多源交通信息环境下排队长度预测方法技术

本发明专利技术属于交通控制领域，具体为多源交通信息环境下排队长度预测方法，首先将浮动车停车点数据匹配到交叉口路段上提取正常的排队停车点，并通过浮动车行驶轨迹判定该停车点所属车道组；计算浮动车排队停车点距离交叉口的最远距离，计算浮动车通过上游交叉口出口检测器时刻，再确定停车波速，计算排队状态演化点，计算启动波位置，最后判断最大排队长度。本发明专利技术提供的一种多源交通信息环境下排队长度预测方法，对交叉路口排队长度进行准确预测，为合理制定信号控制参数提供有力支撑，以防患未然的主动式交通拥挤控制具有重要意义。

Queue length prediction method based on multi-source traffic information

The invention belongs to the field of traffic control, the multi-source traffic information prediction method under the environment of queue length, the floating car parking data matched to the intersections from normal parking queue, and the floating car traveling track to determine the parking lane group is calculated; floating car parking distance from the intersection line the calculation of floating car through the upstream intersection exit detector to determine the parking time, wave velocity, calculation of queue state evolution, wave calculation of starting position, the final judgment of maximum queue length. A multi-source traffic information environment is provided under the queue length prediction method of intersection queue length are accurately predicted, for determining the parameters of signal control to provide strong support to the active traffic congestion control has important significance to prevent trouble before it happens.

【技术实现步骤摘要】

本专利技术属于交通控制领域，具体为多源交通信息环境下排队长度预测方法。
技术介绍
排队长度是交通信号控制的重要决策变量，准确计算交叉口不同负荷情况下的车辆排队长度是合理制定信号控制参数的重要前提。尤其是在相邻关键交叉口，过饱和交叉口车辆排队长度会受通行能力制约而产生周期性的累加，甚至使排队回溯至上一交叉口，导致交通流死锁。因此，精确计算车辆排队长度对于防患未然的主动式交通拥挤控制具有重要意义。在交叉口排队长度研究的经典方法和技术难点概括来说有以下几点：首先，基于统计规律的传统排队长度计算模型，如HCM、SIGNAL94、MILIER、TRANSYT等模型，其难点在于如何确定车辆到达分布系数和来车强度，以及如何直接获取交叉口初始排队长度。另外车辆以某一固定流率均匀达到达这一假设与实际情况不符，现实中车流驶入具有连续和离散双重特性，且具有一定的随机性。实际上，人工观测或视频检测虽然可获得初始排队长队，但一般的固定线圈检测和浮动车检测无法得出准确的观测值，这无疑限制该类模型的实际应用。模型涉及了固定相位相序控制方式中的周期时间、绿信比等自变量，适用于定时控制，对于感应控制、自适应控制等方法中相位相序、周期时间、绿灯时间不固定等问题，该类模型并不适应。其次，对交叉口排队长队进行预测的另外一种思路是直接利用先进的检测信息采集基础交通流数据，构建交叉口排队长度计算模型。例如庄立坚根据低样率浮动车数据匹配统计停车点数量，判定浮动车位置，并对此进行修正得出交叉口最大排队长度，其实验精度与采集的浮动车样本量相关，在浮动车比率较高的交叉口计算精度较高。王东柱对浮动车停车点数据进行地理匹配，以等距间隔长度法统计浮动车停车数，并计算交叉口车辆排队长度。然而，基于单一信源构建的交叉口排队长度估算模型往往受限于检测精度不够，检测环境不佳等影响，导致计算结果可靠性不高。比如基于固定检测器的交通流信息受检测器埋设位置、车辆长度、排队长队车头间距影响，存在检测器最大检测排队长度(辆)，当实际排队长度大于检测器最大检测长度时，检测器无法直接检测得到排队车辆；此外，浮动车数据受GPS精度、位置匹配以及非停车车辆干扰，视频检测器受检测环境影响较大，如出现下雨、冰雪、雾霾等不良天气，检测精度也将大大折扣。另外，浮动车数据的处理周期一般为几分钟，在处理周期时间内，如排队长度和车辆密度等交通流特征参数均会发生改变。为克服单一信源数据质量和形式差异所导致的信息可靠性不足等问题，国内外学者提出运用多源数据融合提取关键交通流特征参数，并取得了一系列的研究成果。王忠宇以传统经典模型为基础，融合多源交通检测数据，构建新的信号交叉口排队长度，提高了计算的准确性。另外，在新技术应用的环境下，如车路协同控制、车辆网应用等，出现了一些新的排队长度预测方法。第三，局部过饱和状态下交叉口排队往往会出现二次甚至多次排队现象，经典的排队长度预测方法一般包括累计到达离去法、交通波理论、累计曲线图解法、概率论等这些方法一般能够在一定范围内描述这种现象并获得排队长度计算模型。但这些模型的难点均在于难以估算既有停车数量即初始排队长度，尤其是出现多次排队停车状况，预测误差有可能不断累计，降低排队长度计算精度。第四，面向拥挤控制的交通流特征提取必须考虑关联交叉口(上下游交叉口)的物理关联和交通流耦合情况，不能仅仅针对单个交叉口进行。尤其是在交通流临界饱和状态或者局部过饱和状态下，路网中各相邻交叉口之间的相互影响也越来越突出，甚至出现下游交叉口排队长度延伸至上游交叉口，造成局部拥挤甚至进一步恶化为大面积拥堵。为突出关联交叉口之间的联动性，王进提出关联信号交叉口排队模型长度计算，分析了路段长度、相位差、绿信比等时空参数对路口最大排队长度的影响机理，并继续研究了上游交叉口信号控制参数对交叉口排队的影响。因此，从主动式控制的应用要求出发，交通流特征参数的提取需充分考虑上下游交叉口之间的相互关系，构建更可靠、客观、准确的交叉口排队模型，为合理设计交通信号控制提供准确的决策输入变量。概括来说，现有交叉口排队长队动态估算模型需注意以下问题：1○融合多源基础交通流信息，使获得的基础交通流信息更加客观准确；2○考虑上下游关联交叉口控制参数对交叉口排队长度的影响，体现排队车辆消散与集聚的动态变化过程。3○提高排队长度模型的适应性和可移植性，适用于新的控制方式和技术背景，如自适应控制，多模式控制和车路协同控制等。
技术实现思路
针对上述技术问题，本专利技术提供一种多源交通信息环境下排队长度预测方法，考虑的多源信息环境主要是指浮动车采集的浮动车数据，检测线圈采集的流率数据和相邻交叉口的信号控制参数。综合利用多源信息，客观、准确判断排队长度的动态变化过程。具体技术方案为：1)初始排队长度判定首先将浮动车停车点数据匹配到交叉口路段上，排除非停车的干扰车辆，提取正常的排队停车点，并通过浮动车行驶轨迹判定该停车点所属车道组；计算浮动车排队停车点距离交叉口的最远距离，即最远浮动车停车点距离交叉口的长度；假设交叉口j与上游交叉口j-1的距离为L，假设路段上最远停车点k回传数据为Dk＝{tk,(xk,yk)本文档来自技高网...

【技术保护点】
多源交通信息环境下排队长度预测方法，其特征在于，包括以下过程：(1)初始排队长度判定首先将浮动车停车点数据匹配到交叉口路段上，排除非停车的干扰车辆，提取正常的排队停车点，并通过浮动车行驶轨迹判定该停车点所属车道组；计算浮动车排队停车点距离交叉口的最远距离，即最远浮动车停车点距离交叉口的长度；假设交叉口j与上游交叉口j‑1的距离为L，假设路段上最远停车点k回传数据为Dk＝{tk,(xk,yk)}，其中ti为回传时间，(xi,yi)为浮动车i的坐标值；那么初始确定虚拟排队状态(Lkj,tk)；由于浮动车k为上游交叉口绿灯启亮后放行车辆，由此可判断Lkj≥L0；(2)计算浮动车k通过上游j‑1交叉口出口检测器时刻tk-tkj-1=(L-Lkj)/vL]]>tkj-1=tk-(L-Lkj)/vL]]>其中，L为两交叉口之间的路段长度，vL为平均行程车速；(3)确定停车波速vt有一列停车车辆，在队尾出有车辆继续驶入，增加至队列中进行排队，则该队列的尾部将向后延伸，定义该队列尾部向后延伸的速度为停车波波速；vt＝Lt/t＝f/(Dt‑fvL)驶入流率f由出口道设置的固定线圈检测器得道：f=Σi=tkj-1trj-1qitrj-1-tkj-1]]>为j‑1交叉口当前相位红灯启亮时刻，为浮动车k通过交叉口j‑1出口道检测器的时刻；其中qi为i时刻通过上游交叉口出口道检测器车辆数；车辆以离散状态通过检测线圈，驶入排队队列，在队尾进行排队后可近似视为连续流排队行为；(4)计算排队状态演化点(Ld,td)不考虑启动波因素，由排队初始状态点(Lkj，tk)至排队状态演化点，t时刻排队演化点位置：Ld(t)=(t-tk+L-LkjvL)×vL×vtvL+vt+Lkj]]>式中，(5)计算启动波位置首先确定启动波速，设有一初始排队车队，在绿灯启亮后，该车的首车启动，其后第二辆车启动，停车波将向后延伸，向后延伸的速度称为启动波波速；认为排队车辆在绿灯启亮后以饱和流率进行疏散；设绿灯启亮t时段后，t时刻时启动波位置：Lq(t)=(t-tgj)vq]]>t⊆[tgj,trj];]]>表示j交叉口当前相位绿灯启亮时刻，vq为启动波波速；(6)判断最大排队长度若Lq(t)≤Ld(t)，即表示t时刻时启动波位置仍没传播至队尾位置，随着上游交叉口当前相位车辆继续驶入，排队长度将继续延长，则交叉口车辆排队长度Lm＝Ld(t)；若Lq(t)＞Ld(t)，则表示t时刻上游交叉口车辆进入队尾之前，排队车辆已经开始消散；令Lq(t)＝Ld(t)，求解方程，得出t＝tm，得出最大排队长度Lm＝Lq(tm)＝Ld(tm)。...

【技术特征摘要】
1.多源交通信息环境下排队长度预测方法，其特征在于，包括以下过程：(1)初始排队长度判定首先将浮动车停车点数据匹配到交叉口路段上，排除非停车的干扰车辆，提取正常的排队停车点，并通过浮动车行驶轨迹判定...

【专利技术属性】
技术研发人员：尹俊淞，刘澜，马亚锋，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51