CN114898555B - 一种道路交叉口综合评估方法 - Google Patents
一种道路交叉口综合评估方法 Download PDFInfo
- Publication number
- CN114898555B CN114898555B CN202210502424.2A CN202210502424A CN114898555B CN 114898555 B CN114898555 B CN 114898555B CN 202210502424 A CN202210502424 A CN 202210502424A CN 114898555 B CN114898555 B CN 114898555B
- Authority
- CN
- China
- Prior art keywords
- index
- flow direction
- intersection
- safety
- flow
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 60
- 238000013210 evaluation model Methods 0.000 claims abstract description 43
- 229920006395 saturated elastomer Polymers 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 17
- 206010039203 Road traffic accident Diseases 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 2
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
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
- G08G1/01—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
- G08G1/07—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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/095—Traffic lights
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种道路交叉口综合评估方法;包括:获取目标交叉口处的各车道排队长度、各流向实际饱和流量、各流向实际流量、各分项安全指数,以及获取目标交叉口处各事件的指数评价指标权重和指数评价指标值;将上述获取的数据输入至预设评估模型中,输出目标交叉口处的信号灯控制效率指数、拥堵指数、安全指数和事件指数;根据目标交叉口处的信号灯控制效率指数、拥堵指数、安全指数和事件指数,生成目标交叉口处的道路交通调整策略;通过该方法可以从多个层面出发对道路交叉口进行评估,提高评估准确度,为日后道路交叉口交通指挥方案的调整提供有效的参考依据。
Description
技术领域
本发明属于道路交通评估技术领域,特别是一种道路交叉口综合评估方法。
背景技术
随着社会经济的不断发展,人们出行的次数不断增加,道路上的车辆不断增多,这给交通带来了一定的压力,尤其是在道路交叉口位置处,各种事故的发生最为频繁;为了便于人们的出行,降低道路堵塞程度,减少交通事故发生次数,有必要对道路交叉口的各项指标进行评估,根据评估结果对道路交叉口的交通指挥方案进行有针对性的调整。但是现有技术中,大多数的道路评估以及调整方案都集中在道路安全指标上,忽略了道路本身所能承载的流量,同时也忽略了对信号灯控制效率的评估。
因此,如何从多个层面出发对道路交叉口进行评估,提高评估准确度,为日后道路交叉口交通指挥方案的调整提供有效的参考依据,成为当前研究的关键问题。
发明内容
鉴于上述问题,本发明提供一种至少解决上述部分技术问题的一种道路交叉口综合评估方法,通过该方法可以从多个层面出发对道路交叉口进行评估,提高评估准确度,为日后道路交叉口交通指挥方案的调整提供有效的参考依据。
本发明实施例提供了一种道路交叉口综合评估方法,包括:
S1、获取目标交叉口处的各车道排队长度、各流向实际饱和流量、各流向实际流量、各分项安全指数,以及获取所述目标交叉口处各事件的指数评价指标权重和指数评价指标值;
S2、将S1中获取的数据输入至预设评估模型中,输出所述目标交叉口处的信号灯控制效率指数、拥堵指数、安全指数和事件指数;
S3、根据所述目标交叉口处的信号灯控制效率指数、拥堵指数、安全指数和事件指数,生成所述目标交叉口处的道路交通调整策略。
进一步地,在所述S1中,所述各分项安全指数包括:基础设施类各分项安全指数、信号方案类各分项安全指数、交通事故类各分项安全指数,以及交通违法类各分项安全指数。
进一步地,在所述S1中,所述目标交叉口处各事件包括:道路事件、车辆事件、活动事件和天气事件。
进一步地,在所述S2中,所述预设评估模型包括:信号灯控制效率评估模型、拥堵评估模型、安全评估模型和事件评估模型。
进一步地,所述信号灯控制效率评估模型通过如下方式进行训练:
获取交叉口处大量的车道排队长度数据、流向实际饱和流量数据和流向实际流量数据;
从所述车道排队长度数据中筛选出最大值,作为对应的流向排队长度;
根据所述流向排队长度、流向实际饱和流量数据和流向实际流量数据,计算出每个流向的信号灯控制效率指数;
根据所述每个流向的信号灯控制效率指数,计算得出交叉口处的信号灯控制效率指数;
将所述车道排队长度数据、流向实际饱和流量数据和流向实际流量数据作为输入,将所述交叉口处的信号灯控制效率指数作为输出,训练信号灯控制效率评估模型。
进一步地,所述拥堵评估模型中通过如下方式进行训练:
获取交叉口处大量的车道排队长度数据、流向实际饱和流量数据和流向实际流量数据;
从所述车道排队长度数据中筛选出最大值,作为对应的流向排队长度;
根据所述流向排队长度,计算对应的流向畅通指数;
根据所述流向实际饱和流量数据和流向实际流量数据,计算各流向繁忙指数;
根据所述流向畅通指数和各流向繁忙指数,计算各流向拥堵指数;
从所述各流向拥堵指数中,筛选出第一流向拥堵指数最大值,和第二流向拥堵指数最大值;
根据所述第一流向拥堵指数最大值和第二流向拥堵指数最大值,计算得出交叉口处的拥堵指数;
将所述车道排队长度数据、流向实际饱和流量数据和流向实际流量数据作为输入,将交叉口处的拥堵指数作为输出,训练拥堵评估模型。
进一步地,所述安全评估模型通过如下方式进行训练:
获取交叉口处大量的基础设施类各分项安全指数、信号方案类各分项安全指数、交通事故类各分项安全指数,以及交通违法类各分项安全指数;
分别对所获取的安全指数数据进行计算,得出基础设施类安全指数、信号方案类安全指数、交通事故类安全指数,以及交通违法类安全指数;
从所述基础设施类安全指数、信号方案类安全指数、交通事故类安全指数和交通违法类安全指数中筛选出最大安全指数值,作为交叉口安全指数;
将所述基础设施类各分项安全指数、信号方案类各分项安全指数、交通事故类各分项安全指数,以及交通违法类各分项安全指数作为输入,将所述交叉口安全指数作为输出,训练安全评估模型。
进一步地,所述事件评估模型表示为:
其中,S表示交叉口事件指数;Ku表示第u项交叉口事件指数评价指标权重;Su表示第u项交叉口事件指数评价指标值;p表示交叉口事件指数评价指标数量。
与现有技术相比,本发明记载的一种道路交叉口综合评估方法,具有如下有益效果:通过该方法可以从多个层面出发对道路交叉口进行评估,提高评估准确度,为日后道路交叉口交通指挥方案的调整提供有效的参考依据。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例提供的道路交叉口综合评估方法流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参见图1所示,本发明实施例提供了一种道路交叉口综合评估方法,具体包括如下步骤:
S1、获取目标交叉口处的各车道排队长度、各流向实际饱和流量、各流向实际流量、各分项安全指数,以及获取所述目标交叉口处各事件的指数评价指标权重和指数评价指标值;
S2、将S1中获取的数据输入至预设评估模型中,输出所述目标交叉口处的信号灯控制效率指数、拥堵指数、安全指数和事件指数;
S3、根据所述目标交叉口处的信号灯控制效率指数、拥堵指数、安全指数和事件指数,生成所述目标交叉口处的道路交通调整策略。
下面分别对上述各个步骤进行详细的说明。
在上述步骤S1中,各分项安全指数包括:基础设施类各分项安全指数、信号方案类各分项安全指数、交通事故类各分项安全指数,以及交通违法类各分项安全指数。目标交叉口处各事件包括:道路事件、车辆事件、活动事件和天气事件。
在上述步骤S2中:预设评估模型包括:信号灯控制效率评估模型、拥堵评估模型、安全评估模型和事件评估模型;接下来通过四部分对该步骤S2进行详细说明:
第一部分:将步骤S1中获取的目标交叉口处的各车道排队长度、各流向实际饱和流量和各流向实际流量输入到信号灯控制效率评估模型中,输出目标交叉口处的信号灯控制效率指数;
该信号灯控制效率评估模型的具体训练过程为:
首先,获取交叉口处大量的车道排队长度数据、流向实际饱和流量数据和流向实际流量数据;并从车道排队长度数据中筛选出最大值,作为对应的流向排队长度,表示为:
Li=max(Lm)
其中,Li表示第i个流向的流向排队长度;Lm表示各车道排队长度,一般检测器检测排队长度为35-100米;m表示车道数;
其次,以流向实际饱和流量数据和流向实际流量数据为基准,以流向排队长度为修正,计算出每个流向的信号灯控制效率指数,表示为:
其中,Xi表示第i个流向的信号灯控制效率指数,所对应的修正原则为:①当Li=35时,Xi取值范围为[3,10];②当Li>35时,Xi取值范围为[0,10];qi表示各流向实际流量;Qi表示各流向实际饱和流量,即自由流状态单位时间通过的最大车流数;Hi表示各流向设计饱和流量;k表示各流向实际饱和流量与设计饱和流量的比值,取值0.8-0.95之间;
最后,根据每个流向的信号灯控制效率指数,计算得出交叉口处的信号灯控制效率指数,表示为:
其中,X表示交叉口处的信号灯控制效率指数;Xi表示第i个流向的信号灯控制效率指数;n表示交叉口流向数;
将车道排队长度数据、流向实际饱和流量数据和流向实际流量数据作为输入,将交叉口处的信号灯控制效率指数作为输出,便可以训练信号灯控制效率评估模型;在本发明实施例中,将效率指数分为4个级别,效率指数值越大,交通运行情况越好,反之交通流运行情况越差;通过该信号灯控制效率评估模型可以反映出路口受信号灯控制后整体运行效率,是否存在绿灯损失问题,以及信控方案与路口运行状态是否匹配等,是评判信号控制设置是否合理的重要依据;交叉口处的信号灯控制效率指数与交通运行的对应关系如下表1所示。
表1效率指数与交通运行情况分级对应关系
效率指数值 | 【0,3) | 【3,6) | 【6,8) | 【8,10】 |
效率指数分级 | 效率差 | 效率一般 | 效率较高 | 效率高 |
第二部分:将步骤S1中获取的车道排队长度数据、流向实际饱和流量数据和流向实际流量数据输入至拥堵评估模型中,输出目标交叉口出的拥堵指数;
该拥堵评估模型的具体训练过程为:
首先,获取交叉口处大量的车道排队长度数据、流向实际饱和流量数据和流向实际流量数据;并从车道排队长度数据中筛选出最大值,作为对应的流向排队长度,表示为:
Li=max(Lm)
其中,Li表示第i个流向的流向排队长度;Lm表示各车道排队长度,一般检测器检测排队长度为100米;m表示车道数;
其次,根据流向排队长度,计算流向畅通指数,表示为:
其中,Ci表示第i个流向的流向畅通指数,取值为0-10;Li表示第i个流向的流向排队长度;
然后,根据流向实际饱和流量数据和流向实际流量数据,计算各流向繁忙指数,表示为;
其中,Fi表示第i个流向的流向繁忙指数,取值为0-10;qi表示第i个流向的流向实际流量;Qi表示第i个流向的流向实际饱和流量,即自由流状态单位时间通过的最大车流数;Hi表示第i个流向的流向设计饱和流量;k表示各流向实际饱和流量与设计饱和流量的比值,取值在0.8-0.95之间;
再后,根据上述求出的流向畅通指数和各流向繁忙指数,计算各流向拥堵指数,表示为:Yi=0.5Fi+0.5Ci
最后,从各流向拥堵指数中,筛选出第一流向拥堵指数最大值,和第二流向拥堵指数最大值;根据第一流向拥堵指数最大值和第二流向拥堵指数最大值,计算得出交叉口处的拥堵指数,表示为:
Y=0.5Ymax1+0.5Ymax2
其中,Y表示交叉口处的拥堵指数;Ymax1和Ymax2表示各流向拥堵指数Yi中最大的两个值;
将车道排队长度数据、流向实际饱和流量数据和流向实际流量数据作为输入,将交叉口处的拥堵指数作为输出,便可以训练拥堵评估模型。在本发明实施例中,将拥堵指数划分为4个级别,拥堵指数值越大,交通拥堵程度越严重,反之交通流越畅通;通过该拥堵评估模型可以反映城市道路交叉口交通运行的畅通或拥堵程度;拥堵指数与交通运行分级对应关系如下表2所示。
表2拥堵指数与交通运行分级对应关系
拥堵指数值 | 【0,4】 | (4,6】 | (6,8】 | (8,10】 |
拥堵指数分级 | 畅通 | 行驶缓慢 | 拥堵 | 严重拥堵 |
第三部分:将步骤S1中所获取的基础设施类各分项安全指数、信号方案类各分项安全指数、交通事故类各分项安全指数,以及交通违法类各分项安全指数输入至安全评估模型中,输出目标交叉口处的安全指数;
该安全评估模型的具体训练方法如下:
首先,获取交叉口处大量的基础设施类各分项安全指数、信号方案类各分项安全指数、交通事故类各分项安全指数,以及交通违法类各分项安全指数;具体获取的各分项内容参照下表3:
表3基础设施类、信号方案类、交通事故类、交通违法类分项表
*其中,专用条件中,交通事故类、交通违法类,特指由于常发交通拥堵、渠化及信号不合理等因素导致的频繁变道等非有序行驶引发的交通事故及交通违法现象。
上述各分项所对应的安全指数参照下表4-表7所示。
表4基础设施类分项指数值测算
表5信号方案类分项指数值测算
信号配时与相位设置 | 85-100% | 70-85% | 60-70% | <60% |
安全指数值 | 0-2 | 2-4 | 4-7 | 7-10 |
行人过街距离与时间比 | >2 | 1.5-2 | 1-1.5 | <1 |
安全指数值 | 0-2 | 2-4 | 4-7 | 7-10 |
流向时间冲突点 | 0-2 | 2-5 | 5-8 | >8 |
安全指数值 | 0-2 | 2-4 | 4-7 | 7-10 |
表6交通事故类分项指数值测算
严重程度 | 一般 | 较大 | 重大 | 特别重大 |
安全指数值 | 0-2 | 2-4 | 4-7 | 7-10 |
发生频次 | 0 | 1 | 2 | ≥3 |
安全指数值 | 0-2 | 2-4 | 4-7 | 7-10 |
及时疏导 | 1-15min | 15-30min | 30-45min | >45min |
安全指数值 | 0-2 | 2-4 | 4-7 | 7-10 |
表7交通违法类分项指数值测算
违反交通信号灯通行(比例) | 0-3% | 3-5% | 5-10% | >10% |
安全指数值 | 0-2 | 2-4 | 4-7 | 7-10 |
倒车逆行掉头等(比例) | 0-4% | 4-10% | 10-15% | >15% |
安全指数值 | 0-2 | 2-4 | 4-7 | 7-10 |
违反禁令标志标线(比例) | 0-5% | 5-10% | 10-15% | >15% |
安全指数值 | 0-2 | 2-4 | 4-7 | 7-10 |
不礼让行人(比例) | 0-5% | 5-10% | 10-15% | >15% |
安全指数值 | 0-2 | 2-4 | 4-7 | 7-10 |
其次,对所获取的安全指数数据进行计算,得出基础设施类安全指数、信号方案类安全指数、交通事故类安全指数,以及交通违法类安全指数;例如,基础设施类安全指数的计算公式可以表示为:
其中:A1表示基础设施类安全指数,取值为0-10;aj表示基础设施类中第j个分项的安全指数;w表示基础设施类分项数;
信号方案类安全指数A2、交通事故类安全指数A3和交通违法类安全指数A4的计算方法均可参照上述基础设施类安全指数A1。
最后,从基础设施类安全指数、信号方案类安全指数、交通事故类安全指数和交通违法类安全指数中筛选出最大安全指数值,作为交叉口安全指数A,表示为A=max(A1,A2,A3,A4);
在本发明实施例中,将安全指数划分为4个级别,安全指数值越大,安全隐患越严重,反之安全可靠性越高;通过该安全评估模型,可以反映信控交叉口在时空上的安全可靠性,以及反映影响交叉口安全的因素,该模型可作为后续交叉口布置不断完善的参考方向;安全指数与安全隐患分级对应关系参照下表8所示:
表8安全指数与安全隐患分级对应关系
安全指数值 | 【0,2】 | (2,4】 | (4,7】 | (7,10】 |
安全指数分级 | 安全 | 较安全 | 较危险 | 危险 |
第四部分:将步骤S1中获取的目标交叉口处各事件的指数评价指标权重和指数评价指标值输入至事件评估模型中,输出目标交叉口处的事件指数;
该事件评估模型的具体训练方法如下:
首先,确定道路交叉口处各事件的评估指标,具体可参照下表9所示:
表9交叉口事件指数总体评价指标
其次,基于该道路交叉口处各事件的评估指标,获取道路交叉口处各事件大量的指数评价指标权重和指数评价指标值,具体可参照下表10-表13所示:
道路事件,事件指数权重为0.25;
表10道路事件评价指标值
信号灯异常次数 | 0 | 1 | 2 | ≥3 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
施工事件次数 | 0-2 | 2-5 | 5-10 | >10 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
行人闯入次数 | 0-1 | 1-3 | 3-5 | >5 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
道路异常次数 | 0-1 | 1-3 | 3-5 | >5 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
车辆事件,事件指数权重为0.40;
表11车辆事件评价指标
交通事故次数 | 0 | 1 | 2 | ≥3 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
交通反溢次数 | 0-2 | 2-5 | 5-8 | >8 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
交通拥堵次数 | 0-2 | 2-5 | 5-8 | >8 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
车辆逆行次数 | 0-1 | 1-3 | 3-5 | >5 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
异常停车次数 | 0-1 | 1-3 | 3-5 | >5 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
超速行驶(超出范围) | 0-20% | 20-30% | 30-50% | >50% |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
活动事件,事件指数权重为0.20;
表12活动事件评价指标
交通管制次数 | 0-2 | 2-5 | 5-10 | >10 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
大型活动次数 | 0-2 | 2-5 | 5-10 | >10 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
天气事件,事件指数权重为0.15;
表13天气事件评价指标
恶劣天气率 | 0-5% | 5-10% | 10-15% | >15% |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
火焰及烟雾次数 | 0 | 1 | 2 | ≥3 |
事件指数评价 | 0-2 | 2-4 | 4-7 | 7-10 |
最后,根据上述所获得的交叉口处各事件的指数评价指标权重和指数评价指标值,计算交叉口处的事件指数,即事件评估模型,其表示为:
其中,S表示交叉口事件指数;Ku表示第u项交叉口事件指数评价指标权重;Su表示第u项交叉口事件指数评价指标值;p表示交叉口事件指数评价指标数量;基于该事件评估模型,可以分析所发生各事件的持续时间、波及范围、对流量变化影响程度及占用道路资源情况。
本发明实施例提供了一种道路交叉口综合评估方法,综合信号灯控制效率评估模型、拥堵评估模型、安全评估模型和事件评估模型对道路交叉口进行全面评估,得出目标交叉口处的信号灯控制效率指数、拥堵指数、安全指数和事件指数;最后综合目标交叉口处的信号灯控制效率指数、拥堵指数、安全指数和事件指数,生成所述目标交叉口处的道路交通调整策略。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种道路交叉口综合评估方法,其特征在于,包括:
S1、获取目标交叉口处的各车道排队长度、各流向实际饱和流量、各流向实际流量、各分项安全指数,以及获取所述目标交叉口处各事件的指数评价指标权重和指数评价指标值;
S2、将S1中获取的数据输入至预设评估模型中,输出所述目标交叉口处的信号灯控制效率指数、拥堵指数、安全指数和事件指数;
S3、根据所述目标交叉口处的信号灯控制效率指数、拥堵指数、安全指数和事件指数,生成所述目标交叉口处的道路交通调整策略;
在所述S2中,所述预设评估模型包括信号灯控制效率评估模型;
该信号灯控制效率评估模型的具体训练过程为:
首先,获取交叉口处大量的车道排队长度数据、流向实际饱和流量数据和流向实际流量数据;并从车道排队长度数据中筛选出最大值,作为对应的流向排队长度,表示为:
Li=max(Lm)
其中,Li表示第i个流向的流向排队长度;Lm表示各车道排队长度;m表示车道数;
其次,以流向实际饱和流量数据和流向实际流量数据为基准,以流向排队长度为修正,计算出每个流向的信号灯控制效率指数,表示为:
其中,Xi表示第i个流向的信号灯控制效率指数,所对应的修正原则为:①当Li=35时,Xi取值范围为[3,10];②当Li>35时,Xi取值范围为[0,10];qi表示各流向实际流量;Qi表示各流向实际饱和流量,即自由流状态单位时间通过的最大车流数;Hi表示各流向设计饱和流量;k表示各流向实际饱和流量与设计饱和流量的比值,取值0.8-0.95之间;
最后,根据每个流向的信号灯控制效率指数,计算得出交叉口处的信号灯控制效率指数,表示为:
其中,X表示交叉口处的信号灯控制效率指数;Xi表示第i个流向的信号灯控制效率指数;n表示交叉口流向数。
2.如权利要求1所述的一种道路交叉口综合评估方法,其特征在于,在所述S1中,所述各分项安全指数包括:基础设施类各分项安全指数、信号方案类各分项安全指数、交通事故类各分项安全指数,以及交通违法类各分项安全指数。
3.如权利要求1所述的一种道路交叉口综合评估方法,其特征在于,在所述S1中,所述目标交叉口处各事件包括:道路事件、车辆事件、活动事件和天气事件。
4.如权利要求2或3任一项所述的一种道路交叉口综合评估方法,其特征在于,在所述S2中,所述预设评估模型包括:拥堵评估模型、安全评估模型和事件评估模型。
5.如权利要求4所述的一种道路交叉口综合评估方法,其特征在于,所述拥堵评估模型中通过如下方式进行训练:
获取交叉口处大量的车道排队长度数据、流向实际饱和流量数据和流向实际流量数据;
从所述车道排队长度数据中筛选出最大值,作为对应的流向排队长度;
根据所述流向排队长度,计算对应的流向畅通指数;
根据所述流向实际饱和流量数据和流向实际流量数据,计算各流向繁忙指数;
根据所述流向畅通指数和各流向繁忙指数,计算各流向拥堵指数;
从所述各流向拥堵指数中,筛选出第一流向拥堵指数最大值,和第二流向拥堵指数最大值;
根据所述第一流向拥堵指数最大值和第二流向拥堵指数最大值,计算得出交叉口处的拥堵指数;
将所述车道排队长度数据、流向实际饱和流量数据和流向实际流量数据作为输入,将交叉口处的拥堵指数作为输出,训练拥堵评估模型。
6.如权利要求4所述的一种道路交叉口综合评估方法,其特征在于,所述安全评估模型通过如下方式进行训练:
获取交叉口处大量的基础设施类各分项安全指数、信号方案类各分项安全指数、交通事故类各分项安全指数,以及交通违法类各分项安全指数;
分别对所获取的安全指数数据进行计算,得出基础设施类安全指数、信号方案类安全指数、交通事故类安全指数,以及交通违法类安全指数;
从所述基础设施类安全指数、信号方案类安全指数、交通事故类安全指数和交通违法类安全指数中筛选出最大安全指数值,作为交叉口安全指数;
将所述基础设施类各分项安全指数、信号方案类各分项安全指数、交通事故类各分项安全指数,以及交通违法类各分项安全指数作为输入,将所述交叉口安全指数作为输出,训练安全评估模型。
7.如权利要求4所述的一种道路交叉口综合评估方法,其特征在于,所述事件评估模型表示为:
其中,S表示交叉口事件指数;Ku表示第u项交叉口事件指数评价指标权重;Su表示第u项交叉口事件指数评价指标值;p表示交叉口事件指数评价指标数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210502424.2A CN114898555B (zh) | 2022-05-09 | 2022-05-09 | 一种道路交叉口综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210502424.2A CN114898555B (zh) | 2022-05-09 | 2022-05-09 | 一种道路交叉口综合评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114898555A CN114898555A (zh) | 2022-08-12 |
CN114898555B true CN114898555B (zh) | 2024-01-05 |
Family
ID=82722101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210502424.2A Active CN114898555B (zh) | 2022-05-09 | 2022-05-09 | 一种道路交叉口综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114898555B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115410375A (zh) * | 2022-11-02 | 2022-11-29 | 华路易云科技有限公司 | 一种基于雷卡融合交通数据的融合交通指标集生成方法 |
CN116052422B (zh) * | 2023-01-30 | 2023-11-17 | 浙江警察学院 | 一种道路交叉口综合通透度检测方法、系统 |
CN117765735A (zh) * | 2023-12-29 | 2024-03-26 | 中路科云(北京)技术有限公司 | 交通管控方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915637A (zh) * | 2012-08-01 | 2013-02-06 | 浙江浙大中控信息技术有限公司 | 一种信号控制交叉口的交通状态评价方法及系统 |
CN106205156A (zh) * | 2016-08-12 | 2016-12-07 | 南京航空航天大学 | 一种针对部分车道车流突变的交叉口自愈合控制方法 |
CN108922170A (zh) * | 2018-06-13 | 2018-11-30 | 同济大学 | 一种基于电子警察抓拍数据的交叉口安全评价方法 |
CN109146299A (zh) * | 2018-08-29 | 2019-01-04 | 广东工业大学 | 一种道路交叉口安全状态评估方法 |
CN109584565A (zh) * | 2018-12-25 | 2019-04-05 | 天津易华录信息技术有限公司 | 一种交通安全评价系统及其评价指数计算方法 |
-
2022
- 2022-05-09 CN CN202210502424.2A patent/CN114898555B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915637A (zh) * | 2012-08-01 | 2013-02-06 | 浙江浙大中控信息技术有限公司 | 一种信号控制交叉口的交通状态评价方法及系统 |
CN106205156A (zh) * | 2016-08-12 | 2016-12-07 | 南京航空航天大学 | 一种针对部分车道车流突变的交叉口自愈合控制方法 |
CN108922170A (zh) * | 2018-06-13 | 2018-11-30 | 同济大学 | 一种基于电子警察抓拍数据的交叉口安全评价方法 |
CN109146299A (zh) * | 2018-08-29 | 2019-01-04 | 广东工业大学 | 一种道路交叉口安全状态评估方法 |
CN109584565A (zh) * | 2018-12-25 | 2019-04-05 | 天津易华录信息技术有限公司 | 一种交通安全评价系统及其评价指数计算方法 |
Non-Patent Citations (2)
Title |
---|
基于Fuzzy-logic的城市交叉口交通状态评价研究;孙超等;《交通与运输(学术版)》;20101230(第02期);论文第0节、第3节 * |
基于本质安全的道路交叉口安全评价研究;孔静;《汽车实用技术》;20200630(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114898555A (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114898555B (zh) | 一种道路交叉口综合评估方法 | |
Anderson et al. | Relationship to safety of geometric design consistency measures for rural two-lane highways | |
Chiou | An artificial neural network-based expert system for the appraisal of two-car crash accidents | |
Bonneson et al. | Effect of yellow-interval timing on the frequency of red-light violations at urban intersections | |
CN108109378A (zh) | 一种对路网规划方案进行交通安全评价的方法 | |
CN110363997A (zh) | 一种有施工区交叉口信号配时优化方法 | |
Hale et al. | Traffic bottlenecks: identification and Solutions | |
CN110111573A (zh) | 一种基于物联网的拥堵车辆综合调度方法 | |
Ariza | Validation of Road Safety Surrogate Measures as a Predictor of Crash Frequency Rates on a Large-Scale Microsimulation Network | |
Xing et al. | Time-varying analysis of traffic conflicts at the upstream approach of toll plaza | |
Singh et al. | Effect of heavy transport vehicles on speed-flow characteristics of mixed traffic on multi lane divided intercity highways | |
Yang et al. | Road capacity at bus stops with mixed traffic flow in China | |
Wooldridge | Geometric design consistency on high-speed rural two-lane roadways | |
Fitzpatrick et al. | Effects of bus stop design on suburban arterial operations | |
Wang et al. | Conditions for Setting Exclusive Pedestrian Phases at Two‐Phase Signalized Intersections considering Pedestrian‐Vehicle Interaction | |
CN113688561A (zh) | 一种基于神经网络的高速公路施工区最优预警距离确定方法 | |
Dia et al. | Evaluation of arterial incident management impacts using traffic simulation | |
Yang et al. | Multiobjective evaluation of midblock crosswalks on urban streets based on topsis and entropy methods | |
Chen et al. | Identifying crash distributions and prone locations by lane groups at freeway diverging areas | |
Xiong et al. | Traffic safety evaluation and accident prediction of freeway: evidence from China | |
Ober-Sundermeier et al. | Prediction of congestion due to road works on freeways | |
Sun | Study on the Indexes System of Highway Operational Risk Classification Based on Abnormal Driving Behavior | |
Pulugurtha et al. | Assessing use of pedestrian crash data to identify unsafe transit service segments for safety improvements | |
Shang et al. | Study of Roadside Accident Prediction of a Multibridge and Multitunnel Section on an Expressway in a Mountainous Area | |
CN116343474B (zh) | 基于微观交通仿真的高速公路瓶颈动态预测方法及系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 211500 third floor, Beidou building, No. 6, Huida Road, Jiangbei new area, Nanjing, Jiangsu Applicant after: Hualui Cloud Technology Co.,Ltd. Address before: 211500 third floor, Beidou building, No. 6, Huida Road, Jiangbei new area, Nanjing, Jiangsu Applicant before: Hua Lu Yun Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |