CN108022015B - 一种左转机动车通行能力的修正方法 - Google Patents

一种左转机动车通行能力的修正方法 Download PDF

Info

Publication number
CN108022015B
CN108022015B CN201711287572.2A CN201711287572A CN108022015B CN 108022015 B CN108022015 B CN 108022015B CN 201711287572 A CN201711287572 A CN 201711287572A CN 108022015 B CN108022015 B CN 108022015B
Authority
CN
China
Prior art keywords
turn
bicycle
traffic
traffic flow
turning
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
Application number
CN201711287572.2A
Other languages
English (en)
Other versions
CN108022015A (zh
Inventor
万千
李志斌
陈景旭
郑保力
吕柳璇
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.)
Hualan (group) Co Ltd
Southeast University
Guilin University of Electronic Technology
Original Assignee
Hualan Design Group Co ltd
Southeast University
Guilin University of Electronic Technology
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 Hualan Design Group Co ltd, Southeast University, Guilin University of Electronic Technology filed Critical Hualan Design Group Co ltd
Priority to CN201711287572.2A priority Critical patent/CN108022015B/zh
Publication of CN108022015A publication Critical patent/CN108022015A/zh
Application granted granted Critical
Publication of CN108022015B publication Critical patent/CN108022015B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明旨在提出一种考虑交叉口左转自行车交通流膨胀影响的左转机动车通行能力修正方法，通过对交叉口左转自行车交通流膨胀的现象进行分析，采用左转相位红灯时间内传统自行车到达率、电动自行车到达率以及左转自行车方向系数三个变量，对左转自行车交通流膨胀幅度进行回归预测，建立了左转自行车交通流膨胀幅度对左转机动车形式延误的影响模型，提出了不同交叉口道路及交通条件下，左转机动车通行能力的修正模型。本申请对于左转机动车通行能力的计算准确，有利于我国城市信号交叉口交通流运行效率的提升，对于合理评估交叉口建设效益、分配交叉口时空资源、缓解城市交通拥堵具有重要意义。

