CN112885089B - 一种基于多维指标的干线绿波智能诊断方法 - Google Patents

Abstract

本发明公开了一种基于多维指标的干线绿波智能诊断方法，包括如下步骤：构建绿波分析大数据资源库，为后续指标体系评分计算提供数据支撑；指标分为现象层、诊断层和决策层，现象层、诊断层指标评分计算，利用诊断层各个指标评分计算结果，按照路段权重等级进行归一化评分，得出诊断层各个指标评分计算结果；完成现象层指标与诊断层指标的关联性分析架构，利用诊断层各个指标评分与现象层各个指标评分计算出指标关联分析评分结果，根据指标关联分析评分结果诊断出绿波线路问题所在，并提出对应的绿波线路优化整改措施。本发明既可实现绿波运行状态实时监测、效果评价和智能诊断，也可实现全流程的问题诊断和精准治理，全闭环流程管理。

Description

一种基于多维指标的干线绿波智能诊断方法

技术领域：

本发明涉及交通信号控制领域，特别涉及一种基于多维指标的干线绿波智能诊断方法。

背景技术：

随着城市经济的快速发展和机动车保有量的快速增加，交通拥堵已成为有普遍的“城市病”。干线绿波信号协调控制是目前常用的协调控制方法，通过对干线各交叉口信号灯参数的调整，使得干线协调方向的车辆按一定的速度行驶范围能够不停车或少停车的通过下游交叉口，从而达到减少停车次数和车均延误、提高道路通行能力、改善交通拥堵现状的目的。干线绿波协调是目前普遍采用的提高干道通行效率的成熟技术。目前干线绿波关注的技术是绿波方案的设计和应用实施，关于干线绿波的运行状态监控、诊断和实际效果评估研究较少。由于干线绿波的干扰因素太多，干线绿波的运行状态监控和实际效果评估对于干线绿波全时段稳定运行和及时调优发挥极其重要的作用，对城市干道通行效率的提升和保障具有重大意义。

目前已提出的绿波运行效果评价分析方法存在三方面的问题：一是缺少对绿波稳定性全时段连续监测的科技手段。目前常用的方法是通过单辆实验车开展某个时间片段的绿波运行测试，不能有效反映全部车辆在整个绿波运行时段的通行情况。也有采用固定检测器数据或浮动车数据对整个绿波运行时段的效果进行评价分析的方法，然而固定检测器受到检测器位置的限制，存在数据缺失、数据不连续的问题，浮动车数据根据地图匹配，是个估算的值，不是实时数据，存在较大误差，从而导致效果评价不准确；二是对绿波运行效果评价不直观，所用评价指标普遍偏少，未能充分考虑影响绿波运行效率的指标，不利于整个绿波运行时段的问题诊断，且并未针对各个指标进行归类分析，不能反映绿波方案的整体运行情况；三是绿波效果优化依赖人工经验判断，缺少宏观指导性意见输出，未进行指标关联分析并给出决策，不能形成有效的整改措施。因此，对绿波实现整个运行时段的监控、评价、诊断并整改闭环是非常重要的。

发明内容：

为了弥补现有技术问题的不足，本发明的目的是提供一种基于多维指标的干线绿波智能诊断方法，突破已有的绿波运行效果评价分析方法，针对干线协调的长期稳定运行、应用效果评估、问题诊断和优化整改业务需求，开展了基于多维指标的干线协调智能诊断模型研究，利用交管部门已建路口的电警设备过车数据、信号机设备相位状态数据等的复合应用，通过对整个绿波运行时段的海量数据进行清洗过滤、融合匹配、汇总封装形成绿波分析大数据资源库；在大数据资源的基础上对绿波运行的指标进行分层次、分类计算，对绿波道路给予客观的评价、诊断，并提出优化建议方案，使得绿波运行更加高效稳定，降低车辆延误，提高通行效率。

本发明的技术方案如下：

一种基于多维指标的干线绿波智能诊断方法，其特征在于，包括如下步骤：

(1)、构建绿波分析大数据资源库：电子设备采集并统计路口的过车数据，调查或收集路口的信号配时信息、路口渠化信息、绿波运行信息、车辆轨迹信息数据，利用大数据技术对全绿波时段海量数据进行清洗过滤、融合匹配、汇总封装构建绿波分析大数据资源库，为后续指标体系评分计算提供数据支撑；

(2)、指标分层次归类：包括现象层、诊断层和决策层三层架构的指标体系，

现象层：利用停车次数、过车流量、平均行程时间三大绿波运行直观评价指标对绿波线路运行评分；

诊断层：利用交通工程理论构建绿波运行诊断指标体系，挖掘绿波线路的深层问题所在；

决策层：则根据评分指标与诊断指标关联性综合分析，分时段针对各个路段提出相应优化措施，以此为交通管理人员对绿波线路进行治理提供决策依据；

(3)、现象层指标评分计算：根据停车次数、过车流量、平均行程时间的定义，确定相应的指标数值和评分计算方法，形成现象层指标评分计算模型；利用现象层各个指标评分计算结果，按照指标权重、路段权重等级进行归一化评分，得出各时段各路段绿波运行得分，并导出多个连续绿波路段的运行评价得分；

(4)、诊断层指标评分计算：诊断层指标包括直接影响指标和间接影响指标，其中直接影响指标包含：平均速度、相位差、通行能力、绿灯利用率、畅通度、事故违法次数；

间接影响指标包含：大车率、车队离散度、横向干扰、初始排队、信号配时、路口渠化、时钟校时；根据每个指标的定义确定相应的指标数值和评分计算方法，形成诊断层指标评分计算模型；利用诊断层各个指标评分计算结果，按照路段权重等级进行归一化评分，得出诊断层各个指标评分计算结果；

(5)、完成现象层指标与诊断层指标的关联性分析架构：利用诊断层各个指标评分与现象层各个指标评分计算出指标关联分析评分结果，根据指标关联分析评分结果诊断出绿波线路问题所在，并提出对应的绿波线路优化整改措施，实现绿波运行状态实时监测、效果评价和智能诊断。

与现有技术相比，本发明存在以下技术效果：

1、本发明针对现有绿波不能做到整个运行时段的监控与诊断，未能充分考虑影响绿波运行效率的指标，所用评价指标普遍偏少，未进行指标关联与诊断分析并给出优化决策等方面的问题，通过复用路口电子警察过车数据、信号灯状态数据等，利用大数据技术形成绿波分析大数据资源库；

2、本发明建立现象层、诊断层和决策层三层架构，分别计算多维指标评分；此外通过诊断层指标评分计算结果与现象层指标评分计算结果相结合进行指标关联分析，根据指标关联分析评分结果诊断出绿波路段问题所在并提出优化整改建议措施，实现绿波运行状态实时监测、效果评价和智能诊断，从而提高绿波抗干扰能力，保障绿波稳定高效运行。

3、本发明既可实现绿波运行状态实时监测、效果评价和智能诊断，也可实现全流程的问题诊断和精准治理，全闭环流程管理。

附图说明：

图1为本发明的原理框图。

图2为本发明的现象层指标评分计算流程原理框图(为了清楚的表达该原理框图，图3～5是其各个组成部分的放大图)。

图3为本发明的图2中停车次数计算流程图。

图4为本发明的图2中过车流量计算流程图。

图5为本发明的图2中平均行程时间计算流程图。

图6为本发明的现象层指标评分归一化处理原理框图。

图7为本发明的诊断层指标评分计算流程原理框图(为了清楚的表达该原理框图，图8～20是其各个组成部分的放大图)。

图8为本发明的图7中平均速度计算流程图。

图9为本发明的图7中相位差计算流程图。

图10为本发明的图7中通行能力计算流程图。

图11为本发明的图7中绿灯利用率计算流程图。

图12为本发明的图7中畅通度计算流程图。

图13为本发明的图7中事故违法次数计算流程图。

图14为本发明的图7中大车率计算流程图。

图15为本发明的图7中车队离散度计算流程图。

图16为本发明的图7中横向干扰计算流程图。

图17为本发明的图7中初始排队计算流程图。

图18为本发明的图7中信号配时计算流程图。

图19为本发明的图7中路口渠化计算流程图。

图20为本发明的图7中时钟校时计算流程图。

图21为本发明的多维指标关联性分析、问题诊断与优化决策原理框图。

具体实施方式：

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

一种基于多维指标的干线绿波智能诊断方法，包括如下步骤：

(1)、构建绿波分析大数据资源库：电子设备采集并统计路口的过车数据，调查或收集路口的信号配时信息、路口渠化信息、绿波运行信息、车辆轨迹信息数据，利用大数据技术对全绿波时段海量数据进行清洗过滤、融合匹配、汇总封装构建绿波分析大数据资源库，为后续指标体系评分计算提供数据支撑；

(2)、指标分层次归类：包括现象层、诊断层和决策层三层架构的指标体系，

现象层：利用停车次数、过车流量、平均行程时间三大绿波运行直观评价指标对绿波线路运行评分；

诊断层：利用交通工程理论构建绿波运行诊断指标体系，挖掘绿波线路的深层问题所在；

决策层：则根据评分指标与诊断指标关联性综合分析，分时段针对各个路段提出相应优化措施，以此为交通管理人员对绿波线路进行治理提供决策依据；

(3)、现象层指标评分计算：根据停车次数、过车流量、平均行程时间的定义，确定相应的指标数值和评分计算方法，形成现象层指标评分计算模型；利用现象层各个指标评分计算结果，按照指标权重、路段权重等级进行归一化评分，得出各时段各路段绿波运行得分，并导出多个连续绿波路段的运行评价得分；

(4)、诊断层指标评分计算：诊断层指标包括直接影响指标和间接影响指标，其中直接影响指标包含：平均速度、相位差、通行能力、绿灯利用率、畅通度、事故违法次数；

间接影响指标包含：大车率、车队离散度、横向干扰、初始排队、信号配时、路口渠化、时钟校时；根据每个指标的定义确定相应的指标数值和评分计算方法，形成诊断层指标评分计算模型；利用诊断层各个指标评分计算结果，按照路段权重等级进行归一化评分，得出诊断层各个指标评分计算结果；

(5)、完成现象层指标与诊断层指标的关联性分析架构：利用诊断层各个指标评分与现象层各个指标评分计算出指标关联分析评分结果，根据指标关联分析评分结果诊断出绿波线路问题所在，并提出对应的绿波线路优化整改措施，实现绿波运行状态实时监测、效果评价和智能诊断。

一种绿波全时段运行效果诊断分析流程主要分为现象层指标评分计算、现象层指标评分归一化、诊断层指标评分计算以及多维指标关联性分析、问题诊断与优化决策四个重要环节。

1、现象层指标评分计算(如图2所示)

步骤1：首先确定研究范围及路口起终点和时间范围，起终点可以为选择任意两路口，时间范围为高峰、平峰时段。以各路口为界限将研究范围打断为n个路段，则路段数为n＝m-1，m为研究范围路口数量。

步骤2：计算停车次数S_i的评分。停车次数是指各车辆在计算时段内由出行起点至出行终点发生停车等待的次数累加，此指标可以用于评价绿波运行通畅程度。计算过程为根据定义，确定相应的指标数值和评分计算方法，如下所示。

首先，计算车辆通过路段i不停车所需时间T_imax，如式1所示。

其中，L_i为研究路段长度V_i为路段i设计速度。

其次，计算路段停车次数。分别计算各轨迹数据在路段i上下游路口过车时间差T_ij差。轨迹数据只计算路段i上游路口直行进入，下游路口直行离开并且在研究时段范围内那部分数据。分别计算各轨迹数据T_ij差、计算研究路段T_imax，当T_ij差>T_imax，则计算一次停车，然后统计路段i停车次数S_i。

最后，计算停车次数这一指标的评分。如式2所示。

其中，Q_i是路段i上游路口与下游路口均直行过车总数，W_si表示停车次数的得分。若S_i＝0，则W_si＝100，若S_i＝Q_i，则W_si＝0。

步骤3：计算过车流量Q_i的评分。过车流量是指在计算时段内路口各方向通行车辆数，此指标可用于评价绿波线路对道路通行能力的影响。计算过程如下。

首先，计算上游路口左转、直行汇入绿波路段交通量，并换算为小时流量Q_iL、Q_iT；以及上游路口对应左转、直行各车道饱和流量S_iLj、S_iTj，其中j为车道编号。接着计算上游路口对应左转、直行方向对应相位绿信比，如式3所示。

其中，g_eiLj代表上游路口左转的绿灯时间，g_eiTj代表上游路口直行的绿灯时间，C_i0代表该路口周期时长。

其次，计算上游路口对应左转、直行方向通行能力，如式4所示。

然后，分别计算上、下游路口流量评分。

上游路口左转流量评分计算按式5、6计算：

若0≤Q_iL<0.6*CAP_iL，则

若0.6*CAP_iL≤Q_iL≤0.8*CAP_iL，则W_QiL＝100

若0.8*CAP_iL<Q_iL<CAP_iL,则

若CAP_iL≤Q_iL,则W_QiL＝0。

上游路口直行流量评分按式7、8计算：

若0≤Q_iT<0.6*CAP_iT，则

若0.6*CAP_iT≤Q_iT≤0.8*CAP_iT,则W_QiT＝100

若0.8*CAP_iT<Q_iT<CAP_iT,则

若CAP_iT≤Q_iT,则W_QiT＝0

则上游路口流量评分计算如式9所示。

其中，当Q_iL＝0，W_上Qi＝W_QiT,即存在三叉路口，无左转过车。

同理可得下游路口流量评分如式10所示。

最终，计算路段i流量评分，如式11所示。

其中，X_上、X_下分别表示上下游路口权重等级系数。

步骤4：计算平均行程时间T_i评分。平均行程时间是指各车辆在计算时段内由出行起点至出行终点所耗用时间的平均值，此指标可以用于评价绿波线路的设置对车辆行程耗时的改善情况。

首先，计算上下游路口设计通行时间，如式12所示。

其中，L_i为上下游路口间距，V_i代表设计速度，i为路段编号。

其次，分别计算各轨迹数据在路段i上下游路口过车时间差T_ij差；统计路段i研究时段内各轨迹T_ij差的平均值，如式13所示。

其中，p为路段i统计轨迹数。

则路段i平均行程时间评分计算如式14所示。

若T_i差≤T_i设计，则W_Ti＝100；若T_i差≥2T_i设计，则W_Ti＝0。

2、现象层指标评分归一化(如图6所示)

步骤5：按照路段权重、指标权重等级进行归一化评分，得出各时段各路段绿波运行得分，计算过程如图2所示。首先，按照现象层指标评分计算流程依次计算各个路段的各个指标评分结果，然后将各个指标评分计算结果按照路段i的权重等级系数进行归一化，如式15所示。再将按照路段i的权重等级系数归一化后的各个指标得分按照指标j的权重等级系数进行再次归一化，得到绿波整条线路的得分。如式16所示。

其中，i代表路段，j代表指标，X_i为路段i的权重等级系数，Y_j为指标j的权重等级系数。

3、诊断层指标评分计算(如图7所示)

步骤6：计算平均速度V_i评分。平均速度是指路口间距与车辆驶经上下游路口耗费时间的比值，此指标可以评价绿波带的设置对干道运行效率提升的效果。

首先，计算各轨迹在路段i上下游路口过车时刻之差T_ij差，统计研究时段内各轨迹在路段i上下游路口的过车时刻T_ij上、T_ij下，则T_ij差按式17计算。

T_ij差＝T_ij下-T_ij上 (17)

然后，计算各轨迹在路段i的平均速度，如式18所示。再计算研究时段内i路段所有轨迹数据速度的平均值V_i，如式19所示。

其中，L_i代表路段i得距离，m。

其中，p为路段i统计轨迹数。

最终，路段i平均速度评分计算如式20所示。

若V_i≤0.5V_设计，则W_Vi＝0；若V_i≥V_设计,则W_Vi＝100。

步骤7：计算相位差O_i评分。相位差是路口间协调相位开始时间之差，此指标设置的好坏直接影响到绿波带能否正常运行。

首先，计算上、下游路口设计通行时间T_i设计，如式21所示。

其中，L_i表示下游路口间距，V_i代表设计速度，i为路段编号。

然后，根据信号配时数据、绝对时差，绘制绿波运行时距图测算计算路段i上下游路口相对相位差O_i。

最后，计算路段i相位差评分，如式22所示。

若O_i＝T_i设计，则W_oi＝100；若|O_i-T_i设计|≥0.5*T_i设计,则W_oi＝0。

步骤8：计算通行能力CAP_i评分。通行能力指的是在一定的道路和交通条件下，道路上某一路段或某交叉口单位时间内通过某一断面的最大车辆数。此指标可用于评价协调方向车辆能否顺畅通行。

首先，计算上游路口协调方向各车道饱和流量S_i上j，j为车道编号。再计算上游路口协调方向对应相位绿信比，如式23所示。

其次，计算上、下游路口协调方向通行能力，如式24、25所示。

最后，计算路段i通行能力评分，如式26所示。

若CAP_i上≤CAP_i下，则W_CAPi＝100；若CAP_i上≥2CAP_i下，则W_CAPi＝0。

步骤9：计算绿灯利用率β_i评分。绿灯利用率是指上游路口汇入绿波路段的尾车通过下游路口的绿灯运行时长与下游路口协调相位绿灯总时长的比值。此指标可用于评价绿波带的设置对路口绿灯利用效率的影响。

首先，分别计算路段i上、下游路口计算时段内各协调相位尾车通过路口时绿灯剩余时长T_i上j余，T_i下j余；其中，j为协调相位编号，T的单位为S。

然后，分别计算路段i上、下游路口各相位绿灯利用率，如式27、28所示。

其中，g_i为协调相位绿灯总时长。

再分别计算路段i上、下游路口研究时段绿灯利用率，如式29、30所示。

其中，p为路段i研究时段协调相位总数。

则路段i上、下游路口绿灯利用率评分计算如式31、32所示。

W_上βi＝100*β_i上 (31)

W_下βi＝100*β_i下 (32)

最终，计算路段i绿灯利用率评分，如式33所示。

其中，X_上、X_下分别上下游路口权重等级系数。

步骤10：计算畅通度α_i评分。畅通度是指上游路口汇入绿波路段的头车通过下游路口的平均速度与该路段绿波带设计速度的比值，此指标可用于评价绿波线路上车辆行驶畅通程度。

首先，计算路段i，j相位畅通度α_ij。如式34所示。

其中，V_ij头为路段i，j相位上游路口头3辆车的平均速度。

然后，按式35计算路段i的畅通度α_i。

其中，p为研究时段相位数。

那么路段i畅通度评分计算如式36所示。

若α_i≥1，则W_αi＝100。

步骤11：计算事故、违法次数A_i评分。事故违法次数是指在所分析的绿波线路上发生的道路交通事故、违法的次数，分析这些指标可以评价绿波带的设置对道路交通安全畅通的运行会有何种程度的影响。

首先，统计路段i在研究时段内发生的事故、违法次数A_i，然后按式37计算路段i事故、违法次数评分。

若A_i≥10,则W_Ai＝0。

步骤12：计算大车率γi评分。大车率是指客货等大型车辆占线路交通量的比值，大型车辆的存在会对道路的过车流量、通行速度等产生影响，本指标的大小会直接影响到绿波线路的运行质量。

首先，统计研究时段内路段i上游路口直行进入的过车总数Q_i和大车数Q_id。

并用式38计算研究时段内路段i大车率。

则路段i大车率评分计算如式39所示。

W_γi＝100*(1-5*γ_i) (39)

若γ_i≥0.2,则W_γi＝0。

步骤13：计算车队离散度L_i评分。车队离散度是指线路运行车队中各个车辆间离散程度，此指标的大小直接影响一次绿灯中车队的各车辆能否全部通过路口。

首先，分别计算路段i研究时段内上、下游路口协调相位方向各相位的平均车头时距T_i上j、T_i下j。如式40、41所示。

其中，j为协调相位编号，T_i上jk、T_i下jk为第k辆车过车时刻，P_i上j、P_i下j为j相位过车数减1。

其次，计算路段i研究时段内上、下游路口协调相位方向各相位平均车头时距的平均值T_i上、T_i下，如式42、43所示。

其中，O_上、O_下为研究时段协调相位总数。

则路段i上、下游路口车队离散度评分按式44、45计算。

若T_i上≤3,则W_Li上＝100；若T_i上≥10,则W_Li上＝0。

若T_i下≤3,则W_Li下＝100；若T_i下≥10,则W_Li下＝0。

最后，计算路段i车队离散度评分，如式46所示。

其中，X_上、X_下分别上下游路口权重等级系数。

步骤14：计算横向干扰H_i评分。横向干扰是指支路出口，复杂的交通组成以及杂乱路侧环境对行车的影响，横向干扰的存在会影响线路运行其他车辆的正常行驶，对交通事故、行程车速会有影响。

路段i横向干扰评分W_hi，此指标实行百分制，分析路段设有人行横道减20分；分析路段未设置中央护栏减20分；分析路段有小区出入口车辆汇入扣除20分；非机动车横行扣除0-20分；机动车不正常行驶扣除0-20分。

步骤15：计算初始排队Q_ei评分。初始排队是指进入绿波路段的协调相位绿灯开始前下游路口协调方向的排队车辆数，如若不能合适的处理这部分交通流量，势必会影响上游路口协调方向车辆正常通行。

首先，计算路段i下游路口直行离开的车辆数Q_直下、下游路口直行离开并且由上游路口直行进入的车辆数Q_直识别上。

然后，按式47计算路段i初始排队。

其中，m为计算时段周期数，n为下游路口直行车道数。

则路段i初始排队评分按式48计算。

W_Qei＝5*(20-Q_ei) (48)

若Q_ei≥20，则W_Qei＝0。

步骤16：计算信号配时P评分。交叉口相位数、相序以及各相位运行时长组成了信号配时的主要部分，符合路口渠化现状以及流量情况的信号配时无疑可以有效的提升道路通行能力。

配时P评分按三个原则进行计算。

首先，原则1(W_P1)：研究线路各路口周期存在不相等且不为2或0.5倍得0分，存在不相等但为2或0.5倍得60分，均相等得100分；

其次，原则2(W_P2)：研究线路关键路口(流量最大)的绿波带宽不是最小的50分，否则100；

最终，原则3(W_P3)：研究线路相位差评分。

则研究线路信号配时评分按式49计算。

若W_P1或W_P2或W_P3为0，则W_P＝0。

步骤17：计算路口渠化K评分。路口渠化是指根据路口流量和道路基本特征，对车辆、行人作合理分离、导流等设计，路口渠化和信号配时是影响路口通行能力的两大重要因素。

路口渠化K计算按式50、51两个原则进行计算。

首先，原则1(W_K1)

其次，原则2(W_K2)

其中，m为研究线路路口数，F为同方向进口车道小于等于出口车道个数，Y为各路口、各种相位组合周期流量比的最小值等于0.9的个数。

则研究线路路口渠化评分计算如式52所示。

步骤18：计算时钟校时Z_i评分。时钟校时指的是各路口信号机、卡口设备参照同一时间基准，各自运行方案，不会发生时间漂移、方案错位现象。如若各设备没有参照同一时间标准，各自运行那么绿波带的设置将毫无意义。

首先，分别计算路段i上、下游路口信号机时间与基准时间之差Z_i上、Z_i下，如式53、54所示。

Z_i上＝|T_i上-T_基准| (53)

Z_i下＝|T_i下-T_基准| (54)

其次，计算路段i上下游路口时钟校时评分，如式55、56所示。

W_Zi上＝100-Z_i上*10 (55)

W_Zi下＝100-Z_i下*10 (56)

若Z_i上、Z_i下≥10，则W_Zi上、W_zi下＝0。

最后，计算路段i时钟校时评分，如式57所示。

4、多维指标关联性分析(如图21所示)

将现象层与诊断层各项指标间进行关联性分析，根据计算结果提出智能诊断决策建议。

各个指标层间量化规则如下：现象层各指标得分分别与指标权重等级系数占比相乘，得现象层各指标评分。诊断层指标分别计算直接影响指标得分，计算直接影响指标得分占所有直接影响指标分数累加比重，作为直接影响指标系数，进行瓜分现象层指标评分；如有多个直接影响指标与现象层指标，则分开计算。诊断层指标分别计算各间接影响指标得分，计算间接影响指标占所有间接影响指标分数累加比重，作为间接影响指标系数，进行瓜分直接影响指标评分；如有多个间接影响指标与直接影响指标，则分开计算。最终得出各分析线路得分，具体过程如下所述。

通过专家经验建立了现象层指标与诊断层指标的关联性分析架构，并得到了Ⅰ-①-⑴、Ⅰ-①-⑶、Ⅰ-①-⑷、Ⅰ-②-⑸、Ⅰ-②-⑺、Ⅰ-⑥、Ⅱ-③-⑸、Ⅱ-③-⑹、Ⅱ-④-⑵、Ⅱ-④-⑸、Ⅱ-⑥、Ⅲ-⑤-⑶、Ⅲ-⑤-⑷、Ⅲ-⑥共14条线路。各条线路评分计算过程如下。

Ⅰ-①-⑴线路评分计算过程为：

研究线路研究时段第k天停车次数得分与平均速度得分占平均速度、相位差、事故违法次数得分之和的乘积，将此乘积再乘以大车率得分占大车率、横向干扰、初始排队得分之和，最终得到线路Ⅰ-①-⑴评分W_1k。计算公式如式58所示。

其中，k代表第k天。

对应此条线路的解决措施为分析路段限制大车通行、设置大车绕行诱导装置、增设警力上路引导大车绕行。

Ⅰ-①-⑶线路评分计算过程为：

研究线路研究时段第k天停车次数得分与平均速度得分占平均速度、相位差、事故违法次数得分之和的乘积，将此乘积再乘以横向干扰得分占大车率、横向干扰、初始排队得分之和，最终得到线路Ⅰ-①-⑶评分W_2k。计算公式如式59所示。

对应此条线路的解决措施为分析路段加强不正常行驶的车辆管理、取消路段人行横道，设置中央护栏。

Ⅰ-①-⑷线路评分计算过程为：

研究线路研究时段第k天停车次数得分与平均速度得分占平均速度、相位差、事故违法次数得分之和的乘积，将此乘积再乘以初始排队得分占大车率、横向干扰、初始排队得分之和，最终得到线路Ⅰ-①-⑷评分W_3k。计算公式如式60所示。

对应此条线路的解决措施为分析路段各路口调整信号配时。

Ⅰ-②-⑸线路评分计算过程为：

研究线路研究时段第k天停车次数得分与相位差得分占平均速度、相位差、事故违法次数得分之和的乘积，将此乘积再乘以信号配时得分占信号配时、时钟校时得分之和，最终得到线路Ⅰ-②-⑸评分W_4k。计算公式如式61所示。

对应此条线路的解决措施为分析路段各路口检查信号相位差设置或优化相位差。

Ⅰ-②-⑺线路评分计算过程为：

研究线路研究时段第k天停车次数得分与相位差得分占平均速度、相位差、事故违法次数得分之和的乘积，将此乘积再乘以时钟校时得分占信号配时、时钟校时得分之和，最终得到线路Ⅰ-②-⑺评分W_5k。计算公式如式62所示。

对应此条线路的解决措施为分析路段各路口提高信号机时钟校时修正频率。

Ⅰ-⑥线路评分计算过程为：

研究线路研究时段第k天停车次数得分与事故违法次数得分占平均速度、相位差、事故违法次数得分之和的乘积即为线路Ⅰ-②-⑺评分W_6k。计算公式如式63所示。

对应此条线路的解决措施为分析路段增设警力，疏导交通，缓解事故对车辆通行的影响。

Ⅱ-③-⑸线路评分计算过程为：

研究线路研究时段第k天过车流量得分与通行能力得分占通行能力、绿灯利用率、事故违法次数得分之和的乘积，将此乘积再乘以信号配时得分占信号配时、路口渠化得分之和，最终得到线路Ⅱ-③-⑸评分W_7k。计算公式如式64所示。

对应此条线路的解决措施为分析路段各路口提高信号机时钟校时修正频率。

Ⅱ-③-⑹线路评分计算过程为：

研究线路研究时段第k天过车流量得分与通行能力得分占通行能力、绿灯利用率、事故违法次数得分之和的乘积，将此乘积再乘以路口渠化得分占信号配时、路口渠化得分之和，最终得到线路Ⅱ-③-⑹评分W_8k。计算公式如式65所示。

对应此条线路的解决措施为分析路段优化各路口渠化，增减车道数量，改变部分车道使用功能；设置潮汐车道适应车流方向不均匀性。

Ⅱ-④-⑵线路评分计算过程为：

研究线路研究时段第k天过车流量得分与绿灯利用率得分占通行能力、绿灯利用率、事故违法次数得分之和的乘积，将此乘积再乘以车队离散度得分占车队离散度、信号配时得分之和，最终得到线路Ⅱ-④-⑵评分W_9k。计算公式如式66所示。

对应此条线路的解决措施为分析路段加强引导、设置车辆行驶诱导装置、增设警力引导车辆行驶。

Ⅱ-④-⑸线路评分计算过程为：

研究线路研究时段第k天过车流量得分与绿灯利用率得分占通行能力、绿灯利用率、事故违法次数得分之和的乘积，将此乘积再乘以信号配时得分占车队离散度、信号配时得分之和，最终得到线路Ⅱ-④-⑸评分W_10k。计算公式如式67所示。

对应此条线路的解决措施为分析路段各路口调整配时方案或取消绿波。

Ⅱ-⑥线路评分计算过程为：

研究线路研究时段第k天过车流量得分与事故违法次数得分占通行能力、绿灯利用率、事故违法次数得分之和的乘积即为线路Ⅱ-⑥评分W_11k。计算公式如

式68所示。

对应此条线路的解决措施为定位分析路段事故多发点，优化道路渠化，降低事故发生率。

Ⅲ-⑤-⑶线路评分计算过程为：

研究线路研究时段第k天平均行程时间得分与畅通度得分占畅通度、事故违法次数得分之和的乘积，将此乘积再乘以横向干扰得分占横向干扰、初始排队得分之和，最终得到线路Ⅲ-⑤-⑶评分W_12k。计算公式如式69所示。

对应此条线路的解决措施为分析路段小区车辆出入口执行右进右出、监管进入机动车道的非机动车。

Ⅲ-⑤-⑷线路评分计算过程为：

研究线路研究时段第k天平均行程时间得分与畅通度得分占畅通度、事故违法次数得分之和的乘积，将此乘积再乘以初始排队得分占横向干扰、初始排队得分之和，最终得到线路Ⅲ-⑤-⑷评分W_13k。计算公式如式70所示。

对应此条线路的解决措施为分析路段各路口调整相位差，对排队车辆提前放行。

Ⅲ-⑥线路评分计算过程为：

研究线路研究时段第k天平均行程时间得分与事故违法次数得分占畅通度、事故违法次数得分之和的乘积即为线路Ⅲ-⑥评分W_14k。计算公式如式71所示。

对应此条线路的解决措施为加大分析路段违法处罚力度，降低违法事件发生量，缓解违法车辆对其他车辆通行干扰。

然后进行第k天归一化评分W_k，当W_k≥80分对评分最低线路统计一次，当60≤W_k＜80对评分最低的两条线路各统计一次；当W_k＜60分对评分最低的三条线路各统计一次。n天中的每一天都重复以上过程。

最终得到n天评分平均值W，当W≥80分对统计次数之和最高的线路提出诊断措施，当60≤W＜80对统计次数之和最高的两条线路提出诊断措施；当W＜60分对统计次数之和最高的三条线路提出诊断措施。

本发明不应该局限于该实施例和附图所公开的内容。所以凡是不脱离本发明所公开的精神下完成的等效或修改,都落入本发明保护的范围。

Claims (1)

1.一种基于多维指标的干线绿波智能诊断方法，其特征在于，包括如下步骤：

(1)、构建绿波分析大数据资源库：电子设备采集并统计路口的过车数据，调查或收集路口的信号配时信息、路口渠化信息、绿波运行信息、车辆轨迹信息数据，利用大数据技术对全绿波时段海量数据进行清洗过滤、融合匹配、汇总封装构建绿波分析大数据资源库，为后续指标体系评分计算提供数据支撑；

(2)、指标分层次归类：包括现象层、诊断层和决策层三层架构的指标体系，

现象层：利用停车次数、过车流量、平均行程时间三大绿波运行直观评价指标对绿波线路运行评分；

诊断层：利用交通工程理论构建绿波运行诊断指标体系，挖掘绿波线路的深层问题所在；

决策层：则根据评分指标与诊断指标关联性综合分析，分时段针对各个路段提出相应优化措施，以此为交通管理人员对绿波线路进行治理提供决策依据；

(3)、现象层指标评分计算：根据停车次数、过车流量、平均行程时间的定义，确定相应的指标数值和评分计算方法，形成现象层指标评分计算模型；利用现象层各个指标评分计算结果，按照指标权重、路段权重等级进行归一化评分，得出各时段各路段绿波运行得分，并导出多个连续绿波路段的运行评价得分；

(4)、诊断层指标评分计算：诊断层指标包括直接影响指标和间接影响指标，其中直接影响指标包含：平均速度、相位差、通行能力、绿灯利用率、畅通度、事故违法次数；

间接影响指标包含：大车率、车队离散度、横向干扰、初始排队、信号配时、路口渠化、时钟校时；

根据每个指标的定义确定相应的指标数值和评分计算方法，形成诊断层指标评分计算模型；利用诊断层各个指标评分计算结果，按照路段权重等级进行归一化评分，得出诊断层各个指标评分计算结果；

(5)、完成现象层指标与诊断层指标的关联性分析架构：利用诊断层各个指标评分与现象层各个指标评分计算出指标关联分析评分结果，根据指标关联分析评分结果诊断出绿波线路问题所在，并提出对应的绿波线路优化整改措施，实现绿波运行状态实时监测、效果评价和智能诊断。

Images