CN106971538A - 一种区域路网交通状态宏观基本图的绘制方法 - Google Patents

一种区域路网交通状态宏观基本图的绘制方法 Download PDF

Info

Publication number
CN106971538A
CN106971538A CN201710282200.4A CN201710282200A CN106971538A CN 106971538 A CN106971538 A CN 106971538A CN 201710282200 A CN201710282200 A CN 201710282200A CN 106971538 A CN106971538 A CN 106971538A
Authority
CN
China
Prior art keywords
occupancy
data
flow
parent map
road network
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
Application number
CN201710282200.4A
Other languages
English (en)
Other versions
CN106971538B (zh
Inventor
段征宇
雷曾翔
畅玉皎
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN201710282200.4A priority Critical patent/CN106971538B/zh
Publication of CN106971538A publication Critical patent/CN106971538A/zh
Application granted granted Critical
Publication of CN106971538B publication Critical patent/CN106971538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • G08G1/0129Traffic data processing for creating historical data or processing based on historical data

Abstract

本发明涉及一种区域路网交通状态宏观基本图的绘制方法,包括以下步骤:1)通过SCATS线圈获取交叉口车道的流量和饱和度数据,并进行数据清洗,用以去除异常线圈数据和异常时段数据;2)使用SCATS数据计算占用率;3)对占用率进行修正;4)将一定时间段内的占用率和流量进行加权平均;5)用加权平均后的占用率及流量绘制路网交通状态宏观基本图。与现有技术相比,本发明具有基于SCATS线圈数据、实时准确等优点。

