一种单交叉口信号配时失衡状态的识别方法与流程

本发明涉及智慧交通领域，尤其涉及一种单交叉口信号配时失衡状态的识别方法。
背景技术：
：近年来，机动车保有量不断增加，交通供需不平衡的问题日趋严重。受天气、道路条件、突发事件的影响，交通流具有很强的随机性，当前运行的配时方案可能无法与交通流匹配，产生一个进口拥堵，而另一个进口空放的现象，造成道路时空资源的浪费。目前，在实际工程应用中，往往通过人工巡检、视频查看的方式来识别交叉口信号配时失衡的问题，既不全面也不及时，无法准确掌握交通情况。检测设备覆盖率的提高以及大数据技术的发展，使通过实时交通数据进行交叉口状态判别成为研究热点。现有技术中已存在一些交叉口失衡状态的识别方法，但依旧存在包括仅使用车头时距一种参数进行判断，数据来源单一；仅能识别对向失衡的情况，应用范围有限；使用的样本数据难以保证准确度的问题。例如，在中国专利文献上公开的“交通路况分析方法、装置以及电子设备”，其公告号cn108428338a，包括：根据获取的道路交叉口的道路交通信息分析获得所述道路交叉口的路况参数；结合所述道路交通信息和所述路况参数确定所述道路交叉口交通路况的路况失衡指数；判断所述路况失衡指数是否超出预先设置的路况失衡阈值，若是，将所述道路交叉口定位为交通路况失衡的失衡路口。该方法只能得到交叉口的失衡情况，无法回溯车道、流向、进口的具体情况，无法直接指导配时优化。技术实现要素：本发明主要解决现有技术数据来源单一，难以保证识别结果的准确度，无法指导配时优化的问题。提供一种单交叉口信号配时失衡状态的识别方法，利用交叉口静态信息和交叉口动态数据，获得车道的饱和度和车道排队强度，依次分析车道、流向、进口的状态，判断交叉口是否失衡，数据来源丰富，结果准确度高，为配时优化方案的制定提供决策依据。本发明的上述技术问题主要是通过下述技术方案得以解决的：一种单交叉口信号配时失衡状态的识别方法，包括以下步骤：s1：获取交叉口的静态信息以及交叉口动态数据；交叉口动态数据包括配时方案和含车道流量、车道排队长度的交通数据；s2：根据获取的静态信息以及交叉口动态数据依次计算车道饱和度以及流向饱和度、流向排队长度和流向排队强度；s3：根据计算结果通过流向判别规则进行流向状态判断，流向状态包括正常、空放和拥堵；s4：根据流向状态通过进口判别规则进行进口状态判断，进口状态包括正常、空放、拥堵和失衡；s5：根据进口状态通过交叉口判别规则判断交叉口状态是否失衡。本方案利用交叉口的静态信息以及交叉口动态数据进行计算，融合了多个交通数据，数据来源丰富，综合得出结论，相比利用单一参数判断更加合理，保证了识别结果的准确度。建立了车道、流向、进口、交叉口不同维度的判别体系，可以定位到产生问题的具体原因，以便进行信号优化，为配时优化方案的制定提供决策依据。在逐级判断过程中，进行状态传递，而不是参数传递，使得算法的过程不受输入数据种类和格式的影响，支持传统检测设备、视频检测设备和互联网等多种数据源。作为优选，所述的交叉口的静态信息包括进口数量、各进口所包含的车道数量和道路渠化状态；配时方案包括信号周期、各相位包含的流向及绿灯时长；交通数据以信号周期为统计频率，通过卡口、电警、地磁或微波检测设备采集获得。利用卡口、电警、地磁、微波等检测设备提供的数据结合交叉口的配时方案进行计算，数据来源丰富，融合多个交通参数，综合得出结论，比用单一参数判断更合理，保证了识别结果的准确度。作为优选，根据车道流量和配时方案计算车道饱和度：其中，xk为车道k的饱和度；qk为车道k的流量，单位pcu/h；qs，k为车道k的饱和流量，单位pcu/h；t为信号周期，单位s；qk为每个周期在车道k通过的车辆数，单位pcu；gk为车道k绿灯时长，单位s；λk为车道k的绿信比。计算车道饱和度，为之后的流向饱和度以及流向排队长度的计算提供数据支持。作为优选，所述的流向饱和度以及流向排队长度根据车道饱和度以及车道排队长度计算得到；流向饱和度为流向包含的所有车道饱和度的最大值：xj＝max{xk}流向排队长度为流向包含的所有车道排队长度的最大值：lqueue，j＝max{lqueue，k}其中，xj为流向j的饱和度；lqueue，j为流向j的排队长度；lqueue，k为车道k的排队长度。为之后的流向排队强度计算提供数据支持，对流向进行多方位的计算，方便定位产生问题的具体原因，以便进行信号优化。作为优选，所述的流向排队强度为流向排队长度与路段长度的比值：其中，δj为流向j的排队强度；lj为流向j所对应的进口路段的长度。为之后的流向状态判断提供数据支持。作为优选，所述的流向状态判断的流向判别规则为：s31：若流向饱和度低于饱和度最小阈值，且流向排队强度低于排队强度最小阈值，则判断该流向的状态为空放；s32：若流向饱和度高于饱和度最大阈值，且流向排队强度大于排队强度最大阈值，则判断该流向的状态为拥堵；s33：若流向饱和度以及流向排队强度不属于s31或s32中任意一种情况，则该流向的状态为正常。对流向的状态进行综合的判断，同时为之后的进口状态判断提供支持。通过状态传递进行逐级判断，使得算法的过程不受输入数据种类和格式的影响，支持传统检测设备、视频检测设备和互联网等多种数据源。作为优选，所述的流向包括直行和左转，不包括右转。由于右转不受信号灯的控制，本方案的设置更加符合实际，判断结果数据更加有准确度，有利于之后的配时优化。作为优选，所述的进口状态判断的进口判别规则为：s41：若进口所包含的流向状态相同，则流向状态即为进口状态；若进口所包含的流向状态不同，则需要进一步判断；s42：若进口所包含的流向中左转空放而直行正常，则判断该进口状态为正常；s43：若进口所包含的流向中左转正常而直行空放，则判断该进口状态为空放；s44：若进口所包含的流向中左转拥堵而直行正常，或左转正常而直行拥堵，则判断该进口状态为拥堵；s45：若进口所包含的流向中左转拥堵而直行空放，或左转空放而直行拥堵，则判断该进口状态为进口失衡。通过流向状态判断进口状态，同时为交叉口是否失衡提供支持。作为优选，所述的判断交叉口状态是否失衡的交叉口判别规则为：s51：若交叉口至少有一个进口空放且至少有一个进口拥堵，则判断该交叉口状态为交叉口失衡；s52：若交叉口至少有两个进口失衡，则判断该交叉口状态为交叉口失衡；s53：若交叉口中的进口状态不属于s51或s52中任意一种情况，则判断该交叉口状态为正常。根据进口状态判断交叉口状态是否失衡，在逐级判断过程中，进行状态传递，而不是参数传递，使得算法的过程不受输入数据种类和格式的影响，支持传统检测设备、视频检测设备和互联网等多种数据源。本发明的有益效果是：1.利用交叉口的静态信息以及交叉口动态数据进行计算，融合了多个交通数据，数据来源丰富，综合得出结论，相比利用单一参数判断更加合理，保证了识别结果的准确度。2.建立了车道、流向、进口、交叉口不同维度的判别体系，能够定位到产生问题的具体原因，以便进行信号优化，为配时优化方案的制定提供决策依据。3.在逐级判断过程中，进行状态传递，使得算法的过程不受输入数据种类和格式的影响，支持传统检测设备、视频检测设备和互联网等多种数据源。附图说明图1是本发明的一种单交叉口信号配时失衡状态的识别方法的流程图。图2是本发明实施例的交叉口a示意图。图3为本发明实施例的交叉口a的配时方案示意图。具体实施方式下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。实施例：本实施例的一种单交叉口信号配时失衡状态的识别方法，如图1所示，包括以下步骤：s1：获取交叉口的静态信息以及交叉口动态数据。交叉口的静态信息包括但不限于进口数量、各进口所包含的车道数量和道路渠化状态。渠化为在平面交叉口设置交通标志、标线和交通岛等，引导车流和行人各行其道的方法。如图2所示，以一个十字交叉口a为例。交叉口a包含4个进口，各进口包含3条车道，分别为左转、直行、右转。右转不受信号灯控制。交叉口动态数据包括配时方案和交通数据。配时方案包括信号周期、各相位包含的流向及绿灯时长。交通数据包括但不限于车道流量和车道排队长度。配时方案为交叉口相位、相序、信号周期、绿信比等一组参数。相位为同时取得通行权的若干个交通流的组合称为一个相位，例如东西向直行相位。相序为相位的运行顺序。信号周期为一个配时方案循环所持续的时长，单位是秒。绿信比为某相位的绿灯时间和信号周期的比值。交通数据以信号周期为统计频率，通过卡口、电警、地磁或微波检测设备采集获得。利用卡口、电警、地磁、微波等检测设备提供的数据结合交叉口的配时方案进行计算，数据来源丰富，融合多个交通参数，综合得出结论，比用单一参数判断更合理，保证了识别结果的准确度。在本实施例中，交叉口a的配时方案如图3所示，各相位的配时方案如表1所示，周期120s：表1交叉口a配时方案表放行流向绿灯时长黄灯时长红灯时长相位1东西直行3131相位2东西左转2131相位3南北直行3131相位4南北左转2131图3中的方位上为北、下位南、左为西、右为东；四个相位中的数字分别为绿灯时长/黄灯时长/红灯时长在当前周期内，各车道流量和车道排队长度如表2所示：表2交叉口a各车道流量、排队长度交通流量为单位时间内到达道路某一截面的车辆数。饱和流量为单位时间内通过停车线的最大车辆数。排队长度为交叉口停车线到排队车辆末端之间的距离。s2：根据获取的静态信息以及动态数据依次计算车道饱和度以及流向饱和度、流向排队长度和流向排队强度。s21：根据车道流量和配时方案计算车道饱和度：其中，xk为车道k的饱和度；qk为车道k的流量，单位pcu/h；qs，k为车道k的饱和流量，单位pcu/h；t为信号周期，单位s；qk为每个周期在车道k通过的车辆数，单位pcu；gk为车道k绿灯时长，单位s；λk为车道k的绿信比。在本实施例中，交叉口a各车道的饱和度为见表3。表3交叉口a各车道的饱和度车道编号流向饱和度1北直0.132北左0.113东直0.904东左0.805南直0.196南左0.237西直0.778西左0.91s22：流向饱和度以及流向排队长度根据车道饱和度以及车道排队长度计算得到。流向饱和度为流向包含的所有车道饱和度的最大值：xj＝max{xk}流向排队长度为流向包含的所有车道排队长度的最大值：lqueue，j＝max{lqueue，k}其中，xj为流向j的饱和度；lqueue，j为流向j的排队长度；lqueue，k为车道k的排队长度。流向为车流转向，分左转、直行、右转。在本实施例中，流向包括直行和左转，不包括右转。由于右转不受信号灯的控制，本方案的设置更加符合实际，判断结果数据更加有准确度，有利于之后的配时优化。因交叉口a各个流向只有1个车道，故流向饱和度和流向排队长度即为车道饱和度和排队长度，见表4。表4交叉口a各流向的饱和度和排队长度序号流向饱和度排队长度1北直0.1302北左0.1103东直0.904024东左0.803675南直0.1906南左0.2307西直0.773818西左0.91375s23：流向排队强度为流向排队长度与路段长度的比值：其中，δj为流向j的排队强度；lj为流向j所对应的进口路段的长度。交叉口a各流向排队强度见表5。表5交叉口a各流向排队强度序号流向排队长度路段长度排队强度1北直031502北左031503东直4024960.814东左3674960.745南直042306南左042307西直3814870.788西左3754870.77s3：根据计算结果通过流向判别规则进行流向状态判断，流向状态包括正常、空放和拥堵。流向状态判断的流向判别规则为：s31：若流向饱和度低于饱和度最小阈值，且流向排队强度低于排队强度最小阈值，则判断该流向的状态为空放。其中饱和度最小阈值和排队强度最小阈值为可配置参数，在本实施例中，分别为0.3，0.3。s32：若流向饱和度高于饱和度最大阈值，且流向排队强度大于排队强度最大阈值，则判断该流向的状态为拥堵。其中饱和度最大阈值和排队强度最大阈值为可配置参数，在本实施例中，分别为0.7，0.7。s33：若流向饱和度以及流向排队强度不属于s31或s32中任意一种情况，则该流向的状态为正常。交叉口a各流向状态见表6。表6交叉口a各流向状态序号流向饱和度排队强度流向状态1北直0.130空放2北左0.110空放3东直0.900.81拥堵4东左0.800.74拥堵5南直0.190空放6南左0.230空放7西直0.770.78拥堵8西左0.910.77拥堵s4：根据流向状态通过进口判别规则进行进口状态判断，进口状态包括正常、空放、拥堵和失衡。进口状态判断的进口判别规则为：s41：若进口所包含的流向状态相同，则流向状态即为进口状态；若进口所包含的流向状态不同，则需要进一步判断；s42：若进口所包含的流向中左转空放而直行正常，则判断该进口状态为正常；s43：若进口所包含的流向中左转正常而直行空放，则判断该进口状态为空放；s44：若进口所包含的流向中左转拥堵而直行正常，或左转正常而直行拥堵，则判断该进口状态为拥堵；s45：若进口所包含的流向中左转拥堵而直行空放，或左转空放而直行拥堵，则判断该进口状态为进口失衡。进口状态判断的进口判别规则见表7。表7进口所包含的流向状态不同的情况下判断规则直行正常直行空放直行拥堵左转正常正常空放拥堵左转空放正常空放进口失衡左转拥堵拥堵进口失衡拥堵交叉口a各进口状态见表8。表8交叉口a各进口状态序号进口进口状态1北空放2东拥堵3南空放4西拥堵s5：根据进口状态通过交叉口判别规则判断交叉口状态是否失衡。判断交叉口状态是否失衡的交叉口判别规则为：s51：若交叉口至少有一个进口空放且至少有一个进口拥堵，则判断该交叉口状态为交叉口失衡；s52：若交叉口至少有两个进口失衡，则判断该交叉口状态为交叉口失衡；s53：若交叉口中的进口状态不属于s51或s52中任意一种情况，则判断该交叉口状态为正常。在本实施例中，交叉口a有两个进口空放，两个进口拥堵，故在当前信号周期内是失衡状态。根据进口状态判断交叉口状态是否失衡，在逐级判断过程中，进行状态传递，而不是参数传递，使得算法的过程不受输入数据种类和格式的影响，支持传统检测设备、视频检测设备和互联网等多种数据源。本实施例建立了车道、流向、进口、交叉口不同维度的判别体系，能够定位到产生问题的具体原因，以便进行信号优化，为配时优化方案的制定提供决策依据。上述实例并非是对本发明的限制，本发明并非仅限于上述实例，只要符合本发明要求，均属于本发明的保护范围。当前第1页12