基于广域雷达数据的交叉口微观仿真研究

张森银, 吴一昊, 施俊庆,3, 程明慧, 李 睿

(1.浙江师范大学 工学院, 浙江 金华 321004；2.金华市公安局交通警察支队, 浙江 金华 321015；3.浙江师范大学 浙江省城市轨道交通智能运维技术与装备重点实验室,浙江 金华 321004)

0 引 言

近年来，随着城市人口的增多和机动车保有量的增加，城市交通问题日益突出，主要表现为交通拥堵及由此带来的环境污染、交通安全等一系列问题[1].交叉口作为路网中的基本单元和关键节点，直接影响着路网的运行效率和承载能力.基于微观仿真技术，利用检测器采集的数据，提取车辆行驶轨迹，重现交叉口交通流的动态演化过程，是对交叉口实施科学合理的交通控制、确保交叉口的交通安全和通行效率的基础环节.

针对微观交通仿真的研究，国内外学者已经取得了丰富的研究成果.20世纪80年代末开始，随着系统仿真技术的出现及智能交通系统的逐渐被重视，交通仿真技术得到了充分的研究和开发，在交通管理与控制方面得到了很好的应用[2-3].目前，国外已经有一些比较成熟的微观仿真软件，例如：德国的VISSIM[4]，SUMO[5]；美国的CORSIM[6]，TRANSMODELER[7]；英国的PARAMICS[8]；西班牙的AIMSUN[9]等.我国对交通仿真技术的研究主要集中在高校的研究机构.邹志军等[10]开发了TJTS交通仿真软件，可以实现实时动态交通仿真，为道路规划和信号控制方案提供验证平台；孙晋文等[11]提出了基于Agent技术的智能交通体系结构，可以根据需求绘制车辆、街道、交叉口、信号灯等交通Agent，实现跟车、变道等行为的仿真；商蕾等[12]建立了一个基于改进的跟驰模型的交通仿真系统，实现了仿真的三维可视化；李素兰等[13]基于元胞自动机模型，建立了信号控制交叉口的微观仿真平台，利用仿真平台输出的数据计算车辆的尾气排放量.尽管学者们相继开发了具有不同特点的仿真软件和仿真系统，但是仍然存在诸多不足.目前关于微观仿真的研究，主要是为道路规划和信号控制提供验证平台，描述交通流中的单个车辆、车辆队列和速度-交通量-密度关系等.根据路径决策、跟驰模型和换道模型生成的行驶轨迹与实际不符，且交叉口内部的车辆行驶轨迹被过分简化，无法体现真实的车辆冲突行为，不足以充分准确地模拟和演示城市道路交叉口拥堵的演化过程.因此，建立能够真实再现车辆行驶轨迹的交叉口微观仿真平台具有非常重要的现实意义.

运用现代化交通检测技术可以采集车辆的位置、速度、方向等数据，得到每辆车的行驶轨迹，为微观交通仿真提供基础数据.广域雷达检测器因其可以实现交叉口多车道、大范围检测，获取交叉口更全面、精准的交通信息，与传统检测器相比优势明显，目前已在我国多个城市应用.

基于此，本文提出了基于广域雷达数据的交叉口微观仿真模型,通过广域雷达检测器采集车辆的位置、速度、方向等数据，通过坐标变换和数据处理，提取车辆行驶轨迹；建立交叉口仿真平台，重现交叉口车辆行驶过程，输出车道占有率、平均瞬时速度、排队长度及延误等指标.研究成果可为交叉口精细化、智能化、标准化、专业化的管理与控制及车路协同奠定基础.

1 数据来源

本研究以浙江省温州市车站大道与学院路交叉口为例，如图1所示.该交叉口南北方向各10条车道，其中，进口道由道路中心线向外侧分别为1条公交专用道、1条左转专用道、3条直行车道和1条右转专用道；出口道有4条车道.东西方向各7条车道，其中，进口道由道路中心线向外侧分别为1条左转专用道、3条直行车道和1条右转专用道；出道口有2条车道.

图1 交叉口卫星图

广域雷达检测器安装在出口道上方的信号灯悬臂上，如图2所示，每个方向各设1个，面向交叉口，可同时检测多个车道、跟踪多个目标，覆盖来车方向200 m区域.

图2 广域雷达检测器安装位置示意图

设交叉口南面、东面、西面和北面4个出口道上方的检测器编号分别为1，2，3和4，与其对应的停止线距离Ln(n=1,2,3,4)分别为78.0，82.0，83.0和75.0 m.

以检测器为原点，以检测器往正前方停止线的方向为x轴正方向，以原点为中心，将x轴按逆时针方向旋转90°为y轴正方向，分别建立x1O1y1，x2O2y2，x3O3y3和x4O4y44个坐标系.

本研究以2020-08-11采集到的数据为例开展研究.广域雷达检测器每隔50 ms左右记录1次区域范围内的所有目标车辆，检测数据包括车辆位置、瞬时速度、车辆长度等信息.以3号检测器为例，数据形式如表1所示.x3和y3表示车辆在x3O3y3坐标系中的坐标值.vx3表示车辆x轴方向的速度，车辆行驶方向与x轴正方向一致的为正值，不一致的为负值；vy3表示车辆的y轴方向的速度.

表1 广域雷达数据示例

2 数据处理

广域雷达检测精度虽高，但仍存在受到其他设备信号干扰的现象，需要对异常数据加以处理.交叉口每个方向各设1个检测器，交叉口内部区域存在重复、缺失的数据，需要对交叉口内部数据进行删减、修复等处理，才能实现交叉口内部的仿真；广域雷达检测器无法获取车辆牌照信息，且车辆ID在1～255重复，存在不同车辆编号相同的情况，需要对目标车辆重新编号.基于上述3个原因，需要对广域雷达检测器采集的数据进行处理.

2.1 数据清洗

将原始数据中每条数据的采集时刻列入广域雷达数据表中.部分编号为229的车辆轨迹数据如表2所示，根据坐标和时刻可以发现，序号为1～3、序号为4、序号为5～6及序号为7～12的数据分别表示不同车辆的行驶轨迹，即共有4辆编号为229的车辆被检测到，图3为其原始轨迹图.由于前3辆车出现的时间均小于1 s，判定为误测数据，应删除.处理后的车辆行驶轨迹如图4所示.由图4和表2可知，该车辆正在左转.

表2 部分ID为229的车辆数据表

图3 编号为229的车辆轨迹图

图4 处理后的车辆轨迹图

由于4个方向的检测器采集到的交叉口内部车辆信息存在数据重叠问题，因此，将交叉口内区域分为4个部分，每个检测器分别采集其中一个部分的数据，删除与其他检测器重复采集的数据.检测器1～4的重叠区域坐标范围分别为:

{(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}.

2.2 车道编号

根据广域雷达检测器采集到的数据，可以得到各个方向车辆轨迹的散点图.以3号检测器为例，车辆轨迹如图5所示.

由图5可知，检测器采集的数据范围为50～200 m.进口道与出口道的车辆行驶轨迹有明显区别.上方显示的是进口道的车辆行驶轨迹，可明显看出车道划分与进口道拓宽；下方显示的是出口道的车辆行驶轨迹，由于车辆可以自由换道，因此没有明显的车道划分.

图5 车辆轨迹散点图

根据车辆的y轴坐标，确定每个车道的坐标范围，对每个车道进行编号.假设进口道最外侧车道为1号车道，往出口道方向依次编号，并将每辆车各时刻所处的车道编号添加到广域雷达数据表中.

2.3 车辆编号重置

根据编号出现的顺序列出所有具有相同编号的车辆数据，以坐标和检测时间间隔作为判断依据区分具有相同编号的不同车辆，重置车辆编号，使每辆车有唯一的ID.例如，编号为241车辆的部分数据如表3所示.可以发现，序号为7的数据与序号为8的数据x坐标值与时刻均差异较大，明显为不同车辆的数据，可判定为2辆不同的车.同理，序号为14与序号为15的数据也不是同一辆车的，需要对其重新编号.

表3 编号为241车辆的部分数据

2.4 统一坐标

由于每个方向的广域雷达检测器具有独立的坐标系,因此，为保证交叉口能在同一坐标系中，以1号检测器所在的悬臂为x轴，以3号检测器所在的悬臂为y轴，建立新的坐标系xOy，如图6所示.4个检测器在新坐标系中的坐标分别为(33.0，0)，(90.5，39.4)，(0，52.1)和(52.6，89.1).

图6 新坐标轴及检测器与停止线距离示意图

假设an表示第n个检测器到x轴的距离，bn表示第n个检测器到y轴的距离，vxn，vyn分别表示车辆在坐标系xnOnyn(n=1,2,3,4)中x轴方向和y轴方向的速度.统一坐标后的结果如图7所示,坐标转换方程及结果如表4所示.

表4 坐标转换表

3 仿真与评价

3.1 模型构建

将交叉口及周边的区域离散成β个格子，每个格子长、宽均为1 m.每个车道宽度为3 m，即占3个格子.根据统一坐标后的数据建立车辆位置矩阵M.当M中某个元素被车辆占据时，该位置的值为1，否则为0.广域雷达检测器采集到的是车辆靠近检测器的部位，即进口道处为车头，出口道处为车尾，车辆所占格子数量根据车辆长度确定.

3.2 仿真平台建立

根据广域雷达检测器数据，迭代每个时刻的车辆位置矩阵M，形成交叉口车辆运行的轨迹仿真动画，仿真效果如图8所示.

图8 交叉口仿真效果图

3.3 评价指标输出

利用仿真平台，输出如下评价指标:

1)车道空间占有率Rs

车道空间占有率是指在检测路段中t时刻车辆投影与该路段的总长度之比，即

(1)

式(1)中：q表示该路段上的车辆数；Li表示第i辆车的长度；L表示该路段的总长度.

平均瞬时速度表示t时刻路段上所有车辆速度的平均值，即

(2)

式(2)中：vx,i和vy,i分别表示第i辆车的x轴方向和y轴方向的速度.

3)排队长度Q

假设当进口道处车辆的行驶速度小于5 km/h时形成排队，则

(3)

式(3)中：xmax，ymax分别表示东西进口和南北进口检测到的距离检测器最远的车速小于5 km/h的车辆头部位置；Ln(n=1,2,3,4)表示检测器到对应方向停止线的距离.

4)车均延误D

延误是指车辆因受到干扰或交通控制造成的损失时间，即

(4)

以东进口为例，空间占有率、平均瞬时速度、排队长度及延误统计情况如图9所示.

图9 评价指标随时刻变化图

4 总 结

本研究基于广域雷达数据建立了交叉口仿真平台，可以重现交叉口内部车辆的运行过程，实现交叉口微观仿真.同时通过车辆轨迹数据可以计算出车道占有率、平均瞬时速度、排队长度及延误等统计数据.研究结果为交叉口交通运行状态判别及信号控制优化等工作打下坚实基础，有助于实现交叉口精细化管理与控制，从而缓解交通拥堵，为交叉口智能化、标准化管理及车路协同奠定基础.