基于网联车轨迹的信号交叉口多相位交通需求联合估计

精确的交通需求估计对于信号交叉口的动态评估与优化至关重要。现有基于网联车（CV）数据的研究仅针对单一相位设计，且未充分研究过饱和交通条件下的实时交通需求估计。因此，本研究提出一种基于 CV 数据、考虑欠饱和与过饱和交通条件的信号交叉口逐周期多相位交通需求联合估计方法。首先，在给定实时观测 CV 轨迹的条件下，推导多相位交通需求的联合加权似然函数，该函数考虑初始排队并通过将每辆排队 CV 视为独立观测而放宽先进先出假设。然后，利用历史 CV 的样本量推导交通需求的联合先验分布。最终，基于最大后验（即 JO-MAP 方法）开发了一种用于基于周期的多相位交通需求估计的联合估计方法。所提方法使用仿真与实证数据进行了评估。仿真结果表明，所提方法在不同渗透率、到达模式与交通需求下均能给出可靠估计。联合估计的特性使我们的方法对 CV 渗透率要求更低，而先验分布的考虑可显著提升估计精度。实证结果显示，所提方法以 12.73% 的 MAPE 实现了精确的基于周期交通需求估计，优于其他四种方法。