CN102867409A - 一种可用于城市中心区域的道路交通协同控制方法 - Google Patents
一种可用于城市中心区域的道路交通协同控制方法 Download PDFInfo
- Publication number
- CN102867409A CN102867409A CN 201210343380 CN201210343380A CN102867409A CN 102867409 A CN102867409 A CN 102867409A CN 201210343380 CN201210343380 CN 201210343380 CN 201210343380 A CN201210343380 A CN 201210343380A CN 102867409 A CN102867409 A CN 102867409A
- Authority
- CN
- China
- Prior art keywords
- control
- traffic
- node
- rscu
- collaborative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明为一种可用于城市中心区域的道路交通协同控制方法,以生物协同现象为背景,综合考虑城市中心区域各交通因素,将区域内若干个相邻的信号交叉口,通过CAN总线数据通信技术,连接起来加以协同控制,对多交叉口个体种群进行免疫调节,并将交通环境压力变化和应用在其中的交通信号系统(交通信号控制协同体)分别对应于求解问题的目标以及问题的解,采用多模式免疫协同进化机制,交通协同优化目标函数为车辆在各个交叉口的延误之和最小,以此控制周期、绿信比、相位差等交通参数,形成信号交叉口间的“目标协同”和“进化融合”,有效提高城市中心区域交通通行问题求解的效率。
Description
技术领域
本发明属于道路交通组织管理方法,特别是一种可用于城市中心区域的道路交通协同控制方法。
背景技术
随着经济全球化与科学技术日新月异的发展,交通运输作为社会经济生活的一个重要方面,对保证社会经济体系的正常运转发挥着重要的作用,已经成为人们生活中不可缺少的重要组成部分。近20年来,世界各国先后建立起了四通八达的交通运输网络,但交通工具的增长速度远远高于道路和其他交通设施的增长,随之引起的交通拥堵、交通事故、环境污染、能源短缺等问题,已经成为世界各国面临的共同问题,也造成了巨大的物质和经济损失。如美国德州运输研究所对美国39个主要城市的研究表明:美国每年因交通阻塞而造成的经济损失约为410亿美元,预测到2020年,因事故造成的经济损失每年将超过1500亿美元;国内因交通拥堵造成的损失也相当严重:在北京、上海、广州等特大型城市,市区高峰期主要道路平均负荷度高达95%以上,机动车车速下降到12km/h,个别路段时速仅为7-8km/h,交通效率低下,事故频发,大量拥堵车辆低速行驶所带来的噪声、尾气污染也成倍增加,加剧了城市自然环境的恶化程度。
目前由交通拥堵所带来的这些问题已成为目前世界各城市交通面临的一个严峻问题,世界各国尽管采取了一些针对对策,但是城市交通问题仍然未能得到很好的解决。在长期的实践中,研究者逐渐认识到:单纯依靠修建道路与交通设施和采用传统的管理方式来解决解决交通问题,不仅成本昂贵、环境污染严重,而且其缓解交通拥堵、提高交通运输效果也非常有限,无法满足日益增长的交通压力。因此,在现有道路条件下,提高交通控制和管理水平,合理使用现有的交通设施,充分发挥其能力,是解决交通问题的有效方法之一。
城市中心城区大都由多个各个区域中心组团而成,各中心区域面临的交通压力较大,目前,北京、上海、广州、重庆等城市中心区域路网中的各交叉口大多设置为单点交通信号控制,独立进行配时控制,与同一区域内的相邻路口缺少联动性。由于城市中同一区域内交叉口往往相距比较近,交通流存在互相影响关系,车辆经常在几个相邻路口连续遇到红灯,造成行车极为不便。为使车辆减少在区域内各个交叉口上的延误时间和停车次数,可以将区域内若干个相邻的信号交叉口,通过总线通信技术,连接起来加以协同控制,通过信号交叉口间的“目标协同”和“进化融合”,形成开放环境下的“动态协同关系”,使该区域交通信号系统自身可通过不断“动态学习”和“协同进化”获得较好自适应能力,有效地适应求解交通环境和问题特征的动态变化,形成区域交叉口交通信号协同控制系统,以提高中心区域交通通行能力,强化区域内的车辆定向诱导作用,确保车辆畅通行驶。
国际上,现场总线控制技术发展迅速,我国以智能仪表为代表的现场总线控制技术起步不久,传统的模拟仪表常采用RS-232或RS-485物理总线实现控制通信连接,但在实时性、可靠性等方面存在不足,目前国内尚未形成统一的总线标准,只能引进和消化吸收国外多种总线标准,CAN(Control Area Network)总线作为现场总线的一种,最初为汽车应用而由德国BOSCH公司设计研发,同其他总线相比具有较高的可靠性和性能价格比,应用领域已从前期的汽车领域向过程工业、机械工业、交通自动化、电气及数字智能仪表等领域扩展,适合于励磁装置故障信息通信应用方向。
发明内容
本发明的目的是提供一种集成度高、精度高、高效可靠的城市区域内交通信号的协同优化与控制方法,实现提高中心区域交通通行能力,强化区域内的车辆定向诱导作用,确保车辆畅通行驶。
本发明的目的是以下述方式实现的:一种可用于城市中心区域的道路交通协同控制方法,以生物协同现象为背景,对城市中心区域交通状况进行系统深入分析,综合考虑城市中心区域的交通通行模式、交通信号流程、交通信息集成与融合等因素,可以将区域内若干个相邻的信号交叉口,通过CAN总线数据通信技术,连接起来加以协同控制,基于生物协同进化机制,对多交叉口个体种群进行免疫调节,通过信号交叉口间的“目标协同”和“进化融合”,形成各控制个体之间、多控制个体与城市中心区域环境之间的“动态协同关系”,实现各交叉口个体之间的协同控制合作行为,从而使用少量的控制个体完成数量比它大得多的控制模式,以最少的控制个体数量覆盖几乎城市中心区域信号监控范围,构建起交通信号协同控制体系,有效提高交通通行问题求解的效率。
作为优选,将交通环境压力变化和应用在其中的交通信号系统(交通信号控制协同体)分别对应于求解问题的目标以及问题的解,采用多模式免疫协同进化机制。
作为优选,免疫协同中采用基本免疫机制和算法。
作为优选,交通协同优化目标函数可考虑为车辆在各个交叉口的延误之和最小,以此控制周期、绿信比、相位差等交通参数。
作为优选,区域交通协同采用 CAN总线数据通信技术,使用CAN 2.0扩展帧格式构成主要数据帧。
与现有技术相比,本发明的优点在于:基于免疫协同进化机制,结合工程实际来设计合适的交通信号协控模型,将区域内若干个相邻的信号交叉口,通过CAN总线数据通信技术,连接起来加以协同控制,构建免疫协同控制策略和控制模式,实现交通资源的实时可靠动态调度和协同控制自适应算法,优化城市道路交通,有力提高城市中心区域通行效率。
附图说明
图1为本发明的区域交通组织结构图。
图2为本发明的区域交通控制参数表图。
图3为本发明的区域交通免疫协同控制流程图。
图4为本发明的CAN通信应用协议结构图。
具体实施方式
以下结合附图详细说明本发明的实施例。
作为本发明的一种实施方式,参阅图1,为本发明的区域交通组织结构图(东西方向为干线交通,南北方向为支线交通),在城市道路中存在大量的平面交叉路口,这些交叉路口往往成为交通流的汇集和分流点,一般可分为十字形、X形、T形、Y形和多路交叉形,城市任一交叉口是城市交通路网的一个节点,其工作状态必然受其相邻节点状态的影响,为了减少车辆在各个路口的行车延误和停车次数,就需要对同一区域相邻路口实施协同控制和定向诱导策略,合理地分配通行权,使发生冲突的交通流在时间上和空间上分离,确保道路畅通,减少车辆延误,从而保证车辆和行人的安全通行,在城市交通控制领域,如果对一个城市各中心区域进行了有效的协同控制,就能够解决大部分的交通拥挤问题,这一观点在区域交通比较明显的城市得到了证实,然而,目前的实际情况是,大部分城市区域采用的是开环定时控制,这种控制采用多时段定时控制方式,不能实时响应交通需求的变化。
在交通信号控制问题分析的开始阶段,为了分析所面临的问题,首先要掌握控制问题的基本概念、组成部分,以及各部分之间的关系,然后对问题进行更深入的分析,以掌握问题的机理,使问题充分结构化。在控制模型选择阶段,系统提供模型选择类知识,根据问题分析结论,合理地选择模型,同时,系统也提供关于模型的概略性解释;在控制模型构造阶段,系统根据控制模型知识和控制问题领域知识,运用控制模型构造器,构造解决问题的控制模型;在控制模型修改阶段,系统根据控制意图和控制需要,对控制模型结构进行适当调整。
在免疫学研究中,各种免疫细胞之间的相互促进和抑制现象可描述为免疫协同进化形式,其核心思想是:基于浓度机制对进化种群进行调节,个体亲合度评价与其它群体相关,最大程度保持免疫群体多样性。在城市区域的交通信号控制中,单个交叉口控制个体的资源和能力是有限的,具有不同目标的多个交叉口控制个体必须对其目标、资源使用进行协调和组织,从生物免疫系统中利用各种免疫细胞协同作用,完成对病毒的识别过程来看,非常类似于交通信号监控系统利用各交叉口交通信息,进行该区域交通协同控制决策的过程。动态免疫协同过程需要从交通系统事件状态改变、交叉口控制个体行为变化及交叉口控制个体交互方式动态重组等几个方面来体现出自组织、自适应的智能行为。
免疫协同进化一个交通信号控制模型,需要分析信号控制问题涉及到哪些数据量以及这些数据量之间的关系,需要知道信号控制问题所属领域的知识以及求解这个问题的控制模型具有怎样的结构,需要了解控制数据知识、控制领域知识和控制模型知识,协同知识可以按照控制数据知识、控制领域知识和控制模型知识组织成三个不同层次,控制模型知识的应用需要调用控制领域知识和控制数据知识,控制领域知识的应用需要调用控制数据知识,控制数据知识具体地实施每个协同控制步骤,完成控制模型的构建,控制模型知识和控制领域知识都是通过调用其它知识完成其应用的,在系统内部可以表示为对底层知识的调用,也就是说表示为知识运用的过程。
参阅图2,为本发明的区域交通控制参数表图,一般说来,在交通控制中至少有三个基本参数可以控制:周期、绿信比、相位差。对整个区域信号协同控制系统来说,要提高该区域的交通通行能力和效率,使该区域内行驶车辆延误最小,就要使车辆在各个交叉口的延误之和最小,即交通协同优化目标函数可考虑为:
因此在分布有多个交叉口的城市区域交通信号控制中,需要对若干单个交叉口配时信号进行协同控制,才能获取理想交通通行效果。
针对一项具体协同控制需求,区域内存在多个相互协同的路口信号控制单元(CROSS SIGNAL CONTROL UNIT)RSCU, RSCU的免疫协同进化模块C-E为RSCU提供免疫协同进化决策,各个RSCU中的C-E进化算法并不是独立运行的,而是与诊断系统中其它RSCU中的C-E进化算法按照免疫协同机制共同进化的。在对进化群体中的个体进行适应度评估时,不仅要考虑RSCU自身的表现,更重要的是必须要考虑它与其他RSCU的相互联系和协作关系,区域多个RSCU内部的多个群体按照免疫协同机制共同进化,每个群体为相应的RSCU提供诊断决策功能,多个RSCU相互交互的过程就是多群体协同进化的过程。
在区域交通免疫协同进化中,定义交通协同优化目标函数为AFI(K),为便于协同进化计算,将区域内各 RSCU协同交通控制信号模式采用二值逻辑编码方式,构造区域交通控制模式向量K i=(k1,k2, ┄,kn)作为一个抗体,控制模式集合K:K={Ki},i=1,2,┄,m ,抗体群体规模为m,个体编码长度为n。根据信息熵理论有,控制模式集合K中基因座j的信息熵,控制模式集合K的平均信息墒,其中p ij 是编码集合中第i个符号出现在基因座j上的概率。控制模式i和j的相似度可以记为A ij =1/(1+H(K,2)),A ij 的取值范围在[0,1]之间,A ij 的值越大表示规则i和j之间越相似,若A ij =1表示两规则完全一样。抗体i的浓度表示某一抗体在抗体群中相似抗体所占比率,定义为:D i =与抗体i相似度大于γ的抗体数/总抗体数,式中γ为浓度抑制半径,亲和力指抗体与抗原的匹配程度,在抗体的亲和力函数定义为AFF(K),选取:AFF(K)=1/(1+exp(-AFI(K))。
参阅图3,为本发明的区域交通免疫协同控制流程图,用于控制实现优化交通协同优化目标函数解的求解过程,在常规免疫算法框架基础上,以协同控制需求为抗原,以协同控制模型为抗体,适当地改进了主要免疫算子,以更有效地保持进化个体的差异性和保持群体多样性,区域交通免疫协同控制流程包括:(1)克隆选择:在给定克隆选择率α下,在N控制模式抗体群中选择亲合度较高抗体组成新控制模式抗体群N1,参与克隆繁殖;(2)细胞克隆:在给定克隆繁殖数M下,N1中抗体依据各自亲合度确定自身繁殖个数,生成自身的克隆个体;(3)克隆抑制:计算同母体不相同的亲合突变克隆抗体的亲合度,依据抗体亲合度和浓度抑制部分抗体,获得新抗体群N2;(4)免疫选择:在N抗体群和N2抗体群中依据亲合度选择若干抗体组成新N3抗体群,其中原N抗体群中亲合度最高的一个抗体不参与选择;(5)免疫更新:任取若干新抗体插入N3抗体群中,组成新N控制模式抗体群。算子(2)和(3)在总克隆数一定情况下,将亲合度不同的抗体克隆繁殖数目不等的克隆子体,有助于增强算法群体的多样性;算子(4)和(5)则模拟了免疫系统的动态平衡机制。
区域交通免疫协同进化计算的主要构成要素为各个RSCU免疫细胞群体、免疫细胞的进化算法和细胞种群调节机制等,交通免疫协同进化TICE(Traffic Immune Co-evolution)可以形式化描述如下:TICE=(CP,CPIA,CPN,CN),其中:CP:RSCU免疫细胞种群;CPIA={IA1,IA2,…,IACPN},IAi表示第i个RSCU进化细胞种群的免疫进化算法;CPN:RSCU免疫细胞种群数;CN={CN1,CN2,…,CNCPN},CNi表示第i个RSCU进化细胞种群的所含个体的数量,i=1,2,…,CPN;IAi={si,gi,pi,fi,di},i=1,2,…,si表示第i个RSCU进化细胞种群的选择策略;gi表示第i个RSCU进化细胞种群的进化操作算子,包括细胞克隆、克隆抑制等;pi表示第i个RSCU进化细胞种群的进化操作算子的执行概率;fi表示第i个RSCU进化细胞种群的适应度函数;di表示第i个RSCU进化细胞种群的浓度函数。
在区域交通免疫协同进化中,由于各RSCU控制模型的子结论只是部分解,因此,只有从控制模式子结论集中随机选取一定数目的控制模式子结论,用于构成控制协同体(完全解),才能在控制过程中测试区域控制结论的适应度,协同体(完全解)的适应度确定涉及到对作出控制模式结论的免疫协同控制系统评价问题,可使用决策论中的风险函数作为控制模式结论适应度的一种评价测量方式,控制决策中的风险主要来自误控、漏控、次优控等多个方面,在不同道路状态下,对控制系统会带来不同的负面影响;而正确控制决策,则对控制系统没有负面影响,将控制系统对特定空模式状态作出特定决策的损耗,称之为控制决策损耗,该决策损耗DL同道路状态参数θ、控制决策D(包括误控、漏控、次优控、成功控等)密切相关,决策损耗可以记为函数DL(θ,D),其中θ{无阻塞、阻塞严重度1、阻塞严重度2,…,阻塞严重度n},D{无协同控制、协同漏控、协同误控、协同控制成功、协同控制未成功},θ和D的组合关系决定DL(θ,D)的不同取值,根据决策理论,在当前控制信息数据为X,控制模式规则为δ(x)的前提下,免疫协同控制模式结论(完全解)风险函数R(θ,δ)可用式子R(θ,δ)=Eθ| DL(θ,δ(X))|表示,再将免疫协同体(控制完全解)的适应度加到每个构成控制协同体的控制模式个体的适应度变量上,通过选择其它群体中当前适应度最好的个体作为代表个体,每个控制模式个体的平均适应度值等于累计适应度值除以参与协同测试的次数。
在区域交通免疫协同进化中,对于要执行的控制任务和控制任务之间的先后关系基本确定后,关键是需要通过合适的任务执行和调度方法,在恰当时间让合适控制个体去执行正确的信号控制任务,针对提出的免疫协同控制模型和控制网络特点,协同控制动态运行过程中往往存在着多种控制流程和不同的控制环节,采用流程分析工具,从状态改变、功能变化等彼此影响的几个方面,对控制协同过程加以分析和综合,采用先分解得到无死锁、活的子网进行描述和分析,再综合各子网的形式,就可优化得到协同控制过程立体分层描述,以保证系统的各个控制环节及控制个体能正常工作,不产生阻塞、死锁等不协调的情况。
参阅图4,为本发明的CAN通信应用协议结构图,区域交通协同中各RSCU采用 CAN总线数据通信技术,使用CAN 2.0扩展帧格式构成主要数据帧,CAN协议最大特点是废除了传统的站地址编码方式,代之以对数据通信块进行编码,任意节点均可主动对网络上的其他节点发送信息,CAN总线协议是建立在国际标准化组织开放系统互连模型(OSI)基础上的,其模型结构只有物理层、数据链路层和应用层等3层,在CAN 2.0规范标准中,只对物理层和数据链路层进行了规定,没有定义应用层,用户需要根据需求制定应用层协议。在交通信号控制系统中,CAN总线上传输的信息主要可分为以下5类:(1)控制信息:上位监控节点发送给控制节点,如各节点初始化、自检命令等信息,(2)数据信息:控制节点工作数据信息,如交通信号机设置模式、交通通行时间等,(3)状态信息:控制节点执行完控制命令后,向上位监控节点发送的反馈结果,(4)广播信息:由上位监控节点发送至所有交通信号控制节点,(5)紧急信息:由上位监控节点发送至特定交通信号控制节点,如出现紧急情况需要该信号控制节点调整工作模式等,此信息具有不定时、高优先级等特点。
在区域交通协同控制中,CAN协议通讯格式中定义使用了四种帧格式:数据帧、远程帧、出错帧和超载帧,数据帧和远程帧的发送需要在控制器控制下进行,而出错帧和超载帧发送是在错误发生或超载发生时自动进行的,在CAN 2.0扩展帧格式的基础上,以数据帧为主,根据需求特点制定了一个相应的区域交通协同控制应用层协议,协议中将29位信息标识符进行如下分配:(1)ID28-ID25为数据帧类型,可代表16种不同的数据帧类型,根据数据信息种类,目前只用了5种,其中0001代表控制信息,0010代表数据信息,0011代表状态信息,0100代表广播信息,0101代表紧急信息,其他留做扩充之用,当为0001控制信息时,采用数据域第一个字节来表示命令的种类,8位二进制位可以表示128种命令种类,在实际设计中,采用的CAN通信命令主要有13种,其含义和具体编码格式如下:0x11-主控节点发给路口控制节点的“准备接收”指令;0x12-主控节点发给路口控制节点的“准备工作自检”指令;0x13-主控节点发给路口控制节点的“写节点装置设置信息”指令;0x14-主控节点发给路口控制节点的“写节点控制参数信息”指令;0x15-主控节点发给路口控制节点的“写控制通道系数信息”指令;0x22-路口控制节点发给主控节点的“请求发送节点装置设置信息”指令;0x23-路口控制节点发给主控节点的“请求发送节点控制参数信息”指令;0x24-路口控制节点发给主控节点的“请求发送控制通道系数信息”指令;0x25-路口控制节点发给主控节点的“请求发送工作状态信息”指令;0x33-主控节点发给路口控制节点的“请求发送路口控制节点自检信息”指令;0x44-“发送完毕”指令;0x55-“错误/超时重发”;0x66-“接收完毕”指令;当为0011状态信息时,采用数据域第一个字节后4位来表示特定类型状态数据,4位二进制位可以表示16种特定类型状态数据,前四位固定为1111,后四位为:1000为“设备联接好信息”;1001为“节点设置信息”;1010为“节点工作参数信息”;1011为“节点工作正常”;1100 “节点故障”,(2)ID24为多帧符,代表多帧传输--1或单帧传输--0,(3)ID23-ID19为多帧序列号,代表在多帧传输情况下各帧的标号,5位可存放32个帧标号,CAN帧数据域可包含8个字节,采用多帧传输时,可提供长度为256个字节数据传输能力,能够满足现场的需求,(4)ID18-ID12为帧接收目的地址,代表该帧传输应该到达的目的节点,考虑到系统的扩充性和驱动能力,采用了7位来编制总线节点的地址,地址范围为0-127,可以满足CAN总线最大110个节点的驱动能力;与之对应的是ID11-ID5为帧发送地址,同样为7位,(5)ID4-ID0为帧优先级,为帧传送提供了5位32级的优先级定义能力,可根据交通信号控制系统的实际情况,对重要的通信帧定义相应比较高的优先级,(5)数据最后一位定义为校验位,采用校验方法为偶校验。从数据帧的标识符开始进行校验,到数据结束。当数据里有奇数个1时,校验位为1;为偶数时,校验位为0。
本发明可实现基于免疫协同进化机制,结合工程实际来设计合适的区域交通信号协控方法,优化城市区域道路交通,提高城市区域交通通行能力和效率。
尽管已经结合当前认作是一个最为实用和优选的实施例来描述了本发明,但应当理解,本发明不限于所公开的实施例,而相反是旨在涵盖包括在所附权利要求的精神和范围内的多种修改和同等布置。
Claims (8)
1.本发明为一种可用于城市中心区域的道路交通协同控制方法,其特征在于:以生物协同现象为背景,对城市中心区域交通状况进行系统深入分析,综合考虑城市中心区域的交通通行模式、交通信号流程、交通信息集成与融合等因素,可以将区域内若干个相邻的信号交叉口,通过CAN总线数据通信技术,连接起来加以协同控制,并基于免疫协同进化机制,对多交叉口个体种群进行免疫调节,通过信号交叉口间的“目标协同”和“进化融合”,形成各控制个体之间、多控制个体与城市中心区域环境之间的“动态协同关系”,构建交通信号协同控制体系。
2.所述权利要求1中的“目标协同”和“进化融合”,其特征在于:将交通环境压力变化和应用在其中的交通信号系统(交通信号控制协同体)分别对应于求解问题的目标以及问题的解,采用多模式免疫协同进化机制,免疫协同中采用基本免疫机制和算法,交通协同优化目标函数为车辆在各个交叉口的延误之和最小,以此控制周期、绿信比、相位差等交通参数。
4.所述权利要求1中的免疫协同进化机制,其特征在于:区域内存在多个相互协同的路口信号控制单元(CROSS SIGNAL CONTROL UNIT)RSCU, RSCU的免疫协同进化模块C-E为RSCU提供免疫协同进化决策,各个RSCU中的C-E进化算法并不是独立运行的,而是与诊断系统中其它RSCU中的C-E进化算法按照免疫协同机制共同进化的,在对进化群体中的个体进行适应度评估时,不仅要考虑RSCU自身的表现,更重要的是必须要考虑它与其他RSCU的相互联系和协作关系,区域多个RSCU内部的多个群体按照免疫协同机制共同进化,每个群体为相应的RSCU提供诊断决策功能,这样多个RSCU相互交互的过程就是多群体协同进化的过程。
5.所述权利要求1中的免疫协同进化机制,其特征在于:在区域交通免疫协同进化中,在常规免疫算法框架基础上,以协同控制需求为抗原,以协同控制模型为抗体,对区域交通控制信号模式采用二值逻辑编码方式,构造控制模式向量K i=(k1,k2, ┄,kn),并适当地改进了主要免疫算子,使用如下区域交通免疫协同控制流程对权利要求3中的交通协同优化目标函数进行优化求解,具体包括:(1)克隆选择:在给定克隆选择率α下,在N控制模式抗体群中选择亲合度较高抗体组成新控制模式抗体群N1,参与克隆繁殖;(2)细胞克隆:在给定克隆繁殖数M下,N1中抗体依据各自亲合度确定自身繁殖个数,生成自身的克隆个体;(3)克隆抑制:计算同母体不相同的亲合突变克隆抗体的亲合度,依据抗体亲合度和浓度抑制部分抗体,获得新抗体群N2;(4)免疫选择:在N抗体群和N2抗体群中依据亲合度选择若干抗体组成新N3抗体群,其中原N抗体群中亲合度最高的一个抗体不参与选择;(5)免疫更新:任取若干新抗体插入N3抗体群中,组成新N控制模式抗体群,算子(2)和(3)在总克隆数一定情况下,将亲合度不同的抗体克隆繁殖数目不等的克隆子体,算子(4)和(5)则模拟了免疫系统的动态平衡机制,以更有效地保持进化个体的差异性和群体多样性。
6.所述权利要求1中的免疫协同进化机制,其特征在于:交通免疫协同进化TICE(Traffic Immune Co-evolution)形式化描述如下:TICE=(CP,CPIA,CPN,CN),其中:CP:RSCU免疫细胞种群;CPIA={IA1,IA2,…,IACPN},IAi表示第i个RSCU进化细胞种群的免疫进化算法;CPN:RSCU免疫细胞种群数;CN={CN1,CN2,…,CNCPN},CNi表示第i个RSCU进化细胞种群的所含个体的数量,i=1,2,…,CPN;IAi={si,gi,pi,fi,di},i=1,2,…,si表示第i个RSCU进化细胞种群的选择策略;gi表示第i个RSCU进化细胞种群的进化操作算子,包括细胞克隆、克隆抑制等;pi表示第i个RSCU进化细胞种群的进化操作算子的执行概率;fi表示第i个RSCU进化细胞种群的适应度函数;di表示第i个RSCU进化细胞种群的浓度函数,在区域交通免疫协同进化中,从各RSCU控制模式子结论集中随机选取一定数目的控制模式子结论,构成控制协同体(完全解),并采用决策论中的风险函数作为控制模式结论适应度的一种评价测量方式。
7.所述权利要求6中的风险函数,其特征在于:控制决策中的风险主要来自误控、漏控、次优控等多个方面,在不同道路状态下,对控制系统会带来不同的负面影响;而正确控制决策,则对控制系统没有负面影响,将控制系统对特定空模式状态作出特定决策的损耗,称之为控制决策损耗,该决策损耗DL同道路状态参数θ、控制决策D(包括误控、漏控、次优控、成功控等)密切相关,决策损耗可以记为函数DL(θ,D),其中θ{无阻塞、阻塞严重度1、阻塞严重度2,…,阻塞严重度n},D{无协同控制、协同漏控、协同误控、协同控制成功、协同控制未成功},θ和D的组合关系决定DL(θ,D)的不同取值,根据决策理论,在当前控制信息数据为X,控制模式规则为δ(x)的前提下,免疫协同控制模式结论(完全解)风险函数R(θ,δ)可用式子R(θ,δ)=Eθ| DL(θ,δ(X))|表示,再将免疫协同体(控制完全解)的适应度加到每个构成控制协同体的控制模式个体的适应度变量上,通过选择其它群体中当前适应度最好的个体作为代表个体,每个控制模式个体的平均适应度值等于累计适应度值除以参与协同测试的次数。
8.所述权利要求1中的CAN总线数据通信技术,其特征在于:在CAN 2.0扩展帧格式的基础上,以数据帧为主,根据需求特点制定了一个区域内各RSCU交通协同应用层协议,协议中,将29位信息标识符进行如下分配:(1)ID28-ID25为数据帧类型,可代表16种不同的数据帧类型,根据数据信息种类,目前只用了5种,其中0001代表控制信息,0010代表数据信息,0011代表状态信息,0100代表广播信息,0101代表紧急信息,其他留做扩充之用,当为0001控制信息时,采用数据域第一个字节来表示命令的种类,8位二进制位可以表示128种命令种类,在实际设计中,采用的CAN通信命令主要有13种,其含义和具体编码格式如下:0x11-主控节点发给路口控制节点的“准备接收”指令;0x12-主控节点发给路口控制节点的“准备工作自检”指令;0x13-主控节点发给路口控制节点的“写节点装置设置信息”指令;0x14-主控节点发给路口控制节点的“写节点控制参数信息”指令;0x15-主控节点发给路口控制节点的“写控制通道系数信息”指令;0x22-路口控制节点发给主控节点的“请求发送节点装置设置信息”指令;0x23-路口控制节点发给主控节点的“请求发送节点控制参数信息”指令;0x24-路口控制节点发给主控节点的“请求发送控制通道系数信息”指令;0x25-路口控制节点发给主控节点的“请求发送工作状态信息”指令;0x33-主控节点发给路口控制节点的“请求发送路口控制节点自检信息”指令;0x44-“发送完毕”指令;0x55-“错误/超时重发”;0x66-“接收完毕”指令;当为0011状态信息时,采用数据域第一个字节后4位来表示特定类型状态数据,4位二进制位可以表示16种特定类型状态数据,前四位固定为1111,后四位为:1000为“设备联接好信息”;1001为“节点设置信息”;1010为“节点工作参数信息”;1011为“节点工作正常”;1100 “节点故障”;(2)ID24为多帧符,代表多帧传输(1)或单帧传输(0),(3)ID23-ID19为多帧序列号,代表在多帧传输情况下各帧的标号,5位可存放32个帧标号,CAN帧数据域可包含8个字节,采用多帧传输时,可提供长度为256个字节数据传输能力,能够满足现场的需求,(4)ID18-ID12为帧接收目的地址,代表该帧传输应该到达的目的节点,考虑到系统的扩充性和驱动能力,采用了7位来编制总线节点的地址,地址范围为0-127,可以满足CAN总线最大110个节点的驱动能力;与之对应的是ID11-ID5为帧发送地址,同样为7位,(5)ID4-ID0为帧优先级,为帧传送提供了5位32级的优先级定义能力,可根据交通信号控制系统的实际情况,对重要的通信帧定义相应比较高的优先级;(5) 数据最后一位定义为校验位,采用校验方法为偶校验,从数据帧的标识符开始进行校验,到数据结束,当数据里有奇数个1时,校验位为1;为偶数时,校验位为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210343380 CN102867409A (zh) | 2012-09-17 | 2012-09-17 | 一种可用于城市中心区域的道路交通协同控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210343380 CN102867409A (zh) | 2012-09-17 | 2012-09-17 | 一种可用于城市中心区域的道路交通协同控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102867409A true CN102867409A (zh) | 2013-01-09 |
Family
ID=47446261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201210343380 Pending CN102867409A (zh) | 2012-09-17 | 2012-09-17 | 一种可用于城市中心区域的道路交通协同控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102867409A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208194A (zh) * | 2013-04-03 | 2013-07-17 | 昆明联诚科技有限公司 | 一种城市交通信号协同控制系统 |
CN106373396A (zh) * | 2016-09-26 | 2017-02-01 | 北京东土科技股份有限公司 | 基于智能交通云控制系统的控制服务器 |
CN106480794A (zh) * | 2016-07-11 | 2017-03-08 | 上海市政工程设计研究总院(集团)有限公司 | 用于城市地下车库联络道交通引导设置的系统及方法 |
CN107170271A (zh) * | 2017-06-22 | 2017-09-15 | 段九兵 | 一种车联网区域化管理调度方法和系统 |
CN109003452A (zh) * | 2018-08-29 | 2018-12-14 | 广东工业大学 | 一种区域交通的优化控制方法 |
CN109697867A (zh) * | 2019-01-28 | 2019-04-30 | 深圳市欧德克科技有限公司 | 一种基于深度学习的交通控制方法及系统 |
CN110689643A (zh) * | 2019-09-24 | 2020-01-14 | 长安大学 | 一种基于免疫算法的智能网联汽车车辆行驶状态分析方法 |
CN111798677A (zh) * | 2020-07-15 | 2020-10-20 | 安徽达尔智能控制系统股份有限公司 | 基于道路视频的交通事件监测指挥系统 |
CN114280609A (zh) * | 2021-12-28 | 2022-04-05 | 上海恒岳智能交通科技有限公司 | 一种77GHz毫米波信号探测处理方法与系统 |
CN115035712A (zh) * | 2022-04-27 | 2022-09-09 | 银江技术股份有限公司 | 城市交通信号控制方案推荐方法、系统、装置和介质 |
-
2012
- 2012-09-17 CN CN 201210343380 patent/CN102867409A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208194B (zh) * | 2013-04-03 | 2016-01-06 | 昆明联诚科技股份有限公司 | 一种城市交通信号协同控制系统 |
CN103208194A (zh) * | 2013-04-03 | 2013-07-17 | 昆明联诚科技有限公司 | 一种城市交通信号协同控制系统 |
CN106480794A (zh) * | 2016-07-11 | 2017-03-08 | 上海市政工程设计研究总院(集团)有限公司 | 用于城市地下车库联络道交通引导设置的系统及方法 |
CN106373396A (zh) * | 2016-09-26 | 2017-02-01 | 北京东土科技股份有限公司 | 基于智能交通云控制系统的控制服务器 |
CN107170271B (zh) * | 2017-06-22 | 2020-09-01 | 段九兵 | 一种车联网区域化管理调度方法和系统 |
CN107170271A (zh) * | 2017-06-22 | 2017-09-15 | 段九兵 | 一种车联网区域化管理调度方法和系统 |
CN109003452A (zh) * | 2018-08-29 | 2018-12-14 | 广东工业大学 | 一种区域交通的优化控制方法 |
CN109697867A (zh) * | 2019-01-28 | 2019-04-30 | 深圳市欧德克科技有限公司 | 一种基于深度学习的交通控制方法及系统 |
CN109697867B (zh) * | 2019-01-28 | 2020-10-20 | 深圳市欧德克科技有限公司 | 一种基于深度学习的交通控制方法及系统 |
CN110689643A (zh) * | 2019-09-24 | 2020-01-14 | 长安大学 | 一种基于免疫算法的智能网联汽车车辆行驶状态分析方法 |
CN111798677A (zh) * | 2020-07-15 | 2020-10-20 | 安徽达尔智能控制系统股份有限公司 | 基于道路视频的交通事件监测指挥系统 |
CN114280609A (zh) * | 2021-12-28 | 2022-04-05 | 上海恒岳智能交通科技有限公司 | 一种77GHz毫米波信号探测处理方法与系统 |
CN114280609B (zh) * | 2021-12-28 | 2023-10-13 | 上海恒岳智能交通科技有限公司 | 一种77GHz毫米波信号探测处理方法与系统 |
CN115035712A (zh) * | 2022-04-27 | 2022-09-09 | 银江技术股份有限公司 | 城市交通信号控制方案推荐方法、系统、装置和介质 |
CN115035712B (zh) * | 2022-04-27 | 2023-11-14 | 银江技术股份有限公司 | 城市交通信号控制方案推荐方法、系统、装置和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102867409A (zh) | 一种可用于城市中心区域的道路交通协同控制方法 | |
CN108847037B (zh) | 一种面向非全局信息的城市路网路径规划方法 | |
CN103324862B (zh) | 一种基于改进神经网络与遗传算法的燃煤锅炉优化方法 | |
CN105761515B (zh) | 一种交叉口信号动态调整方法及装置、系统 | |
CN107507430A (zh) | 一种城市路口交通控制方法及系统 | |
CN104766484A (zh) | 基于进化多目标优化和蚁群算法的交通控制与诱导系统和方法 | |
CN106779212A (zh) | 一种基于改进蚁群算法的城市旅游路线规划方法 | |
CN105303486A (zh) | 一种基于成本最低的智慧旅游推荐系统与方法 | |
CN112489464A (zh) | 一种具有位置感知的路口交通信号灯调控方法 | |
Pham et al. | Learning coordinated traffic light control | |
CN110718077A (zh) | 一种行动-评价机制下信号灯优化配时方法 | |
Tomforde et al. | Possibilities and limitations of decentralised traffic control systems | |
CN102065446B (zh) | 面向群组移动环境的拓扑控制系统及控制方法 | |
CN111445094B (zh) | 一种结合时间要求的快递车辆路径优化的方法及系统 | |
CN106228265A (zh) | 基于改进粒子群优化的总拖期运输计划调度算法 | |
CN109919532A (zh) | 一种物流节点确定方法及装置 | |
CN113724507B (zh) | 基于深度强化学习的交通控制与车辆诱导协同方法和系统 | |
CN113392577B (zh) | 一种基于深度强化学习的区域边界主交叉口信号控制方法 | |
CN109447312A (zh) | 路线规划方法、装置、电子设备及可读存储介质 | |
Zhao et al. | Robust Optimization of Mixed-Load School Bus Route Based on Multi-Objective Genetic Algorithm. | |
Wu et al. | A novel routing protocol based on mobile social networks and internet of vehicles | |
Zhang et al. | Coordinated control of distributed traffic signal based on multiagent cooperative game | |
CN101741749A (zh) | 基于免疫克隆的多目标组播路由优化方法 | |
Shi et al. | An adaptive route guidance model considering the effect of traffic signals based on deep reinforcement learning | |
CN105187310B (zh) | 一种路径优化方法与系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130109 |