车辆排队长度计算方法、计算机设备及计算机存储介质技术

本发明专利技术实施例公开车辆排队长度计算方法、计算机设备及计算机存储介质，所述方法包括：获取两个交叉口之间的车牌识别数据，基于所述车牌识别数据得到已识别车辆对应的行程时间及在每一交叉口的时间戳；基于所述行程时间及所述时间戳为先验信息，输入数据修复模型，得到两个交叉口之间车辆的特征参数，其中，所述特征参数包括过车时间戳、车头时距以及行程时间；基于车辆的概率密度函数，使用贝叶斯理论将所述特征参数输入，得到所述车辆的排队状态；基于所述排队状态得到排队车辆数，基于所述车辆数得到排队长度，如此，不需要像大多数现有方法一样考虑车辆到达模式，仅通过车牌识别数据，得到车辆排队长度。得到车辆排队长度。得到车辆排队长度。

【技术实现步骤摘要】
车辆排队长度计算方法、计算机设备及计算机存储介质


[0001]本专利技术涉及交通信号控制
，尤其涉及车辆排队长度计算方法、计算机设备及计算机存储介质。

技术介绍

[0002]随着人均小汽车拥有量的不断增加，城市道路上的拥堵问题也在日益严重。人们的出行会因为在交叉口拥堵时产生的延误，而导致车辆的行程时间超过预期。此外，交叉口作为城市路网的重要节点，如果拥堵严重，拥堵情况可能会从单个交叉口影响到相邻交叉口甚至由此影响到部分路网。所以，对交叉口的拥堵状况进行实时的管控，具有非常重要的实际意义。实时评估一个交叉口的拥堵水平时，可以根据交叉口的相应交通指标(像排队长度等)来优化信号控制等一系列优化措施来解决城市的拥堵问题。所以说，展开对交叉口排队长度的研究能够帮助解决现实生活中的交通拥堵问题。
[0003]排队长度在评估信号交叉口的性能方面起着至关重要的作用，也是优化协调信号控制和改善交通控制与管理的一个指标。之前的研究使用不同数据源进行队列长度估计，可以大致分为两类：输入
‑
输出模型和冲击波模型。估计排队长度的输入输出模型侧重于研究一个路段上累积输入和输出交通流的过程，而冲击波模型是通过理论上描述排队的形成和消散来分析排队的车辆。
[0004]循环检测器数据是早期工作中用于估计队列长度的主要信息，然而，当队列尾部超过固定检测器时，依赖于循环检测器信息的相关研究往往受到限制。此外，由于维护成本高，故障检测器很少被及时修复或更换，这将会导致队列长度估计的测量精度低。近年来，移动传感器(例如GPS数据)和提供详细轨迹信息的探测车辆数据等新数据源为队列长度估计创造了新的机会。然而，使用移动传感器的数据进行排队长度估计的相关研究需要已知探测车的渗透率，而且，不论是稀疏的轨迹数据，还是探测车的在空间上面的不均匀的行驶位置，最终都会导致产生不准确和不稳定的估计结果。

技术实现思路

[0005]有鉴于此，本专利技术提供了车辆排队长度计算方法、计算机设备及计算机存储介质，不受交通检测器数据问题限制，基于车牌识别数据得到车辆排队长度。
[0006]为达到上述目的，本专利技术的技术方案是这样实现的：
[0007]第一方面，本专利技术提供了一种车辆排队长度计算方法，所述方法包括：
[0008]获取两个交叉口之间的车牌识别数据，基于所述车牌识别数据得到已识别车辆对应的行程时间及在每一交叉口的时间戳；
[0009]基于所述行程时间及所述时间戳为先验信息，输入数据修复模型，得到两个交叉口之间车辆的特征参数，其中，所述特征参数包括过车时间戳、车头时距以及行程时间；
[0010]基于车辆的概率密度函数，使用贝叶斯理论将所述特征参数输入，得到所述车辆的排队状态；
[0011]基于所述排队状态得到排队车辆数，基于所述车辆数得到排队长度。
[0012]其中，所述基于所述行程时间及所述时间戳为先验信息，输入数据修复模型，得到两个交叉口之间车辆的特征参数，具体包括：
[0013]基于所述行程时间及所述时间戳为先验信息，建立车辆的到达曲线模型，将所述车辆的到达过程建模成高斯过程，得到到达曲线之间的任意两点的协方差，所述到达车辆的索引就为高斯过程的分布，得到未匹配车辆的后验均值与协方差；
[0014]使用MH算法得到未匹配车辆到达过程的后验均值和协方差，得到未匹配车辆到达过程的后验均值和协方差，确定等效到达曲线；
[0015]基于所述等效到达曲线确定未匹配车辆的行程时间，得到两个交叉口之间车辆的特征参数。
[0016]其中，所述基于车辆的概率密度函数，使用贝叶斯理论将所述特征参数输入，得到所述车辆的排队状态，包括：
[0017]构造排队车辆和未排队车辆的核密度函数，使用贝叶斯理论将所述特征参数输入，确定车辆属于排队车辆的概率及非排队车辆的概率，得到车辆的排队状态。
[0018]其中，所述基于所述排队状态得到排队车辆数，基于所述车辆数得到排队长度，包括：
[0019]基于所述排队状态输入最大概率模型，得到每一车辆在通过交叉口时间戳序列中的序号，基于所述序号得到排队长度。
[0020]其中，所述基于所述序号得到排队长度，包括：
[0021]若排队长度不等于第一周期内通过车辆的序号，则确定所述第一周期内末尾车辆的位置为排队长度。
[0022]其中，所述基于所述序号得到排队长度，包括：
[0023]若排队长度等于第一周期内通过车辆的序号，则获取所述第一周期内剩余车辆和第二周期内车辆的特征参数；
[0024]基于车辆的概率密度函数，使用贝叶斯理论将所述特征参数输入，得到所述车辆的排队状态；
[0025]基于所述排队状态得到排队车辆数，基于所述车辆数得到排队长度。
[0026]第二方面，本专利技术提供了一种计算机设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；
[0027]其中，所述处理器用于运行所述计算机程序时，实现上述任意所述的车辆排队长度计算方法。
[0028]第三方面，本专利技术提供了一种计算存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行实现上述任意所述的车辆排队长度计算方法。
[0029]本专利技术实施例提供的本专利技术实施例公开车辆排队长度计算方法、计算机设备及计算机存储介质，所述方法包括：获取两个交叉口之间的车牌识别数据，基于所述车牌识别数据得到已识别车辆对应的行程时间及在每一交叉口的时间戳；基于所述行程时间及所述时间戳为先验信息，输入数据修复模型，得到两个交叉口之间车辆的特征参数，其中，所述特征参数包括过车时间戳、车头时距以及行程时间；基于车辆的概率密度函数，使用贝叶斯理论将所述特征参数输入，得到所述车辆的排队状态；基于所述排队状态得到排队车辆数，基
于所述车辆数得到排队长度，如此，本专利技术充分利用车牌识别数据的特征，首先通过改进的插值方法来推断不匹配车辆的缺失信息。然后将完整的到达和离开信息处理为最大概率函数的输入值，估计了每个车道的周期最大排队长度。
附图说明
[0030]图1为本专利技术实施例提供的一种车辆排队长度计算方法的流程示意图；
[0031]图2为本专利技术实施例提供的另一种车辆排队长度计算方法的流程示意图；
[0032]图3为本专利技术实施例提供的一种车辆排队长度计算装置的结构示意图；
[0033]图4为本专利技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
[0034]下面结合说明书附图及具体实施例对本专利技术技术方案做进一步的详细阐述。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0035]目前，驾驶员驾驶行为的好坏，直接影响交通事故的发生率。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆排队长度计算方法，其特征在于，所述方法包括：获取两个交叉口之间的车牌识别数据，基于所述车牌识别数据得到已识别车辆对应的行程时间及在每一交叉口的时间戳；基于所述行程时间及所述时间戳为先验信息，输入数据修复模型，得到两个交叉口之间车辆的特征参数，其中，所述特征参数包括过车时间戳、车头时距以及行程时间；基于车辆的概率密度函数，使用贝叶斯理论将所述特征参数输入，得到所述车辆的排队状态；基于所述排队状态得到排队车辆数，基于所述车辆数得到排队长度。2.根据权利要求1所述的车辆排队长度计算方法，其特征在于，所述基于所述行程时间及所述时间戳为先验信息，输入数据修复模型，得到两个交叉口之间车辆的特征参数，具体包括：基于所述行程时间及所述时间戳为先验信息，建立车辆的到达曲线模型，将所述车辆的到达过程建模成高斯过程，得到到达曲线之间的任意两点的协方差，所述到达车辆的索引就为高斯过程的分布，得到未匹配车辆的后验均值与协方差；使用MH算法得到未匹配车辆到达过程的后验均值和协方差，得到未匹配车辆到达过程的后验均值和协方差，确定等效到达曲线；基于所述等效到达曲线确定未匹配车辆的行程时间，得到两个交叉口之间车辆的特征参数。3.根据权利要求1所述的车辆排队长度计算方法，其特征在于，所述基于车辆的概率密度函数，使用贝叶斯理论将所述特征参数输入，得到所述车辆的排队状态，包括：构造排队车辆和未排队车辆的核密度函数，使用贝叶斯...

【专利技术属性】
技术研发人员：唐进君，李旻，刘鑫源，
申请(专利权)人：中南大学，
类型：发明
国别省市：