CN104867339A - 一种基于向量分析的交通信号配时时段划分方法 - Google Patents

Abstract

本发明涉及一种基于向量分析的交通信号配时时段划分方法，考虑交叉口不同流向交通流分布差异及不稳定性，构建向量分析模型与算法，向量化各流向的交通流，针对各流向流量分布差异较大以及不稳定时段，设计计算时段划分点的算法，为多时段信号配时提供了重要依据。本发明按照系统效益最优原则，划分出较合理的时段，降低交叉口整体延误。

Description

一种基于向量分析的交通信号配时时段划分方法

技术领域

本发明涉及一种交通信号控制技术，特别涉及一种基于向量分析的交通信号配时时段划分方法。

背景技术

交通信号控制是提高道路资源利用率的有效手段，是缓解城市交通拥堵的主要方式。交通信号分时段控制根据交叉口历史流量变化合理地将全天划分为多个时段，所得的每个时段交通流是相对稳定的，根据每个时段的交通量相应地配置不同时段的交通信号配时方案，在定时控制系统、自适应控制系统中应用广泛。实际工程中，多以主观经验对交叉口进行时段划分，此后众多研究采用聚类算法来划分时段，各类聚类算法主要以总流量、周期等作为聚类对象。但针对总流量或者周期聚类有几点不足：

1)用周期、绿信比等参数聚类需要大量的配时计算且计算复杂，难以操作。

2)总流量甚至信号周期相似情况下，流量分布可能相差较大且交通流不稳定时，所划分出的时段并不能真实地体现实际交通流状况，得到的时段划分点也是不合理的。

交通信号分时段控制的目的是根据每个时段的平均出行量进行交通分配，从而使得道路资源能够满足当前的交通需求。本发明以向量分析为主要方法，向量化各流向交通流，设计出一种实用的交通信号分时段控制方法。

发明内容

本发明是针对以总流量或者周期作为聚类对象进行交通信号分时段控制存在的问题，提出了一种基于向量分析的交通信号配时时段划分方法，较准确地区分流量分布，得到合理的时段划分点，降低交叉口整体延误。

本发明的技术方案为：一种基于向量分析的交通信号配时时段划分方法，具体包括如下步骤：

1)以两相位交叉口T为研究对象，采集交叉口交通流，构建交通流向量模型，分析交通流各流向差异性与不稳定性时段，计算各流向向量和并求得零点，作 为时段划分点；

2)由C均值聚类算法对全天划分时段，将设定时间采集的数据加入C均值聚类算法，输出s个聚类中心，根据聚类中心确定时段划分点；

3)根据步骤1)和2)所得时段划分点，根据韦伯斯特经典配时方法，计算信号周期、最优信号周期时长、绿信比参数，根据下面公式式得到交叉口整体延误：

D＝q*d

式中D为整体延误，单位s，q为车流量，单位辆，d为车辆平均延误，单位s/辆。

所述步骤1)具体包括如下步骤：

A：设定采集时间，采集交叉口交通流数据，并进行异常数据处理；

B：确定交叉口相位以及车道数量，各流向的交通流作向量化处理，流量向量化算法即将各流向的交通流设为向量，计算各流向交通流的向量和为向量c为：

$c=\underset{i=1}{\overset{g}{\mathrm{\Σ}}}{a}_i$

其中：a_i为i流向的交通量向量，i的值代表不同流向，g为交通流流向数；

C：根据B所建向量模型计算时段划分点：

步骤 1：向量和c转换为函数f并计算其表达式的零点个数N，若N>0，计算零点(t_k,0)(k＝1,···,N)，并令k＝1；若N<1则转到步骤 6；

步骤 2：若k≤N,转向步骤 3；否则转向步骤 6；

步骤 3：时段[t_k-Δt/2,t_k+Δt/2]内的零点个数N_k＝1且满足下式，t_k则是时段划分点：Δ≥γ

式中Δ为不同流向交通流差异性参数Δ＝max(|c|)/s，即在[t_k-Δt/2,t_k+Δt/2]区段向量和|c|最大值与进口道通行能力s比值；Δt为时段划分的最小时间，经仿真验证取60min；γ为不同流向交通流差异性阈值，经仿真取0.04；

