《[交通运输]ITS5.ppt》由会员分享，可在线阅读，更多相关《[交通运输]ITS5.ppt（49页珍藏版）》请在三一文库上搜索。
1、2019/1/29,智能运输系统,1,第五讲 ITS的理论基础和模型（第三部分）,郑芳芳,2019/1/29,智能运输系统,2,课程回顾,1. 动态交通分配理论 （1）静态交通分配和动态交通分配 （2）路径选择模型 （3） 网络加载模型 2. 出行时间选择 （1）出行时间选择在动态交通分配中的位置 （2）出行时间选择模型,静态交通分配和动态交通分配的区别？,2019/1/29,智能运输系统,3,思考题,动态交通分配主要由哪几个部分组成？这几个部分各自完成什么功能？ （1）动态路径选择模型 路径选择模型将每一出行时刻动态OD矩阵中的每一对OD出行量分配到可用路径上。可根据动态用户平衡理论进行具体
2、计算。 （2）网络流量加载模型 该模型主要完成流量在路网中的传播，并计算动态路段行程时间和动态路段流量。这一部分在实现时主要考虑五大限制（约束）条件：流量守恒、流量传播、先进先出、输入-输出、排队溢出。,2019/1/29,智能运输系统,4,思考题,交通监控理论（原始交通数据采集） - 本地数据采集 - 空间数据采集 数据处理技术 - 数据处理的意义 - 数据失效的定义和分类 - 数据检查和校正技术,2019/1/29,智能运输系统,5,本讲课程内容概要,交通监控理论（原始交通数据采集）,2019/1/29,智能运输系统,6,2019/1/29,智能运输系统,7,知识（模型）,数据融合,交通状
3、态估计（密度、速度、行程时间、排队长度等),数据采集（交通检测器）,数据采集（交通检测器）,交通数据采集,2019/1/29,智能运输系统,8,交通数据采集,横截面 - 车头时距（微观量）：同一车道上行驶的车辆队列中，两连续车辆车头端部通过某一断面的时间间隔。一般用ht表示 单位秒/量(s/veh) - 流量（宏观量）： （单位：车辆/秒），其中 为平均车头时距,2019/1/29,智能运输系统,9,交通数据采集,路段 - 车头间距（微观量）：在同一车道上行驶的车辆队列中，前后相邻两车辆车头间瞬时的距离 - 密度（宏观量）： (单位：车辆/米） , 其中 为平均车头间距,2019/1/29,智
4、能运输系统,10,交通数据采集,理想的数据监控系统：100%的车辆轨迹信息 100%的浮动车数据（监控所有车辆）： 速度 密度 流量 行程时间 OD矩阵 路径选择 对于ITS来说，需要继续： 对于采集到交通数据信息再做估计。如：OD估计、路径选择、车头时距等。 预测交通数据信息的变化,2019/1/29,智能运输系统,11,交通数据采集,2019/1/29,智能运输系统,12,理想的数据监控系统：100%的车辆轨迹信息 100%的浮动车数据（监控所有车辆）： 速度 密度 流量 行程时间 OD矩阵 路径选择 对于ITS来说，需要继续： 对于采集到交通数据信息再做估计。如：OD估计、路径选择、车头
5、时距等。 预测交通数据信息的变化,交通数据采集,2019/1/29,智能运输系统,13,交通数据采集,2019/1/29,智能运输系统,14,本地数据采集方式（Local sensors）,视频图像检测器 微波、雷达检测器 红外线检测器 超声波检测器 诱导线圈检测器 ,2019/1/29,智能运输系统,15,本地数据采集方式(Local sensors),第一轮: 30 km/h 第二轮: 20 km/h 第三轮: 10 km/h,检测器,本地检测器: 时间平均速度： utms= 20 km/h! (18% 空间平均) TT = 3 min/km! (17% 实际行程时间),平均行程时间 TT
6、 = 3.6 min/km 因而空间平均速度: usms= L/TT=16.36 km/h,2019/1/29,智能运输系统,16,本地数据采集方式,黑车: 30 km/h 黄车: 20 km/h 红车: 10 km/h,检测器,1小时以后检测器读出的数据: utms= 23 km/h ! (17% 空间平均速度) TT = 2.6 min/km! (14% 实际行程时间),1 小时以后: TT = 3 min/km 因而 usms=20 km/h !,时间平均速度空间平均速度 行驶速度快的车辆通过检测器的频率要高，这就使得速度快的车辆在总体车辆数中占得比重要大 用时间平均速度来计算其他交通参
7、数（如：密度）时，就会导致有偏估计。 例如：,2019/1/29,智能运输系统,17,本地数据采集方式,如何估算空间平均速度？ 调和平均速度 - 对于任何一个变量的空间平均可以表示为： 其中：n 表示分布均匀且其特征参数为zi的组数；,2019/1/29,智能运输系统,18,空间平均速度估算,2019/1/29,智能运输系统,19,如何估算空间平均速度？ 调和平均速度 - 将z 用速度v 来表示，则可得到：,2019/1/29,智能运输系统,19,空间平均速度估算,2019/1/29,智能运输系统,20,时间平均速度vs.调和平均速度,20,估计的行程时间(空间平均速度),估计的行程时间(调和
8、平均速度),测量的行程时间,行程时间（min）,时间（min）,绝大多数ITS应用需要交通参数的空间平均值-用调和平均计算的无偏估计 连续性关系： 在计算交通密度k时，必须用空间平均速度（可用调和平均速度表示）才能保证计算结果是无偏的。,2019/1/29,智能运输系统,21,调和平均在交通中的意义,自动车辆识别系统（AVI) 主要应用射频识别技术，将车辆通过道路某一地点时的信息（如：车牌、通过该地点的时间等）记录下来，为特定的应用提供数据。,2019/1/29,智能运输系统,22,空间数据采集方式,ID, t1,ID,t2,L,2. 浮动车系统（FCD） 浮动车就是指安装有定位和无线通信装置
9、的普通车 辆(如出租车、公交车、警车等)，这种车辆能够与交通数 据中心进行信息交换, 例如，可以向信息中心发送车辆的 位置、速度信息等。而浮动车系统是指通过交通流中一 定比例的浮动车辆与交通数据中心实时交换数据的一种 新型交通信息采集系统。,2019/1/29,智能运输系统,23,空间数据采集方式,2. 浮动车系统（FCD） （1）基于GPS的浮动车系统 主要利用GPS全球定位技术，在车辆内安装GPS接收 器，接收GPS发送的有关车辆的信息，如：车辆的当前位 置、地点速度等，再通过GSM网发送至交通信息监控中心 ，实现对车辆的实时监控。 （2）基于手机定位的浮动车系统 该系统主要利用手机定位技
10、术，以确定车辆的位置 ，计算车辆运行速度。只要车内放有打开的移动电话， 该车辆就可以作为浮动车，提供车辆的运行信息。,2019/1/29,智能运输系统,24,空间数据采集方式,（3）车载导航系统 该系统是由GPS全球定位系统结合其他导航系统（如：惯 性导航系统INS），提高了定位精度。目前，越来越多的 车辆在出厂时就已安装有导航系统。因此，潜在的浮动 车数量也不断增加。,2019/1/29,智能运输系统,25,空间数据采集方式,空间数据采集方式,自动车辆识别系统和浮动车系统（AVI 系统和FCD）,2019/1/29,智能运输系统,26,平均行程速度： uAB (tA,tB),车辆 i 从起点
11、A到终点B 的行程时间：TTi(tA)=tB-tA 车辆 i 从起点A到终点B 的平均行程速度： ui(tA,tB)=LAB/(tB-tA),时间,时刻tA,时刻tB,车辆 i,AB间的行程时间 TTi(tA),路段长度 LAB,空间,1. 已经实现（或过去）的行程时间（Realized travel time),2019/1/29,智能运输系统,27,行程时间,时间(s),空间(m),L = 250 m,TTr(t),t-TTr,t,2019/1/29,智能运输系统,28,行程时间,1. 已经实现（或过去）的行程时间（Realized travel time) - 车辆从观测起点到终点的行程
12、时间 （如：红线所示的车辆），表示的是已近过去的行程时间 - 可以通过AVI系统、浮动车系统测得，或通过其他本地检测系统数据估算得到 - 车辆只有从起点到终点的整个过程完成以后，才能测得其行程时间,2. 实际（或预测）行程时间,2019/1/29,智能运输系统,29,行程时间,t,TTa(t),t+TTa,L = 250 m,2019/1/29,智能运输系统,30,行程时间,2. 实际（或预测）行程时间 车辆将要经历的行程时间（见绿线） 要估算实际（或预测）行程时间，需要预测未来交通状况,2019/1/29,智能运输系统,31,已经实现的行程时间,实际（预测）的行程时间,时间（小时）,行程时间
13、（min）,实际的行程时间和过去的行程时间,实际的行程时间和过去的行程时间,过去的行程时间总是“滞后”于实际的行程时间 两者的关系可以用以下公式表示： 或：,2019/1/29,智能运输系统,32,数据处理技术,2019/1/29,智能运输系统,33,数据处理技术,为什么要进行数据处理？ 从交通检测器（本地检测器或空间检测器）获得的交通数据不同程度上存在数据噪音、数据出错、数据丢失等问题。例如：在荷兰高速公路监控系统中，12%的线圈检测器采集的交通数据存在问题（不准确或数据丢失）。,2019/1/29,智能运输系统,34,2019/1/29,智能运输系统,35,数据处理技术,相对误差（%）,频
14、率,线圈检测器采集的数据,荷兰高速公路,1. 数据失效或检测器失效的定义 从检测器获得的数据流中出现不可靠数据或数据丢 失。数据失效的产生主要是由于检测器采集的数据不可 靠或没有采集到数据导致的。,2019/1/29,智能运输系统,36,数据失效的定义和分类,2. 数据失效的分类,2019/1/29,智能运输系统,37,数据失效的定义和分类,空间,偶发性失效,结构性失效,时间,空间,时间,时间,空间,本质性失效,（1）偶发性失效 如：交通信息采集（监控）系统的电源或通信设备临时切断 （2）结构性失效 如：检测器或通信设备发生物理故障 （3）本质性失效 如：检测设备固有的检测噪音和偏差，或者是用
15、时间平均来计算交通参数（例如：用时间平均速度来表示实际的空间平均速度会导致估计偏差）,2019/1/29,智能运输系统,38,数据失效的定义和分类,数据检查,交通数据反映了交通状况的时空分布，检查交通 数据是否有效可以用以下3种方法： 车辆守恒（或质量平衡） 流入路段的车辆数 - 流出路段的车辆数 = 路段上的车 辆数 当经过很长一段时间后，可达到一个平衡： 输入输出,2019/1/29,智能运输系统,39,2. 检查数据的时空分布图 交通是一个时空分布过程，也即交通状况（如：车队，交通拥堵）随着时空移动。 一种有效的数据检查方式就是画出交通数据的时空分布图，从而可以快速有效地发现数据错误、数
16、据丢失等数据失效现象。,2019/1/29,智能运输系统,40,数据检查,2019/1/29,智能运输系统,41,数据检查,交通流量（车辆/小时）,速度（公里/小时）,时间,时间,空间(m),空间(m),从数据时空图可以看出： 自由流交通状态下：交通状态的移动方向跟车流行驶方向一致，移动速度约为最大限速的80%-85% 拥挤状态下：交通状态的移动方向与车流行驶方向相反（如高速公路的交通拥挤现象）。移动速度为负值（向上游路段移动），典型的交通拥堵向上游的移动速度为-15%和-20%之间。,2019/1/29,智能运输系统,42,数据检查,3. 应用统计方法 可以滤除异常数据,2019/1/29,
17、智能运输系统,43,数据检查,时间,行程时间（min),2006年3月29日,从视频检测器获取的行程时间数据,引起数据异常的原因： - 车辆绕行 - 视频照相机之间发生车辆误匹配,3. 应用统计方法,2019/1/29,智能运输系统,44,数据检查,时间,行程时间（min),2006年3月29日,从视频检测器获取的行程时间数据,简单的数据插值和回归 先进的数据过滤技术（如：Treiber-Helbing 滤波）,2019/1/29,智能运输系统,45,数据校正,？,(1)插值 空间插值 时间插值,2019/1/29,智能运输系统,46,数据校正,取两者的最小值：,？,（2）回归或滤波(extrapolation),2019/1/29,智能运输系统,47,数据校正,2019/1/29,智能运输系统,48,数据校正,空间插值,丢失的数据,时间插值,思考题,比较各种交通数据采集方式的特点 用空间平均的交通参数和时间平均的交通参数有何区别？在实际交通应用中如何应用这些参数？,2019/1/29,智能运输系统,49,