基于浮动车数据的排队长度检测方法研究

交通运输系统工程与信息 ›› 2013, Vol. 13 ›› Issue (3): 78-84.

• 智能交通系统与信息技术 • 上一篇下一篇

基于浮动车数据的排队长度检测方法研究

庄立坚，何兆成^*，叶伟佳，褚俊飞，邓玲丽

中山大学工学院智能交通研究中心，广州 510000

收稿日期:2012-11-13 修回日期:2013-03-30 出版日期:2013-06-25 发布日期:2013-07-02
作者简介:庄立坚（1989-），男，广东汕头人，硕士生.
基金资助:
国家高技术研究发展计划（863计划，2011AA110306）.

Queue Length Estimation Based on Floating Car Data

ZHUANG Li-jian, HE Zhao-cheng, YE Wei-jia,CHU Jun-fei, DENG Ling-li

Research Center of Intelligent Transportation Systems, Sun YatSen University, Guangzhou 510000, China

Received:2012-11-13 Revised:2013-03-30 Online:2013-06-25 Published:2013-07-02

摘要/Abstract

摘要：

排队长度作为评价信号交叉口运行效率的一个重要指标，能有效反映交叉口处的运行状况.传统排队检测模型大多基于线圈检测器，且模型假设过于理想化，本文提出一种面向低采样率浮动车数据、具有良好数据驱动性的信控交叉口在线排队长度检测方法，方法关键在于利用队尾浮动车位置估算最大排队长度.检测过程采用固定时间间隔，主要步骤包括地图匹配、等距划分交叉口进口道并统计停车点数量、判定队尾浮动车的位置、修正得到最大排队长度估计值.实测数据表明,此方法的精度与浮动车比率有直接的关系，在浮动车比率较高的许多主干路交叉口，精度可以达到理想效果，30m以内的平均绝对误差对高峰期的排队检测依旧具有很大价值.

关键词: 智能交通, 排队长度估计, 浮动车, 交叉口, 低速点

Abstract:

Queue length is an important index to evaluate the operation efficiency of signalized intersections and reflect the traffic status of intersections. Conventional queue length estimation models are mainly based on loop detectors and idealistic assumptions. This paper proposes an online queue length estimation method at signalized intersections with lowsamplingrate floating car data. The core of the method is estimating the maximum queue length considering the position of the last floating car. Using fixed time intervals, the method is datadriven and consists of map matching, lowspeed point statistics, determination of the last floating car and queuing correction. The ground test shows the precision of the method is closely related to the floating car rate. At trunk road intersections with high floating car rates, the expected accuracy can be obtained. For peak hours, the mean absolute error (MAE) within 30 meter is acceptable and of great value.

Key words: intelligent transportation, queue length estimation, floating car, intersection, lowspeed points

中图分类号:

U491

庄立坚，何兆成，叶伟佳，褚俊飞，邓玲丽. 基于浮动车数据的排队长度检测方法研究[J]. 交通运输系统工程与信息, 2013, 13(3): 78-84.

ZHUANG Li-jian, HE Zhao-cheng, YE Wei-jia,CHU Jun-fei, DENG Ling-li. Queue Length Estimation Based on Floating Car Data[J]. Journal of Transportation Systems Engineering and Information Technology, 2013, 13(3): 78-84.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18585.shtml

http://www.tseit.org.cn/CN/Y2013/V13/I3/78

参考文献

[1]Lighthill M J,Whitham G B.On kinematic waves I Flood movement in long rivers. II A theory of traffic flow on long crowded roads[J]. Proceedings of Royal Society, 1955, 299(1178): 281-345.

[2]Richards P I. Shock waves on the highway [J]. Operations Research, 1956, 4(1): 42-51.

[3]Webster F V. Traffic signal settings [R]. Road Research Lab Tech Papers, UK, 1958.

[4]Vigosa G, Papageorgioua M, Wang Y. Realtime estimation of vehiclecount within signalized links[J]. Transportation Research Part C: Emerging Technologies, 2008, 16 (1):18-35.

[5]Comert G, Cetin M. Analytical evaluation of the error in queue length estimation at traffic signals from probe vehicle data [J]. IEEE Transactions on Intelligent Transportation Systems, 2011, 12(2): 563-573.

[6]Neumann T. Efficient queue length detection at traffic signals using probe vehicle and data fusion[C]//Proc. of the 16th ITS World Congress, Stockholm, 2009.

[7]熊英格, 徐卓立, 刘好德. 基于浮动车数据的交叉口范围动态划分方法[J]. 交通信息与安全, 2009, 27(5): 38-43.[XIONG Y G, XU Z L, LIU H D. Methods of intersection dynamic subsections based on floating car data[J]. Journal of Transport Information and Safety, 2009, 27(5): 38-43.]

[8]交通部公路科学研究所. 基于浮动车数据提取车辆排队长度的方法[P]. 中国专利: 200910092506, 2011-4-20.[Research Institute of Highway Ministry of Transport. Method of extracting vehicle queue length based on floating car data[P]. China Patent: 200910092506, 2011-4-20.]

[9]Shladover S E, Li J Q. Evaluation of probe vehicle sampling strategies for traffic signal control[C]//Proc. of the 14th IEEE International Conference on Intelligent Transportation Systems (ITSC), Washington, 2011.

[10]Ban J, Hao P, Sun Z B. Real time queue length estimation for signalized intersections using travel times from mobile sensors[J]. Transportation Research Part C: Emerging Technologies, 2011, 19(6):1133-1156.

[11]She X W, He Z C, Nie P L, et al. An online map matching framework for floating car data with low sampling rate in urban road network[C]// Proc. of the 91st Annual Meeting of the Transportation Research Board, Washington, 2012.

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	陈鼎, 周水庭, 陈云, 苏敏咸. 拥堵指数自适应调节的交通运行状态识别方法及应用研究[J]. 交通运输系统工程与信息, 2022, 22(2): 137-144.
[6]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[7]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[8]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[9]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[10]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[11]	张玉婷, 陈波佑, 张双焱, 闫学东, 李晓梦. 抵近信控交叉口分心驾驶识别模型[J]. 交通运输系统工程与信息, 2022, 22(1): 217-224.
[12]	宋浪, 王健, 杨滨毓, 安实. 连续流交叉口左转非机动车交通组织创新设计[J]. 交通运输系统工程与信息, 2022, 22(1): 225-233.
[13]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[14]	徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳. 基于图自编码-生成对抗网络的路网数据修复[J]. 交通运输系统工程与信息, 2021, 21(6): 33-41.
[15]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.

基于浮动车数据的排队长度检测方法研究

Queue Length Estimation Based on Floating Car Data

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics