[发明专利]一种不同天气条件下车道饱和流率的计算方法

摘要

本发明基于电子警察数据的车道饱和流率的计算方法为交叉口信号灯配时数据的采集处理提供了一种高效、精确的方法，为交叉口信号灯配时优化提供了良好的数据支持，不仅对提升交叉口信号配时方案的效率起了重要作用，而且对于城市交通控制实施的效果，提高整个交通系统的运行效率都具有十分重要的意义，本发明计算的车道建议车头时距、饱和流率作为信号配时确定周期的重要因素，对晴、雨、雪等天气因素进行区别对待，依据大量的历史数据对参数进行准确的数据标定，对该参数的标定充分发挥了大数据的作用，为精确的场景式信号配时提供数据依据。

主权项

一种不同天气条件下车道饱和流率的计算方法，其特征在于，包括以下步骤：S1、获取历史天气数据，查询天气表获取前n天历史天气数据，并对历史天气进行归为晴、雨、雪三类，其中按以下配置方式进行归类：1)晴：晴天、多云、阴天；2)雨：小雨、中雨、大雨；3)雪：小雪、中雪、大雪；S2、遍历历史天气数据分别获取到晴、雨、雪三组数据对应的时间，转步骤S3获取各类天气对应的过车数据，如果历史对应天气时间为空，则不进行下一步处理，计算终结；S3、根据上述晴、雨、雪三类天气时间分别查表获取晴、雨、雪三类天气条件下电子警察数据存储的过车数据；S4、将上述过车数据以车道ID为单位按时间戳排序，计算各车道的车头时距Headway＝t2‑t1，即相邻两条过车数据的时间差的绝对值，以获取晴、雨、雪三类天气条件下的车头时距；S5、将电子警察数据库的车道基础信息表中获取的车道ID，全部标记为Unvisited；S6、取步骤S5中的一个标记为Unvisited的车道ID，标记为visited，并进入下一步骤；S7、将步骤S6中标记为visited的车道ID对应的车头时距数据按天气晴雨雪分组，上述分组后的车头时距数据设有三组，三组项下的车头时距数据用(x1，x2，…，xn)来标记，(x1，x2，…，xn)指分别在天气晴雨雪的条件下该车道在步骤S1的前n天内的车头时距数据，按步骤S4的时间戳排序，并据此计算天气晴雨雪条件下的(x1，x2，…，xn)各自的平均值M和方差S2、标准差S：M=x1+x2+...+xnn,]]>S2=(x1-M)2+(x2-M)2+...+(xn-M)2n;]]>S8、根据步骤S7的计算结果，如果M>2，且S≥0.5，则取max[(xn‑M)2]，剔除xn，转到步骤S7继续计算，如果M≥2，且S<0.5，则转步骤S9，如果M<2，则不处理，计算终结；S9、步骤S8中的M≥2，且S<0.5，则此处获得的即为迭代后最优的M也即建议车头时距，据此计算出计算车道的饱和流率Si＝3600/M。S10、根据步骤S9计算完步骤S7标记为visited的车道的饱和流率后，转步骤S6继续选取一个车道ID标记为visited并计算其饱和流率直至所有车道ID标记为visited，并将相应数据保存在对应的数据库中，此后转入步骤S11终结计算流程；S11、计算终结。