唐少虎， 劉小明， 陳兆盟

(北方工業(yè)大學(xué) 城市道路交通智能控制技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室， 北京 100144)

?

基于視頻數(shù)據(jù)的交叉口狀態(tài)判別及排隊(duì)長(zhǎng)度估計(jì)

唐少虎， 劉小明， 陳兆盟

(北方工業(yè)大學(xué) 城市道路交通智能控制技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室， 北京 100144)

為了評(píng)價(jià)信號(hào)控制交叉口的交通狀態(tài)及估計(jì)周期排隊(duì)長(zhǎng)度，本文以集散波為理論基礎(chǔ)，分析視頻檢測(cè)的機(jī)動(dòng)車通過(guò)上下游相鄰交叉口的數(shù)據(jù)，提出了基于車輛延誤時(shí)間的交叉口交通狀態(tài)判別劃分，進(jìn)一步設(shè)計(jì)了欠飽和及飽和交通狀態(tài)下的交叉口最大排隊(duì)長(zhǎng)度估計(jì)方法. 實(shí)例分析表明，本文方法所估計(jì)的排隊(duì)長(zhǎng)度比較接近實(shí)際調(diào)查值，排隊(duì)相對(duì)誤差在可接受的范圍內(nèi)，結(jié)果驗(yàn)證了所設(shè)計(jì)的排隊(duì)長(zhǎng)度估計(jì)方法是有效可行的.

視頻數(shù)據(jù); 集散波; 交通狀態(tài)判別; 最大排隊(duì)長(zhǎng)度估計(jì)

0 引言

信號(hào)控制交叉口的交通狀態(tài)判別對(duì)于交通管理有著重要的意義，其結(jié)果直接影響了路況信息發(fā)布和交通控制與誘導(dǎo)的有效性和準(zhǔn)確性. 路網(wǎng)交通狀態(tài)本質(zhì)上是交通流的時(shí)空變化，交通流的不同時(shí)空分布代表不同的交通狀態(tài). 信號(hào)控制交叉口不同時(shí)段下的交通流分布同樣反映交叉口的通行狀態(tài)，通過(guò)研究及判別交叉口的交通狀態(tài)，并在此基礎(chǔ)上對(duì)進(jìn)口車道機(jī)動(dòng)車排隊(duì)長(zhǎng)度的實(shí)時(shí)變化情況進(jìn)行估計(jì)，可為交通管控、交通運(yùn)行評(píng)價(jià)和交通信息服務(wù)提供精確的實(shí)時(shí)交叉口狀態(tài)分析，從而進(jìn)一步為緩解交叉口交通擁堵、改善出行條件和提高通行效率提供有效的交通信息支撐.

傳統(tǒng)的排隊(duì)長(zhǎng)度研究有排隊(duì)論、集散波、概率論、神經(jīng)網(wǎng)絡(luò)或者歷史交通流數(shù)據(jù)等方法，也有研究者利用新技術(shù)采集浮動(dòng)車或圖像數(shù)據(jù)等方法以改進(jìn)算法結(jié)果的精度. 代磊磊[1]采用歷史交通流量數(shù)據(jù)建立流量預(yù)測(cè)模型，并基于定數(shù)排隊(duì)理論建立了排隊(duì)長(zhǎng)度計(jì)算模型，實(shí)現(xiàn)對(duì)飽和信號(hào)交叉口排隊(duì)長(zhǎng)度的預(yù)測(cè)，但是并沒(méi)有給出欠飽和狀態(tài)下的預(yù)測(cè)模型以及沒(méi)有說(shuō)明路口檢測(cè)器的類型及數(shù)據(jù)處理過(guò)程. 王進(jìn)[2]基于集散波理論建立了最大排隊(duì)長(zhǎng)度模型，提出了時(shí)空協(xié)調(diào)指數(shù)及其計(jì)算方法，研究表明該模型能定量計(jì)算不同時(shí)空參數(shù)下的最大排隊(duì)長(zhǎng)度值，但是并沒(méi)有通過(guò)實(shí)際路口數(shù)據(jù)驗(yàn)證該模型. 王殿海[3]以集散波理論為依據(jù)，分析了不同周期和相位差條件下相鄰交叉口的排隊(duì)情況，同樣該結(jié)果只是以模擬的方式進(jìn)行了驗(yàn)證分析. 祁宏生[4]根據(jù)路段交通流流向關(guān)系建立了神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)2種模型，并用仿真路網(wǎng)對(duì)2個(gè)模型進(jìn)行了有效性驗(yàn)證，但是沒(méi)有從本質(zhì)上給出排隊(duì)長(zhǎng)度變化的機(jī)理關(guān)系. 榮建[5]在SIGNAL94模型的基礎(chǔ)上建立了動(dòng)態(tài)計(jì)算的排隊(duì)長(zhǎng)度優(yōu)化模型，并對(duì)數(shù)據(jù)進(jìn)行了時(shí)間平滑處理，最后用實(shí)測(cè)數(shù)據(jù)進(jìn)行了精度分析以驗(yàn)證模型的有效性，但是在擁擠狀態(tài)下的精度有所下降. 何寧[6]通過(guò)大量的調(diào)查數(shù)據(jù)擬合出交叉口平均排隊(duì)車數(shù)的計(jì)算方法，并對(duì)實(shí)際路口進(jìn)行了相關(guān)指標(biāo)預(yù)測(cè)，但是該值并不能精確反映交叉口的實(shí)際排隊(duì)狀況. Comert和Ban[7-8]分別采集浮動(dòng)車數(shù)據(jù)對(duì)排隊(duì)長(zhǎng)度進(jìn)行估算，或利用概率論導(dǎo)出排隊(duì)長(zhǎng)度模型或得到機(jī)動(dòng)車延誤時(shí)間進(jìn)行排隊(duì)分析. 莊立堅(jiān)[9]利用浮動(dòng)車GPS位置數(shù)據(jù)估算交叉口最大排隊(duì)長(zhǎng)度，設(shè)計(jì)了計(jì)算和修正方法，最后對(duì)實(shí)際交叉口進(jìn)行了實(shí)例分析證明了方法的可行性，該方法精度依賴于浮動(dòng)車比率大小且算法較為復(fù)雜.

交叉口車輛延誤時(shí)間和排隊(duì)長(zhǎng)度在一定程度上反映出交叉口的交通狀態(tài)，通過(guò)實(shí)時(shí)監(jiān)測(cè)車輛延誤和估計(jì)排隊(duì)長(zhǎng)度來(lái)評(píng)價(jià)交叉口通行狀態(tài)已經(jīng)成為交通狀態(tài)判別的一個(gè)研究方向. 本文以視頻實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ)，處理并分析機(jī)動(dòng)車通過(guò)上下游交叉口的交通流量和通過(guò)時(shí)間，通過(guò)集散波理論在得出交叉口車輛延誤時(shí)間的基礎(chǔ)上，提出了基于車輛延誤時(shí)間的交叉口交通狀態(tài)判別方法，并進(jìn)一步設(shè)計(jì)了在欠飽和與飽和交通狀態(tài)下的交叉口排隊(duì)長(zhǎng)度估計(jì)方法.

1 視頻數(shù)據(jù)檢測(cè)原理

視頻監(jiān)控、卡口以及電子警察系統(tǒng)已經(jīng)被廣泛應(yīng)用于城市交通管理，其中的關(guān)鍵技術(shù)是視頻圖像檢測(cè)技術(shù). 通過(guò)對(duì)視頻數(shù)據(jù)信息的處理和分析，可以得到道路上行駛的機(jī)動(dòng)車牌照信息，并且可以通過(guò)當(dāng)前系統(tǒng)時(shí)間獲取機(jī)動(dòng)車通過(guò)視頻監(jiān)控點(diǎn)的具體時(shí)間. 理論上，不考慮惡劣天氣等客觀因素，在交叉口4個(gè)方向車道上安裝視頻監(jiān)控系統(tǒng)，現(xiàn)場(chǎng)安裝位置如圖1，通過(guò)交叉口的所有機(jī)動(dòng)車都可以被檢測(cè)到車牌信息以及通過(guò)交叉口的時(shí)間. 以上下游2個(gè)交叉口為例，一輛機(jī)動(dòng)車通過(guò)上游和下游交叉口的時(shí)間都可以被精確記錄下來(lái)，那么可以得到該機(jī)動(dòng)車通過(guò)2個(gè)交叉口的行程時(shí)間. 整理后可得到如表1所示數(shù)據(jù). 其中，行程時(shí)間可通過(guò)管理中心的系統(tǒng)后臺(tái)服務(wù)器計(jì)算獲得，全部數(shù)據(jù)可存儲(chǔ)在數(shù)據(jù)庫(kù)中供用戶提取使用. 視頻監(jiān)控系統(tǒng)全局結(jié)構(gòu)如圖2所示.

圖1 視頻檢測(cè)安裝平面圖

圖2 視頻檢測(cè)系統(tǒng)全局結(jié)構(gòu)圖

LicenseplatenumberUpstreamdetectiontimeDownstreamdetectiontimeTraveltime京BL632X2014?02?03，11：35：432014?02?03，11：36：210：00：38

2 基本概念與分析

2.1 集散波原理

機(jī)動(dòng)車通過(guò)信號(hào)控制交叉口最多會(huì)經(jīng)過(guò)5種行車狀態(tài)，即勻速、減速、停車、加速到勻速. 如果交叉口的交通信號(hào)是綠燈，機(jī)動(dòng)車則不會(huì)有減速到停車再到加速的過(guò)程. 為了便于分析，集散波理論理想化了機(jī)動(dòng)車行車狀態(tài)，車輛排隊(duì)集散波過(guò)程如圖3所示. 如果前方交叉口的信號(hào)燈為紅燈狀態(tài)，機(jī)動(dòng)車減速行駛到進(jìn)口車道的排隊(duì)車輛隊(duì)尾并停車排隊(duì)，后續(xù)的機(jī)動(dòng)車都會(huì)依次停車排隊(duì)，將此機(jī)動(dòng)車排隊(duì)的過(guò)程稱之為排隊(duì)集結(jié)波(Queuing Shockwave)，圖3中w1為集結(jié)波速. 交叉口綠燈放行后，排隊(duì)的機(jī)動(dòng)車從前向后依次啟動(dòng)并加速通過(guò)進(jìn)口車道，將此過(guò)程稱之為排隊(duì)消散波(Discharging Shockwave)，圖3中w2為消散波速. 如果下游路段為非擁堵?tīng)顟B(tài)，也沒(méi)有出現(xiàn)交通事件等異?，F(xiàn)象，那么消散波速一般大于集結(jié)波速，當(dāng)消散波與集結(jié)波相遇時(shí)，該進(jìn)口道達(dá)到最大排隊(duì)長(zhǎng)度Lmax. 需要指出的是，實(shí)際進(jìn)口車道的機(jī)動(dòng)車到達(dá)率是隨機(jī)無(wú)規(guī)律的，圖中車輛到達(dá)呈均勻分布且交叉口無(wú)剩余排隊(duì)車輛.

圖3 信號(hào)控制交叉口車輛排隊(duì)集散波示意圖

集散波理論從Lighthill-Whitham-Richards(LWR)交通流模型[10-11]演化而來(lái)，其中，波速的計(jì)算公式為

(1)

式中，q1和q2為上游和下游的交通流量；k1和k2為上游和下游的交通流密度；u2和u1為上游和下游的交通流平均速度.

假設(shè)下游路段不擁堵，當(dāng)交叉口綠燈放行后，排隊(duì)的機(jī)動(dòng)車以飽和流率通過(guò)交叉口，消散波即從停車線向上游擴(kuò)散，依據(jù)式(1)可得到消散波的波速

(2)

式中，qm為飽和交通流率；km為飽和交通密度；kj為堵塞交通密度；um為飽和交通流速度.

2.2 交通狀態(tài)判別

道路交通狀態(tài)可分為3種情況：欠飽和、臨界飽和以及飽和狀態(tài). 3種交通狀態(tài)可分別定義如下：欠飽和指在有效綠燈時(shí)間內(nèi)完全清空交叉口排隊(duì)車輛，即綠燈放行的車輛沒(méi)有達(dá)到交叉口能夠通過(guò)的最大通行量；臨界飽和指在有效綠燈時(shí)間內(nèi)接近或者剛好清空排隊(duì)的車輛，即放行車輛將要或者達(dá)到交叉口能夠通過(guò)的最大通行量；飽和指在有效綠燈時(shí)間內(nèi)無(wú)法清空排隊(duì)等待的車輛，即排隊(duì)等待的車輛已經(jīng)超過(guò)交叉口所能放行的最大通行量. 需要指出的是，此處的飽和是指1次綠燈時(shí)間已經(jīng)無(wú)法完全清空排隊(duì)車輛，出現(xiàn)了車輛2次排隊(duì)以等待下次綠燈放行.

交通信號(hào)控制系統(tǒng)SCATS提出了飽和度的概念，其定義是被車流有效利用的綠燈時(shí)間與綠燈顯示時(shí)間之比. 可以理解為，當(dāng)路段車流量較低時(shí)，車隊(duì)離散程度較大，飽和度較低，交通處于暢通狀態(tài)，即欠飽和狀態(tài)；當(dāng)路段流量較大或者交叉口進(jìn)行綠波協(xié)調(diào)控制時(shí)，車隊(duì)持續(xù)存在，飽和度較高，這時(shí)難以判斷交叉口處于何種狀態(tài). 而依據(jù)機(jī)動(dòng)車通過(guò)相鄰交叉口的時(shí)間，根據(jù)集散波理論可以較好地解決這個(gè)難題.

圖4 欠飽和交通狀態(tài)延誤示意圖

圖5 飽和交通狀態(tài)延誤示意圖

在欠飽和交通狀態(tài)下機(jī)動(dòng)車延誤如圖4所示，在飽和交通狀態(tài)下機(jī)動(dòng)車的延誤如圖5所示. 以兩個(gè)相鄰路口為例，機(jī)動(dòng)車i通過(guò)上下游交叉口的時(shí)間分別為t′i,ti，通過(guò)上游交叉口后機(jī)動(dòng)車i以速度ui行駛至排隊(duì)車輛隊(duì)尾D點(diǎn)并停車等待，下游交叉口綠燈放行后，消散波傳播至C點(diǎn)后，機(jī)動(dòng)車i以飽和交通速度um通過(guò)交叉口. 從圖4、5可得到，如果下游交叉口沒(méi)有控制信號(hào)，理論上機(jī)動(dòng)車i通過(guò)下游交叉口的時(shí)間應(yīng)為tn，而實(shí)際通過(guò)時(shí)間為ti，從而可得到延誤時(shí)間為Tdelay. 在欠飽和狀態(tài)下，理論上機(jī)動(dòng)車停車等待的延誤時(shí)間一般不會(huì)超過(guò)下游交叉口的紅燈時(shí)間，如圖5所示Tdelaytred. 實(shí)際道路交通情況要比上述分析復(fù)雜，在理想的路面條件下，機(jī)動(dòng)車延誤不僅包含信號(hào)控制引起的延誤，也存在機(jī)動(dòng)車停車排隊(duì)以及啟動(dòng)加速行駛導(dǎo)致的時(shí)間損失等. 根據(jù)上述分析，基于集散波的交通狀態(tài)判別劃分如下：

1) 欠飽和狀態(tài)：Tdelay

2) 飽和狀態(tài)：Tdelay>tred+β

3) 臨界飽和狀態(tài)：tred

其中，Tdelay為延誤時(shí)間；β為機(jī)動(dòng)車加減速損失時(shí)間常數(shù)；t1為機(jī)動(dòng)車通過(guò)下游交叉口的實(shí)際時(shí)間；tn為機(jī)動(dòng)車通過(guò)無(wú)燈控交叉口條件下的理論時(shí)間.

2.3 最大排隊(duì)長(zhǎng)度估計(jì)

交叉口排隊(duì)長(zhǎng)度是在確定交叉口交通狀態(tài)后進(jìn)行估計(jì)的，在不同的交通狀態(tài)下估計(jì)方式不同. 根據(jù)交通狀態(tài)判別方法，可得到通過(guò)交叉口的機(jī)動(dòng)車排隊(duì)次數(shù)公式

N=Tdelay/(tred+β)=

(3)

交叉口處于欠飽和或者臨界飽和狀態(tài)下，即經(jīng)過(guò)交叉口機(jī)動(dòng)車停車次數(shù)N≤1，交叉口的周期最大排隊(duì)長(zhǎng)度分析如下：

圖6 欠飽和狀態(tài)下的交叉口排隊(duì)長(zhǎng)度估計(jì)

選取1個(gè)方向的2個(gè)相鄰交叉口為例，以系統(tǒng)時(shí)間Time為橫軸x，以路段長(zhǎng)度Distance為縱軸y建立如圖6所示排隊(duì)長(zhǎng)度估計(jì)示意圖，通過(guò)視頻檢測(cè)系統(tǒng)可獲得機(jī)動(dòng)車通過(guò)上下游交叉口的時(shí)間，如圖中不同機(jī)動(dòng)車通過(guò)上游交叉口的時(shí)間分別為t′、t′1和t′2，對(duì)應(yīng)通過(guò)下游交叉口的時(shí)間分別為t、t1和t2. 已知下游交叉口的紅燈時(shí)間tred和綠燈時(shí)間tgreen，消散波速w2和機(jī)動(dòng)車駛離速度um，可以確定線段HE和FD并相交于點(diǎn)E，機(jī)動(dòng)車駛離上游交叉口的速度為ui，結(jié)合通過(guò)時(shí)間t′1可以確定機(jī)動(dòng)車在路段上行駛的線段t′1B，BE為排隊(duì)波與消散波之間平行于橫軸的線段，其值為停車等待時(shí)間. 如果線段HE和線段t′1B與線段BE分別相交于2個(gè)不同的點(diǎn)，說(shuō)明機(jī)動(dòng)車在交叉口有停車排隊(duì). 如果2條線段相交于同一個(gè)點(diǎn)，說(shuō)明機(jī)動(dòng)車通過(guò)交叉口沒(méi)有停車排隊(duì).

機(jī)動(dòng)車在路段上的平均速度ui也可以通過(guò)視頻檢測(cè)系統(tǒng)獲得，實(shí)現(xiàn)方式：上游交叉口設(shè)有視頻檢測(cè)器，不僅可以得到車輛通過(guò)交叉口的時(shí)間，也可得到通過(guò)交叉口出口車道斷面的所有車輛數(shù)，該數(shù)據(jù)通過(guò)車牌信息獲得，即路段交通流量. 依據(jù)格林希爾茲速度- 流量拋物線模型，可得到路段的平均速度ui，模型關(guān)系式：

(4)

根據(jù)上述分析和已知條件，HE、FD、BE和t′1B所在直線可以分別表示如下：

HE:y=-umx+umt1

(5)

FD:y=w2x-w2tred

(6)

(7)

t′1B:y=-uix+uit′1+l+d

(8)

交叉口處于飽和狀態(tài)下，機(jī)動(dòng)車需經(jīng)過(guò)多個(gè)信號(hào)周期才能通過(guò)交叉口，即機(jī)動(dòng)車的停車次數(shù)N>1，以兩次停車排隊(duì)為例，機(jī)動(dòng)車通過(guò)下游交叉口經(jīng)歷的過(guò)程如圖7所示.

圖7 飽和狀態(tài)下的交叉口排隊(duì)長(zhǎng)度估計(jì)

在飽和狀態(tài)下，機(jī)動(dòng)車從上游交叉口行駛到下游交叉口的路段速度ui以及2次排隊(duì)后駛離下游交叉口的速度um同欠飽和狀態(tài)下的分析方法一致，區(qū)別是在機(jī)動(dòng)車第1次排隊(duì)啟動(dòng)后與第2次停車排隊(duì)前的行駛狀態(tài). 如圖7，D點(diǎn)為機(jī)動(dòng)車第1次遇到排隊(duì)波并停車排隊(duì)位置，C點(diǎn)為第1次消散波到達(dá)時(shí)機(jī)動(dòng)車啟動(dòng)行駛位置，uc為該機(jī)動(dòng)車啟動(dòng)后并在2次排隊(duì)前的行車速度，該值一般小于飽和交通流速um并可實(shí)測(cè)獲得.B點(diǎn)為機(jī)動(dòng)車遇到2次排隊(duì)波并停車排隊(duì)位置，在第2次消散波到達(dá)后機(jī)動(dòng)車從A點(diǎn)啟動(dòng)行駛并以u(píng)m通過(guò)下游交叉口.wc為2次排隊(duì)的排隊(duì)波速，此時(shí)機(jī)動(dòng)車為均勻到達(dá)，可認(rèn)為該值常數(shù).wc計(jì)算公式

(9)

式中，qc為進(jìn)口車道排隊(duì)車輛；kc為進(jìn)口車道排隊(duì)車輛啟動(dòng)后的密度；該值可實(shí)測(cè)獲得，kj為堵塞交通密度.

根據(jù)上述分析，可得出圖7中相關(guān)直線可分別表示為：

AD:y=-umx+umti

AC:y=w2x-w2tred2

GH:y=wcx-wctgreen

HE:y=-ucx+b

IE:y=w2x-w2tred1

FB:y=-uix+uit′i+l+d

需要指出的是，無(wú)論是在欠飽和狀態(tài)或是飽和狀態(tài)下，交通流均具有波動(dòng)性、隨機(jī)性的特性，在上面的分析中，機(jī)動(dòng)車的路段行駛速度是通過(guò)流量速度關(guān)系取得的，真實(shí)的數(shù)據(jù)一般不能完全匹配. 為此，在上面分析的基礎(chǔ)上，如果滿足如下約束條件，機(jī)動(dòng)車i的停車位置即達(dá)到當(dāng)前周期進(jìn)口車道的最大排隊(duì)長(zhǎng)度：

(10)

式中，|BE|為B點(diǎn)與E點(diǎn)的距離；α為路段延誤常數(shù)；i為停車排隊(duì)的機(jī)動(dòng)車；di為機(jī)動(dòng)車i停車位置到消散波直線FD(或IJ)的距離；d為隊(duì)尾最后一輛機(jī)動(dòng)車排隊(duì)位置到消散波直線FD(或IJ)的距離.

3 算法實(shí)例分析

本文研究實(shí)例選取北京望京地區(qū)望京北路與利澤西二路口為上游交叉口，自西至東到望京北路與廣順北大街交叉口為下游交叉口，數(shù)據(jù)調(diào)查日期為2014年2月3號(hào)，時(shí)間范圍是8:30—10:30，并依據(jù)上述算法對(duì)調(diào)查數(shù)據(jù)對(duì)進(jìn)行驗(yàn)證分析. 利澤西二路口東西向?qū)挾萪=50 m，兩個(gè)交叉口相距l(xiāng)=340 m，幾何平面信息如圖8所示. 兩個(gè)交叉口的信號(hào)配時(shí)如表2所示. 實(shí)例分析取值如下：qm=1 800 pcu/h，um=35 km/h，kj=182 pcu/km，km=80 pcu/km.

表2 信號(hào)配時(shí)表 s

根據(jù)提出的交通狀態(tài)判別劃分及相應(yīng)狀態(tài)下的最大排隊(duì)長(zhǎng)度估計(jì)方法，把選定的實(shí)際交叉口以及視頻監(jiān)測(cè)機(jī)動(dòng)車的數(shù)據(jù)信息帶入后，經(jīng)過(guò)數(shù)據(jù)計(jì)算、整理與分析，最終得出選定時(shí)段的望京北路與廣順北大街交叉口西進(jìn)口車道的周期最大排隊(duì)長(zhǎng)度數(shù)據(jù). 把調(diào)查的排隊(duì)長(zhǎng)度和用本文方法所得的排隊(duì)長(zhǎng)度進(jìn)行對(duì)比，得到如圖9所示比較結(jié)果，圖10為估計(jì)排隊(duì)長(zhǎng)度與實(shí)際數(shù)據(jù)的相對(duì)誤差.

圖8 實(shí)例路段幾何信息

圖9 調(diào)查與估計(jì)排隊(duì)長(zhǎng)度對(duì)比

圖10 估計(jì)排隊(duì)長(zhǎng)度的相對(duì)誤差

從圖9可看出本文估計(jì)排隊(duì)長(zhǎng)度與實(shí)際排隊(duì)長(zhǎng)度折線是比較相近的，從圖10的相對(duì)誤差分析來(lái)看，相對(duì)誤差在5%以內(nèi)的比率為16.7%；5%～10%的比率為56.7%；10%～15%的比率為18.3%；超過(guò)15%的相對(duì)誤差比率僅為8.3%. 其中最小和最大相對(duì)誤差分別為2.44%和18.62%. 從數(shù)據(jù)分析來(lái)看，相對(duì)誤差在可接受的范圍內(nèi)，估計(jì)的排隊(duì)長(zhǎng)度還是比較理想的. 另外，交叉口排隊(duì)長(zhǎng)度較長(zhǎng)的相對(duì)誤差相比排隊(duì)較短的誤差要大一些，說(shuō)明在飽和交通狀態(tài)下，本文提出的排隊(duì)長(zhǎng)度的估計(jì)方法還有待進(jìn)一步研究以提高估計(jì)精度.

4 結(jié)論

本文從交通管控和信息服務(wù)等對(duì)交叉口實(shí)時(shí)狀態(tài)信息的需求出發(fā)，提出了基于視頻數(shù)據(jù)的交叉口交通狀態(tài)判別劃分方法及最大排隊(duì)長(zhǎng)度估計(jì)，并進(jìn)行了實(shí)例分析證明了本文方法的有效性. 首先，以現(xiàn)有的視頻檢測(cè)數(shù)據(jù)為數(shù)據(jù)基礎(chǔ)、以集散波為理論支撐，處理得到機(jī)動(dòng)車分別通過(guò)上下游相鄰交叉口的時(shí)間和流量；然后通過(guò)分析交叉口延誤對(duì)其交通狀態(tài)進(jìn)行判別，然后根據(jù)不同的交通狀態(tài)對(duì)下游交叉口的最大排隊(duì)長(zhǎng)度進(jìn)行了估計(jì)分析. 最后，通過(guò)實(shí)例對(duì)所提出的方法進(jìn)行了驗(yàn)證分析，結(jié)果表明，在欠飽和狀態(tài)下的估計(jì)排隊(duì)長(zhǎng)度較為理想，飽和狀態(tài)下的估計(jì)精度還有待進(jìn)一步提高. 下一步的工作，針對(duì)飽和交通狀態(tài)下的排隊(duì)長(zhǎng)度估計(jì)精度、交通狀態(tài)判別的發(fā)生概率以及如何通過(guò)交通信號(hào)優(yōu)化改善交通狀態(tài)并降低排隊(duì)，將深入研究找出改進(jìn)的方法.

[1] 代磊磊， 姜桂艷， 裴玉龍. 飽和信號(hào)交叉口排隊(duì)長(zhǎng)度預(yù)測(cè)[J]. 吉林大學(xué)學(xué)報(bào)：工學(xué)版， 2008， 38(6): 1287-1290.

[2] 王進(jìn)， 白玉， 楊曉光. 關(guān)聯(lián)信號(hào)交叉口排隊(duì)長(zhǎng)度計(jì)算模型[J]. 同濟(jì)大學(xué)學(xué)報(bào): 自然科學(xué)版， 2012， 40(11): 1634-1640.

[3] 王殿海， 景春光， 曲昭偉. 交通波理論在交叉口交通流分析中的應(yīng)用[J]. 中國(guó)公路學(xué)報(bào)， 2002， 15(1): 93-96.

[4] 祁宏生， 王殿海. 信號(hào)控制交叉路口車輛排隊(duì)長(zhǎng)度[J]. 吉林大學(xué)學(xué)報(bào): 工學(xué)版， 2009， 39(6): 1457-1462.

[5] 榮建， 何民， 陳春妹. 信號(hào)交叉口排隊(duì)長(zhǎng)度動(dòng)態(tài)計(jì)算方法研究[J]. 中國(guó)公路學(xué)報(bào)， 2002， 15(3): 101-107.

[6] 何寧， 楊濤， 李朝陽(yáng)， 等. 信號(hào)交叉口延誤及排隊(duì)長(zhǎng)度的實(shí)證研究和應(yīng)用[J]. 公路交通科技， 2002， 19(5): 106-109.

[7] Comert G， Cetin M. Queue length estimationfrom probe vehicle location and the impacts of samplesize [J]. European Journal of Operational Research， 2009， 197(1): 196-202.

[8] Ban X， Hao P， Sun Z. Real time queue lengthestimation for signalized intersections using traveltimes from mobile sensors [J]. TransportationResearch Part C: Emerging Technologies, 2011， 19(6): 1133-1156.

[9] 莊立堅(jiān)， 何兆成， 葉偉佳， 等. 基于浮動(dòng)車數(shù)據(jù)的排隊(duì)長(zhǎng)度檢測(cè)方法研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息， 2013， 13(3): 78-84.

[10] Michalopoulos P G， Pisharody V B. Derivation of delays based on improved macroscopic traffic models[J]. Transportation Research Part B: Methodological， 1981， 15(5): 299-317.

[11] Newell G F. A simplified theory of kinematic waves in highway traffic， part Ⅰ: General theory. Transportation Research Part B: Methodological， 1993， 27(4): 281-287.

State Discriminant and Queue Length Estimation of an Intersection Based on Video Data

TANG Shao-hu, LIU Xiao-ming, CHEN Zhao-meng

(North China University of Technology Beijng Key Lab of Urban Road Traffic Intelligent Tech., Beijing 100144，China)

In order to estimate traffic states and periodic queue length evaluation of signal control intersection, this paper analyzed video detection data of vehicles by passing through adjacent intersections, proposed traffic state discriminant of an intersection based on the vehicles delay time, and developed the maximum queue length estimation method of an intersection in under-saturation or saturation traffic condition. The empirical analysis showed that the estimated queue length by the proposed method was closer to the actual investigation, and queuing relative error was in an acceptable range.The results validated that the designed method of queue length estimation of an intersection is feasible and effective.

video data;traffic waves;traffic state discriminant; maximum queue length estimation

10.13986/j.cnki.jote.2015.01.011

2014- 11- 03.

國(guó)家自然科學(xué)基金(61374191)， 國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)(2012AA112401) .

唐少虎(1986—)， 男， 博士研究生， 研究方向?yàn)榻煌刂? E-mail： tshaohu@163.com.

U 491

A

1008-2522(2015)01-58-07