CN108346285B - 一种依据行程时间判断路网中是否存在gridlock的方法 - Google Patents
一种依据行程时间判断路网中是否存在gridlock的方法 Download PDFInfo
- Publication number
- CN108346285B CN108346285B CN201810083187.4A CN201810083187A CN108346285B CN 108346285 B CN108346285 B CN 108346285B CN 201810083187 A CN201810083187 A CN 201810083187A CN 108346285 B CN108346285 B CN 108346285B
- Authority
- CN
- China
- Prior art keywords
- line
- time
- road network
- travel
- subnet
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000010276 construction Methods 0.000 claims abstract description 7
- 238000011144 upstream manufacturing Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 2
- 230000000153 supplemental effect Effects 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000004069 differentiation Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种依据行程时间判断路网中是否存在gridlock的方法。该方法利用连线行程时间数据,首先计算连线移动时间比,利用移动时间比和实际的绿信比之间的关系判别连线是否排队上溯,然后根据路网中每个连线的上溯情况,构造上溯子网,并对上溯连线构成的上溯子网进行闭环搜索和判别,如果子网不存在闭环,则路网中没有gridlock,如果存在闭环,则路网中有gridlock形成,并上报gridlock的尺寸、位置。
Description
技术领域
本发明涉及一种道路交通管理中的gridlock(网络死锁)检测方法,具体来说,就是涉及利用车辆的行程时间来检测道路网络中是否发生gridlock以及gridlock发生的位置的方法。
背景技术
随着机动车保有量的增大,我国大中城市越来越受到交通拥堵的困扰。Gridlock(网络死锁)是交通拥堵状态的极端形式,在这种状态下若干个拥挤的路段构成一个闭环,其中的车辆在行进过程中大部分的时间速度为零。这种状态下的交通运行效益极差。因此对于现代城市交通管理而言,如果能检测发生的gridlock并且施加合理的控制方法,能够极大的提升交通运行效益。行程时间是交通数据的来源之一,采集方便、展现直观。如果能利用行程时间对城市路网中的gridlock进行检测,无疑会促进城市交通管理水平的进步。
发明内容
为了填补当前交通管理领域中的gridlock检测方法的空白,本发明提出一种依据行程时间判断路网中是否存在gridlock的方法,能够利用最广泛的交通流行程时间数据来对gridlock进行检测。
本发明解决其技术问题所采用的方法如下所述:
依据行程时间判断路网中是否存在gridlock的方法,该方法利用平均连线行程时间进行检测,包括以下步骤:
1)获得路网的基础静态数据,包括所有结点、各路段所含连线、邻接矩阵;
2)通过车牌识别方法采集实时运行的连线行程时间数据和交通信号参数数据;
3)计算每个路连线的自由流行程时间比;
4)依据获得的自由流行程时间比判断连线是否上溯,构造上溯子网,上溯子网中的每一个连线都有了上溯现象;
5)对生成的上溯子网进行死锁检测,如果存在死锁,则存在gridlock,输出闭环的大小和位置,如果不存在死锁,说明路网中还没有形成交通死锁现象。
上述技术方案中,优选的,所述的步骤1)中,对于路网G=(N,E),其中N是结点的集合,E是连线的集合;各个路段中的连线数目以该路段各车流方向所含车道组计算;邻接矩阵Θ={θij},其中,当连线i和j相邻接时,θij=1,否则θij=0;所述的相邻接为:对于连线i,其流入节点和流出节点分别为iin和iout,当iout和jin是同一个节点,则θij=1。
优选的,所述的步骤2)采集每个路段的行程时间数据方法如下:
对于连线i其行程时间为τi,假设在该时间段内采集了辆车,最终的连线平均行程时间采取这些车辆的平均值:
其中τi,j为第j辆车的行程时间。
优选的,所述的步骤3)中计算每个路段的自由流行程时间比,方法如下:令λi为某连线所对应的信号灯的绿信比,其中ci为信号周期时长,gi为该连线的绿灯时间;该连线的自由流行程时间比ηi为:
其中,Li为连线i的物理长度;
为连线i的限速,对应于畅通状态下的自由流速度;
τi为连线i的某时间段的平均行程时间。
优选的,所述的步骤4)中依据自由流行程时间比判断连线是否上溯,其方法如下:
该公式的含义是,根据自由流行程时间比ηi和有效绿信比λi的关系来确定连线是否发生上溯,如果连线没有发生排队上溯,则自由流行程时间比大于有效绿信比;如果本连线刚刚发生了上溯,但是由于上游流入本连线的信号灯为红色,则本连线虽然上溯但是没有对上游的车辆造成阻滞,此时自由流行程时间比和有效绿信比相等;当发生了上溯且对上游的车辆造成阻滞作用,则自由流行程时间比大于有效绿信比。
