基于数据融合的交叉口排队长度估计方法
发布时间：2021-09-08 08:10
目前,国内外对于排队长度估计的主流研究大多是根据交通流状态,获得道路交叉口信号周期内最大排队长度和平均排队长度。已有的研究多依赖于单一的交通数据来源,如GPS浮动车数据、断面检测的流量数据等。由于数据检测传输过程中的检测误差、信号丢失、干扰、以及检测设备覆盖范围限制,使得依赖于单一数据源的排队长度估计算法的稳定性和可靠性难以保证。因此,融合多源数据进行排队长度估计的算法研究,在数据互补、精度修正、提高估计模型的综合性能上具有良好的研究价值。本文主要围绕交通数据融合以及交叉口排队长度估计方法进行研究,具体分成三部分:交通数据融合与排队长度估计方法;数据融合的交叉口排队长度估计方法精度分析;基于排队长度的信号配时思路探讨。首先,本文通过对不同交通数据特性进行分析,从而对交通数据的归属类型、交通数据采集技术分类以及不同种类检测设备的特点进行总结,分析比较各种方法的适用条件及优缺点。然后基于统计归纳思想和交通流理论,结合浮动车的排队规律和断面检测流量数据特点,分别建立排队长度估计模型。考虑到两类模型在不同数据采集环境下的精度差异,为增强估计模型的普适性和稳定性,提出采用组合估计的方法,进行误差...
【文章来源】：华东交通大学江西省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
交叉口有浮动车排队的示意图
成了常规地图匹配这一过程。零速度点的统计及匹配过程如度点的匹配和统计速度点的初次匹配，首先就是基于统计分析结果将停车点初段距离的合理的最大允许误差值E ，该值通常可以根据定位最大允许偏差值一般是控制在 10 米到 40 米范围。而路段上的垂直距离sd 可由点到直线的距离公式计算，如sd 小于最则初次认定该点位于路段sR 上。速度点的第二次匹配，就是寻找是否有与该零速度点对应的移动数据点，若存在且两点处于同一路段，则该零速度数据成功匹配到该路段的移动设备ID 号集 nID ,ID,ID,,ID123 sD 是否属于 nID ,ID,ID,,ID123 ；若 sID ID,ID,ID,,I123 队停车点。口排队长度估计方法的排队长度估计，首先就是对采集的浮动车 GPS 数据进行算。基于浮动车停车点的排队长度估计流程如下：
图 3-6 排队冲击波示意图Fig.3-6 Queued shock wave diagram间隔下的集结波的速度1v (i)可以基于车辆到达率进行计算，而车计算。假设第i时间间隔的 5min 检测流量为iN ，则换算成第i时2iN ，单位veh/h 。第i时间间隔的排队车辆密度为jk (i )，第i时间ak (i )，则根据冲击波理论，第i时间间隔下的集结波的速度v (i)jaikikiNvi()()12()1 i时间间隔的排队车辆密度jk (i )可以通过调查获得，单位为veh下的集结波的速度，m/s。如果没有实际数据则可以根据车头间，车辆排队时车头之间的距离约为 7m。第i时间间隔的到达车辆段车速和流量进行计算，公式为：()()Nqikii
【参考文献】：
期刊论文
[1]信号交叉口排队长度估算模型研究[J]. 余静财,赵亚军. 科技风. 2017(15)
[2]基于GPS数据的信号交叉口实时排队长度估算[J]. 王钰,徐建闽,林培群. 交通运输系统工程与信息. 2016(06)
[3]基于排队长度的T型交叉口信号配时优化[J]. 胡鹏,杨安平. 自动化技术与应用. 2016(06)
[4]基于多源数据的干线协调控制策略[J]. 蔡茜,臧照奇,周围,周清雅. 交通运输研究. 2015(05)
[5]信号控制交叉口排队长度估算方法研究[J]. 孔涛,刘新,张茂雷. 中国公共安全(学术版). 2015(02)
[6]基于单个地磁传感器的交叉口排队长度估计[J]. 贾利民,陈娜,李海舰,董宏辉. 吉林大学学报(工学版). 2016(03)
[7]信号交叉口实时排队长度估计[J]. 赵淑芝,梁士栋,马明辉,刘华胜,朱永刚. 吉林大学学报(工学版). 2016(01)
[8]多源数据条件下信号交叉口排队长度估算方法[J]. 王忠宇,蔡青,吴兵,李林波. 吉林大学学报(工学版). 2015(04)
[9]基于实时视频图像处理的车辆排队长度检测[J]. 朱超军,杨红雨,刘东辉,李浩民,王世豪. 计算机技术与发展. 2014(04)
[10]基于浮动车数据的排队长度检测方法研究[J]. 庄立坚,何兆成,叶伟佳,褚俊飞,邓玲丽. 交通运输系统工程与信息. 2013(03)
博士论文
[1]城市快速路交通拥堵特征与实时排队长度确定方法研究[D]. 曹静.长安大学 2016
硕士论文
[1]城市道路网瓶颈判别研究及其应用[D]. 宁建标.华东交通大学 2018
[2]过饱和交叉口排队未溢出状态下排队优化模型研究[D]. 唐贵涛.昆明理工大学 2016
[3]基于城市快速路和主干道多源交通检测信息的数据融合技术研究[D]. 邱奉翠.北京交通大学 2012
[4]基于多源交通信息的数据融合技术及其应用研究[D]. 赵文涛.上海交通大学 2007
[5]城市主干路交通拥挤的扩散规律及其模型研究[D]. 代磊磊.吉林大学 2006
本文编号：3390443
【文章来源】：华东交通大学江西省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
交叉口有浮动车排队的示意图
成了常规地图匹配这一过程。零速度点的统计及匹配过程如度点的匹配和统计速度点的初次匹配，首先就是基于统计分析结果将停车点初段距离的合理的最大允许误差值E ，该值通常可以根据定位最大允许偏差值一般是控制在 10 米到 40 米范围。而路段上的垂直距离sd 可由点到直线的距离公式计算，如sd 小于最则初次认定该点位于路段sR 上。速度点的第二次匹配，就是寻找是否有与该零速度点对应的移动数据点，若存在且两点处于同一路段，则该零速度数据成功匹配到该路段的移动设备ID 号集 nID ,ID,ID,,ID123 sD 是否属于 nID ,ID,ID,,ID123 ；若 sID ID,ID,ID,,I123 队停车点。口排队长度估计方法的排队长度估计，首先就是对采集的浮动车 GPS 数据进行算。基于浮动车停车点的排队长度估计流程如下：
图 3-6 排队冲击波示意图Fig.3-6 Queued shock wave diagram间隔下的集结波的速度1v (i)可以基于车辆到达率进行计算，而车计算。假设第i时间间隔的 5min 检测流量为iN ，则换算成第i时2iN ，单位veh/h 。第i时间间隔的排队车辆密度为jk (i )，第i时间ak (i )，则根据冲击波理论，第i时间间隔下的集结波的速度v (i)jaikikiNvi()()12()1 i时间间隔的排队车辆密度jk (i )可以通过调查获得，单位为veh下的集结波的速度，m/s。如果没有实际数据则可以根据车头间，车辆排队时车头之间的距离约为 7m。第i时间间隔的到达车辆段车速和流量进行计算，公式为：()()Nqikii
【参考文献】：
期刊论文
[1]信号交叉口排队长度估算模型研究[J]. 余静财,赵亚军. 科技风. 2017(15)
[2]基于GPS数据的信号交叉口实时排队长度估算[J]. 王钰,徐建闽,林培群. 交通运输系统工程与信息. 2016(06)
[3]基于排队长度的T型交叉口信号配时优化[J]. 胡鹏,杨安平. 自动化技术与应用. 2016(06)
[4]基于多源数据的干线协调控制策略[J]. 蔡茜,臧照奇,周围,周清雅. 交通运输研究. 2015(05)
[5]信号控制交叉口排队长度估算方法研究[J]. 孔涛,刘新,张茂雷. 中国公共安全(学术版). 2015(02)
[6]基于单个地磁传感器的交叉口排队长度估计[J]. 贾利民,陈娜,李海舰,董宏辉. 吉林大学学报(工学版). 2016(03)
[7]信号交叉口实时排队长度估计[J]. 赵淑芝,梁士栋,马明辉,刘华胜,朱永刚. 吉林大学学报(工学版). 2016(01)
[8]多源数据条件下信号交叉口排队长度估算方法[J]. 王忠宇,蔡青,吴兵,李林波. 吉林大学学报(工学版). 2015(04)
[9]基于实时视频图像处理的车辆排队长度检测[J]. 朱超军,杨红雨,刘东辉,李浩民,王世豪. 计算机技术与发展. 2014(04)
[10]基于浮动车数据的排队长度检测方法研究[J]. 庄立坚,何兆成,叶伟佳,褚俊飞,邓玲丽. 交通运输系统工程与信息. 2013(03)
博士论文
[1]城市快速路交通拥堵特征与实时排队长度确定方法研究[D]. 曹静.长安大学 2016
硕士论文
[1]城市道路网瓶颈判别研究及其应用[D]. 宁建标.华东交通大学 2018
[2]过饱和交叉口排队未溢出状态下排队优化模型研究[D]. 唐贵涛.昆明理工大学 2016
[3]基于城市快速路和主干道多源交通检测信息的数据融合技术研究[D]. 邱奉翠.北京交通大学 2012
[4]基于多源交通信息的数据融合技术及其应用研究[D]. 赵文涛.上海交通大学 2007
[5]城市主干路交通拥挤的扩散规律及其模型研究[D]. 代磊磊.吉林大学 2006
本文编号：3390443
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3390443.html
