CN104751650A - 一种对道路交通信号进行控制的方法和设备 - Google Patents
一种对道路交通信号进行控制的方法和设备 Download PDFInfo
- Publication number
- CN104751650A CN104751650A CN201310753074.8A CN201310753074A CN104751650A CN 104751650 A CN104751650 A CN 104751650A CN 201310753074 A CN201310753074 A CN 201310753074A CN 104751650 A CN104751650 A CN 104751650A
- Authority
- CN
- China
- Prior art keywords
- delay time
- stop
- described section
- time
- vehicle
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种对道路交通信号进行控制的方法和设备,内容包括:获取车联网服务平台中每个车辆通过一个路段产生的行车用量数据;利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息;根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制,这样在获取了一个路段的行车用量数据之后,利用所述行车用量数据,得到每个车辆通过所述路段的延误时间信息,基于得到的所述延误时间信息,对所述路段的道路交通信号进行调整,优化道路交通的控制,提高路网通行效率。
Description
技术领域
本发明涉及车联网智能交通控制技术领域,尤其涉及一种对道路交通信号进行控制的方法和设备。
背景技术
在交通管理领域,不论是智能信号控制系统、智能诱导系统还是交通事件应急指挥系统,都需要基于道路中安装的传感器采集交通参数,利用采集的交通参数对道路路段、以及道路的交叉路口的交通状态进行估计。常见的交通参数包含单点交通流量、车辆行驶速度、道路中车辆占用率、空间密度、车辆在某一路段上的行程时间、车量通过交叉路口的延误时间、车辆在路段上的排队长度等。
但是目前,这些表征道路交通状态的交通参数通过铺设的传感器或者线圈获取,而在这些交通参数又很难利用传统的线圈、波传感器等直接获取到,使得利用摄像头采集交叉路口的交通参数成为一种常见方式,但是摄像头仅能实现对如临近交叉路口的小范围内的交通参数进行采集,很难实现对整个道路范围内的交通参数进行采集,这样就降低了采集交通参数的实时性以及测量精度。
由此可见,基于图像采集方式获取交通道路上的交通参数,使得对交通道路进行管控的稳定性以及精准性不高。
发明内容
本发明提供了一种对道路交通信号进行控制的方法和设备,用于解决基于图像采集方式获取交通道路上的交通参数,使得对交通道路进行管控的稳定性以及精准性不高的问题。
一种对道路交通信号进行控制的方法,应用在包含了车联网服务平台的安全道路交通管理系统中,包括:
获取车联网服务平台中每个车辆通过一个路段产生的行车用量数据;
利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息;
根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制。
所述行车用量数据中包含了每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息;
利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息,包括:
利用每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息,计算每个车辆在所述路段上的行驶时间信息;
通过以下方式计算得到每个车辆通过所述路段的延误时间信息:
T延误=T行驶-T参考;
其中:T延误为延误时间信息,T行驶为车辆在所述路段上的行驶时间信息,T参考为车辆以自由流速度通过所述路段使用的时间信息。
所述路段为包含了至少一个交叉路口的路段;
根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制,包括:
根据所述路段的延误时间信息,选择一个时间段内记录的所述路段的延误时间信息,形成所述时间段内所述路段的延误时间序列;
利用所述路段的延误时间序列,建立用于表示延误时间序列变化趋势的所述路段的延误时间函数;
根据所述路段的延误时间函数,预测所述路段在设定的一段时间内出现的延误时间点;并
根据预测的延误时间点,对针对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
利用所述路段的延误时间序列,建立用于表示延误时间序列变化趋势的所述路段的延误时间函数,包括:
利用所述路段的延误时间序列和自适应连接超平面AHH,建立得到用于表示延误时间序列变化趋势的所述路段的延误时间函数:
其中,令 Km为Bm(x)中所含的因子项的个数;为±1;为所述路段的延误时间序列;Km不大于中的个数;a0为常数;m为延误时间序列中的一个时间点;M为延误时间序列中的时间点的个数;为所述路段的延误时间序列的分割节点。
根据预测的延误时间点,对针对所述路段在所述预测的延误时间点上的道路交通信号进行控制,包括:
针对得到的一个预测的延误时间点,通过极小化的方式得到预测的延误时间点的控制序列,其中,所述控制序列中包含了针对所述路段在所述预测的延误时间点上各个通行方向上不同相位的时间长度差以及相位差;
并利用得到的所述控制序列对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
一种对道路交通信号进行控制的设备,应用在包含了车联网服务平台的安全道路交通管理系统中,包括:
获取模块,用于获取车联网服务平台中每个车辆通过一个路段产生的行车用量数据;
计算模块,用于利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息;
控制模块,用于根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制。
所述行车用量数据中包含了每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息;
所述计算模块,具体用于利用每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息,计算每个车辆在所述路段上的行驶时间信息;
通过以下方式计算得到每个车辆通过所述路段的延误时间信息:
T延误=T行驶-T参考;
其中:T延误为延误时间信息,T行驶为车辆在所述路段上的行驶时间信息,T参考为车辆以自由流速度通过所述路段使用的时间信息。
所述路段为包含了至少一个交叉路口的路段;
所述控制模块,具体用于根据所述路段的延误时间信息,选择一个时间段内记录的所述路段的延误时间信息,形成所述时间段内所述路段的延误时间序列;
利用所述路段的延误时间序列,建立用于表示延误时间序列变化趋势的所述路段的延误时间函数;
根据所述路段的延误时间函数,预测所述路段在设定的一段时间内出现的延误时间点;并根据预测的延误时间点,对针对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
所述控制模块,具体用于利用所述路段的延误时间序列和自适应连接超平面AHH,建立得到用于表示延误时间序列变化趋势的所述路段的延误时间函数:
其中,令 Km为Bm(x)中所含的因子项的个数;为±1;为所述路段的延误时间序列;Km不大于中的个数;a0为常数;m为延误时间序列中的一个时间点;M为延误时间序列中的时间点的个数;为所述路段的延误时间序列的分割节点。
所述控制模块,具体用于针对得到的一个预测的延误时间点,通过极小化的方式得到预测的延误时间点的控制序列,其中,所述控制序列中包含了针对所述路段在所述预测的延误时间点上各个通行方向上不同相位的时间长度差以及相位差;并利用得到的所述控制序列对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
本发明有益效果如下:
本发明实施例获取车联网服务平台中每个车辆通过一个路段产生的行车用量数据;利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息;根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制,这样在获取了一个路段的行车用量数据之后,利用所述行车用量数据,得到每个车辆通过所述路段的延误时间信息,基于得到的所述延误时间信息,对所述路段的道路交通信号进行调整,优化道路交通的控制,提高路网通行效率。
附图说明
图1为本发明实施例一提供的一种对道理交通信号进行控制的方法的流程示意图;
图2为本发明实施例二提供的一种对道路交通信号进行控制的设备的结构示意图;
图3为本发明实施例三提供的一种对道路交通信号进行控制的道路交通管理系统的结构示意图。
具体实施方式
为了实现本发明的目的,本发明实施例提供了一种对道路交通信号进行控制的方法和设备,获取车联网服务平台中每个车辆通过一个路段产生的行车用量数据;利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息;根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制,这样在获取了一个路段的行车用量数据之后,利用所述行车用量数据,得到每个车辆通过所述路段的延误时间信息,基于得到的所述延误时间信息,对所述路段的道路交通信号进行调整,优化道路交通的控制,提高路网通行效率。
需要说明的是,为了实现对车联网的行车用量的管理,车联网服务平台通过数据采集系统获取到驾驶员、车辆以及道路的信息,并针对车辆的行驶状态以及其他信息、驾驶行为信息和车况信息等进行分析,将驾驶员、车辆以及道路的信息进行关联,生成针对该车辆的行车用量数据,以便于安全道路交通管理系统对该车辆的行驶状态以及道路上车辆的行驶状态进行监管和控制。
下面结合说明书附图对本发明各个实施例进行详细描述。
实施例一:
如图1所示,为本发明实施例一提供的一种对道理交通信号进行控制的方法的流程示意图。所述方法可以如下所述。
步骤101:获取车联网服务平台中每个车辆通过一个路段产生的行车用量数据。
其中,所述路段为包含了至少一个交叉路口的路段。
在步骤101中,向车联网服务平台发送数据获取请求信息,并接收所述车联网服务平台发送的数据获取响应信息。
其中,所述数据获取响应信息中至少包含了车辆通过路段的标识信息、车辆的标识信息以及车辆通过路段的时间信息以及车辆在所述路段上的产生的行车用量数据等。
步骤102:利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息。
其中,所述行车用量数据中包含了每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息。
在步骤102中,利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息的方式包括但不限于:
首先,利用每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息,计算每个车辆在所述路段上的行驶时间信息。
例如:接收到的行车用量数据中包含了车辆1、车辆2和车辆3,那么分别确定车辆1进入所述路段的第一时间信息T11以及车辆1离开所述路段的第二时间信息T12,计算车辆1在所述路段上的行驶时间信息T行驶1=T12-T11;
确定车辆2进入所述路段的第一时间信息T21以及车辆2离开所述路段的第二时间信息T22,计算车辆2在所述路段上的行驶时间信息T行驶2=T22-T21;
确定车辆3进入所述路段的第一时间信息T31以及车辆3离开所述路段的第二时间信息T32,计算车辆3在所述路段上的行驶时间信息T行驶2=T32-T31。
其次,通过以下方式计算得到每个车辆通过所述路段的延误时间信息:
T延误=T行驶-T参考;
其中:T延误为延误时间信息,T行驶为车辆在所述路段上的行驶时间信息,T参考为车辆以自由流速度通过所述路段使用的时间信息。
需要说明的是,T参考的大小与道路等级相关,道路级别越高,对应的T参考值越小。不同级别的道路对应的T参考的大小值可以根据实验数据确定,也可以根据经验值确定,这里不做限定。
仍以上述事例为例,利用上述方式计算得到确定车辆1的延误时间信息为T行驶1-T参考;利用上述方式计算得到确定车辆2的延误时间信息为T行驶2-T参考;利用上述方式计算得到确定车辆3的延误时间信息为T行驶3-T参考。
步骤103:根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制。
在步骤103中,根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制的方式包括但不限于以下方式:
首先,根据所述路段的延误时间信息,选择一个时间段内记录的所述路段的延误时间信息,形成所述时间段内所述路段的延误时间序列。
具体地,从接收到车联网服务平台发送的行车用量数据中,选择时间段为17:00~19:00通过路段3产生的行车用量数据,并计算得到17:00~19:00通过路段3的延误时间信息,整合得到的延误时间信息,形成所述时间段内所述路段的延误时间序列。
或者,从计算得到的多个延误时间信息中,选择出17:00~19:00通过路段3的延误时间信息,整合得到的延误时间信息,形成所述时间段内所述路段的延误时间序列。
例如:选择出17:00~19:00通过路段3的延误时间信息中包含了N个:Td1,Td2,Td3,……,Tdn,那么得到的17:00~19:00通过路段3的延误时间序列为:{ Td1,Td2,Td3,……,Tdn}。
其次,利用所述路段的延误时间序列,建立用于表示延误时间序列变化趋势的所述路段的延误时间函数。
具体地,由于交通流具有典型的非线性特性,尤其是城市路网环境中交叉路口处的交通流受到道路交通信号的影响而呈现明显的非线性特征。
利用所述路段的延误时间序列,基于自适应连接超平面AHH的函数模型,生成用于表示延误时间序列变化趋势的所述路段的延误时间函数:
其中,令 Km为Bm(x)中所含的因子项的个数;为±1;为所述路段的延误时间序列;Km不大于中的个数;a0为常数;m为延误时间序列中的一个时间点;M为延误时间序列中的时间点的个数;为所述路段的延误时间序列的分割节点。
需要说明的是,自适应链接超平面模型是基于在分类、回归和预测分析中广泛应用的自适应回归样条模型(MARS,Multivariate adaptive regressionsplines)。
由于AHH模型包含了前向分枝算法和后向剪枝算法,且AHH模型的基函数与定义域的划分区域是一一对应的,这样既适应于对交通道路整个路段的分析,又能够对交通道路进行划区后分析,还能够对单路口的交通道路状态进行分析。因此,f(x)函数中的参数是通过对定义域的递归划分确定的。
再次,根据所述路段的延误时间函数,预测所述路段在设定的一段时间内出现的延误时间点。
具体地,将得到的所述路段的延误时间函数输入基于AHH模型的交叉口非线性预测控制设备(例如:MPC(Model Predictive Control))中,输出得到所述路段在设定的一段时间内出现的延误时间点(或者称为采样点)。
最后,根据预测的延误时间点,对针对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
具体地,针对得到的一个预测的延误时间点,通过极小化的方式得到预测的延误时间点的控制序列。
其中,所述控制序列中包含了针对所述路段在所述预测的延误时间点上各个通行方向上不同相位的时间长度差以及相位差。
例如:基于AHH模型的交叉口非线性预测控制设备输出得到所述路段在设定的一段时间内出现的延误时间点,采用状态空间形式进行描述:
其中,k表示设定的一段时间内的时间点信息,表示预测的信息,u(k)∈Rm表示控制输入信息。
若预测模型f函数采用AHH模型,得到的控制序列为:
minJ(u(k),...,u(k+Nc-1));
其中,umin≤u(k+r)≤um,r=0,...Nc-1,r=1,...Np,u(k+r)=u(k+Nc-1),Nc为控制时域长度值,Np为测试时域长度值,输入从(k+r)时刻到(k+r+1)时刻的增量
具体地,J函数可以表示为:
其中,Q和P分别为输入和输出的加权系数矩阵。
通过上述计算之后,确定出该路段各个通行方向上道路交通信号的控制参数,其中,所述控制参数至少包含了红绿灯切换时间长度值、以及各个通行方向上红绿灯延迟时间长度值等。
利用确定的道路交通信号的控制参数,对针对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
通过对路段的道路交通信号控制参数的实时控制,达到了减少车辆在交叉路口等待时间,提高了交叉路口的通行效率。
通过本发明实施例一的方案,获取车联网服务平台中每个车辆通过一个路段产生的行车用量数据;利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息;根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制,这样在获取了一个路段的行车用量数据之后,利用所述行车用量数据,得到每个车辆通过所述路段的延误时间信息,基于得到的所述延误时间信息,对所述路段的道路交通信号进行调整,优化道路交通的控制,提高路网通行效率。
实施例二:
如图2所示,为本发明实施例二提供的一种对道路交通信号进行控制的设备的结构示意图,该设备应用在包含了车联网服务平台的安全道路交通管理系统中,本发明实施例二是与本发明实施例一在同一发明构思下的发明,所述设备包括:获取模块11、计算模块12和控制模块13,其中:
获取模块11,用于获取车联网服务平台中每个车辆通过一个路段产生的行车用量数据;
计算模块12,用于利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息;
控制模块13,用于根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制。
具体地,所述行车用量数据中包含了每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息;
所述计算模块12,具体用于利用每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息,计算每个车辆在所述路段上的行驶时间信息;
通过以下方式计算得到每个车辆通过所述路段的延误时间信息:
T延误=T行驶-T参考;
其中:T延误为延误时间信息,T行驶为车辆在所述路段上的行驶时间信息,T参考为车辆以自由流速度通过所述路段使用的时间信息。
所述路段为包含了至少一个交叉路口的路段;
所述控制模块13,具体用于根据所述路段的延误时间信息,选择一个时间段内记录的所述路段的延误时间信息,形成所述时间段内所述路段的延误时间序列;
利用所述路段的延误时间序列,建立用于表示延误时间序列变化趋势的所述路段的延误时间函数;
根据所述路段的延误时间函数,预测所述路段在设定的一段时间内出现的延误时间点;并根据预测的延误时间点,对针对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
所述控制模块13,具体用于利用所述路段的延误时间序列和自适应连接超平面AHH,建立得到用于表示延误时间序列变化趋势的所述路段的延误时间函数:
其中,令 Km为Bm(x)中所含的因子项的个数;为±1;为所述路段的延误时间序列;Km不大于中的个数;a0为常数;m为延误时间序列中的一个时间点;M为延误时间序列中的时间点的个数;为所述路段的延误时间序列的分割节点。
所述控制模块13,具体用于针对得到的一个预测的延误时间点,通过极小化的方式得到预测的延误时间点的控制序列,其中,所述控制序列中包含了针对所述路段在所述预测的延误时间点上各个通行方向上不同相位的时间长度差以及相位差;并利用得到的所述控制序列对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
需要说明的是,本发明实施例二所述的设备可以通过硬件实现,也可以通过软件实现,这里不做限定。
实施例三:
如图3所示,为本发明实施例三提供的一种对道路交通信号进行控制的道路交通管理系统的结构示意图,本发明实施例三是与本发明实施例一~本发明实施例二在同一发明构思下的发明,所述系统包含了参数估计单元31、控制策略单元32和评估单元33。其中,参数估计单元31和控制策略单元32功能与本发明实施例二中所述的设备的功能相同。
参数估计单元31,用于获取车联网服务平台中每个车辆通过一个路段产生的行车用量数据,并利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息。
控制策略单元32,用于根据所述参数估计单元31得到的所述路段的延误时间信息,对所述路段的道路交通信号进行控制。
评估单元33,用于对所述控制策略单元32对所述路段的道路交通信号的控制进行评估,确定所述控制策略单元32进行控制的控制结果。
具体地,参数估计单元31与安全车联网服务平台连接,向安全车联网服务平台中的发送数据获取请求,并接收安全车联网服务平台中采集到的行车用量数据。
在获取到行车用量数据后,参数估计单元基于行车用量数据对交叉口(或者路段)的延误时间进行估计。
具体地,参数评估模块根据每辆车上报的其进入路段i、离开路段i的时间点(Tai、Tdi),计算该车辆在该路段上的行驶时间Ti=Tdi-Tai,则该车辆的延误时间为Tdelay=Ti-Tf。其中,Tf为自由流速度下通过该路段所需时间。
需要说明的是,在安全车联网服务平台中设置的数据采集系统,通过数据采集系统采集到车辆的行车用量数据。
其中,该数据采集系统可以包括车载终端、手持移动终端、车载摄像头等设施,数据采集系统还可以包括车载OBD终端、G-Sensor传感器、GPS等设备,通过GPS、OBD以及G-sensor等设备,通过数据采集系统可以采集到如经纬度、速度、时间、加减速、速度、转弯、刹车、眼神、眨眼频率、握持方向盘的力度等驾驶行为数据,还可以采集到油耗、发动机等车辆信息。
安全车联网服务平台中行车用量数据产生系统与数据采集系统连接,在获取到人、车、路的信息后,针对车辆状态和其他信息、驾驶行为和车况进行分析、将人、车、路相关信息进行数据关联,生成行车用量管理信息。
可选地,为了对交叉口延误时间进行评估,参数评估单元可以设置基于支持向量机(Support Vector Machine,SVM)算法建立的针对交叉口延误时间的评估模型,该参数评估模块根据针对交叉口延误时间的评估模型对交叉口延误时间进行评估。
具体地,基于SVM算法的评估模型,首先,对采集到的部分车辆延误时间数据点进行分类;其次结合连续多个车辆的单车延误时间进行分段线性分析,得到车辆延误时间的连续的分段线性函数表达式;最后通过对车辆延误时间函数求取积分中值实现对交叉口延误时间的估计。
所述控制策略单元32,具体用于接收参数估计单元31发送的估计结果,实时地调整道路交通信号的控制策略。
这样实现对道路划分的子区的控制、对单路口的控制、对多路口协调控制等。
其中,控制策略单元中保存了初始控制策略,该初始控制策略可以是根据交管部门定制的规范或者道路规则等进行设定。
所述控制策略单元在获取到的参数估计模块下发的估计结果之后,实时地对设定的初始控制策略进行调整,以达到提高道路优化控制效果的目的。
具体地,所述控制策略单元包含了交叉路口延误时间序列子单元41、交叉路口延误时间序列非线性模型子单元42、非线性预测控制子单元43、交叉口信号控制子单元44。
交叉路口延误时间序列子单元41,用于根据所述交叉路口的延误时间信息,选择一个时间段内记录的所述交叉路口的延误时间信息,形成所述时间段内所述交叉路口的延误时间序列。
交叉路口延误时间序列非线性模型子单元42,用于利用所述路段的延误时间序列,建立用于表示延误时间序列变化趋势的所述路段的延误时间函数。
具体地,利用所述路段的延误时间序列和自适应连接超平面AHH,建立得到用于表示延误时间序列变化趋势的所述路段的延误时间函数:
其中,令 Km为Bm(x)中所含的因子项的个数;为±1;为所述路段的延误时间序列;Km不大于中的个数;a0为常数;m为延误时间序列中的一个时间点;M为延误时间序列中的时间点的个数;为所述路段的延误时间序列的分割节点。
非线性预测控制子单元43,包含了一个预测部分和一个控制部分,用于针对得到的一个预测的延误时间点,通过极小化的方式得到预测的延误时间点的控制序列,其中,所述控制序列中包含了针对所述路段在所述预测的延误时间点上各个通行方向上不同相位的时间长度差以及相位差;
并利用得到的所述控制序列对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
具体地,将得到的所述路段的延误时间函数输入基于AHH模型的交叉口非线性预测控制设备(例如:MPC(Model Predictive Control))中,输出得到所述路段在设定的一段时间内出现的延误时间点(或者称为采样点)。
最后,根据预测的延误时间点,对针对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
具体地,针对得到的一个预测的延误时间点,通过极小化的方式得到预测的延误时间点的控制序列。
其中,所述控制序列中包含了针对所述路段在所述预测的延误时间点上各个通行方向上不同相位的时间长度差以及相位差。
例如:基于AHH模型的交叉口非线性预测控制设备输出得到所述路段在设定的一段时间内出现的延误时间点,采用状态空间形式进行描述:
其中,k表示设定的一段时间内的时间点信息,表示预测的信息,u(k)∈Rm表示控制输入信息。
若预测模型f函数采用AHH模型,得到的控制序列为:
minJ(u(k),...,u(k+Nc-1));
其中,umin≤u(k+r)≤um,r=0,...Nc-1,r=1,...Np,u(k+r)=u(k+Nc-1),Nc为控制时域长度值,Np为测试时域长度值,输入从(k+r)时刻到(k+r+1)时刻的增量
具体地,J函数可以表示为:
其中,Q和P分别为输入和输出的加权系数矩阵。
通过上述计算之后,确定出该路段各个通行方向上道路交通信号的控制参数,其中,所述控制参数至少包含了红绿灯切换时间长度值、以及各个通行方向上红绿灯延迟时间长度值等。
利用确定的道路交通信号的控制参数,对针对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
一般而言,采用滚动时域控制策略,即对于时刻k,得到输入的最优控制序列(u*(k),…,u*(k+Nc-1)),只对系统施加u*(k),余下的均舍弃。时间往前滚动一时刻,x(k+1)作为初始条件,重新求解上述优化问题,得到(k+1)时刻的最优控制输入。
交叉路口延误时间序列非线性模型子单元42通过上述计算,可以得到如各通行方向各相位的时间长度及相位差、交叉口各相位配时参数等交叉口优化控制参数。
交叉路口延误时间序列非线性模型子单元42将得到的控制参数输出至交叉口信号控制子单元44,交叉口信号控制子单元44,用于根据控制参数对道路交通信号进行控制。
评估单元33,具体用于在控制策略单元对道路交通信号进行控制后,通过对所有车辆通过交叉口的延误时间求取平均值对道路交通管理系统的效率进行评估。
本领域的技术人员应明白,本发明的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种对道路交通信号进行控制的方法,其特征在于,应用在包含了车联网服务平台的安全道路交通管理系统中,包括:
获取车联网服务平台中每个车辆通过一个路段产生的行车用量数据;
利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息;
根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制。
2.如权利要求1所述的方法,其特征在于,所述行车用量数据中包含了每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息;
利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息,包括:
利用每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息,计算每个车辆在所述路段上的行驶时间信息;
通过以下方式计算得到每个车辆通过所述路段的延误时间信息:
T延误=T行驶-T参考;
其中:T延误为延误时间信息,T行驶为车辆在所述路段上的行驶时间信息,T参考为车辆以自由流速度通过所述路段使用的时间信息。
3.如权利要求1或2所述的方法,其特征在于,所述路段为包含了至少一个交叉路口的路段;
根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制,包括:
根据所述路段的延误时间信息,选择一个时间段内记录的所述路段的延误时间信息,形成所述时间段内所述路段的延误时间序列;
利用所述路段的延误时间序列,建立用于表示延误时间序列变化趋势的所述路段的延误时间函数;
根据所述路段的延误时间函数,预测所述路段在设定的一段时间内出现的延误时间点;并
根据预测的延误时间点,对针对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
4.如权利要求3所述的方法,其特征在于,利用所述路段的延误时间序列,建立用于表示延误时间序列变化趋势的所述路段的延误时间函数,包括:
利用所述路段的延误时间序列和自适应连接超平面AHH,建立得到用于表示延误时间序列变化趋势的所述路段的延误时间函数:
其中,令 Km为Bm(x)中所含的因子项的个数;为±1;为所述路段的延误时间序列;Km不大于中的个数;a0为常数;m为延误时间序列中的一个时间点;M为延误时间序列中的时间点的个数;为所述路段的延误时间序列的分割节点。
5.如权利要求3所述的方法,其特征在于,根据预测的延误时间点,对针对所述路段在所述预测的延误时间点上的道路交通信号进行控制,包括:
针对得到的一个预测的延误时间点,通过极小化的方式得到预测的延误时间点的控制序列,其中,所述控制序列中包含了针对所述路段在所述预测的延误时间点上各个通行方向上不同相位的时间长度差以及相位差;
并利用得到的所述控制序列对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
6.一种对道路交通信号进行控制的设备,其特征在于,应用在包含了车联网服务平台的安全道路交通管理系统中,包括:
获取模块,用于获取车联网服务平台中每个车辆通过一个路段产生的行车用量数据;
计算模块,用于利用所述行车用量数据,计算每个车辆通过所述路段的延误时间信息;
控制模块,用于根据所述路段的延误时间信息,对所述路段的道路交通信号进行控制。
7.如权利要求6所述的设备,其特征在于,所述行车用量数据中包含了每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息;
所述计算模块,具体用于利用每个车辆进入所述路段的第一时间信息以及所述车辆离开所述路段的第二时间信息,计算每个车辆在所述路段上的行驶时间信息;
通过以下方式计算得到每个车辆通过所述路段的延误时间信息:
T延误=T行驶-T参考;
其中:T延误为延误时间信息,T行驶为车辆在所述路段上的行驶时间信息,T参考为车辆以自由流速度通过所述路段使用的时间信息。
8.如权利要求6或7所述的设备,其特征在于,所述路段为包含了至少一个交叉路口的路段;
所述控制模块,具体用于根据所述路段的延误时间信息,选择一个时间段内记录的所述路段的延误时间信息,形成所述时间段内所述路段的延误时间序列;
利用所述路段的延误时间序列,建立用于表示延误时间序列变化趋势的所述路段的延误时间函数;
根据所述路段的延误时间函数,预测所述路段在设定的一段时间内出现的延误时间点;并根据预测的延误时间点,对针对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
9.如权利要求8所述的设备,其特征在于,
所述控制模块,具体用于利用所述路段的延误时间序列和自适应连接超平面AHH,建立得到用于表示延误时间序列变化趋势的所述路段的延误时间函数:
其中,令 Km为Bm(x)中所含的因子项的个数;为±1;为所述路段的延误时间序列;Km不大于中的个数;a0为常数;m为延误时间序列中的一个时间点;M为延误时间序列中的时间点的个数;为所述路段的延误时间序列的分割节点。
10.如权利要求8所述的设备,其特征在于,
所述控制模块,具体用于针对得到的一个预测的延误时间点,通过极小化的方式得到预测的延误时间点的控制序列,其中,所述控制序列中包含了针对所述路段在所述预测的延误时间点上各个通行方向上不同相位的时间长度差以及相位差;并利用得到的所述控制序列对所述路段在所述预测的延误时间点上的道路交通信号进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310753074.8A CN104751650B (zh) | 2013-12-31 | 2013-12-31 | 一种对道路交通信号进行控制的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310753074.8A CN104751650B (zh) | 2013-12-31 | 2013-12-31 | 一种对道路交通信号进行控制的方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104751650A true CN104751650A (zh) | 2015-07-01 |
CN104751650B CN104751650B (zh) | 2017-06-20 |
Family
ID=53591260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310753074.8A Active CN104751650B (zh) | 2013-12-31 | 2013-12-31 | 一种对道路交通信号进行控制的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104751650B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945511A (zh) * | 2017-11-20 | 2018-04-20 | 中兴软创科技股份有限公司 | 一种交叉口延误时间的计算方法 |
WO2020102885A1 (en) * | 2018-11-19 | 2020-05-28 | Fortran Traffic Systems Limited | Systems and methods for managing traffic flow using connected vehicle data |
CN111341095A (zh) * | 2018-12-19 | 2020-06-26 | 中国航天系统工程有限公司 | 一种基于边缘侧在线计算的交通信号控制系统及方法 |
CN112750300A (zh) * | 2019-10-29 | 2021-05-04 | 北京百度网讯科技有限公司 | 道路交叉路口的延误指标数据获取方法和装置 |
CN112863179A (zh) * | 2021-01-11 | 2021-05-28 | 上海交通大学 | 一种基于神经网络模型预测控制的路口信号灯控制方法 |
CN113936481A (zh) * | 2021-12-02 | 2022-01-14 | 公安部交通管理科学研究所 | 一种信号控制交叉口的空间利用状况评价方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7203595B1 (en) * | 2006-03-15 | 2007-04-10 | Traffic.Com, Inc. | Rating that represents the status along a specified driving route |
JP2011203933A (ja) * | 2010-03-25 | 2011-10-13 | Nomura Research Institute Ltd | 信号の切替タイミングを決定する装置、及びコンピュータプログラム |
CN102254439A (zh) * | 2011-07-12 | 2011-11-23 | 北京世纪高通科技有限公司 | 交通信号灯分配时长的获取方法及装置 |
CN102982686A (zh) * | 2012-11-26 | 2013-03-20 | 上海千年城市规划工程设计股份有限公司 | 基于浮动车行程时间的交通绿波动态调整系统及方法 |
CN103208193A (zh) * | 2013-04-01 | 2013-07-17 | 哈尔滨工业大学 | 一种利用视频检测数据的城市相邻交叉口信号协调控制方法 |
CN103337161A (zh) * | 2013-07-11 | 2013-10-02 | 上海济安交通工程咨询有限公司 | 基于实时仿真模型的交叉口动态综合评价及信控系统优化方法 |
-
2013
- 2013-12-31 CN CN201310753074.8A patent/CN104751650B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7203595B1 (en) * | 2006-03-15 | 2007-04-10 | Traffic.Com, Inc. | Rating that represents the status along a specified driving route |
JP2011203933A (ja) * | 2010-03-25 | 2011-10-13 | Nomura Research Institute Ltd | 信号の切替タイミングを決定する装置、及びコンピュータプログラム |
CN102254439A (zh) * | 2011-07-12 | 2011-11-23 | 北京世纪高通科技有限公司 | 交通信号灯分配时长的获取方法及装置 |
CN102982686A (zh) * | 2012-11-26 | 2013-03-20 | 上海千年城市规划工程设计股份有限公司 | 基于浮动车行程时间的交通绿波动态调整系统及方法 |
CN103208193A (zh) * | 2013-04-01 | 2013-07-17 | 哈尔滨工业大学 | 一种利用视频检测数据的城市相邻交叉口信号协调控制方法 |
CN103337161A (zh) * | 2013-07-11 | 2013-10-02 | 上海济安交通工程咨询有限公司 | 基于实时仿真模型的交叉口动态综合评价及信控系统优化方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945511A (zh) * | 2017-11-20 | 2018-04-20 | 中兴软创科技股份有限公司 | 一种交叉口延误时间的计算方法 |
WO2020102885A1 (en) * | 2018-11-19 | 2020-05-28 | Fortran Traffic Systems Limited | Systems and methods for managing traffic flow using connected vehicle data |
US10964207B2 (en) | 2018-11-19 | 2021-03-30 | Fortran Traffic Systems Limited | Systems and methods for managing traffic flow using connected vehicle data |
US11482105B2 (en) | 2018-11-19 | 2022-10-25 | Fortran Traffic Systems Limited | Systems and methods for managing traffic flow using connected vehicle data |
CN111341095A (zh) * | 2018-12-19 | 2020-06-26 | 中国航天系统工程有限公司 | 一种基于边缘侧在线计算的交通信号控制系统及方法 |
CN111341095B (zh) * | 2018-12-19 | 2021-02-09 | 中国航天系统工程有限公司 | 一种基于边缘侧在线计算的交通信号控制系统及方法 |
CN112750300A (zh) * | 2019-10-29 | 2021-05-04 | 北京百度网讯科技有限公司 | 道路交叉路口的延误指标数据获取方法和装置 |
CN112750300B (zh) * | 2019-10-29 | 2022-09-27 | 阿波罗智联(北京)科技有限公司 | 道路交叉路口的延误指标数据获取方法和装置 |
CN112863179A (zh) * | 2021-01-11 | 2021-05-28 | 上海交通大学 | 一种基于神经网络模型预测控制的路口信号灯控制方法 |
CN112863179B (zh) * | 2021-01-11 | 2022-07-12 | 上海交通大学 | 一种基于神经网络模型预测控制的路口信号灯控制方法 |
CN113936481A (zh) * | 2021-12-02 | 2022-01-14 | 公安部交通管理科学研究所 | 一种信号控制交叉口的空间利用状况评价方法 |
CN113936481B (zh) * | 2021-12-02 | 2022-07-26 | 公安部交通管理科学研究所 | 一种信号控制交叉口的空间利用状况评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104751650B (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zulkefli et al. | Hybrid powertrain optimization with trajectory prediction based on inter-vehicle-communication and vehicle-infrastructure-integration | |
Roncoli et al. | Hierarchical model predictive control for multi-lane motorways in presence of vehicle automation and communication systems | |
CN104751650A (zh) | 一种对道路交通信号进行控制的方法和设备 | |
Khondaker et al. | Variable speed limit: A microscopic analysis in a connected vehicle environment | |
CN107563543B (zh) | 一种基于群体智能的城市交通优化服务方法与系统 | |
CN103116608A (zh) | 一种快速路交通流再现的方法 | |
CN107284452B (zh) | 融合智能通讯信息的混合动力汽车未来工况预测系统 | |
DE102011083677A1 (de) | Prognose einer Verkehrssituation für ein Fahrzeug | |
CN107346460A (zh) | 基于智能网联系统下前车运行信息的未来工况预测方法 | |
CN103927866A (zh) | 基于gps的车辆等待红绿灯时间预测方法 | |
Barik et al. | Optimal velocity prediction for fuel economy improvement of connected vehicles | |
Jia et al. | An enhanced predictive cruise control system design with data-driven traffic prediction | |
CN104851280A (zh) | 一种车辆行驶控制方法、装置、系统及相关设备 | |
Zhao et al. | Dynamic eco‐driving on signalized arterial corridors during the green phase for the connected vehicles | |
Yi et al. | Energy aware driving: Optimal electric vehicle speed profiles for sustainability in transportation | |
Manzie et al. | Optimal use of telemetry by parallel hybrid vehicles in urban driving | |
Jin et al. | Energy-optimal speed control for connected electric buses considering passenger load | |
Wu et al. | Deep learning–based eco-driving system for battery electric vehicles | |
Fu et al. | Cooperative driving for speed harmonization in mixed-traffic environments | |
Gregurić et al. | The use of cooperative approach in ramp metering | |
Shao et al. | Machine learning enabled traffic prediction for speed optimization of connected and autonomous electric vehicles | |
Zeroual et al. | Calibration and validation of a switched linear macroscopic traffic model | |
CN116259175A (zh) | 一种面向多样化动态信号灯模式的车速推荐方法及装置 | |
Klunder et al. | The effect of inaccurate traffic data for ramp metering: Comparing loop detectors and cameras using information utility | |
Wang | Calibration of big traffic data for a transport smart city |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |