CN114241751A - 一种面向大型停车场的多出入口动静态交通协调优化方法 - Google Patents
一种面向大型停车场的多出入口动静态交通协调优化方法 Download PDFInfo
- Publication number
- CN114241751A CN114241751A CN202111444267.6A CN202111444267A CN114241751A CN 114241751 A CN114241751 A CN 114241751A CN 202111444267 A CN202111444267 A CN 202111444267A CN 114241751 A CN114241751 A CN 114241751A
- Authority
- CN
- China
- Prior art keywords
- parking lot
- entrance
- vehicle
- exit
- ith
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000003068 static effect Effects 0.000 title claims abstract description 35
- 239000002245 particle Substances 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims description 10
- 229920006395 saturated elastomer Polymers 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013459 approach Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 14
- 238000013461 design Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241000755093 Gaidropsarus vulgaris Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/065—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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种面向大型停车场的多出入口动静态交通协调优化方法,所述方法包括以下步骤:选择出入口交通拥堵明显的大型停车场,获取该停车场所有出入口的交通量统计信息;基于典型短时预测方法进行交通量预测;根据道路特性确定交通量阈值,判断拥堵状态,确定拥堵时段;对发生拥堵的时段,建立面向单出入口的车辆延误模型,计算单出入口的总延误时长;以同一停车场所有出入口的总车辆延误最小为目标,建立动静态协调优化模型;采用引入惩罚因子的粒子群算法求解优化模型。本发明系统考虑大型停车场多出入口的联动关系,为提高多出入口时空资源均衡利用提供定量化依据,是城市大型停车场不断增加背景下的多出入口动静态交通协调优化新手段。
Description
技术领域
本发明涉及一种面向大型停车场的多出入口动静态交通协调优化方法,属于城市交通规划中停车需求管理领域。
背景技术
随着城市开发密度的增加,土地集约化态势明显,催生出大量的大型停车场,车辆的到达和离开更为集中,出入口接驳处的交通拥堵问题亟待解决。且大型停车场往往配置多个出入口,不同出入口同一时刻的到离率不同,导致不同出入口动静态交通状态存在差异,从而造成部分出入口资源闲置,部分出入口资源超饱和使用,引发停车场出入口时空资源利用不均问题。
当前,停车场动静态协调优化研究主要集中在工程规划设计阶段,规划设计包括出入口长度与几何的设计、出入口数量的设计以及出入口位置设计等,已经形成较完善的理论体系和方法论。停车场运营管理阶段的动静态协调优化研究主要集中于出入口组织,但局限于对单个出入口的组织优化,未将停车场看成一个整体,各出入口关联,对出入口协同优化。另外,通过道路、停车场内停车信息的诱导、停车导航等措施控制各出入口到离交通量量以达到停车场的动静态协调研究甚少,无法支撑精细化的调控。因此,亟待建立一种能够对大型停车场到离车辆量化调度提供科学依据的方法,缓解大型停车场多出入口时空资源利用不均,出入口道路拥堵的问题。
本发明中所提大型停车场多出入口动静态交通协调优化的依据是涉及车辆的总延误值最少,而车辆延误的计算需要基于一定的假设条件:车辆通过下游交叉口后都能顺畅通行,不会产生排队,不会对该路段车辆运行产生影响;到达车辆通过闸机后能顺利找到泊位,不会在停车场内产生排队;出口处车辆驶入车道均为第一车道(最靠近出入口的车道);路段内不会有行人通过,行人只会从交叉口的人行道通过;路段内不会有车辆上下客的停车行为、不会有公交车到站停车行为,以更突出出入口车辆对道路车辆的干扰;入口闸机排队车辆不会蔓延到道路,不会对道路造成延误;出入口闸机均为单通道服务。此外,由于协调优化模型重点突出停车场到离车辆与道路车辆之间产生的相互延误,因此认为:停车场到达车辆不会因为改变入口而产生其他的延误;停车场离开车辆不会因为改变出口而产生其他的延误;道路上的总车辆是均匀分布在各车道上。在以上假设的基础上,所提方法更加简洁清楚同时具有针对性。
在地理信息系统与全球定位系统良好发展的现今,越来越多的车辆驾驶者依赖于导航指示进行驾驶行为。对于车辆到离较为集中的大型综合体停车场,基于已建成的良好硬件设施,构建一种能够对多出入口到离交通量协调控制,从而改善出入口拥堵问题,提高时空资源利用率的动静态交通协调优化方法,可以大幅降低停车场运营成本,减少车辆拥堵引起的污染,提高驾驶人的满意度和停放意愿,因此具有较高的经济效益和社会效益价值。
因此,本发明针对大型停车场多出入口高峰时段非均衡利用,从而引发动静态交通拥堵的问题,基于多类型车辆平均延误计算,提出面向多出入口、多类型车辆的动静态交通流协调优化方法,是当前大型停车场动静态交通流精细化控制与管理中亟待研究的关键技术。
发明内容
发明的目的在于提供了一种面向大型停车场的多出入口动静态交通协调优化方法,以解决大型停车场多出入口高峰时段非均衡利用,从而引发动静态交通拥堵的问题。
实现本发明目的的技术方案为:一种面向大型停车场的多出入口动静态交通协调优化方法,包括以下步骤:
步骤1:选择出入口交通拥堵明显的、总泊位数超过300个、具有不少于两个出入口的大型停车场,对各出入口通道及相连道路的车辆行驶进行视频拍摄,获取多日该停车场所有出入口各种类型车辆的交通量信息,形成换算小时交通量统计表,即以小时交通量为单位的连续时段交通量统计表;
步骤2:根据采集的交通量数据,基于典型短时预测方法,进行短时交通量预测;
步骤3:基于道路特性确定拥堵时交通量阈值,对预测的每个时间段交通量进行道路拥堵情况判断,当停车场出入口处任意类型车辆交通量超过交通量阈值时, 认为该出入口处于拥堵状态,输出拥堵时段的各种类型车辆不同路径下的换算小时交通量;
步骤4:对发生拥堵的时段,建立面向单出入口的各种类型车辆的平均延误模型,以单出入口各种类型车辆交通量和单出入口各种类型车辆平均延误为输入量,根据单出入口的不同类型车辆重要性,建立单出入口的总车辆延误模型;
步骤5:以同一停车场所有出入口的总车辆延误最小为目标,确定目标函数和约束条件,建立面向大型停车场多出入口的动静态协调优化模型;
步骤6:采用引入惩罚因子的粒子群算法求解优化模型。
优选地,步骤1中所述的各种类型车辆是指大型停车场出入口处的到达停车场车辆、离开停车场车辆、以及与停车场通道相连的道路车辆这三类车辆;其交通量统计表内容如表1所示:
表1交通量统计表内容
优选地,步骤3中所述的基于道路特性确定拥堵时交通量阈值的方法为:分别判断停车场出入口处的三条道路,即停车场到达通道、停车场离开通道、以及与停车场通道相连道路的道路等级,分别获取对应道路等级的饱和通行能力,以饱和通行能力的86%作为交通量阈值;不同道路等级饱和通行能力如表2所示:
表2不同道路等级饱和通行能力
优选地,步骤4中所述的单出入口的总车辆延误模型为:
式中,Di为第i个出入口的全部车辆总延误;λij为第i个出入口第j类车辆的重要系数,为取值范围0到1的常数;为第i个出入口第j类车辆的交通量;为第i个出入口第j类车辆平均延误模型;i为出入口编号,j为车辆类型编号 (i∈{1,2…m},j∈{a,l,r});m为停车场的出入口总数,a代表到达停车场车辆; l代表离开停车场车辆;r代表道路车辆;
优选地,步骤4中的各种类型车辆的平均延误模型的计算公式为:
(1)停车场出入口到达车辆,即j=a:
其中,为停车场第i个入口到达车辆的平均延误;单位为s;为停车场第i个入口到达车辆的固定延误,单位为s;为停车场第i个入口到达车辆通过入口闸机的平均延误,单位为s;为第二车道进入停车场第i个入口车辆的平均延误,单位为s;为停车场到达第i个入口交通量,单位为pcu/h;为第一车道进入停车场第i个入口交通量,单位为pcu/h;为第二车道进入停车场第i个入口交通量,单位为pcu/h;为停车场第i个出入口附近道路第一车道交通量,单位为pcu/h;为停车场第i个入口闸机服务率,单位为pcu/h;为第二车道到达停车场第i 个入口车辆的临界间隙,单位为s;为第二车道到达停车场第i个入口车辆的随车时间,单位为s;为第二车道车辆穿越第一车道进入停车场第i个入口的通行能力修正系数;ni为停车场第i个出入口附近道路的车道数;i为出入口序号, i∈{1,2…m},m为停车场的出入口总数。
(2)停车场出入口离开车辆,即j=l:
其中,为停车场第i个出口离开车辆的平均延误,单位为s;为停车场第 i个出口离开车辆的固定延误,单位为s;为停车场第i个出口离开车辆通过出口闸机的平均延误,单位为s;为停车场第i个出口离开车辆驶入道路第一车道的平均延误,单位为s;为停车场第i个出口出口闸机服务率,单位为pcu/h;为停车场第i个出口离开交通量,单位为pcu/h;为停车场第i个出口第一车道交通量,单位为pcu/h;为停车场第i个出口离开车辆驶入道路第一车道的临界间隙,单位为s;为停车场第i个出口离开车辆的跟随时间,单位为s;为停车场第i 个出口离开车辆驶入第一车道的通行能力修正系数;i为出入口序号,i∈{1,2…m}, m为停车场的出入口总数。
