广西师范大学学报（自然科学版） ›› 2023, Vol. 41 ›› Issue (2): 49-57.doi: 10.16088/j.issn.1001-6600.2022032504

• 研究论文 • 上一篇    下一篇

城市快速路路段行程时间估计方法

张伟健1, 邴其春1*, 沈富鑫1, 胡嫣然1, 高鹏2   

  1. 1.青岛理工大学 机械与汽车工程学院,山东 青岛 266520;
    2.青岛市交通运输公共服务中心,山东 青岛 266100
  • 收稿日期:2022-03-25 修回日期:2022-04-29 出版日期:2023-03-25 发布日期:2023-04-25
  • 通讯作者: 邴其春(1989—),男,山东即墨人,青岛理工大学副教授,博士。E-mail:bingqichun@163.com
  • 基金资助:
    山东省重点研发计划项目(2019GGX101038);山东省自然科学基金(ZR2019MG012)

Travel Time Estimation Method of Urban Expressway Section

ZHANG Weijian1, BING Qichun1*, SHEN Fuxin1, HU Yanran1, GAO Peng2   

  1. 1. School of Mechanical and Automotive Engineering, Qingdao University of Technology, Qingdao Shandong 266520, China;
    2. Qingdao Transportation Public Service Center, Qingdao Shandong 266100, China
  • Received:2022-03-25 Revised:2022-04-29 Online:2023-03-25 Published:2023-04-25

PDF (PC)

30

摘要： 为有效提高城市快速路路段行程时间估计精度,本文提出一种基于自适应滤波和网格虚拟车的行程时间估计方法。首先,利用自适应平滑滤波插值获得固定检测器之间的速度数据,实现固定检测器之间的时空速度场重构。然后将重构的速度场细分为若干网格单元,通过计算虚拟车在重构时空速度场的虚拟轨迹估计路段行程时间。最后,选取城市快速路感应线圈实测数据进行实例验证。实验结果表明,本文方法在自由流、平稳流和拥堵流3个运行时段下,均方根误差分别为0.15、0.35和1.06,平均相对误差均低于10%,具有较高的估计精度。

关键词: 交通工程, 行程时间估计, 自适应平滑滤波, 速度场重构, 网格虚拟车

Abstract: In order to effectively improve the travel time estimation accuracy of urban expressway sections, this paper presents a travel time estimation method based on adaptive filtering and grid virtual vehicle. The velocity data between fixed detectors are obtained by adaptive smoothing filter interpolation, and the spatiotemporal velocity field between fixed detectors is reconstructed. Then the reconstructed velocity field is subdivided into several grid elements. The road travel time is estimated by calculating the virtual trajectory of the virtual vehicle in the reconstructed space-time velocity field. Finally, the measured data of induction coil on urban expressway are selected for example verification.The experimental results show that the root mean square error of this method is 0.15, 0.35 and 1.06, respectively, and the average relative error is less than 10%, so it has high estimation accuracy.

Key words: traffic engineering, travel time estimation, adaptive smoothing filter, velocity field reconstruction, grid virtual car

中图分类号: 

  • U491
[1] 罗小芹. 城市道路行程时间特性分析及估计[D]. 杭州: 浙江大学, 2020.
[2] 钟绍鹏, 何璟, 朱康丽, 等. 基于建成环境和低频浮动车数据的路段行程时间估计[J]. 交通运输系统工程与信息, 2021, 21(4): 125-131. DOI: 10.16097/j.cnki.1009-6744.2021.04.015.
[3] 罗霞, 曹阳, 刘博, 等. 基于浮动车数据的城市道路行程时间估计[J]. 交通运输系统工程与信息, 2018,16(2): 1-8. DOI: 10.3969/j.issn.1672-4747.2018.02.001.
[4] 宋承波, 燕雪峰。一种浮动车技术的道路行程时间估计方法[J]. 小型微型计算机系统,2018,39(9): 2098-2102.
[5] 程娟. 基于浮动车的行程时间估计与预测及动态路径优化方法研究[D]. 南京: 东南大学, 2019.
[6] 唐坤. 数据驱动的城市路网行程时间估计与预测方法研究[D]. 南京: 东南大学, 2019.
[7] 张坤鹏. 基于深度学习的行程时间估计方法研究[D]. 长沙: 湖南大学, 2019.
[8] 宋茜. 城市快速路路段行程时间估计与预测方法研究[D]. 北京: 北京交通大学, 2015.
[9] 张腾月, 翁小雄.基于收费数据的高速公路行程时间可靠性估计模型[J]. 广西师范大学学报(自然科学版),2016,34(4): 70-77. DOI: 10.16088/j.issn.1001-6600.2016.04.011.
[10] 姜桂艳, 李继伟, 张春勤. 城市主干路拥挤路段基于地点交通参数的行程速度估计[J]. 吉林大学学报(工学版),2010,40(5): 1203-1208.
[11] 姚午开. 基于智能算法的高速公路行程时间估计研究[D]. 长沙: 长沙理工大学, 2019.
[12] BING Q C, QU D Y, CHEN X F, et al. Arterial travel time estimation method using SCATS traffic data based on KNN-LSSVR model[J]. Advances in Mechanical Engineering, 2019, 11(5): 1-11. DOI: 10.1177/1687814019841926.
[13] JIN G Y, WANG M, ZHANG J L, et al. STGNN-TTE: Travel time estimation via spatial-temporal graph neural network[J]. Future Generation Computer Systems,2022,126: 70-81. DOI: 10.1016/j.future.2021.07.012.
[14] 姜桂艳, 李琦, 董硕. 基于k-NN和SCATS交通数据的路段行程时间估计方法[J]. 西南交通大学学报, 2013,48(2): 343-349. DOI: 10.3969/j.issn.0258-2724.2013.02.024.
[15] ROBINSON S,POLAK J W. Modeling urban link travel time with inductive loop detector data by using the k-NN method[J]. Transportation Research Record,2005,1935(1): 47-56. DOI: 10.3141/1935-06.
[16] MAK W K, VITI F, HOOGENDOORN S P, et al. Online travel time estimation in urban areas using the occupancy of long loop detectors[J]. IFAC Proceedings Volumes,2009, 42(15): 383-390.
[17] GHOLAMI A,WANG D B, DAVOODI S R, et al. An adaptive neural fuzzy inference system model for freeway travel time estimation based on existing detector facilities[J]. Case Studies on Transport Policy, 2021,9(4): 1600-1606. DOI: 10.1016/j.cstp.2021.08.009.
[18] 邓毅萍, 冉旭, 丁闪闪, 等. 包含出入口匝道的高速公路路段行程时间估计方法[J]. 交通信息与安全, 2015,33(2): 63-68. DOI: 10.3963/j.issn1674-4861.2015.02.010.
[19] 黄艳国, 许伦辉, 邝先验. 模糊卡尔曼滤波在快速路行程时间估计中的应用[J]. 吉林大学学报(工学版), 2014,44(3): 648-654. DOI: 10.13229/j.cnki.jdxbgxb201403011.
[20] 张和生, 张毅, 胡东成. 路段平均行程时间估计方法[J]. 交通运输工程学报, 2008,8(1): 89-96. DOI: 10.3321/j.issn:1671-1637.2008.01.018.
[21] 杨兆升, 高学英, 林赐云, 等. 基于路段下游检测线圈的路段行程时间估计[J]. 北京工业大学学报,2010,36(6): 790-795.
[22] 徐天东, 孙立军, 郝媛. 城市快速路实时交通状态估计和行程时间预测[J]. 同济大学学报(自然科学版), 2008, 36(10): 1355-1361.
[23] 谢东繁, 贾惠迪, 李春艳, 等. 基于网格交通状态分类的行程时间规律挖掘与计算[J]. 交通运输系统工程与信息, 2022, 22(3): 168-178.
[24] 陈娇娜, 张翔, 张生瑞.高速公路行程时间Bootstrap-KNN区间预测分析与实证[J]. 控制与决策,2018,33(11): 2080-2086. DOI: 10.13195/j.kzyjc.2017.0729.
[25] CAO J,DU Y C,MAO L, et al. Improved DTTE method for route-level travel time estimation on freeways[J]. Journal of Transportation Engineering, Part A: Systems,2022,148(2): 04021113. DOI: 10.1061/JTEPBS.0000636.
[26] YANG S, OU J S,FENG Y H, et al. Freeway travel time estimation based on the generalmotors model: a genetic algorithm calibration framework[J]. IET Intelligent Transport Systems,2019,13(7): 1154-1163. DOI: 10.1049/iet-its.2018.5540.
[27] TREIBER M, HELBING D. Reconstructing the spatio-temporal traffic dynamics from stationary detector data[J]. Cooperative Transportation Dynamic, 2002,1(3): 1-24.
[1] 邝先验, 吴赟, 曹韦华, 吴银凤. 城市混合非机动车流的元胞自动机仿真模型[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 7-14.
[2] 陈思溢, 罗强, 黄辉先. 基于群决策理论的协调控制子区划分方法[J]. 广西师范大学学报（自然科学版）, 2014, 32(4): 18-25.
[3] 许伦辉, 廖燃火昆. 基于车流轨迹的交叉口相位相序优化[J]. 广西师范大学学报（自然科学版）, 2010, 28(3): 5-9.
[4] 许伦辉, 罗强, 傅惠. 基于前车制动过程的车辆跟驰安全距离模型[J]. 广西师范大学学报（自然科学版）, 2010, 28(1): 1-5.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 周正春. 互补序列研究进展[J]. 广西师范大学学报（自然科学版）, 2023, 41(1): 1 -16 .
[2] 杨烁祯, 张珑, 王建华, 张恒远. 声音事件检测综述[J]. 广西师范大学学报（自然科学版）, 2023, 41(2): 1 -18 .
[3] 杨生龙, 母庆闯, 张志华, 刘葵. 废旧锂离子电池回收利用技术进展[J]. 广西师范大学学报（自然科学版）, 2023, 41(2): 19 -26 .
[4] 李康良, 邱彩雄, 何爽, 黄春华, 伍冠一. 白介素-31参与瘙痒的研究进展[J]. 广西师范大学学报（自然科学版）, 2023, 41(2): 27 -35 .
[5] 卢许孟, 南新元, 夏斯博. 无模型坐标补偿积分滑模约束的自动驾驶汽车轨迹跟踪控制[J]. 广西师范大学学报（自然科学版）, 2023, 41(2): 36 -48 .
[6] 杨秀, 韦笃取. 基于单状态变量的永磁同步电机混沌跟踪控制[J]. 广西师范大学学报（自然科学版）, 2023, 41(2): 58 -66 .
[7] 赵媛, 宋树祥, 刘振宇, 岑明灿, 蔡超波, 蒋品群. 一种新型电流镜运算跨导放大器的设计[J]. 广西师范大学学报（自然科学版）, 2023, 41(2): 67 -75 .
[8] 王鲁娜, 杜洪波, 朱立军. 基于流形正则的堆叠胶囊自编码器优化算法[J]. 广西师范大学学报（自然科学版）, 2023, 41(2): 76 -85 .
[9] 赵明, 罗秋莲, 陈蔚萌, 陈嘉妮. 控制时机和力度对传染病传播的影响[J]. 广西师范大学学报（自然科学版）, 2023, 41(2): 86 -97 .
[10] 杨秀凤, 范江华. 向量平衡问题强有效解集的连通性[J]. 广西师范大学学报（自然科学版）, 2023, 41(2): 98 -105 .
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发