基于车辆轨迹数据的路网优化方法研究.doc

基于车辆轨迹数据的路网优化方法研究互联网技术的快速发展和网约车服务的出现,交通管理者可以收集到大量的网约车行驶轨迹数据。车辆轨迹数据为交通控制提供了更加丰富的数据源。车辆轨迹数据是通过对车辆行驶过程进行采样获得的采样点位置、时间、速度等信息,车辆轨迹数据具有范围大、实时性强、成本低的优势。本文通过对轨迹数据的分析与挖掘,提出了基于车辆轨迹数据的路网交通信号控制方法,对路网进行控制子区划分并在控制子区内实现干线协调控制,提高路网的通行效率。主要工作包括:首先,本文分析了轨迹数据的时空特性,对轨迹数据进行预处理并得到有效轨迹;采用轨迹点叠加的方式,将交叉口各相位的轨迹点分别累加到同一周期,以轨迹点的速度属性作为区分,设计了“时空累加点图”。基于时空累加点图和交叉口时距图,提出了车辆行程时间、车均停车次数、车均延误、交叉口最大排队长度和最大排队消散时间的计算方法。通过对采样轨迹点停车位置和停车时间的分析,确定了交叉口排队长度的计算方法。根据采样轨迹在交叉口的到达状态以及速度信息,建立了基于泊松过程的车辆到达率预测模型。其次,本文以车辆轨迹中连续通过相邻交叉口的车辆比率作为交叉口的关联度系数,并建立了基于交叉口关联度的控制子区划分模型。通过对轨迹数据的分析与建模计算出相应的交通控制参数,以延误和停车次数为优化目标,饱和度为约束条件,建立了信号控制周期优化模型。基于排队消散和车辆到达率的特性,提出了固定协调控制和感应协调控制的绿信比优化方法。基于对车流排队特性的分析,建立了基于排队长度的相位差优化模型。最后,本文以北京市中关村西区大规模轨迹数据为基础,通过对中关村西区56个交叉口的交通调查,得到了中关村西区路网的渠化现状、信号配时现状和机动车流量。建立了基于Synchro的实际路网模型,以通行能力、延误、停车率、排队长度为评价指标,对比优化方案与现状方案,结果表明:该优化方法降低了路网内的平均延误和排队长度,提高了路网的通行效率。