CN109559506B - 一种降雨天气下城市道路间断交通流延误时间预测方法 - Google Patents

Abstract

本发明提供了一种降雨天气下城市道路间断交通流延误时间预测方法，针对降雨天气下城市道路交通流难以准确有效预测的问题，通过挖掘分析气象数据、交通流数据的关系，分析降雨天气下道路交通流运行特性和规律，构建了不同降水强度等级下的城市道路间断交通流关系模型，结合道路交叉口信号控制参数，采用集散波理论分析了城市道路间断交通流的延误时间，考虑欠饱和、饱和等不同交通运行状态，给出相应的延误时间计算方法，最终实现了对降雨天气下城市道路间断交通流延误时间的预测。

Description

一种降雨天气下城市道路间断交通流延误时间预测方法

技术领域

本发明公开了一种降雨天气下城市道路间断交通流延误时间预测方法，属于恶劣天气下城市交通间断流预测技术领域。

背景技术

由于城市道路交通流具有不确定性、随机性和非线性等特性，城市交通***是一个多变的复杂***，这些特性也增加了城市交通管理的难度，并导致交通拥堵、安全事故等一系列问题。为了改善城市交通管理的有效性和安全性并提升道路交通精确感知和预测能力，加强对城市道路交通流的预测预报已经成为解决当前复杂交通***有效监控和管理的必要手段。由于城市交通流的实时波动等特性，道路交通流预测技术难点主要是针对短时交通流进行预测，现有方法一般建立各种预测模型，如多元回归模型、时间序列模型、历史趋势模型、神经网络模型、卡尔曼滤波模型等进行短时预测，由于交通流在外界干扰因素影响下会发生相应的波动，如城市降雨天气将影响道路交通的常态运行，现有方法技术很少考虑降雨情景下的城市道路交通流预测，由于无法有效估计和预测交通流运行特性，也无法开展有针对性的交通管理和控制，在此背景情况下，城市道路交通运行效率变得极为低下，交通拥堵、延误等情况变得更加严重。

针对现有城市道路交通流预测技术的不足，本方法将建立降雨天气下城市道路交通流预测方法技术，由于城市道路交通受到交叉口信号控制影响，结合交叉口的控制信号，考虑不同降水强度等级下的道路交通流运行特性和规律，对此天气背景下的城市道路间断交通流的延误时间进行预测，提高降雨天气下城市道路交通流的有效估计和准确预测能力。

与现有技术相比，本发明的有点在于以下几点：

1)融合降雨气象数据、道路交通流检测数据，充分考虑降雨天气对城市交通流的影响，针对不同降雨强度等级，分别建立相应的城市道路交通流关系模型，可根据不同的降雨强度等级情景应用模型对应的交通流关系方程，从而提高城市道路间断流预测准确性和有效性。

2)综合考虑城市间断交通流特性，分析和判别道路交叉***通流运行状态，采用集散波理论构建城市道路间断交通流运行机理模型，使之更符合实际城市道路交通流的运行特点和规律，从而更加直观明显的获得城市道路间断交通流延误时间的预测结果。

发明内容

本发明为解决降雨天气下城市道路间断交通流难以有效预测等问题，公开一种降雨情景下城市道路间断交通流延误时间预测方法，该方法综合降雨量等气象数据、交通流量等道路交通检测数据，通过分析不同降水强度等级下降雨量和交通数据的对应关系，构建降水条件下的路段交通流参数关系模型，进一步分析在不同降水强度等级下信号控制交叉***通流的集结波、消散波运行规律，构建信号控制交叉***通流集散波基础模型，在集散波波速计算、交通状态判别以及延误时间分析的基础上，给出了不同降水强度等级下相应交通状态下的延误时间计算方法，结合路***通信号控制参数，可构建实际道路交通间断流集散波模型，最后可得到降雨天气下城市道路间断交通流延误时间预测结果，从而最终实现对降雨天气城市交通流延误时间进行估计预测的目标。本发明基本方法流程如图1所示，具体采用的如下方案：

步骤1：气象数据、交通流数据筛选预处理，基于气象数据分析降水强度等级、车辆检测器检测得到交通流数据，整理获取的交通流量、速度、占有率等基础道路交通运行数据；

步骤2：根据降水强度等级划分标准，建立不同等级下气象数据和交通数据的对应关系，搭建降雨情景下道路交通流数据映射环境，基本数据关系表达如下。

式中，

和

分别为在降雨强度等级l下的气象数据和交通数据，r_lower,r_upper分别为降水量的上下限，q,u分别为交通流量和交通速度；

步骤3：针对不同降水强度等级，融合相关气象和交通数据，分别建立相应的交通流关系方程，构建降水条件下的路段交通流参数关系模型

F_i＝f_i(l,q,u)

式中，l代表降水强度等级，q代表此时的交通流量，u代表路段平均交通流速度。

步骤4：构建信号控制交叉***通流集散波基础模型，分析在不同降水强度等级下信号控制交叉***通流的集结波、消散波运行规律，分别获取相应的集散波波速参数等，基于集散波理论形成降水条件下的交叉***通流集散波模型为

式中，w为交通流集散波波速，q₁和q₂分别代表上游和下游的交通流量，k₁和k₂分别代表上游和下游的交通流密度，u₂和u₁分别代表上游和下游的交通流平均速度；

步骤5：计算交通流集散波波速w

计算集结波的波速

w₁＝q₁u₁/(q₁-u₁k_lm)，

计算消散波的波速

w₂＝k_lmu_lm/k_lm-k_lj，

式中，w₁为路口红灯时交通流在进口排队的波速，w₂为路口绿灯后排队的交通流相继驶离路口的波速，k_lm为降水强度等级l下的饱和交通密度，u_lm为降水强度等级l下的饱和交通流速度，k_lj为降水强度等级l下的堵塞交通密度；

步骤6：交通状态判别，分析判别道路交叉***通流运行状态，基于集散波模型，以车辆通过交叉口的排队次数为参考，当车辆没有停车或只有一次停车排队即可通过路口时，初步判定此时交通处于欠饱和状态，当车辆在路口排队等待的停车次数超过一次时，初步判定此时交通处于过饱状态，当车辆均需一次排队停车等待或者接近停车状态才能通过路口，判定交通处于临界饱和状态；

步骤7：道路交通间断流延误时间分析，两个相邻路口之间，机动车i通过上下游交叉口的时间分别为t′_i,t_i，通过上游交叉口后机动车i以速度u_i行驶至排队车辆队尾并停车等待，下游交叉口绿灯放行后，机动车i以饱和交通速度u_m通过交叉口，根据机动车通过无信号控制交叉口条件下的理论时间t_n，和实际机动车通过下游交叉口的实际时间t_i，计算延误时间T_delay。

式中，t_i为机动车通过下游交叉口的实际时间，t_n为机动车通过无信号控制交叉口条件下的理论时间，l为路段长度，d为同方向的交叉口宽度；

步骤8：基于实际集散波的道路交通间断流延误预测结果，结合路***通信号控制参数，构建实际道路交通间断流集散波模型，获得在不同降水强度等级下相应的延误时间预测结果。

本发明具有如下有益的技术效果：

1)本发明通过分析降雨天气下城市道路交通运行数据，挖掘不同降水强度等级下的气象和交通对应关系，通过构建降水天气下路段交通流参数关系模型，发现了降水天气下城市道路交通流运行规律和机理。

2)本发明融合集散波理论特点，考虑城市道路交通间断流在信号控制交叉口的排队和消散情况，结合信号控制方案，分析了城市道路交通流延误时间构成，建立了延误时间计算方法，实现了对城市道路交通间断流延误时间的预测。

3)基于本发明可开展降雨天气下城市交通规划线路延误时间预测、交通拥堵时间分析以及基于延误时间预测的交通出行路线选择等，一方面，可提升了降雨情景下城市交通流延误时间预测的准确性和有效性，另一方面，有助于提高城市交通出行效率、提升道路资源利用率等。

附图说明

下面结合附图和实例对本发明进一步说明：

图1降雨天气城市道路间断交通流延误时间预测流程图。

图2道路车辆检测器设置示意图。

图3信号控制交叉***通流集散波模型。

图4欠饱和交通状态示意图。

图5过饱和交通状态意图。

具体实施方式

下面结合附图针对发明内容部分所采用的技术方案进行详细说明，主要步骤如下：

步骤1：气象数据、交通流数据筛选预处理。基于气象数据分析降水强度等级，基于车辆检测器检测得到交通流数据，整理获取交通流量、速度、占有率等基础道路交通运行数据。其中，降雨强度等级按照国家气象局相关标准执行，具体如表1所示，道路车辆检测器设置如图2所示。

表1降水强度等级划分标准

步骤2：根据降水强度等级划分标准，建立不同等级下气象数据和交通数据的对应关系，搭建降雨情景下道路交通流数据映射环境，基本数据关系表达如下。

式中，

和

分别为在降雨强度等级l下的气象数据和交通数据，r_lower,r_upper分别为降水量的上下限，q,u分别为交通流量和交通速度。

步骤3：针对不同降水强度等级，融合相关气象和交通数据，分别建立相应的交通流关系方程，构建降水条件下的路段交通流参数关系模型，基本数学表达式如下式所示。

F_i＝f_i(l,q,u)

式中，l代表降水强度等级，q代表此时的交通流量，u代表路段平均交通流速度。

步骤4：构建信号控制交叉***通流集散波基础模型，分析在不同降水强度等级下信号控制交叉***通流的集结波、消散波运行规律，分别获取相应的集散波波速参数等，基于集散波理论形成降水条件下的交叉***通流集散波模型，基础模型如图3所示。

图中，w₁表示路口红灯时交通流在进口排队的波速，即集结波速；w₂表示路口绿灯后排队的交通流相继驶离路口的波速，即消散波速。其数学表达式如下式。

式中，q₁和q₂分别代表上游和下游的交通流量，k₁和k₂分别代表上游和下游的交通流密度，u₂和u₁分别代表上游和下游的交通流平均速度。

步骤5：交通流集散波波速w计算。其中，集结波的波速w₁＝q₁u₁/(q₁-u₁k_lm)，消散波的波速w₂＝k_lmu_lm/k_lm-k_lj。两式中，q₁、u₁分别为检测得到的路段交通流量和路段车辆平均速度，k_lm为降水强度等级l下的饱和交通密度，u_lm为降水强度等级l下的饱和交通流速度，k_lj为降水强度等级l下的堵塞交通密度。

步骤6：交通状态判别。分析判别道路交叉***通流运行状态，基于集散波模型，以车辆通过交叉口的排队次数为参考，当车辆没有停车或只有一次停车排队即可通过路口时，初步判定此时交通处于欠饱和状态，如图4所示；当车辆在路口排队等待的停车次数超过一次时，初步判定此时交通处于过饱状态，如图5所示。特别地，当车辆均需一次排队停车等待或者接近停车状态才能通过路口，此时交通处于临界饱和状态。

步骤7：道路交通间断流延误时间分析。以两个相邻路口为例，机动车i通过上下游交叉口的时间分别为t′_i,t_i，通过上游交叉口后机动车i以速度u_i行驶至排队车辆队尾D点并停车等待，下游交叉口绿灯放行后，消散波传播至C点后，机动车i以饱和交通速度u_m通过交叉口。从两个图中可以得到，如果下游交叉口没有控制信号，理论上机动车i通过下游交叉口的时间应为t_n，而实际通过时间为t_i，从而可得到延误时间为T_delay。道路交通间断流延误时间计算。在欠饱和状态下，理论上机动车停车等待的延误时间一般不会超过下游交叉口的红灯时间，如图4所示T_delay<t_red；同理，在过饱和状态下，机动车停车等待的延误时间超过下游交叉口的红灯时间，如图5所示T_delay＞t_red。

其中，延误时间T_delay：

式中，t_i为机动车通过下游交叉口的实际时间，t_n为机动车通过无信号控制交叉口条件下的理论时间，l为路段长度，d为同方向的交叉口宽度。

步骤8：基于实际集散波的道路交通间断流延误预测结果，结合路***通信号控制参数，构建实际道路交通间断流集散波模型，获得在不同降水强度等级下相应的延误时间预测结果。

Claims (1)

1.一种降雨天气下城市道路间断交通流延误时间预测方法，其特征在于，该方法包括：

步骤1：气象数据、交通流数据筛选预处理，基于气象数据分析降水强度等级、车辆检测器检测得到交通流数据，整理获取的交通流量、速度、占有率等基础道路交通运行数据；

步骤2：根据降水强度等级划分标准，建立不同等级下气象数据和交通数据的对应关系，搭建降雨情景下道路交通流数据映射环境，基本数据关系表达如下：

式中，

和

分别为在降雨强度等级l下的气象数据和交通数据，r_lower,r_upper分别为降水量的上下限，q,u分别为交通流量和交通速度；

步骤3：针对不同降水强度等级，融合相关气象和交通数据，分别建立相应的交通流关系方程，构建降水条件下的路段交通流参数关系模型

F_i＝f_i(l,q,u)

式中，l代表降水强度等级，q代表此时的交通流量，u代表路段平均交通流速度；

步骤4：构建信号控制交叉***通流集散波基础模型，分析在不同降水强度等级下信号控制交叉***通流的集结波、消散波运行规律，分别获取相应的集散波波速参数等，基于集散波理论形成降水条件下的交叉***通流集散波模型为

式中，w为交通流集散波波速，q₁和q₂分别代表上游和下游的交通流量，k₁和k₂分别代表上游和下游的交通流密度，u₂和u₁分别代表上游和下游的交通流平均速度；

步骤5：计算交通流集散波波速w

计算集结波的波速

w₁＝q₁u₁/(q₁-u₁k_lm)，

计算消散波的波速

w₂＝k_lmu_lm/k_lm-k_lj，

式中，w₁为路口红灯时交通流在进口排队的波速，w₂为路口绿灯后排队的交通流相继驶离路口的波速，k_lm为降水强度等级l下的饱和交通密度，u_lm为降水强度等级l下的饱和交通流速度，k_lj为降水强度等级l下的堵塞交通密度；

步骤6：交通状态判别，分析判别道路交叉***通流运行状态，基于集散波模型，以车辆通过交叉口的排队次数为参考，当车辆没有停车或只有一次停车排队即可通过路口时，初步判定此时交通处于欠饱和状态，当车辆在路口排队等待的停车次数超过一次时，初步判定此时交通处于过饱状态，当车辆均需一次排队停车等待或者接近停车状态才能通过路口，判定交通处于临界饱和状态；

步骤7：道路交通间断流延误时间分析，两个相邻路口之间，机动车i通过上下游交叉口的时间分别为t’_i,t_i，通过上游交叉口后机动车i以速度u_i行驶至排队车辆队尾并停车等待，下游交叉口绿灯放行后，机动车i以饱和交通速度u_m通过交叉口，根据机动车通过无信号控制交叉口条件下的理论时间t_n，和实际机动车通过下游交叉口的实际时间t_i，计算延误时间T_delay；

式中，t_i为机动车通过下游交叉口的实际时间，t_n为机动车通过无信号控制交叉口条件下的理论时间，l为路段长度，d为同方向的交叉口宽度；

步骤8：基于实际集散波的道路交通间断流延误预测结果，结合路***通信号控制参数，构建实际道路交通间断流集散波模型，获得在不同降水强度等级下相应的延误时间预测结果。

Images