[发明专利]一种城市道路平面交叉口转向比例实时估计方法

摘要

本发明公开了一种城市道路平面交叉口转向比例实时估计方法，包括在获得交叉口进口道断面交通流量和交叉口出口道对应的下游路段交通流量数据的基础上，分析了交叉口出口道与其下游路段之间的流量偏差模式，建立了转向比例估计卡尔曼滤波模型。根据交叉口进出口道流量守恒以及流量偏差的随机漫步建立转向比估计的卡尔曼滤波模型的观测方程，依据交叉口转向比例的短期波动连续性和平稳性特征，建立卡尔曼滤波模型的状态方程，采用了卡尔曼滤波算法实现了交叉口转向比例的实时估计。充分挖掘了交叉口出口道与下游路段的流量偏差的显著的随机波动模式，它可以为城市道路交叉口信号配时设计和优化提供准确、实时的交叉口交通流量转向比例信息。

主权项

一种城市道路平面交叉口转向比例实时估计方法，其特征在于，该方法包括以下步骤：1)以同一方向对交叉口的进口道与出口道进行编号i,j(i＝1,2,…,n；j＝1,2,…,n)；其中，i表示n个进口道中的第i个进口；j表示n个出口道中的第j个出口；2)获得目标交叉口n个进口道在时间间隔t内的交通流量数据：{x₁(t) x₂(t) ... x_i(t) ... x_n(t)}同时获取交叉口n个出口道对应的下游断面在时间间隔t内的交通流量数据：{y₁(t) y₂(t) ... y_j(t) ... y_n(t)}；3)将得到的目标交叉口n个进口道在时间间隔t内的交通流量数据矩阵化，得到矩阵：X_t＝[X₁(t) X₂(t) ... X_i(t) ... X_n(t)]其中，X_t为n×p阶矩阵，p＝n(n‑1)；同时将获取的目标交叉口n个出口道对应的下游断面在时间间隔t内的交通流量数据矩阵化，得到矩阵：Y_t＝[y₁(t) y₂(t) ... y_j(t) ... y_n(t)]′其中，Y_t为n×1阶矩阵；4)将须求在时间间隔t内的交叉口转向比例a_ij(t)矩阵化，得到目标交叉口转向比例矩阵A_t：A_t＝[a₁₂(t) a₁₃(t) ... a_1n(t) a₂₁(t) a₂₃(t) ... a_2n(t) ... a_n1(t) a_n2(t) ... a_n(n‑1)(t)]^T其中：a_ij(t)为t时间间隔内从第i个进口驶入，从第j个出口驶出的交通流量转向比例；A_t为p×1阶矩阵，p＝n(n‑1)；5)根据交叉口进出口道流量守恒以及流量偏差的随机漫步建立转向比估计的卡尔曼滤波模型的观测方程：Y_t＝H_tδ_t+V_t其中：δ_t＝[1 A_t A_t‑1]′为t时间间隔内的状态变量，式中A_t为t时间间隔内从第i个进口驶入，从第j个出口驶出的交通流量转向比例a_ij(t)组成的p维列向量，具体的：A_t＝[a₁₂(t) a₁₃(t) ... a_1n(t) a₂₁(t) a₂₃(t) ... a_2n(t) ... a_n1(t) a_n2(t) ... a_n(n‑1)(t)]^TH_t＝[Y_t‑1 X_t ‑X_t‑1]为t时间间隔内的观测变量；V_t＝[v₁(t) v₂(t) ... v_j(t) ... v_n(t)]′为t时间间隔内的正态白噪声序列列向量，服从均值为0，协方差为Q的正态分布；6)依据交叉口转向比例的短期波动连续性和平稳性特征，建立卡尔曼滤波模型的状态方程：δ_t+1＝δ_t+W_t其中：δ_t＝[1 A_t A_t‑1]′为t时间间隔内的状态变量，δ_t+1＝[1 A_t+1 A_t]′为t‑1时刻内的状态变量，W_t＝[w₁(t) w₂(t) ... w_j(t) ... w_n(t)]′为状态噪声序列列向量，服从均值为0，协方差为Q的正态分布；7)采用卡尔曼滤波算法进行交叉口流量转向比例实时最优估计以及迭代更新。