[发明专利]基于样本行程时间信息的车道组最大排队长度估计方法

说明书

本发明公开了一种基于样本行程时间信息的车道组最大排队长度估计方法。本发明首先在周期结束后利用样本行程时间信息提取最大行程时间并计算行程时间变化率。其次利用最大行程时间估计周期内的最大排队次数。再次计算最大行程时间所对应车辆首次被阻滞周期的排队位置进而估计首次被阻滞周期的最大排队长度位置。最后利用行程时间变化率计算周期排队最远点的关系，并基于最大行程时间车辆首次被阻滞周期的排队最远点推算当前周期的排队最远点位置。本发明可以自动区别同一路段下游进口道不同车道组之间的差异性，且无需假设车辆的到达规律，弱化了传统方法的假设条件，实现了提升预测精度。

技术领域

本发明涉及一种对车道组最大排队长度估计的方法，具体是一种基于样本行程时间信息的车道组最大排队长度估计方法，属于智能交通研究领域。

背景技术

排队长度尤其是最大排队长度是交通管理与控制的重要基础，是优化诱导方案、调整信号控制参数的重要输入参数。现有排队长度估计方法主要基于地感线圈、微波等断面检测数据，通过“驶入-驶离”法统计路段承载车辆数，进而利用概率论估计路段排队车辆数及最大排队长度，存在如下两点问题：(1).估计误差逐步累积，随着时间推移误差急剧增大；(2).无法区分路段车辆的转向属性，约束精细刻画路段下游不同车道组之间的排队差异性，制约信号配时参数调整的精确性。为了弥补“驶入-驶离”法存在的上述缺陷，很多学者提出了基于交通波理论的排队长度估计方法，在车辆均匀到达的前提假设下按照交通波理论计算停车波波速进而估算最大排队长度。而在城市道路中，上游信号灯的影响致使车辆往往是脉冲式到达，交通波理论的实用性受到很大限制，其最终估计结果往往也存在很大误差。

近年来，随着新型检测技术和设备的不断成熟，获取区间交通流信息日益普遍。例如针对浮动车GPS数据通过地图匹配可以推算任意区段的行程时间信息；针对闯红灯自动记录系统的车牌和通过时刻数据亦可以计算区间行程时间信息。由于GPS尚未完全普及、闯红灯自动记录系统也存在错检和漏检现象，因此无法获取全样本的行程时间信息。获取行程时间的车辆可称之为样本车辆，相应的行程时间信息称为样本行程时间，这些样本行程时间信息可以反映车辆从上游驶入至下游驶离整个过程的总体情况，且自动区别下游进口道的车道组编号，因此，基于该类数据推算排队长度必然可以大幅提升参数的估计精度，且可以区别不同车道组。

该方法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提供的样本行程时间数据实时计算最大排队长度，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GPS、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，提供了一种基于样本行程时间信息的车道组最大排队长度估计方法。

本发明的基本思想为：周期内释放车辆中的最大行程时间越大、且前后车之间的行程时间变化率越小则说明排队车辆数越多，也即最大排队长度越大。因此，可以利用周期最大行程时间和行程时间变化率来估算最大排队长度。

本发明包含四个步骤：(1).周期结束后利用样本行程时间信息提取最大行程时间并计算行程时间变化率；(2).利用最大行程时间估计周期内的最大排队次数；(3).计算最大行程时间所对应车辆首次被阻滞周期的排队位置进而估计首次被阻滞周期的最大排队长度位置；(4).利用行程时间变化率计算周期排队最远点的关系，并基于最大行程时间车辆首次被阻滞周期的排队最远点推算当前周期的排队最远点位置。

本发明的有益效果：本发明可以自动区别同一路段下游进口道不同车道组之间的差异性，且无需假设车辆的到达规律，弱化了传统方法的假设条件，实现了提升预测精度。同时，该方法无需铺设任务新的检测设备，在实现闯红灯自动记录等系统数据复用的同时，减少对传统的地感线圈、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