CN105279982B - 一种基于数据驱动的单交叉口动态交通信号控制方法 - Google Patents
一种基于数据驱动的单交叉口动态交通信号控制方法 Download PDFInfo
- Publication number
- CN105279982B CN105279982B CN201510778777.5A CN201510778777A CN105279982B CN 105279982 B CN105279982 B CN 105279982B CN 201510778777 A CN201510778777 A CN 201510778777A CN 105279982 B CN105279982 B CN 105279982B
- Authority
- CN
- China
- Prior art keywords
- phase
- mrow
- signal
- time
- detector
- 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.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于数据驱动的单交叉口动态交通信号控制方法，包括以下几个步骤：步骤1：高精度数据的采集；步骤2：信号控制器控制执行；步骤3：交叉口性能指标评价；步骤4：信号配时迭代优化。本发明基于传感器检测到的高精度数据，该数据可以准确记录车辆踏上和离开检测器的准确时间，从而可以推算绿灯时长以及检测器空闲时间，使得动态交通信号控制的效能得到更大的发挥，保证了交叉口内部区域始终可被利用，一定程度上为城市路网的通达性提供了保障。
Description
技术领域
本发明属于智能交通控制与管理技术领域，涉及一种基于数据驱动的单交叉口动态交通信号控制方法。
背景技术
城市交叉口是城市道路交通管理与控制的主要对象，合理利用现有道路交通设施，通过交叉口交通信号的优化控制，可使交叉口交通冲突车流时空分离，提升交叉口的通行效率，成为了解决交通问题的有效途径。然而，道路交通系统是一个复杂的非线性时变系统，传统的信号控制方法使用简化后的系统进行数学建模，往往很难实现对交叉口的最优控制。随着道路交通数据采集技术的日趋成熟，在微观上对于交叉口车辆检测的精度得到了有效的提升，通过这种高精度数据可以准确记录每一辆车踏上检测器和离开检测器的时间，得到每一辆车的占有率数据，从而实现对车辆旅行时间、停驶次数、排队长度等多个交通参数的估算，使通过数据驱动的方式进行交叉口信号优化控制成为可能。
目前，传统的交叉口信号控制方法一般依靠视频、微波、线圈和地磁等采集方式获取流量等较为单一的交通流数据，以控制周期较小的过程为控制对象，对控制系统进行简化建模，分析模型并制定相应的信号控制策略，并重点根据排队长度的实时变化来调整交叉口信号配时。方法所获数据精度不高，模型过于理想化，缺乏应用的普适性，控制效果并不理想。特别是，由于交叉口状态的时变性和多样性，传统控制方法还存在建模复杂和修改困难的问题。因此，通过高精度数据的获取，以较少的先验知识，运用数据驱动控制算法建立自适应的交叉口信号灯控制方法，避免对复杂交通系统的建模，通过迭代学习方法实现对交叉口信号灯的动态交通控制，具有十分重要的意义。
现有的一些专利中，已有一些对交叉口进行动态交通信号控制的方法。申请号为：201410432540.7，专利《拥堵交叉路口信号配时方法及交通信号灯控制系统》中提出了一种拥堵交叉路口的信号配时方法及地感和监控系统，该方法通过摄像监控系统反馈交叉口车辆运行状态信息，从而计算交通流量等数据实现对交叉口信号灯的控制，获取的数据精度不高，信号配时方案不够精确；申请号为：201310167669.5，专利《一种自适应的交叉口信号控制方法》中提供了一种自适应的交叉口信号控制方法，该方法也通过安装车辆检测器获取交通流数据，但并没有运用非模型化的数据驱动算法，只是根据排队长度的不同比例动态调整下一周期的信号配时方案，计算较为复杂，也不能很好地适应交通流多变的复杂情况；申请号为：201310049862.9，专利《一种动态自适应交通信号控制装置及方法》中提出了利用包含多个视频检测器的交通信号控制装置对交通信号进行动态自适应控制的方法，实时图像处理的计算量非常大，价格昂贵，所获数据精度不高，且控制方法也未考虑到且视频检测易受天气影响等弊端，系统的可靠性较差。
发明内容
为了解决上述问题，本发明针对交通系统的时变性和多样性特点，提出一种基于高精度数据的单交叉口动态交通信号控制方法，无需对交通系统进行复杂建模，通过数据驱动控制方法，实现对交叉口信号配时的动态优化。
一种基于数据驱动的单交叉口动态交通信号控制方法，包括以下几个步骤：
步骤1：高精度数据的采集；
步骤2：信号控制器控制执行；
步骤3：交叉口性能指标评价；
步骤4：信号配时迭代优化。
本发明的优点在于：
(1)本发明基于传感器检测到的高精度数据，该数据可以准确记录车辆踏上和离开检测器的准确时间，从而可以推算绿灯时长以及检测器空闲时间，使得动态交通信号控制的效能得到更大的发挥，保证了交叉口内部区域始终可被利用，一定程度上为城市路网的通达性提供了保障。
(2)本发明可将各相位车辆的通行状态信息反馈到交叉口信号控制系统，一定程度上避免了交叉口内部排队导致的“死锁”，保证了交叉口内部空间的车辆利用率，使得高峰时段负荷较高的交叉口拥堵发生的可能性降低，或大面积区域拥堵蔓延速度变缓。
(3)本发明提出一种模糊自适应PD迭代学习控制算法，将其用于单交叉口动态交通信号控制。利用模糊逻辑确定PD学习律的隶属度参数，该模糊规则考虑到驾驶员的适应性，避免了绿灯时间的小范围波动。算法通过每次迭代绿灯时间的少量变化，使信号控制能够适应交通流需求的变化，以达到精确控制和快速收敛的目的。
附图说明
图1为本发明中交叉口检测器布设图；
图2为本发明交叉口相位分布图；
图3为本发明中性能评价指标y(k,i)的隶属度函数图；
图4为本发明中Δy(k,i)的隶属度函数图；
图5为本发明中交叉口模糊PD迭代学习控制系统图；
图6为本发明中单交叉口动态交通信号控制流程图；
