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。     

基于浮动车停车点数据交叉口车辆排队长度计算方法

浮动车数据中存在许多行驶速度为零的停车点数据记录,它们和交叉口车辆排队长度存在一定的空间关系.针对此提出一种新的基于浮动车停车点数据计算交叉口前车辆排队长度的方法.首先根据车辆停车点地理位置和正常行驶点的连续关系及和路段的相对位置进行地图匹配,提取出路段上交叉口前正常排队停车点数据;然后从正常排队停车点数据中计算出相对交叉口的浮动车数据相对位置关系,根据对浮动车停止点距离交叉口的位置密度分布变化进行2次统计计算,推算出交叉口前车辆排队长度.最后通过实际浮动车数据计算实例对本方法进行了说明和验证.     

基于比功率法的信号控制交叉口排队车辆尾气排放估计

为了优化信号控制参数以降低机动车在交叉口上的尾气排放,分别根据排队车辆的减速工况、怠速工况、加速工况,按照比功率法建立了一种新颖的反推估计方法,定量估计信号控制交叉口前排队车辆的尾气排放总量,并建立了信号控制参数优化的尾气排放评价依据,最后应用建立的模型对某个单点定时信号控制交叉口前排队车辆的尾气排放进行了估计.研究结果表明:该方法能依据比功率计算公式反推出加速过程和减速过程经历的所有比功率区间对应的时间长度;可根据车辆的到达和离去特征、信号配时参数计算每周期的总停车次数和平均停车延误,以此作为受信号控制影响的停车车辆总数及怠速工况对应的时间长度;应用该方法估计尾气排放是可行的.     

基于多源轨迹数据的信号交叉口运行评价研究

针对目前信号交叉口运行评价指标估算模型大多需要人工采集、输入多元交通参数,且假设条件较多的局限,考虑到现状评价方法不能有效支撑交叉口绿灯时间分配失衡、车道功能划分不当等问题甄别及交叉口信号控制多方案选择与优化,依据多源轨迹数据特征及交叉口车辆运行特性,论证了基于大样本车辆轨迹数据批量提取排队车辆交叉口通行时间、初始排队长度的技术可行性,提出了基于交叉口通行时间、排队长度、二次停车率的信号交叉口运行评价体系。     

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。     

基于单截面低频检测数据的信号交叉口排队长度估计

针对我国大多数中小城市信号交叉口交通检测数据条件及基于此数据条件下存在的信号交叉口排队长度估计精度不高问题,研究了基于单截面低频定点检测数据的信号交叉口排队长度估计模型.利用时间占有率与流量、速度之间的函数关系对长排队(排队长度超出检测器位置)进行识别.根据信号配时数据切分低频检测器数据,并与信号配时数据匹配.基于交通波理论,通过关键点的判别求取周期最大排队长度.以青岛市山东路-江西路南进口为例进行仿真和实证验证.结果显示,长排队的识别精度达到了90% 以上,不同饱和度下(低、中、高)的信号交叉口排队长度估计精度均达到了80% 以上,其中,中、低饱和度场景下排队长度平均绝对误差小于20 m/cycle,高饱和度场景下排队长度平均绝对误差小于45 m/cycle.      

静止队列法交叉口排队与停车延误分析

交叉口延误是现代城市交通研究的重要课题,论文采用静止队列法分析了交叉口排队与停车延误。根据车辆通过交叉口的真实过程,运用静止队列法,以队列首尾各自向上游移动描述排队过程,在此基础上分析了一次排队和二次排队通过交叉口的排队长度与停车延误,并归纳了排队长度与停车延误的一般算式,最后仿真研究了连续多个周期各时段的排队长度及其变化,讨论了时段长度与停车延误准确度的关系,并确定了时段长度合适的取值范围。     

信号交叉口排队长度预测的神经网络方法

预测信号交叉口的排队长度可以为交通信号控制和管理提供非常重要的信息。基于神经网络，针对定时和感应信号交叉口两种不同情况，成功实现了单、双车道排队长度的预测。同时，感应器与停车线之间的距离对预测精度的影响也进行了初步分析。模拟结果同时表明，神经网络对左转车道排队长度的预测效果不佳，不能为信号控制和管理提供有效的信息。     

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.      

Probe vehicle lane identification for queue length estimation at intersections

Vehicles instrumented with Global Positioning Systems, also known as GPS probe vehicles, have become increasingly popular for collecting traffic flow data. Previous studies have explored the probe vehicle data for estimating speeds and travel time; however, there is very limited research on predicting queue dynamics from such data. In this research, a methodology was developed for identifying the lane position of the GPS-instrumented vehicles when they are standing in the queue at signalized intersections with multiple lanes, particularly in the case of unequal queue. Various supervised and unsupervised clustering methods were tested on data generated from a microsimulation model. Among the tested methods, the Optimal Bayes Rule that utilizes probability density functions estimated using bivariate statistical mixture models was found to be effective in identifying the lanes. The methodology for lane identification was tested for queue length estimation. This research confirms that the lane identification is an important step required prior to the queue length estimation. The accuracies of the models for lane identification and queue length estimation were evaluated at varying levels of demand and probe vehicle market penetrations. In general, as the market penetration increases, the accuracy improves as expected. The result shows that 40% market penetration rate is adequate to reach about 90% accuracy.     

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.     

信号交叉口红绿灯配时优化的休假排队模型

通过深入分析机动车辆在十字型信号交叉口的排队现象,建立了休假排队模型,求出该系统处于稳态时的各项指标,通过对系统稳态指标的分析建立对于信号交叉口的配时优化与评价的方法。     

Real-time queue length estimation using event-based advance detector data

Real-time queue length information at signalized intersections is useful for both performance evaluation and signal optimization. Previous studies have successfully examined the use of high-resolution event-based data to estimate real-time queue lengths. Based on the identification of critical breakpoints, real-time queue lengths can be estimated by applying the commonly used shockwave model. Although breakpoints can be accurately identified using lane-by-lane detection, few studies have investigated queue length estimation using single-channel detection, which is a common detection scheme for actuated signal control. In this study, a breakpoint misidentification checking process and two input-output models (upstream-based and local-based) are proposed to address the overestimation and short queue length estimation problems of breakpoint-based models. These procedures are integrated with a typical breakpoint-based model framework and queue-over-detector identification process. The proposed framework was evaluated using field-collected event-based data along Speedway Boulevard in Tucson, Arizona. Significant improvements in maximum queue length estimates were achieved using the proposed method compared to the breakpoint-based model, with mean absolute errors of 35.7 and 105.6 ft., respectively.     

基于复式伸缩窗的车辆排队与消散快速检测算法

基于视频图像处理方法,提出了一种复式伸缩窗来实时跟踪交叉口排队车辆队尾和队头的位置变化,从而准确描述交叉口车辆排队形成和消散过程。通过检测指定区域内车辆是否存在和是否运动,分别构建跟踪排队队尾和队头的队尾伸缩窗和队头伸缩窗。描述排队首尾伸缩变化的复式伸缩窗则由这两个伸缩窗相互协作所构成。根据跟踪队尾和队头的结果,车辆排队长度和停车延迟时间等重要参数就可以轻易得到。试验结果表明本文算法能实时准确地跟踪队尾和队头的位置,能适应不同天气环境和光照变化,其准确率达到92%以上,较好地满足车辆堵塞监控和交通信号灯控制的需要。     

考虑礼让行人的信号交叉口配时优化方法

为提高机动车礼让行人背景下的人车通行效率,研究了基于叠加相位设计的信号交叉口配时优化方法.以西安市1个典型交叉口为例,分析机动车与过街行人冲突情况;在Webster配时模型的基础上,提出叠加相位设计与人车冲突时空分离策略相结合的信号配时优化方法,并给出行人信号早启时间、人车绿时分离设置阈值的计算方法;运用VISSIM仿...     

基于高空视频图像的山地城市信号交叉口到达车辆运行特征分析

为明确山地城市信号交叉口到达车辆的运行特征及其影响因素，通过无人机采集4个位于山地城市的道路信号交叉口的高空视频图像数据，利用基于DataFromSky云平台的AI视频分析技术，获得车辆运行参数。基于车辆运行时空图，得到了交叉口直行道停止线前车辆停滞延误特征、停止线位置车头时距和车头间距统计特征，分析车头间距、停止线截面处速度及道路平均坡度之间的相关性。结果表明:不同路段同一排队位次和同一路段不同排队位次的车辆运行特征均有所不同，排队位次越靠前的车辆，停车点分布区间越集中，下坡路段整体停车位置分布范围比上坡路段大；无论是上坡、下坡，还是缓坡，排队位次越靠前的车辆停滞延误分布范围越大，而靠后的车辆停滞延误分布范围小，最大值出现在下坡路段；不同路段类型车头时距分布均集中于1.5 s，上坡路段的车头时距离散程度最大，但峰值比下坡路段和缓坡路段小；不同路段类型的车头间距分布均集中于10 m，上坡路段和下坡路段车头间距分布出现左偏现象，而缓坡路段车头间距分布更为集中；车头间距在上坡、下坡和缓坡路段均和车辆经过停止线位置处时的速度存在较强的正相关性；道路平均坡度与相邻2车车头间距存在正相关性。      

基于混行跟驰仿真的CAV专用进口道动态设置方法

信号交叉口是影响交通系统运行安全和效率的关键。在国家新基建战略的提出以及车路协同技术不断发展的环境下,合理设置网联自动驾驶车辆(Connected and Autonomous Vehicle,CAV)专用进口道,对信号交叉口进口道处不同网联类型的车辆进行科学的交通组织,能够提高交叉口的通行能力,降低行车延误,促进城市交通系统效率与安全的双提升。建立协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型和GM (General Motor)模型分别描述混行环境下网联车辆与非网联车的跟驰行为,以提高进口道通行能力、降低延误和油耗为优化目标,采取敏感度分析方法,提出不同CAV比例、进口道车道数、交通量和信号配时方案组合情况下CAV专用进口道的动态设置条件,适用于不同交通状况的信号交叉口,具有较强的普适性。数值仿真结果表明：采用该方法设置CAV专用进口道能够提高混行信号交叉口的通行能力、降低延误和车均油耗;在实际应用时,可视交叉口类型和交通智能化程度灵活选取CAV专用进口道设置方式,为混行交通流环境下交叉口进口道的交通组织优化提供理论依据和模型支持,对车路协同系统的相关研究具有参考意义。