一种基于雷卡融合交通数据的融合交通指标集生成方法与流程

阅读：评论：0

1.本发明涉及信号控制技术领域，更具体的说是涉及一种基于雷卡融合交通数据的融合交通指标集生成方法。

背景技术：

2.目前，信号控制领域广泛应用的检测器主要包括：视频检测器、雷达检测器；视频检测器系统设置灵活，安装简单，使用方便，不破坏路面。维修时不需封闭车道，测速精度和交通量计数精度保持较高水平，可将图像连接到监控中心的监视器，直观、实时显示车速、交通量等交通流信息，但是，检测结果受到恶劣天气影响，在大雾、暴雨、雪等恶劣天气中，检测结果准确度较差，检测精度的稳定性不好。长期使用后，安装支架晃动会使摄像机位置偏移，摄像机镜头表面的积尘会使图像质量变差，这些都会导致检测精度降低，需要重新进行软件调试；雷达检测器的产品检测不受绿化带、交通护栏及其他障碍物的影响，可以检测到被遮挡的目标车辆，有很强的抗干扰性能，可以在雨、雪、雾霾、沙尘暴等各种恶劣气象条件下进行准确的检测，但是，建设、维护成本较高。对于低速运行的物体检测精度不高，无法检测到静止物体的数据。
3.因此，如何提高交通控制过程中采集信号的可靠性是本领域技术人员亟需解决的问题。

技术实现要素：

4.有鉴于此，本发明提供了一种基于雷卡融合交通数据的融合交通指标集生成方法，通过采集雷卡融合交通数据进行间接计算和交通状态指数生成，最后经过指数融合获得融合交通指标集，实现多源数据的感知互补、精细丰富的指标输出，采用融合交通指标集进行交通控制计算能够提高控制的适用性和精确性。
5.为了实现上述目的，本发明采用如下技术方案：一种基于雷卡融合交通数据的融合交通指标集生成方法，包括以下步骤：步骤1：采集雷卡融合交通数据；包括雷达数据、电警卡口数据和信控数据，其中雷达数据包括排队长度、流量、位置数据和平均车速，电警卡口数据包括流量、排队长度、位置数据、平均车速、时间数据和车牌数据；信控数据包括时段方案；步骤2：根据所述雷卡融合交通数据计算间接交通数据；间接交通数据，包括流向排队长度、流向流量、实际饱和流量、实际行程时间、自由流通行时间、流向流量比、流向绿信比、od数据等；qi为路口流向流量，i表示路口第i个流向；qj表示第i个流向的第j个车道的实际流量；m表示流向车道数；
qi为各流向实际饱和流量，为路口第i个流向流量在24小时内的最大值，即自由流状态单位时间通过的最大车流数；li为流向排队长度；lm表示第m条流向车道的车道排队长度，一般检测器检测排队长度为35-100米；m表示流向车道数；ti表示实际行程时间；t2表示行程终点时间；t1表示行程起点时间；根据位置数据和平均车速获得行程终点时间和行程起点时间；t0=(t
0.7u
,ti,0)t0表示自由流通行时间；t
0.7u
表示t0取值为全天车辆实际行程时间处于70%的行程时间；0表示降序；u表示样本数；根据时间数据和车牌数据获得od数据，直接将电警位置、时间、车牌在地图中显示生成od数据；根据时段方案获得流向绿信比；步骤3：根据所述间接交通数据进行生成计算获得交通状态指数；算法生成指标，包括流向畅通指数、流向繁忙指数、流向拥堵指数、流向效率指数等；fi为流向繁忙指数，反应早晚高峰或交通流量大时，各流向交通流繁忙程度；hi为各流向设计饱和流量；k为各流向实际饱和流量与设计饱和流量的比值，取值范围为0.8-0.95；各流向实际饱和流量和设计饱和流量根据流量获得；xi表示流向效率指数；流向效率指数的修正原则为，若li=35，xi取值范围为[3,10]；若li》35，xi取值范围为[0,10]；由于检测器安装位置的原因，所检测到的排队长度最小值就是35，此时的实际排队是在0-35之间；所以认为当l=35时，是没有实际排队的情况，此时x最小值就是3；ci为流向畅通指数；步骤4：对交通状态指数和间接交通数据进行融合计算生成融合交通指标集；综合评估指数，经过数据积累，融合计算，获得融合交通指标集，包括路口拥堵指数、路口效率指数、行程延误、路段效率指数、反溢比率、路段拥堵指数、区域热力态势、信控方案评估等指标。
[0006]
优选的，路口拥堵指数反映信控交叉口交通拥堵或畅通程度，为繁忙指数与畅通
指数的算数平均值，其中，yi为流向拥堵指数，为流向繁忙指数与流向畅通指数的算数平均值；fi为流向繁忙指数，反应早晚高峰或交通流量大时，各流向交通流繁忙程度；ci为流向畅通指数；路口拥堵指数表达式为：其中，y为路口拥堵指数；y
max1
和y
max2
分别为交叉口两条流向的各流向拥堵指数中的最大值和仅次于最大值的第二大值。
[0007]
优选的，路口效率指数，主要反映信控交叉口绿灯信号控制效率，为各流向效率指数的算数平均值；表达式为：其中，x表示路口效率指数；xi表示流向效率指数；n表示路口流向数。
[0008]
优选的，行程延误，主要指单位时间内车辆因信号控制引起的延误的平均值，主要用于评估交叉口的服务水平；表达式为：其中，rd表示行程延误；ti表示实际行程时间；t0表示自由流通行时间。
[0009]
其中，ti表示实际行程时间；t2表示行程终点时间；t1表示行程起点时间；t0=(t
0.7u
,ti,0)t0表示自由流通行时间；ti表示实际行程时间；t
0.7u
表示t0取值为全天车辆实际行程时间处于70%的行程时间；0表示降序；u表示样本数；优选的，路段效率指数为根据单位时间车流量分析的路段通行效率情况，分析综合服务水平；表达式为：其中，xr表示路段效率指数，取值范围为0-10；表示路段实际流量；qr表示路段实际饱和流量，为自由流状态单位时间通过的最大车流数。
[0010]
优选的，反溢比率主要是通过判断交叉口发生反溢现象的持续时间，评估信号控制方案在上下游路口联动控制的协调效果；通过反溢现象的发生时间、持续时间变化图，分析交通流出行特点，制定符合交通需求的反溢控制方案；表达式为：其中，rf表示反溢比率；tf表示时段或单位时间发生反溢现象的持续时间；t
t
表示时段或单位时间；设置一个排队长度的值，判断实际流向排队长度≥设定排队长度的值的
持续时间，反溢比率=持续时间/本时段时间长度。
[0011]
优选的，路段拥堵指数为根据行程时间和自由流行程时间分析路段拥堵及延误情况，分析综合服务水平；表达式为：其中，yr表示路段拥堵指数，取值范围0-10；t0表示自由流通行时间，单位为h；ti表示实际行程时间，单位为h。
[0012]
优选的，通过电警卡口数据中的位置数据、时间数据和车牌数据组成电警交通数据；可获取每辆车较为完整的出行路径，包含出行的起点、终点、出行路径、花费时长、路程长度等检测器无法采集到的信息；通过车牌可锁定为一辆车，这辆车到达各个位置的时间，位置，时间，起点，终点，路径组成车辆的od数据；根据电警交通数据进行出行期望分析，了解市民的出行习惯、路径嗜好等，实现对城市中的重要出行需求的精确完整的复现可较为准确的分析拥堵形成原因，进而推荐更加多样的交通管控措施，缓解交通拥堵问题；出行期望分析包括：区域热力态势研判分析，主要包括路口交通态势研判、路段交通态势研判、区域交通态势研判，交通流统计分析、交通流结构分析等；路口交通态势研判，包括：路口交通态势分析、路口过饱和分析、路口失衡分析、路口拥堵指数等；路段交通态势研判，包括：路段交通态势分析、路段拥堵指数、路段潮汐研判等；区域交通态势研判，包括：区域交通态势分析、区域拥堵指数等；交通流统计分析，包括：交通od数据统计、区域间出行期望分析、区域拥堵指数、区域交通态势预测等；交通流结构分析，包括：进出城车辆分析、车辆类型分布、车辆归属地分布等。