具体实施方式
下面结合附图和具体实施例对本发明做进一步阐述。
本发明的一种基于数据驱动的单交叉口动态交通信号控制方法是通过下述步骤实现的，主要包括高精度数据采集、信号控制器控制执行、交叉口性能指标评价、信号配时迭代优化，具体的如下所示：
步骤1：高精度数据的采集；
1)确定单交叉口的相位数以及相位分布；
2)高精度数据的采集是基于美国明尼苏达大学的SMART-SIGNAL系统，该系统集成了数据收集，数据存储和数据分析，可以不断收集并存储高分辨率的交通状态数据及车辆状态数据，由此可以识别交通状态改变的关键转折点，包括每一个车辆检测驱动和每一个信号相位的变化。每条数据都包括时间戳、当前信号状态或车辆检测驱动状态和当前状态的持续时间等标识。获取的有效数据如“08:09:15.481，D8 off，0.468s”和“08:09:16.761，G3 off，29.389s”，其中，第一个字段代表某个车辆驱动事件发生或信号状态变化的时刻；第二个字段代表当前检测器检测到的车辆或信号状态，如“D8 off”表示车辆离开检测器#8，“G3 off”表示相位#3的绿灯时间结束；第三个字段表示车辆占用检测器的时间或信号相位的持续时间。
高精度数据的采集依靠车道上安装的检测器，检测器的布设规则如下：检测器成组安装，每个相位至少一组检测器，每组包含两个检测器，每个检测器编号为i,p,q，依次代表相位号i，组号p，检测器号q(其中，q＝1或2)。此外，每个检测器都有一个权重系数，代表其测量值在本组所占的权重。一般取为0.5，可根据实际情况进行调整，每组检测器的权重系数和满足若某一相位包含多条车道，则选取车流量最大的一条安装一组检测器。若某一相位包含多个方向的车流，则需对每个方向均安装一组检测器。
检测器的具体安装如图1所示，每组有两个检测器，一个为停车线检测器(q＝1)，位于停车线下游，一个为路段检测器(q＝2)，安装在路口上游的路段2/3位置处，一般建议安装在距离该进口道的停车线120米到150米左右。在路段长度小于120米的情况下，优先考虑远离该进口道的停车线，避免车辆排队占用检测器导致占有率数据异常。如222为路段检测器，其权重系数为0.4，可以估测车辆到达需求；221为停车线检测器，其权重系数为0.6，可以估测车辆排队长度。由于路段检测器可能存在被排队车辆占用导致数据异常的情况，故使得下游停车线检测器权重系数略大于路段检测器。
3)按交叉口每天的早高峰时段、午低峰时段、晚高峰时段及一般平峰时段划分各时段，采集N个信号周期内(每次更新后的交叉口信号配时运行N个信号周期)绿灯时间内的各个进口道的交通量，换算为小时交通量，将第k次优化后得到的相位i的交通量记为整个交叉口各进口道的交通量之和为以采集时间为横轴，以为纵轴绘制曲线，从而确定各个相位的实时交通状态变化。
4)在交叉口各相位各车道上安装的车辆检测器检测到的高精度数据有：第k个优化周期内，每个停车线车辆检测器采集的第m个信号周期(k＝2,3,4…)第i相位的红灯启亮时刻第m个信号周期第i相位的绿灯启亮时刻同理，第m-1个信号周期第i相位的红灯启亮时刻第m-1个信号周期第i相位的绿灯启亮时刻则交叉口第k次优化后第i相位的绿灯时间为
某辆车在第k次优化后，每个周期每辆车在相位i的绿灯时间内，踏上p组q号检测器的时间为ton(i,p,q)k，离开该检测器的时间toff(i,p,q)k，假定在第k次优化后，运行N个信号周期，在相位i的绿灯时间内通过了n辆车，则得到该检测器在第k次优化后，相位i的绿灯信号结束时的占用时间为
设第k次优化后的N个信号周期内，每m(m<N)个信号周期相位i停车线前第一辆车在绿灯起亮后踏上p组1号检测器的时刻为t*on(i,p,1)k，则第k次优化后N个信号周期内第i相位的车辆延误为
5)由上述步骤可知，通过采集的高精度数据计算得到了检测器占有率tocc(i,p,q)k和车辆延误td i,k以及相位当量交通量和交叉口当量交通量均用于步骤3中的交叉口性能评价指标。而高精度数据记录的信号灯灯色变化和各相位灯色时长则传输到信号控制器，作为初始信号交叉口各相位的配时方案，对交叉口的车流进行控制。
步骤2：信号控制器控制执行；
1)在路口控制车流通行的交通信号灯，均连接一个控制交通灯指示切换和相位切换的信号控制器。相较一般路口信号控制机，本发明中执行交叉口信号配时方案的信号控制器是联网式的智能交通信号控制机，集成了SMART-SIGNAL系统中的数据存储功能，包含一个后台数据存储系统。如图6中的信号控制器模块部分所示。
2)首先，步骤1采集得到的初始各相位配时参数以及预先设定的交叉口周期传输到该信号控制器来执行，控制交叉口各相位的车流通行，同时将绿时参数存储在后台系统。
3)此后，信号控制器执行步骤4每次迭代优化所得的信号灯配时参数，来控制交叉口各相位绿信比，同时将优化后的配时参数存储在后台数据存储系统，以便于下一次迭代优化时提取某一相位历史绿灯配时参数。
4)本发明中的信号控制器的改进在于：在各相位进口道都布设有检测器，每组包含两个检测器，一个位于停车线的下游，用于估测车辆排队长度；另一个位于相应的路口上游，用于估测车辆到达需求。各传感器与信号控制器相连，可将每次执行更新所得的信号配时方案后检测到的检测器占用时间tocc(i,p,q)k车辆延误td i,k及车流量数据n实时传输到后台数据存储系统。存储检测得到的评价参数是为了进行步骤3，判断交叉口某相位的性能指标数据是否满足收敛条件，具体的评价方式如步骤3所示。
步骤3：交叉口性能指标评价；
1)交叉口的信号配时方案由信号控制器执行，N个信号周期后，即可对交叉口性能进行评价。交叉口性能指标评价是指在当前相位绿灯期间对该交叉口所测的相位i的性能进行评估，即当相位i绿灯时间结束后，获取步骤1中的相位i多组检测器所测数据，主要是检测器占有率tocc(i,p,q)k和车辆延误td i,k(其中k为优化次数)。
2)用如下公式计算交叉口相位i性能指标数据：其中，k为当前优化周期；i为相位号；yk,i为交叉口相位i性能指标；为当前绿灯时间内相位i的检测器占有率之和，将绿灯时间内输出的占有率数据加和求平均；td i,k为当前绿灯时间内相位i上的车辆延误；Ck为第k次优化得到的信号周期。
3)通过此公式计算的性能指标yk,i∈[0,1]，除以信号周期是为了对各相位的性能指标进行归一化，便于横向直观地分析比较，可以较好地评价当前的交通性能，yk,i越高时，代表相位i的交通需求越大。此时将得到的相位i的性能指标数据与实时获取的交通流量求差值，得到判断差值是否满足允许的范围Δyk,i<ε(ε为一个无穷小的值)，若满足，则认为相位i当前信号配时方案可以适应实时交通需求变化。若不满足，则认为相位i当前信号配时方案不能适应交通流状况，就需要对该相位的绿时方案进行更新，即步骤4的信号配时迭代优化。
步骤4：信号配时迭代优化；
1)信号配时迭代优化是指在第k次优化后执行N个信号周期的配时方案，且在当前相位绿灯时间刚结束时，若该相位的性能指标不能满足实时交通状态，则以该相位的历史的性能指标数据和历史的绿灯时间数据，对该相位的配时方案进行优化，得到新的信号配时方案。
2)以某一相位为例，输入历史性能指标数据和历史绿灯时间数据(yk-n,i为第k-n次优化后相位i的性能指标，uk-n,i为第k-n次优化后相位i的绿灯时长)，由于检测器输出的占有率以及延误等数据波动较大，易导致算法发散，故为了使得算法输出的性能指标数据既可以随着实时交通状况而变化，又能够得以收敛。拟采用模糊PD迭代学习控制算法。
3)模糊PD迭代学习控制算法主要是加入模糊环节对Δyk,i和yk,i进行模糊控制，对绿灯变化速率θ确定模糊规则及隶属度函数，再设计模糊PD迭代学习控制算法的控制器的结构。最后采用一般的模糊PD迭代学习控制算法的计算公式，对信号交叉口的绿时方案进行迭代优化，具体如下。
(1)模糊PD迭代学习律为：
uk+1,i＝f({uk,i},{yk,i,yk-1,i})+ωk,i＝uk,i+Kp×ek,i+Kd×(ek,i-ek-1,i)+ωk,i，
其中，ωk,i为该相位绿灯期间车辆启动驾驶员的反应时间总和，此处ωk,i近似等于td i,k，i为相位编号。对第k次优化所得的历史性能指标数据yk,i以及与第k-1次优化的评价指标差值ek,i进行模糊逻辑控制，yk,i的隶属度函数如图3所示，采用分档次适配法，模糊子集为{NB,NM,NS,ZE,PS,PM,PB}，模糊论域为{y1,y2,y3,y4,y5,y6,y7}；其中，ZE为三角形隶属度函数，NB,NM,NS,PS,PM,PB均为梯形隶属度函数。Δyk,i的隶属度函数如图4所示，模糊子集为{S,M,B}，论域为{Δy1，Δy2,Δy3}。
(2)模糊PD迭代学习公式定义为：设输入变量关系函数其中θ是绿灯时间变化率，θ∈[0,1]，Gmin为最小绿灯时间,Gmax为最大绿灯时间。
(3)绿灯时间变化率θ的模糊规则表如下(θ1为绿灯增长速率，θ2为绿灯衰减速率)：
表1 绿灯时间变化率θ的模糊规则表
(4)迭代过程满足严格重复的初始重置条件，即xk(0)＝uk,0， 其中xk(0)为输入状态的初值，即初始信号配时下相位i绿灯时长uk,0,yk(0)为期望输出的初值，即初始信号配时下检测器输出的相位i实时交通流量与交叉口实时交通流量之和的比值，k代表迭代学习控制的迭代次数。
(5)模糊PD迭代学习控制系统如图5所示，控制对象为信号交叉口，控制输入为历史性能指标数据和历史绿灯时间数据，通过模糊PD迭代学习律，得到当前优化后的性能指标数据yk,i，与期望输出的该相位实时交通状态参数进行对比，而模糊控制器是对二者的差值进行模糊控制，遵循上述过程中提到的模糊规则，进行模糊化和去模糊化过程，最终得到更新后的绿灯配时参数，作为下一次模糊迭代优化的输入。重复进行上述步骤，形成一个闭环控制系统。
(6)每次迭代优化后，重复步骤1,2,3，由控制器执行信号配时参数，进而获取检测器的数据，根据计算得到的性能指标数据，判断与实时获取的交通流量的差值是否满足收敛条件若满足，则认为该信号配时达到最优收敛点，迭代过程结束。若没有，则要继续重复上述迭代优化过程，并将当前优化所得的绿灯时间数据和评价性能指标数据存储到信号控制器的后台数据处理系统。
实施例：
本发明的一种基于数据驱动的单交叉口动态交通信号控制方法，流程如图6所示，通过下述步骤实现：
步骤1：高精度数据的采集；
1)选取中关村东路和成府路交叉口为例，该交叉口为四相位交叉口，如图2所示，包括：第一相位：南北进口左转；第二相位：南北进口直行；第三相位：东西进口左转；第四相位：东西进口直行。
2)图1中展示了检测器的具体安装方式。检测器成组安装，每个相位至少两组检测器，每组检测器有两个，一个为停车线检测器(q＝1)，位于停车线下游，一个为路段检测器(q＝2)，安装在路口上游的路段2/3位置处，本例选择安装在距离该进口道的停车线130米左右。如图1所示，以第二相位为例，第二相位南北进口直行车道共有四条，包含两个方向的车流，每个方向又选取了交通流量比较大的一条车道(后称为临界车道)安装了一组检测器，故在相位2安装有两组检测器，分别为{211,212}和{221,222}。代表由南向北直行和由北向南直行的两个车流方向。由于右转车流并不受信号灯控制，故无需安装检测器。其中，相位2第2组的2号检测器222，为路段检测器，设其权重系数为0.4，可以估测车辆到达需求；相位2第2组的1号检测器221，为停车线检测器，其权重系数为0.6，可以估测车辆排队长度。由于路段检测器可能存在被排队车辆占用导致数据异常的情况，故使得下游停车线检测器权重系数略大于路段检测器。其他相位检测器安装也遵循发明方法步骤1中的布设原则，在此不做赘述。
3)按交叉口每天的早高峰时段、午低峰时段、晚高峰时段及一般平峰时段划分各时段，采集5个信号周期内(每次更新后的交叉口信号配时运行5个信号周期)绿灯时间内的各个进口道的交通量，换算为小时交通量，将第k次优化后得到的相位i(i＝1,2,3,4)的交通量记为整个交叉口各进口道的交通量之和为以采集时间为横轴，以为纵轴绘制曲线，从而确定各个相位的实时交通状态变化。
4)在交叉口各相位各车道上安装的车辆检测器检测到的高精度数据有：第k个(k＝2,3,4…)优化周期内，每个停车线车辆检测器采集的第m个(m<6且m∈N)信号周期第i相位的红灯启亮时刻第m个信号周期第i相位的绿灯启亮时刻同理，第m-1个信号周期第i相位的红灯启亮时刻第m-1个信号周期第i相位的绿灯启亮时刻则交叉口第k次优化后第i相位的绿灯时间为
某辆车在第k次优化后，每个周期每辆车在相位i的绿灯时间内，踏上p组q号检测器的时间为ton(i,p,q)k，离开该检测器的时间toff(i,p,q)k，假定在第k次优化后，运行5个信号周期，在相位i的绿灯时间内通过了n辆车，则得到该检测器在第k次优化后，相位i的绿灯信号结束时的占用时间为
设第k次优化后的5个信号周期内，每个信号周期相位i停车线前第一辆车在绿灯起亮后踏上p组1号检测器的时刻为t*on(i,p,1)k，则第k次优化后N个信号周期内第i相位的车辆延误为
5)由上述步骤可知，通过采集的高精度数据计算得到了检测器占有率tocc(i,p,q)k和车辆延误td i,k以及相位当量交通量和交叉口当量交通量均用于步骤3中的交叉口性能评价指标。而高精度数据记录的信号灯灯色变化和各相位灯色时长则传输到信号控制器，作为初始信号交叉口各相位的配时方案，对交叉口的车流进行控制。
步骤2：信号控制器控制执行
1)在路口控制车流通行的交通信号灯，均连接一个控制交通灯指示切换和相位切换的信号控制器。相较一般路口信号控制机，本发明中执行交叉口信号配时方案的信号控制器是联网式的智能交通信号控制机，集成了SMART-SIGNAL系统中的数据存储功能，包含一个后台数据存储系统。
2)如图6中的信号控制器模块部分所示。首先，步骤1采集得到的初始各相位配时参数以及预先设定的交叉口周期传输到该信号控制器来执行，控制交叉口各相位的车流通行，同时将绿时参数存储在后台系统。
3)此后，信号控制器执行步骤4每次迭代优化所得的信号灯配时参数，来控制交叉口各相位绿信比，同时将优化后的配时参数存储在后台数据存储系统，以便于下一次迭代优化时提取某一相位历史绿灯配时参数。
4)本发明中的信号控制器的改进在于：在各相位进口道都布设有检测器，每组包含两个检测器，一个位于停车线的下游，用于估测车辆排队长度；另一个位于相应的路口上游，用于估测车辆到达需求。各检测器与信号控制器相连，更新得到某相位的信号配时方案后，执行5个信号周期，然后将采集的检测器占用时间tocc(i,p,q)k、车辆延误td i,k及实时车流量数据n实时传输到后台数据存储系统。存储检测器得到的评价参数是为了进行步骤3，判断交叉口某相位的性能指标数据是否满足条件，具体的评价方式如步骤3所示。
步骤3：交叉口性能指标评价；
1)交叉口的信号配时方案由信号控制器执行，设执行5个信号周期后，即可对交叉口性能进行评价。交叉口性能指标评价是指在当前相位绿灯期间对该交叉口所测的相位i(i＝1,2,3,4)的性能进行评估，即当相位i绿灯时间结束后，获取步骤1中的相位i多组检测器所测数据，主要是检测器占有率tocc(i,p,q)k和车辆延误td i,k(其中k为当前优化周期)。
2)用如下公式计算交叉口相位i性能指标数据：其中，k为当前优化周期；i为相位号；yk,i为交叉口相位i性能指标；为当前绿灯时间内相位i的检测器占有率之和，将绿灯时间内输出的占有率数据加和求平均；td i,k为当前绿灯时间内相位i上的车辆延误；Ck为第k次优化得到的信号周期。
3)通过此公式计算的性能指标yk,i∈[0,1]，除以信号周期是为了对各相位的性能指标进行归一化，便于横向直观地分析比较，可以较好地评价当前的交通性能，yk,i越高时，代表相位i的交通需求越大。此时将得到的相位i的性能指标数据与实时获取的交通流量求差值，得到判断差值是否满足允许的范围Δyk,i<ε(ε为一个无穷小的值)，若满足，则认为相位i当前信号配时方案可以适应实时交通需求变化。若不满足，则认为相位i当前信号配时方案不能适应交通流状况，就需要对该相位的绿时方案进行更新，即步骤4的信号配时迭代优化。
步骤4：信号配时迭代优化
1)信号配时迭代优化是指在第k次优化后执行5个信号周期的配时方案，且在当前相位绿灯时间刚结束时，若该相位的性能指标不能满足实时交通状态，则以该相位的历史的性能指标数据和历史的绿灯时间数据，对该相位的配时方案进行优化，得到新的信号配时方案。
2)以某一相位为例，输入历史性能指标数据{yk,i,yk-1,i,...,yk-n,i}和历史绿灯时间数据{uk,i,uk-1,i,...,uk-n,i}(yk-n,i为第k-n次优化后相位i的性能指标，uk-n,i为第k-n次优化后相位i的绿灯时长)，由于检测器输出的占有率以及延误等数据波动较大，易导致算法发散，故为了使得算法输出的性能指标数据既可以随着实时交通状况而变化，又能够得以收敛。拟采用模糊PD迭代学习控制算法。
3)本例采用的模糊PD迭代学习控制算法以单一相位为迭代单位，进行独立的参数优化，主要是加入模糊环节对Δyk,i和yk,i进行模糊控制，对绿灯变化速率θ确定模糊规则及隶属度函数，再设计模糊PD迭代学习控制算法的控制器的结构。最后采用一般的模糊PD迭代学习控制算法的计算公式，对信号交叉口的绿时方案进行迭代优化，具体如下。
4)模糊PD迭代学习律为：
uk+1,i＝f({uk,i},{yk,i,yk-1,i})+ωk,i＝uk,i+Kp×ek,i+Kd×(ek,i-ek-1,i)+ωk,i，
其中，ωk,i为该相位绿灯期间车辆启动驾驶员的反应时间总和，此处ωk,i近似等于td i,k，i为相位编号。对第k次优化所得的历史性能指标数据yk,i以及与第k-1次优化的评价指标差值ek,i进行模糊逻辑控制，yk,i的隶属度函数如图3所示，采用分档次适配法，模糊子集为{NB,NM,NS,ZE,PS,PM,PB}，模糊论域为{y1,y2,y3,y4,y5,y6,y7}。Δyk,i的隶属度函数如图4所示，模糊子集为{S,M,B}，论域为{Δy1，Δy2,Δy3}。yk,i的隶属度参数依次取{-0.8,-0.38,-0.12,0,0.22,0.45,0.64}。Δyk,i的隶属度参数依次取{-0.2,0,0.2}。
5)模糊PD迭代学习公式定义为：设输入变量关系函数其中θ是绿灯时间变化率，θ∈[0,1]，最小绿灯时间Gmin＝20s，最大绿灯时间Gmax＝90s。
6)绿灯时间变化率θ的模糊规则表如下(θ1为绿灯增长速率，θ2为绿灯衰减速率)：
表1 绿灯时间变化率θ的模糊规则表
7)迭代过程满足严格重复的初始重置条件，即xk(0)＝uk,0， 其中xk(0)为输入状态的初值，即初始信号配时下相位i绿灯时长uk,0,yk(0)为期望输出的初值，即初始信号配时下检测器输出的相位i实时交通流量与交叉口实时交通流量之和的比值，k代表迭代学习控制的迭代次数。
8)模糊PD迭代学习控制系统如图5所示，控制对象为信号交叉口，控制输入为历史性能指标数据和历史绿灯时间数据，通过模糊PD迭代学习律，得到当前优化后的性能指标数据yk,i，与期望输出的该相位实时交通状态参数进行对比，而模糊控制器是对二者的差值进行模糊控制，遵循上述过程中提到的模糊规则，进行模糊化和去模糊化过程，最终得到更新后的绿灯配时参数，作为下一次模糊迭代优化的输入。重复进行上述步骤，形成一个闭环控制系统。
9)每次迭代优化后，重复步骤1,2,3，由控制器执行信号配时参数，进而获取检测器的数据，根据计算得到的性能指标数据，判断与实时获取的交通流量的差值是否满足允许的范围，若满足，则认为该信号配时达到最优收敛点，迭代过程结束。若没有，则要继续重复上述迭代优化过程，并将当前优化所得的绿灯时间数据和评价性能指标数据存储到信号控制器的后台数据处理系统。
Claims (3)
1.一种基于数据驱动的单交叉口动态交通信号控制方法，包括以下几个步骤：
步骤1：高精度数据的采集；
1)确定单交叉口的相位数及相位分布；
2)设置检测器；
检测器成组安装，每个相位至少一组检测器，每组包含两个检测器，每个检测器编号为i,p,q，依次代表相位号i，组号p，检测器号q，其中，q＝1或2，q＝1时为停车线检测器，位于停车线下游，q＝2时为路段检测器，安装在路口上游；每个检测器设置一个权重系数，代表其测量值在本组所占的权重，每组检测器的权重系数和满足若某一相位包含多条车道，则选取车流量最大的一条安装一组检测器；若某一相位包含多个方向的车流，则需对每个方向均安装一组检测器；
3)按交叉口每天的早高峰时段、午低峰时段、晚高峰时段及一般平峰时段划分各时段，采集N个信号周期内绿灯时间内的各个进口道的交通量，换算为小时交通量，将第k次优化后得到的相位i的交通量记为整个交叉口各进口道的交通量之和为并绘制以小时为横轴以交通量比值为纵轴的曲线，确定各个相位的实时交通状态变化；
4)检测器采集高精度数据，采集第k个优化周期内，每个停车线车辆检测器采集的第m个信号周期第i相位的红灯启亮时刻第m个信号周期第i相位的绿灯启亮时刻第m-1个信号周期第i相位的红灯启亮时刻第m-1个信号周期第i相位的绿灯启亮时刻则交叉口第k次优化后第i相位的绿灯时间为：
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>T</mi>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>T</mi>
<mi>g</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msubsup>
<mo>,</mo>
</mrow>
某辆车在第k次优化后，每个周期每辆车在相位i的绿灯时间内，踏上p组q号检测器的时间为ton(i,p,q)k，离开该检测器的时间toff(i,p,q)k，假定在第k次优化后，运行N个信号周期，在相位i的绿灯时间内通过了n辆车，则得到该检测器在第k次优化后，相位i的绿灯信号结束时的占用时间为：
<mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>o</mi>
<mi>c</mi>
<mi>c</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mi>k</mi>
</msup>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>N</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>n</mi>
</munder>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>o</mi>
<mi>f</mi>
<mi>f</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
</mrow>
<mo>)</mo>
</mrow>
<mi>k</mi>
</msup>
<mo>-</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>o</mi>
<mi>n</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
</mrow>
<mo>)</mo>
</mrow>
<mi>k</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
设第k次优化后的N个信号周期内，每m个信号周期相位i停车线前第一辆车在绿灯起亮后踏上p组1号检测器的时刻为t*on(i,p,1)k，m<N，则第k次优化后N个信号周期内第i相位的车辆延误为：
<mrow>
<msup>
<msub>
<mi>t</mi>
<mi>d</mi>
</msub>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msup>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>N</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>p</mi>
</munder>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mo>*</mo>
<mi>o</mi>