(3)道路车辆,即j=r:
其中,为停车场第i个出入口附近道路车辆的平均延误,单位为s;为停车场第i个出入口附近道路的第一车道车辆受停车场离开车辆影响产生的平均延误,单位为s;为停车场第i个出入口附近道路的第一车道车辆受第二车道通过产生的平均延误,单位为s;为停车场第i个出入口附近道路的第二车道车辆等待前方车辆寻找可接受间隙进入停车场的连同排队延误,单位为s;为停车场第i个出入口附近道路的总交通量,单位为pcu/h;为停车场停车场第i个出口离开交通量,单位为pcu/h;为停车场第i个出入口附近道路的第一车道交通量,单位为pcu/h;为受停车场第i个出口离开车辆影响的第一车道交通量,单位为pcu/h;为受第二车道车辆影响的停车场第i个出入口附近道路的第一车道交通量,单位为pcu/h;为停车场第i个出入口附近道路的第二车道交通量,单位为pcu/h;为第一车道进入停车场第i个入口的交通量,单位为pcu/h;为第二车道进入停车场第i 个入口的交通量,单位为pcu/h;为第一车道车辆驶入与停车场第i个出口冲突区的临界间隙,单位为s;为第一车道车辆驶入与停车场第i个出口冲突区的跟随时间,单位为s;为停车场第i个出入口附近道路的第一车道车辆驶入与第二车道车辆通过的冲突区的临界间隙,单位为s;为停车场第i个出入口附近道路的第一车道车辆驶入与第二车道车辆通过的冲突区的跟随时间,单位为s;为停车场第i个出入口附近道路的第一车道道路车辆的跟随时间,单位为s;为第二车道到达停车场第i个入口车辆的随车时间,单位为s;为第二车道到达停车场第i个入口车辆的临界间隙,单位为s;为进入停车场第i个入口的第二车道车辆穿越第一车道的通行能力修正系数;为第一车道驶入与停车场第i个出口冲突区的通行能力修正系数;为停车场第i个出入口附近道路的第一车道驶入与第二车道车辆通过的冲突区的通行能力修正系数;ni为停车场第i个出入口附近道路车道数;i为出入口序号,i∈{1,2…m},m为停车场的出入口总数。
优选地,步骤5中面向大型停车场多出入口的动静态协调优化模型为:
(1)目标函数:
式中,D为全部出入口各种类型车辆总延误;Di为第i个出入口的全部车辆总延误;λij为第i个出入口第j类车辆的重要系数,为取值范围0到1的常数;为第i个出入口第j类车辆的交通量;为第i个出入口第j类车辆平均延误模型;i 为出入口编号,j为车辆类型编号(i∈{1,2…m},j∈{a,l,r});m为停车场的出入口总数,a代表到达停车场车辆;l代表离开停车场车辆;r代表道路车辆;
(2)约束条件:
式中,为第i个出入口第j类车辆的交通量;Qj为大型停车场第j类车辆总交通量;为第i个出入口第j类车辆的发生拥堵时的交通量阈值;i为出入口编号, j为车辆类型编号(i∈{1,2…m},j∈{a,l,r});m为停车场的出入口总数,a代表到达停车场车辆;l代表离开停车场车辆;r代表道路车辆;
优选地,步骤6中引入惩罚因子的粒子群算法包括以下步骤:
S72.初始化粒子位置。随机生成粒子的位置,即为该粒子的最初始化解,并设置优化模型中的其他常数项的值;
S73.计算粒子目标函数值。
S74.引入惩罚因子,设置约束条件。其中道路车辆(j=r)拥堵约束为硬性约束,一旦超过约束,目标函数值变为无穷大;到达车辆(j=a)拥堵、离开车辆(j=l) 拥堵约束为弹性约束,引入惩罚因子使目标函数值变为在原目标函数值上加上超过约束的车辆总延误倍:
其中:Dt为第t次迭代的目标函数值;为第i出入口第j类车辆的惩罚因子;为第i个出入口第j类车辆的交通量;为第i个出入口第j类车辆平均延误模型;i为出入口编号,j为车辆类型编号(i∈{1,2…m},j∈{a,l});m为停车场的出入口总数,a代表到达停车场车辆;l代表离开停车场车辆;
S75.确定全局最优粒子。对比粒子群中所有粒子的目标函数值,目标函数值最小粒子为全局最优粒子;
S76.更新粒子速度和位置。
S77.计算粒子目标函数值,同S73;
S78.引入惩罚因子(设置约束条件),同S74;
S79.设置停止条件。根据最优个体适应度或最大迭代次数等满足终止条件,算法终止,否则重复S75至S78直至满足条件。
本发明与现有技术相比,其显著优点为:本发明有别于传统研究对象的单一性,在大型停车场到离交通总量守恒的基础上,充分考虑了多出入口、多类型车辆的交通量联动关系,提出了不同出入口多类型车辆的车辆延误与交通量之间的量化计算方法,以及面向车辆总延误最少的多出入口动静态交通协调优化方法;
因此,通过本发明,可以支撑大型停车场多出入口协同管控的精细化研究,可以为停车场到离交通量引导提供理论依据,为推动停车场出入口时空资源利用的均衡性和合理性提供判断工具与参考。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,一种面向大型停车场的动静态交通协调优化方法,包括以下步骤:
步骤1、选择出入口交通拥堵明显的、总泊位数超过300个、具有不少于两个出入口的大型停车场,对各出入口通道及相连道路的车辆行驶进行视频拍摄,获取该停车场所有出入口各种类型车辆的交通量信息,形成以小时交通量为单位的交通量统计表,例如以固定时间间隔为统计单元,例如15分钟,获取停车场所有出入口各种类型车辆在统计单元内的交通量,换算成以小时交通量为单位的交通量统计表;
本发明实施例选取的停车场为南京市某大型商业综合体停车场,共有三层分别为B1、B2、B3,总泊位数为1800个。其主要出入口分别位于停车场的东西两侧,东出入口与城市主干道的二车道辅道连接;西出入口与三车道的城市支路连接。其高峰时段易出现出入口交通拥堵。停车场进出通道有闸机。
经连续多日在相同时段拍摄停车场到达通道、离开通道和相连道路视频,统计交通量,可得部分交通量统计表如表3所示。
表3部分交通量统计表
步骤2:根据采集的交通量数据,基于典型短时预测方法,进行短时交通量预测;
实施例中采用基于统计学的时间序列预测方法和基于机器学习的长短期记忆人工神经网络方法(LSTM),比较两种预测方法的误差,通过加权平均方法获取了预测日的停车场每个出入口的到离车辆、离开车辆和道路车辆的交通量时间序列。
步骤3:基于道路特性确定拥堵时交通量阈值,对预测的每个时间段交通量进行道路拥堵情况判断,当停车场出入口处任意类型车辆交通量超过交通量阈值时, 认为该出入口处于拥堵状态,输出拥堵时段的各种类型车辆不同路径下的换算小时交通量,即分别计算停车场到达车辆、离开车辆和道路车辆在拥堵时段内的换算小时交通量平均值;
根据经验值确定不同道路等级饱和通行能力,确定拥堵时以小时交通量为单位的交通量,道路等级为与停车场相连接道路的道路等级可分为主干道,次干路和支路;停车场到达离开通道没有道路等级。如表4所示,并以饱和通行能力的86%作为发生拥堵的交通量阈值,计算大型停车场出入口处多条道路的交通量阈值如表5 所示。
表4不同道路等级饱和通行能力
表5大型停车场出入口处多条道路的交通量阈值
对比预测交通流,发现存在的拥堵时段及对应道路,以i=2出入口停车场到达车辆的部分统计时段为例:
表6 i=2出入口到达车道拥堵时段统计表(部分)
发现16:45-18:00时段i=2出入口到达车辆出现拥堵,故计算拥堵时段大型停车场所有出入口的各类车辆的换算小时交通量,如表7所示。
表7 16:45-18:00拥堵时段换算小时交通量统计表
步骤4:对发生拥堵的时段,建立面向单出入口的各种类型车辆的平均延误模型,以单出入口各种类型车辆交通量和单出入口各种类型车辆平均延误为输入量,根据单出入口的不同类型车辆重要性,确定单出入口的不同类型车辆的重要系数(权重),建立单出入口的总车辆延误模型;
根据各类型车辆的平均延误计算公式,并通过视频观察和经验值标定公式中主要参数,可得各出入口、各类型车辆的车辆平均延误计算公式。
基于预测的交通量和车辆平均延误计算公式,计算对应交通量下单出入口各种类型车辆平均延误,可得:
表8单出入口车辆平均延误
优化前,大型停车场出入口总车辆延误为719.6分钟。
步骤5:以同一停车场所有出入口的总车辆延误最小为目标,确定目标函数和约束条件,建立面向大型停车场多出入口的动静态协调优化模型;
目标函数:
式中,D为全部出入口各种类型车辆总延误;Di为第i个出入口的全部车辆总延误;λij为第i个出入口第j类车辆的重要系数,为取值范围0到1的常数;为第i个出入口第j类车辆的交通量;为第i个出入口第j类车辆平均延误模型;i 为出入口编号,j为车辆类型编号(i∈{1,2},j∈{a,l,r});a代表到达停车场车辆; l代表离开停车场车辆;r代表道路车辆;
约束条件:
式中,为第i个出入口第j类车辆的交通量;Qj为大型停车场第j类车辆总交通量;为第i个出入口第j类车辆的发生拥堵时的交通量阈值;i为出入口编号, j为车辆类型编号(i∈{1,2},j∈{a,l,r});a代表到达停车场车辆;l代表离开停车场车辆;r代表道路车辆;
步骤6:采用引入惩罚因子的粒子群算法求解优化模型。
求解中,第i出入口第j类车辆的惩罚因子均取0.1。经过50次的迭代,求得在拥堵约束条件下,总延误最少的解。在30次迭代之后,目标函数值趋于平缓,可认定求得最优解。
最优解情况下的各出入口各种类型交通量、车辆平均延误、如表9所示。
表9 16:45-18:00拥堵时段调整后换算小时交通量统计表
求解可得交通量调控优化依据:在16:45-18:00时段内,i=1出入口到达交通量增加150pcu,离开交通量增加55pcu;i=2出入口到达交通量减少150pcu离开交通量的减少55pcu。
经优化后,全部类型车辆不发生拥堵,大型停车场出入口总车辆延误为613.3 分钟,对比优化前下降了106.3分钟。
综上,选择出入口交通拥堵明显的大型停车场,获取该停车场所有出入口的交通量统计信息;基于典型短时预测方法进行交通量预测;根据道路特性确定交通量阈值,判断拥堵状态,确定拥堵时段;对发生拥堵的时段,建立面向单出入口的车辆延误模型,计算单出入口的总延误时长;以同一停车场所有出入口的总车辆延误最小为目标,建立动静态协调优化模型;采用引入惩罚因子的粒子群算法求解优化模型。本发明可以支撑大型停车场多出入口的精细化协同管控策略建立,可以为停车场到离交通量引导提供理论依据,为推动停车场出入口时空资源利用的均衡性和合理性提供判断工具与参考,是城市大型停车场不断增加背景下的多出入口动静态交通协调优化新手段。
以上所述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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种面向大型停车场的多出入口动静态交通协调优化方法,其特征在于,包括以下步骤:
步骤1:选择出入口交通拥堵明显的、总泊位数超过300个、具有不少于两个出入口的大型停车场,对各出入口通道及相连道路的车辆行驶进行视频拍摄,获取多日该停车场所有出入口各种类型车辆的交通量信息,形成换算小时交通量统计表,即以小时交通量为单位的连续时段交通量统计表;
步骤2:根据采集的交通量数据,基于典型短时预测方法,进行短时交通量预测;
步骤3:基于道路特性确定拥堵时交通量阈值,对预测的每个时间段交通量进行道路拥堵情况判断,当停车场出入口处任意类型车辆交通量超过交通量阈值时,认为该出入口处于拥堵状态,输出拥堵时段的各种类型车辆不同路径下的换算小时交通量;
步骤4:对发生拥堵的时段,建立面向单出入口的各种类型车辆的平均延误模型,以单出入口各种类型车辆交通量和单出入口各种类型车辆平均延误为输入量,根据单出入口的不同类型车辆重要性,建立单出入口的总车辆延误模型
步骤5:以同一停车场所有出入口的总车辆延误最小为目标,确定目标函数和约束条件,建立面向大型停车场多出入口的动静态协调优化模型;
步骤6:采用引入惩罚因子的粒子群算法求解优化模型。
2.根据权利要求1所述的一种面向大型停车场的多出入口动静态交通协调优化方法,其特征在于,步骤1中所述的各种类型车辆是指大型停车场出入口处的到达停车场车辆、离开停车场车辆、以及与停车场通道相连的道路车辆这三类车辆。
3.根据权利要求1所述的一种面向大型停车场的多出入口动静态交通协调优化方法,其特征在于,步骤3中所述的基于道路特性确定拥堵时交通量阈值的方法为:分别判断停车场出入口处的三条道路,即停车场到达通道、停车场离开通道、以及与停车场通道相连道路的道路等级,分别获取对应道路等级的饱和通行能力,以饱和通行能力的86%作为交通量阈值。
5.根据权利要求1所述的一种面向大型停车场的多出入口动静态交通协调优化方法,其特征在于,步骤4中的各种类型车辆的平均延误模型的计算公式为:
(1)停车场出入口到达车辆,即j=a:
其中,为停车场第i个入口到达车辆的平均延误;单位为s;为停车场第i个入口到达车辆的固定延误,单位为s;为停车场第i个入口到达车辆通过入口闸机的平均延误,单位为s;为第二车道进入停车场第i个入口车辆的平均延误,单位为s;为停车场到达第i个入口交通量,单位为pcu/h;为第一车道进入停车场第i个入口交通量,单位为pcu/h;为第二车道进入停车场第i个入口交通量,单位为pcu/h;为停车场第第i个出入口附近道路第一车道交通量,单位为pcu/h;为停车场第i个入口闸机服务率,单位为pcu/h;为第二车道到达停车场第i个入口车辆的临界间隙,单位为s;为第二车道到达停车场第i个入口车辆的随车时间,单位为s;为第二车道车辆穿越第一车道进入停车场第i个入口的通行能力修正系数;ni为停车场第i个出入口附近道路的车道数;i为出入口序号,i∈{1,2…m},m为停车场的出入口总数;
(2)停车场出入口离开车辆,即j=l:
其中,为停车场第i个出口离开车辆的平均延误,单位为s;为停车场第i个出口离开车辆的固定延误,单位为s;为停车场第i个出口离开车辆通过出口闸机的平均延误,单位为s;为停车场第i个出口离开车辆驶入道路第一车道的平均延误,单位为s;为停车场第i个出口出口闸机服务率,单位为pcu/h;为停车场第i个出口离开交通量,单位为pcu/h;为停车场第i个出口第一车道交通量,单位为pcu/h;为停车场第i个出口离开车辆驶入道路第一车道的临界间隙,单位为s;为停车场第i个出口离开车辆的跟随时间,单位为s;为停车场第i个出口离开车辆驶入第一车道的通行能力修正系数;i为出入口序号,i∈{1,2…m},m为停车场的出入口总数;
(3)道路车辆,即j=r:
其中,为停车场第i个出入口附近道路车辆的平均延误,单位为s;为停车场第i个出入口附近道路的第一车道车辆受停车场离开车辆影响产生的平均延误,单位为s;为停车场第i个出入口附近道路的第一车道车辆受第二车道通过产生的平均延误,单位为s;为停车场第i个出入口附近道路的第二车道车辆等待前方车辆寻找可接受间隙进入停车场的连同排队延误,单位为s;为停车场第i个出入口附近道路的总交通量,单位为pcu/h;为停车场停车场第i个出口离开交通量,单位为pcu/h;为停车场第i个出入口附近道路的第一车道交通量,单位为pcu/h;为受停车场第i个出口离开车辆影响的第一车道交通量,单位为pcu/h;为受第二车道车辆影响的停车场第i个出入口附近道路的第一车道交通量,单位为pcu/h;为停车场第i个出入口附近道路的第二车道交通量,单位为pcu/h;为第一车道进入停车场第i个入口的交通量,单位为pcu/h;为第二车道进入停车场第i个入口的交通量,单位为pcu/h;为第一车道车辆驶入与停车场第i个出口冲突区的临界间隙,单位为s;为第一车道车辆驶入与停车场第i个出口冲突区的跟随时间,单位为s;为停车场第i个出入口附近道路的第一车道车辆驶入与第二车道车辆通过的冲突区的临界间隙,单位为s;为停车场第i个出入口附近道路的第一车道车辆驶入与第二车道车辆通过的冲突区的跟随时间,单位为s;为停车场第i个出入口附近道路的第一车道道路车辆的跟随时间,单位为s;为第二车道到达停车场第i个入口车辆的随车时间,单位为s;为第二车道到达停车场第i个入口车辆的临界间隙,单位为s;为进入停车场第i个入口的第二车道车辆穿越第一车道的通行能力修正系数;为第一车道驶入与停车场第i个出口冲突区的通行能力修正系数;为停车场第i个出入口附近道路的第一车道驶入与第二车道车辆通过的冲突区的通行能力修正系数;ni为停车场第i个出入口附近道路车道数;i为出入口序号,i∈{1,2…m},m为停车场的出入口总数。
6.根据权利要求1所述的一种面向大型停车场的多出入口动静态交通协调优化方法,其特征在于,步骤5中面向大型停车场多出入口的动静态协调优化模型为:
(1)目标函数:
式中,D为全部出入口各种类型车辆总延误;Di为第i个出入口的全部车辆总延误;λij为第i个出入口第j类车辆的重要系数,为取值范围0到1的常数;为第i个出入口第j类车辆的交通量;为第i个出入口第j类车辆平均延误模型;i为出入口编号,j为车辆类型编号(i∈{1,2…m},j∈{a,l,r});m为停车场的出入口总数,a代表到达停车场车辆;l代表离开停车场车辆;r代表道路车辆;
(2)约束条件:
7.根据权利要求1所述的一种面向大型停车场的多出入口动静态交通协调优化方法,其特征在于,步骤6中引入惩罚因子的粒子群算法包括以下步骤:
S72.初始化粒子位置;随机生成粒子的位置,即为该粒子的最初始化解,并设置优化模型中的其他常数项的值;
S73.计算粒子目标函数值;
S74.引入惩罚因子,设置约束条件;其中道路车辆(j=r)拥堵约束为硬性约束,一旦超过约束,目标函数值变为无穷大;到达车辆(j=a)拥堵、离开车辆(j=l)拥堵约束为弹性约束,引入惩罚因子使目标函数值变为在原目标函数值上加上超过约束的车辆总延误倍:
其中:Dt为第t次迭代的目标函数值;为第i出入口第j类车辆的惩罚因子;为第i个出入口第j类车辆的交通量;为第i个出入口第j类车辆平均延误模型;i为出入口编号,j为车辆类型编号(i∈{1,2…m},j∈{a,l});m为停车场的出入口总数,a代表到达停车场车辆;l代表离开停车场车辆;
S75.确定全局最优粒子;对比粒子群中所有粒子的目标函数值,目标函数值最小粒子为全局最优粒子;
S76.更新粒子速度和位置;
S77.计算粒子目标函数值,同S73;
S78.引入惩罚因子,同S74;
S79.设置停止条件;根据最优个体适应度或最大迭代次数等满足终止条件,算法终止,否则重复S75至S78直至满足条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111444267.6A CN114241751B (zh) | 2021-11-30 | 2021-11-30 | 一种面向大型停车场的多出入口动静态交通协调优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111444267.6A CN114241751B (zh) | 2021-11-30 | 2021-11-30 | 一种面向大型停车场的多出入口动静态交通协调优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114241751A true CN114241751A (zh) | 2022-03-25 |
CN114241751B CN114241751B (zh) | 2022-12-27 |
Family
ID=80752208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111444267.6A Active CN114241751B (zh) | 2021-11-30 | 2021-11-30 | 一种面向大型停车场的多出入口动静态交通协调优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114241751B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758497A (zh) * | 2022-03-30 | 2022-07-15 | 同济大学 | 一种自适应停车场可变出入口控制方法、装置及存储介质 |
