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。     

基于浮动车数据的信号交叉口排队长度估计

排队长度是衡量交叉口性能的重要指标,也是优化交叉口信号配时的关键依据.本文利用浮动车数据建立基于队尾浮动车位置的信号交叉口排队长度估计模型,以队尾浮动车位置为基础项,采用加权平均到达率表示队尾浮动车之后排队车辆的到达率,从而计算信号周期内车辆最大排队长度.算例显示,模型对于队尾浮动车较早进入排队的情况,排队长度估计平均误差相对较大,但随着队尾浮动车进入排队时间的推迟,模型估计值的平均相对误差逐步降低.当队尾浮动车在红灯结束的1/10时间内排队的情况,平均相对误差仅为15%,说明对于队尾浮动车接近红灯结束时到达的情景,模型估计更为准确.     

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。     

网联环境下考虑非优先车辆延误的公交优先信号控制方法

网联环境具有数据采集和交互方面的优势，能更精确地评估交通需求，更科学地实施交通管控措施。根据公交车与非优先车辆权重及延误分布差异，研究了考虑非优先车辆延误的公交优先单点信号控制方法。利用交叉口车辆轨迹数据计算轨迹样本到达率参数，根据车辆到达交叉口的分布特征构建各相位的车辆到达率概率函数，并采用极大似然估计预测到达率，基于交通流冲击波模型分别计算出各相位的排队波、驶离波和消散波波速。公交车数量少权重较高且网联化程度高，利用基于冲击波的时距图推导延误表达式；而非优先车辆数量多单车权重低且网联化程度低，利用基于到达率的定数理论推导延误表达式。按乘员数对公交车延误值和非优先车辆延误值进行加权，以加权延误最小为目标函数建立了混合整数线性规划模型，解得相位时长整数解，并反馈到信号机系统实现公交优先自适应信号控制。以武汉市车城北路与东风大道交叉口为对象，采集不同时段交叉口流量数据，利用SUMO软件开展仿真实验，结果表明:相比优化前，低、中、高流量情况下公交车单车平均延误时间分别减少25.63%、25.25%、18.32%；同等条件下平均每周期非优先车辆延误时间分别减少8.80%、4.68%、1.99%；同等条件下平均每周期加权延误时间分别减少20.98%、9.39%、12.70%。证明所提方法能较好地适配交通需求，且流量较低时效果最好。      

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.     

基于车头时距与行程时间的排队长度算法

基于电子警察过车数据,分析该周期内车道通行车辆的车头时距变化规律,提出该周期车道排队长度值的实时计算方法。针对多次排队、绿波协调情况,结合通行车辆的行程时间对结果进行修正,得到该周期车道最大车辆排队长度值。通过桐乡市庆丰路实时监控视频对比计算结果,证明本算法具有较高准确性。算法便于工程实践,可为信号配时优化提供数据支撑。     

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。      

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.     

基于出站时间的高速公路收费站车辆排队检测

目前,对高速公路收费站进行服务评价的数据主要依靠人工现场调查或使用专用检测设备来获取,在人力、资金方面消耗较大。而收费站的海量收费数据则可通过自动调查直接获得,充分利用这些收费数据资源可以获得很好的经济价值。分析了目前国内在公路收费站排队研究方面的局限性和不足。基于高速公路收费站的实际数据,研究分析了排队情况下同车道相邻车辆的出站时间规律,对收费站的车辆排队检测算法,以及车辆队长、排队逗留时间、服务时间等指标的量化计算进行了方法设计。以陕西省富平、韩城和芝川收费站的收费数据进行了实例计算,并与 M/G/1模型的计算结果以及调研数据进行对比,分析其绝对误差,对比结果表明平均服务时间的绝对误差不超过3 s;除韩城收费站105车道外,平均队长的绝对误差不超过1辆;除富平收费站101车道外,平均逗留时间的绝对误差不超过10 s。验证了算法的有效性与普适性。      

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.     

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.      

Developing travel time estimation methods using sparse GPS data

Existing methods of estimating travel time from GPS data are not able to simultaneously take account of the issues related to uncertainties associated with GPS and spatial road network data. Moreover, they typically depend upon high-frequency data sources from specialist data providers, which can be expensive and are not always readily available. The study reported here therefore sought to better estimate travel time using “readily available” vehicle trajectory data from moving sensors such as buses, taxis, and logistical vehicles equipped with GPS in “near” real time. To do this, accurate locations of vehicles on a link were first map-matched to reduce the positioning errors associated with GPS and digital road maps. Two mathematical methods were then developed to estimate link travel times from map-matched GPS fixes, vehicle speeds, and network connectivity information with a special focus on sampling frequencies, vehicle penetration rates, and time window lengths. Global positioning system (GPS) data from Interstate I-880 (California) for a total of 73 vehicles over 6 h were obtained from the University of California Berkeley's Mobile Century Project, and these were used to evaluate several travel time estimation methods, the results of which were then validated against reference travel time data collected from high resolution video cameras. The results indicate that vehicle penetration rates, data sampling frequencies, vehicle coverage on the links, and time window lengths all influence the accuracy of link travel time estimation. The performance was found to be best in the 5-min time window length and for a GPS sampling frequency of 60 s.     

混合交通状态下交叉口排队机动车流启动车头时距研究和应用

研究的主要内容包括:信号灯控制道路交叉口红灯周期形成的排队车辆,在放行后不同车型的启动时间和不同车型组成的混合机动车流车头时距的分布研究;混合交通状态下机动车启动通过交叉口时受到干扰后的延误时间研究;利用上述研究成果对混合交通状态下交叉口排队车辆的放行绿灯时间进行估算。课题以现实交通数据为基础,通过统计分析结果最终建立放行绿灯时间估算表,对混合交通状态下道路交叉口信号灯的配时起到指导意义。     

基于毫米波雷达组群的全域车辆轨迹检测技术方法

高精度车辆轨迹数据对于高速公路交通管理和智慧服务具有非常重要的研究及应用价值，然而现有的车辆轨迹感知技术难以获得全域全时车辆轨迹数据。为此，提出一种基于毫米波雷达的全域车辆轨迹跟踪技术方法，该方法包括：雷达原始数据获取及适配、轨迹数据清洗及降噪、道路线形感知及还原、车辆轨迹匹配及拼接。其中，雷达原始数据获取及适配通过构建雷达帧数据适配表将雷达数据格式标准化，并通过构建的轨迹可信度评价指标K，剔除镜像车辆轨迹数据，进而基于历史行车轨迹的统计学特征，采用聚类方法还原道路线形，最终通过雷达群组间车辆轨迹特征分析及匹配拼接，实现设备内部及跨设备对车辆轨迹的持续跟踪。利用载波相位差分技术(Real-time Kinematic, RTK)和基于无人机航拍视频定位技术分别对单车及多车轨迹跟踪精度进行检验。研究结果表明：在单目标跟踪状态下，系统的纬度偏差均值为-0.284 m，经度偏差均值为-0.352 m，纬度误差均值为0.712 m，经度误差均值为0.539 m；在多目标跟踪状态下，系统丢车率约为8%，轨迹定位与真实位置偏差均值为0.990 m，具备良好的轨迹跟踪精度。该方法为未来从更加宏观的范围内研究个体驾驶行为风险转移分析、微观水平的驾驶风险的时空演化提供了数据支撑。