论文部分内容阅读
城市交叉口的车辆最大排队长度是衡量交通运行状况,评价交通拥堵的重要指标之一。通过对最大排队长度的估计可以为城市管理、信号控制、路径诱导等提供依据,从而达到缓解交通拥堵的目的。本文将信号交叉口的最大排队长度定义为某车道在一个周期中,排队尾部离交叉口最远时的排队车辆数。文章选用车牌数据估计交叉口的最大排队长度,主要研究内容如下:本文首先对基础数据进行分析和清洗。对车牌数据存在数据冗余、车辆号牌识别异常、行程时间记录错误等问题进行原因分析,并结合信号配时信息清洗原始车牌数据。在此基础上,由车牌号码匹配获得车辆行程时间,借鉴已有的算法对行程时间中存在的噪声数据进行清洗,按照行程时间变化规律补齐清洗后的缺失行程时间。然后,通过车辆平均延误划分交通状态,结合信号配时数据,将一天划分为多个时间区间。以一个时间区间为基本单位,通过高斯混合模型对区间内车辆行程时间分布进行拟合,由EM算法对模型求解。针对EM算法无法通过迭代优化模型分布个数的弊端,本文通过分析行程时间分布的特点,设置模型的分布个数;针对EM算法不能求解全局最优解的弊端,本文结合交通波的原理,为模型设置具有交通含义的初始值。利用模型求解获得的行程时间分布,构建通过行程时间分布判断车辆排队次数的模型,由统计的方式将车辆的排队次数转化为各周期的最大排队长度。最后,为了展示并检验本文所用模型的应用效果,针对案例路段进行了VISSIM仿真分析和和实地数据分析。在VISSM仿真分析中,采用行程时间检测器获取的车辆行程时间作为数据源;在真实场景中,采用电子警察获取的车牌数据和信号控制系统上载的信号配时数据作为数据源。最后通过MSE、MAE等多种指标评估不同场景、交通状态下车道组和单车道的最大排队长度估计结果,并与其他算法对比,证明本文提出的最大排队长度估计方法的有效性和实用性。