Queue Length Estimation Based on Probe Vehicle Data at Signalized Intersections
Notice bibliographique
Résumé
Queue length is one of the important indexes to evaluate the operation efficiency of signalized intersection and also the key parameter of intersection signal control optimization. Traditional queue length estimation models are mostly based on fixed detection equipment, and the models assumptions are too harsh; there are certain limitations. Based on the probe vehicle data, this paper establishes a model of queue length estimation for signalized intersection based on shockwave theory. First, based on the speed and location data of the probe vehicle, the vehicle density is calculated to estimate the intersection stop line. A real-time calculation method of vehicle arrival rate is proposed to improve the applicability of the model. Then, based on the shockwave theory, the meeting time of the queue forming wave and the queue discharging wave are calculated after the green light is on. Finally, the queue length is summed in sections, including the distance between the last queued probe vehicle and the stop line during the red light period, the length of the subsequent vehicles arriving during the residual red light time, and the newly increased queue length within the queue discharging time. This paper uses the VISSIM software to simulate the actual intersection. The simulation results show that when the penetration of probe vehicle is 50%, 25%, and 10%, their corresponding mean absolute relative error are 11.27%, 27.77%, and 39.12%, respectively. It can be seen that with the increase of penetration, the error gradually decreases. The average absolute relative error is within the acceptable range. After analyzing the existing similar methods, although the accuracy of the method proposed in this paper does not reach the highest level, it has the advantages of simple operation, less computation, and good real-time computation. Relevant research results can provide support for traffic control at signalized intersections.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».