[0013]
优选的，信控方案评估，主要指交通流量与配时方案绿信比的符合程度，评估配时方案对交通流量的适应性；通过计算趋势相一致的时段占全天时段的比重，亦可判定配时方案平均符合度；表达式为：表达式为：表达式为：表达式为：
其中，qi表示路口流向流量，i表示路口第i个流向；r
qxi
表示第x时段各流向流量比；c
x
表示第x时段的周期；t
xi
表示第x时段第i流向的有效绿灯时间；r
txi
表示第x时段各流向绿信比；g
xi
表示第x时段第i流向符合度；g
x
表示第x时段配时方案符合度；n表示路口流向数；g表示配时方案平均符合度；g表示时段数；通过时段方案获得时段数，计算每个时段的流向绿信比。
[0014]
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于雷卡融合交通数据的融合交通指标集生成方法，融合雷达检测器的单断面交通数据、电警卡口的多断面交通数据，形成融合交通指标集，实现多源数据的感知互补、精细丰富的指标输出，主要应用于交通状况研判分析、信号控制优化及诊断，解决了目前普遍存在的单一检测方式难以满足协同发展需求的问题。
附图说明
[0015]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0016]
图1附图为本发明提供的的融合交通指标集生成过程结构示意图；图2附图为本发明提供的的雷卡融合设备的网络架构与数据流向示意图；图3附图为本发明提供的的路段与路口各流向小时流量及路口小时总流量示意图；图4附图为本发明提供的的路段与路口各流向小时排队长度示意图；图5附图为本发明提供的的东直行流向流量与流向效率指数对比关系示意图；图6附图为本发明提供的的路口效率指数与路口总流量对比关系示意图；图7附图为本发明提供的的东直行流向流量与流向繁忙指数对比关系示意图；图8附图为本发明提供的的东直行排队长度与流向畅通指数对比关系示意图；图9附图为本发明提供的流向繁忙指数、流向畅通指数、流向拥堵指数对比关系示意图；图10附图为本发明提供的的路口拥堵指数与路口总流量对比关系示意图。
具体实施方式
[0017]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0018]
本发明实施例公开了一种基于雷卡融合交通数据的融合交通指标集生成方法，包括以下步骤：
s1：采集雷卡融合交通数据；雷卡融合交通数据包括交通流量、排队长度、平均车速、位置数据、车头时距等单断面交通数据；也包括交通流量、排队长度、平均车速、位置数据、时间数据、车牌数据等多断面交通数据；s2：根据雷卡融合交通数据计算间接交通数据；间接交通数据，包括流向排队、路口流向流量、实际饱和流量、实际行程时间、自由流通行时间、od数据等；路口流向流量为路口流向中各车道流量的总和；路段实际流量为渠化段之后的路段对应的流向的流量；s3：根据间接交通数据进行生成计算获得交通状态指数；算法生成指标，包括流向畅通指数、流向繁忙指数、流向效率指数等；s4：对交通状态指数进行融合计算生成融合交通指标集；综合评估指数，经过数据积累，融合计算，获得融合交通指标集，包括路口拥堵指数、路口效率指数、行程延误、路段效率指数、反溢比率、路段拥堵指数、区域热力态势、信控方案评估等指标。
[0019]
s5：指标空间颗粒度，包括车道、流向、路口、路段、干线、区域等；s6：指标时间颗粒度，包括周期级、5分钟级、15分钟级、小时级、天级、周级、月级、季度级、年级等。
[0020]
为了进一步优化上述技术方案，路口拥堵指数反映信控交叉口交通拥堵或畅通程度，为繁忙指数与畅通指数的算数平均值，表达式为：其中，y为路口拥堵指数；y
max1
和y
max2
分别为交叉口两条流向的各流向拥堵指数中的最大值和仅次于最大值的第二大值；其中，yi为各流向拥堵指数，为流向繁忙指数与流向畅通指数的算数平均值；fi为流向繁忙指数，反应早晚高峰或交通流量大时，各流向交通流繁忙程度；ci为流向畅通指数；其中，qi为路口流向流量，i表示第i个流向；qi为各流向实际饱和流量，即自由流状态单位时间通过的最大车流数；hi为各流向设计饱和流量；k为各流向实际饱和流量与设计饱和流量的比值，取值0.8-0.95之间；其中，qi为各流向实际饱和流量，为路口第i个流向流量在24小时内的最大值；qi为路口流向流量；
其中，qj表示第i个流向的第j个车道的实际流量；m表示流向车道数；其中，li为流向排队长度；其中，li表示第i个流向的流向排队长度；lm表示各车道排队长度，一般检测器检测排队长度为35-100米；m表示流向车道数；为了进一步优化上述技术方案，路口信控效率指数，主要反映信控交叉口绿灯信号控制效率，为各流向效率指数的算数平均值；表达式为：其中，x表示路口信控效率指数；xi表示流向效率指数；n表示路口流向数；其中，qi为路口流向流量，i表示路口第i个流向；qi为各流向实际饱和流量，即自由流状态单位时间通过的最大车流数；hi为各流向设计饱和流量；k为各流向实际饱和流量与设计饱和流量的比值，取值0.8-0.95之间；li为流向排队长度；流向效率指数的修正原则为，若li=35，xi取值范围为[3,10]；若li》35，xi取值范围为[0,10]。
[0021]
为了进一步优化上述技术方案，行程延误，主要指单位时间内车辆因信号控制引起的延误的平均值，主要用于评估交叉口的服务水平，基于电子警察车牌识别、到达时间等数据，分析计算行程时间、平均速度等参数，通过将实际行程时间与理想条件下自由流车速的理论行程时间做比对，计算单位时间平均延误率；表达式为：其中，rd表示行程延误；ti表示实际行程时间；t0表示自由流通行时间。
[0022]
其中，ti表示实际行程时间；t2表示行程终点时间；t1表示行程起点时间；t0=(t
0.7u
,ti,0)t0表示自由流通行时间；ti表示实际行程时间；t
0.7u
表示t0取值为全天车辆实际行程时间处于70%的行程时间；0表示降序；u表示样本数；为了进一步优化上述技术方案，路段效率指数为根据单位时间车流量分析的路段通行效率情况，分析综合服务水平；表达式为：其中，xr表示路段效率指数，取值范围为0-10；表示路段实际流量；qr表示路段
实际饱和流量，为自由流状态单位时间通过的最大车流数。
[0023]
为了进一步优化上述技术方案，反溢比率主要是通过判断交叉口发生反溢现象的持续时间，评估信号控制方案在上下游路口联动控制的协调效果；反溢现象，指的是下游交叉口车辆排队蔓延至相邻的上游交叉口的交通现象，通常发生在相邻路口之间距离较近的情况；通过反溢现象的发生时间、持续时间变化图，分析交通流出行特点，制定符合交通需求的反溢控制方案；表达式为：其中，rf表示反溢比率；tf表示时段或单位时间发生反溢现象的持续时间；t
t
表示时段或单位时间。
[0024]
为了进一步优化上述技术方案，路段拥堵指数为根据行程时间和自由流行程时间分析路段拥堵及延误情况，分析综合服务水平；表达式为：其中，yr表示路段拥堵指数，取值范围0-10；t0表示自由流通行时间（即理论行程时间），单位为h；ti表示实际行程时间，单位为h；其中，ti表示实际行程时间；t2表示行程终点时间；t1表示行程起点时间；t0=(t
0.7u
,ti,0)t0表示自由流通行时间；ti表示实际行程时间；t0取值为全天车辆实际行程时间处于70%的行程时间；0表示降序；u表示样本数。
[0025]
为了进一步优化上述技术方案，通过电警交通数据，可获取每辆车较为完整的出行路径，包含出行的起点、终点、出行路径、花费时长、路程长度等检测器无法采集到的信息；根据电警交通数据进行出行期望分析，了解市民的出行习惯、路径嗜好等，实现对城市中的重要出行需求的精确完整的复现可较为准确的分析拥堵形成原因，进而推荐更加多样的交通管控措施，缓解交通拥堵问题；出行期望分析包括：区域热力态势研判分析，主要包括路口交通态势研判、路段交通态势研判、区域交通态势研判，交通流统计分析、交通流结构分析等；路口交通态势研判，包括：路口交通态势分析、路口过饱和分析、路口失衡分析、路口拥堵指数等；路段交通态势研判，包括：路段交通态势分析、路段拥堵指数、路段潮汐研判等；区域交通态势研判，包括：区域交通态势分析、区域拥堵指数等；交通流统计分析，包括：交通od数据统计、区域间出行期望分析、区域拥堵指数、区域交通态势预测等；交通流结构分析，包括：进出城车辆分析、车辆类型分布、车辆归属地分布等。
[0026]
为了进一步优化上述技术方案，信控方案评估，主要指交通流量与配时方案绿信比的符合程度，评估配时方案对交通流量的适应性；方向流量比与方向绿信比趋势一致，代表配时方案对交通流量的适应性好；方向流量比与方向绿信比的比值范围在0.8-1.2之间，判定趋势一致，配时方案对交通流量的适应性好，通过流量比与绿信比的对比曲线图，实现分时段配时方案评估，对比变化趋势不一致的时段方案，为信号方案优化的重点；通过计算趋势相一致的时段占全天时段的比重，亦可判定配时方案平均符合度；表达式为：表达式为：表达式为：表达式为：表达式为：其中，qi表示路口流向流量，i表示路口第i个流向；r
qxi
表示第x时段各流向流量比；c
x
表示第x时段的周期；t
xi
表示第x时段第i流向的有效绿灯时间；r
txi
表示第x时段各流向绿信比；g
xi
表示第x时段第i流向符合度；g
x
表示第x时段配时方案符合度；n表示路口流向数；g表示配时方案平均符合度；g表示时段数;通过时段方案获得时段数，计算每个时段的流向绿信比。
[0027]
为了进一步优化上述技术方案，根据预设指标空间颗粒度和指标时间颗粒度对融合交通指标集进行统计分析，实现信控评估四级诊断及诊断结果显示；指标空间颗粒度，包括车道、流向、路口、路段、干线、区域等；若干车道组成一个流向，若干流向计算为路口，有的指标是路口，有的是路段，若干路口和路段的指数就组成了区域的指数；指标时间颗粒度，包括周期级、5分钟级、15分钟级、小时级、天级、周级、月级、季度级、年级等；表示指标变化趋势，可以按5分钟显示，按天、按月统计查询。
[0028]
为了进一步优化上述技术方案，根据所述融合交通指标集确定指标空间颗粒度，获得交通变化趋势，进行信控评估四级诊断；基于以上雷卡融合交通指标集，实现交通信号控制评估诊断，包括路口、路段、干线、区域四级诊断，实现基于电子地图交通拥堵、缓行、畅通等态势可视化展示。
[0029]
针对路口拥堵指数、路口效率指数、行程延误、路段效率指数、反溢比率、路段拥堵指数、区域热力态势、信控方案评估等融合交通指标集，提供7*24小时指标变化趋势，及历史趋势比对，快速发现问题，定位问题路口、路段、干线、区域，针对性的解决重点问题。
[0030]
为了进一步优化上述技术方案，设定指标时间颗粒度，根据信控评估四级诊断结果进行显示和查询；诊断结果可按照时段、问题严重程度等字段查询排序，可查询单个路口诊断结果的历史变化趋势比对，通过统计分析实现评估指数实时自动排名、指标报警及记录查询、指标历史数据比对等评估诊断；评估指数实时自动排名，实现路口拥堵指数、路口效率指数、行程延误、路段效率指数、反溢比率、路段拥堵指数、区域热力态势、信控方案评估等融合交通指标集的实时自动排序，支持各时段按各交通指标排序的路口、路段、干线、区域清单列表查询，及详细指标变化趋势查询和比对；指标报警及记录查询，实现路口拥堵指数、路口效率指数、行程延误、路段效率指数、反溢比率、路段拥堵指数、区域热力态势、信控方案评估等融合交通指标自动报警，各交通指标预先设置报警阈值，当实际指标值达到设置的报警阈值时，指标自动高亮显示及闪烁报警；指标历史数据比对，实现路口拥堵指数、路口效率指数、行程延误、路段效率指数、反溢比率、路段拥堵指数、区域热力态势、信控方案评估等融合交通指标集历史数据比对，支持各指标的历史时段数据横向比对，支持各指标在不同路口、路段、干线、区域的纵向数据比对，并给出对比结论及信号优化建议。
实施例
[0031]
（1）采集雷卡融合交通数据的雷卡融合设备的网络架构与数据流向如图2所示；采集雷达数据的毫米波雷达检测器部署位置及检测区域为：毫米波雷达检测器部署于信号灯杆上，检测朝向与信号灯同向，即检测进口道停车线方向的交通情况。毫米波雷达检测器的检测区域横向大于8车道，纵向大于250m，相对于安装位置计算。
[0032]
毫米波雷达检测器的探测范围内的树木、墙壁、建筑物等的遮挡会对雷达对目标探测的连续性造成一定影响。在安装时加以规避或以适当方式对遮挡物进行处理雷达的默认探测纵向距离为30~280米，当雷达安装在5~8米的典型安装高度内时，若感兴趣区域在30~280米范围内，则建议安装俯仰角（即雷达前面板与z轴夹角）为2
°±1°
，任何情况下安装俯仰角不得大于5
°
。
[0033]
采集电警卡口数据的电子警察部署位置及检测区域为：前视摄像头可视范围包括：停车线后的第一处地面车道标线，且最远可以看清对向进口道人行横道位置。
[0034]
后视摄像头可视范围包括：停车线后的第二处地面车道标线，且最远可以看清的位置离停车线150-200米。
[0035]
基于可视范围要求，对于前视摄像头，车道标线(导流线)末端距离进口道停车线取50m，此时监视距离l2=13m，实际角度以成像结果为准。
[0036]
对于后视摄像头，监视距离为l2=27m，实际角度以成像结果为准。
[0037]
采集的雷卡融合交通数据如下表1所示，将单断面、多断面等更多交通数据，应用于信号控制，实现路口、路段全数据采集，融合计算后，实现路口、路段、以及路网交通状况
研判分析、信号控制优化及诊断，助力城市交通绿出行环境。
[0038]
表1 雷卡等检测设备采集原始数据表（2）路口效率指数和拥堵指数的数据验证选取2022.9.26某市某路段和路口视频检测器数据。原始数据为按车道获得的每5分钟流量和排队长度。为更直观表达路口效率指数、路口拥堵指数随流量、排队长度的变化趋势，已将每5分钟流量和排队长度合计为小时流量和排队长度。
[0039]
由于各流向车道数较多，已将按车道的数据，计算为按流向的流量和排队长度。流向流量为流向各车道流量的和；流向排队长度为流向各车道排队长度的最大值。时间单位为时；路段与路口各流向小时流量数据如下表2所示，流量单位为pcu。其对应的路段与路口各流向小时流量及路口小时总流量的示意图如图3所示表2路段与路口各流向小时流量采集数据中，路段与路口各流向小时排队长度数据如下表3所示，时间单位为时，
排队长度单位为米；其对应的路段与路口各流向小时排队长度线条图如图4所示。
[0040]
