CN111183464B - 基于车辆轨迹数据估计信号交叉路口的饱和流量的系统和方法 - Google Patents
基于车辆轨迹数据估计信号交叉路口的饱和流量的系统和方法 Download PDFInfo
- Publication number
- CN111183464B CN111183464B CN201980003277.0A CN201980003277A CN111183464B CN 111183464 B CN111183464 B CN 111183464B CN 201980003277 A CN201980003277 A CN 201980003277A CN 111183464 B CN111183464 B CN 111183464B
- Authority
- CN
- China
- Prior art keywords
- traffic
- wave
- traffic wave
- determining
- time
- 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
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
-
- 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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请的实施例提供了基于车辆轨迹数据估计信号交叉路口的饱和流量的系统和方法。该系统可以包括:至少一个存储设备被配置用于存储指令,并且至少一个处理器被配置用于执行所述指令以执行操作。所述操作可以包括通过通信接口接收与交叉路口相关的至少两个车辆运动的轨迹数据。所述操作还可以包括基于所述轨迹数据确定所述交叉路口的周期长度。所述操作还可以包括基于所述周期长度确定所述车辆运动的时间‑距离关系。另外,所述操作可以包括基于所述时间‑距离关系检测车流波。此外,所述操作可以包括基于所述车流波确定所述交叉路口的饱和流量。
Description
技术领域
本申请涉及交叉路口处的交通控制,更具体地,涉及使用车辆轨迹数据估计信号交叉路口的饱和流量的系统和方法。
背景技术
在交通控制中,饱和流量是评估交叉路口容量或效率的重要道路交通性能指标。饱和流量与在交通流中通过交叉路口的车辆数量有关,并广泛用于信号交叉路口的控制和设计中。传统上,基于交叉路口调查来估计饱和流量,包括观察实际或记录的交通流量并手动计算车辆数量。这种传统方法效率低且耗时。
本申请的实施例通过利用车辆轨迹数据来改进传统方法,该车辆轨迹数据传统上不用于饱和流量估计。由于基于app的叫车和共享服务的激增,车辆轨迹数据已经成为一个可行的信息源,其中可以基于例如车辆定位信息和地图信息来收集车辆轨迹数据。利用车辆轨迹数据进行饱和流量估计,为分析交通数据提供了一种有效且可扩展的新方法。
发明内容
本申请的实施例提供了一种用于分析交通数据的系统。该系统可以包括至少一个存储设备,用于存储指令。该系统还可以包括至少一个处理器,用于执行指令以执行操作。所述操作可以包括通过通信接口接收与交叉路口相关的至少两个车辆运动的轨迹数据。所述操作还可以包括基于所述轨迹数据确定所述交叉路口的周期长度。所述操作还可以包括基于所述周期长度确定所述车辆运动的时间-距离关系。另外,所述操作可以包括基于所述时间-距离关系检测车流波。此外,所述操作可以包括基于所述车流波确定所述交叉路口的饱和流量。
本申请的实施例还提供了一种用于分析交通数据的方法。该方法可以包括接收与交叉路口相关的至少两个车辆运动的轨迹数据。该方法还可以包括基于所述轨迹数据确定所述交叉路口的周期长度。该方法还可以包括基于所述周期长度确定所述车辆运动的时间-距离关系。另外,该方法可以包括基于所述时间-距离关系检测车流波。此外,该方法可以包括基于所述车流波确定所述交叉路口的饱和流量。
本申请的实施例还提供了一种非暂时性计算机可读介质,其上存储有指令,当由至少一个处理器执行时,所述指令使至少一个处理器执行用于分析业务数据的方法。所述方法可以包括接收与交叉路口相关的至少两个车辆运动的轨迹数据。该方法还可以包括基于所述轨迹数据确定所述交叉路口的周期长度。该方法还可以包括基于所述周期长度确定所述车辆运动的时间-距离关系。另外,该方法可以包括基于所述时间-距离关系检测车流波。此外,该方法可以包括基于所述车流波确定交叉路口的饱和流量。
应当理解,前面的一般性描述和下面的详细描述都只是示例性和说明性的,并不是对要求保护的本发明的限制。
附图说明
图1示出了根据本申请的实施例的交叉路口交通的示例性场景图。
图2示出了根据本申请的实施例的配备有轨迹感测系统的示例性车辆的示意图。
图3示出了根据本申请的实施例的用于分析交通数据的示例性系统的框图。
图4示出了根据本申请的实施例的用于分析交通数据的示例性方法的流程图。
图5示出了根据本申请的实施例的用于检测车流波的示例性方法的流程图。
图6示出了根据本申请的实施例的运动变化点和候选车流波线之间的距离的示例性分布图。
图7-10示出了根据本申请的实施例的基于T-S图的示例性车流波检测方法的流程图。
图11-12示出了了根据本申请的实施方案计算饱和流量的示例性方法的流程图。
图13示出了根据本申请的实施例的基于GPS数据的运动的示例性地图。
图14示出了根据本申请的实施例的运动的示例性轨迹。
图15示出了根据本申请的实施例的示出了在多个交叉路口处的饱和流量估计的示例性地图。
具体实施方式
现在将详细参考示例性实施例,其示例在附图中示出。只要有可能,在整个附图中将使用相同的附图标记来表示相同或相似的部分。
本申请的实施例提供了使用轨迹数据估计交叉路口的饱和流量的系统和方法。交叉路口可能具有固定的信号定时。基于轨迹数据,可估计周期长度。然后,可以将轨迹数据投影到周期长度以获得周期中的时间并生成车辆运动的时间-距离图(T-S图)。假设车辆由信号灯控制,可以在所述T-S图中检测车流波。有效检测到的车流波可以提供包括车流波速度、制动杆的位置和绿灯启动时间的信息。结合车流波速度、出发速度和堵塞密度(假设为常数),可以确定饱和流量的值,其反映了交叉路口处的车辆运动能力。在交通控制中,饱和流量可用于量化交叉路口的容量,以快速识别低效的交叉路口。
图1示出了描绘交叉路口处的交通状况的示例性场景。如图1所示,多个车辆可以沿着交叉道路102和103行进,并且可以由交叉路口104处的信号灯106控制。交叉路口104可以包括在每个方向上的制动杆108,其可以用作车辆停止、等待绿灯的地标。诸如车辆110的一些车辆可以配备有轨迹感测系统112,其可以获取包括与车辆110的运动有关的位置和时间信息的轨迹数据。轨迹数据可以被发送到服务器130。在另一示例中,诸如车辆120的车辆司机可以使用终端设备122(例如,移动电话)来运行能够收集轨迹数据的移动程序。例如,司机可以使用终端设备122来运行叫车或共享运输应用程序,其可以包括能够获取车辆120的位置、时间、速度和/或姿态信息的软件模块。终端设备122可以与服务器130通信以将轨迹数据发送到服务器130。应注意,尽管图1中所示的交叉路口104是两条道路之间的交叉路口,其中交通信号灯位于中心,但这种简化仅是示例性的并且仅用于说明目的。本文披露的实施例适用于具有任何合适的交通灯配置的任何形式的交叉路口。
图2示出了根据本申请的实施例的具有轨迹感测系统112的示例性车辆110的示意图。车辆110可以是电动车辆、燃料电池车辆、混合动力车辆或传统的内燃机车辆。车辆110可具有车身116和至少一个车轮118。车身116可以是任何车身类型,例如运动车辆、轿跑车、轿车、皮卡车、旅行车、运动型多功能车(SUV)、小型货车或改装车。在一些实施例中,车辆110可包括一对前轮和一对后轮,如图2所示。然而,车辆110可具有更多或更少的车轮或等效结构,使车辆110能够四处运动。车辆110可以被配置为全轮驱动(AWD)、前轮驱动(FWR)或后轮驱动(RWD)。在一些实施例中,车辆110可以被配置为由占用该车辆的操作员操作、远程控制和/或自主控制。
如图2所示,车辆110可配备有轨迹感测系统112。在一些实施例中,轨迹感测系统112可以安装或连接到车身116的外部。在一些实施例中,轨迹感测系统112可以配备在车身116内部,如图2所示。在一些实施例中,轨迹感测系统112可包括其配备在车身116外部的部件的一部分和配备在车身116内部的部件的一部分。可以预期,轨迹感测系统112可以配备在车辆110上的方式不受图2所示的示例的限制,并且可以根据轨迹感测系统112和/或车辆110中包括的传感器的类型来修改,以实现期望的感测性能。
在一些实施例中,轨迹感测系统112可以被配置为在车辆110沿着路径行进时捕获实时数据。例如,轨迹感测系统112可以包括导航单元,例如GPS接收器和/或一个或以上IMU传感器。GPS是全球导航卫星系统,其向GPS接收器提供位置和时间信息。IMU是一种电子设备,其使用各种惯性传感器(例如加速度计和陀螺仪,有时还有磁力计)来测量并提供车辆的特定力、角速率,有时还提供车辆周围的磁场。
车辆110可以与服务器130通信以将感测到的轨迹数据发送到服务器130。服务器130可以是本地物理服务器、云服务器(如图1和2所示)、虚拟服务器、分布式服务器或任何其他合适的计算设备。与本申请一致,服务器130可以存储从多个车辆接收的轨迹数据的数据库,其可以用于估计交叉路口处的饱和流量。
服务器130可以经由有线或无线网络,例如,局域网(LAN)、无线局域网(WLAN)、广域网(WAN)、诸如无线电波的无线网络、蜂窝网络、卫星通信网络和/或本地或短程无线网络(例如,蓝牙),与车辆110和/或车辆110的组件(例如,轨迹感测系统112)通信。
图3示出了根据本申请的实施例的示例性服务器130。与本申请一致,服务器130可以从一个或以上车辆接收轨迹数据302(例如,由轨迹感测系统112和/或终端设备122收集)。轨迹数据302可以包括描述车辆运动轨迹的车辆位置和时间信息。
在一些实施例中,如图3所示,服务器130可以包括通信接口310、处理器320、内存330和存储器340。在一些实施例中,服务器130可以在单个设备中具有不同的模块,例如集成电路(IC)芯片(作为专用集成电路(ASIC)或现场可编程门阵列(FPGA)实现的),或具有专用功能的独立设备。在一些实施例中,服务器130的一个或以上组件可以位于云中,或者可替代地在单个位置(例如,车辆110内部或移动设备)或分布式位置。服务器130的组件可以在集成设备中,或者分布在不同的位置,但是通过网络(未示出)相互通信。
通信接口310可以通过通信电缆、无线局域网(WLAN)、广域网(WAN)、诸如无线电波的无线网络、蜂窝网络和/或本地或短程无线网络(例如,蓝牙),或其他通信方法向车辆或其组件(例如,轨迹传感系统112和/或终端设备122)发送数据和从其接收数据。在一些实施例中,通信接口310可以是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器或调制解调器,以提供数据通信连接的。又例如,通信接口310可以是局域网(LAN)卡,以提供与兼容LAN的数据通信连接。无线链路也可以通过通信接口310实现。在这样的实现中,通信接口310可以经由网络发送和接收携带表示各种类型信息的数字数据流的电信号、电磁信号或光信号。
与一些实施例一致,通信接口310可以接收轨迹数据302。通信接口310还可以将所接收的轨迹数据302提供给存储器340进行存储或提供给处理器320进行处理。
处理器320可包括任何适当类型的通用或专用微处理器、数字信号处理器或微控制器。处理器320可以被配置为专用于分析交通数据的独立处理器模块。或者,处理器320可以被配置为共享处理器模块,用于执行与交通数据分析无关的其他功能。
如图3所示,处理器320可以包括多个模块,例如周期长度估计单元322、车流波检测单元324和饱和流量计算单元326等。这些模块(以及任何相应的子模块或子单元)可以是处理器320的硬件单元(例如,集成电路的部分),其被设计为与由处理器320通过执行至少一部分程序而实现的其他组件或软件单元一起使用。该程序可以存储在计算机可读介质上,并且当由处理器320执行时,它可以执行一个或以上的功能或操作。尽管图3示出了在一个处理器320内的所有单元322-326,但是可以预期这些单元可以分布在彼此靠近或远离的多个处理器之间。
内存330和存储器340可包括任何适当类型的大容量存储器,其被提供以存储处理器320可能需要操作的任何类型的信息。内存330和/或存储器340可以是易失性或非易失性、磁性、半导体、磁带、光学、可移动、不可移动或其他类型的存储设备或有形(即,非暂时性)计算机可读介质,包括但不限于ROM、闪存、动态RAM和静态RAM。内存330和/或存储器340可以被配置用于存储一个或以上计算机程序,其可以由处理器320执行本文披露的功能。例如,内存330和/或存储器340可以被配置为存储程序,其可以由处理器320执行以分析交通数据。
内存330和/或存储器340可以进一步被配置为存储处理器320使用的信息和数据。例如,内存330和/或存储器340可以被配置为存储由轨迹感测系统112和/或终端设备122提供的轨迹数据302。在处理每帧数据之后,各种类型的数据可以永久地存储、周期性地移除或忽略。
图4示出了根据本申请的实施例的用于分析交通数据的示例性方法400的流程图。在一些实施例中,方法400可以由服务器130实现。然而,方法400不限于该示例性实施例。方法400可以包括如下所述的步骤S410-S450。应当理解,一些步骤可以是可选的,以执行本文提供的申请。此外,一些步骤可以同时执行,或者以与图4中所示的不同的顺序执行。
在步骤S410,处理器320可以通过通信接口310从一个或以上车辆(例如,车辆110和120)接收轨迹数据302。例如,轨迹感测系统112可捕获包括位置和时间信息的轨迹数据302,并经由通信接口310将轨迹数据302提供给处理器320。在另一示例中,终端设备122可以通过通信接口310收集轨迹数据302并将轨迹数据302上传到服务器130。因此,处理器320可以接收轨迹数据320。轨迹数据302可以存储在内存330和/或存储器340中作为用于执行流量分析(例如,饱和流量估计)的输入数据。在一些实施例中,轨迹数据302可以涉及与交叉路口(例如,交叉路口104)相关的至少两个车辆(例如,车辆110和120)的运动。
在步骤S420,处理器320可以基于轨迹数据302确定交叉路口的周期长度。在一些实施例中,处理器320可以将轨迹数据投影到周期长度的估计中,以获得表示通过交叉路口的预设地标(例如,制动杆108)的时间点,并通过最小化至少两个车辆运动的时间变量的变化来确定周期长度。例如,假设ti,j是第i个车辆通过制动杆j的时间,那么周期长度C可以通过在将ti,j投影到周期C之后最小化每个运动的变化系数之和来估计,如下:
其中,Var()和Average()是计算相应序列的方差和平均值的函数。变化系数(CV)量化了一系列不同尺度下的集中程度,因此,在将ti,j投影到周期C之后,最小化所有运动的CV之和等同于使ti,j尽可能地集中于每个运动。tref的集合是为了避免ti,j在周期C中投影时被分成周期的开始和结束的情况。
在步骤S430,处理器320可以基于周期长度确定车辆运动的时间-距离关系(例如,以时间-距离图或简称为T-S图的形式)。例如,处理器320可以根据确定的周期长度,通过将轨迹数据投影到单个周期来确定时间-距离关系。图7示出了由步骤S430中的操作生成的示例性T-S图。
在步骤S440,处理器320可以基于时间-距离关系检测车流波。在一些实施例中,步骤S440还可以包括子步骤,如图5所示。参考图5,步骤S440可以包括子步骤S510-S580。在子步骤S510中,处理器320可以基于在步骤S430中确定的时间-距离关系生成运动的T-S图(例如,图7)。在子步骤S520中,处理器320可以基于T-S图选择运动变化点。在一些实施例中,运动变化点可以包括用于检测出发车流波的停止转移点。在下文中,结合图7讨论选择停止转移点的示例性方法。
参考图7,假设图7中所示的每个轨迹由具有T秒采样周期的时空点组成。然后,可以使用局部点及其相邻点来计算每个点的速度。当速度小于阈值时,车辆可被视为处于停止状态。为了减少噪声,停止持续时间可以设置为大于5秒,否则停止被认为太短并且被丢弃。使用该阈值,处理器320可以识别轨迹状态从停止变为开始的那些点。图8示出了使用上述方法选择的示例性运动变化点。选定的运动变化点可记录为:
{{(x11,y11),(x12,y12),...,{(xi1,yi1),...(xij,yij),...} (2)
其中,(xij,yij)指的是第i个轨迹的第j个运动变化点。注意,并非所有这些点都可以用于车流波线拟合,因为它们中的一些可能由其他原因引起,例如车道变换或其他噪声。因此,需要进一步处理以选择用于拟合车流波线的那些运动变化点,其可被称为车流波点。
在子步骤S530中,处理器320可以使用修改的随机抽样一致算法(RANSAC,RandomSample Consensus)方法来确定候选车流波线。在该子步骤中,执行候选车流波线的粗略选择。在粗略选择过程中,可以随机选择两个点作为(xij,yij)以及(xpq,ypq)。穿过这两点的线可以写成:
y(ij,pq)=k(ij,pq)·x+b(ij,pq) (3)
考虑到周期中的时间是周期性的,候选车流波线可以是一系列线,其周期等于信号时序的周期长度:
Y(ij,pq)=y(ij,pq,n)=k(ij,pq)·(x+n·T)+b(ij,pq)n=0,±1,±2,...(4)
选择的目的是选择其邻进具有最大数量的运动变化点的一系列线。因此,目标函数可以写成:
N(Y(ij,pq),∈)→Max,i≠j or p≠q (5)
其中N(Y(ij,pq),∈)是由(xij,yij)以及(xpq,ypq)确定的一系列行的邻域中的运动变化点的数量。ε指的是邻域的范围。换句话说,通过最大化每个候选车流波线的相邻运动变化点的数量来确定一系列候选车流波线。图9示出了示例性候选车流波线,其具有使用上述修改的RANSAC算法获取的周期T。
在子步骤S540中,处理器320可以基于候选车流波线的粗略选择来确定车流波区域和对应的车流波点。假设Y0=y0(n)是在子步骤S530中确定的所选择的一系列候选车流波线,处理器320可以确定每个运动变化点与一系列候选车流波线之间的距离如下:
vij(n)=F(Y0=y0(n),(xij,yij)) (6)
其中,vij(n)是点(xij,yij)与线y0(n)之间的距离。对于每个轨迹的运动变化点,处理器320可以选择与候选车流波线最近的点作为:
其中,vt是设置为满足要求的阈值:
其中k是一系列候选车流波的斜率,T是周期长度。在一些实施例中,选择每个轨迹的最近点到候选车流波线可以保证每个轨迹只能贡献至多一个点,否则它可能会破坏车流波的回归。条件|vi(n)|<vt是在向其投影运动变化点时,设定该系列的每个候选车流波线的范围。
|vi(n)|的分布可用于确定车流波的有效垂直范围。图6示出了运动变化点和候选车流波线之间的距离的示例性分布|vi(n)|。虚线表示车流波的所选垂直范围。类似地,也可以以这种方式确定朝向车流波的水平范围。因此,可以确定有效车流波区域,并且可以选择落入该区域内的所有运动变化点作为车流波点。例如,图10示出了示例性车流波点。
在子步骤S550中,处理器320可以通过使用线性回归方法将车流波线拟合到车流波点来检测车流波。在一些实施例中,可以在执行回归之前将不同周期中的车流波点转换为相同的周期。可以使用各种线性回归方法,例如,可以使用主成分分析(PCA)方法来使用车流波点拟合车流波线。当应用PCA方法时,PC1(主成分1)的矢量方向可以被认为是车流波线的斜率,而PC1的权值可以用于量化车流波点的线性度。PCA方法优于本申请中的最小二乘法,因为PCA的回归目标是最小化运动变化点和车流波线之间的距离,而最小二乘法是最小化水平误差(∑|yi-y′i|2→Min)。图10示出了作为回归结果的示例性车流波。
车流波可以提供很多运动信息:车流波的斜率可以用作车流波速度,而车流波开始的时间和距离可以用作绿灯启动时间和制动杆的位置。
在子步骤S560中,处理器320可以基于车流波点的垂直方差或车流波点与运动变化点的比率中的至少一个来验证车流波。例如,垂直方差越小,比率越大,检测到的车流波越有可能有效。因此,这些值中的任何一个或两个可用于验证检测到的车流波。另外,队列长度太短可能会破坏车流波线的回归和车流波速度的准确性。因此,还可以设置队列长度阈值和PC1权值阈值以提高车流波速度估计的准确度。
除了由绿灯引起的出发车流波外,还可能存在由其他原因引起的其他出发车流波,如左转等候区和可逆车道。
处理器320可以确定检测到的车流波是否有效。如果是,则处理可以进行到子步骤S570,其中可以去除有效车流波范围内的所有车流波点,然后可以再次执行该过程以使用剩余的运动变化点检测另一车流波,直到检测到的车流波无效。然后,在子步骤S580中,可以输出所有有效车流波。
返回到图4,在处理器320在S440中检测到一个或以上车流波之后,方法400可以进行到步骤S450,其中处理器320可以基于车流波确定饱和流量。图11和12示出了计算饱和流量的示例性方法。例如,处理器320可以计算车流波速度ω和制动杆的位置。使用制动杆的位置,平均出发速度v,其指示从信号灯变为绿色时的车流波的起始点到制动杆处的交叉路口的前向自由流速度可以被计算出。车辆之间的平均距离间隔可以被视为常数s0。当释放队列时,饱和流量可以等于每个车道的流量。如图11所示,假设队列长度为l,这些车辆通过制动杆需要花费时间t。
饱和流量q0是
其中,s0可以被视为常数,例如,
s0=7m/pcu (11)
在一些实施例中,当车辆驾驶员使用诸如DidichuxingTM应用之类的叫车或共享服务来搭载乘客时,可以生成轨迹数据302。轨迹数据的原始格式可以包括具有3秒采样周期的时间戳和位置信息。利用地图的几何信息,轨迹数据可以与道路匹配。以这种方式,原始轨迹数据可以被转换为到交叉路口xi(t)的距离,这意味着在时间t,到轨迹的交叉路口的距离是xi(t)。
为了分别评估交叉路口的不同运动的性能,可以将轨迹数据划分为不同的运动。图13和14是运动的示例性轨迹数据。包括轨迹数据的经度和纬度的GPS信息可以被转换为到交叉路口的距离。零点是指来自地图数据的交叉路口的GPS点,其可以或可以不反映制动杆的位置。
图15示出了显示城市部分地区的饱和流量估计的示例性地图。地图上显示的点表示进行饱和流量估计的交叉路口,点的颜色表示饱和度。对于每个交叉路口,饱和流量计算为五个工作日期间交叉路口每次运动的加权平均值:
其中,q0是交叉路口的饱和流量的加权平均值,qi是运动i的饱和流量,而ni是轨迹的数量。
本申请的另一方面涉及一种存储指令的非暂时性计算机可读介质,所述指令在被执行时使得一个或以上处理器执行如上所述的方法。所述计算机可读介质包括易失性或非易失性、磁性、半导体、磁带、光学、可移动、不可移动或其他类型的计算机可读介质或计算机可读存储设备。例如,如本申请的计算机可读介质可以是存储设备或其上存储有计算机指令的内存模块。在一些实施例中,计算机可读介质可以是其上存储有计算机指令的盘或闪存驱动器。
显而易见,本领域普通技术人员可以对本申请的系统和相关方法进行各种修改和变化。考虑到本申请的系统和相关方法的说明书和实践,其他实施例对于本领域普通技术人员是显而易见的。
本申请中的说明书和示例的目的仅被认为是示例性的,真正的范围由以下权利要求及其等同物限定。
Claims (10)
1.一种用于分析交通数据的系统,包括:
至少一个存储设备,用于存储指令;以及
至少一个处理器,用于执行所述指令以执行操作,所述操作包括:
通过通信接口接收与交叉路口相关的至少两个车辆运动的轨迹数据;
基于所述轨迹数据确定所述交叉路口的周期长度;
基于所述周期长度确定所述车辆运动的时间-距离关系;
基于所述时间-距离关系检测车流波,所述车流波能够反映车流波速度、制动杆的位置和绿灯启动时间的信息,所述制动杆为用于指示车辆停止,等待绿灯的地标;
其中所述基于所述时间-距离关系检测车流波包括:
基于所述时间-距离关系选择运动变化点;
通过最大化每个候选车流波线的多个相邻运动变化点来确定一系列候选车流波线;确定所述运动变化点与所述一系列候选车流波线之间的距离;
基于所述距离的分布确定车流波区域;
选择落在所述车流波区域内的所述运动变化点的子集作为车流波点;
通过使用线性回归方法将所述车流波线拟合到所述车流波点来检测所述车流波;
基于所述车流波点的垂直方差或所述车流波点与所述运动变化点的比率中的至少一个来验证所述车流波,输出所有有效车流波;以及
基于所述车流波速度以及出发速度确定所述交叉路口的饱和流量,所述出发速度指示从绿灯启动时车流波的起始点到制动杆处的交叉路口的前向自由流速度。
2.根据权利要求1所述的系统,其特征在于,所述操作包括:
将所述轨迹数据投影至所述周期长度的估计中,以获取表示通过所述交叉路口的预设地标的时间点的时间变量;以及
通过最小化所述至少两个车辆运动的所述时间变量的变化来确定所述周期长度。
3.根据权利要求1所述的系统,其特征在于,所述操作包括:
根据所述确定周期长度将所述轨迹数据投影到单个周期来确定所述时间-距离关系。
4.根据权利要求1所述的系统,其特征在于,所述运动变化点包括停止转移点。
6.一种用于分析交通数据的方法,包括:
接收与交叉路口相关的至少两个车辆运动的轨迹数据;
基于所述轨迹数据确定所述交叉路口的周期长度;
基于所述周期长度确定所述车辆运动的时间-距离关系;
基于所述时间-距离关系检测车流波,所述车流波能够反映车流波速度、制动杆的位置和绿灯启动时间的信息,所述制动杆为用于指示车辆停止,等待绿灯的地标;
其中所述基于所述时间-距离关系检测车流波包括:
基于所述时间-距离关系选择运动变化点;
通过最大化每个候选车流波线的多个相邻运动变化点来确定一系列候选车流波线;确定所述运动变化点与所述一系列候选车流波线之间的距离;
基于所述距离的分布确定车流波区域;
选择落在所述车流波区域内的所述运动变化点的子集作为车流波点;
通过使用线性回归方法将所述车流波线拟合到所述车流波点来检测所述车流波;
基于所述车流波点的垂直方差或所述车流波点与所述运动变化点的比率中的至少一个来验证所述车流波,输出所有有效车流波;以及
基于所述车流波速度以及出发速度确定所述交叉路口的饱和流量,所述出发速度指示从绿灯启动时车流波的起始点到制动杆处的交叉路口的前向自由流速度。
7.根据权利要求6所述的方法,包括:
将所述轨迹数据投影至所述周期长度的估计中,以获取表示通过所述交叉路口的预设地标的时间点的时间变量;以及
通过最小化所述至少两个车辆运动的所述时间变量的变化来确定所述周期长度。
8.根据权利要求6所述的方法,包括:
根据所述确定周期长度将所述轨迹数据投影到单个周期来确定所述时间-距离关系。
10.一种非暂时性计算机可读介质,其上存储有指令,其中,所述指令在由至少一个处理器执行时,使所述至少一个处理器执行用于分析交通数据的方法,所述方法包括:
接收与交叉路口相关的至少两个车辆运动的轨迹数据;
基于所述轨迹数据确定所述交叉路口的周期长度;
基于所述周期长度确定所述车辆运动的时间-距离关系;
基于所述时间-距离关系检测车流波,所述车流波能够反映车流波速度、制动杆的位置和绿灯启动时间的信息,所述制动杆为用于指示车辆停止,等待绿灯的地标;
其中所述基于所述时间-距离关系检测车流波包括:
基于所述时间-距离关系选择运动变化点;
通过最大化每个候选车流波线的多个相邻运动变化点来确定一系列候选车流波线;确定所述运动变化点与所述一系列候选车流波线之间的距离;
基于所述距离的分布确定车流波区域;
选择落在所述车流波区域内的所述运动变化点的子集作为车流波点;
通过使用线性回归方法将所述车流波线拟合到所述车流波点来检测所述车流波;
基于所述车流波点的垂直方差或所述车流波点与所述运动变化点的比率中的至少一个来验证所述车流波,输出所有有效车流波;以及
基于所述车流波速度以及出发速度确定所述交叉路口的饱和流量,所述出发速度指示从绿灯启动时车流波的起始点到制动杆处的交叉路口的前向自由流速度。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/091153 WO2020248197A1 (en) | 2019-06-13 | 2019-06-13 | Saturation flow estimation for signalized intersections using vehicle trajectory data |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111183464A CN111183464A (zh) | 2020-05-19 |
CN111183464B true CN111183464B (zh) | 2021-05-11 |
Family
ID=70622047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980003277.0A Active CN111183464B (zh) | 2019-06-13 | 2019-06-13 | 基于车辆轨迹数据估计信号交叉路口的饱和流量的系统和方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111183464B (zh) |
WO (1) | WO2020248197A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652912B (zh) * | 2020-06-10 | 2021-02-26 | 北京嘀嘀无限科技发展有限公司 | 车辆计数方法和系统、数据处理设备及智能拍摄设备 |
CN111814081B (zh) * | 2020-07-08 | 2021-03-09 | 北京嘀嘀无限科技发展有限公司 | 高危路口检测方法、检测模型建立方法、装置、电子设备和可读存储介质 |
CN113570860B (zh) * | 2021-07-26 | 2022-07-08 | 福州大学 | 针对轨迹数据的城市道路交通状态精细划分与识别的方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456169A (zh) * | 2012-07-18 | 2013-12-18 | 同济大学 | 城市道路交叉口全息三维动态分析方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5257194A (en) * | 1991-04-30 | 1993-10-26 | Mitsubishi Corporation | Highway traffic signal local controller |
CN101763735B (zh) * | 2010-02-01 | 2015-02-25 | 王茜 | 可具有负系统损失时间的动态信号控制系统的控制方法 |
CN101976510A (zh) * | 2010-10-26 | 2011-02-16 | 隋亚刚 | 高清视频检测条件下的交叉口机动车信号优化控制方法 |
CN102509456B (zh) * | 2011-11-21 | 2013-10-02 | 青岛海信网络科技股份有限公司 | 饱和流量确定方法和装置 |
CN103208191B (zh) * | 2012-01-13 | 2016-12-28 | 上海济祥智能交通科技有限公司 | 一种城市道路交叉口过饱和条件下信号协调控制的优化方法 |
EP3158547B1 (en) * | 2014-06-17 | 2020-10-07 | King Abdullah University Of Science And Technology | System and method for traffic signal timing estimation |
CN104637317B (zh) * | 2015-01-23 | 2017-01-04 | 同济大学 | 一种基于实时车辆轨迹的交叉口感应信号控制方法 |
AU2018282316B2 (en) * | 2017-06-19 | 2020-07-16 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for displaying movement of vehicle on map |
CN108053645B (zh) * | 2017-09-12 | 2020-10-02 | 同济大学 | 一种基于轨迹数据的信号交叉口周期流量估计方法 |
CN108399741B (zh) * | 2017-10-17 | 2020-11-27 | 同济大学 | 一种基于实时车辆轨迹数据的交叉口流量估计方法 |
CN108010346A (zh) * | 2018-01-11 | 2018-05-08 | 合肥恩维智能科技有限公司 | 一种城市脉动交通信号控制系统及方法 |
CN108648444B (zh) * | 2018-04-18 | 2020-05-05 | 北京交通大学 | 一种基于网格模型的信号交叉口运行评价方法 |
CN108615375B (zh) * | 2018-05-28 | 2021-02-05 | 安徽畅通行交通信息服务有限公司 | 一种交叉口信号配时时段划分方法 |
-
2019
- 2019-06-13 CN CN201980003277.0A patent/CN111183464B/zh active Active
- 2019-06-13 WO PCT/CN2019/091153 patent/WO2020248197A1/en active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456169A (zh) * | 2012-07-18 | 2013-12-18 | 同济大学 | 城市道路交叉口全息三维动态分析方法 |
Non-Patent Citations (4)
Title |
---|
Estimating Saturation Flow Rate for Signalized Intersection Using Trajectory Data;Wang Xingmin 等;《Transportation Research Board 98th Annual Meeting》;20190117;第1页 * |
Wang Xingmin 等.Estimating Saturation Flow Rate for Signalized Intersection Using Trajectory Data.《Transportation Research Board 98th Annual Meeting》.2019, * |
精彩TRB,与滴滴相约在DC;龚诚Angel;《https://outreach.didichuxing.com/app-outreach/Details/143》;20190111;第4-5页 * |
龚诚Angel.精彩TRB,与滴滴相约在DC.《https://outreach.didichuxing.com/app-outreach/Details/143》.2019,第4-5页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111183464A (zh) | 2020-05-19 |
WO2020248197A1 (en) | 2020-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11131752B2 (en) | Vehicle navigation system using pose estimation based on point cloud | |
JP6658088B2 (ja) | 情報処理装置、プログラム、及び地図データ更新システム | |
CN111183464B (zh) | 基于车辆轨迹数据估计信号交叉路口的饱和流量的系统和方法 | |
CN108351218A (zh) | 用于生成数字地图的方法和系统 | |
CN109074728A (zh) | 推荐行驶速度提供程序、行驶支持系统、车辆控制设备和自动行驶车辆 | |
CN111275969B (zh) | 一种基于道路环境智能识别的车辆轨迹填充方法 | |
US20210341605A1 (en) | Position coordinates estimation device, position coordinates estimation method, and program | |
JP7259454B2 (ja) | 移動体位置推定システムおよび移動体位置推定方法 | |
JP6939362B2 (ja) | 車両捜索システム、車両捜索方法、ならびに、それに用いられる車両およびプログラム | |
US11210942B2 (en) | System to optimize SCATS adaptive signal system using trajectory data | |
CN113435237B (zh) | 物体状态识别装置、识别方法和计算机可读的记录介质以及控制装置 | |
CN109564095B (zh) | 出于路径选择或导航目的使用虚拟探测点的方法和设备 | |
CN112712693B (zh) | 水淹检测装置、水淹检测系统以及计算机可读存储介质 | |
JP2015076077A (ja) | 交通量推定システム、端末装置、交通量推定方法および交通量推定プログラム | |
CN111319560B (zh) | 信息处理系统、程序和信息处理方法 | |
JP2022538097A (ja) | ナビゲート可能なネットワークに関するユーザ提供データの収集 | |
CN114248778B (zh) | 移动设备的定位方法和定位装置 | |
CN112197780A (zh) | 路径规划方法、装置、电子设备 | |
JP3775394B2 (ja) | 走行リンク確定システム及びリンク旅行時間計測システム | |
JP6419260B1 (ja) | 交通情報取得装置、交通情報取得システム、交通情報取得方法、および交通情報取得プログラム | |
US20160267792A1 (en) | Method and device for providing an event message indicative of an imminent event for a vehicle | |
CN114264310A (zh) | 定位及导航方法、装置、电子设备、计算机存储介质 | |
US11371853B2 (en) | Information processing device, information processing method and program | |
JP7211513B2 (ja) | 地図データ生成装置 | |
JP7120239B2 (ja) | コンピュータプログラム、走行車線特定装置および走行車線特定システム |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210408 Address after: 100193 Room 301, 3rd floor, building 35, courtyard 8, Dongbeiwang West Road, Haidian District, Beijing Applicant after: Didi Intelligent Transportation Technology Co., Ltd Address before: 100193 No. 34 Building, No. 8 Courtyard, West Road, Dongbei Wanglu, Haidian District, Beijing Applicant before: BEIJING DIDI INFINITY TECHNOLOGY AND DEVELOPMENT Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |