張森銀, 吳一昊, 施俊慶,3, 程明慧, 李 睿
(1.浙江師范大學 工學院, 浙江 金華 321004;2.金華市公安局交通警察支隊, 浙江 金華 321015;3.浙江師范大學 浙江省城市軌道交通智能運維技術與裝備重點實驗室,浙江 金華 321004)
近年來,隨著城市人口的增多和機動車保有量的增加,城市交通問題日益突出,主要表現為交通擁堵及由此帶來的環境污染、交通安全等一系列問題[1].交叉口作為路網中的基本單元和關鍵節點,直接影響著路網的運行效率和承載能力.基于微觀仿真技術,利用檢測器采集的數據,提取車輛行駛軌跡,重現交叉口交通流的動態演化過程,是對交叉口實施科學合理的交通控制、確保交叉口的交通安全和通行效率的基礎環節.
針對微觀交通仿真的研究,國內外學者已經取得了豐富的研究成果.20世紀80年代末開始,隨著系統仿真技術的出現及智能交通系統的逐漸被重視,交通仿真技術得到了充分的研究和開發,在交通管理與控制方面得到了很好的應用[2-3].目前,國外已經有一些比較成熟的微觀仿真軟件,例如:德國的VISSIM[4],SUMO[5];美國的CORSIM[6],TRANSMODELER[7];英國的PARAMICS[8];西班牙的AIMSUN[9]等.我國對交通仿真技術的研究主要集中在高校的研究機構.鄒志軍等[10]開發了TJTS交通仿真軟件,可以實現實時動態交通仿真,為道路規劃和信號控制方案提供驗證平臺;孫晉文等[11]提出了基于Agent技術的智能交通體系結構,可以根據需求繪制車輛、街道、交叉口、信號燈等交通Agent,實現跟車、變道等行為的仿真;商蕾等[12]建立了一個基于改進的跟馳模型的交通仿真系統,實現了仿真的三維可視化;李素蘭等[13]基于元胞自動機模型,建立了信號控制交叉口的微觀仿真平臺,利用仿真平臺輸出的數據計算車輛的尾氣排放量.盡管學者們相繼開發了具有不同特點的仿真軟件和仿真系統,但是仍然存在諸多不足.目前關于微觀仿真的研究,主要是為道路規劃和信號控制提供驗證平臺,描述交通流中的單個車輛、車輛隊列和速度-交通量-密度關系等.根據路徑決策、跟馳模型和換道模型生成的行駛軌跡與實際不符,且交叉口內部的車輛行駛軌跡被過分簡化,無法體現真實的車輛沖突行為,不足以充分準確地模擬和演示城市道路交叉口擁堵的演化過程.因此,建立能夠真實再現車輛行駛軌跡的交叉口微觀仿真平臺具有非常重要的現實意義.
運用現代化交通檢測技術可以采集車輛的位置、速度、方向等數據,得到每輛車的行駛軌跡,為微觀交通仿真提供基礎數據.廣域雷達檢測器因其可以實現交叉口多車道、大范圍檢測,獲取交叉口更全面、精準的交通信息,與傳統檢測器相比優勢明顯,目前已在我國多個城市應用.
基于此,本文提出了基于廣域雷達數據的交叉口微觀仿真模型,通過廣域雷達檢測器采集車輛的位置、速度、方向等數據,通過坐標變換和數據處理,提取車輛行駛軌跡;建立交叉口仿真平臺,重現交叉口車輛行駛過程,輸出車道占有率、平均瞬時速度、排隊長度及延誤等指標.研究成果可為交叉口精細化、智能化、標準化、專業化的管理與控制及車路協同奠定基礎.
本研究以浙江省溫州市車站大道與學院路交叉口為例,如圖1所示.該交叉口南北方向各10條車道,其中,進口道由道路中心線向外側分別為1條公交專用道、1條左轉專用道、3條直行車道和1條右轉專用道;出口道有4條車道.東西方向各7條車道,其中,進口道由道路中心線向外側分別為1條左轉專用道、3條直行車道和1條右轉專用道;出道口有2條車道.

圖1 交叉口衛星圖
廣域雷達檢測器安裝在出口道上方的信號燈懸臂上,如圖2所示,每個方向各設1個,面向交叉口,可同時檢測多個車道、跟蹤多個目標,覆蓋來車方向200 m區域.

圖2 廣域雷達檢測器安裝位置示意圖
設交叉口南面、東面、西面和北面4個出口道上方的檢測器編號分別為1,2,3和4,與其對應的停止線距離Ln(n=1,2,3,4)分別為78.0,82.0,83.0和75.0 m.
以檢測器為原點,以檢測器往正前方停止線的方向為x軸正方向,以原點為中心,將x軸按逆時針方向旋轉90°為y軸正方向,分別建立x1O1y1,x2O2y2,x3O3y3和x4O4y44個坐標系.
本研究以2020-08-11采集到的數據為例開展研究.廣域雷達檢測器每隔50 ms左右記錄1次區域范圍內的所有目標車輛,檢測數據包括車輛位置、瞬時速度、車輛長度等信息.以3號檢測器為例,數據形式如表1所示.x3和y3表示車輛在x3O3y3坐標系中的坐標值.vx3表示車輛x軸方向的速度,車輛行駛方向與x軸正方向一致的為正值,不一致的為負值;vy3表示車輛的y軸方向的速度.

表1 廣域雷達數據示例
廣域雷達檢測精度雖高,但仍存在受到其他設備信號干擾的現象,需要對異常數據加以處理.交叉口每個方向各設1個檢測器,交叉口內部區域存在重復、缺失的數據,需要對交叉口內部數據進行刪減、修復等處理,才能實現交叉口內部的仿真;廣域雷達檢測器無法獲取車輛牌照信息,且車輛ID在1~255重復,存在不同車輛編號相同的情況,需要對目標車輛重新編號.基于上述3個原因,需要對廣域雷達檢測器采集的數據進行處理.
將原始數據中每條數據的采集時刻列入廣域雷達數據表中.部分編號為229的車輛軌跡數據如表2所示,根據坐標和時刻可以發現,序號為1~3、序號為4、序號為5~6及序號為7~12的數據分別表示不同車輛的行駛軌跡,即共有4輛編號為229的車輛被檢測到,圖3為其原始軌跡圖.由于前3輛車出現的時間均小于1 s,判定為誤測數據,應刪除.處理后的車輛行駛軌跡如圖4所示.由圖4和表2可知,該車輛正在左轉.

表2 部分ID為229的車輛數據表

圖3 編號為229的車輛軌跡圖

圖4 處理后的車輛軌跡圖
由于4個方向的檢測器采集到的交叉口內部車輛信息存在數據重疊問題,因此,將交叉口內區域分為4個部分,每個檢測器分別采集其中一個部分的數據,刪除與其他檢測器重復采集的數據.檢測器1~4的重疊區域坐標范圍分別為:
{(x1,y1)|x1>49.9,y1<61.6};
{(x2,y2)|x2>21.7,y2>47.0};
{(x3,y3)|x3<56.9,y3<47.0};
{(x4,y4)|x4<33.7,y4>32.2}.
根據廣域雷達檢測器采集到的數據,可以得到各個方向車輛軌跡的散點圖.以3號檢測器為例,車輛軌跡如圖5所示.
由圖5可知,檢測器采集的數據范圍為50~200 m.進口道與出口道的車輛行駛軌跡有明顯區別.上方顯示的是進口道的車輛行駛軌跡,可明顯看出車道劃分與進口道拓寬;下方顯示的是出口道的車輛行駛軌跡,由于車輛可以自由換道,因此沒有明顯的車道劃分.

圖5 車輛軌跡散點圖
根據車輛的y軸坐標,確定每個車道的坐標范圍,對每個車道進行編號.假設進口道最外側車道為1號車道,往出口道方向依次編號,并將每輛車各時刻所處的車道編號添加到廣域雷達數據表中.
根據編號出現的順序列出所有具有相同編號的車輛數據,以坐標和檢測時間間隔作為判斷依據區分具有相同編號的不同車輛,重置車輛編號,使每輛車有唯一的ID.例如,編號為241車輛的部分數據如表3所示.可以發現,序號為7的數據與序號為8的數據x坐標值與時刻均差異較大,明顯為不同車輛的數據,可判定為2輛不同的車.同理,序號為14與序號為15的數據也不是同一輛車的,需要對其重新編號.

表3 編號為241車輛的部分數據
由于每個方向的廣域雷達檢測器具有獨立的坐標系,因此,為保證交叉口能在同一坐標系中,以1號檢測器所在的懸臂為x軸,以3號檢測器所在的懸臂為y軸,建立新的坐標系xOy,如圖6所示.4個檢測器在新坐標系中的坐標分別為(33.0,0),(90.5,39.4),(0,52.1)和(52.6,89.1).

圖6 新坐標軸及檢測器與停止線距離示意圖
假設an表示第n個檢測器到x軸的距離,bn表示第n個檢測器到y軸的距離,vxn,vyn分別表示車輛在坐標系xnOnyn(n=1,2,3,4)中x軸方向和y軸方向的速度.統一坐標后的結果如圖7所示,坐標轉換方程及結果如表4所示.

表4 坐標轉換表
將交叉口及周邊的區域離散成β個格子,每個格子長、寬均為1 m.每個車道寬度為3 m,即占3個格子.根據統一坐標后的數據建立車輛位置矩陣M.當M中某個元素被車輛占據時,該位置的值為1,否則為0.廣域雷達檢測器采集到的是車輛靠近檢測器的部位,即進口道處為車頭,出口道處為車尾,車輛所占格子數量根據車輛長度確定.
根據廣域雷達檢測器數據,迭代每個時刻的車輛位置矩陣M,形成交叉口車輛運行的軌跡仿真動畫,仿真效果如圖8所示.

圖8 交叉口仿真效果圖
利用仿真平臺,輸出如下評價指標:
1)車道空間占有率Rs
車道空間占有率是指在檢測路段中t時刻車輛投影與該路段的總長度之比,即

(1)
式(1)中:q表示該路段上的車輛數;Li表示第i輛車的長度;L表示該路段的總長度.
平均瞬時速度表示t時刻路段上所有車輛速度的平均值,即

(2)
式(2)中:vx,i和vy,i分別表示第i輛車的x軸方向和y軸方向的速度.
3)排隊長度Q
假設當進口道處車輛的行駛速度小于5 km/h時形成排隊,則

(3)
式(3)中:xmax,ymax分別表示東西進口和南北進口檢測到的距離檢測器最遠的車速小于5 km/h的車輛頭部位置;Ln(n=1,2,3,4)表示檢測器到對應方向停止線的距離.
4)車均延誤D
延誤是指車輛因受到干擾或交通控制造成的損失時間,即

(4)

以東進口為例,空間占有率、平均瞬時速度、排隊長度及延誤統計情況如圖9所示.

圖9 評價指標隨時刻變化圖
本研究基于廣域雷達數據建立了交叉口仿真平臺,可以重現交叉口內部車輛的運行過程,實現交叉口微觀仿真.同時通過車輛軌跡數據可以計算出車道占有率、平均瞬時速度、排隊長度及延誤等統計數據.研究結果為交叉口交通運行狀態判別及信號控制優化等工作打下堅實基礎,有助于實現交叉口精細化管理與控制,從而緩解交通擁堵,為交叉口智能化、標準化管理及車路協同奠定基礎.