scoo系统的预警系统

scoo系统的预警系统

中国的智能交通研究已经开展了多年，但与发达国家相比，中国大城市的交通管理水平仍然很低。管理者只能把这些人视为被动的管理者，而不能将他们视为交通管理的参与者。交通事件自动检测技术的主要优点(至少是潜在的优点)是克服手工检测的不足,可以全天候、全程地发挥作用,并通过智能化的交通管理系统快速地提前对于可能或即将要发生拥堵的路段或路口做出判断与决策,或者能够快速地自动识别刚刚发生拥挤的路段,从而主动地防止交通拥堵现象的发展,尽可能减少不必要的交通堵塞现象,顺畅交通。1交通参数敏感性分析交通流的时间与空间的变化是通过在道路上等间距或不等间距埋设检测器,每隔一定时间间隔对交通参数进行采集完成的。究竟采用哪个或哪几个变量作为拥挤判断的交通参数,应该从多方面考虑。一般常用的检测系统根据出现交通拥挤的特点,主要采用表1所示交通参数进行度量。作为交通事件检测算法的参数,采用一个变量作为交通参数,相对多个参数而言,较为经济,但是,其可靠性较差,例如:数据遗失或失真,不同的变量在反映交通流变化时的能力是不同的,因此,应该对交通变量对交通流的敏感性进行分析。可以证明,在事件发生时,速度参数在反映交通流变化上是最敏感的,交通量次之,占有率最为不敏感。因此,当监控系统配有CCTV时,可选择速度参数,或以速度参数为主,占有率和交通量为辅助参数,以便提高事件的检测率。否则,应该以系统的可靠性为主,选择占有率为检测参数,或采用多参数来进行事件检测,不同的交通参数根据其敏感性,赋予不同的权值,进行综合评判。本文选择交通量、车流速度和道路占有率这3个参数进行判断。2车辆设备控制分配路网上个别关键交叉口或通向交叉口的进口路段,由于饱和度过高,常常出现较长的受阻车队,表明这些路口或路段的交通拥挤程度较高。降低交通拥挤程度应当作为控制目标之一,因为局部拥挤堵塞发展到一定程度,会导致多米诺现象的发生。为了尽量减少多米诺现象出现的机率,就一定要在拟定控制配时方案时,设法控制每一进口车道上的车辆受阻排队长度,使之不致回溯到上游相邻交叉口。SCOOT系统之所以把车辆检测器埋设在进口车道最上游,其中一个原因就是这个检测器位置便于检测可能危及上游交叉口的受阻车队出现。SCOOT系统根据每一个车辆检测器的车辆占有率(即:有车通过或逗留的时间占整个信号周期的比率)来确定相应进口路段的实时交通拥挤程度,以拥挤系数表示,通常把拥挤程度划分为8级,所对应的拥挤系数分别为0～7。考虑到每一进口路段的车辆检测器位置距离上游交叉口中心的距离不尽相同,上游交叉口的拥挤和阻塞对整个路网的影响作用不尽相同,所以,相同的车辆占有率,并不一定表示相同的拥挤程度,自然也就不一定要采用相同的拥挤系数,拥挤系数和车辆占有率的对应关系要根据具体环境条件逐个交叉口分别确定,并将这一套关系输入到SCOOT系统的基本数据库中。3剩余量的检测常发性拥挤是由于需求超过道路容量(超载)而产生的拥挤,从不拥挤到拥挤需要一个过程,因而,拥挤前后的交通流参数(交通量、速度和道路占有率)的变化是连续的,而偶发性拥挤是由于事件造成道路通行能力暂时下降而引起的拥挤。因而,反映拥挤前后的3个交通参数的变化呈不连续状态,并且前后的差值随事件的严重性而增大。因此,根据以上理论分析,可以很容易判别出交通拥挤的类型,即如果检测到道路上交通拥挤前后的交通流参数的变化值在一定限域内,则可以认为该交通拥挤为常发性拥挤;当变化值超过了一定的限域,则说明路上的交通呈不连续的变化,则认为发生偶发性拥挤。此外,如果在路段交通量不大的情况下发生拥挤,而此时检测到的参数值变化又在一定的限域内,则可判断该交通拥挤为偶发性拥挤而非常发性拥挤,因为,常发性拥挤发生在路上交通量达到或接近拥挤能力的时候(偶发性拥挤与常发性拥挤的判断过程见图1中的相关内容)。城市交通预警系统的事件自动检测算法判断拥挤的依据是某段路在拥挤时,车流的速度降低,道路占有率增加以及有拥挤的车流存在。另外,为提高系统的可靠性、降低误报率,并考虑到检测系统一般为检测线圈的实际情况,根据速度、占有率和交通量3个参数的不同变化,进行综合评判。在事件发生时,速度参数在反映交通流变化上是最敏感的,交通量次之,占有率最为不敏感,针对3个参数的不同特性,设计一级报警、二级报警和三级报警3个级别。一级报警,用于出行者的信息服务系统,提醒上游的驾驶员对可能发生的拥挤加以注意(减速或改线行驶),对于交通管理者,可适当调整信号控制系统,尽可能主动避免交通事件的升级;对于二级报警,供交通事件管理者准备救援手段,除了采用一级警报的措施外,还要通知交警以外相关部门准备采取行动;三级报警,不仅要采取上述措施,需要救援单位采取行动。通过以上一系列的措施,可从整体上提高该系统的性能,有利于交通事件的快速解决,并降低严重交通事件的误报率,并提高事件的检测率。接下来,是根据3个参数:交通量、速度和占有率的变化情况,进行拥挤类型的判断。发生偶发性拥挤时刻的前后交通流参数的变化是不连续的,而且前后的差值随着事件的严重性而增大。例如:如果在路段交通量不大的情况下发生了交通拥挤,而且此时检测到的参数变化值在一定的限域内,则该拥挤为偶发性拥挤而非常发性拥挤。同时,随着观测点距离事件发生位置的不同,所检测到的交通流3个参数在拥挤前后的变化有正负之分。例如:某方向车流第i个检测点(交叉口)发生偶发性拥挤,使其它同方向车流就会避开该车道,转向临近可替换车道行驶,该事件就会被其上游或下游的检测站检测到。如果是前者,就会看到占有率是增加的,而车流速度呈现下降趋势;对于后者,则车流速度是增加的,道路占有率呈现下降的趋势,所以算法中采用交通流3个参数的变化绝对值加以判断。另外,该算法在判断拥挤类型的同时,还要考虑到通过连续的采样周期(一般采样周期为30s)的检测数据,来判断拥挤的持续性,这样有利于及时采取相应的手段调整交通流,使其尽可能向预期的方向发展,形成良性循环。很显然,判断拥挤的类型有利于提高交通疏导措施的效率。具体计算过程如图1所示。各个变量的具体含义如下:t为时间;i为检测站代号;Q(i,t)为i检测站t时刻的交通量;Q(i,t-1)为i检测站t-1时刻的交通量;O(i,t)为i检测站t时刻的占有率;O(i,t-1)为i检测站t-1时刻的占有率;v(i,t)为i检测站t时刻的速度;v(i,t-1)为i检测站t-1时刻的速度;q(i,t)为i检测站t时刻的最小非拥挤状态下流量值,该计算公式采用了McMaster算法中的经验公式,其值的确定有可根据具体情况而定,同时也可随着时间的变化进行合理的修正;q(i,t-1)为i检测站t-1时刻的最小非拥挤状态下流量值;Tsu为非拥挤车速门限值;T0为非拥挤占有率门限值;Tu为非拥挤流量门限值百分比;Qs为发生拥挤前后相邻时刻流量之差门限值;Os为发生拥挤前后相邻时刻占有率之差门限值;Vs为发生拥挤前后相邻时刻速度之差门限值。4数据库的建立为了验证上述算法的可实施性与有效性,本文引入一个简化的5个灯控交叉口构成的小型交通控制区域如图2所示。各交叉口(其中交叉口1,2,3所在路段为主要干线道路,交叉口4,5所在路段为次要干线,连通交叉口2和4,3和5的路段为连接干线的支线)的已知条件分别如图2和图3以及表2所示,同时设主干线的饱和流量为1600veh/h/l,次要干线的饱和流量为1400veh/h/l,支路的饱和流量为1200veh/h/l,设计路段为双向四车道,交叉口为规则交叉口,为简化计算信号相位采用传统两相位信号设计(由于篇幅限制,所有详细的交通流量仅仅通过图3,描述了交叉口2与交叉口3之间的路段在1d内的不同时段的平均小时交通量,而所有的交叉口1d的交通流量没有通过详细的表格加以绘制)。根据以上所有已知条件,建立数据库,利用VisualC++提供的数据库接口ODBC,将计算程序与数据库联接,采用前文所阐述的计算方法。由图3可以看到,1d中比较典型的两个时段,即交通量平峰时段(11∶30～12∶00)与交通量高峰时段(16∶30～17∶00),因此采用这两个主要路段进行数据分析,得到比较鲜明的结果,即平峰时段运行正常,高峰时段处于一级常发性拥挤状态,该结果表明尽管在高峰时段没有紧急事件发生,但是由于交通流量的骤然增加,导致常发性拥挤的发生,如果在该区域内存在有个别的交叉口未处于拥挤状态,应及早进行主动诱导,以疏散该区域的交通流,防止拥挤的进一步升级或者交通事故的发生。5历史统计数据及聚类分析方法由于篇幅的限制,本文仅仅提出了预警算法及其实现方法。文中涉及到了相关门限值的确定,在具体应用