CN109830104B - 一种基于宏观基本图的交叉口控制效率的分析方法 - Google Patents
一种基于宏观基本图的交叉口控制效率的分析方法 Download PDFInfo
- Publication number
- CN109830104B CN109830104B CN201910168503.2A CN201910168503A CN109830104B CN 109830104 B CN109830104 B CN 109830104B CN 201910168503 A CN201910168503 A CN 201910168503A CN 109830104 B CN109830104 B CN 109830104B
- Authority
- CN
- China
- Prior art keywords
- intersection
- traffic
- scheme
- signal control
- traffic flow
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于宏观基本图的交叉口控制效率的分析方法,首先通过在背景路网中输入交叉口的渠化方式和组织方案、不同比例的交通流结构以及由不同比例交通流结构所对应的交通控制技术模型而计算得出的不同交叉口信号控制方案,建立了宏观基本图的数学模型,然后通过采集交通流的参数数据,绘制出宏观基本图并进行曲线拟合,进而初步判定交通控制技术的优劣,再通过通行效率的恒定公式进一步比较不同交叉口信号控制方案中交通流的平均速度,实现对交通控制技术的优劣进行精准甄选。所述方法计算简单,可对不同交通流结构下交通控制技术的交叉口效率进行精准评价,满足了对发展有效甄别交通控制技术优劣性的实际需求。
Description
技术领域
本发明涉及交通控制与管理技术领域,特别地,涉及一种基于宏观基本图的交叉口控制效率的分析方法,通过分析宏观基本图实现对交通控制技术优劣的甄别。
背景技术
随着社会经济的快速发展以及人员物质流动性的不断增强,城市交通拥堵问题近年来越发突出,在我国很多的大中型城市里,单程平均通勤时间均超过30min。为了缓解城市道路交通的拥堵情况,越来越多的交通控制技术被研究出来并被投入使用,同时,对于进一步发展用于分析这些交通控制技术的科学有效性的方法的需求也越来越迫切。
城市道路的交通情况主要由通行效率决定,而道路交叉口则是城市道路交通网络的通行瓶颈,由于车辆在经过交叉口时经常需要排队等候,进而产生时间延误,因此,尽可能采用更高效的交通控制技术以提高道路交叉口(群)的通行效率(即一定时间内车辆通过交叉口(群)的能力),对于缓解整个路网的交通状况具有积极意义。近年来,相关研究的方向从单点信号控制逐步转向干线交通流控制,许多交通领域的学者开始将控制理论和智能算法结合起来对城市交通信号控制的优化问题进行研究。
具体来说,关于通行效率的研究方向大体上可分为两大类:
一类是根据力学做功规律构建出通行效率模型进而计算交叉口的通行效率。如德国学者Werner Brilo将力学的做功原理与交通流运动相结合,依照“越重的物体以越快的速度在力的方向上运动,则外力做功效率越高”的规律构建出了通行效率模型,他提出越多的车辆在单位时间内以越快的速度运行,则其通行效率越高。由于该模型并不完全适用于我国的交通现状,因此,我国研究学者沈家军在此理论基础上结合了我国城市道路平面交叉口的特点,将交通流冲突强度的概念加入通行效率模型中,并发展出多冲突点的通行效率模型,用于评判不同控制方式下的冲突点个数以及通行效率。但是由于沈家军学者未从宏观角度来评估整个交叉口(群)的通行效率,据此得出的评判结果可靠性不高。
而另一类则是采用指标体系对交叉口的通行效率进行评价。研究者们从不同的角度定义了多种类型的交通效率模型,分别以流量、速度、延误、通行能力、停车次数、排队长度、服务水平等参数中的一项或多项作为度量指标,建立了交叉口交通流的通行效率的评价模型,用于比较不同交通控制技术的通行效率。
目前,我国最常用的交叉口通行效率评价方法便是定性分析法,采用流量、速度、延误等参数作为度量指标,建立了交叉口交通流的通行效率的评价模型,进而比较不同交通控制技术的控制效率。该方法能从多角度对交叉口的通行效率进行考量,但对于控制效果相近的一些交通控制技术则无法很好地进行判别分析。
发明内容
本发明的目的在于提供一种可实现对交通控制技术的优劣性精准甄别的分析方法,以解决背景技术中提出的问题。
为实现上述目的,本发明提供了一种基于宏观基本图的交叉口控制效率的分析方法,包括如下步骤:
步骤1)确定范围,包括交叉口的数量、间距、车道数辆以及渠化方式;
步骤2)利用经验数据整理出交通控制技术所需的高峰小时交通量作为标准流量结构;
步骤3)确定交叉口的组织方案c,在不同比例的交通流结构fi(i=1,2,……,m)下,对应n种交通控制技术模型计算得出不同的交叉口信号控制方案sj(i=1,2,……,n);
步骤4)利用仿真软件构造路网,依次输入不同比例的交通流结构fi(i=1,2,……,m)以及对应的交叉口信号控制方案sj(i=1,2,……,n),设置好仿真时间和各项仿真参数,选择交通流的流量、密度和速度作为评价参数对路段进行评价,通过采集交通流的平均流量、平均速度和平均密度的参数数据,绘制出宏观基本图并进行曲线拟合;
步骤5)根据公式v1-v2>β*v1、v2-v1>β*v2和|v1-v2|<β*max{v1,v2},通过比较不同交叉口信号控制方案sj(i=1,2,……,n)下的交通流的平均速度,判断各交叉口信号控制方案间的优劣关系;
步骤6)根据步骤5)中的结果比较n种交通控制技术对交叉口交通效率的影响,甄选出最优方案、次优方案等。
优选地,所述交叉口信号控制方案包括相位方案、相位差、信号周期和绿灯时间。
优选地,在所述步骤4)中,采集参数数据的时间间隔包含一个完整的信号周期。
优选地,所述步骤5)中对于不同交叉口信号控制方案下的交通流平均速度的比较过程具体如下:
给定(0,1)上的值β作为测度,当满足公式v1-v2>β*v1时,则称在测度β、交通流结构f和组织方案c下,交叉口信号控制方案s2优于方案s1,记为相应地,当满足公式v2-v1>β*v2时,交叉口信号控制方案s1优于方案s2,记为当满足公式|v1-v2|<β*max{v1,v2}时,交叉口信号控制方案s1等效于方案s2,记为
优选地,交通流的参数数据通过连续观测一段时间后利用积分函数求得,公式如下:
其中,a、b分别为观测时间段的上下边界,f(v,t)、f(q,t)、f(k,t)分别代表在t时刻速度、流量和密度值为v、q、k的概率密度。
优选地,在所述步骤4)中,为了确保足够的数据样本量,设置的仿真时间大于3小时。
优选地,在所述步骤4)中,为了消除初始条件带来的影响,观测的前3~10分钟不采集交通流的参数数据。
优选地,所述仿真软件为VISSIM。
本发明提供的技术方案至少具有如下有益效果:
本发明依据交叉口组织方案、相位方案和交叉口信号控制方案与交叉口交通流结构和路网车辆平均速度之间多对多的映射关系,提出了宏观效率定义并在定义中引入测度β,通过比较不同交叉口信号控制方案下得到的路交通流平均速度,从宏观角度评判交通控制技术的控制效果,实现对最佳方案的精准甄选。
本发明利用仿真获得的交通流数据绘制出宏观基本图并进行数据拟合,直观地展现出路网的固有属性以及不同交通控制技术对路网实际通行能力产生的通行效果,既可通过宏观基本图的形状初步判定交通控制技术的优劣,又可通过通行效率的恒定计算公式从宏观角度对交叉口的通行效率进行定量分析,且计算过程简单。
本发明通过仿真软件构造出背景路网且只保持信号参数一个变量,既确保各类交通控制技术在同一环境下实现,还解决了对整个路网进行检测的成本过大问题,在仿真软件中可方便设置各项参数。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图,其中:
图1是本发明中关于宏观基本图的理论示意图,其中,图1a)为速度-密度关系图,图1b)为流量-密度关系图,图1c)为速度-流量关系图;
图2是本发明实施例1中构造的路网的示意图;
图3是本发明实施例1关于绿波信号控制方案中0.5倍流量结构下的各交叉口相位方案示意图,其中,图3a)为交叉口1的相位方案示意图,图3b)为交叉口2的相位方案示意图,图3c)为交叉口3的相位方案示意图,图3d)为交叉口4的相位方案示意图;
图4是本发明实施例1关于绿波信号控制方案中0.7倍流量结构下的各交叉口相位方案示意图,其中,图4a)为交叉口1的相位方案示意图,图4b)为交叉口2的相位方案示意图,图4c)为交叉口3的相位方案示意图,图4d)为交叉口4的相位方案示意图;
图5是本发明实施例1关于绿波信号控制方案中0.8倍流量结构下的各交叉口相位方案示意图,其中,图5a)为交叉口1的相位方案示意图,图5b)为交叉口2的相位方案示意图,图5c)为交叉口3的相位方案示意图,图5d)为交叉口4的相位方案示意图;
图6是本发明实施例1关于绿波信号控制方案中0.9倍流量结构下的各交叉口相位方案示意图,其中,图6a)为交叉口1的相位方案示意图,图6b)为交叉口2的相位方案示意图,图6c)为交叉口3的相位方案示意图,图6d)为交叉口4的相位方案示意图;
图7是本发明实施例1关于绿波信号控制方案中1.0倍流量结构下的各交叉口相位方案示意图,其中,图7a)为交叉口1的相位方案示意图,图7b)为交叉口2的相位方案示意图,图7c)为交叉口3的相位方案示意图,图7d)为交叉口4的相位方案示意图;
图8是本发明实施例1关于绿波信号控制方案中1.1倍流量结构下的各交叉口相位方案示意图,其中,图8a)为交叉口1的相位方案示意图,图8b)为交叉口2的相位方案示意图,图8c)为交叉口3的相位方案示意图,图8d)为交叉口4的相位方案示意图;
图9是本发明实施例1关于绿波信号控制方案中1.2倍流量结构下的各交叉口相位方案示意图,其中,图9a)为交叉口1的相位方案示意图,图9b)为交叉口2的相位方案示意图,图9c)为交叉口3的相位方案示意图,图9d)为交叉口4的相位方案示意图;
图10是本发明实施例1关于Webster最优信号控制方案的各交叉口相位方案示意图;
图11是本发明实施例1关于固定值信号控制方案的各交叉口相位方案示意图;
图12是本发明实施例1中关于三种交通控制技术的密度-速度关系的总的宏观基本图;
图13是本发明实施例1中关于三种交通控制技术的密度-流量关系的总的宏观基本图;
图14是本发明实施例1中关于三种交通控制技术的流量-速度关系的总的宏观基本图;
图15是本发明实施例1中关于三种交通控制技术在0.5倍流量结构下的流量-速度关系的宏观基本图;
图16是本发明实施例1中关于三种交通控制技术在0.9倍流量结构下的流量-速度关系的宏观基本图;
图17是本发明实施例1中关于三种交通控制技术在1.0倍流量结构下的流量-速度关系的宏观基本图;
图18是本发明实施例1中关于三种交通控制技术在1.2倍流量结构下的流量-速度关系的宏观基本图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1:
为了展示如何利用宏观基本图实现对不同交通控制技术的通行效率的精准甄别,在本实施例中选择了一条东西走向且包含四个平面交叉口的干线,并对该干线分别采用随机定值、单点最优周期和干线双向绿波三种不同的交通控制方式,选用的仿真软件为VISSIM。
1、确定范围。如图2所示,选取一条东西走向且包含四个平面交叉口的干线,设定从西至东为下行、从东至西为上行,设计车道宽度均为3.5m、车速为50km/h,无公交专用道且交叉口进口道均未设有展宽。同时,为了防止流量加大时车辆溢出交叉口并导致不同流向的车辆间发生冲突,在VISSIM软件中设置了交叉口冲突让行规则,优先规则为直行车辆优先其他方向车辆。
2、流量输入。设计该城市路网中的交通流大部分为小汽车,宏观基本图模型中涉及到的三个主要交通流参数:流量、密度、速度均以辆(veh)为单位,不涉及不同车辆的换算。干线交叉口的属性以及标准流量结构(即1.0倍流量)如表1所示,j=1,2,3,4分别表示干线上第1、2、3、4个交叉口,i=1,2,…,12分别表示交叉口的12个不同流向的交通流,为了模拟城市交通随着交通需求的增加而出现的自由流、限制流和拥挤流三种完整的交通状态,在仿真中逐渐增加输入路网的车辆数,因此交通流量依次按照标准流量的0.5倍、0.7倍、0.8倍、0.9倍、1.0倍、1.1倍和1.2倍的比例输入。
表1干线交叉口的属性以及标准流量结构
3、信号参数设置。总共设计三个场景方案,每个场景方案下交叉口的红绿灯信号控制方案均有不同,具体如下:
①绿波信号控制方案:根据相位-信号方案综合优化模型(IOM-TPSS)得到每组流量结构对应的最优相位-绿波控制参数方案,参见表2~8和图3~9。
表2 0.5倍比例交通流对应的绿波信号控制参数表
最佳周期下各交叉口之间的相位差分别为26、29和49,且对应0.5倍流量结构下的各交叉口相位方案示意图参见图3。
表3 0.7倍比例交通流对应的绿波信号控制参数表
最佳周期下各交叉口之间的相位差分别为36、26和49,且对应0.7倍流量结构下的各交叉口相位方案示意图参见图4。
表4 0.8倍比例交通流对应的绿波信号控制参数表
最佳周期下各交叉口之间的相位差分别为36、26和49,且对应0.8倍流量结构下的各交叉口相位方案示意图参见图5。
表5 0.9倍比例交通流对应的绿波信号控制参数表
最佳周期下各交叉口之间的相位差分别为31、30和44,且对应0.9倍流量结构下的各交叉口相位方案示意图参见图6。
表6 1.0倍比例交通流对应的绿波信号控制参数表
最佳周期下各交叉口之间的相位差分别为35、25和49,且对应1.0倍流量结构下的各交叉口相位方案示意图参见图7。
表7 1.1倍比例交通流对应的绿波信号控制参数表
最佳周期下各交叉口之间的相位差分别为37、25和49,且对应1.1倍流量结构下的各交叉口相位方案示意图参见图8。
表8 1.2倍比例交通流对应的绿波信号控制参数表
最佳周期下各交叉口之间的相位差分别为29、4和84,且对应1.2倍流量结构下的各交叉口相位方案示意图参见图9。
②Webster最优信号控制方案:用Webster方法计算出每组流量结构下各个交叉口的最优信号控制方案。参见表9~15和图10。
表9 0.5倍比例交通流对应的单点最优信号控制参数表
交叉口1 | 交叉口2 | 交叉口3 | 交叉口4 | |
周期 | 72 | 72 | 72 | 72 |
东西直行 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 | |
东西左转 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 | |
南北直行 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 | |
南北左转 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 |
表10 0.7倍比例交通流对应的单点最优信号控制参数表
交叉口1 | 交叉口2 | 交叉口3 | 交叉口4 | |
周期 | 72 | 72 | 74 | 74 |
东西直行 | 15 | 15 | 17 | 17 |
3 | 3 | 3 | 3 | |
东西左转 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 | |
南北直行 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 | |
南北左转 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 |
表11 0.8倍比例交通流对应的单点最优信号控制参数表
交叉口1 | 交叉口2 | 交叉口3 | 交叉口4 | |
周期 | 74 | 76 | 78 | 79 |
东西直行 | 17 | 19 | 21 | 22 |
3 | 3 | 3 | 3 | |
东西左转 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 | |
南北直行 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 | |
南北左转 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 |
表12 0.9倍比例交通流对应的单点最优信号控制参数表
表13 1.0倍比例交通流对应的单点最优信号控制参数表
交叉口1 | 交叉口2 | 交叉口3 | 交叉口4 | |
周期 | 87 | 92 | 97 | 97 |
东西直行 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 | |
东西左转 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 | |
南北直行 | 29 | 31 | 37 | 37 |
3 | 3 | 3 | 3 | |
南北左转 | 16 | 19 | 18 | 18 |
3 | 3 | 3 | 3 |
表14 1.1倍比例交通流对应的单点最优信号控制参数表
交叉口1 | 交叉口2 | 交叉口3 | 交叉口4 | |
周期 | 102 | 111 | 124 | 123 |
东西直行 | 39 | 43 | 53 | 53 |
3 | 3 | 3 | 3 | |
东西左转 | 21 | 26 | 27 | 26 |
3 | 3 | 3 | 3 | |
南北直行 | 15 | 15 | 15 | 15 |
3 | 3 | 3 | 3 | |
南北左转 | 15 | 15 | 17 | 17 |
3 | 3 | 3 | 3 |
表15 1.2倍比例交通流对应的单点最优信号控制参数表
交叉口1 | 交叉口2 | 交叉口3 | 交叉口4 | |
周期 | 134 | 161 | 160 | 161 |
东西直行 | 57 | 67 | 71 | 73 |
3 | 3 | 3 | 3 | |
东西左转 | 31 | 40 | 36 | 36 |
3 | 3 | 3 | 3 | |
南北直行 | 16 | 19 | 18 | 17 |
3 | 3 | 3 | 3 | |
南北左转 | 18 | 23 | 23 | 23 |
3 | 3 | 3 | 3 |
③固定值信号控制方案:任意设置一组固定信号参数。参见表16和图11。
表16 固定值信号控制参数表
交叉口1 | 交叉口2 | 交叉口3 | 交叉口4 | |
周期 | 94 | 94 | 94 | 94 |
东西直行 | 18 | 18 | 18 | 18 |
3 | 3 | 3 | 3 | |
东西左转 | 18 | 18 | 18 | 18 |
3 | 3 | 3 | 3 | |
南北直行 | 30 | 30 | 30 | 30 |
3 | 3 | 3 | 3 | |
南北左转 | 16 | 16 | 16 | 16 |
3 | 3 | 3 | 3 |
4、绘制宏观基本图。每个场景仿真18000s,且为了尽可能消除由初始条件带来的影响,前360s内不采集数据;由于交叉口采用信号控制方式,采集数据的时间间隔应该包含一个完整的信号周期,因此设置为180s,选中所有路段设置路段评价,检测所有车辆类型的平均密度、平均速度与流量。
5、甄别控制效果。根据三种场景方案仿真得到不同流量结构下关于三种信号控制方案的各项数据,据此绘制交通流宏观基本图的散点图,对数据进行拟合,然后分析不同流量结构下对应的三种信号控制方案的路网宏观基本图,通过通行效率的恒定计算公式比较各交通流对应的平均速度,进而研究信号控制方案对交叉口的控制效率。
基于VISSIM仿真软件得到的大量数据绘制而成宏观基本图如图12~18所示。交通流的速度与密度间呈线性关系,与图1a)中呈现出的线性关系一致;交通流的速度和流量间呈现出一种二次函数关系,在图上表现为一条抛物线,与图1c)中的不拥挤部分趋势相同;交通流的流量-密度关系与速度-流量关系的曲线相似,但相比之下,前者呈现出的是更加完整的一条抛物线。
根据宏观效率的定义可分别计算出在0.5倍、0.9倍、1.0倍和1.2倍流量结构下的三种信号控制方案对应得到的路网交叉口(群)的通行效率,β值取3%,如表17所示。
表17 三种信号控制方案的通行效率的甄别结果表
从上表可知,根据通行效率的恒定公式v1-v2>β*v1、v2-v1>β*v2和|v1-v2|<β*max{v1,v2},在1.0倍流量结构条件下,绿波信号控制方案、Webster最优信号控制方案以及固定值信号控制方案下的平均交通流速度的期望vi(i=1,2,3)分别为38.3607、36.4075、34.5692,且据此计算得到和即Webster最优信号控制方案优于固定值信号控制方案,且绿波信号控制方案优于Webster最优信号控制方案。
当交通流处于自由流状态(即车流量较小)时,三种方案对应的交叉口(群)通行效率区别不大;当流量逐渐加大至接近路网的正常承载能力即1.0倍流量结构时,绿波信号控制方案对应的交叉口(群)通行效率最高,Webster最优信号控制方案与固定值信号控制方案的交叉口(群)通行效率相等,或者Webster最优信号控制方案优于固定值信号控制方案;流量继续加大,当交通流处于拥挤流状态(即车流量较大)时,绿波信号控制方案对应的交叉口(群)通行效率依然最高,Webster最优信号控制方案与固定值信号控制方案等效,但相比于另外两种方案,绿波信号控制方案的优势不再明显。
上述结果说明:当车流量较小时,不同交通控制技术对提高通行效率的作用区别不大,整体来看,绿波信号控制方案的效果最好,适用于各类交通状况,但随着车流量的增大,绿波信号控制方案的优势逐渐减弱。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利保护范围,对于本领域的技术人员来说,本发明可以有各种更改和变化。在本发明的精神和原则之内,凡是利用本发明说明书及附图内容所作的任何改进或等同替换,直接或间接运用在其它相关的技术领域,均应包括在本发明的专利保护范围内。
Claims (8)
1.一种基于宏观基本图的交叉口控制效率的分析方法,其特征在于,包括如下步骤:
步骤1)确定范围,包括交叉口的数量、间距、车道数辆以及渠化方式;
步骤2)利用经验数据整理出交通控制技术所需的高峰小时交通量作为标准流量结构;
步骤3)确定交叉口的组织方案c,在不同比例的交通流结构fi下,对应n种交通控制技术模型计算得出不同的交叉口信号控制方案sj,其中,i=1,2,……,m,j=1,2,……,n;
步骤4)利用仿真软件构造路网,依次输入不同比例的交通流结构fi以及对应的交叉口信号控制方案sj,设置好仿真时间和各项仿真参数,选择交通流的流量、密度和速度作为评价参数对路段进行评价,通过采集交通流的平均流量、平均速度和平均密度的参数数据,绘制出宏观基本图并进行曲线拟合;
步骤5)根据公式v1-v2>β*v1、v2-v1>β*v2和|v1-v2|<β*max{v1,v2},其中,v1和v2表示不同交叉口信号控制方案对应的交通流的平均速度,β为测度且β∈(0,1),通过比较不同交叉口信号控制方案sj下的交通流的平均速度,判断各交叉口信号控制方案间的优劣关系;
步骤6)根据步骤5)中的结果比较n种交通控制技术对交叉口交通效率的影响,甄选出最优方案和次优方案。
2.根据权利要求1所述的一种基于宏观基本图的交叉口控制效率的分析方法,其特征在于,所述交叉口信号控制方案包括相位方案、相位差、信号周期和绿灯时间。
3.根据权利要求2所述的一种基于宏观基本图的交叉口控制效率的分析方法,其特征在于,在所述步骤4)中,采集参数数据的时间间隔包含一个完整的信号周期。
4.根据权利要求3所述的一种基于宏观基本图的交叉口控制效率的分析方法,其特征在于,所述步骤5)中对于不同交叉口信号控制方案下的交通流平均速度的比较过程具体如下:
6.根据权利要求2~5中任意一项所述的一种基于宏观基本图的交叉口控制效率的分析方法,其特征在于,在所述步骤4)中,为了确保足够的数据样本量,设置的仿真时间大于3小时。
7.根据权利要求6所述的一种基于宏观基本图的交叉口控制效率的分析方法,其特征在于,在所述步骤4)中,为了消除初始条件带来的影响,观测的前3~10分钟不采集交通流的参数数据。
8.根据权利要求7所述的一种基于宏观基本图的交叉口控制效率的分析方法,其特征在于,所述仿真软件为VISSIM。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168503.2A CN109830104B (zh) | 2019-03-06 | 2019-03-06 | 一种基于宏观基本图的交叉口控制效率的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168503.2A CN109830104B (zh) | 2019-03-06 | 2019-03-06 | 一种基于宏观基本图的交叉口控制效率的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109830104A CN109830104A (zh) | 2019-05-31 |
CN109830104B true CN109830104B (zh) | 2021-06-29 |
Family
ID=66865509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910168503.2A Active CN109830104B (zh) | 2019-03-06 | 2019-03-06 | 一种基于宏观基本图的交叉口控制效率的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109830104B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327432B (zh) * | 2021-05-20 | 2022-05-17 | 南通大学 | 一种基于车道划分和流量分布的交叉口相位方案优选方法 |
CN115331426B (zh) * | 2022-06-30 | 2023-12-01 | 同济大学 | 一种城市片区道路网交通承载力计算方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8103435B2 (en) * | 2007-07-27 | 2012-01-24 | George Mason Intellectual Properties, Inc. | Near real-time traffic routing |
WO2013119725A1 (en) * | 2012-02-08 | 2013-08-15 | Iteris, Inc. | Vehicular observation and detection apparatus |
CN105894814B (zh) * | 2016-05-11 | 2018-05-08 | 浙江大学 | 考虑环境效益的多种交通管控措施联合优化方法及系统 |
CN107564277A (zh) * | 2017-07-17 | 2018-01-09 | 北京交通发展研究院 | 新能源小汽车发展对交通拥堵分析方法 |
-
2019
- 2019-03-06 CN CN201910168503.2A patent/CN109830104B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109830104A (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
CN108364467B (zh) | 一种基于改进型决策树算法的路况信息预测方法 | |
CN102592447B (zh) | 一种基于fcm的区域路网的道路交通状态判别方法 | |
CN104821080B (zh) | 基于宏观城市交通流的智能车辆行驶速度及时间预测方法 | |
CN100456335C (zh) | 基于交通流相特征的城市交通系统状态可视化评价方法及其应用 | |
CN105825669B (zh) | 一种识别城市快速路交通瓶颈的系统和方法 | |
CN104766476B (zh) | 一种路段以及路网区域交通状态指数的计算方法 | |
CN103996289B (zh) | 一种流量-速度匹配模型及行程时间预测方法及系统 | |
CN106205156A (zh) | 一种针对部分车道车流突变的交叉口自愈合控制方法 | |
CN108765944B (zh) | 基于多重路径集的最优交通流预测方法与拥挤收费方法 | |
CN109830104B (zh) | 一种基于宏观基本图的交叉口控制效率的分析方法 | |
CN108961758A (zh) | 一种基于梯度提升决策树的路口展宽车道探测方法 | |
Zhang et al. | Optimal Signal Timing Method of Intersections Based on Bus Priority | |
CN103106790B (zh) | 一种基于秩和比法的平面交叉口设计变权综合评价方法 | |
CN104821086B (zh) | 一种定位大规模交通网络中低效路段组合的方法 | |
CN105869398A (zh) | 一种基于K-means聚类的道路交通畅通度判断方法 | |
CN105743783A (zh) | 基于bs-ts和自编码网络的车联网网络节点筛选方法及其通达性路由机制 | |
Prontri et al. | Traffic signal control using fuzzy logic | |
CN108399742A (zh) | 一种基于交通饱和度的交通态势热图可视化方法 | |
CN116628074A (zh) | 融合多源异构大数据的交通拥堵智能可视分析与预警方法 | |
CN116229707A (zh) | 一种基于拥堵回溯的控制方法及系统 | |
Chatterjee et al. | Level of service criteria on Indian multilane highways based on platoon characteristics | |
CN109308559A (zh) | 一种基于蒙特卡罗算法的封闭式小区道路开放评价方法 | |
Hawas et al. | A fuzzy logic modeling approach to assess the speed limit suitability in urban street networks | |
Ciont et al. | Comparative studies regarding traffic flow improvement scenarios using software modelling and real measured data |
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 |