对路网中每一个连线判断其是否上溯,之后构造上溯子网 其中是上溯连线的集合,是所有上溯连线相连接的结点的集合,在上溯子网中对每一条上溯的连线i,连接其流入节点iin和流出节点iout。
优选的,所述的步骤5)中采用已有的Tiernan算法对生成的上溯子网进行死锁检测,得出死锁的个数、每个闭环的位置以及由哪些连线构成,即得到所有gridlock的集合C,C={Ck},Ck是第k个gridlock。
本发明的有益效果是:
本发明能够利用行程时间这一最广泛的数据源,并且对路网本身没有作要求。由于gridlock一旦形成会对路网造成较大的影响,因此对gridlock的检测为后续的控制提供了技术基础。
附图说明
图1为gridlock示意图。
图2为连线、车道、路段的示意图。
图3为路段行程时间采集示意图。
图4是构造上溯子网的流程图。
图5是采用Tiernan算法对上溯子网进行死锁检测的流程图。
具体实施方式
下面结合附图对发明具体实施方法进一步说明。
一般而言,gridlock是形如图1的拥挤现象。其中,每个阴影连线都产生了排队上溯,并且所有的上溯连线构成了一个封闭的、没有重复节点和连线的内车流方向一致的环。
为了利用实际中应用较为广泛的行程时间数据识别路网中的gridlock,首先要识别路网中的上溯连线,然后判断上溯连线是否构成了一个闭环,为此,本发明采用下面的步骤:
1)建立路网基础信息。
路网基础信息包括路网的图C=(N,E),N是结点的结合,E是连线的集合。
邻接矩阵Θ={θij}。当连线i和j相邻接时,θij=1,否则θij=0。例如两条连线i和j,i的起始节点和终止节点分别为iin和iout同理有jin和jout。如果iout和jin是同一个节点,则θij=1。
由于同一个路段有很多车道组成,为了方便,以车道组为单元,对车道进行组合形成连线,由于一个路段内部可能有多个连线,如图2所示。图2中的路段含有两个方向:从左到右和从右到左。以下方的路段为例,其包含四个车道,其中一个左转车道、两个直行车道和一个右转车道。其中两个直行车道被组合成一个车道组。
左转车道对应左转连线,直行车道组对应直行连线,右转车道组对应右转连线。因此对于图中的路段而言,有两个方向,同理,上方的车流方向也有三个连线,每个方向三条连线该路段共六条连线。本发明的gridlock识别就是以这些连线的行程时间为基本单元进行的。
2)通过车牌识别方法获得每个连线的行程时间
对于路段i其行程时间定义为如图3所示(从左向右方向的车流)的从A点和行驶至B点所需的时间τi。
则假设在该时间段内采集了辆车,最终的连线平均行程时间采取这些车辆的平均值
其中τi,j为第j辆车的行程时间。
3)判断上溯条件并构造上溯连线子网
对于连线i,是否是上溯连线可以用下面的规则进行判断。令λi为该连线所对应的信号灯的绿信比,也就是绿灯时间除以信号周期时间。首先计算连线的自由流行程时间比,也即移动时间比:
移动时间比ηi说明了在整个路段行程时间内,移动的时间占的比例大小。当该比例为1,说明车辆没有任何停止,一直在运行;当该比例为0时,说明车辆没有任何移动的时间,也就是完全停止的状态。
按照下面的公式判断该连线是否上溯:
该公式的含义是,根据移动时间比和有效绿信比的关系来确定路段是否发生上溯,如果路段没有发生排队上溯,则移动时间比大于有效绿信比;如果本连线刚刚发生了上溯,但是由于上游流入本连线的信号灯为红色,则本连线虽然上溯但是没有对上游的车辆造成阻滞,此时移动时间比和有效绿信比相等;当发生了上溯且对上游的车辆造成阻滞作用,则移动时间比大于有效绿信比,二者的差值反映了车辆排队上溯对上游车辆的阻滞作用的大小。
对路网中每一个连线判断其是否上溯之后,依据如图4的流程图构造上溯子网其中是上溯连线的集合,是所有上溯连线相连接的结点的集合,在上溯子网中对每一条上溯的连线i,连接其流入节点iin和流出节点iout。
4)判断上溯子网中的死锁存在性
对上一步生成的上溯子网进行死锁检测,判断死锁的存在性和位置。输出死锁的大小、位置。死锁检测的本质是判断在中是否存在环。死锁判断采用已有的Tiernan算法,其流程图如图5所示:输入参数是上溯子图输出参数为死锁参数(也即gridlock信息)从中可以得出死锁的个数、每个死锁的位置以及由哪些连线构成等等,Ck是第k个gridlock,i为相应连线。
判断闭环的流程当中:
C存储所有死锁的集合,C中的每一个元素表示一个死锁,也即由某些连线构成的几何上封闭的环,初始时刻,尚无死锁检测到,因此初始化为空;
P为算法执行过程中存储当前的路径,是一系列节点的有序,例如P=[1,2,3]表示算法从节点1到2再到3,持续搜寻路网中是否存在闭环,P[k]表示P中的第k个元素(同时也是上溯子网中的一个节点);当搜索到一个死锁,例如P=[1,2,3,5,1],P的最后一个节点和第一个节点重合表示形成闭环,从而将P=[1,2,3,5,1]存储至C,作为最终输出结果之一;
流程图中,θP[k],j表示子网中从节点P[k]到节点j是否存在连线,如果存在θP[k],j=1,否则为0;流程图中矩阵H为二维矩阵,H[N,N]中存储着搜索死锁的历史。例如当P=[1,2,3],且H[3,1]=5时,表明节点3的下一个节点5已经在死锁搜索时访问过,因此,在流程图中的第一个菱形选择框中,5不会再次列入路径P中。
