[发明专利]基于低渗透率网联车轨迹数据的交叉口信号配时方法

说明书

本发明公开了基于低渗透率网联车轨迹数据的交叉口信号配时方法，包括：基于SUMO仿真平台构建一个有交叉口信号配时优化需求的低渗透率网联车路网；向构建的路网中输入数据，默认SUMO仿真平台定义的车流模型，设计低渗透率网联车路网场景，模拟路网车流情况；在模拟的路网车流情况中，对于每个信号周期，随机选取网联车轨迹数据作为样本数据，且选取的网联车轨迹数据占整个路网车流轨迹数据的3%‑5%；根据选取的网联车轨迹数据，在上一个信号周期结束时确定下一个信号周期的交通信号计划；根据下一个信号周期的交通信号计划修改SUMO仿真平台中路网的信号配时，直至仿真结束，实现预防交叉口溢出、缓解路网拥堵等问题。

技术领域

本发明涉及基于低渗透率网联车轨迹数据的交叉口信号配时方法，属于交通行为分析和数据处理技术领域。

背景技术

在城市道路中，交叉口是拥堵产生的“重灾区”。在高峰时段，当进入某一交叉口进口道车辆数大于该进口道的承载能力时，就会发生溢出现象。排队溢出通常在排队超过路段长度时发生，一旦溢出控制不及时，拥堵或从单个交叉口扩散至上下游及相邻交叉口，大大降低城市道路网络的通行效率。为实现对交通流的有效控制，并有效缓解在流量较大情况下，交叉口的溢流问题、提高交通系统整体的运输效率，需要为整个交通网络中的交叉口选择相应的最优配时方案，以解决系统整体上的拥堵状况。

交通信号控制是影响城市网络中交通流效率的关键控制策略之一，它可以使冲突的交通流在不同相位时间通过交叉路口，防止交通流冲突、提升交叉口通行效率。而信号控制策略的核心，在于找到交叉口的最佳周期时间和最优相位时长的分配方案，以减少总体拥堵并增加通过网络的吞吐量。

发明内容

本发明所要解决的技术问题是：提供基于低渗透率网联车轨迹数据的交叉口信号配时方法，检测周期内的最长排队位置，并增加最小绿灯时长、防溢流等约束，对交叉口信号控制进行优化，使其适应低渗透率网联车轨迹数据。

本发明为解决上述技术问题采用以下技术方案：

基于低渗透率网联车轨迹数据的交叉口信号配时方法，包括如下步骤：

步骤1，基于SUMO仿真平台构建一个有交叉口信号配时优化需求的低渗透率网联车路网；

步骤2，向步骤1构建的路网中输入数据，包括：高峰小时流量、平均车速、路网结构、路段长度、车道数、道路限速和进口道方向，默认SUMO仿真平台定义的车流模型，包括：Krauss跟驰模型和LC2013换道模型，设计低渗透率网联车路网场景，模拟路网车流情况；

步骤3，在模拟的路网车流情况中，对于每个信号周期，随机选取网联车轨迹数据作为样本数据，且选取的网联车轨迹数据占整个路网车流轨迹数据的3％-5％；

步骤4，根据选取的网联车轨迹数据，在上一个信号周期结束时确定下一个信号周期的交通信号计划；

步骤5，根据下一个信号周期的交通信号计划修改SUMO仿真平台中路网的信号配时，直至仿真结束。

作为本发明的一种优选方案，所述步骤1中，构建的路网具有如下特征：1)路网上车流流量超过饱和流量的90％；2)路网交叉口上下游存在流量差；3)路网存在溢流情况。

作为本发明的一种优选方案，所述步骤4中，在第k^j个信号周期结束时确定第k^j+1个信号周期的交通信号计划，具体过程如下：

步骤41，计算交叉口每个进口道最大排队率

定义路网为由路段连接的交叉口组成，对于交叉口j，进入的进口道s集合表示为S_j，则进口道s在第k^j个周期的最大排队率r_s(k^j)为：