CN110865361B - 一种基于雷达数据的饱和车头时距检测方法 - Google Patents
一种基于雷达数据的饱和车头时距检测方法 Download PDFInfo
- Publication number
- CN110865361B CN110865361B CN201911199224.9A CN201911199224A CN110865361B CN 110865361 B CN110865361 B CN 110865361B CN 201911199224 A CN201911199224 A CN 201911199224A CN 110865361 B CN110865361 B CN 110865361B
- Authority
- CN
- China
- Prior art keywords
- lane
- radar
- time
- vehicle
- data
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/62—Sense-of-movement determination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Abstract
本发明涉及一种雷达检测技术的运用,具体为一种基于雷达数据的饱和车头时距检测方法;其中包括如下步骤:步骤五:建立雷达交通大数据平台,对雷达上位机接入的雷达进行配置信息和过车数据的采集、解析、数据存储和分析;步骤六:查询车道内所有过车数据:根据上述步骤获取的车道放行时间,查询放行时间段内该车道的所有过车数据,选取所有过车数据量大于M条的时间段;步骤七:获取车道通行时间内的饱和车头时距:从驶出线圈的时间正序第N条过车数据开始,将后车驶出线圈的时间减去前车驶出线圈的时间,得到从该车道放行开始第N辆车的车头时距,去除大于Q秒的车头时距,将余下的车头时距取最小值,即为该车道此段通行时间内的饱和车头时距。
Description
技术领域
本发明涉及一种雷达检测技术的运用,具体为一种基于雷达数据的饱和车头时距检测方法。
背景技术
交叉口是城市道路的流量转换节点,在路网系统衔接中起着至关重要的作用,交叉口疏导交通流的能力很大程度上决定或制约着城市路网整体的运行。将城市道路交叉口中加入信号管理设施可将交叉口交通流进行时间和空间的调整,但不合理的信号管理也可能造成交通拥堵问题的高发。如何减少信号交叉口车辆运行延误,提高交叉口通行能力,是城市道路交通研究及管理追求的目标。车头时距是指同一车道上行驶的车辆队列中,两连续车辆车头端部通过某一断面的时间间隔;对于信号交叉口内车道上的车流来说,当信号由红转绿时,车流获得通行权,经过一定时间的反应延误,红灯期间内积累的排队车辆依次启动,顺次通过停车线,车道交通流率逐渐增加到一个相对稳定的值,车头时距也达到相对稳定的状态,称为饱和车头时距。
而交叉口的饱和车头时距是影响信号交叉口通行能力至关重要的一个参数,是计算交叉口通行能力、计算损失时间以及进行信号配时设计等必不可少的输入参数。
现有的饱和车头时距测算方法包括现场观测或对监控视频进行人工测算,也有通过线圈感应检测车头时距,再计算饱和车头时距的方式,该检测方式中,一个检测线圈对应一个车道,当车辆行驶过线圈时,环形线圈可获取过车数据并接入数据平台,平台将后车与前车驶过线圈的时间相减,即可获取车头时距,再结合相位数据进行计算即可获得饱和车头时距。
但人工测算耗时耗力且精度较低,而一个环形线圈车辆检测器仅能检测一条车道,且安装时需要埋入地面以下,施工难度大,会对路面造成损害并对某一车道导致无法使用,道路使用寿命也会降低。
发明内容
本发明的目的是为了解决上述技术不足,提供了一种基于雷达数据的饱和车头时距检测方法,广域雷达微波车辆检测器采用主动扫描式阵列雷达技术,横向可覆盖双向多车道,设置多个虚拟线圈,可借杆安装,便于维护。
为解决上述技术问题,本发明所采用的技术方案为:一种基于雷达数据的饱和车头时距检测方法,包括如下步骤:步骤一、在车道前方构建雷达发射端:雷达发射微波信号,微波信号遇到车道上车辆后反射回波信号;雷达的信号处理模块从回波信号中获取车辆相对于雷达发射端的距离、角度和速度信息;
步骤二:以雷达为原点,相对于雷达建立X-Y坐标系,根据雷达的信号处理模块收到的车辆相对于雷达发射端的距离、角度和速度计算出车辆位于X-Y坐标系中的位置;
步骤三:建立雷达上位机,雷达上位机与雷达通信,雷达上位机在X-Y坐标系中虚拟线圈位置和配置车道内雷达设备、车道属性和虚拟线圈属性;
步骤四:通过雷达的信号处理模块从回波信号中获取车辆相对于虚拟线圈位置的过车数据;
步骤五:建立雷达交通大数据平台,对雷达上位机接入的雷达进行配置信息和过车数据的采集、解析、数据存储和分析,并从雷达上位机读取车辆相位数据,获取车道信息;车道信息包括车道朝向、车道流向和车道所属相位时间;
步骤六:查询车道内所有过车数据:根据上述步骤获取的车道放行时间,查询放行时间段内该车道的所有过车数据,选取所有过车数据量大于M条的时间段;
步骤七:获取车道通行时间内的饱和车头时距:从驶出线圈的时间正序第N条过车数据开始,将后车驶出线圈的时间减去前车驶出线圈的时间,得到从该车道放行开始第N辆车的车头时距,去除大于Q秒的车头时距,将余下的车头时距取最小值,即为该车道此段通行时间内的饱和车头时距。
作为优选,所述车道属性包括雷达编号、雷达坐标系下的X-Y坐标和车辆行驶方向。
作为优选,所述虚拟线圈属性包括虚拟线圈所在车道编号、雷达坐标系下的X-Y坐标、车道长度、车道宽度和虚拟线圈工作模式。
作为优选,所述过车数据包括线圈编号、所在车道号、驶出线圈的时间、速度、车长、压占时间。
作为优选,雷达设备属性包括雷达所在路口编号、设备编号和照射方向。
作为优选,所述雷达正对车道方向,雷达法线与车道线平行。
作为优选,所述步骤五中获取车道朝向、车道流向和车道所属相位时间,具体如下:
获取车道朝向:根据车道配置信息表中的设备编号,关联到设备配置信息表中的相应设备的照射方向,获取其所在设备的照射方向(东、南、西、北),即该车道的朝向;
获取车道流向:结合车道行驶方向与车道朝向,即可获取该车道的流向(如北方向直行);
获取车道所属相位时间:根据车道配置信息表中的所在设备编号,关联到设备配置信息表中的相应设备所在路口编号,再关联到相位数据表中的相应路口,将车道流向与相位描述(如南北直行)进行匹配,即可获取该车道所属的相位,以及该相位的开始时间、结束时间,即该车道绿灯放行的开始时间和结束时间。
作为优选,所述步骤七中,将一天内早晚高峰所有饱和车头时距求平均值,即可获得该车道今日饱和车头时距。
作为优选,所述步骤六中,选取所有过车数据量大于M条的时间段中M≥8。
作为优选,所述步骤七中,从驶出线圈的时间正序第N条过车数据开始,其中M-3≥N≥4,去除大于Q秒的车头时距,其中6≥Q≥4
本发明所达到的有益效果:本发明的基于雷达数据的饱和车头时距检测方法通过雷达技术的运用从而使得对道路交叉口上的车辆检测不再需要地埋任何设备,并且加装和现场施工方便,雷达交通大数据平台对于饱和车头时距计算方式,去除了车辆启动反应时间造成的较大车头时距,以及排队车辆放完后、车流稀疏时较大的车头时距,计算结果能够科学、准确地反映信号交叉口运行状况。
附图说明
图1为本发明的基于雷达数据的饱和车头时距检测方法的现场示意图。
图2为本发明的基于雷达数据的饱和车头时距检测方法针对一天内饱和车头时距的分布示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图所示:一种基于雷达数据的饱和车头时距检测方法,包括如下步骤:步骤一、在车道前方构建雷达发射端:雷达发射微波信号,微波信号遇到车道上车辆后反射回波信号;雷达的信号处理模块从回波信号中获取车辆相对于雷达发射端的距离、角度和速度信息;步骤二:以雷达为原点,相对于雷达建立X-Y坐标系,根据雷达的信号处理模块收到的车辆相对于雷达发射端的距离、角度和速度计算出车辆位于X-Y坐标系中的位置;步骤三:建立雷达上位机,雷达上位机与雷达通信,雷达上位机在X-Y坐标系中虚拟线圈位置和配置车道内雷达设备、车道属性和虚拟线圈属性;步骤四:通过雷达的信号处理模块从回波信号中获取车辆相对于虚拟线圈位置的过车数据;步骤五:建立雷达交通大数据平台,对雷达上位机接入的雷达进行配置信息和过车数据的采集、解析、数据存储和分析,并从雷达上位机读取车辆相位数据,获取车道信息;车道信息包括车道朝向、车道流向和车道所属相位时间;步骤六:查询车道内所有过车数据:根据上述步骤获取的车道放行时间,查询放行时间段内该车道的所有过车数据,选取所有过车数据量大于11条的时间段;步骤七:获取车道通行时间内的饱和车头时距:从驶出线圈的时间正序第5条过车数据开始,将后车驶出线圈的时间减去前车驶出线圈的时间,得到从该车道放行开始第5辆车的车头时距,去除大于5秒的车头时距,将余下的车头时距取最小值,即为该车道此段通行时间内的饱和车头时距。
所述车道属性包括雷达编号、雷达坐标系下的X-Y坐标和车辆行驶方向。所述虚拟线圈属性包括虚拟线圈所在车道编号、雷达坐标系下的X-Y坐标、车道长度、车道宽度和虚拟线圈工作模式。所述过车数据包括线圈编号、所在车道号、驶出线圈的时间、速度、车长、压占时间。雷达设备属性包括雷达所在路口编号、设备编号和照射方向。所述雷达正对车道方向,雷达法线与车道线平行。
所述步骤五中获取车道朝向、车道流向和车道所属相位时间,具体如下:
获取车道朝向:根据车道配置信息表中的设备编号,关联到设备配置信息表中的相应设备的照射方向,获取其所在设备的照射方向(东、南、西、北),即该车道的朝向;
获取车道流向:结合车道行驶方向与车道朝向,即可获取该车道的流向(如北方向直行);
获取车道所属相位时间:根据车道配置信息表中的所在设备编号,关联到设备配置信息表中的相应设备所在路口编号,再关联到相位数据表中的相应路口,将车道流向与相位描述(如南北直行)进行匹配,即可获取该车道所属的相位,以及该相位的开始时间、结束时间,即该车道绿灯放行的开始时间和结束时间。
所述步骤七中,将一天内早晚高峰所有饱和车头时距求平均值,即可获得该车道今日饱和车头时距。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种基于雷达数据的饱和车头时距检测方法,其特征在于:包括如下步骤:步骤一、在车道前方构建雷达发射端:雷达发射微波信号,微波信号遇到车道上车辆后反射回波信号;雷达的信号处理模块从回波信号中获取车辆相对于雷达发射端的距离、角度和速度信息;
步骤二:以雷达为原点,相对于雷达建立X-Y坐标系,根据雷达的信号处理模块收到的车辆相对于雷达发射端的距离、角度和速度计算出车辆位于X-Y坐标系中的位置;
步骤三:建立雷达上位机,雷达上位机与雷达通信,雷达上位机在X-Y坐标系中虚拟线圈位置和配置车道内雷达设备、车道属性和虚拟线圈属性;
步骤四:通过雷达的信号处理模块从回波信号中获取车辆相对于虚拟线圈位置的过车数据;
步骤五:建立雷达交通大数据平台,对雷达上位机接入的雷达进行配置信息和过车数据的采集、解析、数据存储和分析,并从雷达上位机读取车辆相位数据,获取车道信息;车道信息包括车道朝向、车道流向和车道所属相位时间;
步骤六:查询车道内所有过车数据:根据上述步骤获取的车道放行时间,查询放行时间段内该车道的所有过车数据,选取所有过车数据量大于M条的时间段;
步骤七:获取车道通行时间内的饱和车头时距:从驶出线圈的时间正序第N条过车数据开始,将后车驶出线圈的时间减去前车驶出线圈的时间,得到从该车道放行开始第N辆车的车头时距,去除大于Q秒的车头时距,将余下的车头时距取最小值,即为该车道此段通行时间内的饱和车头时距。
2.根据权利要求1所述的基于雷达数据的饱和车头时距检测方法,其特征在于:所述车道属性包括雷达编号、雷达坐标系下的X-Y坐标和车辆行驶方向。
3.根据权利要求1所述的基于雷达数据的饱和车头时距检测方法,其特征在于:所述虚拟线圈属性包括虚拟线圈所在车道编号、雷达坐标系下的X-Y坐标、车道长度、车道宽度和虚拟线圈工作模式。
4.根据权利要求1所述的基于雷达数据的饱和车头时距检测方法,其特征在于:所述过车数据包括线圈编号、所在车道号、驶出线圈的时间、速度、车长、压占时间。
5.根据权利要求1所述的基于雷达数据的饱和车头时距检测方法,其特征在于:雷达设备属性包括雷达所在路口编号、设备编号和照射方向。
6.根据权利要求1所述的基于雷达数据的饱和车头时距检测方法,其特征在于:所述雷达正对车道方向,雷达法线与车道线平行。
7.根据权利要求1所述的基于雷达数据的饱和车头时距检测方法,其特征在于:所述步骤五中获取车道朝向、车道流向和车道所属相位时间,具体如下:
