一种信号交叉口标准车精确换算方法、装置及系统

1.本发明涉及城市交通管理技术领域，具体而言，涉及一种信号交叉口标准车精确换算方法、装置及系统。


背景技术：

2.信号交叉口是城市道路网络的重要组成部分，尤其是在交通拥堵问题严重的地区，准确估计信号交叉口的饱和流是规划、设计和分析信号控制以及道路设计的重要组成部分。
3.pcu(passenger car unit,标准车当量数，也称标准车换算系数或乘用车单位)值是量化各个车辆对交通流量影响的常用参数。针对同质交通流，估计信号交叉口的pcu值最常用的是基于车头时距的方法，然而，在发展中国家普遍呈现的多种车辆类型并存的异质交通流中，车辆行为不会保持稳定，队列形成和消散的模式是不同的，当驾驶员没有连续地跟随同一车辆时，车头时距法就不适用了。针对异质交通流，最常用的是钱德拉法，主要应用于车辆之间的交互作用相对较少的高速公路，可以使用速度/面积比方法来计算pcu值，然而在城市道路，尤其是交通拥堵最频繁的信号交叉口处，车辆受其他车辆的影响较大，速度整体较小，因此不适合将速度作为主要变量。


技术实现要素：

4.本发明解决的问题是如何精确确定信号交叉口的标准车换算系数。
5.为解决上述问题，本发明提供一种信号交叉口标准车精确换算方法，包括：获取信号交叉口的交通数据；从所述交通数据中选取行驶时间和车辆长度的组合指标或车头时距作为换算指标，根据所述换算指标确定标准车换算系数。
6.本发明所述的信号交叉口标准车精确换算方法，通过选取行驶时间和车辆长度的组合指标或车头时距作为换算指标以确定标准车换算系数，分别确定异质交通流和同质交通流下的标准车换算系数，且使用车辆占用的时空资源衡量车辆对交通流的影响，使得标准车换算指标构建更加科学化，从而精确确定信号交叉口的标准车换算系数。
7.可选地，所述获取信号交叉口的交通数据包括：通过电子警察摄像机录制所述信号交叉口的交通视频或通过无人机录制所述信号交叉口的交通视频，从所述交通视频中提取所述交通数据。
8.本发明所述的信号交叉口标准车精确换算方法，通过电子警察摄像机录制信号交叉口的交通视频或通过无人机录制信号交叉口的交通视频以提取交通数据，实现了交通数据的准确采集，进而能够精确确定信号交叉口的标准车换算系数。
9.可选地，所述获取信号交叉口的交通数据还包括：根据所述电子警察摄像机确定高峰时段，以在所述高峰时段通过所述无人机录制所述交通视频。
10.本发明所述的信号交叉口标准车精确换算方法，根据电子警察摄像机确定高峰时段，以在高峰时段通过无人机录制交通视频，实现了交通数据的准确采集，进而能够精确确
定信号交叉口的标准车换算系数。
11.可选地，所述获取信号交叉口的交通数据还包括：根据道路条件将整个道路区段划分为普通路段和所述信号交叉口，以从所述道路区段中确定所述信号交叉口，其中，所述普通路段的交通数据适于通过速度/面积法确定标准车换算系数。
12.本发明所述的信号交叉口标准车精确换算方法，根据道路条件将整个道路区段划分为普通路段和信号交叉口，以从道路区段中确定信号交叉口，进而实现了信号交叉口交通数据的准确采集，能够精确确定信号交叉口的标准车换算系数。
13.可选地，所述从所述交通数据中选取行驶时间和车辆长度的组合指标或车头时距作为换算指标包括：若当前交通流为同质交通流，则从所述交通数据中选取所述车头时距作为所述换算指标；若当前交通流为异质交通流，则从所述交通数据中选取所述行驶时间和车辆长度的组合指标作为所述换算指标，其中，所述行驶时间指车辆进入所述信号交叉口到离开所述信号交叉口的时间差，所述车辆长度指所述车辆在地面上的投影的长度。
14.本发明所述的信号交叉口标准车精确换算方法，通过在不同交通流下选取不同交通数据作为换算指标，有效提高了换算指标的合适度，进而能够精确确定信号交叉口的标准车换算系数。
15.可选地，所述根据所述换算指标确定标准车换算系数包括：根据待定车辆的平均行驶时间与标准车的平均行驶时间确定第一比例；根据所述待定车辆的车辆长度与所述标准车的车辆长度确定第二比例；根据所述第一比例和所述第二比例确定所述待定车辆的标准车换算系数。
16.本发明所述的信号交叉口标准车精确换算方法，通过待定车辆的平均行驶时间和车辆长度分别与标准车的平均行驶时间和车辆长度比较来确定待定车辆的标准车换算系数，进而能够精确确定信号交叉口的标准车换算系数。
17.可选地，所述信号交叉口标准车精确换算方法还包括：选取车行道方向和交通流量作为自变量，分别确定不同所述待定车辆在不同所述自变量下的所述标准车换算系数。
18.本发明所述的信号交叉口标准车精确换算方法，通过选取车行道方向和交通流量作为自变量，分别确定不同待定车辆在不同自变量下的所述标准车换算系数，能够精确确定信号交叉口的标准车换算系数。
19.本发明还提供一种信号交叉口标准车精确换算装置，包括：获取模块，用于获取信号交叉口的交通数据；换算模块，用于从所述交通数据中选取行驶时间和车辆长度的组合指标或车头时距作为换算指标，根据所述换算指标确定标准车换算系数。所述信号交叉口标准车精确换算装置与上述信号交叉口标准车精确换算方法相对于现有技术所具有的优势相同，在此不再赘述。
20.本发明还提供一种信号交叉口标准车精确换算系统，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的信号交叉口标准车精确换算方法。所述信号交叉口标准车精确换算系统与上述信号交叉口标准车精确换算方法相对于现有技术所具有的优势相同，在此不再赘述。
21.本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现如上所述的信号交叉口标准车精确换算方法。所述计算机可读存储介质与上述信号交叉口标准车精确换算方法相对于现有技术
所具有的优势相同，在此不再赘述。
附图说明
22.图1为本发明实施例的信号交叉口标准车精确换算方法的流程示意图；
23.图2为本发明实施例的贵阳市一交叉路口的布局示意图；
24.图3为本发明实施例的安顺市一交叉路口的布局示意图；
25.图4为本发明实施例的贵阳市一交叉路口的交通构成示意图；
26.图5为本发明实施例的安顺市一交叉路口的交通构成示意图。
具体实施方式
27.为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
28.如图1所示，本发明实施例提供一种信号交叉口标准车精确换算方法，包括：获取信号交叉口的交通数据；从所述交通数据中选取行驶时间和车辆长度的组合指标或车头时距作为换算指标，根据所述换算指标确定标准车换算系数。
29.具体地，在本实施例中，信号交叉口标准车精确换算方法包括：获取信号交叉口的交通数据；从交通数据中选取行驶时间和车辆长度的组合指标或车头时距作为换算指标，根据换算指标确定标准车换算系数。
30.通常使用单一参数或组合参数来估计在同质和异质交通条件下不同道路类型处的车辆类型的pcu。在存在同类流量的国家/地区中一般使用单一参数估算pcu值。但是，在交通流异质混合的发展中国家中大多使用组合参数来估算pcu。因此本实施例中，选取行驶时间和车辆长度的组合指标或车头时距作为换算指标，从而分别确定异质交通流和同质交通流下的标准车换算系数。
31.车辆的物理尺寸是衡量车辆空间占用的指标，对交通流的运行特性至关重要。由于占用时间取决于车辆的大小，因此较长的车辆(例如卡车和公交车)的占用时间会更长。因此，这些车辆对同向流和对向流的影响将高于小汽车。类似地，较小的车辆尺寸和激进的驾驶行为导致两轮摩托车的时间占用值较低。因此，车辆的长度成为量化其影响的重要参数。
32.在车辆不严格遵守车道的情况下，空间占用率反映在路面投影面积上。但是，在车道纪律良好的交通流中，空间占用率主要由车辆的长度控制，因此本实施例考虑车辆的长度，而不是整体物理尺寸用于估算pcu。
33.根据pcu的定义，不同车辆占用的十字路口的时空资源是不同的，本实施例采用了基于行驶时间的方法，将行驶时间和车辆在地面上的矩形投影尺寸结合在一起，例如从车辆进入交叉路口到离开交叉路口的时间差与车辆长度的乘积可以用作pcu转换指标的基础。
34.在本实施例中，通过选取行驶时间和车辆长度的组合指标或车头时距作为换算指标以确定标准车换算系数，分别确定异质交通流和同质交通流下的标准车换算系数，且使用车辆占用的时空资源衡量车辆对交通流的影响，使得标准车换算指标构建更加科学化，从而精确确定信号交叉口的标准车换算系数。
35.可选地，所述获取信号交叉口的交通数据包括：通过电子警察摄像机录制所述信号交叉口的交通视频或通过无人机录制所述信号交叉口的交通视频，从所述交通视频中提取所述交通数据。
36.具体地，在本实施例中，获取信号交叉口的交通数据包括：通过电子警察摄像机录制信号交叉口的交通视频或通过无人机录制信号交叉口的交通视频，从交通视频中提取交通数据。
37.通过电子警察摄像机录制信号交叉口的交通视频，收集来自安装在有利位置的电子警察摄像机的交通数据。通过使用不需要优势点并清晰捕获连续交通流的无人机和气动桅杆，可以克服以最小的失真和遮挡有效捕获交通的限制。
38.例如，使用消费者四轴dji无人机以4k(4096
×
2160)分辨率以每秒25帧(fps)的速度录制。无人机的飞行高度约为200米，交叉口区域的研究射击范围约为240*135平方米。每次录制持续15分钟。
39.例如，使用avidemux软件从录制的交通视频中提取交通数据。输出数据包括9个字段，如车辆id，进口方向，出口方向，行驶方向，车辆类型，平均速度，超前行驶距离，滞后行驶距离，行驶时间。借助3σ准则清除零值数据及无效数据，当测量数据与其测量结果的平均值μ之差大于标准偏差σ的3倍时，应丢弃该测量数据。
40.在本实施例中，通过电子警察摄像机录制信号交叉口的交通视频或通过无人机录制信号交叉口的交通视频以提取交通数据，实现了交通数据的准确采集，进而能够精确确定信号交叉口的标准车换算系数。
41.可选地，所述获取信号交叉口的交通数据还包括：根据所述电子警察摄像机确定高峰时段，以在所述高峰时段通过所述无人机录制所述交通视频。
42.具体地，在本实施例中，获取信号交叉口的交通数据还包括：根据电子警察摄像机确定高峰时段，以在高峰时段通过无人机录制交通视频。由于使用电子警察视频数据时总会遮盖树木，因此其中一些流程将缺少标识。并且由于摄像机的位置和拍摄角度，有时会将左转车辆误认为直行车辆，导致收集的数据容易混乱，沿行车道方向的交通收集不准确。因此本实施例中根据电子警察摄像机确定高峰时段，以在高峰时段通过无人机录制交通视频，实现了交通数据的准确采集，进而能够精确确定信号交叉口的标准车换算系数。
43.在本实施例中，根据电子警察摄像机确定高峰时段，以在高峰时段通过无人机录制交通视频，实现了交通数据的准确采集，进而能够精确确定信号交叉口的标准车换算系数。
44.可选地，所述获取信号交叉口的交通数据还包括：根据道路条件将整个道路区段划分为普通路段和所述信号交叉口，以从所述道路区段中确定所述信号交叉口，一般认为从各条道路汇集到信号交叉口时，道路宽度会增加，且在道路上也会设置相应的交叉口进口和出口的标识，可以通过电子警察摄像机根据道路宽度或标识区分信号交叉口和普通路段，其中，所述普通路段的交通数据适于通过速度/面积法确定标准车换算系数。
45.具体地，在本实施例中，获取信号交叉口的交通数据还包括：根据道路条件将整个道路区段划分为普通路段和信号交叉口，以从道路区段中确定信号交叉口，其中，普通路段的交通数据适于通过速度/面积法确定标准车换算系数。
46.其中，速度/面积法指以速度为主要变量来确定车辆的pcu，使用动态pcu概念的基
于速度/面积比的估算方法，相对于标准车辆，pcu与速度比成正比，与投影面积比成反比。速度/面积法也可以改进为经过修正的chandra方法，即以旅行时间为基本参数，采用行驶时间与车辆静态面积之比估算混合交通条件下十字信号交叉口的动态pcu。
47.pcu
i
＝(v
c
/v
i
)/a
c
/a
i
)＝(t
i
/t
c
)/(a
c
/a
i
)
48.式中，pcu
i
‑
车辆类型i的乘用车单位；
49.v
c
‑
小汽车平均速度(以m/s为单位)，即车辆横穿交叉路口空间的速度；
50.v
i
‑
类型i车辆的平均速度，以m/s为单位；
51.a
c
‑
小汽车在道路上的投影矩形区域(长*宽)；
52.a
i
‑
类型i车辆在道路上的投影矩形区域(长*宽)；
53.t
i
‑
类型i车辆的平均行驶时间，以s为单位；
54.t
c
‑
小汽车的平均行驶时间。
55.在本实施例中，根据道路条件将整个道路区段划分为普通路段和信号交叉口，以从道路区段中确定信号交叉口，进而实现了信号交叉口交通数据的准确采集，能够精确确定信号交叉口的标准车换算系数。
56.可选地，所述从所述交通数据中选取行驶时间和车辆长度的组合指标或车头时距作为换算指标包括：若当前交通流为同质交通流，则从所述交通数据中选取所述车头时距作为所述换算指标；若当前交通流为异质交通流，则从所述交通数据中选取所述行驶时间和车辆长度的组合指标作为所述换算指标，其中，所述行驶时间指车辆进入所述信号交叉口到离开所述信号交叉口的时间差，所述车辆长度指所述车辆在地面上的投影的长度。
57.具体地，在本实施例中，从交通数据中选取行驶时间和车辆长度的组合指标或车头时距作为换算指标包括：若当前交通流为同质交通流，则从交通数据中选取车头时距作为换算指标；若当前交通流为异质交通流，则从交通数据中选取行驶时间和车辆长度的组合指标作为换算指标，其中，行驶时间指车辆进入信号交叉口到离开信号交叉口的时间差，车辆长度指车辆在地面上的投影的长度。根据相应场景确定异质交通流或同质交通流，结合交通流特征指定不同的换算方法，进而能够精确确定信号交叉口的标准车换算系数。
58.其中，同质交通流由高比例的小汽车和少量的公交车或卡车组成，并且在路段上很少有两轮或三轮摩托车。车辆始终遵循车道纪律，所有公交车具有相近的尺寸，并且没有路边停车现象，整个道路宽度可以保证有效利用。
59.其中，异质交通流由具有不同静态和动态特性的各种车辆组成，其中小汽车和公交车的比例相对较小，而两轮摩托车占据不低的比例，占据道路空间。
60.在本实施例中，通过在不同交通流下选取不同交通数据作为换算指标，有效提高了换算指标的合适度，进而能够精确确定信号交叉口的标准车换算系数。
61.可选地，所述根据所述换算指标确定标准车换算系数包括：根据待定车辆的平均行驶时间与标准车的平均行驶时间确定第一比例；根据所述待定车辆的车辆长度与所述标准车的车辆长度确定第二比例；根据所述第一比例和所述第二比例确定所述待定车辆的标准车换算系数。
62.具体地，在本实施例中，根据换算指标确定标准车换算系数包括：根据待定车辆的平均行驶时间与标准车的平均行驶时间确定第一比例；根据待定车辆的车辆长度与标准车的车辆长度确定第二比例；根据第一比例和第二比例确定待定车辆的标准车换算系数。
63.动态pcu值与行驶时间成正比，与车辆相对于车辆面积的物理长度比成反比，如下式所示。
64.pcu
i
＝(t
i
/t
c
)/(l
c
/l
i
)
65.式中，pcu
i
‑
车辆类型i的乘用车单位；
66.t
i
‑
类型i车辆的平均行驶时间，以s为单位；
67.t
c
‑
小汽车的平均行驶时间；
68.l
c
‑
小汽车的车辆长度，以m为单位；
69.l
i
‑
类型i车辆的车辆长度。
70.根据上式，如果增加了第i类车辆的长度和第i类车辆的行驶时间，则动态pcu的值也会增加。在某个特定的周期中，每种车辆的行驶时间是不同的，因此要考虑平均行驶时间。在整个周期中，每种类别的车辆的长度都是相同的。
71.例如，乘用车的物理尺寸为3.82m*1.45m，两轮摩托车和公交车的尺寸为1.87m*0.64m和10.10m*2.43m，估计的空间占用率值构成了通过改进的行车时间方法确定不同车辆类别的pcu值的基础。
72.在本实施例中，通过待定车辆的平均行驶时间和车辆长度分别与标准车的平均行驶时间和车辆长度比较来确定待定车辆的标准车换算系数，进而能够精确确定信号交叉口的标准车换算系数。
73.可选地，所述信号交叉口标准车精确换算方法还包括：选取车行道方向和交通流量作为自变量，分别确定不同所述待定车辆在不同所述自变量下的所述标准车换算系数。
74.具体地，在本实施例中，信号交叉口标准车精确换算方法还包括：选取车行道方向和交通流量作为自变量，分别确定不同待定车辆在不同自变量下的所述标准车换算系数。由于车行道方向和交通流量会影响到标准车换算系数，且最终确定的信号交叉口的标准车换算系数会区分不同条件，因此通过选取车行道方向和交通流量作为自变量，分别确定不同待定车辆在不同自变量下的标准车换算系数，能够精确确定信号交叉口的标准车换算系数。
75.在本实施例中，通过选取车行道方向和交通流量作为自变量，分别确定不同待定车辆在不同自变量下的所述标准车换算系数，能够精确确定信号交叉口的标准车换算系数。
76.以下提供基于本方法的实际信号交叉口的应用情况。
77.本研究选择了位于中国贵阳市和安顺市的两个具有相似特征但道路和交通特征不同的城市信号交叉口。道路段是六车道分隔的行车道，两个交叉路口均为十字型信号交叉口，设有可在允许左转的四个阶段中运行的预定时信号控制。在这些研究交叉路口，行人，公交车站和停放的车辆对交通的干扰最小。图2和图3中分别显示了两个研究交叉口的布局，显示了几何形状和信号时序。
78.(1)交通数据采集
79.在选择研究部分之后，首先在研究地点收集来自安装在有利位置的电子警察摄像机的交通数据。这两天都在7月的晴天进行了调查。数据收集于2020年7月12日安顺十字路口7：00
‑
9：00&17：30
‑
19：30和2020年7月15日至贵阳十字路口7：00
‑
9：00&13：00
‑
15：00捕获交通流量条件的变化。
80.在早期阶段会使用电警数据来查找一天中的高峰时段，然后根据所选的高峰时段使用无人机视频拍摄合适的时间段，以进行准确的交通识别。
81.两个十字路口的拍摄方向不同，由于南北方向的交通较多且队列长度较长，因此应将更多的拍摄空间分配给贵阳十字路口的射击位置为顺时针旋转90度。南北方向尽可能占据整个队列。
82.收集贵阳路口早高峰期，非高峰期，安顺交叉口早高峰期，晚高峰期各方向车道的交通数据。
83.(2)交通特征提取
84.图4和图5显示了所选研究中观察到的流量构成。两个部分的汽车通行比例都较高。此外，安顺十字路口的交通组成表现出更多的异质性，其中很大比例的是两轮摩托车(也称2w)和重型车辆(5％)，其中主要是公交车。贵阳十字路口的汽车比例(94％)比安顺十字路口的汽车比例(77％)高。如图4所示，贵阳十字路口的车辆通行率很高。在数据收集期间未在研究区域观察到其他车辆类别。
85.(3)pcu值确定策略
86.以往研究人员使用单一参数或组合参数来估计在同质和异质交通条件下不同道路类型处的车辆类型的pcu。在存在同类流量的国家/地区进行的研究一般使用单一参数估算pcu值。但是，在交通流异质混合的发展中国家进行的大多数研究使用了组合参数来估算pcu。
87.发展中国家的交通流特征与道路系统与发达国家基本不同。大多数的发达国家的交通流通常称为同质交通流，遵循车道纪律，且尺寸近似的汽车占很大比例，还有一小部分卡车和其他车辆。相比之下，发展中国家大多是异质交通流，由各种动态静态特征的不同种类车辆占据同一道路空间组成，没有任何车道限制。由于同质和异质交通流的不同交通特性和交通行为，在不同的交通流特征组成中，不能采用统一的标准车换算方法，同质交通流下只需采用单一指标进行换算即可，但异质交通流需要全面考量车辆占用的道路时空资源，宜采用组合指标的方式进行换算。在车辆换算之前，需要首先判断交通流的特征组成，然后给出针对性的换算方法。本研究是探究发展中国家——中国的标准车换算，属于典型的异质交通流，因此采用组合指标的方法。
88.在不同的道路条件下，车辆的运行特征是截然不同的，例如普通路段，信号交叉口和无信号交叉口，车辆的通过行为截然不同，道路参与者的类型及占比也不同，对交通流造成的影响也有很大区别。因此，准确估算标准车换算系数需要区分不同的道路条件。在不同道路类型处使用不同的方法进行估算，得到更准确的pcu值，在普通路段上，干扰较少，属于连续交通流，可以选取静态指标；但在交叉口处，各方向车流及人流的互相干扰增多，车辆运行可能会受到信号灯的影响形成间断交通流，适合采用动态指标。创建专门适合于特定路段的换算方法是很有必要的，本发明针对信号交叉口处的标准车辆换算方法进行探究。
89.因为直行和左转车辆通过交叉路口的路径之间存在很大差异，因此通过交叉路口的时间也有很大不同，不应一起比较，本发明分别研究了直行和左转车辆通过交叉路口的路径之间的差异。此外，为了探究交通流量对pcu换算的影响作用，本发明还考察了高峰期和非高峰期之间的pcu是否存在显着差异。
90.对于不同的交通性质(同质和异质交通流)，以及不同的道路条件(普通路段和交
叉口)，分析影响因素，影响pcu值的参数并不相同，必须针对特定的交通性质和道路条件进行针对性的影响因素分析，以此来判断本发明中估算方法的决策变量。通过文献调研和对比分析，发现车行道方向和流量大小可能影响车辆的运行状态，进而影响车辆对整个交通流的作用，导致换算系数的差异，因此，本发明将车行道方向(直行和左转)，流量(高峰期和平峰期)作为两个自变量，分别进行影响作用探究。
91.目前还没有所谓正确的适合各种场景的pcu估算方法，但是每种方法都有助于从不同的角度理解车辆对交通的影响。在有信号交叉口的情况下，研究人员主要集中在车头时距，延误，排队消散以及行驶时间来估计pcu值。
92.pcu可以和车辆类型，饱和流率，速度，前进距离，车头时距等相关联。穿越信号交叉口的实际行驶时间可以方便地测量交叉口的车辆占用率。除了其简单性，此方法还不需要考虑只含有乘用车的理想情况作为对比，并且无需基于任何等效标准使用关系。
93.此外，车辆的物理尺寸是衡量车辆空间占用的指标，对交通流的运行特性至关重要。由于占用时间取决于车辆的大小，因此较长的车辆(例如卡车和公交车)的占用时间会更长。因此，这些车辆对同向流和对向流的影响将高于小汽车。类似地，较小的车辆尺寸和激进的驾驶行为导致两轮摩托车的时间占用值较低。因此，车辆的长度成为量化其影响的重要参数。
94.在车辆不严格遵守车道的情况下，空间占用率反映在路面投影面积上。但是，在车道纪律良好的交通流中，空间占用率主要由车辆的长度控制，因此，本发明考虑车辆的长度，而不是整体物理尺寸，用于估算pcu。
95.根据pcu的定义，不同车辆占用的十字路口的时空资源是不同的。受钱德拉(chandra)和库玛(kumar)方法的启发，本发明采用了基于行驶时间的方法，将行驶时间和车辆在地面上的矩形投影尺寸结合在一起。
96.确定估算指标的两个必要要素为时间资源度量和空间资源度量，遴选出车辆通过交叉口的行驶时间作为时间资源占有的衡量表示，遴选出车辆几何长度为空间资源占用的衡量表示。构建异质交通流下信号交叉口处的标准车辆换算系数估算指标。以小汽车作为标准车辆，将其他车辆对交通流的影响等效成标准小汽车对交通流的影响，衡量车辆的等量水平。
97.本研究提出了区分交通性质和道路条件的区域差异化车辆换算策略，在同质和异质交通流下，在普通路段和交叉口处，提出不同的换算策略，方法更加有针对性。分析关键因素影响下的标准车辆换算系数，探究车行道方向和交通流量对车辆换算的影响水平，使估算结果更加全面多元化。使用车辆占用的时空资源衡量车辆对交通流的影响，指标构建更加科学化。采用基于无人机视频数据的新型数据采集方式，避免了固定摄像头设备的遮挡和其他线圈检测器等的检测误差，数据测量更加精准，估算结果更加可靠。
98.(4)结果分析
99.表1总结了两个代表路口在不同时间段使用每种行驶方向的改进行驶时间方法的公交车pcu值汇总。此外，表1显示了通过修改chandra方法建议的两个信号交叉口的pcu值比较，本研究获得了改进的行进时间法和行进法。
100.表1公交车pcu估算值
[0101][0102]
本研究给出的pcu值可用于直通和左转车辆(无法测量右转车辆的行驶时间)。穿越和转弯(左和右)车辆都包含改进的“钱德拉”方法和“时距”方法的值，因为可以收集所有车辆的速度和车距数据。
[0103]
对于贵阳十字路口，在晨高峰时段，左转公交车的pcu值为3.15，与修改钱德拉的方法值3.83相比，该值较小。而且，在早高峰时段，直行公交车的pcu值为2.95，与modifying chandra的方法值3.31相比，该值更小。平行比较的结果与贵阳十字路口的非高峰时段和安顺十字路口的早高峰时段和晚高峰时段相似。
[0104]
结合改进的行驶时间方法和改进的钱德拉方法，我们得出结论，在每个时期以及两个交叉路口的所有行驶方向上，向左转弯的车辆的pcu值始终大于向直行行驶的pcu值，这可能是因为需要向左转弯的车辆需要通过交叉路口的时间更多，速度也较慢。
[0105]
另外，比较了贵阳十字路口的早晨高峰和非高峰时段的pcu值，以探讨交通量的影响，结果表明，早晨高峰的pcu值大于非高峰时段的pcu值。使用经过改进的钱德拉(chandra)方法的直行车辆。这可能是由于早晨高峰时段和非高峰时段的交通量之间没有太大差异。
[0106]
之后，本研究中从综合指标获得的车辆pcu值与车头法中将chandra方法修改为单一指标的比较结果如表2所示。
[0107]
表2贵阳交叉口的两轮摩托车pcu估计值
[0108][0109]
可以看出，测得的车距方法的总线pcu值始终低于其他两种方法。该结果表明，在混合流量中，组合指标的使用确实更为合适。
[0110]
在早高峰时段，左转两轮摩托车的pcu值被发现为0.42，接近于改进钱德拉方法(0.44)所建议的值，但是，直行两轮摩托车的pcu值为0.50，远低于改进chandra方法(0.74)所建议的值，表明行驶方向对交通中pcu值的影响。对于非高峰时段，直行两轮摩托车的pcu值被发现为0.64，甚至比改进钱德拉方法(0.52)所建议的值还要高，这证明了交通量对信号交叉口的pcu值有一定程度影响。
[0111]
该分析的目的是将中国与其他国家/地区的计算出的pcu值进行比较。应当与发达国家和发展中国家的价值观进行比较。因此决定选择美国和印度。表3列出了中国，美国和
印度的公交车和两轮摩托车的pcu值。
[0112]
表3本方法、印度、美国的公交车和两轮摩托车的pcu估计值对比
[0113][0114]
发现本研究的结果与印度的结果相似，但与美国的结果完全不同。这可能是因为与美国的同质交通流不同，中国和印度这样的城市交叉路口存在异质的交通流。与美国狭窄的车道宽度不同，与美国相比，中国没有严格的车道纪律。在中国，由于车辆的宽度明显小于车道的宽度，因此，有时车辆和车道标记之间的横向间隙会被另一辆车试图超车。
[0115]
(5)结论
[0116]
本研究确定了贵阳市和安顺市交通状况下车辆的pcu值，这些值对饱和流量的计算有重要影响，从而影响信号交叉口的设计。在分析的基础上，发现公交车和两轮摩托车的pcu值分别为3.02、0.60。此外，可以看出，左转车辆的pcu值始终高于直通车的pcu值。因此，建议将本研究中获得的数值作为指导，以设计和分析贵阳市和安顺市乃至整个中国的信号交叉口的车辆，因为车辆的数量和组成基于当前车队和驾驶员。
[0117]
建议将来再研究转弯半径对转向车辆的pcu值的影响，以便在手册中使用这些值。在大多数情况下，早高峰的pcu值大于平峰的pcu值，如果将来流量差异较大，则需要研究流量的影响。该研究的独特性质可作为发展中国家异类交通流在城市交叉路口的车辆转换的参考。
[0118]
诚然，样本量可能不够大，尽管在中国城市信号交叉口分布非常广泛，但没有各种车辆类型。未来的研究应尝试对更多的交叉路口进行调查，以调查pcu估算的共性和差异。随后的转换可以更精确地通过每辆汽车的实时静态几何尺寸进行，因为相同类别的汽车在不同样式之间也可能存在差异。
[0119]
本发明另一实施例提供一种信号交叉口标准车精确换算装置，包括：获取模块，用于获取信号交叉口的交通数据；换算模块，用于从所述交通数据中选取行驶时间和车辆长度的组合指标或车头时距作为换算指标，根据所述换算指标确定标准车换算系数。
[0120]
本发明另一实施例提供一种信号交叉口标准车精确换算系统，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的信号交叉口标准车精确换算方法。
[0121]
本发明另一实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现如上所述的信号交叉口标准车精确换算方法。
[0122]
虽然本发明公开披露如上，但本发明公开的保护范围并非仅限于此。本领域技术人员在不脱离本发明公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。