CN106991816A - 道路交通流评价方法 - Google Patents
道路交通流评价方法 Download PDFInfo
- Publication number
- CN106991816A CN106991816A CN201710368943.3A CN201710368943A CN106991816A CN 106991816 A CN106991816 A CN 106991816A CN 201710368943 A CN201710368943 A CN 201710368943A CN 106991816 A CN106991816 A CN 106991816A
- Authority
- CN
- China
- Prior art keywords
- traffic
- road
- density
- formula
- coefficient
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims description 13
- 230000010354 integration Effects 0.000 claims description 4
- 241001420287 Strobilanthes maculata Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供的一种道路交通流评价方法,包括如下步骤:S1.构建交通效能的目标函数E:E=kv1+bv(1),其中,k为交通密度,v为道路车辆的平均速度,bv为交通速度v在交通流中所占的权重,b为系数;S2.在交通效能E最大时,根据交通效能目标函数计算交通密度k以及系数b;S3.将计算得出的交通密度k和系数b计算当前道路交通量q:q=kv,一方面能够对交通流的指标进行准确评估,为交通规划以及交通控制提供准确的依据,另一方面具有较强的适应性,能够满足复杂的路网以及交通密度较大情况下的交通流评价。
Description
技术领域
本发明涉及一种交通评价方法,尤其涉及一种道路交通流评价方法。
背景技术
在交通领域中,交通流为交通规划、交通控制等提供重要的依据,交通流中包括交通量、交通密度以及交通速度,现有方法中,主要采用格林希尔兹模型、格林泊模型等,但是现有的方法不能均是建立在理想道路基础上,并不能满足实际交通状态的需求,而且还要求交通密度较小的情况下的交通流的评估,适应性差,当路网复杂、交通密度庞大的情况下,现有的方法则不能对交通流状态进行准确评估。
为了解决上述技术问题,亟需提出一种新的方法。
发明内容
有鉴于此,本发明的目的是提供一种道路交通流评价方法,一方面能够对交通流的指标进行准确评估,为交通规划以及交通控制提供准确的依据,另一方面具有较强的适应性,能够满足复杂的路网以及交通密度较大情况下的交通流评价。
本发明提供的一种道路交通流评价方法,包括如下步骤:
S1.构建交通效能的目标函数E:E=kv1+bv(1),其中,k为交通密度,v为道路车辆的平均速度,bv为交通速度v在交通流中所占的权重,b为系数;
S2.在交通效能E最大时,根据交通效能目标函数计算交通密度k以及系数b;
S3.将计算得出的交通密度k和系数b计算当前道路交通量q:q=kv。
进一步,步骤S2中,根据如下步骤得出交通密度k的计算模型:
S21.将交通效能的目标函数E对道路的车辆平均速度v进行微分得:
S22.令此时,交通效能达到最大值,根据(2)式可得:
S23.对式(3)的等号两边进行积分,并且在式(3)的左边取积分上限为km,积分下限为k,式(3)的左边取积分上限为vm,积分下限为v,对式(3)积分后可得交通密度k:
其中,km为交通量达到最大时的最佳密度,vm为交通量达到最大时的最佳速度。
进一步,根据如下方法确定交通量达到最大时的最佳密度km以及最佳速度km:
将路网按照不同的设计速度进行路段划分;
对同一路段进行n次采集,获取每次采集的最大交通量qmi以及最佳速度vmi;
根据如下公式进行计算最佳速度vm:
根据如下公式计算最佳密度km:
进一步,根据如下方法确定系数b:
对式(3)的等号两边进行积分,且将式(3)左边取积分上限k1、下限k2,右边积分取积分上限v1、下限v2得:
由式(7)得出b:根据交通流量q=kv得:
将获取的当前路段的采集的n+1组的最大交通量qmi以及最佳速度vmi按照由大到小的顺序进行排列可得:Q=(q1,q2,…,qn+1),V=(v1,v2,…,vn+1),将Q和V代入到式(9)可得一组b:
b=(b1,b2,…,bn);
采用最小二乘法计算出且使系数b的方差最小,则为最终所求系数。
