[发明专利]一种路口转向车辆数目估计方法及系统

权利要求书

1.一种路口转向车辆数目估计方法，其特征在于：

路段进入道路交叉口的方向的末尾，按照是否安装线圈分为两类：布置线圈的路口和未布置线圈的路口；部分路口安装线圈(loop detector)，根据不同的车道功能以探测转向的车辆数目，进行历史数据收集与记录，因此可以根据即将进入道路的车辆的数目来估计将要进行转弯的车辆的数目；对于没有安装线圈的路段，利用探测车辆(probe vehicle)的GPS数据统计采样车辆数目，并根据路口之间的相似性，从有线圈的路口的转向车辆数目推算出没有线圈的路口的转向车辆数目；

将参与估计的时间段按照等长度分为若干个时间间隔，每个时间间隔的长度为T，在每个T开始的时刻点，需要对该T内的即将转向的左转、右转、和直行的车辆数目进行估计；并且，以T为基准时间段长度，设置整数w为时间窗包含的时间T的个数，即W＝w×T为时间窗的长度；

基于此时间规划，包括：

(1)数据收集阶段，负责收集路口车辆数目相关的数据：

需要收集的数据分为两种，即(I)线圈测得的路段单位时间T内路口左转、直行、右转和总体的车辆数目NL,NS,NR,NA，(II)路段在T时间内的探测车辆PV的数量NP；

(2)机器学习阶段，负责建立配置了线圈的路段的既往数据中路口上直行、左转、右转车辆数目与全部车辆数目之间的关系，并建立直行、左转、右转车辆数目与探测车辆数目的关系；而且，该步骤负责根据路段之间的相似性，建立没有配置线圈的路段上，直行、左转、右转车辆数目与探测车辆数目之间的关系；假设左转车辆数目NL，所述关系的建立：

在配置有线圈的路段，线圈将检测出每一个时间T内从路段尾出去的总的车辆数目NA以及左转的车辆数目NL；则在w个时间T之后，也就是W时间(包含第1，2，…，w个时间T)之后，用机器学习的方法得出上述NA和NL之间的关系：NL＝f(NA)；同时，每个T内也计算出在该路段上的PV数目NP，由此可以得出NA与NP之间的关系NA＝g(NP)，继而得出NL与NP之间的关系：NL＝f·g(NP)；

在没有配置线圈的路段，由于无法获得该路段的NA值，因此无法通过上述方法得到NL＝f·g(NP)；在此种情况下，利用道路之间的相似性得出该关系；具体为：设没有线圈的某路段为r，所有配置有线圈的路段分别为u1，u2…um，其中m为配置线圈的路段的数目；从以下方面考虑每条ui与r之间的相似性：路段形状、路段长度、路段宽度、路段方向、路 段位置、路段之间的距离；由此得到ui和r之间的相似性：pro(ui,r)；则r的NL与NP之间的关系为：i∈[1,m]；

(3)转向车辆数目估计阶段：估计在下一个时间T内，配置或者未配置线圈的路口的转向车辆的数目；对于配置有线圈的路段，下一T内NL的值NLest要依据公式NL＝f(NA)进行估计，即NLest＝f(NAest)；NAest的数值根据与该路段之间相邻的上游路段在上一T内流向该路段的车辆数目进行估计；对于直接邻接上游没有线圈或者本身便没有线圈的路段，采用NL＝f·g(NP)进行左转车辆数目的估计，即NLest＝f·g(NPest)，此处NPest根据与该路段相邻的上游路段将要流向该路段的PV车辆数目估计而来，此估计基于车辆的形式速度以及历史上路段之间转弯概率统计而得到。

2.一种路口转向车辆数目估计系统，其特征在于：是将权利要求1中所述的方法和涉及到的设备进行实地布置及应用的系统，本系统包含三个系统模块：

路口线圈数据收集与处理模块I

探测车辆PV数据收集与处理模块II

路口转向车辆数目预测模块III

路口线圈数据收集与处理模块I负责线圈数据的收集与处理，将格式化的数据交付给路口转向车辆数目预测模块III；

探测车辆PV数据收集与处理模块II负责探测车辆数据的收集与处理，将格式化的数据交付给路口转向车辆数目预测模块III；

路口转向车辆数目预测模块III负责根据路口线圈数据收集与处理模块I和探测车辆PV数据收集与处理模块II交付的数据，进行对配置有路口线圈和没有路口

线圈的路口转向车辆数目的估计工作。