆车的行程时间;
MTT——路段l的自由流行程时间;
R——p相位的红灯时长。
步骤二中计算路段统计排队最远点的过程包括:
计算p相位在第k周期以不同停车次数S通过的车辆数Nk,s;
p相位在第k周期的排队最远点为所有在p相位第k周期发生停车的车辆数之和。即p相位在第k+j周期通过的,停车次数大于等于j+1的车辆数,如在本周期k以一次及以上停车次数通过的车辆数,在第k+1周期以两次及以上停车次数通过的车辆数。则p相位在第k周期的排队最远点Qk为:
式中,Qk——p相位第k周期的排队最远点;
Nk+j,s>j——p相位第k+j周期以停车次数S>j通过的车辆数;
J——在p相位第k周期的排队车辆的最大停车次数,该车将在第k+J周期通过停车线;
步骤三中计算路段估计排队最远点的过程包括:
统计排队最远点是通过已过车辆的停车次数情况统计滞后的排队最远点,仅当p相位第k周期的所有排队车辆通过停车线后才能统计该周期的排队最远点。因此实时的排队最远点还需预测:在第k周期排队的车辆将在第k+j周期(j>0)以何种停车次数S通过停车线。由于同一种停车次数的车辆数是随周期变化的时间序列,因此可以采用移动平均的方法预测第k+j周期(j>0)的以停车次数S>j通过的车辆数Mk+j,s>j。当已知实际通过车辆数Nk,S时,Mk,s等于Nk,s。
Mk+j,s>j=(Mk+j-1,s>j+Mk+j-2,s>j+Mk+j-3,s>j)/3
式中,Mk+j,s>j——p相位第k+j周期以停车次数S>j通过的预测车辆数;
Mk+j-1,s>j——p相位第k+j-1周期以停车次数S>j通过的预测车辆数;
Mk+j-2,s>j——p相位第k+j-2周期以停车次数S>j通过的预测车辆数;
Mk+j-3,s>j——p相位第k+j-3周期以停车次数S>j通过的预测车辆数。
p相位在第k周期的估计排队最远点为所有在p相位第k周期发生停车的车辆数之和,包括在本周期k以一次及以上停车次数通过的车辆数,以及在第k+j周期以停车次数大于等于j+1的通过的预测车辆数Mk+j,s>j。因此估计排队最远点
式中,Ek——p相位第k周期的估计排队最远点;
Mk+j,s>j——p相位第k+j周期以停车次数S>j通过的预测车辆数;
JJ——在p相位第k周期的通过车辆的最大停车次数。
Claims (1)
1.一种基于车辆停车次数的排队最远点计算方法,其特征在于该方法包括以下步骤:
c1、计算车辆停车次数;
c2、计算路段统计排队最远点;
c3、计算路段估计排队最远点;
其中c1中计算车辆停车次数的过程包括:
c11、计算路段的自由流行程时间MTT,采用路段长度与其自由流速度的比值:
MTT=L/v
式中,MTT——路段l的自由流行程时间;
L——路段l的长度,单位m;
v——路段l的自由流速度,单位m/s;
c12、令p相位在第k周期通过下游交叉口的第i辆车其行程时间为Tk,i,则该车的停车次数Sk,i为:
Sk,i=ceil((Tk,i-MTT)/R)
式中,Sk,i——p相位第k周期第i辆车的停车次数;
Tk,i——p相位第k周期第i辆车的行程时间;
MTT——路段l的自由流行程时间;
R——p相位的红灯时长;
其中c2计算路段统计排队最远点的过程包括:
c21、计算p相位在第k周期以不同停车次数S通过的车辆数Nk,s;
c22、p相位在第k周期的排队最远点为所有在p相位第k周期发生停车的车辆数之和;即p相位在第k+j周期通过的,停车次数大于等于j+1的车辆数;则p相位在第k周期的排队最远点Qk为:
式中,Qk——p相位第k周期的排队最远点;
Nk+j,s>j——p相位第k+j周期以停车次数S>j通过的车辆数;
J——在p相位第k周期的排队车辆的最大停车次数,该车将在第k+J周期通过停车线;
其中c3中计算路段估计排队最远点的过程如下:
c31、统计排队最远点是通过已过车辆的停车次数情况统计滞后的排队最远点,仅当p相位第k周期的所有排队车辆通过停车线后才能统计该周期的排队最远点;因此实时的排队最远点还需预测:采用移动平均的方法预测第k+j周期的以停车次数S>j通过的车辆数Mk+j,s>j;当已知实际通过车辆数Nk,S时,Mk,S等于Nk,s;
Mk+j,s>j=(Mk+j-1,S>j+Mk+j-2,S>j+Mk+j-3,s>j)/3
式中,Mk+j,s>j——p相位第k+j周期以停车次数S>j通过的预测车辆数;
Mk+j-1,S>j——p相位第k+j-1周期以停车次数S>j通过的预测车辆数;
Mk+j-2,S>j——p相位第k+j-2周期以停车次数S>j通过的预测车辆数;
Mk+j-3,S>j——p相位第k+j-3周期以停车次数S>j通过的预测车辆数;
c32、p相位在第k周期的估计排队最远点为所有在p相位第k周期发生停车的车辆数之和,包括在本周期k以一次及以上停车次数通过的车辆数,以及在第k+j周期以停车次数大于等于j+1的通过的预测车辆数Mk+j,S>j;因此估计排队最远点
式中,Ek——p相位第k周期的估计排队最远点;
Mk+j,s>j——p相位第k+j周期以停车次数S>j通过的预测车辆数;
JJ——在p相位第k周期的通过车辆的最大停车次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710143811.0A CN106846809B (zh) | 2017-03-12 | 2017-03-12 | 一种基于车辆停车次数的排队最远点计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710143811.0A CN106846809B (zh) | 2017-03-12 | 2017-03-12 | 一种基于车辆停车次数的排队最远点计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106846809A true CN106846809A (zh) | 2017-06-13 |
CN106846809B CN106846809B (zh) | 2019-06-14 |
Family
ID=59144961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710143811.0A Active CN106846809B (zh) | 2017-03-12 | 2017-03-12 | 一种基于车辆停车次数的排队最远点计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106846809B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107331172A (zh) * | 2017-08-25 | 2017-11-07 | 青岛海信网络科技股份有限公司 | 一种基于道路交通状态的交通相位调整方法和装置 |
CN108806282A (zh) * | 2018-06-01 | 2018-11-13 | 浙江大学 | 基于样本行程时间信息的车道组最大排队长度估计方法 |
CN110444012A (zh) * | 2019-06-26 | 2019-11-12 | 南京慧尔视智能科技有限公司 | 交叉口车辆延误时间与停车次数的计算方法和装置 |
CN114241776A (zh) * | 2021-12-31 | 2022-03-25 | 连云港杰瑞电子有限公司 | 一种基于滚动时间窗口的路段停车次数动态估计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010048044A (ko) * | 1999-11-24 | 2001-06-15 | 이흥수 | 프루브 카를 이용한 대기 행렬 길이를 포함한 교통 정보수집 방법 |
CN102819957A (zh) * | 2012-06-05 | 2012-12-12 | 浙江大学 | 基于上游线圈检测器信息的路段排队上溯识别方法 |
CN102855757A (zh) * | 2012-03-05 | 2013-01-02 | 浙江大学 | 基于排队检测器信息瓶颈状态识别方法 |
CN103093607A (zh) * | 2011-10-27 | 2013-05-08 | 苏州市国贸电子系统工程有限公司 | 一种场站出租车排队管理系统和方法 |
CN106355907A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 |
-
2017
- 2017-03-12 CN CN201710143811.0A patent/CN106846809B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010048044A (ko) * | 1999-11-24 | 2001-06-15 | 이흥수 | 프루브 카를 이용한 대기 행렬 길이를 포함한 교통 정보수집 방법 |
CN103093607A (zh) * | 2011-10-27 | 2013-05-08 | 苏州市国贸电子系统工程有限公司 | 一种场站出租车排队管理系统和方法 |
CN102855757A (zh) * | 2012-03-05 | 2013-01-02 | 浙江大学 | 基于排队检测器信息瓶颈状态识别方法 |
CN102819957A (zh) * | 2012-06-05 | 2012-12-12 | 浙江大学 | 基于上游线圈检测器信息的路段排队上溯识别方法 |
