基于抽样轨迹数据的车辆周期排队长度估计方法及装置制造方法及图纸

本发明专利技术公开了一种基于抽样轨迹数据的车辆周期排队长度估计方法及装置，所述方法包括：获取抽样车辆轨迹数据，通过轨迹数据叠加获取车辆的到达分布特征；基于车辆的到达分布特征，考虑车辆的到达服从时变泊松分布，估计车辆时段内的平均到达率；基于最后一辆排队抽样车辆停车位置及第一辆非排队抽样车辆的通过时刻，确定各周期的排队长度范围；依据车辆的到达分布和排队长度范围，建立概率论模型，推导排队长度的似然函数，并采用极大似然估计的方法求解。本发明专利技术通过利用历史轨迹数据获取车辆的到达分布特征，适用于渗透率极低的情况，通过仿真及实证验证表明，本方法对于周期排队长度的估计精度较高。

【技术实现步骤摘要】
基于抽样轨迹数据的车辆周期排队长度估计方法及装置
本专利技术涉及交通控制领域，尤其涉及一种基于抽样轨迹数据的车辆周期排队长度估计方法及装置。
技术介绍
交叉口作为城市的咽喉，其运行状况直接影响其关联路段的运行状况，当发生交通拥堵时，该拥堵会逐步扩散蔓延，行程连锁反应，严重甚至可能导致整个路网瘫痪。由此可见，优化交叉口的运行状况对改善城市交通有着重要作用。然而，在进行优化之前，必不可少的步骤为交叉口的交通状态估计。常见的衡量交叉口交通状态的指标有流量、延误、排队、停车次数等。目前，信控交叉口的交通状态估计的主要数据来源为定点检测器，包括电警、线圈等，和传统的浮动车数据，包括出租车公交车等。定点检测器数据由于损坏率高、维护成本高、位置固定、通常采集的为集计数据等原因，对于排队长度等运行指标的估计上存在较大的瓶颈。近年来，依托于定位技术和移动互联技术的快速发展和普及，移动智能终端导航、车联网、智能网联车等新型智能交通技术得到迅速发展，高频车辆轨迹数据的实时获取成为可能。然而，现阶段轨迹数据存在渗透率较低的问题(一般不超过10％)，且由于智能网联汽车及车车、车路协同基础设施的部署需要较长的周本文档来自技高网...

【技术保护点】
1.一种基于抽样轨迹数据的车辆周期排队长度估计方法，其特征在于，包括以下步骤：获取抽样车辆轨迹数据，并通过轨迹数据叠加来获取车辆的到达分布特征；基于车辆的到达分布特征，以及车辆的到达服从时变泊松分布，估计车辆时段内的平均到达率；基于最后一辆排队抽样车辆停车位置及第一辆非排队抽样车辆的通过时刻，确定各周期的排队长度范围；依据车辆的到达分布和排队长度范围，建立概率论模型，推导排队长度的似然函数：若周期内存在排队的抽样车辆，排队长度的似然函数放入推导步骤包括：记事件A为红灯启亮时刻TRS至最后一辆排队的抽样车辆映射到达停车线的时刻PATlq之间的到达车辆数为nlq，记事件B为红灯启亮时刻TRS至可能...

【技术特征摘要】
1.一种基于抽样轨迹数据的车辆周期排队长度估计方法，其特征在于，包括以下步骤：获取抽样车辆轨迹数据，并通过轨迹数据叠加来获取车辆的到达分布特征；基于车辆的到达分布特征，以及车辆的到达服从时变泊松分布，估计车辆时段内的平均到达率；基于最后一辆排队抽样车辆停车位置及第一辆非排队抽样车辆的通过时刻，确定各周期的排队长度范围；依据车辆的到达分布和排队长度范围，建立概率论模型，推导排队长度的似然函数：若周期内存在排队的抽样车辆，排队长度的似然函数放入推导步骤包括：记事件A为红灯启亮时刻TRS至最后一辆排队的抽样车辆映射到达停车线的时刻PATlq之间的到达车辆数为nlq，记事件B为红灯启亮时刻TRS至可能的队尾车辆通过停车线的时刻ATboq之间的到达车辆数，即排队长度为nboq，记事件D为最后一辆排队的抽样车辆映射到达停车线的时刻PATlq至可能的队尾车辆通过停车线的时刻ATboq之间的到达车辆数为nboq-nlq，其概率计算如下：其中，为极大似然估计得到的时段平均到达率；其中，ATboq为队尾车辆通过停车线的时刻，ATboq＝ATlq+(nboq-nlq)hs；由上得到排队长度的似然函数如下：2.根据权利要求1所述的车辆周期排队长度估计方法，其特征在于，所述推导排队长度的似然函数步骤中，若周期内不存在排队的抽样车辆，则排队长度的似然函数如下：3.根据权利要求1或2所述的车辆周期排队长度估计方法，其特征在于，在推导排队长度的似然函数之后还包括：利用极大似然估计方法估计周期排队长度为：其中,Nmin≤nboq≤Nmax，其中，Nmin为依据周期内的排队的抽样车辆停车位置和非排队的抽样车辆的到达时刻确定排队长度范围的排队下界，Nmax为依据周期内的排队的抽样车辆停车位置和非排队的抽样车辆的到达时刻确定排队长度范围的排队上界。4.根据权利要求3所述的车辆周期排队长度估计方法，其特征在于，所述排队下界为：其中，nlq为最后一辆排队的抽样排队车辆的位置；所述排队上界为：其中，ATfn为第一辆不排队的抽样车辆到达停车线的时刻；ATlq为最后一辆排队的抽样车辆到达停车线的时刻，若无排队的抽样车辆，则有ATlq＝TRE；TCE为周期结束时间；TRE为红灯结束时间；hs为饱和车头时距。5.根据权利要求1所述的车辆周期排队长度估计方法，其特征在于，还包括在推导排队长度的似然函数之后执行以下步骤：运用VISSIM建立单点信控交叉口的仿真模型，对排队长度估计方法进行验证，估计误差采用平均绝对误差MAE和平均相对误差MAPE来衡量，计算如下：其中，nst为仿真重复次数；nm为周期数；Ni,j为第i次仿真第j周期的真实的排队长度；为相应的估计的排队长度。6.根据权利要求1所述的车辆周期排队长度估计方法，其特征在于，还包括在推导排队长度的似然函数之后执行以下步骤：在实际交叉口对所述排队长度估计方法进行验证。7.根据权利要求1所述的车辆周期排队长度估计方法，其特征在于，所述抽样车辆轨迹数据的获取方法包括：提取各轨迹特征向量Xi的表达式为：Xi＝{i,δi,ni,ATi,QTi,PATi}，其中，i为轨迹编号；δi为二项变量，用于表征轨迹在交叉口是否经历排队过程：若δi＝1，则有该车辆的停车位置ni；ATi为车辆实际通过停车线的时刻；QTi为该车辆的停车时间；PATi为车辆映射到达停车线时刻，其计算如下：PATi＝ATi-QTi；若δi＝0，则该...

【专利技术属性】
技术研发人员：唐克双，谈超鹏，李克平，孙剑，
申请(专利权)人：苏州易通交通科技有限公司，
类型：发明
国别省市：江苏,32