基于自动车牌识别数据的混合交通流饱和流率实时估计

摘要：

为解决混合交通流饱和流率测算的实时性和时变性问题,实时获得混合交通流的饱和流率用以信号配时,本文提出基于自动车牌识别数据(Automatic License Plate Recognition,ALPR)的混合交通流饱和流率实时自动估计方法.首先,分信号周期提取车头时距数据,在当前车和后车车辆类型确定时车头时距满足同一正态分布的假设基础上,构建车头时距的高斯混合模型并应用EM(Expectation Maximization)算法求解;其次,基于赤池信息准则(Akaike Information Criterion,AIC)选取高斯混合模型的最优个数,拟合数据得到高斯混合模型参数;最后,根据车头时距的高斯混合模型推算出混合交通流饱和流率.以杭州城市道路3条路段的ALPR数据为例,分析基于ALPR数据获取车头时距的采样误差,对模型进行验证,并与传统的HCM(Highway Capacity Manual)方法进行对比.结果表明:基于ALPR数据的车头时距采样误差满足精度要求;与HCM的实测法相比,模型所得的混合饱和交通流率相对误差小,结果准确;该方法与传统的标准车流饱和流率折算法效果相近,并考虑混合交通流时变特性,能自动部署实时计算,鲁棒性良好,有实际应用意义.

关键词：智能交通、饱和流率、高斯混合模型、车牌识别数据、交通控制

所属期刊栏目：21

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家自然科学基金/National Natural Science Foundation of China61773338,71901193,52072340

在线出版日期：2021-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：37-43