CN116434536A - 一种基于交通运行状态分级的高速公路协同管控方法 - Google Patents
一种基于交通运行状态分级的高速公路协同管控方法 Download PDFInfo
- Publication number
- CN116434536A CN116434536A CN202211619186.XA CN202211619186A CN116434536A CN 116434536 A CN116434536 A CN 116434536A CN 202211619186 A CN202211619186 A CN 202211619186A CN 116434536 A CN116434536 A CN 116434536A
- Authority
- CN
- China
- Prior art keywords
- traffic
- control
- ramp
- congestion
- saturation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000011217 control strategy Methods 0.000 claims abstract description 61
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 241000351238 Alinea Species 0.000 claims description 5
- 206010039203 Road traffic accident Diseases 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000005251 gamma ray Effects 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000002789 length control Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G08G1/0137—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Analytical Chemistry (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于交通运行状态分级的高速公路协同管控方法,属于高速公路交通控制技术领域,以交通拥堵指数和饱和度为判别指标,在对高速公路交通运行状态分析判别分级的基础上,采取“可变限速控制+应急车道管控+匝道协调控制+上游远端截流控制”的分级多组合方式协同管控方法。本发明可针对不同交通运行状态,采取不同的交通管控策略,以适应不同条件下的交通运行管控需求,使得交通管控更有针对性,减少盲目失效管控,提高交通运行管控效率,提高路段/路网交通通行能力及服务水平,缓解局部路段/路网交通拥堵。
Description
技术领域
本发明涉及高速公路交通控制技术领域,更具体的说是涉及一种基于交通运行状态分级的高速公路协同管控方法。
背景技术
目前交通运输主干网络形成并达到一定规模,但是,随着机动车保有量持续增长,依然存在节假日拥堵严重、交通事故频发问题,尤其是在施工、事故、不良天气等环境下,这些问题都被一一放大,严重影响了高速公路的服务水平。
高速公路交通运行状态是一个动态变化的过程,及时掌握高速公路交通运行状态,并采取及时有效的管控措施,在一定程度上可以缓解交通拥堵,降低交通事故率,提高路网通行能力。现阶段的高速公路管控策略主要考虑动态限速控制、匝道控制及两者的协同控制,通过对可变限速和匝道控制模型的优化,已能实现平滑主线交通流和实时控制匝道的目的。然而,大多数协同管控策略的研究缺少针对性,较少根据不同事件的影响程度详细划分管控等级,协同管控策略的内容较单一,使得管控措施在实际应用中的效率和适应性还有所欠缺。
因此,提出一种基于交通运行状态分级的高速公路协同管控方法,提高不同条件下高速公路交通运行的管控能力,是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于交通运行状态分级的高速公路协同管控方法,通过判断交通状态,将交通运行状态分级,根据交通状态采取分级、多方式组合的协同管控策略以适应不同条件下的交通运行管控需求,提高交通运行管控效率。
为了实现上述目的,本发明采用如下技术方案:
一种基于交通运行状态分级的高速公路协同管控方法,包括以下步骤:
S1、获取待测高速公路路段交通流数据,计算待测路段的交通拥堵指数和饱和度;
基于现有高速通行车流速度,计算交通拥堵指数γp(t),计算方式如下:
饱和度是常用的反映道路拥挤程度的综合指标,它是道路流量与实际通行能力的比值。计算公式为:
其中,Qj是第j个观测路段断面交通量观测值或统计值,单位:辆/单位时间;Cj是第j个观测路段的基准通行能力。
S2、将所述交通拥堵指数和饱和度作为待测路段的交通态势评价指标,分别划分高速公路拥堵等级和饱和度等级,对交通运行状态进行分级;
S3、根据交通运行状态分级情况,制定包括主线动态可变限速控制策略、应急车道管控策略、匝道控制策略和上游远端截流管控策略的多方式组合分级管控策略,对不同程度的交通拥堵进行管控疏导。
优选的,所述可变限速控制策略通过综合事故率最小化模型确定不同交通状态下动态限速标志的限速值,包括:
所述综合事故率最小化模型基于流量、速度、速度差和大车率建立,公式如下:
速度差—事故率模型:f3=0.2078e0.014Δv,Δv=vi-vi-1;
式中,vi为第i个动态限速子区的限速值;qi为第i个动态限速子区的交通量;xi为第i个动态限速子区的大车率;n为动态限速标志的布设数目,可取4;Δv可取10km/h。β1,β2,β3,β4分别为各子事故率模型所占权重,其值通过各模型的决定系数的关系加权所得,根据各事故率曲线关系及其相应的函数拟合结果可得β1=0.274,β2=0.225,β3=0.232,β4=0.269。
优选的,所述应急车道管控策略通过动态应急车道开放决策模型确定应急车道开放阈值;
为了确定合理的应急车道开放阈值,基于高速历史交通拥堵数据,利用路段信息采集设备采集的易发拥堵路段处的速度、流量及占有率数据,确定应急车道开发阈值,主要包括以下三个步骤:
(1)评估拥堵点的拥堵现象:确定交通拥堵现象发生模式,量化时空上的拥堵程度;确定交通拥堵现象发生模式主要就是基于历史数据分析确定发生拥堵时/前的流量、速度、占有率等信息,分析拥堵演化规律,为应急车道动态管控策略实施提供支撑和参考。
(2)评估拥堵概率:基于历史数据,在拥堵瓶颈点应用概率方法来识别拥堵事件并量化拥堵时间出现时的交通流量;
(3)估计初始决策阈值:基于交通流量及速度数据进行计算确定应急车道开放阈值。
通过计算当前的交通拥堵指数与所述应急车道开放阈值进行比较分析,判别交通拥堵状态,做出应急车道管控决策。
在设定应急车道开放阈值后,由上述交通拥挤指数可判断道路的拥堵情况,即与阈值相比较从而判断是畅通或者拥堵,但该计算结果仅为交通流判定的初步状态,可能存在一定的误判。为保证分析结论的稳定性及准确性,通常需要检测维持其持续性,利用下式可确立更为准确的评判。
所述单次交通拥堵程度评判值根据当前交通拥堵指数与应急车道开放阈值的比较结果得到,当前交通拥堵指数超过应急车道开放阈值时,判定为拥堵,此时单次交通拥堵程度评判值为2;反之则为1。
优选的,所述匝道控制策略包括以下步骤:
S331、检测器采集主线和匝道到达流量、匝道排队长度;
S332、计算瓶颈上游2个紧邻互通立交或收费站汇入主线的匝道流量与主线流量之比;
S333、判断瓶颈上游2个紧邻立交或收费站汇入主线的匝道数n小于等于匝道数阈值a是否成立;若成立,则对所有匝道进行管控;若不成立,则对流量比前a个匝道进行管控,匝道数阈值a可取3;
S334、通过ALINEA/Q算法计算匝道控制率,进行匝道控制;
S335、根据交通运行状态判别决定是否加强进一步强化管控。
优选的,所述ALINEA/Q算法增加匝道控制长度,使匝道上的最大排队车辆不超过匝道最大排队长度w′,算法如下:
r(k)=r(k-1)+KR[O-Oout(k-1)];
R(k)=max[r(k),r′(k)];
式中,r(k),不考虑匝道排队长度的第k个匝道控制周期的匝道调节率;r′(k),考虑匝道排队长度的第k个匝道控制周期的匝道调节率;R(k),确定的匝道调节率,veh/周期/ln;KR,变换系数,以往的研究发现KR的取值范围在[70,200];O,主线临界占有率;Oout(k-1),第k-1个控制周期内的主线占有率;T,控制周期,s,可取120s;w′,匝道最大排队长度,可取100m;w(k),第k个控制周期的匝道车辆排队长度,m;q(k-1),第k-1个控制周期内的匝道到达流量,veh/周期/ln。
根据密度和占有率的换算公式可以得到相应的临界占有率O,公式如下:
O=K×(Lc+Ld)
式中,K表示道路密度;Lc表示车辆长度;Ld表示检测器长度。
优选的,所述上端远游截流管控策略包括以下步骤:
S341、根据瓶颈发生位置确定上游远端截流控制范围;
S342、根据瓶颈到达率和通行能力确定上游远端截流的控制流率;
S343、在上游立交或收费站利用情报板和提示牌根据计算流率进行控制;
S344、依托管控平台和指挥调度中心对用户发布诱导信息;
S345、上游远端截流管控缓解拥堵后撤销管控诱导指令。
优选的,所述多方式组合分级管控策略执行流程如下:
(1)未启动管控前,判断瓶颈路段的交通拥堵指数是否大于拥堵指数阈值M,所述拥堵指数阈值M根据高速公路拥堵划分等级确定,若大于则交通瓶颈路段处于拥堵状态,启动可变限速控制策略,在瓶颈区上游每固定距离设置一个动态限速标志,根据动态限速标志划分对应的动态限速控制子区;
(2)管控实施固定时长后,判断瓶颈路段的饱和度是否大于饱和度阈值N,所述饱和度阈值N根据饱和度划分等级确定,若饱和度大于饱和度阈值N则进一步在瓶颈路段启动应急车道管控;若饱和度小于饱和度阈值N但交通拥堵指数大于拥堵指数阈值M,说明交通拥堵未得到缓解,仍需进一步启动应急车道管控;
(3)管控实施固定时长后,继续判断瓶颈路段的饱和度是否大于饱和度阈值N,若大于则进一步启动匝道控制策略;若饱和度小于饱和度阈值N但交通拥堵指数仍大于拥堵指数阈值M,说明交通拥堵未得到缓解,仍需进一步启动匝道控制策略;
(4)在管控实施固定时长后,继续判断瓶颈路段的饱和度是否大于饱和度阈值N,若大于饱和度阈值N,则进一步启动上游远端截流策略;若饱和度小于饱和度阈值N但交通拥堵指数仍大于拥堵指数阈值M,说明交通拥堵未得到缓解,仍需进一步启动上游远端截流策略。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于交通运行状态组合分级的高速公路协同管控方法,以交通拥堵指数和饱和度为判别指标,在对高速公路交通运行状态分析判别分级的基础上,采取“可变限速控制+应急车道管控+匝道协调控制+上游远端截流控制”的分级多组合方式协同管控方法,可针对不同交通运行状态,采取不同的交通管控策略,以适应不同条件下的交通运行管控需求,使得交通管控更有针对性,减少盲目失效管控,提高交通运行管控效率,提高路段/路网交通通信能力及服务水平,近期可缓解局部路段/路网交通拥堵,远期可支撑自动驾驶的实现;另外,本方法可有效利用路侧感知设备获取实时交通数据,对预测交通状态进行预测研判,提高交通数据利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的主线动态可变限速控制策略示意图;
图2为本发明实施例提供的应急车道管控策略流程图;
图3为本发明实施例提供的匝道控制策略流程图;
图4为本发明实施例提供的上游远端截流管控策略流程图;
图5为本发明实施例提供的大流量瓶颈路段交通拥堵分级组合协同管控流程图。
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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种基于交通运行状态分级的高速公路协同管控方法,包括以下步骤:
S1、获取待测高速公路路段交通流数据,计算待测路段的交通拥堵指数和饱和度;
S2、将交通拥堵指数和饱和度作为待测路段的交通态势评价指标,分别划分高速公路拥堵等级和饱和度等级,对交通运行状态进行分级;
S3、根据交通运行状态分级情况,制定包括主线动态可变限速控制策略、应急车道管控策略、匝道控制策略和上游远端截流管控策略的多方式组合分级管控策略,对不同程度的交通拥堵进行管控疏导。
具体实施过程中,在(突发)大流量瓶颈路段交通拥堵情形下,基于高速公路环形线圈检测数据、微波检测数据、ETC数据、卡口数据、毫米波雷达、激光雷达、网联车GPS轨迹数据等交通流数据,以交通拥堵指数和饱和度作为高速公路交通态势评价指标,判定管控策略等级的升降。
(1)交通拥堵指数γp(t)
基于现有高速通行车流速度,构建交通状态评价(即交通拥堵指数)算法,基本算法如下:
基于交通状态评价算法,根据交通拥堵指数及速度两个指标将交通状态划分为五个等级,具体如下表所示。
表1交通状态等级划分阈值
交通状态等级 | 交通拥堵指数阈值 |
1 | [0,2.5] |
2 | (2.5,4.17] |
3 | (4.17,5.83] |
4 | (5.83,7.5] |
5 | (7.5,10] |
(2)饱和度δj
饱和度是常用的反映道路拥挤程度的综合指标,它是道路流量与实际通行能力的比值。计算公式为:
其中,Qj是第j个观测路段断面交通量观测值或统计值,单位:辆/单位时间;Cj是第j个观测路段的基准通行能力。其中,观测路段基准通行能力可采用5级服务水平下的断面交通量代替,单位:辆(pcu)/单位时间,应参照《公路工程技术标准》(JTGB01)的规定执行。
饱和度的数据来源可采用线圈和微波数据等断面级数据,本方法采用饱和度作为制定路段级多方式分级协同管控策略逻辑,以及判断管控策略等级升降的另一个评价指标。
表2饱和度等级划分标准
针对不同的交通运行状态等级,确定交通管控策略等级的升降,以适应不同条件下的交通运行管控需求。根据交通运行状态等级将交通管控策略划分为四级,分别为主线动态可变限速控制策略、应急车道管控策略、匝道控制策略和上游远端截流。具体组合形式如下表所示:
表3管控策略组合形式
其中,主线可变限速控制逻辑如图1所示。值得注意的是,动态限速控制可通过综合事故率最小化模型确定不同交通状态下动态限速标志的限速值。以最小程度的降低高速公路的综合事故率为目的,对各仿真子事故率模型进行综合建模,最终建立了基于流量、速度、速度差和大车率等交通参数相关联的综合事故率最小化模型:
速度差-事故率模型:f3=0.2078e0.014Δv,Δv=vi-vi-1
式中,vi为第i个动态限速子区的限速值;qi为第i个动态限速子区的交通量;xi为第i个动态限速子区的大车率;n为动态限速标志的布设数目,可取4;Δv可取10km/h。β1,β2,β3,β4分别为各子事故率模型所占权重,其值通过各模型的决定系数的关系加权所得,根据各事故率曲线关系及其相应的函数拟合结果可得β1=0.274,β2=0.225,β3=0.232,β4=0.269。
应急车道管控策略可通过动态应急车道开放决策模型确定应急车道开放的阈值。应急车道管控策略流程参考图2,通过计算当前的交通拥堵指数与应急车道开放阈值进行比较分析,判别交通拥堵状态,做出应急车道管控决策。
其中,应急车道开放阈值通过动态应急车道开放决策模型确定。
为了确定合理的应急车道开放阈值,基于高速历史交通拥堵数据,利用路段信息采集设备采集的易发拥堵路段处的速度、流量及占有率数据,确定应急车道开发阈值,主要包括以下三个步骤:
(1)评估拥堵点的拥堵现象:确定交通拥堵现象发生模式,量化时空上的拥堵程度;确定交通拥堵现象发生模式主要就是基于历史数据分析确定发生拥堵时/前的流量、速度、占有率等信息,分析拥堵演化规律,为应急车道动态管控策略实施提供支撑和参考。
(2)评估拥堵概率:基于历史数据,在拥堵瓶颈点应用概率方法来识别拥堵事件并量化拥堵时间出现时的交通流量;
(3)估计初始决策阈值:基于交通流量及速度数据进行计算确定应急车道开放阈值。
在设定阈值后,由上述交通拥挤指数可判断道路的拥堵情况,即与阈值相比较从而判断是畅通或者拥堵,但该计算结果仅为交通流判定的初步状态,可能存在一定的误判。为保证分析结论的稳定性及准确性,通常需要检测维持其持续性,利用下式可确立更为准确的评判。
式中,为在地点p的t时刻的交通拥挤程度评判值,1代表畅通状态,2代表拥堵状态;Ip(t)为在地点p的t时刻单次交通拥堵程度评判值,1代表畅通状态,2代表拥堵状态;g为设定的检测次数;单次交通拥堵程度评判值根据当前交通拥堵指数与应急车道开放阈值的比较结果得到,当前交通拥堵指数超过应急车道开放阈值时,判定为拥堵,此时单次交通拥堵程度评判值为2;反之则为1。
图3为匝道控制策略流程图,匝道控制策略包括以下步骤:
S331、检测器采集主线和匝道到达流量、匝道排队长度;
S332、计算瓶颈上游2个紧邻互通立交或收费站汇入主线的匝道流量与主线流量之比;
S333、判断瓶颈上游2个紧邻立交或收费站汇入主线的匝道数n≤3是否成立;若成立,则对所有匝道进行管控;若不成立,则对流量比前3的匝道进行管控:
S334、通过ALINEA/Q算法计算匝道控制率,进行匝道控制;
S335、根据交通运行状态判别决定是否加强进一步强化管控。
其中,匝道控制可通过ALINEA/Q算法得到目标路段上游紧邻立交汇入主线匝道的匝道调节率。ALINEA/Q算法中增加的匝道长度控制以使得匝道上的最大排队车辆不超过w′,具体算法如下:
r(k)=r(k-1)+KR[O-Oout(k-1)]
R(k)=max[r(k),r′(k)]
式中,r(k),不考虑匝道排队长度的第k个匝道控制周期的匝道调节率;r′(k),考虑匝道排队长度的第k个匝道控制周期的匝道调节率;R(k),确定的匝道调节率,veh/周期/ln;KR,变换系数,以往的研究发现KR的取值范围在[70,200];O,主线临界占有率;Oout(k-1),第k-1个控制周期内的主线占有率;T,控制周期,s,可取120s;w′,匝道最大排队长度,可取100m;w(k),第k个控制周期的匝道车辆排队长度,m;q(k-1),第k-1个控制周期内的匝道到达流量,veh/周期/ln。
根据密度和占有率的换算公式可以得到相应的临界占有率,公式如下
O=K×(Lc+Ld)
式中,O,主线临界占有率;K,道路密度;Lc,车辆长度;Ld,检测器长度。
图4为上游远端截流管控策略流程图,上游远端截流管控策略包括以下步骤:
S341、根据瓶颈发生位置确定上游远端截流控制范围;
S342、根据瓶颈到达率和通行能力确定上游远端截流的控制流率;
S343、在上游立交或收费站利用情报板和提示牌根据计算流率进行控制;
S344、依托管控平台和指挥调度中心对用户发布诱导信息;
S345、上游远端截流管控缓解拥堵后撤销管控诱导指令。
本实施例中,大流量瓶颈路段交通拥堵分级组合协同管控逻辑如附图5所示,具体执行流程为:
(1)在未启动管控前,判断瓶颈路段的交通拥堵指数是否大于5.83(该交通拥堵指数阈值根据高速公路拥堵划分等级确定),若大于5.83,则认为交通瓶颈路段处于拥堵状态,此时启动可变限速控制策略,可变限速控制策略在瓶颈区上游每500m设置一个动态限速标志,共8个可选动态限速标志,即划分为8个动态限速控制子区。
(2)在管控实施10分钟后,判断瓶颈路段的饱和度是否大于0.8(该饱和度阈值根据饱和度划分等级确定),若大于0.8,则进一步在瓶颈路段启动应急车道管控;若饱和度小于0.8但交通拥堵指数仍大于5.83,说明交通拥堵未得到缓解,仍需进一步启动应急车道管控。
(3)在管控实施10分钟后,继续判断瓶颈路段的饱和度是否大于0.8,若大于0.8,则进一步启动匝道控制策略,管控对象一般为瓶颈路段上游2个紧邻立交或收费站汇入主线的匝道;若饱和度小于0.8但交通拥堵指数仍大于5.83,说明交通拥堵未得到缓解,仍需进一步启动匝道控制策略。
(4)在管控实施10分钟后,继续判断瓶颈路段的饱和度是否大于0.8,若大于0.8,则进一步启动上游远端截流策略;若饱和度小于0.8但交通拥堵指数仍大于5.83,说明交通拥堵未得到缓解,仍需进一步启动上游远端截流策略。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种基于交通运行状态分级的高速公路协同管控方法,其特征在于,包括以下步骤:
S1、获取待测高速公路路段交通流数据,计算待测路段的交通拥堵指数和饱和度;
S2、将所述交通拥堵指数和饱和度作为待测路段的交通态势评价指标,分别划分高速公路拥堵等级和饱和度等级,对交通运行状态进行分级;
S3、根据交通运行状态分级情况,制定包括主线动态可变限速控制策略、应急车道管控策略、匝道控制策略和上游远端截流管控策略的多方式组合分级管控策略,对不同程度的交通拥堵进行管控疏导。
2.根据权利要求1所述的一种基于交通运行状态分级的高速公路协同管控方法,其特征在于,所述可变限速控制策略通过综合事故率最小化模型确定不同交通状态下动态限速标志的限速值,包括:
所述综合事故率最小化模型基于流量、速度、速度差和大车率建立,公式如下:
速度差—事故率模型:f3=0.2078e0.014Δv,Δv=vi-vi-1;
式中,vi为第i个动态限速子区的限速值;qi为第i个动态限速子区的交通量;xi为第i个动态限速子区的大车率;n为动态限速标志的布设数目;β1,β2,β3,β4分别为各子事故率模型所占权重,通过各模型的决定系数的关系加权所得。
3.根据权利要求1所述的一种基于交通运行状态分级的高速公路协同管控方法,其特征在于,所述应急车道管控策略通过计算当前的交通拥堵指数与应急车道开放阈值进行比较分析,判别交通拥堵状态,做出应急车道管控决策。
4.根据权利要求3所述的一种基于交通运行状态分级的高速公路协同管控方法,其特征在于,所述应急车道开放阈值通过动态应急车道开放决策模型确定,过程如下:
(1)评估拥堵点的拥堵现象:确定交通拥堵现象发生模式,量化时空上的拥堵程度;
(2)评估拥堵概率:基于历史数据,在拥堵瓶颈点应用概率方法来识别拥堵事件并量化拥堵时间出现时的交通流量;
