基于关键本征模态函数的道路交通信号控制时段划分方法
Journal of Transport Information and Safety(2023)
Abstract
交通信号控制是缓解城市交通拥堵的重要手段,时段划分是信号灯控交叉口多时段控制的基础,合理的划分方法有助于提高信号控制效率.对于固定配时的信号灯控交叉口,传统时段划分方法主要借助于路口历史交通流量数据,依据人工经验或者简单聚类算法,直接进行时段划分,未能充分考虑交通流的时序性和随机性问题,不利于交通控制整体效益.综合考虑交通流中随机因素和时序性对时段划分的影响,本文研究了基于经验集合模态分解和有序聚类的时段划分方法.利用集合经验模态分解处理交叉口流量数据,提取了若干个本征模态函数及1个余项.借助皮尔逊相关系数分析原始流量数据、本征模态函数、余项这三者之间的关系,优选与原始流量相关性最高的本征模态函数或余项作为交通流的关键成分,使用关键成分代替流量数据进行有序聚类,完成时段划分.通过寻找不同分割个数下最小损失值突变点,获取最佳分割数,并得到最佳方案.以广东省中山市一个路口为案例对本文提出的时段划分方法进行算例分析,VISSIM仿真结果表明:①相比于现状,提出的方法在工作日和非工作日分别能提高路口通过车辆数11.32%和2.62%,缩短排队长度18.67%和12.02%;②非工作日车均延误减少6.80%,停车延误减少5.87%,工作日车均延误和停车延误变化不大.
MoreTranslated text
Key words
traffic signal control,time-of-the-day partition,ensemble empirical mode decomposition,fisher clustering
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined