基于RFID数据的城市交叉口交通状态判别方法与流程

本发明属于交通智能管理和控制
技术领域：
，特别是涉及一种基于RFID数据的城市交叉口交通状态判别方法。
背景技术：
：城市交叉口是城市道路的瓶颈，其交通效率往往影响道路网运行状况。交叉口交通状态判别是识别交叉口交通状态的关键。实时、可靠的交叉口交通状态判别，有利于交叉口交通信号管理与控制，信号周期优化；有效识别交叉口交通状态并为交通诱导提供参考依据，是交通控制系统、交通诱导系统不可缺少的有机组成部分。目前，对城市交通状态判别的方法主要有模糊综合理论、FCM-粗糙集模型、数据包络分析等方法。在城市交叉口交通状态判别上，这些方法通常选用排队长度、交叉口延误、饱和度等指标描述交叉口交通状态。在分析交叉口交通状态指标的基础上，结合各自理论对交叉口交通状态进行判别。另一方面，道路射频技术(RFID)不断发展，城市道路射频设备广泛安装，积累了大量RFID数据。RFID数据被应用于研究道路路段通行时间、车辆排放等方面，但RFID数据少有应用于交叉口交通状态判别研究，因此需要研究人员进行研究、实验。技术实现要素：为解决上述问题，本发明公开了一种基于RFID数据的城市交叉口交通状态判别方法，通过分析RFID数据获取交叉口延误时间及饱和度，利用层次聚类方法将交叉口不同时段的状态进行分类，为出行者服务，为决策者提高科学的数据支撑。为达到上述目的，本发明的技术方案如下：一种基于RFID数据的交叉口交通状态判别方法，其步骤包括：步骤一：RFID数据筛选、数据清洗：1)根据研究交叉口的基站位置及编码筛选出该交叉口上下游基站车辆通过记录信息，并将该数据集记为X1；2)比对交叉口不同进口道上下游基站车辆车牌号，即基于数据集X1匹配车辆通过上下游基站的通过信息，并将匹配后的数据集记为X2；步骤二：交叉口延误时间估算：交叉口延误时间由车辆在基站间的通过时间与车辆路段间通过时间之差进行估算；步骤三：交叉口饱和度估算：1)交叉口饱和度由各进口道饱和度按各进口道流量加权获得，计算公式如下：式中αint为交叉口饱和度，αi为各进口道饱和度，Qi为各进口道车辆流量；2)各进口道饱和度则由饱和度计算公式计算获得，公式如下：α＝v/c(2)式中α为各进口道饱和度，v为各进口道当量流量，c为各进口道通行能力。c＝N*s*(g/C)，N为该进口道车道组数，s为车道组修正饱和流率，g为某相位有效绿灯时间，C为周期时间；为了获取交叉口信号周期不同相位绿信比，本方法提出假设：车辆通过交叉口的时间固定，则若某信号周期内某相位的最大车辆通行数固定，则交叉口信号周期内各相位绿信比可由各相位的最大车辆通行数的比值进行估算；3)车道组修正饱和流率按照车道组不同情况修正获得，公式如下：式中si为各进口道饱和修正流率，s0为基本饱和流率，fi为修正系数；步骤四：利用层次聚类方法对步骤二、三中获得的交叉口延误时间及饱和度进行分类，得到交叉口不同时段的状态分类，最后根据延误时间及饱和度的大小进行状态的判定。本发明的有益效果是：与现有RFID数据研究相比，本发明提供的基于RFID数据的城市交叉口交通状态判别方法，将RFID数据用于城市交叉口延误时间和饱和度的估算，并以上述两种状态参数为基础利用层次聚类对交叉口不同时段的交通状态进行分类及判别；该方法进一步挖掘道路射频数据价值，其判定结果可用于交叉口交通状态判别，对交叉口信号周期优化、路网交通诱导策略均有参考价值，为出行者服务，为决策者提高科学的数据支撑；且算法简单易于实现。附图说明图1为本发明基于RFID数据的城市交叉口交通状态判别方法的流程图；图2为本发明实施例交叉口某进口道基站位置的示意图；图3为本发明实施例交叉口2015年12月1日7-19点时间段流量数据图；图4为本发明实施例交叉口交通状态分类图。附图标记列表：1为交叉口进口道上游基站，2、3、4为交叉口下游出口道基站，t1为路段行驶时间，t2为交叉口车辆延误时间，t3为车辆通过交叉口时间。具体实施方式下面结合附图与具体实施例对本技术方案作进一步说明。应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围。本发明提出的基于RFID数据的城市交叉口交通状态判别方法，其流程图见附图1，主要包括以下步骤；1)RFID数据筛选、清洗本实验利用江苏南京鼓楼区珠江路-太平北路交叉口2015年12月的道路射频设备数据来验证基于RFID数据的交叉口交通状态判别方法。数据集X1包含记录ID、车辆信息、通过时间等15类属性。基站位置示意图如附图2所示，其中1代表该进口道上游基站，2、3、4代表对应的下游出口道基站。将数据集中的记录按照车辆车牌号进行匹配，以确定车辆在交叉口上下游之间的流向，并生成数据集X2。将数据集X2按照通过时间段对记录条进行聚合，获得设置基站的进口道各方向车辆流量，随后根据上下游基站车辆数相等的原则推算第四个未设置基站的进口道车辆流量。该交叉口12月1日7-19点各方向车辆流量如附图3所示。2)交叉口延误时间估算如附图2所示，车辆在通过第一个基站后，其行驶一段距离后则会遇到该路段下游的交叉口，在交叉口的信号控制下产生相应的延误，随后车辆会继续左转、右转或者直行到交叉口下游的基站。将该过程中的路段定义为一个基本通行路段，则通过时间定义为基本通行时间t，基本通行时间由三部分组成，分别是交叉口间路段通行时间t1，交叉口延误时间t2，通过交叉口时间t3。因此由数据集X2中，车辆通过基站时间之差即为车辆基本通行时间，而路段通行时间则由路段距离与车辆运行速度进行估算，由此获得各个车辆交叉口延误时间；表1为珠江路-太平北路交叉口12月1日7点-19点平均延误时间。3)交叉口饱和度估算该交叉口进口道设置：南北向及西进口道为一左转两直行一右转车道，东进口道为两左转两直行车道。其车道组修正饱和流率为sleft＝1640pcu/h/ln，sright＝1470pcu/h/ln，sthrough＝1730pcu/h/ln。车道组修正饱和流率的计算方法，步骤如下：1)交叉口饱和度由各进口道饱和度按各进口道流量加权获得，计算公式如下：式中αint为交叉口饱和度，αi为各进口道饱和度，Qi为各进口道车辆流量。2)各进口道饱和度则由饱和度计算公式计算获得，公式如下：α＝v/c(2)式中α为各进口道饱和度，v为各进口道当量流量，c为各进口道通行能力。c＝N*s*(g/C)，N为该进口道车道组数，s为车道组修正饱和流率，g为某相位有效绿灯时间，C为周期时间，g/C为绿信比。3)车道组修正饱和流率按照车道组不同情况修正获得，公式如下：式中si为各进口道饱和修正流率，s0为基本饱和流率，fi为修正系数。从聚合数据集X2后的数据集中筛选出各流向车辆通过数最大值作为各相位最大通行数的估计值，由此获得各相位绿信比估计值：gews＝0.17，gewl＝0.12，gsns＝0.41，gsnl＝0.30。gews——东西向直行绿信比；gewl——东西向左转绿信比；gsns——南北向直行绿信比；gsnl——南北向左转绿信比。最终由公式(1)(2)获得该交叉口7-19点时段的饱和度，如表1所示。表1交叉口状态参数通过时间段78910111213Delay(s/veh)136.33151.52172.31171.19140.44119.80132.87v/c1.090.940.970.960.910.880.96通过时间段141516171819Delay(s/veh)181.86157.91145.66166.57181.51103.36v/c1.051.051.011.331.190.96Delay为交叉口车辆平均延误时间，v/c为交叉口饱和度。4)交叉口交通状态分类及判定在获得交叉口车辆平均延误时间及饱和度之后，利用层次聚类方法对该交叉口7-19点时间段的状态参数进行分类，得到附图4所示的分类图。由聚类图可知，当类间距离取固定值a时，以a值画一横向线，该线与层次聚类树交点个数则对应分类数；因此类间距离越大则交叉口不同时段分类越少。当类间距离取1.2～1.6之间时，该交叉口7-19点共13个小时的交通状态被分为五类。结合延误时间和饱和度可将5类状态归为3种运行状态：拥挤状态(类别0，2)，拥堵状态(类别1，4)，堵塞状态(类别3)。当前第1页1 2 3