一种面向智能网联道路的承载能力概率折减表征方法
技术领域
本发明涉及一种面向道路承载能力的概率折减表征方法,特别是 涉及一种面向智能网联道路的承载能力概率折减表征方法,属于智能 交通管理与控制系统技术领域。
背景技术
随着经济的快速发展,近年来,交通问题已成为世界各大城市关 注问题之一。我国主要的交通问题之一为道路承载能力的过低设计和 过度设计,造成其与实际交通量的不匹配。事实上,对于不同类型路 段,其承载能力的影响因素不同,如果将一条道路按照路段特征进行 划分,对不同路段采用相应的承载能力折减方法,折减到各路段包含 的范围上,那么就能得到整条道路的承载能力折减方法,为道路承载 能力的设计提供参考,为制定高效的交通管理控制措施提供依据,对 提高道路运行效率将具有十分重要的意义。而智能网联道路在采集数 据方面非常方便,为道路承载能力折减的计算提供基础。
发明内容
本发明的主要目的在于,克服现有技术中的不足,提供一种面向 智能网联道路的承载能力概率折减表征方法,借助智能网联道路在采 集数据方面的便利,确定面向智能网联道路的承载能力概率折减表征 方法,为道路承载能力的设计提供参考,为制定高效的交通管理控制 措施提供依据,能够提高道路运行效率,极具有产业利用价值。
为了达到上述目的,本发明所采用的技术方案是:
一种面向智能网联道路的承载能力概率折减表征方法,包括以下 步骤:
1)划分智能网联道路区段;
将智能网联道路划分为路侧停靠站区段、港湾停靠站区段、交叉 口区段、施工区段及一般区段五类,双向道路的上下行分别进行划分;
2)构建智能网联道路交通特征数据库;
于工作日高峰时段实时采集车辆交通数据,每t分钟作为一个统 计时段,记为tk时段,共调查n个tk时段,构建智能网联道路车辆交 通特征数据库,具体包括路侧停靠站、港湾停靠站区段、交叉口区段、 施工区段及一般区段交通特征数据集;
3)确定智能网联道路各区段包含范围;
对各交通特征数据集的数据进行分析,根据车辆在区段上下游换 道点的位置确定路侧停靠站区段、港湾停靠站区段、施工区段包含范 围;根据交叉口有无渐变段及渐变段范围确定交叉口区段包含范围; 其他区段则属于一般区段;
4)计算各区段承载能力折减影响时间;
根据车辆到达和离开路侧停靠站的时间,计算路侧停靠站区段的 折减影响时间;
根据车辆到达和离开港湾停靠站的时间及港湾停靠站的泊位数, 计算港湾停靠站区段的折减影响时间;
根据交叉口的信号配时方案,计算交叉口区段的折减影响时间;
根据施工区段的施工时间,计算施工区段的折减影响时间;
根据一般区段车辆运行特征,计算一般区段的折减影响时间;
5)确定不同概率下道路承载能力折减区间;
各统计时段内,将计算的各区段承载能力折减总影响时间放在不 同的时间区段内,画出时间区段占比图,确定各区段占比最高的时间 区段及其占比大小,根据该占比最及其上下游的占比大小,确定不同 概率下各区段承载能力折减区间的上、下限值,对各区段包含的路段 范围进行折减,最后得到道路的承载能力折减区间。
本发明进一步设置为:所述步骤2)中构建智能网联道路交通特 征数据库,具体为,
2-1)构建路侧停靠站区段交通特征数据集
路侧停靠站区段交通特征数据集
2-2)构建港湾停靠站区段交通特征数据集
港湾停靠站区段交通特征数据集
2-3)构建交叉口区段交通特征数据集
交叉口区段交通特征数据集
2-4)构建施工区段交通特征数据集
施工区段交通特征数据集
2-5)构建一般区段交通特征数据集
一般区段上事故的发生具有随机性,无需构建该数据集。
本发明进一步设置为:所述步骤3)中确定智能网联道路各区段 包含范围,具体为,
3-1)确定路侧停靠站区段包含范围
tk时段内,寻找车辆在该区段上、下游换道位置距该区段起点距 离的最大
3-2)确定港湾停靠站区段包含范围
tk时段内,寻找车辆在该区段上、下游换道位置距该区段起点距 离的最大
3-3)确定交叉口区段包含范围
若交叉口进口道包含渐变段,则交叉口包含的范围为
3-4)确定施工区段包含范围
tk时段内,寻找车辆在该区段上、下游换道位置距该区段起点的 距离的最大
3-5)确定一般区段包含范围
介于上述各区段之间的区段属于一般区段。
本发明进一步设置为:所述步骤4)中计算路侧停靠站区段承载 能力折减影响时间,具体为,
4-1a)换算车辆的到站和离站时间
将车辆的到站和离站时间以秒为单位进行换算,即 t(Ri)=H(Ri)×3600+M(Ri)×60+S(Ri),其中,
4-2a)判断车辆是否停靠在站
4-3a)计算路侧停靠站区段承载能力折减影响时间
tk时段内,路侧停靠站第i辆车的承载能力折减影响时间为
本发明进一步设置为:所述步骤4)中计算港湾停靠站区段承载 能力折减影响时间,具体为,
4-1b)换算车辆的到站时间和离站时间
将车辆的到站和离站时间及统计时段中的每个时刻以秒为单位 进行换算,即t(Bi)=H(Bi)×3600+M(Bi)×60+S(Bi),其中,
4-2b)判断每个时刻车辆是否在站
将tk时段的每个时刻和车辆的到站、离站时刻进行比对,
4-3b)计算每个时刻在站车辆数
ti时刻在站车辆数
4-4b)确定停靠站有无车辆排队溢出
当停靠站同时在站车辆数大于停靠站泊位数,即b(Bi)>b时,该停 靠站有车辆排队溢出;当b(Bi)≤b时,该停靠站没有车辆排队溢出;
4-5b)计算停靠站每次排队溢出时间
tk时段内,停靠站第i次排队溢出时间
4-6b)计算港湾停靠站区段折减影响时间
tk时段内,港湾停靠站区段的总折减影响时间为
本发明进一步设置为:所述步骤4)中计算交叉口区段承载能力 折减影响时间,具体为,
4-1c)计算各流向相位红灯时长
各相位显示绿灯时间为
4-2c)计算交叉口区段承载能力折减影响时间
tk时段内,该区段在一个周期内的折减影响时间为
本发明进一步设置为:所述步骤4)中计算施工区段承载能力折 减影响时间,具体为,
4-1d)判断施工区段是否仍在施工
对tk时段中的每个时刻进行判断,
4-2d)计算施工区段承载能力折减影响时间
tk时段内,施工区段的总折减影响时间为每个施工时刻之和,若 该时刻
本发明进一步设置为:所述步骤4)中计算一般区段承载能力折 减影响时间,具体为,
tk时段内,一般区段的承载能力总折减影响时间为
本发明进一步设置为:所述步骤5)中确定不同概率下道路承载 能力折减区间,具体为,
5-1)将各区段的总影响时间放入时间区段内
以t1为时间间隔划分时间区段,其中,0≤t1≤t,各时间区段分别 为[0,t1],(t1,2t1],...,共有
tk时段内,各区段共有n个总折减影响时间
5-2)确定各区段占比最高时间区段及其占比
tk时段内,各区段的时间区段包含的总影响时间个数的最大值记 为
5-3)确定占比最高时间区段上下游的总占比
tk时段内,各区段占比最高时间区段的上、下游包含的总影响时 间个数分别记为
5-4)确定各区段承载能力折减区间
tk时段内,可接受折减概率为设定的p%时,距占比最高时间区段 上游
5-5)确定道路承载能力折减区间
tk时段内,将各区段的承载能力折减区间分别折减到各区段包含 范围上,得tk时段内道路的承载能力折减区间。
与现有技术相比,本发明具有的有益效果是:
本发明提供的一种面向智能网联道路的承载能力概率折减表征 方法,将智能网联道路划分为路侧停靠站区段、港湾停靠站区段、交 叉口区段、施工区段及一般区段五类,借助实时采集的车辆交通数据, 计算不同路段的承载能力折减区间,进而计算整条道路的承载能力折 减区间,对提高道路运行效率将具有十分重要的意义。
上述内容仅是本发明技术方案的概述,为了更清楚的了解本发明 的技术手段,下面结合附图对本发明作进一步的描述。
附图说明
图1是本发明的流程图;
图2是本发明步骤1)中道路区段划分示意图;
图3是本发明步骤4)中公交停靠站单元公交车辆排队溢出情况 示意图。
具体实施方式
下面结合说明书附图,对本发明作进一步的说明。
一种面向智能网联道路的承载能力概率折减表征方法,如图1所 示,包括以下步骤:
1)划分智能网联道路区段;
将智能网联道路划分为路侧停靠站区段、港湾停靠站区段、交叉 口区段、施工区段及一般区段五类,双向道路的上下行分别进行划分。
2)构建智能网联道路交通特征数据库;
于工作日高峰时段(7:00-9:00,17:00-19:00)实时采集车辆交 通数据,每t分钟作为一个统计时段,记为tk时段,共调查n个tk时段, 构建智能网联道路车辆交通特征数据库,具体包括路侧停靠站、港湾 停靠站区段、交叉口区段、施工区段及一般区段交通特征数据集;
具体为,
2-1)构建路侧停靠站区段交通特征数据集
