基于轨迹数据的信号控制交叉口内部清空交通状态计算方法与流程

本发明涉及交通监管，具体涉及基于轨迹数据的信号控制交叉口内部清空交通状态计算方法。

背景技术：

1、信号控制交叉口内部由于相位绿灯间隔时间设置不合理或其他交通事件等因素影响，其内部经常出现非清空交通状态。非清空交通状态发生时，如果不能实时计算识别出来进行交通管理和控制方面的处理，交叉口内部很容易出现交通锁死状态，严重时会导致路网片区交通瘫痪。

2、现有技术下，王力等人对整个交叉口交通状态提出了综合判别方法，将交叉口分解为内部和外部并分别建立状态判别模型；羊钊等人基于冲击波理论分析车辆排队的形成消散过程，分析如何确定冲击波检测器的布设位置，在此基础上提出最大广义排队长度计算模型并通过该排队长度识别整个交叉口是否存在交通溢流及拥堵状态；izadpanah等人提出了一种基于轨迹的冲击波检测模型，识别网联车形成波与行驶轨迹的交点，使用线性回归模型来估计交叉口排队长度；ban等人利用虚拟线圈检测器，使用从移动检测器收集的交叉口行程时间来估计信号交叉口的实时队列长度；姚佼等人利用车辆行驶轨迹，分析了通过交叉口车辆的排队特点并根据车辆在队列中的不同排队位置，建立了面向延误最小的排队长度估计模型；王忠宇等人以传统经典交通模型为基础，结合多源检测数据，提出了新的信号控制交叉口排队长度估算方法。

3、已有的交叉口交通状态计算主要聚焦于排队长度等交通特征参数，交叉口内部交通状态计算研究都是以布设固定检测器为基础，通过冲突交通流到达检测器所在位置的时间与绿间隔时间的关系来计算交叉口内部交通状态情况，但由于检测器位置固定且车流强随机性导致了这种计算方法精准度不高、普适性也不强。

技术实现思路

1、本发明的目的在于提供一种基于轨迹数据的信号控制交叉口内部清空交通状态计算方法，以解决上述现有技术的不足。

2、为实现上述目的，本发明采用如下技术方案：

3、基于轨迹数据的信号控制交叉口内部清空交通状态计算方法，所述交叉口内部为十字路口以停车线为分界的内部区域，所述计算方法具体包括以下步骤：

4、s1、在十字路口某一行驶方向的两个车道入口处分别布设毫米波雷达，并配置边缘计算设备；

5、s2、通过毫米波雷达监测车辆目标的运动状态，并根据卡尔曼滤波预测车辆目标的运动状态，得到车辆目标的行驶轨迹；

6、s3、基于车辆目标的行驶轨迹计算当前相位绿灯结束时刻末尾车辆和相邻转接相位绿灯开启时刻第一辆车在交叉口内部的冲突位置，并计算相冲突车辆到达冲突位置的时间，以及与绿间隔时间之间的关系共同计算交叉口内部清空交通状态情况。

7、进一步地，所述毫米波雷达设置在十字路口行驶方向的两个车道入口处的交通信号杆件上。

8、进一步地，所述边缘计算设备配置有用于获取车辆目标运动状态的测量模型和预测模型以及卡尔曼滤波算法，所述步骤s2具体通过以下方法实现：

9、s21、通过测量模型得到车辆目标的当前时刻状态，并通过预测模型得到车辆目标的预测状态；

10、用于车辆目标状态预测的计算公式为：

11、xk＝fkxk-1+ωk        (1)

12、用于车辆目标状态测量的计算公式为：

13、zk＝hkxk-1+σk        (2)

14、公式(1)、(2)中：xk-1为车辆目标的当前时刻状态，xk为车辆目标在下一时刻的预测状态，fk为卡尔曼滤波状态转移矩阵，ωk为预测模型系统中的噪声，zk为下一时刻车辆目标的测量状态，hk为测量转移矩阵，σk为测量模型中的噪声；

15、s22、引入满足高斯分布的协方差矩阵消除预测过程中由于模型噪声所造成的误差，对车辆目标的预测状态进行修正；

16、所述协方差矩阵计算公式为：

17、

18、s23、更新车辆目标状态，使用卡尔曼增益系数作为权重，通过卡尔曼增益系数在预测值和测量值中取得最优解，该最优解作为车辆目标状态的最优估计值；

19、所述卡尔曼滤波增益系数计算公式为：

20、

21、车辆目标状态的最优估计值计算公式为：

22、x′k＝xk+kk(zk-hkxk)         (5)

23、s24、对协方差矩阵进行更新；

24、更新后的协方差矩阵计算公式为：

25、p′k＝pk-xkhkpk      (6)

26、公式(3)、(4)、(5)、(6)中，pk为下一时刻协方差矩阵，pk-1为当前时刻协方差矩阵，表示对卡尔曼滤波状态转移矩阵的转置操作，qk为协方差预测时干扰噪声，表示对测量转移矩阵的转置操作，kk为卡尔曼增益系数，rk为传感器噪声；x′k为最优估计值，p′k为更新的协方差矩阵；

27、s24、保存最优估计值x′k和更新后的协方差矩阵p′k，重复上述步骤s21至s24进行迭代更新，得到车辆目标的行驶轨迹。

28、进一步地，所述步骤s3具体通过以下方法实现：

29、s31、分别以两个毫米波雷达正下方所在位置为原点建立坐标系o1(x1，y1)和o3(x3，y3)，并以所述交叉口中心位置为原点建立坐标系o2(x2，y2)；

30、s32、基于毫米波雷达监测到的车辆目标的状态数据通过网络上传至边缘计算设备，由边缘计算设备将坐标系o1和o3的数据统一转换为坐标系o2的数据；

31、将坐标系o1的坐标(x1，y1)转换为坐标系o2的坐标(x2，y2)：

32、x2＝x1--l(x，12)                           (7)

33、y2＝y1-l(y，12)                           (8)

34、将坐标系o3的坐标(x3，y3)转换为坐标系o2的坐标(x2，y2)：

35、x2＝x3-l(x，23)                           (9)

36、y2＝y3-l(y，23)                          (10)

37、公式(7)、(8)、(9)和(10)中：l(x，12)为坐标系o1与o2的原点在横坐标上的间距；l(x，23)为坐标系o3与系o2的原点在横坐标上的间距；

38、s33、计算冲突点的坐标p(xp，yp)；

39、

40、

41、上式中，为轨迹s1的第n个点的坐标，为轨迹s2的第n个点的坐标，n为大于0的自然数。

42、s34、假定t1为尾车从坐标点行驶到坐标p(xp，yp)的时间，为车辆行驶到坐标点坐标点位置的时间点，为车辆行驶到p(xp，yp)坐标点位置的时间点，t1的计算公式为：

43、

44、假定t2为头车从坐标点行驶到坐标p(xp，yp)的时间，为车辆行驶到坐标点位置的时间点，为车辆行驶到p(xp，yp)坐标点位置的时间点，t2计算公式为：

45、

46、交叉口内部清空交通状态计算公式为：

47、

48、上式中，tsin为交叉口内部清空交通状态情况，gi为绿间隔时间，包括黄灯时间和红灯时间总和。如果tsin≤1，说明尾车在绿间隔时间结束之前已经通过了冲突点，交叉口内部交通为清空状态。

49、如果tsin>1，则使用以下公式继续计算交叉口内部车辆清空状态情况：

50、

51、如果tsin＜1，交叉口内部交通为清空状态；如果tsin≥1，则交叉口内部交通为非清空状态。

52、由以上技术方案可知，本发明旨在通过交叉口内部车辆目标的行驶轨迹实时感知，精准计算冲突交通流在交叉口内部冲突的位置及到达该位置的时间，并以到达时间与相位绿间隔时间的比例关系来计算识别交叉口内部清空交通状态情况；基于轨迹数据的信号控制交叉口内部清空交通状态计算方法精准度高、普适性强，可为绿间隔时间优化及其他交通管理控制措施提供强有力的数据支撑，对于减少交叉口内部出现交通拥堵甚至交通锁死等交通事件有非常重要的实际意义。