基于视频数据的交叉口状态判别及排队长度估计

为了评价信号控制交叉口的交通状态及估计周期排队长度,本文以集散波为理论基础,分析视频检测的机动车通过上下游相邻交叉口的数据,提出了基于车辆延误时间的交叉口交通状态判别划分,进一步设计了欠饱和及饱和交通状态下的交叉口最大排队长度估计方法.实例分析表明,本文方法所估计的排队长度比较接近实际调查值,排队相对误差在可接受的范围内,结果验证了所设计的排队长度估计方法是有效可行的.     

基于决策树模型的信号控制交叉口交通状态估计

为了探究城市干道信号控制交叉口交通状态与检测器数据之间的关系,以低频定点检测器(5 min集计)采集的流量、占有率、速度数据与交叉口离线信号配时方案作为特征变量,以路段平均行程速度为标签变量,基于分类回归树(CART)模型,提出了一种新的交通状态估计方法。首先,以车辆路段行程速度为评价指标,将交通状态分为畅通状态、拥挤状态与阻塞状态3类;然后,通过VISSIM软件建立微观仿真模型,采集不同周期时长、绿信比和饱和度下的64 000个样本对分类回归树模型进行了训练与验证。结果表明,训练集估计精度为84.41%,验证集估计精度为84.08%,模型总体估计精度在84%以上。不同因素对交通状态估计的影响程度不同,由大到小依次为:占有率、绿信比、检测器速度、流量、信号周期。最后,以107组微波检测数据与视频数据对模型进行试验验证。验证结果表明,拥挤状态下模型估计精度最高,为89.19%,其次为畅通状态,为75.00%,阻塞交通状态下模型估计精度最低,为63.15%,交通状态总体估计精度为75.70%。可见,分类回归树模型能够较为准确地估计城市干道信号控制交叉口交通状态,该精度能够基本满足我国中小城市交通状态估计需求。     

基于轨迹数据的单交叉口信号配时优化方法

随着城市化的发展,城市路网变得更加复杂,交通量日益增多.传统的数据采集方式如线圈、卡口存在铺设难度大、维护成本高、数据缺失等缺点.随着网络出租车的兴起,海量的轨迹数据被收集起来.本文整合了基于轨迹数据的交叉口排队模型和交叉口启动波模型,估计路口各相位排队长度,并应用交通波理论对交叉口各相位配时进行优化,建立了基于轨迹数据的单交叉口信号配时模型.该模型采用交叉口SCATS系统实际数据进行路口建模,经仿真验证,相较于原配时方案与Webster配时方法,该模型能够将交叉口延误分别降低61.37%和36.95%,验证了该模型的有效性.      

基于模糊控制的小区域交叉口群过饱和状态信号协调优化

城市区域交通具有非线性、动态时变性、不确定性的特点,难以建立精确的数学模型.据此,针对小区域交叉口群过饱和状态,研究了基于模糊控制的信号协调优化方案.将现状交通控制下的交叉口群进口道最大排队长度和平均延误作为模糊控制的输入变量,将交叉口绿灯时间调整量作为输出变量,利用模糊C均值聚类获得输入变量的模糊集合和隶属度函数,通过一级模糊控制器和二级模糊控制器分别对区域交叉口群信号进行协调控制,达到减少区域最大排队长度和平均行车延误的目的.通过对武汉徐东商圈过饱和交通状态下的交叉口群进行多次协调控制,并对现状信号方案和协调信号方案进行Vissim微观仿真,交叉口群最大排队长度平均值由201 m减少为63 .6 m ,平均行车延误由110 .62 s减少为22 .68 s .      

基于排队紧张系数的瓶颈交叉口信号配时研究

针对传统单点交叉口信号配时方法对于过饱和状态下瓶颈交叉口不适用的情况,定义了排队紧张系数并提出了基于排队紧张系数的瓶颈交叉口信号配时方案,讨论了过饱和状态下最佳周期时长的计算；用实测交叉口数据进行VISSIM仿真,对比分析了传统信号配时方案和基于排队紧张系数的配时方案的效果,结果表明基于排队紧张系数的配时方案对瓶颈路段排队强度的改善有非常明显的作用.     

基于网联车辆轨迹数据的周期排队长度估计

近年，基于网联车辆轨迹数据的交通管控与服务研究方兴未艾。其中，信号控制交叉口排队长度估计备受关注。然而，在低渗透率条件下，单个周期内轨迹稀少且提供的交通信息十分有限。现有研究仅以当前周期内网联车辆轨迹数据为输入，难以获得准确且可靠的周期级排队长度估计结果。因此，融合利用历史网联车辆轨迹数据提供的车辆到达和停车位置信息以及当前周期内实时观测的网联车辆排队信息，提出一种基于最大后验概率的周期最大排队长度估计方法。首先，依据历史轨迹数据的停车位置信息，估计排队长度的先验分布；其次，依据历史轨迹数据的车辆到达信息，估计周期内车辆的历史到达分布，并结合周期内最后1辆排队网联车辆的到达时刻与停车位置，构建排队长度似然函数；最后，基于贝叶斯理论，结合前述先验分布与似然函数，推导周期排队长度的后验分布，并采用最大后验概率方法实现周期最大排队长度的估计。仿真结果表明：所提方法在不同饱和度和渗透率条件下，均优于现有的方法；即使在车辆轨迹数不超过1 veh·周期^-1的低渗透率条件下，所提方法的平均绝对估计误差也不超过2 veh·周期^-1。实证结果表明：在渗透率仅为8.96%的条件下，所提方法的平均绝对误差为2.12 veh·周期^-1，平均相对估计误差为12.4%，同样优于现有同类方法。     

检测器数据的精确度对全感应控制的影响分析

为了研究交叉口检测器的精确度对全感应信号控制的影响效果,利用Python程序模拟全感应信号控制的控制策略,使用淮安市实际交叉口调查数据在Vissim软件中对单个交叉口进行交通仿真建模.分析对比在不同车辆检测器的精确度下,交叉口采用全感应信号控制方案时的评价指标,主要包括排队长度、车均延误、停车次数等.结果表明,在低峰、平峰和高峰时期,当车辆检测器的精确度分别达到90%,85% 和70% 时,对排队长度、车均延误和停车次数的改善效果最为明显.交通流量的大小会影响检测器的精确度对全感应信号控制的控制效果.交通流量较小时,全感应信号控制对检测器的精确度要求较高.随着交通流量增大,即使较低精确度的检测器也可以使全感应信号控制达到较为理想的控制效果.而当交通流量达到饱和或者过饱和时,检测器的精确度将不再影响全感应信号控制的控制效果.      

基于抽样车辆轨迹数据的信号控制交叉口排队长度分布估计

排队长度是评价信号控制交叉口运行状态的重要参数之一。现有大多数基于抽样车辆轨迹数据的排队长度估计方法可以实现周期级排队长度估计，但是需要信号配时、渗透率或车辆到达分布等实践中难以获取的输入信息。此外，这类方法在低渗透率条件下往往难以确保估计结果的准确性和可靠性，极大地限制了其实用性。因此，提出一种抽样车辆轨迹数据驱动的时段级信号控制交叉口排队长度分布估计方法，可不依赖任何交通流理论模型和前述输入信息实现排队估计。首先，通过理论推导可以证明时段内抽样车辆的停车位置分布和排队长度分布之间可互相转化；然后，提出一种扩展的核密度估计方法来拟合并平滑抽样车辆停车位置分布，从而有效地适应不同日期和周期的轨迹叠加所带来的波动，提高方法的适用性；最后，基于前述推导和拟合的停车位置分布实现时段排队长度分布、平均排队长度和百分位排队长度估计。分别采用仿真和实证数据对上述方法进行验证和评价。结果表明，通过叠加5 d相同时段的抽样轨迹数据，15 min的平均排队长度估计误差仅为1.59 veh，相对误差仅为9%。同时，面向不同分析时长，只要给定超过100 veh抽样车辆的观测样本，无论渗透率高低，所提出的方法在定时或自适应信号控制交叉口都可实现时段排队长度分布的准确估计，其成果可进一步用于信号控制交叉口运行可靠性评估以及多时段定时信号控制的鲁棒优化。     

基于车辆行驶轨迹的信号交叉口排队长度估计

为了研究如何结合移动检测数据来确定交叉口排队长度,并以此来衡量交通拥堵程度的问题,利用车辆行驶轨迹,分析了通过交叉口车辆的排队特点。根据车辆在队列中的不同排队位置,分车辆通过交叉口时所存在的A,B,C这3种位置,建立了面向延误最小的排队长度估计模型。其中,通过虚拟线圈检测器后开始减速停止在停车线前的A位置车辆排队估计模型基于基本延误模型;减速进入虚拟线圈检测区域停车的B位置车辆排队估计模型基于简化车辆跟驰模型,对可获得车辆行驶轨迹的网联车减速过程进行了重建;减速停止在虚拟线圈检测器前的C位置车辆排队估计模型基于LWR消散模型以及交通流理论算法,并利用网联车车辆行驶轨迹数据进行了加速过程的重建。在此基础上,根据不同位置车辆与队尾网联车的距离不同,对其到达率赋予不同的权重,计算总的排队长度。最后,通过图新地球地图软件投影并筛选车辆在案例交叉口的车辆行驶轨迹,利用微观交通仿真软件VISSIM对本研究的模型进行仿真验证。结果表明,排队长度估计模型与真值的最大误差为12.4%,最小为2.2%,平均误差为8.75%,方差为12.595%~2,绝对与相对误差均保持在可接受范围以内,说明基于车辆行驶轨迹的信号交叉口排队长度估计模型能够较为有效地估计城市道路交叉口的排队长度。     

基于交通预测的多态交通流信号控制

为解决现有信号控制方法对多态交通流交叉口适应性不足的问题,通过在交叉口设置多功能进口车道和车辆检测器、车道控制器等硬件设施,进行了短时交通流预测基础上的多态交通流条件下交叉口信号配时优化研究。根据交通量预测数据,建立信号控制延误估计模型,以交叉口总延误最小为优化目标选取多功能车道流向,根据每相位最大排队长度逐步优化绿灯时长并实施信号控制。短时交通预测以小波分析为基础,采用RBF神经网络及Markov链分别预测交通流的稳态与随机部分。使用VISSIM软件对设置多功能车道的交叉口多态流信号控制方法进行了交通仿真。分析结果表明：该方法可有效降低行车延误,提高交叉口服务水平。     

Shockwave-based queue estimation approach for undersaturated and oversaturated signalized intersections using multi-source detection data

With the progress of information and sensing technologies, estimating vehicular queue length at signalized intersections becomes feasible and has attracted considerable attention. The existing studies provided a solid theoretical foundation for the estimation; however, the studies have some restrictions or limitations more or less. This paper presents a new methodology for estimating vehicular queue length at signalized intersections using multi-source detection data under both undersaturated and oversaturated conditions. The methodology applies the shockwave theory to model queue dynamics. Using data from probe vehicles and point detectors, analytical formulations for calculating the maximum and minimum (residual) queue lengths of each cycle are developed. Ground truth data were collected from numerical experiments conducted at two intersections in Shanghai, China, to verify the proposed methodology. It is found that the methodology has mean absolute percentage errors of 17.09% and 12.28%, respectively, for maximum queue length estimation in two tests, which are reasonably effective. However, the methodology is unsatisfactory in estimating the residual queue length. Other limitations of the proposed models and algorithms are also discussed in the paper.     

基于短连线的过饱和信号交叉口最大延误模型

为了解决过饱和状态下短连线的信号交叉口路段长度对延误影响的问题,推导出了基于短连线的过饱和信号交叉口最大延误模型。首先分析经典延误模型的盲区:在连接短连线信号交叉口车辆排队长度达到路段长度后,排队车辆就不能再增加;然后利用排队长度与延误关系推导出适用于该状态下的延误模型,并且提出当短连线相连2个交叉口信号相位差为0时所计算出来的延误是最大延误;最后通过算例对比了提出的延误模型与定数理论延误模型。结果表明:路段长度限制对于过饱和状态下连接短连线的信号交叉口延误的计算有很大影响,所提出的方法能够有效解决这一问题。     

车联网环境下连续信号交叉口协同控制模型

智能交通信号控制技术是缓解交通拥堵的重要手段。为解决传统强化学习算法应用到连续多交叉口的局限性问题，提出了1种基于上下层神经网络的连续交叉口交通信号控制模型。控制模型由下层神经网络选择当前状态下可能的最优控制策略，再由上层神经网络根据各路口车均延误进行二次调整，将最终控制策略应用到多交叉口的相位配时中。以典型连续3个交叉口为例，通过SUMO仿真平台对模型进行仿真验证，在低与高饱和度下，该控制模型分别对车均延误降低了23.6%和26%，排队长度降低了8.4%和9.4%。实验数据表明，该模型可有效提高连续交叉口道路通行能力，为缓解城市交通拥堵提供了1种有效技术手段。      

短车道对信号交叉口通行能力影响研究

针对交叉口进口道拓宽后形成的短车道,由于其长度的限制,存在因车辆排队溢出而造成阻塞的问题,结合交通流理论和概率论的相关成果,从定性分析和定量计算两方面研究了短车道排队阻塞对信号交叉口通行能力的影响。针对3种不同的信号相位方案,建立了考虑短车道潜在排队阻塞情况下的车道组通行能力计算模型,并通过仿真对模型进行了检验。在此基础上,进行了短车道条件下相关因素对信号交叉口通行能力影响的敏感性分析。研究发现在交叉口进口道存有短车道条件下,短车道长度、信号相位方案对通行能力起主要影响;同时对通行能力而言,存在最佳信号周期。     

车路协同环境下信号交叉口车速引导建模与仿真

目前交通自适应控制策略中预测交通流到达的方法多为基于车流行驶速度服从统一分布而获得,其效率与可靠性等方面存在不足.文中利用车路协同环境下实时车车、车路通信,基于实时信号状态、排队长度、车辆位置、加速度等参数,以交叉口车辆停车时间最小化为目标,提出面向个体车辆的车速引导机制与模型,有效弥补了上述缺陷.以上海市曹安路嘉松北路交叉口为例进行仿真验证,结果表明,在高饱和状态下,文中模型能有效降低交叉口车均延误30％,减少交叉口平均停车次数60％,在中、低饱和状态下的效益更佳.     

高架出口匝道下游交叉口信号控制方法研究

城市高架快速路与地面道路,主要通过出口匝道及其下游交叉口进行交通转换,高峰时段出口匝道及下游交叉口交通拥堵频发。以元胞传输模型为基础,构建出口匝道及下游交叉口交通预测模型;采用动态调整周期时长和信号相位的控制策略,建立基于元胞传输模型的交叉口信号控制模型。以排队长度、绿灯和周期时长为约束条件,以各进口道加权平均延误为目标函数,进行信号配时动态优化。以成都市实例匝道和交叉口进行验证,表明本文提出信号控制策略可有效降低此类交叉口的饱和度、延误和排队长度,提升其通行效率。     

信号交叉口左转专用可变车道设置研究

针对某些城市信号交叉口各流向交通流量分布不均导致的左转车道拥挤问题,为减少交叉口的道路资源浪费,提出在交叉口出口道设置左转专用可变车道的交通组织方法.结合已有理论研究,归纳出左转专用车道的静态和动态适用条件,并确定左转可变车道的长度、开关时间等参数的计算模型.以威海市某信号交叉口为例,通过交通调查与分析,提出设置西进口左转专用可变车道的可行性,并使用Vissim微观仿真的方法对左转可变车道的应用效果进行模拟分析,最后给出该交叉口的交通管理设施设置方案.方案实施前后仿真结果表明,可变车道设置后的20个周期内,左转车流的延误降低51%,排队长度降低72%,左转效率得到了极大提升.      

信号交叉口可变导向车道应用方法研究——以无锡市蠡湖大道-周新路路口为例

该文以无锡市蠡湖大道-周新路路口为例,介绍可变车道在信号交叉口的应用方法,包含可变车道检测器的布置、信号灯控制机理,以及交通安全配套设施的设置等,最后通过饱和度指标评价可变车道方案的实施效果。结果显示,实施可变车道能够合理分配道路资源、缓解路口通行压力、减小车辆排队长度,对于潮汐车流明显的城市,具有推广的意义。