基于日常交通模式的交通信号灯评估
计算机视觉与模式识别
2025-07-15 v1 机器学习
摘要
转向运动计数数据对于交通信号设计、交叉口几何规划、交通流量及拥堵分析至关重要。本文提出了三种称为动态、静态和混合配置的 TMC 基于交通信号的方法。开发了基于视觉的跟踪系统，用于估计拉斯维加斯六个交叉口的 TMC。合成交叉口设计、路线（例如车辆运动方向）和与仿真城市交通（Simulation of Urban MObility）兼容的信号配置文件，并导入进行信号评估。基于估计等待时间的初始实验结果表明，周期时间为 90 秒和 120 秒对所有交叉口都最为理想。此外，四个交叉口显示出动态信号时序配置性能更好，而另外两个交叉口性能较低，其交叉口 leg 总车辆数与总车道数的比值较低。由于日常交通流通常呈双峰模式，我们提出一种混合信号方法，可在动态和静态方法之间切换，以适应峰时和非峰时交通条件以实现更好的流量管理。因此，内置的交通生成器模块为 4 小时的车辆路线创建车辆路径，包括高峰时段，信号设计模块根据静态、动态和混合方法产生信号周期计划。各区域（即西部、北部、东部、南部）的车辆计数分布被赋予不同权重，以生成多样化的交通模式。对于 6 个交叉口进行 4 小时仿真的扩展实验结果表明，基于区域的交通模式分布影响信号设计选择。虽然静态方法在均匀的区域分布下表现出色，但混合方法在西部-东部和北部-南部区域交叉口对的高度加权交通下表现更佳。
引用
@article{arxiv.2506.21469,
title = {Evaluation of Traffic Signals for Daily Traffic Pattern},
author = {Mohammad Shokrolah Shirazi and Hung-Fu Chang},
journal= {arXiv preprint arXiv:2506.21469},
year = {2025}
}