CN101419750B - 基于数据特征的城市信号控制路***通状态检测评价方法 - Google Patents

Abstract

本发明提供基于数据特征的城市信号控制路***通状态检测评价方法，本发明***包括车辆状态检测单元、控制状态监测单元、信号采集单元、微处理单元、数据传输单元、数据处理单元、交通状态显示单元，其中车辆状态检测单元和控制状态监测单元并行与信号采集单元信号连接后，信号采集单元还与微处理单元、数据传输单元、数据处理单元、交通状态显示单元依次信号连接，所述微处理单元还与实时数据存储单元信号连接，所述控制状态监测单元与交通信号灯信号连接。本发明方法适用利用交通实时数据分析进行的各种交通工程技术活动，具有直观明了、易于应用、判断准确性高、适用范围广的优点。

Description

基于数据特征的城市信号控制路***通状态检测评价方法

技术领域

本发明涉及城市交通***的状态评价技术，特别涉及一种基于数据特征的城市信号控制路***通状态检测评价方法。 

背景技术

城市交通拥挤是影响我国经济发展和居民生活质量的重要问题。实施交通信号控制策略以减少延误；发布实时交通信息以诱导车辆行驶乃保持路网动态均衡和缓解交通拥挤的交通管理措施。这两种交通管理措施均以交通状态，特别是对交通拥挤程度的有效评价为前提。我国公安部和***共同制定的《城市道路交通管理评价指标体系》将“交通负荷度”和“交叉路口阻塞率”作为城市道路交通管理科学化的重要指标。采用高峰期道路网交通负荷度来反映城市中心区域交通需求在时间上的集中程度，是一天中最不利状况下的供求矛盾的紧张程度。采用交叉路口阻塞率来衡量整个路网的饱和程度，是检查交通管理效果、制定交通需求管理对策、提出交叉口改造规划建设方案的依据。周期性阻塞交叉路口是指一定时间内经常出现阻塞的交叉口(不是随机或意外原因引起的)。信号灯控制交叉口若3次绿灯显示车辆未通过路口的为严重阻塞。 

专利号为WO2005064565-A1的发明专利公开了一种提供交通状态信息的方法，在交通状态标识文本，尤其是利用车辆定位检测设备的GPS信息判断车辆平均速度，通过拥挤检测设备的平均速度预设值判别交通状态。该提供交通状态信息的方法采用速度参量来判别信号控制交叉口状态，这对于控制参数变化的交叉路口来说是不太合适的，当信号控制参数变化时延误时间部分将会改变，判别参量的阈值也随之而改变。 

专利号JP2006085511-A的发明专利公布了一种通过道路交通感应器或探测在拥挤区域行驶所积累的时间序列数据的交通信息预测***。同时考虑到周内星期、法定假期等时间因素，对拥挤区域的检测数据通过聚类方法用各种各样的类别进行交通状态评价。

发明专利(ZL02113826.5)公布了一种基于视频车辆光学特征识别匹配的交通流量检测***。该***采用机器视觉技术，采集城市交通道路或高速高等级公路任意路段两个或两个以上不同位置车道上行驶的车辆图像，识别出车辆的光学特征，通过对不同位置采集和识别的车辆光学特征匹配结果，计算出该路段上车辆通行能力包括车流量、密度、车速、车距、逆行、超速、滞留技术指标，为交通***工程提供智能化管理必需的交通流量信息。 

发明专利(ZL200510040621.3)公开了一种交通信号控制***运行模式自适应转换方法，将实时交通需求分成轻交通、中交通和重交通三种状态，由此作为交通信号控制***运行模式自适应转换的判别参数。 

由此可见，基于实时交通数据特征以揭示交通流运动机理的交通***状态评价方法，是保证交通信号控制***有效性的一项关键技术，但目前尚鲜有涉及。 

发明内容

本发明的目的在于克服现有技术存在的缺点和不足，提供一种在检测方法、数据处理和状态评价等方面实用性强，判断准确性高，适用范围广的基于数据特征的城市信号控制路***通状态检测和评价方法。 

