[发明专利]瓶颈上游车道级交通状态预测系统及实现方法

说明书

本发明提出一种瓶颈上游车道级交通状态预测系统及实现方法。所述预测系统包括信息采集模块、处理模块、发布模块以及传输模块；首先通过信息采集模块得到每辆车的车速和通过时刻，从而得到瓶颈上游交通流的初始时空分布状态及流量，在信息处理模块，基于驾驶员风险阈值，结合瓶颈处的合流模型，以及瓶颈上游的车道选择模型，预测交通流在不同车道任意时刻的时空分布状态。由于合流模型和车道选择模型计入了瓶颈上游不同车道在合流点优势不同的影响，可将瓶颈上游交通状态预测的精度提升至车道级，从而可以大大提高交通状态预测的准确程度，为交通管理者的动态控制，智能诱导、高效管理和快速决策提供理论和技术支持，并为道路使用者提供更为准确的出行信息。

技术领域

本发明涉及一种瓶颈上游车道级交通状态预测系统及实现方法，属于动态交通预测智能管理技术领域。

背景技术

路段交通状态估计与预测是智能交通系统的重要组成部分，也是动态交通管理决策和出行决策的重要信息基础。实时准确的交通状态预测，可以为交通管理部门的动态管理、实时诱导、信息发布提供支撑，也是路段行程时间预测的基础，对于动态交通管理决策与出行决策具有重要的现实意义。

目前对路段交通状态预测的研究，根据其原理，主要分以下3类：①基于传统的数学和物理模型的数理统计分析方法；②人工智能分析方法；③基于交通仿真的方法。其中第①类方法主要有基于时间序列模型、参数回归模型、指数平滑模型等；第②类方法主要包括状态空间重构模型，神经网络模型、小波理论等；第③类方法主要包括微观仿真和宏观仿真，如元胞自动机模型、CTM模型以及一些成熟的仿真软件VISSIM等。根据其研究对象的不同，可以分为快速路的行程时间预测和城市道路的行程时间预测。但总体来说，以往研究主要是针对常规路段的，即针对在空间上和时间上都较为连续的交通流。

但对于快速路来说，瓶颈处的交通状态通常对整个快速路的运行带来决定影响。瓶颈通常可以分为常发性瓶颈(上下匝道等合流区、分流区或交织区)和偶发性瓶颈(交通事件等引起的车道关闭)。美国联邦公路署统计表明，快速路上超过70％的交通拥堵是由交通事故所导致，而交通事件所引起的拥堵占上海快速路总拥堵的50％～75％，如果计入上匝道合流区等常发性瓶颈所引发的拥堵，这一数字还会更高。因此，瓶颈处的交通状态预测具有非常重要的意义。

但是，当前的交通状态预测方法未能体现出瓶颈处交通流运行的特点。对①基于传统的数学和物理模型的数理统计分析方法；②人工智能分析方法来说，更是如此。这两类方法严重依赖于历史交通流量数据或者是上下游的交通参数，对于交通流在时空上连续的基本路段，这些方法是合适的，但是瓶颈处，特别是偶发性瓶颈，由于交通条件的变化(部分车道因交通事件而关闭)，交通状态通常会发生突变，历史流量数据等不再有参考意义，因此，以上两类方法不再适合。相对来讲，仿真的方法或者是排队论、波动理论，都能反映瓶颈处的车道变化带来的影响，但这些方法都忽略了瓶颈处的另外一个关键特性，即由于部分车道在瓶颈处关闭，造成瓶颈上游不同车道在合流时所具备的优势不同，进而会影响驾驶员的车道选择，这种车道选择行为对瓶颈上游交通状态的演化具有非常重要的影响。但当前的仿真模型以及排队论和波动理论中，都未计入这一影响，从而一定程度上降低了交通状态预测的准确性。虽然这些信息对道路使用者来说，精度基本可以满足要求(对于驾驶员来说，通常只需要知道前面拥堵与否，与通过的大致时间)。但是，对于道路管理者来说，其控制和管理的效果则严重依赖于交通状态预测结果的准确程度，粒度粗细。因此，有必要针对瓶颈处的交通特点，建立更为准确，粒度更细的模型，从而可以为交通管理部门提供准确的交通状态预测，为其动态控制，智能诱导、高效管理和快速决策提供理论和技术支撑。

本发明的目的是提供一种瓶颈上游车道级交通状态预测系统及其实现方法，这种交通状态预测系统一方面可以体现瓶颈处交通状态的突变特性，更重要的，可以反映瓶颈处合流对上游驾驶行为的影响，并通过合流模型和车道选择模型反映这一影响，从而提高瓶颈上游交通状态预测的精确程度。

发明内容