[发明专利]基于众包轨迹数据的交叉口周期最大排队长度估计方法

说明书

本申请公开了一种基于众包轨迹数据的交叉口周期最大排队长度估计方法。方法包括：获取一个交叉口周期内通过交叉口的预定进口方向的众包数据，并根据众包数据确定众包车辆的时空轨迹；将时空轨迹划分为停车轨迹和非停车轨迹两个种类，其中停车轨迹表示在交叉口的预定进口方向停止的众包车辆的时空轨迹，非停车轨迹代表未在交叉口的预定进口方向停止的众包车辆的时空轨迹；根据时空轨迹在两个种类的分布，建立最大似然方程；求解最大似然方程，估计交叉口的预定进口方向的车辆到达流率；以及根据所估计的车辆到达流率，估算出交叉口的预定进口方向的停车波和消散波的传播速度，并基于停车波和消散波的传播速度估计交叉口的预定进口方向在交叉口周期内的最大排队长度。

技术领域

本申请涉及智能交通领域，具体而言，涉及一种基于众包轨迹数据的交叉口周期最大排队长度估计方法。

背景技术

城市交通关乎整个城市的经济民生，是城市生活不可缺少及不可替代的重要环节，而信号控制交叉口作为城市交通的咽喉，是保障城市交通正常运行的关键。排队长度作为衡量交叉口运行状态的重要评价指标，能够直接反映交叉口的拥堵程度；同时，排队长度也可以作为交通管理、信号控制优化等方法的输入参数。因此，交叉口排队长度估计一直是交通领域研究热点。

当下，以线圈、地磁、微波、视频为代表的定点检测技术已广泛应用于交通信息采集。但受制于固定断面、局部范围的检测局限以及硬件损耗大、损坏率高等现实弊端，导致目前上述检测设备的建设、运营、维护成本过高。

伴随着移动互联等新一代信息技术的发展，交通信息的获取、交互与融合催生出新的业态。由出行者通过智能终端设备(如车载导航、智能手机)以众包(Crowdsourcing)方式反馈的时空位置信息，即高频时空连续位置数据(轨迹)，正成为一种新的交通信息获取手段。众包轨迹从时间和空间两个维度突破了定点检测数据采集的瓶颈，并且具有广域、持续、可靠且低成本等特点。如何充分挖掘众包轨迹数据并提取有效的交通信息，进而更好地为城市道路交通管理与控制服务，成为目前智能交通领域技术研究的国际前沿问题。

目前基于轨迹数据的排队长度估计方法，主要存在的问题为要求众包轨迹数据渗透率(众包用户在整体交通流中的占比)达到一定的比例，如25％以上，因此对低渗透率环境鲁棒性不强。

针对上述定点检测器存在检测局限以及硬件损耗大、损坏率高，并且基于抽样轨迹数据的研究对渗透率要求较高的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种基于众包轨迹数据的交叉口周期最大排队长度估计方法，以至少解决定点检测器存在检测局限以及硬件损耗大、损坏率高，并且基于抽样轨迹数据的研究对渗透率要求较高的技术问题。

根据本发明实施例的一个方面，提供了一种基于众包轨迹数据的交叉口周期最大排队长度估计方法，该方法包括：获取一个交叉口周期内通过交叉口的预定进口方向的众包数据，并根据众包数据确定众包车辆的时空轨迹；将时空轨迹划分为停车轨迹和非停车轨迹两个种类，其中停车轨迹表示在交叉口的预定进口方向停止的众包车辆的时空轨迹，非停车轨迹代表未在交叉口的预定进口方向停止的众包车辆的时空轨迹；根据时空轨迹在两个种类的分布，建立最大似然方程；求解最大似然方程，估计交叉口的预定进口方向的车辆到达流率；以及根据所估计的车辆到达流率，估算出交叉口的预定进口方向的停车波和消散波的传播速度，并基于停车波和消散波的传播速度估计交叉口的预定进口方向在交叉口周期内的最大排队长度。

可选地，根据众包数据确定众包车辆的时空轨迹的操作包括：在交叉口周期内，根据交叉口周期内通过交叉口的预定进口方向的众包数据提供的众包车辆的时间和位置信息，对众包车辆的时空轨迹进行还原；以及再现众包车辆的时空轨迹后，剔除具有回退、结尾和中途的异常状态轨迹数据，生成时空轨迹。

可选地，估计交叉口排队长度的方法还包括：提取每条时空轨迹的自由流到达时间和驶离时间，其中非停车轨迹的自由流到达时间等于驶离时间。