Description

一种左转机动车通行能力的修正方法
技术领域
本发明属于交通流特征研究及交通管理与控制技术领域，具体为针对交叉口左转自行车交通流膨胀现象，选取有效解释变量，对左转自行车交通流膨胀幅度进行回归预测，并建立左转自行车交通流膨胀幅度对左转机动车形式延误的影响模型，提出不同交叉口道路及交通条件下，左转机动车通行能力的修正模型。
背景技术
随着社会经济的发展，机动化带来的城市问题引发了人们对以自行车为代表的绿色交通的二度关注。在西方发达国家，自行车交通的休闲和通勤出行数量都有大比例的上升。在中国，自行车交通的分担率有所下降，但仍然是主要的出行方式，并因其离散性等特质对机动车交通流造成一定的影响。与此同时，随着电动自行车在中国的推广应用，产生了“混合交通流”的概念，并影响了城市交通的通行效率和交通安全。
在城市信号控制交叉口内，机非车队在左转等待区排队等候，左转绿灯启亮后使用专用道实现左转。混合自行车流在左转过程中，电动自行车和部分速度较快的传统自行车从车队边缘超越队伍，导致自行车交通流体积的横向膨胀，在交叉口内占据了更大的空间，即左转自行车交通流的膨胀现象。相对的，左转机动车跟驰行驶于有限的车道内，不存在膨胀现象。在传统的四相位信号配时方案下，机非左转车队在同一个左转相位内通过交叉口，为避免碰撞和事故，受到同向行驶的自行车膨胀现象影响的左转机动车不得不减速行驶或改变行车轨迹，导致交叉口内左转机动车通行能力的降低和行车延误的增加。
目前，左转机动车的延误和通行能力仅根据HCM手册内现有的修正系数进行修正估计，未考虑左转自行车交通流膨胀现象的影响，在机非混行现象普遍的中国，其估计值存在较大的偏差。
发明内容
传统交叉口左转机动车通行能力计算方法中并未考虑左转自行车对左转机动车的影响，导致在实际应用过程中，所采用的基于传统方法所获得的左转机动车信号灯配时无法满足真实运行中左转机动车的需求，导致部分左转车辆无法顺利通过交叉口，导致了额外的交通延误。本发明提出的考虑左转自行车对左转自行车影响的左转机动车通行能力计算方法与真实情况更加贴近，基于本发明的信号交叉口信号配时更加科学、合理，能够有效减少左转自行车在交叉口的等待延误，从而实现城市信号交叉口交通流运行效率的提升。
本发明的技术方案如下：
一种左转机动车通行能力的修正方法，所述修正方法包括以下步骤：
(1)采集目标交叉口的基础数据，包括交叉口几何参数、交通流数据及信号控制方案；交通流数据以信号周期-Li为统计周期，记录左转相位红灯时段到达的传统自行车交通量-Vrcbi、电动自行车交通量-Vrebi和左转自行车的方向系数-Dfi；
(2)对左转自行车交通流膨胀现象进行分析，记录在每个统计周期-Li内的左转自行车膨胀幅度，交叉口内左转自行车交通流断面的最大并排自行车车辆数，记作Ai；
(3)建立三个交通流参数对左转自行车膨胀幅度的泊松回归模型，对左转自行车交通流膨胀幅度进行回归预测，左转自行车交通流膨胀幅度的概率分布函数如下：
Figure GDA0003435403900000021
Yi≤Ai
其中，
λi-统计周期i内，左转自行车膨胀幅度的期望值；
n-样本容量；
Yi-统计周期i内，左转自行车交通流的实际膨胀幅度；
yi-统计周期i内，左转自行车交通流的膨胀幅度预测值；
通过对数方程建立λi与膨胀幅度线性预测值之间的关系，可以从以下两种形式中进行选择：
λi＝eXp(θ0+θ1xi1+...+θkxik)
Figure GDA0003435403900000022
其中，θ0，θ1，…，θk为对应变量的粘滞系数，xi1，xi2，…，xik，为第i个统计周期所对应的各个解释变量的值，此处k＝3；
(4)将通过交叉口的左转机动车的分为“受左转自行车交通流膨胀影响”与“不受左转自行车交通流膨胀影响”，通过对比两种情况下的左转机动车通过交叉口的行驶时间，得到左转自行车交通流膨胀影响下的左转机动车延误，并建立左转自行车交通流膨胀幅度对左转机动车行驶延误的影响模型：
Figure GDA0003435403900000031
其中，
dltb-左转自行车交通流膨胀影响下的左转机动车延误；
t-受左转自行车交通流膨胀影响的左转机动车通过交叉口的行驶时间；
Figure GDA0003435403900000032
不受左转自行车交通流膨胀影响的左转机动车通过交叉口的行驶时间；
y-左转自行车流膨胀幅度的期望值；
a0，a1，…，aj-多项式回归模型的各项参数。
(5)计算考虑交叉口左转自行车交通流膨胀影响的左转机动车通行能力的修正系数fltb：
Figure GDA0003435403900000033
其中，
fltb-考虑左转自行车交通流膨胀影响的左转机动车通行能力的修正系数；
glt-左转相位绿灯时长。
(6)、根据考虑交叉口左转自行侧交通流膨胀影响的左转机动车通行能力修正模型，修正计算左转机动车通行能力；
首先计算修正后的左转机动车饱和流率：
S＝SHCM·fltb
其中，
s-修正后的左转机动车饱和流率，单位为veh/h/ln；
SHCM-基于HCM手册的左转机动车饱和流率，考虑了车道宽、重型车比例、坡度等修正参数，单位为veh/h/ln；
计算相应周期内左转机动车的通行能力：
Figure GDA0003435403900000041
其中，
c-修正后的左转机动车通行能力，单位为veh/h；
N-左转机动车车道数；
C-周期时长。
所述步骤(1)中，左转相位红灯时段到达的传统自行车交通量、电动车交通量及左转自行车的方向系数，是通过对影响左转自行车膨胀幅度的众多的解释变量进行逐步递归筛选得到的。在本发明前期实验过程中，采集了多个交通流参数，通过对影响左转自行车膨胀幅度进行统计分析，结果表明这三个参数是影响膨胀幅度的显著变量，其他因素在建模过程中不显著。因此本发明选择了上述三个交通流变量。
所述步骤(1)中的方向系数为南北/东西流向的左转相位绿灯时段内，分别计算对向进口道驶入交叉口的左转自行车流量与总流量的比值，取值大的为方向系数，Dfi取值在0.5～1之间。
所述步骤(2)中的左转自行车交通流的膨胀幅度，用左转自行车交通流最大断面的车辆数进行衡量，即在某个统计周期Li内，左转信号绿灯时段，交叉口内左转自行车交通流最大断面的并排自行车车辆数，记作Ai。
所述步骤(3)中，传统的泊松回归模型中的均值与方差相等，考虑到实际情况下方差与均值往往不等，故采用通用的泊松模型对左转自行车的膨胀现象进行建模回归，且GP的概率分布函数为：
Figure GDA0003435403900000042
Yi≤Ai
其中max(-1，-λi/4)＜δ＜1；且当δ＞0时，模型处于过度分散状态当δ＞0时，模型处于弱分散状态。
所述步骤(3)中建立了三个解释变量对左转自行车流膨胀幅度的泊松回归模型，模型拟合度用scaled deviance和pearson x2进行评价：
Figure GDA0003435403900000051
所述步骤(4)中所计算的左转机动车延误定义为左转机动车通过交叉口的行驶过程中，受左转自行车交通流膨胀影响与不受影响的行驶时间之间的差异；且基于实地调研和分析，将左转自行车对左转机动车造成影响的临界值设为3，即当左转自行车流的膨胀幅度大于3辆车时，视为对左转机动车造成影响，反之无影响。
所述步骤(4)中建立的左转自行车交通流膨胀幅度对左转机动车延误的影响模型，其拟合度用相关系数R2进行评价：
Figure GDA0003435403900000052
其中，
di-第i对数据中的左转机动车延误；
yi-第i对数据中的左转自行车流膨胀幅度期望值。
本发明基于道路几何条件、信号控制方案和交通流数据等交叉口基础数据，通过对交叉口左转自行车交通流膨胀的现象进行分析，采用逐步回归法选取了左转相位红灯时间内传统自行车到达率、电动自行车到达率以及左转自行车方向系数三个变量，对左转自行车交通流膨胀幅度进行回归预测，建立了左转自行车交通流膨胀幅度对左转机动车形式延误的影响模型，提出了左转自行车交通流膨胀影响下左转机动车通行能力修正系数，据此建立了不同交叉口道路及交通条件下，左转机动车通行能力的修正模型。
本发明的突出的实质性特点和显著的进步是：
本发明充分考虑了中国城市混和交通流特性，通过对交叉口左转自行车交通流膨胀的现象进行分析，选取有效的解释变量对左转自行车交通流膨胀幅度进行回归预测，建立左转自行车交通流膨胀幅度对左转机动车形式延误的影响模型，提出了不同交叉口道路及交通条件下，左转机动车通行能力的修正模型。相比以往发明考虑了交叉口左转自行车交通流膨胀现象对机动车交通流影响，更加准确地计算了左转机动车通行能力，更有利于我国城市信号交叉口交通流运行效率的提升，对于缓解城市交通拥堵具有重要意义。
附图说明
图1为本发明的技术路线示意图；
图2为典型交叉口平面布置及运行组织图；
图3设有左转保护相位的四相位信号控制方案的相位相序图；
图4为所调研的四个交叉口平面图；
图5为基于调研数据的左转自行车膨胀幅度分布直方图；
图6为2号交叉口左转机动车延误与左转自行车膨胀幅度关系图。
具体实施方式
本发明旨在提出一种考虑交叉口左转自行车交通流膨胀影响的左转机动车通行能力修正方法，基于道路几何条件、信号控制方案和交通流数据等交叉口基础数据，通过对交叉口左转自行车交通流膨胀的现象进行分析，采用逐步回归法选取了左转相位红灯时间内传统自行车到达率、电动自行车到达率以及左转自行车方向系数三个变量，对左转自行车交通流膨胀幅度进行回归预测，建立了左转自行车交通流膨胀幅度对左转机动车形式延误的影响模型，提出了左转自行车交通流膨胀影响下左转机动车通行能力修正系数，据此建立了不同交叉口道路及交通条件下，左转机动车通行能力的修正模型。一种考虑交叉口左转自行车交通流膨胀影响的左转机动车通行能力修正方法技术路线如图1所示，详细步骤阐述如下：
(1)采集目标交叉口的基础数据，包括交叉口几何参数、交通流数据及信号控制方案等。
所研究的交叉口平面布置如图2所示，每个进口道都设有左转专用道。常见的四相位信号控制方案如图3所示，建模过程以信号周期(Li)为统计周期，以南北方向左转交通流为研究对象，对图中南北方向左转相位(绿色)内的交通流数据进行统计。
通过对影响左转自行车膨胀幅度的解释变量进行逐步递归筛选，得到三个有效解释变量分别为：左转相位红灯时段到达的传统自行车交通量(Vrcbi)、电动自行车交通量(Vrebi)，以及左转自行车的方向系数(DFi)。方向系数DF取值在0.5～1之间。
(2)、对左转自行车交通流膨胀现象进行分析，记录在每个统计周期(Li)内的左转自行车膨胀幅度。膨胀幅度用左转自行车交通流做大断面的自行车数(Ai)进行衡量，如图2所示，即某个统计周期Li内的左转信号绿灯时段，交叉口内左转自行车交通流最大断面的并排自行车车辆数，记作Ai。
(3)以左转自行车膨胀幅度Ai为因变量，左转相位红灯时段到达的传统自行车交通量(Vrcbi)、电动自行车交通量(Vrebi)和左转自行车的方向系数(DFi)为自变量，进行参数估计，建立三个交通流参数对左转自行车膨胀幅度的泊松回归模型，对左转自行车交通流膨胀幅度进行回归预测。左转自行车交通流膨胀幅度的概率分布函数如下：
Figure GDA0003435403900000071
Yi≤Ai
其中，
λi-统计周期i内，左转自行车膨胀幅度的期望值；
N-样本容量；
Yi-统计周期i内，左转自行车交通流的实际膨胀幅度；
yi-统计周期i内，左转自行车交通流的膨胀幅度预测值；
通过对数方程建立λi与膨胀幅度线性预测值之间的关系，可以从以下两种形式中进行选择：
λi＝eXp(θ0+θ1xi1+...+θkxik) (2)
Figure GDA0003435403900000081
其中，θ0，θ1，…，θk为对应变量的粘滞系数，xi1，xi2，…，xik，为第i个统计周期所对应的各个解释变量的值，此处k＝3。
此外，由于传统的泊松回归模型中的均值与方差相等，考虑到实际情况下方差与均值往往不等，故采用通用的泊松模型(GP)对左转自行车的膨胀现象进行建模回归。且GP的概率分布函数为：
Figure GDA0003435403900000082
Yi≤Ai
其中max(-1，-λi/4)＜δ＜1；且当δ＞0时，模型处于过度分散状态当δ＞0时，模型处于弱分散状态。
(4)利用规模偏差(SD)和皮尔森x2对左转自行车流膨胀幅度的多项式回归模型进行拟合度的评价：
Figure GDA0003435403900000083
Figure GDA0003435403900000084
(5)将通过交叉口的左转机动车的分为“受左转自行车交通流膨胀影响”与“不受左转自行车交通流膨胀影响”两类，通过对比两种情况下的左转机动车通过交叉口的行驶时间，得到左转自行车交通流膨胀影响下的左转机动车延误。基于实地调研和分析，将左转自行车对左转机动车造成影响的临界值设为3，即当左转自行车流的膨胀幅度大于3辆车时，视为对左转机动车造成影响，反之无影响。建立左转自行车交通流膨胀幅度对左转机动车行驶延误的影响模型：
Figure GDA0003435403900000091
其中，
dltb-左转自行车交通流膨胀影响下的左转机动车延误；
t-受左转自行车交通流膨胀影响的左转机动车通过交叉口的行驶时间；
Figure GDA0003435403900000092
不受左转自行车交通流膨胀影响的左转机动车通过交叉口的行驶时间；
y-左转自行车流膨胀幅度的期望值；
a0，a1，…，aj-多项式回归模型的各项参数。
所建立的转自行车交通流膨胀幅度对左转机动车形式延误的影响模型，其多元线性回归拟合度用相关系数R2进行评价：
Figure GDA0003435403900000093
其中，
di-第i个统计周期内，左转机动车延误实的测值；
Figure GDA0003435403900000094
-左转机动车延误实测平均值；
Figure GDA0003435403900000095
-左转自行车膨胀幅度实测平均值；
(6)计算考虑交叉口左转自行车交通流膨胀影响的左转机动车通行能力的修正系数fltb：
Figure GDA0003435403900000096
其中，
fltb-考虑左转自行车交通流膨胀影响的左转机动车通行能力的修正系数；
glt-左转相位绿灯时长。
(7)根据考虑交叉口左转自行侧交通流膨胀影响的左转机动车通行能力修正模型，对左转机动车通行能力进行修正计算。
首先计算修正后的左转机动车饱和流率：
S＝SHCM·fltb (10)
其中，
s-修正后的左转机动车饱和流率，单位为veh/h/ln；
SHCM-基于HCM手册的左转机动车饱和流率，考虑了车道宽、重型车比例、坡度等修正参数，单位为veh/h/ln；
计算所相应周期内左转机动车的通行能力：
Figure GDA0003435403900000101
其中，
c-修正后的左转机动车通行能力，单位为veh/h；
N-左转机动车车道数；
C-周期时长；
下面结合附图与仿真实现的具体实施实例对本技术方案加以阐释：
对如图4所示的四个交叉口进行调研，利用采集到的数据进行参数标定和模型搭建，提供第二个交叉口为例的左转机动车通行能力的修正算例。
实地调查与视频统计共得到4526条样本数据，n＝4526，其中每条数据对应一个统计周期。如图5所示，左转自行车膨胀幅度在2到12之间，平均值为6.32，标准差为2.23，均值与方差近似相等，可以使用泊松回归模型进行三个交通流解释变量与膨胀幅度的拟合：
Y＝1.93×(X1)0.39×(X2)0.29×exp(-0.66X3) (12)
其中，Y为统计周期内的左转自行车流膨胀幅度的期望值，分别代表将统计周期内的左转相位红灯时段到达的电动自行车交通量、传统自行车交通量和左转自行车的方向系数。且X1与X2的系数为正实数，X3系数为负，表示左转自行车流膨胀幅度随着红灯期间电动自行车与传统自行车的增加而增加，而随着方向系数的增加而降低。且左转自行车膨胀幅度对电动自行车数量的敏感度约为传统自行车的1.3倍。
对模型进行检验，三个解释变量的显著程度均在90％以上，且模型的scaleddeviance和pearson x2值分别为18.59和19.12，拟合度较高。
计算膨胀幅度为2和3的样本的左转机动车平均行驶时间，作为其不受左转自行车膨胀影响的平均行驶时间，计算剩余的样本(膨胀幅度＞3)的左转机动车平均行驶时间，作为受左转自行车交通流膨胀影响的左转机动车通过交叉口的行驶时间。建立左转机动车行车延误对左转自行车膨胀幅度的多项式回归模型如下：
Figure GDA0003435403900000111
计算R2＝0.602，拟合度尚可。
以2号交叉口南北向进口道为例，两处进口道均连接有一条左转专用车道，左转相位绿灯时长为22s，信号周期C＝160s。根据HCM2010，基础单车道流率为1900pc/h，为体现左转自行车膨胀现象对左转机动车通行能力的影响，假设HCM手册中其他的通行能力修正系数均为1.00。图6显示的是修正后的左转机动车通行能力与左转自行车流膨胀幅度间的关系。
可见，随着左转自行车流膨胀幅度的增加，左转机动车的通行能力降低，左转机动车和自行车的当量总和却有所上升。当膨胀幅度从3上升至8时，左转机动车通行能力从260veh/h下降至210veh/h，降低了近19％，而左转自行车和机动车的当量通行能力总和从600veh/h上升至750veh/h(取当量系数为0.5)，上升了近25％。
需要注意的是，本方案的技术路线中使用信号周期作为数据统计周期，实际应用时可根据具体情况取0.25至1h不等，只需保证数据对之间统计时长的匹配即可。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的范围。

Claims (8)

1.一种左转机动车通行能力的修正方法，其特征在于，所述修正方法包括以下步骤：
(1)采集目标交叉口的基础数据，包括交叉口几何参数、交通流数据及信号控制方案；交通流数据以信号周期—Li为统计周期，记录左转相位红灯时段到达的传统自行车交通量—Vrcbi、电动自行车交通量—Vrebi和左转自行车的方向系数—Dfi；
(2)对左转自行车交通流膨胀现象进行分析，记录在每个统计周期—Li内的左转自行车膨胀幅度，交叉口内左转自行车交通流断面的最大并排自行车车辆数，记作Ai；
(3)建立三个交通流参数对左转自行车膨胀幅度的泊松回归模型，对左转自行车交通流膨胀幅度进行回归预测，左转自行车交通流膨胀幅度的概率分布函数如下：
Figure FDA0003455014690000011
Yi≤Ai
其中，
λi—统计周期i内，左转自行车膨胀幅度的期望值；
n—样本容量；
Yi—统计周期i内，左转自行车交通流的实际膨胀幅度；
yi—统计周期i内，左转自行车交通流的膨胀幅度预测值；
通过对数方程建立λi与膨胀幅度线性预测值之间的关系，从以下两种形式中进行选择：
λi＝exp(θ0+θ1xi1+...+θkxik)
Figure FDA0003455014690000012
其中，θ0，θ1，…，θk为对应变量的粘滞系数，xi1，xi2，…，xik，为第i个统计周期所对应的各个解释变量的值，此处k＝3；
(4)将通过交叉口的左转机动车的分为“受左转自行车交通流膨胀影响”与“不受左转自行车交通流膨胀影响”，通过对比两种情况下的左转机动车通过交叉口的行驶时间，得到左转自行车交通流膨胀影响下的左转机动车延误，并建立左转自行车交通流膨胀幅度对左转机动车行驶延误的影响模型：
Figure FDA0003455014690000021
其中，
dltb—左转自行车交通流膨胀影响下的左转机动车延误；
t—受左转自行车交通流膨胀影响的左转机动车通过交叉口的行驶时间；
Figure FDA0003455014690000022
—不受左转自行车交通流膨胀影响的左转机动车通过交叉口的行驶时间；
y—左转自行车流膨胀幅度的期望值；
a0，a1，…，aj—多项式回归模型的各项参数；
(5)计算考虑交叉口左转自行车交通流膨胀影响的左转机动车通行能力的修正系数fltb：
Figure FDA0003455014690000023
其中，
fltb—考虑左转自行车交通流膨胀影响的左转机动车通行能力的修正系数；
glt—左转相位绿灯时长；
(6)、根据考虑交叉口左转自行侧交通流膨胀影响的左转机动车通行能力修正模型，修正计算左转机动车通行能力；
首先计算修正后的左转机动车饱和流率：
s＝SHCM·fltb
其中，
s—修正后的左转机动车饱和流率，单位为veh/h/ln；
SHCM—基于HCM手册的左转机动车饱和流率，单位为veh/h/ln；
计算相应周期内左转机动车的通行能力：
Figure FDA0003455014690000024
其中，
c—修正后的左转机动车通行能力，单位为veh/h；
N—左转机动车车道数；
C—周期时长。
2.根据权利要求1所述左转机动车通行能力的修正方法，其特征在于：所述步骤(1)中，左转相位红灯时段到达的传统自行车交通量、电动车交通量及左转自行车的方向系数，是通过对影响左转自行车膨胀幅度的众多的解释变量进行逐步递归筛选得到的。
3.根据权利要求1所述左转机动车通行能力的修正方法，其特征在于：所述步骤(1)中的方向系数为南北/东西流向的左转相位绿灯时段内，分别计算对向进口道驶入交叉口的左转自行车流量与总流量的比值，取值大的为方向系数，Dfi取值在0.5～1之间。
4.根据权利要求1所述左转机动车通行能力的修正方法，其特征在于：所述步骤(2)中的左转自行车交通流的膨胀幅度，用左转自行车交通流最大断面的车辆数进行衡量，即在某个统计周期Li内，左转信号绿灯时段，交叉口内左转自行车交通流断面的最大并排自行车车辆数，记作Ai。
5.根据权利要求1所述左转机动车通行能力的修正方法，其特征在于：所述步骤(3)中，采用通用的泊松模型对左转自行车的膨胀现象进行建模回归，且GP的概率分布函数为：
Figure FDA0003455014690000031
Yi≤Ai
其中max(﹣1,﹣λi/4)＜δ＜1；且当δ＞0时，模型处于过度分散状态；当δ＜0时，模型处于弱分散状态。
6.根据权利要求1所述左转机动车通行能力的修正方法，其特征在于：所述步骤(3)中建立了三个解释变量对左转自行车流膨胀幅度的泊松回归模型，模型拟合度用scaleddeviance和pearsonχ2进行评价：
Figure FDA0003455014690000041
Figure FDA0003455014690000042
7.根据权利要求1所述左转机动车通行能力的修正方法，其特征在于：所述步骤(4)中所计算的左转机动车延误定义为左转机动车通过交叉口的行驶过程中，受左转自行车交通流膨胀影响与不受影响的行驶时间之间的差异；且基于实地调研和分析，将左转自行车对左转机动车造成影响的临界值设为3，即当左转自行车流的膨胀幅度大于3辆车时，视为对左转机动车造成影响，反之无影响。
8.根据权利要求1所述左转机动车通行能力的修正方法，其特征在于：所述步骤(4)中建立的左转自行车交通流膨胀幅度对左转机动车延误的影响模型，其拟合度用相关系数R2进行评价：
Figure FDA0003455014690000043
其中，
di—第i对数据中的左转机动车延误；
yi—第i对数据中的左转自行车流膨胀幅度期望值。
CN201711287572.2A 2017-12-07 2017-12-07 一种左转机动车通行能力的修正方法 Active CN108022015B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711287572.2A CN108022015B (zh) 2017-12-07 2017-12-07 一种左转机动车通行能力的修正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711287572.2A CN108022015B (zh) 2017-12-07 2017-12-07 一种左转机动车通行能力的修正方法

Publications (2)

Publication Number Publication Date
CN108022015A CN108022015A (zh) 2018-05-11
CN108022015B true CN108022015B (zh) 2022-05-17

Family

ID=62078790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711287572.2A Active CN108022015B (zh) 2017-12-07 2017-12-07 一种左转机动车通行能力的修正方法

Country Status (1)

Country Link
CN (1) CN108022015B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110232822B (zh) * 2019-06-24 2022-03-08 上海理工大学 基于轨迹数据的平面交叉口交通秩序评价参数求解方法
CN112669610B (zh) * 2020-12-28 2022-05-20 河海大学 一种基于多元回归分析法的电动自行车换算系数计算方法
CN115830872B (zh) * 2022-12-23 2023-09-01 东南大学 一种判断事故发生对自行车使用弹性影响的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101339698A (zh) * 2008-08-12 2009-01-07 北京工业大学 信号交叉口自行车对转弯车辆饱和流率影响修正方法
CN103942969A (zh) * 2014-05-12 2014-07-23 哈尔滨工业大学 左转机动车借右侧车道转弯交叉口动态交通信号控制方法
CN104376725A (zh) * 2014-11-28 2015-02-25 东南大学 一种膨胀效应下信号交叉口非机动车道渠化控制方法
CN105139667A (zh) * 2015-09-28 2015-12-09 大连理工大学 一种左转短车道影响的交叉口可变导向车道控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101339698A (zh) * 2008-08-12 2009-01-07 北京工业大学 信号交叉口自行车对转弯车辆饱和流率影响修正方法
CN103942969A (zh) * 2014-05-12 2014-07-23 哈尔滨工业大学 左转机动车借右侧车道转弯交叉口动态交通信号控制方法
CN104376725A (zh) * 2014-11-28 2015-02-25 东南大学 一种膨胀效应下信号交叉口非机动车道渠化控制方法
CN105139667A (zh) * 2015-09-28 2015-12-09 大连理工大学 一种左转短车道影响的交叉口可变导向车道控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
信号交叉口左转非机动车膨胀特性研究;陈学武;《新型城镇化与交通发展——2013年中国城市交通规划年会暨第27次学术研讨会》;20140411;1-4 *
左转自行车对直行机动车通行的影响分析模型;徐良杰;《东南大学学报》;20050930;第35卷(第5期);805-809 *

Also Published As

Publication number Publication date
CN108022015A (zh) 2018-05-11

Similar Documents

Publication Publication Date Title
CN102034354B (zh) 基于固定检测器的城市道路交通事故影响范围确定方法
CN108022015B (zh) 一种左转机动车通行能力的修正方法
Ibrahim et al. The effect of digital count-down display on signalized junction performance
CN103208193B (zh) 一种利用视频检测数据的城市相邻交叉口信号协调控制方法
CN105336183A (zh) 一种基于路段通行能力的交通拥堵控制方法及装置
CN104615897B (zh) 基于低频gps数据的路段行程时间估算方法
CN103258436A (zh) 一种确定信号控制交叉口进口道可变导向车道长度的方法
Yang et al. Can left-turn waiting areas improve the capacity of left-turn lanes at signalized intersections?
Chen et al. Dispersion effect in left-Turning bicycle traffic and its influence on capacity of left-turning vehicles at signalized intersections
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
Grigoropoulos et al. Traffic flow at signalized intersections with large volumes of bicycle traffic
CN113593222B (zh) 一种多源数据支撑的交通管控诊断方法
CN108806285B (zh) 一种基于阵列雷达的交叉路口信号调整方法及装置
CN112750304B (zh) 一种基于交通仿真的交叉口数据采集区间确定方法及装置
Ragab et al. Measures to improve traffic operations at signalized intersection in urban areas
CN113593223A (zh) 一种场景目标导向的交通管控效能评估方法
CN105070060B (zh) 一种基于公交车载gps数据的城市道路交通状态判别方法
Li et al. An algorithm for e-bike equivalents at signalized intersections based on traffic conflict events number
CN115985111A (zh) 一种基于卡口过车单一数据的全路段排队车辆数测算方法
Raju et al. A simulation study for improving the traffic flow efficiency of an intersection coupled with BRT
Lu et al. Analysis of the Right-Turn Lane Capacity under the Influence of Pedestrians
Abhigna et al. Effect of gap acceptance behavior of the right turning vehicles on the major road stream for uncontrolled three-legged intersections under mixed traffic conditions
Hadiuzzaman Development of a saturation flow and delay models for signalized intersection in Dhaka city
Yu et al. Impacts of Bus Stops on Adjacent Non-Motorized Lanes Capacity
CN113096384B (zh) 一种交叉口设置排阵式交通控制的判定方法和装置

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190509

Address after: No. 39 Huadong Road, Nanning City, Guangxi Zhuang Autonomous Region, 530011

Applicant after: Hualan (Group) Co. Ltd.

Applicant after: Guilin University of Electronic Technology

Applicant after: Southeast University

Address before: No. 39 Huadong Road, Nanning City, Guangxi Zhuang Autonomous Region, 530011

Applicant before: Hualan (Group) Co. Ltd.

GR01 Patent grant
GR01 Patent grant