表3路段与路口各流向小时排队长度以东直行为例，流向效率指数计算过程，如下表4所示；流向流量与流向效率指数对比关系，如图5所示，流向效率指数与流向流量基本呈同方向变化。
[0041]
表4 东直行流向效率指数计算过程
按照相同的方法，可计算得出8个流向的流向效率指数值，并通过算数平均值计算得出路口效率指数，如表5所示。路口效率指数与路口总流量对比关系，如图6所示，路口效率指数与路口总流量基本呈大致的同方向变化。
[0042]
表5 8个流向的流向效率指数值与路口效率指数
以东直行为例，流向繁忙指数、流向畅通指数、流向拥堵指数计算过程如表6所示。东直行流向流量与流向繁忙指数对比关系如图7所示，东直行排队长度与流向畅通指数对比关系如图8所示，流向繁忙指数、流向畅通指数、流向拥堵指数对比关系如图9所示。
[0043]
表6 东直行流向繁忙指数、流向畅通指数、流向拥堵指数计算过程
按照相同的方法，可计算得出8个流向的流向拥堵指数值，并通过计算得出路口拥堵指数，如表7所示。路口拥堵指数与路口总流量对比关系，如图10所示，路口拥堵指数与路口总流量基本呈大致的同方向变化。
[0044]
表7 8个流向的流向拥堵指数值，与路口拥堵指数
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0045]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：

1.一种基于雷卡融合交通数据的融合交通指标集生成方法，其特征在于，包括以下步骤：步骤1：采集雷卡融合交通数据；步骤2：根据所述雷卡融合交通数据计算间接交通数据；步骤3：根据所述间接交通数据进行生成计算获得交通状态指数；步骤4：对交通状态指数进行融合计算生成融合交通指标集。2.根据权利要求1所述的一种基于雷卡融合交通数据的融合交通指标集生成方法，其特征在于，雷卡融合交通数据包括排队长度、流量、位置数据、平均车速、时间数据、车牌数据和时段方案；间接交通数据包括流向排队长度、路口流向流量、实际饱和流量、实际行程时间和自由流通行时间、od数据、流量流向比和流向绿信比；交通状态指数包括流向畅通指数、流向繁忙指数和流向效率指数；融合交通指标集包括路口拥堵指数、路口效率指数、行程延误、路段效率指数、反溢比率、路段拥堵指数、区域热力态势和信控方案评估。3.根据权利要求2所述的一种基于雷卡融合交通数据的融合交通指标集生成方法，其特征在于，路口拥堵指数反映信控交叉口交通拥堵或畅通程度，为繁忙指数与畅通指数的算数平均值，表达式为：其中，y为路口拥堵指数；y
max1
和y
max2
分别为交叉口各流向拥堵指数中的最大值和仅次于最大值的第二大值；其中，y
i
为各流向拥堵指数，为流向繁忙指数与流向畅通指数的算数平均值；f
i
为流向繁忙指数；c
i
为流向畅通指数；其中，q
i
为路口流向流量，i表示路口第i个流向；q
i
为各流向实际饱和流量；h
i
为各流向设计饱和流量；k为各流向实际饱和流量与设计饱和流量的比值，取值范围为0.8-0.95；0.95；其中，q
j
表示第i个流向的第j个车道对应的流向实际流量；m表示流向车道数；其中，l
i
为流向排队长度；其中，l
i
表示第i个流向的流向排队长度；l
m
表示第m条流向车道的车道排队长度。4.根据权利要求2所述的一种基于雷卡融合交通数据的融合交通指标集生成方法，其
特征在于，路口效率指数反映信控交叉口绿灯信号控制效率，为各流向效率指数的算数平均值；表达式为：其中，x表示路口效率指数；x
i
表示流向效率指数；n表示路口流向数；其中，q
i
为路口流向流量，i表示路口第i个流向；q
i
为各流向实际饱和流量；h
i
为各流向设计饱和流量；k为各流向实际饱和流量与设计饱和流量的比值；l
i
为流向排队长度；流向效率指数的修正原则为，若l
i
=35，x
i
取值范围为[3,10]；若l
i
>35，x
i
取值范围为[0,10]。5.根据权利要求2所述的一种基于雷卡融合交通数据的融合交通指标集生成方法，其特征在于，行程延误指单位时间内车辆因信号控制引起的延误的平均值；表达式为：其中，r
d
表示行程延误；t
i
表示实际行程时间；t0表示自由流通行时间；其中，t2表示行程终点时间；t1表示行程起点时间；t0=(t
0.7u
,t
i
,0)t
0.7u
表示t0取值为全天车辆实际行程时间处于70%的行程时间；0表示降序；u表示样本数。6.根据权利要求2所述的一种基于雷卡融合交通数据的融合交通指标集生成方法，其特征在于，路段效率指数为根据单位时间车流量分析的路段通行效率情况；表达式为：其中，x
r
表示路段效率指数；表示路段实际流量；q
r
表示路段实际饱和流量。7.根据权利要求2所述的一种基于雷卡融合交通数据的融合交通指标集生成方法，其特征在于，反溢比率是通过判断交叉口发生反溢现象的持续时间，评估信号控制方案在上下游路口联动控制的协调效果；表达式为：其中，r
f
表示反溢比率；t
f
表示时段或单位时间发生反溢现象的持续时间；t
t
表示时段或单位时间。8.根据权利要求2所述的一种基于雷卡融合交通数据的融合交通指标集生成方法，其特征在于，路段拥堵指数为根据行程时间和自由流通行时间获得的路段拥堵及延误程度；表达式为：
其中，y
r
表示路段拥堵指数；t0表示自由流通行时间；t
i
表示实际行程时间；其中，t2表示行程终点时间；t1表示行程起点时间；t0=(t
0.7u
,t
i
,0)t
0.7u
表示t0取值为全天车辆实际行程时间处于70%的行程时间；0表示降序；u表示样本数。9.根据权利要求2所述的一种基于雷卡融合交通数据的融合交通指标集生成方法，其特征在于，电警卡口数据中的位置数据、时间数据和车牌数据组成电警交通数据，获得每辆车的od数据，根据od数据显示区域热力态势。10.根据权利要求2所述的一种基于雷卡融合交通数据的融合交通指标集生成方法，其特征在于，信控方案评估指交通流量与配时方案绿信比的符合程度，通过计算趋势相一致的时段占全天时段的比重，判定配时方案平均符合度；表达式为：的时段占全天时段的比重，判定配时方案平均符合度；表达式为：的时段占全天时段的比重，判定配时方案平均符合度；表达式为：的时段占全天时段的比重，判定配时方案平均符合度；表达式为：的时段占全天时段的比重，判定配时方案平均符合度；表达式为：其中，q
i
表示路口流向流量，i表示路口第i个流向；r
qxi
表示第x时段各流向流量比；c
x
表示第x时段的周期；t
xi
表示第x时段第i流向的有效绿灯时间；r
txi
表示第x时段各流向绿信比；g
xi
表示第x时段第i流向符合度；g
x
表示第x时段配时方案符合度；n表示路口流向数；g表示配时方案平均符合度；g表示时段数；通过时段方案获得时段数，计算每个时段的流向绿信比。

技术总结

本发明公开了一种基于雷卡融合交通数据的融合交通指标集生成方法，通过采集雷卡融合交通数据进行间接计算和交通状态指数生成，最后经过指数融合获得融合交通指标集，实现多源数据的感知互补、精细丰富的指标输出，采用融合交通指标集进行交通控制计算能够提高控制的适用性和精确性，应用于交通状况研判分析、信号控制优化及诊断，解决了目前普遍存在的单一检测方式难以满足协同发展需求的问题。一检测方式难以满足协同发展需求的问题。一检测方式难以满足协同发展需求的问题。