(3)基于交通流量及速度数据进行计算确定应急车道开放阈值。
6.根据权利要求1所述的一种基于交通运行状态分级的高速公路协同管控方法,其特征在于,所述匝道控制策略包括以下步骤:
S331、检测器采集主线和匝道到达流量、匝道排队长度;
S332、计算瓶颈上游两个紧邻互通立交或收费站汇入主线的匝道流量与主线流量之比;
S333、判断瓶颈上游两个紧邻立交或收费站汇入主线的匝道数n小于等于匝道数阈值a是否成立;若成立,则对所有匝道进行管控;若不成立,则对流量比前a个匝道进行管控;
S334、通过ALINEA/Q算法计算匝道控制率,进行匝道控制;
S335、根据交通运行状态判别决定是否加强进一步强化管控。
7.根据权利要求6所述的一种基于交通运行状态分级的高速公路协同管控方法,其特征在于,所述ALINEA/Q算法增加匝道控制长度,使匝道上的最大排队车辆不超过匝道最大排队长度w′,算法如下:
r(k)=r(k-1)+KR[O-Oout(k-1)];
R(k)=max[r(k),r′(k)];
式中,r(k)表示不考虑匝道排队长度的第k个匝道控制周期的匝道调节率;r′(k)表示考虑匝道排队长度的第k个匝道控制周期的匝道调节率;R(k)表示确定的匝道调节率;KR表示变换系数;O表示主线临界占有率;Oout(k-1)表示第k-1个控制周期内的主线占有率;T表示控制周期;w′表示匝道最大排队长度;w(k)表示第k个控制周期的匝道车辆排队长度;q(k-1)表示第k-1个控制周期内的匝道到达流量;
根据密度和占有率的换算公式得到相应的临界占有率O,公式如下:
O=K×(Lc+Ld);
式中,K表示道路密度;Lc表示车辆长度;Ld表示检测器长度。
8.根据权利要求1所述的一种基于交通运行状态分级的高速公路协同管控方法,其特征在于,所述上端远游截流管控策略包括以下步骤:
S341、根据瓶颈发生位置确定上游远端截流控制范围;
S342、根据瓶颈到达率和通行能力确定上游远端截流的控制流率;
S343、在上游立交或收费站利用情报板和提示牌根据计算流率进行控制;
S344、依托管控平台和指挥调度中心对用户发布诱导信息;
S345、上游远端截流管控缓解拥堵后撤销管控诱导指令。
9.根据权利要求1所述的一种基于交通运行状态分级的高速公路协同管控方法,其特征在于,所述多方式组合分级管控策略执行流程如下:
(1)未启动管控前,判断瓶颈路段的交通拥堵指数是否大于拥堵指数阈值M,所述拥堵指数阈值M根据高速公路拥堵划分等级确定,若大于拥堵指数阈值M则交通瓶颈路段处于拥堵状态,启动可变限速控制策略,在瓶颈区上游每隔固定距离设置一个动态限速标志,根据动态限速标志划分对应的动态限速控制子区;
(2)管控实施固定时长后,判断瓶颈路段的饱和度是否大于饱和度阈值N,所述饱和度阈值N根据饱和度划分等级确定,若饱和度大于饱和度阈值N则进一步在瓶颈路段启动应急车道管控;若饱和度小于饱和度阈值N但交通拥堵指数大于拥堵指数阈值M,说明交通拥堵未得到缓解,仍需进一步启动应急车道管控;
(3)管控实施固定时长后,继续判断瓶颈路段的饱和度是否大于饱和度阈值N,若大于则进一步启动匝道控制策略;若饱和度小于饱和度阈值N但交通拥堵指数仍大于拥堵指数阈值M,说明交通拥堵未得到缓解,仍需进一步启动匝道控制策略;
(4)在管控实施固定时长后,继续判断瓶颈路段的饱和度是否大于饱和度阈值N,若大于饱和度阈值N,则进一步启动上游远端截流策略;若饱和度小于饱和度阈值N但交通拥堵指数仍大于拥堵指数阈值M,说明交通拥堵未得到缓解,仍需进一步启动上游远端截流策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211619186.XA CN116434536A (zh) | 2022-12-14 | 2022-12-14 | 一种基于交通运行状态分级的高速公路协同管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211619186.XA CN116434536A (zh) | 2022-12-14 | 2022-12-14 | 一种基于交通运行状态分级的高速公路协同管控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116434536A true CN116434536A (zh) | 2023-07-14 |
Family
ID=87089597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211619186.XA Pending CN116434536A (zh) | 2022-12-14 | 2022-12-14 | 一种基于交通运行状态分级的高速公路协同管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116434536A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2022
- 2022-12-14 CN CN202211619186.XA patent/CN116434536A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114783183B (zh) | 一种基于交通态势算法的监控方法与系统 | |
CN111680745B (zh) | 一种基于多源交通大数据融合的突发拥堵判别方法及系统 | |
CN109086946B (zh) | 一种常规能源和新能源公交车辆的污染气体排放预测方法 | |
CN109002622B (zh) | 一种随机车流作用下大跨径桥梁总体荷载响应估算方法 | |
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 | |
CN113380052B (zh) | 基于etc数据的驶入服务区车流量预测方法及装置 | |
CN106845768A (zh) | 基于生存分析参数分布的公交车旅行时间模型构建方法 | |
US20220383738A1 (en) | Method for short-term traffic risk prediction of road sections using roadside observation data | |
CN110675626B (zh) | 基于多维数据的交通事故黑点预测方法、装置及介质 | |
CN111882858B (zh) | 一种基于多源数据的高速公路异常事件排队长度预测方法 | |
CN104732762A (zh) | 一种交通异常路段概率识别方法 | |
CN116434536A (zh) | 一种基于交通运行状态分级的高速公路协同管控方法 | |
CN114187766B (zh) | 一种基于饱和率的道路服务水平评价方法 | |
CN116957345B (zh) | 用于无人驾驶系统中的数据处理方法 | |
CN115711148A (zh) | 一种基于车流车型的城市地下交通隧道智能通风方法与装置 | |
CN117746626A (zh) | 基于车流量的智慧交通管理方法及系统 | |
CN116092296B (zh) | 交通状态评估方法、装置、电子设备及存储介质 | |
CN115796337A (zh) | 一种基于多源数据的公交运行状态预测方法 | |
CN110956808B (zh) | 一种基于非全样定位数据的重型货车交通流量预测方法 | |
CN113409572B (zh) | 一种道路运行风险防控的节能控制系统及方法 | |
CN113688687B (zh) | 一种基于电警数据的交通拥堵状态快速识别预测方法 | |
Zhuge et al. | Analysis of Influence of Time-Headway Dispersion Characteristics on Bus Operation | |
Zhang et al. | Quantitative Study on Service Level of Signal Intersection Based on Acceleration Disturbance | |
Yin et al. | Research on the Identification of Urban Road Traffic State Based on Vehicular Networks | |
Meng et al. | Analysis and Research on the Punctuality Characteristics of Urban Bus Operation |
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 |