步骤 4：若在时段[t_k-Δt/2,t_k+Δt/2]，N_k≥2，则t_k不作为时段划分点；

步骤 5：k＝k+1，转向步骤 2；

步骤 6：结束；

D：根据C，得到时段划分点。

所述步骤2)具体包括： 

E：利用(0,1)间的随机数初始化隶属度矩阵U＝[u_ij]，并满足条件下式：

$\underset{i=1}{\overset{s}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}=1,\&ForAll;j=1,...,n$

F：根据下式计算s个聚类中心h_i，

$h_i=\frac{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}^m{x}_j}{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}^m},$

式中u_ij为隶属度矩阵元素，0<u_ij<1，n为样本数，h_i为组i的聚类中心，x_j为第j个数据；

G：根据下式(5)重新求隶属度矩阵U，

$u_{\mathrm{ij}}=\frac{1}{\underset{k=1}{\overset{s}{\mathrm{\&Sigma;}}}{\left(\frac{d_{\mathrm{ij}}}{d_{\mathrm{kj}}}\right)}^{2/(m-1)}},(i=1,...,s;j=1,...,n),$

式中d_ij为第i个聚类中心h_i与第j个数据点x_j的欧式距离d_ij＝||h_i-x_j||，m为加权指数，m∈[1,∞)；

H：计算目标函数M，如果M小于设定阀值，结束算法；否则转F继续迭代， 

$M(U,h_1,...,h_S)=\underset{i=1}{\overset{h}{\mathrm{\&Sigma;}}}\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}^m{d}_{\mathrm{ij}}^2;$

I：结束。

本发明的有益效果在于：本发明基于向量分析的交通信号配时时段划分方法，考虑交叉口不同流向交通流分布差异及不稳定性，构建向量分析模型与算法，向量化各流向的交通流，针对各流向流量的不稳定临界位置，设计出时段 划分算法，为多时段信号配时提供了重要依据。本发明按照系统效益最优原则，划分出较合理的时段，降低交叉口整体延误。

附图说明

图1为路口流量分布图；

图2为本发明基于向量分析的交通信号配时时段划分方法流程图；

图3为本发明两相位交叉口示意图；

图4为向量模型示意图；

图5为时段划分结果图；

具体实施方式

交通工程中，以分时段信号控制的定时控制系统应用非常广泛，实际应用多以主观经验对交叉口进行时段划分。此后众多研究采用聚类算法来划分时段，各类聚类算法主要以总流量、周期等作为聚类对象。但针对总流量或者周期聚类有几点不足：用周期、绿信比等参数聚类需要大量的配时计算且计算复杂，难以操作；总流量甚至信号周期相似而各流向流量分布相差较大且各流向的交通流不稳定时，如图1所示流量分布图，在平峰时段东西方向的流量呈现递减趋势而南北方向呈现递增趋势，而平峰时段的总流量基本恒定，两流向的交通量差异性明显，将平峰时段归为一个信号配时时段是不合理的。

为了合理进行时段划分，本发明提出基于向量分析的交通信号配时时段划分方法，如图2所示流程图，具体包括如下步骤：

1)以两相位交叉口T为研究对象，如图3所示两相位交叉口示意图，采集交叉口交通流，构建交通流向量模型，分析交通流各流向差异性以及不稳定性，得到合理的时段划分点，具体如下：

a)平均每15min采集交叉口交通流数据，如表1所示的部分数据，并进行异常数据处理。

表1

时间	东西流量	南北流量	总流量
				9:15	669	105	774

9:30	661	100	761
				9:45	650	120	770
10:00	638	150	788
				10:15	610	194	804
10:30	586	200	786
				10:45	561	226	787
11:00	547	259	806
				11:15	532	286	818
11:30	512	301	813
				11:45	500	320	820
12:00	489	350	839
				12:15	469	364	833
12:30	446	380	826
				12:45	420	400	811
13:00	400	411	811
				13:15	380	446	826
13:30	364	469	833
				13:45	350	489	839
14:00	320	500	820
				14:15	301	512	813
14:30	286	532	818
				14:45	259	547	806
15:00	226	561	787
				15:15	200	586	786
15:30	194	610	804
				15:45	150	638	788
16:00	120	650	770
				16:15	100	661	761
16:30	70	681	751

b)确定交叉口相位以及车道数量，各流向的交通流作向量化处理，如图4所示,流量向量化算法即将各流向的交通流设为向量，定义东西流向为向量a₁、南北流向为向量a₂、各流向交通流的向量和为向量c为：

$c=\underset{i=1}{\overset{g}{\mathrm{\&Sigma;}}}{a}_i---\left(1\right)$

其中：a_i为i流向的交通量向量，i的值代表不同流向，g为交通流流向数，如图3所示交叉口仅有两个交通流向即东西方向与南北方向，g＝2,i＝{1：东西流向，2：南北流向}。

c)根据b)所建向量模型计算时段划分点的关键算法如下：

步骤 1：向量和c转换为函数f并计算其表达式的零点个数N。若N>0，计算零点(t_k,0)(k＝1,···,N)，并令k＝1；若N<1则转到步骤 6。

步骤 2：若k≤N,转向步骤 3；否则转向步骤 6

步骤 3：时段[t_k-Δt/2,t_k+Δt/2]内的零点个数N_k＝1且满足式(2)，t_k则是时段划分点：

Δ≥γ    (2)

式中Δ为不同流向交通流差异性参数Δ＝max(|c|)/s，即在[t_k-Δt/2,t_k+Δt/2]区段向量和|c|最大值与进口道通行能力s比值；Δt为时段划分的最小时间，经仿真验证取60min；γ为不同流向交通流差异性阈值，经仿真取0.04；

步骤 4：若在时段[t_k-Δt/2,t_k+Δt/2]，N_k≥2，则t_k不作为时段划分点；

步骤 5：k＝k+1，转向步骤 2；

步骤 6：结束。

d)根据c)，满足条件的只有t₁，因此基于向量分析的时段划分算法将t₁即13:00作为平峰时段的时段划分点，如图4所示。

2)由C均值聚类算法(FCM)对全天划分时段。每15min采集交通数据，将全天n＝96个数据点x_j输入FCM，输出s个聚类中心即s个时段以得时段划分点，具体步骤如下：

步骤 1：利用(0,1)间的随机数初始化隶属度矩阵U＝[u_ij]，并满足条件(3)。

$\underset{i=1}{\overset{s}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}=1,\&ForAll;j=1,...,n---\left(3\right)$

式中s是聚类中心个数。

步骤 2：根据式(4)计算s个聚类中心h_i。

$h_i=\frac{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}^m{x}_j}{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}^m}---\left(4\right)$

式中u_ij为隶属度矩阵元素，0<u_ij<1，n为样本数，h_i为组i的聚类中心，x_j为第j个数据。

步骤 3：根据式(5)重新求隶属度矩阵U。

$u_{\mathrm{ij}}=\frac{1}{\underset{k=1}{\overset{s}{\mathrm{\&Sigma;}}}{\left(\frac{d_{\mathrm{ij}}}{d_{\mathrm{kj}}}\right)}^{2/(m-1)}},(i=1,...,s;j=1,...,n)---\left(5\right)$

式中d_ij为第i个聚类中心h_i与第j个数据点x_j的欧式距离d_ij＝||h_i-x_j||，m为加权指数，m∈[1,∞)。

步骤 3：计算目标函数M。如果M小于设定阀值，结束算法；否则转步骤 2继续迭代。

$M(U,h_1,...,h_S)=\underset{i=1}{\overset{h}{\mathrm{\&Sigma;}}}\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}^m{d}_{\mathrm{ij}}^2---\left(6\right)$

步骤 4：结束

3)根据2)中C均值聚类算法可得聚类中心h₁＝480，h₂＝830，h₃＝790，h₄＝840，h₅＝440，其对应的时段划分点为fcm₁＝05:00，fcm₂＝09:15，fcm₃＝14:30，fcm₄＝19:30。

4)根据1)、2)、3)，基于向量分析的交通信号时段划分点为fcm₁＝05:00，fcm₂＝09:15，t₁＝13:00，fcm₃＝14:30，fcm₄＝19:30，如图5所示。根据韦伯斯特经典配时方法，计算信号周期、最优信号周期时长、绿信比等参数，根据式(7)得到交叉口整体延误：

D＝q*d          (7)

式中D为整体延误(s)，q为车流量(辆)，d为车辆平均延误(s/辆)。

Claims (3)

1.一种基于向量分析的交通信号配时时段划分方法，其特征在于，具体包括如下步骤：

1)以两相位交叉口T为研究对象，采集交叉口交通流，构建交通流向量模型，分析交通流各流向差异性与不稳定性时段，计算各流向向量和并求得零点，作为时段划分点；

2)由C均值聚类算法对全天划分时段，将设定时间采集的数据加入C均值聚类算法，输出s个聚类中心，根据聚类中心确定时段划分点；

3)根据步骤1)和2)所得时段划分点，根据韦伯斯特经典配时方法，计算信号周期、最优信号周期时长、绿信比参数，根据下面公式式得到交叉口整体延误：

D＝q*d

式中D为整体延误，单位s，q为车流量，单位辆，d为车辆平均延误，单位s/辆。

2.根据权利要求1所述基于向量分析的交通信号配时时段划分方法，其特征在于，所述步骤1)具体包括如下步骤：

A：设定采集时间，采集交叉口交通流数据，并进行异常数据处理；

B：确定交叉口相位以及车道数量，各流向的交通流作向量化处理，流量向量化算法即将各流向的交通流设为向量，计算各流向交通流的向量和为向量c为：

其中：a_i为i流向的交通量向量，i的值代表不同流向，g为交通流流向数；

C：根据B所建向量模型计算时段划分点：

步骤 1：向量和c转换为函数f并计算其表达式的零点个数N，若N>0，计算零点(t_k,0)(k＝1,···,N)，并令k＝1；若N<1则转到步骤 6；

步骤 2：若k≤N,转向步骤 3；否则转向步骤 6；

步骤 3：时段[t_k-Δt/2,t_k+Δt/2]内的零点个数N_k＝1且满足下式，t_k则是时段划分点：Δ≥γ

式中Δ为不同流向交通流差异性参数Δ＝max(|c|)/s，即在[t_k-Δt/2,t_k+Δt/2]区段向量和|c|最大值与进口道通行能力s比值；Δt为时段划分的最小时间，经仿真验证取60min；γ为不同流向交通流差异性阈值，经仿真取0.04；

步骤 4：若在时段[t_k-Δt/2,t_k+Δt/2]，N_k≥2，则t_k不作为时段划分点；

步骤 5：k＝k+1，转向步骤 2；

步骤 6：结束；

D：根据C，得到时段划分点。

3.根据权利要求1或2所述基于向量分析的交通信号配时时段划分方法，其特征在于，所述步骤2)具体包括：

E：利用(0,1)间的随机数初始化隶属度矩阵U＝[u_ij]，并满足条件下式：

F：根据下式计算s个聚类中心h_i，

式中u_ij为隶属度矩阵元素，0<u_ij<1，n为样本数，h_i为组i的聚类中心，x_j为第j个数据；

G：根据下式(5)重新求隶属度矩阵U，

式中d_ij为第i个聚类中心h_i与第j个数据点x_j的欧式距离d_ij＝||h_i-x_j||，m为加权指数，m∈[1,∞)；

H：计算目标函数M，如果M小于设定阀值，结束算法；否则转F继续迭代，

I：结束。