基于许可证牌识别数据的概率化队列长度估计方法：考虑多车道超车情形
信号处理
2024-08-14 v1 统计理论
统计理论
摘要
多段许可证牌识别(LPR)数据提供输入输出信息和被调查链路的抽样旅行时间,作为近期研究中基于车道的队列长度估计的理想数据源。然而,大多数研究假设严格的FIFO规则或特定到达过程,从而忽略了超车及交通流变动对多车道情境潜在影响的可能性。为此,本文提出一种概率化方法,通过构建无延迟到达时间(NAT)的条件概率模型来推导随机队列长度,即不经历延迟的车辆到达时间基于多段LPR数据。首先,基于上游和下游车辆的离站时间与序列,建立所有车辆的NAT条件。为降低计算维度和复杂度,开发了一种基于车辆间潜在相互作用的动态规划(DP)算法用于车辆群划分。随后,推导每组车辆的NAT条件概率,并采用MCMC抽样方法进行计算。随后,可基于各车辆的NAT推导出每个周期的随机队列轮廓和最大队列长度。最终,为充分利用LPR数据,本文将方法扩展至多车道情境,问题可转化为加权的一般精确覆盖问题,通过带启发式的回溯算法求解。经验和仿真实验表明,所提方法优于现有最先进方法,在各种交通条件下(包括不同的V/C比例、匹配率和FIFO违规率)准确性和鲁棒性显著提升。此外,利用多车道LPR数据可进一步提高所提方法的性能。
引用
@article{arxiv.2408.06351,
title = {A Probabilistic Approach for Queue Length Estimation Using License Plate Recognition Data: Considering Overtaking in Multi-lane Scenarios},
author = {Lyuzhou Luo and Hao Wu and Jiahao Liu and Keshuang Tang and Chaopeng Tan},
journal= {arXiv preprint arXiv:2408.06351},
year = {2024}
}
备注
30 pages, 20 figures