Page 127 - 75252_安防20年5月刊_150dpi

根据路口原绿信比方案和饱和流率直接取平均值计
算方法得到车道7降噪前通行能力为596 pcu/h，但根
据实际过车计算的通行能力为657 pcu/h，通行能力
提升9.28%，极大地提高计算结果精度，减少车辆延
误和路口资源浪费，提高信号配时效果。
根据HCM模型计算饱和流率，理想条件下饱和
流率为1900 pcu/h，宽度修正系数为0.98，大车修正系
数为0.95，纵坡修正系数为0.95，其他修正系数为1，
得到直行车道的饱和流率为1680 pcu/h。根据HCM计
算方法得到车道7的理论通行能力为722 pcu/h，与实
际通行能力相比，通行能力误差为9.0%，说明还有其
它影响因素需要考虑，修正系数也有待进一步确认。
▲图 5 直行车道7纯小车的饱和车头时距图 与HCM算法相比，本文提出的方法需求数据少，计算
简单，且计算结果源于路口实际过车情况，能够保证
相同方法计算其它车道的饱和度，得到西进口道
符合实际。
各车道的饱和车头时距对比表如表１。由表１的饱和
车头时距拟合值可知，排除大车因素干扰，分析纯小 总结
车饱和车头时距：拥有左转专用道、左转相位的车道
本文首先利用复合视频检测的过车记录时间计
5和靠近左转车道的直行车道6饱和流率最大，靠右
算车头时距，然后基于车辆类型使用阈值法初步筛选
侧直行车道和直行+右转混行车道饱和流率较小，说
出连续车流，最后利用DBSCAN聚类算法排除非饱和
明进口道右侧可能受到非机动车和行人的冲突干扰，
流干扰，得到饱和车头时距值。算例分析表明，本文
饱和流率较小。将西进口四条车道的饱和流率相加，
提出的DBSCAN聚类算法能够降低非饱和车流的干
得到西进口道的实际饱和流率为5983 pcu/h。
扰，是对阈值法判断饱和车流方法的进一步有效补
表2是直行车道7在一周内，每天饱和车头时距的
充，计算的饱和流率更加符合实际情况，极大地提高
详细情况。分析饱和车头时距拟合差值与大车率的对
信号配时效果。
应关系，实际饱和车头时距随着大车占比的增加而增
本方法的优点主要在于：
加，饱和流率随大车占比的增加而减小。对比分析车
（1）该方法只需要过车时间和车辆类型数据，
道7一周内饱和车头时距均值和拟合值，未经过降噪
就能得到结果，计算简单，普适性强；
的平均饱和车头时距均值为2.60 s，经过DBSCAN算法
（2）基于DBSCAN聚类算法拟合车头时距，能够
聚类降噪后的平均饱和车头时距拟合值为2.36 s，饱
排除非饱和车流干扰，精度更高；
和车头时距减小0.24 s，饱和流率提高了9.28%，说明
（3）计算结果充分应用实测数据，更符合信控
DBSCAN聚类算法能够有效提高饱和流率计算精度。
路口交通特征，可以极大提高信号配时精度。
若对该路口的信号配时进行优化，需要进一步统
计分析该路口前几周的历史过车数据，针对每天不同
作者单位：上海电科智能系统股份有限公司
的进口道饱和流率进行信号控制评价和信号优化。

第五届深圳国际无人机展览会（2020年深圳会展中心） www.china-drone.com.cn 113

ᇆିࢌ๙ JOEE ྒ௹೘