隨著我國經(jīng)濟(jì)水平及建設(shè)進(jìn)程的不斷提高,機(jī)動車保有量也呈現(xiàn)出持續(xù)增長的趨勢。越來越多的居民將私家車作為出行的首選交通工具,導(dǎo)致城市道路汽車增多、通行能力有所下降,特別是通勤早晚高峰進(jìn)出城的車輛數(shù)目常超過道路負(fù)荷,擁堵情況不容樂觀。干線作為路網(wǎng)的脈絡(luò),承擔(dān)著城市主要交通的通行任務(wù),在城市道路中扮演著重要角色。其中,交叉口作為城市中多條干線的結(jié)點(diǎn),其交通狀況會對干線是否能夠順暢通行產(chǎn)生較大影響。干線交通信號協(xié)調(diào)控制通過將相鄰若干個交叉口以一定方式聯(lián)系起來,對整個干線系統(tǒng)實(shí)施協(xié)調(diào)控制,以實(shí)現(xiàn)降低干線延誤、提高道路通行能力的目的,是城市交通管控的重要手段。目前,信號控制系統(tǒng)主要通過感應(yīng)線圈、微波、地磁、視頻及浮動車等檢測技術(shù)采集所需交通數(shù)據(jù),實(shí)際應(yīng)用時多采用其中某種來源信息進(jìn)行分析,信號控制效果容易受到數(shù)據(jù)精度的影響。近年來數(shù)據(jù)采集、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等技術(shù)的快速發(fā)展,使得交通數(shù)據(jù)來源更加廣泛和多元,為干線協(xié)調(diào)控制的研究提供了新的思路。因此,本論文以多源交通數(shù)據(jù)為基礎(chǔ),研究了一套完整的干線交通信號動態(tài)協(xié)調(diào)控制方法。主要工作如下:（1）構(gòu)建了多源交通數(shù)據(jù)的處理方法。通過數(shù)據(jù)預(yù)處理篩選有... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：106 頁

【學(xué)位級別】：碩士

【部分圖文】：

設(shè)備編號DETECT_ID的位置示意圖

18以黃山路-天智路交叉口為例對視頻數(shù)據(jù)的提取進(jìn)行說明。如圖2-2所示，不同進(jìn)口道設(shè)置了不同編號的視頻檢測器，將采集數(shù)據(jù)表格中各進(jìn)口道對應(yīng)編號的數(shù)據(jù)篩選出來，即為該交叉口處視頻檢測器獲取的原始數(shù)據(jù)。圖2-2黃山路-天智路交叉口設(shè)備及車道編號（3）浮動車GPS數(shù)據(jù)的提取OpenITS平臺提供的數(shù)據(jù)為示范區(qū)范圍內(nèi)的出租車GPS數(shù)據(jù)，提取浮動車GPS數(shù)據(jù)時應(yīng)注意參數(shù)之間的時間與空間匹配問題。一方面，為使得浮動車數(shù)據(jù)與其他類型檢測器數(shù)據(jù)互相對應(yīng)，應(yīng)過濾出所需特定日期、指定時間段內(nèi)的數(shù)據(jù)，實(shí)現(xiàn)與微波檢測數(shù)據(jù)、視頻檢測數(shù)據(jù)在時間上的一致性。另一方面，浮動車檢測是一種動態(tài)的交通采集技術(shù)，安裝有車載GPS的車輛處于不斷移動的狀態(tài)，而本論文研究的是特定區(qū)域內(nèi)的干線協(xié)調(diào)控制，因此只需提取出研究范圍內(nèi)的出租車GPS數(shù)據(jù)即可。以典型十字交叉口為例，對GPS數(shù)據(jù)的提取方法進(jìn)行說明。由于浮動車數(shù)據(jù)回傳時刻是隨機(jī)的，多數(shù)時候數(shù)據(jù)并非是在目標(biāo)采集地點(diǎn)上傳的，為提取目標(biāo)地點(diǎn)的浮動車數(shù)據(jù)，可采用以下插值的方法估計浮動車經(jīng)過目標(biāo)地點(diǎn)的時刻[78]。

19圖2-3浮動車經(jīng)過目標(biāo)檢測點(diǎn)的時間估計假設(shè)浮動車分別在時刻1t、2t上傳了點(diǎn)1p和點(diǎn)2p的位置信息，且兩點(diǎn)距離目標(biāo)檢測點(diǎn)的距離分別為1l、2l。由于較短距離內(nèi)車輛的行駛速度波動較小，可近似認(rèn)為行駛時間與距離呈線性關(guān)系，即：1122ttlttlii=（2-1）式中：it—浮動車經(jīng)過目標(biāo)檢測點(diǎn)的估計時間；ip—目標(biāo)檢測點(diǎn)；1p(2p)—與目標(biāo)檢測點(diǎn)最鄰近的兩個浮動車回傳點(diǎn)；1t(2t)—目標(biāo)檢測點(diǎn)的鄰近浮動車回傳時間；1l(2l)—目標(biāo)檢測點(diǎn)與鄰近浮動車回傳點(diǎn)之間的距離（m）。根據(jù)上式可推導(dǎo)出浮動車經(jīng)過目標(biāo)檢測點(diǎn)的時間為：211221lltltlti++=（2-2）如下圖2-4所示，假設(shè)交叉口直行、左轉(zhuǎn)軌跡的范圍分別為TL、LL，在進(jìn)行干線交通相關(guān)研究時，學(xué)者們多將交叉口范圍取為100~200m，本論文參考有關(guān)文獻(xiàn)[79]，將轉(zhuǎn)角路緣石曲線的端點(diǎn)當(dāng)作交叉口范圍起點(diǎn)，起點(diǎn)上、下游160m定為整個研究范圍。交叉口范圍起點(diǎn)鄰近的兩個浮動車數(shù)據(jù)上傳時間分別為1t、2t，與起點(diǎn)之間的距離分別為1l、2l；交叉口范圍終點(diǎn)鄰近的兩個浮動車數(shù)據(jù)上傳時間分別為n1t、nt，與終點(diǎn)之間的距離分別為ne1,l、nel,。根據(jù)浮動車經(jīng)過目標(biāo)檢測點(diǎn)的時間估計公式，可分別求出經(jīng)過起點(diǎn)和終點(diǎn)的時間bt、et，進(jìn)而得到浮動車通過交叉口的行程時間：

【參考文獻(xiàn)】：
期刊論文
[1]適于雙周期的干道綠波信號協(xié)調(diào)控制模型[J]. 荊彬彬,徐建閩,鄢小文.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(01)
[2]基于多源浮動車數(shù)據(jù)融合的道路交通運(yùn)行評估[J]. 孫超,張紅軍,陳小鴻.  同濟(jì)大學(xué)學(xué)報(自然科學(xué)版). 2018(01)
[3]考慮多源不確定信息的路網(wǎng)交通擁堵狀態(tài)辨識方法[J]. 黃大榮,柴彥沖,趙玲,孫國璽.  自動化學(xué)報. 2018(03)
[4]基于人均延誤最小的干線協(xié)調(diào)實(shí)時控制研究[J]. 李揚(yáng),焦朋朋,劉美琪.  系統(tǒng)仿真學(xué)報. 2017(09)
[5]改進(jìn)的干線協(xié)調(diào)信號控制優(yōu)化模型[J]. 于德新,田秀娟,楊兆升,周熙陽,程澤陽.  浙江大學(xué)學(xué)報(工學(xué)版). 2017(10)
[6]基于速度波動區(qū)間的雙向綠波優(yōu)化控制方法[J]. 夏井新,陶雨濛,焦恬恬.  西南交通大學(xué)學(xué)報. 2017(04)
[7]城市交通協(xié)調(diào)控制系統(tǒng)的相位相序優(yōu)化設(shè)計[J]. 王浩,王紅彩.  中國科技論文. 2017(08)
[8]基于雙向最大綠波帶寬的通用干道協(xié)調(diào)控制數(shù)解算法[J]. 荊彬彬,鄢小文,吳煥,徐建閩.  交通運(yùn)輸系統(tǒng)工程與信息. 2017(02)
[9]基于多源數(shù)據(jù)融合的信號交叉口延誤估計研究[J]. 陳百旺,成衛(wèi).  價值工程. 2017(10)
[10]基于FCM快速路交通狀態(tài)判別加權(quán)指數(shù)研究[J]. 吳啟順,蔡曉禹,蔡明.  科學(xué)技術(shù)與工程. 2017(06)

博士論文
[1]非飽和狀態(tài)下交通信號控制優(yōu)化方法研究[D]. 田秀娟.吉林大學(xué) 2018
[2]基于多源異質(zhì)數(shù)據(jù)的高速公路交通狀態(tài)估計方法研究[D]. 何賞璐.東南大學(xué) 2017
[3]車聯(lián)網(wǎng)環(huán)境下智能交通信號控制方法研究[D]. 聶雷.武漢大學(xué) 2017
[4]城市快速路交通信息提取與協(xié)同優(yōu)化研究[D]. 丁宏飛.西南交通大學(xué) 2015
[5]基于多源數(shù)據(jù)的交通狀態(tài)監(jiān)測與預(yù)測方法研究[D]. 李琦.吉林大學(xué) 2013
[6]交通信號協(xié)調(diào)控制基礎(chǔ)理論與關(guān)鍵技術(shù)研究[D]. 盧凱.華南理工大學(xué) 2010
[7]城市交叉口信號協(xié)調(diào)控制方法研究[D]. 宋現(xiàn)敏.吉林大學(xué) 2008
[8]城市交通控制信號配時參數(shù)優(yōu)化方法研究[D]. 栗紅強(qiáng).吉林大學(xué) 2004

碩士論文
[1]過飽和狀態(tài)下干道協(xié)調(diào)信號控制方法研究[D]. 王鵬.吉林大學(xué) 2018
[2]城市短期交通流量預(yù)測[D]. 郭德.山東大學(xué) 2018
[3]基于多源檢測器的交通流數(shù)據(jù)融合方法研究[D]. 莊廣新.北京交通大學(xué) 2017
[4]城市道路干線協(xié)調(diào)控制配時優(yōu)化研究[D]. 郭宏玉.長安大學(xué) 2017
[5]基于多源信息處理技術(shù)的交通狀態(tài)判別研究[D]. 李曉璐.重慶交通大學(xué) 2017
[6]城市干線交通信號綠波協(xié)調(diào)控制算法的研究與應(yīng)用[D]. 鄭丹云.長安大學(xué) 2017
[7]城市道路干線綠波協(xié)調(diào)控制研究及效果評價[D]. 朱明浩.北京工業(yè)大學(xué) 2016
[8]基于多源數(shù)據(jù)的高速公路短時交通狀態(tài)預(yù)測方法研究[D]. 葛志鵬.東南大學(xué) 2016
[9]基于信息融合的智能交通信號燈控制系統(tǒng)研究[D]. 王鵬.沈陽工業(yè)大學(xué) 2016
[10]干線綠波交通信號控制方法研究[D]. 侯永芳.吉林大學(xué) 2015



本文編號：3295725