一种区域路网交通状态宏观基本图的绘制方法

摘要

本发明涉及一种区域路网交通状态宏观基本图的绘制方法，包括以下步骤：1)通过SCATS线圈获取交叉口车道的流量和饱和度数据，并进行数据清洗，用以去除异常线圈数据和异常时段数据；2)使用SCATS数据计算占用率；3)对占用率进行修正；4)将一定时间段内的占用率和流量进行加权平均；5)用加权平均后的占用率及流量绘制路网交通状态宏观基本图。与现有技术相比，本发明具有基于SCATS线圈数据、实时准确等优点。

权利要求

1.一种区域路网交通状态宏观基本图的绘制方法，其特征在于，包括以下步骤：

1)通过SCATS线圈获取交叉口车道的流量和饱和度数据，并进行数据清洗，用以去除异常线圈数据和异常时段数据；

2)使用SCATS数据计算占用率，占用率OCCUPANCY的计算式为：其中，gDS为相位时长，包括绿灯时间和绿间隔时间，Ts为线圈空闲时间，nvg为车辆数，tsMF为最大流量时平均每辆车的空闲时间，DS为车道饱和度；

3)对占用率进行修正，具体为：

对以下三种情况的占用率需要进行修正，包括：

(1)当交叉口5min流量小于15，且h>0.3时，则有：其中，OCCUPANCY_NEW为修正后的占用率，OCCUPANCY_OPT为最大流量时线圈的占用率，FLOW为5min的折算流量，MF为最大流量，h为下游排队的时间占相位时间的比例；

(2)当交叉口5min流量大于15，且h>0.3时，则有：其中，DSnew为修正后的车道饱和度，m为三角形基本图中的常数，取值为3～5，KP为最大流量下单车占用的时间；

(3)当DS>0.95且k>1.3时，则有

其中，k为拥挤造成的SCATS数据换算占用率偏离理论值的程度值；

4)将一定时间段内的占用率和流量进行加权平均；

5)用加权平均后的占用率及流量绘制路网交通状态宏观基本图。

2.根据权利要求1所述的一种区域路网交通状态宏观基本图的绘制方法，其特征在于，所述的步骤1)中，判断是否属于异常线圈数据的方法具体为：当n/naspect＜0.9且n0/naspect＞0.01时，则判定为异常线圈数据并删除，其中，naspect为期望数据量，T为时段总长，ti为单个线圈第i条记录的周期时长，n为单个线圈的数据量，n0为线圈流量数据中含有不大于0的数据条数。

3.根据权利要求1所述的一种区域路网交通状态宏观基本图的绘制方法，其特征在于，所述的步骤1)中，判断是否属于异常时段数据的方法具体为：当交叉口处于空闲状态，即交叉口的5min流量小于15，并且SCATS线圈数据出现流量为

0但饱和度不为0的数据时，则被判定为异常。

4.根据权利要求1所述的一种区域路网交通状态宏观基本图的绘制方法，其特征在于，所述的步骤5)具体包括以下步骤：以5min的平均占用率为横坐标，平均流量为纵坐标，绘制散点图，即得到区域路网的宏观基本图。

5.根据权利要求4所述的一种区域路网交通状态宏观基本图的绘制方法，其特征在于，所述的宏观基本图中出现的平均流量的峰值反映当前的道路系统能够达到的最优状态，对应的平均占用率为采取区域管制的阈值。

说明书

一种区域路网交通状态宏观基本图的绘制方法

技术领域

[0001] 本发明涉及城市路网管理领域，尤其是涉及一种区域路网交通状态宏观基本图的绘制方法。

背景技术

[0002] 城市路网作为现实存在的复杂网络，优化其单个“节点”或“边”的管理方法通常不能达到优化系统的目的，有时甚至会适得其反，采用优化更大范围思路的区域交通管理政策更容易取得较好的效果。

[0003] 区域交通管理政策的实施需要相关依据作为参照，为此需要一种新的评价区域交通状态的方法。宏观基本图(Macroscopic Fundamental Diagram，下简称MFD)的出现为评价区域交通状态提供了很好的技术选择。

[0004] MFD是使用区域路网的平均流量、密度绘制的交通流基本图，其思想起源于1969年Godfrey对现实网络中MFD性质的探究，并由Geroliminis和Daganzo在2008年对稳定MFD的存在性给出了证明。MFD的实际意义是在实际交通网络可以容纳的车辆数是有限的，并且系统达到最大服务能力时的车辆数不是系统能容纳的最大车辆数，控制系统中的车辆数(平均密度)可以显著改善系统的性能，而控制标准可以通过MFD得到。

[0005] SCATS系统(Sydney Coordinated Adaptive Traffic System，悉尼自适应交通控制系统)是我国使用较为广泛的城市交通信号控制系统，在城市交通管理中具有重要作用。理论上绘制区域MFD需要路段的长度及各时段的密度、流量，但装备SCATS系统的城市一般不具备获得大规模的地面道路密度的条件，SCATS系统只有在停止线才有单检测线圈，而单线圈是得不到密度的，目前，国外虽有使用SCATS数据做MFD的实证先例，但他们要么用了额外的数据估算得到了密度，要么脱离MFD的定义，转而从MFD的稳定存在，在局部拥挤时存在“滞后回圈”现象等MFD性质出发，做出满足这类性质的图线。

发明内容

[0006] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于SCATS线圈数据、实时准确的区域路网交通状态宏观基本图的绘制方法。

[0007] 本发明的目的可以通过以下技术方案来实现：

[0008] 一种区域路网交通状态宏观基本图的绘制方法，包括以下步骤：

[0009] 1)通过SCATS线圈获取交叉口车道的流量和饱和度数据，并进行数据清洗，用以去除异常线圈数据和异常时段数据；

[0010] 2)使用SCATS数据计算占用率；

[0011] 3)对占用率进行修正；

[0012] 4)将一定时间段内的占用率和流量进行加权平均；

[0013] 5)用加权平均后的占用率及流量绘制路网交通状态宏观基本图。

[0014] 所述的步骤1)中，判断是否属于异常线圈数据的方法具体为：

[0015] 当n/naspect＜0.9且n0/naspect＞0.01时，则判定为异常线圈数据并删除，[0016]

[0017] 其中，naspect为期望数据量，T为时段总长，ti为单个线圈第i条记录的周期时长，n为单个线圈的数据量，n0为线圈流量数据中含有不大于0的数据条数。

[0018] 所述的步骤1)中，判断是否属于异常时段数据的方法具体为：

[0019] 当交叉口处于空闲状态，即交叉口的5min流量小于15，并且SCATS线圈数据出现流量为0但饱和度不为0的数据时，则被判定为异常。

[0020] 所述的步骤2)中，占用率OCCUPANCY的计算式为：

[0021]

[0022] 其中，gDS为相位时长，包括绿灯时间和绿间隔时间，Ts为线圈空闲时间，nvg为车辆数，tsMF为最大流量时平均每辆车的空闲时间，DS为车道饱和度。

[0023] 所述的步骤3)中，对以下三种情况的占用率需要进行修正，包括：

[0024] (1)当交叉口5min流量小于15，且h>0.3时，则有：

[0025]

[0026]

[0027]

[0028] 其中，OCCUPANCY_NEW为修正后的占用率，OCCUPANCY_OPT为最大流量时线圈的占用率，FLOW为5min的折算流量，MF为最大流量，h为下游排队的时间占相位时间的比例；

[0029] (2)当交叉口5min流量大于15，且h>0.3时，则有：

[0030]

[0031]

[0032] 其中，DSnew为修正后的车道饱和度，m为三角形基本图中的常数，取值为3～5，KP为最大流量下单车占用的时间；

[0033] (3)当DS>0.95且k>1.3时，则有

[0034]

[0035]

[0036] 其中，k为拥挤造成的SCATS数据换算占用率偏离理论值的程度值。

[0037] 所述的步骤5)具体包括以下步骤：

[0038] 以5min的平均占用率为横坐标，平均流量为纵坐标，绘制散点图，即得到区域路网的宏观基本图。

[0039] 所述的宏观基本图中出现的平均流量的峰值反映当前的道路系统能够达到的最优状态，对应的平均占用率为采取区域管制的阈值。

[0040] 与现有技术相比，本发明具有以下优点：

[0041] 本发明仅采用SCATS线圈采集到的数据绘制MFD，不需要额外的交通检测数据，数据获取更为简单、方便,MFD的形状可以反映区域路网的运行状况，其中的占用率可用于实时反映区域路网的交通拥挤情况，并且有明确的阈值用于判断是否需要采取管控措施，对于城市交通管理，具有很强的参考意义。

附图说明

[0042] 图1为本发明的方法流程图。

[0043] 图2为2016年6月上海市部分线圈修正前后的SCATS线圈占用率-流量图，其中，图(2a)为修正前的SCATS线圈占用率-流量图，图(2b)为修正后的SCATS线圈占用率-流量图。

[0044] 图3为2016年5月16日至2016年5月22日周一到周日的三个区域的MFD，其中，图(31a)为静安寺区域周一的MFD，图(32a)为静安寺区域周二的MFD，图(33a)为静安寺区域周三的MFD，图(34a)为静安寺区域周四的MFD，图(35a)为静安寺区域周五的MFD，图(36a)为静安寺区域周六的MFD，图(37a)为静安寺区域周日的MFD，图(31b)为人民广场区域周一的MFD，图(32b)为人民广场区域周二的MFD，图(33b)为人民广场区域周三的MFD，图(34b)为人民广场区域周四的MFD，图(35b)为人民广场区域周五的MFD，图(36b)为人民广场区域周六的MFD，图(37b)为人民广场区域周日的MFD，图(31c)为同济大学区域周一的MFD，图(32c)为同济大学区域周二的MFD，图(33c)为同济大学区域周三的MFD，图(34c)为同济大学区域周四的MFD，图(35c)为同济大学区域周五的MFD，图(36c)为同济大学区域周六的MFD，图(37c)为同济大学区域周日的MFD。

具体实施方式

[0045] 下面结合附图和具体实施例对本发明进行详细说明。

[0046] 实施例

[0047] 本方法利用SCATS数据(形式如表1所示)，提出了一种绘制区域路网交通状态宏观基本图(MFD)的方法，本发明使用SCATS数据得到的平均占有率和流量绘制MFD，对SCATS数据计算得到的占有率进行修正，可以实时反映区域路网的交通拥挤情况，并有明确的阈值用于判断是否需要采取管控措施。

[0048] 表1 SCATS数据格式

[0049]

[0050]

[0051] 如图1所示，本发明解决其技术问题所采用的技术方案包括以下步骤：

[0052] 首先，对SCATS数据进行数据清洗，包括异常线圈数据清洗及异常时段数据清洗，具体为：

[0053] (1)异常线圈数据清洗

[0054] 删除数据缺失较多或长期没有流量的线圈。数据异常严重程度的判断基于期望数据量naspect，计算公式为：

[0055]

[0056] T——研究时段总长，单位s

[0057] ti——单个线圈第i条记录的周期时长，单位s

[0058] n——单个线圈的数据量

[0059] 若线圈在研究时段存在数据缺失，那么该线圈的n/naspect将小于1；若线圈长时间流量为0，设线圈流量不大于0有n0条记录，那么n0/naspect将接近于0。取n/naspect＜0.9，n0/naspect＞0.01作为异常线圈的判断标准，删除这些线圈的数据。

[0060] (2)异常时段数据清洗

[0061] 对于流量为0、DS不为0的数据。考虑两种情况：第一种，该现象有可能是交叉口过饱和造成的；第二种，该现象是单纯的数据异常。为排除第一种情况，统计不同时段交叉口5min流量分布作为中间表,选择交叉口5min流量是否小于15作为阈值来分辨交叉口是否空闲，空闲时发生的流量为0、大于0的现象将被识别为异常。当出现流量为0、大于0且对应交叉口5min流量小于15的记录超过70条，绘制MFD时跳过该时段数据。

[0062] 接着，使用SCATS数据计算占用率，计算占用率的公式如下：

[0063]

[0064] DS——SCATS系统记录的车道饱和度(Degree of Saturation)

[0065] gDS——相位时长，单位s，包括绿灯时间和绿间隔时间(黄灯时间和全红时间之和)[0066] Ts——检测出的线圈空闲时间，单位s

[0067] nvg——检测出的车辆数

[0068] tsMF——最大流量时平均每辆车的空闲时间，可以用最大流量MF和KP值计算得到，单位s；

[0069] 再者，对部分情况下的占用率进行修正，如图2所示，具体包括：

[0070] 设定三类指标：

[0071]

[0072]

[0073]

[0074] OCCUPANCY_OPT——最大流量时线圈的占用率

[0075] h——下游排队的时间占相位时间的比例

[0076] k——拥挤造成的SCATS数据换算占用率偏离理论值的程度

[0077] tsMF——最大流量时平均每辆车的空闲时间，可以用最大流量MF和KP值计算得到，单位s

[0078] MF——最大流量，单位辆/h

[0079] FLOW——5min的折算流量，单位辆/h

[0080] 对三种情况下的占有率进行修正，得到修正后的占用率(OCCUPANCY_NEW)：

[0081] 1、对于当前交叉口5min流量小于15，同时h>0.3：

[0082]

[0083] 2、交叉口5min流量大于15，同时h>0.3：

[0084]

[0085] 其中m为三角形基本图中的常数，一般取3～5

[0086] 将DSnew重新计算占用率，即得到修正后的占用率。

[0087] 3、DS>0.95且k>1.3：

[0088]

[0089] 然后，将一定时间段的占用率和流量加权平均，为提高MFD的稳定性，将区域路网5min内计算得到的占用率及流量按相位时长加权平均；

[0090] 最后，用加权平均后的占用率及流量绘制路网交通状态宏观基本图(MFD)。

[0091] 以5min的平均占用率为横坐标，平均流量为纵坐标，绘制散点图，即得到区域路网的宏观基本图(MFD)，其中出现的流量峰值反映了当前的道路系统可以达到的最优状态，对应的平均占用率为采取区域管制的阈值。

[0092] 若以时间为横坐标，平均占用率为纵坐标，绘制折线图，可以得到一天中区域路网交通状况的变化情况。

[0093] 采用上述方法，分析上海三个区域，2016年5月16日至2016年5月22日(一周)的MFD如图3所示。