本发明的有益效果:通过本发明,一方面能够对交通流的指标进行准确评估,为交通规划以及交通控制提供准确的依据,另一方面具有较强的适应性,能够满足复杂的路网以及交通密度较大情况下的交通流评价。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1为本发明的流程图。
具体实施方式
图1为本发明的流程图,如图所示,本发明提供的一种道路交通流评价方法,包括如下步骤:
S1.构建交通效能的目标函数E:E=kv1+bv(1),其中,k为交通密度,v为道路车辆的平均速度,bv为交通速度v在交通流中所占的权重,b为系数;
S2.在交通效能E最大时,根据交通效能目标函数计算交通密度k以及系数b;
步骤S2中,根据如下步骤得出交通密度k的计算模型:
S21.将交通效能的目标函数E对道路的车辆平均速度v进行微分得:
S22.令此时,交通效能达到最大值,根据(2)式可得:
S23.对式(3)的等号两边进行积分,并且在式(3)的左边取积分上限为km,积分下限为k,式(3)的左边取积分上限为vm,积分下限为v,对式(3)积分后可得交通密度k:
其中,km为交通量达到最大时的最佳密度,vm为交通量达到最大时的最佳速度;
进一步,步骤S2中,根据如下步骤得出交通密度k的计算模型:
S21.将交通效能的目标函数E对道路的车辆平均速度v进行微分得:
S22.令此时,交通效能达到最大值,根据(2)式可得:
S23.对式(3)的等号两边进行积分,并且在式(3)的左边取积分上限为km,积分下限为k,式(3)的左边取积分上限为vm,积分下限为v,对式(3)积分后可得交通密度k:
其中,km为交通量达到最大时的最佳密度,vm为交通量达到最大时的最佳速度。
根据如下方法确定交通量达到最大时的最佳密度km以及最佳速度km:
将路网按照不同的设计速度进行路段划分;
对同一路段进行n次采集,获取每次采集的最大交通量qmi以及最佳速度vmi,其中,最大交通量可以通过图像采集、RFID采集等方式实现;
根据如下公式进行计算最佳速度vm:
根据如下公式计算最佳密度km:
进一步,根据如下方法确定系数b:
对式(3)的等号两边进行积分,且将式(3)左边取积分上限k1、下限k2,右边积分取积分上限v1、下限v2得:
由式(7)得出b:根据交通流量q=kv得:
将获取的当前路段的采集的n+1组的最大交通量qmi以及最佳速度vmi按照由大到小的顺序进行排列可得:Q=(q1,q2,…,qn+1),V=(v1,v2,…,vn+1),也就是说,Q中的q1为n+1组最大交通量qmi中最大值,v1为最佳速度中的最大值;其中,最大交通量是指道路达到拥堵状态前所能容纳的交通量,最佳速度是指道路达到拥堵状态前所能容纳的交通量时车辆行进的最快速度;
将Q和V代入到式(9)可得一组b:
b=(b1,b2,…,bn);
采用最小二乘法计算出且使系数b的方差最小,则为最终所求系数。
S3.将计算得出的交通密度k和系数b计算当前道路交通量q:q=kv。
通过本发明,一方面能够对交通流的指标进行准确评估,为交通规划以及交通控制提供准确的依据,另一方面具有较强的适应性,能够满足复杂的路网以及交通密度较大情况下的交通流评价。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种道路交通流评价方法,其特征在于:包括如下步骤:
S1.构建交通效能的目标函数E:E=kv1+bv (1),其中,k为交通密度,v为道路车辆的平均速度,bv为交通速度v在交通流中所占的权重,b为系数;
S2.在交通效能E最大时,根据交通效能目标函数计算交通密度k以及系数b;
S3.将计算得出的交通密度k和系数b计算当前道路交通量q:q=kv。
2.根据权利要求1所述道路交通流评价方法,其特征在于:步骤S2中,根据如下步骤得出交通密度k的计算模型:
S21.将交通效能的目标函数E对道路的车辆平均速度v进行微分得:
S22.令此时,交通效能达到最大值,根据(2)式可得:
S23.对式(3)的等号两边进行积分,并且在式(3)的左边取积分上限为km,积分下限为k,式(3)的左边取积分上限为vm,积分下限为v,对式(3)积分后可得交通密度k:
其中,km为交通量达到最大时的最佳密度,vm为交通量达到最大时的最佳速度。
3.根据权利要求3所述道路交通流评价方法,其特征在于:根据如下方法确定交通量达到最大时的最佳密度km以及最佳速度km:
将路网按照不同的设计速度进行路段划分;
对同一路段进行n次采集,获取每次采集的最大交通量qmi以及最佳速度vmi;
根据如下公式进行计算最佳速度vm:
根据如下公式计算最佳密度km:
4.根据权利要求3所述道路交通流评价方法,其特征在于:根据如下方法确定系数b:
对式(3)的等号两边进行积分,且将式(3)左边取积分上限k1、下限k2,右边积分取积分上限v1、下限v2得:
由式(7)得出b:根据交通流量q=kv得:
将获取的当前路段的采集的n+1组的最大交通量qmi以及最佳速度vmi按照由大到小的顺序进行排列可得:Q=(q1,q2,…,qn+1),V=(v1,v2,…,vn+1),将Q和V代入到式(9)可得一组b:
b=(b1,b2,…,bn);
采用最小二乘法计算出且使系数b的方差最小,则为最终所求系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710368943.3A CN106991816B (zh) | 2017-05-23 | 2017-05-23 | 道路交通流评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710368943.3A CN106991816B (zh) | 2017-05-23 | 2017-05-23 | 道路交通流评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106991816A true CN106991816A (zh) | 2017-07-28 |
CN106991816B CN106991816B (zh) | 2020-08-28 |
Family
ID=59421160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710368943.3A Expired - Fee Related CN106991816B (zh) | 2017-05-23 | 2017-05-23 | 道路交通流评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106991816B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108447276A (zh) * | 2018-03-22 | 2018-08-24 | 南京推推兔信息科技有限公司 | 一种基于地磁的十字路口信号机控制方法 |
CN110164133A (zh) * | 2019-06-13 | 2019-08-23 | 广东联合电子服务股份有限公司 | 节假日高速公路路网通行效率评估方法、电子设备、介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542818A (zh) * | 2012-01-13 | 2012-07-04 | 吉林大学 | 一种基于有机计算的区域边界交通信号协调控制方法 |
CN102646330A (zh) * | 2012-04-19 | 2012-08-22 | 浙江大学 | 一种相邻路口交通关联度智能计算方法 |
CN102819955A (zh) * | 2012-09-06 | 2012-12-12 | 北京交通发展研究中心 | 基于车辆行程数据的道路网运行评价方法 |
US8842023B2 (en) * | 2012-01-30 | 2014-09-23 | Reno A & E | Bicycle detector |
CN104268415A (zh) * | 2014-09-30 | 2015-01-07 | 北京交通发展研究中心 | 出行拥堵概率的估计方法 |
CN104408916A (zh) * | 2014-10-31 | 2015-03-11 | 重庆大学 | 基于路段速度、流量数据的道路交通运行状态评估方法 |
CN105654415A (zh) * | 2016-01-21 | 2016-06-08 | 浙江大学 | 一种面向交通管理者的路网通行效率变化率计算方法 |
-
2017
- 2017-05-23 CN CN201710368943.3A patent/CN106991816B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542818A (zh) * | 2012-01-13 | 2012-07-04 | 吉林大学 | 一种基于有机计算的区域边界交通信号协调控制方法 |
US8842023B2 (en) * | 2012-01-30 | 2014-09-23 | Reno A & E | Bicycle detector |
CN102646330A (zh) * | 2012-04-19 | 2012-08-22 | 浙江大学 | 一种相邻路口交通关联度智能计算方法 |
CN102819955A (zh) * | 2012-09-06 | 2012-12-12 | 北京交通发展研究中心 | 基于车辆行程数据的道路网运行评价方法 |
CN104268415A (zh) * | 2014-09-30 | 2015-01-07 | 北京交通发展研究中心 | 出行拥堵概率的估计方法 |
