CN107204115B - 干线车流停车率估计方法 - Google Patents

Abstract

本发明提供一种干线车流停车率估计方法，基于交叉口进口道处检测的包含车辆识别信息的过车数据，分析车辆在交叉口进口道的驶入驶离特性，进一步动态辨别车辆在信号交叉口停车状态，对干线信号交叉口的车辆停车率进行估计；该种干线车流停车率估计方法，能够克服现有干线协调评价方法受检测器布设位置、车辆行驶车速、路口排队影响等因素影响下的问题和不足，指标反映的问题具有针对性和代表性，具有诊断干线绿波适用性、干线绿波利用率、解释干线交通流时空关联性的潜在能力。

Description

干线车流停车率估计方法

技术领域

本发明涉及一种干线车流停车率估计方法。

背景技术

干线信号协调效率评价方法可分为基于HCM的解析方法和基于实际数据的性能评价指标提取两大类。

基于HCM的解析方法主要包含延误、排队长度等分析模型，被Synchro等主流信号控制性能分析和优化软件广泛采用。但是该方法存在准确性不高、信号协调评价能力不足的问题，其分析结果往往仅能满足交通规划宏观分析、信号控制方案初步分析的需求，针对交通信号控制问题诊断和性能评价的应用，此类方法的适用性不高。

基于实际数据的评价指标提取方面，在实际应用中，目前最为广泛接受的性能评价指标为干线行程时间。由于行程时间指标本质上是一个现象级的参数，存在评价结果针对性不高的问题，无法直接通过行程时间发现干线信号协调存在的问题。美国普渡大学提出了普渡协同图的分析方法，基于高分辨率的信号事件数据，利用上游检测采集的车辆到达信息和下游信号交叉口的实时信号相位信息，认为上游到达车辆可经过某一固定时间到达下游交叉口，以此关系提出了绿时到达率的指标，即在绿灯时段到达研究交叉口的车辆数与周期内到达研究交叉口的车辆数之间的比值。相比单独采用行程时间作为评价指标，绿时到达率指标显然对于揭示干线信号协调的效率问题具有相对明确的指示性作用。

但是，现有绿时到达率估计方法存在一定局限性：需要在信号交叉口上游足够远(超过下游交叉口排队的影响范围)的位置布设检测器；采用固定车速推算车辆到达下游交叉口时间的方法忽略了不同车辆组成、运行条件下的不确定性特点；难以跟踪上游信号交叉口协调和非协调方向释放交通流等。这些问题可能会严重影响绿时到达率估计的实用性和可信度。更为重要的是，我国尚未具备采集高分辨率的信号事件数据的能力，现阶段普渡大学的方法难以在我国得到推广应用。

城市干线道路承担主要的市内交通负荷，为缓解城市道路交通拥堵现状，干线信号协同控制技术被广泛应用于提高干线通行效率。如何运用科学合理的方法对城市干线协调控制性能进行量化评估，使之成为协调信号配时优化调整的技术基础，一直以来是城市交通信号控制领域的关键问题。

发明内容

本发明的目的是提供一种干线车流停车率估计方法，解决现有技术中存在的现有绿时到达率估计方法存在一定局限性：需要在信号交叉口上游足够远(超过下游交叉口排队的影响范围)的位置布设检测器；采用固定车速推算车辆到达下游交叉口时间的方法忽略了不同车辆组成、运行条件下的不确定性特点；难以跟踪上游信号交叉口协调和非协调方向释放交通流等问题。

该种基于车辆号牌识别的干线停车率估计方法，从车头时距提取信号交叉口交通流的驶离特性，对车辆在交叉口的完全停车与非完全停车状态进行判别，进一步估计干线各交叉口停车率，可用以定量评估干线信号协调实施效果。

本发明的技术解决方案是：

一种干线车流停车率估计方法，基于交叉口进口道处检测的包含车辆识别信息的过车数据，分析车辆在交叉口进口道的驶入驶离特性，进一步动态辨别车辆在信号交叉口停车状态，对干线信号交叉口的车辆停车率进行估计，包括以下步骤：

S1、干线车辆通行数据、交叉口信号控制数据采集，生成时间正序排列的车道初始过车序列；其中车辆通行数据为交叉口进口道停车线处的过车检测数据，交叉口信号控制数据为干线沿线各信号控制交叉口信号机执行的信号控制方案；

S2、以信号周期为时间分析单元，根据步骤S1获得的车道初始过车序列，识别干线各交叉在当前分析周期内驶出停车线的车辆，生成正时序排列的车辆驶离序列；

S3、基于车头时距判别驶离交叉口停车线的饱和车流与非饱和车流，进而分析车辆在交叉口的停车状况，进而得到干线信号交叉口的车辆停车率。

进一步地，步骤S2中，就某一交叉口的协调控制方向的一进口道车道组来说，具体步骤如下：

S21、根据车辆驶过停车线的时间计算车头时距：h_i＝time_gap(i-1,i)＝t_i-t_i-1,其中h_i为车辆i的车头时距，t_i为车辆i通过停车线的时间，time_gap(i-1,i)为车辆i与其相邻前车通过停车线的时间差；

S22、根据车头时距识别当前信号周期内该交叉口进口道车道组的通行车辆：若存在车辆驶离交叉口停车线时间与上一辆车驶离时间之差大于对应方向的红灯时长，即存在车辆I使得h_I＞T_red，其中T_red为周期C_k内非协调控制方向总放行时长，则将车辆I作为当前周期C_k的首车；

S23、检测车辆I至下一周期C_k+1的首车I_k+1的前车累计车头时距是否大于周期C_k的绿灯时长，即

其中T_red为周期C_k内协调控制方向的绿灯放行时长；若不成立，则I_k+1的前一相邻车辆即为周期C_k的末车E；若成立，将累计车头时距大于该周期绿灯时长的车辆作为周期C_k的末车E，即存在j使得

车辆j即为周期C_k的末车E；上述字符i、I、E均为过车序列内的车辆序号；

S24、生成周期C_k内该交叉口进口道的车辆驶离序列。

进一步地，步骤S3具体为：

S31、根据S2获得的周期C_k交叉口在所分析的协调控制方向上的驶离车辆，从时序分布的首车I至末车E中确定驶离交叉口的排队车辆中饱和车流的起始车辆S；

S32、在车头时距的时间序列中检测逐一检测车头时距是否超过饱和流车头时距阈值，即h_m＞H,m∈[S,E]，其中H为饱和流车头时距阈值；对于首次出现车头时距大于饱和流车头时距阈值的车辆p，p∈[m,E]，将其初步作为非饱和车流的起点；上述字符m、p为过车序列内的车辆序号；

S33、根据饱和流车队车辆数阈值检测车辆p后是否存在连续的饱和车流，即是否存在不少于饱和流车队车辆数阈值M的连续车辆的车头时距满足h≤H；若不存在，则判断车辆p即为非饱和车流的起点，进入步骤S35；否则进入步骤S34；

S34、车辆p后出现饱和车流，检测其后续饱和车流的首车与其相邻前车之间的间隔车辆数是否超过间断阈值G，通常设置为1～3辆；若不成立，则将车辆p前后的饱和车辆作为连续的饱和车流，回到步骤S32，检索后续车流中的非饱和车流起点，直至到该周期车辆驶离序列检测完毕；若成立，则将车辆p前后的饱和车辆作为非连续饱和车流，车辆p即为非饱和车流的起点；

S35、饱和车流内的车辆为该周期内经历完全停车后驶离停车线的车辆，而非饱和车流内的车辆则为未停车车辆，统计饱和车流内车辆数N_s，计算交叉口停车等待的车辆数N_s占周期内驶离停车线车辆总数N的百分率：

即为当前周期C_k的停车率估计值。

进一步地，步骤S1中，车辆通行数据的记录字段包含设备编号、通行日期、通行时间、车辆号牌、行驶方向、行驶车道；交叉口信号控制数据包含交叉口信号控制方式、周期时长、周期实际开始时间及各相位阶段时间。

进一步地，步骤S31中，饱和车流的计算起点选择驶离序列中的第4-6辆车，步骤S33中，饱和流车队车辆数阈值M根据车头时距的实测数据观测确定。

本发明的有益效果是：该种干线车流停车率估计方法，结合了当前我国城市道路信号交叉口交通流信息采集条件以及数据特点，针对现有干线信号控制评价方法精细化不足、针对性不强、数据能力弱的缺陷，采用信号交叉口的车辆号牌识别数据，利用过车记录具备跟踪车辆运行轨迹的能力，通过提取干线协调方向车流的停车状态，动态估计干线车流停车率，为干线信号协调控制性能评价提供定量化指标支持。该种干线车流停车率估计方法，能够克服现有干线协调评价方法受检测器布设位置、车辆行驶车速、路口排队影响等因素影响下的问题和不足，指标反映的问题具有针对性和代表性，具有诊断干线绿波适用性、干线绿波利用率、解释干线交通流时空关联性的潜在能力。

附图说明

图1是本发明实施例干线车流停车率估计方法的流程示意图。

图2是本发明实施例中生成信号周期内车辆驶离序列的示意图。

图3是本发明实施例中计算停车率的示意图。

图4是实施例中干线信号控制方案的示意图。

图5是实施例中交叉口1的南进口道停车率箱形图。

图6是实施例中交叉口2的南进口道停车率箱形图。

具体实施方式

下面结合附图详细说明本发明的优选实施例。

实施例

本发明提出的干线车流停车率估计方法，基于交叉口进口道处检测的包含车辆识别信息的过车数据，分析车辆在交叉口进口道的驶入驶离特性，进一步动态辨别车辆在信号交叉口停车状态，对干线信号交叉口的车辆停车率进行估计。具体的流程步骤如下：

S1.干线车辆通行数据、交叉口信号控制数据采集，其中车辆通行数据为交叉口进口道停车线处的过车检测数据，记录字段包含设备编号、通行日期、通行时间、车辆号牌、行驶方向、行驶车道；交叉口信号控制数据为干线沿线各信号控制交叉口信号机执行的信号控制方案，包含交叉口信号控制方式、周期时长、周期实际开始时间及各相位阶段时间；生成时间正序排列的车道初始过车序列。

S2.以信号周期为时间分析单元，根据S1获得的车道初始过车序列，识别干线各交叉在当前分析周期内驶出停车线的车辆，生成正时序排列的车辆驶离序列；就某一交叉口的协调控制方向的一进口道车道组来说，具体的分析步骤为：

S21、根据车辆驶过停车线的时间计算车头时距：h_i＝time_gap(i-1,i)＝t_i-t_i-1,其中h_i为车辆i的车头时距，t_i为车辆i通过停车线的时间，time_gap(i-1,i)为车辆i与其相邻前车通过停车线的时间差；

S22、根据车头时距识别当前信号周期内该交叉口进口道车道组的通行车辆：若存在车辆驶离交叉口停车线时间与上一辆车驶离时间之差大于对应方向的红灯时长，即存在车辆I使得h_I＞T_red，其中T_red为周期C_k内非协调控制方向总放行时长，则将车辆I作为当前周期C_k的首车；

S23、检测车辆I至下一周期C_k+1的首车I_k+1的前车累计车头时距是否大于周期C_k的绿灯时长，即

其中T_red为周期C_k内协调控制方向的绿灯放行时长；若不成立，则I_k+1的前一相邻车辆即为周期C_k的末车E；若成立，将累计车头时距大于该周期绿灯时长的车辆作为周期C_k的末车E，即存在j使得

车辆j即为周期C_k的末车E；上述字符i、I、E均为过车序列内的车辆序号；

S24.生成周期C_k内该交叉口进口道的车辆驶离序列。

S3.基于车头时距判别驶离交叉口停车线的饱和车流与非饱和车流，进而分析车辆在交叉口的停车状况；具体步骤为：

S31.根据S2获得的周期C_k交叉口在所分析的协调控制方向上的驶离车辆，从时序分布的首车I至末车E中确定驶离交叉口的排队车辆中饱和车流的起始车辆S，饱和车流的计算起点通常选择驶离序列中的第4-6辆车；

S32.在车头时距的时间序列中检测逐一检测车头时距是否超过饱和流车头时距阈值，即h_m＞H,m∈[S,E]，其中H为饱和流车头时距阈值，通过显著性差异检验方法确定阈值H的取值，通常取值范围为[2,6]；对于首次出现车头时距大于饱和流车头时距阈值的车辆p(p∈[m,E])，将其初步作为非饱和车流的起点；上述字符m、p为过车序列内的车辆序号；

S33.根据饱和流车队车辆数阈值检测车辆p后是否存在连续的饱和车流，即是否存在不少于阈值M的连续车辆的车头时距满足h≤H，其中饱和流车队车辆数阈值M根据车头时距的实测数据观测确定；若不存在，则判断车辆p即为非饱和车流的起点，进入步骤S35；否则进入步骤S34；

S34.车辆p后出现饱和车流，检测其后续饱和车流的首车与其相邻前车之间的间隔车辆数是否超过间断阈值G，通常设置为1～3辆；若不成立，则将车辆p前后的饱和车辆作为连续的饱和车流，回到步骤S32，检索后续车流中的非饱和车流起点，直至到该周期车辆驶离序列检测完毕；若成立，则将车辆p前后的饱和车辆作为非连续饱和车流，车辆p即为非饱和车流的起点；

S35.饱和车流内的车辆为该周期内经历完全停车后驶离停车线的车辆，而非饱和车流内的车辆则为未停车车辆，统计饱和车流内车辆数N_s，计算交叉口停车等待的车辆数N_s占周期内驶离停车线车辆总数N的百分率：

即为当前周期C_k的停车率估计值。

实施例基于车辆识别数据获取车辆车头时距信息，进而分析交叉口驶出车流的饱和状态，由此判别完全停车车辆以及不完全停车车辆，动态估计交叉口进口道的停车率。本发明所述的干线停车率估计方法，通过对个体车辆行驶状态的跟踪捕捉车辆通行特征，通过个体特征的汇集提取干线交叉口的车辆通行特性，从而估计定量化停车率指标，可用于干线信号协调控制的评价。

实施例的一个具体示例如下：采集某日11:00～16:00干线各交叉口车辆过车记录以及信号控制方案，如图4，S31中以第四辆车为饱和车流计算起点，S32中饱和流车头时距阈值H取值为3s，S33中饱和流车队车辆数阈值M取4辆，S34中间断阈值G设置为2辆；估计交叉口1、2南进口道的停车率并绘制箱形图，如图5、图6所示。

Claims (4)

1.一种干线车流停车率估计方法，其特征在于：基于交叉口进口道处检测的包含车辆识别信息的过车数据，分析车辆在交叉口进口道的驶入驶离特性，进一步动态辨别车辆在信号交叉口停车状态，对干线信号交叉口的车辆停车率进行估计，包括以下步骤：

S1、干线车辆通行数据、交叉口信号控制数据采集，生成时间正序排列的车道初始过车序列；其中车辆通行数据为交叉口进口道停车线处的过车检测数据，交叉口信号控制数据为干线沿线各信号控制交叉口信号机执行的信号控制方案；

S2、以信号周期为时间分析单元，根据步骤S1获得的车道初始过车序列，识别干线各交叉在当前分析周期内驶出停车线的车辆，生成正时序排列的车辆驶离序列；

步骤S2中，就某一交叉口的协调控制方向的一进口道车道组来说，具体步骤如下：

S21、根据车辆驶过停车线的时间计算车头时距：h_i＝time_gap(i-1,i)＝t_i-t_i-1,其中h_i为车辆i的车头时距，t_i为车辆i通过停车线的时间，time_gap(i-1,i)为车辆i与其相邻前车通过停车线的时间差；

S22、根据车头时距识别当前信号周期内该交叉口进口道车道组的通行车辆：若存在车辆驶离交叉口停车线时间与上一辆车驶离时间之差大于对应方向的红灯时长，即存在车辆I使得h_I＞T_red，其中T_red为周期C_k内非协调控制方向总放行时长，则将车辆I作为当前周期C_k的首车；

S23、检测车辆I至下一周期C_k+1的首车I_k+1的前车累计车头时距是否大于周期C_k的绿灯时长，即

其中T_green为周期C_k内协调控制方向的绿灯放行时长；若不成立，则I_k+1的前一相邻车辆即为周期C_k的末车E；若成立，将累计车头时距大于该周期绿灯时长的车辆作为周期C_k的末车E，即存在j使得

车辆j即为周期C_k的末车E；上述字符i、I、E均为过车序列内的车辆序号；

S24、生成周期C_k内该交叉口进口道的车辆驶离序列；

S3、基于车头时距判别驶离交叉口停车线的饱和车流与非饱和车流，进而分析车辆在交叉口的停车状况，进而得到干线信号交叉口的车辆停车率。

2.如权利要求1所述的干线车流停车率估计方法，其特征在于：步骤S3具体为：

S31、根据S2获得的周期C_k交叉口在所分析的协调控制方向上的驶离车辆，从时序分布的首车I至末车E中确定驶离交叉口的排队车辆中饱和车流的起始车辆S；

S32、在车头时距的时间序列中检测逐一检测车头时距是否超过饱和流车头时距阈值，即h_m＞H,m∈[S,E]，其中H为饱和流车头时距阈值；对于首次出现车头时距大于饱和流车头时距阈值的车辆p，p∈[m,E]，将其初步作为非饱和车流的起点；上述字符m、p为过车序列内的车辆序号；

S33、根据饱和流车队车辆数阈值检测车辆p后是否存在连续的饱和车流，即是否存在不少于饱和流车队车辆数阈值M的连续车辆的车头时距满足h≤H；若不存在，则判断车辆p即为非饱和车流的起点，进入步骤S35；否则进入步骤S34；

S34、车辆p后出现饱和车流，检测其后续饱和车流的首车与其相邻前车之间的间隔车辆数是否超过间断阈值G，通常设置为1～3辆；若不成立，则将车辆p前后的饱和车辆作为连续的饱和车流，回到步骤S32，检索后续车流中的非饱和车流起点，直至到该周期车辆驶离序列检测完毕；若成立，则将车辆p前后的饱和车辆作为非连续饱和车流，车辆p即为非饱和车流的起点；

S35、饱和车流内的车辆为该周期内经历完全停车后驶离停车线的车辆，而非饱和车流内的车辆则为未停车车辆，统计饱和车流内车辆数N_s，计算交叉口停车等待的车辆数N_s占周期内驶离停车线车辆总数N的百分率：

即为当前周期C_k的停车率估计值。

3.如权利要求1或2所述的干线车流停车率估计方法，其特征在于：步骤S1中，车辆通行数据的记录字段包含设备编号、通行日期、通行时间、车辆号牌、行驶方向、行驶车道；交叉口信号控制数据包含交叉口信号控制方式、周期时长、周期实际开始时间及各相位阶段时间。

4.如权利要求2所述的干线车流停车率估计方法，其特征在于：步骤S31中，饱和车流的计算起点选择驶离序列中的第4-6辆车，步骤S33中，饱和流车队车辆数阈值M根据车头时距的实测数据观测确定。

Images