Claims (7)
1.一种依据行程时间判断路网中是否存在交通死锁的方法,其特征在于,该方法利用连线平均行程时间进行检测,包括以下步骤:
1)获得路网的基础静态数据,包括所有结点、各路段所含连线、邻接矩阵;其中,路段内部的车道按照其利用性质,组合成为连线;
2)通过车牌识别方法采集实时运行的连线行程时间数据和交通信号参数数据;
3)计算每个连线的自由流行程时间比;
4)依据获得的自由流行程时间比判断连线是否上溯,构造上溯子网,上溯子网中的每一个连线都有了上溯现象;
5)对生成的上溯子网进行闭环检测,如果存在闭环,则存在交通死锁,输出闭环的大小和位置,如果不存在闭环,说明路网中还没有形成交通死锁现象。
2.根据权利要求1所述的依据行程时间判断路网中是否存在交通死锁的方法,其特征在于,所述的步骤1)中,对于路网G=(N,E),其中N是结点的集合,E是连线的集合;各个路段中的连线数目以该路段各车流方向所含车道组计算;邻接矩阵Θ={θij},其中,当连线i和j相邻接时,θij=1,否则θij=0;所述的相邻接为:对于连线i,其流入节点和流出节点分别为iin和iout,当iout和jin是同一个节点,则θij=1。
3.根据权利要求1所述的依据行程时间判断路网中是否存在交通死锁的方法,其特征在于,所述的步骤2)采集每个连线的行程时间数据方法如下:
对于连线i其行程时间为τi,假设在该时间段内采集了辆车,最终的连线平均行程时间采取这些车辆的平均值:
其中τi,j为第j辆车的行程时间。
4.根据权利要求1所述的依据行程时间判断路网中是否存在交通死锁的方法,其特征在于,所述的步骤3)中计算每个连线的自由流行程时间比,方法如下:
令λi为连线i所对应的信号灯的绿信比,其中ci为信号周期时长,gi为该连线的绿灯时间;该连线的自由流行程时间比ηi为:
其中,Li为连线i的物理长度;
为连线i的限速,对应于畅通状态下的自由流速度;
τi为连线i的某时间段的平均行程时间。
5.根据权利要求1所述的依据行程时间判断路网中是否存在交通死锁的方法,其特征在于,所述的步骤4)中依据自由流行程时间比判断路段是否上溯,
其方法如下:
未上溯ηi>λi
临界状态ηi=λi
上溯ηi<λi
含义是,根据自由流行程时间比ηi和有效绿信比λi的关系来确定路段是否发生上溯,如果连线没有发生排队上溯,则自由流行程时间比大于有效绿信比;如果本连线刚刚发生了上溯,但是由于上游流入本连线的信号灯为红色,则本连线虽然上溯但是没有对上游的车辆造成阻滞,此时自由流行程时间比和有效绿信比相等;当发生了上溯且对上游的车辆造成阻滞作用,则自由流行程时间比大于有效绿信比。
6.根据权利要求1所述的依据行程时间判断路网中是否存在交通死锁的方法,其特征在于,所述的步骤4)中,对路网中每一个连线判断其是否上溯,之后构造上溯子网 其中是上溯连线的集合,是所有上溯连线相连接的结点的集合,在上溯子网中对每一条上溯的连线i,连接其流入节点iin和流出节点iout。
7.根据权利要求1所述的依据行程时间判断路网中是否存在交通死锁的方法,其特征在于,所述的步骤5)中采用提尔南算法对生成的上溯子网进行闭环检测,得出闭环的个数、每个闭环的位置以及由哪些连线构成,即得到所有交通死锁的集合C,C={Ck},Ck是第k个交通死锁。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810083187.4A CN108346285B (zh) | 2018-01-29 | 2018-01-29 | 一种依据行程时间判断路网中是否存在gridlock的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810083187.4A CN108346285B (zh) | 2018-01-29 | 2018-01-29 | 一种依据行程时间判断路网中是否存在gridlock的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108346285A CN108346285A (zh) | 2018-07-31 |
CN108346285B true CN108346285B (zh) | 2019-12-03 |
Family
ID=62961045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810083187.4A Active CN108346285B (zh) | 2018-01-29 | 2018-01-29 | 一种依据行程时间判断路网中是否存在gridlock的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108346285B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201022024Y (zh) * | 2006-04-10 | 2008-02-13 | 北京京驰无限通信技术有限公司 | 一种机动车交通事故报警装置 |
CN101894477A (zh) * | 2010-07-08 | 2010-11-24 | 苏州大学 | 一种城市信号灯控制道路网络交通自锁控制方法 |
CN101923783A (zh) * | 2010-08-30 | 2010-12-22 | 大连理工大学 | 四路环形交叉口交通响应控制方法 |
CN101968929A (zh) * | 2010-10-19 | 2011-02-09 | 北方工业大学 | 一种饱和交通状态下单路口信号优化控制方法 |
CN102034354A (zh) * | 2010-11-04 | 2011-04-27 | 东南大学 | 基于固定检测器的城市道路交通事故影响范围确定方法 |
US8566016B2 (en) * | 2010-05-13 | 2013-10-22 | Saab Sensis Corporation | Surface hold advisor using critical sections |
-
2018
- 2018-01-29 CN CN201810083187.4A patent/CN108346285B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201022024Y (zh) * | 2006-04-10 | 2008-02-13 | 北京京驰无限通信技术有限公司 | 一种机动车交通事故报警装置 |
US8566016B2 (en) * | 2010-05-13 | 2013-10-22 | Saab Sensis Corporation | Surface hold advisor using critical sections |
CN101894477A (zh) * | 2010-07-08 | 2010-11-24 | 苏州大学 | 一种城市信号灯控制道路网络交通自锁控制方法 |
CN101923783A (zh) * | 2010-08-30 | 2010-12-22 | 大连理工大学 | 四路环形交叉口交通响应控制方法 |
CN101968929A (zh) * | 2010-10-19 | 2011-02-09 | 北方工业大学 | 一种饱和交通状态下单路口信号优化控制方法 |
CN102034354A (zh) * | 2010-11-04 | 2011-04-27 | 东南大学 | 基于固定检测器的城市道路交通事故影响范围确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108346285A (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104050817B (zh) | 限速信息库生成、限速信息检测的方法和系统 | |
CN109584553B (zh) | 一种基于时空信息的路段关联度缺失补全方法 | |
CN105788260B (zh) | 一种基于智能公交系统数据的公交乘客od推算方法 | |
CN102646332B (zh) | 基于数据融合的交通状态估计装置和方法 | |
CN105788273B (zh) | 基于低精度时空轨迹数据的城市交叉口自动识别的方法 | |
CN103593430B (zh) | 一种基于移动对象时空信息轨迹分段聚类的方法 | |
JP6875365B2 (ja) | 電子地図における交差点を認識するための方法及び装置 | |
CN105489004B (zh) | 面向道路实时速度计算的卡口与浮动车数据融合方法 | |
CN107195180B (zh) | 一种基于电警数据的交通出行轨迹提取方法和装置 | |
CN106530688B (zh) | 基于Hadoop的海量交通数据处理方法 | |
CN106052701B (zh) | 一种交通溢流状态下车辆路径选择的方法 | |
CN107240264B (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
CN104699956A (zh) | 一种基于移动终端的干线绿波协调效果评估方法 | |
CN101359434A (zh) | 用于交通导航系统和交通仿真系统的路网模型构建方法 | |
CN105489008A (zh) | 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 | |
CN102663890B (zh) | 利用浮动车数据确定禁左交限路口的方法 | |
CN105913668B (zh) | 一种基于海量交通数据统计的定向套牌车检测方法 | |
CN106971544A (zh) | 一种直接利用静态图像来检测车辆拥堵的方法 | |
CN110426966A (zh) | 一种虚拟车辆寻路的方法、装置、存储介质和电子设备 | |
CN105825671A (zh) | 一种基于大数据车辆全轨迹碰撞的伴随车分析方法及系统 | |
CN109035783A (zh) | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 | |
CN103914981A (zh) | 一种平面交叉口行人与左转车辆冲突预测方法 | |
CN108346285B (zh) | 一种依据行程时间判断路网中是否存在gridlock的方法 | |
CN100446015C (zh) | 一种可用于地面道路网交通状况测定的方法和系统 | |
CN112195695B (zh) | 一种智能网联汽车动态封闭测试系统 |
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 |