本发明的目的通过下述技术方案实现：基于数据特征的城市信号控制路***通状态检测和评价方法，其实现***包括车辆状态检测单元、控制状态监测单元、信号采集单元、微处理单元(μCPU)、数据传输单元、数据处理单元(CPU)、交通状态显示单元，其中车辆状态检测单元和控制状态监测单元并行与信号采集单元信号连接后，信号采集单元、微处理单元(μCPU)、数据传输单元、数据处理单元(CPU)、交通状态显示单元依次信号连接，所述微处理单元(μCPU)还与实时数据存储单元信号连接，所述控制状态监测单元与交通信号灯信号连接； 

本方法包括下述步骤—— 

A、在信号控制交叉口特定道路断面采集持续时间不低于35天的实时信号波形，构造交通流特征参量； 

B、对交通流特征参量进行信号滤波，获取饱和的交通流特征参量的样本总体； 

C、计算饱和交通流的样本总体的均值、标准差和极值，作为饱和交通流状态判别函数； 

D、实时检测城市信号控制交叉***通流向绿灯相位的信号波形，构造交通流向特征参量序列； 

E、对交通流向特征参量序列进行绿灯相位状态的判别，构造绿相状态判断序列； 

F、对绿相状态判断序列进行交通流向状态的判别，确定交叉***通流向的交通状态； 

G、可视化显示信号控制交叉口的车道服务水平。 

所述控制状态监测单元为交通信号灯控制状态监测电路，它可监测交通信号灯的灯色状态。 

所述车辆状态检测单元为基于地点断面的车辆运动状态的交通检测器，它可采用各种接触式或非接触式交通检测原理和检测技术，例如电磁感应式车辆检测线圈。车辆状态检测单元采集车辆经过交通检测区域的交通流的实时信号波形。 

所述微处理单元包括在线传输实时交通数据的接口电路，以及由便携式电脑离线传输历史数据的接口电路。 

所述步骤A包括如下具体步骤： 

A1、在信号控制交叉口入口车道选择距离停车线不大于20米的路段设置交通检测器。尽量避免在不同流向车辆行驶轨迹交汇处、或受掉头车辆影响的路段内设置交通检测器； 

A2、设置交通检测器的交通检测区域为沿车辆行驶方向的长度，其能辨识每辆车运动轨迹； 

A3、车辆状态检测单元采集车辆经过交通检测区域的交通流的实时信号波形；控制状态监测单元采集交通信号灯的绿灯信号波形。选取采集时间不低于35天的连续检测时间； 

A4、信号采集单元分别采集车辆状态检测单元和控制状态检测单元的实时信号波形、绿灯信号波形，然后输入微处理单元； 

A5、微处理单元对信号采集单元传来的实时信号波形、绿灯信号波形进行数据预处理，并将预处理后的交通流和交通信号灯实时交通数据经过数据传输单元传输到数据处理单元，并同时保存到实时数据存储单元； 

A6、实时数据存储单元保存不少于7天的交通流和交通信号灯实时交通数据，以备一旦数据传输单元出现故障后，由便携式电脑接收实时数据和历史数据； 

A7、数据处理单元根据数据传输单元传来的数据构造随着交通密度(Occupancy)变化且具有稳定极小值的车辆时距(Headway)作为饱和的交通流特征参量。 

所述步骤B包括如下具体步骤： 

B1、数据处理单元对步骤A7产生的饱和交通流特征参量进行数据预处理，去掉异常值，修复缺失值，产生有效特征参量； 

B2、数据处理单元对步骤B1产生的有效特征参量进行信号滤波，去掉绿灯相位期间起步加速、停车减速、高速行驶通过交叉口等非排队车辆饱和流数据，以获取饱和的交通流特征参量的样本总体。 

所述步骤C包括如下步骤： 

C1、数据处理单元将步骤B2的样本总体按照工作日早高峰期、工作日晚高峰期、工作日非高峰期、工作日晚间、周末白天、周末晚间等时间段划分饱和交通流样本子集。计算各样本子集的均值E_i、标准差σ_i和极小值Min_i； 

C2、数据处理单元根据各样本子集的均值E_i、标准差σ_i和极小值Min_i计算饱和交通流样本子集状态判别函数： 

判别函数下限：S_dni＝min{Min_i，(E_i-2σ_i)} 

判别函数上限：S_upi＝E_i+2σ_i

所述步骤D包括如下详细步骤： 

D1、按照步骤A1～A3采集实时信号波形和绿灯相位波形； 

D2、数据处理单元在绿灯相位时间内，将实时信号波形划分为不少于5个时间片段，计算时间片段交通流向特征参量并构造交通流向特征参量序列。 

所述步骤E包括如下详细步骤： 

 E1、数据处理单元在步骤D2所产生的交通流向特征参量序列中去掉绿灯相位时间的第一个起步加速时间片段(也称前损失时间)和最后一个可能的减速停车时间片段(也称后损失时间)，将剩余的时间片段作为绿相状态判断序列； 

E2、绿相状态判断序列中任意一个时间片段，若交通流向特征参量h_t满足：h_t∈(S_dn，S_up)，则该时间片段称为饱和片段；反之，则称为非饱和片段； 

E3、若某一绿相状态判断序列中没有饱和片段或只有若干个不连续的饱和片段，表示该交通流向车道内没有或只有少量积存的排队车辆，车辆可以快速通过交叉口，则称该绿相状态判断序列为自由绿相； 

E4、若某一绿相状态判断序列中连续的饱和片段数小于总片段数的2/3，表示该交通流向车道内积存的排队车辆可以全部消散，则称该绿相状态判断序列为通畅绿相； 

E5、若某一绿相状态判断序列中连续的饱和片段数大于总片段数的4/5，表示该交通流向车道在绿灯相位时间一直处于消散排队车辆的饱和流状态，甚至可能还会积存一部分排队车辆等待下一个绿灯相位的到来，则称该绿相状态判断序列为饱和绿相。 

所述步骤F包括如下详细步骤： 

F1、数据处理单元将绿相状态判断序列依时间顺序排列，滑动判断交叉***通流向的交通状态。考虑连续三个以上的绿相状态判断序列： 

F2、若连续三个以上的自由绿相，则该交通流向为自由通行状态； 

F3、若连续三个以上的自由绿相中包含若干个通畅绿相，则该交通流向为通畅状态； 

F4、若连续三个以上的自由绿相或通畅绿相中包含若干个不连续的饱和绿相，则该交通流向为轻度拥挤状态； 

F5、若连续三个以上的自由绿相或通畅绿相中包含连续二个饱和绿相，则该交通流向为中度拥挤状态； 

F6、若连续三个以上的自由绿相或通畅绿相中包含连续三个饱和绿相，则该交通流向为重度拥挤状态； 

F7、若绿相状态判断序列中包含了连续二个以上的非正常绿相状态判断序列，很可能是由于下游路口重度拥挤或堵塞造成车辆排队蔓延至本交叉口使得交通秩序混乱，则该交通流向为堵塞状态。 

所述步骤G包括如下详细步骤： 

G1、交通状态显示单元采用由冷色至暖色的颜色渐变，可视化地表示 信号控制路口通畅、拥挤、堵塞状态下的车道服务水平。六种颜色代表六级车道服务水平： 

G2、蓝色表示交通流向为自由通行状态时，车道服务水平为A级； 

G3、浅蓝色表示交通流向为通畅状态时，车道服务水平为B级； 

G4、绿色表示交通流向为轻度拥挤状态时，车道服务水平为C级； 

G5、黄色表示交通流向为中度拥挤状态时，车道服务水平为D级； 

G6、橘黄色表示交通流向为重度拥挤状态时，车道服务为水平E级； 

G7、红色表示交通流向为堵塞状态时，车道服务水平为F级。 

本发明方法适用利用交通实时数据分析进行的各种交通工程技术活动，如短时间尺度的交通信号控制、交通信息发布、交通流动态分配、车辆路径导航、紧急事件调度和城市交通运行管理，以及中长时间尺度的交通组织、交通规划、道路维护和道路改造计划等城市道路交通管理及决策活动。 

本发明相对于现有技术具有如下的优点及效果：(1)直观明了，易于应用；本发明方法是一种在复杂环境下利用交通数据特征以评价城市交通***状态的可视化方法，判断过程简单、方便，其结果以可视化形式描述信号控制交叉***通流的动态变化趋势，将交通管理评价指标体系赋予实操性很强的执行步骤，非常便于交通管理部门及城市规划部门应用。(2)判断准确性高；本发明方法采集持续时间不低于35天的实时数据作为基础构造和优化用于评价饱和交通流的状态判别函数，而且每隔1～3个月，均需利用前35天的历史数据进行定期更新和调整，所以数据采集全面，对交通状态反映的准确性好。(3)适用范围广；本发明适用利用交通实时数据分析进行的各种交通工程技术活动，应用面较广；特别可利用智能交通***提供的交通数据建立状态判别模型，应用于治理交通堵塞，从质上提高现有道路网的交通管理水平，以较小的费用来改善道路网交通的整体运行效率，为道路交通管理提供决策支持。 

附图说明

图1为本发明***的结构示意图； 

图2为本发明方法的流程图； 

图3为交通流状态参量基本图； 

图4为绿灯相位交通状态判别模型； 

图5为信号控制交叉***通流向状态判别模型及可视化表达； 

图6为城市中心区交叉口实施案例交通流向状态序列表。 

具体实施方式

下面结合以城市中心区信号控制交叉口为实施案例及附图对本发明作进一步详细的描述。 

实施例 

如图1所示，本发明基于数据特征的城市信号控制路***通状态检测评价***，包括车辆状态检测单元、控制状态监测单元、信号采集单元、微处理单元(μCPU)、数据传输单元、数据处理单元(CPU)、交通状态显示单元，其中车辆状态检测单元和控制状态监测单元并行与信号采集单元信号连接后，信号采集单元、微处理单元(μCPU)、数据传输单元、数据处理单元(CPU)、交通状态显示单元依次信号连接，所述微处理单元(μCPU)还与实时数据存储单元信号连接，所述车辆状态监测单元与交通信号灯信号连接，所述车辆状态检测单元采集车辆经过交通检测区域的交通流的实时信号波形。 

所述控制状态监测单元为交通信号灯控制状态监测电路，它可监测交通信号灯的灯色状态。 

所述车辆状态检测单元为基于地点断面的车辆运动状态的交通检测器，它可采用各种接触式或非接触式交通检测原理和检测技术，例如电磁感应式车辆检测线圈。 

所述微处理单元包括在线传输实时交通数据的接口电路，以及由便携式电脑离线传输历史数据的接口电路。 

如图2所示，由上述本***实现基于数据特征的城市信号控制路***通状态检测评价方法，包括下述步骤—— 

A、在信号控制交叉口特定道路断面采集持续时间不低于35天的实时信号波形，构造交通流特征参量； 

B、对交通流特征参量进行信号滤波，获取饱和的交通流特征参量的样本总体； 

C、计算饱和交通流的样本总体的均值、标准差和极值，作为饱和交通流状态判别函数； 

D、实时检测城市信号控制交叉***通流向绿灯相位的信号波形，构造交通流向特征参量序列； 

E、对交通流向特征参量序列进行绿灯相位状态的判别，构造绿相状态判断序列； 

F、对绿相状态判断序列进行交通流向状态的判别，确定交叉***通流向的交通状态； 

G、可视化显示信号控制交叉口的车道服务水平。 

执行步骤A具体包括如下步骤： 

A1、在信号控制交叉口西进口直行车道，选择距离停车线上游1m处设置交通检测器。尽量避免在不同流向车辆行驶轨迹交汇处、或受掉头车辆影响的路段内设置交通检测器； 

A2、设置交通检测器的交通检测区域为沿车辆行驶方向的长度，长度一般不超过2米，使其能辨识每辆车运动轨迹； 

A2、设置交通检测器的交通检测区域为沿车辆行驶方向的长度，其能辨识每辆车运动轨迹； 

A3、采用车辆状态检测单元，24小时不间断地采集车辆经过交通检区域的交通流的实时信号波形；采用控制状态监测单元实时监测交通信号灯的绿灯状态，即交通信号灯的绿灯信号波形； 

A4、信号采集单元分别采集车辆状态检测单元和控制状态检测单元的实时信号波形、绿灯信号波形，然后输入微处理单元； 

A5、微处理单元对信号采集单元传来的实时信号波形、绿灯信号波形进行数据预处理，并将预处理后的交通流和交通信号灯实时交通数据经过数据传输单元传输到数据处理单元，并同时保存到实时数据存储单元； 

A6、实时数据存储单元保存35天的交通流和交通信号灯实时交通数据，以备一旦数据传输单元出现故障后，由便携式电脑接收实时数据和历史数据； 

A7、如图3所示，数据处理单元选择35天连续的历史数据构造随着交通密度(Occupancy)变化且具有稳定极小值的车辆时距(Headway)作为饱和的交通流特征参量，车辆时距的单位为秒(sec)。 

执行步骤B具体包括如下步骤： 

B1、数据处理单元对步骤A7产生的饱和交通流特征参量进行数据预 处理，去掉异常值，修复缺失值，产生有效特征参量； 

B2、数据处理单元对步骤B1产生的有效特征参量进行信号滤波，去掉绿灯相位期间起步加速、停车减速、高速行驶通过交叉口等非排队车辆饱和流数据，以获取饱和的交通流特征参量的样本总体。 

执行步骤C具体包括如下步骤： 

C1、数据处理单元将步骤B2的样本总体按照工作日早高峰期、工作日晚高峰期、工作日非高峰期、工作日晚间、周末白天、周末晚间等时间段划分饱和交通流样本子集；选择工作日晚高峰时间为17:00:00～19:00:00，计算该时间段样本子集的均值E_S、标准差σ_S和极小值Min_S： 

E_S＝2.44 

σ_S＝0.51 

Min_S＝1.43 

其中S为工作日晚高峰所属的数据子集。 

C2、数据处理单元计算饱和交通流晚高峰样本子集状态判别函数下限和上限，分别为： 

判别函数下限：S_dnS＝min{Min_S，(E_S-2σ_S)}＝min{1.43，1.42}＝1.42 

判别函数上限：S_upS＝E_S+2σ_S＝3.46 

执行步骤D具体包括如下步骤： 

D1、按照步骤A1～A3实时采集交叉口西进口直行车道交通流信号波形和绿灯相位波形； 

D2、在晚高峰期间内，该流向绿相长度根据交通流量自适应调节：38s≤g≤44s，则数据处理单元选择时间片段长度为10s，将绿灯相位期间交通流信号波形划分为5个时间片段。计算各时间片段交通流向特征参量并构造交通流向特征参量序列。 

执行步骤E具体包括如下步骤： 

E1、数据处理单元在步骤D2所产生的交通流向特征参量序列中去掉绿灯相位时间的第1和第5时间片段(分别称前、后损失时间)，由第2～4时间片段的交通流向特征参量序列代入绿相状态判别模型，构造绿相状态判断序列，如图4所示； 

E2、绿相状态判断序列中任意一个时间片段，若交通流向特征参量h_t 满足：h_t∈(S_dn，S_up)，则该时间片段称为饱和片段；反之，则称为非饱和片段； 

E2、绿相状态判断序列中任意一个时间片段，若交通流向特征参量h_t满足：h_t∈(S_dn，S_up)，则该时间片段称为饱和片段；反之，则称为非饱和片段； 

E3、若某一绿相状态判断序列中没有饱和片段或只有若干个不连续的饱和片段，表示该交通流向车道内没有或只有少量积存的排队车辆，车辆可以快速通过交叉口，则称该绿相状态判断序列为自由绿相； 

E4、若某一绿相状态判断序列中连续的饱和片段数小于总片段数的2/3，表示该交通流向车道内积存的排队车辆可以全部消散，则称该绿相状态判断序列为通畅绿相； 

E5、若某一绿相状态判断序列中连续的饱和片段数大于总片段数的4/5，表示该交通流向车道在绿灯相位时间一直处于消散排队车辆的饱和流状态，甚至可能还会积存一部分排队车辆等待下一个绿灯相位的到来，则称该绿相状态判断序列为饱和绿相。 

E3、若某一绿相状态判断序列中没有饱和片段或只有若干个不连续的饱和片段，表示该交通流向车道内没有或只有少量积存的排队车辆，车辆可以快速通过交叉口，则称该绿相状态判断序列为自由绿相； 

E4、若某一绿相状态判断序列中连续的饱和片段数小于总片段数的2/3，表示该交通流向车道内积存的排队车辆可以全部消散，则称该绿相状态判断序列为通畅绿相； 

E5、若某一绿相状态判断序列中连续的饱和片段数大于总片段数的4/5，表示该交通流向车道在绿灯相位时间一直处于消散排队车辆的饱和流状态，甚至可能还会积存一部分排队车辆等待下一个绿灯相位的到来，则称该绿相状态判断序列为饱和绿相。 

执行步骤F具体包括如下步骤： 

F1、数据处理单元将绿相状态判断序列代入交通流向状态判别模型。选择连续三个绿相状态判断序列作为判别序列，得到西进口直行车道交通流向状态序列，如图5所示： 

F2、若连续三个的自由绿相，则该交通流向为自由通行状态； 

F3、若连续三个的自由绿相中包含若干个通畅绿相，则该交通流向为 通畅状态； 

F4、若连续三个的自由绿相或通畅绿相中包含若干个不连续的饱和绿相，则该交通流向为轻度拥挤状态； 

F5、若连续三个的自由绿相或通畅绿相中包含连续二个饱和绿相，则该交通流向为中度拥挤状态； 

F6、若连续三个的自由绿相或通畅绿相中包含连续三个饱和绿相，则该交通流向为重度拥挤状态； 

F7、若绿相状态判断序列中包含了连续二个以上的非正常绿相状态判断序列，很可能是由于下游路口重度拥挤或堵塞造成车辆排队蔓延至本交叉口使得交通秩序混乱，则该交通流向为堵塞状态。 

执行步骤G具体包括如下步骤： 

G1、交通状态显示单元采用冷色至暖色的颜色渐变，可视化地表示信号控制路口通畅、拥挤、堵塞状态下的车道服务水平。六种颜色代表六级车道服务水平，如图5所示： 

G2、蓝色表示交通流向为自由通行状态时，车道服务水平为A级； 

G3、浅蓝色表示交通流向为通畅状态时，车道服务水平为B级； 

G4、绿色表示交通流向为轻度拥挤状态时，车道服务水平为C级； 

G5、黄色表示交通流向为中度拥挤状态时，车道服务水平为D级； 

G6、橘黄色表示交通流向为重度拥挤状态时，车道服务为水平E级； 

G7、红色表示交通流向为堵塞状态时，车道服务水平为F级。 

图6为城市中心区交叉口实施案例在工作日晚高峰时间段内(17:00:00～19:30:00)的交通流向状态序列表。 

本发明方法适用利用交通实时数据分析进行的各种交通工程技术活动，如短时间尺度的交通信号控制、交通信息发布、交通流动态分配、车辆路径导航、紧急事件调度和城市交通运行管理，以及中长时间尺度的交通组织、交通规划、道路维护和道路改造计划等城市道路交通管理及决策活动。 

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。 

Claims (7)

1.基于数据特征的城市信号控制路***通状态检测评价方法，其特征在于：其实现***包括车辆状态检测单元、控制状态监测单元、信号采集单元、微处理单元、数据传输单元、数据处理单元、交通状态显示单元，其中车辆状态检测单元和控制状态监测单元并行与信号采集单元信号连接后，信号采集单元、微处理单元、数据传输单元、数据处理单元、交通状态显示单元依次信号连接，所述微处理单元还与实时数据存储单元信号连接，所述控制状态监测单元与交通信号灯信号连接；

本方法包括下述步骤——

A、在信号控制交叉口特定道路断面采集持续时间不低于35天的实时信号波形，构造交通流特征参量；

B、对交通流特征参量进行信号滤波，获取饱和的交通流特征参量的样本总体；

C、计算饱和交通流的样本总体的均值、标准差和极值，作为饱和交通流状态判别函数；

D、实时检测城市信号控制交叉***通流向绿灯相位的信号波形，构造交通流向特征参量序列；

E、对交通流向特征参量序列进行绿灯相位状态的判别，构造绿相状态判断序列；

F、对绿相状态判断序列进行交通流向状态的判别，确定交叉***通流向的交通状态；

G、可视化显示信号控制交叉口的车道服务水平。

2.根据权利要求1所述的基于数据特征的城市信号控制路***通状态检测评价方法，其特征在于：所述微处理单元包括在线传输实时交通数据的接口电路，以及由便携式电脑离线传输历史数据的接口电路。

3.根据权利要求1所述的基于数据特征的城市信号控制路***通状态检测评价方法，其特征在于：所述车辆状态检测单元为基于地点断面的车辆运动状态的交通检测器。

4.根据权利要求1所述的基于数据特征的城市信号控制路***通状态检测评价方法，其特征在于：所述控制状态监测单元为交通信号灯控制状态监测电路。

5.根据权利要求1所述基于数据特征的城市信号控制路***通状态检测评价方法，其特征在于：

所述步骤A包括如下具体步骤：

A1、在信号控制交叉口入口车道选择距离停车线不大于20米的路段设置交通检测器；不要在不同流向车辆行驶轨迹交汇处、或受掉头车辆影响的路段内设置交通检测器；

A2、设置交通检测器的交通检测区域为沿车辆行驶方向的长度，其能辨识每辆车运动轨迹；

A3、车辆状态检测单元采集车辆经过交通检测区域的交通流的实时信号波形；控制状态监测单元采集交通信号灯的绿灯信号波形；选取采集时间不低于35天的连续检测时间；步骤A中是不低于35天

A4、信号采集单元分别采集车辆状态检测单元和控制状态检测单元的实时信号波形、绿灯信号波形，然后输入微处理单元；

A5、微处理单元对信号采集单元传来的实时信号波形、绿灯信号波形进行数据预处理，并将预处理后的交通流和交通信号灯实时交通数据经过数据传输单元传输到数据处理单元，并同时保存到实时数据存储单元；

A6、实时数据存储单元保存不少于7天的交通流和交通信号灯实时交通数据，以备一旦数据传输单元出现故障后，由便携式电脑接收实时数据和历史数据；

A7、数据处理单元根据数据传输单元传来的数据构造随着交通密度变化且具有稳定极小值的车辆时距作为饱和的交通流特征参量；

所述步骤B包括如下具体步骤：

B1、数据处理单元对步骤A7产生的饱和交通流特征参量进行数据预处理，去掉异常值，修复缺失值，产生有效特征参量；

B2、数据处理单元对步骤B 1产生的有效特征参量进行信号滤波，去掉绿灯相位期间的非排队车辆饱和流数据，以获取饱和的交通流特征参量的样本总体；

所述步骤C包括如下步骤：

C1、数据处理单元将步骤B2的样本总体按照工作日早高峰期、工作日晚高峰期、工作日非高峰期、工作日晚间、周末白天、周末晚间划分饱和交通流样本子集；计算各样本子集的均值E_i、标准差σ_i和极小值Min_i；

C2、数据处理单元根据各样本子集的均值E_i、标准差σ_i和极小值Min_i计算饱和交通流样本子集状态判别函数：

判别函数下限：S_dni＝min{Min_i，(E_i-2σ_i)}

判别函数上限：S_upi＝E_i+2σ_i

所述步骤D包括如下详细步骤：

D1、按照步骤A1～A3采集实时信号波形和绿灯相位波形；

D2、数据处理单元在绿灯相位时间内，将实时信号波形划分为不少于5个时间片段，计算时间片段交通流向特征参量并构造交通流向特征参量序列；

所述步骤E包括如下详细步骤：

E1、数据处理单元在步骤D2所产生的交通流向特征参量序列中去掉绿灯相位时间的第一个起步加速时间片段和最后一个可能的减速停车时间片段，将剩余的时间片段作为绿相状态判断序列；

E2、绿相状态判断序列中任意一个时间片段，若交通流向特征参量h_t满足：h_t∈(S_dn，S_up)，则该时间片段称为饱和片段；反之，则称为非饱和片段；

E3、若某一绿相状态判断序列中没有饱和片段或只有若干个不连续的饱和片段，表示该交通流向车道内没有或只有少量积存的排队车辆，车辆可以快速通过交叉口，则称该绿相状态判断序列为自由绿相；

E4、若某一绿相状态判断序列中连续的饱和片段数小于总片段数的2/3，表示该交通流向车道内积存的排队车辆可以全部消散，则称该绿相状态判断序列为通畅绿相；

E5、若某一绿相状态判断序列中连续的饱和片段数大于总片段数的4/5，表示该交通流向车道在绿灯相位时间一直处于消散排队车辆的饱和流状态，则称该绿相状态判断序列为饱和绿相；

所述步骤F包括如下详细步骤：

F1、数据处理单元将绿相状态判断序列依时间顺序排列，滑动判断交叉***通流向的交通状态；考虑连续三个以上的绿相状态判断序列：

F2、若连续三个以上的自由绿相，则该交通流向为自由通行状态；

F3、若连续三个以上的自由绿相中包含若干个通畅绿相，则该交通流向为通畅状态；

F4、若连续三个以上的自由绿相或通畅绿相中包含若干个不连续的饱和绿相，则该交通流向为轻度拥挤状态；

F5、若连续三个以上的自由绿相或通畅绿相中包含连续二个饱和绿相，则该交通流向为中度拥挤状态；

F6、若连续三个以上的自由绿相或通畅绿相中包含连续三个饱和绿相，则该交通流向为重度拥挤状态；

F7、若绿相状态判断序列中包含了连续二个以上的非正常绿相状态判断序列，很可能是由于下游路口重度拥挤或堵塞造成车辆排队蔓延至本交叉口使得交通秩序混乱，则该交通流向为堵塞状态；

所述步骤G包括如下详细步骤：

G1、交通状态显示单元采用由冷色至暖色的颜色渐变，可视化地表示信号控制路口通畅、拥挤、堵塞状态下的车道服务水平。

6.根据权利要求5所述基于数据特征的城市信号控制路***通状态检测评价方法，其特征在于：步骤B2所述的非排队车辆饱和流数据包括绿灯相位期间起步加速数据、停车减速数据、高速行驶通过交叉口数据。

7.根据权利要求5所述基于数据特征的城市信号控制路***通状态检测评价方法，其特征在于：步骤G1所述的交通状态显示单元采用由冷色至暖色的颜色渐变，可视化地表示信号控制路口通畅、拥挤、堵塞状态下的车道服务水平，其具体表示方法是用六种颜色代表六级车道服务水平，即：

G2、蓝色表示交通流向为自由通行状态时，车道服务水平为A级；

G3、浅蓝色表示交通流向为通畅状态时，车道服务水平为B级；

G4、绿色表示交通流向为轻度拥挤状态时，车道服务水平为C级；

G5、黄色表示交通流向为中度拥挤状态时，车道服务水平为D级；

G6、橘黄色表示交通流向为重度拥挤状态时，车道服务为水平E级；

G7、红色表示交通流向为堵塞状态时，车道服务水平为F级。

Images