基于三维宏观基本图的城市机非混行交通信号控制方法技术

基于三维宏观基本图的城市机非混行交通信号控制方法，涉及交通信号控制领域，本发明专利技术通过对道路进行数据观测采集，采集现场基础信息数据并进行分析处理；根据分析处理数据构建机非混行交通流的元胞自动机交通仿真模型，通过基于Simulink完成元胞自动机交通仿真；获取机非混行交通三维宏观基本图并完成机非混行交通三维宏观基本图的特征分析；进一步设计基于三维宏观基本图的信号控制流程和设计基于三维宏观基本图的信号控制算法思路，本发明专利技术可以更加全面地描述机非混行双模式交通系统的宏观特征，实现局部交通拥堵预防、全局通行效能最佳的控制目标等，适合大范围的推广和应用。用。用。

【技术实现步骤摘要】
基于三维宏观基本图的城市机非混行交通信号控制方法


[0001]本专利技术涉及交通信号控制领域，具体涉及一种基于三维宏观基本图的城市机非混行交通信号控制方法。

技术介绍

[0002]随着国内机动车保有量的持续增长，同时非机动车(包括自行车、三轮车等)在短距离出行中仍然占据很大比例。在没有机非隔离带的路段和交叉口都存在机非混行的现象。因此，在国内城市交通中机非混行的现象是非常普遍的。因机动车与非机动车具有不同的行驶特性，机动车都是按照车道行驶，存在跟驰行为；而非机动车并不是在某个车道跟随前车行驶，其既有横向的运动，又有纵向的运动。显然，机非混行交通流要比单一类型的交通流要复杂得多。
[0003]在机非混行交通流内部，机动车的运行被非机动车多次不同干扰会导致机动车整体行程增加以及时间延误，整个交通路段行驶速度降低，局部路段中出现车辆聚集现象，进一步造成拥堵现象。同时，非机动车多次不同干扰会造成机非混行交通流内部出现未知波动，对交叉口的信号灯控制造成不同程度干扰，导致通行时间消耗、信号秩序混乱，并加速拥堵状况向周围辐射。
[0004]正是由于机非混行交通流内部存在多种车辆交互运动方式，才导致机非混行交通流要比单一类型的交通流要复杂得多。研究机非混行交通流内部交通拥堵在城市路段上的演变规律，对优化提升国内城市交叉口的信号控制技术水平，避免路段交通陷入过饱和状态具有重要意义。
[0005]目前，国内外研究人员大多关注局部路段或单一交叉口处机非混行交通流的运行和行驶特征，提出了一系列有价值的模型和分析理论。然而，这些研究成果没有从路网宏观交通考虑非机动车干扰所引发交通拥堵的传播与消散规律，没有考虑非机动车干扰对路网整体通行效能的影响，尚无法全面和系统地解释混行模式内车辆交互作用与区域交通拥堵发生的内在关系。同时，由于技术研究存在以上不足，导致交叉口的信号控制缺少针对性的优化措施，难以有效解决“混行易堵”的道路交通问题等。

技术实现思路

[0006]为克服
技术介绍
中存在的不足，本专利技术提供了一种基于三维宏观基本图的城市机非混行交通信号控制方法，本专利技术可以更加全面地描述机非混行双模式交通系统的宏观特征，实现局部交通拥堵预防、全局通行效能最佳的控制目标等。
[0007]为实现如上所述的专利技术目的，本专利技术采用如下所述的技术方案：
[0008]一种基于三维宏观基本图的城市机非混行交通信号控制方法，所述方法通过对道路进行数据观测采集，采集现场基础信息数据并进行分析处理；根据分析处理数据构建机非混行交通流的元胞自动机交通仿真模型，通过基于Simulink完成元胞自动机交通仿真；获取机非混行交通三维宏观基本图并完成机非混行交通三维宏观基本图的特征分析；进一
步设计基于三维宏观基本图的信号控制流程和设计基于三维宏观基本图的信号控制算法思路。
[0009]所述的基于三维宏观基本图的城市机非混行交通信号控制方法，所述采集现场基础信息数据并进行分析处理的具体步骤如下：
[0010]步骤一、现场进行观测采集测试路段机非混行情况下的交通流数据、行驶轨迹数据、路网几何结构数据、交通信号控制数据，为路网交通流建模和信号控制方案设计提供实测数据支持；
[0011]步骤二、对所采集的数据进行读取与处理，数据采用“视频网格化处理——车辆个体识别——逐帧实时位置追踪——交通时间轨迹提取”的方法进行读取；
[0012]步骤三、对读取与处理后的数据进行统计分析，所涉及的内容包括非机动车干扰下的交通流运行特征、机非混行交通流中的车辆行驶特征、信号控制下车辆在交叉口处的行驶特征。
[0013]所述的基于三维宏观基本图的城市机非混行交通信号控制方法，所述交通流数据包括机非混行路段、交叉口处交通量，车辆的速度、车辆的流量、车辆的密度、车辆的车型构成比例、车辆的排队长度、车辆的延误时间运行特征数据；
[0014]所述交叉口处交通量是在观测位置处单位时间内经过道路的交通实体数，公式表示为
[0015]其中Q为观测交通量(Veh/Times)；N为记录的通过观测位置车辆数(Veh)；T为实际观测时间(Times，一般以分钟、时、日、周、月、年为单位)；
[0016]所述车辆的速度通过两种形式表示
[0017]其中为总体车辆平均速度(Veh/Times)，下标t和s分别代表算术平均值和调和平均值；Δx
i
为第i辆车在从统计开始到结束之间行驶的距离(S，一般以米，千米为单位)；Δt
i
为第i辆车行驶Δx
i
距离花费的时间(Times)；
[0018]所述车辆的密度为观测车辆数目与观测道路长度的比值，公式为或
[0019]其中ρ为车辆密度(Veh/S)；L为观测道路总长度(S)；
[0020]所述行驶轨迹数据包括在路段上采集两类车辆的时空运行轨迹，在交叉口处采集车辆受信号控制的到达、驶离过程轨迹；
[0021]所述路网几何结构数据包括道路长度、宽度、车道数、展宽段车道渠化方式、机非隔离方式和公交站台位置；
[0022]所述交通信号控制数据包括信号周期、绿信比、信号灯全红和黄灯时间、非机动车过街膨胀宽度、交通溢流和交叉口死锁特征数据。
[0023]所述的基于三维宏观基本图的城市机非混行交通信号控制方法，所述非机动车干扰下的交通流运行特征包括采用K
‑
S检验、广义差分法检验非机动车干扰发生时各交通流参数的统计特征差异，明确非机动车干扰行为下交通流参数的变化规律，采用广义线性模型统计机非交互作用程度与交通流运行参数之间的相关关系，并通过显著性检验，识别非
机动车干扰发生时诱发混行交通流运行特征演变的显著性因素及其程度；
[0024]所述机非混行交通流中的车辆行驶特征包括从车辆时空轨迹中提取非机动车干扰发生时关联车辆的车头时距、车辆加速度、前后车速度差、换道持续时间行驶特征数据的概率分布，回归分析跟驰和换道事件发生时目标车和前后车之间的时距、速度、加速度关系，获取触发跟驰和换道决策的各类参数特征；
[0025]所述信号控制下车辆在交叉口处的行驶特征包括从车辆时空轨迹中提取机动车在交叉口进口渐变段前、渐变段内、交叉口出口的换道频次及持续时间的概率分布，回归分析车辆换道频次及位置与转向流量比例、车道排队长度、车道延误时间之间的关系；回归分析非机动车通过交叉口过程中，机动车延误与非机动车膨胀宽度、非机动车饱和流量及非机动车车型构成比例之间的关系；
[0026]交叉口的信号周期C表示为：每个相位的绿灯时间即放行时间为g
i
，i为信号相应的序号，黄灯时长用Ty表示。
[0027]所述的基于三维宏观基本图的城市机非混行交通信号控制方法，所述构建机非混行交通流的元胞自动机交通仿真模型的步骤如下：
[0028]步骤一、构建车辆在路段上的元胞更新规则：
[0029]根据现场实地采集的交通流参数和车辆运动特征统计分析结果，分别建立机动车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维宏观基本图的城市机非混行交通信号控制方法，其特征是：所述方法通过对道路进行数据观测采集，采集现场基础信息数据并进行分析处理；根据分析处理数据构建机非混行交通流的元胞自动机交通仿真模型，通过基于Simulink完成元胞自动机交通仿真；获取机非混行交通三维宏观基本图并完成机非混行交通三维宏观基本图的特征分析；进一步设计基于三维宏观基本图的信号控制流程和设计基于三维宏观基本图的信号控制算法思路。2.根据权利要求1所述的基于三维宏观基本图的城市机非混行交通信号控制方法，其特征是：所述采集现场基础信息数据并进行分析处理的具体步骤如下：步骤一、现场进行观测采集测试路段机非混行情况下的交通流数据、行驶轨迹数据、路网几何结构数据、交通信号控制数据，为路网交通流建模和信号控制方案设计提供实测数据支持；步骤二、对所采集的数据进行读取与处理，数据采用“视频网格化处理——车辆个体识别——逐帧实时位置追踪——交通时间轨迹提取”的方法进行读取；步骤三、对读取与处理后的数据进行统计分析，所涉及的内容包括非机动车干扰下的交通流运行特征、机非混行交通流中的车辆行驶特征、信号控制下车辆在交叉口处的行驶特征。3.根据权利要求2所述的基于三维宏观基本图的城市机非混行交通信号控制方法，其特征是：所述交通流数据包括机非混行路段、交叉口处交通量，车辆的速度、车辆的流量、车辆的密度、车辆的车型构成比例、车辆的排队长度、车辆的延误时间运行特征数据；所述交叉口处交通量是在观测位置处单位时间内经过道路的交通实体数，公式表示为其中Q为观测交通量(Veh/Times)；N为记录的通过观测位置车辆数(Veh)；T为实际观测时间(Times，一般以分钟、时、日、周、月、年为单位)；所述车辆的速度通过两种形式表示其中为总体车辆平均速度(Veh/Times)，下标t和s分别代表算术平均值和调和平均值；Δx
i
为第i辆车在从统计开始到结束之间行驶的距离(S，一般以米，千米为单位)；Δt
i
为第i辆车行驶Δx
i
距离花费的时间(Times)；所述车辆的密度为观测车辆数目与观测道路长度的比值，公式为或其中ρ为车辆密度(Veh/S)；L为观测道路总长度(S)；所述行驶轨迹数据包括在路段上采集两类车辆的时空运行轨迹，在交叉口处采集车辆受信号控制的到达、驶离过程轨迹；所述路网几何结构数据包括道路长度、宽度、车道数、展宽段车道渠化方式、机非隔离方式和公交站台位置；所述交通信号控制数据包括信号周期、绿信比、信号灯全红和黄灯时间、非机动车过街膨胀宽度、交通溢流和交叉口死锁特征数据。
4.根据权利要求2所述的基于三维宏观基本图的城市机非混行交通信号控制方法，其特征是：所述非机动车干扰下的交通流运行特征包括采用K
‑
S检验、广义差分法检验非机动车干扰发生时各交通流参数的统计特征差异，明确非机动车干扰行为下交通流参数的变化规律，采用广义线性模型统计机非交互作用程度与交通流运行参数之间的相关关系，并通过显著性检验，识别非机动车干扰发生时诱发混行交通流运行特征演变的显著性因素及其程度；所述机非混行交通流中的车辆行驶特征包括从车辆时空轨迹中提取非机动车干扰发生时关联车辆的车头时距、车辆加速度、前后车速度差、换道持续时间行驶特征数据的概率分布，回归分析跟驰和换道事件发生时目标车和前后车之间的时距、速度、加速度关系，获取触发跟驰和换道决策的各类参数特征；所述信号控制下车辆在交叉口处的行驶特征包括从车辆时空轨迹中提取机动车在交叉口进口渐变段前、渐变段内、交叉口出口的换道频次及持续时间的概率分布，回归分析车辆换道频次及位置与转向流量比例、车道排队长度、车道延误时间之间的关系；回归分析非机动车通过交叉口过程中，机动车延误与非机动车膨胀宽度、非机动车饱和流量及非机动车车型构成比例之间的关系；交叉口的信号周期C表示为：每个相位的绿灯时间即放行时间为g
i
，i为信号相应的序号，黄灯时长用Ty表示。5.根据权利要求1所述的基于三维宏观基本图的城市机非混行交通信号控制方法，其特征是：所述构建机非混行交通流的元胞自动机交通仿真模型的步骤如下：步骤一、构建车辆在路段上的元胞更新规则：根据现场实地采集的交通流参数和车辆运动特征统计分析结果，分别建立机动车、非机动车混合行驶时的车辆跟驰、车辆防碰撞、车道约束、车辆换道和随机慢化规则；步骤二、构建车辆在交叉口处的元胞更新规则：根据在交叉口处统计分析的车辆运动特征，分别建立车辆的换道排队、车辆冲突消除、车辆左右转向和非机动车膨胀过街运动规则；步骤三、构建边界条件和车辆生成设置规则：采用开放式边界条件，交通流从路段入口处加载，入口边界上车辆的生成概率为现场观测获取的实时占有率，车辆进入系统后按照现场观测的速度概率分布获得速度值，按照现场观测的转向比例概率获得车辆的路径选择方案。6.根据权利要求1所述的基于三维宏观基本图的城市机非混行交通信号控制方法，其特征是：所述基于Simulink完成元胞自动机交通仿真的步骤如下：步骤一、将路网系统划分为路段模块、交叉口内部模块和接口模块三个部分；步骤二、再根据路段车辆在路网上的行驶过程，将路段模块细分为车辆生成、车辆进入路段、单车道前进、车辆换道和进口道行驶子模块；步骤三、对照实际路网子单元构建编译子模块的元胞自动机车辆更新规制，并将其搭接组合，构建路网的Simulink仿真环境。7.根据权利要求6所述的基于三维宏观基本图的城市机非混行交通信号控制方法，其特征是：所述元胞自动机的模型中，机动车的速度和位置进行并行更新，其规则如下：
加速：v
i
＝min(v
max
,v
i
+1)，驾驶员期望以最大速度行驶；减速：v
i
＝min(d
...

【专利技术属性】
技术研发人员：张帅，李轶鹏，江航，徐立友，陈久峰，何飞飞，郭永正，郭文强，牛源，郑景阳，魏伟振，闫祥海，吴依伟，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：