原文传递
移动网联环境下城市信号交叉口车辆排队高频估计
| 论文题名： | 移动网联环境下城市信号交叉口车辆排队高频估计 |
| 关键词： | 道路交通;信号交叉口;排队估计;渗透率 |
| 摘要： | 信号交叉口实时排队估计是智慧城市交通监控的重要组成部分。依据有限的固定交通检测数据，实现准确的实时排队估计并不容易。近年随移动网联数据日益丰富，研究者得以从一个全新的角度重新审视该项任务。传统上，出于自适应交通信号控制的需要，信号交叉口实时排队估计主要面向“周期排队”，即在每个周期结束前估计本周期内累积的最大排队长。然而，以最大压强法为代表的先进自适应交通信号控制、生态驾驶轨迹优化等智慧交通高级管控任务要求以更高的频率和更小的时间间隔（如1秒）完成“高频”排队估计。既有排队估计研究工作主要面向“周期”排队，本论文重点考察“高频”排队估计问题。 在周期排队估计情形，除非网联车占比很小，任何一个周期结束之前所形成的路口排队中总会以很大概率包含一辆以上的网联车，这样的排队本文称之为“状态部分可观”排队（即依托有限的排队网联车数据，可以得到有关排队的部分信息）。然而，在“高频”排队估计时，某些时刻可能会遭遇“状态完全不可观”排队，即排队中不含任何网联车。显然，网联车的背景占比越低，遭遇“完全不可观”排队的可能性越大。本论文重点考察高频排队估计，一并处理状态“部分可观”和“完全不可观”的混杂排队问题。 网联车渗透率估计和基于网联车数据的交叉口排队估计密切相关，本论文首先考虑渗透率估计，并在此基础上实现排队估计。首先利用城市路段的速度-密度关系提出一个有关渗透率估计的新算法。其次，针对“状态部分可观”的排队估计问题，给出不依赖于信号灯状态信息和车辆到达随机分布的两种拓展算法；针对“状态完全不可观”的排队估计问题，提出一套全新算法，适用于信号灯状态已知和未知两种情形。最后，通过“部分可观”与“完全不可观”排队估计算法的组合实现通用的“高频排队估计”。 为验证上述排队估计算法的有效性以及算法对交通需求和交通渗透率的敏感性，本文利用由无人机采自希腊雅典的一个欠饱和交叉口与一个过饱和交叉口的真实航拍车辆轨迹数据构建不同渗透率条件下的验证平台。结果表明，本文提出的渗透率估计和排队估计算法可以有效处理“高频排队估计”问题，估计结果对交通需求不敏感，且随着渗透率增大估计精度不断提升。 |
| 作者： | 曹靖楠 |
| 专业： | 交通运输工程 |
| 导师： | 王亦兵 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
