CN112185109B - 一种面向智能网联道路的承载能力概率折减表征方法 - Google Patents

一种面向智能网联道路的承载能力概率折减表征方法 Download PDF

Info

Publication number
CN112185109B
CN112185109B CN202010959743.7A CN202010959743A CN112185109B CN 112185109 B CN112185109 B CN 112185109B CN 202010959743 A CN202010959743 A CN 202010959743A CN 112185109 B CN112185109 B CN 112185109B
Authority
CN
China
Prior art keywords
section
time
vehicle
bearing capacity
stop
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
Application number
CN202010959743.7A
Other languages
English (en)
Other versions
CN112185109A (zh
Inventor
李锐
王梦琪
薛鑫
张鑫洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN202010959743.7A priority Critical patent/CN112185109B/zh
Publication of CN112185109A publication Critical patent/CN112185109A/zh
Application granted granted Critical
Publication of CN112185109B publication Critical patent/CN112185109B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种面向智能网联道路的承载能力概率折减表征方法，包括步骤：划分智能网联道路区段；构建智能网联道路交通特征数据库；确定智能网联道路各区段包含范围；计算各区段承载能力折减影响时间；确定不同概率下道路承载能力折减区间。本发明借助智能网联道路在采集数据方面的便利，确定面向智能网联道路承载能力的概率折减表征方法，为道路承载能力的设计提供参考，为制定高效的交通管理控制措施提供依据，能够提高道路运行效率，极具有产业利用价值。

