CN110097752A - 一种智能化可变导向车道计算方法 - Google Patents

Abstract

本发明公开了一种智能化可变导向车道计算方法，具体涉及道路交通领域，该方法包括如下：选取目标路段，提取目标路段在历史时段内各车道组的交通流特征。并将交通流特征采用归一化方法进行处理，得到数据指标。基于多指标加权法进行计算得到车道组综合拥堵率。通过导向不均衡判定条件生成各单位周期的可变车道转向，并基于历史转向概率生成可变车道周期性方案，所述可变车道周期性方案作为预设方案。针对目标路段采用预设方案与实时感应方案相结合的控制模式，进行可变车道转向控制。本发明具有适用于路口导向拥堵不均衡场景下的可变车道转向规律性方案设计，同时也可实时感应并调控由于交通流突发而导致的路口异常现象的优点。

Description

一种智能化可变导向车道计算方法

技术领域

本发明涉及道路交通领域，具体为一种智能化可变导向车道计算方法。

背景技术

导向可变车道(也称为“交叉口可变导向车道”)是根据交通各流向流量的变化，调整交叉口交通流量的功能，以达到空间资源优化分配的目的，常常是直行和左、右转互相转化。

目前，很多大城市都采用可变车道技术解决交通拥堵的时段性和不均衡性的问题。现有一些可变导向车道方案设计是基于部署在路口的电警、卡口等视频监控设备或微波、地磁等检测设备采集到的车道流量信息，通过车道组饱和度的不均衡性来设计交叉口导向可变车道的方案。

然而，但由于采集数据为断面流量信息，该指标虽能反映路口交通流在时间利用上的饱和状态，但很难表征路口交通流在空间利用上的拥堵状态，仅使用流量信息较难合理设计适用于多种拥堵场景下的可变车道转向方案。同时，现有的可变车道设计方案多基于历史数据来设计当前或未来一段时间内的可变车道方案，未能考虑到实时的交通流突发现象。

发明内容

本发明提供了一种智能化可变导向车道计算方法，该方法克服了上述缺点。

为实现上述目的，本发明提供如下技术方案：

一种智能化可变导向车道计算方法，该方法包括如下步骤：

S01、选取目标路段，并计算得到目标路段在历史时间段内每个车道组的交通流特征。

S02、将所述的交通流特征采用归一化方法进行处理，得到归一化处理后的数据指标。根据不同的数据指标的权重，加权计算，得到不同车道组的车道组综合拥堵率。

S03、基于所述的车道组综合拥堵率，生成可变车道周期性方案，所述可变车道周期性方案作为预设方案。

S04、根据实时交通流特征计算得到可变车道实时感应方案；当目标路段执行预设方案时，结合实时交通流特征判定当前时刻是否触发交通流异常判定条件，若触发，则此时执行实时感应方案；若未触发，则执行预设方案。

在步骤S01中，交通流特征包括车道组流量、车道组排队长度以及车道组排队时长；其中，车道组流量的计算方法为：单位周期内车道组所包含各车道流量之和。车道组排队长度的计算方法为：当前单位周期内，车道组所包含车道中最大的车道排队长度作为该车道组排队长度。车道组排队时长的计算方法为：当前单位周期内，车道组所包含车道中最大的车道排队时长作为车道组排队时长。

作为优选，在步骤S02中，数据指标的计算方法为：

选取交通流特征中的车道组排队长度以及车道组排队时长，将获得的车道组排队长度以及车道组排队时长进行min_max归一化处理，且将数据映射到0～ 1范围之内，进而计算得到车道组排队长度率以及车道组排队时长率，计算公式如下：

其中，x’表示车道组排队长度率时：x表示车道组排队长度，min(x)表示历史时间段内车道组排队长度的最小值，max(x)表示历史时间段内车道组排队长度的最大值。或者，x’表示车道组排队时长率时：x表示车道组排队时长， min(x)表示历史时间段内车道组排队时长的最小值，max(x)表示历史时间段内车道组排队时长的最大值。上述车道组排队长度率以及车道组排队时长率是步骤S02中所述的数据指标。

作为优选，在步骤S02中，车道组综合拥堵率的计算方法为：

车道组综合拥堵率＝w1*车道组饱和度+w2*车道组排队长度率+w3*车道组排队时长率。其中，车道组饱和度＝车道组流量/车道组通行能力，车道组流量由视频监控设备获得，车道组通行能力根据《城市道路设计设计规范CJJ37-2012》规范中的通行能力并结合实际情况预先赋值。

w1、w2和w3由技术人员预先设置，分别对应为车道组饱和度、车道组排队长度率和车道组排队时长率的权重系数。

作为优选，可变车道周期性方案的具体生成步骤为：可变车道的转向状态在转向A和转向B之间进行切换。其中：

在历史时间段内，且同时满足以下条件a～d，该单位周期内的可变状态为转向A；或者，不满足以下条件a～d中的至少一条，该单位周期内的可变状态为转向B。a、转向A时的车道组综合拥堵率大于m₁，0.3≤m₁≤0.8。

b、转向A时的车道组综合拥堵率减去转向B时的车道组综合拥堵率的差值大于m₂，0.2≤m₂≤0.5。

c、X_B表示车道组B的饱和度，α是修正系数，0.7≤α≤0.9， n表示当前转向B的实际车道数。

d、转向A车流的下游路段的交通拥堵状态为不拥堵；

根据上述方法计算得到历史时段内各单位周期t内的转向状态，从而形成各单位周期t内的可变车道方案；

计算历史时段内同星期且同单位周期t内各转向值的出现概率，将出现概率最大的转向值，作为该星期该单位周期t内的转向方案，并记为p_t＝ {weekday,beginTime_t,endTime_t,z_t}，其中，beginTime_t表示t单位周期的方案开始时间，endTime_t表示t单位周期的方案结束时间，z_t表示t单位周期内的可变车道转向。

则，生成一周的可变周期方案集合作为可变车道周期性方案，记为集合 {p_t1,p_t2,p_t3…p_tn}。

按时间顺序对单位周期内的可变车道方案进行排序，依次遍历每一时段的方案值z₀，z₀表示转向A或转向B。选取与z₀相邻的前两个时段的方案值，分别对应记为z_-1和z_-2。选取与z₀相邻的后两个时段的方案值，分别对应记为z₁和z₂。选择z_-1、z_-2、z₁和z₂中出现次数最多的方案值作为z₀值，若各方案值出现次数相同，将方案值z_-2赋值给z₀。将相同方案值的可变车道方案进行合并，输出可变车道周期性方案。

作为优选，在步骤S04中，交通流特征是指经过归一化法处理后的车道组排队长度，即车道组排队长度率，则交通流异常判定条件如下：若当前时段转向A的车道组排队长度率>Φ₁，且转向A的车道组排队长度率—转向B的车道组排队长度率≥Φ₂时，需设置为转向A。若当前时段转向B的车道组排队长度率>Φ₁，且转向B的车道组排队长度率—转向A的车道组排队长度率≥Φ₂时，需设置为转向B。其中，Φ₁和Φ₂为预先设置的阈值。

作为优选，在步骤S04中，用于判断是否切换可变车道实时感应方案和预设方案为：

i、判断连续T时间段内的实时感应方案和当前执行的可变车道实时感应方案相符，则不触发执行可变车道实时感应方案。ii、当连续T时间段内的实时感应方案和当前执行的可变车道实时感应方案不相符时：

判断转向A或者转向B的下游路段是处于拥堵状态时，则不触发执行实时感应方案。当转向A或者转向B的下游路段不是处于拥堵状态时，则触发执行实时感应方案。

本发明的有益效果为：

本方法基于实时获取的车道流量、车道排队长度和车道排队时长综合评价各转向车道组的拥堵程度，并通过实时交通流特征感应当前交通流的排队异常，同时输出动态方案。而且该方法可将历史的可变车道周期性方案和可变车道实时感应方案相结合，在实际的智能可变车道控制系统应用中，具有更高的实用性，且易于工程实现。

附图说明

图1为本实施例中各转向交通流特征的数据；

图2为本实施例中交通流特征经归一化法处理后的数据指标以及车道组综合拥堵率；

图3为本实施例中11月17日实时每5分钟的可转向方案结果。

具体实施方式

本实施例提供一种智能化可变导向车道计算方法，该方法包括了如下步骤：

S01、选取某路段作为导向可变车道的实验对象，该进口道原始的车道转向功能组成为全天时段两个左转、两个直行、1个右转。选取该交叉口进城方向的进口道从内向外第二条车道作为可变车道，可变转向在左转和直行之间切换。选取2018-11-10至2018-11-23的原始数据进行计算未来一周的可变车道方案，原始数据包括：视频设备(wDeviceID)、车道编号(laneCode)、采集时间(dateTime)、更新时间(updateTime)、交通流量(dwVegicle)、排队长度(queueTime)以及排队时长(queueTime)。

S02、交通流特征提取。按照15分钟的计算周期、5分钟的更新周期计算车道组饱和度，按照5分钟的计算周期、1分钟的更新周期统计车道组排队长度和车道组排队时长。路段的车道组数据样例如图1所示。

S03、将采集到的交通流特征采用归一化方法进行处理，得到归一化处理后的数据指标，并通过指标加权计算车道组综合拥堵率。基于车道组的饱和度、车道组排队长度率和车道组排队时长率，根据指标权重加权综合计算车道组的综合拥堵率：

车道组综合拥堵率＝w1*车道组饱和度+w2*车道组排队长度率+w3*车道组排队时长率。其中，w1、w2、w3分别为车道组饱和度、车道组排队长度率和车道组排队时长率的权重系数，各指标项的权重系数通过经验值和实验效果进行设置(本实施例设置为w1＝0.2，w2＝0.6，w3＝0.2)，计算结果如图2。

S04、基于历史一周的车道组综合拥堵率计算得到一周的可变车道转向。

(1)满足转向A的车道组综合拥堵率大于m₁(本实施例设为0.3)。

(2)转向A时的车道组综合拥堵率减去转向B时的车道组综合拥堵率的差值大于m₂(本实施例设为0.1)。

(3)表示车道组判断车道组B减少一条车道后剩余通行能力能否满足当前交通流需求，即是否满足判断条件其中，X_B表示车道组B的饱和度，α表示修正系数，取0.7～0.9，i为车流方向，n_i表示当前转向B的车道数。

(4)A转向下游路段的交通拥堵状态为不拥堵。下游路段的交通拥堵状态可根据下游路段布设的检测器采集的排队长度进行判定，当排队长度达到一定阈值q，则判定为拥堵，其中，q的取值范围为200米至800米；

当同时满足以下条件(1)～(4)时，当前时段的可变状态应该为转向A；或者不满足以下条件(1)～(4)中的任意一条，当前时段的可变状态为默认可变状态。

根据上述步骤S04中的内容，计算每个单位周期内的可变车道转向，则可生成历史一周的可变车道方案作为周期性方案。

S05、对周期性方案进行消除转向值的波动性。首先，按时间顺序对单位周期内的可变车道方案进行排序，依次遍历每一时段的方案值z₀(z₀表示转向A 或转向B)；然后，选取z₀临近的前两个时段方案值(z_-1、z_-2)和后两个时段方案值(z₁、z₂)，最后，选择(z_-1、z_-2、z₁、z₂)中出现次数最多的方案值作为z₀值，若各方案值出现次数相同，将z_-2方案值赋值给z₀。

S06、根据方案值合并可变车道方案，输出多时段周期性可变车道方案。并按照时间顺序，判断时段T内的转向方案是否全部为转向A(转向B同理)且时段T>＝Ta(Ta默认为60分钟)，若是，则时段T内执行转向A，否则执行转向B。

实时每5分钟的转向方案结果如下所示(选取11月17日示例)。

最终计算得到周期性可变车道方案，如下表所示：

S07、采用多时段周期性方案与实时感应方案相结合的可变车道控制策略，实时感应方案的等级高于多时段周期性方案，即若当天正在执行多时段周期性方案，若某时刻触发了实时感应方案，则执行实时感应方案。根据实时排队长度率，进行实时感应可变车道的转向判定过程如下：

(1)若当前时段转向A的车道组排队长度率>Φ₁(设为0.7)，且(转向A 的车道组排队长度率-转向B的车道组平均排队长度率)>＝Φ₂(设为0.3)时，需设置为转向A；

若当前时段转向B的车道组排队长度率>Φ₁(设为0.7)，且(转向B的车道组排队长度率-转向A的车道组排队长度率)>＝Φ₂(设为0.3)时，需设置为转向B；

(2)判断连续T1时间段实时感应方案和当前执行的真实方案不符，执行条件(3)；否则，当前时段不触发实时动态方案。

(3)判断转向A(或转向B)的下游路段是否处于拥堵状态。如果是，则不输出实时动态方案；否则，触发实时动态方案并输出。

根据步骤，11月25日正在执行当天的多时段周期性方案，于11点43分左转车道组的排队长度突然增大，触发了实时感应方案，当前可变车道转向由直行切换为左转。

Claims (8)

1.一种智能化可变导向车道计算方法，其特征在于，包括如下步骤：

S01、选取目标路段，并计算得到目标路段在历史时间段内各车道组的交通流特征；

S02、将所述的交通流特征采用归一化方法进行处理，得到归一化处理后的数据指标；

根据不同的数据指标的权重，加权计算，得到不同车道组的车道组综合拥堵率；

S03、基于所述的车道组综合拥堵率，生成可变车道周期性方案，所述可变车道周期性方案作为预设方案；

S04、根据实时交通流特征计算得到可变车道实时感应方案；

当目标路段执行预设方案时，结合实时交通流特征判定当前时刻是否触发交通流异常判定条件，若触发，则此时执行实时感应方案；若未触发，则执行预设方案。

2.根据权利要求1所述的一种智能化可变导向车道计算方法，其特征在于，在步骤S01中，交通流特征包括车道组流量、车道组排队长度以及车道组排队时长；其中，车道组流量的计算方法为：单位周期内车道组所包含各车道流量之和；

车道组排队长度的计算方法为：当前单位周期内，车道组所包含车道中最大的车道排队长度作为该车道组排队长度；

车道组排队时长的计算方法为：当前单位周期内，车道组所包含车道中最大的车道排队时长作为车道组排队时长。

3.根据权利要求1所述的一种智能化可变导向车道计算方法，其特征在于，在步骤S02中，数据指标的计算方法为：

选取交通流特征中的车道组排队长度以及车道组排队时长，将获得的车道组排队长度以及车道组排队时长进行min-max归一化处理，且将数据映射到0～1范围之内，进而计算得到车道组排队长度率以及车道组排队时长率，计算公式如下：

其中，x’表示车道组排队长度率时：x表示车道组排队长度，min(x)表示历史时间段内车道组排队长度的最小值，max(x)表示历史时间段内车道组排队长度的最大值；

或者，x’表示车道组排队时长率时：x表示车道组排队时长，min(x)表示历史时间段内车道组排队时长的最小值，max(x)表示历史时间段内车道组排队时长的最大值；

所述车道组排队长度率以及车道组排队时长率是步骤S02中所述的数据指标。

4.根据权利要求1所述的一种智能化可变导向车道计算方法，其特征在于，在步骤S02中，车道组综合拥堵率的计算方法为：

车道组综合拥堵率＝w1*车道组饱和度+w2*车道组排队长度率+w3*车道组排队时长率；

其中，车道组饱和度＝车道组流量/车道组通行能力，车道组流量由视频监控设备获得，车道组通行能力是预设值。w1、w2和w3由技术人员预先设置，分别对应为车道组饱和度、车道组排队长度率和车道组排队时长率的权重系数。

5.根据权利要求1所述的一种智能化可变导向车道计算方法，其特征在于，在步骤S03中，可变车道周期性方案的具体生成步骤为：

可变车道的转向状态在转向A和转向B之间进行切换；

在历史时间段内，且同时满足以下条件a～d，该单位周期内的计划可变状态为转向A；或者，不满足以下条件a～d中的至少一条，该单位周期内的计划可变状态为转向B；a、转向A时的车道组综合拥堵率大于m₁，0.3≤m₁≤0.8；

b、转向A时的车道组综合拥堵率减去转向B时的车道组综合拥堵率的差值大于m₂，0.2≤m₂≤0.5；

c、X_B表示车道组B的饱和度，α是修正系数，0.7≤α≤0.9，n表示当前转向B的实际车道数；

d、转向A车流的下游路段的交通拥堵状态为不拥堵；

根据上述方法计算得到历史时段内各单位周期t内的转向状态，从而形成各单位周期t内的可变车道方案；

计算历史时段内同星期且同单位周期t内各转向状态对应的转向值的出现概率，将出现概率最大的转向值，作为该星期该单位周期t内的转向方案，并记为p_t＝{weekday,beginTime_t,endTime_t,z_t}，其中，beginTime_t表示t单位周期的方案开始时间，endTime_t表示t单位周期的方案结束时间，z_t表示t单位周期内的可变车道转向；

则，生成一周的可变周期方案集合作为可变车道周期性方案，记为集合{p_t1,p_t2,p_t3…p_tn}。

6.根据权利要求1所述的一种智能化可变导向车道计算方法，其特征在于，在步骤S03中，还包括：

按时间顺序对单位周期内的可变车道方案进行排序，依次遍历每一时段的方案值z₀，z₀表示转向A或转向B；

选取与z₀相邻的前两个时段的方案值，分别对应记为z_-1和z_-2；

选取与z₀相邻的后两个时段的方案值，分别对应记为z₁和z₂；

选择z_-1、z_-2、z₁和z₂中出现次数最多的方案值作为z₀值，若各方案值出现次数相同，将方案值z_-2赋值给z₀；

将相同方案值的可变车道方案进行合并，输出可变车道周期性方案。

7.根据权利要求1所述的一种智能化可变导向车道计算方法，其特征在于，在步骤S04中，交通流特征是指经过归一化法处理后的车道组排队长度，即车道组排队长度率，则交通流异常判定条件如下：

若当前时段转向A的车道组排队长度率>Φ₁，且转向A的车道组排队长度率—转向B的车道组排队长度率≥Φ₂时，需设置为转向A；

若当前时段转向B的车道组排队长度率>Φ₁，且转向B的车道组排队长度率—转向A的车道组排队长度率≥Φ₂时，需设置为转向B；

其中，Φ₁和Φ₂为预先设置的阈值。

8.根据权利要求1所述的一种智能化可变导向车道计算方法，其特征在于，在步骤S04中：

i、判断连续T时间段内的实时感应方案和当前执行的可变车道实时感应方案相符，则不触发执行可变车道实时感应方案；

ii、当连续T时间段内的实时感应方案和当前执行的可变车道实时感应方案不相符时：

判断转向A或者转向B的下游路段是处于拥堵状态时，则不触发执行实时感应方案；

当转向A或者转向B的下游路段不是处于拥堵状态时，则触发执行实时感应方案。