CN106355907A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107331172A (zh) * | 2017-08-25 | 2017-11-07 | 青岛海信网络科技股份有限公司 | 一种基于道路交通状态的交通相位调整方法和装置 |
CN107331172B (zh) * | 2017-08-25 | 2020-11-20 | 青岛海信网络科技股份有限公司 | 一种基于道路交通状态的交通相位调整方法和装置 |
CN108806282A (zh) * | 2018-06-01 | 2018-11-13 | 浙江大学 | 基于样本行程时间信息的车道组最大排队长度估计方法 |
CN108806282B (zh) * | 2018-06-01 | 2020-09-04 | 浙江大学 | 基于样本行程时间信息的车道组最大排队长度估计方法 |
CN110444012A (zh) * | 2019-06-26 | 2019-11-12 | 南京慧尔视智能科技有限公司 | 交叉口车辆延误时间与停车次数的计算方法和装置 |
CN114241776A (zh) * | 2021-12-31 | 2022-03-25 | 连云港杰瑞电子有限公司 | 一种基于滚动时间窗口的路段停车次数动态估计方法 |
CN114241776B (zh) * | 2021-12-31 | 2023-01-31 | 连云港杰瑞电子有限公司 | 一种基于滚动时间窗口的路段停车次数动态估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106846809B (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tiaprasert et al. | Queue length estimation using connected vehicle technology for adaptive signal control | |
CN104778845B (zh) | 多相位跳变和车辆全动态诱导交通控制方法 | |
CN107507415B (zh) | 车联网下基于mfd和排队长度的路网边界限流控制方法 | |
CN106846809B (zh) | 一种基于车辆停车次数的排队最远点计算方法 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN108765981B (zh) | 一种分车道实时排队长度预测方法 | |
CN102855760B (zh) | 基于浮动车数据的在线排队长度检测方法 | |
CN104575035B (zh) | 一种基于车联网环境下交叉口的自适用控制方法 | |
Ma et al. | Effective coordinated optimization model for transit priority control under arterial progression | |
CN104464314B (zh) | 一种公交车专用道交叉口的公交优先通行方法 | |
CN103208193B (zh) | 一种利用视频检测数据的城市相邻交叉口信号协调控制方法 | |
CN106652458A (zh) | 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法 | |
CN104575034B (zh) | 一种基于卡口数据的单点交叉口信号配时参数优化方法 | |
CN110335459A (zh) | 低渗透率车辆轨迹数据的交叉口排队长度估计方法及装置 | |
CN102034353B (zh) | 基于固定检测器的城市道路交通事故排队长度测算方法 | |
CN106683443A (zh) | 一种交叉口左转相位信号配时设计和优化方法 | |
CN106530756B (zh) | 一种考虑下游公交站点的交叉口最佳周期时长计算方法 | |
CN107730886A (zh) | 一种车联网环境下城市交叉口交通信号动态优化方法 | |
CN104809895A (zh) | 相邻交叉口的干道协调控制模型及其优化方法 | |
CN106548632A (zh) | 一种相邻上下游信号交叉口排队长度估计方法 | |
CN105261210A (zh) | 一种基于北斗装备的路段交通拥堵指数计算方法 | |
CN106530695A (zh) | 基于车联网的城市干道车辆行程时间实时预测方法 | |
CN103942957A (zh) | 信号交叉口饱和状态下车辆排队长度计算方法 | |
CN102750826A (zh) | 一种用于群体诱导信息下驾驶员响应行为的辨识方法 | |
CN106846808B (zh) | 一种基于车牌数据的车辆停车次数计算方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |