CN108765981A - 一种分车道实时排队长度预测方法 - Google Patents
一种分车道实时排队长度预测方法 Download PDFInfo
- Publication number
- CN108765981A CN108765981A CN201810632915.2A CN201810632915A CN108765981A CN 108765981 A CN108765981 A CN 108765981A CN 201810632915 A CN201810632915 A CN 201810632915A CN 108765981 A CN108765981 A CN 108765981A
- Authority
- CN
- China
- Prior art keywords
- time
- queue length
- vehicle
- period
- upstream
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 67
- 239000006185 dispersion Substances 0.000 claims abstract description 21
- 230000033001 locomotion Effects 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 230000009182 swimming Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000013461 design Methods 0.000 abstract description 5
- 230000007812 deficiency Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000035939 shock Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 102100033538 Clusterin-associated protein 1 Human genes 0.000 description 1
- 101000945057 Danio rerio Clusterin-associated protein 1 homolog Proteins 0.000 description 1
- 101000945060 Homo sapiens Clusterin-associated protein 1 Proteins 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明涉及一种分车道实时排队长度预测方法，属于智能交通技术领域。本发明以交通波理论与Robertson车队离散模型为基础，弥补了以往排队长度模型中假设车辆到达服从同一分布(例如泊松分布)的不足；依托于视频检测数据获取上游交叉口的实时过车数以及车牌照数据获取了上游交叉口不同相位车流量行驶至下游交叉口的不同车道的车流量比例，综合考虑了上下游交叉口的信号设计、路段长度以及车辆离散到达特性等因素，对排队长度进行分车道实时预测，转被动排队长度估计为主动排队长度预测，便于提前为关联交叉口或拥挤路段的信号优化设计，以达到缓解交通拥堵，改善出行环境的目的。
Description
技术领域
本发明涉及一种分车道实时排队长度预测方法，属于智能交通技术领域。
背景技术
交叉口排队长度是进行交通态势评估、交通信号优化以及交通诱导等智能交通应用的关键指标。目前，大多数排队长度估计模型主要以孤立交叉口为对象进行构建，然而，道路网络中的交叉口往往是相关联的，交叉口的通行能力和交通拥堵往往受到相邻交叉口的影响，随着交通量的进一步增大，相邻交叉口的影响将更加突出；此外，大多的排队长度研究中，通常假定车辆的到达分布是一致的，然而车辆到达与流量、行程时间、上游交叉口的放行方式等因素密切相关，这类模型往往适用于以长时段(多周期)为单位的排队长度估计，不利于短时(单周期)排队长度估计；再者，现有模型主要是以获取的交通数据对排队长度进行估计，而无法对排队长度进行预测，这样在以排队长度为关键指标进行优化时往往会出现方案优化的滞后，不利于对交通压力的主动疏导与交通死锁现象的预防。因此，充分考虑上游交叉车辆到达的差异性，建立实时排队长度预测模型对信号控制优化具有重要意义。
发明内容
本发明要解决的技术问题是提供一种分车道实时排队长度预测方法，目的在于为了克服以往排队长度估计时假设车辆到达为同一分布以及无法提取获取排队长度信息的缺陷。
本发明采用的技术方案为：一种分车道实时排队长度预测方法，包括以下步骤：
步骤1：以某一车道绿灯放行结束时刻作为排队长度预测起始时刻，并通过观察获取起始时刻的初始排队长度，即为绿灯放行结束时剩余排队车辆数，由于交通状态的演化通常是由非饱和状态向过饱和状态过度，当从非饱和交通状态对排队长度进行估计时，此时初始排队长度为0；
步骤2：以路段行程时间为时间差，确定上游断面第一个设定间隔时间的放行时刻，其中设定间隔时间为2～5s；
步骤3：根据上游交叉口车辆行驶至下游交叉口不同车道的历史车辆数比例，预测出排队长度计算时段的各车道车流量比例，并与上游断面驶出车辆相乘，得到下游不同车道从上游断面驶出的车辆数；
步骤4：以设定间隔时间为间隔，运用Robertson车队离散模型预测下游车辆到达率；
步骤5：根据第n个信号周期停车波波速以设定间隔时间为间隔，计算其排队长度；
步骤6：考虑上一设定间隔时间结束后的累积排队长度，修正上游断面至队尾的行程时间，对当前设定间隔时间排队长度估计中Robertson车队离散模型的离散模型进行修正；
步骤7：重复步骤6，计算出车道i第n个信号周期有效红灯结束时的排队长度
步骤8：确定启动波与第n个信号周期停车波波速的相遇时刻，计算最大排队长度
步骤9：根据消散波与有效绿灯时长计算剩余排队长度，并以该排队长度作为下一周期的剩余排队长度，重复上述流程，实时对排队长度进行预测。
进一步地，所述步骤2中上游断面第一个设定间隔时间的放行时刻t0为：
其中为车道i第n个周期绿灯时长结束时刻，为上游断面至下游交叉口停车线的车辆平均行驶时间。
进一步地，所述步骤3包括：
车流量比例根据采用三阶移动平均方法的对排队长度计算时段的比例进行预测，即将过去3个间隔时段到达车辆数的平均值作为下一个时段到达车辆数的预测值，公式为：式中：—第j个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例的预测值；Xj-1—第j-1个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例，Xj-2—第j-2个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例，Xj-3—第j-3个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例。
进一步地，所述步骤4包括：
式中，为第n个周期第x+t个时段的车辆到达率；为第n个周期第 x+t-1个时段的车辆到达率；为第n个周期第x个时段，上游停车线断面的车辆通过率，本方法中取x为5秒的时间间隔进行计算；t为上述两个断面之间，车辆平均行驶时间的0.8 倍(以时段数为单位)；A为车流在运动过程中离散程度大小的一个系数，称为车流离散系数，需根据观察值修正；此外，Robertson模型假定的是从上游交叉口出来车辆全部直行，预测的是到下游交叉口全部的车辆。由于从上游断面出来的车辆中混有转向车流，而不同转向车辆的比例会影响下游交叉口不同车道的到达率，所以在预测下游交叉口车辆到达率时需考虑上游交叉口车辆行驶至下游交叉口不同车道的流量比例，
本方法中通过计上游不同车道的车辆通过率。
进一步地，所述步骤5包括：
首先以设定间隔时间为间隔，确定停车波波速如图1所示，计算公式为：
式中，kj为阻塞密度，为第n个周期x+t时刻的车流量、车流密度，为 为路段车辆的平均行驶速度。
进一步地，根据Robertson模型的要求，取x为5秒的时间间隔进行计算，记x＝5h，h＝1,2,3,…，停车波波速可进一步表示为：
此时可得第n个周期每5秒时间间隔内的排队长度
进一步地，所述步骤6包括：
在排队长度形成时，Robertson模型的两个断面为：上游停车线断面与下游排队队尾断面，上游停车线断面固定不变，而下游排队队尾断面随着排队长度的增加向后移动，此时的t随着下游断面的移动而变化，根据排队长度与路段长度的比例关系可以得到，第h个时间间隔的行程时间为th：
式中，L为上下游断面之间距离，为第n个周期从排队长度预测起始时刻到最大排队长度出现时刻的时长，ROUND表示对括号里的值进行四舍五入取整；进一步的Robertson模型可表示为：
式中为第n个周期5h+th时刻的车辆到达率，为第n个周期5h+th-1-1 时刻的车辆到达率，为第n个周期第5h个时段，上游停车线断面的车辆通过率，th-1第 h-1个时间间隔的行程时间，A为车流在运动过程中离散程度大小的一个系数，称为车流离散系数，需根据观察值修正。
进一步地，所述步骤7包括：
第n个周期有效红灯结束时车道i的排队长度为：
式中，为第n个周期车道i所处车流的有效红灯时长。
进一步地，所述步骤8包括：
确定启动波与停车波的相遇时刻，即为最大排队长度发生时刻计算最大排队长度计算公式如下：
式中，qm为饱和流率，kj为阻塞密度，km为临界密度，对其公式化简后进一步可得：
进一步地，所述步骤9包括：
当最大排队长度确定后，根据公式可以得到清空排队长度所需的时间 由于此时与均为0，所以消散波vm为临界速度。当说明绿灯结束时无剩余排队，为车道i第n+1个周期绿灯时长结束时刻；当时，说明绿灯结束时存在剩余排队，剩余排队长度计算公式为：
与现有技术相比，本发明具有如下有益效果：
1、本发明对排队长度进行了实时预测，便于把控交通状态的演化趋势，提前进行信号方案的优化设计，对交通拥堵进行预防；
2、本发明Robertson车队离散模型为基础，以5s为间隔，根据上游断面的实测流量预测了下游断面的车辆到达率，弥补了以往假设车辆为均匀到达的不足，充分的描述了交通流的动态特性，可靠性更强；
3、本发明通过预测的分车道车流比例可以同时对下游交叉口不同车道进行排队长度的预测，操作性更强。
附图说明
图1是本发明的方法流程示意图；
图2是交通波基本波形图；
图3是交叉口排队长度演化图；
图4是研究区域视频检测数据(反向卡口、电子警察)现状布设点位图；
图5是车道1(左转车道)最大排队长度预测值与观测值结果比较；
图6是车道2(直行车道)最大排队长度预测值与观测值结果比较；
图7是车道3(直右车道)最大排队长度预测值与观测值结果比较。
具体实施方式
下面结合附图和具体实施方式，对本发明作进一步说明。
本发明的一种分车道实时排队长度预测方法，如图1所示，包括：
步骤1：以某一车道绿灯放行结束时刻作为排队长度预测起始时刻，并通过观察获取起始时刻的初始排队长度，即为绿灯放行结束时剩余排队车辆数，由于交通状态的演化通常是由非饱和状态向过饱和状态过度，当从非饱和交通状态对排队长度进行估计时，此时初始排队长度为0；
步骤2：以路段行程时间为时间差，确定上游断面第一个设定间隔时间的放行时刻，其中设定间隔时间为2～5s，本实施例中，所有的设定间隔时间均为5s；
步骤3：根据上游交叉口车辆行驶至下游交叉口不同车道的历史车辆数比例，预测出排队长度计算时段的各车道车流量比例，并与上游断面驶出车辆相乘，得到下游不同车道从上游断面驶出的车辆数；
步骤4：以5s为间隔，运用Robertson车队离散模型预测下游车辆到达率；
步骤5：根据第n个信号周期停车波波速以5s为间隔，计算其排队长度；
步骤6：考虑上一5s结束后的累积排队长度，修正上游断面至队尾的行程时间，对当前 5s排队长度估计中Robertson车队离散模型的离散模型进行修正；
步骤7：重复步骤6，计算出车道i第n个信号周期有效红灯结束时的排队长度
步骤8：确定启动波与第n个信号周期停车波波速的相遇时刻，计算最大排队长度
步骤9：根据消散波与有效绿灯时长计算剩余排队长度，并以该排队长度作为下一周期的剩余排队长度，重复上述流程，实时对排队长度进行预测。
其中，上游断面第一个5s的放行时刻为：
其中为车道i第n个周期绿灯时长结束时刻(如图2所示)，为上游断面至下游交叉口停车线的车辆平均行驶时间。
其中，车流量比例的预测过程如下：
车流量比例根据采用三阶移动平均方法的对排队长度计算时段的比例进行预测，即将过去3个时段(以10分钟为间隔)到达车辆数的平均值作为下一个时段到达车辆数的预测值，公式为：式中：—第j个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例的预测值；Xj-1—第j-1个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例，Xj-2—第j-2个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例， Xj-3—第j-3个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例，经过实际检验，预测精度为10.83％，能较好的预测车流量比例，比例预测结果如表1所示。
表1麒麟南路与文昌街北进口各车道车流比例预测表
其中，运用Robertson车队离散模型预测下游车辆到达率过程如下：
式中，为第n个周期第x+t个时段的车辆到达率；为第n个周期第 x+t-1个时段的车辆到达率；为第n个周期第x个时段，上游停车线断面的车辆通过率，本方法中取x为5秒的时间间隔进行计算；t为上述两个断面之间，车辆平均行驶时间的0.8 倍(以时段数为单位)；A为车流在运动过程中离散程度大小的一个系数，称为车流离散系数，需根据观察值修正；此外，Robertson模型假定的是从上游交叉口出来车辆全部直行，预测的是到下游交叉口全部的车辆。由于从上游断面出来的车辆中混有转向车流，而不同转向车辆的比例会影响下游交叉口不同车道的到达率，所以在预测下游交叉口车辆到达率时需考虑上游交叉口车辆行驶至下游交叉口不同车道的流量比例，本方法中通过乘以来提前估计上游不同车道的车辆通过率。
其中，根据第n个信号周期停车波波速计算其排队长度的过程如下：
首先，以5s为间隔，确定停车波波速如图3所示，计算公式为：
式中，kj为阻塞密度，为第n个周期x+t时刻的车辆到达率、车流密度，为 为路段车辆的平均行驶速度；其次，根据Robertson模型的要求，取 x为5秒的时间间隔进行计算，记x＝5h，h＝1,2,3,…，停车波波速可进一步表示为：
此时可得第n个周期每5秒时间间隔内的排队长度
其中，对当前5s排队长度估计中Robertson车队离散模型的离散模型进行修正过程如下：
在排队长度形成时，Robertson模型的两个断面为：上游停车线断面与下游排队队尾断面，上游停车线断面固定不变，而下游排队队尾断面随着排队长度的增加向后移动，此时的t随着下游断面的移动而变化，根据排队长度与路段长度的比例关系可以得到，第h个时间间隔的行程时间为th：
式中，L为上下游断面之间距离，为第n个周期从排队长度预测起始时刻到最大排队长度出现时刻的时长，ROUND表示对括号里的值进行四舍五入取整；进一步的Robertson模型可表示为：
式中为第n个周期5h+th时刻的车辆到达率，为第n个周期5h+th-1-1 时刻的车辆到达率，为第n个周期第5h个时段，上游停车线断面的车辆通过率，th-1第 h-1个时间间隔的行程时间，A为车流在运动过程中离散程度大小的一个系数，称为车流离散系数，需根据观察值修正。
其中，第n个周期有效红灯结束时车道i的排队长度计算过程如下：
式中，为第n个周期车道i所处车流的有效红灯时长。
其中，启动波与停车波的相遇时刻以及最大排队长度计算过程如下：
确定启动波与停车波的相遇时刻，如图2所示，即为最大排队长度发生时刻计算最大排队长度计算公式如下：
式中，(如图3所示)，qm为饱和流率，kj为阻塞密度，km为临界密度，对其公式化简后进一步可得：
其中，剩余排队长度计算过程如下：
如图3所示，当最大排队长度确定后，根据公式可以得到清空排队长度所需的时间 由于此时与均为0，所以消散波vm为临界速度。当说明绿灯结束时无剩余排队，为车道i第n+1个周期绿灯时长结束时刻；当时，说明绿灯结束时存在剩余排队，剩余排队长度计算公式为：
在本实施例中，选取云南省曲靖市麒麟区的实地调查数据对排队长度预测方法进行验证。数据时段为2017年10月31日下午15:30至18:00的数据，数据采集位置如图4所示，根据卡口与电子警察数据的车牌照数据可以提取不同车道车流量，获取分车道车流量比例(本例中选用卡口数据进行分车道车流量比例提取)；文昌街与麒麟南路交叉口信号配时方案分别如表2所示，经调查观测，路段平均行驶速度取28km/h，自由行驶速度取50km/h，停车间距取 6.4m。
表2麒麟南路与文昌街信号配时(2017年10月31日)
验证结果通过计算最大排队长度平均绝对误差(MAE)与均方根误差(RMSE)，结果如表3所示，MAE、RMSE计算公式如下：
其中，m为预测周期数，本例中共计48个周期。
表3麒麟南路与文昌街北进口各车道最大排队长度MPE和RMSE
| 车道 | 车道1(左转) | 车道2(直行) | 车道3(直右) | 平均值 |
| MAE(pcu) | 1.42 | 2.32 | 2.75 | 2.16 |
| RMSE(pcu) | 1.76 | 2.72 | 3.05 | 2.51 |
结果表明，MPE值均未超过3，表明所预测的排队长度平均误差不超过3辆小汽车，表明该方法具有较好的预测精度，车道1、车道2、车道3的最大排队长度观测值与预测值对比图分别如图5、图6、图7所示。
本发明针对传统排队长度计算仅考虑单个交叉口交通运行参数的不足，构建了综合考虑上下游交叉口交通运行参数的排队长度预测模型。该模型以交通波理论与Robertson车队离散模型为基础，弥补了以往排队长度模型中假设车辆到达服从同一分布(例如泊松分布)的不足；依托于视频检测数据获取上游交叉口的实时过车数以及车牌照数据获取了上游交叉口不同相位车流量行驶至下游交叉口的不同车道的车流量比例，综合考虑了上下游交叉口的信号设计、路段长度以及车辆离散到达特性等因素，对排队长度进行分车道实时预测，转被动排队长度估计为主动排队长度预测，便于提前为关联交叉口或拥挤路段的信号优化设计，以达到缓解交通拥堵，改善出行环境的目的。
以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (10)
1.一种分车道实时排队长度预测方法，其特征在于：包括如下步骤：
步骤1：以某一车道绿灯放行结束时刻作为排队长度预测起始时刻，并通过观察获取起始时刻的初始排队长度，即为绿灯放行结束时剩余排队车辆数，由于交通状态的演化通常是由非饱和状态向过饱和状态过度，当从非饱和交通状态对排队长度进行估计时，此时初始排队长度为0；
步骤2：以路段行程时间为时间差，确定上游断面第一个设定间隔时间的放行时刻，其中设定间隔时间为2～5s；
步骤3：根据上游交叉口车辆行驶至下游交叉口不同车道的历史车辆数比例，预测出排队长度计算时段的各车道车流量比例，并与上游断面驶出车辆相乘，得到下游不同车道从上游断面驶出的车辆数；
步骤4：以设定间隔时间为间隔，运用Robertson车队离散模型预测下游车辆到达率；
步骤5：根据第n个信号周期停车波波速以设定间隔时间为间隔，计算其排队长度；
步骤6：考虑上一设定间隔时间结束后的累积排队长度，修正上游断面至队尾的行程时间，对当前设定间隔时间排队长度估计中Robertson车队离散模型的离散模型进行修正；
步骤7：重复步骤6，计算出车道i第n个信号周期有效红灯结束时的排队长度
步骤8：确定启动波与第n个信号周期停车波波速的相遇时刻，计算最大排队长度
步骤9：根据消散波与有效绿灯时长计算剩余排队长度，并以该排队长度作为下一周期的剩余排队长度，重复上述流程，实时对排队长度进行预测。
2.根据权利要求1所述的一种分车道实时排队长度预测方法，其特征在于：所述步骤2中上游断面第一个设定间隔时间的放行时刻t0为：其中为车道i第n个周期绿灯时长结束时刻，为上游断面至下游交叉口停车线的车辆平均行驶时间。
3.根据权利要求1所述的一种分车道实时排队长度预测方法，其特征在于：所述步骤3的车流量比例根据采用三阶移动平均方法的对排队长度计算时段的比例进行预测，即将过去3个间隔时段到达车辆数的平均值作为下一个时段到达车辆数的预测值，公式为：式中：—第j个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例的预测值；Xj-1—第j-1个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例，Xj-2—第j-2个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例，Xj-3—第j-3个统计间隔内上游车辆行驶至下游交叉口某车道的车流量比例。
4.根据权利要求3所述的一种分车道实时排队长度预测方法，其特征在于：所述步骤4包括：
式中，为第n个周期第x+t个时段的车辆到达率；为第n个周期第x+t-1个时段的车辆到达率；为第n个周期第x个时段，上游停车线断面的车辆通过率，取x为5秒的时间间隔进行计算；t为上述两个断面之间，车辆平均行驶时间的0.8倍，以时段数为单位；A为车流在运动过程中离散程度大小的一个系数，称为车流离散系数，需根据观察值修正；此外，Robertson模型假定的是从上游交叉口出来车辆全部直行，预测的是到下游交叉口全部的车辆，由于从上游断面出来的车辆中混有转向车流，而不同转向车辆的比例会影响下游交叉口不同车道的到达率，所以在预测下游交叉口车辆到达率时需考虑上游交叉口车辆行驶至下游交叉口不同车道的流量比例，通过乘以来提前估计上游不同车道的车辆通过率。
5.根据权利要求4所述的一种分车道实时排队长度预测方法，其特征在于：所述步骤5中，首先以设定间隔时间为间隔，确定停车波波速计算公式为：
式中，kj为阻塞密度，为第n个周期x+t时刻的车辆到达率、车流密度，为 为路段车辆的平均行驶速度。
6.根据权利要求5所述的一种分车道实时排队长度预测方法，其特征在于：根据Robertson模型的要求，取x为5秒的时间间隔进行计算，记x＝5h，h＝1,2,3,…，停车波波速可进一步表示为：
此时可得第n个周期每5秒时间间隔内的排队长度
7.根据权利要求6所述的一种分车道实时排队长度预测方法，其特征在于：步骤6中在排队长度形成时，Robertson模型的两个断面为：上游停车线断面与下游排队队尾断面，上游停车线断面固定不变，而下游排队队尾断面随着排队长度的增加向后移动，此时的t随着下游断面的移动而变化，根据排队长度与路段长度的比例关系可以得到，第h个时间间隔的行程时间为th：
式中，L为上下游断面之间距离，为第n个周期从排队长度预测起始时刻到最大排队长度出现时刻的时长，ROUND表示对括号里的值进行四舍五入取整；进一步的Robertson模型可表示为：
式中为第n个周期5h+th时刻的车辆到达率，为第n个周期5h+th-1-1时刻的车辆到达率，为第n个周期第5h个时段，上游停车线断面的车辆通过率，th-1第h-1个时间间隔的行程时间，A为车流在运动过程中离散程度大小的一个系数，称为车流离散系数，需根据观察值修正。
8.根据权利要求6所述的一种分车道实时排队长度预测方法，其特征在于：所述步骤7中，第n个周期有效红灯结束时车道i的排队长度为：
式中，为第n个周期车道i所处车流的有效红灯时长。
9.根据权利要求8所述的一种分车道实时排队长度预测方法，其特征在于：所述步骤8包括：确定启动波与停车波的相遇时刻，即为最大排队长度发生时刻计算最大排队长度 计算公式如下：
式中，qm为饱和流率，kj为阻塞密度，km为临界密度，对其公式化简后进一步可得：
10.根据权利要求9所述的一种分车道实时排队长度预测方法，其特征在于：所述步骤9包括：当最大排队长度确定后，根据公式可以得到清空排队长度所需的时间 由于此时与均为0，所以消散波vm为临界速度，当说明绿灯结束时无剩余排队，为车道i第n+1个周期绿灯时长结束时刻；当时，说明绿灯结束时存在剩余排队，剩余排队长度计算公式为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810632915.2A CN108765981B (zh) | 2018-06-20 | 2018-06-20 | 一种分车道实时排队长度预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810632915.2A CN108765981B (zh) | 2018-06-20 | 2018-06-20 | 一种分车道实时排队长度预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108765981A true CN108765981A (zh) | 2018-11-06 |
| CN108765981B CN108765981B (zh) | 2021-03-02 |
Family
ID=63979042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810632915.2A Active CN108765981B (zh) | 2018-06-20 | 2018-06-20 | 一种分车道实时排队长度预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108765981B (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109544924A (zh) * | 2018-11-30 | 2019-03-29 | 东南大学 | 一种信号交叉口车道动态通行能力的确定方法及系统 |
| CN110796752A (zh) * | 2019-09-20 | 2020-02-14 | 上海城市交通设计院有限公司 | 一种收费站车道动态智慧指引系统及其动态指引方法 |
| CN110910653A (zh) * | 2019-11-15 | 2020-03-24 | 上海电科智能系统股份有限公司 | 一种基于视频检测的Scats信号路口排队长度模型构建方法 |
| CN111127889A (zh) * | 2019-12-24 | 2020-05-08 | 银江股份有限公司 | 一种基于车流到达时间预测的连续交叉口协同优化方法 |
| CN111739299A (zh) * | 2020-07-20 | 2020-10-02 | 平安国际智慧城市科技股份有限公司 | 稀疏轨迹的车辆排队长度确定方法、装置、设备及介质 |
| CN112767719A (zh) * | 2021-02-23 | 2021-05-07 | 上海慈航建设发展有限公司 | 一种高效的交通信号灯控制系统及控制方法 |
| CN113095126A (zh) * | 2021-03-01 | 2021-07-09 | 武汉理工大学 | 道路交通态势识别方法、系统和存储介质 |
| CN113129605A (zh) * | 2021-03-24 | 2021-07-16 | 同济大学 | 一种基于电子警察数据的交叉口车道排队长度估计方法 |
| CN113129595A (zh) * | 2021-04-23 | 2021-07-16 | 济南金宇公路产业发展有限公司 | 一种用于道路交叉口的交通信号控制方法、设备及介质 |
| CN113269957A (zh) * | 2021-03-19 | 2021-08-17 | 青岛亿联信息科技股份有限公司 | 一种停车场车位调度系统及方法 |
| CN113506453A (zh) * | 2021-09-10 | 2021-10-15 | 华砺智行(武汉)科技有限公司 | 公交车优先信号控制方法、装置、设备及可读存储介质 |
| CN114155724A (zh) * | 2021-12-23 | 2022-03-08 | 连云港杰瑞电子有限公司 | 一种车联网环境下的交叉口交通信号控制方法 |
| CN114202937A (zh) * | 2021-12-31 | 2022-03-18 | 北京掌行通信息技术有限公司 | 对施工路段上游车辆进行管控的方法、装置、设备及介质 |
| CN114333315A (zh) * | 2021-12-29 | 2022-04-12 | 杭州海康威视数字技术股份有限公司 | 一种车辆异常滞留诊断方法、装置及设备 |
| CN114464000A (zh) * | 2022-02-21 | 2022-05-10 | 上海商汤科技开发有限公司 | 路口交通灯控制方法、装置、设备和存储介质 |
| CN115691105A (zh) * | 2022-09-06 | 2023-02-03 | 昆明理工大学 | 一种考虑车队离散的路段行人过街最大压信号控制方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103985251A (zh) * | 2014-04-21 | 2014-08-13 | 东南大学 | 一种车辆排队长度测算的方法及系统 |
| CN105023433A (zh) * | 2015-07-01 | 2015-11-04 | 重庆大学 | 一种高速公路交通异常事件影响范围预估方法 |
| CN105679024A (zh) * | 2016-02-19 | 2016-06-15 | 上海果路交通科技有限公司 | 一种道路交叉口排队长度计算方法 |
| CN106097730A (zh) * | 2016-08-10 | 2016-11-09 | 青岛海信网络科技股份有限公司 | 一种路段车辆排队长度的估计方法、装置及系统 |
| CN106355907A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 |
| CN106530749A (zh) * | 2016-10-18 | 2017-03-22 | 同济大学 | 基于单截面低频检测数据的信控交叉口排队长度估计方法 |
| CN106548632A (zh) * | 2016-10-17 | 2017-03-29 | 同济大学 | 一种相邻上下游信号交叉口排队长度估计方法 |
| US9633560B1 (en) * | 2016-03-30 | 2017-04-25 | Jason Hao Gao | Traffic prediction and control system for vehicle traffic flows at traffic intersections |
| CN106652480A (zh) * | 2016-12-28 | 2017-05-10 | 山东理工大学 | 一种基于微波地磁数据的交叉口最大排队长度计算方法 |
| CN107170247A (zh) * | 2017-06-06 | 2017-09-15 | 青岛海信网络科技股份有限公司 | 一种确定交叉口排队长度方法及装置 |
| CN107886725A (zh) * | 2017-11-16 | 2018-04-06 | 山东交通学院 | 基于卡口数据的排队长度计算方法和装置 |
| CN108053645A (zh) * | 2017-09-12 | 2018-05-18 | 同济大学 | 一种基于轨迹数据的信号交叉口周期流量估计方法 |
-
2018
- 2018-06-20 CN CN201810632915.2A patent/CN108765981B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103985251A (zh) * | 2014-04-21 | 2014-08-13 | 东南大学 | 一种车辆排队长度测算的方法及系统 |
| CN105023433A (zh) * | 2015-07-01 | 2015-11-04 | 重庆大学 | 一种高速公路交通异常事件影响范围预估方法 |
| CN105679024A (zh) * | 2016-02-19 | 2016-06-15 | 上海果路交通科技有限公司 | 一种道路交叉口排队长度计算方法 |
| US9633560B1 (en) * | 2016-03-30 | 2017-04-25 | Jason Hao Gao | Traffic prediction and control system for vehicle traffic flows at traffic intersections |
| CN106097730A (zh) * | 2016-08-10 | 2016-11-09 | 青岛海信网络科技股份有限公司 | 一种路段车辆排队长度的估计方法、装置及系统 |
| CN106548632A (zh) * | 2016-10-17 | 2017-03-29 | 同济大学 | 一种相邻上下游信号交叉口排队长度估计方法 |
| CN106355907A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 |
| CN106530749A (zh) * | 2016-10-18 | 2017-03-22 | 同济大学 | 基于单截面低频检测数据的信控交叉口排队长度估计方法 |
| CN106652480A (zh) * | 2016-12-28 | 2017-05-10 | 山东理工大学 | 一种基于微波地磁数据的交叉口最大排队长度计算方法 |
| CN107170247A (zh) * | 2017-06-06 | 2017-09-15 | 青岛海信网络科技股份有限公司 | 一种确定交叉口排队长度方法及装置 |
| CN108053645A (zh) * | 2017-09-12 | 2018-05-18 | 同济大学 | 一种基于轨迹数据的信号交叉口周期流量估计方法 |
| CN107886725A (zh) * | 2017-11-16 | 2018-04-06 | 山东交通学院 | 基于卡口数据的排队长度计算方法和装置 |
Non-Patent Citations (4)
| Title |
|---|
| AOXIANG WU ET AL: "Real-time Queue Length Estimation of Signalized Intersections Based on RFID Data", 《INTELLIGENT AND INTEGRATED SUSTAINABLE MULTIMODAL TRANSPORTATION SYSTEMS PROCEEDINGS FROM THE 13TH COTA INTERNATIONAL CONFERENCE OF TRANSPORTATION PROFESSIONALS 》 * |
| 姚志洪 等: "基于Robertson 模型的异质交通流车队离散研究", 《交通运输系统工程与信息》 * |
| 李爱杰 等: "基于单截面低频检测数据的信号交叉口排队长度估计", 《交通信息与安全》 * |
| 王殿海: "一种新的车队离散模型及其应用", 《吉林大学学报（工学版）》 * |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109544924A (zh) * | 2018-11-30 | 2019-03-29 | 东南大学 | 一种信号交叉口车道动态通行能力的确定方法及系统 |
| CN110796752A (zh) * | 2019-09-20 | 2020-02-14 | 上海城市交通设计院有限公司 | 一种收费站车道动态智慧指引系统及其动态指引方法 |
| CN110910653A (zh) * | 2019-11-15 | 2020-03-24 | 上海电科智能系统股份有限公司 | 一种基于视频检测的Scats信号路口排队长度模型构建方法 |
| CN111127889A (zh) * | 2019-12-24 | 2020-05-08 | 银江股份有限公司 | 一种基于车流到达时间预测的连续交叉口协同优化方法 |
| CN111127889B (zh) * | 2019-12-24 | 2021-03-16 | 银江股份有限公司 | 一种基于车流到达时间预测的连续交叉口协同优化方法 |
| CN111739299A (zh) * | 2020-07-20 | 2020-10-02 | 平安国际智慧城市科技股份有限公司 | 稀疏轨迹的车辆排队长度确定方法、装置、设备及介质 |
| CN111739299B (zh) * | 2020-07-20 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 稀疏轨迹的车辆排队长度确定方法、装置、设备及介质 |
| CN112767719A (zh) * | 2021-02-23 | 2021-05-07 | 上海慈航建设发展有限公司 | 一种高效的交通信号灯控制系统及控制方法 |
| CN113095126B (zh) * | 2021-03-01 | 2022-07-05 | 武汉理工大学 | 道路交通态势识别方法、系统和存储介质 |
| CN113095126A (zh) * | 2021-03-01 | 2021-07-09 | 武汉理工大学 | 道路交通态势识别方法、系统和存储介质 |
| CN113269957A (zh) * | 2021-03-19 | 2021-08-17 | 青岛亿联信息科技股份有限公司 | 一种停车场车位调度系统及方法 |
| CN113129605A (zh) * | 2021-03-24 | 2021-07-16 | 同济大学 | 一种基于电子警察数据的交叉口车道排队长度估计方法 |
| CN113129595A (zh) * | 2021-04-23 | 2021-07-16 | 济南金宇公路产业发展有限公司 | 一种用于道路交叉口的交通信号控制方法、设备及介质 |
| CN113129595B (zh) * | 2021-04-23 | 2022-06-10 | 山东金宇信息科技集团有限公司 | 一种用于道路交叉口的交通信号控制方法、设备及介质 |
| CN113506453B (zh) * | 2021-09-10 | 2022-02-22 | 华砺智行(武汉)科技有限公司 | 公交车优先信号控制方法、装置、设备及可读存储介质 |
| CN113506453A (zh) * | 2021-09-10 | 2021-10-15 | 华砺智行(武汉)科技有限公司 | 公交车优先信号控制方法、装置、设备及可读存储介质 |
| CN114155724A (zh) * | 2021-12-23 | 2022-03-08 | 连云港杰瑞电子有限公司 | 一种车联网环境下的交叉口交通信号控制方法 |
| CN114333315A (zh) * | 2021-12-29 | 2022-04-12 | 杭州海康威视数字技术股份有限公司 | 一种车辆异常滞留诊断方法、装置及设备 |
| CN114202937A (zh) * | 2021-12-31 | 2022-03-18 | 北京掌行通信息技术有限公司 | 对施工路段上游车辆进行管控的方法、装置、设备及介质 |
| CN114202937B (zh) * | 2021-12-31 | 2023-03-24 | 北京掌行通信息技术有限公司 | 对施工路段上游车辆进行管控的方法、装置、设备及介质 |
| CN114464000A (zh) * | 2022-02-21 | 2022-05-10 | 上海商汤科技开发有限公司 | 路口交通灯控制方法、装置、设备和存储介质 |
| CN115691105A (zh) * | 2022-09-06 | 2023-02-03 | 昆明理工大学 | 一种考虑车队离散的路段行人过街最大压信号控制方法 |
| CN115691105B (zh) * | 2022-09-06 | 2023-09-15 | 昆明理工大学 | 一种考虑车队离散的路段行人过街最大压信号控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108765981B (zh) | 2021-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108765981A (zh) | 一种分车道实时排队长度预测方法 | |
| Tiaprasert et al. | Queue length estimation using connected vehicle technology for adaptive signal control | |
| CN106652458B (zh) | 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法 | |
| CN105006147B (zh) | 一种基于道路时空关联关系的路段行程时间推断方法 | |
| CN104575038B (zh) | 一种考虑多路公交优先的交叉口信号控制方法 | |
| CN108597235B (zh) | 基于交通视频数据的交叉口信号参数优化及效果评估方法 | |
| CN104715610B (zh) | 一种面向城市交通的交通指数计算方法 | |
| Luo et al. | Queue length estimation for signalized intersections using license plate recognition data | |
| CN103208193A (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 | |
| CN106548632A (zh) | 一种相邻上下游信号交叉口排队长度估计方法 | |
| CN107765551A (zh) | 一种城市快速路入口匝道控制方法 | |
| Liu et al. | A new approach for real-time traffic delay estimation based on cooperative vehicle-infrastructure systems at the signal intersection | |
| CN113487857B (zh) | 一种区域多路口可变车道协同控制决策方法 | |
| CN110349409A (zh) | 一种利用单车轨迹确定交叉口转向溢出的方法 | |
| CN106530756A (zh) | 一种考虑下游公交站点的交叉口最佳周期时长计算方法 | |
| CN107993455A (zh) | 一种基于完全信息静态博弈的单交叉口信号配时方法 | |
| CN106781555A (zh) | 一种设置双左转车道的信号交叉口调头区域设计方法 | |
| CN108389404B (zh) | 道路交通拥堵治理方法 | |
| Cassidy et al. | Proposed model for predicting motorist delays at two-lane highway work zones | |
| CN106846809A (zh) | 一种基于车辆停车次数的排队最远点计算方法 | |
| CN110047292A (zh) | 道路路段拥堵预警方法 | |
| CN106530722B (zh) | 一种设置调头开口的信号交叉口双左转车道通行能力计算方法 | |
| CN106023602A (zh) | 山地城市信号交叉口延误计算方法 | |
| Geistefeldt | Assessment of basic freeway segments in the German Highway Capacity Manual HBS 2015 and beyond | |
| CN108711286A (zh) | 一种基于多源车联网和手机信令的交通量分配方法及系统 |
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 |