Description

一种面向智能网联道路的承载能力概率折减表征方法
技术领域
本发明涉及一种面向道路承载能力的概率折减表征方法，特别是涉及一种面向智能网联道路的承载能力概率折减表征方法，属于智能交通管理与控制***技术领域。
背景技术
随着经济的快速发展，近年来，交通问题已成为世界各大城市关注问题之一。我国主要的交通问题之一为道路承载能力的过低设计和过度设计，造成其与实际交通量的不匹配。事实上，对于不同类型路段，其承载能力的影响因素不同，如果将一条道路按照路段特征进行划分，对不同路段采用相应的承载能力折减方法，折减到各路段包含的范围上，那么就能得到整条道路的承载能力折减方法，为道路承载能力的设计提供参考，为制定高效的交通管理控制措施提供依据，对提高道路运行效率将具有十分重要的意义。而智能网联道路在采集数据方面非常方便，为道路承载能力折减的计算提供基础。
发明内容
本发明的主要目的在于，克服现有技术中的不足，提供一种面向智能网联道路的承载能力概率折减表征方法，借助智能网联道路在采集数据方面的便利，确定面向智能网联道路的承载能力概率折减表征方法，为道路承载能力的设计提供参考，为制定高效的交通管理控制措施提供依据，能够提高道路运行效率，极具有产业利用价值。
为了达到上述目的，本发明所采用的技术方案是：
一种面向智能网联道路的承载能力概率折减表征方法，包括以下步骤：
1)划分智能网联道路区段；
将智能网联道路划分为路侧停靠站区段、港湾停靠站区段、交叉口区段、施工区段及一般区段五类，双向道路的上下行分别进行划分；
2)构建智能网联道路交通特征数据库；
于工作日高峰时段实时采集车辆交通数据，每t分钟作为一个统计时段，记为tk时段，共调查n个tk时段，构建智能网联道路车辆交通特征数据库，具体包括路侧停靠站、港湾停靠站区段、交叉口区段、施工区段及一般区段交通特征数据集；
3)确定智能网联道路各区段包含范围；
对各交通特征数据集的数据进行分析，根据车辆在区段上下游换道点的位置确定路侧停靠站区段、港湾停靠站区段、施工区段包含范围；根据交叉口有无渐变段及渐变段范围确定交叉口区段包含范围；其他区段则属于一般区段；
4)计算各区段承载能力折减影响时间；
根据车辆到达和离开路侧停靠站的时间，计算路侧停靠站区段的折减影响时间；
根据车辆到达和离开港湾停靠站的时间及港湾停靠站的泊位数，计算港湾停靠站区段的折减影响时间；
根据交叉口的信号配时方案，计算交叉口区段的折减影响时间；
根据施工区段的施工时间，计算施工区段的折减影响时间；
根据一般区段车辆运行特征，计算一般区段的折减影响时间；
5)确定不同概率下道路承载能力折减区间；
各统计时段内，将计算的各区段承载能力折减总影响时间放在不同的时间区段内，画出时间区段占比图，确定各区段占比最高的时间区段及其占比大小，根据该占比最及其上下游的占比大小，确定不同概率下各区段承载能力折减区间的上、下限值，对各区段包含的路段范围进行折减，最后得到道路的承载能力折减区间。
本发明进一步设置为：所述步骤2)中构建智能网联道路交通特征数据库，具体为，
2-1)构建路侧停靠站区段交通特征数据集
路侧停靠站区段交通特征数据集
Figure GDA0002762304940000031
其中，
Figure GDA0002762304940000032
分别为第i辆车在路侧停靠站的到站、离站时间，
Figure GDA0002762304940000033
分别为车辆在路侧停靠站上、下游换道位置距该区段起点的距离；
2-2)构建港湾停靠站区段交通特征数据集
港湾停靠站区段交通特征数据集
Figure GDA0002762304940000038
其中，
Figure GDA0002762304940000034
分别为第i辆车在港湾停靠站的到站、离站时间，
Figure GDA0002762304940000035
Figure GDA0002762304940000036
分别为车辆在港湾停靠站上、下游换道位置距该区段起点的距离，b为港湾停靠站泊位数；
2-3)构建交叉口区段交通特征数据集
交叉口区段交通特征数据集
Figure GDA0002762304940000037
其中，tc为交叉口信号周期时长，
Figure GDA0002762304940000041
分别为左转、直行、右转相位的有效绿灯时间，
Figure GDA0002762304940000042
为交叉口进口道渐变段起点距停车线的距离；
2-4)构建施工区段交通特征数据集
施工区段交通特征数据集
Figure GDA0002762304940000043
其中，
Figure GDA0002762304940000044
分别为车辆在施工区上、下游换道位置距施工区段起点的距离；
2-5)构建一般区段交通特征数据集
一般区段上事故的发生具有随机性，无需构建该数据集。
本发明进一步设置为：所述步骤3)中确定智能网联道路各区段包含范围，具体为，
3-1)确定路侧停靠站区段包含范围
tk时段内，寻找车辆在该区段上、下游换道位置距该区段起点距离的最大
Figure GDA0002762304940000045
最小值
Figure GDA0002762304940000046
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure GDA0002762304940000047
Figure GDA0002762304940000048
则路侧停靠站包含的范围为
Figure GDA0002762304940000049
3-2)确定港湾停靠站区段包含范围
tk时段内，寻找车辆在该区段上、下游换道位置距该区段起点距离的最大
Figure GDA00027623049400000410
最小值
Figure GDA00027623049400000411
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure GDA00027623049400000412
Figure GDA00027623049400000413
则港湾停靠站包含的范围为
Figure GDA00027623049400000414
3-3)确定交叉口区段包含范围
若交叉口进口道包含渐变段，则交叉口包含的范围为
Figure GDA00027623049400000415
其中，
Figure GDA00027623049400000416
为渐变段起点距停车线的距离；若不包含渐变段，则交叉口区段包含的范围为停车线至上游100米区段；
3-4)确定施工区段包含范围
tk时段内，寻找车辆在该区段上、下游换道位置距该区段起点的距离的最大
Figure GDA0002762304940000051
最小值
Figure GDA0002762304940000052
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure GDA0002762304940000053
Figure GDA0002762304940000054
则施工区段包含的范围为
Figure GDA0002762304940000055
3-5)确定一般区段包含范围
介于上述各区段之间的区段属于一般区段。
本发明进一步设置为：所述步骤4)中计算路侧停靠站区段承载能力折减影响时间，具体为，
4-1a)换算车辆的到站和离站时间
将车辆的到站和离站时间以秒为单位进行换算，即t(Ri)＝H(Ri)×3600+M(Ri)×60+S(Ri)，其中，
Figure GDA0002762304940000056
Figure GDA0002762304940000057
分别为第i辆车在路侧停靠站的到站、离站时间，H(Ri)、M(Ri)、S(Ri)分别为各换算时刻的时、分、秒数；
4-2a)判断车辆是否停靠在站
Figure GDA0002762304940000058
时，第i辆车停靠在该停靠站；
Figure GDA0002762304940000059
时，第i辆车未停靠在该停靠站；
4-3a)计算路侧停靠站区段承载能力折减影响时间
tk时段内，路侧停靠站第i辆车的承载能力折减影响时间为
Figure GDA00027623049400000510
其中，
Figure GDA00027623049400000511
分别为第i辆车在路侧停靠站的到站和离站时间；则tk时段该区段的总折减影响时间为
Figure GDA0002762304940000061
其中VR为该统计时段内到达该路侧停靠站的总车辆数。
本发明进一步设置为：所述步骤4)中计算港湾停靠站区段承载能力折减影响时间，具体为，
4-1b)换算车辆的到站时间和离站时间
将车辆的到站和离站时间及统计时段中的每个时刻以秒为单位进行换算，即t(Bi)＝H(Bi)×3600+M(Bi)×60+S(Bi)，其中，
Figure GDA0002762304940000062
Figure GDA0002762304940000063
分别为第i辆车在港湾停靠站的到站、离站时间，ti为统计时段中的每个时刻，H(Bi)、M(Bi)、S(Bi)分别为各换算时刻的时、分、秒数；
