基于车辆轨迹的信号控制交叉口排队长度实时估计方法技术

本发明专利技术涉及一种基于车辆轨迹的信号控制交叉口排队长度实时估计方法，包括以下步骤：1)根据实时车辆轨迹信息，进行车辆交通状态判别；2)根据实时车辆轨迹信息、车辆交通状态和运动学方程，进行车辆加入排队关键点和离开排队关键点估计；3)根据已估计的车辆加入排队关键点，进行上游到达的车队识别；4)根据已估计的车辆加入排队关键点、离开排队关键点及已识别的车队，进行集结波和消散波估计；5)根据已估计的集结波和消散波，进行交叉口信号参数和排队长度估计。与现有技术相比，本发明专利技术能够适应低采样频率、低抽样率的数据环境，具有鲁棒性强、实时性高，准确性好等优点。

【技术实现步骤摘要】

本专利技术涉及交通控制领域，尤其是涉及一种基于车辆轨迹的信号控制交叉口排队长度实时估计方法。
技术介绍
信号交叉口作为城市路网的主要组成部分，由于红绿灯的周期性交替，时常会发生交通拥堵，很大程度上制约了城市道路交通系统的整体运行效率。排队长度作为评价交叉口运行的一个重要指标，一方面可用于间接估计车辆延误、停车次数以及行程时间等指标，另一方面可直接反馈用于信号配时优化。现有基于车辆轨迹的排队长度估计相近技术主要有：(1)Cheng等人基于高精度车辆轨迹数据，提取代表车辆状态变化的关键轨迹点，进而使用交通波方法模拟车辆排队与消散过程，实现排队长度估计；(2)Ban等人使用抽样行程时间判别车辆延误模式，并基于不同延误模式来进行车辆排队长度估计；(3)Comert建立统计模型来分析浮动车采样率与排队长度精度的关系，并在假设上游车辆到达分布和浮动车采样率的前提下计算排队长队数学期望；(4)熊英格等人考虑交叉口浮动车轨迹点密度和加速度分布特征，采用聚类方法确定轨迹点平均密度最大的位置或加速度突变最大的位置，并将其作为平均排队长度的估计值。总结现有基于车辆轨迹的排队长度估计研究，主要存在以下问题：(1)假设车辆到达(均匀或泊松到达)，这个假设忽略了上游交叉口对车辆到达的影响；(2)假设浮动车采样率，实际上浮动车采样率不是个定值，会随着时间和地点的变化而变化，从而影响估计精度；(3)假设信号参数已知，实际上大多数情况下是无法获取信号参数信息，尤其对于自适应信号控制系统。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于车辆轨迹的信号控制交叉口排队长度实时估计方法，能够适应低采样频率、低抽样率的数据环境，具有鲁棒性强、实时性高，准确性好等优点。本专利技术的目的可以通过以下技术方案来实现：一种基于车辆轨迹的信号控制交叉口排队长度实时估计方法包括以下步骤：1)根据实时车辆轨迹信息，进行车辆交通状态判别；2)根据实时车辆轨迹信息、车辆交通状态和运动学方程，进行车辆加入排队关键点和离开排队关键点估计；3)根据已估计的车辆加入排队关键点，进行上游到达的车队识别；4)根据已估计的车辆加入排队关键点、离开排队关键点及已识别的车队，进行集结波和消散波估计；5)根据已估计的集结波和消散波，进行交叉口信号参数和排队长度估计。所述步骤1)具体为：实时获取车辆轨迹信息，令第i辆车辆在tk时刻的轨迹点信息表示为分别表示第i辆车辆在tk时刻的空间坐标、速度和加速度，则第i辆车辆在tk时刻的交通状态为：Qti∈M,vtki≥vth1C,vtki∈[vth2,vth1)S,vtki<vth2]]>其中，vth1和vth2为预设的用于车辆运动状态判别的速度阈值，vth1＜vth2，M、C和S分别表示运动、低速停停走走以及停车三个状态。所述步骤2)具体为：21)估计车辆离开排队关键点：当第i辆车辆在tk和tk+1时刻的交通状态识别为和时，获取对应的轨迹点信息和若vf为自由流速度，则第i辆车辆在tk时刻的离开排队关键点为：t^starti,tk=tk+1-vtk+1iaacc]]>若则第i辆车辆在tk时刻的离开排队关键点为：t^starti,tk=tk+1-vtk+1i2aacc-d3vtk+1i]]>其中，aacc为第i辆车辆在tk和tk+1时刻之间的加速度，近似等于d3为第i辆车辆在tk和tk+1时刻之间的距离，等于22)估计车辆加入排队关键点：当第i辆车辆在tk-1和tk时刻的交通状态识别为和时，获取对应的轨迹点信息和若则第i辆车辆在tk时刻的加入排队关键点为：t^stopi,tk=tk-1-vtk-1i-vth12adec+d2-d1vtk-1i]]>若则第i辆车辆在tk时刻的加入排队关键点为：t^stopi,tk=tk-1+2(d2-d1)vtk-1i]]>当第i辆车辆在tk-1和tk时刻的交通状态识别为和时，获取对应的轨迹点信息和若则第i辆车辆在tk时刻的加入排队关键点为：t^stopi,tk=tk-1-vtk-1i-vtki2adec+d2vtk-1i]]>若则第i辆车辆在tk时刻的加入排队关键点为：t^stopi,tk=tk-1+2d2vtk-1i]]>其中，adec为第i辆车辆在tk-1和tk时刻之间的加速度，近似等于d1为第i辆车辆在tk-1时刻的轨迹点与低速停停走走状态下起始点之间的距离，d2为低速停停走走状态下起始点与终止点之间的距离。所述第i辆车辆在tk-1时刻的轨迹点与低速停停走走状态下起始点之间的距离d1满足以下公式：d2=xtki-3(vth1+vth2)2-xtk-1i]]>所述低速停停走走状态下起始点与终止点之间的距离d2满足以下公式：d1=3(vth1+vth2)2.]]>所述步骤3)具体为：31)对已估计的车辆加入排队关键点i＝1,…,n，n为车辆的总数，进行升序排序；32)获取升序排序后相邻车辆加入排队关键点的时间差和距离差，满足以下公式：Δt^i=t^stopi,tk-t^stopi-1,tk]]>Δxi=xtki-xtki-1]]>其中，表示第i辆车辆与后一个相邻车辆的加入排队关键点的时间差，Δxi表示第i辆车辆与后一个相邻车辆的加入排队关键点的距离差；33)进行上游到达的车队识别，具体为：若θ为车队判断阈值，则第i辆车辆和后一个相邻车辆同属于一个车队，反之，不同属于一个车队。所述步骤4)具体为：41)根据时间间隔J内估计得到的车辆加入排队估计点和已识别的车队，对集结波进行分段线性模型拟合，满足以下公式：minJΣm=1||NJs||Σt^stopi,tk∈[t^stop,m,t^stop,m+1][xtki-(ωJ,ms·t^stopi,tk+βJ,ms)]2s.t.(t^stopi,tk,xtki)∈NJs∀m=1,...,||NJs||xm-(ωJ,ms·t^stop,m+βJ,ms)=0TcR≤t^stopi,tk,lstop-bar≥xtkixtki-(ωJ,ms·t^stopi,tk+βJ,ms)≥-ϵ∀Qtki∈Mxtki-(ωJ,ms·t^stopi,tk+βJ,ms)≤ϵ∀Qtki∈C∪S]]>其中，为时间间隔J内所有车辆加入排队估计点的集合，集合中根据已识别的车队划分为个车队，m表示车队的编号，分别表示第m、m+1个车队车头车辆的加入排队关键点，xm表示对应的车辆的空间坐标，分别为时间间隔J内第m段待估计集结波的斜率与截距，为对应进口道红灯启亮时刻，lstop-bar表示停车线所在位置，ε为积极调整参数，用于调整约束硬度；则时间间隔J内集结本文档来自技高网...

【技术保护点】
一种基于车辆轨迹的信号控制交叉口排队长度实时估计方法，其特征在于，包括以下步骤：1)根据实时车辆轨迹信息，进行车辆交通状态判别；2)根据实时车辆轨迹信息、车辆交通状态和运动学方程，进行车辆加入排队关键点和离开排队关键点估计；3)根据已估计的车辆加入排队关键点，进行上游到达的车队识别；4)根据已估计的车辆加入排队关键点、离开排队关键点及已识别的车队，进行集结波和消散波估计；5)根据已估计的集结波和消散波，进行交叉口信号参数和排队长度估计。

【技术特征摘要】
1.一种基于车辆轨迹的信号控制交叉口排队长度实时估计方法，其特征在于，包括以下步骤：1)根据实时车辆轨迹信息，进行车辆交通状态判别；2)根据实时车辆轨迹信息、车辆交通状态和运动学方程，进行车辆加入排队关键点和离开排队关键点估计；3)根据已估计的车辆加入排队关键点，进行上游到达的车队识别；4)根据已估计的车辆加入排队关键点、离开排队关键点及已识别的车队，进行集结波和消散波估计；5)根据已估计的集结波和消散波，进行交叉口信号参数和排队长度估计。2.根据权利要求1所述的基于车辆轨迹的信号控制交叉口排队长度实时估计方法，其特征在于，所述步骤1)具体为：实时获取车辆轨迹信息，令第i辆车辆在tk时刻的轨迹点信息表示为分别表示第i辆车辆在tk时刻的空间坐标、速度和加速度，则第i辆车辆在tk时刻的交通状态为：Qti∈M,vtki>vth1C,vtki∈[vth2,vth1)S,vtki<vth2]]>其中，vth1和vth2为预设的用于车辆运动状态判别的速度阈值，vth1＜vth2，M、C和S分别表示运动、低速停停走走以及停车三个状态。3.根据权利要求2所述的基于车辆轨迹的信号控制交叉口排队长度实时估计方法，其特征在于，所述步骤2)具体为：21)估计车辆离开排队关键点：当第i辆车辆在tk和tk+1时刻的交通状态识别为和时，获取对应的轨迹点信息和若vf为自由流速度，则第i辆车辆在tk时刻的离开排队关键点为：t^starti,tk=tk+1-vtk+1iaacc]]>若则第i辆车辆在tk时刻的离开排队关键点为：t^starti,tk=tk+1-vtk+1i2aacc-d3vtk+1i]]>其中，aacc为第i辆车辆在tk和tk+1时刻之间的加速度，近似等于d3为第i辆车辆在tk和tk+1时刻之间的距离，等于22)估计车辆加入排队关键点：当第i辆车辆在tk-1和tk时刻的交通状态识别为和时，获取对应的轨迹点信息和若则第i辆车辆在tk时刻的加入排队关键点为：t^stopi,tk=tk-1-vtk-1i-vth12adec+d2-d1vtk-1i]]>若则第i辆车辆在tk时刻的加入排队关键点为：t^stopi,tk=tk-1+2(d2-d1)vtk-1i]]>当第i辆车辆在tk-1和tk时刻的交通状态识别为和时，获取对应的轨迹点信息和若则第i辆车辆在tk时刻的加入排队关键点为：t^stopi,tk=tk-1-vtk-1i-vki2adec+d2vtk-1i]]>若则第i辆车辆在tk时刻的加入排队关键点为：t^stopi,tk=tk-1+2d2vtk-1i]]>其中，adec为第i辆车辆在tk-1和tk时刻之间的加速度，近似等于d1为第i辆车辆在tk-1时刻的轨迹点与低速停停走走状态下起始点之间的距离，d2为低速停停走走状态下起始点与终止点之间的距离。4.根据权利要求3所述的基于车辆轨迹的信号控制交叉口排队长度实时估计方法，其特征在于，所述第i辆车辆在tk-1时刻的轨迹点与低速停停走走状态下起始点之间的距离d1满足以下公式：d2=xtki-3(vth1+vth2)2-xtk-1i]]>所述低速停停走走状态下起始点与终止点之间的距离d2满足以下公式：d1=3(vth1+vth2)2.]]>5.根据权利要求3所述的基于车辆轨迹的信号控制交叉口排队长度实时估计方法，其特征在于，所述步骤3)具体为：31)对已估计的车辆加入排队关键点i＝1,…,n，n为车辆的总数，进行升序排序；32)获取升序排序后相邻车辆加入排队关键点的时间差和距离差，满足以下公式：Δt^=t^stopi,tk-t^stopi-1,tk]]>Δxi=xtki-xtki-1]]>其中，表示第i辆车辆与后一个相邻车辆的加入排队关键点的时间差，Δxi表示第i辆车辆与后一个相邻车辆的加入排队关键点的距离差；33)进行上游到达的车队识别，具体为：若θ为车队判断阈值，则第i辆车辆和后一个相邻车辆同属于一个车队，反之，不同属于一个车队。6.根据权利要求5所述的基于车辆轨迹的信号控制交叉口排队长度实时估计方法，其特征在于，所述步骤4)具体为：41)根据时间间隔J内估计得到的车辆加入排队估计点和已识别的车队，对集结波进行分段线性模型拟合，满足以下公式：minJΣm=1||NJs||Σt^stopi,tk&Element...

【专利技术属性】
技术研发人员：唐克双，李福樑，李克平，孙剑，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31