一种基于卡口检测数据的交叉口信号配时参数推断方法技术

本发明专利技术提出一种基于卡口检测数据的交叉口信号配时参数推断方法，涉及交通信号配时研究的技术领域，推断的交叉口信号配时参数包括：相位相序、周期时间及相位绿灯时间。本发明专利技术以卡口检测数据为基础，结合交叉口几何特征，基于过车时间序列信息推测相位相序，引入相位权重和相位平均时间信息推断相位绿灯时间。本发明专利技术考虑交叉口上每个进口道，非单一方向，交叉口各放行方向之间信息互为补充，充分结合实际需求，逻辑链条完整，推断准确度高，模型具有较高的鲁棒性，场景可移植性强，可以适用于实际中的卡口过车数据以及其他带有身份标签检测的数据，此外，本发明专利技术还可进一步对信控系统与卡口系统的时钟进行问题发现与校准。与卡口系统的时钟进行问题发现与校准。与卡口系统的时钟进行问题发现与校准。

【技术实现步骤摘要】
一种基于卡口检测数据的交叉口信号配时参数推断方法


[0001]本专利技术涉及交通信号配时研究的
，更具体地，涉及一种基于卡口检测数据的交叉口信号配时参数推断方法。

技术介绍

[0002]道路交叉口是指两条或两条以上道路的相交处，交叉口处红、绿灯的时间配比称为信号配时，红、绿信号灯相位是指在信号控制交叉口的每一种控制状态(一种通行权)，即对各种进口道不同方向所显示的不同灯色的组合，就称为一个交通信号灯相位，实质是针对不同方向的交通流，给予相应的放行的时间。
[0003]先进的城市交通控制系统是提高城市交通运行效率的重要途径之一，同时它也是城市现代化的一个重要标志。交叉口信号配时在城市交通管理中非常重要，现有的交叉口信号配时数据基本上存储于信号机厂商中，而不同的信号机厂商有不同的数据存储格式和存储空间，想要获得和解析信控数据非常困难；另一方面，信号机设备与卡口检测设备等系统的时钟会因不同设备及工作系统间存在的时钟差异而导致信号配时数据不准确，进而会对数据驱动的交通信号控制、交通信息分析等提供错误的指导。随着交通检测手段的不断丰富，利用现有的卡口式电子警察检测到的车辆通过停车线的时间序列数据对交叉口信号配时参数进行推断，可以获取交叉口的配时方案流水，以及校准不同系统的时钟差异，从而为城市交通管理提供良好的数据基础。如图1所示，卡口式电子警察一般设置在道路交叉口进口道停车线后，通过一定的角度设置，在停车线前划出一个虚拟检测区(见图1)，当车辆经过虚拟检测区时，卡口记录下相关信息，包括车辆号牌、车辆颜色、车辆类型、车辆速度、经过时刻以及所对应的进口道方向、车道编号、车道功能等，由于车辆在交叉口处严格按照红灯停、绿灯行的规则通行，则根据车辆通过停车线的时间序列可以进行判断何时处于红灯或绿灯状态，进而通过交叉口整体的车辆放行特征，推断出整个交叉口的信号配时参数。
[0004]2020年8月，Zhan X,Li R等在“Transportation Research Part C Emerging Technologies”上发表“Link
‑
based traffic state estimation and prediction for arterial networks using license
‑
plate recognition data”文章，提出基于卡口检测数据，利用支持向量机的方法对信号配时参数进行估计，在该研究中，所用的研究场景如周期、红绿灯时间是固定的，并且在放行方向方面，没有考虑整体交叉口各放行方向之间的信息，因此在信号配时参数推断时，形成的逻辑链条不完整，无法较好的完成一个交叉口整体配时参数的推断，因此，推断准确度有限。

技术实现思路

[0005]为解决现有交叉口信号配时的估计推断方法考虑场景固定单一，整体性配时推断能力不足及准确度低的问题，本专利技术提出一种基于卡口检测数据的交叉口信号配时参数推断方法，对交叉口整体的信号配时参数进行推断，为数据驱动的交通管理与控制提供准确的数据基础。
[0006]为了达到上述技术效果，本专利技术的技术方案如下：
[0007]一种基于卡口检测数据的交叉口信号配时参数推断方法，所述的交叉口信号配时参数包括：相位相序、周期时间及相位绿灯时间，所述方法包括以下步骤：
[0008]S1.根据卡口检测数据与交叉口几何特征，统计每一辆车的过车信息；
[0009]S2.将交叉口每个进口道的车道组进行规范化表述；
[0010]S3.基于每一辆车的过车信息，提取对应的时间序列，利用DBSCAN聚类算法，推断交叉口的相位相序；
[0011]S4.根据步骤S3推断的交叉口的相位相序，统计最大相位车流量对应的过车数据，设定时间间隔，利用快速傅里叶变换方法与DBSCAN聚类算法推断交叉口的周期时间和不同周期时间的分段点；
[0012]S5.考虑相位权重与平均相位时间信息，构建二次规划模型，进行相位绿灯时间的推断。
[0013]本技术方案以卡口检测数据为基础，适用于拥有卡口检测设备的城市交叉口，场景可移植性强，推断交叉口信号配时参数时，根据交叉口几何特征，基于交叉口的相位相序，推断交叉口的周期时间，再考虑相位权重与平均相位时间信息推断相位绿灯时间，考虑交叉口上每个进口道，非某单一方向，交叉口各放行方向之间信息互为补充，逻辑链条完整，推断准确度更高，对交叉口整体的信号配时参数进行推断，为数据驱动的交通管理与控制提供准确的数据基础。
[0014]优选地，交叉口进口道的的过车信息包括：交叉口编号Int_id、进口道方向Lanedirection、车道功能Lanefunction、车牌号码Veh_id
n
及时间戳信息Pass_time
n
，其中进口道方向包括：东、西、南、北；车道功能包括：直行、左转、右转、直左、直右、掉头，掉直，掉左；第n辆车的通过信息D
n
表达为：
[0015]D
n
＝{Int_id,Lanedirection,Lanefuncyion,Veh_id
n
,Pass_time
n
}，以实现对每一辆车的车道信息进行显式表达。
[0016]优选地，步骤S2所述的将交叉口每个进口道的车道组进行规范化表述时，每个进口道规范化为两个车道组，包括直行车道组和左转车道组，直行车道组包括直行车道、直右车道；左转车道组包括左转车道、直左车道、掉头车道、直行掉头车道、左转掉头车道。
[0017]在此，考虑只有非冲突放行流向才能一起放行，一起放行的流向组成一个相位，且一般情况下，右转不受信号灯控制，因此结合一些先验知识，从而规范化放行每个进口道的车道组。
[0018]优选地，步骤S3所述的基于每一辆车的过车信息，提取对应的时间序列，利用DBSCAN聚类算法，推断交叉口的相位相序的过程为：
[0019]S31.将每一车道组的过车数据按照时间序列进行排序；
[0020]S32.根据车道组的过车数据，基于DBSCAN聚类算法对每一车道组的过车时间序列进行第一次聚类处理，确定交叉口路灯开启后的平均车头时距，以平均车头时距为某一样本的邻域距离阈值ε，以绿灯开启后的连续通过车辆数为某一样本的距离为ε的邻域中的样本个数阈值MinPts，得到绿灯时间内放行的车辆簇；
[0021]S33.将车辆簇的簇间距在一个阈值范围δ内的同一个放行流向中的相邻两个放行车辆簇进行合并；
[0022]S34.计算不同放行流向在时间上的重叠度,得到交叉口同一相位内放行的流向，从而确认放行流向与相位的匹配信息，时间重叠度的表达式为：
[0023][0024]其中，u、v分别表示放行流向序号，U、V分别表示放行流向u及放行流向v的聚类车辆簇的间隔，|U|代表集合U的长度；overlap
u,v
表示放行流向u与放行流向v在时间上的重叠度；重叠度越高，放行流向u与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卡口检测数据的交叉口信号配时参数推断方法，其特征在于，所述的交叉口信号配时参数包括：相位相序、周期时间及相位绿灯时间，所述方法包括以下步骤：S1.根据卡口检测数据与交叉口几何特征，统计每一辆车的过车信息；S2.将交叉口每个进口道的车道组进行规范化表述；S3.基于每一辆车的过车信息，提取对应的时间序列，利用DBSCAN聚类算法，推断交叉口的相位相序；S4.根据步骤S3推断的交叉口的相位相序，统计最大相位车流量对应的过车数据，设定时间间隔，利用快速傅里叶变换方法与DBSCAN聚类算法推断交叉口的周期时间和不同周期时间的分段点；S5.考虑相位权重与平均相位时间信息，构建二次规划模型，进行相位绿灯时间的推断。2.根据权利要求1所述的基于卡口检测数据的交叉口信号配时参数推断方法，其特征在于，交叉口进口道的的过车信息包括：交叉口编号Int_id、进口道方向Lanedirection、车道功能Lanefunction、车牌号码Veh_id
n
及时间戳信息Pass_time
n
，其中进口道方向包括：东、西、南、北；车道功能包括：直行、左转、右转、直左、直右、掉头，掉直，掉左；第n辆车的通过信息D
n
表达为：D
n
＝{Int_id，Lanedirection，Lanefunction，Veh_id
n
，Pass_time
n
}。3.根据权利要求1所述的基于卡口检测数据的交叉口信号配时参数推断方法，其特征在于，步骤S2所述的将交叉口每个进口道的车道组进行规范化表述时，每个进口道规范化为两个车道组，包括直行车道组和左转车道组，直行车道组包括直行车道、直右车道；左转车道组包括左转车道、直左车道、掉头车道、直行掉头车道、左转掉头车道。4.根据权利要求2所述的基于卡口检测数据的交叉口信号配时参数推断方法，其特征在于，步骤S3所述的基于每一辆车的过车信息，提取对应的时间序列，利用DBSCAN聚类算法，推断交叉口的相位相序的过程为：S31.将每一车道组的过车数据按照时间序列进行排序；S32.根据车道组的过车数据，基于DBSCAN聚类算法对每一车道组的过车时间序列进行第一次聚类处理，确定交叉口路灯开启后的平均车头时距，以平均车头时距为某一样本的邻域距离阈值ε，以绿灯开启后的连续通过车辆数为某一样本的距离为ε的邻域中的样本个数阈值MinPts，得到绿灯时间内放行的车辆簇；S33.将车辆簇的簇间距在一个阈值范围δ内的同一个放行流向中的相邻两个放行车辆簇进行合并；S34.计算不同放行流向在时间上的重叠度，得到交叉口同一相位内放行的流向，从而确认放行流向与相位的匹配信息，时间重叠度的表达式为：其中，u、v分别表示放行流向序号，U、y分别表示放行流向u及放行流向v的聚类车辆簇的间隔，|U|代表集合U的长度；overlap
u，v
表示放行流向u与放行流向v在时间上的重叠度；重叠度越高，放行流向u与放行流向v在交叉口交通信号方案中为同一相位内放行的概率越大；
S35.根据步骤S34得到的放行流向的时间重叠度，设置阈值θ，当某两个放行流向的时间重叠度大于阈值θ，则判定两个放行流向属于同一相位；S36.根据步骤S35得到的放行流向与相位的匹配信息，计算每一个相位其后续的紧邻相位概率，根据所得紧邻相位概率的大小排序，推断出交叉口的相位顺序；所述每一个相位后续紧邻相位的计算表达式为：其中，P
A
(B)表示相位A后续紧邻相位B的概率；N(A
→
B)表示相序AB出现的次数，N(B)表示相位B出现的次数。5.根据权利要求4所述的基于卡口检测数据的交叉口信号配时参数推断方法，其特征在于，步骤S4所述利用快速傅里叶变换方法与DBSCAN聚类算法推断交叉口的周期时间和不同周期时间的分段点的过程为：S41.根据步骤S3推断的交叉口的相位相序，将最大相位流量对应的过车数据进行二进制表示，以秒为单位，每一秒有车通过记为x(t)＝1，无车通过记为x(t)＝0；S42.设定时间间隔λ，以ξ为滑动时间窗进行过车数据采集，ξ＜λ；S43.利用快速傅里叶变换对每个时间间隔λ进行周期时长的计算，得到连续多个时间间隔的周期时间，将相同周期时间的连续时间间隔λ进行拼接；S44.根据拼接的连续时间...

【专利技术属性】
技术研发人员：何兆成，蔺庆海，吉世谦，陈金邕，李贵龙，
申请(专利权)人：中山大学，
类型：发明
国别省市：