4-2b)判断每个时刻车辆是否在站
将tk时段的每个时刻和车辆的到站、离站时刻进行比对，
Figure GDA0002762304940000064
时，表示第i辆车在ti时刻停靠在站；
Figure GDA0002762304940000065
或
Figure GDA0002762304940000066
时，表示第i辆车在ti时刻未停靠在站；
4-3b)计算每个时刻在站车辆数
ti时刻在站车辆数
Figure GDA0002762304940000067
其中，
Figure GDA0002762304940000068
分别为第i辆车的到站、离站时间，b(Bi)的初始值为0；
4-4b)确定停靠站有无车辆排队溢出
当停靠站同时在站车辆数大于停靠站泊位数，即b(Bi)＞b时，该停靠站有车辆排队溢出；当b(Bi)≤b时，该停靠站没有车辆排队溢出；
4-5b)计算停靠站每次排队溢出时间
tk时段内，停靠站第i次排队溢出时间
Figure GDA0002762304940000069
其中，b(Bi)为ti时刻在站车辆数，b为停靠站泊位数，
Figure GDA0002762304940000071
的初始值为0秒；
4-6b)计算港湾停靠站区段折减影响时间
tk时段内，港湾停靠站区段的总折减影响时间为
Figure GDA0002762304940000072
本发明进一步设置为：所述步骤4)中计算交叉口区段承载能力折减影响时间，具体为，
4-1c)计算各流向相位红灯时长
各相位显示绿灯时间为
Figure GDA0002762304940000073
其中，f为流向类型，f＝{L,T,R}，L为左转相位，T为直行相位，R为右转相位，
Figure GDA0002762304940000074
为各流向相位有效绿灯时间，A、Ls分别为黄灯时长和车辆启动损失时间，则各流向相位红灯时间为
Figure GDA0002762304940000075
tc为周期时长；
4-2c)计算交叉口区段承载能力折减影响时间
tk时段内，该区段在一个周期内的折减影响时间为
Figure GDA0002762304940000076
其中，
Figure GDA0002762304940000077
分别为交叉口左转、直行、右转相位的红灯时间；tk时段共有
Figure GDA0002762304940000078
个周期，其中，t为每个统计时段的时间，则交叉口区段的总折减影响时间为
Figure GDA0002762304940000079
本发明进一步设置为：所述步骤4)中计算施工区段承载能力折减影响时间，具体为，
4-1d)判断施工区段是否仍在施工
对tk时段中的每个时刻进行判断，
Figure GDA00027623049400000710
时，表示该时刻车辆在施工区段起点上游换道，说明该时刻施工区段仍在施工；
Figure GDA00027623049400000711
时，表示该时刻车辆已驶过施工区段起点，说明该时刻施工区段已取消施工；
4-2d)计算施工区段承载能力折减影响时间
tk时段内，施工区段的总折减影响时间为每个施工时刻之和，若该时刻
Figure GDA0002762304940000081
则在施工区段总的承载能力折减影响时间
Figure GDA0002762304940000082
里加1秒，否则加0秒，对tk时段中的每个时刻进行判断，其中，
Figure GDA0002762304940000083
为车辆在施工区段上游换道位置距该区段起点的距离，超过施工区段起点取负值，
Figure GDA0002762304940000084
的初始值为0秒。
本发明进一步设置为：所述步骤4)中计算一般区段承载能力折减影响时间，具体为，
tk时段内，一般区段的承载能力总折减影响时间为
Figure GDA0002762304940000085
本发明进一步设置为：所述步骤5)中确定不同概率下道路承载能力折减区间，具体为，
5-1)将各区段的总影响时间放入时间区段内
以t1为时间间隔划分时间区段，其中，0≤t1≤t，各时间区段分别为[0,t1]，(t1,2t1]，...，共有
Figure GDA0002762304940000086
个时间区段；
tk时段内，各区段共有n个总折减影响时间
Figure GDA0002762304940000087
其中，m为区段类型，m＝{R,B,I,C,O}，其中，R表示路侧停靠站区段，B表示港湾停靠站区段，I表示交叉口区段，C表示施工区段，O表示一般区段，将总影响时间放入相应的时间区段内，各区段第i个时间区段包含的总影响时间个数为
Figure GDA0002762304940000088
5-2)确定各区段占比最高时间区段及其占比
tk时段内，各区段的时间区段包含的总影响时间个数的最大值记为
Figure GDA0002762304940000089
则各区段占比最高时间区段的占比为
Figure GDA0002762304940000091
n为调查时段个数；
5-3)确定占比最高时间区段上下游的总占比
tk时段内，各区段占比最高时间区段的上、下游包含的总影响时间个数分别记为
Figure GDA0002762304940000092
当第i个时间区段((i-1)t1,it1]在占比最高的时间区段的上游，即(i-1)t1≥tM2时，
Figure GDA0002762304940000093
Figure GDA0002762304940000094
的初始值为0；(i-1)t1＜tM2时，
Figure GDA0002762304940000095
Figure GDA0002762304940000096
的初始值为0；则占比最高时间区段上、下游的总占比分别为
Figure GDA0002762304940000097
5-4)确定各区段承载能力折减区间
tk时段内，可接受折减概率为设定的p％时，距占比最高时间区段上游
Figure GDA0002762304940000098
的时间区段的中间值记为B(mk)，则该区段承载能力折减区间的上限值为
Figure GDA0002762304940000099
距占比最高时间区段下游
Figure GDA00027623049400000910
的时间区段的中间值记为A(mk)，则该区段承载能力折减区间的下限值为
Figure GDA00027623049400000912
则tk时段内，各区段承载能力折减区间为
Figure GDA00027623049400000911
5-5)确定道路承载能力折减区间
tk时段内，将各区段的承载能力折减区间分别折减到各区段包含范围上，得tk时段内道路的承载能力折减区间。
与现有技术相比，本发明具有的有益效果是：
本发明提供的一种面向智能网联道路的承载能力概率折减表征方法，将智能网联道路划分为路侧停靠站区段、港湾停靠站区段、交叉口区段、施工区段及一般区段五类，借助实时采集的车辆交通数据，计算不同路段的承载能力折减区间，进而计算整条道路的承载能力折减区间，对提高道路运行效率将具有十分重要的意义。
上述内容仅是本发明技术方案的概述，为了更清楚的了解本发明的技术手段，下面结合附图对本发明作进一步的描述。
附图说明
图1是本发明的流程图；
图2是本发明步骤1)中道路区段划分示意图；
图3是本发明步骤4)中公交停靠站单元公交车辆排队溢出情况示意图。
具体实施方式
下面结合说明书附图，对本发明作进一步的说明。
一种面向智能网联道路的承载能力概率折减表征方法，如图1所示，包括以下步骤：
1)划分智能网联道路区段；
将智能网联道路划分为路侧停靠站区段、港湾停靠站区段、交叉口区段、施工区段及一般区段五类，双向道路的上下行分别进行划分。
2)构建智能网联道路交通特征数据库；
于工作日高峰时段(7:00-9:00，17:00-19:00)实时采集车辆交通数据，每t分钟作为一个统计时段，记为tk时段，共调查n个tk时段，构建智能网联道路车辆交通特征数据库，具体包括路侧停靠站、港湾停靠站区段、交叉口区段、施工区段及一般区段交通特征数据集；
具体为，
2-1)构建路侧停靠站区段交通特征数据集
路侧停靠站区段交通特征数据集
Figure GDA0002762304940000111
其中，
Figure GDA0002762304940000112
分别为第i辆车在路侧停靠站的到站、离站时间，
Figure GDA0002762304940000113
分别为车辆在路侧停靠站上、下游换道位置距区段起点的距离；
2-2)构建港湾停靠站区段交通特征数据集
港湾停靠站区段交通特征数据集
Figure GDA0002762304940000114
其中，
Figure GDA0002762304940000115
分别为第i辆车在港湾停靠站的到站、离站时间，
Figure GDA0002762304940000116
Figure GDA0002762304940000117
分别为车辆在港湾停靠站上、下游换道位置距区段起点的距离，b为港湾停靠站泊位数；
2-3)构建交叉口区段交通特征数据集
交叉口区段交通特征数据集
Figure GDA0002762304940000118
其中，tc为信号周期时长，
Figure GDA0002762304940000119
分别为左转、直行、右转相位的有效绿灯时间，
Figure GDA00027623049400001110
为交叉口进口道渐变段起点距停车线的距离；
2-4)构建施工区段交通特征数据集
施工区段交通特征数据集
Figure GDA00027623049400001111
其中，
Figure GDA00027623049400001112
分别为车辆在施工区上、下游换道位置距施工区段起点的距离；
2-5)构建一般区段交通特征数据集
由于一般区段上事故发生具有随机性，因此无需构建该数据集。
3)确定智能网联道路各区段包含范围；
对各数据集的数据进行分析，根据车辆在区段上下游换道点的位置确定路侧停靠站区段、港湾停靠站区段、施工区段包含范围；根据交叉口有无渐变段及渐变段范围确定交叉口区段包含范围；其他区段则属于一般区段；
具体为，
3-1)确定路侧停靠站区段包含范围
tk时段内，寻找车辆在该区段上、下游换道位置距该区段起点距离的最大
Figure GDA0002762304940000121
最小值
Figure GDA0002762304940000122
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure GDA0002762304940000123
Figure GDA0002762304940000124
则路侧停靠站包含的范围为
Figure GDA0002762304940000125
3-2)确定港湾停靠站区段包含范围
tk时段内，寻找车辆在该区段上、下游换道位置距该区段起点距离的最大
Figure GDA0002762304940000126
最小值
Figure GDA0002762304940000127
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure GDA0002762304940000128
Figure GDA0002762304940000129
则港湾停靠站包含的范围为
Figure GDA00027623049400001210
3-3)确定交叉口区段包含范围
若交叉口进口道包含渐变段，则交叉口包含的范围为
Figure GDA00027623049400001211
其中，
Figure GDA00027623049400001212
为渐变段起点距停车线的距离；若不包含渐变段，则交叉口区段包含的范围为停车线至上游100米区段；
3-4)确定施工区段包含范围
tk时段内，寻找车辆在该区段上、下游换道位置距该区段起点的距离的最大
Figure GDA00027623049400001213
最小值
Figure GDA00027623049400001214
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure GDA00027623049400001215
Figure GDA00027623049400001216
则施工区段包含的范围为
Figure GDA00027623049400001217
3-5)确定一般区段包含范围
介于上述各区段之间的区段属于一般区段。
4)计算路侧停靠站区段承载能力折减影响时间；
根据车辆到达和离开路侧停靠站的时间，计算路侧停靠站区段的折减影响时间；
具体为，
4-1a)换算车辆的到站和离站时间
将车辆的到站和离站时间以秒为单位进行换算，即t(Ri)＝H(Ri)×3600+M(Ri)×60+S(Ri)，其中，
Figure GDA0002762304940000131
Figure GDA0002762304940000132
分别为第i辆车在路侧停靠站的到站、离站时间，H(Ri)、M(Ri)、S(Ri)分别为各换算时刻的时、分、秒数；
4-2a)判断车辆是否停靠在站
Figure GDA0002762304940000133
时，第i辆车停靠在该停靠站；
Figure GDA0002762304940000134
时，第i辆车未停靠在该停靠站；
4-3a)计算路侧停靠站区段承载能力折减影响时间
tk时段内，路侧停靠站第i辆车的承载能力折减影响时间为
Figure GDA0002762304940000135
其中，
Figure GDA0002762304940000136
分别为第i辆车在路侧停靠站的到站和离站时间；则tk时段该区段的总折减影响时间为
Figure GDA0002762304940000137
其中VR为到达该路侧停靠站的总车辆数。
5)计算港湾停靠站区段承载能力折减影响时间；
根据车辆到达和离开港湾停靠站的时间及港湾停靠站的泊位数，计算港湾停靠站区段的折减影响时间；
具体为，
4-1b)换算车辆的到站时间和离站时间
将车辆的到站和离站时间及统计时段中的每个时刻以秒为单位进行换算，即t(Bi)＝H(Bi)×3600+M(Bi)×60+S(Bi)，其中，
Figure GDA0002762304940000141
Figure GDA0002762304940000142
分别为第i辆车在港湾停靠站的到站、离站时间，ti为统计时段中的每个时刻，H(Bi)、M(Bi)、S(Bi)分别为各换算时刻的时、分、秒数；
4-2b)判断每个时刻车辆是否在站
将tk时段的每个时刻和车辆的到站、离站时刻进行比对，
Figure GDA0002762304940000143
时，表示第i辆车在ti时刻停靠在站；
Figure GDA0002762304940000144
或
Figure GDA0002762304940000145
时，表示第i辆车在ti时刻未停靠在站；
4-3b)计算每个时刻在站车辆数
ti时刻在站车辆数
Figure GDA0002762304940000146
其中，
Figure GDA0002762304940000147
分别为第i辆车的到站、离站时间，b(Bi)的初始值为0；
4-4b)确定停靠站有无车辆排队溢出
当停靠站同时在站车辆数大于停靠站泊位数，即b(Bi)＞b时，该停靠站有车辆排队溢出；当b(Bi)≤b时，该停靠站没有车辆排队溢出；
4-5b)计算停靠站每次排队溢出时间
tk时段内，停靠站第i次排队溢出时间
Figure GDA0002762304940000148
其中，b(Bi)为ti时刻在站车辆数，b为停靠站泊位数，
Figure GDA0002762304940000149
的初始值为0秒；
4-6b)计算港湾停靠站区段折减影响时间
tk时段内，港湾停靠站区段的总折减影响时间为
Figure GDA00027623049400001410
6)计算交叉口区段承载能力折减影响时间；
根据交叉口的信号配时方案，计算交叉口区段的折减影响时间；
具体为，
4-1c)计算各流向相位红灯时长
各相位显示绿灯时间为
Figure GDA0002762304940000151
其中，f为流向类型，f＝{L,T,R}，L为左转相位，T为直行相位，R为右转相位，
Figure GDA0002762304940000152
为各流向相位有效绿灯时间，A、Ls分别为黄灯时长和车辆启动损失时间，则各流向相位红灯时间为
Figure GDA0002762304940000153
tc为周期时长；
4-2c)计算交叉口区段承载能力折减影响时间
tk时段内，该区段在一个周期内的折减影响时间为
Figure GDA0002762304940000154
其中，
Figure GDA0002762304940000155
分别为交叉口左转、直行、右转相位的红灯时间；tk时段共有
Figure GDA0002762304940000156
个周期，其中，t为每个统计时段的时间，则交叉口区段的总折减影响时间为
Figure GDA0002762304940000157
7)计算施工区段承载能力折减影响时间；
根据施工区段的施工时间，计算施工区段的折减影响时间；
具体为，
4-1d)判断施工区段是否仍在施工
对tk时段中的每个时刻进行判断，
Figure GDA0002762304940000158
时，表示该时刻车辆在施工区段起点上游换道，说明该时刻施工区段仍在施工；
Figure GDA0002762304940000159
时，表示该时刻车辆已驶过施工区段起点，说明该时刻施工区段已取消施工；
4-2d)计算施工区段承载能力折减影响时间
tk时段内，施工区段的总折减影响时间为每个施工时刻之和，若该时刻
Figure GDA0002762304940000161
则在施工区段总的承载能力折减影响时间
Figure GDA0002762304940000162
里加1秒，否则加0秒，对tk时段中的每个时刻进行判断，其中，
Figure GDA0002762304940000163
为车辆在施工区段上游换道位置距该区段起点的距离，超过施工区段起点取负值，
Figure GDA0002762304940000164
的初始值为0秒。
8)计算一般区段承载能力折减影响时间；
根据一般区段车辆运行特征，计算一般区段的折减影响时间；
具体为，
tk时段内，一般区段的承载能力总折减影响时间为
