【技术实现步骤摘要】
基于轨迹数据的单交叉口信号配时优化方法
本专利技术涉及交通控制
，特别涉及一种基于轨迹数据的单交叉口信号配时优化方法。
技术介绍
交通理论与互联网技术的飞速发展，为交通研究和城市交通管理提供了多样化，规模庞大的交通数据资源。电子警察数据、卡口数据、线圈数据等存在铺设难度大、维护成本高、数据缺失等缺点，随着网络出租车的兴起，海量的轨迹数据被收集起来。轨迹数据也因其精度较高、样本较大在研究领域备受推崇。在目前现有的研究当中，轨迹数据多被用于交通参数的估计，如流量、排队长度、路口延误和行程时间等。Comert和Cetin在论文“Queuelengthestimationfromprobevehiclelocationandtheimpactsofsamplesize”中考虑了浮动车的渗透率和排队长度的分布问题，得出仅依靠最后一辆浮动车的位置就可以对路口排队长度进行估计，Comert还在论文“Queuelengthestimationfromprobevehiclesatisolatedintersections:Es...
【技术保护点】
1.基于轨迹数据的单交叉口信号配时优化方法，其特征在于，所述方法包括以下步骤：/n步骤1，获取待进行信号配时优化的交叉口的原始信号配时信息；/n步骤2，获取与所述交叉口关联路段上同一时段浮动车的历史轨迹数据信息，并结合所述原始信号配时信息求取各浮动车在各周期内的排队位置；/n步骤3，基于所述排队位置，根据贝叶斯模型与概率分布理论预测所述交叉口周期各相位内的排队长度；/n步骤4，根据各相位排队长度，结合启动波理论计算各相位的最佳配时时长。/n
【技术特征摘要】
1.基于轨迹数据的单交叉口信号配时优化方法，其特征在于，所述方法包括以下步骤：
步骤1，获取待进行信号配时优化的交叉口的原始信号配时信息；
步骤2，获取与所述交叉口关联路段上同一时段浮动车的历史轨迹数据信息，并结合所述原始信号配时信息求取各浮动车在各周期内的排队位置；
步骤3，基于所述排队位置，根据贝叶斯模型与概率分布理论预测所述交叉口周期各相位内的排队长度；
步骤4，根据各相位排队长度，结合启动波理论计算各相位的最佳配时时长。
2.根据权利要求1所述的基于轨迹数据的单交叉口信号配时优化方法，其特征在于，步骤1中所述原始信号配时信息包括交叉口信号周期、相序、各相位时长及相位开始时间。
3.根据权利要求1所述的基于轨迹数据的单交叉口信号配时优化方法，其特征在于，步骤2中所述求取各浮动车在各周期内的排队位置，所用公式为：
式中，si为第i个周期内浮动车辆的位置，pi为浮动车辆在交叉口的空间物理位置即该浮动车辆在所有浮动车辆中的位置，pt为该相位车辆停止线，lv为平均车长。
4.根据权利要求1所述的基于轨迹数据的单交叉口信号配时优化方法，其特征在于，步骤3所述根据贝叶斯模型与概率分布理论预测所述交叉口周期各相位内的排队长度，具体过程包括：
步骤3-1，根据排队队列中有无浮动车将各周期内各相位排队划分为可观测队列qobs与隐藏队列qhid；其中可观测队列qobs为第一辆车到最后一辆浮动车的车辆队列，隐藏队列qhid为除去可观测队列qobs之后剩余的车辆队列；
步骤3-2，判断浮动车在所述可观测队列中的渗透率是否大于预设阈值，若是，根据概率分布理论求取各相位可观测队列qobs以及隐藏队列qhid的排队长度；否则，根据概率分布理论求取各相位可观测队列qobs的排队长度，基于贝叶斯模型求取隐藏队列qhid的排队长度；
步骤3-3，求取各相位所述可观测队列和隐藏队列的排队长度和，获得该相位的排队长度。
5.根据权利要求3或4所述的基于轨迹数据的单交叉口信号配时优化方法，其特征在于，步骤3-2中所述根据概率分布理论求取各相位可观测队列qobs的排队长度，具体过程包括：
步骤3-2-1，根据概率分布理论，求取各周期各相位内的可观测队列的排队长度Qi：
式中，Ni为第i周期内各相位统...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。