路侧停靠站区段交通特征数据集
2-2)构建港湾停靠站区段交通特征数据集
港湾停靠站区段交通特征数据集
2-3)构建交叉口区段交通特征数据集
交叉口区段交通特征数据集
2-4)构建施工区段交通特征数据集
施工区段交通特征数据集
2-5)构建一般区段交通特征数据集
由于一般区段上事故发生具有随机性,因此无需构建该数据集。
3)确定智能网联道路各区段包含范围;
对各数据集的数据进行分析,根据车辆在区段上下游换道点的位 置确定路侧停靠站区段、港湾停靠站区段、施工区段包含范围;根据 交叉口有无渐变段及渐变段范围确定交叉口区段包含范围;其他区段 则属于一般区段;
具体为,
3-1)确定路侧停靠站区段包含范围
tk时段内,寻找车辆在该区段上、下游换道位置距该区段起点距 离的最大
3-2)确定港湾停靠站区段包含范围
tk时段内,寻找车辆在该区段上、下游换道位置距该区段起点距 离的最大
3-3)确定交叉口区段包含范围
若交叉口进口道包含渐变段,则交叉口包含的范围为
3-4)确定施工区段包含范围
tk时段内,寻找车辆在该区段上、下游换道位置距该区段起点的 距离的最大
3-5)确定一般区段包含范围
介于上述各区段之间的区段属于一般区段。
4)计算路侧停靠站区段承载能力折减影响时间;
根据车辆到达和离开路侧停靠站的时间,计算路侧停靠站区段的 折减影响时间;
具体为,
4-1a)换算车辆的到站和离站时间
将车辆的到站和离站时间以秒为单位进行换算,即 t(Ri)=H(Ri)×3600+M(Ri)×60+S(Ri),其中,
4-2a)判断车辆是否停靠在站
4-3a)计算路侧停靠站区段承载能力折减影响时间
tk时段内,路侧停靠站第i辆车的承载能力折减影响时间为
5)计算港湾停靠站区段承载能力折减影响时间;
根据车辆到达和离开港湾停靠站的时间及港湾停靠站的泊位数, 计算港湾停靠站区段的折减影响时间;
具体为,
4-1b)换算车辆的到站时间和离站时间
将车辆的到站和离站时间及统计时段中的每个时刻以秒为单位 进行换算,即t(Bi)=H(Bi)×3600+M(Bi)×60+S(Bi),其中,
4-2b)判断每个时刻车辆是否在站
将tk时段的每个时刻和车辆的到站、离站时刻进行比对,
4-3b)计算每个时刻在站车辆数
ti时刻在站车辆数
4-4b)确定停靠站有无车辆排队溢出
当停靠站同时在站车辆数大于停靠站泊位数,即b(Bi)>b时,该停 靠站有车辆排队溢出;当b(Bi)≤b时,该停靠站没有车辆排队溢出;
4-5b)计算停靠站每次排队溢出时间
tk时段内,停靠站第i次排队溢出时间
4-6b)计算港湾停靠站区段折减影响时间
tk时段内,港湾停靠站区段的总折减影响时间为
6)计算交叉口区段承载能力折减影响时间;
根据交叉口的信号配时方案,计算交叉口区段的折减影响时间;
具体为,
4-1c)计算各流向相位红灯时长
各相位显示绿灯时间为
4-2c)计算交叉口区段承载能力折减影响时间
tk时段内,该区段在一个周期内的折减影响时间为
7)计算施工区段承载能力折减影响时间;
根据施工区段的施工时间,计算施工区段的折减影响时间;
具体为,
4-1d)判断施工区段是否仍在施工
对tk时段中的每个时刻进行判断,
4-2d)计算施工区段承载能力折减影响时间
tk时段内,施工区段的总折减影响时间为每个施工时刻之和,若 该时刻
8)计算一般区段承载能力折减影响时间;
根据一般区段车辆运行特征,计算一般区段的折减影响时间;
具体为,
tk时段内,一般区段的承载能力总折减影响时间为
9)确定不同概率下道路承载能力折减区间;
各统计时段内,将计算的各区段承载能力折减总影响时间放在不 同的时间区段内,画出时间区段占比图,确定各区段占比最高的时间 区段及其占比大小,根据该占比最及其上下游的占比大小,确定不同 概率下各区段承载能力折减区间的上、下限值,对各区段包含的路段 范围进行折减,最后得到道路的承载能力折减区间;
具体为,
5-1)将各区段的总影响时间放入时间区段内
以t1为时间间隔划分时间区段,其中,0≤t1≤t,各时间区段分别 为[0,t1],(t1,2t1],...,共有
tk时段内,各区段共有n个总折减影响时间
5-2)确定各区段占比最高时间区段及其占比
tk时段内,各区段的时间区段包含的总影响时间个数的最大值记 为
5-3)确定占比最高时间区段上下游的总占比
tk时段内,各区段占比最高时间区段的上、下游包含的总影响时 间个数分别记为
5-4)确定各区段承载能力折减区间
tk时段内,可接受折减概率为设定的p%时,距占比最高时间区段 上游
5-5)确定道路承载能力折减区间
tk时段内,将各区段的承载能力折减区间分别折减到各区段包含 范围上,得tk时段内道路的承载能力折减区间。
实施例:
通过一个实例对本发明一种面向智能网联道路的承载能力概率 折减表征方法给出进一步说明,如图2所示为智能网联道路区段划分 示意图。下面根据本发明一种面向智能网联道路的承载能力概率折减 表征方法的具体步骤,计算智能网联道路的承载能力概率折减区间。
S1:划分智能网联道路区段。
S11:如图2所示,将该道路划分为11个区段,1个交叉口区段、 2个路侧停靠站区段、2个港湾停靠站区段、1个施工区段和5个一 般区段。
S2:构建智能网联道路交通特征数据库。
于工作日高峰时段(7:00-9:00,17:00-19:00)实时采集车辆交 通数据,每15分钟作为一个统计时段,共调查80个时段,构建智能 网联道路车辆交通特征数据库,具体包括路侧停靠站、港湾停靠站区 段、交叉口区段、施工区段及一般区段交通特征数据集。
S21:借助调研数据,构建构建路侧停靠站区段交通特征数据集, 具体为,
表1
表2
S22:借助调研数据,构建港湾停靠站区段交通特征数据集,具 体为,
表3
表4
S23:借助调研数据,构建交叉口区段交通特征数据集,具体为, tc为交叉口信号周期时长,
表5
S24:借助调研数据,构建施工区段交通特征数据集,具体为,
表6
S3:确定各区段包含范围。
S31:确定路侧停靠站区段包含范围;
寻找车辆在该区段上、下游换道位置距该区段起点距离的最大
表7
S32:确定港湾停靠站区段包含范围;
寻找车辆在该区段上、下游换道位置距该区段起点距离的最大
表8
S33:确定交叉口区段包含范围;
交叉口包含的范围为
S34:确定施工区段包含范围;
寻找车辆在该区段上、下游换道位置距该区段起点的距离的最大
表9
S35:介于上述特殊区段之间的区段属于一般区段。
S4:计算路侧停靠站区段承载能力折减影响时间。
S41:如图3所示,将车辆的到站和离站时间以秒为单位进行换 算,即t(Ri)=H(Ri)×3600+M(Ri)×60+S(Ri),其中,
表10
S42:计算路侧停靠站区段承载能力折减影响时间,路侧停靠站 第i辆车的承载能力折减影响时间为
表11
S5:计算港湾停靠站区段承载能力折减影响时间。
S51:将车辆的到站和离站时间及统计时段中的每个时刻以秒为 单位进行换算,即t(Bi)=H(Bi)×3600+M(Bi)×60+S(Bi),其中,
表12
S52:计算每个时刻在站车辆数,ti时刻在站车辆数
表13
S53:计算停靠站第i次排队溢出时间
表14
S6:计算交叉口区段承载能力折减影响时间;
S61:计算各流向相位红灯时长;
各相位显示绿灯时间为
表15
S62:计算交叉口区段承载能力折减影响时间,该区段在一个周 期内的折减影响时间为
表16
S7:计算施工区段承载能力折减影响时间;
S71:对一个统计时段中的每个时刻进行判断,
表17
S72:计算一个时段内施工区段的总折减影响时间,为每个施工 时刻之和,若该时刻
表18
S8:计算一般区段承载能力折减影响时间,具体为,tk时段内, 一般区段的承载能力总折减影响时间为
S9:确定不同概率下道路承载能力折减区间;
S91:将各区段的总影响时间放入时间区段内;
以60s为时间间隔划分时间区段,各时间区段分别为[0,60], (60,120],...,共有15个时间区段;
各区段共有80个总折减影响时间
表19
S92:确定各区段占比最高时间区段及其占比;
tk时段内,各时间区段内各区段包含的总影响时间个数为
表20
S93:确定占比最高时间区段上下游的总占比;
tk时段内,各区段占比最高时间区段的上、下游包含的总影响时 间个数分别记为
表21
S94:确定各区段承载能力折减区间;
tk时段内,可接受折减概率为设定的p%时,距占比最高时间区段 上游
表22
S95:确定道路承载能力折减区间;
tk时段内,将各区段的承载能力折减区间分别折减到各区段包含 范围上,得tk时段内道路的承载能力折减区间。