CN104408916A (zh) * | 2014-10-31 | 2015-03-11 | 重庆大学 | 基于路段速度、流量数据的道路交通运行状态评估方法 |
CN105654415A (zh) * | 2016-01-21 | 2016-06-08 | 浙江大学 | 一种面向交通管理者的路网通行效率变化率计算方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108447276A (zh) * | 2018-03-22 | 2018-08-24 | 南京推推兔信息科技有限公司 | 一种基于地磁的十字路口信号机控制方法 |
CN108447276B (zh) * | 2018-03-22 | 2020-09-29 | 南京推推兔信息科技有限公司 | 一种基于地磁的十字路口信号机控制方法 |
CN110164133A (zh) * | 2019-06-13 | 2019-08-23 | 广东联合电子服务股份有限公司 | 节假日高速公路路网通行效率评估方法、电子设备、介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106991816B (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197739B (zh) | 一种城市轨道交通乘客流量预测方法 | |
CN103895649B (zh) | 一种驾驶员安全驾驶预警方法 | |
CN109501630A (zh) | 一种电动汽车充电方案实时推荐方法及系统 | |
Yi et al. | Adaptive multiresolution energy consumption prediction for electric vehicles | |
CN107490386A (zh) | 一种电动汽车最优路径和驾驶方式的规划方法及系统 | |
CN107103754A (zh) | 一种道路交通状况预测方法及系统 | |
CN108335497A (zh) | 一种交通信号自适应控制系统及方法 | |
CN107153916A (zh) | 一种基于fcm聚类和bp神经网络的驾驶行为评价方法 | |
CN106910351A (zh) | 一种基于深度强化学习的交通信号自适应控制方法 | |
CN108334940A (zh) | 一种基于深度神经网络的锂电池包多个电池单体soc实时联合预测方法 | |
CN108399745A (zh) | 一种基于无人机的分时段城市路网状态预测方法 | |
EP3871938A1 (en) | Method and device for determining pavement rating, storage medium and automobile | |
CN107741568A (zh) | 一种基于状态转移优化rbf神经网络的锂电池soc估算方法 | |
CN110299011A (zh) | 一种基于收费数据的高速公路任意断面的交通流预测方法 | |
CN107909179A (zh) | 一种插电式混合动力车辆行驶工况的预测模型构建方法及车辆能量管理方法 | |
CN107564290A (zh) | 一种城市道路交叉口饱和流率计算方法 | |
CN104900057B (zh) | 一种城市快速路主辅道的浮动车地图匹配方法 | |
CN109871622A (zh) | 一种基于深度学习的低压台区线损计算方法及系统 | |
CN107134137A (zh) | 一种考虑实时信息的动态路径选择方法 | |
CN106991816A (zh) | 道路交通流评价方法 | |
CN107168292A (zh) | 基于elm算法的水下航行器电路故障诊断方法 | |
CN112097783B (zh) | 基于深度强化学习的电动出租车充电导航路径规划方法 | |
Yi et al. | Energy aware driving: Optimal electric vehicle speed profiles for sustainability in transportation | |
CN107292440A (zh) | 一种基于ba无标度网络理论的集装箱班轮航线优化方法 | |
CN103605960B (zh) | 一种基于不同焦距视频图像融合的交通状态识别方法 |
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 | ||
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: 20200828 |