Description

一种区域路网交通状态宏观基本图的绘制方法
技术领域
本发明涉及城市路网管理领域,尤其是涉及一种区域路网交通状态宏观基本图的绘制方法。
背景技术
城市路网作为现实存在的复杂网络,优化其单个“节点”或“边”的管理方法通常不能达到优化系统的目的,有时甚至会适得其反,采用优化更大范围思路的区域交通管理政策更容易取得较好的效果。
区域交通管理政策的实施需要相关依据作为参照,为此需要一种新的评价区域交通状态的方法。宏观基本图(Macroscopic Fundamental Diagram,下简称MFD)的出现为评价区域交通状态提供了很好的技术选择。
MFD是使用区域路网的平均流量、密度绘制的交通流基本图,其思想起源于1969年Godfrey对现实网络中MFD性质的探究,并由Geroliminis和Daganzo在2008年对稳定MFD的存在性给出了证明。MFD的实际意义是在实际交通网络可以容纳的车辆数是有限的,并且系统达到最大服务能力时的车辆数不是系统能容纳的最大车辆数,控制系统中的车辆数(平均密度)可以显著改善系统的性能,而控制标准可以通过MFD得到。
SCATS系统(Sydney Coordinated Adaptive Traffic System,悉尼自适应交通控制系统)是我国使用较为广泛的城市交通信号控制系统,在城市交通管理中具有重要作用。理论上绘制区域MFD需要路段的长度及各时段的密度、流量,但装备SCATS系统的城市一般不具备获得大规模的地面道路密度的条件,SCATS系统只有在停止线才有单检测线圈,而单线圈是得不到密度的,目前,国外虽有使用SCATS数据做MFD的实证先例,但他们要么用了额外的数据估算得到了密度,要么脱离MFD的定义,转而从MFD的稳定存在,在局部拥挤时存在“滞后回圈”现象等MFD性质出发,做出满足这类性质的图线。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于SCATS线圈数据、实时准确的区域路网交通状态宏观基本图的绘制方法。
本发明的目的可以通过以下技术方案来实现:
一种区域路网交通状态宏观基本图的绘制方法,包括以下步骤:
1)通过SCATS线圈获取交叉口车道的流量和饱和度数据,并进行数据清洗,用以去除异常线圈数据和异常时段数据;
2)使用SCATS数据计算占用率;
3)对占用率进行修正;
4)将一定时间段内的占用率和流量进行加权平均;
5)用加权平均后的占用率及流量绘制路网交通状态宏观基本图。
所述的步骤1)中,判断是否属于异常线圈数据的方法具体为:
当n/naspect<0.9且n0/naspect<0.01时,则判定为异常线圈数据并删除,
其中,naspect为期望数据量,T为时段总长,ti为单个线圈第i条记录的周期时长,n为单个线圈的数据量,n0为线圈流量数据中含有不大于0的数据条数。
所述的步骤1)中,判断是否属于异常时段数据的方法具体为:
当交叉口处于空闲状态,即交叉口的5min流量小于15,并且SCATS线圈数据出现流量为0但饱和度不为0的数据时,则被判定为异常。
所述的步骤2)中,占用率OCCUPANCY的计算式为:
其中,gDS为相位时长,包括绿灯时间和绿间隔时间,Ts为线圈空闲时间,nvg为车辆数,tsMF为最大流量时平均每辆车的空闲时间,DS为车道饱和度。
所述的步骤3)中,对以下三种情况的占用率需要进行修正,包括:
(1)当交叉口5min流量小于15,且h>0.3时,则有:
其中,OCCUPANCY_NEW为修正后的占用率,OCCUPANCY_OPT为最大流量时线圈的占用率,FLOW为5min的折算流量,MF为最大流量,h为下游排队的时间占相位时间的比例;
(2)当交叉口5min流量大于15,且h>0.3时,则有:
其中,DSnew为修正后的车道饱和度,m为三角形基本图中的常数,取值为3~5,KP为最大流量下单车占用的时间;
(3)当DS>0.95且k>1.3时,则有
其中,k为拥挤造成的SCATS数据换算占用率偏离理论值的程度值。
所述的步骤5)具体包括以下步骤:
以5min的平均占用率为横坐标,平均流量为纵坐标,绘制散点图,即得到区域路网的宏观基本图。
所述的宏观基本图中出现的平均流量的峰值反映当前的道路系统能够达到的最优状态,对应的平均占用率为采取区域管制的阈值。
与现有技术相比,本发明具有以下优点:
本发明仅采用SCATS线圈采集到的数据绘制MFD,不需要额外的交通检测数据,数据获取更为简单、方便,MFD的形状可以反映区域路网的运行状况,其中的占用率可用于实时反映区域路网的交通拥挤情况,并且有明确的阈值用于判断是否需要采取管控措施,对于城市交通管理,具有很强的参考意义。
附图说明
图1为本发明的方法流程图。
图2为2016年6月上海市部分线圈修正前后的SCATS线圈占用率-流量图,其中,图(2a)为修正前的SCATS线圈占用率-流量图,图(2b)为修正后的SCATS线圈占用率-流量图。
图3为2016年5月16日至2016年5月22日周一到周日的三个区域的MFD,其中,图(31a)为静安寺区域周一的MFD,图(32a)为静安寺区域周二的MFD,图(33a)为静安寺区域周三的MFD,图(34a)为静安寺区域周四的MFD,图(35a)为静安寺区域周五的MFD,图(36a)为静安寺区域周六的MFD,图(37a)为静安寺区域周日的MFD,图(31b)为人民广场区域周一的MFD,图(32b)为人民广场区域周二的MFD,图(33b)为人民广场区域周三的MFD,图(34b)为人民广场区域周四的MFD,图(35b)为人民广场区域周五的MFD,图(36b)为人民广场区域周六的MFD,图(37b)为同济大学区域周日的MFD,图(31c)为同济大学区域周一的MFD,图(32c)为同济大学区域周二的MFD,图(33c)为同济大学区域周三的MFD,图(34c)为同济大学区域周四的MFD,图(35c)为同济大学区域周五的MFD,图(36c)为同济大学区域周六的MFD,图(37c)为同济大学区域周日的MFD。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
本方法利用SCATS数据(形式如表1所示),提出了一种绘制区域路网交通状态宏观基本图(MFD)的方法,本发明使用SCATS数据得到的平均占有率和流量绘制MFD,对SCATS数据计算得到的占有率进行修正,可以实时反映区域路网的交通拥挤情况,并有明确的阈值用于判断是否需要采取管控措施。
表1SCATS数据格式
如图1所示,本发明解决其技术问题所采用的技术方案包括以下步骤:
首先,对SCATS数据进行数据清洗,包括异常线圈数据清洗及异常时段数据清洗,具体为:
(1)异常线圈数据清洗
删除数据缺失较多或长期没有流量的线圈。数据异常严重程度的判断基于期望数据量naspect,计算公式为:
T——研究时段总长,单位s
ti——单个线圈第i条记录的周期时长,单位s
n——单个线圈的数据量
若线圈在研究时段存在数据缺失,那么该线圈的n/naspect将小于1;若线圈长时间流量为0,设线圈流量不大于0有n0条记录,那么n0/naspect将接近于0。取n/naspect<0.9,n0/naspect<0.01作为异常线圈的判断标准,删除这些线圈的数据。
(2)异常时段数据清洗
对于流量为0、DS不为0的数据。考虑两种情况:第一种,该现象有可能是交叉口过饱和造成的;第二种,该现象是单纯的数据异常。为排除第一种情况,统计不同时段交叉口5min流量分布作为中间表,选择交叉口5min流量是否小于15作为阈值来分辨交叉口是否空闲,空闲时发生的流量为0、大于0的现象将被识别为异常。当出现流量为0、大于0且对应交叉口5min流量小于15的记录超过70条,
绘制MFD时跳过该时段数据。
接着,使用SCATS数据计算占用率,计算占用率的公式如下:
DS——SCATS系统记录的车道饱和度(Degree of Saturation)
gDS——相位时长,单位s,包括绿灯时间和绿间隔时间(黄灯时间和全红时间之和)
Ts——检测出的线圈空闲时间,单位s
nvg——检测出的车辆数
tsMF——最大流量时平均每辆车的空闲时间,可以用最大流量MF和KP值计算得到,单位s;
再者,对部分情况下的占用率进行修正,如图2所示,具体包括:
设定三类指标:
OCCUPANCY_OPT——最大流量时线圈的占用率
h——下游排队的时间占相位时间的比例
k——拥挤造成的SCATS数据换算占用率偏离理论值的程度
tsMF——最大流量时平均每辆车的空闲时间,可以用最大流量MF和KP值计算得到,单位s
MF——最大流量,单位辆/h
FLOW——5min的折算流量,单位辆/h
对三种情况下的占有率进行修正,得到修正后的占用率(OCCUPANCY_NEW):
1、对于当前交叉口5min流量小于15,同时h>0.3:
2、交叉口5min流量大于15,同时h>0.3:
其中m为三角形基本图中的常数,一般取3~5
将DSnew重新计算占用率,即得到修正后的占用率。
3、DS>0.95且k>1.3:
然后,将一定时间段的占用率和流量加权平均,为提高MFD的稳定性,将区域路网5min内计算得到的占用率及流量按相位时长加权平均;
最后,用加权平均后的占用率及流量绘制路网交通状态宏观基本图(MFD)。
以5min的平均占用率为横坐标,平均流量为纵坐标,绘制散点图,即得到区域路网的宏观基本图(MFD),其中出现的流量峰值反映了当前的道路系统可以达到的最优状态,对应的平均占用率为采取区域管制的阈值。
若以时间为横坐标,平均占用率为纵坐标,绘制折线图,可以得到一天中区域路网交通状况的变化情况。
采用上述方法,分析上海三个区域,2016年5月16日至2016年5月22日(一周)的MFD如图3所示。

Claims (7)

1.一种区域路网交通状态宏观基本图的绘制方法,其特征在于,包括以下步骤:
1)通过SCATS线圈获取交叉口车道的流量和饱和度数据,并进行数据清洗,用以去除异常线圈数据和异常时段数据;
2)使用SCATS数据计算占用率;
3)对占用率进行修正;
4)将一定时间段内的占用率和流量进行加权平均;
5)用加权平均后的占用率及流量绘制路网交通状态宏观基本图。
2.根据权利要求1所述的一种区域路网交通状态宏观基本图的绘制方法,其特征在于,所述的步骤1)中,判断是否属于异常线圈数据的方法具体为:
当n/naspect<0.9且n0/naspect<0.01时,则判定为异常线圈数据并删除,
n a s p e c t = m a x ( n T Σ i = 1 n t i , n )
其中,naspect为期望数据量,T为时段总长,ti为单个线圈第i条记录的周期时长,n为单个线圈的数据量,n0为线圈流量数据中含有不大于0的数据条数。
3.根据权利要求1所述的一种区域路网交通状态宏观基本图的绘制方法,其特征在于,所述的步骤1)中,判断是否属于异常时段数据的方法具体为:
当交叉口处于空闲状态,即交叉口的5min流量小于15,并且SCATS线圈数据出现流量为0但饱和度不为0的数据时,则被判定为异常。
4.根据权利要求1所述的一种区域路网交通状态宏观基本图的绘制方法,其特征在于,所述的步骤2)中,占用率OCCUPANCY的计算式为:
O C C U P A N C Y = g D S - T s g D S = D S - n v g t s M F g D S
其中,gDS为相位时长,包括绿灯时间和绿间隔时间,Ts为线圈空闲时间,nvg为车辆数,tsMF为最大流量时平均每辆车的空闲时间,DS为车道饱和度。
5.根据权利要求4所述的一种区域路网交通状态宏观基本图的绘制方法,其特征在于,所述的步骤3)中,对以下三种情况的占用率需要进行修正,包括:
(1)当交叉口5min流量小于15,且h>0.3时,则有:
O C C U P A N C Y _ N E W = O C C U P A N C Y _ O P T × F L O W M F
O C C U P A N C Y _ O P T = 1 - MFt s M F 3600
h = ( D S × M F - F L O W ) M F
其中,OCCUPANCY_NEW为修正后的占用率,OCCUPANCY_OPT为最大流量时线圈的占用率,FLOW为5min的折算流量,MF为最大流量,h为下游排队的时间占相位时间的比例;
(2)当交叉口5min流量大于15,且h>0.3时,则有:
DS n e w = - ( ( m + 1 ) K P - 1 M F ) × F L O W + [ h + ( 1 - h ) ( M F × K P 100 × ( m + 1 ) ) ]
O C C U P A N C Y _ N E W = DS n e w - n v g t s M F g D S
其中,DSnew为修正后的车道饱和度,m为三角形基本图中的常数,取值为3~5,KP为最大流量下单车占用的时间;
(3)当DS>0.95且k>1.3时,则有
O C C U P A N C Y _ N E W = 2 3 O C C U P A N C Y
k = ( O C C U P A N C Y - O C C U P A N C Y _ O P T ) M F ( 1 - O C C U P A N C Y _ O P T ) ( M F - F L O W )
其中,k为拥挤造成的SCATS数据换算占用率偏离理论值的程度值。
6.根据权利要求1所述的一种区域路网交通状态宏观基本图的绘制方法,其特征在于,所述的步骤5)具体包括以下步骤:
以5min的平均占用率为横坐标,平均流量为纵坐标,绘制散点图,即得到区域路网的宏观基本图。
7.根据权利要求6所述的一种区域路网交通状态宏观基本图的绘制方法,其特征在于,所述的宏观基本图中出现的平均流量的峰值反映当前的道路系统能够达到的最优状态,对应的平均占用率为采取区域管制的阈值。
CN201710282200.4A 2017-04-26 2017-04-26 一种区域路网交通状态宏观基本图的绘制方法 Active CN106971538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710282200.4A CN106971538B (zh) 2017-04-26 2017-04-26 一种区域路网交通状态宏观基本图的绘制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710282200.4A CN106971538B (zh) 2017-04-26 2017-04-26 一种区域路网交通状态宏观基本图的绘制方法

Publications (2)

Publication Number Publication Date
CN106971538A true CN106971538A (zh) 2017-07-21
CN106971538B CN106971538B (zh) 2019-08-02

Family

ID=59333842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710282200.4A Active CN106971538B (zh) 2017-04-26 2017-04-26 一种区域路网交通状态宏观基本图的绘制方法

Country Status (1)

Country Link
CN (1) CN106971538B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108665703A (zh) * 2018-04-23 2018-10-16 东南大学 基于宏观基本图的路网状态转换点判别方法
CN109272760A (zh) * 2018-10-18 2019-01-25 银江股份有限公司 一种scats系统检测器数据异常值的在线检测方法
CN109308805A (zh) * 2018-08-20 2019-02-05 广东交通职业技术学院 一种基于自适应加权平均数据融合的路网mfd估测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19940957C2 (de) * 1999-08-28 2001-10-18 Daimler Chrysler Ag Verkehrsprognoseverfahren für ein Verkehrsnetz mit verkehrsgeregelten Netzknoten
CN1645402A (zh) * 2005-01-19 2005-07-27 北京交通大学 一种道路交通流数据质量控制方法与装置
CN102542801A (zh) * 2011-12-23 2012-07-04 北京易华录信息技术股份有限公司 一种融合多种交通数据的交通状况预测系统及方法
CN102646332A (zh) * 2011-02-21 2012-08-22 日电(中国)有限公司 基于数据融合的交通状态估计装置和方法
CN104318772A (zh) * 2014-10-31 2015-01-28 重庆大学 高速公路交通流数据质量检测方法
CN105355049A (zh) * 2015-11-05 2016-02-24 北京航空航天大学 一种基于宏观基本图的高速公路运行状态评价方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19940957C2 (de) * 1999-08-28 2001-10-18 Daimler Chrysler Ag Verkehrsprognoseverfahren für ein Verkehrsnetz mit verkehrsgeregelten Netzknoten
CN1645402A (zh) * 2005-01-19 2005-07-27 北京交通大学 一种道路交通流数据质量控制方法与装置
CN102646332A (zh) * 2011-02-21 2012-08-22 日电(中国)有限公司 基于数据融合的交通状态估计装置和方法
CN102542801A (zh) * 2011-12-23 2012-07-04 北京易华录信息技术股份有限公司 一种融合多种交通数据的交通状况预测系统及方法
CN104318772A (zh) * 2014-10-31 2015-01-28 重庆大学 高速公路交通流数据质量检测方法
CN105355049A (zh) * 2015-11-05 2016-02-24 北京航空航天大学 一种基于宏观基本图的高速公路运行状态评价方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
曾智慧: "考虑数据异常的高速公路交通运行状态评价方法与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
李林: "基于聚类分析和决策树算法的交通流量挖掘", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
王玉 等: "偶发性交通事件对网络交通状态的影响分析", 《第七届中国智能交通年会优秀论文集—智能交通技术》 *
聂建强 等: "基于占有率的信号相位交通状态实时判别模型", 《指挥控制与仿真》 *
贺正冰 等: "北京市快速环路宏观基本图特征研究", 《交通运输系统工程与信息》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108665703A (zh) * 2018-04-23 2018-10-16 东南大学 基于宏观基本图的路网状态转换点判别方法
CN109308805A (zh) * 2018-08-20 2019-02-05 广东交通职业技术学院 一种基于自适应加权平均数据融合的路网mfd估测方法
CN109272760A (zh) * 2018-10-18 2019-01-25 银江股份有限公司 一种scats系统检测器数据异常值的在线检测方法

Also Published As

Publication number Publication date
CN106971538B (zh) 2019-08-02

Similar Documents

Publication Publication Date Title
CN108320506B (zh) 一种基于复合网络的拥堵时段的发现方法
JP3501773B2 (ja) 交通制御されたネットワークノードを含む交通網に対する、報告車両データに基づく交通状況決定方法
CN106097730B (zh) 一种路段车辆排队长度的估计方法、装置及系统
CN104715610B (zh) 一种面向城市交通的交通指数计算方法
WO2018064931A1 (zh) 考虑出租车运营状态下的城市道路行程时间分布估算方法
CN106971538A (zh) 一种区域路网交通状态宏观基本图的绘制方法
CN104464295B (zh) 一种基于视频的高架入口匝道智能限行方法
Hiribarren et al. Real time traffic states estimation on arterials based on trajectory data
CN107993438A (zh) 一种高速公路瓶颈路段拥堵预警方法
WO2020083399A1 (zh) 基于交通流数据的协调干线线路规划方法及配置系统
CN108871357B (zh) 一种在电子地图上显示拥堵路段的事故车道的方法
CN104574970A (zh) 城市地下停车系统出入口接驳处交通状态评价方法
CN111008223A (zh) 一种基于时空关联规则的区域交通拥堵相关性计算方法
Lu et al. Estimating traffic speed with single inductive loop event data
JP2011048754A (ja) 交通状況解析装置、交通状況解析プログラム及び交通状況解析方法
CN113971884B (zh) 一种道路交通拥堵确定方法、装置、电子设备及存储介质
Benekohal et al. Multi-regime arrival rate uniform delay models for signalized intersections
CN106816018A (zh) 一种城市可变信息标志地面交通诱导路段确定方法
CN110599782B (zh) 一种根据人口分布热力图控制红绿灯时长的方法
WO2021072959A1 (zh) 一种地铁大客流预测方法、系统及电子设备
CN108765941A (zh) 一种信号交叉口车辆到达率估计方法
Johansson Estimating interaction delay in bicycle traffic from point measurements
CN116311892A (zh) 一种基于拥堵传播的城市路段通行关键瓶颈识别方法
Kavaler et al. Arterial performance measurement system with wireless magnetic sensors
Ma et al. Method of spillover identification in urban street networks using loop detector outputs

Legal Events

Date Code Title Description
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