CN110070720B - 提高交叉口占道施工区通行能力模型拟合度的计算方法 - Google Patents
提高交叉口占道施工区通行能力模型拟合度的计算方法 Download PDFInfo
- Publication number
- CN110070720B CN110070720B CN201910402519.5A CN201910402519A CN110070720B CN 110070720 B CN110070720 B CN 110070720B CN 201910402519 A CN201910402519 A CN 201910402519A CN 110070720 B CN110070720 B CN 110070720B
- Authority
- CN
- China
- Prior art keywords
- intersection
- influence
- factors
- traffic capacity
- factor
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 85
- 238000004364 calculation method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 22
- 229920006395 saturated elastomer Polymers 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 230000003993 interaction Effects 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 10
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000000556 factor analysis Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims 2
- 238000007619 statistical method Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种提高交叉口占道施工区通行能力模型拟合度的计算方法。具体步骤为:交叉口占道施工区交通信息数据采集;确定交叉口占道施工区通行能力影响因素;通行能力影响因素分类;独立影响因素分析:相关性分析;交叉影响因素分析:多因素方差分析;建立考虑交叉因素影响的交叉口占道施工区饱和流率模型;计算交叉口占道施工区通行能力;模型拟合度对比分析。该方法基于多因素方差分析提出了考虑交叉因素影响的通行能力模型的计算方法,此回归模型方法简单,能系统反映交叉口占道施工区的通行能力,与通行能力实测值更为贴近。具有误差小的优点,能为交通规划部门提供有价值的参考。
Description
技术领域
本发明涉及交通技术领域,具体是指一种提高交叉口占道施工区通行能力模型拟合度的计算方法。
背景技术
近年来,为缓解城市交通压力,我国各大城市掀起了全民挖地铁的狂潮,地铁作为一种以地下运行为主的城市轨道交通系统,具有运量大、快捷舒适等诸多优点,能极大程度上满足城市居民快捷方便的出行需求,有效改善城市交通结构,缓解地面交通压力。然而地铁施工具有施工周期长、施工站点多、影响范围广等特点,且施工线路大多经过商业中心区,因而较大程度上削弱了占道施工区通行能力。由于交叉口素来具有城市道路的“瓶颈”之称,若交叉口通行能力预测不精准,交通疏导不及时,交通组织优化不到位,将对整个作业施工路面造成十分严重的影响,甚至会增加交通事故发生的机率等。因此,精准预测交叉口占道施工区通行能力具有极强的现实意义。
目前,国内外学者对交叉口通行能力的研究主要利用回归模型和基于vissim仿真软件仿真的通行能力模型。在回归模型建立时,大多先利用相关性分析方法分析通行能力的影响因素然后建立交叉口通行能力的回归模型,此方法只考虑了各因素分别对占道施工区通行能力的影响,忽略了交叉因素(即因素间的交互作用)对占道施工区通行能力的影响,预测模型不精准,vissim仿真模型是基于vissim仿真软件获取各个影响因素的影响程度,并给出相应的折减系数,由于折减系数在取值时采用控制变量法(即假定某一自变量改变,其它自变量为一定值,研究自变量的变化对因变量的影响)研究,忽略了各变量间的相关关系,此方法在实际应用中误差较大。
综上,目前尚缺乏一种考虑多因素交互作用对通行能力影响的计算方法。
发明内容
针对现有技术的不足,为克服现有技术的缺陷,本发明提供一种提高交叉口占道施工区通行能力模型拟合度的计算方法,该方法基于多因素方差分析提出了考虑交叉因素影响的通行能力模型的计算方法,此回归模型方法简单,能系统反映交叉口占道施工区的通行能力,与通行能力实测值更为贴近。具有误差小的优点,能为交通规划部门提供有价值的参考。
应用场景拓展:此方法可利用大数据技术,基于云计算开发平台,结合视频检测器数据,可实时动态优化交叉口信号配时,缓解占道区交通拥堵状况。此外道路通行能力可作为交通枢纽的规划、设计改建及交通设施配置的依据,也可以作为城市街道网规划、公路网设计和方案比选的依据。
为实现上述目的,本发明提供的一种提高交叉口占道施工区通行能力模型拟合度的计算方法,其特征在于:它包括以下步骤:
(1)交叉口占道施工区交通信息数据采集:通过视频录像提取交叉口占道施工区信号相位、道路车辆数、公交专用车道交通信息基本数据。利用人工统计法统计交叉口施工占道区信号相位及配时、施工区断面交通量、施工占用交叉口几何条件、车型、车速、大车比率、左转车比例、车辆进出交叉口时间数据;
(2)确定交叉口占道施工区通行能力影响因素:此部分影响因素数据由占道施工区前后通行能力数据对比分析得出,包括交叉口几何条件、车辆运行、施工区占道形式;
(3)通行能力影响因素分类:主要分为独立因素和交叉因素;
独立因素:各单独的因素直接对车道饱和流量产生影响,包括交叉口施工占道区信号相位及配时、车型、车速、围挡占道形式、车道宽度。
交叉因素:两个或两个以上的因素交互对车道饱和流率产生影响,由于单个因素对结果的影响较弱,若考虑多个因素组合影响则效果较显著,包括车道缩减比和限制车速、作业区长度和施工占道宽度和限制车速。
(4)独立影响因素分析:相关性分析:利用相关系数r的大小判断各变量间相关关系的密切程度,步骤(4)具体为:
相关系数:当0.8≤|r|≤1时,呈极强相关;0.6≤|r|<0.8时,呈强相关;0.4≤|r|<0.6时,呈中等程度相关;0.2≤|r|<0.4时,呈弱相关;0≤|r|<0.2时,呈极弱相关或无相关(此时,饱和流率模型建模时将此部分变量数据剔除)。
(5)交叉影响因素分析:多因素方差分析:利用多因素方差分析方法分析因素间交互作用对饱和流率的影响,此方法不仅能够分析多个控制变量对观测变量的独立影响,更能够分析多个控制变量的交互作用能否对观测变量产生显著影响,最终找到利于观测变量的最优组合,具体为:
S2 E=S2 T-S2 A-S2 B-S2 A*B (5)
其中,xijm为对应于行因素的第i个水平和列因素的第j个水平的第m次的观察值;为行因素的第i个水平的样本均值;为列因素的第j个水平的样本均值;对应于行因素的第i个水平和列因素的第j个水平组合的样本均值;为全部n个观察值的总均值,m为重复试验次数。
其中P值和F值可由SPSS统计分析软件进行多因素方差分析,当PA*B<0.5时,多因素交互作用对车道饱和流率产生显著影响;当PA*B>0.5时,多因素交互作用对饱和流率影响不显著,因此,在建立饱和流率模型时应将此部分影响因素数据剔除。
(6)建立考虑交叉因素影响的饱和流率回归模型:
Sa=a0+a1.Jk+a2.Zc+a3.Zk+a4.Dc+a5.Zz+a6.Fj+a7.Jf+a8.Jc+a9.Dc*Jc+a10.Zc*Dc+a11.Zk*Zc+a12.Jc*Zc+a13.Jk*Zk
式中Sa表示平均单车道饱和流率,Jk为进口道宽度,Zc为施工区占用交叉口的长度,Zk为施工区占用交叉口的宽度,Dc为大型车的比例,Zz为左转车比例,Fj为非机动车数量,Jf为机非隔离状况,Jc为进出口车道数折减,其中a0常数,a1、a2、a3、a4、a5、a6、a7、a8、a9、a10、a11、a12、a13为待标定的参数。
(7)计算交叉口占道施工区通行能力:信号交叉口总通行能力则为各进口道所有车道组通行能力之和:
C=∑Ci=∑Si(g/t)i
式中Ci表示第i个进口道或车道组的通行能力(辆/h);Si表示饱和流率(辆/绿灯小时);(g/t)i表示第i个进口道或车道组的绿信比;t表示第i个进口道或车道组一个信号周期的总时长(s)。其中,饱和流率指在假定进口道全绿灯的条件下,允许通过的最大车流量(辆/h),与信号配时无关。
(8)模型拟合度对比分析:利用均方根误差计算将仿真模型、无交叉影响因素、考虑交叉影响因素回归模型与实测值进行对比分析。
其中,Ci为各模型的计算值,C0为实测值,n为交叉口调研个数。
综上所述,本发明具有如下优点和有益效果:本发明提出了一种提高交叉口占道施工区通行能力模型拟合度的计算方法,通过采集交叉口占道施工区交通信息数据确定交叉口占道施工区通行能力影响因素,分析独立影响因素和交叉影响因素对通行能力的影响,从而建立考虑交叉因素影响的饱和流率回归模型,最后计算交叉口占道施工区通行能力并对模型拟合度进行对比分析。与传统通行能力模型研究方法相比,此模型考虑了交叉因素对通行能力的影响,将不易观测的隐性影响因素显性化,克服了现有技术的缺陷,该方法简单易懂,且通行能力模型拟合度较好,模型预测结果误差小,模型精度高,提高了交叉口占道施工区通行能力模型拟合度的计算精度,与通行能力实测值更为贴近,为城市交通规划部门决策时提供更为有力的数据支撑。
附图说明
图1为本发明的基本计算方法流程图;
图2为模型拟合结果对比图。
图中:曲线a:交叉口占道施工区通行能力实测值;
曲线b:交叉口占道施工区通行能力仿真模型计算值;
曲线c:无交叉因素影响的交叉口占道施工区通行能力模型计算值;
曲线d:考虑交叉因素影响的交叉口占道施工区通行能力模型计算值。
具体实施方式
以下结合实施例及附图对本发明做进一步详细的描述:
本发明方法的具体实施步骤中:
步骤(1)中交叉口占道施工区交通信息数据采集:通过视频录像提取交叉口占道施工区信号相位、道路车辆数、公交专用车道等交通信息基本数据。利用人工统计法统计交叉口施工占道区信号相位及配时、施工区断面交通量、施工占用交叉口几何条件、车型、车速、车辆进出交叉口时间等信息数据;交通数据采集时间为车流量较大的早晚高峰期,早上7:00~9:00,下午17:00~18:30,采集方法:交叉口进口道统计连续每10min中的交通量,在此,请注意饱和流量数据统计为占道施工区上游出现排队现象,但交叉口进口道没出现交通拥堵现象。
步骤(2)中确定交叉口占道施工区通行能力影响因素:此部分影响因素数据由占道施工区前后通行能力数据对比分析得出,从交叉口几何条件、车辆运行、施工区占道形式、天气因素等方面考虑;
步骤(3)中通行能力影响因素分类:主要分为独立因素和交叉因素;
独立因素:各单独的因素直接对车道饱和流量产生影响,如交叉口施工占道区信号相位及配时、车型、车速、围挡占道形式、车道宽度等。
交叉因素:两个或两个以上的因素交互对车道饱和流率产生影响,由于单个因素对结果的影响较弱,若考虑多个因素组合影响则效果较显著,如车道缩减比和限制车速、作业区长度和施工占道宽度、下雨天气和限制车速等。
步骤(4)中独立影响因素分析:相关性分析:利用相关系数r的大小判断各变量间相关关系的密切程度,步骤(4)具体为:
相关系数:
其中,r为向量X=(x1,x2,.........xn)T,Y=(y1,y2,........yn)T之间的相关系数,x、y为变量,包括饱和流率及各影响因素数据,n为影响因素的个数。
相关性强弱判断标准:
当0.8≤|r|≤1时,呈极强相关;0.6≤|r|<0.8时,呈强相关;0.4≤|r|<0.6时,呈中等程度相关;0.2≤|r|<0.4时,呈弱相关;0≤|r|<0.2时,呈极弱相关或无相关(此时,饱和流率模型建模时将此部分变量数据剔除)。
步骤(5)中交叉影响因素分析:多因素方差分析:利用多因素方差分析方法分析因素间交互作用对饱和流率的影响,此方法不仅能够分析多个控制变量对观测变量的独立影响,更能够分析多个控制变量的交互作用能否对观测变量产生显著影响,最终找到利于观测变量的最优组合,具体为:
S2 E=S2 T-S2 A-S2 B-S2 A*B (5)
其中,xijm为对应于行因素的第i个水平和列因素的第j个水平的第m次的观察值;为行因素的第i个水平的样本均值;为列因素的第j个水平的样本均值;对应于行因素的第i个水平和列因素的第j个水平组合的样本均值;为全部n个观察值的总均值,m为重复试验次数。
其中P值和F值可由SPSS统计分析软件进行多因素方差分析,当PA*B<0.5时,多因素交互作用对车道饱和流率产生显著影响,当PA*B>0.5时,多因素交互作用对饱和流率影响不显著,因此,在建立饱和流率模型时应将此部分影响因素数据剔除。
步骤(6)中建立考虑交叉因素影响的饱和流率回归模型:此处选择建立饱和流率模型而非通行能力模型的原因:由于交叉口各相位信号配时不同,故通行能力不能直接由公式计算,又因单车道的平均饱和流率Sa与信号配时无关,故可使用单车道饱和流率进行相关性分析并建模。
Sa=a0+a1.Jk+a2.Zc+a3.Zk+a4.Dc+a5.Zz+a6.Fj+a7.Jf+a8.Jc+a9.Dc*Jc+a10.Zc*Dc+a11.Zk*Zc+a12.Jc*Zc+a13.Jk*Zk
式中Sa表示平均单车道饱和流率,Jk为进口道宽度,Zc为施工区占用交叉口的长度,Zk为施工区占用交叉口的宽度,Dc为大型车的比例,Zz为左转车比例,Fj为非机动车数量,Jf为机非隔离状况,Jc为进出口车道数折减,其中a0常数,a1、a2、a3、a4、a5、a6、a7、a8、a9、a10、a11、a12、a13为待标定的参数。
步骤(7)中计算交叉口占道施工区通行能力:信号交叉口总通行能力则为各进口道所有车道组通行能力之和:
C=∑Ci=∑Si(g/t)i
式中Ci表示第i个进口道或车道组的通行能力(辆/h);Si表示饱和流率(辆/绿灯小时);(g/t)i表示第i个进口道或车道组的绿信比;t表示第i个进口道或车道组一个信号周期的总时长(s)。其中,饱和流率指在假定进口道全绿灯的条件下,允许通过的最大车流量(辆/h),与信号配时无关。
步骤(8)中模型拟合度对比分析:利用均方根误差计算将仿真模型、无交叉影响因素、考虑交叉影响因素回归模型与实测值进行对比分析。
其中,Ci为各模型的计算值,C0为实测值,n为交叉口调研数。模型拟合度对比详情请参见表1和图2。
表1 交叉口占道施工区模型拟合对比表
由均方根误差公式计算结果可得:与实测只对比后的模型均方根误差值排列顺序为154.39<156.82<625.99,故考虑交叉因素影响的通行能力模型的均方根误差最小,模型误差最小,拟合度最高。
其中,曲线a表示通行能力实测值,获取方法:调取交叉口视频录像,统计车流量高峰期的每小时的车辆数,然后取平均值。
曲线b表示基于vissim仿真软件所得的交叉口通行能力仿真模型计算值,具体计算步骤如下:
1)交通信息数据采集:通过实地勘察采集交通信息数据,具体包括:进口道宽度,施工区占用交叉口长度、施工区占用交叉口宽度、大型车比例、左转车比例、非机动车数量、机非隔离状况、进出口车道数折减及交叉口地铁施工占道数和形式(中间占道和一侧占道)。
2)建立占道施工区交叉口仿真模型:依据交通调查现状绘制占道施工区交叉口CAD底图,并保存为jpg格式导入vissim软件中,然后,以CAD图作为仿真模型的底图,从而创建占道施工区交叉口仿真模型。
3)仿真计算交叉口各进口道饱和流率:在仿真软件中分别对进口道宽度,施工区占用交叉口长度、施工区占用交叉口宽度、大型车比例、左转车比例、非机动车数量、进行参数设置,改变交叉口进口道流率值对仿真模型进行仿真,通过观察各进口道的流率变化情况直至各进口道流率不再发生明显变化。此时的流率值为交叉口的饱和流率值。
4)交叉口通行能力仿真值:交叉口各进口道通行能力之和,公式如下
C=∑Ci=∑Si(g/t)i
式中Ci表示第i个进口道或车道组的通行能力(辆/h);Si表示饱和流率(辆/绿灯小时);(g/t)i表示第i个进口道或车道组的绿信比;t表示第i个进口道或车道组一个信号周期的总时长(s)。其中,饱和流率指在假定进口道全绿灯的条件下,允许通过的最大车流量(辆/h),与信号配时无关。
曲线c表示交叉口占道施工区未考虑交叉因素影响的通行能力模型计算值,具体计算步骤如下:
1)交通信息数据采集:此部分与步骤(1)相同,此处不再赘述。
2)交叉口占道施工区通行能力影响因素确定:此部分与步骤(2)相同,此处不再赘述。
3)影响因素分析:相关性分析,此部分与步骤(4)相同,此处不再赘述。
4)建立未考虑交叉因素影响的饱和流率模型:
Sa=a0+a1.Jk+a2.Zc+a3.Zk+a4.Dc+a5.Zz+a6.Fj+a7.Jf+a8.Jc+a9.Dc*Jc
式中Sa表示平均单车道饱和流率,Jk为进口道宽度,Zc为施工区占用交叉口的长度,Zk为施工区占用交叉口的宽度,Dc为大型车的比例,Zz为左转车比例,Fj为非机动车数量,Jf为机非隔离状况,Jc为进出口车道数折减,其中a0常数,a1、a2、a3、a4、a5、a6、a7、a8、a9为待标定的参数。
5)计算占道施工区通行能力:此部分与步骤(7)相同,此处不再赘述。
曲线d表示考虑交叉因素的通行模型计算值,具体计算步骤本发明已给出,此处不再赘述。
本发明的基本思路为:首先采集交叉口占道施工区交通信息数据;确定交叉口占道施工区通行能力影响因素;继而根据影响因素交互作用将通行能力影响因素分类;对独立影响因素和交叉影响因素进行分析;从而建立考虑交叉因素影响的饱和流率回归模型;最后计算交叉口占道施工区通行能力;并对模型拟合度进行对比分析。该模型优点能较好拟合占道施工区交叉口通行能力,提高了通行能力模型的预测精度,为后续交通规划及交通疏导提供参考。
Claims (1)
1.一种提高交叉口占道施工区通行能力模型拟合度的计算方法,其特征在于:它包括以下步骤:
(1)交叉口占道施工区交通信息数据采集:通过视频录像提取交叉口占道施工区信号相位、道路车辆数、公交专用车道;利用人工统计法统计以下信息数据:交叉口施工占道区信号相位及配时、施工区断面交通量、施工占用交叉口几何条件、车型、车速和车辆进出交叉口时间;
(2)确定交叉口占道施工区通行能力影响因素:此影响因素由占道施工区前后通行能力数据对比分析得出,从以下方面考虑:交叉口几何条件、车辆运行、施工区占道形式;
(3)通行能力影响因素分类:分为独立因素和交叉因素:
独立因素:各单独的因素直接对车道饱和流量产生影响,包括交叉口施工占道区信号相位及配时、车型、车速、围挡占道形式和车道宽度;
交叉因素:两个或两个以上的因素交互对车道饱和流率产生影响;由于单个因素对结果的影响较弱,若考虑多个因素组合影响则效果较显著,包括车道缩减比和限制车速、作业区长度和施工占道宽度、下雨天气和限制车速;
(4)独立影响因素分析:相关性分析:利用相关系数r的大小判断各变量间相关关系的密切程度,具体为:
相关系数:当0.8≤|r|≤1时,呈极强相关;当0.6≤|r|<0.8时,呈强相关;当0.4≤|r|<0.6时,呈中等程度相关;当0.2≤|r|<0.4时,呈弱相关;当0≤|r|<0.2时,呈极弱相关或无相关,且饱和流率模型建模时将此部分变量数据剔除;
(5)交叉影响因素分析:多因素方差分析:利用多因素方差分析方法分析因素间交互作用对饱和流率的影响,具体为:
S2 E=S2 T-S2 A-S2 B-S2 A*B (5)
其中,xijm为对应于行因素的第i个水平和列因素的第j个水平的第m次的观察值;为行因素的第i个水平的样本均值;为列因素的第j个水平的样本均值;对应于行因素的第i个水平和列因素的第j个水平组合的样本均值;为全部n个观察值的总均值,m为重复试验次数;K为第i个控制变量的水平数;r为第j个控制变量的水平数;m为重复试验次数;X.j为列因素的第j个水平的样本值;Xijk为对应于行因素的第i个水平和列因素的第j个水平的第K次观察值;S2 T为观测变量的总离差平方和;S2 A为控制变量A独立作用引起的离差平方和,S2 B为控制变量B独立作用引起的离差平方和;PA*B为A、B交互作用产生的概率;
其中P值和F值由SPSS统计分析软件进行多因素方差分析,当PA*B<0.5时,多因素交互作用对车道饱和流率产生显著影响;当PA*B>0.5时,多因素交互作用对饱和流率影响不显著,因此,在建立饱和流率模型时应将此部分影响因素数据剔除;
(6)建立考虑交叉因素影响的饱和流率回归模型:
Sa=a0+a1·Jk+a2·Zc+a3·Zk+a4·Dc+a5·Zz+a6·Fj+a7·Jf+a8·Jc+a9·Dc*Jc+a10·Zc*Dc+a11·Zk*Zc+a12·Jc*Zc+a13·Jk*Zk
式中Sa表示平均单车道饱和流率,Jk为进口道宽度,Zc为施工区占用交叉口的长度,Zk为施工区占用交叉口的宽度,Dc为大型车的比例,Zz为左转车比例,Fj为非机动车数量,Jf为机非隔离状况,Jc为进出口车道数折减,其中a0常数,a1、a2、a3、a4、a5、a6、a7、a8、a9、a10、a11、a12、a13为待标定的参数;
(7)计算交叉口占道施工区通行能力:信号交叉口总通行能力则为各进口道所有车道组通行能力之和:
C=∑Ci=∑Si(g/t)i
式中Ci表示第i个进口道或车道组的通行能力,以辆/h计;Si表示饱和流率,以辆/绿灯小时计;(g/t)i表示第i个进口道或车道组的绿信比;t表示第i个进口道或车道组一个信号周期的总时长,以s计;其中,饱和流率指在假定进口道全绿灯的条件下,允许通过的最大车流量,以辆/h计,与信号配时无关;模型拟合度对比分析:利用均方根误差计算将仿真模型值、无交叉因素影响的饱和流率回归模型值、考虑交叉因素影响的饱和流率回归模型值与实测值进行对比分析;
其中,Ci为各模型的计算值,C0为实测值,n为交叉口调研个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910402519.5A CN110070720B (zh) | 2019-05-15 | 2019-05-15 | 提高交叉口占道施工区通行能力模型拟合度的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910402519.5A CN110070720B (zh) | 2019-05-15 | 2019-05-15 | 提高交叉口占道施工区通行能力模型拟合度的计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110070720A CN110070720A (zh) | 2019-07-30 |
CN110070720B true CN110070720B (zh) | 2020-11-03 |
Family
ID=67370875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910402519.5A Active CN110070720B (zh) | 2019-05-15 | 2019-05-15 | 提高交叉口占道施工区通行能力模型拟合度的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070720B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915880A (zh) * | 2020-06-05 | 2020-11-10 | 重庆首讯科技股份有限公司 | 一种高速公路异常事件事发点有效通行能力估计方法 |
CN111785026B (zh) * | 2020-07-24 | 2021-05-07 | 中国水利水电第八工程局有限公司 | 一种复杂交通条件下交通分流分级综合疏导方法 |
CN113610283B (zh) * | 2021-07-23 | 2024-04-09 | 广州市北二环交通科技有限公司 | 基于仿真评估的高速公路占道施工计划优化方法、设备、介质和产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778794A (zh) * | 2014-01-08 | 2014-05-07 | 浙江工业大学 | 一种无线发送交通信号的方法及装置 |
CN106875130A (zh) * | 2017-03-16 | 2017-06-20 | 北京中电普华信息技术有限公司 | 一种业扩执行效率的分析方法及装置 |
CN107016851A (zh) * | 2017-05-24 | 2017-08-04 | 大连理工大学 | 一种量化分析城市建成环境对道路行程时间影响的方法 |
CN107123268A (zh) * | 2017-06-30 | 2017-09-01 | 广东工业大学 | 一种平面交叉口交通安全状态评估方法 |
CN108364467A (zh) * | 2018-02-12 | 2018-08-03 | 北京工业大学 | 一种基于改进型决策树算法的路况信息预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3396320A1 (en) * | 2017-04-27 | 2018-10-31 | Volvo Car Corporation | Determination of a road work area characteristic set |
-
2019
- 2019-05-15 CN CN201910402519.5A patent/CN110070720B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778794A (zh) * | 2014-01-08 | 2014-05-07 | 浙江工业大学 | 一种无线发送交通信号的方法及装置 |
CN106875130A (zh) * | 2017-03-16 | 2017-06-20 | 北京中电普华信息技术有限公司 | 一种业扩执行效率的分析方法及装置 |
CN107016851A (zh) * | 2017-05-24 | 2017-08-04 | 大连理工大学 | 一种量化分析城市建成环境对道路行程时间影响的方法 |
CN107123268A (zh) * | 2017-06-30 | 2017-09-01 | 广东工业大学 | 一种平面交叉口交通安全状态评估方法 |
CN108364467A (zh) * | 2018-02-12 | 2018-08-03 | 北京工业大学 | 一种基于改进型决策树算法的路况信息预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110070720A (zh) | 2019-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107967532B (zh) | 融合区域活力的城市交通流量预测方法 | |
CN109410577B (zh) | 基于空间数据挖掘的自适应交通控制子区划分方法 | |
CN110070720B (zh) | 提高交叉口占道施工区通行能力模型拟合度的计算方法 | |
Covaciu et al. | Estimation of the noise level produced by road traffic in roundabouts | |
Wang et al. | Macrolevel model development for safety assessment of road network structures | |
Chevallier et al. | Dynamic noise modeling at roundabouts | |
CN111275965B (zh) | 一种基于互联网大数据的实时交通仿真分析系统与方法 | |
CN104933859B (zh) | 一种基于宏观基本图的确定网络承载力的方法 | |
CN105868860A (zh) | 基于聚类的区域出行意愿强度分析方法、装置及选址方法 | |
CN108335483B (zh) | 交通拥堵扩散路径的推断方法及其系统 | |
CN107368931A (zh) | 基于大数据分析技术的物流配送路径动态规划方法及系统 | |
CN105279966A (zh) | 一种校园交通的拥堵识别方法 | |
CN113112068A (zh) | 一种村镇公共设施选址布局的方法及其系统 | |
CN111915885A (zh) | 一种城市道路交通仿真实验方法及系统 | |
CN113806419A (zh) | 基于时空大数据的城市区域功能识别模型及识别方法 | |
CN111009140B (zh) | 一种基于开源路况信息的智能交通信号控制方法 | |
CN106370198A (zh) | 一种考虑出行异质性的路径选择方法 | |
CN110458370A (zh) | 一种基于开放数据的城市道路安全预测方法及系统 | |
CN108257069A (zh) | 一种基于swmm模型的道路年径流总量控制率速查法 | |
CN112699535A (zh) | 高架地面联动交通信号区域自适应控制方法 | |
Li et al. | Study of the time-collocation of signal lamp at intersection | |
NamGung et al. | Research progress of road intersection design analysis | |
Thakur et al. | Spatial and temporal analysis of planet scale vehicular imagery data | |
Skabardonis | Modeling framework for estimating emissions in large urban areas | |
CN113343358A (zh) | 一种考虑道路信息的电动汽车充电负荷时空分布建模方法 |
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 |