CN103680150B - 基于线圈检测的交通事件影响范围及持续时间确定方法 - Google Patents
基于线圈检测的交通事件影响范围及持续时间确定方法 Download PDFInfo
- Publication number
- CN103680150B CN103680150B CN201310633349.4A CN201310633349A CN103680150B CN 103680150 B CN103680150 B CN 103680150B CN 201310633349 A CN201310633349 A CN 201310633349A CN 103680150 B CN103680150 B CN 103680150B
- Authority
- CN
- China
- Prior art keywords
- entrance driveway
- length
- crossing
- queue length
- wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于线圈检测的交通事件影响范围及持续时间确定方法,交通事件发生时,线圈每隔预定时间间隔采集一次交通流量和地点平均车速数据,对路段排队长度进行更新;当路段排队长度大于交通事件发生点到交叉口的距离时,对各进口道排队长度进行更新;交通事件结束时,对路段消散长度和各进口道排队长度进行更新;当路段消散长度大于交通事件发生点到交叉口的距离时,对各进口道消散长度和排队长度进行更新;当各进口道消散长度均大于对应的排队长度时,交通事件完全结束,确定事件影响范围和持续时间。与现有技术相比,本发明利用线圈对交通事件发展进行实时观测,准确估计交通事件的影响范围和影响时间,为交通控制与管理提供决策依据。
Description
技术领域
本发明涉及交通控制与管理领域,尤其是涉及一种基于线圈检测的交通事件影响范围及持续时间确定方法。
背景技术
伴随城市经济、社会活动的快速发展,以及城市化进程的加速,我国城市交通所面临的挑战也在不断深化:土地资源的紧缺、能源压力的增大、社会需求的多样化等。围绕科学化和精细化的要求,城市道路交通规划和管理的决策水平亟待提高。而另一方面,随着智能交通技术的发展和交通信息***的建立,为城市规划和管理部门提供了丰富的交通数据资源,如何充分利用多种数据展开多维度的分析,为决策提供技术支持,是管理和技术人员关注的重点。
在交通控制与管理对交通事件决策分析工作中,交通事件的影响范围和影响时间是反应交通事件程度的重要参数,在对交通事件发布车辆诱导信息时,需要输入交通事件的影响范围;在紧急救援车辆路径规划中,影响范围的确定也是工作的基础;在交通事件信号控制中,影响范围及时间的确定对控制方案的决策产生重要影响。
传统的交通事件影响范围和时间获取方法是理论建模计算,主要是利用交通波模型和排队论理论,对单一路段或交叉口进行分析,建立模型利用实地观测数据进行验证分析,在模型计算时前提假设是瓶颈处及其上下游路段的流量和密度等参数时间上为常量、空间上为均匀值。而在实际交通中,路段的流量是随机波动的,密度也由于信号周期带来的车辆反复停车一起动变化,瓶颈路段上游、瓶颈路段下游的流量和密度不仅随时间波动,也随地点波动,并非均匀值。传统方法不能实时得到数据,只有将某一瞬时的交通量数据当作整个过程的平均数据来计算交通波模型,存在局限性,与实际情况有差别。因此计算出来的结果难以准确反应交通事件的影响范围和时间,不利于交通控制与管理策略的合理制定。
随着智能交通技术的发展,越来越多的城市构建先进交通信息服务***,交通数据采集和处理技术逐渐受到重视。线圈采集数据具有覆盖范围广、准确性高、实效性强和可连续观测等优点。对采集后的数据进行清洗,修补后可以分析得到交通运行状况的基本数据,在此基础上进行数据处理和建模分析,可以得到交通事件的影响范围和时间。
在城市信号交通控制***的研究应用中主要以英国的SCOOT***和澳大利亚的SCATS***为主导,通过布设在交叉口附近的环线线圈采集交通基本数据,自适应交通状况的变化调整交叉口信号情况,并将基本数据传输到信息中心,为交通控制与管理的决策制定提供支持。我国在“七五”期间列项研究了“城市交通实时自适应控制***”,目前我国城市主要采用国外***如北京使用SCOOT***,上海使用SCATS***。
总体来说,我国城市信号交通控制***的应用较为成熟,但是对于控制***采集到的数据没有合理应用,如何将现有交通数据与交通分析方法结合,为交通控制与管理提供依据,还有待大量实证研究。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于线圈检测的交通事件影响范围及持续时间确定方法。
本发明的目的可以通过以下技术方案来实现:一种基于线圈检测的交通事件影响范围及持续时间确定方法,其特征在于,交通事件发生时,布设在交叉口附近的线圈每隔预定时间间隔采集一次交通流量和地点平均车速数据,从交通发生开始到完全结束,确定事件影响范围及持续时间包括以下步骤:
步骤1、根据线圈采集的数据,利用交通波计算模型计算从事件发生点到交叉口之间的事件发生路段的交通波波速ω,由此计算该时间间隔后该路段新增的排队长度ΔLr,并对路段排队长度Lr进行更新;
步骤2、当路段排队长度Lr大于交通事件发生点到交叉口的距离X时,排队向交叉口各进口道扩散,利用停车波计算模型计算从交叉口向各进口道传播的停车波波速ωsi,由此计算该时间间隔后新增的各进口道排队长度ΔLi,并对各进口道排队长度Li进行更新;
步骤3、交通事件结束时,利用第一启动波计算模型计算事件发生路段的启动波波速ωb,由此计算此时间间隔后新增的消散长度ΔS,并对路段消散长度S进行更新,同时继续按照步骤2的方法更新各进口道排队长度Li;
步骤4、当路段消散长度S大于交通事件发生点到交叉口的距离X时,利用第二启动波计算模型计算交叉口各进口道的启动波波速ωbi,由此计算此时间间隔后新增的各进口道消散长度ΔSi,并对各进口道消散长度Si进行更新,同时继续按照步骤2的方法更新各进口道排队长度Li;
步骤5、当各进口道消散长度Si均大于对应的排队长度Li时,交通事件完全结束,事件影响范围包括交叉口各进口道消散长度首次大于排队长度时的排队长度;事件持续时间为从事件消散开始到各进口道消散长度大于排队长度的最长时间。
步骤1所述的交通波计算模型为,
式中,q1为上游的车流量,q2为下游的车流量,vt1为上游的地点平均车速,vt2为下游的地点平均车速,c.v为区间车速的变异系数,取值范围为[0.08,0.17]。
步骤2所述的停车波计算模型为,
式中,q1i为交叉口某队列上游的车流量,vtli为上游的地点平均车速,ki为堵塞密度,c.v为区间车速的变异系数,取值范围为[0.08,0.17]。
步骤2所述的计算该时间间隔后新增的各进口道排队长度ΔLi,并对各进口道排队长度Li进行更新具体包括以下步骤:
(21)判断路段排队长度Lr是否大于交通事件发生点到交叉口的距离X,是则执行步骤(22),否则返回步骤1;
(22)判断路段排队长度Lr是否首次大于交通事件发生点到交叉口的距离X,是则执行步骤(23),否则执行步骤(25);
(23)利用停车波计算模型计算从交叉口向各进口道传播的停车波波速ωsi,根据车辆排队至交叉口所需的时间t1及交通事件从发生到此次扫描结束所耗时间T1,得到剩余时间t2,计算在剩余时间t2内交叉口各进口道新增的排队长度ΔLi;
其中,
ΔLi=t2ωsi=(T1-t1)ωsi
t1=(X-Lr-|ω|*Δt)/|ω|
(24)更新此次扫描间隔后交叉口各进口道排队长度Li,执行步骤(26);
其中,对于与事件发生路段方向相同的进口道排队长度L1为,
L1=Lr+ΔL1
式中,ΔL1为新增的与事件发生路段方向相同的进口道排队长度;
对于交叉口其他进口道排队长度Li为,
Li=ΔLi
(25)利用停车波计算模型计算从交叉口向各进口道传播的停车波波速ωsi,更新此次扫描间隔后交叉口各进口道排队长度Li;
其中,
Li=Li+ΔLi=Li+Δt*ωsi
式中,等号左边的Li为此次线圈扫描更新后交叉口某进口道排队长度,等号右边的Li为上次线圈扫描更新后某进口道排队长度,ΔLi为新增的某进口道排队长度;
(26)交通事件是否结束,是则执行步骤3,否则间隔预定时间间隔Δt后返回步骤(22)。
步骤4所述的计算此时间间隔后新增的各进口道消散长度ΔSi,并对各进口道消散长度Si进行更新具体包括以下步骤:
(41)判断路段消散长度S是否大于交通事件发生点到交叉口的距离X,是则执行步骤(42),否则返回步骤3;
(42)判断路段消散长度S是否首次大于交通事件发生点到交叉口的距离X,是则执行步骤(43),否则返回步骤(44);
(43)利用启动波计算模型计算交叉口各进口道的启动波波速ωbi,由此计算此时问间隔后新增的各进口道消散长度ΔSi,并对各进口道消散长度Si进行更新,执行步骤(45);
其中,对于与事件发生路段方向相同的进口道消散长度S1为,
S1=S+ΔS1=S+|ωb1|*Δt
式中,ΔS1为新增的与事件发生路段方向相同的进口道消散长度;
对于交叉口其他进口道消散长度Si为,
Si=ΔSi=|ωbi|*Δt
(44)利用第二启动波计算模型计算交叉口各进口道的启动波波速ωbi,由此计算此时间间隔后新增的各进口道消散长度ΔSi,并对各进口道消散长度Si进行更新;
其中,
Si=Si+ΔSi=Si+|ωbi|*Δt
式中,等号左边的Si为此次线圈扫描更新后交叉口某进口道消散长度,等号右边的Si为上次线圈扫描更新后某进口道消散长度;
(45)判断交叉口各进口道消散长度Si是否均大于各进口道排队长度Li,是则执行步骤5,否则间隔预设时间间隔Δt后返回步骤(42)。
步骤3所述的第一启动波计算模型为,
ωb=vf
式中,vf为启动波所在路段的自由流车速,此处取该路段的限制速度。
步骤4所述的第二启动波计算模型为,
式中,vfi为启动波所在路段的自由流车速,gi为启动波所在交叉口进口道的绿灯时间,Ci为启动波所在交叉口的信号周期。
步骤5所述的事件持续时间t为,