Figure GDA0002762304940000165
9)确定不同概率下道路承载能力折减区间；
各统计时段内，将计算的各区段承载能力折减总影响时间放在不同的时间区段内，画出时间区段占比图，确定各区段占比最高的时间区段及其占比大小，根据该占比最及其上下游的占比大小，确定不同概率下各区段承载能力折减区间的上、下限值，对各区段包含的路段范围进行折减，最后得到道路的承载能力折减区间；
具体为，
5-1)将各区段的总影响时间放入时间区段内
以t1为时间间隔划分时间区段，其中，0≤t1≤t，各时间区段分别为[0,t1]，(t1,2t1]，...，共有
Figure GDA0002762304940000166
个时间区段；
tk时段内，各区段共有n个总折减影响时间
Figure GDA0002762304940000167
其中，m为区段类型，m＝{R,B,I,C,O}，其中，R表示路侧停靠站区段，B表示港湾停靠站区段，I表示交叉口区段，C表示施工区段，O表示一般区段，将总影响时间放入相应的时间区段内，各区段第i个时间区段包含的总影响时间个数为
Figure GDA0002762304940000171
5-2)确定各区段占比最高时间区段及其占比
tk时段内，各区段的时间区段包含的总影响时间个数的最大值记为
Figure GDA0002762304940000172
则各区段占比最高时间区段的占比为
Figure GDA0002762304940000173
n为调查时段个数；
5-3)确定占比最高时间区段上下游的总占比
tk时段内，各区段占比最高时间区段的上、下游包含的总影响时间个数分别记为
Figure GDA0002762304940000174
当第i个时间区段((i-1)t1,it1]在占比最高的时间区段的上游，即(i-1)t1≥tM2时，
Figure GDA0002762304940000175
Figure GDA0002762304940000176
的初始值为0；(i-1)t1＜tM2时，
Figure GDA0002762304940000177
Figure GDA0002762304940000178
的初始值为0；则占比最高时间区段上、下游的总占比分别为
Figure GDA0002762304940000179
5-4)确定各区段承载能力折减区间
tk时段内，可接受折减概率为设定的p％时，距占比最高时间区段上游
Figure GDA00027623049400001710
的时间区段的中间值记为B(mk)，则该区段承载能力折减区间的上限值为
Figure GDA00027623049400001711
距占比最高时间区段下游
Figure GDA00027623049400001712
的时间区段的中间值记为A(mk)，则该区段承载能力折减区间的下限值为
Figure GDA00027623049400001713
则tk时段内，各区段承载能力折减区间为
Figure GDA00027623049400001714
5-5)确定道路承载能力折减区间
tk时段内，将各区段的承载能力折减区间分别折减到各区段包含范围上，得tk时段内道路的承载能力折减区间。
实施例：
通过一个实例对本发明一种面向智能网联道路的承载能力概率折减表征方法给出进一步说明，如图2所示为智能网联道路区段划分示意图。下面根据本发明一种面向智能网联道路的承载能力概率折减表征方法的具体步骤，计算智能网联道路的承载能力概率折减区间。
S1：划分智能网联道路区段。
S11：如图2所示，将该道路划分为11个区段，1个交叉口区段、2个路侧停靠站区段、2个港湾停靠站区段、1个施工区段和5个一般区段。
S2：构建智能网联道路交通特征数据库。
于工作日高峰时段(7:00-9:00，17:00-19:00)实时采集车辆交通数据，每15分钟作为一个统计时段，共调查80个时段，构建智能网联道路车辆交通特征数据库，具体包括路侧停靠站、港湾停靠站区段、交叉口区段、施工区段及一般区段交通特征数据集。
S21：借助调研数据，构建构建路侧停靠站区段交通特征数据集，具体为，
Figure GDA0002762304940000181
分别为第i辆车在路侧停靠站的到站、离站时间，
Figure GDA0002762304940000182
分别为车辆在路侧停靠站上、下游换道位置距区段起点的距离，如表1、表2所示(列举部分数据)。
表1
Figure GDA0002762304940000183
Figure GDA0002762304940000191
表2
Figure GDA0002762304940000192
S22：借助调研数据，构建港湾停靠站区段交通特征数据集，具体为，
Figure GDA0002762304940000193
分别为第i辆车在港湾停靠站的到站、离站时间，
Figure GDA0002762304940000194
Figure GDA0002762304940000195
分别为车辆在港湾停靠站上、下游换道位置距区段起点的距离，b为港湾停靠站泊位数，如表3、表4所示(列举部分数据)。
表3
Figure GDA0002762304940000196
表4
Figure GDA0002762304940000201
S23：借助调研数据，构建交叉口区段交通特征数据集，具体为，tc为交叉口信号周期时长，
Figure GDA0002762304940000202
分别为左转、直行、右转相位的有效绿灯时间，
Figure GDA0002762304940000203
为交叉口进口道渐变段起点距停车线的距离，如表5所示。
表5
Figure GDA0002762304940000204
S24：借助调研数据，构建施工区段交通特征数据集，具体为，
Figure GDA0002762304940000205
Figure GDA0002762304940000206
分别为车辆在施工区上、下游换道位置距施工区段起点的距离，如表6所示(列举部分数据)。
表6
Figure GDA0002762304940000207
Figure GDA0002762304940000211
S3：确定各区段包含范围。
S31：确定路侧停靠站区段包含范围；
寻找车辆在该区段上、下游换道位置距该区段起点距离的最大
Figure GDA0002762304940000212
最小值
Figure GDA0002762304940000213
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure GDA0002762304940000214
Figure GDA0002762304940000215
则路侧停靠站包含的范围为
Figure GDA0002762304940000216
如表7所示。
表7
Figure GDA0002762304940000217
S32：确定港湾停靠站区段包含范围；
寻找车辆在该区段上、下游换道位置距该区段起点距离的最大
Figure GDA0002762304940000218
最小值
Figure GDA0002762304940000219
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure GDA00027623049400002110
则港湾停靠站包含的范围为
Figure GDA00027623049400002111
如表8所示。
表8
Figure GDA00027623049400002112
S33：确定交叉口区段包含范围；
交叉口包含的范围为
Figure GDA0002762304940000221
其中，
Figure GDA0002762304940000222
为渐变段起点距停车线的距离，#1交叉口的渐变段起点距停车线的距离为100m，则#1交叉口包含的范围为
Figure GDA0002762304940000223
S34：确定施工区段包含范围；
寻找车辆在该区段上、下游换道位置距该区段起点的距离的最大
Figure GDA0002762304940000224
最小值
Figure GDA0002762304940000225
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure GDA0002762304940000226
则施工区段包含的范围为
Figure GDA0002762304940000227
如表9所示。
表9
Figure GDA0002762304940000228
S35：介于上述特殊区段之间的区段属于一般区段。
S4：计算路侧停靠站区段承载能力折减影响时间。
S41：如图3所示，将车辆的到站和离站时间以秒为单位进行换算，即t(Ri)＝H(Ri)×3600+M(Ri)×60+S(Ri)，其中，
Figure GDA0002762304940000229
Figure GDA00027623049400002210
Figure GDA00027623049400002211
分别为第i辆车在路侧停靠站的到站、离站时间，H(Ri)、M(Ri)、S(Ri)分别为各换算时刻的时、分、秒数。并判断车辆是否停靠在站，
