CN110910653A - 一种基于视频检测的Scats信号路口排队长度模型构建方法 - Google Patents

一种基于视频检测的Scats信号路口排队长度模型构建方法 Download PDF

Info

Publication number
CN110910653A
CN110910653A CN201911120322.9A CN201911120322A CN110910653A CN 110910653 A CN110910653 A CN 110910653A CN 201911120322 A CN201911120322 A CN 201911120322A CN 110910653 A CN110910653 A CN 110910653A
Authority
CN
China
Prior art keywords
intersection
lane
nil
ith
entrance lane
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.)
Granted
Application number
CN201911120322.9A
Other languages
English (en)
Other versions
CN110910653B (zh
Inventor
吴超腾
蔡章辉
崔鑫
张璐
李玉展
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Seari Intelligent System Co Ltd
Original Assignee
Shanghai Seari Intelligent System Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Seari Intelligent System Co Ltd filed Critical Shanghai Seari Intelligent System Co Ltd
Priority to CN201911120322.9A priority Critical patent/CN110910653B/zh
Publication of CN110910653A publication Critical patent/CN110910653A/zh
Application granted granted Critical
Publication of CN110910653B publication Critical patent/CN110910653B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • 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
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel

Abstract

本发明涉及一种基于视频检测的SCATS信号路口排队长度模型构建方法，包括布置于路口进口道停车线后的视频检测器，一方面替代原SCATS系统采集交通参数的线圈，另一方面具备车牌识别功能。本发明的技术方案是提供了一种基于视频检测的SCATS信号路口排队长度模型构建方法。本发明基于视频检测器与大数据分析技术，实现获得SCATS信号路口各进口道各车道的排队长度，不仅可用于对路口信号方案的优化，还可以用于信号评价。

Description

一种基于视频检测的Scats信号路口排队长度模型构建方法
技术领域
本发明涉及一种基于视频检测的SCATS信号路口排队长度模型构建方法。
背景技术
当前，各大城市均已建立各自的智能交通控制系统，例如上海在全市采用了悉尼自适应交通控制系统(Sydney Coordinated Adaptive Traffic System，简称SCATS，或SCATS系统)对城市道路进行信号智能控制，该系统采用埋在停车线后的线圈检测车辆，从而获得流量、饱和度(非交通工程意义上的饱和度)等参数。虽然，该系统可以实现单点控制、区域控制等功能，但由于其运行机理采用的是“等饱和度原则”且饱和度非交通工程意义上的饱和度，因此其信号控制策略也备受争议。
信号控制路口车辆排队对于交叉口控制策略以及效果评价至关重要，国内外众多学者均是基于排队长度实现对路口信号控制方案的设计及优化，此外，一线交警在路口排堵保畅时，也是基于各个相位所对应进口道的车辆排队长度进行绿灯时长的分配。然而，SCATS系统却无法获得路口各进口道的排队长度，当前，随着科技的发展，已经出现可以替代SCATS系统中采集交通参数的线圈的设备，即视频检测器，并且视频检测器本身还将具备车牌识别的功能。所以，有必要研究基于视频检测的SCATS信号路口的排队长度模型，为改进SCATS系统的信号控制策略以及信号评价提供数据支持。
发明内容
本发明目的是：基于视频检测的车牌识别功能，实现车辆在各路口进口道的转向概率，从而，分析下游路口各进口路段上的累计流入-流出交通量来进行排队车辆数/长度计算。
为了达到上述目的，本发明的技术方案是提供了一种基于视频检测的Scats信号路口排队长度模型构建方法，利用视频检测器替代线圈向SCATS系统输入数据，且视频检测器的位置安装于停车线后，其特征在于，所述方法包括以下步骤：
第一部分：进行车辆路口各进口道转向概率计算；
第二部分：路口排队长度计算
步骤1、当当前采样时刻T＝0时，当前路口n的第i个进口道的第l条车道的排队长度为N[0]nil；
步骤2、当当前采样时刻T＝1时，当前路口n的第i个进口道的第l条车道的排队长度为N[1]nil：
N[1]nil＝N[0]nil+I[1]nil-O[1]nil
式中，O[1]nil为0～1之间当前路口n的第i个进口道的第l条车道离开的车辆数；
I[1]nil为0～1之间来自上游路口n-1且将要排队在第l条车道的车辆数，其计算公式如下式：
Figure BDA0002275278530000021
其中，I为上游路口n-1转向到当前路口n的进口道集合，S在0～1之间视频检测器检测第i个进口道转向到当前路口n的总车辆，s为每一辆车，
Figure BDA0002275278530000022
为车辆s在上游路口n-1的第i个进口道转向为d1的概率，
Figure BDA0002275278530000023
为车辆s在当前路口n的第in个进口道转向为d2的概率；
步骤3、当当前采样时刻T＝t时，当前路口n的第i个进口道的第l条车道的排队长度N[t]nil为：
N[t]nil＝N[t-1]nil+I[t]nil-O[t]nil
式中，O[t]nil为(t-1)～t之间当前路口n的第i个进口道的第l条车道离开的车辆数；
I[t]nil为(t-1)～t之间来自上游路口n-1且将要排队在第l条车道的车辆数，其计算公式如下式：
Figure BDA0002275278530000024
其中，I为上游路口n-1转向到当前路口n的进口道集合，S在(t-1)～t之间视频检测器检测第i个进口道转向到当前路口n的总车辆，s为每一辆车，
Figure BDA0002275278530000025
为车辆s在上游路口n-1的第i个进口道转向为d1的概率，
Figure BDA0002275278530000026
为车辆s在当前路口n的第in个进口道转向为d2的概率；
步骤4、结合路口信号配时方案，实时求解绿灯启亮时各路口各进口道各车道的排队车辆数，结合各辆车的车长，获知排队长度。
优选地，所述第一部分包括以下步骤：
步骤1、定义车辆在路口各进口道的转向关系；
步骤2、基于视频检测器的车牌识别功能，分析同一车牌对应的车辆在相邻两个路口之间的检测关系，进而判定属于左转或直行或右转关系；
步骤3、基于过往历史数据和大数据分析技术，得到各车辆在路口各进口道各转向关系的转向概率。
本发明充分利用视频检测器的优势以及大数据分析技术，在获得车辆在路口转向概率的情况下，根据累计流入-流出交通量来进行排队车辆数/长度计算，实现路口各进口道各车道的实时排队长度。
附图说明
图1为车辆在路口的转向关系示意图；
图2为视频检测器安装位置示意图；
图3为信号路口排队长度计算示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
结合图1及图2，本发明基于如图1所示的车辆在路口进口道转向关系，即左转关系、直行关系和右转关系。
图2所示，在本发明中，利用视频检测器替代线圈向SCATS系统输入数据，且视频检测器的位置安装于停车线后
结合图3，本发明提供了一种基于视频检测的SCATS信号路口排队长度模型的计算方法，包括以下步骤：
第一部分：车辆路口各进口道转向概率计算
步骤1、定义车辆在路口各进口道的转向关系，包括左转、直行、右转等关系，如图1所示，在路口1北进口道处，去往路口2即为右转关系，去往路口3即为直行关系，去往路口4即为左转关系；
步骤2、基于视频检测器的车牌识别功能，如图3所示，分析车辆在路口1北进口道左转、路口1西进口道直行、路口1南进口道右转的情况，完成路口1各进口道上述3中转向的定义，进而判定属于左转或直行或右转关系；
步骤3、基于过往历史数据和大数据分析技术，得到车辆在路口1北进口道左转概率、路口1西进口道直行概率、路口1南进口道右转概率；
第二部分：以路口2西进口道排队长度为例
步骤1、当当前采样时刻T＝0时，路口2进口道1车道1的排队长度N[0]211，车道2的排队长度N[0]212，车道3的排队长度N[0]213；
步骤2、当当前采样时刻T＝1时，路口2进口道1车道1的排队长度N[1]211＝N[0]211+I[1]211-O[1]211，其中I[1]211的计算公式如下：
Figure BDA0002275278530000041
其中，d1的取值为路口1的进口道1—左转，进口道2—直行，进口道3—右转。
其他车道类似车道1。
步骤3、当当前采样时刻T＝t时，当前路口2进口道1车道1的排队长度为：
N[t]211＝N[t-1]211+I[t]211-O[t]211
其中，I[t]211为(t-1)～t之间来自上游路口1且将要排队在车道1的车辆数，其计算公式如下式：
Figure BDA0002275278530000042
其中，d1的取值为路口1的进口道1—左转，进口道2—直行，进口道3—右转。
步骤4、结合路口信号配时方案，即可实时求解绿灯启亮时各路口各进口道各车道的排队车辆数，结合各辆车的车长，即可获知排队长度。

Claims (2)

1.一种基于视频检测的Scats信号路口排队长度模型构建方法，利用视频检测器替代线圈向SCATS系统输入数据，且视频检测器的位置安装于停车线后，其特征在于，所述方法包括以下步骤：
第一部分：进行车辆路口各进口道转向概率计算；
第二部分：路口排队长度计算
步骤1、当当前采样时刻T＝0时，当前路口n的第i个进口道的第l条车道的排队长度为N[0]nil；
步骤2、当当前采样时刻T＝1时，当前路口n的第i个进口道的第l条车道的排队长度为N[1]nil：
N[1]nil＝N[0]nil+I[1]nil-O[1]nil
式中，O[1]nil为0～1之间当前路口n的第i个进口道的第l条车道离开的车辆数；
I[1]nil为0～1之间来自上游路口n-1且将要排队在第l条车道的车辆数，其计算公式如下式：
Figure FDA0002275278520000011
其中，I为上游路口n-1转向到当前路口n的进口道集合，S在0～1之间视频检测器检测第i个进口道转向到当前路口n的总车辆，s为每一辆车，
Figure FDA0002275278520000012
为车辆s在上游路口n-1的第i个进口道转向为d1的概率，
Figure FDA0002275278520000013
为车辆s在当前路口n的第in个进口道转向为d2的概率；
步骤3、当当前采样时刻T＝t时，当前路口n的第i个进口道的第l条车道的排队长度N[t]nil为：
N[t]nil＝N[t-1]nil+I[t]nil-O[t]nil
式中，O[t]nil为(t-1)～t之间当前路口n的第i个进口道的第l条车道离开的车辆数；
I[t]nil为(t-1)～t之间来自上游路口n-1且将要排队在第l条车道的车辆数，其计算公式如下式：
Figure FDA0002275278520000021
其中，I为上游路口n-1转向到当前路口n的进口道集合，S在(t-1)～t之间视频检测器检测第i个进口道转向到当前路口n的总车辆，s为每一辆车，
Figure FDA0002275278520000022
为车辆s在上游路口n-1的第i个进口道转向为d1的概率，
Figure FDA0002275278520000023
为车辆s在当前路口n的第in个进口道转向为d2的概率；
步骤4、结合路口信号配时方案，实时求解绿灯启亮时各路口各进口道各车道的排队车辆数，结合各辆车的车长，获知排队长度。
2.如权利要求1所述的一种基于视频检测的Scats信号路口排队长度模型构建方法，其特征在于，所述第一部分包括以下步骤：
步骤1、定义车辆在路口各进口道的转向关系；
步骤2、基于视频检测器的车牌识别功能，分析同一车牌对应的车辆在相邻两个路口之间的检测关系，进而判定属于左转或直行或右转关系；
步骤3、基于过往历史数据和大数据分析技术，得到各车辆在路口各进口道各转向关系的转向概率。
CN201911120322.9A 2019-11-15 2019-11-15 一种基于视频检测的Scats信号路口排队长度模型构建方法 Active CN110910653B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911120322.9A CN110910653B (zh) 2019-11-15 2019-11-15 一种基于视频检测的Scats信号路口排队长度模型构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911120322.9A CN110910653B (zh) 2019-11-15 2019-11-15 一种基于视频检测的Scats信号路口排队长度模型构建方法

Publications (2)

Publication Number Publication Date
CN110910653A true CN110910653A (zh) 2020-03-24
CN110910653B CN110910653B (zh) 2022-03-04

Family

ID=69816607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911120322.9A Active CN110910653B (zh) 2019-11-15 2019-11-15 一种基于视频检测的Scats信号路口排队长度模型构建方法

Country Status (1)

Country Link
CN (1) CN110910653B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111627241A (zh) * 2020-05-27 2020-09-04 北京百度网讯科技有限公司 用于生成车辆排队信息的方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06243385A (ja) * 1993-02-19 1994-09-02 Mitsubishi Heavy Ind Ltd 車輌識別装置
CN103258436A (zh) * 2013-05-21 2013-08-21 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
CN103985264A (zh) * 2014-05-30 2014-08-13 北京易华录信息技术股份有限公司 一种能减少路口排队长度的路口控制系统及方法
CN103985261A (zh) * 2014-04-21 2014-08-13 东南大学 基于车辆排队长度测算的交通信号灯控制方法及系统
CN105206067A (zh) * 2015-09-22 2015-12-30 东南大学 一种异质交通状态的交叉口信号优化控制方法
CN107025792A (zh) * 2017-05-05 2017-08-08 深圳市哈工大交通电子技术有限公司 基于车辆排队长度的车道及信号灯周期的调整方法及装置
CN108615376A (zh) * 2018-05-28 2018-10-02 安徽科力信息产业有限责任公司 一种基于视频检测的交叉口信号控制方案评价方法
CN108765981A (zh) * 2018-06-20 2018-11-06 昆明理工大学 一种分车道实时排队长度预测方法
CN109272756A (zh) * 2018-11-07 2019-01-25 同济大学 一种信控交叉口排队长度估计方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06243385A (ja) * 1993-02-19 1994-09-02 Mitsubishi Heavy Ind Ltd 車輌識別装置
CN103258436A (zh) * 2013-05-21 2013-08-21 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
CN103985261A (zh) * 2014-04-21 2014-08-13 东南大学 基于车辆排队长度测算的交通信号灯控制方法及系统
CN103985264A (zh) * 2014-05-30 2014-08-13 北京易华录信息技术股份有限公司 一种能减少路口排队长度的路口控制系统及方法
CN105206067A (zh) * 2015-09-22 2015-12-30 东南大学 一种异质交通状态的交叉口信号优化控制方法
CN107025792A (zh) * 2017-05-05 2017-08-08 深圳市哈工大交通电子技术有限公司 基于车辆排队长度的车道及信号灯周期的调整方法及装置
CN108615376A (zh) * 2018-05-28 2018-10-02 安徽科力信息产业有限责任公司 一种基于视频检测的交叉口信号控制方案评价方法
CN108765981A (zh) * 2018-06-20 2018-11-06 昆明理工大学 一种分车道实时排队长度预测方法
CN109272756A (zh) * 2018-11-07 2019-01-25 同济大学 一种信控交叉口排队长度估计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
卓曦 等: "城市信号交叉口导向车道线长度模型", 《徐州建筑职业技术学院学报》 *
周立平 等: "信号交叉口转向可变车道长度研究", 《交通信息与安全》 *
梁潇: "信号交叉口渠化区可变车道设计原理研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111627241A (zh) * 2020-05-27 2020-09-04 北京百度网讯科技有限公司 用于生成车辆排队信息的方法和装置
CN111627241B (zh) * 2020-05-27 2024-04-09 阿波罗智联(北京)科技有限公司 用于生成路口车辆排队信息的方法和装置

Also Published As

Publication number Publication date
CN110910653B (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
CN107767666B (zh) 一种智能检测的单点控制交叉口出口交通流溢出防控方法
CN107705591B (zh) 一种有轨电车与社会车流的协同控制方法
CN111243301B (zh) 一种交通信号灯绿灯时长确定装置、方法及系统
CN107293116B (zh) 一种基于视频分析的交通事件检测系统
CN108550262B (zh) 基于毫米波雷达的城市交通感知系统
WO2018171464A1 (zh) 一种根据导航路径规划车速的方法、装置及系统
CN109003444A (zh) 基于广域雷达微波检测器的城市交叉口溢流控制方法
CN107204115B (zh) 干线车流停车率估计方法
US10699568B1 (en) Video-based crossroad signal machine control method
CN105046985A (zh) 基于大数据的主干道全路段的交通控制系统
CN109166313B (zh) 一种根据过车数据的溢出预警方法
CN105679024A (zh) 一种道路交叉口排队长度计算方法
CN106355882B (zh) 一种基于路中检测器的交通状态估计方法
CN103236162A (zh) 一种基于视频分析的信号交叉口通行能力分析方法
CN108898856B (zh) 智能城市交通优化方法与系统
CN104778839A (zh) 基于视频检测器的城市道路下游分方向交通状态判别方法
CN101131796A (zh) 一种道路交通参数检测装置及检测方法
CN112102627A (zh) 一种基于车路协同的可变车道控制方法
CN110910653B (zh) 一种基于视频检测的Scats信号路口排队长度模型构建方法
CN107578629B (zh) 基于城市主次干路交叉口的智能信号灯控制方法
CN112530178A (zh) 一种基于浮动车定位数据的交叉口信号控制方案评价方法
CN109785627A (zh) 一种十字路口交通流量监控系统
CN108417056B (zh) 一种基于雷达检测器的十字路口信号机控制方法
CN108417053B (zh) 一种适用于t型交叉口的光电检测装置及控制方法
CN108806285B (zh) 一种基于阵列雷达的交叉路口信号调整方法及装置

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