鐘會(huì)玲

(浙江浙大中控信息技術(shù)有限公司，浙江杭州310053)

欠飽和狀態(tài)下基于流量的動(dòng)態(tài)交通路段行程時(shí)間算法

鐘會(huì)玲

(浙江浙大中控信息技術(shù)有限公司，浙江杭州310053)

通過深入分析欠飽和狀態(tài)下的路段中間地點(diǎn)速度，提出Webster與基于流量的動(dòng)態(tài)交通路段行程時(shí)間算法，利用Webster模型得出路段直行紅燈延誤時(shí)間，引入流量作為通暢狀態(tài)下行駛時(shí)間和紅燈延誤時(shí)間比重參數(shù)，且路段直行通暢狀態(tài)下行駛時(shí)間比重參數(shù)與流量負(fù)相關(guān)，紅燈延誤時(shí)間比重參數(shù)與流量正相關(guān)，比重參數(shù)通過路段直行真實(shí)行程時(shí)間與模擬行程時(shí)間回歸分析得出。以2016年浙江省海寧市微波及線圈數(shù)據(jù)為研究對(duì)象，結(jié)合交叉口紅綠燈配時(shí)，首先清洗微波和線圈數(shù)據(jù)，然后利用Webster與基于流量的動(dòng)態(tài)交通路段行程時(shí)間算法，結(jié)合回歸分析訓(xùn)練集得出的路段行程時(shí)間關(guān)系式，最后利用測試集，得出路段行程時(shí)間與真實(shí)路段行程時(shí)間顯著性水平為0.684，并且與固定參數(shù)的路段行程時(shí)間相比，顯著性水平高出0.143，可見該組合算法具有較好的準(zhǔn)確率和實(shí)用性。

交通流;行程時(shí)間;Webster;線性相關(guān)

1 方法與數(shù)據(jù)

1.1 方法

(1)Webster延遲模型

計(jì)算路口各個(gè)進(jìn)口方向上在采樣周期內(nèi)的車輛延誤。計(jì)算交叉口給定車道的車輛平均延誤的Webster公式如下所示

式中:d為每輛車的控制延誤，s/輛;C為交叉口周期，s;λ為綠信比為車道的綠燈時(shí)間，s;q為流量×3 600，Q為采樣周期內(nèi)車輛數(shù)，輛/采樣周期;y為流量比，s為路口進(jìn)口一條車道的飽和流率，輛/h;x為車道的飽和度

圖1 進(jìn)口方向延誤

若路口某進(jìn)口方向有n條車道采樣數(shù)據(jù)的流量分別為q1，…，qn，則分別計(jì)算n個(gè)車道的平均延誤d1，…，dn，然后按下式求得該進(jìn)口方向上的平均控制延誤和總流量分別為

若發(fā)布間隔橫跨M個(gè)信號(hào)控制周期結(jié)束點(diǎn)，這M個(gè)控制周期內(nèi)該進(jìn)口方向的延誤分別為D1，…，DM，總流量分別為qs1，…，qsM，則發(fā)布間隔內(nèi)的該進(jìn)口方向上的平均延誤為

若發(fā)布間隔內(nèi)無信號(hào)控制周期結(jié)束點(diǎn)，即M= 0，則利用上一發(fā)布間隔內(nèi)的該進(jìn)口方向上的延誤時(shí)間作為本次發(fā)布間隔內(nèi)的延誤時(shí)間。

(2)線性回歸模型

回歸分析是研究隨機(jī)變量之間的相關(guān)關(guān)系的一種統(tǒng)計(jì)方法，其用意是研究一個(gè)被解釋變量(又稱因變量)與一個(gè)或多個(gè)解釋變量(又稱自變量)之間的統(tǒng)計(jì)關(guān)系。

論文利用的模型為多元線性回歸，將所選變量全部強(qiáng)行進(jìn)入回歸，其線性模型即

論文通過利用Webster模型得出路段直行紅燈延誤時(shí)間，引入基于流量的動(dòng)態(tài)交通路段行程時(shí)間算法，結(jié)合回歸分析得出路段行程時(shí)間與紅燈延誤時(shí)間、地點(diǎn)速度以及路段交通流量間關(guān)系。并利用測試集驗(yàn)證結(jié)果，得出較高的線性相關(guān)度，表明該模型算法適用于城市交通路段行程時(shí)間計(jì)算。

(3)相關(guān)分析

相關(guān)分析是研究兩數(shù)值型變量線性相關(guān)性的常用方法，需經(jīng)過以下兩個(gè)步驟:第一，計(jì)算Pearson樣本相關(guān)系數(shù)r;第二，對(duì)樣本來自的兩總體是否存在顯著線性關(guān)系進(jìn)行檢驗(yàn)。

Pearson樣本相關(guān)系數(shù)即樣本簡單相關(guān)系數(shù)，反映變量間線性相關(guān)程度的強(qiáng)弱;對(duì)樣本來自的兩總體是否存在顯著線性關(guān)系進(jìn)行檢驗(yàn)，首先假設(shè)兩總體零線性相關(guān)，其次計(jì)算Pearson相關(guān)系數(shù)的檢驗(yàn)統(tǒng)計(jì)量t及其對(duì)應(yīng)的概率P，最后比較P與顯著性水平通常設(shè)為0.05得出是否線性相關(guān)結(jié)果。

1.2 數(shù)據(jù)

為了驗(yàn)證所提方法的有效性，以2016年3月份浙江省海寧市水月亭路上海昌路至文苑路交通流數(shù)據(jù)為研究對(duì)象，該路段上下游路口現(xiàn)安裝有電子警察設(shè)備，電警數(shù)據(jù)包括車輛信息，車輛經(jīng)過地點(diǎn)、方向，車道號(hào)及經(jīng)過時(shí)間，利用該每5分鐘數(shù)據(jù)形成車輛經(jīng)過某路段數(shù)據(jù)，并通過刪除滯留車輛數(shù)據(jù)，繞彎車輛數(shù)據(jù)達(dá)到清洗數(shù)據(jù)的目的，最后得出每5分鐘路段真實(shí)行程車速。路段上下游路口信號(hào)配時(shí)數(shù)據(jù)，中間裝有微波設(shè)備，通過微波數(shù)據(jù)清洗規(guī)則達(dá)到清洗異常數(shù)據(jù)的目的。

1.3 實(shí)驗(yàn)流程

原始電警數(shù)據(jù)經(jīng)過處理后形成路段過車數(shù)據(jù)，清洗干凈后計(jì)算出路段真實(shí)行程車速，由于海寧即使是早晚高峰交通流也處于欠飽和狀態(tài)，可將微波地點(diǎn)速度作為路段暢行車速，進(jìn)而得出暢行時(shí)長，由Webster模型得出路段的延誤時(shí)長數(shù)據(jù)，Webster與基于流量的動(dòng)態(tài)交通路段行程時(shí)間算法的具體實(shí)驗(yàn)流程如圖2所示，包括5個(gè)步驟:

圖2 欠飽和狀態(tài)下基于流量的動(dòng)態(tài)交通路段行程時(shí)間算法實(shí)驗(yàn)流程

步驟一:原始電警數(shù)據(jù)經(jīng)過處理后形成路段過車數(shù)據(jù)，清洗干凈后計(jì)算出路段真實(shí)行程車速及行程時(shí)間。

步驟二:原始微波地點(diǎn)數(shù)據(jù)經(jīng)過排除異常數(shù)據(jù)，清洗干凈后計(jì)算出路段暢行車速及對(duì)應(yīng)暢行時(shí)長。

步驟三:利用路段飽和流率、路段實(shí)時(shí)流量、路段下游路口配時(shí)信息數(shù)據(jù)，通過Webster模型得出路段直行等紅燈延遲時(shí)長。

步驟四:利用步驟二步驟三結(jié)果，并且引入路段直行流量占路段飽和流率比重作為動(dòng)態(tài)參數(shù)組成之一，剩余參數(shù)由w替代。

步驟五:利用步驟四結(jié)果得到帶參數(shù)w的路段行程時(shí)間。

步驟六:根據(jù)步驟一的路段真實(shí)行程時(shí)間與步驟五的帶參數(shù)路段行程時(shí)間，通過回歸分析確定參數(shù)w。

步驟七:將參數(shù)w帶入測試集中，得到測試集的行程時(shí)間，與路段真實(shí)行程時(shí)間進(jìn)行相關(guān)分析，如果得到顯著性水平大于0.5，表明該組合算法具有較好的準(zhǔn)確率和實(shí)用性。

2 結(jié)果

2.1 電警路段行程車速

論文以2016年3月水月亭路上海昌路至文苑路交通流數(shù)據(jù)為研究對(duì)象，分析交通路段速度一個(gè)月每天每5分鐘的時(shí)間分布特性。選取具體3月1號(hào)的交通路段速度的時(shí)間分布特性如圖3所示，由圖3可以看出，在7:00－9:00的時(shí)段內(nèi)水月亭某一路段交通路段速度相對(duì)較低，呈現(xiàn)出早晚高峰的特征。

圖33 月1號(hào)水月亭路上海昌路至文苑路路段真實(shí)行程車速

2.2 線圈數(shù)據(jù)地點(diǎn)速度對(duì)應(yīng)暢行時(shí)間及延誤時(shí)間

根據(jù)表1清洗規(guī)則，清洗微波或線圈異常數(shù)據(jù)，每條路段交通流參數(shù)的合理區(qū)間都可能不同，因此需根據(jù)道路實(shí)際環(huán)境進(jìn)行設(shè)置。

表1 交通流參數(shù)錯(cuò)誤組合

清洗后根據(jù)流量加強(qiáng)平均得到路段暢行車速，3月1號(hào)水月亭路上海昌路至文苑路路段中間地點(diǎn)車速如圖4。

在該發(fā)布間隔內(nèi)基于該種檢測器的路段暢行行駛時(shí)間為

根據(jù)Webster模型即公式一、公式二和公式三得出發(fā)布間隔每5 min的該進(jìn)口方向上的平均延誤DT，引入路段直行流量占路段飽和流率比重作為動(dòng)態(tài)參數(shù)組成之一

其中，bhll為飽和流率單位秒，cyzq為采樣周期，微波為60 s，線圈為30 s，q為采樣周期內(nèi)的路段流量，n為該出口方向加入計(jì)算的車道數(shù)。

發(fā)布間隔內(nèi)基于該種檢測器的帶參數(shù)的路段行程時(shí)間ts:

模擬路段行程速度

式中:w1，w2為權(quán)重參數(shù)，a為常量。

圖43 月1號(hào)水月亭路上海昌路至文苑路路段中間地點(diǎn)車速

2.4 確定基于流量的動(dòng)態(tài)參數(shù)

在上一步得出的帶參數(shù)路段行程時(shí)間的基礎(chǔ)上，結(jié)合路段真實(shí)行程車速得出真實(shí)行程時(shí)間，再利用回歸分析得出真實(shí)行程時(shí)間與基于流量的延誤時(shí)間及暢行時(shí)間三者間關(guān)系，參數(shù)w1為0.004，w2為0.064，a為50.58，且顯著性水平為0.864。將動(dòng)態(tài)參數(shù)帶入上一步中公式七和公式八，得出每5 min的模型得出的路段行程時(shí)間及速度。以2016年3月1號(hào)數(shù)據(jù)為訓(xùn)練集的一部分，模型得出的路段行程速度與真實(shí)路段行程車速對(duì)比圖如圖6。

2.5 驗(yàn)證結(jié)果

固定參數(shù)方法中通常將w2*per定為經(jīng)驗(yàn)值0.05，w1*(1－per)定為0.95，根據(jù)公式七得出的路段行程時(shí)間與路段真實(shí)行程時(shí)間的線性相關(guān)的顯著性水平為0.541，且平均絕對(duì)誤差為20.17 s。固定參數(shù)的路段行程車速與真實(shí)路段行程車速對(duì)比圖如圖5。

將動(dòng)態(tài)參數(shù)帶入公式七和公式八，得出每5分鐘的模型得出的路段行程時(shí)間及速度。以2016年3月2號(hào)數(shù)據(jù)為測試集，模型得出的路段行程時(shí)間與真實(shí)路段行程時(shí)間線性相關(guān)的顯著性水平為0.684，且平均絕對(duì)誤差為9.89 s，并且與固定參數(shù)Webster模型的路段行程時(shí)間相比，顯著性水平高出0.143，平均絕對(duì)誤差減少10.28，可見該組合算法具有較好的準(zhǔn)確率和實(shí)用性，基于流量的動(dòng)態(tài)交通路段行程車速與真實(shí)路段行程車速對(duì)比圖如圖6。

圖5 固定參數(shù)的擬合路段行程車速與真實(shí)路段行程車速對(duì)比圖

圖6 動(dòng)態(tài)參數(shù)的擬合路段行程車速與真實(shí)路段行程車速對(duì)比圖

3 討論

首先論文選擇海寧交通數(shù)據(jù)為研究對(duì)象，由于海寧交通流包括早晚高峰期都處于欠飽和狀態(tài)，路口車輛均能在一個(gè)燈次內(nèi)通過，因此選擇Webster模型為基礎(chǔ)的研究模型較為合理。

其次論文為將模擬數(shù)據(jù)更接近真實(shí)結(jié)果，采用電警過車數(shù)據(jù)為路段真實(shí)行程車速依據(jù)，且電警過程數(shù)據(jù)清洗過程嚴(yán)格，尤其是車流量大的時(shí)候所得出的行程時(shí)間準(zhǔn)確率可達(dá)到95%以上，可靠性高。

最后論文為通過地點(diǎn)車速數(shù)據(jù)與道路及信號(hào)配時(shí)信息數(shù)據(jù)推算出路段行程時(shí)間，在Webster模型的基礎(chǔ)上引入流量作為通暢狀態(tài)下行駛時(shí)間和紅燈延誤時(shí)間比重參數(shù)組成之一，以電警過車數(shù)據(jù)為基準(zhǔn)，回歸分析得出剩余組成參數(shù)值，相對(duì)于固定參數(shù)的通暢狀態(tài)下行駛時(shí)間和紅燈延誤時(shí)間模型顯著性水平高，說明欠飽和狀態(tài)下，基于流量的動(dòng)態(tài)交通路段行程時(shí)間算法準(zhǔn)確率較高。并利用測試集驗(yàn)證基于流量的動(dòng)態(tài)交通路段行程時(shí)間算法，說明模型選擇合理。

4 結(jié)論

論文通過有效分析得出，路段的行程時(shí)間由路段信號(hào)配時(shí)信息、路段基礎(chǔ)信息、路段通暢狀態(tài)下行駛時(shí)間決定，在欠飽和狀態(tài)下，以Webster模型為基礎(chǔ)，引入流量作為通暢狀態(tài)下行駛時(shí)間和紅燈延誤時(shí)間比重參數(shù)組成之一，結(jié)合由電警數(shù)據(jù)得出的路段真實(shí)行程車速及時(shí)間，利用回歸分析得出基于流量的動(dòng)態(tài)參數(shù)，擬合度高，說明模型選擇合理。

論文用訓(xùn)練集得出模型，并用測試集驗(yàn)證模型，且驗(yàn)證結(jié)果的線性相關(guān)顯著性水平偏高，平均相對(duì)誤差偏低。并且相對(duì)于固定參數(shù)的通暢狀態(tài)下行駛時(shí)間和紅燈延誤時(shí)間模型顯著性水平高，能夠提高交通狀態(tài)判別的準(zhǔn)確性。

［1］王志華，史天運(yùn).射頻識(shí)別技術(shù)(RFID)在交通領(lǐng)域的應(yīng)用現(xiàn)狀［J］.交通運(yùn)輸系統(tǒng)工程與信息，2005，5(6): 96－99.

［2］劉陽，尹鐵源，葛震，宋繼紅.數(shù)字圖像處理應(yīng)用于車輛牌照識(shí)別的研究［J］.遼寧大學(xué)學(xué)報(bào)(自然科學(xué)版)，2004，31(1):65－68.

［3］蓋春英.區(qū)域公路網(wǎng)交通量實(shí)用預(yù)測方法研究［D］.哈爾濱:哈爾濱工業(yè)大學(xué)，2000.

U492

C

1008－3383(2017)04－0183－03

2016－06－08