基于随机交通需求和通行能力的交叉口控制延误预测方法技术

技术编号:14167219 阅读:140 留言:0更新日期:2016-12-12 14:14
本发明专利技术公开了一种基于随机交通需求和通行能力的交叉口控制延误预测方法,包括:根据输入的交叉口交通量与绿信比的联合概率分布函数、交叉口饱和流量的概率分布函数、信号控制周期时长和数据采集时间间隔计算交叉口每个周期的初始排队长度的概率分布函数以及交叉口联合概率分布函数;根据交叉口实际的初始排队情况和实际的交叉口通行能力与实际的交叉口交通量的相对大小预测交叉口一个周期内的信号控制延误;根据交叉口一个周期内的信号控制延误以及交叉口联合概率分布函数计算信号控制延误的长期均值和标准差;根据计算出的信号控制延误的长期均值和标准差进行智能交通信号控制。本发明专利技术具有误差小和方便的优点,可广泛应用于智能交通领域。

【技术实现步骤摘要】

本专利技术涉及智能交通领域,尤其是一种基于随机交通需求和通行能力的交叉口控制延误预测方法
技术介绍
由于路口不同方向的车流、人流交叉回合,常发生拥挤、碰撞、秩序混乱,甚至造成交通事故。为了解决交叉口的交通冲突,保障行人、行车安全,需对交叉口的秩序加以控制。交通信号控制从时间上将相互冲突的交通流予以分离,较好地达到了上述目的。但各向车流被依次赋予通行权,车辆不得不通过临时停车或减速以遵守秩序,即相对于车辆在路段的通行状态,车辆在交叉口将产生延误,不合理的交叉口车道功能分配或交叉口信号控制方案将加大延误,降低路口效率和通行能力,故有必要对不同的设计方案进行延误分析。目前的交叉口信号控制过程主要采用美国的Webster模型、澳大利亚的Akcelik模型和美国道路通行手册提供的HCM模型这三大延误计算模型来预测交通流的信号控制延误。这三大延误计算模型都必须假设一段时间内交叉口的交通量是恒定的、绿信比是固定的以及交叉口饱和流量是恒定的,也就是说这三大延误计算模型都必须假设一段时间内交叉口的交通需求和通行能力是不变的。但在工程实践中,交叉口的交通量会随着时间而变化、绿信比会随着交通量的变化而变化以及交叉口的通行能力受外界因素而可能下降,也就是说实际上交叉口的交通需求和通行能力并不是不变的,而是会随机变化的。此时若仍沿用这三大延误计算模型来预测延误,则会导致预测的结果误差较大,难以为后续的交通信号控制提供精确的决策辅助,不够准确。此外,传统三大模型预测的信号控制延误只能用于反映短时间内(例如5分钟或者15分钟内)的交通流的信号控制延误,却无法反映交叉口的信号控制延误在更长时间(如一天)内的变化趋势以及更长时间的均值,增加了管理者、交通部门和出行者等进行评价、信号控制优化和出行路径选择的难度,不够方便。
技术实现思路
为解决上述技术问题,本专利技术的目的在于:提供一种误差小和方便的,基于随机交通需求和通行能力的交叉口控制延误预测方法。本专利技术所采取的技术方案是:基于随机交通需求和通行能力的交叉口控制延误预测方法,包括以下步骤:根据输入的交叉口交通量与绿信比的联合概率分布函数、交叉口饱和流量的概率分布函数、信号控制周期时长和数据采集时间间隔计算交叉口每个周期的初始排队长度的概率分布函数以及交叉口联合概率分布函数,所述交叉口联合概率分布函数为初始排队长度与交叉口交通量、绿信比以及交叉口饱和流量的联合概率分布函数;根据交叉口实际的初始排队情况和实际的交叉口通行能力与实际的交叉口交通量的相对大小预测交叉口一个周期内的信号控制延误;根据交叉口一个周期内的信号控制延误以及交叉口联合概率分布函数计算信号控制延误的长期均值和标准差;根据计算出的信号控制延误的长期均值和标准差进行智能交通信号控制,所述智能交通信号控制包括但不限于评价交叉口平均服务水平和服务水平的变化、交叉口信号控制优化以及引导出行者进行出行路径选择。进一步,所述根据输入的交叉口交通量与绿信比的联合概率分布函数、交叉口饱和流量的概率分布函数、信号控制周期时长和数据采集时间间隔计算交叉口每个周期的初始排队长度的概率分布函数以及交叉口联合概率分布函数这一步骤,其包括:输入信号控制周期时长θ以及一个数据采集时间间隔ω内交叉口交通量X与绿信比Λ的联合概率分布函数fX,Λ(x′,λ′)和交叉口饱和流量S的概率分布函数fS(s′),其中,x′、s′和λ′分别代表X、S和Λ中的任意一个值;根据输入的fX,Λ(x′,λ′)、fS(s′)、θ和ω计算交叉口每个周期的初始排队长度Z的概率分布函数fZ(z′),其中,z′代表Z中的任意一个值;根据fX,Λ(x′,λ′)、fS(s′)和fZ(z′)计算交叉口联合概率分布函数fX,Λ,S,Z(x′,λ′,s′,z′),所述交叉口联合概率分布函数fX,Λ,S,Z(x′,λ′,s′,z′)的计算公式为:fX,Λ,S,Z(x′,λ′,s′,z′)=fX,Λ(x′,λ′)·fS(s′)·fZ(z′)。进一步,所述根据输入的fX,Λ(x′,λ′)、fS(s′)、θ和ω计算交叉口每个周期的初始排队长度Z的概率分布函数fZ(z′)这一步骤包括:根据信号控制周期时长θ以及一个数据采集时间间隔ω内交叉口交通量X与绿信比Λ的联合概率分布函数fX,Λ(x′,λ′),计算交叉口一个周期内的交通量X与绿信比Λ的联合概率分布函数其中,代表中的任意一个值;根据信号控制周期时长θ以及一个数据采集时间间隔ω内交叉口饱和流量S的概率分布函数fS(s′)和交叉口绿信比Λ的条件概率分布函数fΛ(λ′),计算一个周期内的交叉口通行能力C的概率分布函数fC(c′),其中,C=S×Λ×θ÷w,c′代表C中的任意一个值;根据的条件概率函数以及一个周期内的交叉口通行能力C的概率分布函数fC(c′)计算每个周期的初始排队增量Y的概率分布函数fY(y′),其中,y′代表Y中的任意一个值;根据初始排队增量Y的概率分布函数fY(y′)计算交叉口初始排队长度Z的概率分布函数fZ(z′),所述fZ(z′)的计算公式为:其中,[fZ(1) fZ(2) … fZ(zmax)]T代表由交叉口初始排队长度Z中除初始排队长度为0的点之外其它点的概率组成的列向量,zmax为交叉口初始排队长度的最大值,I是一个zmax×zmax大小的单位矩阵,E是一个zmax×1大小的单位矩阵,G是一个1×zmax大小的初始排队长度增量矩阵,且G=[fY(1) fY(2) ... fY(zmax)],FY是一个zmax×zmax大小的初始排队长度增量矩阵,且进一步,所述根据交叉口实际的初始排队情况和实际的交叉口通行能力与实际的交叉口交通量的相对大小预测交叉口一个周期内的信号控制延误这一步骤,其包括:确定交叉口实际的初始排队情况以及实际的交叉口通行能力与实际的交叉口交通量的相对大小,所述交叉口实际的初始排队情况包括交叉口有初始排队长度和交叉口无初始排队长度这两种情况,所述实际的交叉口通行能力与实际的交叉口交通量的相对大小包括实际的交叉口通行能力大于实际的交叉口交通量以及实际的交叉口通行能力小于实际的交叉口交通量这两种情况;根据确定的初始排队情况和确定的相对大小预测交叉口一个周期内的信号控制延误。进一步,所述根据确定的初始排队情况和确定的相对大小预测交叉口一个周期内的信号控制延误这一步骤,其具体为:根据确定的初始排队情况和确定的相对大小预测交叉口一个周期内的信号控制延误,所述交叉口一个周期内的信号控制延误Γ(x′,λ′,s′,z′)的预测公式为: Γ ( x ′ , λ ′ , s ′本文档来自技高网
...
基于随机交通需求和通行能力的交叉口控制延误预测方法

【技术保护点】
基于随机交通需求和通行能力的交叉口控制延误预测方法,其特征在于:包括以下步骤:根据输入的交叉口交通量与绿信比的联合概率分布函数、交叉口饱和流量的概率分布函数、信号控制周期时长和数据采集时间间隔计算交叉口每个周期的初始排队长度的概率分布函数以及交叉口联合概率分布函数,所述交叉口联合概率分布函数为初始排队长度与交叉口交通量、绿信比以及交叉口饱和流量的联合概率分布函数;根据交叉口实际的初始排队情况和实际的交叉口通行能力与实际的交叉口交通量的相对大小预测交叉口一个周期内的信号控制延误;根据交叉口一个周期内的信号控制延误以及交叉口联合概率分布函数计算信号控制延误的长期均值和标准差;根据计算出的信号控制延误的长期均值和标准差进行智能交通信号控制,所述智能交通信号控制包括但不限于评价交叉口平均服务水平和服务水平的变化、交叉口信号控制优化以及引导出行者进行出行路径选择。

【技术特征摘要】
1.基于随机交通需求和通行能力的交叉口控制延误预测方法,其特征在于:包括以下步骤:根据输入的交叉口交通量与绿信比的联合概率分布函数、交叉口饱和流量的概率分布函数、信号控制周期时长和数据采集时间间隔计算交叉口每个周期的初始排队长度的概率分布函数以及交叉口联合概率分布函数,所述交叉口联合概率分布函数为初始排队长度与交叉口交通量、绿信比以及交叉口饱和流量的联合概率分布函数;根据交叉口实际的初始排队情况和实际的交叉口通行能力与实际的交叉口交通量的相对大小预测交叉口一个周期内的信号控制延误;根据交叉口一个周期内的信号控制延误以及交叉口联合概率分布函数计算信号控制延误的长期均值和标准差;根据计算出的信号控制延误的长期均值和标准差进行智能交通信号控制,所述智能交通信号控制包括但不限于评价交叉口平均服务水平和服务水平的变化、交叉口信号控制优化以及引导出行者进行出行路径选择。2.根据权利要求1所述的基于随机交通需求和通行能力的交叉口控制延误预测方法,其特征在于:所述根据输入的交叉口交通量与绿信比的联合概率分布函数、交叉口饱和流量的概率分布函数、信号控制周期时长和数据采集时间间隔计算交叉口每个周期的初始排队长度的概率分布函数以及交叉口联合概率分布函数这一步骤,其包括:输入信号控制周期时长θ以及一个数据采集时间间隔ω内交叉口交通量X与绿信比Λ的联合概率分布函数fX,Λ(x′,λ′)和交叉口饱和流量S的概率分布函数fS(s′),其中,x′、s′和λ′分别代表X、S和Λ中的任意一个值;根据输入的fX,Λ(x′,λ′)、fS(s′)、θ和ω计算交叉口每个周期的初始排队长度Z的概率分布函数fZ(z′),其中,z′代表Z中的任意一个值;根据fX,Λ(x′,λ′)、fS(s′)和fZ(z′)计算交叉口联合概率分布函数fX,Λ,S,Z(x′,λ′,s′,z′),所述交叉口联合概率分布函数fX,Λ,S,Z(x′,λ′,s′,z′)的计算公式为:fX,Λ,S,Z(x′,λ′,s′,z′)=fX,Λ(x′,λ′)·fS(s′)·fZ(z′)。3.根据权利要求2所述的基于随机交通需求和通行能力的交叉口控制延误预测方法,其特征在于:所述根据输入的fX,Λ(x′,λ′)、fS(s′)、θ和ω计算交叉口每个周期的初始排队长度Z的概率分布函数fZ(z′)这一步骤包括:根据信号控制周期时长θ以及一个数据采集时间间隔ω内交叉口交通量X与绿信比Λ的联合概率分布函数fX,Λ(x′,λ′),计算交叉口一个周期内的交通量与绿信比Λ的联合概率分布函数其中,代表中的任意一个值;根据信号控制周期时长θ以及一个数据采集时间间隔ω内交叉口饱和流量S的概率分布函数fS(s′)和交叉口绿信比Λ的条件概率分布函数fΛ(λ′),计算一个周期内的交叉口通行能力C的概率分布函数fC(c′),其中,C=S×Λ×θ÷w,c′代表C中的任意一个值;根据的条件概率函数以及一个周期内的交叉口通行能力C的概率分布函数fC(c′)计算每个周期的初始排队增量Y的概率分布函数fY(y′),其中,y′代表Y中的任意一个值;根据初始排队增量Y的概率分布函数fY(y′)计算交叉口初始排队长度Z的概率分布函数fZ(z′),所述fZ(z′)的计算公式为:其中,[fZ(1) fZ(2) … fZ(zmax)]T代表由交叉口初始排队长度Z中除初始排队长度为0的点之外其它点的概率组成的列向量,zmax为交叉口初始排队长度的最大值,I是一个zmax×zmax大小的单位矩阵,E是一个zmax×1大小的单位矩阵,G是一个1×zmax大小的初始排队长度增量矩阵,且G=[fY(1) fY(2) … fY(zmax)],FY是一个zmax×zmax大小的初始排队长度增量矩阵,且4.根据权利要求3所述的基于随机交通需求和通行能力的交叉口控制延误预测方法,其特征在于:所述根据交叉口实际的初始排队情况和实际的交叉口通行能力与实际的交叉口交通量的相对大小预测交叉口一个周期内的信号控制延误这一步骤,其包括:确定交叉口实际的初始排队情况以及实际的交叉口通行能力与实际的交叉口交通量的相对大小,所述交叉口实际的初始排队情况包括交叉口有初始排队长度和交叉口无初始排队长度这两种情况,所述实际的交叉口通行能力与实际的交叉口交通量的相对大小包括实际的交叉口通行能力大于实际的交叉口交通量以及实际的交叉口通行能力小于实际的交叉口交通量这两种情况;根据确定的初始排队情况和确定的相对大小预测交叉口一个周期内的信号控制延误。5.根据权利要求4所述的基于随机交通需求和通行能力的交叉口控制延误预测方法,其特征在于:所述根据确定的初始排队情况和确定的相对大小预测交叉口一个周期内的信号控制延误这一步骤,其具体为:根据确定的初始排队情况和确定的相对大小预测交叉口一个周期内的信号控制延误,所述交叉口一个周期内的信号控制延误Γ(x′,λ′,s′,z′)的预测公式为: Γ ( x ′ , λ ′ , s ′ , z ′ ) = h Γ 1 ( x ′ , λ ′ , s ′ , z ′ ) , z ′ = 0 , x ′ ≤ λ ′ · s ′ h Γ 2 ( x ′ , λ ′ , s ′ , z ′ ) , z ′ = 0 , x ′ > λ ′ · s ′ h Γ 3 ( x ′ , λ ′ , s ′ , z ′ ) , z ′ > 0 , z ′ + θx ′ / ω ≤ λ ′ s ′ θ / ω h Γ 4 ( x ′ , λ ′ , s ′ , z ′ ) , z ′ > 0 , z ′ + θx ′ / ω > λ ′ s ′ θ / ω h Γ 1 ( x ′ , λ ′ , s ′ , z ′ ) = ( 1 - λ ′ ) 2 θ · s ′ 2 ( s ′ - x ′ ) h Γ 2 ( x ′ ...

【专利技术属性】
技术研发人员:王蓓宁平华张晓瑾段小梅
申请(专利权)人:广州市市政工程设计研究总院
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1