Figure GDA00027623049400002212
时，第i辆车停靠在该停靠站；
Figure GDA00027623049400002213
时，第i辆车未停靠在该停靠站，如表10所示(列举部分数据)。
表10
Figure GDA00027623049400002214
Figure GDA0002762304940000231
S42：计算路侧停靠站区段承载能力折减影响时间，路侧停靠站第i辆车的承载能力折减影响时间为
Figure GDA0002762304940000232
其中，
Figure GDA0002762304940000233
分别为第i辆车的到站和离站时间；则tk时段该区段的总折减影响时间为
Figure GDA0002762304940000234
其中VR为该统计时段内到达该路侧停靠站的总车辆数，如表11所示(列举部分数据)。
表11
Figure GDA0002762304940000235
S5：计算港湾停靠站区段承载能力折减影响时间。
S51：将车辆的到站和离站时间及统计时段中的每个时刻以秒为单位进行换算，即t(Bi)＝H(Bi)×3600+M(Bi)×60+S(Bi)，其中，
Figure GDA0002762304940000236
Figure GDA0002762304940000237
分别为第i辆车在港湾停靠站的到站、离站时间，ti为统计时段中的每个时刻，H(Bi)、M(Bi)、S(Bi)分别为各换算时刻的时、分、秒数。并判断每个时刻车辆是否在站，将每个时刻和车辆的到站、离站时刻进行比对，
Figure GDA0002762304940000238
时，表示第i辆车在ti时刻停靠在站；
Figure GDA0002762304940000241
或
Figure GDA0002762304940000242
时，表示第i辆车在ti时刻未停靠在站，如表12所示(列举部分数据)。
表12
Figure GDA0002762304940000243
S52：计算每个时刻在站车辆数，ti时刻在站车辆数
Figure GDA0002762304940000244
其中，
Figure GDA0002762304940000245
分别为第i辆车的到站、离站时间，b(Bi)的初始值为0。并确定停靠站有无车辆排队溢出，当停靠站同时在站车辆数大于停靠站泊位数，即b(Bi)＞b时，该停靠站有车辆排队溢出；当b(Bi)≤b时，该停靠站没有车辆排队溢出，如表13所示(列举部分数据)。
表13
Figure GDA0002762304940000246
S53：计算停靠站第i次排队溢出时间
Figure GDA0002762304940000251
其中，b(Bi)为ti时刻在站车辆数，b为停靠站泊位数，
Figure GDA0002762304940000252
的初始值为0秒；然后计算港湾停靠站区段的总折减影响时间
Figure GDA0002762304940000253
如表14所示(列举部分数据)。
表14
Figure GDA0002762304940000254
S6：计算交叉口区段承载能力折减影响时间；
S61：计算各流向相位红灯时长；
各相位显示绿灯时间为
Figure GDA00027623049400002510
其中，f为流向类型，f＝{L,T,R}，L为左转相位，T为直行相位，R为右转相位，
Figure GDA0002762304940000255
为各流向相位有效绿灯时间，A、Ls分别为黄灯时长和车辆启动损失时间，则各流向相位红灯时间为
Figure GDA0002762304940000256
tc为周期时长，如表15所示。
表15
Figure GDA0002762304940000257
S62：计算交叉口区段承载能力折减影响时间，该区段在一个周期内的折减影响时间为
Figure GDA0002762304940000258
其中，
Figure GDA0002762304940000259
分别为交叉口左转、直行、右转相位的红灯时间；一个统计时段共有
Figure GDA0002762304940000261
个周期，其中，t为每个统计时段的时间，则交叉口区段的总折减影响时间为
Figure GDA0002762304940000262
如表16所示。
表16
Figure GDA0002762304940000263
S7：计算施工区段承载能力折减影响时间；
S71：对一个统计时段中的每个时刻进行判断，
Figure GDA0002762304940000264
时，表示该时刻车辆在施工区段起点上游换道，说明该时刻施工区段仍在施工；
Figure GDA0002762304940000265
时，表示该时刻车辆已驶过施工区段起点，说明该时刻施工区段已取消施工，如表17所示(列举部分数据)。
表17
Figure GDA0002762304940000266
S72：计算一个时段内施工区段的总折减影响时间，为每个施工时刻之和，若该时刻
Figure GDA0002762304940000267
则在施工区段总的承载能力折减影响时间
Figure GDA0002762304940000268
里加1秒，否则加0秒，对tk时段中的每个时刻进行判断，其中，
Figure GDA0002762304940000269
为车辆在施工区段上游换道位置距该区段起点的距离，超过施工区段起点取负值，
Figure GDA00027623049400002610
的初始值为0秒，如表18所示(列举部分数据)。
表18
Figure GDA0002762304940000271
S8：计算一般区段承载能力折减影响时间，具体为，tk时段内，一般区段的承载能力总折减影响时间为
Figure GDA0002762304940000272
S9：确定不同概率下道路承载能力折减区间；
S91：将各区段的总影响时间放入时间区段内；
以60s为时间间隔划分时间区段，各时间区段分别为[0,60]，(60,120]，...，共有15个时间区段；
各区段共有80个总折减影响时间
Figure GDA0002762304940000273
其中，m为区段类型，m＝{R,B,I,C,O}，其中，R表示路侧停靠站区段，B表示港湾停靠站区段，I表示交叉口区段，C表示施工区段，O表示一般区段，将总影响时间放入相应的时间区段内，如表19所示(列举部分数据)。
表19
Figure GDA0002762304940000274
Figure GDA0002762304940000281
S92：确定各区段占比最高时间区段及其占比；
tk时段内，各时间区段内各区段包含的总影响时间个数为
Figure GDA0002762304940000282
各区段的时间区段包含的总影响时间个数的最大值记为
Figure GDA0002762304940000283
则各区段占比最高时间区段的占比为
Figure GDA0002762304940000284
n为调查时段个数，如表20所示(列举部分数据)。
表20
Figure GDA0002762304940000285
Figure GDA0002762304940000291
S93：确定占比最高时间区段上下游的总占比；
tk时段内，各区段占比最高时间区段的上、下游包含的总影响时间个数分别记为
Figure GDA0002762304940000292
当第i个时间区段((i-1)t1,it1]在占比最高的时间区段的上游，即(i-1)t1≥tM2时，
Figure GDA0002762304940000293
Figure GDA0002762304940000294
的初始值为0；(i-1)t1＜tM2时，
Figure GDA0002762304940000295
Figure GDA0002762304940000296
的初始值为0；则占比最高时间区段上、下游的总占比分别为
Figure GDA0002762304940000297
如表21所示(列举部分数据)。
表21
Figure GDA0002762304940000298
S94：确定各区段承载能力折减区间；
tk时段内，可接受折减概率为设定的p％时，距占比最高时间区段上游
Figure GDA0002762304940000299
的时间区段的中间值记为B(mk)，则该区段承载能力折减区间的上限值为
Figure GDA0002762304940000301
距占比最高时间区段下游
Figure GDA0002762304940000302
的时间区段的中间值记为A(mk)，则该区段承载能力折减区间的下限值为
Figure GDA0002762304940000303
则tk时段内，各区段承载能力折减区间为
Figure GDA0002762304940000304
如表22所示(列举部分数据)。
表22
Figure GDA0002762304940000305
S95：确定道路承载能力折减区间；
tk时段内，将各区段的承载能力折减区间分别折减到各区段包含范围上，得tk时段内道路的承载能力折减区间。

Claims (1)

1.一种面向智能网联道路的承载能力概率折减表征方法，其特征在于，包括以下步骤：
1)划分智能网联道路区段；
将智能网联道路划分为路侧停靠站区段、港湾停靠站区段、交叉口区段、施工区段及一般区段五类，双向道路的上下行分别进行划分；
2)构建智能网联道路交通特征数据库；
于工作日高峰时段实时采集车辆交通数据，每t分钟作为一个统计时段，记为tk时段，共调查n个tk时段，构建智能网联道路车辆交通特征数据库，具体包括路侧停靠站、港湾停靠站区段、交叉口区段、施工区段及一般区段交通特征数据集；
3)确定智能网联道路各区段包含范围；
对各交通特征数据集的数据进行分析，根据车辆在区段上下游换道点的位置确定路侧停靠站区段、港湾停靠站区段、施工区段包含范围；根据交叉口有无渐变段及渐变段范围确定交叉口区段包含范围；其他区段则属于一般区段；
4)计算各区段承载能力折减影响时间；
根据车辆到达和离开路侧停靠站的时间，计算路侧停靠站区段的折减影响时间；
根据车辆到达和离开港湾停靠站的时间及港湾停靠站的泊位数，计算港湾停靠站区段的折减影响时间；
根据交叉口的信号配时方案，计算交叉口区段的折减影响时间；
根据施工区段的施工时间，计算施工区段的折减影响时间；
根据一般区段车辆运行特征，计算一般区段的折减影响时间；
5)确定不同概率下道路承载能力折减区间；
各统计时段内，将计算的各区段承载能力折减总影响时间放在不同的时间区段内，画出时间区段占比图，确定各区段占比最高的时间区段及其占比大小，根据该占比最及其上下游的占比大小，确定不同概率下各区段承载能力折减区间的上、下限值，对各区段包含的路段范围进行折减，最后得到道路的承载能力折减区间；
所述步骤2)中构建智能网联道路交通特征数据库，具体为，
2-1)构建路侧停靠站区段交通特征数据集
路侧停靠站区段交通特征数据集
Figure FDA0002951449750000021
其中，
Figure FDA0002951449750000022
分别为第i辆车在路侧停靠站的到站、离站时间，
Figure FDA0002951449750000023
分别为车辆在路侧停靠站上、下游换道位置距该区段起点的距离；
2-2)构建港湾停靠站区段交通特征数据集
港湾停靠站区段交通特征数据集
Figure FDA0002951449750000024
其中，
Figure FDA0002951449750000025
分别为第i辆车在港湾停靠站的到站、离站时间，
Figure FDA0002951449750000026
Figure FDA0002951449750000027
分别为车辆在港湾停靠站上、下游换道位置距该区段起点的距离，b为港湾停靠站泊位数；
2-3)构建交叉口区段交通特征数据集
交叉口区段交通特征数据集
Figure FDA0002951449750000028
其中，tc为交叉口信号周期时长，
Figure FDA0002951449750000029
分别为左转、直行、右转相位的有效绿灯时间，
Figure FDA00029514497500000210
为交叉口进口道渐变段起点距停车线的距离；
2-4)构建施工区段交通特征数据集
施工区段交通特征数据集
Figure FDA0002951449750000031
其中，
Figure FDA0002951449750000032
分别为车辆在施工区上、下游换道位置距施工区段起点的距离；
2-5)构建一般区段交通特征数据集
一般区段上事故的发生具有随机性，无需构建该数据集；
所述步骤3)中确定智能网联道路各区段包含范围，具体为，
3-1)确定路侧停靠站区段包含范围
tk时段内，寻找车辆在该区段上、下游换道位置距该区段起点距离的最大
Figure FDA0002951449750000033
最小值
Figure FDA0002951449750000034
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure FDA0002951449750000035
Figure FDA0002951449750000036
则路侧停靠站包含的范围为
Figure FDA0002951449750000037
3-2)确定港湾停靠站区段包含范围
tk时段内，寻找车辆在该区段上、下游换道位置距该区段起点距离的最大
Figure FDA0002951449750000038
最小值
Figure FDA0002951449750000039
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure FDA00029514497500000310
Figure FDA00029514497500000311
则港湾停靠站包含的范围为
Figure FDA00029514497500000312
3-3)确定交叉口区段包含范围
若交叉口进口道包含渐变段，则交叉口包含的范围为
Figure FDA00029514497500000313
其中，
Figure FDA00029514497500000314
为渐变段起点距停车线的距离；若不包含渐变段，则交叉口区段包含的范围为停车线至上游100米区段；
3-4)确定施工区段包含范围
tk时段内，寻找车辆在该区段上、下游换道位置距该区段起点的距离的最大
Figure FDA0002951449750000041
最小值
Figure FDA0002951449750000042
计算车辆在上、下游换道位置的中位点距该区段起点的距离为
Figure FDA0002951449750000043
Figure FDA0002951449750000044
则施工区段包含的范围为
Figure FDA0002951449750000045
3-5)确定一般区段包含范围
介于上述各区段之间的区段属于一般区段；
所述步骤4)中计算路侧停靠站区段承载能力折减影响时间，具体为，
4-1a)换算车辆的到站和离站时间
将车辆的到站和离站时间以秒为单位进行换算，即t(Ri)＝H(Ri)×3600+M(Ri)×60+S(Ri)，其中，
Figure FDA0002951449750000046
Figure FDA0002951449750000047
分别为第i辆车在路侧停靠站的到站、离站时间，H(Ri)、M(Ri)、S(Ri)分别为各换算时刻的时、分、秒数；
4-2a)判断车辆是否停靠在站
Figure FDA0002951449750000048
时，第i辆车停靠在该停靠站；
Figure FDA0002951449750000049
时，第i辆车未停靠在该停靠站；
4-3a)计算路侧停靠站区段承载能力折减影响时间
tk时段内，路侧停靠站第i辆车的承载能力折减影响时间为
Figure FDA00029514497500000410
其中，
Figure FDA00029514497500000411
分别为第i辆车在路侧停靠站的到站和离站时间；则tk时段该区段的总折减影响时间为
Figure FDA00029514497500000412
其中VR为该统计时段内到达该路侧停靠站的总车辆数；
所述步骤4)中计算港湾停靠站区段承载能力折减影响时间，具体为，
4-1b)换算车辆的到站时间和离站时间
将车辆的到站和离站时间及统计时段中的每个时刻以秒为单位进行换算，即t(Bi)＝H(Bi)×3600+M(Bi)×60+S(Bi)，其中，
Figure FDA0002951449750000051
Figure FDA0002951449750000052
分别为第i辆车在港湾停靠站的到站、离站时间，ti为统计时段中的每个时刻，H(Bi)、M(Bi)、S(Bi)分别为各换算时刻的时、分、秒数；
4-2b)判断每个时刻车辆是否在站
将tk时段的每个时刻和车辆的到站、离站时刻进行比对，
Figure FDA0002951449750000053
时，表示第i辆车在ti时刻停靠在站；
Figure FDA0002951449750000054
或
Figure FDA0002951449750000055
时，表示第i辆车在ti时刻未停靠在站；
4-3b)计算每个时刻在站车辆数
ti时刻在站车辆数
Figure FDA0002951449750000056
其中，
Figure FDA0002951449750000057
分别为第i辆车的到站、离站时间，b(Bi)的初始值为0；
4-4b)确定停靠站有无车辆排队溢出
当停靠站同时在站车辆数大于停靠站泊位数，即b(Bi)>b时，该停靠站有车辆排队溢出；当b(Bi)≤b时，该停靠站没有车辆排队溢出；
4-5b)计算停靠站每次排队溢出时间
tk时段内，停靠站第i次排队溢出时间
Figure FDA0002951449750000058
其中，b(Bi)为ti时刻在站车辆数，b为停靠站泊位数，
Figure FDA0002951449750000059
的初始值为0秒；
4-6b)计算港湾停靠站区段折减影响时间
tk时段内，港湾停靠站区段的总折减影响时间为
Figure FDA0002951449750000061
所述步骤4)中计算交叉口区段承载能力折减影响时间，具体为，
4-1c)计算各流向相位红灯时长
各相位显示绿灯时间为
Figure FDA0002951449750000062
其中，f为流向类型，f＝{L,T,R}，L为左转相位，T为直行相位，R为右转相位，
Figure FDA0002951449750000063
为各流向相位有效绿灯时间，A、Ls分别为黄灯时长和车辆启动损失时间，则各流向相位红灯时间为
Figure FDA0002951449750000064
tc为周期时长；
4-2c)计算交叉口区段承载能力折减影响时间
tk时段内，该区段在一个周期内的折减影响时间为
Figure FDA0002951449750000065
其中，
Figure FDA0002951449750000066
分别为交叉口左转、直行、右转相位的红灯时间；tk时段共有
Figure FDA0002951449750000067
个周期，其中，t为每个统计时段的时间，则交叉口区段的总折减影响时间为
Figure FDA0002951449750000068
所述步骤4)中计算施工区段承载能力折减影响时间，具体为，
4-1d)判断施工区段是否仍在施工
对tk时段中的每个时刻进行判断，
Figure FDA0002951449750000069
时，表示该时刻车辆在施工区段起点上游换道，说明该时刻施工区段仍在施工；
Figure FDA00029514497500000610
时，表示该时刻车辆已驶过施工区段起点，说明该时刻施工区段已取消施工；
4-2d)计算施工区段承载能力折减影响时间
tk时段内，施工区段的总折减影响时间为每个施工时刻之和，若该时刻
Figure FDA00029514497500000611
则在施工区段总的承载能力折减影响时间
Figure FDA00029514497500000612
里加1秒，否则加0秒，对tk时段中的每个时刻进行判断，其中，
Figure FDA00029514497500000613
为车辆在施工区段上游换道位置距该区段起点的距离，超过施工区段起点取负值，
Figure FDA0002951449750000071
的初始值为0秒；
所述步骤4)中计算一般区段承载能力折减影响时间，具体为，
tk时段内，一般区段的承载能力总折减影响时间为
Figure FDA0002951449750000072
所述步骤5)中确定不同概率下道路承载能力折减区间，具体为，
5-1)将各区段的总影响时间放入时间区段内
以t1为时间间隔划分时间区段，其中，0≤t1≤t，各时间区段分别为[0,t1]，(t1,2t1]，...，共有
Figure FDA0002951449750000073
个时间区段；
tk时段内，各区段共有n个总折减影响时间
Figure FDA0002951449750000074
其中，m为区段类型，m＝{R,B,I,C,O}，其中，R表示路侧停靠站区段，B表示港湾停靠站区段，I表示交叉口区段，C表示施工区段，O表示一般区段，将总影响时间放入相应的时间区段内，各区段第i个时间区段包含的总影响时间个数为
Figure FDA0002951449750000075
5-2)确定各区段占比最高时间区段及其占比
tk时段内，各区段的时间区段包含的总影响时间个数的最大值记为
Figure FDA0002951449750000076
则各区段占比最高时间区段的占比为
Figure FDA0002951449750000077
n为调查时段个数；
5-3)确定占比最高时间区段上下游的总占比
tk时段内，各区段占比最高时间区段的上、下游包含的总影响时间个数分别记为
Figure FDA0002951449750000078
当第i个时间区段((i-1)t1,it1]在占比最高的时间区段的上游，即(i-1)t1≥tM2时，
Figure FDA0002951449750000079
Figure FDA00029514497500000710
的初始值为0；(i-1)t1<tM2时，
Figure FDA00029514497500000711
Figure FDA00029514497500000712
的初始值为0；则占比最高时间区段上、下游的总占比分别为
Figure FDA0002951449750000081
5-4)确定各区段承载能力折减区间
tk时段内，可接受折减概率为设定的p％时，距占比最高时间区段上游
Figure FDA0002951449750000082
的时间区段的中间值记为B(mk)，则该区段承载能力折减区间的上限值为
Figure FDA0002951449750000083
距占比最高时间区段下游
Figure FDA0002951449750000084
的时间区段的中间值记为A(mk)，则该区段承载能力折减区间的下限值为
Figure FDA0002951449750000085
则tk时段内，各区段承载能力折减区间为
Figure FDA0002951449750000086
5-5)确定道路承载能力折减区间
tk时段内，将各区段的承载能力折减区间分别折减到各区段包含范围上，得tk时段内道路的承载能力折减区间。
CN202010959743.7A 2020-09-14 2020-09-14 一种面向智能网联道路的承载能力概率折减表征方法 Active CN112185109B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010959743.7A CN112185109B (zh) 2020-09-14 2020-09-14 一种面向智能网联道路的承载能力概率折减表征方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010959743.7A CN112185109B (zh) 2020-09-14 2020-09-14 一种面向智能网联道路的承载能力概率折减表征方法

Publications (2)

Publication Number Publication Date
CN112185109A CN112185109A (zh) 2021-01-05
CN112185109B true CN112185109B (zh) 2021-04-09

Family

ID=73920853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010959743.7A Active CN112185109B (zh) 2020-09-14 2020-09-14 一种面向智能网联道路的承载能力概率折减表征方法

Country Status (1)

Country Link
CN (1) CN112185109B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101074294B1 (ko) * 2010-07-13 2011-10-18 주식회사 서영엔지니어링 유턴 대기 및 회전 전용공간을 이용한 2현시 4지 교차로 시스템
CN105023433A (zh) * 2015-07-01 2015-11-04 重庆大学 一种高速公路交通异常事件影响范围预估方法
CN109872537A (zh) * 2019-04-11 2019-06-11 吉林大学 一种考虑量化分级的公交停靠站优化设置方法
CN109887267A (zh) * 2019-03-21 2019-06-14 华侨大学 一种轨道交通共线段常规公交调整方法
CN110232821A (zh) * 2019-06-19 2019-09-13 河海大学 一种高峰时段港湾公交停靠站临近车道通行能力计算方法
CN110288828A (zh) * 2019-06-19 2019-09-27 河海大学 上游港湾停靠站影响下交叉口进口道通行能力计算方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101074294B1 (ko) * 2010-07-13 2011-10-18 주식회사 서영엔지니어링 유턴 대기 및 회전 전용공간을 이용한 2현시 4지 교차로 시스템
CN105023433A (zh) * 2015-07-01 2015-11-04 重庆大学 一种高速公路交通异常事件影响范围预估方法
CN109887267A (zh) * 2019-03-21 2019-06-14 华侨大学 一种轨道交通共线段常规公交调整方法
CN109872537A (zh) * 2019-04-11 2019-06-11 吉林大学 一种考虑量化分级的公交停靠站优化设置方法
CN110232821A (zh) * 2019-06-19 2019-09-13 河海大学 一种高峰时段港湾公交停靠站临近车道通行能力计算方法
CN110288828A (zh) * 2019-06-19 2019-09-27 河海大学 上游港湾停靠站影响下交叉口进口道通行能力计算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Capacity approximations for near- and far-side bus stops in dedicated bus lanes;Minyu Shen Et al.;《Transportation Research Part B: Methodological》;20190630;第125卷;第94-120页 *
上游停靠站公交溢出影响下交叉口公交优先配时优化;郑锐等;《大连交通大学学报》;20180430;第39卷(第2期);第1-6页 *
公交停靠站对道路通行能力的影响分析;袁静;《中国优秀硕士学位论文全文数据库工程科技II辑》;20131115(第11期);C034-275 *

Also Published As

Publication number Publication date
CN112185109A (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN102855760B (zh) 基于浮动车数据的在线排队长度检测方法
CN104217605B (zh) 一种公交车到站时间测算方法和装置
CN108629973A (zh) 基于固定检测设备的路段交通拥堵指数计算方法
CN109191849B (zh) 一种基于多源数据特征提取的交通拥堵持续时间预测方法
CN111341095B (zh) 一种基于边缘侧在线计算的交通信号控制***及方法
CN110232821B (zh) 一种高峰时段港湾公交停靠站临近车道通行能力计算方法
CN106816009A (zh) 高速公路实时交通拥堵路况检测方法及其***
CN113506013B (zh) 基于多源数据的中运量公共交通***综合效益评价方法
CN106971546B (zh) 基于公交车gps数据的路段公交车渗透率估计方法
CN104851287A (zh) 基于视频检测器的城市道路路段行程时间检测方法
CN110288827B (zh) 一种考虑停靠站排队溢出影响的公交车辆运行调度方法
CN107085956A (zh) 一种绿波速度计算提示***
CN109147319A (zh) 一种基于多交通数据指标的道路突发事件判别方法
CN104778839A (zh) 基于视频检测器的城市道路下游分方向交通状态判别方法
CN111402613A (zh) 一种自动驾驶车辆收费站车道选择方法
CN115063990A (zh) 一种混合交通流环境高速公路瓶颈路段动态限速控制方法
CN106548628A (zh) 一种基于视觉空间转换网格化的路况分析方法
CN112185109B (zh) 一种面向智能网联道路的承载能力概率折减表征方法
CN104966404A (zh) 一种基于阵列雷达的单点自优化信号控制方法及装置
CN110070720A (zh) 提高交叉口占道施工区通行能力模型拟合度的计算方法
CN114530046A (zh) 一种交叉口设置右转信号灯的需求判定方法和装置
CN106600030A (zh) 一种基于路网行程时间可靠性的出行预留时间计算方法
CN111292535B (zh) 车路协同环境下面向乘客出行的路网交通状态评价方法
CN111239857B (zh) 一种特殊地形强风预报方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant