CN106846811A - 一种基于过车时刻数据的信号方案识别方法 - Google Patents
一种基于过车时刻数据的信号方案识别方法 Download PDFInfo
- Publication number
- CN106846811A CN106846811A CN201710148697.0A CN201710148697A CN106846811A CN 106846811 A CN106846811 A CN 106846811A CN 201710148697 A CN201710148697 A CN 201710148697A CN 106846811 A CN106846811 A CN 106846811A
- Authority
- CN
- China
- Prior art keywords
- car
- intersection
- phases
- vehicle
- moment
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于过车时刻数据的信号方案识别方法。本发明通过计算车辆之间的第一类距离、计算每辆车的跟车密度,计算车辆的第二类密度,进而得到特征点,最终计算得到信号方案。而且该方法充分利用现有的过车时刻数据,不依赖于参数选取,且易于工程实现。
Description
技术领域
本发明涉及一种基于过车时刻数据的信号方案识别方法,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
随着停车线断面检测器、电子车牌、电子警察、RFID等设备的逐渐普及,大量有效数据如车辆通过交叉口停车断面的时刻亟待利用。本方法通过停车线断面的过车时刻数据计算交叉口运行的信号方案,区分每一辆车通过时所在的信号周期,从而为以周期、相位为单位的路段、交叉口指标计算提供基础,进而为以路网状态为依据的城市交通管控提供依据。
发明内容
本发明的目的在于提供一种基于过车时刻数据的信号方案识别方法。本发明基于停车线断面过车时刻数据,结合城市道路车辆运行特性识别交叉口信号方案。
为实现上述目的,本发明提出的一种基于过车时刻数据的信号方案识别方法包括计算车辆之间的第一类距离、计算每辆车的跟车密度,计算车辆的第二类距离,选取特征点,识别信号方案三个步骤。
本发明的基本步骤如下:
c1、计算车辆之间的第一类距离,计算每辆车的跟车密度。
c2、计算车辆的第二类距离,选取特征点。
c3、识别信号方案。
步骤c1计算车辆之间的第一类距离,计算每辆车的跟车密度的过程包括:
c11、获取交叉口j相位k的所有过车时刻数据,第i辆车的过车时刻为tj,k,i。
c12、定义交叉口j相位k的过车时刻数据之间的第一类距离dj,k,(i,p):
dj,k,(i,p)=|tj,k,i-tj,k,p|
式中,dj,k,(i,p)——交叉口j相位k第i辆车与第p辆车的第一类距离;
tj,k,i——交叉口j相位k第i辆车的过车时刻;
tj,k,p——交叉口j相位k第p辆车的过车时刻;
c13、定义每辆车的跟车密度为包括该车在内,连续以车头时距小于H′=10所通过的车辆数。计算交叉口j相位k的第i辆车的跟车密度ρj,k,i。其中第i辆车的车头时距Hi为:
Hi=tj,k,i-tj,k,i-1
式中,Hi——交叉口j相位k第i辆车的车头时距;
tj,k,i——交叉口j相位k第i辆车的过车时刻;
tj,k,i-1——交叉口j相位k第i-1辆车的过车时刻;
步骤c2计算车辆的第二类距离,选取特征点的过程包括:
c21、定义交叉口j相位k的第i辆车的第二类距离Cj,k,i为距离跟车密度比自己高的车辆的最短距离:
式中,Cj,k,i——交叉口j相位k第i辆车的第二类距离;
dj,k,(i,p)——交叉口j相位k第i辆车与第p辆车的第一类距离;
ρj,k,p——交叉口j相位k第i辆车的跟车密度;
ρj,k,i——交叉口j相位k第p辆车的跟车密度;
c22、计算距离阈值M:
M=(M1+M2)/2
式中,M——选取特征值的第二类距离阈值;
M1——选取车头时距大于H″=20的车辆,计算其对应的第二类距离众数M1;
M2——选取车头时距小于H″=20的车辆,计算其对应的第二类距离众数;
c23、选取第二类距离大于等于第二类距离阈值M的车辆过车时刻tj,k,i作为特征点。
步骤c3识别信号方案的过程包括:
c31、以特征点作为等效绿灯启亮时刻,计算相邻特征点之间的时刻之差作为该周期的等效周期时长;
c32、以特征点的前一个车辆过车时刻作为上一周期等效绿灯结束时刻;
c33、以等效绿灯结束时刻与启亮时刻的差值作为等效绿灯时长。而等效红灯时长为等效周期时长与等效绿灯时长的差值。
与现有技术相比,本发明的有益效果是充分利用且只利用过车时刻数据,识别得到交叉口的信号方案,即等效周期、绿灯、红灯,为城市交通管控中相关措施提供了参数基础。而且该方法充分利用现有的过车时刻数据,不依赖于参数选取,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。
步骤一计算车辆之间的第一类距离,计算每辆车的跟车密度的过程包括:
获取交叉口j相位k的所有过车时刻数据,第i辆车的过车时刻为tj,k,i。
定义交叉口j相位k的过车时刻数据之间的第一类距离dj,k,(i,p):
dj,k,(i,p)=|tj,k,i-tj,k,p|
式中,dj,k,(i,p)——交叉口j相位k第i辆车与第p辆车的第一类距离;
tj,k,i——交叉口j相位k第i辆车的过车时刻;
tj,k,p——交叉口j相位k第p辆车的过车时刻;
定义每辆车的跟车密度为包括该车在内,连续以车头时距小于H′=10所通过的车辆数。计算交叉口j相位k的第i辆车的跟车密度ρj,k,i。其中第i辆车的车头时距Hi为:
Hi=tj,k,i-tj,k,i-1
式中,Hi——交叉口j相位k第i辆车的车头时距;
tj,k,i——交叉口j相位k第i辆车的过车时刻;
tj,k,i-1——交叉口j相位k第i-1辆车的过车时刻;
步骤二计算车辆的第二类距离,选取特征点的过程包括:
定义交叉口j相位k的第i辆车的第二类距离Cj,k,i为距离跟车密度比自己高的车辆的最短距离:
式中,Cj,k,i——交叉口j相位k第i辆车的第二类距离;
dj,k,(i,p)——交叉口j相位k第i辆车与第p辆车的第一类距离;
ρj,k,p——交叉口j相位k第i辆车的跟车密度;
ρk,k,i——交叉口j相位k第p辆车的跟车密度;
计算距离阈值M:
M=(M1+M2)/2
式中,M——选取特征值的距离阈值;
M1——选取车头时距大于H″=20的车辆,其对应的第二类距离众数M1;
M2——选取车头时距小于H″=20的车辆,其对应的第二类距离众数M2;
选取距离大于等于距离阈值M的车辆过车时刻tj,k,i做为特征点。
步骤三识别信号方案的过程包括:
以特征点作为等效绿灯启亮时刻,计算相邻特征点之间的时刻之差作为该周期的等效周期时长;
以特征点的前一个车辆过车时刻作为上一周期等效绿灯结束时刻;
以等效绿灯结束时刻与启亮时刻的差值作为等效绿灯时长。而等效红灯时长为等效周期时长与等效绿灯时长的差值。
Claims (1)
1.一种基于过车时刻数据的信号方案识别方法,其特征在于该方法包括以下步骤:
c1、计算车辆之间的第一类距离,计算每辆车的跟车密度;
c2、计算车辆的第二类距离,选取特征点;
c3、识别信号方案;
其中c1中计算车辆之间的第一类距离,计算每辆车的跟车密度的过程包括:
c11、获取交叉口j相位k的所有过车时刻数据,第i辆车的过车时刻为tj,k,i;
c12、定义交叉口j相位k的过车时刻数据之间的第一类距离dj,k,(i,p):
dj,k,(i,p)=|tj,k,i-tj,k,p|
式中,dj,k,(i,p)——交叉口j相位k第i辆车与第p辆车的第一类距离;
tj,k,i——交叉口j相位k第i辆车的过车时刻;
tj,k,p——交叉口j相位k第p辆车的过车时刻;
c13、定义每辆车的跟车密度为包括该车在内,连续以车头时距小于H′=10所通过的车辆数;计算交叉口j相位k的第i辆车的跟车密度ρj,k,i;其中第i辆车的车头时距Hi为:
Hi=tj,k,i-tj,k,i-1
式中,Hi——交叉口j相位k第i辆车的车头时距;
tj,k,i——交叉口j相位k第i辆车的过车时刻;
tj,k,i-1——交叉口j相位k第i-1辆车的过车时刻;
其中c2计算车辆的第二类距离,选取特征点的过程包括:
c21、定义交叉口j相位k的第i辆车的第二类距离Cj,k,i为距离跟车密度比自己高的车辆的最短距离:
式中,Cj,k,i——交叉口j相位k第i辆车的第二类距离;
dj,k,(i,p)——交叉口j相位k第i辆车与第p辆车的第一类距离;
ρj,k,p——交叉口j相位k第i辆车的跟车密度;
ρj,k,i——交叉口j相位k第p辆车的跟车密度;
c22、计算距离阈值M:
M=(M1+M2)/2
式中,M——选取特征值的距离阈值;
M1——选取车头时距大于H″=20的车辆,计算其对应的第二类距离众数M1;
M2——选取车头时距小于H″=20的车辆,计算其对应的第二类距离众数;
c23、选取第二类距离大于等于第二类距离阈值M的车辆过车时刻tj,k,i作为特征点;
其中c3中识别信号方案的过程如下:
c31、以特征点作为等效绿灯启亮时刻,计算相邻特征点之间的时刻之差作为该周期的等效周期时长;
c32、以特征点的前一个车辆过车时刻作为上一周期等效绿灯结束时刻;
c33、以等效绿灯结束时刻与启亮时刻的差值作为等效绿灯时长;而等效红灯时长为等效周期时长与等效绿灯时长的差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710148697.0A CN106846811B (zh) | 2017-03-12 | 2017-03-12 | 一种基于过车时刻数据的信号方案识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710148697.0A CN106846811B (zh) | 2017-03-12 | 2017-03-12 | 一种基于过车时刻数据的信号方案识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106846811A true CN106846811A (zh) | 2017-06-13 |
CN106846811B CN106846811B (zh) | 2019-05-07 |
Family
ID=59143533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710148697.0A Active CN106846811B (zh) | 2017-03-12 | 2017-03-12 | 一种基于过车时刻数据的信号方案识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106846811B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130342370A1 (en) * | 2012-06-25 | 2013-12-26 | Pranay Sharma | Control method of traffic sign by utilizing vehicular network |
CN103903433A (zh) * | 2012-12-27 | 2014-07-02 | 中兴通讯股份有限公司 | 一种道路交通状态的实时动态判别方法及装置 |
CN104835332A (zh) * | 2015-05-11 | 2015-08-12 | 清华大学深圳研究生院 | 基于车辆位置的动态信号灯控制方法 |
CN104916129A (zh) * | 2015-05-05 | 2015-09-16 | 杭州电子科技大学 | 基于大规模卡口过车数据的道路实时通行速度计算方法 |
CN106097717A (zh) * | 2016-08-23 | 2016-11-09 | 重庆大学 | 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法 |
-
2017
- 2017-03-12 CN CN201710148697.0A patent/CN106846811B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130342370A1 (en) * | 2012-06-25 | 2013-12-26 | Pranay Sharma | Control method of traffic sign by utilizing vehicular network |
CN103903433A (zh) * | 2012-12-27 | 2014-07-02 | 中兴通讯股份有限公司 | 一种道路交通状态的实时动态判别方法及装置 |
CN104916129A (zh) * | 2015-05-05 | 2015-09-16 | 杭州电子科技大学 | 基于大规模卡口过车数据的道路实时通行速度计算方法 |
CN104835332A (zh) * | 2015-05-11 | 2015-08-12 | 清华大学深圳研究生院 | 基于车辆位置的动态信号灯控制方法 |
CN106097717A (zh) * | 2016-08-23 | 2016-11-09 | 重庆大学 | 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106846811B (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104732205B (zh) | 一种高速公路逃费稽查的系统 | |
CN103531031B (zh) | 一种基于城市交通干线软封闭区视频检测识别实现一路绿灯通行的控制方法 | |
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 | |
CN103034836B (zh) | 道路标志检测方法和道路标志检测设备 | |
CN102903239B (zh) | 交通路口车辆左右违章转向检测方法和系统 | |
CN111768637A (zh) | 一种信号交叉口交通信号灯和车辆轨迹控制方法 | |
CN105427586B (zh) | 一种基于多轨迹碰撞的车辆落脚点分析方法 | |
CN111325978B (zh) | 一种高速公路车辆异常行为的全程监测警示系统和方法 | |
CN203346814U (zh) | 基于车牌识别技术的双车道一体化小区智能道闸管理系统 | |
CN107170247B (zh) | 一种确定交叉口排队长度方法及装置 | |
CN106710245A (zh) | 基于密度的快速路多车道匝道控制方法 | |
CN109961639A (zh) | 一种过饱和状态下车道排队长度估计方法 | |
CN104766479A (zh) | 基于超高频射频与视频图像双识别匹配的汽车身份识别方法及装置 | |
CN107895481B (zh) | 基于浮动车技术的区域道路车流量控制方法 | |
CN102768801A (zh) | 基于视频的机动车绿灯跟进违章行为的检测方法 | |
CN108615376A (zh) | 一种基于视频检测的交叉口信号控制方案评价方法 | |
CN109087507A (zh) | 一种道路交通信号单点控制效益评价方法 | |
CN106846808B (zh) | 一种基于车牌数据的车辆停车次数计算方法 | |
CN109784254A (zh) | 一种车辆违规事件检测的方法、装置和电子设备 | |
CN109118787A (zh) | 一种基于深度神经网络的车辆速度预测方法 | |
CN106846891B (zh) | 一种基于序列分解的公共停车场泊位多步预测方法 | |
CN102024148A (zh) | 一种出租车绿色标志识别方法 | |
CN110705484A (zh) | 利用行车轨迹识别连续变更车道违法行为的方法 | |
CN113516854A (zh) | 一种基于卡警、视频检测器的多路口协调自适应控制方法 | |
CN113393113B (zh) | 复杂网络理论信用评价的路内停车欠逃费追缴方法及系统 |
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 |