[發明專利]基于停車線檢測器的城市地面道路交通狀態自動判別方法

有效

• 申請號: 201110225773.6
• 申請日: 2011-08-08
• 公開（公告）號: CN102289937A
• 公開（公告）日: 2011-12-21
• 發明（設計）人: 沈峰;林瑜;蘇貴民;曾令榜;王佳談
• 申請（專利權）人: 上海電科智能系統股份有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;柏子雵

技術領域

本發明涉及一種基于停車線檢測器的地面道路交通狀態判別方法，尤其涉及一種利用停車線檢測器實時檢測數據及交叉口信號控制方案判別城市地面道路交通狀態的方法，屬于智能交通技術領域。

背景技術

目前我國城市信號控制交叉口大多布設了停車線檢測器，為制定交叉口紅綠燈3的信號配時方案提供數據支撐，如圖1所示，停車線檢測器1（通常為檢測線圈）的布設位置一般為停車線2前5米處。停車線檢測器1獲取的交通流參數包括流量、占有率和速度。由于交通流狀態的改變能通過交通流參數表現出來，因此，許多交通工程工作者基于此建立了多種交通狀態自動判別方法。

目前較為常見的基于固定檢測線圈判別交通狀態的方法主要有：模式識別法，如California算法；統計分析法，如標準差（英文簡稱為SND）算法；突變理論算法，如McMaster算法；人工智能法，如單截面神經網絡算法。

California算法通過分析上下游停車線檢測器獲取的占有率差值和相對差值，推斷交通事故或交通擁擠的發生時刻，然而該算法需要對于每個地點的閾值進行標定，尤其在大的路網中標定工作量較大，同時算法中3個預定的事件判斷步驟難以有效地捕捉到所有可能的交通模式。標準差（SND）算法利用時刻t之前m個采樣周期的交通參數數據(流量或占有率)的算術平均值作為交通參數在時刻t的預測值，再用標準正態偏差來度量交通參數數據相對于其以前平均值的改變程度，當它超過預先設定的閾值時，則認為發生了偶發性交通擁擠。McMaster算法認為三個連續的采樣周期內，車速均降至閾值以下，或占有率超過閾值，或流量與占有率都在非擁擠區域之外，可判定有擁擠存在；在連續兩個采樣周期內，車速、流量和占有率任意兩個超過各自的閾值，也可以判斷為發生了交通擁擠。

以上三種典型的交通狀態判別算法皆面向連續交通流，由于城市地面道路受紅綠燈信號控制交叉口的影響，其交通流存在較大的間斷性及周期性，導致傳統的交通狀態判別算法難以得到有效應用。單截面神經網絡法運用大量的（包括擁擠和非擁擠狀態的）交通數據對算法進行訓練，確定其最佳的結構和權值。對于一組特定的交通數據，通過對算法輸出結果與決策閾值相比較，確定所反映的交通狀態，該算法需要大量的真實數據對算法進行訓練，且標定過程復雜，應用范圍較小。

發明內容

本發明的目的是提供一種基于停車線檢測器的交通狀態判別方法，該方法應用范圍大，能夠適用于交通流存在較大的間斷性及周期性的情況。

為了達到上述目的，本發明的技術方案是提供了一種基于停車線檢測器的城市地面道路交通狀態自動判別方法，其特征在于：步驟為：

步驟1、通過停車線檢測器周期性獲取城市地面道路交通路網中每個交叉路口的每條車道的流量及占有率，每個交叉路口的周期設定為該交叉路口紅綠燈變化的周期，同時，以????????????????????????????????????????????????秒為時間粒度對每個周期進行劃分，設定計數器a，將其初始值設為0，并根據經驗設定第一占有率閾值Occ1、第二占有率閾值Occ2、第三占有率閾值Occ3、第一飽和度閾值S1、第二飽和度閾值S2、第三飽和度閾值S3及狀態持續周期數DurN；

步驟2、通過停車線檢測器獲取第條車道在當前周期內第個時間粒度的占有率，計算每條車道在當前周期內的綠燈初期占有率、綠燈中期占有率、綠燈末期占有率、紅燈初期占用率、綠燈初期飽和度、綠燈中期飽和度及綠燈末期飽和度，其中，綠燈初期及紅燈初期分別指綠燈及紅燈時長的前秒，若綠燈時長能夠被秒整除，則綠燈末期指綠燈時長的最后秒，若綠燈時長不能夠被秒整除，則綠燈末期指綠燈時長的最后秒，其中，為將綠燈時長除以秒所得到的余數，綠燈中期是指除去綠燈初期及綠燈末期的綠燈時長，設第條車道在當前周期的綠燈初期占有率、綠燈中期占有率、綠燈末期占有率、紅燈初期占用率、綠燈初期飽和度、綠燈中期飽和度及綠燈末期飽和度分別為、、、、、、，則有：?

、及分別為通過停車線檢測器得到的綠燈初期、綠燈末期及紅燈初期的實測占有率，為通過停車線檢測器得到的綠燈中期內所有時間粒度的實測占用率的算數平均值；

第條車道在當前周期內第個時間粒度的飽和度，其中，為通過停車線檢測器得到的第條車道在當前周期內第個時間粒度的實測流量，為第個時間粒度的時長，為第條車道在當前周期內的飽和車頭時距，該飽和車頭時距通過歷史數據分析獲得，依據上述公式計算得到綠燈初期飽和度及綠燈末期飽和度，綠燈中期飽和度則為綠燈中期內所有時間粒度的飽和度計算值的算數平均值；