CN107025789A - 一种交通事件检测方法及装置 - Google Patents
一种交通事件检测方法及装置 Download PDFInfo
- Publication number
- CN107025789A CN107025789A CN201710393131.4A CN201710393131A CN107025789A CN 107025789 A CN107025789 A CN 107025789A CN 201710393131 A CN201710393131 A CN 201710393131A CN 107025789 A CN107025789 A CN 107025789A
- Authority
- CN
- China
- Prior art keywords
- section
- wagon detector
- sub
- measurement period
- 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.)
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Abstract
本发明公开一种交通事件检测方法及装置,该方法包括:获取下游交叉口和上游交叉口之间路段上不同位置的各个车辆检测器的检测数据,所述上游交叉口为所述下游交叉口的相邻交叉口;根据所述各个车辆检测器的检测数据,确定所述路段各个子路段的交通事件判别指标,所述子路段是根据各车辆检测器的位置确定的;根据所述各个子路段的交通事件判别指标,确定所述各个子路段是否发生交通事件,用以解决现有城市道路交通事件自动检测技术存在检测结果不准确的问题。
Description
技术领域
本发明涉及交通控制技术领域,尤其涉及一种交通事件检测方法及装置。
背景技术
随着我国经济的快速发展,机动车保有量日益增加,交通压力与日俱增,导致交通拥堵严重、交通事件频发,给人们的人身安全和生活、财产带来严重损害。且已有数据表明,在城市交通中,交通事故、车辆抛锚经常引起二次交通事件和非常严重的交通拥堵。交通事件自动检测,作为智能交通管理的重要组成部分,对提高道路运行水平和道路交通安全发挥着至关重要的作用。
目前,城市道路交通事件自动检测技术主要有基于视频检测技术,由于视频检测技术易受天气、光线等各种因素的影响,因而误报率和漏检率较高,且视频检测范围有限,无法覆盖大部分的城市道路网。
发明内容
本发明实施例提供一种城市道路交通事件检测方法及装置,用以解决现有城市道路交通事件自动检测技术存在检测结果不准确的问题。
本发明方法包括一种交通事件检测方法,该方法包括:获取下游交叉口和上游交叉口之间路段上不同位置的各个车辆检测器的检测数据,所述上游交叉口为所述下游交叉口的相邻交叉口;
根据所述各个车辆检测器的检测数据,确定所述路段的各个子路段的交通事件判别指标,所述子路段是根据各车辆检测器的位置确定的;
根据所述各个子路段的交通事件判别指标,确定所述各个子路段是否发生交通事件。
基于同样的发明构思,本发明实施例进一步地提供交通事件检测装置,该装置包括:
获取单元,用于获取下游交叉口和上游交叉口之间路段上不同位置的各个车辆检测器的检测数据,所述上游交叉口为所述下游交叉口的相邻交叉口;
确定指标单元,用于根据所述各个车辆检测器的检测数据,确定所述路段的各个子路段的交通事件判别指标,所述子路段是根据各车辆检测器的位置确定的;
确定交通事件单元,用于根据所述各个子路段的交通事件判别指标,确定所述各个子路段是否发生交通事件。
本发明实施例将城市道路按照交叉路口进行区域划分,根据车辆检测器的位置将相邻两个交叉口之间的路段划分为多个子路段,针对不同的子路段获取的车辆检测器的数据,确定所述路段的各个子路段的交通事件判别指标,进而根据每个子路段的交通事件判别指标与预设指标的比较结果,确定所述每个子路段是否发生交通事件,这样,不仅可以确定出城市道路发生交通事件,还可以确定出发生交通事件的位置,提高了检测结果的准确性,准确定位出事件发生路段,对于提高交通管理部门的指挥能力和对事故的快速反应能力,降低交通事件造成的损失,具有十分重要的意义。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种交通事件检测方法流程示意图;
图2为本发明实施例提供的车辆检测器布设位置示意图;
图3为本发明实施例提供的第一子路段的交通事件检测流程示意图;
图4为本发明实施例提供的第二子路段的交通事件检测流程示意图;
图5为本发明实施例提供的城市道路分段划分示意图;
图6为本发明实施例提供的一种交通事件检测装置架构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
参见图1所示,本发明实施例提供一种交通事件检测方法流程示意图,具体地实现方法包括:
步骤S101,获取下游交叉口和上游交叉口之间路段上不同位置的各个车辆检测器的检测数据,所述上游交叉口为所述下游交叉口的相邻交叉口。
步骤S102,根据所述各个车辆检测器的检测数据,确定所述路段的各个子路段的交通事件判别指标,所述子路段是根据各车辆检测器的位置确定的。
步骤S103,根据所述各个子路段的交通事件判别指标,确定所述各个子路段是否发生交通事件。
在执行上述步骤之前,本发明实施例会预先布设好车辆检测器,车辆检测器可以为线圈检测器或者微波检测器等,其中,如图2所示,布设于下游交叉口距离停止线30米的位置称为感应检测器,考虑到车辆驶入下游交叉口时会受到信号灯干扰,连续的车流会被打断,因此该感应检测器主要用于获取车流量和绿灯时间占有率这两类指标,感应检测器的数据输出时间间隔为一个信号周期。布设于道路中部断面位置的是微波检测器,该微波检测器获取的检测数据包括各车道流量和时间占有率,数据输出时间间隔为一分钟。布设于距上游交叉口出口道50-70米的位置称为瓶颈检测器(前后布设共2个,中心线间距4米)。获取的检测数据包括各车道流量和时间占有率,数据输出时间间隔为一分钟。从图2可见,下游交叉口和上游交叉口之间的道路被车辆检测器划分为两个子路段,其中,上游交叉口和微波检测器之间的一段为第一子路段,下游交叉口和微波检测器之间的一段为第二子路段,。当然,如果相邻两个交叉口之间的道路较长,也可以在道路上设多个微波检测器,这样,道路也就会被划分为三个或三个以上的子路段。
当按照上述方式布设好车辆检测器之后,交通控制中心可以周期性地获取各个车辆检测器上报的检测数据,进而分段地对当前道路交通状况进行分析。具体来说,所述各个车辆检测器包括位于所述路段上临近所述上游交叉口的第一车辆检测器及位于所述路段的中间区域的第二车辆检测器;根据所述第一车辆检测器的第一检测数据,确定各个统计周期内每辆车平均占用所述第一车辆检测器的第一时长;
根据所述第二车辆检测器的第二检测数据,确定各个统计周期内每辆车平均占用所述第二车辆检测器的第二时长;
当存在连续M个统计周期满足预设条件,则确定第一子路段发生交通事件,所述预设条件为所述第一时长超出第一阈值且所述第二时长超过第二阈值,所述第一子路段为所述第一车辆检测器和所述第二车辆检测器之间的路段,M为大于1的正整数。
例如,接续图2中示例来说,对于下游交叉口和上游交叉口的上游路段,也就是第一子路段,获取微波检测器和瓶颈检测器的检测数据,然后根据瓶颈检测器的检测数据计算出第一时长,根据微波检测器的检测数据计算出第二时长。具体地计算方法如公式[1]所示。
其中,Aot为所述第一时长,O为第一车辆检测器的时间占有率,T为第一车辆检测器的检测时间间隔,q为第一车辆检测器的检测时间间隔内通过的车辆数;或者,Aot为所述第二时长,O为所述第二车辆检测器的时间占有率,T为所述第二车辆检测器的检测时间间隔,q为所述第二车辆检测器的检测时间间隔内通过的车辆数。
其中,时间占有率ti为统计时间间隔内一辆车占用检测器的时间;为统计间隔内所有通过车辆检测器的车辆的总占有时间,T为统计时间间隔,这里O和q的值都可以通过车辆检测器的检测结果直接获得。
对于不同相位的车道,可以分别设定交通拥堵状态划分阈值Aot0,通过对比实时路段车均占有时间Aot与拥堵状态划分阈值Aot0获得道路交通状态。当路段Aot≥Aot0时,路段交通状态为拥堵。
详细来说,对于第一子路段的交通事件的检测步骤如下,详见图3:
步骤a1:获取微波检测器和瓶颈检测器的一分钟流量和占有率数据。
步骤a2:异常数据预处理,异常数据包括:1)流量为0,占有率非0;2)1分钟流量>6,占有率为0;3)流量大于理论最大流量。对连续异常小于3个点的数据,利用前三个时间间隔数据进行修复,异常大于3个点的数据,进行剔除。
步骤a3:比较瓶颈检测器Aot1是否超过阈值,若超过,进行步骤a4,否则返回步骤a1。
步骤a4:比较微波检测器Aot2是否超过阈值,若超过,则认为拥堵状态由交叉口传至瓶颈,为常发性拥堵,返回步骤a1;若未超过,则认为触发一次事件,若连续触发n次,则认为路段上游发生交通事件,否则返回步骤a1继续判断。
对于第二子路段,所述各个车辆检测器还包括位于所述路段上临近所述下游交叉口的第三车辆检测器;
所述根据所述各个车辆检测器的检测数据,确定所述路段的各个子路段的交通事件判别指标,还包括:
根据所述第三车辆检测器的第三检测数据,确定第二子路段的第N个统计周期的交通事件判别指标预测值与实际值之间的差值;
当存在连续K个统计周期满足预设条件,则确定第二子路段发生交通事件,所述预设条件为差值不满足预设指标,所述第二子路段为所述第三车辆检测器和所述第二车辆检测器之间的路段,K为大于1的正整数。
例如,接续图2中示例来说,对于下游交叉口和上游交叉口的下游路段,也就是第二子路段,获取感应检测器的检测数据,然后计算周期交通流量偏差值、绿灯时间占有率偏差绝对值这两个指标,其中,所述周期交通流量偏差值为所述第二子路段在第N个统计周期之前的n个统计周期的交通流量的平均值与第N个统计周期的实际车交通流量之间的差值,所述绿灯时间占有率偏差值为所述第二子路段在第N个统计周期之前的n个统计周期的绿灯时间占有率的平均值与第N个统计周期的绿灯时间占有率之间的差值的绝对值。所述预设条件为差值不满足预设指标包括:所述第二子路段的周期交通流量偏差值超过第三阈值,和/或,所述第二子路段的绿灯时间占有率偏差绝对值超过第四阈值。比如说,周期交通流量偏差值大于0时,值越大说明实际交叉口的交通流量比预期的小,所以堵在路段的车越多。对于绿灯时间占有率偏差绝对值,假设相减得到的为负值,说明实际绿灯时间占用变长,则说明车多,行驶缓慢,拥堵从感应检测器下游蔓延到感应检测器;假设相减得到的为正值,说明车堵在感应检测器上游,通过感应检测器的车减少。
具体的计算方法如下,根据所述第三检测数据中的车流量,按照公式二计算得到所述第二子路段每个统计周期的周期交通流量,所述公式二为:
q=(3600*qc)/g……………公式[2]
其中,q为周期交通流量,qc为一个信号周期的绿灯时长内通过车辆检测器的车流量;g为车道所在相位的信号周期的绿灯时长;
根据公式三确定出所述第二子路段在第N个统计周期之前的n个统计周期的交通流量平均值,所述公式三为:
其中,i从1至n,n是一个常数(整数),,q(i)为一个统计周期的周期交通流量,q(t)predict为第N个统计周期之前的n个统计周期的交通流量平均值;
根据公式四确定出周期交通流量偏差值,所述公式四为:
errq=q(t)predict-q(t)real……………公式[4]
其中,errq为周期交通流量偏差值,q(t)real为第N个统计周期的实际车交通流量。
根据公式五确定出绿灯时间占有率,所述公式五为:
θ=∑ti/T'……………公式[5]
其中,θ为绿灯时间占有率,∑ti为在一个统计间隔内的绿灯期间所有通过检测器车辆占用的绿灯总时间,T'为统计间隔;
根据公式六确定出绿灯时间占有率偏差绝对值,所述公式六为:
errθ=|θ(t)predict-θ(t)real|……………公式[6]
其中,errθ为绿灯时间占有率偏差绝对值,θ(t)predict为第N个统计周期之前的n个统计周期的绿灯时间占有率的平均值,θ(t)real为第N个统计周期的实际绿灯时间占有率。
详细来说,当按照上述方法确定出各类指标之后,路段下游车辆通行受到信号灯干扰,连续流被打断,因此考虑以信号周期为单位进行事件检测。交通流在一定时间间隔内存在连续性,利用交通流参数预测误差符合正态分布这一规律,采取预测误差的90%分位值作为阈值,则预测误差连续超过n次的概率在正常交通状况下的概率极小,若超过则可以认为发生异常交通事件。路段下游事件检测原理流程见图4,对于第二子路段的交通事件的检测步骤如下:
步骤b1:获取感应检测器周期流量和绿灯占有率数据。
步骤b2:异常数据预处理,异常数据及处理方法同上游事件。
步骤b3:计算交通流量偏差指数,并与阈值进行比较。若超过,继续步骤b4,否则返回步骤b1。
步骤b4:计算绿灯时间占有率偏差指数,并与阈值进行比较。若超过,则认为触发一次事件,若连续触发K次,则认为路段下游发生交通事件,否则返回步骤b1继续判断。
对应城市道路来说,区域内每段道路都可以类似于下游交叉口和上游交叉口之间的道路,进行交通事件判别,并识别出事件发生的路段范围,例如,图5所示的一部分区域的道路分段划分示意图。
在图5中,以交叉口A作为分析路口,其中各进口道停车线围成的区域定义为交叉口区域,即影响到区域1车辆通行的交通事件,称为影响到交叉口的交通事件;另外将各进口道停车线至出口道形成的区域称为交叉口A的路段区域,即影响到区域2内发生的事件定义为路段事件。同理,影响到区域3,4,5内的车辆通行的事件也可以定义为在交叉口A发生的路段事件。
结合已有的检测器布设条件,根据感应检测器、微波检测器、瓶颈检测器的位置,将微波检测器至停车线定义为路段下游,微波检测器至瓶颈检测器之间定义为路段上游,如图5所示,将其分为Up,Down两个部分。根据不同位置交通流特性,分为路段上游事件、路段下游事件、交叉口事件分别进行检测。若交通事件发生在交叉口(具体位置定义参加图5),此时不同于路段事件,影响范围将会更大,会对两个或两个以上方向的道路通行造成干扰,严重时甚至四个方向车辆通行都会受到影响。因此,当交叉口有两个以上的方向触发路段下游事件时,则认为发生了交叉口事件。
基于相同的技术构思,本发明实施例还提供一种交通事件检测装置,该装置可执行上述方法实施例。本发明实施例提供的装置如图6所示,包括:获取单元401、确定指标单元402、确定交通事件单元403,其中:
获取单元401,用于获取下游交叉口和上游交叉口之间路段上不同位置的各个车辆检测器的检测数据,所述上游交叉口为所述下游交叉口的相邻交叉口;
确定指标单元402,用于根据所述各个车辆检测器的检测数据,确定所述路段的各个子路段的交通事件判别指标,所述子路段是根据各车辆检测器的位置确定的;
确定交通事件单元403,用于根据所述各个子路段的交通事件判别指标,确定所述各个子路段是否发生交通事件。
进一步地,所述确定指标单元402具体用于:根据所述第一车辆检测器的第一检测数据,确定各个统计周期内每辆车平均占用所述第一车辆检测器的第一时长;根据所述第二车辆检测器的第二检测数据,确定各个统计周期内每辆车平均占用所述第二车辆检测器的第二时长,其中,所述各个车辆检测器包括位于所述路段上临近所述上游交叉口的第一车辆检测器及位于所述路段的中间区域的第二车辆检测器;
所述确定交通事件单元403具体用于:当存在连续M个统计周期满足预设条件,则确定第一子路段发生交通事件,所述预设条件为所述第一时长超出第一阈值且所述第二时长超过第二阈值,所述第一子路段为所述第一车辆检测器和所述第二车辆检测器之间的路段,M为大于1的正整数。
进一步地,所述各个车辆检测器还包括位于所述路段上临近所述下游交叉口的第三车辆检测器;所述确定指标单元402,还用于:根据所述第三车辆检测器的第三检测数据,确定第二子路段的第N个统计周期的交通事件判别指标预测值与实际值之间的差值;
所述确定交通事件单元403具体用于:当存在连续K个统计周期满足预设条件,则确定第二子路段发生交通事件,所述预设条件为差值超过预设指标,所述第二子路段为所述第三车辆检测器和所述第二车辆检测器之间的路段,K为大于1的正整数。
其中,所述第N个统计周期的交通事件判别指标预测值与实际值之间的差值包括:周期交通流量偏差值和/或绿灯时间占有率偏差绝对值,其中,所述周期交通流量偏差值为所述第二子路段在第N个统计周期之前的n个统计周期的交通流量的平均值与第N个统计周期的实际车交通流量之间的差值,所述绿灯时间占有率偏差值为所述第二子路段在第N个统计周期之前的n个统计周期的绿灯时间占有率的平均值与第N个统计周期的绿灯时间占有率之间的差值的绝对值;
所述预设条件为差值不满足预设指标包括:所述第二子路段的周期交通流量偏差值超过第三阈值,和/或,所述第二子路段的绿灯时间占有率偏差绝对值超过第四阈值。
进一步地,所述确定交通事件403还用于:确定所述下游交叉口至少两个方向进口道的所述第二子路段发生交通事件时,则确定所述下游交叉口发生交通事件。
进一步地,所述确定指标单元402还用于:
根据公式一确定所述第一时长和所述第二时长,所述公式一为:
其中,Aot为所述第一时长,O为第一车辆检测器的时间占有率,T为第一车辆检测器的检测时间间隔,q为第一车辆检测器的检测时间间隔内通过的车辆数;或者,Aot为所述第二时长,O为所述第二车辆检测器的时间占有率,T为所述第二车辆检测器的检测时间间隔,q为所述第二车辆检测器的检测时间间隔内通过的车辆数。
进一步地,所述确定指标单元402,还用于根据所述第三检测数据中的车流量,按照公式二计算得到所述第二子路段每个统计周期的周期交通流量,所述公式二为:
q=(3600*qc)/g
其中,q为周期交通流量,qc为一个信号周期的绿灯时长内通过车辆检测器的车流量;g为车道所在相位的信号周期的绿灯时长;
根据公式三确定出所述第二子路段在第N个统计周期之前的n个统计周期的交通流量平均值,所述公式三为:
其中,i从1至n,q(i)为一个统计周期的周期交通流量,q(t)predict为第N个统计周期之前的n个统计周期的交通流量平均值;
根据公式四确定出周期交通流量偏差值,所述公式四为:
errq=q(t)predict-q(t)real
其中,errq为周期交通流量偏差值,q(t)real为第N个统计周期的实际车交通流量。
进一步地,所述确定指标单元402,还用于根据公式五确定出绿灯时间占有率,所述公式五为:
θ=∑ti/T'
其中,θ为绿灯时间占有率,∑ti为在一个统计间隔内的绿灯期间所有通过检测器车辆占用的绿灯总时间,T'为统计间隔;
根据公式六确定出绿灯时间占有率偏差绝对值,所述公式六为:
errθ=|θ(t)predict-θ(t)real|
其中,errθ为绿灯时间占有率偏差绝对值,θ(t)predict为第N个统计周期之前的n个统计周期的绿灯时间占有率的平均值,θ(t)real为第N个统计周期的实际绿灯时间占有率。
综上所述,本发明实施例将城市道路按照交叉路口进行区域划分,根据车辆检测器的位置将相邻两个交叉口之间的路段划分为多个子路段,针对不同的子路段获取的车辆检测器的数据,确定所述路段的各个子路段的交通事件判别指标,进而根据每个子路段的交通事件判别指标与预设指标的比较结果,确定所述每个子路段是否发生交通事件,这样,不仅可以确定出城市道路发生交通事件,还可以确定出发生交通事件的位置,提高了检测结果的准确性,准确定位出事件发生路段,对于提高交通管理部门的指挥能力和对事故的快速反应能力,降低交通事件造成的损失,具有十分重要的意义。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (16)
1.一种交通事件检测方法,其特征在于,该方法包括:
获取下游交叉口和上游交叉口之间路段上不同位置的各个车辆检测器的检测数据,所述上游交叉口为所述下游交叉口的相邻交叉口;
根据所述各个车辆检测器的检测数据,确定所述路段的各个子路段的交通事件判别指标,所述子路段是根据各车辆检测器的位置确定的;
根据所述各个子路段的交通事件判别指标,确定所述各个子路段是否发生交通事件。
2.如权利要求1所述的方法,其特征在于,所述各个车辆检测器包括位于所述路段上临近所述上游交叉口的第一车辆检测器及位于所述路段的中间区域的第二车辆检测器;
所述根据所述各个车辆检测器的检测数据,确定所述路段的各个子路段的交通事件判别指标,包括:
根据所述第一车辆检测器的第一检测数据,确定各个统计周期内每辆车平均占用所述第一车辆检测器的第一时长;
根据所述第二车辆检测器的第二检测数据,确定各个统计周期内每辆车平均占用所述第二车辆检测器的第二时长;
所述根据各个子路段的交通事件判别指标,确定所述各个子路段是否发生交通事件,包括:
当存在连续M个统计周期满足预设条件,则确定第一子路段发生交通事件,所述预设条件为所述第一时长超出第一阈值且所述第二时长超过第二阈值,所述第一子路段为所述第一车辆检测器和所述第二车辆检测器之间的路段,M为大于1的正整数。
3.如权利要求2所述的方法,其特征在于,所述各个车辆检测器还包括位于所述路段上临近所述下游交叉口的第三车辆检测器;
所述根据所述各个车辆检测器的检测数据,确定所述路段的各个子路段的交通事件判别指标,还包括:
根据所述第三车辆检测器的第三检测数据,确定第二子路段的第N个统计周期的交通事件判别指标预测值与实际值之间的差值;
所述根据各个子路段的交通事件判别指标,确定所述各个子路段是否发生交通事件,包括:
当存在连续K个统计周期满足预设条件,则确定第二子路段发生交通事件,所述预设条件为差值超过预设指标,所述第二子路段为所述第三车辆检测器和所述第二车辆检测器之间的路段,K为大于1的正整数。
4.如权利要求3所述的方法,其特征在于,所述第N个统计周期的交通事件判别指标预测值与实际值之间的差值包括:周期交通流量偏差值和/或绿灯时间占有率偏差绝对值,其中,所述周期交通流量偏差值为所述第二子路段在第N个统计周期之前的n个统计周期的交通流量的平均值与第N个统计周期的实际车交通流量之间的差值,所述绿灯时间占有率偏差值为所述第二子路段在第N个统计周期之前的n个统计周期的绿灯时间占有率的平均值与第N个统计周期的绿灯时间占有率之间的差值的绝对值;
所述预设条件为差值不满足预设指标包括:所述第二子路段的周期交通流量偏差值超过第三阈值,和/或,所述第二子路段的绿灯时间占有率偏差绝对值超过第四阈值。
5.如权利要求3所述的方法,其特征在于,还包括:
确定所述下游交叉口至少两个方向进口道的所述第二子路段发生交通事件时,则确定所述下游交叉口发生交通事件。
6.如权利要求2所述的方法,其特征在于,还包括:
根据公式一确定所述第一时长和所述第二时长,所述公式一为:
其中,Aot为所述第一时长,O为第一车辆检测器的时间占有率,T为第一车辆检测器的检测时间间隔,q为第一车辆检测器的检测时间间隔内通过的车辆数;或者,Aot为所述第二时长,O为所述第二车辆检测器的时间占有率,T为所述第二车辆检测器的检测时间间隔,q为所述第二车辆检测器的检测时间间隔内通过的车辆数。
7.如权利要求4所述的方法,其特征在于,根据所述第三检测数据中的车流量,按照公式二计算得到所述第二子路段每个统计周期的周期交通流量,所述公式二为:
q=(3600*qc)/g
其中,q为周期交通流量,qc为一个信号周期的绿灯时长内通过车辆检测器的车流量;g为车道所在相位的信号周期的绿灯时长;
根据公式三确定出所述第二子路段在第N个统计周期之前的n个统计周期的交通流量平均值,所述公式三为:
其中,i从1至n,q(i)为一个统计周期的周期交通流量,q(t)predict为第N个统计周期之前的n个统计周期的交通流量平均值;
根据公式四确定出周期交通流量偏差值,所述公式四为:
errq=q(t)predict-q(t)real
其中,errq为周期交通流量偏差值,q(t)real为第N个统计周期的实际车交通流量。
8.如权利要求4所述的方法,其特征在于,根据公式五确定出绿灯时间占有率,所述公式五为:
θ=∑ti/T'
其中,θ为绿灯时间占有率,∑ti为在一个统计间隔内的绿灯期间所有通过检测器车辆占用的绿灯总时间,T'为统计间隔;
根据公式六确定出绿灯时间占有率偏差绝对值,所述公式六为:
errθ=|θ(t)predict-θ(t)real|
其中,errθ为绿灯时间占有率偏差绝对值,θ(t)predict为第N个统计周期之前的n个统计周期的绿灯时间占有率的平均值,θ(t)real为第N个统计周期的实际绿灯时间占有率。
9.一种交通事件检测装置,其特征在于,该装置包括:
获取单元,用于获取下游交叉口和上游交叉口之间路段上不同位置的各个车辆检测器的检测数据,所述上游交叉口为所述下游交叉口的相邻交叉口;
确定指标单元,用于根据所述各个车辆检测器的检测数据,确定所述路段的各个子路段的交通事件判别指标,所述子路段是根据各车辆检测器的位置确定的;
确定交通事件单元,用于根据所述各个子路段的交通事件判别指标,确定所述各个子路段是否发生交通事件。
10.如权利要求9所述的装置,其特征在于,所述确定指标单元具体用于:根据所述第一车辆检测器的第一检测数据,确定各个统计周期内每辆车平均占用所述第一车辆检测器的第一时长;根据所述第二车辆检测器的第二检测数据,确定各个统计周期内每辆车平均占用所述第二车辆检测器的第二时长,其中,所述各个车辆检测器包括位于所述路段上临近所述上游交叉口的第一车辆检测器及位于所述路段的中间区域的第二车辆检测器;
所述确定交通事件单元具体用于:当存在连续M个统计周期满足预设条件,则确定第一子路段发生交通事件,所述预设条件为所述第一时长超出第一阈值且所述第二时长超过第二阈值,所述第一子路段为所述第一车辆检测器和所述第二车辆检测器之间的路段,M为大于1的正整数。
11.如权利要求10所述的装置,其特征在于,所述各个车辆检测器还包括位于所述路段上临近所述下游交叉口的第三车辆检测器;
所述确定指标单元,还用于:根据所述第三车辆检测器的第三检测数据,确定第二子路段的第N个统计周期的交通事件判别指标预测值与实际值之间的差值;
所述确定交通事件单元具体用于:当存在连续K个统计周期满足预设条件,则确定第二子路段发生交通事件,所述预设条件为差值不满足预设指标,所述第二子路段为所述第三车辆检测器和所述第二车辆检测器之间的路段,K为大于1的正整数。
12.如权利要求11所述的装置,其特征在于,所述第N个统计周期交通事件判别指标预测值与实际值之间的差值包括:周期交通流量偏差值和/或绿灯时间占有率偏差绝对值,其中,所述周期交通流量偏差值为所述第二子路段在第N个统计周期之前的n个统计周期的交通流量的平均值与第N个统计周期的实际车交通流量之间的差值,所述绿灯时间占有率偏差值为所述第二子路段在第N个统计周期之前的n个统计周期的绿灯时间占有率的平均值与第N个统计周期的绿灯时间占有率之间的差值的绝对值;
所述预设条件为差值不满足预设指标包括:所述第二子路段的周期交通流量偏差值小于第三阈值,和/或,所述第二子路段的绿灯时间占有率偏差绝对值大于第四阈值。
13.如权利要求11所述的装置,其特征在于,所述确定交通事件还用于:确定所述下游交叉口至少两个方向进口道的所述第二子路段发生交通事件时,则确定所述下游交叉口发生交通事件。
14.如权利要求10所述的装置,其特征在于,所述确定指标单元还用于:
根据公式一确定所述第一时长和所述第二时长,所述公式一为:
其中,Aot为所述第一时长,O为第一车辆检测器的时间占有率,T为第一车辆检测器的检测时间间隔,q为第一车辆检测器的检测时间间隔内通过的车辆数;或者,Aot为所述第二时长,O为所述第二车辆检测器的时间占有率,T为所述第二车辆检测器的检测时间间隔,q为所述第二车辆检测器的检测时间间隔内通过的车辆数。
15.如权利要求12所述的装置,其特征在于,所述确定指标单元,还用于根据所述第三检测数据中的车流量,按照公式二计算得到所述第二子路段每个统计周期的周期交通流量,所述公式二为:
q=(3600*qc)/g
其中,q为周期交通流量,qc为一个信号周期的绿灯时长内通过车辆检测器的车流量;g为车道所在相位的信号周期的绿灯时长;
根据公式三确定出所述第二子路段在第N个统计周期之前的n个统计周期的交通流量平均值,所述公式三为:
其中,i从1至n,q(i)为一个统计周期的周期交通流量,q(t)predict为第N个统计周期之前的n个统计周期的交通流量平均值;
根据公式四确定出周期交通流量偏差值,所述公式四为:
errq=q(t)predict-q(t)real
其中,errq为周期交通流量偏差值,q(t)real为第N个统计周期的实际车交通流量。
16.如权利要求12所述的装置,其特征在于,所述确定指标单元,还用于根据公式五确定出绿灯时间占有率,所述公式五为:
θ=∑ti/T'
其中,θ为绿灯时间占有率,∑ti为在一个统计间隔内的绿灯期间所有通过检测器车辆占用的绿灯总时间,T'为统计间隔;
根据公式六确定出绿灯时间占有率偏差绝对值,所述公式六为:
errθ=|θ(t)predict-θ(t)real|
其中,errθ为绿灯时间占有率偏差绝对值,θ(t)predict为第N个统计周期之前的n个统计周期的绿灯时间占有率的平均值,θ(t)real为第N个统计周期的实际绿灯时间占有率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710393131.4A CN107025789B (zh) | 2017-05-27 | 2017-05-27 | 一种交通事件检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710393131.4A CN107025789B (zh) | 2017-05-27 | 2017-05-27 | 一种交通事件检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107025789A true CN107025789A (zh) | 2017-08-08 |
CN107025789B CN107025789B (zh) | 2021-07-23 |
Family
ID=59530099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710393131.4A Active CN107025789B (zh) | 2017-05-27 | 2017-05-27 | 一种交通事件检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107025789B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973741A (zh) * | 2022-06-17 | 2022-08-30 | 浙江大华技术股份有限公司 | 异常数据的处理方法、装置、存储介质及电子装置 |
CN116403419A (zh) * | 2023-06-07 | 2023-07-07 | 贵州鹰驾交通科技有限公司 | 基于车路协同的交通灯控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101188064A (zh) * | 2007-12-20 | 2008-05-28 | 北京交通大学 | 三维集成高速公路交通事件自动检测方法 |
CN101702262A (zh) * | 2009-11-06 | 2010-05-05 | 北京交通大学 | 一种城市交通流畅通性指标的数据融合方法 |
CN102592451A (zh) * | 2012-02-23 | 2012-07-18 | 浙江大学 | 一种基于双截面环形线圈检测器的道路交通事件检测方法 |
CN102819956A (zh) * | 2012-06-05 | 2012-12-12 | 浙江大学 | 一种基于单截面环形线圈检测器的道路交通事件检测方法 |
CN105096592A (zh) * | 2015-02-14 | 2015-11-25 | 江苏苏科畅联科技有限公司 | 公路拥堵事件检测方法及预警系统 |
-
2017
- 2017-05-27 CN CN201710393131.4A patent/CN107025789B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101188064A (zh) * | 2007-12-20 | 2008-05-28 | 北京交通大学 | 三维集成高速公路交通事件自动检测方法 |
CN101702262A (zh) * | 2009-11-06 | 2010-05-05 | 北京交通大学 | 一种城市交通流畅通性指标的数据融合方法 |
CN102592451A (zh) * | 2012-02-23 | 2012-07-18 | 浙江大学 | 一种基于双截面环形线圈检测器的道路交通事件检测方法 |
CN102819956A (zh) * | 2012-06-05 | 2012-12-12 | 浙江大学 | 一种基于单截面环形线圈检测器的道路交通事件检测方法 |
CN105096592A (zh) * | 2015-02-14 | 2015-11-25 | 江苏苏科畅联科技有限公司 | 公路拥堵事件检测方法及预警系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973741A (zh) * | 2022-06-17 | 2022-08-30 | 浙江大华技术股份有限公司 | 异常数据的处理方法、装置、存储介质及电子装置 |
CN116403419A (zh) * | 2023-06-07 | 2023-07-07 | 贵州鹰驾交通科技有限公司 | 基于车路协同的交通灯控制方法 |
CN116403419B (zh) * | 2023-06-07 | 2023-08-25 | 贵州鹰驾交通科技有限公司 | 基于车路协同的交通灯控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107025789B (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104408925B (zh) | 基于陈列雷达的交叉口运行状态评价方法 | |
CN107767666B (zh) | 一种智能检测的单点控制交叉口出口交通流溢出防控方法 | |
CN102592451B (zh) | 一种基于双截面环形线圈检测器的道路交通事件检测方法 | |
CN105225500B (zh) | 一种交通控制辅助决策方法及装置 | |
CN103646542B (zh) | 一种交通影响范围的预测方法和装置 | |
Zhang et al. | Some properties of flows at freeway bottlenecks | |
CN104157147A (zh) | 交通信号机、隧道内交通异常事件的检测控制方法及系统 | |
CN104157152A (zh) | 一种用于道路交叉口车辆排队溢出状态的交通信号优化控制方法 | |
CN106408943A (zh) | 一种基于宏观基本图的路网交通拥堵甄别方法 | |
CN104851287B (zh) | 基于视频检测器的城市道路路段行程时间检测方法 | |
CN105654720B (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
CN104778835A (zh) | 一种高等级道路多瓶颈点拥堵演化时空范围识别方法 | |
Lu et al. | Estimating traffic speed with single inductive loop event data | |
Smaglik et al. | Comparison of alternative real-time performance measures for measuring signal phase utilization and identifying oversaturation | |
CN111815953B (zh) | 一种面向交通事件的高速公路交通管控效果评价方法 | |
CN108922168A (zh) | 一种中观层面事故多发道路判别的方法 | |
CN104778848A (zh) | 用于道路交叉口车辆协调优化状态的交通信号优化控制方法 | |
CN102289937B (zh) | 基于停车线检测器的城市地面道路交通状态自动判别方法 | |
CN102819956B (zh) | 一种基于单截面环形线圈检测器的道路交通事件检测方法 | |
CN111882858A (zh) | 一种基于多源数据的高速公路异常事件排队长度预测方法 | |
CN104952250B (zh) | 基于交通场面雷达的交通事件条件下的交通组织方法 | |
CN104575049B (zh) | 一种基于阵列雷达的高架匝道智能诱导方法及装置 | |
CN107025789A (zh) | 一种交通事件检测方法及装置 | |
CN104123837A (zh) | 基于微波和视频数据融合的间断流行程时间估计方法 | |
CN107331163A (zh) | 一种排队长度计算方法及装置 |
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 |