基于定点检测器的路段交通状态实时评价方法

为提高交通状态判别的准确性和实用性,提出一种基于定点检测器的城市交通状态实时评判方法.考虑地磁感应线圈检测器的布设与数据采集方法,采用阈值筛选和缺失数据补偿方法对检测数据进行预处理,建立交通流平均速度和平均时间占有率的拥堵指数隶属度函数,提出了融合速度指数和占有率指数的拥堵评价指数模型.最后以烟台市二马路采集的数据对模型的实用性进行验证.实验结果表明,所建立模型可以精确、有效地对交通状态进行判别.

基于低频定点检测数据的交叉口交通状态估计

针对我国中小城市数据现状,提出了一种基于路中定点线圈低频(1/60Hz)检测数据的交叉口交通状态估计方法.该方法基于仿真数据,分析了不同环境变量组合条件下占有率、流量和交通状态的关系,并提出了基于线性拟合的交通状态分界线建立方法;又利用多元线性回归拟合出分界曲线各系数与环境变量的函数关系,用其估计一般条件下的交通状态.经过验证,本方法仿真环境和实证环境下的平均估计准确率分别达到80%和75%以上,且严重错误率均低于2.1%.

基于决策树模型的信号控制交叉口交通状态估计

为了探究城市干道信号控制交叉口交通状态与检测器数据之间的关系,以低频定点检测器(5 min集计)采集的流量、占有率、速度数据与交叉口离线信号配时方案作为特征变量,以路段平均行程速度为标签变量,基于分类回归树(CART)模型,提出了一种新的交通状态估计方法。首先,以车辆路段行程速度为评价指标,将交通状态分为畅通状态、拥挤状态与阻塞状态3类;然后,通过VISSIM软件建立微观仿真模型,采集不同周期时长、绿信比和饱和度下的64 000个样本对分类回归树模型进行了训练与验证。结果表明,训练集估计精度为84.41%,验证集估计精度为84.08%,模型总体估计精度在84%以上。不同因素对交通状态估计的影响程度不同,由大到小依次为:占有率、绿信比、检测器速度、流量、信号周期。最后,以107组微波检测数据与视频数据对模型进行试验验证。验证结果表明,拥挤状态下模型估计精度最高,为89.19%,其次为畅通状态,为75.00%,阻塞交通状态下模型估计精度最低,为63.15%,交通状态总体估计精度为75.70%。可见,分类回归树模型能够较为准确地估计城市干道信号控制交叉口交通状态,该精度能够基本满足我国中小城市交通状态估计需求。