CN109584581A - 基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法 - Google Patents

基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法 Download PDF

Info

Publication number
CN109584581A
CN109584581A CN201910021705.4A CN201910021705A CN109584581A CN 109584581 A CN109584581 A CN 109584581A CN 201910021705 A CN201910021705 A CN 201910021705A CN 109584581 A CN109584581 A CN 109584581A
Authority
CN
China
Prior art keywords
frequency
discrete
amplitude
sequence
wave crest
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.)
Pending
Application number
CN201910021705.4A
Other languages
English (en)
Inventor
李永强
童帅
冯远静
杨程赞
陆超伦
阮嘉烽
陈宇
陈浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201910021705.4A priority Critical patent/CN109584581A/zh
Publication of CN109584581A publication Critical patent/CN109584581A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

一种基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法，包括以下步骤：1)从数据库中获取某个路口某个车道某一整天的过车数据2)对该车道当天一整天的过车数据进行快速傅里叶变换；3)找到频域离散幅频序列Y(f)的波峰所对应的频率；4)找出信号机实际执行周期所对应频率，转化成周期。与现有技术相比，本发明提出了基于快速傅里叶变换的交叉口信号灯周期确定方法，将时域的问题转换到频域以达到准确计算信号灯周期的目的。

Description

基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估 计方法
技术领域
本发明涉及交通控制工程、大数据分析应用领域，尤其涉及基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法。
背景技术
由于交叉口停车线处电警卡口视频检测设备的普及，可以获取海量停车线处的过车数据。停车线处的过车数据可以反映交叉口处间断交通流的特性。间断交通流是由于信号控制将交叉口的使用权在时间轴上间断的分配给相互冲突的车流而形成。信号周期是定时信号控制的关键参数。实际运行过程中，定时信号控制是否按照预先设定的周期来执行，是保证信号控制正常运行的关键。本发明利用停车线处的过车数据，确定定时信号控制实际执行时的信号周期，从而监测信号周期是否按照预先设定的值正确执行。由于定时信号控制按周期执行，因此过车数据序列具有一定的周期特征。本发明首先利用傅里叶变换将时域中的过车数据序列变换到频域，然后通过对频域数据的分析估计实际执行的信号周期。目前还没有解决此类问题的相关方法。
发明内容
为了克服现有城市路口定时信号控制未按照预先设定的周期执行的问题，需要估计实际执行的信号周期以验证定时信号控制是否按照预先设定的周期来执行，本发明提出一种基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法，将时域的问题转换到频域，能够准确计算信号灯周期；以便验证定时信号控制是否按照预先设定的周期来执行，保证信号控制正常运行。
本发明解决其技术问题所采用的技术方案是：
一种基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法，包括以下步骤：
1)从数据库中获取某个路口某个车道某一整天的过车数据{pn}，其中，pn为第n辆车通过停车线的时刻，单位为一天中的整数秒，n＝1,2,......N；N为该交叉口该车道该天通过停车线的总车辆数；
2)对该车道当天一整天的过车数据进行快速傅里叶变换，过程如下：
2.1)将过车数据{pn}转换成以时间为标号的0/1序列y(t)，时间标号t的单位为一天中的整数秒，计算采用如下公式：
2.2)利用快速傅里叶变换近似计算时域离散序列y(t)的频域离散幅频序列Y(f)。在进行快速傅里叶变换时，离散序列的长度选择为217＝131072，并且时域离散序列y(t)的采样频率设置为1Hz，因此频域离散幅频序列Y(f)的频域标号f的采样间隔可以精确到0.00001Hz；
3)分析频域离散幅频序列Y(f)的波峰，估计一整天中所有周期值 其中M为该天的分段配时中使用的不同周期的个数，过程如下：
3.1)找到频域离散幅频序列Y(f)的波峰所对应的频率{f′i},i＝1,2,…,n，n为实际找到的波峰个数；因为在频域离散幅频序列Y(f)中的绝大多数频率f所对应的幅值Y(f)不为0且数值较小，若将这部分频率中的波峰作为之后分析的样本会严重影响实际估计周期的准确性，因此首先要设定一个阈值K，筛选出频域离散幅频序列Y(f)中大于K的那部分离散散幅频序列Y′(f)；经过多次试验，阈值K选取为频域离散幅频序列Y(f)中从大到小排序第300个点所对应的值；筛选后的离散散幅频序列Y′(f)为锯齿波，往往在一个波峰临近位置还有数个波峰，因此寻找波峰时依据该点峰值大于前后相邻5个频率所对应的Y(f)来代表这个区域的波峰；即{f′i}中的频率f满足以下公式：
Y(f-i)<Y(f),i＝1,2,3,4,5
Y(f)>Y(f+i),i＝1,2,3,4,5
3.2)分析{f′i}，找出信号灯实际执行周期所对应的频率{f″i},i＝1,2,…,n，n为实际执行的周期个数，因为过车数据序列具有一定的周期特征，在经过傅里叶变换以后，原周期对应频率以及其2倍频率位置都会在频域上出现波峰，利用这个特征对{f′i}中的频率进行筛选，若{f′i}中存在一个频率fa和另一个频率fb，其中fa近似等于fb的2倍，误差±0.5％，则认为fa是实际执行的周期所对应的频率。即fa和fb之间满足以下关系：
1.995<fa/fb<2.005
找到所有满足条件的频率fa得到实际执行周期所对应的频率{f″i},i＝1,2,…,n。将其中的频率取倒数即是估计得到的实际执行的周期{Ci},i＝1,2,…,M。
本发明的有益效果为：将时域的问题转换到频域，能够准确计算信号灯周期；以便验证定时信号控制是否按照预先设定的周期来执行，保证信号控制正常运行。
附图说明
图1是基于快速傅里叶变换的交叉口信号灯周期确定方法的逻辑流程图；
图2是台州某一实际路口示意图；
图3是某路口全天过车数据快速傅里叶变换结果图；
图4是某路口一个时段内(0:00:00-0:20:00)车流数据快速傅里叶变换结果图；
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图4，一种基于快速傅里叶变换的交叉口信号灯周期确定方法，包括以下步骤：
1)以台州某一实际路口为例，如图2所示。从数据库中获取某个路口某个车道某一整天的过车数据{pn}，其中，pn为第n辆车通过停车线的时刻，单位为一天中的整数秒，例如：13:00:00转换为一天中的秒为13*3600＝46800秒；n＝1,2,......N；N为该交叉口该车道该天通过停车线的总车辆数。
2)对该车道当天一整天的过车数据进行快速傅里叶变换，过程如下：
2.1)将过车数据{pn}转换成以时间为标号的0/1序列y(t)，时间标号t的单位为一天中的整数秒，计算采用如下公式：
2.2)利用快速傅里叶变换近似计算时域离散序列y(t)的频域离散幅频序列Y(f)，在进行快速傅里叶变换时，离散序列的长度选择为217＝131072，并且时域离散序列y(t)的采样频率设置为1Hz，因此频域离散幅频序列Y(f)的频域标号f的采样间隔可以精确到0.00001Hz，该路口全天过车数据快速傅里叶变换结果如图3所示；
3)分析频域离散幅频序列Y(f)的波峰，估计一整天中所有周期值 其中M为该天的分段配时中使用的不同周期的个数，过程如下：
3.1)找到频域离散幅频序列Y(f)的波峰所对应的频率{f′i},i＝1,2,…,n，n为实际找到的波峰个数。因为在频域离散幅频序列Y(f)中的绝大多数频率f所对应的幅值Y(f)不为0且数值较小，若将这部分频率中的波峰作为之后分析的样本会严重影响实际估计周期的准确性，因此首先要设定一个阈值K，筛选出频域离散幅频序列Y(f)中大于K的那部分离散散幅频序列Y′(f)。经过多次试验，阈值K选取为频域离散幅频序列Y(f)中从大到小排序第300个点所对应的值。筛选后的离散散幅频序列Y′(f)为锯齿波，往往在一个波峰临近位置还有数个波峰，因此寻找波峰时依据该点峰值大于前后相邻5个频率所对应的Y(f)来代表这个区域的波峰。即{f′i}中的频率f满足以下公式：
Y(f-i)<Y(f),i＝1,2,3,4,5
Y(f)>Y(f+i),i＝1,2,3,4,5
3.2)分析{f′i}，找出信号灯实际执行周期所对应的频率{f″i},i＝1,2,…,n，n为实际执行的周期个数。因为过车数据序列具有一定的周期特征，在经过傅里叶变换以后，原周期对应频率以及其2倍频率位置都会在频域上出现波峰，利用这个特征对{f′i}中的频率进行筛选。若{f′i}中存在一个频率fa和另一个频率fb，其中fa近似等于fb的2倍，误差±0.5％，则认为fa是实际执行的周期所对应的频率。即fa和fb之间满足以下关系：
1.995<fa/fb<2.005
找到所有满足条件的频率fa得到实际执行周期所对应的频率{f″i},i＝1,2,…,n。将其中的频率取倒数即是估计得到的实际执行的周期
以台州市某一实际路口区域为实施例，运用以上方法得到了当天该路口的实际信号灯执行周期分别为77秒、85秒、107秒、113秒、127秒和141秒，如图4所示。
以上阐述的是本发明给出的一个实施例表现出来的优良效果，显然本发明不仅适合上述实施例，在不偏离本发明基本精神及不超出本发明实质内容所涉及内容的前提下可对其做种种变化加以实施。

Claims (1)

1.一种基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法，其特征在于，所述方法包括以下步骤：
1)从数据库中获取某个路口某个车道某一整天的过车数据{pn}，其中，pn为第n辆车通过停车线的时刻，单位为一天中的整数秒，n＝1，2，......N；N为该交叉口该车道该天通过停车线的总车辆数；
2)对该车道当天一整天的过车数据进行快速傅里叶变换，过程如下：
2.1)将过车数据{pn}转换成以时间为标号的0/1序列y(t)，时间标号t的单位为一天中的整数秒，计算采用如下公式：
2.2)利用快速傅里叶变换近似计算时域离散序列y(t)的频域离散幅频序列Y(f)，在进行快速傅里叶变换时，离散序列的长度选择为217＝131072，并且时域离散序列y(t)的采样频率设置为1Hz，因此频域离散幅频序列Y(f)的频域标号f的采样间隔可以精确到0.00001Hz；
3)分析频域离散幅频序列Y(f)的波峰，估计一整天中所有周期值 其中M为该天的分段配时中使用的不同周期的个数，过程如下：
3.1)找到频域离散幅频序列Y(f)的波峰所对应的频率{f′i}，i＝1，2，…，n，n为实际找到的波峰个数，因为在频域离散幅频序列Y(f)中的绝大多数频率f所对应的幅值Y(f)不为0且数值较小，若将这部分频率中的波峰作为之后分析的样本会严重影响实际估计周期的准确性，因此首先要设定一个阈值K，筛选出频域离散幅频序列Y(f)中大于K的那部分离散散幅频序列Y′(f)；经过多次试验，阈值K选取为频域离散幅频序列Y(f)中从大到小排序第300个点所对应的值；筛选后的离散散幅频序列Y′(f)为锯齿波，往往在一个波峰临近位置还有数个波峰，因此寻找波峰时依据该点峰值大于前后相邻5个频率所对应的Y(f)来代表这个区域的波峰，即{f′i}中的频率f满足以下公式：
Y(f-i)＜Y(f)，i＝1，2，3，4，5
Y(f)＞Y(f+i)，i＝1，2，3，4，5
3.2)分析{f′i}，找出信号灯实际执行周期所对应的频率{f″i}，i＝1，2，…，n，n为实际执行的周期个数，因为过车数据序列具有一定的周期特征，在经过傅里叶变换以后，原周期对应频率以及其2倍频率位置都会在频域上出现波峰，利用这个特征对{f′i}中的频率进行筛选；若{f′i}中存在一个频率fa和另一个频率fb，其中fa近似等于fb的2倍，误差±0.5％，则认为fa是实际执行的周期所对应的频率，即fa和fb之间满足以下关系：
1.995＜fa/fb＜2.005
找到所有满足条件的频率fa得到实际执行周期所对应的频率{f″i}，i＝1，2，…，n，将其中的频率取倒数即是估计得到的实际执行的周期
CN201910021705.4A 2019-01-10 2019-01-10 基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法 Pending CN109584581A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910021705.4A CN109584581A (zh) 2019-01-10 2019-01-10 基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910021705.4A CN109584581A (zh) 2019-01-10 2019-01-10 基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法

Publications (1)

Publication Number Publication Date
CN109584581A true CN109584581A (zh) 2019-04-05

Family

ID=65916069

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910021705.4A Pending CN109584581A (zh) 2019-01-10 2019-01-10 基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法

Country Status (1)

Country Link
CN (1) CN109584581A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4106024C1 (zh) * 1991-02-26 1992-04-02 Siemens Ag, 8000 Muenchen, De
CN101477618A (zh) * 2008-12-18 2009-07-08 上海交通大学 视频中行人步态周期自动提取方法
CN106798552A (zh) * 2015-11-25 2017-06-06 德克萨斯仪器股份有限公司 具有状态序列优化的心率估计设备
CN107993435A (zh) * 2017-11-16 2018-05-04 浙江浙大中控信息技术有限公司 交叉口信号周期及周期流量的估计方法
CN107991660A (zh) * 2017-11-29 2018-05-04 南京理工大学 基于pwvd分布的中间弹道弹丸速度测量方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4106024C1 (zh) * 1991-02-26 1992-04-02 Siemens Ag, 8000 Muenchen, De
CN101477618A (zh) * 2008-12-18 2009-07-08 上海交通大学 视频中行人步态周期自动提取方法
CN106798552A (zh) * 2015-11-25 2017-06-06 德克萨斯仪器股份有限公司 具有状态序列优化的心率估计设备
CN107993435A (zh) * 2017-11-16 2018-05-04 浙江浙大中控信息技术有限公司 交叉口信号周期及周期流量的估计方法
CN107991660A (zh) * 2017-11-29 2018-05-04 南京理工大学 基于pwvd分布的中间弹道弹丸速度测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张锐等: "信号与系统课程中对周期信号频谱分析的理解", 《高等函授学报（自然科学版）》 *

Similar Documents

Publication Publication Date Title
Dong et al. Improved robust vehicle detection and identification based on single magnetic sensor
Zheng et al. Applications of wavelet transform for analysis of freeway traffic: Bottlenecks, transient traffic, and traffic oscillations
CN108492562B (zh) 基于定点检测与电警数据融合的交叉口车辆轨迹重构方法
CN107204115B (zh) 干线车流停车率估计方法
CN109682561A (zh) 一种自动检测高速铁路桥梁自由振动响应以识别模态的方法
CN101783073B (zh) 基于双截面检测器的信号交叉口延误测定方法
CN108091137B (zh) 一种信号灯控制方案的评价方法及装置
Kidando et al. Evaluating traffic congestion using the traffic occupancy and speed distribution relationship: An application of Bayesian Dirichlet process mixtures of generalized linear model
CN106372619A (zh) 一种车辆鲁棒检测及分车道到达累计曲线估计方法
CN109584581A (zh) 基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法
CN108629982A (zh) 一种基于旅行时间分布规律的路段车辆数估计方法
Wang et al. Traffic signal phases' estimation by floating car data
CN112116813B (zh) 状态识别模型建立方法、道路交通状态识别方法及装置
CN107993435B (zh) 交叉口信号周期及周期流量的估计方法
De Angelis et al. A simple magnetic signature vehicles detection and classification system for smart cities
CN101281208A (zh) 异性纤维分拣系统中用视频测速的棉流速度在线估计方法
Zheng et al. Video-based measurement and data analysis of traffic flow on urban expressways
CN110459067B (zh) 基于车辆个体的交通绿路信号协调控制评价方法及系统
CN108288379A (zh) 一种交通数据的处理方法及装置
Robinson et al. Overtaking rule method for the cleaning of matched license-plate data
CN104155636A (zh) 一种基于恒虚警目标检测的优化方法
CN116052417A (zh) 一种行驶预测方法、装置、设备和可读存储介质
Brunauer et al. Deriving driver-centric travel information by mining delay patterns from single GPS trajectories
KR101035122B1 (ko) 차종 시퀀스 패턴을 이용한 구간통행시간 계측방법
Sassella et al. On queue length estimation in urban traffic intersections via inductive loops

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190405