基于自动车牌识别数据的混合交通流饱和流率实时估计

为解决混合交通流饱和流率测算的实时性和时变性问题,实时获得混合交通流的饱和流率用以信号配时,本文提出基于自动车牌识别数据(Automatic License Plate Recognition,ALPR)的混合交通流饱和流率实时自动估计方法。首先,分信号周期提取车头时距数据,在当前车和后车车辆类型确定时车头时距满足同一正态分布的假设基础上,构建车头时距的高斯混合模型并应用 EM(Expectation Maximization) 算 法 求 解 ;其 次 ,基 于 赤 池 信 息 准 则 (Akaike Information Criterion,AIC)选取高斯混合模型的最优个数,拟合数据得到高斯混合模型参数;最后,根据车头时距的高斯混合模型推算出混合交通流饱和流率。以杭州城市道路3条路段的ALPR数据为例,分析基于 ALPR 数据获取车头时距的采样误差,对模型进行验证,并与传统的 HCM(Highway Capacity Manual)方法进行对比。结果表明：基于ALPR数据的车头时距采样误差满足精度要求; 与HCM的实测法相比,模型所得的混合饱和交通流率相对误差小,结果准确;该方法与传统的标准车流饱和流率折算法效果相近,并考虑混合交通流时变特性,能自动部署实时计算,鲁棒性良好,有实际应用意义。     

城市交通控制中的数据采集研究综述

过去几十年来，城市交通控制技术为适应不断增长的交通需求和日益复杂的管理目标有了长足发展. 作为城市交通控制策略制定和控制算法设计的基础，交通数据决定了城市交通控制的适用性、可靠性和先进性. 数据采集技术的发展为城市交通控制能力的提升带来了机遇和挑战. 本文回顾交通控制系统中数据采集与参数估计的基本方法，分析评述检测数据方法从固定式无标识数据、移动式检测数据到固定式有标识数据的演变，指出它们给交通参数估计带来的变革. 结合20 世纪末出现的移动式检测技术，分析评述了对应的两种交通参数估计方法，即基于概率论的方法和基于交通流激波理论的方法给交通控制带来的影响. 针对近年来出现的固定式有标识检测数据，分析其对城市交通需求估计及交通控制策略参数估计研究带来的新任务. 最后，分析指出我国未来交通控制研究的三个方向：一是城市交通控制系统的信息范围已扩展到区域和路网层级，二是交通参数估计研究的重点随着数据采集方式的演变已转向提高参数估计的实时性与精度等领域，三是交通参数研究理论与实践存在差异，如何结合我国城市交通系统运行中检测环境差异导致数据误差率的变化，交通流到达规律的变化，道路上不同种类交通流间的交叉干扰等实际应用因素，使方法与模型能有效地指导我国复杂的交通控制实践是重要方向.