CN107170247B - 一种确定交叉口排队长度方法及装置 - Google Patents
一种确定交叉口排队长度方法及装置 Download PDFInfo
- Publication number
- CN107170247B CN107170247B CN201710418881.2A CN201710418881A CN107170247B CN 107170247 B CN107170247 B CN 107170247B CN 201710418881 A CN201710418881 A CN 201710418881A CN 107170247 B CN107170247 B CN 107170247B
- Authority
- CN
- China
- Prior art keywords
- intersection
- signal
- traffic
- period
- determining
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Abstract
本发明公开一种确定交叉口排队长度方法及装置,该方法包括:根据第一路段的第一交通相位车辆检测器在第N个信号周期和第N个信号周期之前的S个信号周期内统计的各个过车的停车次数,预测第一路段的车辆检测器在第N+1个信号周期和第N+1个信号周期之后的S个信号周期内的交通需求量,交通需求量为各停车次数对应的过车车辆数,第一路段的第一交通相位为待交通控制区域内的任意一个路段的任意一个交通相位;根据交通需求量确定第N+1个信号周期内的排队车辆数;根据第N+1个信号周期内的排队车辆数和第一交通相位的车道数,预测第一路段的第一交通相位在第N+1个信号周期的排队长度,用以解决现有技术很难准确地确定出排队长度的问题。
Description
技术领域
本发明涉及交通控制领域,尤其涉及一种确定交叉口排队长度方法及装置。
背景技术
近年来,我国城市道路交叉口的交通堵塞问题日趋严重。随着车辆的保有量的不断上升,城市道路日益拥堵,从而导致城市道路交通事故频发。一旦道路上发生拥堵,将直接降低路网的运行效率,也容易诱发二次事故。减少交通事故带来的负面影响的有效途径,是通过实时运算拥堵造成的影响,根据计算可得到道路达到最大排队长度的时间,为采取有效的措施处理拥堵提供可靠的理论依据。传统的断面检测器、雷达检测器、视频检测器等交通检测设备,由于受检测范围限制,很难准确地检测得到排队长度,因而根据现有技术检测得到的排队长度所制定的交通策略,仍然无法有效地缓解道路拥堵的状况。
发明内容
本发明实施例提供一种确定交叉口排队长度方法及装置,用以解决现有技术很难准确地确定出排队长度的问题。
本发明方法包括一种确定交叉口排队长度方法,该方法包括:根据第一路段的第一交通相位车辆检测器在第N个信号周期和所述第N个信号周期之前的S个信号周期内统计的各个过车的停车次数,预测所述第一路段的车辆检测器在第N+1个信号周期和所述第N+1个信号周期之后的S个信号周期内的交通需求量,所述交通需求量为各停车次数对应的过车车辆数,其中,N和S为正整数,所述第一路段的第一交通相位为待交通控制区域内的任意一个路段的任意一个交通相位;
根据所述交通需求量确定第N+1个信号周期内的排队车辆数;
根据所述第N+1个信号周期内的排队车辆数和所述第一交通相位的车道数,预测所述第一路段的第一交通相位在所述第N+1个信号周期的排队长度。
基于同样的发明构思,本发明实施例进一步地提供一种确定交叉口排队长度装置,该装置包括:
预测交通需求量单元,用于根据第一路段的第一交通相位车辆检测器在第N个信号周期和所述第N个信号周期之前的S个信号周期内统计的各个过车的停车次数,预测所述第一路段的车辆检测器在第N+1个信号周期和所述第N+1个信号周期之后的S个信号周期内的交通需求量,所述交通需求量为各停车次数对应的过车车辆数,其中,N和S为正整数,所述第一路段的第一交通相位为待交通控制区域内的任意一个路段的任意一个交通相位;
确定单元,用于根据所述交通需求量确定第N+1个信号周期内的排队车辆数;
预测排队长度单元,用于根据所述第N+1个信号周期内的排队车辆数和所述第一交通相位的车道数,预测所述第一路段的第一交通相位在所述第N+1个信号周期的排队长度。
本发明实施例通过利用已有信号周期所统计的过车数和过车的停车次数,预测未来信号周期的过车数量,以及过车中的停车次数,进而利用未来第N+2个信号周期直至第N+S个信号周期的各个停车次数的车辆数,反推出第N+1个信号周期的排队车辆数,从而所述第N+1个信号周期内的排队车辆数和所述第一交通相位的车道数,预测所述第一路段的第一交通相位在所述第N+1个信号周期的排队长度,这样就可以准确地预测出未来信号周期可能的道路拥堵程度,进而有效地预防交通拥堵,缓解当前的交通拥堵状况。
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确定交叉口排队长度方法流程示意图;
图2为本发明实施例提供的电警布设位置示意图;
图3为本发明实施例提供的数据清洗示意图;
图4为本发明实施例提供的车辆行驶轨迹匹配方法示意图;
图5为本发明实施例提供的确定停车次数的概率分布曲线示意图;
图6为本发明实施例提供的预测下一周期的排队车辆的示意图一;
图7a~图7e为本发明实施例提供的预测下一周期的排队车辆的示意图二;
图8为本发明实施例提供的排队长度的确定方法示意图;
图9为本发明实施例提供的调整区域协调方案示意图;
图10为本发明实施例提供的一种确定交叉口排队长度装置结构示意图。
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确定交叉口排队长度方法流程示意图,具体地实现方法包括:
步骤S101,根据第一路段的第一交通相位车辆检测器在第N个信号周期和所述第N个信号周期之前的S个信号周期内统计的各个过车的停车次数,预测所述第一路段的车辆检测器在第N+1个信号周期和所述第N+1个信号周期之后的S个信号周期内的交通需求量,所述交通需求量为各停车次数对应的过车车辆数,其中,N和S为正整数,所述第一路段的第一交通相位为待交通控制区域内的任意一个路段的任意一个交通相位。
步骤S102,根据所述交通需求量确定第N+1个信号周期内的排队车辆数。
步骤S103,根据所述第N+1个信号周期内的排队车辆数和所述第一交通相位的车道数,预测所述第一路段的第一交通相位在所述第N+1个信号周期的排队长度。
换句话说,就是利用以前信号周期的过车统计结果来预测未来信号周期不同停车次数的过车车辆,进而再利用后面周期的交通需求量倒推出待预测周期的排队车辆数,从而才能够计算出排队长度。
需要说明的是,在执行步骤S101之前,需要在获取第N个信号周期和所述第N个信号周期之前的S个信号周期内车辆检测信息,具体地,车辆信息获取设备主要有电子警察检测器、电子车牌、RFID(Radio Frequency Identification,无线射频识别技术)、车路通信设备等能够识别车辆信息,记录车辆位置的设备。下面都将以电子警察检测器为例介绍本发明实施例车辆信息识别与获取、数据处理、计算流程,其他车辆信息获取设备与之类似。
如图2所示,路段上下游交叉口进口道方向均布设有电子警察检测器(以下简称电警),电警需要集成卡口功能,车辆进入电警拍摄范围即被拍摄记录。电警所处位置距离停车线18-23米,电警检测到的数据为车牌号、车辆类型和通过停车线的时间,数据传输频率为一分钟向中心服务器传输一次数据。当车辆进入电警拍摄范围内,电警会对车辆进行抓拍并识别车牌号码和记录车辆通过停车线的时间。电警上传中心服务器中的数据格式如下表一所示,每条车辆记录包含5种数据属性,分别是车牌号码、车辆类型、来车方向、行驶车道编号、通过停车线时间。
表一
进一步地,由于车辆在行驶过程中,可能会出现中途停车的情况,比如加油、购物、临时停靠等,这些非正常行驶导致车辆匹配后的行程时间数据中存在异常数据,需要通过数据清洗机制,剔除这些异常数据。数据清洗使用统计学上的分位数概念,计算行程时间分布,确定正常数据范围,通常为25%分位和75%分位之内的数据为正常数据,考虑到交通流波动性,本发明在此基础上建立了数据清洗方法,该方法主要有两步,具体流程见图3。
第一步,初次清洗。计算车辆轨迹匹配结果中车辆行程时间的25%分位值t25,和75%分位值t75,并计算分为差IQR;以此为基础,得到数据初次清洗上边界PL、下边界DL;提取行程时间处于上下边界内的车辆轨迹数据,完成初次清洗,并计算边界内行程时间数据方差σ1。
第二步,二次清洗。判断方差σ1与g/2+α的大小,此处α取值为10,如果σ1<g/2+α,则调整上边界PL=t75+C,下边界DL=t25-C;否则计算行程时间5%分位和95%分位的分位值t5、t95,调整上边界为PL=t95+C,下边界DL=t5-C。提取行程时间处于上下边界范围内的车辆轨迹数据并存储,完成数据清洗。
在图3中,上述流程图中各字母含义如下:PL、DL:数据清洗上、下边界;t25:行程时间分位值,下标25表示25%分位的分位值;IQR:分为差,即75%分位值减去25%分位值得到的差值;σ:标准差,下表代表含义见流程图;g:绿灯时长;C:周期时长。
当电警获取到上述完成清洗的数据后,就可以进行车辆行驶轨迹匹配,通过匹配同一辆车通过上下游路口的时间,可以得到车辆通过该路段的行程时间和行驶车道信息,对每一辆电警检测到的车辆进行匹配处理,可以获得所有车辆的时空轨迹信息。车辆行驶轨迹匹配流程见图4,首先,剔除电警中未识别的车牌数据;然后,遍历下游车牌,从上游车牌中寻找匹配车牌,为了加快计算,本发明实施例设定上游车牌搜索时间范围ti为下游车辆i的过车时刻,L为路段长度,v是路段车速;之后,考虑到电警存在重复检测的情况,本发明实施例设定如果同一车牌过车时刻间隔在100s以内,则认为是重复检测,删除重复数据,只保留一条数据;最后,根据匹配结果计算每一辆车行程时间,计算公式为Ti=ti-t′i,其中,Ti为辆车i的行程时间,ti为车辆i通过下游路口的时刻,t′i为车辆i通过上游路口的时刻。
考虑到车辆停车次数越多,其行程时间越大,因此利用这一关系,针对第N个信号周期或所述第N个信号周期之前的S个信号周期内的任意一个信号周期,统计所述信号周期内各个车辆从所述第一路段的第二交叉口通过所述所述第一路段的第一交叉口的各个车辆的行驶时长;对所述行驶时长进行概率密度估计,得到概率分布曲线,并将所述概率分布曲线的凹点确定为停车次数划分因子;根据所述停车次数划分因子和各个车辆的行驶时长,确定出各个车辆的停车次数。
详细来说,停车次数计算主要有四个步骤。
第一,提取每周期行程时间数据。提取数据清洗后一个周期内的行程时间数据。
第二,对该周期内行程时间数据做概率密度估计,得到估计结果(Ti,f),Ti为车辆i的行程时间,f为该行程时间对应的概率分布。概率密度估计采用核密度估计的方法,核函数采用正态概率密度函数,以2s为步长。
第三,计算概率分布的凹点,确定停车次数边界。满足Ti-Ti-1<0并且Ti-Ti+1≥0,则Ti为凹点。将计算得到的所有Ti从小到大排序,得到T1,T2…Tn,n个凹点,n即为该周期最大停车次数。令Ts0=T1,H和Ts0为停车次数划分参数,如图5所示。
第四,划分不同停车次数行程时间区间,并确定各车辆停车次数。
…
当按照上述算法统计出过去不同信号周期的过车车辆以及过车车辆的停车次数之后,就可以预测下一周期的排队车辆数。具体地,首先,计算当前周期j,相位p不同停车次数车辆数,计算公式如公式[1]:
然后,根据当前周期j的最大停车次数n确定需要预测的周期,分别是j+1,j+2,…,j+n
其次,按照公式[2]依次计算预测周期中0到n次停车的车辆数;
再次,按照公式[3]和公式[4]计算周期j+1的交通需求。
举例来说,如图6所示,利用预测的2和3的过车数量(2周期过车中的2周期停车次数为2的车辆总数+2周期停车次数为3的车辆总数,以及3周期过车中的3周期停车次数为3的车辆总数),预测计算1周期的排队车辆数,
因为道路交通的相似性,假设最大停车次数是3次,则可以预测1/2/3这三个周期,所以可以根据前N个周期的S次停车次数的车辆数,求得N+1周期的S次停车的车辆数,比如说,-2周期停车1一次的车辆数,统计结果为3,-1周期停车1一次的车辆数,统计结果为3,0周期停车1一次的车辆数,统计结果为3,则1周期停车1一次的车辆数,等于0.6*3+0.3*3+0.1*3=3{向上取整},类似地,预测出1周期停车2一次的车辆数为6{向上取整},预测出1周期停车3一次的车辆数为1{向上取整}
目前只是可以预测出参与了在1周期过车的车辆数是3+6+1=10,但是若要准确地计算出排队车辆总数(这是过车数量,不一定是参与排队的车的数量,有可能有的车参与排队了,但是在1周期的绿灯时间内没有通过去,所以需要根据下两个周期过车的数量来倒推1周期准确地排队的车辆),需要根据下面2周期和3周期的过车数量得出,即2周期过车中的2周期停车次数为2的车辆总数+2周期停车次数为3的车辆总数,以及3周期过车中的3周期停车次数为3的车辆总数,才是在1周期排队的车辆总数。
假设,2周期的绿灯放行前排队情况如图7a所示,车辆A在1周期和0周期绿灯放行时没有通过路口,所以车辆A在2个周期绿灯放行前又等了2周期的红灯,所以是第3次停车,车辆B~车辆K在1周期绿灯放行时没有通过路口,所以这些车在2周期绿灯放行前又等了2周期的红灯,所以是第二次停车,车辆L、车辆M均是在1周期绿灯放行前第一次停车等候。当2周期绿灯放行时,设定车辆A~车辆G通过了路口,其他车辆均没有通过,如图7b,此时进入第3周期。3周期的绿灯放行前排队情况如图7c所示,因为车辆H~车辆K在2周期绿灯放行时没有通过,在3周期绿灯放行前又等3周期的红灯,所以是第三次停车,车辆L、车辆M是第二次停车。当3周期绿灯放行时,车辆H~车辆K通过了路口,其他车辆均没有通过,如图7d所示。
所以,类似地,用上述预测1周期的不同停车次数的车辆数,分别计算出2周期过车中的停车2次的车辆数为6(说明这两辆车肯定在1周期排队了,结果在2周期又排队了),2周期的停车3次的车辆数为1(说明这两辆车肯定在0周期和1周期都排队了,结果在2周期又排队了),3周期过车中的停车3次的车辆数为4(说明这两辆车肯定在0周期、1周期和2周期都排队了,结果在3周期又排队了),因此1周期排队的车辆数6+1+4=11,如图7e所示。
进一步地,当按照上述方式确定出待预测信号周期的排队车辆数之后,按照公式[5]计算所述所述第一路段的第一交通相位在所述第N+1个信号周期时的排队长度:
其中,LN+1,p为排队长度,DN+1,p为所述第N+1个信号周期内的排队车辆数,SSH为饱和车头间距,E为第一交通相位的车道数。
考虑到道路车道数目会发生变化,因此计算周期j+1的预测排队长度。排队长度计算公式为分段函数,根据排队车辆是否超过交叉口入口道渠化段长度作为分段条件,如图8中Lp为渠化段长度,计算公式如公式[6]。
其中,Ep:相位p渠化车道数,根据实际路口几何条件确定;
E:路段车道数,根据实际路口几何条件确定;
Lp:渠化段长度,根据实际路口几何条件确定;
SSH:饱和车头间距,本发明取1000m/150veh。
进一步地,预测所述第一路段的第一交通相位在所述第N+1个信号周期的排队长度之后,还包括:
根据待交通控制区域内各路段在预设周期内的排队长度和各路段的长度,确定各路段的排队强度,其中,所述路段是指相邻两个交叉口之间的路段;
确定所述排队强度大于第一阈值的目标路段,并将所述目标路段的相邻两个交叉口作为关键交叉口;
确定所述关键交叉口的上下游交叉口为待调整交叉口,并调整所述待调整交叉口的绿灯信号时间比。
详细来说,区域协调方案调整分为三个步骤。
第一步,计算区域路网排队强度。依据排队方法,计算区域路网中所有路段的车辆排队长度Qi,j,i为上游交叉口,j为下游交叉口。路网排队强度Ii,j计算公式如公式[7]。查询排队强度超过阈值I的路口,作为区域协调方案调整关键路口,I默认取0.9。
其中,Ii,j为路网排队强度,Qi,j为路段的车辆排队长度,Li,j为路段长度。
第二步,确定协调方案调整区域。如果该周期内没有关键路口,说明区域排队均衡,则不对方案进行调整,正常执行协调方案;当协调区域中存在关键路口时,以关键路口为起点,调整区域协调方案绿信比。根据关键路口位置,确定上下游调整区域。选择距离关键路口最近的3个路口和次近的1个路口,作为调方向的上下游路口,如果关键路口位于区域边界,则选择最近的2个路口和次近的一个路口作为上下游路口,上下游路口中距离关键路口最近的一个路口为一级路口,另外路口为二级路口。如图9所示,路口10为关键路口,路口2、5、6、7为下游路口,路口13、14、15、18为上游路口,路口6和路口14为一级路口,路口2、5、7和路口13、15、18为二级路口。
第三步,调整上游一级路口绿信比。计算关键路口与上游一级路口之间的排队强度差值,如果差值小于0,则不调整上游一级路口;如果差值大于0,则上游一级路口协调相位绿信比减去排队强度差值。
第四步,调整上游二级路口绿信比。计算上游一级路口与上游二级路口之间的排队强度差值,选择差值大于0的二级路口,并将其绿信比减去相应差值。
第五步,调整下游一级路口绿信比。计算关键路口与下一一级路口之间的排队强度差值,如果差值小于0,则不调整下一一级路口;如果差值大于0,则关键路口协调方向绿信比增加排队强度差值。
第六步,调整下游二级路口绿信比。计算下游一级路口与下游二级路口之间的排队强度差值,选择差值大于0的路口,将上游一级路口对应于排队强度差值大于0的路口方向的相位绿信比加上排队强度差值。
第七步,按照关键路口排队强度由小到大,依次执行第二步到第六步,直到区域内所有关键路口调整结束,以达到协调区域排队均衡。
本发明实施例充分挖掘交通大数据,发挥数据价值,可以补充传统检测器无法检测得到的信号控制参数,提高信号控制的精确性。利用车辆轨迹信息得到车辆行程时间信息,根据行程时间计算停车次数并得到路段排队长度,建立了大数据条件下的路段排队长度计算体系,解决了路段排队长度难以检测获取的难题。将排队作为限制条件引入区域协调控制中,一方面,解决排队对传统协调控制方案的影响,使区域排队处于均衡状态;另一方面,也可以作为控制效果评价指标,评价控制方案运行效果。本专利的实施可以为交通信号控制方案评价和区域协调控制方案优化提供有力支撑,同时也在利用大数据降低区域拥堵方面的技术应用和发展具有十分重要的意义。
基于相同的发明构思,图10示例性的示出了本发明实施例提供的一种确定交叉口排队长度装置的结构,该装置可以执行上述确定排队长度的方法流程,包括:预测交通需求量单元401、确定单元402、预测排队长度单元403,其中:
预测交通需求量单元401,用于根据第一路段的第一交通相位车辆检测器在第N个信号周期和所述第N个信号周期之前的S个信号周期内统计的各个过车的停车次数,预测所述第一路段的车辆检测器在第N+1个信号周期和所述第N+1个信号周期之后的S个信号周期内的交通需求量,所述交通需求量为各停车次数对应的过车车辆数,其中,N和S为正整数,所述第一路段的第一交通相位为待交通控制区域内的任意一个路段的任意一个交通相位;
确定单元402,用于根据所述交通需求量确定第N+1个信号周期内的排队车辆数;
预测排队长度单元403,用于根据所述第N+1个信号周期内的排队车辆数和所述第一交通相位的车道数,预测所述第一路段的第一交通相位在所述第N+1个信号周期的排队长度。
可选地,所述预测预测排队长度单元403具体用于:
按照公式[5],计算所述第一路段的第一交通相位在所述第N+1个信号周期时的排队长度,公式[5]如上所述,不再赘述。
进一步地,还包括确定停车次数单元404,用于针对第N个信号周期或所述第N个信号周期之前的S个信号周期内的任意一个信号周期,统计所述信号周期内各个车辆从所述第一路段的第二交叉口通过所述所述第一路段的第一交叉口的各个车辆的行驶时长;
对所述行驶时长进行概率密度估计,得到概率分布曲线,并将所述概率分布曲线的凹点确定为停车次数划分因子;
根据所述停车次数划分因子和各个车辆的行驶时长,确定出各个车辆的停车次数。
进一步地,还包括调整单元405,用于根据待交通控制区域内各路段在预设周期内的排队长度和各路段的长度,确定各路段的排队强度,其中,所述路段是指相邻两个交叉口之间的路段;确定所述排队强度大于第一阈值的目标路段,并将所述目标路段的相邻两个交叉口作为关键交叉口;确定所述关键交叉口的上下游交叉口为待调整交叉口,并调整所述待调整交叉口的绿灯信号时间比。
进一步地,所述调整单元405具体用于:确定所述关键交叉口的上游的待调整交叉口与所述关键交叉口之间的排队强度的差值,若大于第二阈值,则减小所述上游的待调整交叉口的绿灯信号时间比;
确定所述关键交叉口的下游的待调整交叉口与所述关键交叉口之间的排队强度的差值,若大于所述第二阈值,则增加所述上游的待调整交叉口的绿灯信号时间比。
进一步地,还包括:数据清洗单元406,用于针对任意一个车辆,计算所述车辆的行驶时长的第一分位值和第二分位值;根据所述第一分位值和第二分位值,确定数据清洗上边界和下边界;根据所述数据清洗上边界和下边界,对所述车辆的车辆检测数据进行数据清洗。
综上所述,本发明实施例通过利用已有信号周期所统计的过车数和过车的停车次数,预测未来信号周期的过车数量,以及过车中的停车次数,进而利用未来第N+2个信号周期直至第N+S个信号周期的各个停车次数的车辆数,反推出第N+1个信号周期的排队车辆数,从而所述第N+1个信号周期内的排队车辆数和所述第一交通相位的车道数,预测所述第一路段的第一交通相位在所述第N+1个信号周期的排队长度,这样就可以准确地预测出未来信号周期可能的道路拥堵程度,进而有效地预防交通拥堵,缓解当前的交通拥堵状况。
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 (8)
1.一种确定交叉口排队长度方法,其特征在于,该方法包括:
根据第一路段的第一交通相位车辆检测器在第N个信号周期和所述第N个信号周期之前的S个信号周期内统计的各个过车的停车次数,预测所述第一路段的车辆检测器在第N+1个信号周期和所述第N+1个信号周期之后的S个信号周期内的交通需求量,所述交通需求量为各停车次数对应的过车车辆数,其中,N和S为正整数,所述第一路段的第一交通相位为待交通控制区域内的任意一个路段的任意一个交通相位;
根据所述交通需求量确定第N+1个信号周期内的排队车辆数;
根据所述第N+1个信号周期内的排队车辆数和所述第一交通相位的车道数,预测所述第一路段的第一交通相位在所述第N+1个信号周期的排队长度;
预测所述第一路段的第一交通相位在所述第N+1个信号周期的排队长度之后,还包括:
根据待交通控制区域内各路段在预设周期内的排队长度和各路段的长度,确定各路段的排队强度,其中,所述路段是指相邻两个交叉口之间的路段;
确定所述排队强度大于第一阈值的目标路段,并将所述目标路段的相邻两个交叉口作为关键交叉口;
确定所述关键交叉口的上下游交叉口为待调整交叉口,并调整所述待调整交叉口的绿灯信号时间比;
所述调整所述待调整交叉口的绿灯信号时间比,包括:
确定所述关键交叉口的上游的待调整交叉口与所述关键交叉口之间的排队强度的差值,若大于第二阈值,则减小所述上游的待调整交叉口的绿灯信号时间比;
确定所述关键交叉口的下游的待调整交叉口与所述关键交叉口之间的排队强度的差值,若大于所述第二阈值,则增加所述上游的待调整交叉口的绿灯信号时间比;
预测第j+1个周期的交通需求,包括:
计算当前周期j,相位p不同停车次数车辆数,计算公式如公式[1]:
根据当前周期j的最大停车次数n确定需要预测的周期,分别是j+1,j+2,…,j+n;
按照公式[2]依次计算预测周期中0到n次停车的车辆数;
按照公式[3]和公式[4]计算周期j+1的交通需求:
其中,Dj+1,p为所述第j+1个信号周期内相位p的排队车辆数。
3.如权利要求2所述的方法,其特征在于,还包括:
针对第N个信号周期或所述第N个信号周期之前的S个信号周期内的任意一个信号周期,统计所述信号周期内各个车辆从所述第一路段的第二交叉口通过所述第一路段的第一交叉口的各个车辆的行驶时长;
对所述行驶时长进行概率密度估计,得到概率分布曲线,并将所述概率分布曲线的凹点确定为停车次数划分因子;
根据所述停车次数划分因子和各个车辆的行驶时长,确定出各个车辆的停车次数。
4.如权利要求1所述的方法,其特征在于,所述统计所述信号周期内各个车辆从所述第一路段的第二交叉口通过所述第一路段的第一交叉口的各个车辆的行驶时长之后,还包括:
针对任意一个车辆,计算所述车辆的行驶时长的第一分位值和第二分位值;
根据所述第一分位值和第二分位值,确定数据清洗上边界和下边界;
根据所述数据清洗上边界和下边界,对所述车辆的车辆检测数据进行数据清洗。
5.一种确定交叉口排队长度装置,其特征在于,该装置包括:
预测交通需求量单元,用于根据第一路段的第一交通相位车辆检测器在第N个信号周期和所述第N个信号周期之前的S个信号周期内统计的各个过车的停车次数,预测所述第一路段的车辆检测器在第N+1个信号周期和所述第N+1个信号周期之后的S个信号周期内的交通需求量,所述交通需求量为各停车次数对应的过车车辆数,其中,N和S为正整数,所述第一路段的第一交通相位为待交通控制区域内的任意一个路段的任意一个交通相位;
确定单元,用于根据所述交通需求量确定第N+1个信号周期内的排队车辆数;
预测排队长度单元,用于根据所述第N+1个信号周期内的排队车辆数和所述第一交通相位的车道数,预测所述第一路段的第一交通相位在所述第N+1个信号周期的排队长度;
还包括:
调整单元,用于根据待交通控制区域内各路段在预设周期内的排队长度和各路段的长度,确定各路段的排队强度,其中,所述路段是指相邻两个交叉口之间的路段;确定所述排队强度大于第一阈值的目标路段,并将所述目标路段的相邻两个交叉口作为关键交叉口;确定所述关键交叉口的上下游交叉口为待调整交叉口,并调整所述待调整交叉口的绿灯信号时间比;
所述调整单元具体用于:
确定所述关键交叉口的上游的待调整交叉口与所述关键交叉口之间的排队强度的差值,若大于第二阈值,则减小所述上游的待调整交叉口的绿灯信号时间比;
确定所述关键交叉口的下游的待调整交叉口与所述关键交叉口之间的排队强度的差值,若大于所述第二阈值,则增加所述上游的待调整交叉口的绿灯信号时间比;
所述预测交通需求量单元具体用于:
计算当前周期j,相位p不同停车次数车辆数,计算公式如公式[1]:
根据当前周期j的最大停车次数n确定需要预测的周期,分别是j+1,j+2,…,j+n;
按照公式[2]依次计算预测周期中0到n次停车的车辆数;
按照公式[3]和公式[4]计算周期j+1的交通需求:
其中,Dj+1,p为所述第j+1个信号周期内相位p的排队车辆数。
7.如权利要求6所述的装置,其特征在于,确定停车次数单元,用于针对第N个信号周期或所述第N个信号周期之前的S个信号周期内的任意一个信号周期,统计所述信号周期内各个车辆从所述第一路段的第二交叉口通过所述第一路段的第一交叉口的各个车辆的行驶时长;
对所述行驶时长进行概率密度估计,得到概率分布曲线,并将所述概率分布曲线的凹点确定为停车次数划分因子;
根据所述停车次数划分因子和各个车辆的行驶时长,确定出各个车辆的停车次数。
8.如权利要求5所述的装置,其特征在于,还包括:
数据清洗单元,用于针对任意一个车辆,计算所述车辆的行驶时长的第一分位值和第二分位值;根据所述第一分位值和第二分位值,确定数据清洗上边界和下边界;根据所述数据清洗上边界和下边界,对所述车辆的车辆检测数据进行数据清洗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710418881.2A CN107170247B (zh) | 2017-06-06 | 2017-06-06 | 一种确定交叉口排队长度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710418881.2A CN107170247B (zh) | 2017-06-06 | 2017-06-06 | 一种确定交叉口排队长度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107170247A CN107170247A (zh) | 2017-09-15 |
CN107170247B true CN107170247B (zh) | 2020-10-30 |
Family
ID=59825704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710418881.2A Active CN107170247B (zh) | 2017-06-06 | 2017-06-06 | 一种确定交叉口排队长度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107170247B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108109380B (zh) * | 2018-01-31 | 2020-12-15 | 迈锐数据(北京)有限公司 | 一种车辆排队长度的检测系统、方法及装置 |
CN108765981B (zh) * | 2018-06-20 | 2021-03-02 | 昆明理工大学 | 一种分车道实时排队长度预测方法 |
CN110706482A (zh) * | 2019-08-30 | 2020-01-17 | 安锐 | 一种高峰交通通行控制方法及装置 |
CN110751826B (zh) * | 2019-10-30 | 2021-07-06 | 浙江大华技术股份有限公司 | 车辆排队确定方法以及相关装置 |
CN111126713B (zh) * | 2019-12-31 | 2023-05-09 | 方正国际软件(北京)有限公司 | 基于卡口数据的时空热点预测方法、装置及控制器 |
CN111275968B (zh) * | 2020-02-12 | 2021-10-12 | 公安部交通管理科学研究所 | 一种信号控制路口交通拥堵评价方法、装置及系统 |
CN111612669B (zh) * | 2020-04-24 | 2023-04-25 | 浙江大华技术股份有限公司 | 车道排队长度估算方法、系统、计算机设备和存储介质 |
CN113516854B (zh) * | 2021-03-25 | 2022-07-08 | 江苏航天大为科技股份有限公司 | 一种基于卡警、视频检测器的多路口协调自适应控制方法 |
CN114120647B (zh) * | 2021-11-26 | 2023-01-24 | 阿波罗智联(北京)科技有限公司 | 交通数据处理方法、装置、电子设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010042973A8 (en) * | 2008-10-15 | 2011-07-07 | National Ict Australia Limited | Tracking the number of vehicles in a queue |
CN102622897A (zh) * | 2012-04-07 | 2012-08-01 | 山东大学 | 基于视频的车辆排队长度动态估计方法 |
CN103839418A (zh) * | 2014-02-27 | 2014-06-04 | 中国航天系统工程有限公司 | 一种自适应的城市快速路匝道动态控制系统 |
CN103927876A (zh) * | 2014-05-08 | 2014-07-16 | 山东大学 | 基于视频检测的交通溢流发生时间预测方法 |
-
2017
- 2017-06-06 CN CN201710418881.2A patent/CN107170247B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010042973A8 (en) * | 2008-10-15 | 2011-07-07 | National Ict Australia Limited | Tracking the number of vehicles in a queue |
CN102622897A (zh) * | 2012-04-07 | 2012-08-01 | 山东大学 | 基于视频的车辆排队长度动态估计方法 |
CN103839418A (zh) * | 2014-02-27 | 2014-06-04 | 中国航天系统工程有限公司 | 一种自适应的城市快速路匝道动态控制系统 |
CN103927876A (zh) * | 2014-05-08 | 2014-07-16 | 山东大学 | 基于视频检测的交通溢流发生时间预测方法 |
Non-Patent Citations (1)
Title |
---|
饱和信号交叉口排队长度预测;代磊磊; 姜桂艳; 裴玉龙;《吉林大学学报(工学版)》;20081115;第38卷(第6期);第1288-1290页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107170247A (zh) | 2017-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107170247B (zh) | 一种确定交叉口排队长度方法及装置 | |
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 | |
CN108847042B (zh) | 一种路况信息发布方法及装置 | |
CN103021176B (zh) | 基于断面检测器的城市道路交通状态判别方法 | |
CN105225500B (zh) | 一种交通控制辅助决策方法及装置 | |
CN109961639B (zh) | 一种过饱和状态下车道排队长度估计方法 | |
CN105654720B (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
Gandhi et al. | Smart control of traffic light using artificial intelligence | |
CN104392610A (zh) | 基于分布式视频的高速路交通事件影响范围动态监控方法 | |
CN104851287B (zh) | 基于视频检测器的城市道路路段行程时间检测方法 | |
CN109191847B (zh) | 基于城市卡口数据的自适应干线协调控制方法及系统 | |
CN107016872B (zh) | 快速生成交通广播路况信息发布稿的方法、介质和系统 | |
CN105741573B (zh) | 一种基于vsl的高速公路主线收费站速度控制方法 | |
CN104751642A (zh) | 一种高等级道路交通流运行风险实时预估方法 | |
CN110956804B (zh) | 一种交叉口信号配时诊断方法 | |
CN101882374A (zh) | 一种车辆行程分布综合信息分析系统及方法 | |
CN113516854B (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 | |
CN105513362B (zh) | 一种公交站台毗邻区公交车运行状态评价验证方法 | |
CN104875740B (zh) | 用于管理跟随空间的方法、主车辆以及跟随空间管理单元 | |
CN110322687B (zh) | 确定目标交叉口运行状态信息的方法和装置 | |
CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
CN106846808B (zh) | 一种基于车牌数据的车辆停车次数计算方法 | |
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 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN112116813B (zh) | 状态识别模型建立方法、道路交通状态识别方法及装置 |
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 |