基于多源数据融合的交叉口实时交通状态估计方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113851006A(43)申请公布日2021.12.28(21)申请号202111022996.2(22)申请日2021.09.01(71)申请人中山大学地址510275广东省广州市海珠区新港西路135号(72)发明人黄玮胡洋(74)专利代理机构广州嘉权专利商标事务所有限公司44205代理人梁嘉琦(51)Int.Cl.G08G1/08(2006.01)G08G1/01(2006.01)G08G1/083(2006.01)G06K9/62(2006.01)权利要求书3页说明书14页附图7页(54)发明名称基于多源数据融合的交叉口实时交通状态估计方法及系统(57)摘要本发明公开了基于多源数据融合的交叉口实时交通状态估计方法及系统，方法包括：根据相邻交叉口间路段的几何结构特征，将路段划分为不同的元胞；根据目标影响因素对所述元胞传输模型进行优化，得到改进的元胞传输模型；所述目标影响因素包括排队消散过程、分流过程、可选择性换道和合用车道；根据所述改进的元胞传输模型建立系统模型；根据固定检测器数据和车辆轨迹数据建立测量模型；根据贝叶斯滤波框架融合所述系统模型和所述测量模型，并根据粒子滤波算法计算系统状态的后验估计；根据所述后验估计的结果，计算交通道路中各个车道组的排队长度。本发明鲁棒性好、可解释性强且适用范围广，可广泛应用于交通控制技术领域。CN113851006ACN113851006A权利要求书1/3页1.基于多源数据融合的交叉口实时交通状态估计方法，其特征在于，包括：根据相邻交叉口间路段的几何结构特征，将路段划分为不同的元胞；根据目标影响因素对所述元胞传输模型进行优化，得到改进的元胞传输模型；所述目标影响因素包括排队消散过程、分流过程、可选择性换道和合用车道；根据所述改进的元胞传输模型建立系统模型；根据固定检测器数据和车辆轨迹数据建立测量模型；根据贝叶斯滤波框架融合所述系统模型和所述测量模型，并根据粒子滤波算法计算系统状态的后验估计；根据所述后验估计的结果，计算交通道路中各个车道组的排队长度。2.根据权利要求1所述的基于多源数据融合的交叉口实时交通状态估计方法，其特征在于，所述根据相邻交叉口间路段的几何结构特征，将路段划分为不同的元胞，包括：将相邻交叉口间路段总体划分为上游混行区、过渡区和下游渠化区；沿道路中心线的水平方向将所述相邻交叉口间路段进一步划分为多个节；沿道路中心线垂直方向将过渡区和渠化区纵向划分为不同车道组；根据所述节和车道组的编号组合，确定划分得到的各个元胞。3.根据权利要求1所述的基于多源数据融合的交叉口实时交通状态估计方法，其特征在于，所述根据目标影响因素对所述元胞传输模型进行优化，得到改进的元胞传输模型，包括：根据阻塞流率，将元胞发送流量函数修正为单调递减函数，得到修正后的元胞传输模型，完成排队消散过程建模；根据最大传输流量和最小传输流量，引入阻塞因子对所述最大传输流量进行修正，并将修正后的最大传输流量和所述最小传输流量中的最大值作为元胞间的实际传输流量，以完成分流过程建模；其中，所述阻塞因子用于量化车道组空间排队相互影响的程度；计算不同元胞之间的传输流量，在过渡区根据各个元胞的剩余接受能力确定换道流量，并更新各个元胞的转向比，以完成过渡区可选择性换道建模；根据所述排队消散过程建模的结果，完成下游渠化区合用车道建模。4.根据权利要求1所述的基于多源数据融合的交叉口实时交通状态估计方法，其特征在于，所述根据所述改进的元胞传输模型建立系统模型，包括：根据所述改进的元胞传输模型，确定每一时刻所有元胞内各流向密度以及元胞密度的确定性表达式；将所有元胞内各流向密度组成为密度向量，将模型输入组成为输入向量，将模型参数组成为参数向量，其中，模型参数的变化服从随机游走策略；将所述密度向量和所述参数向量增广为状态向量；根据改进的元胞传输模型和模型参数的随机游走策略，对系统模型进行简化，获取最终系统模型。5.根据权利要求1所述的基于多源数据融合的交叉口实时交通状态估计方法，其特征在于，所述根据固定检测器数据和车辆轨迹数据建立测量模型，包括：通过固定检测器获取各车道断面每秒的流量数据作为所述固定检测器数据；获取智能网联车辆的车辆位置和速度数据作为车辆轨迹数据；2CN113851006A权利要求书2/3页根据所述固定检测器数据和所述车辆轨迹数据建立测量模型，其中，所述测量模型包括流量测量模型、速度测量模型和转向比测量模型；通过所述流量测量模型建立固定检测器实际测量流量与状态向量和输入向量之间的映射关系；通过所述速度测量模型建立车辆轨迹提供的车辆位置和速度数据与状态向量和输入向量之间的映射关系；通过所述转向比测量模型建立车辆轨迹提供的位置数据与状态向量和输入向