一种道路信号交叉口车辆排队长度的测算方法与流程

本发明涉及智能交通技术领域，尤其是涉及一种道路信号交叉口车辆排队长度的测算方法。

背景技术：

城市道路网作为承载居民日常出行和货物运输的基础交通设施，是提升城市各个区域经济的重要桥梁。城市道路网的不断完善和交通控制手段的智能化提升，有效提升了路网交通服务水平和服务质量，降低了交通事故发生的风险。但是，社会经济的快速发展和人均车辆保有量的急剧增加，使得城市道路交通拥挤和交通安全问题日益凸显，严重降低了城市道路网交通运行活力，增加了车辆运行的经济损失，此外，当单道路交通需求较大时，单道路交通拥挤可能快速扩散为区域交通拥挤，进而诱发路网交通问题的产生。

道路信号交叉口作为城市道路网的关键性节点，其交通状况直接影响着区域路网的交通状态，目前，针对城市道路交叉口交通拥挤和交通控制方面的研究，通常以车辆排队长度作为关键参数，如何对车辆排队长度进行测算，已经成为智能交通系统中的一个关键问题。现有技术主要是通过建立交通波模型来计算车辆排队长度，然而交通波模型更适合于高速干道或其它交通拥堵概率较小的道路，并不适合交通波动较大的道路信号交叉口，且该方法难以准确识别排队队尾位置，容易导致结果精度较差。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种道路信号交叉口车辆排队长度的测算方法，本发明以宏观交通流模型——元胞传输模型(celltransportationmodel，ctm)为基础，考虑城市道路交叉口交通流运行的波动特性，对ctm模型描述范围和规则进行拓展，并依据模糊-清晰的测算法则，确定交叉口车辆排队长度，从而实现交叉口车辆排队长度的准确测算。

本发明的目的可以通过以下技术方案来实现：一种道路信号交叉口车辆排队长度的测算方法，包括以下步骤：

1)识别车辆排队队尾位置，以设定的元胞长度为基础，将目标交叉口检测路段划分为多个元胞的集合形式，并对各个元胞标号，采用元胞交通密度作为基准参数，确定队尾元胞，其中，队尾元胞为车辆排队队尾所属元胞；

2)计算车辆排队长度，根据队尾元胞内的交通密度，对该元胞进行区域划分，并计算队尾元胞内的车辆排队长度，结合队尾元胞编号，计算交叉口检测路段的车辆排队长度。

优选的，所述步骤1)的具体过程为：

1.1)根据元胞传输模型，提取各元胞的交通流量和交通密度，获取检测区域各个元胞的交通密度；

1.2)比较检测区域中检测元胞与其相邻的下游元胞交通密度之间的关系，若检测元胞交通密度大于或等于相邻下游元胞交通密度，则执行步骤1.3)，否则执行步骤1.4)；

1.3)比较检测区域中检测元胞与其相邻的上游元胞交通密度之间的关系，若检测元胞交通密度小于相邻上游元胞交通密度，则返回步骤1.2)，否则执行步骤1.4)；

1.4)判断检测元胞的相邻上游元胞中车辆是否全部驶入检测元胞内，若判断为是，则执行步骤1.5)，否则执行步骤1.6)；

1.5)识别道路信号交叉口车辆排队队尾位于检测元胞内；

1.6)识别道路信号交叉口车辆排队队尾位于检测元胞相邻的上游元胞内。

优选的，所述步骤2)的具体过程为：

2.1)获取检测时间段内流入队尾元胞的车辆个数，之后执行步骤2.3)；

2.2)根据队尾元胞内的交通密度，将该元胞划分为顺畅队列区域、混合区域和拥挤队列区域，且保证车辆排队队尾位于所述混合区域中，之后执行步骤2.3)；

2.3)计算队尾元胞内可容纳上游驶入车辆的空间供给区域的长度；

2.4)根据所述步骤2.2)中顺畅队列区域交通密度和拥挤队列区域交通密度，计算队尾元胞内的车辆排队长度；

2.5)结合所述步骤2.4)中队尾元胞内的车辆排队长度和队尾元胞编号，计算交叉口检测路段的车辆排队长度；

2.6)判断所述步骤2.1)中检测时间是否小于预设的工作周期，若是，则返回步骤1)，否则结束车辆排队长度的测算。

优选的，所述步骤1.1)中的元胞传输模型为：

ni(k+1)＝ni(k)+yi(k)-yi+1(k)

ni(k)＝λ·ρi(k)·hi

yi(k)＝qi(k)·t

其中，k为检测时间，yi(k)为流入元胞i的车辆数，ni(k)为在检测时间k时元胞i内存在的车辆数，ρi(k)为元胞i的交通密度，λ为车道数，hi为元胞i的长度，t为采样间隔时间长度，qi(k)为元胞i的交通流量。

优选的，所述步骤1.1)中的交通流量为：

hi＝vf·t

其中，vf为自由流速度，qmax为元胞的通行能力，ρb为元胞的临界密度，ρj为元胞的阻塞密度。

优选的，所述步骤2.2)中队尾元胞的划分具体为：

第一区域为拥挤队列区域，在最后检测时间间隔内，由于下游元胞没有足够的供给空间，则车辆没有驶入下游单元，该区域交通密度大于或等于其相邻下游元胞交通密度；

第二区域为混合区域，该区域内车辆为上游元胞在最后时间间隔内到达的车辆与拥挤队列区域内的车辆尾部相遇，该区域交通密度具有不均匀性；

第三区域为顺畅队列区域，该区域内所有车辆在最后时间间隔内到元胞，但没有与拥挤队列区域内车辆相邻。

优选的，所述步骤2.3)中空间供给区域包括顺畅队列区域和混合区域。

优选的，所述步骤2.4)的具体过程为：

2.4.1)计算拥挤队列区域的车辆排队长度为：

其中，hr为拥挤队列区域的车辆排队长度，λ为车道数，ρi(k-1)为元胞i在检测时间k-1时的交通密度，hi为元胞i的长度，qi+1(k-1)为元胞i+1在检测时间k-1时的交通流量，t为采样间隔时间长度，ρi+1(k)为拥挤队列区域内元胞i+1在检测时间k时的交通密度；

2.4.2)计算空间供给区域的车辆排队长度为：

其中，ha为空间供给区域的车辆排队长度，ρin,i(k)为顺畅队列区域内元胞i的交通密度，ni-1(k-1)为元胞i-1内的车辆数，hi-1为元胞i-1的长度，χ1为密度变为临界密度的车辆数，χ2为处于自由形式没有排队的车辆数；

2.4.3)计算队尾元胞内车辆排队长度为：

其中，ρb为元胞的临界密度，ρj为元胞的阻塞密度；

2.4.4)计算交叉口检测路段的车辆排队长度为：

其中，hq(k)为检测时间k时的车辆排队长度，i为检测路段的所有元胞个数，为信号周期为m时的车辆排队平均长度，c为信号周期时长，p为信号周期内对应的检测时间。

与现有技术相比，本发明具有以下优点：

一、本发明通过对元胞传输模型中交通流量进行算法改进，能更好描述道路信号交叉口的交通运行特征，克服了宏观交通流模型ctm难以描述交叉口处车辆运行波动特性的问题，更适合于容易发生交通拥堵的城市道路。

二、本发明通过对检测路段进行元胞特征划分，以元胞交通密度作为基准参数，能快速识别车辆排队队尾位置，同时保证识别出队尾元胞的准确性。

三、本发明采用动态测算方法，通过对车辆排队队尾的渐进测算，获取队尾所属模糊位置和队尾的精确位置，实现了道路信号交叉口从排队长度初步模糊识别到精确计算的过程，能显著改善道路交叉口车辆排队长度测算精度，为下一步的交通状态判别、交通管控等提供了重要的数据支持。

附图说明

图1为本发明的方法流程示意图；

图2为一个周期内的元胞密度变化情况；

图3为车辆在队尾元胞中的空间分布示意图；

图4为队尾元胞内密度变化示意图；

图5为队尾元胞内密度变化特例场景1；

图6为队尾元胞内密度变化特例场景2；

图7为队尾元胞内密度变化特例场景3；

图8a为交叉口处车辆排队最大长度测算结果的对比图；

图8b为交叉口处车辆排队平均长度测算结果的对比图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

如图1所示，一种道路信号交叉口车辆排队长度的测算方法，包括以下步骤：

s1识别车辆排队队尾位置，以设定的元胞长度为基础，将目标交叉口检测路段划分为多个元胞的集合形式，并对各个元胞标号，采用元胞交通密度作为基准参数，确定队尾元胞，队尾元胞即为车辆排队队尾所属元胞；

s2计算车辆排队长度，根据队尾元胞内的交通密度，对该元胞进行区域划分，并计算队尾元胞内的车辆排队长度，结合队尾元胞编号，计算交叉口检测路段的车辆排队长度。

其中，步骤s1的具体过程为：

s11、根据元胞传输模型，提取各元胞的交通流量和交通密度，获取检测区域各个元胞的交通密度；

s12、比较检测区域中检测元胞i与其相邻的下游元胞i+1交通密度之间的关系，若检测元胞i交通密度大于或等于相邻下游元胞i+1交通密度，则执行步骤s13，否则执行步骤s14；

s13、比较检测区域中检测元胞i与其相邻的上游元胞i-1交通密度之间的关系，若检测元胞交通密度i小于相邻上游元胞i-1交通密度，则返回步骤s12，否则执行步骤s14；

s14、判断检测元胞i的相邻上游元胞i-1中车辆是否全部驶入检测元胞i内，若判断为是，则执行步骤s15，否则执行步骤s16；

s15、识别道路信号交叉口车辆排队队尾位于检测元胞i内；

s16、识别道路信号交叉口车辆排队队尾位于检测元胞相邻的上游元胞i-1内。

步骤s11中的元胞传输模型如公式(1)～公式(4)所示。

ni(k+1)＝ni(k)+yi(k)-yi+1(k)(1)

式中，k为检测时间，yi(k)为流入元胞i的车辆数，计算公式见式(3)，ni(k)为检测时间k元胞i所存在的车辆数。

ni(k)＝λ·ρi(k)·hi(2)

式中，ρi(k)为元胞i的交通密度，计算公式见式(4)，λ为车道数，hi为元胞i的长度。

yi(k)＝qi(k)·t(3)

式中，t为采样间隔时间长度，qi(k)为元胞i的交通流量。

ctm模型中假设检测区域内每个元胞具有相同的性质，如图2所示，检测区域内各个元胞内交通密度具有不同特性，在排队释放的过程中，距离交叉口最近的元胞将以饱和流率释放交通流量，当该元胞中的交通密度达到临界值时，相邻上游元胞内的车辆启动，启动波逐渐向上游传播，直到传播结束。这个规则适用于队尾元胞下游的所有元胞，然而，在ctm模型描述中下游元胞密度未达到临界值，其相邻上游元胞内车辆已经开始启动。因此，为了使其能够更加精准的描述成熟道路交叉口车辆释放过程，将第i个元胞的交通流量qi(k)用公式(5)来描述。

式中，ρi(k)为元胞i的交通密度，hi为元胞i的长度，等于自由流速度vf和检测时间间隔t的乘积，qmax为元胞的通行能力，ρb为临界密度，ρj为阻塞密度。

识别车辆排队队尾位置的原理为：

当排队交叉口处信号灯为绿灯相位开始时，停车线与队尾之间的交通密度等于阻塞密度。在排队释放过程中，下游元胞密度逐渐变为临界密度，而密度变化元胞上游车辆排队所属元胞仍为阻塞密度。当绿灯持续一段时间后，排队队尾所属元胞下游元胞交通密度军等于临界密度。因此可以确定，如果元胞i下游相邻元胞密度大于临界密度，而元胞i上游元胞i-1的密度小于临界密度值，元胞i或者元胞i-1就是队尾所属的元胞，进一步判定队尾所属元胞为i或i-1，根据图1的方法流程示意，如果元胞i-1内的车辆在采样间隔内均流入元胞i中，则排队队尾处于元胞i，否则队尾处于元胞i-1中。

步骤s2的的具体过程为：

s21、获取检测时间段内流入队尾元胞的车辆个数，之后执行步骤s23；

s22、根据队尾元胞内的交通密度，将该元胞划分为顺畅队列区域、混合区域和拥挤队列区域，且保证车辆排队队尾位于所述混合区域中，之后执行步骤s23；

s23、计算队尾元胞内可容纳上游驶入车辆的空间供给区域的长度；

s24、根据所述步骤s22中顺畅队列区域交通密度和拥挤队列区域交通密度，计算队尾元胞内的车辆排队长度；

s25、结合所述步骤s24中队尾元胞内的车辆排队长度和队尾元胞编号，计算交叉口检测路段的车辆排队长度；

s26、判断所述步骤s21中检测时间是否小于预设的工作周期，若是，则返回步骤s1，否则结束车辆排队长度的测算。

计算车辆排队长度的原理为：

为了获取交叉口处车辆排队长度，需要进一步详细分析队尾元胞内部交通密度变化情况。先将队尾元胞划分为若干同质区域，本实施例中定义排队队尾为交通波传播的位置，因此，车辆排队长度可以根据各个区域的交通密度进行确定。

队尾元胞可以根据内部密度变化情况划分为三区域。

第一区域为拥挤队列区域，该区域内车辆为滞留在元胞i内的车辆，在最后检测时间间隔内，由于下游元胞没有足够的供给空间，因此车辆没有驶入下游元胞，如图3所示，密集方格所组成的区域为拥挤队列区域，该元胞交通密度大于或等于下游相邻元胞交通密度ρi+1；

第二区域为混合区域，该区域内车辆为上游元胞在最后时间间隔内到达的车辆，并与拥挤队列区域内的车辆尾部相遇。由于车辆制动时间存在一定的差异性，因此该区域交通密度ρtrans具有不均匀性，密度为由拥挤队列区域交通密度到顺畅队列区域密度的过度密度，如图3所示，密集长方格组成区域为混合区域；

第三区域为顺畅队列区域，该区域内所有车辆在最后时间间隔内到元胞，但没有与拥挤队列区域内车辆相邻，因此，该区域内的交通密度近似等于上一采样时刻上游元胞的交通密度，如图3所示，空白方格组成区域为顺畅队列区域。

根据上述分析，元胞i+1的交通密度ρi+1大于临界密度ρb，同时顺畅队列区域的交通密度小于临界密度。因此，在混合区域内一定存在一个小的混合区域交通密度等于临界密度，而排队队尾属于该区域。为了计算排队队尾的具体位置，首先应该计算三个区域内所包含的车辆数。

拥挤队列区域内的车辆数表示为在最后时间间隔内遗留在队尾元胞的车辆数，其车辆排队长队长度hr可根据公式(6)计算获取。

式中，ρi(k)为元胞i在检测时间k-1时的交通密度。

顺畅队列区域i内交通密度ρin,i(k)可根据上游相邻元胞交通密度获取，等于元胞i-1内的车辆数ni-1(k-1)与元胞长度hi-1的比值，如公式(7)所示。

由于混合区域内交通流具有不均衡性，因此，该区域的交通密度采用拥挤队列区域密度ρi+1(k)和顺畅队列区域密度ρin,i(k)均值形式表示。为了方便计算，将顺畅队列区域和混合区域统称为空间供给区域，总长度为ha。

式中，χ1为密度变为临界密度的车辆数，χ2为处于自由形式没有排队的车辆数。根据公式(6)至公式(8)，χ1和χ2表示为：

为了详细获得具体的车辆分布情况，假设混合区域密度变为遵守线性变化规则。混合区域交通密度和车辆位置关系如图4所示。图4中，点e为队尾的位置(对应纵坐标为临界密度ρb)，线段fg对应第一区域的队列长度(密度为ρi+1(k))，f点的坐标为线段cd为第三区域内的车辆数，点d的坐标为根据图4可知，点d、e和f均属于同一条线上，因此相应关系式可由公式(11)表示。

由此e点的横坐标he可由公式(12)表示。

根据公式(12)可以看出，分母中存在可能为0值的项，可致使计算式无意义。因此，需要对特殊情况进一步讨论。

结合图5，如果ρi+1(k)为零值，而后信号灯变为红灯，则车辆开始聚集。队尾元胞的密度在红灯期间逐渐转变为阻塞密度，因此在信号灯转变为绿灯前可以假设ρi+1(k)等于阻塞密度ρj。此时e点的横坐标he可以表示为公式(13)。

当队尾元胞流入的交通密度ρin,i(k)＝0，说明在检测时间间隔内无车辆流入队尾元胞，则qi(k-1)＝0。根据图6，该情况可以视为e点和f点重合，队尾元胞内的车辆排队队尾位置可用f点的位置标志，如公式(14)。

当ρi+1(k)＝ρin,i(k)时，第三区域内的车辆密度等于或小于临界密度，且下游车辆密度大于或等于ρb，表明车辆排队队尾位于元胞i和元胞i+1的连接处，如图7所示。

因此，在检测路段包含i个元胞的情况下，检测时间k时的排队长度hq(k)表示为公式(15)。

在信号周期m内，平均排队长度表示为公式(16)。

式中，c为信号周期时长，p为信号周期内对应的检测时间。

综上，城市道路信号交叉口处的车辆排队长度与道路交通密度的变化有着密切的关联性，因此，本发明以交通密度参数为基础，采用逐级细化的方法，逐步确定车辆排队长度，并根据所提出的计算方法对其进行测定。

本发明设计的一种道路信号交叉口车辆排队长度的测算方法能够有效的测算交叉口处车辆排队长度，并采用大量的数据对该方法的有效性进行了校验。为了直观显示本方法的测算效果，将本发明改进模型的测算结果与交通波模型测算结果、实际数据进行比对，如图8a和图8b所示，图8a为交叉口处车辆排队最大长度测算结果的对比图，图8b为交叉口处车辆排队平均长度测算结果的对比图，相对于传统的交通波模型，本发明的交叉口车辆排队长度测算方法能够更好的实现对交叉口处车辆排队长度的测算，且具有较高的测算精度，测算结果更加接近实际数据。