获取车道朝向:根据车道配置信息表中的设备编号,关联到设备配置信息表中的相应设备的照射方向,获取其所在设备的照射方向(东、南、西、北),即该车道的朝向;
获取车道流向:结合车道行驶方向与车道朝向,即可获取该车道的流向(如北方向直行);
获取车道所属相位时间:根据车道配置信息表中的所在设备编号,关联到设备配置信息表中的相应设备所在路口编号,再关联到相位数据表中的相应路口,将车道流向与相位描述(如南北直行)进行匹配,即可获取该车道所属的相位,以及该相位的开始时间、结束时间,即该车道绿灯放行的开始时间和结束时间。
8.根据权利要求1所述的基于雷达数据的饱和车头时距检测方法,其特征在于:所述步骤七中,将一天内早晚高峰所有饱和车头时距求平均值,即可获得该车道今日饱和车头时距。
9.根据权利要求1所述的基于雷达数据的饱和车头时距检测方法,其特征在于:所述步骤六中,选取所有过车数据量大于M条的时间段中M≥8。
10.根据权利要求1所述的基于雷达数据的饱和车头时距检测方法,其特征在于:所述步骤七中,从驶出线圈的时间正序第N条过车数据开始,其中M-3≥N≥4,去除大于Q秒的车头时距,其中6≥Q≥4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199224.9A CN110865361B (zh) | 2019-11-29 | 2019-11-29 | 一种基于雷达数据的饱和车头时距检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199224.9A CN110865361B (zh) | 2019-11-29 | 2019-11-29 | 一种基于雷达数据的饱和车头时距检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110865361A CN110865361A (zh) | 2020-03-06 |
CN110865361B true CN110865361B (zh) | 2022-05-13 |
Family
ID=69656831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911199224.9A Active CN110865361B (zh) | 2019-11-29 | 2019-11-29 | 一种基于雷达数据的饱和车头时距检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110865361B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113514847A (zh) * | 2020-04-10 | 2021-10-19 | 深圳市镭神智能系统有限公司 | 一种车辆外轮廓尺寸检测方法、系统及存储介质 |
CN115131971A (zh) * | 2022-06-30 | 2022-09-30 | 北京图盟科技有限公司 | 一种基于轨迹数据的控制延误确定方法及相关组件 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2981885B1 (ja) * | 1998-07-31 | 1999-11-22 | 建設省土木研究所長 | 道路状況把握装置 |
DE102012112754A1 (de) * | 2012-12-20 | 2014-06-26 | Jenoptik Robot Gmbh | Verfahren und Anordnung zur Erfassung von Verkehrsverstößen in einem Ampelbereich durch Heckanmessung mit einem Radargerät |
CN103258436B (zh) * | 2013-05-21 | 2015-04-08 | 东南大学 | 一种确定信号控制交叉口进口道可变导向车道长度的方法 |
CN103810862A (zh) * | 2013-11-01 | 2014-05-21 | 北京同济易德科技发展有限公司 | 无线交通流检测器 |
CN103985250B (zh) * | 2014-04-04 | 2016-05-18 | 浙江工业大学 | 轻量级的全息道路交通状态视觉检测装置 |
CN107798868B (zh) * | 2017-10-17 | 2019-02-01 | 大连理工大学 | 一种交通流组成影响的信号交叉口调头开口选位方法 |
CN108415011B (zh) * | 2018-02-08 | 2021-09-28 | 长安大学 | 一种基于多目标跟踪雷达实现车辆排队检测方法 |
CN109389826B (zh) * | 2018-12-14 | 2021-03-16 | 武汉理工大学 | 一种信号交叉口饱和流率的实时计算方法 |
CN110070734B (zh) * | 2019-05-14 | 2022-01-28 | 东南大学 | 基于高斯混合模型的信号交叉口饱和车头时距估计方法 |
-
2019
- 2019-11-29 CN CN201911199224.9A patent/CN110865361B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110865361A (zh) | 2020-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102855760B (zh) | 基于浮动车数据的在线排队长度检测方法 | |
CN105023428A (zh) | 路况信息评估方法及装置 | |
CN103903465B (zh) | 一种道路拥堵原因实时发布方法及系统 | |
CN107885795B (zh) | 一种卡口数据的数据校验方法、系统和装置 | |
CN108415011B (zh) | 一种基于多目标跟踪雷达实现车辆排队检测方法 | |
CN111856541A (zh) | 一种固定线路车辆轨迹监测系统及方法 | |
CN110865361B (zh) | 一种基于雷达数据的饱和车头时距检测方法 | |
CN102176284A (zh) | 一种基于gps终端的对实时路况信息分析判断的系统和方法 | |
CN109784254B (zh) | 一种车辆违规事件检测的方法、装置和电子设备 | |
CN102231235A (zh) | 一种交通流异常点检测定位方法 | |
CN105528913A (zh) | 一种路侧停车位检测及信息发布系统 | |
CN112712697B (zh) | 面向车路协同应用的车道级交通状态判别方法 | |
US11798408B2 (en) | Green wave speed determination method, electronic device and storage medium | |
CN103745595A (zh) | 分析路况信息的方法和系统、车载终端和路况分析服务器 | |
CN111127877A (zh) | 一种路况信息的监测方法及装置 | |
CN102324182A (zh) | 基于蜂窝网络的交通道路信息检测系统及其检测方法 | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
CN101577049A (zh) | 基于浮动车停车点数据过滤的地图匹配方法 | |
CN112859062B (zh) | 一种基于雷达的车辆排队长度检测方法及系统 | |
WO2020259301A1 (zh) | 交叉口车辆延误时间与停车次数的计算方法和装置 | |
CN103903468A (zh) | 道路拥堵时间预警方法及装置 | |
CN104900067A (zh) | 基于地磁传感器的智能无线车辆检测系统 | |
CN110853352A (zh) | 一种基于5g通讯技术的车辆车距确认及道路拥堵查询系统 | |
CN113538915B (zh) | 交通拥堵事件的处理方法、设备、存储介质及程序产品 | |
CN202472944U (zh) | 基于多传感器数据融合的城市交通信息采集与处理系统 |
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 |