高速公路通行瓶颈识别与排队预测方法、系统及存储介质

1.本发明一般地涉及道路交通管控技术领域。更具体地，本发明涉及一种高速公路通行瓶颈识别与排队预测方法、系统及存储介质。


背景技术：

2.交通瓶颈是产生交通拥堵的重要原因。城市快速路、高速公路匝道合流区形成的静态瓶颈，以及交通事件等引发的动态瓶颈是形成常交通拥堵的主要因素。阈值法是一种广泛应用于交通瓶颈识别的方法，由于方法简单，可操作性更强，因此，采用基于利用相邻断面的速度差来确定瓶颈的位置的瓶颈阈值识别方法，是一种适用性强、结果准确的高效判别方法，有利于提升交通运行状态与交通安全水平，并为实施主动智能化交通管理与控制提供策略分析基础。
3.目前的瓶颈识别与排队预测算法只考虑了短时状况，不能反应对一段连续性的动态变化时间段内交通流状况及其对瓶颈拥堵的影响。对于瓶颈通行状况在时间维度上的动态变化缺乏有效的预测过程；传统的输入-输出流量法，缺乏考虑流入交通流到达车辆排队尾部的行驶时间的动态变化性，导致车辆排队长度预测结果的低估。传统的交通状态识别技术，不能实现连续时间段瓶颈状态的动态实时识别，瓶颈排队长度预测的准确度低，识别瓶颈位置与预测交通拥堵排队长度的精度不高，在多种复杂交通环境下缺乏适应性。


技术实现要素：

4.为了至少解决上述背景技术部分所描述的技术问题，本发明提出了一种高速公路通行瓶颈识别与排队预测方法、系统及存储介质。利用本发明的方案，考虑交通流系统自身的动态特性，通过道路内典型路段的状态监测而获得对持续时间段内交通流状态特征的捕捉，建立高速公路交通运行瓶颈的的实时识别方法，考虑车辆进入瓶颈区域的时间变化与瓶颈区域内的密度变化情况，从而较为准确地识别瓶颈位置与持续时间，克服了原有方法预测交通拥堵排队长度准确度不足的缺点。鉴于此，本发明在如下的多个方面提供解决方案。
5.本发明的第一方面提供了一种高速公路通行瓶颈识别与排队预测方法，包括；获取实时上下游交通流参数，所述交通流参数包括通行速度与流率；设定瓶颈有效性激活条件，根据所述交通流参数进行瓶颈识别；识别激活瓶颈在多个连续时间段内的持续性；根据速度变化关系识别拥堵状态与拥堵发生时刻；采用改进型的输入输出模型建立排队长度的估计方法；应用所述排队长度预测方法进行瓶颈拥堵路段排队长度预测。
6.在一个实施例中，所述获取实时上下游交通流参数，包括在一条高速公路上按设计距离连续布置n个检测器，编号分别为i＝1,2,
…
,n，每个检测器以5min为时间间隔报告道路实时通行速度与流率，时间间隔编号为t＝1,2,
…
。
7.在一个实施例中，所述瓶颈有效性激活条件，包括若检测数据满足以下所有条件，则认定该处存在拥挤现象，激活瓶颈判别：
8.x
j-xi＜4km
9.vk(t)-v
l
(t)＞0
10.vj(t)-vi(t)＞35km/h
11.vi(t)＜65km/h
12.其中xi位于xj的上游，xk，x
l
位于i、j检测器中间的位置。
13.在一个实施例中，识别激活瓶颈在多个连续时间段内的持续性，包括；若位置i在时间段t内存在速度减缓情况，定义ai(t)＝1，当满足以下条件时，判定t1到t2时间内该处为瓶颈：
[0014][0015]
定义n＝7,q＝5/7，即一个被激活的的瓶颈在连续的7个周期中至少有5个活动的瓶颈期则认定该激活瓶颈具有持续性。
[0016]
在一个实施例中，根据速度变化关系识别拥堵状态，包括；
[0017]
步骤a1、将交通数据按照速度分为以下三类，其中，v
*
为交通拥堵识别速度阈值：
[0018]
(1)v(t)＞v
*
,v(t+1)＜v
*
，在当前时间t的交通状态下的交通流率被认为是识别交通拥堵发生的交通流率；
[0019]
(2)v(t)＞v
*
,v(t+1)＞v
*
，系统能够适应当前的交通状态；
[0020]
(3)v(t)＜v
*
，交通流处于交通拥堵状态；
[0021]
步骤a2、考虑交通速度骤降是一个连续时间段内变化的过程，引入固定时间段内速度变化量作为识别交通拥堵初始时刻的新增条件，如公式所示：
[0022][0023]
其中，δv(s)＝δv(s+1)-v(s)；具体的取值由实测数据上的速度时变特性和交通拥堵发生的特性确定。
[0024]
在一个实施例中，根据速度变化关系识别拥堵发生时刻，包括；
[0025]
从检测器采集到的实时交通流数据识别交通拥堵的发生时刻，即识别车辆拥堵发生时刻；当车辆开始进入排队时刻，启动排队估计模型，并将检测器检测到的交通流数据传递实时传递给下一步中所建立的排队估计模型。
[0026]
在一个实施例中，采用改进型的输入输出模型建立排队长度的估计方法，包括；
[0027]
步骤b1、计算临界交通流密度ρ0,所述临界交通流密度ρ0通过对交通拥堵发生前交通密度进行平均得到；
[0028]
步骤b2、计算拥堵区域车辆数量差与高速公路车辆排队长度关系，所述关系通过下式得到：
[0029][0030]
其中，k0为车辆排队初始时刻对应的离散时间点；
[0031]
步骤b3、建立排队长度预测模型，所述排队长度预测模型根据时间点k时交通流由上游边界x＝0处行驶到排队尾部位置所需的凑整时间间隔数mk得到，mk的数学表达形式如
下式所示：
[0032][0033][0034]
在一个实施例中，应用所述排队长度预测方法进行瓶颈拥堵路段排队长度预测，包括；通过下式计算交通拥堵时间段内离散时间点k时车辆排队长度：
[0035][0036]
本发明的第二方面提供了一种高速公路通行瓶颈识别与排队预测系统，应用如上述任一项所述的高速公路通行瓶颈识别与排队预测方法。
[0037]
本发明的第三方面提供了一种存储介质，存储有如上述任一项所述的高速公路通行瓶颈识别与排队预测方法。
[0038]
利用本发明所提供的方案，克服了现有技术中未能考虑瓶颈持续时间内宏观交通流的变化特性以及微观车辆行驶过程中的时间动态变化因素，最终使得瓶颈识别功能未能在较长时间维度内维持工作，所预测的排队长度相比实际状况偏短的缺陷。本方案通过在已实现自动化参数提取的高速公里路段内选取测试路段，基于实时交通流数据阈值判定算法识别某时段某路段内的是否出现交通瓶颈，依据上下游检测器的速度差阈值等条件判别瓶颈是否被激活，同时在多个时间段内根据交通流状态的动态变化状况识别瓶颈的持续性。确定瓶颈有效且持续后，通过检测时间间隔内速度的动态变化量与瓶颈临界速度间的关系确定拥堵发生时间，采用考虑行驶时间动态变化性的改进输入—输出流量模型，对拥堵路段的排队长度进行预测，从而为高速公路管理者针对不同的拥堵状况选取合适的管理策略提供数据支持。通过本发明的技术方案能够提高瓶颈识别与排队长度预测的准确度，利于提升交通安全水平与通行效率。
附图说明
[0039]
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
[0040]
图1是示出根据本发明实施例的高速公路通行瓶颈识别与排队预测方法示意图；
[0041]
图2是示出根据本发明实施例的基于改进型的输入输出模型建立排队长度的估计方法。
具体实施方式
[0042]
下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域技术人员在没有做出创造性劳动前提下所获得的所
有其他实施方式，都属于本发明保护的范围。
[0043]
应当理解，本发明的权利要求、说明书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。本发明的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0044]
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施方式的目的，而并不意在限定本发明。如在本发明说明书和权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本发明说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0045]
如在本说明书和权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0046]
下面结合附图来详细描述本发明的具体实施方式。
[0047]
本发明的第一方面，提供了一种高速公路通行瓶颈识别与排队预测方法。图1是示出根据本发明实施例的高速公路通行瓶颈识别与排队预测方法示意图，包括；
[0048]
获取实时上下游交通流参数，所述交通流参数包括通行速度与流率；
[0049]
设定瓶颈有效性激活条件，根据所述交通流参数进行瓶颈识别；
[0050]
识别激活瓶颈在多个连续时间段内的持续性；
[0051]
根据速度变化关系识别拥堵状态与拥堵发生时刻；
[0052]
采用改进型的输入输出模型建立排队长度的估计方法；
[0053]
应用所述排队长度预测方法进行瓶颈拥堵路段排队长度预测。
[0054]
本发明一实施例中，为了进行高速公路通行瓶颈识别与排队预测，首先需要获取实时上下游交通流参数，所述交通流参数包括通行速度与流率。
[0055]
本发明的一优选实施例中，可在一条高速公路上按设计距离连续布置n个检测器，编号分别为i＝1,2,
…
,n。每个检测器以5min为时间间隔报告道路实时通行速度与流率，时间间隔编号为t＝1,2,
…
。检测器i位于高速公路xi公里处，即如果xi《xj，则说明i检测器位于j检测器上游。vi(t)、qi(t)分别定义为i检测器在t时间间隔内的速度、流率。按以上格式对检测数据进行整理分析。
[0056]
本发明一实施例中，获取实时上下游交通流参数后还需要设定瓶颈有效性激活条件，根据所述交通流参数进行瓶颈识别。
[0057]
本发明的一实施例中，须进行设定瓶颈判别激活条件步骤。若检测数据满足以下条件，则认定该处存在拥挤现象，激活瓶颈判别：
[0058]
x
j-xi＜4km
[0059]
vk(t)-v
l
(t)＞0
[0060]
vj(t)-vi(t)＞35km/h
[0061]
vi(t)＜65km/h
[0062]
其中xi位于xj的上游，xk，x
l
位于i、j检测器中间的位置。四个条件中的阈值可使用
速度等高线图而得到(或用百分位车速)。第一个不等式规定了识别区域的最大间隔为4km，该长度包括了速度从自由流向拥堵过渡的距离。第二个不等式规定了从上游到下游，速度必须是不断减小的。
[0063]
本发明一实施例中，须进行激活瓶颈的持续性判断步骤。上述步骤中四个不等式都被满足时，识别通行瓶颈在该检测时间内被激活，但是还需判定该处是否为持续性的瓶颈。若位置i在时间段t内存在速度减缓情况，定义ai(t)＝1。当满足以下条件时，判定t1到t2时间内该处为瓶颈：
[0064][0065]
定义n＝7,q＝5/7。即一个被激活的的瓶颈在连续的7个周期(35分钟)中至少有5个活动的瓶颈期(25分钟)则认定该激活瓶颈具有持续性。
[0066]
本发明一实施例中，须进行高速公路拥堵状态识别步骤。车辆排队现象是高速公路交通拥堵的典型表现形式，当上游交通流需求量超过下游交通瓶颈处最大通行能力的时候，交通拥堵形成，车辆排队现象出现并向上游延伸。交通状态由非拥堵状态向拥堵状态转变时，将速度作为判断指标是目前常见的一种用来识别拥堵状态的方法。包括以下步骤：
[0067]
步骤d1、将交通数据按照速度分为以下三类，其中，v
*
为交通拥堵识别速度阈值：
[0068]
(1)v(t)＞v
*
,v(t+1)＜v
*
。在当前时间t的交通状态下的交通流率被认为是识别交通拥堵发生的交通流率。
[0069]
(2)v(t)＞v
*
,v(t+1)＞v
*
。系统能够适应当前的交通状态。
[0070]
(3)v(t)＜v
*
。交通流处于交通拥堵状态。
[0071]
步骤d2、考虑交通速度骤降是一个连续时间段内变化的过程。引入固定时间段内速度变化量作为识别交通拥堵初始时刻的新增条件，如公式所示。
[0072][0073]
其中，δv(s)＝δv(s+1)-v(s)。具体的取值由实测数据上的速度时变特性和交通拥堵发生的特性确定。
[0074]
本发明一实施例中，须进行确定瓶颈拥堵排队初始时刻步骤。上一步骤中从微波检测器采集到的实时交通流数据识别交通拥堵的发生时刻，即识别车辆排队初始时刻。当车辆开始进入排队时刻，启动排队估计模型，并将检测器检测到的交通流数据传递实时传递给下一步中所建立的排队估计模型。
[0075]
本发明一实施例中，须进行采用基于改进型的输入输出模型建立排队长度的估计方法对高速公路路段拥堵排队长度进行预测步骤。请参考图2，图2是根据本发明实施例的基于改进型的输入输出模型建立排队长度的估计方法示意图。由图2所示，基于改进型的输入输出模型建立排队长度的估计方法对高速公路路段拥堵排队长度进行预测，包括以下步骤：
[0076]
步骤f1、计算临界交通流密度。假设车辆排队尾部位置上游车辆以自由流速vf行驶，在时间t＝t0的时候交通拥堵发生，即车辆开始排队，并向上游延伸。假设在时间t的时候车辆排队位置达到x＝x1处，在下一时刻，即时间t+1的时候，车辆排队位置将延伸至x＝x2的位置。车辆排队中车辆密度为排队密度ρq。在交通拥堵发生前一段时间内，高速公路横截
面在临近交通拥堵发生前的交通流密度可以近似被认为处于一种基本稳定状态。因此，ρ0可以在认为是具有固定数值的参数，其值通过对交通拥堵发生前交通密度进行平均得到。
[0077]
步骤f2、计算拥堵区域车辆数量差与高速公路车辆排队长度关系。从时间t到t+1的过程获得检测器中得到交通流变量的离散值，计算流入、流出车辆数量差qq(t)。从而得到车辆数量差与高速公路车辆排队长度的关系：
[0078][0079]
其中，k0为车辆排队初始时刻对应的离散时间点。
[0080]
步骤f3、考虑上游边界处的流入交通流到达车辆排队尾部的行驶时间的动态变化性，建立排队长度估计模型时应考虑上游边界x＝0处的流入交通流到达车辆排队尾部的行驶时间，记为t
lq
。由于上游边界x＝0处的流入交通流q(k)到达车辆排队尾部的行驶时间只能以单位时间间隔(t)的整数倍形式被引入到模型中。
[0081]
因此假设整数变量mk为时间点k时交通流由上游边界x＝0处行驶到排队尾部位置所需的凑整时间间隔数，其值等于时间点k时上游边界x＝0处的流入交通流到达车辆排队尾部的行驶时间(t
lq
(k))间间隔t的取整值，mk的数学表达形式如下式所示：
[0082][0083][0084]
步骤f4、将整数变量mk引入，实现拥堵排队长度模型对上游边界处流入交通流到达车辆排队尾部的行驶时间的考虑。下式即为交通拥堵时间段内离散时间点k时车辆排队长度：
[0085][0086]
基于图1-图2所描述的一种高速公路通行瓶颈识别与排队预测方法，本发明的第二方面还提供了一种高速公路通行瓶颈识别与排队预测系统，上述瓶颈识别与排队预测系统运行上述的高速公路通行瓶颈识别与排队预测方法。
[0087]
基于图1-图2所描述的一种高速公路通行瓶颈识别与排队预测方法，本发明的第三方面还提供了一种存储介质，存储有上述的高速公路通行瓶颈识别与排队预测方法。
[0088]
虽然本说明书已经示出和描述了本发明的多个实施方式，但对于本领域技术人员显而易见的是，这样的实施方式是仅以示例的方式提供的。本领域技术人员在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解在实践本发明的过程中，可以采用本文所描述的本发明实施方式的各种替代方案。所附权利要求书旨在限定本发明的保护范围，并因此覆盖这些权利要求范围内的模块组成、等同或替代方案。

技术特征：
1.一种高速公路通行瓶颈识别与排队预测方法，其特征在于，包括；获取实时上下游交通流参数，所述交通流参数包括通行速度与流率；设定瓶颈有效性激活条件，根据所述交通流参数进行瓶颈识别；识别激活瓶颈在多个连续时间段内的持续性；根据速度变化关系识别拥堵状态与拥堵发生时刻；采用改进型的输入输出模型建立排队长度的估计方法；应用所述排队长度预测方法进行瓶颈拥堵路段排队长度预测。2.根据权利要求1所述的高速公路通行瓶颈识别与排队预测方法，其特征在于，所述获取实时上下游交通流参数，包括在一条高速公路上按设计距离连续布置n个检测器，编号分别为i＝1,2,
…
,n，每个检测器以5min为时间间隔报告道路实时通行速度与流率，时间间隔编号为t＝1,2,
…
。3.根据权利要求2所述的高速公路通行瓶颈识别与排队预测方法，其特征在于，所述瓶颈有效性激活条件，包括若检测数据满足以下所有条件，则认定该处存在拥挤现象，激活瓶颈判别：x
j-x
i
＜4kmv
k
(t)-v
l
(t)＞0v
j
(t)-v
i
(t)＞35km/hv
i
(t)＜65km/h其中x
i
位于x
j
的上游，x
k
，x
l
位于i、j检测器中间的位置。4.根据权利要求3所述的高速公路通行瓶颈识别与排队预测方法，其特征在于，识别激活瓶颈在多个连续时间段内的持续性，包括；若位置i在时间段t内存在速度减缓情况，定义a
i
(t)＝1，当满足以下条件时，判定t1到t2时间内该处为瓶颈：定义n＝7,q＝5/7，即一个被激活的的瓶颈在连续的7个周期中至少有5个活动的瓶颈期则认定该激活瓶颈具有持续性。5.根据权利要求4所述的高速公路通行瓶颈识别与排队预测方法，其特征在于，根据速度变化关系识别拥堵状态，包括；步骤a1、将交通数据按照速度分为以下三类，其中，v
*
为交通拥堵识别速度阈值：(1)v(t)＞v
*
,v(t+1)＜v
*
，在当前时间t的交通状态下的交通流率被认为是识别交通拥堵发生的交通流率；(2)v(t)＞v
*
,v(t+1)＞v
*
，系统能够适应当前的交通状态；(3)v(t)＜v
*
，交通流处于交通拥堵状态；步骤a2、考虑交通速度骤降是一个连续时间段内变化的过程，引入固定时间段内速度变化量作为识别交通拥堵初始时刻的新增条件，如公式所示：
其中，δv(s)＝δv(s+1)-v(s)；具体的取值由实测数据上的速度时变特性和交通拥堵发生的特性确定。6.根据权利要求5所述的高速公路通行瓶颈识别与排队预测方法，其特征在于，根据速度变化关系识别拥堵发生时刻，包括；从检测器采集到的实时交通流数据识别交通拥堵的发生时刻，即识别车辆拥堵发生时刻；当车辆开始进入排队时刻，启动排队估计模型，并将检测器检测到的交通流数据传递实时传递给下一步中所建立的排队估计模型。7.根据权利要求6所述的高速公路通行瓶颈识别与排队预测方法，其特征在于，采用改进型的输入输出模型建立排队长度的估计方法，包括；步骤b1、计算临界交通流密度ρ0,所述临界交通流密度ρ0通过对交通拥堵发生前交通密度进行平均得到；步骤b2、计算拥堵区域车辆数量差与高速公路车辆排队长度关系，所述关系通过下式得到：其中，k0为车辆排队初始时刻对应的离散时间点；步骤b3、计算时间点k时交通流由上游边界x＝0处行驶到排队尾部位置所需的凑整时间间隔数m
k
，m
k
的数学表达形式如下式所示：的数学表达形式如下式所示：8.根据权利要求7所述的高速公路通行瓶颈识别与排队预测方法，其特征在于，采用改进型的输入输出模型建立排队长度的估计方法，应用所述排队长度预测方法进行瓶颈拥堵路段排队长度预测，还包括；所述改进型的输入输出模型建立排队长度的估计是通过下式计算交通拥堵时间段内离散时间点k时车辆排队长度：9.一种高速公路通行瓶颈识别与排队预测系统，其特征在于，应用如权利要求1-8任一项所述的高速公路通行瓶颈识别与排队预测方法。10.一种存储介质，其特征在于，存储有如权利要求1-8任一项所述的高速公路通行瓶颈识别与排队预测方法。

技术总结
本申请公开了一种高速公路通行瓶颈识别与排队预测方法、系统及存储介质。其中方法包括获取实时上下游交通流参数，所述交通流参数包括通行速度与流率；设定瓶颈有效性激活条件，根据所述交通流参数进行瓶颈识别；识别激活瓶颈在多个连续时间段内的持续性；根据速度变化关系识别拥堵状态与拥堵发生时刻；根据所述拥堵发生时刻建立排队长度预测方法；应用所述排队长度预测方法进行瓶颈拥堵路段排队长度预测。本申请通过以上技术方案可以准确地识别瓶颈位置与持续时间，克服了原有方法预测交通拥堵排队长度准确度不足的缺点。通拥堵排队长度准确度不足的缺点。通拥堵排队长度准确度不足的缺点。


技术研发人员：王志斌 雷伟 邱文利 许忠印 邱宇 徐铖铖 焦彦利 李海东 郑启康 李阳 石磊 李志斌 王洪涛 韩宇 许晓雷
受保护的技术使用者：河北省交通规划设计研究院有限公司 东南大学
技术研发日：2023.02.22
技术公布日：2023/6/27