[發明專利]一種基于智能手機移動檢測的城市快速路交通狀態估計方法

有效

• 申請號: 201610056587.7
• 申請日: 2016-01-27
• 公開（公告）號: CN105513359B
• 公開（公告）日: 2018-06-01
• 發明（設計）人: 張利國;符旭;歐夢寧;閆旭普
• 申請（專利權）人: 北京工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.一種基于智能手機移動檢測的城市快速路交通狀態估計方法，其特征在于：實現該方法的四部分分別為城市快速路MCTM模型建模部分A，基于智能手機的交通數據采集部分B，交通狀態與邊界流量的同步估計部分C，大范圍快速路分布式交通狀態估計部分D；其中，

城市快速路MCTM模型部分A，根據MCTM模型將快速路劃分成若干個子路段，每個子路段由不同的元胞組成，道路劃分方法是交通數據采集和交通狀態估計的基礎，降低模型階次，簡化算法；

基于智能手機的交通數據采集部分B，本方法利用車輛內的智能手機采集關鍵時空位置處車輛交通參數，計算車輛行程速度，然后計算元胞內車輛平均速度，以元胞內平均速度構建觀測網絡，對交通狀態進行估計；

交通狀態與邊界流量的同步估計部分C，本方法設計基于LWR交通流模型的狀態空間模型，并設計一種三步式遞歸濾波算法，把邊界流量作為未知輸入，對子路段內若干元胞的交通狀態和邊界流量進行同步估計；

大范圍快速路分布式交通狀態估計部分D，本方法在提出的交通狀態和邊界流量同步估計的基礎上，將大范圍的快速路分割成若干個子路段，然后對每個子路段交通狀態和邊界流量進行估計，利用加權平均算法，對相鄰兩個子路段的邊界流量進行融合，從而估計大范圍快速路的交通狀態；

A部分的城市快速路MCTM模型對快速路的空間和時間進行離散化，B部分的交通數據被智能手機端采集，智能手機端采集的數據作為C部分的觀測變量對快速路進行交通狀態與邊界流量同步估計，最終得出D部分的大范圍快速路分布式交通狀態估計；

基于MCTM模型對城市快速路進行元胞劃分的方法，劃分步驟包括：

(1)城市快速路是封閉的環形，為了簡化模型，只考慮單向行駛的道路，即逆時針方向的快速路；

(2)根據MCTM模型將空間離散化，將快速路劃分為長度不等的若干個元胞；元胞長度滿足Li≤vfΔt，采樣時間Δt＝30秒，元胞編號設為i＝1,2…，N；

(3)快速路是封閉的環形，入口匝道和出口匝道是主要輸入和輸出，因此將元胞的邊界設置在主要入口或出口匝道處，入口和出口匝道的進出流量并入元胞邊界流量，簡化算法；

建立元胞之間交通流傳輸關系，元胞之間的傳輸流量為：

y = min { n i , Q i O , Q i + 1 I , δ i + 1 ( N i + 1 - n i + 1 ) } ]]>

式中：y為Δt時間內元胞i實際的流出車輛數，也為Δt時間內元胞i+1實際的流入車輛數；ni和ni+1分別為元胞i和元胞i+1內現有的車輛數；分別為Δt時間內元胞i能流出的和元胞i+1能流入的最大車輛數；Ni+1元胞i+1內能容納的最大車輛數；δi+1為元胞i+1的自由流速度和反向波速度的比，即δ＝ω/ν；

利用以上元胞間交通流傳輸關系，用實時的交通流量作為路段的邊界值進行仿真，即可得到該路段不同元胞內的車輛數、元胞之間的傳輸流量等交通數據，與實際交通數據相一致，表明MCTM模型可以很好的描述快速路的交通狀態；

至此，快速路的空間和時間離散化完成，為交通數據采集、構建觀測網絡和交通狀態估計打好基礎；

B部分是基于智能手機的交通數據采集；本方法以車輛速度為觀測變量，對交通狀態進行估計；車輛速度信息利用手機交通數據采集技術獲取；

通過車輛內的智能手機獲取車輛位置信息，對位置信息進行等間隔時間采樣，將位置信息通過移動通信網絡傳送至后臺數據服務器，對基礎數據進行整理和分析，計算車輛行程速度和元胞內車輛平均速度，用作交通狀態估計；

手機定位采用A-GPS定位技術，獲取車輛位置信息，對車輛位置信息進行等間隔時間采樣；數據采樣與處理流程如下：采集元胞內所有能夠提供交通數據的車輛t時刻的位置信息，采樣時間Δt秒后，采集t+1時刻車輛位置信息，如果被測車輛t+1時刻與t時刻在同一個元胞內，車輛行程速度可用下式計算：

vα＝lα/Δt

式中lα為采樣周期內的位置差，Δt為采樣時間；

否則剔除該車輛數據；

獲得各元胞內βi輛車的行程速度，各個元胞內車輛的平均速度可用下式計算：

v i ( t ) = < v α > = 1 β i Σ α = 1 β i v α ]]>

各元胞內車輛的平均速度用作交通流模型的觀測變量，可構建觀測網絡；

本方法的交通數據采集方法可能會因為某個元胞內沒有車輛或者不符合數據采集條件而造成某個元胞內無法采集到速度信息，由此只能獲得部分元胞的速度信息；而利用本方法的交通密度和邊界流量的同步估計方法，則不需要采集全部元胞的速度信息，假設N個元胞路段需要M個元胞的速度信息，M小于N，并且只需要大于未知輸入的個數即可；

至此，交通狀態估計所需的觀測變量，各元胞的速度信息通過上述方法可以獲得；

C部分是交通狀態和邊界流量的同步估計；本方法設計基于LWR交通流模型的狀態空間模型，并設計一種三步式遞歸濾波算法，把邊界流量作為未知輸入，對子路段內若干元胞的交通狀態和邊界流量進行同步估計；

本方法首先基于LWR交通流模型設計了城市快速路的狀態空間模型；

城市快速路狀態空間模型的系統方程通過如下步驟得到：

一階宏觀LWR交通流模型，通過車輛守恒方程描述空間位置x，時間t處的車輛密度ρ(x,t)與交通流量q(x,t)關系如下：

∂ ρ ∂ t + ∂ q ∂ x = 0 ]]>

平均行駛速度滿足流量-密度關系式如下：

v = q ρ ]]>

應用Godunov有限元方法，數值求解上述車輛守恒方程和流量-密度關系式；空間上，路段被劃分為多個元胞，該路段邊界輸入和輸出流量未知，分別是分別是車輛駛入和駛出元胞i內的車流量；

假設元胞長度為Li，i＝1,…,n，時間采樣間隔為Δt，根據Courant-Friedrichs-Lewy條件，當元胞長度滿足以下條件時，數值解穩定

Li≤vfΔt

通過時空離散化，LWR模型可表示為差分方程

ρ i ( k + 1 ) = ρ i ( k ) + Δ t L i ( q i i n ( k ) - q i o u t ( k ) ) ]]>

式中ρi(k)表示當前時刻元胞i內的車輛密度，是車輛在[kΔt,(k+1)Δt]時間間隔內駛入和駛出元胞i的流量，上游元胞的駛出流量可以用下游元胞的駛入流量來表示：

q i o u t ( k ) = q i + 1 i n ( k ) , i = 1 , ... , N - 1 ]]>

流量由供需關系決定，Si(k)表示下游元胞供給，Di-1(k)表示上游元胞需求：

q i i n ( k ) = min { D i - 1 ( k ) , S i ( k ) } ]]>

供需關系為：

Di(k)＝v(ρi)ρi,Si(k)＝qmax,ρi(k)≤ρc

Di(k)＝qmax,Si(k)＝v(ρi)ρi,ρi(k)＞ρc

對N個元胞，根據上述差分方程、上下游元胞駛入駛出流量關系和流量供需關系，城市快速路的狀態空間模型系統的系統方程可歸納為：

ρT(k+1)＝F(ρT(k))+GTd(k)

式中ρT＝[ρ1,…ρN]是當前時刻各元胞內的車輛密度，是邊界輸入和輸出流量，F表示上述差分方程中密度和流量的函數關系,

G T = 0 0 ... - Δ t L n j , j Δ t L 1 , j 0 ... 0 ; ]]>

城市快速路狀態空間模型的觀測方程通過如下步驟得到：

本方法采用智能手機采集交通數據，只需要采集部分元胞內車輛的速度信息，而不需要采集邊界流量信息，就可以對交通狀態進行估計；

根據B部分方法采集的速度V(i,t)，可以描述當前元胞i的交通密度；手機采集交通數據提供速度信息集合y(k)＝[v1,…vM]T，由于只需要知道部分元胞的速度信息，假設N個元胞路段需要M個元胞的速度信息，M小于N，并且只需要大于未知輸入的個數；

應用速度-密度方程如下：

v = v c - v f ρ c ρ + v f , ρ ≤ ρ c ρ c v c ρ J - ρ c ( ρ J ρ - 1 ) , ρ > ρ c ]]>

建立城市快速路狀態空間模型的非線性觀測方程模型如下：

y(k)＝H(ρ(k))

式中H描述上述速度—密度方程關系；

至此，基于LWR交通流模型設計了城市快速路的狀態空間模型建立完成，如下：

ρT(k+1)＝F(ρT(k))+GTd(k)

y(k)＝H(ρ(k))

其次，本方法設計了一種三步式遞歸濾波算法，可以通過城市快速路的狀態空間模型同步估計交通狀態和邊界流量；

對于離散時間系統：

x(t+1)＝A(t)x(t)+Gd(t)

y(t)＝C(t)x(t)

式中，x(t)是狀態變量，d(t)是未知輸入，y(t)是觀測參數；

本方法根據擴展卡爾曼濾波，將非線性關系F和H在當前時刻的雅克比矩陣分別作為上述離散系統的矩陣A和C進行求解，即

A ( k ) = ∂ F ∂ ρ | ρ ( k | k ) ]]>

C ( k ) = ∂ H ∂ ρ | ρ ( k + 1 | k ) . ]]>