t=(Li-|ωsi|*Δt-Si+|ωbi|*Δt)/(|ωbi|-|ωsi|)
式中,Si为最后一个启动波追上停车波方向上的排队消散长度,ωbi为该进口道的启动波波速,Li为该进口道排队长度,ωsj为该进口道的停车波波速。
与现有技术相比,本发明对传统交通波理论进行改进,利用线圈检测数据对交通事件发展进行实时观测,通过不断更新检测数据,准确估计交通事件的影响范围和影响时间,为交通控制与管理提供决策依据。
附图说明
图1为本发明交通事件发生后计算路段排队长度和交叉口排队长度的流程图;
图2为本发明启动波时间内计算最终影响范围和最终持续时间的流程图;
图3为本发明实施例验证模型基础路网图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
如图1所示,交通事件发生后计算路段排队长度Lr和交叉口各进口道排队长度Lxi包括以下步骤:
(101)布设在交叉口附近的线圈每隔预定时间间隔Δt采集一次交通流量和地点平均车速数据,根据线圈采集的数据,利用交通波计算模型计算从事件发生点到交叉口之间的事件发生路段的交通波波速ω,由此计算该时间间隔后该路段新增的排队长度ΔLr,并对路段排队长度Lr进行更新;
其中,
Lr=Lr+ΔLr=Lr+|ω|*Δt
式中,等号左边的Lr为此次线圈扫描更新后的路段排队长度,等号右边的Lr为上次线圈扫描更新后的路段排队长度,
式中,q1为事件发生路段上游的车流量,q2为下游的车流量,vt1为上游的地点平均车速,vt2为下游的地点平均车速,c.v为区间车速的变异系数,取值范围为[0.08,0.17];
(102)判断路段排队长度Lr是否大于交通事件发生点到交叉口的距离X,是则执行步骤(103),否则继续执行步骤(101);
(103)判断路段排队长度Lr是否首次大于交通事件发生点到交叉口的距离X,是则执行步骤(104),否则执行步骤(106);
(104)利用停车波计算模型计算从交叉口向各进口道传播的停车波波速ωsi,根据车辆排队至交叉口所需的时间t1及交通事件从发生到此次扫描结束所耗时间T1,得到剩余时间t2,计算在剩余时间t2内交叉口各进口道新增的排队长度ωLi;
其中,
ΔLi=t2ωsi=(T1-t1)ωsi
t1=(X-Lr-|ω|*Δt)/|ω|
所述的停车波计算模型为,
式中,q1i为交叉口某队列上游的车流量,vt1i为上游的地点平均车速,ki为堵塞密度,c.v为区间车速的变异系数,取值范围为[0.08,0.17];
(105)更新此次扫描间隔后交叉口各进口道排队长度Li,间隔预定时间间隔Δt后返回步骤(103);
其中,对于与事件发生路段方向相同的进口道排队长度L1为,
L1=Lr+ΔL1
式中,ΔL1为新增的与事件发生路段方向相同的进口道排队长度;
对于交叉口其他进口道排队长度Li为,
Li=ΔLi
(106)利用停车波计算模型计算从交叉口向各进口道传播的停车波波速ωsi,更新此次扫描间隔后交叉口各进口道排队长度Li,间隔预定时间间隔Δt后返回步骤(103);
Li=Li+ΔLi=Li+Δt*ωsi;
式中,等号左边的Li为此次线圈扫描更新后交叉口某进口道排队长度,等号右边的Li为上次线圈扫描更新后某进口道排队长度,ΔLi为新增的某进口道排队长度。
如图2所示,交通事件结束时,在启动波时间内计算事件影响范围和事件持续时间包括以下步骤:
(201)布设在交叉口附近的线圈每隔预定时间间隔Δt采集一次交通流量和地点平均车速数据,根据线圈采集的数据,利用第一启动波计算模型计算事件发生路段的启动波波速ωb,由此计算此时间间隔后新增的消散长度ΔS,并对路段消散长度S进行更新;
所述的第一启动波计算模型为,
ωb=vf
式中,vf为启动波所在路段的自由流车速,此处取该路段的限制速度;
(202)判断路段消散长度S是否大于交通事件发生点到交叉口的距离X,是则执行步骤(203),否则返回步骤(201);
(203)判断路段消散长度S是否首次大于交通事件发生点到交叉口的距离X,是则执行步骤(204),否则返回步骤(205);
(204)根据线圈采集的数据,利用第二启动波计算模型计算交叉口各进口道的启动波波速ωbi,由此计算此时间间隔后新增的各进口道消散长度ΔSi,并对各进口道消散长度Si进行更新,执行步骤(206);
其中,对于与事件发生路段方向相同的进口道消散长度S1为,
S1=S+ΔS1=S+|ωb1|*Δt
式中,ΔS1为新增的与事件发生路段方向相同的进口道消散长度;
对于交叉口其他进口道消散长度Si为,
Si=ΔSi=|ωbi|*Δt
所述的第二启动波计算模型为,
式中,vfi为启动波所在路段的自由流车速,gi为启动波所在交叉口进口道的绿灯时间,Ci为启动波所在交叉口的信号周期;
(205)根据线圈采集的数据,利用第二启动波计算模型计算交叉口各进口道的启动波波速ωbi,由此计算此时间间隔后新增的各进口道消散长度ΔSi,并对各进口道消散长度Si进行更新;
其中,
Si=Si+ΔSi=Si+|ωbi|*Δt
式中,等号左边的Si为此次线圈扫描更新后交叉口某进口道消散长度,等号右边的Si为上次线圈扫描更新后某进口道消散长度;
(206)判断交叉口各进口道消散长度Si是否大于各进口道排队长度Li,是则执行步骤(207),否则间隔预设时间间隔Δt后返回步骤(203);
(207)事件影响范围包括交叉口各进口道消散长度首次大于排队长度时的排队长度;事件持续时间为从事件消散开始到各进口道消散长度大于排队长度的最长时间;
其中,所述的事件持续时间t为,
t=(Li-|ωsi|*Δt-Si+|ωbi|*Δt)/(|ωbi|-|ωsi|)
式中,Si为最后一个启动波追上停车波方向上的排队消散长度,ωbi为该进口道的启动波波速,Li为该进口道排队长度,ωsj为该进口道的停车波波速。
实施例:
利用微观仿真软件VISSIM建立验证模型路网,并在交叉口布置检测线圈,模拟实际情况,线圈扫描的预定时间间隔为30s,对VISSIM进行COM开发,计算事件影响范围和持续时间,交通波仿真排队记录结果如表1所示。
表1交通波仿真排队记录表
仿真时间(s) | L1(m) | Lx1(m) | L2(m) | Lx2(m) | L3(m) | Lx3(m) |
480 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
510 | 22.2 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
仿真时间(s) | L1(m) | Lx1(m) | L2(m) | Lx2(m) | L3(m) | Lx3(m) |
540 | 29.9 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
570 | 48.6 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
600 | 55.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
630 | 74.9 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
660 | 142.2 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
690 | 158.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
720 | 168.7 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
750 | 185.8 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
780 | 238.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
810 | 255.2 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
840 | 264.2 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
870 | 281.2 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
900 | 314.2 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
930 | 344.4 | 0.0 | 9.1 | 0.0 | 5.0 | 0.0 |
960 | 350.7 | 0.0 | 43.3 | 0.0 | 41.2 | 0.0 |
990 | 363.7 | 0.0 | 65.5 | 0.0 | 68.5 | 0.0 |
1020 | 371.4 | 0.0 | 67.6 | 0.0 | 79.4 | 0.0 |
1050 | 373.9 | 0.0 | 102.0 | 0.0 | 118.4 | 0.0 |
1080 | 384.2 | 0.0 | 110.5 | 0.0 | 129.1 | 0.0 |
1110 | 399.9 | 250.0 | 128.0 | 0.0 | 137.6 | 0.0 |
1140 | 406.2 | 321.0 | 145.6 | 0.0 | 169.7 | 0.0 |
1170 | 416.5 | 571.0 | 163.1 | 0.0 | 182.7 | 0.0 |
1200 | 424.2 | 654.3 | 180.5 | 0.0 | 195.5 | 0.0 |
1230 | 435.8 | 654.3 | 180.5 | 208.3 | 213.4 | 208.3 |
1260 | 446.1 | 654.3 | 217.5 | 291.7 | 255.0 | 291.7 |
在表1中,L1为1方向排队长度,L2、L3为2、3方向排队长度,Lxi,为排队消散长度,i=1,2,3代表的是路段方向。如图3所示,E处发生交通事件。
从表1中可以看出,点事件发生后,排队最先在L1方向的路段上产生,仿真时间为930s时路段排队长度L1=344.4m首次大于事发地点与上游交叉口间的距离X=320m,此时说明车辆排队已经蔓延到上游交叉口,其他两个方向的道路也应产生排队,而此时的L2=9.1m,L3=5.0m,说明了排队已经在交叉口其他方向的道路发生;
仿真时间为1080s时,点事件结束,启动波开始产生,可以得到事件在时间T1=1080-480=600s内的影响范围;L1=384.2m,L2=110.5m,L3=129.1m;
仿真时间为1170s时,排队消散长度Lx1=571.0m首次大于路段排队长度L1=416.5m,说明在仿真时间1140s至1170s中某一时刻,启动波追上L1方向的停车波,该方向的排队完全消散;
仿真时间为1230s时,排队消散长度Lx2=208.3m首次大于交叉口排队长度L2=180.5m,说明在仿真时间1200s至1230s中某一时刻,启动波追上L2方向的停车波,该方向的排队完全消散;
仿真时间为1260s时,排队消散长度Lx3=291.7m首次大于交叉口排队长度L3=255.0m,说明在仿真时间1230s至1260s中某一时刻,启动波追上L3方向的停车波,该方向的排队完全消散。
根据排队消散修正公式得到点事件结束后排队消散所耗时间实际为175s,即持续影响时间为T2=175s,点事件的总影响时间T为T=T1+T2=775s,点事件影响范围为:L1=416.5m,L2=180.5m,L3=255.0m。
Claims (7)
1.一种基于线圈检测的交通事件影响范围及持续时间确定方法,其特征在于,交通事件发生时,布设在交叉口附近的线圈每隔预定时间间隔采集一次交通流量和地点平均车速数据,从交通事件发生开始到完全结束,确定事件影响范围及持续时间包括以下步骤:
步骤1、根据线圈采集的数据,利用交通波计算模型计算从事件发生点到交叉口之间的事件发生路段的交通波波速ω,由此计算该时间间隔后该路段新增的排队长度ΔLr,并对路段排队长度Lr进行更新;
步骤2、当路段排队长度Lr大于交通事件发生点到交叉口的距离X时,排队向交叉口各进口道扩散,利用停车波计算模型计算从交叉口向各进口道传播的停车波波速ωsi,由此计算该时间间隔后新增的各进口道排队长度ΔLi,并对各进口道排队长度Li进行更新;
步骤3、交通事件结束时,利用第一启动波计算模型计算事件发生路段的启动波波速ωb,由此计算此时间间隔后新增的消散长度ΔS,并对路段消散长度S进行更新,同时继续按照步骤2的方法更新各进口道排队长度Li;
步骤4、当路段消散长度S大于交通事件发生点到交叉口的距离X时,利用第二启动波计算模型计算交叉口各进口道的启动波波速ωbi,由此计算此时间间隔后新增的各进口道消散长度ΔSi,并对各进口道消散长度Si进行更新,同时继续按照步骤2的方法更新各进口道排队长度Li;
步骤5、当各进口道消散长度Si均大于对应的排队长度Li时,交通事件完全结束,事件影响范围包括交叉口各进口道消散长度首次大于排队长度时的排队长度;事件持续时间为从事件消散开始到各进口道消散长度大于排队长度的最长时间;
步骤1所述的交通波计算模型为,
式中,q1为上游的车流量,q2为下游的车流量,vt1为上游的地点平均车速,vt2为下游的地点平均车速,c.v为区间车速的变异系数,取值范围为[0.08,0.17]。
2.根据权利要求1所述的一种基于线圈检测的交通事件影响范围及持续时间确定方法,其特征在于,步骤2所述的停车波计算模型为,
式中,q1i为交叉口某队列上游的车流量,vt1i为上游的地点平均车速,ki为堵塞密度,c.v为区间车速的变异系数,取值范围为[0.08,0.17]。
3.根据权利要求1所述的一种基于线圈检测的交通事件影响范围及持续时间确定方法,其特征在于,步骤2所述的计算该时间间隔后新增的各进口道排队长度ΔLi,并对各进口道排队长度Li进行更新具体包括以下步骤:
(21)判断路段排队长度Lr是否大于交通事件发生点到交叉口的距离X,是则执行步骤(22),否则返回步骤1;
(22)判断路段排队长度Lr是否首次大于交通事件发生点到交叉口的距离X,是则执行步骤(23),否则执行步骤(25);
(23)利用停车波计算模型计算从交叉口向各进口道传播的停车波波速ωsi,根据车辆排队至交叉口所需的时间t1及交通事件从发生到此次扫描结束所耗时间T1,得到剩余时间t2,计算在剩余时间t2内交叉口各进口道新增的排队长度ΔLi;
其中,
ΔLi=t2ωsi=(T1-t1)ωsi
t1=(X-Lr+|ω|*Δt)/|ω|
(24)更新此次扫描间隔后交叉口各进口道排队长度Li,执行步骤(26);
其中,对于与事件发生路段方向相同的进口道排队长度L1为,
L1=Lr+ΔL1
式中,ΔL1为新增的与事件发生路段方向相同的进口道排队长度;
对于交叉口其他进口道排队长度Li为,
Li=ΔLi
(25)利用停车波计算模型计算从交叉口向各进口道传播的停车波波速ωsi,更新此次扫描间隔后交叉口各进口道排队长度Li;
其中,
Li=Li+ΔLi=Li+Δt*ωsi
式中,等号左边的Li为此次线圈扫描更新后交叉口某进口道排队长度,等号右边的Li为上次线圈扫描更新后某进口道排队长度,ΔLi为新增的某进口道排队长度;
(26)交通事件是否结束,是则执行步骤3,否则间隔预定时间间隔Δt后返回步骤(22)。
4.根据权利要求1所述的一种基于线圈检测的交通事件影响范围及持续时间确定方法,其特征在于,步骤4所述的计算此时间间隔后新增的各进口道消散长度ΔSi,并对各进口道消散长度Si进行更新具体包括以下步骤:
(41)判断路段消散长度S是否大于交通事件发生点到交叉口的距离X,是则执行步骤(42),否则返回步骤3;
(42)判断路段消散长度S是否首次大于交通事件发生点到交叉口的距离X,是则执行步骤(43),否则返回步骤(44);
(43)利用第二启动波计算模型计算交叉口各进口道的启动波波速ωbi,由此计算此时间间隔后新增的各进口道消散长度ΔSi,并对各进口道消散长度Si进行更新,执行步骤(45);
其中,对于与事件发生路段方向相同的进口道消散长度S1为,
S1=S+ΔS1=S+|ωb1|*Δt
式中,ΔS1为新增的与事件发生路段方向相同的进口道消散长度;
对于交叉口其他进口道消散长度Si为,
Si=ΔSi=|ωbi|*Δt
(44)利用第二启动波计算模型计算交叉口各进口道的启动波波速ωbi,由此计算此时间间隔后新增的各进口道消散长度ΔSi,并对各进口道消散长度Si进行更新;
其中,
Si=Si+ΔSi=Si+|ωbi|*Δt
式中,等号左边的Si为此次线圈扫描更新后交叉口某进口道消散长度,等号右边的Si为上次线圈扫描更新后某进口道消散长度;
(45)判断交叉口各进口道消散长度Si是否均大于各进口道排队长度Li,是则执行步骤5,否则间隔预设时间间隔Δt后返回步骤(42)。
5.根据权利要求1所述的一种基于线圈检测的交通事件影响范围及持续时间确定方法,其特征在于,步骤3所述的第一启动波计算模型为,
ωb=vf
式中,vf为启动波所在路段的自由流车速,此处取该路段的限制速度。
6.根据权利要求1所述的一种基于线圈检测的交通事件影响范围及持续时间确定方法,其特征在于,步骤4所述的第二启动波计算模型为,
式中,vfi为启动波所在路段的自由流车速,gi为启动波所在交叉口进口道的绿灯时间,Ci为启动波所在交叉口的信号周期。
7.根据权利要求1所述的一种基于线圈检测的交通事件影响范围及持续时间确定方法,其特征在于,步骤5所述的事件持续时间t为,
t=(Li-|ωsi|*Δt-Si+|ωbi|*Δt)/(|ωbi|-|ωsi|)
式中,Si为最后一个启动波追上停车波方向上的排队消散长度,ωbi为该进口道的启动波波速,Li为该进口道排队长度,ωsj为该进口道的停车波波速。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310633349.4A CN103680150B (zh) | 2013-12-02 | 2013-12-02 | 基于线圈检测的交通事件影响范围及持续时间确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310633349.4A CN103680150B (zh) | 2013-12-02 | 2013-12-02 | 基于线圈检测的交通事件影响范围及持续时间确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103680150A CN103680150A (zh) | 2014-03-26 |
CN103680150B true CN103680150B (zh) | 2015-10-28 |
Family
ID=50317563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310633349.4A Active CN103680150B (zh) | 2013-12-02 | 2013-12-02 | 基于线圈检测的交通事件影响范围及持续时间确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103680150B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268642B (zh) * | 2014-09-16 | 2018-02-09 | 杭州文海信息技术有限公司 | 基于最小变异系数评价及推理模型的道路通堵预测方法 |
CN104952259B (zh) * | 2015-06-18 | 2017-04-26 | 安徽四创电子股份有限公司 | 基于交通场面雷达的交通事件的持续时间计算方法 |
CN104952258B (zh) * | 2015-06-18 | 2017-05-10 | 安徽四创电子股份有限公司 | 基于交通场面雷达的交通事件影响范围计算方法 |
CN104952250B (zh) * | 2015-06-18 | 2017-04-26 | 安徽四创电子股份有限公司 | 基于交通场面雷达的交通事件条件下的交通组织方法 |
CN105023433B (zh) * | 2015-07-01 | 2018-04-20 | 重庆大学 | 一种高速公路交通异常事件影响范围预估方法 |
CN106097718B (zh) * | 2016-08-23 | 2018-09-11 | 重庆大学 | 基于gps数据的信号交叉口区域通行时间估计方法 |
CN106355877B (zh) * | 2016-08-23 | 2020-01-14 | 重庆大学 | 基于粒子滤波算法的高速公路交通事件影响范围仿真估计方法 |
CN106530749B (zh) * | 2016-10-18 | 2019-03-01 | 同济大学 | 基于单截面低频检测数据的信控交叉口排队长度估计方法 |
CN106327881A (zh) * | 2016-10-19 | 2017-01-11 | 安徽四创电子股份有限公司 | 用于过渡路段的交通阻塞时间计算方法 |
CN108320537B (zh) * | 2018-04-04 | 2020-06-09 | 迈锐数据(北京)有限公司 | 车辆排队长度的计算方法及装置 |
CN108806282B (zh) * | 2018-06-01 | 2020-09-04 | 浙江大学 | 基于样本行程时间信息的车道组最大排队长度估计方法 |
CN108777068B (zh) * | 2018-06-13 | 2021-03-02 | 西华大学 | 一种基于多维检测线圈采集周期的交通流瓶颈识别方法 |
CN109559506B (zh) * | 2018-11-07 | 2020-10-02 | 北京城市***工程研究中心 | 一种降雨天气下城市道路间断交通流延误时间预测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004220423A (ja) * | 2003-01-16 | 2004-08-05 | Denso Corp | 交差点内交通事故状況把握システムおよび電子ナンバープレート |
JP2005032027A (ja) * | 2003-07-07 | 2005-02-03 | Nec Fielding Ltd | 交通事故早期解決システム、事故検知システム、及び事故分析サーバ |
DE10359037A1 (de) * | 2003-12-10 | 2005-07-28 | Technische Universität Dresden | Verfahren zur Modellierung von Verkehrsabläufen |
CN102034354A (zh) * | 2010-11-04 | 2011-04-27 | 东南大学 | 基于固定检测器的城市道路交通事故影响范围确定方法 |
CN102419905A (zh) * | 2011-08-12 | 2012-04-18 | 北京航空航天大学 | 基于交通波理论的高速公路事故的交通影响范围确定方法 |
CN102568215A (zh) * | 2012-02-26 | 2012-07-11 | 浙江大学 | 一种基于检测器的车辆排队检测方法 |
CN102610087A (zh) * | 2012-02-14 | 2012-07-25 | 清华大学 | 基于车流波理论的交通事件影响分析方法 |
-
2013
- 2013-12-02 CN CN201310633349.4A patent/CN103680150B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004220423A (ja) * | 2003-01-16 | 2004-08-05 | Denso Corp | 交差点内交通事故状況把握システムおよび電子ナンバープレート |
JP2005032027A (ja) * | 2003-07-07 | 2005-02-03 | Nec Fielding Ltd | 交通事故早期解決システム、事故検知システム、及び事故分析サーバ |
DE10359037A1 (de) * | 2003-12-10 | 2005-07-28 | Technische Universität Dresden | Verfahren zur Modellierung von Verkehrsabläufen |
CN102034354A (zh) * | 2010-11-04 | 2011-04-27 | 东南大学 | 基于固定检测器的城市道路交通事故影响范围确定方法 |
CN102419905A (zh) * | 2011-08-12 | 2012-04-18 | 北京航空航天大学 | 基于交通波理论的高速公路事故的交通影响范围确定方法 |
CN102610087A (zh) * | 2012-02-14 | 2012-07-25 | 清华大学 | 基于车流波理论的交通事件影响分析方法 |
CN102568215A (zh) * | 2012-02-26 | 2012-07-11 | 浙江大学 | 一种基于检测器的车辆排队检测方法 |
Non-Patent Citations (2)
Title |
---|
道路交通事故的影响范围算法;俞斌 等;《城市交通》;20080531;第6卷(第3期);第82-86页 * |
高速公路重大交通事故时空影响范围研究;曹志远 等;《公路工程》;20111231;第36卷(第6期);第55-58页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103680150A (zh) | 2014-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103680150B (zh) | 基于线圈检测的交通事件影响范围及持续时间确定方法 | |
CN104282162B (zh) | 一种基于实时车辆轨迹的交叉口自适应信号控制方法 | |
CN104575036B (zh) | 基于动态od流量预测与仿真优化的区域信号控制方法 | |
CN103150930B (zh) | 针对快速道路常发性拥堵路段的追尾事故实时预测方法 | |
CN102034353B (zh) | 基于固定检测器的城市道路交通事故排队长度测算方法 | |
CN106710215B (zh) | 瓶颈上游车道级交通状态预测***及实现方法 | |
CN104484994B (zh) | 基于阵列雷达的城市路网交通运行指数评价方法 | |
CN104464310A (zh) | 城市区域多交叉口信号协同优化控制方法及*** | |
Song et al. | Delay correction model for estimating bus emissions at signalized intersections based on vehicle specific power distributions | |
CN102750826B (zh) | 一种用于群体诱导信息下驾驶员响应行为的辨识方法 | |
Chevallier et al. | Dynamic noise modeling at roundabouts | |
Hongchao et al. | Analytical approach to evaluating transit signal priority | |
Ban et al. | Bottleneck identification and calibration for corridor management planning | |
CN103440764A (zh) | 一种基于车辆自动识别数据的城市路网车辆出行路径重构方法 | |
CN106355882B (zh) | 一种基于路中检测器的交通状态估计方法 | |
CN102034354A (zh) | 基于固定检测器的城市道路交通事故影响范围确定方法 | |
CN107563566A (zh) | 一种基于支持向量机的公交站间运行时间区间预测方法 | |
Liu et al. | A new approach for real-time traffic delay estimation based on cooperative vehicle-infrastructure systems at the signal intersection | |
CN109308805A (zh) | 一种基于自适应加权平均数据融合的路网mfd估测方法 | |
CN106203667B (zh) | 一种公交到站信息评测方法和装置 | |
Yang et al. | Arterial roadway energy/emissions estimation using modal-based trajectory reconstruction | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
CN109816978B (zh) | 考虑驾驶员动态响应行为的区域群体交通诱导***及方法 | |
Yao et al. | Sampled trajectory data-driven method of cycle-based volume estimation for signalized intersections by hybridizing shockwave theory and probability distribution | |
Hu et al. | Use of automated vehicle location data for route-and segment-level analyses of bus route reliability and speed |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |