[發(fā)明專(zhuān)利]一種軌跡數(shù)據(jù)驅(qū)動(dòng)的信控交叉口周期流量估計(jì)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011020112.5
• 申請(qǐng)日: 2020-09-24
• 公開(kāi)（公告）號(hào): CN112201035A
• 公開(kāi)（公告）日: 2021-01-08
• 發(fā)明（設(shè)計(jì)）人: 唐克雙;談超鵬;姚佳蓉;孫劍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 同濟(jì)大學(xué)
• 主分類(lèi)號(hào): G08G1/01
• 分類(lèi)號(hào): G08G1/01;G08G1/065;G08G1/081;G08G1/085
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 楊宏泰

本發(fā)明涉及一種軌跡數(shù)據(jù)驅(qū)動(dòng)的信控交叉口周期流量估計(jì)方法，包括以下步驟：1)根據(jù)最后一輛排隊(duì)抽樣軌跡的停車(chē)位置和期望到達(dá)時(shí)間將周期流量劃分為已知和未知兩部分；2)提取各周期內(nèi)已知和未知兩部分與流量相關(guān)的參數(shù)，構(gòu)建包括各周期未知部分流量的三維張量，將周期流量估計(jì)問(wèn)題轉(zhuǎn)化為數(shù)據(jù)修補(bǔ)問(wèn)題；3)基于張量分解方法修補(bǔ)構(gòu)建的張量，獲得各周期的流量。與現(xiàn)有技術(shù)相比，本發(fā)明具有軌跡數(shù)據(jù)驅(qū)動(dòng)、有效性高、適用性廣等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及交通信息領(lǐng)域，尤其是涉及一種軌跡數(shù)據(jù)驅(qū)動(dòng)的信控交叉口周期流量估計(jì)方法。

背景技術(shù)

交通流量是城市道路規(guī)劃、運(yùn)行和管理的重要輸入之一，周期級(jí)的交通量估算對(duì)于城市道路信號(hào)控制交叉口的動(dòng)態(tài)評(píng)估和優(yōu)化非常重要，現(xiàn)有的交通流量檢測(cè)方式主要依賴定點(diǎn)檢測(cè)器，如定點(diǎn)線圈、微波雷達(dá)、電警等，然而，這些定點(diǎn)檢測(cè)器由于安裝和維護(hù)成本等因素在現(xiàn)實(shí)中的覆蓋范圍是極其有限的，此外，其實(shí)際應(yīng)用也受到故障和數(shù)據(jù)質(zhì)量的影響。

近年來(lái)，由于移動(dòng)互聯(lián)、智能網(wǎng)聯(lián)等技術(shù)的快速發(fā)展，使得獲取海量高頻車(chē)輛軌跡數(shù)據(jù)成為可能，通常，配有GPS、北斗等可以實(shí)時(shí)上傳位置信息的車(chē)輛被稱為網(wǎng)聯(lián)車(chē)輛或抽樣車(chē)輛，目前，這類(lèi)抽樣車(chē)輛可以以1～5s的間隔上傳其瞬時(shí)位置和速度，從而提供豐富的交通流信息，與傳統(tǒng)的定點(diǎn)檢測(cè)器相比，采樣車(chē)輛的軌跡可以提供一種經(jīng)濟(jì)高效的數(shù)據(jù)來(lái)源用以監(jiān)控路網(wǎng)的交通運(yùn)行狀況，同時(shí)，在信號(hào)控制交叉口運(yùn)行動(dòng)態(tài)評(píng)價(jià)和優(yōu)化方面也具有巨大潛力，需要說(shuō)明的是，目前，抽樣車(chē)輛的定位精度仍然不足以實(shí)現(xiàn)車(chē)輛的車(chē)道級(jí)定位。

在過(guò)去的幾年中，已有許多研究聚焦于使用抽樣車(chē)輛軌跡來(lái)評(píng)估信號(hào)控制交叉口的運(yùn)行狀況，其中，大量的研究集中在估計(jì)信號(hào)控制交叉口排隊(duì)長(zhǎng)度，采用確定性方法或隨機(jī)性方法，確定性方法主要基于交通波理論(如Cheng等人，2012；Ramezani和Geroliminis，2015；Li等人，2017；Yin等人，2018)，該類(lèi)方法通過(guò)確定抽樣車(chē)輛軌跡的臨界運(yùn)動(dòng)點(diǎn)，即加入排隊(duì)或離開(kāi)排隊(duì)點(diǎn)，重構(gòu)信號(hào)控制交叉口排隊(duì)隊(duì)伍的形成和消散過(guò)程，從而實(shí)現(xiàn)各周期排隊(duì)長(zhǎng)度的估計(jì)，但是，在重構(gòu)交通波時(shí)通常需要假設(shè)兩個(gè)連續(xù)采樣車(chē)輛之間其余車(chē)輛以恒定流率到達(dá)，這在低滲透率條件下(10％)可能會(huì)產(chǎn)生較大誤差，隨機(jī)性方法則是通過(guò)假設(shè)車(chē)輛的到達(dá)服從泊松或時(shí)變泊松分布，從而以概率論等方法為基礎(chǔ)構(gòu)建周期排隊(duì)長(zhǎng)度為隨機(jī)變量從而估計(jì)最大可能排隊(duì)長(zhǎng)度或周期內(nèi)排隊(duì)長(zhǎng)度的期望值(如Comert和Cetin，2009，2011；Hao等人，2013；Hao等人，2014；Tan等人，2019；Zhang等人，2019)，該方法通常比確定性方法魯棒性更高，然而通常需要滲透率、信號(hào)配時(shí)等其他輸入，此外，此類(lèi)方法在低滲透率下的估計(jì)精度仍然難以滿足實(shí)際應(yīng)用，最近，針對(duì)不同的交通狀態(tài)，Zhang等人(2019)假設(shè)不同的到達(dá)分布，并采用期望值最大化算法來(lái)估計(jì)各個(gè)周期的到達(dá)率，而后基于交通波理論估計(jì)最大排隊(duì)長(zhǎng)度和剩余排隊(duì)長(zhǎng)度，該方法即使在稀疏環(huán)境下仍然可以產(chǎn)生較為準(zhǔn)確的估計(jì)結(jié)果，此外，Tan等人(2019)充分利用歷史軌跡數(shù)據(jù)來(lái)得到周期內(nèi)的到達(dá)分布，而后基于概率論將排隊(duì)長(zhǎng)度估計(jì)問(wèn)題轉(zhuǎn)化為參數(shù)估計(jì)問(wèn)題，并最終實(shí)現(xiàn)最大排隊(duì)長(zhǎng)度和紅燈末排隊(duì)長(zhǎng)度的估計(jì)，結(jié)果表明，該方法在稀疏條件下同樣能實(shí)現(xiàn)精準(zhǔn)的估計(jì)。