基于微波检测器的道路交叉口信号自适应控制方法研究

文章通过对目前国内外交通信号控制现状的分析,明确基于不同交通信息感知设备的自适应信号控制方法的优缺点,引出综合各检测器的特点并有明显优越性的微波检测器,通过虚拟检测线圈的设置,判断车辆离开和请求信号,在此基础上实现基于此检测器的自适应控制。并以合肥市高新区天湖路与科学大道交叉口为例,分析自适应控制前后的等待时间、延误、运行时间以及速度对比,阐明在未达到饱和状态的时间段自适应控制的优越性。

城市信号交叉口交通运行评价参数视频检测

针对交叉口排队长度和延误等交通运行评价参数很难直接被检测到的问题,本文提出了一种基于视频处理的交叉口运行评价参数的综合检测方法.该方法首先将选择性背景更新机制引入块级背景差分,并结合块级帧间差分实现快速的排队车辆检测.然后,利用虚拟平行线定位每车道排队车辆首尾端,并结合排队首尾车的跟踪与停车线处虚拟线圈的计数来检测排队车辆数,进而获得延误、停车次数等其它交通运行评价参数.实际测试结果表明,该方法能有效实现多参数的同时检测,并且能有效提高检测的准确率.与实际值比较,参数检测值平均误差小于5%,能较好地满足交叉口运行性能评价需要.

基于视频的交通流信息采集算法的研究

为了解决高速公路的交通流参数的检测过程中车辆跨道行驶、阴影和遮挡物影响而导致的车辆漏检或误检等问题,文中通过在交通视频图像中感兴趣的区域设置"T"形虚拟线圈,同时在分析了车辆通过虚拟线圈过程中YUV颜色空间中Y分量的变化趋势的基础上,设计了一种帧间差分与背景差分相结合的车辆检测算法,并在此基础上完成车速的测量。实验证明文中的算法能在一定程度上解决车辆跨道行驶时重复计数、由于车辆阴影或其他遮挡导致的车辆漏检或误检等问题。

基于车辆行驶轨迹的信号交叉口排队长度估计

为了研究如何结合移动检测数据来确定交叉口排队长度,并以此来衡量交通拥堵程度的问题,利用车辆行驶轨迹,分析了通过交叉口车辆的排队特点。根据车辆在队列中的不同排队位置,分车辆通过交叉口时所存在的A,B,C这3种位置,建立了面向延误最小的排队长度估计模型。其中,通过虚拟线圈检测器后开始减速停止在停车线前的A位置车辆排队估计模型基于基本延误模型;减速进入虚拟线圈检测区域停车的B位置车辆排队估计模型基于简化车辆跟驰模型,对可获得车辆行驶轨迹的网联车减速过程进行了重建;减速停止在虚拟线圈检测器前的C位置车辆排队估计模型基于LWR消散模型以及交通流理论算法,并利用网联车车辆行驶轨迹数据进行了加速过程的重建。在此基础上,根据不同位置车辆与队尾网联车的距离不同,对其到达率赋予不同的权重,计算总的排队长度。最后,通过图新地球地图软件投影并筛选车辆在案例交叉口的车辆行驶轨迹,利用微观交通仿真软件VISSIM对本研究的模型进行仿真验证。结果表明,排队长度估计模型与真值的最大误差为12.4%,最小为2.2%,平均误差为8.75%,方差为12.595%~2,绝对与相对误差均保持在可接受范围以内,说明基于车辆行驶轨迹的信号交叉口排队长度估计模型能够较为有效地估计城市道路交叉口的排队长度。