基于闯红灯自动记录系统数据的车道组交通需求预测方法

摘要

本发明公开了一种基于闯红灯自动记录系统数据的车道组交通需求预测方法。本发明首先通过车牌匹配获取路段行程时间；其次确定每一个周期的行程时间变化率；然后确定每一个周期所对应的虚拟周期时长；最后测算每个周期的驶离车辆数并计算车道组交通需求。本发明克服了现有基于线圈检测的两类缺陷：无法检测过饱和交通需求或无法区分不同车道组之间的差异性，为信号控制的精细化优化提供了技术基础。

说明书

技术领域

本发明涉及一种对车道组交通需求的预测方法，具体是一种基于闯红灯自动记录系统数据的车道组交通需求预测方法，属于智能交通研究领域。

背景技术

交通需求是交通管理与控制的基本参数之一。精准、可靠的交通需求是进行信号优化的前提和基础，直接决定信号方案的实施效果。现有控制系统均基于固定检测设备，例如线圈检测器、微波检测器、视频检测器等，统计单位时段内通过特定检测断面的车辆数，并将该车辆数视为交通需求进而用于交通管理与控制。

目前，固定检测设备的布设位置有两类，一是布设于路段上游的出口道位置处，一是布设于路段下游的进口道位置处。针对第一类布设位置，检测器可以真实检测单位时间内通过断面的车辆数即为真实交通需求，但无法辨识这些车辆在下游交叉口的转向属性，无法区分分车道的交通需求；针对第二类布设位置，检测器可以区别转向属相，但在过饱和状态下，部分实际到达的车辆无法正常通过下游交叉口，其单位时间内通过的车辆数小于实际交通需求，存在交通需求严重被低估的风险。

近年来，我国各大城市相继布设了闯红灯自动记录系统，该系统将视频检测设备布设于进口道停车线后约20米位置处，能够记录车辆牌照及通过停车线时的时刻信息。通过路段上下游两个交叉口所记录数据的相应匹配可以获取车辆行程时间信息。针对特定路段，行程时间与交通需求密切相关，需求愈大则单位时段内的平均行程时间必然越高，前后两车之间的行程时间变化率必然越小。因此，可以以信号周期时长为分析单元，借助每个基本单元的行程时间数据来估计车道组的实时交通需求。

本发明可以直接应用于交通控制领域，利用目前日益普及的闯红灯自动记录系统数据估计车道组交通需求，将为现有交通控制系统的升级改造提供技术基础。同时，该方法实现了闯红灯自动记录系统数据的信息复用，减少了城市交通控制系统对地感线圈、微波等传统检测设备的依赖度，降低了整个交通控制系统的运维成本。

发明内容

本发明针对现有技术的不足，提供了一种基于闯红灯自动记录系统数据的车道组交通需求预测方法。

本发明的基本思想为：交通需求增加是诱使交通状态恶化的直接原因，而针对特定路段的下游进口道，周期内通过车辆中的平均行程时间越大、行程时间变化率越小则交通状态越恶劣，周期内通过车辆中的平均行程时间及行程时间变化率与交通需求之间存在固定关系。同时，由于很多路段中央开设于单位进出口，其进出车辆也会影响交通需求，而闯红灯自动记录系统无法检测这部分车辆的相关信息，计算平均行程时间可能存在一定误差。为考虑这部分车辆的影响，本发明利用单位周期内的行程时间变化率来估计交通需求。

下游进口道某车道组在周期i内的驶离车辆是在某一个时段范围内由上游交叉口驶入的，驶离车辆数与该时段范围大小的比值即为周期i的交通需求。同时，驶入时段与信号周期存在一一对应关系，可将驶入时段看作是驶离车辆驶入上游路段的虚拟周期。考虑到闯红灯自动记录系统存在漏检现象，系统自动检测的驶离车辆数可能会偏小，可用行程时间的变化率来校正。因此，基于闯红灯自动记录系统数据的车道组交通需求预测方法，主要工作包括：(1).通过车牌匹配获取路段行程时间；(2).确定每一个周期的行程时间变化率；(3).确定每一个周期所对应的虚拟周期时长；(4).测算每个周期的驶离车辆数并计算车道组交通需求。

本发明的有益效果：本发明克服了现有基于线圈检测的两类缺陷：无法检测过饱和交通需求或无法区分不同车道组之间的差异性，为信号控制的精细化优化提供了技术基础。同时，该方法无需增设任何检测设备，在实现闯红灯自动记录等系统数据复用的同时，减少了对传统地感线圈、微波等断面检测设备的依赖程度，是未来交通信号控制的发展方向，为信号控制系统的升级换代提供一定的技术支撑。

附图说明

图1算法实现过程流程图；

图2车牌匹配车流关系图；

图3行程时间变化率计算原理

图4虚拟周期与受阻车辆驶入时段、自由通过车辆驶入时段的关系。

具体实施方式

以下结合附图对本发明作进一步说明。

本发明的基本步骤如下：

c1、针对某进口道车道组通过网络拓扑结构提取上下游交叉口的闯红灯自动记录系统数据，并利用车牌匹配技术计算通过本车道组的路段行程时间。

c2、根据周期内驶离车辆的行程时间数据推算受阻滞影响的车辆行程时间变化率。

c3、提取周期内驶离车辆的最大行程时间及最小行程时间车辆驶离上游交叉口、即驶入上游路段的时刻信息，计算虚拟周期时长。

c4、根据行程时间变化率，测算周期驶离车辆数，进而依据虚拟周期的驶入车辆数及虚拟周期时长计算车辆到达率即交通需求。

步骤c1的过程包括：

c11、针对特定车道组p，根据网络拓扑结构确定其对应的上下游交叉口。

c12、利于闯红灯自动记录系统，提取通过车道组p驶离下游交叉口的车辆牌照信息、驶离时刻信息，记为数据库1。

c13、利于闯红灯自动记录系统，提取驶入车道组p的车辆牌照信息和在上游交叉口的驶离时刻信息，记为数据库2，包含直行驶入、左转驶入和右转驶入三股车流，如图2所示。

c14、通过数据库1和2的车牌匹配，计算得到驶离车辆的路段行程时间；假设a是驶离车道组p的任意一辆车辆，t_a和t′_a是车辆a在数据库1和2中所对应的时刻信息，则车辆a的行程时间为：

T_a＝t_a-t′_a(1-a)

式中，T_a为车辆在车道组p所属路段上的行程时间，单位为秒。

步骤c2包括：

c21、假设当前周期为i，i周期内共有样本m个，则行程时间的样本集合为：

T_i＝[T_i,1,T_i,2,…,T_i,m](1-b)

式中，T_i为周期i的行程时间样本，T_i,m为i周期第m辆驶离车辆的行程时间，单位为秒。

在样本行程时间中，若个体行程时间不大于自由流行程时间则表明该车辆在周期i内是自由通过的，没有受其阻滞作用；进而，若周期i内存在样本满足行程时间不大于自由流行程时间则该周期处于未饱和状态，否则该周期处于过饱和状态。自由通过车辆行程时间相等，其变化率为0，与交通需求无关。因此，在确定行程时间变化率时应剔除自由通过车辆的影响。

c22、假设周期i内的共有n个受阻的行程时间样本，即m个样本数据中，前n个为受阻车辆，后(m-n)为自由通过车辆，则利用最小二乘法可得行程时间变化率：

式中，S_i为周期i内的行程时间变化率，无量纲；t_i,j为周期i第j辆车驶入路段上游的时刻；T_i,max为周期i释放车辆的最大行程时间，单位为秒。

特别的，当周期i处于饱和状态时，n值为0。步骤c22的原理如图3所示。

步骤c3的过程包括：

c31、在周期i内筛选最大行程时间T_i,max，确定周期i内行程时间最大车辆在上游交叉口的驶入时刻，记为t_i,max。

c32、针对周期i内n辆自由通过车辆，记第一辆和最后一辆自由通过车辆驶入路段上游的时刻分别为t_i,m+1和t_i,n。

c33、利用周期i内筛选最大行程时间T_i,max、第一辆和最后一辆自由通过车辆驶入路段上游的时刻t_i,m+1和t_i,n，计算周期i内驶离车辆受信号灯阻滞影响部分的驶入时段长度和不受信号灯阻滞影响部分的驶入时段长度：

c_i,1＝t_i,m+1-t_i,max(1-d)

c_i,2＝t_i,n-t_i,m+1(1-e)

式中，c_i,1和c_i,2分别为周期i内驶离车辆受信号灯阻滞影响部分的驶入时段长度和不受信号灯阻滞影响部分的驶入时段长度，单位为秒。

步骤c33中，c_i,1、c_i,2和c_i之间的关系如图4所示。

c34、利用步骤c23中的c_i,1和c_i,2计算虚拟周期时长，计算公式为：

c_i＝c_i,1+c_i,2(1-f)

式中，c_i为周期i所对应的虚拟周期时长，单位为秒。

步骤c4的过程包括：

c41、根据交通波理论可由行程时间变化率S_i测算时段c_i,1内的驶离车辆数：

式中，Q_i,1为c_i,1时段内驶离的车辆数，单位为辆；k_jam为拥堵密度，单位为辆/米；u_f为自由流速度，单位为米/秒；u_w为启动波波速，单位为米/秒；应用中，k_jam、u_f和u_w均为定值，在不同周期内波动很小，可通过实际观测确定。

c42、假设同一个虚拟周期内的车辆到达率即交通需求均匀，即时段c_i,1和c_i,2内的车辆到达率相等，则可以估计周期i驶离的车辆总数，表达式为：

式中，Q_i为周期i内驶离下游停车线的车辆数，单位为辆。

c43、根据交通需求的概念，周期i驶离的车辆总数与虚拟周期的比值即为本周期所对应的交通需求量，即：

式中，q_i为周期i的交通需求，其单位为辆/秒。

实施例：

以某城市某路段两个交叉口的车牌数据和车辆通过停车线时的时间戳数据为例。数据为16:10:00至17:10:00，时间间隔为5分钟，具体实现流程见图1。

1、计算通过本车道组的路段行程时间

提取通过车道组p驶离下游交叉口的车辆牌照信息、驶离时刻信息，记为数据库1；提取驶入车道组p的车辆牌照信息和在上游交叉口的驶离时刻信息，记为数据库2，具体分布如图2所示；通过数据库1和2的车牌匹配，计算得到驶离车辆的路段行程时间。

2、推算受阻滞影响的车辆行程时间变化率

当前i周期内共有样本m个，n个受阻的行程时间样本，则行程时间的样本集合为：T_i＝[T_i,1,T_i,2,…,T_i,m]。通过如下公式可得行程时间变化率：

确定行程时间变化率时应剔除自由通过车辆的影响，原理如图3所示。

3、计算虚拟周期时长

通过如下公式计算周期i内驶离车辆受信号灯阻滞影响部分的驶入时段长度和不受信号灯阻滞影响部分的驶入时段长度：

c_i,1＝t_i,m+1-t_i,max

c_i,2＝t_i,n-t_i,m+1

周期i内驶离车辆受信号灯阻滞影响部分的驶入时段长度和不受信号灯阻滞影响部分的驶入时段长度c_i,1、c_i,2之间的关系如图4所示。计算虚拟周期时长c_i。

4、计算车辆到达率即交通需求

通过如下公式测算时段c_i,1内的驶离车辆数：

交通需求均匀，估计周期i驶离的车辆总数。并计算本周期所对应的交通需求量，公式如下：

最终得到结果，如下表所示。

从表格结果中可以看出本发明相对误差16.19％，满足交通控制的精度要求，说明本方面具有实用价值。