CN104658253A - 一种高速公路交通状态判别方法 - Google Patents

Abstract

本发明提供了一种能够对高速公路进行交通状态估计的方法。现有高速公路交通负荷日益增加,道路的通行能力及服务水平显著降低。本发明的基本思想是利用检测器检测的流量和速度数据，首先估计检测器周围的交通三参数，随后根据显示单元和检测器的位置关系，得到不同区段进行加权估计，并依据区段交通参数进而加权得到显示单元的交通状态，最后利用阈值对交通状态进行分级。本发明提供了一种高效的高速公路交通状态判别方法，使有限的路网时空资源发挥最大的效率。

Description

一种高速公路交通状态判别方法

技术领域

本发明涉及一种高速公路交通状态判别方法，用于高速公路交通管理与控制，属于智能交通研究领域。

背景技术

高速公路交通状态判别是指利用高速公路主线断面检测器及出入口匝道检测器所获取的交通流参数，建立表征高速公路交通流运行状态主要指标的计算方法，进而对高速公路交通流运行状态进行分级判别。高速公路交通状态的合理判别为城市交通管理者、出行者的决策提供支持技术和参考信息，为交通管理者实时了解路网交通状态变化的信息，及时采取对策疏导交通、缓解拥挤、提升交通安全，发挥路网时空资源最大的效率奠定基础。

现有的交通状态估计方法有以下几个缺点：(1)检测器检测的空间断面、状态估计的空间单元、交通状态发布的空间单元三者不一致，从而进行状态估计和发布都没有充分利用检测器信息；(2)交通状态的随机性影响没有考虑，从而发布的信息稳定性有待提高；(3)相关方法过于复杂，很难在实践中进行应用。

基于此，为了更加准确地判断高速公路交通运行效率与拥挤程度，需要建立一种高效的高速公路交通状态判别方法。

发明内容

本发明的目的在于提供一种高速公路交通状态判别方法。该方法的基本思想是通过路网布设的检测器获取交通流参数，经过交通数据处理后，进而建立路网交通流运行状态指标计算方法。为实现上述目的，本发明提出的高速公路交通状态判别方法包括：检测器数据处理、交通状态的估计、状态分级与判别。

本发明的基本步骤如下：

c1、检测器数据处理；

c2、高速公路交通状态的估计；

c3、状态分级与判别流程。

步骤c1具体是：

检测器数据的采集和处理。

每个主线断面检测器需要至少记录每个车道每个采样间隔内交通流的平均速度和流量。同时需要对数据进行相应的预处理，保证模型输入数据的规范、标准。建议在高速公路数据采集时，采用1分钟作为基本的数据采样间隔。同时，可以根据实际需要进行数据的合并与调整，交通状态的发布间隔可以是1分钟的倍数。数据预处理主要包括流量和速度数据。

基本数据主要包括两类：第n个基本显示单元内、第i条车道、以1分钟为采样间隔下第k1采样间隔的每车道检测器流量q(n,i,k₁)(单位：veh/1 min)及第n个基本显示单元内、第i条车道、以1分钟为采样间隔下第k1采样间隔的车辆速度平均值v(n,i,k₁)(单位：km/h)。

步骤c2的过程包括：

c21、高速公路交通状态变量及其计算方法

根据我国高速公路检测器布设的基本情况，确定高速公路交通状态显示的基本单元为2km。对交通流的宏观描述需要定义在某一特定时间段及特定位置下的描述交通流平均运行行为的变量。因此，需要对时间和空间进行离散化。离散的时间间隔可以用T来表示。高速公路的显示单元可以划分为n个2千米长度的基本单元。每个基本单元在每个时间间隔内t＝kT都可以用相应的宏观交通流基本参数进行表示。

①交通流密度：ρ_n(k)(单位：veh/km/lane)。表示在kT时刻，第n个基本单元内车辆数除以基本单元的长度Δ_m以及车道数λ_m。

②平均速度：v_n(k)(单位：km/h)。表示在kT时刻，第n个基本单元内所有车辆的平均速度。

③交通流量：q_n(k)(单位：veh/h)。表示在时间段[kT,(k+1)T]内，离开第n个基本单元的车辆数除以时间间隔T。

由于实际交通流的数据采集间隔为1分钟，根据需要将数据进行加和得到任意采样间隔的交通流数据。其中，流量可以直接相加求和，而速度需要进行加权平均得到。

设q_d(n,i,k)表示第n个基本显示单元内，第i条车道，在采样间隔时间为T分钟情况下，第k个采样间隔的检测器流量(单位：veh/T min)。v_d(n,i,k)表示第n个基本显示单元内，第i条车道，第k个采样间隔的平均速度(单位：km/h)。

则该断面交通流小时流量(单位veh/h)、断面速度(单位km/h)及断面周边密度(单位：veh/km/lane)的计算公式分别如下：

$q_d(n,k)=\frac{60\underset{i=1}{\overset{{\mathrm{\λ}}_n}{\mathrm{\Σ}}}{q}_d(n,i,k)}{T}$

$v_d(n,k)=\frac{\underset{i=1}{\overset{{\mathrm{\λ}}_n}{\mathrm{\Σ}}}{q}_d(n,i,k)v_d(n,i,k)}{\underset{i=1}{\overset{{\mathrm{\λ}}_n}{\mathrm{\Σ}}}{q}_d(n,i,k)}$

${\mathrm{\ρ}}_d(n,k)=\frac{q_d(n,k)}{v_d(n,k){\mathrm{\λ}}_n}$

式中，λ_n为车道数。

考虑到数据的波动特性，断面检测器三参数需要进行相应的平滑滤波处理进而应用于交通状态的估计值。三参数的平滑滤波模型如下：

${\hat{q}}_d(n,k)=\frac{{\mathrm{\β}}_1{q}_d(n,k-2)+{\mathrm{\β}}_2{q}_d(n,k-1)+{\mathrm{\β}}_3{q}_d(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

${\hat{v}}_d(n,k)=\frac{{\mathrm{\β}}_1{v}_d(n,k-2)+{\mathrm{\β}}_2{v}_d(n,k-1)+{\mathrm{\β}}_3{v}_d(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

${\widehat{\mathrm{\ρ}}}_d(n,k)=\frac{{\mathrm{\β}}_1{\mathrm{\ρ}}_d(n,k-2)+{\mathrm{\β}}_2{\mathrm{\ρ}}_d(n,k-1)+{\mathrm{\β}}_3{\mathrm{\ρ}}_d(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

其中，β₁、β₂、β₃分别为平滑的三个参数，且β₁+β₂+β₃＝1。三参数可以根据实际需要进行设置，这里考虑β₁＝0.2；β₂＝0.3；β₃＝0.5。

c22、状态估计方法

根据实际检测器的布设情况，每个基本显示单元的检测器布设情况主要分为如下三种情况：第一，没有布设检测器；第二，布设一组检测器；第三，布设多组检测器。对于没有布设检测器的区段，其状态需要通过前后两个区段的状态进行估计，如果没有布设检测器区段过多，则无法进行交通状态的估计。对于布设多组检测器的区间，尽量取一组考虑区段中间位置的检测器进行计算，其他检测器可以作为备用或进行状态估计的验证。

通过检测器数据进行区段交通状态的估计，主要分为两种情况。第一种：当基本显示单元为第一个区段或最后一个区段时，其区段的交通状态参数就等于该区段内检测器计算得到的交通状态参数。第二种：当区段前后都存在相应的状态时，其估算过程就较为复杂,如图2所示。

其中，基本显示单元n前半部分速度和基本显示单元n后半部分速度分别表示为：

$v_1(n,k)=\frac{{\hat{q}}_d(n,k)}{{\mathrm{\λ}}_n[{\widehat{\mathrm{\ρ}}}_d(n-1,k)L_1+{\widehat{\mathrm{\ρ}}}_d(n,k)L_2]/(L_1+L_2)}$

$v_2(n,k)=\frac{{\hat{q}}_d(n,k)}{{\mathrm{\λ}}_n[{\widehat{\mathrm{\ρ}}}_d(n,k)L_3+{\widehat{\mathrm{\ρ}}}_d(n+1,k)L_4]/(L_3+L_4)}$

则基本显示单元的运行速度为：

$v(n,k)=\frac{L_2+L_3}{L_2/v_1(n,k)+L_3/v_2(n,k)}$

同理，需要对运行速度进行平滑处理：

$\hat{v}(n,k)=\frac{{\mathrm{\β}}_1\hat{v}(n,k-2)+{\mathrm{\β}}_2\hat{v}(n,k-1)+{\mathrm{\β}}_3\hat{v}(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

相关参数取值可以参考前面的建议值。

步骤c3具体是：

对高速公路交通状态的状态分级与判别。根据高速公路交通流运行的特性，一般情况下可以采用速度指标作为衡量交通运行状态的关键变量。可以根据实际情况设置三级或四级交通状态分级标准，参见表1。具体的速度阈值需要结合实际数据及交通管理者的需求进行设置。

表1 高速公路交通状态分级表

本发明的有益效果：本发明的有益效果是充分利用检测器数据，平衡显示单元、状态估计区间和检测器布设之间的差异。

附图说明

图1为高速公路交通状态判别的基本流程；

图2高速公路交通状态判别区段划分表；

具体实施方式

下面结合附图1对发明具体实施方法进一步说明。

检测器检测到的原始数据据主要包括两类：以1分钟为采样间隔的每车道流量(q(n,i,k₁))及速度(v(n,i,k₁))。q_d1(n,i,k₁)表示第n个基本显示单元内，第i条车道，以1分钟为采样间隔下第k1采样间隔的检测器流量。(单位：veh/1min)v_d1(n,i,k₁)表示第n个基本显示单元内，第i条车道，以1分钟为采样间隔下第k1采样间隔的车辆速度平均值。(单位：km/h)

(1)断面交通三参数估计

得到原始数据之后，首先要估计断面的宏观交通流参数，也即交通三参数：(i)交通流密度：ρ_n(k)(单位：veh/km/lane)。表示在kT时刻，第n个基本单元内车辆数除以基本单元的长度Δ_m以及车道数λ_m；(ii)平均速度：v_n(k)(单位：km/h)。表示在kT时刻，第n个基本单元内所有车辆的平均速度；(iii)交通流量：q_n(k)(单位：veh/h)。表示在时间段[kT,(k+1)T]内，离开第n个基本单元的车辆数除以时间间隔T。

设q_d(n,i,k)表示第n个基本显示单元内，第i条车道，在采样间隔时间为T分钟情况下，第k个采样间隔的检测器流量(单位：veh/T min)。v_d(n,i,k)表示第n个基本显示单元内，第i条车道，第k个采样间隔的平均速度(单位：km/h)。

则该断面交通流小时流量(单位veh/h)为：

$q_d(n,k)=\frac{60\underset{i=1}{\overset{{\mathrm{\λ}}_n}{\mathrm{\Σ}}}{q}_d(n,i,k)}{T}$

其中，λ_n为车道数。

断面速度(单位km/h)为：

$v_d(n,k)=\frac{\underset{i=1}{\overset{{\mathrm{\λ}}_n}{\mathrm{\Σ}}}{q}_d(n,i,k)v_d(n,i,k)}{\underset{i=1}{\overset{{\mathrm{\λ}}_n}{\mathrm{\Σ}}}{q}_d(n,i,k)}$

断面周边密度(单位：veh/km/lane)为：

${\mathrm{\ρ}}_d(n,k)=\frac{q_d(n,k)}{v_d(n,k){\mathrm{\λ}}_n}$

(2)交通三参数的平滑

考虑到数据的波动特性，断面检测器三参数需要进行相应的平滑滤波处理进而应用于交通状态的估计。三参数的平滑滤波模型如下：

${\hat{q}}_d(n,k)=\frac{{\mathrm{\β}}_1{q}_d(n,k-2)+{\mathrm{\β}}_2{q}_d(n,k-1)+{\mathrm{\β}}_3{q}_d(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

${\hat{v}}_d(n,k)=\frac{{\mathrm{\β}}_1{v}_d(n,k-2)+{\mathrm{\β}}_2{v}_d(n,k-1)+{\mathrm{\β}}_3{v}_d(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

${\widehat{\mathrm{\ρ}}}_d(n,k)=\frac{{\mathrm{\β}}_1{\mathrm{\ρ}}_d(n,k-2)+{\mathrm{\β}}_2{\mathrm{\ρ}}_d(n,k-1)+{\mathrm{\β}}_3{\mathrm{\ρ}}_d(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

其中，β₁、β₂、β₃分别为平滑的三个参数，且β₁+β₂+β₃＝1。三参数可以根据实际需要进行设置，这里考虑β₁＝0.2；β₂＝0.3；β₃＝0.5。

(3)基本显示单元的交通参数的估计

根据实际检测器的布设情况，每个基本显示单元的检测器布设情况主要分为如下三种情况：第一，没有布设检测器；第二，布设一组检测器；第三，布设多组检测器。对于没有布设检测器的区段，其状态需要通过前后两个区段的状态进行估计，如果没有布设检测器区段过多，则无法进行交通状态的估计。对于布设多组检测器的区间，尽量取一组考虑区段中间位置的检测器进行计算，其他检测器可以作为备用或进行状态估计的验证。

通过检测器数据进行区段交通状态的估计，主要分为两种情况。第一种：当基本显示单元为第一个区段或最后一个区段时，其区段的交通状态参数就等于该区段内检测器计算得到的交通状态参数。第二种：当区段前后都存在相应的状态时，其估算过程就较为复杂，如图2所示。

其中，基本显示单元n前半部分速度可以表示为：

$v_1(n,k)=\frac{{\hat{q}}_d(n,k)}{{\mathrm{\λ}}_n[{\widehat{\mathrm{\ρ}}}_d(n-1,k)L_1+{\widehat{\mathrm{\ρ}}}_d(n,k)L_2]/(L_1+L_2)}$

其中，基本显示单元n后半部分速度可以表示为：

$v_2(n,k)=\frac{{\hat{q}}_d(n,k)}{{\mathrm{\λ}}_n[{\widehat{\mathrm{\ρ}}}_d(n,k)L_3+{\widehat{\mathrm{\ρ}}}_d(n+1,k)L_4]/(L_3+L_4)}$

则基本显示单元的运行速度为：

$v(n,k)=\frac{L_2+L_3}{L_2/v_1(n,k)+L_3/v_2(n,k)}$

同理，需要对运行速度进行平滑处理：

$\hat{v}(n,k)=\frac{{\mathrm{\β}}_1\hat{v}(n,k-2)+{\mathrm{\β}}_2\hat{v}(n,k-1)+{\mathrm{\β}}_3\hat{v}(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

相关参数取值可以参考前面的建议值。

(4)状态分级与判别

根据高速公路交通流运行的特性，一般情况下可以采用速度指标作为衡量交通运行状态的关键变量。可以根据实际情况设置三级或四级交通状态分级标准，参见表1。具体的速度阈值需要结合实际数据及交通管理者的需求进行设置。

表1 高速公路交通状态分级表

Claims (1)

1.一种高速公路交通状态判别方法，其特征在于该方法包括以下步骤：

c1、检测器数据处理；具体是：检测器检测到的原始数据据主要包括两类：以1分钟为采样间隔的每车道流量q(n,i,k₁)及速度v(n,i,k₁)；q_d1(n,i,k₁)表示第n个基本显示单元内，第i条车道，以1分钟为采样间隔下第k1采样间隔的检测器流量；v_d1(n,i,k₁)表示第n个基本显示单元内，第i条车道，以1分钟为采样间隔下第k1采样间隔的车辆速度平均值；

c2、高速公路交通状态的估计；具体是：

c21、断面交通三参数的估计；

设q_d(n,i,k)表示第n个基本显示单元内，第i条车道，在采样间隔时间为T分钟情况下，第k个采样间隔的检测器流量；v_d(n,i,k)表示第n个基本显示单元内，第i条车道，第k个采样间隔的平均速度；

则该断面交通流小时流量为：

$q_d(n,k)=\frac{60\underset{i=1}{\overset{{\mathrm{\λ}}_n}{\mathrm{\Σ}}}{q}_d(n,i,k)}{T}$

其中，λ_n为车道数；

断面速度为：

$v_d(n,k)=\frac{\underset{i=1}{\overset{{\mathrm{\λ}}_n}{\mathrm{\Σ}}}{q}_d(n,i,k)v_d(n,i,k)}{\underset{i=1}{\overset{{\mathrm{\λ}}_n}{\mathrm{\Σ}}}{q}_d(n,i,k)}$

断面周边密度为：

${\mathrm{\ρ}}_d(n,k)=\frac{q_d(n,k)}{v_d(n,k){\mathrm{\λ}}_n}$

c22、交通三参数的平滑；

考虑到数据的波动特性，断面检测器三参数需要进行相应的平滑滤波处理进而应用于交通状态的估计；三参数的平滑滤波模型如下：

${\hat{q}}_d(n,k)=\frac{{\mathrm{\β}}_1{q}_d(n,k-2)+{\mathrm{\β}}_2{q}_d(n,k-1)+{\mathrm{\β}}_3{q}_d(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

${\hat{v}}_d(n,k)=\frac{{\mathrm{\β}}_1{v}_d(n,k-2)+{\mathrm{\β}}_2{v}_d(n,k-1)+{\mathrm{\β}}_3{v}_d(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

${\widehat{\mathrm{\ρ}}}_d(n,k)=\frac{{\mathrm{\β}}_1{\mathrm{\ρ}}_d(n,k-2)+{\mathrm{\β}}_2{\mathrm{\ρ}}_d(n,k-1)+{\mathrm{\β}}_3{\mathrm{\ρ}}_d(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

其中，β₁、β₂、β₃分别为平滑的三个参数，且β₁+β₂+β₃＝1；三参数可以根据实际需要进行设置，这里考虑β₁＝0.2；β₂＝0.3；β₃＝0.5；；

c23、状态估计；

通过检测器数据进行区段交通状态的估计，主要分为两种情况；第一种：当基本显示单元为第一个区段或最后一个区段时，其区段的交通状态参数就等于该区段内检测器计算得到的交通状态参数；第二种：当区段前后都存在相应的状态时，按如下方式进行：

将基本显示单元n前半部分速度和基本显示单元n后半部分速度分别表示为：

$v_1(n,k)=\frac{{\hat{q}}_d(n,k)}{{\mathrm{\λ}}_n[{\widehat{\mathrm{\ρ}}}_d(n-1,k)L_1+{\widehat{\mathrm{\ρ}}}_d(n,k)L_2]/(L_1+L_2)}$

$v_2(n,k)=\frac{{\hat{q}}_d(n,k)}{{\mathrm{\λ}}_n[{\widehat{\mathrm{\ρ}}}_d(n,k)L_3+{\widehat{\mathrm{\ρ}}}_d(n+1,k)L_4]/(L_3+L_4)}$

则基本显示单元的运行速度为：

$v(n,k)=\frac{L_2+L_3}{L_2/v_1(n,k)+L_3/v_2(n,k)}$

同理，需要对运行速度进行平滑处理：

$\hat{v}(n,k)=\frac{{\mathrm{\β}}_1\hat{v}(n,k-2)+{\mathrm{\β}}_2\hat{v}(n,k-1)+{\mathrm{\β}}_3\hat{v}(n,k)}{{\mathrm{\β}}_1+{\mathrm{\β}}_2+{\mathrm{\β}}_3}$

c3、状态分级与判别流程；具体是：根据高速公路交通流运行的特性，采用速度指标作为衡量交通运行状态的关键变量；根据实际情况设置三级或四级交通状态分级标准；具体的速度阈值结合实际数据及交通管理者的需求进行设置；