一种路段行程时间的管理控制方法
【技术领域】
[0001] 本发明涉及一种智能交通技术领域，特别是一种基于SCOOT类交通控制系统和卫 星定位系统的路段行程时间的管理控制方法。
【背景技术】
[0002] 路段行程时间是反映道路交通状态最为直观有效的交通参数，是进行交通拥挤管 理和动态路径诱导的重要基础。目前，路段行程时间的获取方法整体上可分为直接采集和 间接获取两种。其中，直接采集方法需要在每一路段的起终点布设车牌识别设施，所需的成 本太高，在实际工程中很难实现。因此，以其它交通数据为基础的间接获取方法一直是国际 交通工程领域的重要研究课题之一。
[0003] SCOOT (Split, Cycle, Offset Optimization Technique)系统，即"绿信比、信号周 期及绿灯起步时距优化技术"，是世界上最为先进的控制系统之一，我国的北京、广州、深圳 等许多大、中城市均采用该系统控制城市交通，积累了并将持续积累大量的交通数据。鉴 于SC00T优良的控制效果，国内外相关研究者又相继开发了一些与SC00T类似的交通信 号控制系统，这些系统均采用与SCOOT相似的车辆检测器布设方案以及配时优化算法，本 发明将其与SC00T系统统称为SC00T类交通信号控制系统。随着全球定位系统（Global position system, GPS)、北斗卫星导航系统（BeiDou Navigation Satellite System，BDS) 等卫星定位系统在交通领域的大范围应用，车载设备已广泛应用于出租车、物流车、公交车 等车辆调度、监控及导航等方面，同样积累了大量的数据。这两种数据源已成为城市道路中 最为重要的交通数据采集手段，利用其对行程时间进行计算，对于低成本改善交通控制、交 通诱导和交通指挥的协调性具有重要的现实意义。
[0004] 但由于SCOOT类交通控制系统以绿灯时长为时间间隔获取交通数据，而绿灯时长 又是时变的参数，从而降低了各时间间隔交通数据的可比性，使得路段行程时间获取缺乏 良好的数据基础。目前相关的研究成果还较少，且都假设SCOOT类交通控制系统车辆检测 器能够按照某种固定的采样间隔提供交通数据，甚至以目前尚无法提供的某些数据为前 提，这些假设均不符合SCOOT类交通控制系统的实际情况，或者在短期内难以通过工程手 段加以实现。
[0005] 对于卫星定位系统而言，浮动车样本量是决定路段行程时间获取效果的关键因 素，但由于系统运行成本决定了浮动车车型往往比较单一，交通流的车型构成却比较复杂， 不同类型车辆具有不同的运行特点，因此，浮动车的运行状况难以完全代表交通流的整体 状况。另外，由于树木、高大建筑以及隧道等对卫星信号的遮挡，会在一些特定地点造成GPS 检测盲区，同样会降低路段行程时间的计算效果。此外，已有研究表明，由于信号控制的影 响，车辆在交叉口附近走走停停，导致地图匹配效果不佳，进而导致路段行程时间获取效果 不佳。
【发明内容】
[0006] 本发明的目的是：提供一种路段行程时间的管理控制方法，它针对由于SCOOT类 交通控制系统数据采样间隔不一致等原因所导致的路段行程时间获取缺乏良好的数据基 础等问题，提出一种有效的基于SCOOT类交通控制系统数据的路段行程时间获取方法；针 对由于样本量以及部分区域地图匹配困难等原因所导致的路段行程时间输出效果不佳的 问题，提出一种有效的基于卫星定位系统数据的路段行程时间获取方法；基于上述两种数 据源的路段行程时间输出结果，提出一种城市道路路段行程时间融合获取方法，进一步提 高路段行程时间的输出效果。
[0007] 达到上述目的的技术方案是：一种路段行程时间的管理控制方法，它包括以下步 骤，
[0008] SOl :利用SCOOT类交通控制系统采集交通数据并进行处理，以及将处理后的交通 数据发送至融合服务器；
[0009] S02 :利用卫星定位系统采集交通数据并进行处理，以及将处理后的交通数据发送 至融合服务器；
[0010] S03 :利用所述融合服务器将所述SCOOT类交通控制系统与所述卫星定位系统所 传递至的交通数据进行融合，并生成融合输出结果；
[0011] S04:利用所述融合服务器将融合输出结果传送至交通信息发布、智能动态交通诱 导系统。
[0012] 所述步骤SOl包括以下步骤，
[0013] SOll :利用SC00T类交通控制系统对路段行程时间获取的第一空间尺度和第一时 间尺度进行确定提取；
[0014] S012:在周期时间间隔内，采集路口的交通数据，并利用通信系统将之上传至交通 信息中心的所述SC00T类交通控制系统的信息服务器，所述交通数据包括交通参数数据和 交通信号控制数据，所述交通参数数据包括交通流量、平均车速、占有率；所述交通信号控 制数据包括周期时长、绿灯时长；
[0015] S013 :利用所述SC00T类交通控制系统的信息服务器对实际交通数据进行虚拟交 通数据序列构建；
[0016] S014 :利用BP神经网络设计路段行程时间第一获取模型，生成路段行程时间的第 一输出结果，并将第一输出结果传送至所述融合服务器。
[0017] 所述步骤SOll中的第一空间尺度为连续两个停车线反向延长线之间的道路。
[0018] 所述步骤S013包括以下步骤，
[0019] SO131 :交通参数数据折算；
[0020] 所述步骤SO131包括以下步骤，
[0021] S01311 :交通流量的折算：
[0022] 设车辆均匀到达，单位时间内通过的车辆数如下公式所示：
[0024] 式中，C1 (s)与qi (s)分别为实际交通数据序列第i个时间间隔的周期和交通流量； 乐0)为单位时间内通过的车辆数；
[0025] 则交通流量从实际交通数据序列折算为虚拟交通数据序列的映射关系为： CN 105185103 A 说明书 3/10 页
[0027] 其中，qj (X)为虚拟交通数据序列第j个时间间隔的总流量A1为虚拟交通数据序 列第j个时间间隔位于实际交通数据序列第i个时间间隔的时长；η为虚拟交通数据序列 第j个时间间隔占用实际交通数据序列的个数；
[0028] S01312 :平均车速折算；
[0029] 平均车速是指车辆点速度的平均值，其从实际交通数据序列折算为虚拟交通数据 序列的映射关系为：
[0031] 其中，V](x)为虚拟交通数据序列第j个时间间隔的平均车速；V1 (S)为实际交通 数据序列第i个时间间隔的平均车速，龟(S)为单位时间内通过的车辆数A1为虚拟交通参 数数据序列第j个时间间隔位与实际交通数据序列第i个时间间隔的时长；
[0032] S01313 :占有率折算；
[0033] 占有率是指车辆占用的时间累计值与测定时间的比值，其从实际交通数据序列折 算为虚拟交通数据序列的映射关系为：
[0035] 其中，〇](x)为虚拟交通数据序列第j个时间间隔的占有率；〇1 (S)为实际交通数 据序列第i个时间间隔的占有率，t为虚拟交通参数数据序列第j个时间间隔位与实际交 通数据序列第i个时间间隔的时长；
[0036] SOl32 :交通信号控制数据折算，
[0037] 所述步骤S0132包括以下步骤，
[0038] S01321 :周期时长和绿灯时长折算，
[0039] SCOOT类交通控制系统配时参数的优化采用的是连续微量调整的方式，相邻信号 周期的绿灯时长及周期时长变化较小，周期时长和绿灯时长从实际交通数据序列折算为虚 拟交通数据序列的映射关系为：
[0042] 其中，g](x)、C?分别为虚拟交通数据序列第j个时间间隔的平均绿灯时长、平 均周期时长；gl (s)为实际交通数据序列第i个时间间隔的绿灯时长，C i (s)为实际交通数 据序列第i个周期时间间隔。
[0043] 所述步骤S014中的所述BP神经网络为一个包含隐含层的三层BP神经网络，其训 练函数采用Sigmiod函数；训练误差采用均方根误差RMSE。
[0044] 所述步骤S02包括以下步骤，
[0045] S021 :利用卫星定位系统对路段行程时间获取的第二空间尺度和第二时间尺度进 行确定提取，其第二空间尺度与第一空间尺度相一致，其第一时间尺度与第一时间尺度相 一致；
[0046] S022:在一定的采样时间间隔内，利用卫星定位系统采集车载设备的各种信息数 据，并通过通讯设备，将车载设备的各种信息数据上传至交通信息中心的卫星定位系统的 信息服务器；
[0047] S023 :利用卫星定位系统的信息服务器与GIS系统，对基本路段行程的行驶时间 以及交叉口延误时间设计第二获取模型，生成路段行程时间的第二输出结果，并将第二输 出结果传送至所述融合服务器。
[0048] 所述步骤S023包括以下步骤，