[發明專利]基于隱馬爾科夫鏈的交叉口實時飽和流率估計方法

有效

• 申請號: 201710124151.1
• 申請日: 2017-03-03
• 公開（公告）號: CN106846804B
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 祁宏生;羅玉芳;江南;唐守鵬;崔巖磊;王殿海
• 申請（專利權）人: 浙江大學
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 杭州求是專利事務所有限公司33200
• 代理人: 萬尾甜,韓介梅

技術領域

本發明涉及一種用于城市交通控制中的交叉口實時飽和流率的估計方法,具體來說，是涉及利用檢測器數據和信號燈信息，對交叉口的車頭時距的狀態進行建模，并訓練模型，之后用模型來實時估計飽和流率的一種方法。

背景技術

飽和流率是城市交通控制系統中的關鍵參數之一，指的是當信號燈的綠燈信號啟亮之后，車隊以飽和狀態駛過停車線時的流率。該流率隨著時間和空間的變化而變化，且很大程度上影響了交叉口的控制效果。目前，主流控制系統中大多采用固定式的飽和流率或者簡單的用分位數對飽和流率進行設定。這種比較僵化的方法難以反映實際情況。從而，有必要針對交叉口的交通流特性提出新的飽和流率的估計方法。

發明內容

本發明要解決的技術問題是,克服現有方法不能實時準確估計交叉口進口道飽和流率的缺陷。本發明提出一種基于隱馬爾科夫鏈的飽和流率估計方法。為解決技術問題，本發明的解決方案是：針對某一個進口道，當綠燈啟亮之后，車隊駛過停車線，從而產生一系列相繼的車頭時距。本發明將車頭時距按照后車的狀態分為五類:加速狀態，穩定狀態，減速狀態1，減速狀態2，不停車駛過狀態共五種。其中的穩定狀態就是車隊以穩定的飽和車頭時距駛過停車線的狀態，穩定狀態下所有車頭時距的平均值就可以作為停車線在該周期內的估計值。

為了識別車頭時距的狀態，本發明基于馬爾科夫鏈，提出了車頭時距的隱馬爾科夫鏈模型。其中，隱含狀態就是五種狀態，可觀測的參數為車頭時距。

本發明的技術方案是:1建立綠燈信號期間車頭時距的隱馬爾科夫鏈模型；2采集數據，也就是采集一系列綠燈期間的車頭時距的數據，包含車頭時距對應的狀態以及車頭時距本身的值；3利用EM算法對模型進行訓練，得到模型參數的值；4利用訓練之后的隱馬爾科夫車頭時距模型對車頭時距進行狀態估計，得到車頭時距對應的狀態序列；5僅僅利用狀態序列中的穩定狀態，對其求平均，其倒數作為飽和流率的估計值。

通過本發明的方法可以實時估計飽和流率，并為交通控制提供參數基礎。

附圖說明

圖1為停車線的檢測器設置圖；

圖2為車頭時距的定義圖；

圖3為理想情況下的車頭時距變化圖；

圖4為車頭時距狀態轉移圖。

具體實施方式

下面結合附圖和實施例對本發明進行進一步說明。

圖1為停車線的檢測器設置圖。其中,檢測器設置于停車線處，從而每輛車通過停車線之后都可以被停車線檢測到。圖2為車頭時距的計算方法，相鄰車輛經過停車線的時間差作為車頭時距的檢測值。圖3為當信號燈的綠燈啟亮后，理想情況下經過停車線的車頭時距的變化圖。在綠燈的初期,由于車輛加速尚未完全，從而車頭時距較大，隨著后續車輛的經過，車輛速度逐漸增加，因此車頭時距越來越小，到第5輛或者第6輛車左右，車頭時距基本上穩定，這一穩定的車頭時距就是該停車線對應的飽和車頭時距。該飽和車頭時距的倒數就是飽和流率。由于路面的老化、車輛的組成、天氣等原因，該飽和流率會不斷變化，從而有必要實時估計哪些車頭時距是穩定車頭時距，并利用該飽和車頭時距估計飽和流率。

對于某一個綠燈期間所有的車頭時距，其狀態有圖4的五種:加速狀態，穩定狀態，減速狀態1，減速狀態2以及不停車經過狀態。加速狀態是綠燈啟亮初期的狀態，穩定狀態緊緊接著加速狀態。當綠燈結束,轉換為黃燈時，車輛減速并停在停車線處。減速狀態1對應的是上游有足夠的車隊需求，減速狀態2對應的是上游到達的車輛并不是飽和的。不減速通過狀態指的是車輛沒有經過減速狀態而直接穿越交叉口的狀態。

五種狀態的轉移如圖4所示。

本發明利用下述符號:

車頭時距的狀態取值集合,共有五種狀態:S＝s₁,s₂,s₃,s₄,s₅；

觀測值集合:M∈R⁺，該集合是一個正的實數；

一個周期的觀測序列:O＝o₁,o₂,o₃,o₄,...o_k....；

一個周期內的隱含狀態序列:I＝i₁,i₂,i₃,i₄,....i_k....，其中每一個隱含狀態取值為S中的某一種。

本發明的步驟

本發明的步驟包括如下三步: