1.本发明属于交通信号智能控制
技术领域：
：，具体涉及一种基于多区域检测数据的车流相互影响事件识别方法。
背景技术：
：：2.现有技术中，大多侧重于交通拥堵事件是否发生的判断方法研究，对于交通拥堵事件细分方向中同一方向不同车流间相互影响事件识别的研究技术尚未发现。例如：中国发明专利申请号为cn201811092216.x名称为一种拥堵识别方法及装置，其公开了基于车辆行驶数据计算行程时间，并通过阈值判断，建立拥堵路段识别方法。中国发明专利申请号为cn202110850488.7名称为一种基于电警数据的交通拥堵状态快速识别预测方法，其公开了基于lstm模型进行平均行程速度的预测，进而利用平均行程速度和自由流速度的比值对拥堵状态进行判断；上述技术方案均为针对交通拥堵事件是否发生的判断的方法。3.在多区域检测数据应用的研究方向上，中国发明专利申请号为cn201810458053.6名称为一种基于多检测区域的车辆计数方法及系统，其利用目标交通视频中的图像帧，获取当前帧中目标车道的第一检测区域和第二检测区域的状态，通过分析第一检测区域和第二检测区域的占有空闲状态进行过车计数；中国发明专利申请号为cn201610039673.7名称为一种基于城市道路拥堵识别的检测器布设方法，其基于道路的拥堵特性和交通控制的作用时效，合理地设置两组或三组检测器，以此准确地获得道路的拥堵状态，为道路的管理与决策提供有效的信息。4.由上述可以得到，现有拥堵状态识别技术多着眼于路段或者路口的交通拥堵状态识别，对于具体的拥堵类型无法确定，如同一方向车流间相互影响造成的拥堵事件，不利于交通管理者更有针对性的采取相应的信号控制策略；尽管现有检测技术能够实现秒级多区域检测数据的采集，但对于数据应用上仍然多是通过计算横向断面的过车计数、过车速度等方法来分析拥堵状态，对于进口秒级的多区域检测数据尤其是纵向区域的分析挖掘能力比较薄弱，其统计时间颗粒度大、空间精细化程度低、对事件反映能力弱。技术实现要素：5.针对于上述现有技术的不足，本发明的目的在于提供一种基于多区域检测数据的车流相互影响事件识别方法，以解决现有技术中多依赖横向断面的过车计数、过车速度等指标的方法来确定拥堵发生与否，导致在拥堵事件发现时间上的延迟性，和对于拥堵类型的不可确定性的问题；本发明基于多区域检测，在展宽式交叉口不同位置设置多个检测区域，通过多区域检测数据的采集分析，深入研究车道级过车数、车道内车辆数和交通需求的变化特性，通过时空关联分析，获取不同交通状态下的交通流集散规律，建立发生在展宽式交叉口的任一方向车流相互影响事件的识别方法，为信号控制精细化微观策略制定提供有效信息。6.为达到上述目的，本发明采用的技术方案如下：7.本发明的一种基于多区域检测数据的车流相互影响事件识别方法，步骤如下：8.1)多检测区域划分：根据路口进口道的渠化特征，对渠化段、来向路段分别设置第一检测区域、第二检测区域，在第一检测区域内设置第一检测断面，在第二检测区域内设置第二检测断面；9.2)第二检测区域车道属性标定：根据第一检测区域不同车道属性车道分界线的延伸线确定第二检测区域各车道属性；10.3)检测数据采集分析及计算窗口触发：各检测区域收集横向检测数据及纵向检测数据，每秒计算一次车道级过车数、车道内车辆数、车道属性级交通需求；由第一检测区域的各车道属性级过车数变化特性决定车流相互影响事件计算窗口是否开启；11.4)车流相互影响事件识别：基于第二检测区域车道属性分类情况确定车流相互影响事件的判断条件，并通过各检测区域的各车道属性的交通需求变化特性的关联计算，得到车流影响事件的识别结果。12.进一步地，所述步骤1)中的根据路口进口道的渠化特征，在进口道不同位置布设检测断面及检测区域，包括如下步骤：13.11)第一检测区域设置：第一检测区域位于渠化段，包括渐变段，用于检测第一检测区域中的车道内车辆数；并在进口道停车线处设置第一检测断面，用于检测第一检测断面的车道级过车数据；14.12)第二检测区域设置：第二检测区域位于来向路段，用于检测来向路段的车道内车辆数；且在第二检测区域的下边缘设置第二检测断面，用于检测第二检测断面的车道级过车数据。15.进一步地，所述步骤2)中的第一检测区域车道属性包括但不限于：直行车道、左转车道；第二检测区域的车道属性包括：直行入口车道、易干扰车道、左转入口车道。16.进一步地，所述步骤2)中的第二检测区域的车道属性标定方法具体为：将位于第二检测区域中的处在第一检测区域左直车道分界线延伸线上的车道，标定为易干扰车道；易干扰车道的内侧车道标定为左转入口车道，易干扰车道的外侧车道标定为直行入口车道。17.此外，需要说明的是因为直右车流影响事件分析方法与左直车流事件分析方法类似，故不再赘述。18.进一步地，所述步骤3)中的检测数据采集分析具体包括：19.各检测区域收集横向检测数据及纵向检测数据，并记录在过车表passtable和排队表queuetable中；passtable字段包括但不限于：通过时间、车辆类型、车道号；queuetable字段包括但不限于：检测时间、车道内车辆数、车道号；基于检测数据每秒计算车道级过车数、车道内车辆数及车道属性级交通需求。20.进一步地，计算时刻tp的车道级过车数的计算公式如下：[0021][0022]其中，i为车道属性编号，i∈{t,l,te,le,be}，t、l、te、le、be分别为直行车道、左转车道、直行入口车道、左转入口车道和易干扰车道；n为属于同一车道属性的车道序号，同一车道属性包括多个车道时，按从内侧车道到外侧车道顺序依次标记其车道序号{1,2,……,n}；[0023]为搜索passtable中符合车道属性为i、车道序号为n且通过时间在[tp-1,tp)的过车记录，并计算其数量。[0024]当第一检测区域中属于同一车道属性的所有车道的过车数均大于0且保持不变的持续时间超过设置的重置时间阈值时，其车道属性下所有车道的过车数重置；当第一检测区域各车道属性的过车数均为0且持续时间超过设置的重置时间阈值时，第二检测区域所有车道的过车数重置。[0025]进一步地，每秒采集车道内车辆数并记录，进而计算各车道属性的交通需求计算方法如下：[0026][0027]其中，车道属性级过车数和车道属性级车道内车辆数分别对应在计算时刻tp车道属性为i的过车数和车道内车辆数，计算方法如下：[0028][0029][0030]进一步地，所述步骤3)中的计算窗口触发具体包括：[0031]第一检测区域车道属性级过车数变化特性决定车流相互影响事件计算窗口是否开启，记当前计算窗口类型和即将开启的计算窗口类型分别为cur和tem，cur、tem∈{lbtwin、tblwin、nowin}，lbtwin、tblwin、nowin分别为左转影响直行计算窗口、直行影响左转计算窗口、关闭车流影响计算窗口；stop标记当前计算窗口下是否已识别出车流影响事件，stop＝1表示已识别出，stop＝0表示未识别出；当第一检测区域的车道属性级过车数且时，将开启左转影响直行事件识别的计算窗口，则tem＝lbtwin；当第一检测区域的车道属性级过车数且时，将开启直行影响左转事件识别的计算窗口，tem＝tblwin；其他情况则无需进行车辆影响事件识别计算，tem＝nowin；[0032]比较tem与cur，若tem≠cur且tem≠nowin，表示将开启新的窗口类型，则更新当前窗口类型cur＝tem，并记录计算窗口的开始时刻t0＝tp，tp为当前计算时刻，执行步骤4)；若tem＝cur、tem≠nowin且stop＝0，表示保持当前计算窗口且尚未识别出车流影响事件发生，执行步骤4)；若tem＝cur且stop＝1，表示在当前计算窗口中已识别出车流影响事件，无需继续计算，返回检测数据采集分析步骤；若tem＝nowin，表示将关闭计算窗口，则更新当前窗口类型cur＝tem，更新stop＝0，返回检测数据采集分析步骤。[0033]进一步地，所述步骤4)中的识别结果包括：左转影响直行事件、直行影响左转事件和无车流影响事件。[0034]进一步地，所述步骤4)具体包括：[0035]41)车流相互影响事件判断条件设置：基于第二检测区域的车道属性分布情况确定车流相互影响事件的判断条件；若直行入口车道和左转入口车道均存在，则左转影响直行事件及直行影响左转事件的判断条件均为jc1；若直行入口车道存在且左转入口车道不存在，则左转影响直行事件的判断条件为jc1，直行影响左转事件的判断条件为jc2；若直行入口车道不存在且左转入口车道存在，则左转影响直行事件的判断条件为jc2，直行影响左转事件的判断条件为jc1；若直行入口车道和左转入口车道均不存在，则左转影响直行事件及直行影响左转事件的判断条件均为jc2；[0036]判断条件jc1计算公式如下：[0037][0038]其中，eventmark为标记车流影响事件类型的参数，eventmark∈{lbt，tbl，none}，lbt、tbl、none分别为左转影响直行事件、直行影响左转事件、无车流影响事件；tminigap为最小时间间隔阈值，risingpf1(tp-tmingap,tp)刻画参数f1在时间区段[tp-tminigap,tp]的上升指数，f1＝trend(passdie-passdbe)，ie∈{te,le}；trend(f2)是利用移动平均法，消除参数f2的随机波动性，转化为更能反映f2变化特性的参数，f2＝passdie-passdbe；[0039]所述时间区段[tp-tminigap,tp]内参数f1的上升指数的计算公式如下：[0040][0041]其中，标记参数f第m秒相较于第m-1秒是否上升，计算方法如下：[0042][0043]其中，f1(m)＝trend(f2(m))，trend(f2(m))的计算方法如下：[0044][0045]判断条件jc2计算方法如下：[0046][0047]其中，qmin为时段平均车道内车辆数阈值；[0048]42)车流相互影响事件识别：根据车流相互影响事件判断条件，结合车流相互影响事件计算窗口内各车道属性的交通需求trafficdi及干扰车道的车道内车辆数queuevehbe，判别是否有车流影响事件发生；若有车流影响事件发生，即eventmark＝lbt或eventmark＝tbl，则更新stop＝1，返回步骤3)；若无车流影响事件发生，即eventmark＝none，则直接返回步骤3)。[0049]本发明的有益效果：[0050]1)本发明弥补了智慧交通领域中拥堵识别方向下，因左直交通流相互影响的拥堵事件识别细分方向的技术欠缺，为信号控制精细化策略制定提供有效信息；[0051]2)本发明中的多区域的数据采集分析方法，可以更为精细地掌握路口进口的不同位置的交通流集散规律；[0052]3)本发明基于不同交通状态下交通流的集散规律，对进口不同位置不同类型的交通流的实时变化特性进行关联研判分析，建立车流相互影响识别方法，提高识别的时效性和准确度。附图说明[0053]图1为左转影响直行通行的交通情形示意图；[0054]图2为直行影响左转通行的交通情形示意图；[0055]图3为具备展宽段的交叉口进口示意图；[0056]图4为左转影响直行事件的识别过程示意图；[0057]图5为直行影响左转事件的识别过程示意图；[0058]图6为本发明方法的原理框图。具体实施方式[0059]为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。[0060]参照图6所示，本发明的一种基于多区域检测数据的车流相互影响事件识别方法，图3为示例中具备展宽段的交叉口进口示意图，步骤如下：[0061]1)多检测区域划分：根据路口进口道的渠化特征，对渠化段、来向路段分别设置第一检测区域、第二检测区域，在第一检测区域内设置第一检测断面，在第二检测区域内设置第二检测断面；[0062]其中，所述步骤1)中的根据路口进口道的渠化特征，在进口道不同位置布设检测断面及检测区域，包括如下步骤：[0063]11)第一检测区域设置：第一检测区域位于渠化段，包括渐变段，用于检测第一检测区域中的车道内车辆数；并在进口道停车线处设置第一检测断面，用于检测第一检测断面的车道级过车数据；[0064]12)第二检测区域设置：第二检测区域位于来向路段，用于检测路段的车道内车辆数；且在第二检测区域的下边缘设置第二检测断面，用于检测第二检测断面的车道级过车数据。[0065]2)第二检测区域车道属性标定：根据第一检测区域不同车道属性车道分界线的延伸线确定第二检测区域各车道属性；[0066]其中，所述步骤2)中的第一检测区域车道属性包括但不限于：直行车道、左转车道；第二检测区域的车道属性包括：直行入口车道、易干扰车道、左转入口车道。[0067]第二检测区域的车道属性标定方法具体为：将位于第二检测区域中的处在第一检测区域左直车道分界线延伸线上的车道，标定为易干扰车道；易干扰车道的内侧车道标定为左转入口车道，易干扰车道的外侧车道标定为直行入口车道。[0068]此外，需要说明的是因为直右车流影响事件分析方法与左直车流事件分析方法类似，故不再赘述。[0069]3)检测数据采集分析及计算窗口触发：各检测区域收集横向检测数据及纵向检测数据，每秒计算一次车道级过车数、车道内车辆数、车道属性级交通需求；由第一检测区域的各车道属性级过车数变化特性决定车流相互影响事件计算窗口是否开启；[0070]检测数据采集分析具体包括：[0071]各检测区域收集横向检测数据及纵向检测数据，并记录在过车表passtable和排队表queuetable中；passtable字段包括但不限于：通过时间、车辆类型、车道号；queuetable字段包括但不限于：检测时间、车道内车辆数、车道号；基于检测数据每秒计算车道级过车数、车道内车辆数及车道属性级交通需求。[0072]具体地，计算时刻tp的车道级过车数的计算公式如下：[0073][0074]其中，i为车道属性编号，i∈{t,l,te,le,be}，t、l、te、le、be分别为直行车道、左转车道、直行入口车道、左转入口车道和易干扰车道；n为属于同一车道属性的车道序号，同一车道属性包括多个车道时，按从内侧车道到外侧车道顺序依次标记其车道序号{1,2,……,n}；[0075]为搜索passtable中符合车道属性为i、车道序号为n且通过时间在[tp-1,tp)的过车记录，并计算其数量。[0076]当第一检测区域中属于同一车道属性的所有车道的过车数均大于0且保持不变的持续时间超过设置的重置时间阈值时，其车道属性下所有车道的过车数重置；当第一检测区域各车道属性的过车数均为0且持续时间超过设置的重置时间阈值时，第二检测区域所有车道的过车数重置。[0077]每秒采集车道内车辆数并记录，进而计算各车道属性级交通需求计算方法如下：[0078][0079]其中，车道属性级过车数和车道属性级车道内车辆数分别对应在计算时刻tp车道属性为i的过车数和车道内车辆数，计算方法如下：[0080][0081][0082]具体地，计算窗口触发具体包括：[0083]第一检测区域车道属性级过车数变化特性决定车流相互影响事件计算窗口是否开启，记当前计算窗口类型和即将开启的计算窗口类型分别为cur和tem，cur、tem∈{lbtwin、tblwin、nowin}，lbtwin、tblwin、nowin分别为左转影响直行计算窗口、直行影响左转计算窗口、关闭车流影响计算窗口；stop标记当前计算窗口下是否已识别出车流影响事件，stop＝1表示已识别出，sto＝0表示未识别出；当第一检测区域的车道属性级过车数且时，将开启左转影响直行事件识别的计算窗口，则tem＝lbtwin；当第一检测区域的车道属性级过车数且时，将开启直行影响左转事件识别的计算窗口，tem＝tblwin；其他情况则无需进行车辆影响事件识别计算，tem＝nowin；[0084]比较tem与cur，若tem≠cur且tem≠nowin，表示将开启新的窗口类型，则更新当前窗口类型cur＝tem，并记录计算窗口的开始时刻t0＝tp，tp为当前计算时刻，执行步骤4)；若tem＝cur、tem≠nowin且stop＝0，表示保持当前计算窗口且尚未识别出车流影响事件发生，执行步骤4)；若tem＝cur且stop＝1，表示在当前计算窗口中已识别出车流影响事件，无需继续计算，返回检测数据采集分析步骤；若tem＝nowin，表示将关闭计算窗口，则更新当前窗口类型cur＝tem，更新stop＝0，返回检测数据采集分析步骤。[0085]由图4所示，分析第一检测区域各车道属性级过车数变化特性，在9:00:02时刻其passvehl＝0且passveht》0，因此在9:00:02时刻开启左转影响直行事件识别的计算窗口，cur＝lbtwin，并且记录计算窗口的开始时刻t0＝9:00:02，执行步骤4)；9:00:03至9:00:15维持在lbtwin，cur＝lbtwin且stop＝0，执行步骤4)；9:00:16至9:00:21维持在lbtwin，cur＝lbtwin且stop＝1，返回检测数据采集分析步骤；9:00:22关闭左转影响直行的计算窗口，cur＝nowin，返回检测数据采集分析步骤。[0086]由图5所示，分析第一检测区域各车道属性级过车数变化特性，在18:00:23时刻其passveht＝0且passvehl》0，因此在18:00:23时刻开启直行影响左转事件识别的计算窗口，cur＝tblwin，并且记录计算窗口的开始时刻t0＝18:00:23，执行步骤4)；18:00:24至18:00:38维持在tblwin，cur＝tblwin且stop＝0，执行步骤4)；18:00:39至18:00:43维持在tblwin，cur＝tblwin且stop＝1，返回检测数据采集分析步骤；18:00:44关闭直行影响左转的计算窗口，cur＝nowin，返回检测数据采集分析步骤。[0087]4)车流相互影响事件识别：基于第二检测区域车道属性分类情况确定车流相互影响事件的判断条件，并通过各检测区域的各车道属性的交通需求变化特性的关联计算，得到车流影响事件的识别结果；参照图1，图2所示；[0088]所述识别结果包括：左转影响直行事件、直行影响左转事件和无车流影响事件。[0089]具体地，41)车流相互影响事件判断条件设置：基于第二检测区域的车道属性分布情况确定车流相互影响事件的判断条件；若直行入口车道和左转入口车道均存在，则左转影响直行事件及直行影响左转事件的判断条件均为jc1；若直行入口车道存在且左转入口车道不存在，则左转影响直行事件的判断条件为jc1，直行影响左转事件的判断条件为jc2；若直行入口车道不存在且左转入口车道存在，则左转影响直行事件的判断条件为jc2，直行影响左转事件的判断条件为jc1；若直行入口车道和左转入口车道均不存在，则左转影响直行事件及直行影响左转事件的判断条件均为jc2；[0090]判断条件jc1计算公式如下：[0091][0092]其中，eventmark为标记车流影响事件类型的参数，eventmark∈{lbt，tbl，none}，lbt、tbl、none分别为左转影响直行事件、直行影响左转事件、无车流影响事件；tminigap为最小时间间隔阈值，risingpf1(tp-tmingap,tp)刻画参数f1在时间区段[tp-tminigap,tp]的上升指数，f1＝trend(passdie-passdbe)，ie∈{te,le}；trend(f2)是利用移动平均法，消除参数f2的随机波动性，转化为更能反映f2变化特性的参数，f2＝passdie-passdbe；[0093]所述时间区段[tp-tminigap,tp]内参数f1的上升指数的计算公式如下：[0094][0095]其中，标记参数f第m秒相较于第m-1秒是否上升，计算方法如下：[0096][0097]其中，f1(m)＝trend(f2(m))，trend(f2(m))的计算方法如下：[0098][0099]判断条件jc2计算方法如下：[0100][0101]其中，qmin为时段平均车道内车辆数阈值；[0102]42)车流相互影响事件识别：根据车流相互影响事件判断条件，结合车流相互影响事件计算窗口内各车道属性的交通需求trafficdi及干扰车道的车道内车辆数queuevehbe，判别是否有车流影响事件发生；若有车流影响事件发生，即eventmark＝lbt或eventmark＝tbl，则更新stop＝1，返回步骤3)；若无车流影响事件发生，即eventmark＝none，则直接返回步骤3)。[0103]在时间段[9:00:02,9:00:14]，每秒结合passdi根据公式(5)得到eventmark＝none，返回步骤3)；计算时刻tp在9:00:15，根据公式(5)，输出结果eventmark＝lbt，更新stop＝1，返回步骤3)。[0104]在时间段[18:00:23,18:00:37]，根据公式(9)输出的eventmark＝none，则返回步骤3)；计算时刻tp在18:00:38，根据公式(9)，输出结果eventmark＝lbt，更新stop＝1，返回步骤3)。[0105]本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本
技术领域：
：的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。当前第1页12当前第1页12
技术特征：1.一种基于多区域检测数据的车流相互影响事件识别方法，其特征在于，步骤如下：1)多检测区域划分：根据路口进口道的渠化特征，对渠化段、来向路段分别设置第一检测区域、第二检测区域，在第一检测区域内设置第一检测断面，在第二检测区域内设置第二检测断面；2)第二检测区域车道属性标定：根据第一检测区域不同车道属性车道分界线的延伸线确定第二检测区域各车道属性；3)检测数据采集分析及计算窗口触发：各检测区域收集横向检测数据及纵向检测数据，每秒计算一次车道级过车数、车道内车辆数、车道属性级交通需求；由第一检测区域的各车道属性级过车数变化特性决定车流相互影响事件计算窗口是否开启；4)车流相互影响事件识别：基于第二检测区域车道属性分类情况确定车流相互影响事件的判断条件，并通过各检测区域的各车道属性的交通需求变化特性的关联计算，得到车流影响事件的识别结果。2.根据权利要求1所述的基于多区域检测数据的车流相互影响事件识别方法，其特征在于，所述步骤2)中的第一检测区域车道属性包括但不限于：直行车道、左转车道；第二检测区域的车道属性包括：直行入口车道、易干扰车道、左转入口车道。3.根据权利要求2所述的基于多区域检测数据的车流相互影响事件识别方法，其特征在于，所述步骤2)中的第二检测区域的车道属性标定方法具体为：将位于第二检测区域中的处在第一检测区域左直车道分界线延伸线上的车道，标定为易干扰车道；易干扰车道的内侧车道标定为左转入口车道，易干扰车道的外侧车道标定为直行入口车道。4.根据权利要求1所述的基于多区域检测数据的车流相互影响事件识别方法，其特征在于，所述步骤3)中的检测数据采集分析具体包括：各检测区域收集横向检测数据及纵向检测数据，并记录在过车表passtable和排队表queuetable中；passtable字段包括但不限于：通过时间、车辆类型、车道号；queuetable字段包括但不限于：检测时间、车道内车辆数、车道号；基于检测数据每秒计算车道级过车数、车道内车辆数及车道属性级交通需求。5.根据权利要求4所述的基于多区域检测数据的车流相互影响事件识别方法，其特征在于，计算时刻t
p
的车道级过车数的计算公式如下：其中，i为车道属性编号，i∈{t,l,te,le,be}，t、l、te、le、be分别为直行车道、左转车道、直行入口车道、左转入口车道和易干扰车道；n为属于同一车道属性的车道序号，同一车道属性包括多个车道时，按从内侧车道到外侧车道顺序依次标记其车道序号{1,2,
……
,n}；为搜索passtable中符合车道属性为i、车道序号为n且通过时间在[t
p-1,t
p
)的过车记录，并计算其数量。6.根据权利要求4所述的基于多区域检测数据的车流相互影响事件识别方法，其特征在于，每秒采集车道内车辆数并记录，进而计算各车道属性的交通需求计算方法如下：
其中，车道属性级过车数和车道属性级车道内车辆数分别对应在计算时刻t
p
车道属性为i的过车数和车道内车辆数，计算方法如下：车道属性为i的过车数和车道内车辆数，计算方法如下：7.根据权利要求4所述的基于多区域检测数据的车流相互影响事件识别方法，其特征在于，所述步骤3)中的计算窗口触发具体包括：第一检测区域车道属性级过车数变化特性决定车流相互影响事件计算窗口是否开启，记当前计算窗口类型和即将开启的计算窗口类型分别为cur和tem，cur、tem∈{lbtwin、tblwin、nowin}，lbtwin、tblwin、nowin分别为左转影响直行计算窗口、直行影响左转计算窗口、关闭车流影响计算窗口；stop标记当前计算窗口下是否已识别出车流影响事件，stop＝1表示已识别出，stop＝0表示未识别出；当第一检测区域的车道属性级过车数且时，将开启左转影响直行事件识别的计算窗口，则tem＝lbtwin；当第一检测区域的车道属性级过车数且时，将开启直行影响左转事件识别的计算窗口，tem＝tblwin；其他情况则无需进行车辆影响事件识别计算，tem＝nowin；比较tem与cur，若tem≠cur且tem≠nowin，表示将开启新的窗口类型，则更新当前窗口类型cur＝tem，并记录计算窗口的开始时刻t0＝t
p
，t
p
为当前计算时刻，执行步骤4)；若tem＝cur、tem≠nowin且stop＝0，表示保持当前计算窗口且尚未识别出车流影响事件发生，执行步骤4)；若tem＝cur且stop＝1，表示在当前计算窗口中已识别出车流影响事件，无需继续计算，返回检测数据采集分析步骤；若tem＝nowin，表示将关闭计算窗口，则更新当前窗口类型cur＝tem，更新stop＝0，返回检测数据采集分析步骤。8.根据权利要求1所述的基于多区域检测数据的车流相互影响事件识别方法，其特征在于，所述步骤4)中的识别结果包括：左转影响直行事件、直行影响左转事件和无车流影响事件。9.根据权利要求8所述的基于多区域检测数据的车流相互影响事件识别方法，其特征在于，所述步骤4)具体包括：41)车流相互影响事件判断条件设置：基于第二检测区域的车道属性分布情况确定车流相互影响事件的判断条件；若直行入口车道和左转入口车道均存在，则左转影响直行事件及直行影响左转事件的判断条件均为jc1；若直行入口车道存在且左转入口车道不存在，则左转影响直行事件的判断条件为jc1，直行影响左转事件的判断条件为jc2；若直行入口车道不存在且左转入口车道存在，则左转影响直行事件的判断条件为jc2，直行影响左转事件的判断条件为jc1；若直行入口车道和左转入口车道均不存在，则左转影响直行事件及直行影响左转事件的判断条件均为jc2；判断条件jc1计算公式如下：
其中，eventmark为标记车流影响事件类型的参数，eventmark∈{lbt，tbl，none}，lbt、tbl、none分别为左转影响直行事件、直行影响左转事件、无车流影响事件；t
minigap
为最小时间间隔阈值，risingp
f1
(t
p-t
mingap
,t
p
)刻画参数f1在时间区段[t
p-t
minigap
,t
p
]的上升指数，f1＝trend(passd
ie-passd
be
)，ie∈{te,le}；trend(f2)是利用移动平均法，消除参数f2的随机波动性，转化为更能反映f2变化特性的参数，f2＝passd
ie-passd
be
；所述时间区段[t
p-t
minigap
,t
p
]内参数f1的上升指数的计算公式如下：其中，标记参数f第m秒相较于第m-1秒是否上升，计算方法如下：其中，f1(m)＝trend(f2(m))，trend(f2(m))的计算方法如下：判断条件jc2计算方法如下：其中，q
min
为时段平均车道内车辆数阈值；42)车流相互影响事件识别：根据车流相互影响事件判断条件，结合车流相互影响事件计算窗口内各车道属性的交通需求trafficd
i
及干扰车道的车道内车辆数queueveh
be
，判别
是否有车流影响事件发生；若有车流影响事件发生，即eventmark＝lbt或eventmark＝tbl，则更新stop＝1，返回步骤3)；若无车流影响事件发生，即eventmark＝none，则直接返回步骤3)。
技术总结本发明公开了一种基于多区域检测数据的车流相互影响事件识别方法，步骤如下：多检测区域划分；第二检测区域车道属性标定；检测数据采集分析及计算窗口触发；车流相互影响事件识别。本发明基于多区域检测，在展宽式交叉口不同位置设置多个检测区域，通过多区域检测数据的采集分析，深入研究车道级过车数、车道内车辆数和交通需求的变化特性，通过时空关联分析，获取不同交通状态下的交通流集散规律，建立发生在展宽式交叉口的任一方向车流相互影响事件的识别方法，为信号控制精细化微观策略制定提供有效信息。制定提供有效信息。制定提供有效信息。
技术研发人员：郝建根 王月 张继锋 江超阳 张俊 沈阳 韩雪 伍丹 王军
受保护的技术使用者：南京莱斯信息技术股份有限公司
技术研发日：2022.07.15
技术公布日：2022/11/1
