CN103839418B - 一种自适应的城市快速路匝道动态控制系统 - Google Patents

Abstract

本发明涉及一种自适应的城市快速路匝道动态控制系统，包括线圈检测器、交通信号灯、控制模块、数据存储模块；其中，线圈检测器用于检测车道上的交通流数据，并将所检测到的交通流数据发送到控制模块；控制模块根据线圈检测器检测到的交通流数据预测交通流，并根据预测结果生成用于调节各匝道车辆出入量的控制信号，然后将控制信号发向交通信号灯；数据存储模块用于存储线圈检测器检测到的数据，此外还可存储在调节匝道车辆出入量时所要用到的相关参数。

Description

一种自适应的城市快速路匝道动态控制系统

技术领域

本发明涉及交通流量控制领域，特别涉及一种自适应的城市快速路匝道动态控制系统。

背景技术

随着我国机动车保有量的快速上升和基础设施建设趋于饱和，城市交通压力越来越大。城市快速路作为城市交通的主动脉，其运行状态直接影响整个城市路网的交通状态。城市快速路匝道（指快速路的出入口）作为城市快速路与周边路网的交汇节点，对调节路网交通流，提高快速路的利用效率具有重要作用。近年来由于机动车辆数量快速上升，而且受路网载荷的限制，快速路匝道区域已成为目前交通拥堵的高发区域。利用匝道的交通调控作用，最大限度地提高路网利用率是目前急需解决的一个问题。

高效的快速路匝道控制对于解决快速路匝道区域拥堵，提高快速路和周边路网的交通利用率具有重要作用。但是目前城市快速路匝道控制并没有达到理想状态，部分区域的匝道控制疏导作用还有待提高。主要表现在以下几个方面：

（1）目前对于城市快速路匝道的控制大多为较固定的控制方式，很难根据实时的动态交通流信息自动的调节，从而难以发挥出快速路匝道的最大化利用。

（2）有些对于城市快速路匝道智能化动态控制的研究，还处于理论层面离实际应用尚有一定距离。

（3）目前已有一些通过利用动态交通信息动态优化城市快速路匝道控制的系统，但系统复杂高，实施较困难。

发明内容

本发明的目的在于克服现有技术中的匝道控制疏导方法缺乏动态性、系统复杂，实施较困难等缺陷，从而提供一种能够动态调整的城市快速路匝的控制系统。

为了实现上述目的，本发明提供了一种自适应的城市快速路匝道动态控制系统，包括线圈检测器、交通信号灯、控制模块、数据存储模块；其中，

所述的线圈检测器用于检测车道上的交通流数据，并将所检测到的交通流数据发送到控制模块；所述控制模块根据线圈检测器检测到的交通流数据预测交通流，并根据预测结果生成用于调节各匝道车辆出入量的控制信号，然后将控制信号发向交通信号灯；所述数据存储模块用于存储线圈检测器检测到的数据，此外还可存储在调节匝道车辆出入量时所要用到的相关参数；

所述交通流数据包括下列数据中的一种或多种：占有率、密度、排队长度；所述占有率为一定时间内，全部车辆通过某断面所需时间的累计值与观测时间的比值。

上述技术方案中，所述控制模块包括上位机控制单元、匝道信号机以及交通流预测单元；其中，所述匝道信号机从线圈检测器接收交通流数据，向交通信号灯发送控制信号，并与所述上位机控制单元之间做数据交互；所述上位机控制单元向所述交通流预测单元发送交通预测所需要的参数与基础数据，并从所述交通流预测单元接收预测结果，还与数据存储模块做数据交互，并向操作人员提供交互用的接口；所述交通流预测单元根据交通流数据预测短时间内的路况。

上述技术方案中，所述上位机控制单元包括下列功能：与匝道信号机通信，接收匝道信号机上传的、由线圈检测器检测的交通流信息，并向匝道信号机下发交通信号灯控制参数和控制信息；对相关数据进行预处理，并与数据存储模块进行通信，向数据存储模块写入和读取线圈检测器的检测数据和信号灯控制参数；人机交互，提供可视化的人机交互环境，用于操作人员对系统设置和手工控制；与交通预测单元通信，设置交通预测的参数并接收预测结果数据；信号灯控制方案设定，根据交通预测结果进行控制算法的选择、参数设定和控制规则设置。

上述技术方案中，所述匝道信号机用于数据的传输和交通信号灯的配时。

上述技术方案中，所述交通信号灯配时采用自适应控制配时的方式，所述自适应控制配时采用ALINEA控制方法和无模型自适应控制方法中的一种实现。

上述技术方案中，交通流预测单元采用基于相似特征的短期预测方法对包括占有率、密度、排队长度在内的交通流数据进行预测。

本发明的优点在于：

1、本发明根据匝道检测线圈的历史检测数据和实时检测数据，利用相关自适应算法通过对匝道信号灯配时的动态调整，实现城市快速路匝道的动态控制，可大大提高城市快速路及其附近路网的利用率，从而缓解城市交通拥堵。

2、本发明采用基于相似特征的短期预测方法对包括占有率、密度、排队长度在内的交通流数据进行预测，大大提高了控制系统的自适应性和动态控制的准确度。

3、本发明采用专门的存储单元来存储的历史检测数据，并通过上位机进行数据的存储控制，大大提高了数据存储量和数据操作效率。

附图说明

图1是本发明的自适应的城市快速路匝道动态控制系统的功能模块示意图；

图2是本发明的自适应的城市快速路匝道动态控制系统中的匝道信号机的工作流程图。

具体实施方式

现结合附图对本发明作进一步的描述。

城市快速路是诸如北京的环路那样封闭、仅供机动车通行的道路。在城市快速路中一般不设有交通信号灯，但在城市快速路出入的匝道上会设有控制车辆出入的交通信号灯。根据城市快速路中的实时路况，通过对匝道上的交通信号灯的控制，可控制机动车出入城市快速路，从而对快速路中的车流加以调节。

参考图1，本发明的自适应的城市快速路匝道动态控制系统包括：线圈检测器、交通信号灯、控制模块、数据存储模块；其中，所述的线圈检测器用于检测车道上的交通流数据，包括占有率（指时间占有率，即一定时间内，全部车辆通过某断面所需时间的累计值与观测时间的比值）、密度、排队长度等，并将所检测到的数据发送到控制模块；所述控制模块根据线圈检测器检测到的交通流数据预测交通流，并根据预测结果生成用于调节各匝道车辆出入量的控制信号，然后将控制信号发向交通信号灯；所述数据存储模块用于存储线圈检测器检测到的数据，此外还可存储在调节匝道车辆出入量时所要用到的相关参数。

下面对系统的各个部分做进一步的描述。

所述控制模块进一步包括上位机控制单元、匝道信号机以及交通流预测单元；其中，所述匝道信号机从线圈检测器接收交通流数据，向交通信号灯发送控制信号，并可与上位机控制单元之间做数据交互；所述上位机控制单元向所述交通流预测单元发送交通预测所需要的参数与基础数据，并从所述交通流预测单元接收预测结果，还与数据存储模块做数据交互，并可向操作人员提供交互用的接口。

所述上位机控制单元的主要功能包括：1）与匝道信号机通信，接收匝道信号机上传的、由线圈检测器检测的交通流信息，并向匝道信号机下发交通信号灯控制参数和控制信息；2）对相关数据进行预处理，并与数据存储模块进行通信，向数据存储模块写入和读取线圈检测器的检测数据和信号灯控制参数；其中，所述的预处理包括对数据做格式转换，如将匝道信号机上传的线圈检测数据转换成符合数据库存储要求的字段格式，或将数据库中存储的数据转换为适合向匝道信号机传输的数据格式；3）人机交互功能，提供可视化的人机交互环境，用于操作人员对系统设置和手工控制；4）与交通预测单元通信，设置交通预测的参数并接收预测结果数据；5）信号灯控制方案设定，根据交通预测结果进行控制算法的选择、参数设定和控制规则设置，具体的控制命令将由匝道信号机生成。

参考图2，所述匝道信号机的主要功能包括：数据的传输和交通信号灯的配时。数据的传输包括：与上位机控制单元的通信，即向上位机控制单元上传线圈检测数据，从上位机控制单元接收交通信号灯控制参数；与线圈检测器的通信，即从线圈检测器接收检测数据；与交通信号灯的通信，即向交通信号灯发送控制信号。交通信号灯的配时是指根据上位机控制单元所设定的控制算法、参数、控制规则，结合线圈检测器检测到的交通流数据，为各个交通信号灯分配红绿灯时间。交通信号灯配时主要采用自适应控制配时，并提供固定配时设定和人工实时强制控制的功能。

所述自适应控制配时可根据不同的应用情况设置不同的控制方法，在本发明中可采用ALINEA控制方法和无模型自适应控制方法中的一种。下面分别对这些控制方法进行说明。

1）ALINEA控制方法

没有路段控制中心协调指令时，ALINEA控制方法通过维持主线下游占有率在一个期望值附近，实现主线通过交通量达到最大。计算公式如下

r_i(k)＝r_i(k-1)+K_R[ρ_i,d-ρ_i(k-1)] (1)

式中：r_i(k)是第k个控制周期的调节率；r_i(k-1)是第k-1个控制周期内绿灯相位实际通过的车辆数；K_R是控制参数；ρ_i,d是主线下游的期望密度，是第k-1个控制周期内主线下游的实测密度；i是指匝道编号。

2）无模型自适应控制方法

在给定期望密度ρ_i,d的情况下，相应的无模型自适应控制方法设计如下：

${\widehat{\mathrm{\φ}}}_c\left(k\right)={\widehat{\mathrm{\φ}}}_c(k-1)+\frac{\mathrm{\η\Δ}{r}_i(k-1)({\mathrm{\ρ}}_i\left(k\right)-{\mathrm{\ρ}}_i(k-1)-{\widehat{\mathrm{\φ}}}_{i,c}(k-1)\mathrm{\Δ}{r}_i(k-1))}{\mathrm{\μ}+{\left|\mathrm{\Δ}{r}_i(k-1)\right|}^2}---\left(2\right)$

${\widehat{\mathrm{\φ}}}_{i,c}\left(k\right)={\widehat{\mathrm{\φ}}}_{i,c}\left(1\right),$ 若 $\left|{\widehat{\mathrm{\φ}}}_{i,c}\left(k\right)\right|\≤\mathrm{\ϵ}$ 或|Δr_i(k-1)|≤ε或 $\mathrm{sign}\left({\widehat{\mathrm{\φ}}}_{i,c}\left(k\right)\right)\≠\mathrm{sign}\left({\widehat{\mathrm{\φ}}}_{i,c}\left(1\right)\right),$ 则

$r_i\left(k\right)=r_i(k-1)+\frac{\mathrm{\ρ}{\widehat{\mathrm{\φ}}}_{i,c}\left(k\right)({\mathrm{\ρ}}_{i,d}(k+1)-{\mathrm{\ρ}}_i\left(k\right))}{\mathrm{\λ}+{\left|{\widehat{\mathrm{\φ}}}_{i,c}\left(k\right)\right|}^2}---\left(3\right)$

其中，为的初始值，表示系统的伪偏导数，ρ是步长序列，λ是一权重系数，η是公式（2）中所涉及的步长序列，μ是公式（2）中所涉及的以权重系数；μ＞0，λ＞0，η∈(0,1]，ρ∈(0,1]；ε为一个充分小的正数。

所述交通流预测单元的主要功能包括：根据当天的历史数据为某一匝道做短时间的预测。所要预测的交通流数据包括占有率、密度、排队长度等，对这些数据进行预测是单独进行的，且均可采用基于相似特征的短期预测方法(BSA，based on similarityalgorithm)。此类方法基于时间序列特征做相似性分析，然后采用加权平均算法来进行预测，该方法具体包括以下步骤：

S1：设待预测的交通流序列为其k∈{1,2,...,7}为工作日号；

S2：在历史数据中，计算工作日号为k的交通流序列组的基准及其偏离集合

S3：计算偏离集合的每个时刻的置信区间，r^d是置信区间半径，其中0<α<1为置信水平，C(.)是累积概率函数；

S4：构建新序列计算的基其中：T＝[j-1,j-n]；n为常数；y_j是j时刻离群点的修复值；

S5：计算基平均比例因子

S6：计算相对基准

S7：是的预测值，其中m是回归系数，为常数，与S4中的n一致；f是预测函数，是j时刻实际测量值相对于相对基准的偏离；

S8： $\mathrm{if}\left|y_j^d\right|>r_j^d\mathrm{then}{y}_j^d=\mathrm{sign}\left(y_j^d\right)\&times;r_j^d\&times;{\mathrm{\&lambda;}}_j,$ 其中sign(.)是符号函数；

S9：x_i,j的预测值为其中：是j时刻的相对基准值。

说明：

1）S2中基准与偏离的定义：对工作日类X_k中的所有时间序列取基为X_i成员序号。基的均值构成工作日流量的基准，记为即 ${\stackrel{\&OverBar;}{x}}_{,:}^{k,b}=\frac{1}{n_k}\underset{i-1}{\overset{n_k}{\mathrm{\&Sigma;}}}{x}_{i,j}^l,j=\mathrm{1,2},...,m.$

其中n_k是X_k的行数，即天数或成员数；m是列数，即每天的采样数。称 $x_{i,j}^d=x_{i,j}-{\stackrel{\&OverBar;}{x}}_{:,j}^{k,b}$ 是x_i,j的偏离(deviation)。 $x_{:,j}^d=\{x_{i,j}^d\&Element;X_k^d|i=\mathrm{1,2},...,n_k\}$ 是第j列偏离，即纵向偏离序列。是的第i行偏离，即横向偏离序列。

2）S3中C(.)是的概率分布函数。

3）S7中f用的是加权平均算法：加权平均算法是最简单的一种预测方法，可以按照下面公式进行计算，其中是y预测值，x是实测值，是w权重。考虑半小时交通流的流量影响，取k=6；假设数据记忆是越近越强的，取其中k是回归数。

$y_{N+1}=\underset{i=N-k+1}{\overset{N}{\mathrm{\&Sigma;}}}{w}_i{x}_i,\underset{i=N-k+1}{\overset{N}{\mathrm{\&Sigma;}}}{w}_i=1---\left(7\right)$

4）S8将预测偏离控制在置信区间内；

5）实时系统中管制、缓行、井喷等是合理的，但这些离群会造成实际流量趋势与基准在宏观上的误差，S4-S7的基平均因子是为了实现该情况下的合理预测；

6）S9说明实际预测值是偏离和相对基准的累加。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种自适应的城市快速路匝道动态控制系统，其特征在于，包括线圈检测器、交通信号灯、控制模块、数据存储模块；其中，

所述的线圈检测器用于检测车道上的交通流数据，并将所检测到的交通流数据发送到控制模块；所述控制模块根据线圈检测器检测到的交通流数据预测交通流，并根据预测结果生成用于调节各匝道车辆出入量的控制信号，然后将控制信号发向交通信号灯；所述数据存储模块用于存储线圈检测器检测到的数据，此外还存储在调节匝道车辆出入量时所要用到的相关参数；

所述交通流数据包括下列数据中的一种或多种：占有率、密度、排队长度；所述占有率为一定时间内，全部车辆通过某断面所需时间的累计值与观测时间的比值；

所述控制模块包括上位机控制单元、匝道信号机以及交通流预测单元；其中，所述匝道信号机从线圈检测器接收交通流数据，向交通信号灯发送控制信号，并与所述上位机控制单元之间做数据交互；所述上位机控制单元向所述交通流预测单元发送交通预测所需要的参数与基础数据，并从所述交通流预测单元接收预测结果，还与数据存储模块做数据交互，并向操作人员提供交互用的接口；所述交通流预测单元根据交通流数据预测短时间内的路况。

2.根据权利要求1所述的自适应的城市快速路匝道动态控制系统，其特征在于，所述上位机控制单元包括下列功能：与匝道信号机通信，接收匝道信号机上传的、由线圈检测器检测的交通流信息，并向匝道信号机下发交通信号灯控制参数和控制信息；对相关数据进行预处理，并与数据存储模块进行通信，向数据存储模块写入和读取线圈检测器的检测数据和信号灯控制参数；人机交互，提供可视化的人机交互环境，用于操作人员对系统设置和手工控制；与交通预测单元通信，设置交通预测的参数并接收预测结果数据；信号灯控制方案设定，根据交通预测结果进行控制算法的选择、参数设定和控制规则设置。

3.根据权利要求1所述的自适应的城市快速路匝道动态控制系统，其特征在于，所述匝道信号机用于数据的传输和交通信号灯的配时。

4.根据权利要求3所述的自适应的城市快速路匝道动态控制系统，其特征在于，所述交通信号灯配时采用自适应控制配时的方式，所述自适应控制配时采用ALINEA控制方法和无模型自适应控制方法中的一种实现。

5.根据权利要求1所述的自适应的城市快速路匝道动态控制系统，其特征在于，交通流预测单元采用基于相似特征的短期预测方法对包括占有率、密度、排队长度在内的交通流数据进行预测。