CN109472985B - 基于路段旅行时间的实际交通需求流量估计方法 - Google Patents
基于路段旅行时间的实际交通需求流量估计方法 Download PDFInfo
- Publication number
- CN109472985B CN109472985B CN201710801194.9A CN201710801194A CN109472985B CN 109472985 B CN109472985 B CN 109472985B CN 201710801194 A CN201710801194 A CN 201710801194A CN 109472985 B CN109472985 B CN 109472985B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- travel time
- time
- road section
- formula
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及基于路段旅行时间的实际交通需求流量估计方法,包括统计通过检测器车流量、路段旅行时间估计、车辆交叉口延误时间、交通需求流量估计;本发明通过对周期车辆路段旅行时间数据的分析判定道路交通状态、车辆停等时间、延误时间等,同时考虑检测设备车辆捕获率和车牌识别率产生的误差,提高了交通需求流量估计的准确度和可靠度,能够准确估计交叉口实际交通需求流量。
Description
技术领域
本发明涉及基于路段旅行时间的实际交通需求流量估计方法,属于智能交通技术领域。
背景技术
随着经济和人民生活水平的提高,城市道路的交通拥堵、交通安全等问题日益突出。通过优化交通管控策略实现对交通流有效的管理,提升道路交通效率具有重要意义。因此研究实际交通需求流量估计方法,得到实际交通需求流量,提高交通管控策略的有效性和可靠性,才能真正缓解路段拥堵问题。
现有实际交通需求流量估计方法的局限性主要包括以下几点:
1)通过排队长度估计实际交通需求流量的方法,主要包括累计曲线理论和交通波理论。前者要求排队长度不能超过检测器范围,后者需要精确的车辆到达数,当路段拥堵时车辆被阻挡在检测器之外,无法准确获得车辆到达数据,两者都无法准确计算实际交通需求流量。
2)基于视频检测设备的车辆排队长度研究,对排队长度的检测方法主要有时间窗、移动窗和伸缩窗等方法。其识别精确度与检测器识别算法和模型都有关,无法保证检测数据的准确性。
3)现有交通需求流量研究方法具有局限性。目前实际交通需求流量大多应用通过检测设备的车流量直接替代,受检测器检测功能以及安装位置的局限性,检测器通过的车流量与实际交通需求流量存在较大差异,影响交通管控策略的有效性。因此目前迫切需要一种可以准确获取交叉口实际交通需求流量的方法。
发明内容
针对现有获取实际交通需求流量方法的上述缺陷,本发明提出一种基于路段旅行时间的实际交通需求流量估计方法,该方法能够根据路段旅行时间比较准确可靠地估计实际交通需求流量。
术语解释:
1、信号周期,由多个信号相位组成,各个信号相位周期性交替获得绿灯显示时间,多个信号相位构成一个循环周期,即一个信号周期,如此周而复始循环下去。通过交通信号灯灯色的周期性变化,控制着各个不同方向的车流行止。
2、检测器,安装在一条路径的起点和终点,用于检测车辆驶入驶出该路径的时间点,且可以通过车牌或者车载电子标签等识别车辆信息,用于获取车辆在路段上的旅行时间。
3、自由流状态,当交通流密度小时,驾驶员能根据自己的驾驶特性和车辆条件、道路条件进行驾驶,基本不受或少受道路上的其他使用者的影响,保持期望车速的交通流状态。
4、畅通状态,与自由流状态相比较,当交通流密度增大时,车间距减小,车队中车辆的车速受到前车车速的制约,此时车辆仍能正常行驶通过路段和交叉口,车辆延误较小。
5、拥堵状态,交通拥堵,是指一种车多拥挤且车速缓慢的现象,通常在节假日或上下班高峰等时刻出现,车辆在路口和路段的延误增大,增加了人们的出行时间。
本发明的技术方案如下:
发明概述:
基于路段旅行时间的实际交通需求流量估计方法,包括统计通过检测器车流量、路段旅行时间估计、车辆交叉口延误时间、交通需求流量估计;
通过检测器车流量作为实际交通需求流量的基础数据,是以信号周期为统计时间间隔,统计每个信号周期内通过车辆检测器的车流量。
路段旅行时间估计反映路段交通状态,以信号周期为统计时间间隔,为保证每个周期车辆旅行时间的准确性,统计每个信号周期内的周期最大旅行时间估计值、周期最小旅行时间估计值、自由流状态下车辆周期旅行时间估计值分别作为周期最大旅行时间、周期最小旅行时间、自由流状态车辆周期正常旅行时间:其中,周期最大旅行时间是取绿灯相位开始时刻的多辆车的路段旅行时间的平均值,周期最大旅行时间反映路段实际交通状态;周期最小旅行时间是取绿灯相位结束时刻的多辆车的路段旅行时间的平均值,周期最小旅行时间反映交叉口纾解能力;自由流状态下车辆正常旅行时间与车辆在交叉口停等时间密切相关,当路段产生拥堵时,周期最小旅行时间并非该周期自由流状态下车辆正常旅行时间,取车辆周期最小旅行时间的多项式拟合值作为自由流状态车辆周期正常旅行时间。
车辆交叉口延误时间是由车辆停等信号灯所造成延误,为周期最大旅行时间与该周期自由流状态下车辆正常旅行时间的差值。
交通需求流量估计是结合周期最大旅行时间、周期最小旅行时间、自由流状态下车辆正常旅行时间确定车辆停等红灯延误时间和停等红灯次数,结合检测器通过车流量计算交叉口实际交通需求流量:当某个周期车辆停等时间值超过两个红灯时间时,车辆至少停等两个信号周期,此时该周期内路段实际交通需求流量超过这两个信号周期内经过车辆检测器的车流量;当周期最小旅行时间为自由流状态下车辆正常旅行时间时,即车辆停等时间不会超过红灯时间,此时该交叉口完全可以纾解该路段的停等车辆,该信号周期内路段实际交通需求流量即为该信号周期内通过检测器的车流量。
本发明考虑直接影响信控交叉口交通流量的信号因素,将统计时间间隔精确到信号周期,统计分析各个周期内车辆旅行时间分布规律,准确掌握路段交通状态,提高交通需求流量估计的准确性。
发明详述:
基于路段旅行时间的实际交通需求流量估计方法,包括步骤如下:
(1)统计通过检测器车流量:以信号周期为统计时间间隔,统计每个信号周期通过检测器的车流量;至少一台检测器位于路径的起点,一台检测器位于路径的终点,且路径的终点处设有信号灯,相邻两个道路交叉口分别作为一条路径的起点和终点。通过检测器的车流量作为实际交通需求流量的基础数据,平峰时段实际交通需求流量较小,检测器检测的车流量也较小,两者基本相等;高峰时段实际交通需求流量急剧增加,检测器检测的车流量可能由于路段回堵或者溢流等原因不增加反而减小,此时通过检测器的流量与实际交通需求流量差异较大。
(2)获取路段旅行时间、周期最大旅行时间、周期最小旅行时间、自由流状态下车辆周期旅行时间、车辆延误时间;
路段旅行时间是指车辆在一条路径上的旅行时间,相邻交叉口间的车辆旅行时间即为路段旅行时间;
周期最大旅行时间是指,以路径的终点的信号周期为统计时间间隔,统计每个信号周期内相邻两个道路交叉口之间的路段的最大车辆旅行时间;
周期最小旅行时间是指,以路径的终点的信号周期为统计时间间隔,统计每个信号周期内相邻两个道路交叉口之间的路段的最小车辆旅行时间;
自由流状态下车辆周期旅行时间是指:当所述路段处于畅通状态时,自由流状态下车辆周期旅行时间即该信号周期的周期最小旅行时间;当所述路段处于拥堵状态时,自由流状态下车辆周期旅行时间即车辆周期最小旅行时间的多项式拟合值;
车辆延误时间包括车辆在红灯相位时车辆的停等时间以及车辆启动、停车所造成的延误时间;
(3)估计实际交通需求流量:实际交通需求流量是指所述路段上的实际排队车辆以及通过路口的车流量;
车辆到达路径的终点时,如果路径的终点处于畅通状态,信号相位结束的时候基本不会滞留车辆造成排队,即信号周期内车辆停等时间不会超过红灯相位时间,信号周期最小旅行时间为自由流状态下路段正常旅行时间,实际交通需求流量即为交叉口的实际通过车流量,即实际通过检测器的车流量,第j个信号周期内实际交通需求流量Qreal_j求取公式如式(Ⅰ)所示:
Qreal_j=Fj=(1+μ)Qj (Ⅰ)
式(Ⅰ)中,Fj是指在第j个信号周期内实际通过检测器的车流量;Qj是指在第j个信号周期内通过检测器检测到的车流量;μ为检测器的车辆捕获率以及识别率所造成的误差;不同类型的检测器的车辆捕获率以及识别率不同,并规范了公路智能监测记录系统的标准,其中车辆捕获率应达99%以上,白天车牌识别准确率应不小于90%,夜间车牌识别准确率应不小于80%。
现有检测器的车辆捕获率以及识别率都不可能达到100%,考虑检测器的车辆捕获率以及识别率误差,实际中通过检测器的车流量会比实际通过检测器的车流量偏小。
车辆到达路径的终点时,如果路径的终点处于拥堵状态,信号相位结束的时候排队车辆不能完全通过,造成部分车辆滞留时间较长,即周期车辆停等时间已超过红灯相位时间,车辆排队时间较长,排队长度增加,会造成溢流以及交叉口处于锁死状态等问题,此时检测器就无法准确检测超过检测器位置的车辆数,通过检测器的车流量远小于交叉口实际交通需求流量,无法获得实际交通需求流量,第j个信号周期内实际交通需求流量Qreal_j求取公式如式(Ⅱ)所示:
ttwait_j=ttmax_j-ttorg_j,ttwait_j为第j个信号周期内车辆最大延误时间,ttmax_j为第j个信号周期内最大旅行时间估计值,ttorg_j为第j个信号周期内车辆经过该路段自由流状态下的正常旅行时间;
delay=tred+tdelay,delay为车辆周期最大延误时间对应的信号周期内因信号灯所造成的延误时间,包括周期红灯相位时间tred和车辆在道路交叉口的启动、停车延误tdelay;其中车辆启动和停车延误通过实际观测方法获得;
根据本发明优选的,所述步骤(2)中,获取路段旅行时间,包括:
a、根据所选择的车辆检测设备,检测并记录车辆在相邻交叉口的路段间的行驶轨迹,通过检测器检测车辆i经过路径的起点的时刻Stt_i;
b、通过检测器检测该车辆i经过路径的终点的时刻Ett_i;
c、用经过路径的终点的时刻Ett_i减去经过路径的起点的时刻Stt_i,即得到车辆i经过该路段旅行时间tti,计算公式如式(Ⅲ)所示;
tti=Ett_i-Stt_i (Ⅲ)。
根据本发明优选的,所述步骤(2)中,获取周期最大旅行时间,第j个信号周期内周期最大旅行时间ttmax_j的计算公式如式(Ⅳ)所示:
式(Ⅳ)中,kj为所述路段第j个信号周期内路径的终点绿灯相位开始时刻首先通过停车线的车辆数,1≤i≤kj,tti为该路段第j个信号周期内车辆i的路段旅行时间。
道路交叉口绿灯相位开始时刻首先通过停车线的车辆为本周期停等时间最长的车辆,也最能反映路段交通状态,考虑实际路网中车辆在路段中的延误导致部分车辆路段旅行时间异常较大的情况,选取绿灯相位开始时刻的多辆车的路段旅行时间的平均值作为周期最大旅行时间;
根据本发明优选的,所述步骤(2)中,获取周期最小旅行时间,第j个信号周期内周期最小旅行时间ttmin_j的计算公式如式(Ⅴ)所示:
式(Ⅴ)中,mj为所述路段第j个信号周期内路径的终点绿灯相位结束时刻最后通过停车线的车辆数,1≤i≤mj,tti为该路段第j个信号周期内车辆i的路段旅行时间。
道路交叉口绿灯相位结束时刻最后通过停车线的多辆车为本周期停等时间最短的车辆,最小旅行时间的值最能反映交叉口的实际交通纾解能力,当路段最小旅行时间逐渐增大时,说明交叉口的交通纾解能力越来越弱,路口交通状态越拥堵。考虑实际路网中车辆路段旅行时间异常较小的情况,选取绿灯相位结束时刻的多辆车的路段旅行时间的平均值作为周期最小旅行时间。
根据本发明优选的,所述步骤(2)中,获取自由流状态下车辆周期旅行时间,包括:
当所述路段处于畅通状态时,自由流状态下车辆周期旅行时间ttorg_j即该信号周期的周期最小旅行时间ttmin_j,计算公式如式(Ⅵ)所示:
ttorg_j=ttmin_j (Ⅵ)
当所述路段处于拥堵状态时,当路段逐渐拥堵时可能造成路段溢流或回堵情况,此时不存在处于自由流状态下的车辆,车辆最小旅行时间较长,此时应用周期最小旅行时间估计自由流状态下路段正常旅行时间。自由流状态下车辆周期旅行时间ttorg_j即车辆周期最小旅行时间的多项式拟合值,计算公式如式(Ⅶ)所示:
式(Ⅶ)中,ak为多项式拟合待定系数,ttmin_j为某一周期内最小旅行时间,p为多项式的拟合次数,q取1,2,…,p,当q=1时为线性拟合;通过使得的平方误差最小,计算多项式拟合待定系数,选取与现状数据点最接近的拟合曲线方程计算自由流状态下车辆周期旅行时间。
根据本发明优选的,所述步骤(2)中,获取车辆延误时间,包括:
车辆延误时间即为车辆旅行时间中去掉车辆路段正常旅行时间后车辆在交叉口以及路段的停等时间,车辆停等时间与交叉口信号周期、绿灯相位时间有直接联系。当车辆停等时间小于红灯相位时间,该路段实际排队车辆即为通过检测器的流量,路段畅通;当车辆停等时间超过一个红灯相位时间,该路段实际排队车辆数超过上一个周期内通过停车线的车辆数,交通需求流量大于通过检测器的流量,路段出现拥堵。第j个信号周期内最大的车辆延误时间ttwait_j的计算公式如式(Ⅷ)所示:
ttwait_j=ttmax_j-ttorg_j (Ⅷ)
式(Ⅷ)中,ttmax_j为第j个信号周期内周期最大旅行时间,ttorg_j为第j个信号周期内车辆经过该路段自由流状态下车辆周期旅行时间。
根据本发明优选的,所述检测器为卡口检测设备。卡口检测设备多安装在信控交叉口停车线前,全天候实时监控并记录路口相关图像数据,其前端处理器通过图像识别,获取车辆经过时间、方向车牌号、车道等信息;并将获取的信息传输到卡口数据库中,用于交通状态监测、交通事故分析等。
本发明的有益效果为:
1、本发明中路段旅行时间即车流量数据通过现有各类检测设备获取,简单易得。
2、本发明以信号周期为时间间隔统计各个信号周期的路段旅行时间规律,实际路网中路段旅行时间分布也是按照交叉口信号周期分布的,绿灯相位时间内车辆通过交叉口,红灯相位时间内车辆需要在停车线以后排队等待,每个信号周期内部车辆相互影响,因此以信号周期为时间间隔更能准确反映路段旅行时间变化规律。
3、本发明减小了因个别车辆的延误或超速等问题所导致的路段旅行时间过大或过小所造成的误差,周期最大旅行时间准确反映路段交通状态,周期最小旅行时间准确反映交叉口纾解能力,自由流状态下车辆周期旅行时间结合周期最大旅行时间准确估计车辆停等时间,通过多个不同旅行时间参数的相互结合,更全面了解交叉口实际交通状态。
4、目前交通流量获取方式大都基于检测器检测的流量直接用于交通管控策略的研究,检测器检测的流量与交叉口实际交通需求流量存在较大差异,影响交通管控策略的有效性。本发明通过对周期车辆路段旅行时间数据的分析判定道路交通状态、车辆停等时间、延误时间等,同时考虑检测设备车辆捕获率和车牌识别率产生的误差,提高了交通需求流量估计的准确度和可靠度,能够准确估计交叉口实际交通需求流量。
附图说明
图1是本发明基于路段旅行时间的实际交通需求流量估计方法的流程示意图;
图2是实施例中通过检测器的单车道车流量分布图;
图3是实施例中路段畅通状态下绿灯时间内车辆路段旅行时间分布图;
图4是实施例中路段拥堵状态下绿灯时间内车辆路段旅行时间分布图;
图5是实施例中早高峰时段以信号周期为时间间隔路段旅行时间整体分布规律图;
图6是实施例中早高峰时段交通需求流量估计值与检测器统计车流量对比分析图。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步限定,但不限于此。
实施例
基于路段旅行时间的实际交通需求流量估计方法,如图1所示,本实施例以2016年10月28号山师东路-环山路路段的分析结果展示,其中路段长度为536m,路段限速为60km/h,终点路口为环山路路口,该路口信号周期为220s,直行相位绿灯时长为130s。包括步骤如下:
(1)根据现有检测设备类型,选取合适的车辆检测设备。考虑不同检测设备的安装位置以及作用不同,检测的车辆信息不同,根据本发明实际需求选取一种或多种车辆检测设备。根据本发明实际需求选取卡口车辆检测设备,卡口检测设备安装在道路交叉口进口道,相邻两个道路交叉口分别作为一条路径的起点和终点,可以准确获取包括车辆经过路径的起点、路径的终点、车辆车牌号等车辆信息,可以用于统计车流量、车辆路段旅行时间等参数,无需再单独布设流量卡口车辆检测设备,成本较低且准确率较高。
(2)统计通过卡口检测设备的车流量:以信号周期为统计时间间隔,统计每个信号周期通过该卡口车辆检测设备的车流量;通过卡口车辆检测设备的车流量作为实际交通需求流量的基础数据,平峰时段实际交通需求流量较小,卡口车辆检测设备检测的车流量也较小,两者基本相等;高峰时段实际交通需求流量急剧增加,卡口车辆检测设备检测的车流量可能由于路段回堵或者溢流等原因不增加反而减小,此时通过卡口车辆检测设备的流量与实际交通需求流量差异较大。如图2所示,图2是以道路交叉口信号周期为统计时间间隔,其中横坐标为时间,纵坐标为检测到的车辆数。统计全天通过卡口检测设备的单车道车流量分布图,由图2可以看出凌晨时刻至次日6:00:00路段车流量最小,此时实际交通需求即为通过卡口检测设备的车辆,其它时段每个周期通过卡口检测设备的车流量维持在40辆左右,早晚高峰时刻交通需求流量增加但每个信号周期通过卡口检测设备的车流量维持不变,不能反映高峰时段交通实际需求流量。
当车辆经过卡口车辆检测设备时,车辆被捕获并识别出包括车辆车牌、车辆经过卡口车辆检测设备编号、车辆经过卡口车辆检测设备的时刻、瞬时速度等车辆信息,将车辆信息保存到数据库中。按照车辆通过卡口车辆检测设备的时间排序以该交叉口信号周期为统计时间间隔,统计绿灯相位时间内通过该卡口车辆检测设备的车辆数为周期车流量。
(3)路段旅行时间估计方法,具体步骤如下:
A、获取路段旅行时间,路段旅行时间是指车辆在一条路径上的旅行时间,相邻交叉口间的车辆旅行时间即为路段旅行时间;包括:根据所选择的车辆检测设备,检测并记录车辆在相邻交叉口的路段间的行驶轨迹,通过卡口车辆检测设备检测车辆i经过路径的始点的时刻Stt_i;通过卡口车辆检测设备检测该车辆i经过路径的终点的时刻Ett_i;用经过路径的终点的时刻Ett_i减去经过路径的始点的时刻Stt_i,即得到车辆i经过该路段旅行时间tti,计算公式如式(Ⅲ)所示;
tti=Ett_i-Stt_i (Ⅲ)。
B、获取周期最大旅行时间;周期最大旅行时间是指以路径的终点的信号周期为统计时间间隔,统计每个信号周期内相邻两个道路交叉口之间的路段的最大车辆旅行时间;第j个信号周期内周期最大旅行时间ttmax_j的计算公式如式(Ⅳ)所示:
式(Ⅳ)中,kj为所述路段第j个信号周期内路径的终点绿灯相位开始时刻首先通过停车线的车辆数,1≤i≤kj,tti为该路段第j个信号周期内车辆i的路段旅行时间。
所述步骤B中,周期最大旅行时间是从周期路径的终点绿灯相位开始时刻取前kj辆车的路段旅行时间的平均值,将周期车辆按照旅行时间分布特性进行分群,选取旅行时间最大的一群数据的平均值作为周期最大旅行时间。其中,kj根据各个信号周期车辆旅行时间分布情况确定:平峰时刻,每个周期内停等红灯的车辆较少,最大旅行时间持续时间较短,kj较小,如图3所示;高峰时刻,随着交通需求流量的增大,每个周期停等红灯的车辆明显增多,最大旅行时间持续时间较长,交通严重拥堵时刻,最大旅行时间会持续一个周期,kj较大,如图4所示。
道路交叉口绿灯相位开始时刻首先通过停车线的车辆为本周期停等时间最长的车辆,也最能反映路段交通状态,考虑实际路网中车辆在路段中的延误导致部分车辆路段旅行时间异常较大的情况,选取绿灯相位开始时刻的多辆车的路段旅行时间的平均值作为周期最大旅行时间;
C、获取周期最小旅行时间;周期最小旅行时间是指以路径的终点的信号周期为统计时间间隔,统计每个信号周期内相邻两个道路交叉口之间的路段的最小车辆旅行时间;第j个信号周期内周期最小旅行时间ttmin_j的计算公式如式(Ⅴ)所示:
式(Ⅴ)中,mj为所述路段第j个信号周期内路径的终点绿灯相位结束时刻最后通过停车线的车辆数,1≤i≤mj,tti为该路段第j个信号周期内车辆i的路段旅行时间。
所述步骤C中,周期最小旅行时间是从信号周期绿灯相位结束时刻取前mj辆车的路段旅行时间的平均值,将信号周期车辆按照旅行时间分布特性进行分群,选取旅行时间最小的一群数据的平均值作为周期最小旅行时间。其中,mj根据各个信号周期车辆旅行时间分布情况确定:平峰时刻,每个信号周期内停等红灯的车辆较少,大部分车辆在自由流状态下通行,周期最小旅行时间较长,mj较大,如图3所示;高峰时刻,随着交通需求流量的增大,每个信号周期停等红灯的车辆明显增多,自由流状态下通过的车辆减少,自由流状态下的最小旅行时间持续时间较短,交通严重拥堵时刻,无自由流状态下车辆通行,周期最小旅行时间会达到信号周期,mj较小,如图4所示。
道路交叉口绿灯相位结束时刻最后通过停车线的多辆车为本周期停等时间最短的车辆,最小旅行时间的值最能反映交叉口的实际交通纾解能力,当路段最小旅行时间逐渐增大时,说明交叉口的交通纾解能力越来越弱,路口交通状态越拥堵。考虑实际路网中车辆路段旅行时间异常较小的情况,选取绿灯相位结束时刻的多辆车的路段旅行时间的平均值作为周期最小旅行时间。
图3是展示路段处于畅通状态下,路段周期最大旅行时间、周期最小旅行时间分布图,由图3可以看出路段处于畅通状态下,周期最大旅行时间不超过信号周期,周期最小旅行时间为自由流状态下车辆正常旅行时间,可以将周期内车辆分为两个群组,群组一的平均值为周期最大旅行时间估计值,群组二的平均值为周期最小旅行时间估计值。
图4是展示路段拥堵状态下,路段最大旅行时间、最小旅行时间分布图,由图4可以看出路段拥堵状态下,周期最大旅行时间超过信号周期,周期内无以自由流状态通行的车辆,同时可以将周期内车辆分为两个群组,群组一所含个体的平均值为周期最大旅行时间估计值,群组二所含个体的平均值为周期最小旅行时间估计值。
D、获取自由流状态下车辆周期旅行时间,自由流状态下车辆周期旅行时间是指:当所述路段处于畅通状态时,自由流状态下车辆周期旅行时间即该信号周期的周期最小旅行时间;当所述路段处于拥堵状态时,自由流状态下车辆周期旅行时间即车辆周期最小旅行时间的多项式拟合值;如图5所示;包括:
当所述路段处于畅通状态时,自由流状态下车辆周期旅行时间ttorg_j即该信号周期的周期最小旅行时间ttmin_j,计算公式如式(Ⅵ)所示:
ttorg_j=ttmin_j (Ⅵ)
当所述路段处于拥堵状态时,当路段逐渐拥堵时可能造成路段溢流或回堵情况,此时不存在处于自由流状态下的车辆,车辆最小旅行时间较长,此时应用周期最小旅行时间估计自由流状态下路段正常旅行时间。自由流状态下车辆周期旅行时间ttorg_j即车辆周期最小旅行时间的多项式拟合值,计算公式如式(Ⅶ)所示:
式(Ⅶ)中,ak为多项式拟合待定系数,ttmin_j为某一周期内最小旅行时间,p为多项式的拟合次数,q取1,2,…,p,当q=1时为线性拟合;通过使得的平方误差最小,计算多项式拟合待定系数,选取与现状数据点最接近的拟合曲线方程计算自由流状态下车辆周期旅行时间。
图5中周期一所示数据为图2中路段畅通状态下周期最大旅行时间、周期最小旅行时间和自由流状态下车辆正常旅行时间的值,周期二所示数据为图3中路段拥堵状态下周期最大旅行时间、周期最小旅行时间和由最小旅行时间拟合成的自由流状态下路段正常旅行时间的值;早高峰时刻周期最大旅行时间在8:00:00左右达到尖峰,而后随着路段车流量的纾解,路段拥堵得到缓解,旅行时间恢复到正常水平;周期最小旅行时间也是在8:00:00左右达到尖峰,而后随着车流量的纾解,最小旅行时间恢复到自由流状态下车辆正常旅行时间;路段畅通时,车辆最小旅行时间为自由流状态下路段旅行时间,路段拥堵时,车辆最小旅行时间多项式的拟合值符合自由流状态下车辆正常旅行时间;相比较流量在高峰时段维持不变的特性,旅行时间随着时间以及路段交通状态的变化会发生实时变化,当路段交通逐渐拥堵时,旅行时间逐渐增大到尖峰值,即路段拥堵最严重的时刻,随着路段拥堵的缓解,旅行时间逐渐减小并恢复到正常水平。
E、获取车辆延误时间;车辆延误时间包括车辆在红灯相位时车辆的停等时间以及车辆启动、停车所造成的延误时间;
车辆延误时间即为车辆旅行时间中去掉车辆路段正常旅行时间后车辆在交叉口以及路段的停等时间,车辆停等时间与交叉口信号周期、绿灯相位时间有直接联系。当车辆停等时间小于红灯相位时间,该路段实际排队车辆即为通过卡口车辆检测设备的流量,路段畅通;当车辆停等时间超过一个红灯相位时间,该路段实际排队车辆数超过上一个周期内通过停车线的车辆数,交通需求流量大于通过卡口车辆检测设备的流量,路段出现拥堵。第j个信号周期内最大的车辆延误时间ttwait_j的计算公式如式(Ⅷ)所示:
ttwait_j=ttmax_j-ttorg_j (Ⅷ)
式(Ⅷ)中,ttmax_j为第j个信号周期内周期最大旅行时间,ttorg_j为第j个信号周期内车辆经过该路段自由流状态下车辆周期旅行时间。
(4)估计实际交通需求流量:实际交通需求流量是指所述路段上的实际排队车辆以及通过路口的车流量;
车辆到达路径的终点时,如果路径的终点处于畅通状态,信号相位结束的时候基本不会滞留车辆造成排队,即信号周期内车辆停等时间不会超过红灯相位时间,信号周期最小旅行时间为自由流状态下路段正常旅行时间,实际交通需求流量即为交叉口的实际通过车流量,即实际通过卡口车辆检测设备的车流量,第j个信号周期内实际交通需求流量Qreal_j求取公式如式(Ⅰ)所示:
Qreal_j=Fj=(1+μ)Qj (Ⅰ)
式(Ⅰ)中,Fj是指在第j个信号周期内实际通过检测器的车流量;Qj是指在第j个信号周期内通过检测器检测到的车流量;μ为检测器的车辆捕获率以及识别率所造成的误差;不同类型的检测器的车辆捕获率以及识别率不同,并规范了公路智能监测记录系统的标准,其中车辆捕获率应达99%以上,白天车牌识别准确率应不小于90%,夜间车牌识别准确率应不小于80%。
现有卡口车辆检测设备的车辆捕获率以及识别率都不可能达到100%,考虑卡口车辆检测设备的车辆捕获率以及识别率误差,实际中通过卡口车辆检测设备的车流量会比实际通过卡口车辆检测设备的车流量偏小。
车辆到达路径的终点时,如果路径的终点处于拥堵状态,信号相位结束的时候排队车辆不能完全通过,造成部分车辆滞留时间较长,即周期车辆停等时间已超过红灯相位时间,车辆排队时间较长,排队长度增加,会造成溢流以及交叉口处于锁死状态等问题,此时卡口车辆检测设备就无法准确检测超过卡口车辆检测设备位置的车辆数,通过卡口车辆检测设备的车流量远小于交叉口实际交通需求流量,无法获得实际交通需求流量,第j个信号周期内实际交通需求流量Qreal_j求取公式如式(Ⅱ)所示:
ttwait_j=ttmax_j-ttorg_j,ttwait_j为第j个信号周期内车辆最大延误时间,ttmax_j为第j个信号周期内最大旅行时间估计值,ttorg_j为第j个信号周期内车辆经过该路段自由流状态下的正常旅行时间;
delay=tred+tdelay,delay为车辆周期最大延误时间对应的信号周期内因信号灯所造成的延误时间,包括周期红灯相位时间tred和车辆在道路交叉口的启动、停车延误tdelay;其中车辆启动和停车延误通过实际观测方法获得;
图6所示为早高峰时刻实际交通需求流量与通过卡口检测设备的车流量对比图,由图6可以看出通过卡口检测设备的车流量不会随着车辆路段旅行时间的增大而增大,反而在旅行时间的尖峰时刻(8:00:00)车流量出现明显的减少情况,这是因为高峰时刻车流量较大可以会超过路口的实际通行能力造成回堵以及溢流的状况,通行效率极低,通过车辆较少。实际交通需求流量会随着路段旅行时间的增大而逐渐增大,尖峰时刻实际交通需求流量也达到最大值,符合与路网实际情况。经实例验证,本实例中估计的实际需求流量符合路段实际交通流量。
本实施例通过应用卡口车辆信息数据,分析路段车流量以及路段旅行时间分布规律,准确把握车辆延误时间,计算实际交通需求流量。
Claims (2)
1.基于路段旅行时间的实际交通需求流量估计方法,其特征在于,包括步骤如下:
(1)统计通过检测器车流量:以信号周期为统计时间间隔,统计每个信号周期通过检测器的车流量;至少一台检测器位于路径的起点,一台检测器位于路径的终点,且路径的终点处设有信号灯,相邻两个道路交叉口分别作为一条路径的起点和终点;
(2)获取路段旅行时间、周期最大旅行时间、周期最小旅行时间、自由流状态下车辆周期旅行时间、车辆延误时间;
路段旅行时间是指车辆在一条路径上的旅行时间,相邻交叉口间的车辆旅行时间即为路段旅行时间;
周期最大旅行时间是指,以路径的终点的信号周期为统计时间间隔,统计每个信号周期内相邻两个道路交叉口之间的路段的最大车辆旅行时间;
周期最小旅行时间是指,以路径的终点的信号周期为统计时间间隔,统计每个信号周期内相邻两个道路交叉口之间的路段的最小车辆旅行时间;
自由流状态下车辆周期旅行时间是指:当所述路段处于畅通状态时,自由流状态下车辆周期旅行时间即该信号周期的周期最小旅行时间;当所述路段处于拥堵状态时,自由流状态下车辆周期旅行时间即车辆周期最小旅行时间的多项式拟合值;
车辆延误时间包括车辆在红灯相位时车辆的停等时间以及车辆启动、停车所造成的延误时间;
(3)估计实际交通需求流量:实际交通需求流量是指所述路段上的实际排队车辆以及通过路口的车流量;
车辆到达路径的终点时,如果路径的终点处于畅通状态,实际交通需求流量即为交叉口的实际通过车流量,即实际通过检测器的车流量,第j个信号周期内实际交通需求流量Qreal_j求取公式如式(Ⅰ)所示:
Qreal_j=Fj=(1+μ)Qj (Ⅰ)
式(Ⅰ)中,Fj是指在第j个信号周期内实际通过检测器的车流量;Qj是指在第j个信号周期内通过检测器检测到的车流量;μ为检测器的车辆捕获率以及识别率所造成的误差;
车辆到达路径的终点时,如果路径的终点处于拥堵状态,第j个信号周期内实际交通需求流量Qreal_j求取公式如式(Ⅱ)所示:
ttwait_j=ttmax_j-ttorg_j,ttwait_j为第j个信号周期内车辆最大延误时间,ttmax_j为第j个信号周期内最大旅行时间估计值,ttorg_j为第j个信号周期内车辆经过该路段自由流状态下的正常旅行时间;
delay=tred+tdelay,delay为车辆周期最大延误时间对应的信号周期内因信号灯所造成的延误时间,包括周期红灯相位时间tred和车辆在道路交叉口的启动、停车延误tdelay;
所述步骤(2)中,获取路段旅行时间,包括:
a、通过检测器检测车辆i经过路径的起点的时刻Stt_i;
b、通过检测器检测该车辆i经过路径的终点的时刻Ett_i;
c、用经过路径的终点的时刻Ett_i减去经过路径的起点的时刻Stt_i,即得到车辆i经过该路段旅行时间tti,计算公式如式(Ⅲ)所示;
tti=Ett_i-Stt_i (Ⅲ);
所述步骤(2)中,获取周期最大旅行时间,第j个信号周期内周期最大旅行时间ttmax_j的计算公式如式(Ⅳ)所示:
式(Ⅳ)中,kj为所述路段第j个信号周期内路径的终点绿灯相位开始时刻首先通过停车线的车辆数,1≤i≤kj,tti为该路段第j个信号周期内车辆i的路段旅行时间;
所述步骤(2)中,获取周期最小旅行时间,第j个信号周期内周期最小旅行时间ttmin_j的计算公式如式(V)所示:
式(V)中,mj为所述路段第j个信号周期内路径的终点绿灯相位结束时刻最后通过停车线的车辆数,1≤i≤mj,tti为该路段第j个信号周期内车辆i的路段旅行时间;
所述步骤(2)中,获取自由流状态下车辆周期旅行时间,包括:
当所述路段处于畅通状态时,自由流状态下车辆周期旅行时间ttorg_j即该信号周期的周期最小旅行时间ttmin_j,计算公式如式(Ⅵ)所示:
ttorg_j=ttmin_j (Ⅵ)
自由流状态下车辆周期旅行时间ttorg_j即车辆周期最小旅行时间的多项式拟合值,计算公式如式(Ⅶ)所示:
式(Ⅶ)中,ak为多项式拟合待定系数,ttmin_j为某一周期内最小旅行时间,p为多项式的拟合次数,q取1,2,…,p,当q=1时为线性拟合;通过使得的平方误差最小,计算多项式拟合待定系数,选取与现状数据点最接近的拟合曲线方程计算自由流状态下车辆周期旅行时间;
所述步骤(2)中,获取车辆延误时间,包括:
第j个信号周期内最大的车辆延误时间ttwait_j的计算公式如式(Ⅷ)所示:
ttwait_j=ttmax_j-ttorg_j (Ⅷ)
式(Ⅷ)中,ttmax_j为第j个信号周期内周期最大旅行时间,ttorg_j为第j个信号周期内车辆经过该路段自由流状态下车辆周期旅行时间。
2.根据权利要求1所述的基于路段旅行时间的实际交通需求流量估计方法,其特征在于,所述检测器为卡口检测设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710801194.9A CN109472985B (zh) | 2017-09-07 | 2017-09-07 | 基于路段旅行时间的实际交通需求流量估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710801194.9A CN109472985B (zh) | 2017-09-07 | 2017-09-07 | 基于路段旅行时间的实际交通需求流量估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109472985A CN109472985A (zh) | 2019-03-15 |
CN109472985B true CN109472985B (zh) | 2021-06-01 |
Family
ID=65657692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710801194.9A Active CN109472985B (zh) | 2017-09-07 | 2017-09-07 | 基于路段旅行时间的实际交通需求流量估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109472985B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110491140A (zh) * | 2019-08-08 | 2019-11-22 | 横琴善泊投资管理有限公司 | 一种停车场出入口车道占用检测及引导方法和系统 |
CN111899506B (zh) * | 2020-06-12 | 2023-04-11 | 上海应用技术大学 | 基于电子警察数据的交通溢流判别方法 |
CN114862011B (zh) * | 2022-04-29 | 2023-04-07 | 上海理工大学 | 一种考虑拥挤状态的道路断面分时段交通需求估计方法 |
CN115019525B (zh) * | 2022-06-20 | 2024-06-11 | 杭州海康威视数字技术股份有限公司 | 行程时间数据的筛选方法和交通信号控制方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102610094A (zh) * | 2012-04-05 | 2012-07-25 | 郭海锋 | 一种依据路段有效容量动态协调的交通控制方法 |
CN102622887A (zh) * | 2012-04-05 | 2012-08-01 | 郭海锋 | 一种路段有效容量的计算方法 |
CN102737510A (zh) * | 2012-07-03 | 2012-10-17 | 浙江大学 | 一种基于移动智能终端的实时交通路况采集方法 |
CN103500504A (zh) * | 2013-09-30 | 2014-01-08 | 同济大学 | 基于rfid数据的城市道路交通参数估计与路况判别方法及应用系统 |
CN103632212A (zh) * | 2013-12-11 | 2014-03-12 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测系统和方法 |
CN105590346A (zh) * | 2016-02-18 | 2016-05-18 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
CN105632177A (zh) * | 2016-01-21 | 2016-06-01 | 浙江大学 | 一种面向动态交通需求的交叉口运行效率变化率计算方法 |
CN105809958A (zh) * | 2016-03-29 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及系统 |
JP2017045131A (ja) * | 2015-08-24 | 2017-03-02 | 住友電工システムソリューション株式会社 | 交通情報提供装置、コンピュータプログラム及び交通情報提供方法 |
CN106571029A (zh) * | 2016-10-18 | 2017-04-19 | 青岛海信网络科技股份有限公司 | 一种车辆排队长度检测的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9159229B2 (en) * | 2013-06-18 | 2015-10-13 | Carnegie Mellon University, A Pennsylvania Non-Profit Corporation | Smart and scalable urban signal networks: methods and systems for adaptive traffic signal control |
-
2017
- 2017-09-07 CN CN201710801194.9A patent/CN109472985B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102610094A (zh) * | 2012-04-05 | 2012-07-25 | 郭海锋 | 一种依据路段有效容量动态协调的交通控制方法 |
CN102622887A (zh) * | 2012-04-05 | 2012-08-01 | 郭海锋 | 一种路段有效容量的计算方法 |
CN102737510A (zh) * | 2012-07-03 | 2012-10-17 | 浙江大学 | 一种基于移动智能终端的实时交通路况采集方法 |
CN103500504A (zh) * | 2013-09-30 | 2014-01-08 | 同济大学 | 基于rfid数据的城市道路交通参数估计与路况判别方法及应用系统 |
CN103632212A (zh) * | 2013-12-11 | 2014-03-12 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测系统和方法 |
JP2017045131A (ja) * | 2015-08-24 | 2017-03-02 | 住友電工システムソリューション株式会社 | 交通情報提供装置、コンピュータプログラム及び交通情報提供方法 |
CN105632177A (zh) * | 2016-01-21 | 2016-06-01 | 浙江大学 | 一种面向动态交通需求的交叉口运行效率变化率计算方法 |
CN105590346A (zh) * | 2016-02-18 | 2016-05-18 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
CN105809958A (zh) * | 2016-03-29 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及系统 |
CN106571029A (zh) * | 2016-10-18 | 2017-04-19 | 青岛海信网络科技股份有限公司 | 一种车辆排队长度检测的方法和装置 |
Non-Patent Citations (1)
Title |
---|
基于动态数据的城市道路交叉口交通需求估计研究;李攀;《中国优秀硕士学位论文全文数据库(电子期刊)工程科技Ⅱ辑》;20170315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109472985A (zh) | 2019-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109472985B (zh) | 基于路段旅行时间的实际交通需求流量估计方法 | |
CN107742418B (zh) | 一种城市快速路交通拥堵状态及堵点位置自动识别方法 | |
US8279086B2 (en) | Traffic flow monitoring for intersections with signal controls | |
CN114944062B (zh) | 一种隧道平行交通系统构建方法 | |
US20130054049A1 (en) | Driving assistance apparatus | |
CN108091137B (zh) | 一种信号灯控制方案的评价方法及装置 | |
CN113380036B (zh) | 一种基于电子警察数据的排队长度计算方法 | |
CN110956804B (zh) | 一种交叉口信号配时诊断方法 | |
JP2009140007A (ja) | 交通量算出装置、交通量算出プログラム及び交通量算出方法 | |
CN109754598B (zh) | 一种拥堵组团识别方法及系统 | |
CN104240505A (zh) | 一种解读道路交通视频图像信息的方法 | |
CN109147319B (zh) | 一种基于多交通数据指标的道路突发事件判别方法 | |
CN113763740A (zh) | 一种大数据交通导引系统及导引方法 | |
EP1816621A1 (en) | System for detecting vehicle traffic by means of an on-board co-operational telematic platform based upon extended floating car data | |
CN109598928B (zh) | 信号控制交叉口设置远引掉头的判定方法 | |
CN114202916B (zh) | 单点交叉口交通信号控制方法 | |
CN103956052A (zh) | 一种公路路况的检测方法和系统 | |
CN111383453B (zh) | 交通信号控制在线仿真和实时跟踪反馈系统及运行方法 | |
SE503515C2 (sv) | Detektering och prediktion av trafikstörningar | |
CN115410375A (zh) | 一种基于雷卡融合交通数据的融合交通指标集生成方法 | |
Lin et al. | Variations in queue discharge patterns and their implications in analysis of signalized intersections | |
CN116311913B (zh) | 一种基于ai视频智能分析的高速路段拥堵分析方法及系统 | |
Zheng et al. | Detecting cycle failures at signalized intersections using video image processing | |
CN109191850B (zh) | 一种基于时间窗的停车线检测器和排队检测器的数据融合方法 | |
CN112669600B (zh) | 一种利用汽车电子标识信息预测路口交通流的方法 |
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 |