[论文解读] Highway traffic state estimation using speed measurements: case studies on NGSIM data and highway A20 in the Netherlands

Claudio Roncoli, Nikolaos Bekiaris‐Liberis+1 more|arXiv (Cornell University)|Sep 21, 2015

Traffic control and management参考文献 9被引用 10

一句话总结

本文提出一种基于宏观模型的交通状态估计方法，仅使用来自联网车辆的速度测量数据和最少的断面流量传感器。该方法采用卡尔曼滤波器对高速公路区段的交通密度和流量进行估计，在NGSIM数据和真实A20高速公路数据中均表现出高精度，即使在噪声环境下和不同联网车辆渗透率条件下亦然。

ABSTRACT

This paper presents two case studies where a macroscopic model-based approach for traffic state estimation, which we have recently developed, is employed and tested. The estimation methodology is developed for a "mixed" traffic scenario, where traffic is composed of both ordinary and connected vehicles. Only average speed measurements, which may be obtained from connected vehicles reports, and a minimum number (sufficient to guarantee observability) of spot sensor-based total flow measurements are utilised. In the first case study, we use NGSIM microscopic data in order to test the capability of estimating the traffic state on the basis of aggregated information retrieved from moving vehicles and considering various penetration rates of connected vehicles. In the second case study, a longer highway stretch with internal congestion is utilised, in order to test the capability of the proposed estimation scheme to produce appropriate estimates for varying traffic conditions on long stretches. In both cases the performances are satisfactory, and the obtained results demonstrate the effectiveness of the methodology, both in qualitative and quantitative terms.

研究动机与目标

• 开发一种依赖最少基础设施的交通状态估计方法，仅使用联网车辆的速度数据和少量断面流量传感器。
• 评估该估计方法在不同联网车辆渗透率和测量噪声条件下的鲁棒性与准确性。
• 在两种不同高速公路环境的真实数据上测试该方法：NGSIM微观仿真数据和具有内部拥堵的荷兰A20高速公路数据。
• 证明宏观交通建模在混合交通（含联网车辆与普通车辆）中实现实时交通状态估计的可行性。
• 通过减少对固定断面传感器的依赖，在保持高估计精度的同时，提供一种比密集传感器网络更具成本效益的替代方案。

提出的方法

• 该方法基于Lighthill-Whitham-Richards（LWR）框架的宏观交通模型，描述高速公路区段的交通动态。
• 采用卡尔曼滤波器，利用联网车辆的速度测量数据和少量断面传感器的总流量测量数据，估计交通状态变量（密度和流量）。
• 状态向量包含离散空间位置处的密度和流量，滤波器通过动态模型将估计值向前推进，并利用测量值进行校正。
• 测量噪声建模为加性高斯白噪声，速度测量的标准差为5 km/h，流量测量的协方差矩阵为 R = 100×I。
• 该估计方案设计为在最少传感器数据下仍可实现可观测性，依赖于宏观模型的可观测性特性。
• 该方法融合了欧拉系（固定位置）和拉格朗日系（移动车辆）的数据流，通过卡尔曼滤波框架实现数据融合。

实验结果

研究问题

• RQ1 能否仅使用联网车辆的速度数据和最少数量的断面流量传感器，准确估计交通状态？
• RQ2 在混合交通中，联网车辆的不同渗透率如何影响估计精度？
• RQ3 所提出的方法能否在具有内部瓶颈的长距离高速公路区段上，可靠地重建时空上的拥堵模式？
• RQ4 测量噪声（尤其是速度数据中的噪声）如何影响估计方案的性能？
• RQ5 当速度测量受非加性噪声影响时，基于卡尔曼滤波的方法在多大程度上仍能有效应对？

主要发现

• 在无噪声情况下，该估计方法的性能指数为 CVρ = 14.6%，表明其在重建交通密度方面具有高精度。
• 仅存在流量测量噪声时，性能略有下降至 CVρ = 15.0%，表明对传感器噪声具有鲁棒性。
• 当流量和速度测量均受加性噪声影响时，性能指数上升至 CVρ = 16.1%，表明性能下降可测量但可控。
• 对三维密度估计结果的视觉检查表明，该方法能准确重建A20高速公路区段的时空拥堵模式。
• 估计的密度轨迹正确捕捉了拥堵在正确位置和时间的出现，经真实数据验证。
• Moordrecht匝道的分流流量被高精度估计，证实了该方法在特定网络节点流量估计中的可靠性。