[发明专利]一种城市道路交叉口饱和流率计算方法

权利要求书

1.一种城市道路交叉口饱和流率计算方法，其特征在于，所述城市道路交叉口饱和流率计算方法包括：

采集城市道路交叉口的交通数据；

对所述交通数据进行预处理，并对预处理后得到的结果数据进行存储；

根据Grubbs算法实时计算并存储单周期城市道路交叉口的平均车头时距；

根据K-means聚类算法对相同天气条件下单周期城市道路交叉口的平均车头时距进行聚类分析，得到聚类分析结果；

根据所述聚类分析结果计算饱和情况下车头时距的均值，得到不同天气条件下城市道路交叉口饱和流率；

其中，所述交通数据包括信号灯数据、天气数据、车辆检测器占有数据、车道信息数据以及各个数据的采集时间；

所述根据Grubbs算法实时计算并存储单周期城市道路交叉口的平均车头时距包括：

根据所述车辆检测器占有数据计算单个绿灯期间车辆间的车头时距，并对车头时距进行排序；

构造判别统计量G_i并计算获得检验水平为α的异常值判别的临界值G_αi；

根据判别统计量G_i和异常值判别的临界值G_αi的大小关系来剔除车头时距中的异常值，其中，异常值包括大中型车辆的车头时距和因绿灯延误造成偏大的车头时距；

计算剩余车头时距的平均值，并将计算得到的平均值作为单周期内平均车头时距。

2.根据权利要求1所述的城市道路交叉口饱和流率计算方法，其特征在于，所述对所述交通数据进行预处理，并对预处理后得到的结果数据进行存储包括：

根据各个数据的采集时间将所述车辆检测器占有数据、信号灯数据和天气数据分别对应；

根据所述车道信息数据将对应后的数据进行存储。

3.根据权利要求1所述的城市道路交叉口饱和流率计算方法，其特征在于，所述构造判别统计量G_i并计算获得检验水平为α的异常值判别的临界值G_αi包括：

构造判别统计量G_i：

其中，G_i表示第i个周期的判别统计量，n表示周期个数，t_si表示车头时距的实测数据，表示实测数据的均值，表示实测数据的方差；

利用t分布变换得到检验水平为α的异常值判别的临界值G_αi：

其中，G_αi表示与所述实测数据的均值和实测数据的方差无关的临界值统计量，t_αi表示检验水平为α自由度为m-2的t分布，m表示实测车头时距的个数。

4.根据权利要求3所述的城市道路交叉口饱和流率计算方法，其特征在于，所述根据判别统计量G_i和异常值判别的临界值G_αi的大小关系来剔除异常值包括：

当G_iG_αi，i＝1,2…,n时，判定为异常值并剔除该异常值，车头时距的数量减1；

重复上述异常值剔除判断，直到G_iG_αi，i＝1,2…,n时，判定所述车头时距中的全部异常值被剔除。

5.根据权利要求1所述的城市道路交叉口饱和流率计算方法，其特征在于，所述单周期内平均车头时距包括单周期内左转车道平均车头时距和直行车道平均车头时距，所述单周期内平均车头时距

其中，N表示单周期内车头时距的个数，h_p表示第p个车头时距，表示第j个周期平均车头时距。

6.根据权利要求5所述的城市道路交叉口饱和流率计算方法，其特征在于，所述根据K-means聚类算法对相同天气条件下单周期城市道路交叉口的平均车头时距进行聚类分析，得到聚类分析结果包括：

初始化聚类中心；

将数据分配到最近的聚类中心；

重新计算聚类中心；

重复“将数据分配到最近的聚类中心和重新计算聚类中心”步骤以使得准则函数最小化；

剔除非饱和或拥堵情况下的簇，计算平均车头时距。