CN114863677A (zh) * | 2022-04-26 | 2022-08-05 | 公安部交通管理科学研究所 | 一种停车场上游路口信号控制动态优化方法 |
CN114913708A (zh) * | 2022-07-18 | 2022-08-16 | 深圳市华睿智兴信息科技有限公司 | 一种用于智能停车场的停车路径引导系统及方法 |
WO2024027428A1 (zh) * | 2023-03-30 | 2024-02-08 | 杜豫川 | 一种动静态联动的车辆路径引导方法 |
CN118470948A (zh) * | 2024-07-12 | 2024-08-09 | 成都宜泊信息科技有限公司 | 一种应对avp停车场拥堵或紧急情况的调度方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107845288A (zh) * | 2017-11-27 | 2018-03-27 | 东南大学 | 基于时空容量多类型用地配建停车泊位共享资源匹配方法 |
US10169993B1 (en) * | 2018-01-11 | 2019-01-01 | Conduent Business Services, Llc | Forecasting with matrix powers |
CN109559506A (zh) * | 2018-11-07 | 2019-04-02 | 北京城市系统工程研究中心 | 一种降雨天气下城市道路间断交通流延误时间预测方法 |
KR20200007577A (ko) * | 2018-07-13 | 2020-01-22 | 서울시립대학교 산학협력단 | 평균 통행시간 정보를 이용한 교통량 추정방법 및 교통량 추정장치 |
CN112037540A (zh) * | 2020-08-10 | 2020-12-04 | 东南大学 | 一种潮汐交通状态干线信号协调设计方法与装置 |
CN112950946A (zh) * | 2021-02-26 | 2021-06-11 | 中冶南方城市建设工程技术有限公司 | 一种市政道路施工期交通拥堵原因判别方法 |
CN113593289A (zh) * | 2021-06-25 | 2021-11-02 | 桂林电子科技大学 | 基于泊位可用状态感知路内停车冲突规避调度方法与系统 |
CA3113494A1 (en) * | 2020-05-29 | 2021-11-29 | Htt Smart Solutions Canada Inc. | Parking lot management system based on real-time computer vision processing |
-
2021
- 2021-11-30 CN CN202111444267.6A patent/CN114241751B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107845288A (zh) * | 2017-11-27 | 2018-03-27 | 东南大学 | 基于时空容量多类型用地配建停车泊位共享资源匹配方法 |
US10169993B1 (en) * | 2018-01-11 | 2019-01-01 | Conduent Business Services, Llc | Forecasting with matrix powers |
KR20200007577A (ko) * | 2018-07-13 | 2020-01-22 | 서울시립대학교 산학협력단 | 평균 통행시간 정보를 이용한 교통량 추정방법 및 교통량 추정장치 |
CN109559506A (zh) * | 2018-11-07 | 2019-04-02 | 北京城市系统工程研究中心 | 一种降雨天气下城市道路间断交通流延误时间预测方法 |
CA3113494A1 (en) * | 2020-05-29 | 2021-11-29 | Htt Smart Solutions Canada Inc. | Parking lot management system based on real-time computer vision processing |
CN112037540A (zh) * | 2020-08-10 | 2020-12-04 | 东南大学 | 一种潮汐交通状态干线信号协调设计方法与装置 |
CN112950946A (zh) * | 2021-02-26 | 2021-06-11 | 中冶南方城市建设工程技术有限公司 | 一种市政道路施工期交通拥堵原因判别方法 |
CN113593289A (zh) * | 2021-06-25 | 2021-11-02 | 桂林电子科技大学 | 基于泊位可用状态感知路内停车冲突规避调度方法与系统 |
Non-Patent Citations (1)
Title |
---|
陈峻等: "信号交叉口影响区路边停车的交通流延误模型", 《哈尔滨工业大学学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758497A (zh) * | 2022-03-30 | 2022-07-15 | 同济大学 | 一种自适应停车场可变出入口控制方法、装置及存储介质 |
CN114758497B (zh) * | 2022-03-30 | 2023-08-29 | 同济大学 | 一种自适应停车场可变出入口控制方法、装置及存储介质 |
WO2023186024A1 (zh) * | 2022-03-30 | 2023-10-05 | 杜豫川 | 一种自适应停车场可变出入口控制方法 |
CN114863677A (zh) * | 2022-04-26 | 2022-08-05 | 公安部交通管理科学研究所 | 一种停车场上游路口信号控制动态优化方法 |
CN114913708A (zh) * | 2022-07-18 | 2022-08-16 | 深圳市华睿智兴信息科技有限公司 | 一种用于智能停车场的停车路径引导系统及方法 |
CN114913708B (zh) * | 2022-07-18 | 2022-10-28 | 深圳市华睿智兴信息科技有限公司 | 一种用于智能停车场的停车路径引导系统及方法 |
WO2024027428A1 (zh) * | 2023-03-30 | 2024-02-08 | 杜豫川 | 一种动静态联动的车辆路径引导方法 |
CN118470948A (zh) * | 2024-07-12 | 2024-08-09 | 成都宜泊信息科技有限公司 | 一种应对avp停车场拥堵或紧急情况的调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114241751B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114241751B (zh) | 一种面向大型停车场的多出入口动静态交通协调优化方法 | |
CN109598950B (zh) | 一种智能网联车辆的匝道协同汇入控制方法及系统 | |
CN107330547B (zh) | 一种城市公交动态调度优化方法及系统 | |
CN111951549B (zh) | 在网联车辆环境下的自适应交通信号灯控制方法及系统 | |
CN110276474A (zh) | 一种城市轨道交通车站短时客流预测方法 | |
CN111899534A (zh) | 基于道路实时容量的交通灯智能控制方法 | |
CN103794065B (zh) | 一种主动式的城市道路区域信号配时参数协同优化方法 | |
CN110232821A (zh) | 一种高峰时段港湾公交停靠站临近车道通行能力计算方法 | |
CN110288827A (zh) | 一种考虑停靠站排队溢出影响的公交车辆运行调度方法 | |
CN106530757A (zh) | 一种高架匝道智能信号调控方法 | |
CN112465205A (zh) | 一种单线多站协同限流的轨道交通列车开行密度优化方法 | |
CN112906179A (zh) | 一种基于流体排队网络的城市轨道交通客流控制优化方法 | |
CN114743396A (zh) | 基于粒子群优化算法的交通诱导调度系统及其调度方法 | |
CN112381470B (zh) | 基于智能体的交通流量分配方法、设备及存储介质 | |
CN108197724B (zh) | 公交复杂网络中效率权重计算与公交方案性能评估方法 | |
CN112200372A (zh) | 一种大型空港枢纽陆侧综合交通优化乘客分担率计算及乘客引导方法 | |
CN116524715A (zh) | 结合干线绿波协调和应急路径决策的滚动双层规划方法 | |
CN112070275A (zh) | 一种轨道交通路网协同限流的方法和装置及设备 | |
CN116151538A (zh) | 一种应用于智能公交需求均衡式调度的仿真系统及方法 | |
CN113628455B (zh) | 车联网环境下考虑车内人数的交叉口信号优化控制方法 | |
CN113657606A (zh) | 车联网场景下分压聚合的局域联邦学习方法 | |
CN115099716A (zh) | 一种面向不同线路的大站快车与全程车调度方法及系统 | |
CN107146416B (zh) | 一种智能交通管理系统 | |
CN106205129B (zh) | 基于随机交通需求和通行能力的交叉口控制延误预测方法 | |
Van Kooten et al. | ART-UTC: An adaptive real-time urban traffic control strategy |
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 |