CN109544919A - 基于可靠性模型的混行站点路段小汽车通行时间估计方法 - Google Patents
基于可靠性模型的混行站点路段小汽车通行时间估计方法 Download PDFInfo
- Publication number
- CN109544919A CN109544919A CN201811397569.0A CN201811397569A CN109544919A CN 109544919 A CN109544919 A CN 109544919A CN 201811397569 A CN201811397569 A CN 201811397569A CN 109544919 A CN109544919 A CN 109544919A
- Authority
- CN
- China
- Prior art keywords
- car
- section
- transit time
- bus
- reliability model
- 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
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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于可靠性模型的混行站点路段小汽车通行时间估计方法,包括步骤1:以每辆通过公交站路段的小汽车为一个观测样本,以小汽车到达公交站路段起点的时刻为关键词,将该时刻的前一段时间内的公交车、小汽车和非机动车的到达流量,匹配到观测样本中,构建小汽车路段通行时间样本数据;步骤2:构建混合交通环境下公交站点处小汽车路段通行时间可靠性模型,并估计可靠性模型的参数,最后得到小汽车路段通行时间可靠性模型的最终数学表达式;步骤3:在步骤2的基础上,获取实时的公交车到达流量、小汽车到达流量和非机动车到达流量,作为小汽车路段通行时间可靠性模型的输入变量,即可估计或预测当前到达的小汽车的路段通行时间。
Description
技术领域
本发明涉及一种基于可靠性模型的混行站点路段小汽车通行时间估计方法。
背景技术
我国城市支路和干道辅路,公交站点常设置在非机动车道上,公交车进出站时会与小汽车和非机动车产生冲突,公交车停靠在站点时非机动车会绕行至机动车道上行驶,从而导致小汽车、公交车和非机动车相互干扰,容易造成车辆通行时间的延误和路段通行能力的下降,进而影响到整个交通网络的畅通。城市支路和干道辅路公交站点处的机非混行现象在我国非常典型,这种混合交通环境下公交站点处三类车辆间的相互作用和干扰已成为我国城市交通的一大瓶颈,也是影响城市交通运行状态的关键因素之一。
国内外交通学者针对公交站点的设计和选址等问题进行了大量研究,并取得了许多有价值的成果,也有部分专利技术涉及到公交站点处的道路通行能力和车辆通行时间,但相关研究大多是针对机非分离道路的公交站点进行分析,研究的是单一的机动车车流(仅包含公交车和小汽车两类机动车),鲜有分析机非混行的公交站点。另外,现有的混合交通流研究大多侧重于分析基本路段和交叉口的机非混行问题,虽然部分专利技术涉及到路段或交叉口的通行时间,但鲜有分析公交站点处小汽车、公交车与非机动车三类车辆间的混行行为。
机非混行的公交站点在我国的城市道路中大量存在,也是城市交通的一大主要瓶颈。本发明基于可靠性思想,提出一种机非混行公交站处小汽车的路段通行时间估计方法。利用公交站点上游交叉口混合交通流量的历史数据,融合装有GPS的小汽车的通行时间数据;构建混行公交站点处小汽车的路段通行时间可靠性模型,并运用样本数据标定模型参数;基于拟合模型,估计小汽车在混行公交站点的路段通行时间。本发明可为混合交通环境下公交站点处车辆的延误估计、公交站点的合理规划与设计提供技术基础。
发明内容
针对目前混合交通环境下公交站点处车辆通行时间估计技术的不足,本发明提出了一种基于可靠性模型的混行站点路段小汽车通行时间估计方法。
为达到以上目的,本发明采取的技术方案是:
基于可靠性模型的混行站点路段小汽车通行时间估计方法,包括以下步骤:
步骤1:以每辆通过公交站路段的小汽车为一个观测样本,统计小汽车路段通行时间的历史数据和相应时间段内公交车、小汽车和非机动车的到达流量,以小汽车到达公交站路段起点的时刻为关键词,将该时刻的前一段时间内的公交车、小汽车和非机动车的到达流量,匹配到观测样本中,构建小汽车路段通行时间样本数据;
所述小汽车路段通行时间的历史数据包括:完全数据和删失数据;
步骤2:基于步骤1构建的小汽车路段通行时间样本数据,构建混合交通环境下公交站点处小汽车路段通行时间可靠性模型,并估计可靠性模型的参数,最后得到小汽车路段通行时间可靠性模型的最终数学表达式;
步骤2的具体步骤为:
步骤2.1、令T表示非负的随机变量,代表公交站点处小汽车的路段通行时间,T的密度函数为f(t),T的可靠性函数为R(t),T的风险率函数为h(t),可靠性函数R(t)和风险率函数h(t)的表达式分别如下所示:
其中,R(t)表示T小于或等于给定时间t的概率,即在时间t内小汽车通过公交站路段的概率;h(t)表示小汽车在时间t内没有通过公交站路段,在接下来的一个非常小的单位时间间隔Δt内或t+Δt时长内能通过公交站路段的概率;
步骤2.2、用x1,x2,x3分别表示小汽车的到达流量、公交车的到达流量和非机动车的到达流量,定义协变量X,令X={x1,x2,x3}′,假定T的对数logT与协变量X之间存在如下线性关系:
logT=βX+ε=β0+β1x1+β2x2+β3x3+ε (4)
式中,β={β0,β1,β2,β3}为系数向量;ε是随机误差项,ε的密度函数为g(ε,d),ε的生存函数为G(ε,d),d为模型的辅助参数;
步骤2.3、基于步骤2.2可知,T与协变量X和g的分布有关,当g服从不同分布时,可得到不同的小汽车路段通行时间可靠性模型;
步骤2.4、采用极大似然估计方法估计可靠性模型的参数,令b=(β,d)表示待估参数向量,设有n个小汽车路段通行时间样本,其中有r个完全数据,n-r个删失数据,分别为根据小汽车路段通行时间的可靠性模型得到T的概率密度函数为f(ti,b),其中i=1,2,…r,生存函数为其中i=r+1,r+2,…,n,则得到小汽车路段通行时间样本的对数似然函数,如式(7)所示:
分别对b中每个待估参数求偏导,并令其为0,构造方程组,运用Newton-Raphson迭代法便可得到待估参数向量b的估计值
步骤2.5、利用BIC作为小汽车路段通行时间可靠性模型优劣的衡量指标,BIC的定义如式(8)所示:
式中,为对数似然函数值,k为小汽车路段通行时间可靠性模型中待估参数的个数,n为总的样本数量,运用公式(8)计算各种小汽车路段通行时间可靠性模型的BIC值并比较,选取BIC值最小的小汽车路段通行时间可靠性模型,则得到小汽车路段通行时间可靠性模型的最终数学表达式;
步骤3:在步骤2的基础上,获取实时的小汽车到达流量、公交车到达流量和非机动车到达流量,把小汽车到达公交站路段起点时刻的前一时间段内的三类车辆的到达流量作为小汽车路段通行时间可靠性模型的输入变量,即可对当前到达的小汽车的路段通行时间进行估计或预测。
在上述方案的基础上,所述小汽车路段通行时间的历史数据通过装有GPS的小汽车获取。
在上述方案的基础上,所述公交车、小汽车和非机动车的到达流量通过公交站点上游交叉口的线圈或视频检测器获取,针对大客车和大货车,在统计到达流量时,按1.5辆小汽车进行折算;针对双节车厢的公交车,在统计到达流量时,按1.5辆普通单节公交车折算。
在上述方案的基础上,当g服从对数正态分布时,则T的密度函数f(t)和可靠性函数R(t)分别如式(5)和(6)所示:
其中,Φ(z)为标准正态累积分布函数,其中σ为模型的辅助参数,其中μ=βX。
本发明的有益技术效果如下:
本发明提出的混合交通环境下公交站点处小汽车路段通行时间估计方法,基于可靠性模型,可解决由于严重拥堵导致通行时间数据存在删失的问题,模型估计结果更为准确;模型构建和通行时间估计时,仅需利用上游交叉口线圈检测的交通流量历史数据和装有GPS小汽车的路段通行时间历史数据,需要的输入数据少,数据获取和处理简单,模型方法的可操作性和转移性强。
附图说明
本发明有如下附图:
图1不同数据处理方法下小汽车路段通行时间估计的比较图。
图2给定环境下估计得到的小汽车路段通行时间可靠性函数的曲线图。
具体实施方式
以下结合附图1-2对本发明作进一步详细说明。
步骤1:采集混合交通流量和小汽车路段通行时间等历史数据。
公交站点处的路段,可规定为公交站点前后两个交叉口之间的路段为公交站点处的观测路段。也可根据实际道路情况,例如,规定为公交站点中心位置的前100米和后100米总长度200米的路段为观测路段。
混合交通流量数据可利用公交站点上游交叉口的线圈或视频检测器获取,包括直行、左转和右转等各个方向进入观测路段的车辆。统计给定时间段(例如每1分钟或3分钟)进入公交站点路段的小汽车流量、公交车流量和非机动车流量的历史数据。针对大客车和大货车,统计流量时需要进行折算,可按1.5辆小汽车进行折算;针对双节车厢的公交车也需要进行折算,可按1.5辆普通(单节)公交车折算。
小汽车路段通行时间历史数据可利用装有GPS的小汽车获取其通过观测路段的起点时刻值和终点时刻值,两个时间的差值即为小汽车的路段通行时间,以秒为单位。没有装有GPS的小汽车不需要获取其通行时间历史数据。
步骤2:融合多源数据,构建小汽车路段通行时间的样本数据。
以每辆通过公交站路段的小汽车为一个观测样本,统计每辆小汽车经过路段的通行时间。同时,针对给定时间段(例如,每1分钟或3分钟),统计各时间段内的公交车、小汽车和非机动车的到达流量。以每辆小汽车为样本,以小汽车到达路段起点的时刻为关键词,将该时刻的前一时间段内三类车辆的到达流量数据,匹配到该小汽车样本中,构建小汽车路段通行时间的样本数据。
小汽车路段通行时间样本数据包括小汽车在公交站点处路段通行时间,小汽车到达路段时前一时间段内公交车、小汽车和非机动车的到达流量。
所述小汽车的路段通行时间指每辆进入公交站点路段的小汽车,其在经过公交站点路段的通行时间,以秒为单位。
公交站点是我国城市道路的一大拥堵源之一,尤其是在混合交通环境下,公交站点处的小汽车、公交车和非机动车三类车辆间的相互作用和干扰容易造成交通拥堵和出现车辆排队现象。当排队车辆延长到观测路段的起点甚至更长时,会出现小汽车还没有到达观测路段起点时就出现排队延误的问题,这一延误是由于公交站点车辆混行造成的,故需要计算在公交站点处小汽车的路段通行时间内。当拥堵排队超过观测路段起点时,小汽车的路段通行时间就出现了数据删失现象。公交站点处小汽车的路段通行时间变量包括完全数据和删失数据两种。能确切知道的时间数据为完全数据,当没有出现排队超过观测路段起点时,基于GPS获取的小汽车路段通行时间数据就为完全数据。删失数据是由于某种原因未能观察到所感兴趣的事件发生,而得到的数据;当出现排队超过观测路段起点时,基于GPS获取的小汽车路段通行时间数据就为删失数据,此时实际的通行延误时间会大于观测到的延误时间,不考虑数据的删失情况会低估混合交通对小汽车通行时间的影响。用Status表示通行时间是否为删失,若为删失数据Status=0,否则Status=1。
步骤3:构建混行站点处小汽车通行时间的可靠性模型,并估计模型参数。
由于小汽车路段通行时间样本中包含删失数据,传统的估计方法不能很好处理这类问题,为此,本发明引入可靠性模型来处理这一问题。
令T为非负的随机变量,代表公交站点处小汽车的路段通行时间,T的密度函数为f(t),路段通行时间可靠性模型中两个关键概念,通行时间T的可靠性函数R(t)和风险率函数h(t)分别为:
公交站点处小汽车路段通行时间T的可靠性函数R(t),指的是通行时间小于或等于给定时间t的概率,即在给定时间t内能通过路段的概率。风险率函数h(t)表示小汽车在时间t内没有通过观测路段,在接下来的一个非常小的单位时间间隔Δt内或t+Δt时长内能通过观测路段的(条件)概率。
混行公交站点处小汽车路段通行时间的整体分布可以运用非参数乘积极限法来估计。设小汽车路段通行时间数据共有n个(包括删失数据和完全数据),将这些数据从小到大排成t(1)≤t(2)≤…≤t(n),则可通过式(3)估计小汽车路段通行时间的可靠性。
其中,R(t(i))表示小汽车的路段通行时间不超过的t(i)概率,亦即小汽车在t(i)时间内能通过路段的概率;j*表示路段通行时间t(j)<t(i)的所有j的集合,但要求t(j)是完全数据;1≤i≤n,1≤j≤n。l(j)是指路段通行时间为t(j)的样本数量,m(j)是指所有路段通行时间不小于t(j)的样本数量。
混合交通环境下公交站点处小汽车路段通行时间会受到小汽车流量、公交车流量和非机动车流量等因素的影响,因此,针对小汽车路段通行时间的估计,还需要进一步引入能考虑这些影响因素的可靠性模型。通行时间的影响因素(包括小汽车的到达流量、公交车到达流量和非机动车的到达流量,分别用x1,x2,x3表示)定义为协变量X的矢量。可靠性模型假定小汽车通行时间T的对数(logT)与其协变量之间存在如下线性关系:
logT=βX+ε=β0+β1x1+β2x2+β3x3+ε (4)
式中,X={x1,x2,x3}′为协变量;β={β0,β1,β2,β3}为系数向量;ε是随机误差项,ε的密度函数为g(ε,d),随机误差项ε的生存函数为G(ε,d),d为模型辅助参数,这表明通行时间T与协变量X和g的分布有关。ε的密度函数g的分布决定了回归模型的形式,g服从不同分布时,可推导出T的各种参数分布可靠性模型。四种常用的参数分布(指数分布、威布尔分布、对数正态分布和对数logistic分布)用来拟合可靠性模型。以对数正态分布为例,基于对数正态分布的小汽车路段通行时间的密度函数f(t)和可靠性函数R(t)分别如式(5)和(6)所示:
式中,Φ(z)为标准正态累积分布函数,σ为模型的辅助参数,令μ=βX可引入协变量X对T的影响。
小汽车路段通行时间T的参数分布可靠性模型,一般采用极大似然估计方法来估计模型的未知参数。令b=(β,d)为其待估参数向量,给定上述任一参数模型,便可知通行时间T的概率密度函数f(ti,b)和生存函数的具体形式。设n个通行时间样本中,有r个是完全数据,n-r个为删失数据,分别为则通行时间样本的联合概率密度函数的对数(即对数似然函数),如式(7)所示:
让LL(b)分别对b中每个待估参数求偏导,并令其为0,构造方程组,运用Newton-Raphson迭代法便可得到待估参数向量b的估计值
常用参数分布可靠性模型有多种,需要从中选择出最优的参数分布模型。使用BIC(Baysian information criterion,贝叶斯信息度量)作为参数分布风险模型优劣的衡量指标。BIC的定义如式(8)所示:
其中,为通行时间可靠性模型的对数似然函数值,k为通行时间模型中待估参数的个数,n为总的观察样本数量。运用公式(8)计算各种参数分布可靠性模型的BIC值并比较,BIC值越小表明该模型的拟合效果更好。选取BIC最小的参数分布可靠性模型,得到小汽车路段通行时间可靠性模型的最终数学表达式。
步骤4:获取实时数据,估计当前到达小汽车的路段通行时间。
基于上一步得到的小汽车路段通行时间可靠性模型,包含路段通行时间的最优参数分布的数学形式,对通行时间有显著影响的小汽车到达流量、公交车到达流量和非机动车到达流量等协变量及其模型参数的估计值获取实时的混合交通流量数据作为模型的输入变量数据,即可估计或预测当前到达小汽车的路段通行时间。
以对数正态分布为例,根据公式(6)可知小汽车路段通行时间对数正态分布的可靠性函数如式(9)所示:
利用样本数据对模型进行拟合,可得到模型回归系数β的估计值以及模型辅助参数的估计值同时,针对具体某一个到达路段起点的小汽车,从交叉口线圏检测器获取其到达时刻之前的时间段内(比如前1分钟)小汽车流量、公交车流量和非机动车流量作为协变量X={x1,x2,x3}′的输入值,代入公式(9)。此时,只有t是未知的,任意给定t值,则可计算得到当前到达的小汽车在t时间内能通过路段的可靠性概率R(t),据此可得到小汽车通过路段的可靠性函数曲线。取R(t)为0.5,即计算其可靠性函数的中位数值,此时式(9)变为仅包含t的一元方程,求出t的值,即可作为小汽车路段通行时间的点估计值。
利用前述给出的混合交通环境下公交站点处小汽车路段通行时间的估计方法,通过实际数据,给出具体的案例说明以及案例结果展示。
1案例数据介绍
本发明所使用的数据来自北京市海淀区学院路快速路辅路的“蓟门桥北”公交站点。公交站点处路段有两条车道,一条非机动车道和一条机动车道,车道宽度均为3.75米,路段总宽度为7.5米。公交站点设置在非机动车道上,公交车停靠在非机动车道时,非机动车骑行者大多会绕行至机动车道上骑行通过,容易造成小汽车、公交车和非机动车三者之间的相互冲突与干扰,从而降低路段通行能力,增大小汽车的通行时间。对这一公交站点的混合交通进行调查,取公交站点前后共75米的路段为观测路段,用摄像机获取录像数据,再通过回放录像获取每辆小汽车的路段通行时间、小汽车到达时是否存在排队现象,以及每1分钟时间段的小汽车、公交车和非机动车的到达流量等数据。最终得到781辆小汽车的路段通行时间样本数据。
在使用的案例数据中,小汽车路段通行时间样本数据文件的基本格式如表1所示示意,各变量的定义解释如下:
第1列No代表每个小汽车通行时间样本的编号。
第2列Duration代表小汽车的路段通行时间,单位为:秒。
第3列Status代表该通行时间数据的删失属性,0代表删失数据,1代表完全数据。当小汽车到达观测路段起点时就出现减速排队现象则为删失数据,否则为完全数据。
第4列Qcar代表小汽车到达观测路段起点时所处的1分钟时间段内的小汽车流量,单位为:辆。
第5列Qbus代表小汽车到达观测路段起点时所处的1分钟时间段内的公交车流量,单位为:辆。
第6列Qnon代表小汽车到达观测路段起点时所处的1分钟时间段内的非机动车流量,单位为:辆。
表1样本数据文件的基本格式
2基于案例数据的模型结果展示
将数据处理为表1所示的格式,根据案例数据,运用公式(3)给出的非参数方法估计小汽车路段通行时间可靠性,可以得到路段通行时间的可靠性曲线如图1所示。图中实线为考虑删失数据的情况下,小汽车路段通行时间的可靠性曲线,表示的是在给定时间下,驾驶员能通过路段的概率。图1给出了针对删失数据进行不同处理方式时,路段通行时间可靠性函数曲线的差异。从图中可以看出三条曲线存在显著差异,不考虑删失数据的曲线上升最快,其次是将删失数据作为完全数据处理的情况。说明两种对删失数据的不当处理方式都会显著高估小汽车的路段通行时间可靠性。
采用案例数据拟合公交站点处小汽车的路段通行时间可靠性模型(式(6))。表2为基于案例数据运用常见的四种参数模型,拟合考虑协变量影响下的小汽车路段通行时间可靠性的结果。
表2考虑协变量影响下的小汽车路段通行时间的拟合结果
首先,从表2的最后一行可知,对数正态分布可靠性模型对应的BIC值在四种参数模型中是最小的,说明采用对数正态分布分布模型拟合的效果最优。
其次,表2还给出了显著影响变量的系数估计值以及模型辅助参数的估计值从模型的协变量结果中可以看出,小汽车流量、公交车流量和非机动车流量都对小汽车路段通行时间有显著影响,从回归系数的大小可知,公交车流量的影响比小汽车和非机动车流量的影响更大。
3小汽车路段通行时间的估计或预测
根据公式(9)和表2拟合结果,混行公交站点处小汽车路段通行时间的可靠性模型的数学表达式如式(10)所示:
针对具体某一个到达路段起点的小汽车,从交叉口线圏检测器获取其到达之前的时间段内(前1分钟的)小汽车流量、公交车流量和非机动车流量作为协变量X={x1,x2,x3}′的输入值,代入公式(10)。例如,检测得到小汽车流量、公交车流量和非机动车流量分别为10辆、2辆和20辆,代入公式(10),可得:
根据式(11),便可得到当前混合交通环境下,该小汽车的路段通行时间可靠性曲线如图2所示。其中位数值为18.197秒,可作为该小汽车在当前交通环境下路段通行时间的点估计值。
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保护范围。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (4)
1.一种基于可靠性模型的混行站点路段小汽车通行时间估计方法,其特征在于,包括以下步骤:
步骤1:以每辆通过公交站路段的小汽车为一个观测样本,统计小汽车路段通行时间的历史数据和相应时间段内公交车、小汽车和非机动车的到达流量,以小汽车到达公交站路段起点的时刻为关键词,将该时刻的前一段时间内的公交车、小汽车和非机动车的到达流量,匹配到观测样本中,构建小汽车路段通行时间样本数据;
所述小汽车路段通行时间的历史数据包括:完全数据和删失数据;
步骤2:基于步骤1构建的小汽车路段通行时间样本数据,构建混合交通环境下公交站点处小汽车路段通行时间可靠性模型,并估计可靠性模型的参数,最后得到小汽车路段通行时间可靠性模型的最终数学表达式;
步骤2的具体步骤为:
步骤2.1、令T表示非负的随机变量,代表公交站点处小汽车的路段通行时间,T的密度函数为f(t),T的可靠性函数为R(t),T的风险率函数为h(t),可靠性函数R(t)和风险率函数h(t)的表达式分别如下所示:
其中,R(t)表示T小于或等于给定时间t的概率,即在时间t内小汽车通过公交站路段的概率;h(t)表示小汽车在时间t内没有通过公交站路段,在接下来的一个非常小的单位时间间隔Δt内或t+Δt时长内能通过公交站路段的概率;
步骤2.2、用x1,x2,x3分别表示小汽车的到达流量、公交车的到达流量和非机动车的到达流量,定义协变量X,令X={x1,x2,x3}′,假定T的对数logT与协变量X之间存在如下线性关系:
logT=βX+ε=β0+β1x1+β2x2+β3x3+ε (4)
式中,β={β0,β1,β2,β3}为系数向量;ε是随机误差项,ε的密度函数为g(ε,d),ε的生存函数为G(ε,d),d为模型的辅助参数;
步骤2.3、基于步骤2.2可知,T与协变量X和g的分布有关,当g服从不同分布时,可得到不同的小汽车路段通行时间可靠性模型;
步骤2.4、采用极大似然估计方法估计可靠性模型的参数,令b=(β,d)表示待估参数向量,设有n个小汽车路段通行时间样本,其中有r个完全数据,n-r个删失数据,分别为t1,t2,…,tr,根据小汽车路段通行时间的可靠性模型得到T的概率密度函数为f(ti,b),其中i=1,2,…r,T的生存函数为其中i=r+1,r+2,…,n,则可得到小汽车路段通行时间样本的对数似然函数,如式(7)所示:
分别对b中每个待估参数求偏导,并令其为0,构造方程组,运用Newton-Raphson迭代法便可得到待估参数向量b的估计值
步骤2.5、利用BIC作为小汽车路段通行时间可靠性模型优劣的衡量指标,BIC的定义如式(8)所示:
式中,为对数似然函数值,k为小汽车路段通行时间可靠性模型中待估参数的个数,n为总的样本数量,运用公式(8)计算各种小汽车路段通行时间可靠性模型的BIC值并比较,选取BIC值最小的小汽车路段通行时间可靠性模型,则得到小汽车路段通行时间可靠性模型的最终数学表达式;
步骤3:在步骤2的基础上,获取实时的小汽车到达流量、公交车到达流量和非机动车到达流量,把小汽车到达公交站路段起点时刻的前一时间段内的三类车辆的到达流量作为小汽车路段通行时间可靠性模型的输入变量,即可对当前到达的小汽车的路段通行时间进行估计或预测。
2.如权利要求1所述的基于可靠性模型的混行站点路段小汽车通行时间估计方法,其特征在于,所述小汽车路段通行时间的历史数据通过装有GPS的小汽车获取。
3.如权利要求1所述的基于可靠性模型的混行站点路段小汽车通行时间估计方法,其特征在于,所述公交车、小汽车和非机动车的到达流量通过公交站点上游交叉口的线圈或视频检测器获取,针对大客车和大货车,在统计到达流量时,按1.5辆小汽车进行折算;针对双节车厢的公交车,在统计到达流量时,按1.5辆普通单节公交车折算。
4.如权利要求1所述的基于可靠性模型的混行站点路段小汽车通行时间估计方法,其特征在于,当g服从对数正态分布时,则T的密度函数f(t)和可靠性函数R(t)分别如式(5)和(6)所示:
其中,Φ(z)为标准正态累积分布函数,其中σ为模型的辅助参数,其中μ=βX。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811397569.0A CN109544919B (zh) | 2018-11-22 | 2018-11-22 | 基于可靠性模型的混行站点路段小汽车通行时间估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811397569.0A CN109544919B (zh) | 2018-11-22 | 2018-11-22 | 基于可靠性模型的混行站点路段小汽车通行时间估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109544919A true CN109544919A (zh) | 2019-03-29 |
CN109544919B CN109544919B (zh) | 2020-11-10 |
Family
ID=65849160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811397569.0A Expired - Fee Related CN109544919B (zh) | 2018-11-22 | 2018-11-22 | 基于可靠性模型的混行站点路段小汽车通行时间估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544919B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008044066A1 (de) * | 2007-11-27 | 2009-05-28 | Denso Corp., Kariya-shi | Steuervorrichtung einer Verbrennungskraftmaschine |
US8887008B2 (en) * | 2012-04-24 | 2014-11-11 | International Business Machines Corporation | Maintenance planning and failure prediction from data observed within a time window |
CN105678104A (zh) * | 2016-04-06 | 2016-06-15 | 电子科技大学成都研究院 | 一种基于Cox回归模型的老人健康数据分析方法 |
CN106845768A (zh) * | 2016-12-16 | 2017-06-13 | 东南大学 | 基于生存分析参数分布的公交车旅行时间模型构建方法 |
CN108417029A (zh) * | 2018-02-11 | 2018-08-17 | 东南大学 | 基于自适应多任务深度学习的城市路网行程时间估计方法 |
-
2018
- 2018-11-22 CN CN201811397569.0A patent/CN109544919B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008044066A1 (de) * | 2007-11-27 | 2009-05-28 | Denso Corp., Kariya-shi | Steuervorrichtung einer Verbrennungskraftmaschine |
US8887008B2 (en) * | 2012-04-24 | 2014-11-11 | International Business Machines Corporation | Maintenance planning and failure prediction from data observed within a time window |
CN105678104A (zh) * | 2016-04-06 | 2016-06-15 | 电子科技大学成都研究院 | 一种基于Cox回归模型的老人健康数据分析方法 |
CN106845768A (zh) * | 2016-12-16 | 2017-06-13 | 东南大学 | 基于生存分析参数分布的公交车旅行时间模型构建方法 |
CN108417029A (zh) * | 2018-02-11 | 2018-08-17 | 东南大学 | 基于自适应多任务深度学习的城市路网行程时间估计方法 |
Non-Patent Citations (4)
Title |
---|
YANG XIAOBAO等: "Survival analysis of car travel time near a bus stop in developing countries", 《SCIENCE CHINA-TECHNOLOGICAL SCIENCES》 * |
李明: "基于风险模型的城市居民购物出发时间分布规律分析", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
赵奇伟等: "所有权结构、隶属关系与国有企业生存分析", 《经济评论》 * |
郑元: "无信号控制公路平面交叉口支路左转驾驶行为研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109544919B (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Brilon | Intersections without Traffic Signals II: Proceedings of an International Workshop, 18–19 July, 1991 in Bochum, Germany | |
CN106781490A (zh) | 城市道路交通运行分析评价系统 | |
CN107331169A (zh) | 饱和状态下城市道路交叉口信号配时方案评价方法及系统 | |
CN106097717B (zh) | 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法 | |
Barmpounakis et al. | Vision-based multivariate statistical modeling for powered two-wheelers maneuverability during overtaking in urban arterials | |
CN110222912A (zh) | 基于时间依赖模型的铁路行程路线规划方法及装置 | |
CN107657377A (zh) | 一种基于断点回归的公交专用道政策评价方法 | |
CN106251628B (zh) | 一种确定机动车的交通出行量的方法及装置 | |
Rahman et al. | Comparison of saturation flow rate at signalized intersections in Yokohama and Dhaka | |
CN108364464A (zh) | 一种基于概率模型的公交车辆旅行时间建模方法 | |
CN106709591A (zh) | 一种车联网环境下不确定需求的协同拼车路线选择方法 | |
Zhao et al. | Evaluation of interactions between buses and bicycles at stops | |
Herty et al. | A novel model for intersections of vehicular traffic flow | |
Hisham et al. | Development of a modified bus stop capacity model | |
CN109544919A (zh) | 基于可靠性模型的混行站点路段小汽车通行时间估计方法 | |
CN106570265A (zh) | 城市大运量轨道交通与接驳方式间换乘惩罚系数测定方法 | |
CN103226666B (zh) | 复杂功能互通立体交叉系统功效评价方法 | |
CN112149059A (zh) | 构建城市间客流分担模型的方法和装置 | |
Johansson | Estimating interaction delay in bicycle traffic from point measurements | |
Miller | On the Australian road capacity guide | |
Viti et al. | Dynamic modeling of VISSIM's critical gap parameter at unsignalized intersections | |
Ugwuanyi et al. | Assessment Of Traffic Flow On Enugu Highways Using Speed Density Regression Coefficient | |
Nazia | Modelling signal design parameters under heterogeneous traffic condition | |
Ahmad et al. | Selection of roundabout entry capacity model for Indian condition |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201110 Termination date: 20211122 |