基于视频信息的单点瓶颈控制策略与实现方法

The implementation effect of traditional signal control technologies and mainstream systems is not good under oversaturation conditions, as the information collection method and the core algorithms in these technologies and systems are mainly applicable to under-saturation state. Meanwhile, RLRARS (Red-light-running-automated-recording-system) can accurately record the information of vehicles that passing through the virtual testing interval, and we could obtain the traffic parameters, such as traffic flow, link travel time and node OD under high saturation condition by analyzing the detection data. This project will carry out on the basis of that the video detection technology is increasing maturity and the devices are growing popularity, and the task can be divided into two parts: information extraction and utilization. The first part will focus on the method to extract the traffic parameters, especially the travel time and node OD from RLRARS, and then develop the prediction and correction models for these parameters after analyzing the spatial and temporal correlation characteristics of the video information and determining the data processing interval. Secondly, we will optimize the index for road state by significance analysis of influence factors, and advance a description method for road state evolution. Thirdly, the method to determine the bottleneck trigger threshold will be finished and the accuracy of the method will be verified by field survey data. Finally, the work will research the comprehensive optimization method, including phase sequence and timing parameters, to quickly dissipate the bottleneck with the information of traffic flow and node OD. The results of project can provide a reference method to avoid the occurance of spillover on short-link road and reduce the space-time diffusion of congestion in urban street network.

基于断面交通数据的传统信号控制技术及控制系统在信息采集与算法设计方面主要面向于未饱和交通状态，而过饱和控制方法的实践效果不佳。随着闯红灯自动记录系统等视频设备的广泛应用，使得通过深入挖掘视频信息进而提取行程时间、节点OD等区间交通参数已成为可能，可为过饱和状态下的瓶颈控制提供数据基础。本项目基于日益普及的视频检测设备与日益成熟的视频处理技术，从信息提取、信息利用两个层面入手，研究基于视频信息的断面及区间交通流数据获取方法，并依据视频信息的时空关联特性确定数据处理间隔，建立交通流参数的预测与校正模型；构建交通状态指标集，通过影响因素灵敏性分析优选视频信息下的状态表达指标，进而建立路段交通状态动态演化模型并界定瓶颈触发阈值；利用区间交通信息，从相位相序与配时参数综合优化的角度寻求快速消散单点"瓶颈"的信号控制方法。项目成果可为预防短连线排队溢流、减少交通拥堵时空扩散提供理论支撑与实现方法。

交通拥堵已成为制约我国很多大城市可持续发展的严重瓶颈，其预防与消散措施是诸多交通相关领域的研究热点。从信号控制的角度考虑，通过资源重构均衡交通流的时空分布，可以有效避免排队上溯现象的发生，保障路网交通流的运行效率。传统的信号控制系统和信号控制技术主要依靠固定检测器的断面数据和移动监测器的样本轨迹数据来提取交通流参数，实时监测并预测多维度交通状态，并针对单点瓶颈基于下游等步距调节、上游最小绿限流的思路优化信号控制方案，这种“闸门控制”的思路可以最大限度的降低拥堵路段对区域的影响，但却往往会诱发新的拥堵，造成拥堵转移。本项目旨在解决现有瓶颈控制方法的上述缺陷，基于日益普及的闯红灯自动记录系统的行程时间数据提出一套“负荷均分”的瓶颈控制方法，主要研究成果包括如下五个部分：(1) 通过行程时间的数据质量分析确定了用于交通控制的最小样本量，并从可靠性和交通状态两个维度综合优化了行程时间时间窗的计算方法；(2) 在此基础了分析了行程时间时空规律性，首次提出了虚拟周期的概念，利用虚拟周期与信号周期之间的一一对应关系和流量守恒关系，提出了车道组饱和度、交通需求的估计方法；(3) 分析了周期内的排队长度与最大延误时间的推演关系，建立了一种基于行程时间变化率的排队长度实时估计和排队上溯识别方法；为了充分利用线圈检测数据和视频数据的优势，建立了一种瓶颈状态联合判断模型，相比于基于单一源数据的方法相比，识别率提高了16%；(4) 利用节点OD信息，测算了瓶颈路段的车流来源及驶向目标，精确筛选了关键路径及关键车流，以“负荷均分”为思路建立了调节量在路径和路段两个层面的分配算法，建立了常规控制与控制之间的平滑过渡方法；(5) 基于北京市和青岛市的路网数据，完成了仿真测试和实测验证，结果表明项目提出的新方法较传统方法显著提升了区域交通流的整体运行效率，为未来的交通控制提供了一种的新的思路和方法。