[發明專利]瓶頸上游車道級交通狀態預測系統及實現方法

有效

• 申請號: 201710065260.0
• 申請日: 2017-02-06
• 公開（公告）號: CN106710215B
• 公開（公告）日: 2019-02-01
• 發明（設計）人: 付強;林航飛;劉春;姚崇富
• 申請（專利權）人: 同濟大學
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 上海科律專利代理事務所(特殊普通合伙) 31290
• 代理人: 葉鳳

本發明提出一種瓶頸上游車道級交通狀態預測系統及實現方法。所述預測系統包括信息采集模塊、處理模塊、發布模塊以及傳輸模塊；首先通過信息采集模塊得到每輛車的車速和通過時刻，從而得到瓶頸上游交通流的初始時空分布狀態及流量，在信息處理模塊，基于駕駛員風險閾值，結合瓶頸處的合流模型，以及瓶頸上游的車道選擇模型，預測交通流在不同車道任意時刻的時空分布狀態。由于合流模型和車道選擇模型計入了瓶頸上游不同車道在合流點優勢不同的影響，可將瓶頸上游交通狀態預測的精度提升至車道級，從而可以大大提高交通狀態預測的準確程度，為交通管理者的動態控制，智能誘導、高效管理和快速決策提供理論和技術支持，并為道路使用者提供更為準確的出行信息。

技術領域

本發明涉及一種瓶頸上游車道級交通狀態預測系統及實現方法，屬于動態交通預測智能管理技術領域。

背景技術

路段交通狀態估計與預測是智能交通系統的重要組成部分，也是動態交通管理決策和出行決策的重要信息基礎。實時準確的交通狀態預測，可以為交通管理部門的動態管理、實時誘導、信息發布提供支撐，也是路段行程時間預測的基礎，對于動態交通管理決策與出行決策具有重要的現實意義。

目前對路段交通狀態預測的研究，根據其原理，主要分以下3類：①基于傳統的數學和物理模型的數理統計分析方法；②人工智能分析方法；③基于交通仿真的方法。其中第①類方法主要有基于時間序列模型、參數回歸模型、指數平滑模型等；第②類方法主要包括狀態空間重構模型，神經網絡模型、小波理論等；第③類方法主要包括微觀仿真和宏觀仿真，如元胞自動機模型、CTM模型以及一些成熟的仿真軟件VISSIM等。根據其研究對象的不同，可以分為快速路的行程時間預測和城市道路的行程時間預測。但總體來說，以往研究主要是針對常規路段的，即針對在空間上和時間上都較為連續的交通流。

但對于快速路來說，瓶頸處的交通狀態通常對整個快速路的運行帶來決定影響。瓶頸通常可以分為常發性瓶頸(上下匝道等合流區、分流區或交織區)和偶發性瓶頸(交通事件等引起的車道關閉)。美國聯邦公路署統計表明，快速路上超過70％的交通擁堵是由交通事故所導致，而交通事件所引起的擁堵占上海快速路總擁堵的50％～75％，如果計入上匝道合流區等常發性瓶頸所引發的擁堵，這一數字還會更高。因此，瓶頸處的交通狀態預測具有非常重要的意義。

但是，當前的交通狀態預測方法未能體現出瓶頸處交通流運行的特點。對①基于傳統的數學和物理模型的數理統計分析方法；②人工智能分析方法來說，更是如此。這兩類方法嚴重依賴于歷史交通流量數據或者是上下游的交通參數，對于交通流在時空上連續的基本路段，這些方法是合適的，但是瓶頸處，特別是偶發性瓶頸，由于交通條件的變化(部分車道因交通事件而關閉)，交通狀態通常會發生突變，歷史流量數據等不再有參考意義，因此，以上兩類方法不再適合。相對來講，仿真的方法或者是排隊論、波動理論，都能反映瓶頸處的車道變化帶來的影響，但這些方法都忽略了瓶頸處的另外一個關鍵特性，即由于部分車道在瓶頸處關閉，造成瓶頸上游不同車道在合流時所具備的優勢不同，進而會影響駕駛員的車道選擇，這種車道選擇行為對瓶頸上游交通狀態的演化具有非常重要的影響。但當前的仿真模型以及排隊論和波動理論中，都未計入這一影響，從而一定程度上降低了交通狀態預測的準確性。雖然這些信息對道路使用者來說，精度基本可以滿足要求(對于駕駛員來說，通常只需要知道前面擁堵與否，與通過的大致時間)。但是，對于道路管理者來說，其控制和管理的效果則嚴重依賴于交通狀態預測結果的準確程度，粒度粗細。因此，有必要針對瓶頸處的交通特點，建立更為準確，粒度更細的模型，從而可以為交通管理部門提供準確的交通狀態預測，為其動態控制，智能誘導、高效管理和快速決策提供理論和技術支撐。

本發明的目的是提供一種瓶頸上游車道級交通狀態預測系統及其實現方法，這種交通狀態預測系統一方面可以體現瓶頸處交通狀態的突變特性，更重要的，可以反映瓶頸處合流對上游駕駛行為的影響，并通過合流模型和車道選擇模型反映這一影響，從而提高瓶頸上游交通狀態預測的精確程度。

發明內容