CN110782662A - 道路信号交叉口车辆通行时间估算方法 - Google Patents
道路信号交叉口车辆通行时间估算方法 Download PDFInfo
- Publication number
- CN110782662A CN110782662A CN201910884064.5A CN201910884064A CN110782662A CN 110782662 A CN110782662 A CN 110782662A CN 201910884064 A CN201910884064 A CN 201910884064A CN 110782662 A CN110782662 A CN 110782662A
- Authority
- CN
- China
- Prior art keywords
- sample
- signalized intersection
- data
- vehicle
- road
- 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
Links
Images
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
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种道路信号交叉口车辆通行时间估算方法,首先采集车辆通过道路信号交叉口区域发送的GPS数据,建立原始数据库;然后从原始数据库中提取出指定段内的GPS数据,构建用于估算车辆通行时间的样本集;其次确定样本集中的有效样本,最后通过有效样本集估算道路信号交叉口各进口道的车辆通行时间。可以有效地提取道路信号交叉口的车辆通行时间,能够体现不同时段的交通运行状态的差异性,与实际交通运行规律相符,为交叉口交通运行状态评价奠定了基础。
Description
技术领域
本发明涉及检测要统计的交通运动领域,特别是涉及一种道路信号交叉口车辆通行时间估算方法。
背景技术
道路信号交叉口是城市道路网的关键节点,其交通运行状态直接影响到整个路网的运行。目前对于城市道路网的交通控制研究中,车辆受到交叉口信号灯影响后的通行时间是评价交叉口运行情况的一项重要参数,对于调整信号灯的控制具有重要意义。因此,如何有效地估算车辆受到交叉口信号灯影响时的车辆通行时间,对于交叉口的运行状态评价十分重要。
发明内容
为解决以上技术问题,本发明提供一种道路信号交叉口车辆通行时间估算方法,通过采集多源GPS数据,并从中提取出受到信号灯影响的有效样本,通过有效样本估算各个进口道的通行时间,从而反映出进口道整体的车辆通行时间。
技术方案如下:
提供了一种道路信号交叉口车辆通行时间估算方法的第一种可实现方式,包括:
步骤1、采集车辆通过道路信号交叉口区域发送的GPS数据,建立原始数据库;
步骤2、从原始数据库中提取出指定段内的GPS数据,构建用于估算车辆通行时间的样本集;
步骤3、确定样本集中的有效样本,并提取出有效样本构建有效样本集;
步骤4、通过有效样本集估算道路信号交叉口各进口道的车辆通行时间。
结合第一种可实现方式,在第二种可实现方式中,所述步骤1包括:
采集车辆通过道路信号交叉口区域发送的GPS数据;
对采集到的GPS数据进行清洗,去除重复数据和冗余字段;
按照时间顺序对清洗后的GPS数据进行排序;
按照等时间段对排序后的GPS数据进行划分,建立原始数据库。
结合第一种可实现方式,在第三种可实现方式中,所述步骤2包括:
从原始数据库中调取指定分析时间段内的GPS数据;
通过调取的GPS数据确定道路信号交叉口范围;
通过道路信号交叉口范围的区域坐标,筛选出道路信号交叉口范围内的轨迹点数据;
根据筛选出的轨迹点数据生成车辆ID数据集;
按照车辆ID数据集中的车辆ID,对筛选出的轨迹点数据进行归类,生成每个车辆ID对应的样本,建立样本集。
结合第三种可实现方式,在第四种可实现方式中,所述通过车辆数据集合确定道路信号交叉口范围包括:
从调取的GPS数据中筛选出车辆速度低于指定速度阈值的GPS数据;
通过筛选出的GPS数据的坐标数据,确定GPS数据分布的集中区域;
根据集中区域的尾部边界确定道路信号交叉口范围。
结合第一种可实现方式,在第五种可实现方式中,所述确定样本集中的有效样本包括:
将样本中的轨迹点数据按照时间顺序进行排序;
遍历样本并提取轨迹点数据中的速度数据,生成速度序列;
判定速度序列是否符合有效样本标准,若满足,则样本为有效样本。
结合第五种可实现方式,在第六种可实现方式中,所述有效样本标准为:
其中,vt1、vt2为速度序列中的速度数据,α为停车速度阈值,β为驶离速度阈值,t1<t2。
结合第六种可实现方式,在第7中可实现方式中,所述停车速度阈值α为5km/h,驶离速度阈值β为35km/h。
结合第一种可实现方式,在第八种可实现方式中,所述步骤4包括:
确定道路信号交叉口各个进口道的区域范围;
通过区域范围确定各进口道对应的有效样本;
通过各个进口道对应的有效样本估算对应的车辆通行时间:
Ti=ti1-ti0;
其中,ti0为进口道对应的第i个有效样本中vt1所对应的时间,ti1为vt2所对应的时间,n为进到道对应的有效样本数。
结合第一种可实现方式,在第九种可实现方式中,所述步骤4包括:
确定道路信号交叉口各进口道的每个车道区域范围;
通过车道区域范围确定各个车道对应的有效样本;
通过各个车道对应的有效样本估算各个车道的车辆通行时间:
Tj=tj1-tj0;
其中,tj0为车道对应的第j个有效样本中vt1所对应的时间,tj1为vt2所对应的时间,m为车道对应的有效样本数。
有益效果:采用本发明的道路信号交叉口车辆通行时间估算方法,可以有效地估算出道路信号交叉口各进口道的车辆受到信号灯影响后的车辆通行时间,反映了车辆受到信号灯影响的程度,得到的结果与实际交通运行规律相符,为交叉口交通运行状态评价奠定了基础。
附图说明
图1为本发明的实施例一的道路信号交叉口车辆通行时间估算方法的流程图;
图2为建立原始数据库的流程图;
图3为生成样本数据文件的流程图;
图4为确定道路信号交叉口范围的流程图;
图5为提取有效样本数据的流程图;
图6为实施例一的车辆通行时间的计算流程图;
图7为实施例二的车辆通行时间的计算流程图;
图8为样本预备库中的样本数据轨迹点分布图;
图9为交叉口范围的样本数据分布图;
图10为交叉口范围内的有效样本数据分布图;
图11为各个进口道对应的有效样本数据分布图;
图12为提取的部分车辆在道理信号交叉口的车辆通行时间表。
具体实施方式
下面结合实施例和附图对本发明作进一步说明。
实施例一、如图1所示道路信号交叉口车辆通行时间估算方法的流程图,该估算方法包括:
步骤1、采集车辆通过道路信号交叉口区域发送的GPS数据,建立原始数据库;
步骤2、从原始数据库中提取出指定段内的GPS数据,构建用于估算车辆通行时间的样本集;
步骤3、确定样本集中的有效样本,并提取出有效样本构建有效样本集;
步骤4、通过有效样本集估算道路信号交叉口各进口道的车辆通行时间。
具体而言,本实施例采用样本反映整体的思路,从原始数据库中提取出指定时间段内通过道路信号交叉口的车辆作为样本。然后再从所有样本中筛选出可以用于估算进口道车辆通行时间的有效样本,估算出有效样本对应的车辆的通行时间。通过多个有效样本的通行时间求取平均值,即能代表该进口道的车辆受到信号灯影响后的车辆通行时间。
在本实施例中,优选的,如图2所示的建立原始数据库的流程图,所述步骤1包括:
步骤1-1、采集车辆通过道路信号交叉口区域发送的GPS数据;
步骤1-2、对采集到的GPS数据进行清洗,去除重复数据和冗余字段;
步骤1-3、按照时间顺序对清洗后的GPS数据进行排序;
步骤1-4、按照等时间段对排序后的GPS数据进行划分,建立原始数据库。
具体而言,可以采用数据库管理系统,如SQL server系统,对采集的GPS数据进行数据清洗,以消除重复数据和冗余字段。然后利用Pyhon脚本语言遍历清洗后的数据,将其按照时间顺序进行排序,并按等时间段进行文件切割,方便数据的快速导入、导出及筛选处理。
在本实施例中,优选的,如图3所示的生成样本数据文件的流程图,所述步骤2包括:
从原始数据库中调取指定分析时间段内的GPS数据;
通过调取的GPS数据确定道路信号交叉口范围;
通过道路信号交叉口范围的区域坐标,筛选出道路信号交叉口范围内的轨迹点数据;
根据筛选出的轨迹点数据生成车辆ID数据集;
按照车辆ID数据集中的车辆ID,对筛选出的轨迹点数据进行归类,生成每个车辆ID对应的样本,建立样本集。
具体而言,如图9所示,通过ArcGIS平台从原始数据库调取指定的分析时段内的GPS数据。然后,根据道路信号交叉口范围的范围坐标,就可以筛选出道路信号交叉口范围内的轨迹点数据。最后,通过这些轨迹点数据中的车辆ID,将所有轨迹点数据一一进行归类,生成一个个与车辆ID对应的样本,构建起样本集。
在本实施例中,优选的,如图4所示,所述通过调取的GPS数据确定道路信号交叉口范围包括:
从调取的GPS数据中筛选出车辆速度低于指定速度阈值的GPS数据;
通过筛选出的GPS数据的坐标数据,确定GPS数据分布的集中区域;
根据集中区域的尾部边界确定道路信号交叉口范围。
具体而言,如图5所示,利用ArcGIS平台的查询筛选功能,从样本数据文件中筛选出速度低于5km/h的轨迹点。然后确定这些轨迹点集中的区域,最后指定这些集中区域的尾部边界作为道路信号交叉口范围,得到道路信号交叉口范围如图9所示。
在本实施例中,优选的,如图5所示,所述确定样本集中的有效样本包括:
将样本中的轨迹点数据按照时间顺序进行排序;
遍历样本并提取轨迹点数据中的速度数据,生成速度序列;
判定速度序列是否符合有效样本标准,若满足,则样本为有效样本。
具体而言;将样本中的轨迹点数据按照时间顺序进行排序后,从中提取出每个轨迹点数据的速度数据所构成的速度序列,能够反映出样本车辆在道路信号交叉口范围内的运行过程。该有效样本标准与受到信号灯影响的车辆的运行过程相对应。因此,通过有效样本标准即可判定样本车辆的运行过程是否与受到信号灯影响的车辆即相同,如果相同,该样本就可以作为有效样本。
在本实施例中,优选的,所述有效样本标准为:
其中,vt1、vt2为速度序列中的速度数据,α为停车速度阈值,β为驶离速度阈值,t1<t2。车辆在信号交叉口受到信号灯的影响时都会减速停车,并在通过信号交叉口后加速驶离。停车速度阈值和驶离速度阈值代表这两个过程的临界点。因此,若速度序列中存在低于停车速度阈值的速度数据,并且,该速度数据以后的序列段中存在超过驶离速度阈值的速度数据,则该速度序列对应的样本即可确定为有效样本。
在本实施例中,优选的,所述停车速度阈值α为5km/h,驶离速度阈值β为35km/h。通过大量的数据验证得到,在如此设定的停车速度阈值和驶离速度阈值下,车辆运行过程的判别准确率最高。
在本实施例中,优选的,如图6所示,所述步骤4包括:
确定道路信号交叉口各个进口道的区域范围,在本实施例中,各个进口道的区域范围直接通过ArcGIS平台人工设定,ArcGIS平台能根据人工设定能自动生成各进口道的区域范围坐标。
通过区域范围确定各进口道对应的有效样本;
通过各个进口道对应的有效样本估算对应的车辆通行时间:
Ti=ti1-ti0;
其中,ti0为进口道对应的第i个有效样本中vt1所对应的时间,ti1为vt2所对应的时间,n为进到道对应的有效样本数。
具体而言,根据有效样本中的坐标数据和进口道的区域范围坐标,可以确定有效样本所在进口道,从而确定各个进口道对应的有效样本。有效样本中vt1对应的轨迹点代表样本车辆受到信号灯影响后的初始停车点,vt2对应的轨迹点代表样本车辆通过信号交叉口的轨迹点,通过这两个轨迹点对应的时间即可估算出样本车辆通过信号交叉口的通行时间。最后通过计算进口道对应的所有有效样本的通行时间的平均值,即可得出进口道整体的车辆通行时间。计算通行时间的平均值前,还可以根据设定的时间阈值范围,去除一些错误的数据,如图12中带有下划线的数据,提高车辆通行时间的准确度。
实施例二、如图7所示,所述步骤4包括:
确定道路信号交叉口各个进口道中每个车道区域范围,在本实施例中,利用ArcGIS平台直接人工设定车道区域范围。
通过车道区域范围确定各个车道对应的有效样本;
通过各个车道对应的有效样本估算各个车道的车辆通行时间:
Tj=tj1-tj0;
其中,tj0为车道对应的第j个有效样本中vt1所对应的时间,tj1为vt2所对应的时间,m为车道对应的有效样本数。
具体而言,由于进口道包括左转车道、直行车道和右转车道,每个车道的车辆通行时间存在较大差异。通过计算每个车道的车辆通行时间,能更有效地放映交叉口的运行状态。而各个车道的车辆通行时间与进口道的车辆通行时间原理相同,此处不在赘述。
最后需要说明的是,上述描述仅仅为本发明的优选实施例,本领域的普通技术人员在本发明的启示下,在不违背本发明宗旨及权利要求的前提下,可以做出多种类似的表示,这样的变换均落入本发明的保护范围之内。
Claims (9)
1.一种道路信号交叉口车辆通行时间估算方法,其特征在于,包括:
步骤1、采集车辆通过道路信号交叉口区域发送的GPS数据,建立原始数据库;
步骤2、从原始数据库中提取出指定段内的GPS数据,构建用于估算车辆通行时间的样本集;
步骤3、确定样本集中的有效样本,并提取出有效样本构建有效样本集;
步骤4、通过有效样本集估算道路信号交叉口各进口道的车辆通行时间。
2.根据权利要求1所述的道路信号交叉口车辆通行时间估算方法,其特征在于,所述步骤1包括:
采集车辆通过道路信号交叉口区域发送的GPS数据;
对采集到的GPS数据进行清洗,去除重复数据和冗余字段;
按照时间顺序对清洗后的GPS数据进行排序;
按照等时间段对排序后的GPS数据进行划分,建立原始数据库。
3.根据权利要求1所述的道路信号交叉口车辆通行时间估算方法,其特征在于,所述步骤2包括:
从原始数据库中调取指定分析时间段内的GPS数据;
通过调取的GPS数据确定道路信号交叉口范围;
通过道路信号交叉口范围的区域坐标,筛选出道路信号交叉口范围内的轨迹点数据;
根据筛选出的轨迹点数据生成车辆ID数据集;
按照车辆ID数据集中的车辆ID,对筛选出的轨迹点数据进行归类,生成每个车辆ID对应的样本,建立样本集。
4.根据权利要求3所述的道路信号交叉口车辆通行时间估算方法,其特征在于,所述通过调取的GPS数据确定道路信号交叉口范围包括:
从调取的GPS数据中筛选出车辆速度低于指定速度阈值的GPS数据;
通过筛选出的GPS数据的坐标数据,确定GPS数据分布的集中区域;
根据集中区域的尾部边界确定道路信号交叉口范围。
5.根据权利要求1所述的道路信号交叉口车辆通行时间估算方法,其特征在于,所述确定样本集中的有效样本包括:
将样本中的轨迹点数据按照时间顺序进行排序;
遍历样本并提取轨迹点数据中的速度数据,生成速度序列;
判定速度序列是否符合有效样本标准,若满足,则样本为有效样本。
7.根据权利要求6所述的道路信号交叉口车辆通行时间估算方法,其特征在于,所述停车速度阈值α为5km/h,驶离速度阈值β为35km/h。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910884064.5A CN110782662A (zh) | 2019-09-19 | 2019-09-19 | 道路信号交叉口车辆通行时间估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910884064.5A CN110782662A (zh) | 2019-09-19 | 2019-09-19 | 道路信号交叉口车辆通行时间估算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110782662A true CN110782662A (zh) | 2020-02-11 |
Family
ID=69383809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910884064.5A Pending CN110782662A (zh) | 2019-09-19 | 2019-09-19 | 道路信号交叉口车辆通行时间估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110782662A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112967493A (zh) * | 2021-01-16 | 2021-06-15 | 北京工业大学 | 一种基于神经网络的车辆通过交叉口行程时间的预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005266914A (ja) * | 2004-03-16 | 2005-09-29 | Nec System Technologies Ltd | 運転状態記録解析システム、車載システム、及び解析装置 |
JP2011022988A (ja) * | 2009-07-14 | 2011-02-03 | Korea Electronics Telecommun | 車両用端末及びその動作方法、そして情報提供サーバー及びその情報提供方法 |
CN104750963A (zh) * | 2013-12-31 | 2015-07-01 | 中国移动通信集团公司 | 交叉口延误时长估计方法及装置 |
CN106097718A (zh) * | 2016-08-23 | 2016-11-09 | 重庆大学 | 基于gps数据的信号交叉口区域通行时间估计方法 |
CN106097717A (zh) * | 2016-08-23 | 2016-11-09 | 重庆大学 | 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 |
CN107945511A (zh) * | 2017-11-20 | 2018-04-20 | 中兴软创科技股份有限公司 | 一种交叉口延误时间的计算方法 |
-
2019
- 2019-09-19 CN CN201910884064.5A patent/CN110782662A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005266914A (ja) * | 2004-03-16 | 2005-09-29 | Nec System Technologies Ltd | 運転状態記録解析システム、車載システム、及び解析装置 |
JP2011022988A (ja) * | 2009-07-14 | 2011-02-03 | Korea Electronics Telecommun | 車両用端末及びその動作方法、そして情報提供サーバー及びその情報提供方法 |
CN104750963A (zh) * | 2013-12-31 | 2015-07-01 | 中国移动通信集团公司 | 交叉口延误时长估计方法及装置 |
CN106097718A (zh) * | 2016-08-23 | 2016-11-09 | 重庆大学 | 基于gps数据的信号交叉口区域通行时间估计方法 |
CN106097717A (zh) * | 2016-08-23 | 2016-11-09 | 重庆大学 | 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 |
CN107945511A (zh) * | 2017-11-20 | 2018-04-20 | 中兴软创科技股份有限公司 | 一种交叉口延误时间的计算方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112967493A (zh) * | 2021-01-16 | 2021-06-15 | 北京工业大学 | 一种基于神经网络的车辆通过交叉口行程时间的预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111210612B (zh) | 基于公交gps数据与站点信息提取公交线路轨迹的方法 | |
CN107563566B (zh) | 一种基于支持向量机的公交站间运行时间区间预测方法 | |
CN112820108B (zh) | 一种自学习的路网交通状态分析及预测方法 | |
CN108961758B (zh) | 一种基于梯度提升决策树的路口展宽车道探测方法 | |
Anand et al. | Traffic density estimation under heterogeneous traffic conditions using data fusion | |
CN108765985B (zh) | 基于第一辆车辆到达的信号交叉口进口道延误计算方法 | |
CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN111197991A (zh) | 基于深度神经网络的预测车辆最佳驾驶路径方法 | |
CN107240264B (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
CN106097717A (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 | |
CN104732765A (zh) | 基于卡口数据的城市道路饱和度实时监测方法 | |
CN110836675A (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
CN102087789B (zh) | 基于交通状态参数的交通状态判别系统和方法 | |
CN106355882A (zh) | 一种基于路中检测器的交通状态估计方法 | |
CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
CN101064061A (zh) | 异类交通信息实时融合方法 | |
CN109489679A (zh) | 一种导航路径中的到达时间计算方法 | |
CN112967493A (zh) | 一种基于神经网络的车辆通过交叉口行程时间的预测方法 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN111986483A (zh) | 基于电警数据碰撞实现道路拥堵状态研判处理的方法、装置及存储介质 | |
CN111882858A (zh) | 一种基于多源数据的高速公路异常事件排队长度预测方法 | |
CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
CN105551241B (zh) | 一种基于fcd及ep多源数据的实时拥堵分析方法 | |
CN110782662A (zh) | 道路信号交叉口车辆通行时间估算方法 | |
CN112598900A (zh) | 实现城市干线道路交通协调优化控制的评价处理系统、方法、装置、处理器及其存储介质 |
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 |
Application publication date: 20200211 |
|
RJ01 | Rejection of invention patent application after publication |