<mi>n</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>p</mi>
<mo>,</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msup>
<mo>-</mo>
<msubsup>
<mi>T</mi>
<mi>g</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
5)通过采集的高精度数据计算得到了检测器占有率tocc(i,p,q)k和车辆延误td i,k以及相位当量交通量和交叉口当量交通量采集的高精度数中的信号灯灯色变化和各相位灯色时长，传输到信号控制器，作为初始信号交叉口各相位的配时方案，对交叉口的车流进行控制；
步骤2：信号控制器控制执行；
在路口控制车流通行的交通信号灯，均连接一个控制交通灯指示切换和相位切换的信号控制器，信号控制器初始执行步骤1采集得到的初始信号交叉口各相位的配时方案，控制交叉口各相位的车流通行，同时将绿灯信号配时参数存储在后台系统；当得到优化后的信号灯配时参数时，信号控制器按照优化后的信号灯配时参数控制交叉口各相位绿信比，同时将优化后的配时参数存储在后台数据存储系统；
步骤3：交叉口性能指标评价；
1)交叉口的信号配时方案由信号控制器执行，N个信号周期后，即可对交叉口性能进行评价；交叉口性能指标评价是指在当前相位绿灯期间对该交叉口所测的相位i的性能进行评估，即当相位i绿灯时间结束后，获取步骤1中的相位i多组检测器所测数据，主要是检测器占有率tocc(i,p,q)k和车辆延误td i,k；
2)计算交叉口相位i性能指标数据：其中，k为当前优化周期；i为相位号；yk,i为交叉口相位i性能指标；为当前绿灯时间内相位i的检测器占有率与检测器占有权重之积的和；td i,k为当前绿灯时间内相位i上的车辆延误；Ck为第k次优化得到的信号周期；
3)性能指标yk,i∈[0,1]，将得到的相位i的性能指标数据yk,i与实时获取的交通流量求差值，得到如果Δyk,i<ε，ε为预先设定的阈值，则相位i当前信号配时方案能够适应实时交通需求变化，不需要进行优化；否则，进入步骤4，进行信号配时迭代优化；
步骤4：信号配时迭代优化；
1)信号配时迭代优化是指在第k次优化后执行N个信号周期的配时方案，且在当前相位绿灯时间刚结束时，若该相位的性能指标不能满足实时交通状态，则以该相位的历史的性能指标数据和历史的绿灯时间数据，对该相位的配时方案进行优化，得到新的信号配时方案；
2)设某一相位的输入历史性能指标数据和历史绿灯时间数据
yk-n,i为第k-n次优化后相位i的性能指标，uk-n,i为第k-n次优化后相位i的绿灯时长；
3)模糊PD迭代学习控制算法是加入模糊环节对Δyk,i和yk,i进行模糊控制，对绿灯变化速率θ确定模糊规则及隶属度函数，再设计模糊PD迭代学习控制算法的控制器的结构；最后采用一般的模糊PD迭代学习控制算法的计算公式，对信号交叉口的绿时方案进行迭代优化，具体如下；
(1)模糊PD迭代学习律为：
uk+1,i＝f({uk,i},{yk,i,yk-1,i})+ωk,i＝uk,i+Kp×ek,i+Kd×(ek,i-ek-1,i)+ωk,i，
其中，ωk,i为该相位绿灯期间车辆启动驾驶员的反应时间总和，ωk,i近似等于td i,k，i为相位编号；对第k次优化所得的历史性能指标数据yk,i以及与第k-1次优化的评价指标差值ek,i进行模糊逻辑控制，确定yk,i的隶属度函数，采用分档次适配法，模糊子集为{NB,NM,NS,ZE,PS,PM,PB}，表示{负大，负中，负小，零，正小，正中，正大}，模糊论域为{y1,y2,y3,y4,y5,y6,y7}，其中，ZE为三角形隶属度函数，NB,NM,NS,PS,PM,PB均为梯形隶属度函数；确定Δyk,i的隶属度函数，模糊子集为{S,M,B}，表示{小，中，大}，论域为{Δy1，Δy2,Δy3}；
(2)模糊PD迭代学习公式定义为：设输入变量关系函数其中θ是绿灯时间变化率，θ∈[0,1]，Gmin为最小绿灯时间,Gmax为最大绿灯时间；
(3)绿灯时间变化率θ的模糊规则表如下，其中，θ1为绿灯增长速率，θ2为绿灯衰减速率：
表1绿灯时间变化率θ的模糊规则表
(4)迭代过程满足严格重复的初始重置条件，即xk(0)＝uk,0， 其中xk(0)为输入状态的初值，即初始信号配时下相位i绿灯时长uk,0,yk(0)为期望输出的初值，即初始信号配时下检测器输出的相位i实时交通流量与初始交叉口实时交通流量之和的比值，k代表迭代学习控制的迭代次数；
(5)模糊PD迭代学习控制系统的控制对象为信号交叉口，控制输入为历史性能指标数据和历史绿灯时间数据，通过模糊PD迭代学习律，得到当前优化后的性能指标数据yk,i，与期望输出的该相位实时交通状态参数进行对比，而模糊控制器是对二者的差值进行模糊控制，遵循上述过程中提到的模糊规则，进行模糊化和去模糊化过程，最终得到更新后的绿灯配时参数，作为下一次模糊迭代优化的输入；重复进行上述步骤，形成闭环控制系统；
(6)每次迭代优化后，重复步骤1,2,3，由控制器执行信号配时参数，进而获取检测器的数据，根据计算得到的性能指标数据，判断与实时获取的交通流量的差值是否满足收敛条件若满足，则认为该信号配时达到最优收敛点，迭代过程结束；若没有，则要继续重复上述迭代优化过程，并将当前优化所得的绿灯时间数据和评价性能指标数据存储到信号控制器的后台数据处理系统。
2.根据权利要求1所述的一种基于数据驱动的单交叉口动态交通信号控制方法，所述的步骤1中路段检测器安装在距离进口道的停车线120米到150米处。
3.根据权利要求1所述的一种基于数据驱动的单交叉口动态交通信号控制方法，所述的步骤1中停车线检测器权重系数大于路段检测器权重系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510778777.5A CN105279982B (zh) | 2015-11-13 | 2015-11-13 | 一种基于数据驱动的单交叉口动态交通信号控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510778777.5A CN105279982B (zh) | 2015-11-13 | 2015-11-13 | 一种基于数据驱动的单交叉口动态交通信号控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105279982A CN105279982A (zh) | 2016-01-27 |
| CN105279982B true CN105279982B (zh) | 2017-11-21 |
Family
ID=55148910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510778777.5A Active CN105279982B (zh) | 2015-11-13 | 2015-11-13 | 一种基于数据驱动的单交叉口动态交通信号控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105279982B (zh) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105761515B (zh) * | 2016-01-29 | 2018-07-24 | 吴建平 | 一种交叉口信号动态调整方法及装置、系统 |
| CN105761516B (zh) * | 2016-05-16 | 2018-06-08 | 北京数行健科技有限公司 | 一种基于车辆轨迹估算路口信号灯配时的方法 |
| CN105761517B (zh) * | 2016-05-18 | 2017-11-17 | 杭州智诚惠通科技有限公司 | 一种信号灯配时方法 |
| CN107123279B (zh) * | 2016-12-28 | 2020-04-10 | 安徽科力信息产业有限责任公司 | 饱和状态下交叉口信号配时方案评价方法 |
| CN106683440B (zh) * | 2016-12-28 | 2019-11-15 | 安徽科力信息产业有限责任公司 | 非饱和状态下单点交叉口信号配时方案评价方法 |
| CN106683441B (zh) * | 2016-12-28 | 2019-12-31 | 安徽科力信息产业有限责任公司 | 交叉口信号配时方案评价方法 |
| CN107680393B (zh) * | 2017-11-07 | 2021-07-09 | 长沙理工大学 | 一种基于时变论域的十字路口交通信号灯的智能控制方法 |
| CN107919022B (zh) * | 2017-11-22 | 2020-06-12 | 浙江工业大学 | 一种动态时长分配的智能交通灯信号控制方法 |
| CN108205890B (zh) * | 2017-12-29 | 2021-03-09 | 迈锐数据（北京）有限公司 | 一种交通数据处理方法和装置 |
| CN109035780B (zh) * | 2018-09-07 | 2021-04-30 | 江苏智通交通科技有限公司 | 信号控制路口相位绿时感应区间的优化配置方法 |
| CN109035781B (zh) * | 2018-09-07 | 2021-04-30 | 江苏智通交通科技有限公司 | 基于路口流向需求的多目标交通信号方案优化配置方法 |
| CN111383471B (zh) * | 2018-12-27 | 2023-06-27 | 奥迪股份公司 | 交通灯倒计时的获取方法、装置、计算机设备和存储介质 |
| CN109816977B (zh) * | 2019-01-25 | 2021-06-04 | 同济大学 | 一种数据驱动的交叉口信号控制评价系统 |
| CN111724588B (zh) * | 2020-06-01 | 2022-08-02 | 青岛海信网络科技股份有限公司 | 交通信号控制方法和通信终端 |
| CN114444827B (zh) * | 2020-10-30 | 2023-09-08 | 中国移动通信集团四川有限公司 | 一种集群性能的评估方法和装置 |
| CN113192318B (zh) * | 2021-01-29 | 2022-09-02 | 安徽科力信息产业有限责任公司 | 一种数据驱动控制的区域交通信号动态优化方法及系统 |
| CN113763727A (zh) * | 2021-09-16 | 2021-12-07 | 公安部交通管理科学研究所 | 一种道路交叉口的交通信号在线控制方法 |
| CN116110229B (zh) * | 2023-04-10 | 2023-08-01 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种单交叉口网联信号配时方法、电子设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101980318B (zh) * | 2010-10-27 | 2012-10-03 | 公安部交通管理科学研究所 | 交通信号多控制目标复合优化方法 |
| CN104882006B (zh) * | 2014-07-03 | 2017-05-03 | 中国科学院沈阳自动化研究所 | 一种基于消息的复杂网络交通信号优化控制方法 |
| CN104123849B (zh) * | 2014-07-14 | 2016-06-22 | 昆明理工大学 | 一种考虑动态排队长度的相邻交叉口双向联动控制方法 |
| CN104835335A (zh) * | 2015-06-03 | 2015-08-12 | 常州市蓝涛物联网科技有限公司 | 路网交通优化控制系统和方法 |
| CN104992566A (zh) * | 2015-07-31 | 2015-10-21 | 合肥革绿信息科技有限公司 | 一种基于线圈的单点自优化信号控制方法及装置 |
-
2015
- 2015-11-13 CN CN201510778777.5A patent/CN105279982B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105279982A (zh) | 2016-01-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105279982B (zh) | 一种基于数据驱动的单交叉口动态交通信号控制方法 | |
| CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
| CN103996289B (zh) | 一种流量-速度匹配模型及行程时间预测方法及系统 | |
| CN101639978B (zh) | 一种动态划分交通控制子区的方法 | |
| CN103927890B (zh) | 一种基于动态o-d矩阵估计的干线协调信号控制方法 | |
| CN103927887B (zh) | 结合离散速度模型的阵列式fpga交通状态预测及控制系统 | |
| CN106710215B (zh) | 瓶颈上游车道级交通状态预测系统及实现方法 | |
| WO2017166474A1 (zh) | 一种基于交叉口群的交通控制方法及系统 | |
| CN107945507A (zh) | 行程时间预测方法及装置 | |
| CN104464310A (zh) | 城市区域多交叉口信号协同优化控制方法及系统 | |
| CN105405293B (zh) | 一种道路旅行时间短期预测方法和系统 | |
| CN102722986B (zh) | 城市路网交通控制子区动态划分方法 | |
| CN109191849B (zh) | 一种基于多源数据特征提取的交通拥堵持续时间预测方法 | |
| CN107832882A (zh) | 一种基于马尔科夫决策过程的出租车寻客策略推荐方法 | |
| Lu et al. | Effects of winter weather on traffic operations and optimization of signalized intersections | |
| CN104282162A (zh) | 一种基于实时车辆轨迹的交叉口自适应信号控制方法 | |
| CN109767625A (zh) | 一种基于电警数据的交叉口短车道排队溢出识别方法 | |
| CN106846842A (zh) | 基于多时段控制方案的城市干道协调控制优化方法 | |
| CN106571030A (zh) | 多源交通信息环境下排队长度预测方法 | |
| CN102708679A (zh) | 一种城市信号交叉口短时交通流预测方法 | |
| CN108898858A (zh) | 一种过饱和交通状态下连续交叉口的信号协调控制方法 | |
| CN102024330A (zh) | 基于高清视频技术的智能交通信号控制系统、方法及设备 | |
| CN113112823B (zh) | 一种基于mpc的城市路网交通信号控制方法 | |
| CN106935044A (zh) | 一种基于公交信号优先协调控制的站点位置优化方法 | |
| CN103500511A (zh) | 一种基于车联网的交叉口信号灯绿信比调节方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211119 Address after: 100176 901, 9th floor, building 2, yard 10, KEGU 1st Street, Beijing Economic and Technological Development Zone, Daxing District, Beijing Patentee after: BEIJING TAGE IDRIVER TECHNOLOGY CO.,LTD. Address before: 100191 No. 37, Haidian District, Beijing, Xueyuan Road Patentee before: BEIHANG University |
|
| TR01 | Transfer of patent right | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160127 Assignee: Zhongguancun Technology Leasing Co.,Ltd. Assignor: BEIJING TAGE IDRIVER TECHNOLOGY CO.,LTD. Contract record no.: X2022980020734 Denomination of invention: A data driven dynamic traffic signal control method for single intersection Granted publication date: 20171121 License type: Exclusive License Record date: 20221103 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A data driven dynamic traffic signal control method for single intersection Effective date of registration: 20221104 Granted publication date: 20171121 Pledgee: Zhongguancun Technology Leasing Co.,Ltd. Pledgor: BEIJING TAGE IDRIVER TECHNOLOGY CO.,LTD. Registration number: Y2022980020876 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |