CN109214359A - 一种城市交叉口交通状态精细化判别方法 - Google Patents

Abstract

本发明提供一种城市交叉口交通状态精细化判别方法，该方法首先对交叉口的物理空间组成进行分解，分解为各方向路段和内部冲突区域两部分；其次，利用计算饱和度方法对各方向路段的交通状态进行判别，利用绿灯结束时刻剩余车辆累积车头时距与间隔时间之比对内部冲突区域的交通状态进行判别；最后，采用综合交通状态判别方法实现交叉口交通状态的精细化判别。通过本方法，可有效提高交叉口交通状态判别的准确程度，同时能区分溢流、车辆慢行等引起的交通状态变化，能够为交叉口的信号控制策略的选择及优化提供判别依据，从而有效提高城市道路路口的控制效率，达到缓解拥堵的目的。

Description

一种城市交叉口交通状态精细化判别方法

技术领域

本发明属于城市智能交通技术领域，具体涉及一种城市交叉口的交通状态判别方法，为交叉口信号控制策略的选取和优化提供判断依据。

背景技术

交通流的时空特效，是导致交通状态频繁更迭的主要原因，也对交通信号控制策略的选取和实施提出更高要求。准确的交通状态判别能够为信号控制策略的选取和优化提供依据。现有交叉口交通状态判别方法主要包括三类：一是基于交通流理论定性分析；二是采用固定检测器数据进行分析；三是通过融合技术，利用不同检测数据进行分析。这些方法在一定程度上都能有效进行交通状态的判别，但对于交叉口存在的溢流、车辆慢行等行为却不能很好的判别。原因在于现有方法多是将交叉口看作整体，利用饱和度、排队长度等进行状态判别，然而由于交叉口内部冲突区域的存在，车辆在通过交叉口时存在时空变化的特性，因此在进行交通状态判别时需考虑交叉口各物理空间组成部分的综合情况。

发明内容

针对当前城市交叉口交通状态判别中存在的不足，本发明通过将交叉口分解为内部和外部并分别建立状态判别模型，并利用综合状态判别模型对交叉口交通状态进行精细化判别，可有效提供交通状态判别的准确程度。

本发明解决其技术问题所采用的技术方案是：

城市交叉口交通状态精细化判别方法，包括如下步骤：

步骤1：建立交叉口外部交通状态模型

通过计算饱和度对交叉口外部路段的交通状态进行判别：

选择相向而行的两个行驶方向中流量较大者作为相位的关键流量q_i(k)

q_i(k)＝max{q_i,i+4(k),q_i+4,i(k)}i＝1,2,3,4

其中，x_out为交叉口外部路段饱和度，如果x_out≥1则状态为过饱和；如果x_out<1则状态为欠饱和，q_i(k)为相位i第k周期的流率；C(k)为交叉口第k周期的周期时间；g_i(k)为相位i第k周期的绿灯时间；S_i为相位i的饱和流率；

步骤2：建立交叉口内部交通状态模型

通过末尾车辆通过交叉口的时间与间隔时间之比，实现对交叉口内部区域的交通状态判别：

其中，x_in(i)为交叉口内部区域饱和度，如果x_in(i)≥1则状态为过饱和；如果x_in(i)<1则状态为欠饱和。t_i[1]表示相位i的绿灯结束时末尾车辆经过单数检测器的时间，t_i[2]表示相位i的绿灯结束时末尾车辆经过双数检测器的时间，G_i为相位间隔时间，l_i代表出口检测器距离冲突点的距离；交叉口的检测器的流量检测可表示为：D＝{d_i＝(q_i[1],q_i[2])|i＝1,2,...,n}，表示车辆从停车线到通过交叉口的平均行驶速度；

步骤3：建立交叉口综合交通状态判别模型

通过权重系数将交叉口内部和外部的交通状态进行结合，实现交叉口交通状态的综合判别：

x＝α·x_out(i)+β·x_in(i)

由此可得

其中，α和β为权重系数；

其中，q_i[1](k)表示绿灯结束时刻经过单数检测器的车流量；q_i[2](k)表示绿灯结束时刻流过双数检测器的车流量；q_i[1](k)-q_i[2](k)表示绿灯结束时刻交叉口内部剩余车辆数；

当交叉口内部区域存在车辆行驶延缓或驻留(x_in(i)≥1时)，则认为交叉口整体为过饱和。

本发明具有如下有益的技术效果：

(1)精细化交通状态判别方法先进，能有更加准确识别交叉口的交通状态，同时对冲突区域的判别可以同时监测交叉口通行瓶颈或溢流；

(2)方法采用通用性交通检测器，并可以借用现场已有检测装置，检测要求低且计算简单，易于实际交通工程中的使用。

附图说明

图1是交叉口综合判别示意图；

图2是双检测器布设；

图3是交叉口内部车流冲突示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合技术方案与附图详细叙述本发明的具体实施方式：

交叉口双检测器检测布局设计：交叉口交通状态综合判别的研究是将交叉口的物理空间组成进行有效分解，分解部分包括：一、以停车线为分界的交叉口外部各方向路段，即相位所在路段；二、以停车线为分界的交叉口内部车辆分隔区域。，如图1所示。传统的检测器布设位置和数量无法满足检测要求。因此，在布设检测器时，采用双检测器布设，同时考虑各相位在交叉口内部的冲突情况，检测器布设位置如图2中所示，检测器成对布设，分为单数检测器和双数检测器，即检测器1和检测器2为一对，检测器3和检测器4为一对。单数检测器设置在停车线前，双数检测器设置在出口相应车道。同时由于线圈检测器铺设易造成路面破损，因此实际应用中可利用各方向卡口视频检测等方式实现。

对于交叉口内部冲突区域，是交叉口交通状态精细化判别的重点，车流在内部交叉冲突会导致溢流、车辆行驶缓慢等现象发生从而影响状态判别结果，为此需要重点分析车流在内部等额冲突情况，如图2所示。

本发明的城市交叉口交通状态精细化判别方法，首先对交叉口的物理空间组成进行分解，分解为各方向路段和内部冲突区域两部分；其次，利用计算饱和度方法对各方向路段的交通状态进行判别，利用绿灯结束时刻剩余车辆累积车头时距与间隔时间之比对内部冲突区域的交通状态进行判别；最后，采用综合交通状态判别方法实现交叉口交通状态的精细化判别。

通过本方法，可有效提高交叉口交通状态判别的准确程度，同时能区分溢流、车辆慢行等引起的交通状态变化，能够为交叉口的信号控制策略的选择及优化提供判别依据，从而有效提高城市道路路口的控制效率，达到缓解拥堵的目的。

方法包括以下步骤：

步骤1：交叉口外部交通状态模型

利用计算饱和度的方法对交叉口外部路段的交通状态进行判别。

其中，x_out为交叉口外部路段饱和度，如果x_out≥1则状态为过饱和；如果x_out<1则状态为欠饱和。q_i(k)为公式(2)中定义的相位i第k周期的流率。C(k)为交叉口第k周期的周期时间。g_i(k)为相位i第k周期的绿灯时间。S_i为相位i的饱和流率。

为了便于参数分析，选择相向而行的两个行驶方向中流量较大者作为相位的关键流量q_i(k)，同时令存在关键流量的相位为关键相位，具体定义为：

q_i(k)＝max{q_i,i+4(k),q_i+4,i(k)}i＝1,2,3,4 (2)

在实际交通流变化中，为了避免相位关键流量q_i(k)在q_i,i+4(k)和q_i+4,i(k)之间频繁切换，引入滞回系数h，该值可通过上游交叉口车辆放行情况确定。例如，当连续多个信号周期q_i,i+4(k)+h<q_i+4,i(k)时，可将q_i+4,i(k)作为当前相位的流量。

步骤2：交叉口内部交通状态模型

城市道路交叉口是城市路网的重要组成部分，其通过信号配时实现车辆转运和行车安全。因此信号配时设置中包括了相位转换的间隔时间。当相位绿灯结束时，末尾车辆刚进入交叉口内部区域，间隔时间对车辆的安全通过尤为重要。因此，绿灯结束时末尾车辆通过冲突点的时间与间隔时间的关系，决定了下个相位的车辆能否正常通行。基于上述考虑利用末尾车辆通过交叉口的时间与间隔时间之比，实现对交叉口内部区域的交通状态判别。

如公式(3)所示：

其中，x_in(i)为交叉口内部区域饱和度，如果x_in(i)≥1则状态为过饱和；如果x_in(i)<1则状态为欠饱和。t_i[1]表示相位i的绿灯结束时末尾车辆经过单数检测器的时间，t_i[2]表示相位i的绿灯结束时末尾车辆经过双数检测器的时间，G_i为相位间隔时间，l_i代表出口检测器距离冲突点的距离；交叉口的检测器的流量检测可表示为：D＝{d_i＝(q_i[1],q_i[2])|i＝1,2,...,n}，表示车辆从停车线到通过交叉口的平均行驶速度。

步骤3：交叉口综合交通状态判别模型

通过权重系数将交叉口内部和外部的交通状态进行结合，实现交叉口交通状态的综合判别。

如公式(4)所示：

x＝α·x_out(i)+β·x_in(i) (4)

将公式(1)和公式(3)带入(4)得：

其中，α和β为权重系数，通过公式(6)获取。

其中，q_i[1](k)表示绿灯结束时刻经过单数检测器的车流量；q_i[2](k)表示绿灯结束时刻流过双数检测器的车流量；q_i[1](k)-q_i[2](k)表示绿灯结束时刻交叉口内部剩余车辆数。权重系数的获取描述的是相位时间内车辆对通行时间的需求，而不是车辆通过数量的需求。

并且有约束：表示为当交叉口内部区域存在车辆行驶延缓或驻留，则认为交叉口整体为过饱和。

Claims (1)

1.一种城市交叉口交通状态精细化判别方法，其特征在于，包括如下步骤：

步骤1：建立交叉口外部交通状态模型

通过计算饱和度对交叉口外部路段的交通状态进行判别：

选择相向而行的两个行驶方向中流量较大者作为相位的关键流量q_i(k)

q_i(k)＝max{q_i,i+4(k),q_i+4,i(k)}i＝1,2,3,4

其中，x_out为交叉口外部路段饱和度，如果x_out≥1则状态为过饱和；如果x_out<1则状态为欠饱和，q_i(k)为相位i第k周期的流率；C(k)为交叉口第k周期的周期时间；g_i(k)为相位i第k周期的绿灯时间；S_i为相位i的饱和流率；

步骤2：建立交叉口内部交通状态模型

通过末尾车辆通过交叉口的时间与间隔时间之比，实现对交叉口内部区域的交通状态判别：

其中，x_in(i)为交叉口内部区域饱和度，如果x_in(i)≥1则状态为过饱和；如果x_in(i)<1则状态为欠饱和。t_i[1]表示相位i的绿灯结束时末尾车辆经过单数检测器的时间，t_i[2]表示相位i的绿灯结束时末尾车辆经过双数检测器的时间，G_i为相位间隔时间，l_i代表出口检测器距离冲突点的距离；交叉口的检测器的流量检测可表示为：D＝{d_i＝(q_i[1],q_i[2])|i＝1,2,...,n}，表示车辆从停车线到通过交叉口的平均行驶速度。

步骤3：建立交叉口综合交通状态判别模型

通过权重系数将交叉口内部和外部的交通状态进行结合，实现交叉口交通状态的综合判别：

x＝α·x_out(i)+β·x_in(i)

由此可得

其中，α和β为权重系数；

其中，q_i[1](k)表示绿灯结束时刻经过单数检测器的车流量；q_i[2](k)表示绿灯结束时刻流过双数检测器的车流量；q_i[1](k)-q_i[2](k)表示绿灯结束时刻交叉口内部剩余车辆数；

当交叉口内部区域存在车辆行驶延缓或驻留(x_in(i)≥1时)，则认为交叉口整体为过饱和。