CN105702019A - 一种获取城市大型活动的道路限速值的方法 - Google Patents

Abstract

本发明公开了一种获取城市大型活动的道路限速值的方法，包括以下步骤：获取道路基础数据：所述道路基础数据包括道路摩阻系数道路纵坡度i_v、实时车流量Q、大型车占总车流量的比例η、能见度L_v、降雨量L、正常路段大型活动车队行驶时间平均速度道路瓶颈段大型活动车队时间平均速度u、大型活动车队与车队之间距离L_s、前一车队速度V_前和后一车队速度V_后；根据经验公式确定道路经验限速值V_经验；根据模糊神经网络确定道路模糊限速值V_模糊；根据所述道路经验限速值V_经验和所述道路模糊限速值V_模糊确定最佳限速值V_最佳。本发明避免了城市举行大型活动时交通拥堵的问题，并且无需增加道路的容量。

Description

一种获取城市大型活动的道路限速值的方法

技术领域

本发明涉及交通管理与控制技术领域，特别是涉及一种获取城市大型活动的道路限速值的方法。

背景技术

近年来，我国举办了多次城市大型活动，城市大型活动在短时间内会引起城市局部区域交通流量的急剧增加，激化交通供需矛盾，形成交通拥堵，对城市正常交通产生很大冲击。由于其造成的交通影响是短时间的，因此一般情况下，城市大型活动带来的交通影响一般不利用增加道路容量的方法来解决。系统、科学、合理地制定和实施城市大型活动交通组织管理方案是缓解城市大型活动期间供需矛盾、保证城市大型活动顺利举行的关键。而如何系统、科学、合理的制定和实施城市大型活动交通组织管理方案也是本领域技术人员急需解决的问题。

发明内容

本发明的目的是克服现有技术的不足，提供一种获取城市大型活动的道路限速值的方法，以避免城市举行大型活动时交通拥堵的问题，并且无需增加道路的容量。

本发明采用的技术方案为：一种获取城市大型活动的道路限速值的方法，包括以下步骤：

获取道路基础数据：所述道路基础数据包括道路摩阻系数道路纵坡度iv、实时车流量Q、大型车占总车流量的比例η、能见度Lv、降雨量L、正常路段大型活动车队行驶时间平均速度道路瓶颈段大型活动车队时间平均速度u、大型活动车队与车队之间距离Ls1、前一车队速度V前和后一车队速度V后；

根据经验公式确定道路经验限速值V经验；

根据模糊神经网络确定道路模糊限速值V模糊；

根据所述道路经验限速值V经验和所述道路模糊限速值V模糊确定最佳限速值V最佳；计算公式为

可选的，所述根据经验公式确定所述道路经验限速值V经验，具体包括以下步骤：

确定设计速度V0；

根据实时车流量Q和设计速度V0确定交通量修正系数f1，

根据大型车占总车流量的比例η和设计速度V0确定大型车比例修正系数f2，

根据能见度Lv和设计速度V0确定能见度修正系数f3，

确定修订系数f，修正系数f＝min(f1，f2，f3)；

根据修订系数f，确定道路经验限速值V经验＝V0×f。

可选的，所述根据模糊神经网络确定所述道路模糊限速值V模糊的方法，包括以下步骤：

根据模糊逻辑模型确定环境修正因子w，所述环境影响因子w包括实时交通量修正因子w1，大型车比例修正因子w2，能见度修正因子w3和降雨量修正因子w4；

建立模糊神经网络模型，所述模糊神经网络模型包括输入层、隶属函数层、结果层和模糊化输出层；

经模糊神经网络模型训练、学习后获得道路模糊限速值V模糊。

可选的，所述模糊神经网络模型的模糊推理方法为：Rk：if(w1isQi)and(w2isηj)and(w3isLvk)and(w4isLl)then(RisRn)，其中，i＝1，2，3，4；j＝1，2，3，4；k＝1，2，3，4；l＝1，2，3，4；n＝1，2，…，256；R表示模糊方法，Rn表示第n个模糊方法。

可选的，所述模糊神经网络模型的输入层为所述环境修正因子w。

可选的，所述输入层的输入维数为4，所述模糊化输出层的神经元的个数为1。

可选的，所述的获取城市大型活动的道路限速值的方法，还包括以下步骤：

设定大型活动车队的期望车速V期望；

比较最佳速度V最佳和期望车速V期望；

当比较结果表示V最佳小于V期望，通过第一调节方法调节上游道路最佳限速和下游道路最佳限速，所述第一调节方法为：其中u_上游表示上游车道实际限速，V_上游表示计算得到的上游道路最佳限速，V_下游表示计算得到的下游道路最佳限速；

当比较结果表示V最佳不小于V期望，所述最佳速度V最佳满足期望车速V期望。

可选的，所述方法还包括当上游车道与下游称道同时存在大型活动车队时，获取限速值的步骤包括：

获取上游车道大型活动车队与下游车道大型活动车队的车队间距Ls2；

根据第二调节方法调节上游道路最佳限速和下游道路最佳限速，所述第二调节方法为：其中u_上游表示上游车道实际限速，V_上游表示计算得到的上游道路最佳限速，V_下游表示计算得到的下游道路最佳限速，t_安表示安全距离时间。

可选的，所述安全距离时间t_安＝10s。

本发明的有益效果：

本发明通过经验公式法和模糊神经网络控制法相结合的方式获取大型活动车队道路的限速值，经验公式法本身具有局限性，是根据经验公式来确定限速值，该限速值与实际需求的限速值相差加大，不能满足大型活动车队车速的要求。而模糊神经网络控制法得到的限速值是根据设定模糊推理方法训练、学习后得到的，相比经验公式法获得的限速值更加符合实际道路要求，但是利用模糊神经网络控制法获得限速值也存在与实际需求的限速值有偏差的问题，本发明将两者结合起来相互弥补不足，使获得的限速值更能满足实际大型活动车队对限速值的要求，使得大型活动车队能够顺畅行驶，减轻了道路的负担。

附图说明

图1为本发明的模糊神经网络结构图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步说明。

一种获取城市大型活动的道路限速值的方法，包括以下步骤：

获取道路基础数据：所述道路基础数据包括道路摩阻系数道路纵坡度iv、实时车流量Q、大型车占总车流量的比例η、能见度Lv、降雨量L、正常路段大型活动车队行驶时间平均速度道路瓶颈段大型活动车队时间平均速度u、大型活动车队与车队之间距离Ls1、前一车队速度V前和后一车队速度V后；

根据经验公式确定道路经验限速值V经验；

根据模糊神经网络确定道路模糊限速值V模糊；

根据所述道路经验限速值V经验和所述道路模糊限速值V模糊确定最佳限速值V最佳；计算公式为

本实施方式中的道路为城市快速路，当然该道路也可以是其他道路。

本发明通过经验公式法和模糊神经网络控制法相结合的方式获取大型活动车队道路的限速值，经验公式法本身具有局限性，是根据经验公式来确定限速值，该限速值与实际需求的限速值相差加大，不能满足大型活动车队车速的要求。而模糊神经网络控制法得到的限速值是根据设定模糊推理方法训练、学习后得到的，相比经验公式法获得的限速值更加符合实际道路要求，但是利用模糊神经网络控制法获得限速值也存在与实际需求的限速值有偏差的问题，本发明将两者结合起来相互弥补不足，使获得的限速值更能满足实际大型活动车队对限速值的要求，使得大型活动车队能够顺畅行驶，减轻了道路的负担。

作为一种可选的实施方式，根据经验公式确定道路经验限速值V_经验的方法包括以下步骤：

确定设计速度V₀；

根据实时车流量Q和设计速度V₀确定交通量修正系数f₁，

根据大型车占总车流量的比例η和设计速度V₀确定大型车比例修正系数f₂，

根据能见度L_v和设计速度V₀确定能见度修正系数f₃，

确定修订系数f，修正系数f＝min(f₁，f₂，f₃)；

根据修订系数f，确定道路经验限速值V_经验＝V₀×f。

作为一种可选的实施方式，如图1所示，根据模糊神经网络确定道路模糊限速值V_模糊的方法包括以下步骤：

根据模糊逻辑模型确定环境修正因子w，环境影响因子w包括实时交通量修正因子w₁，大型车比例修正因子w₂，能见度修正因子w₃和降雨量修正因子w₄；

建立模糊神经网络模型，模糊神经网络模型包括输入层、隶属函数层、结果层和模糊化输出层；

经模糊神经网络模型训练、学习后获得道路模糊限速值V_模糊。

在本实施方式中，环境修正因子w的确定方法如下：

交通量修正因子w₁确定方法为表一：

表一

大型车比例修正因子w₂确定方法为表二：

表二

能见度修正因子w₃确定方法为表三：

表三

降雨量修正因子w₄确定方法为表四：

表四

建立限速值RBF模糊神经网络模型，模糊神经网络的第一层为输入层，输入信息传送至隶属函数层，在规则化层建立相应规则方法，得到结果层的模糊结果，最后去模糊化输出层输出精确的控制结果。模糊神经网络控制器的输入包括交通量修正影响因子、大型车比例影响因子、能见度影响因子、降雨量影响因子。模糊神经网络的模糊推理方法为：R_k：if(w₁isQ_i)and(w₂isη_j)and(w₃isL_vk)and(w₄isL_l)then(RisR_n)，其中，i＝1，2，3，4；j＝1，2，3，4；k＝1，2，3，4；l＝1，2，3，4；n＝1，2，…，256；R表示模糊方法，R_n表示第n个模糊方法。

根据模糊推理方法，可构造限速值控制系统的RBF模糊神经网络，RBF模糊神经网络模型采用如图1的网络结构，输入的维数4，隐层神经元个数在训练中自适应生成，输出层神经元个数为1，网络的输出代表总修正因子f_总，通过与基准限速最大值V_max直接相乘，获得合理限速值，经过RBF模糊神经网络控制系统训练后，网络描述了输入、输出映射规律，当神经网络学习训练结束后，即可实时针对不同情况，调整最大限速值，所得即为最合适当前环境的道路模糊限速值V_模糊，与道路经验限速值V_经验进行比较，去较小值计算实际最佳限速V_最佳。

因此，利用本发明的方法获取的限速值是经验公式法和模糊神经网络控制法综合后得到的，该限速值更符合大型活动车队车速的要求。

作为一种可选的实施方式，还包括以下步骤：

设定大型活动车队的期望车速V_期望；

比较最佳速度V_最佳和期望车速V_期望；

当比较结果表示V_最佳小于V_期望，通过第一调节方法调节上游道路最佳限速和下游道路最佳限速，第一调节方法为：其中u_上游表示上游车道实际限速，V_上游表示计算得到的上游道路最佳限速，V_下游表示计算得到的下游道路最佳限速；

当比较结果表示V_最佳不小于V_期望，最佳速度V_最佳满足期望车速V_期望。

V_最佳小于V_期望时，大型活动车队在通行道路上的行驶速度不满足要求，采取减小上游道路车速、控制汇入道路车速的措施，减少上游道路以及进口匝道汇入大型活动车队通行道路的交通流，同时加快车流通过，降低道路实时交通量，提高最佳限速标准，以满足大型活动车队期望车速的要求，具体的采用第一调节方法进行调节，以使最佳限速值能够满足大型活动车队在通行道路上行驶速度的要求。

V_最佳不小于V_期望时，最佳限速值满足期望车速的要求，调整上游车道车速以及进口匝道车速至正常水平。

作为一种可选的实施方式，上述方法还包括当上游车道与下游称道同时存在大型活动车队时，为了控制车队间距，防止两股车队之间形成车队相接，获取限速值的步骤如下：

获取上游车道大型活动车队与下游车道大型活动车队的车队间距L_s2；

根据第二调节方法调节上游道路最佳限速和下游道路最佳限速，第二调节方法为：其中u_上游表示上游车道实际限速，V_上游表示计算得到的上游道路最佳限速，V_下游表示计算得到的下游道路最佳限速，t_安表示安全距离时间，t_安＝10s。

应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (9)

1.一种获取城市大型活动的道路限速值的方法，其特征在于，包括以下步骤：

步骤一：获取道路基础数据：所述道路基础数据包括道路摩阻系数道路纵坡度iv、实时车流量Q、大型车占总车流量的比例η、能见度Lv、降雨量L、正常路段大型活动车队行驶时间平均速度道路瓶颈段大型活动车队时间平均速度u、大型活动车队与车队之间距离Ls1、前一车队速度V前和后一车队速度V后；

步骤二：根据经验公式确定道路经验限速值V经验；

步骤三：根据模糊神经网络确定道路模糊限速值V模糊；

步骤四：根据所述道路经验限速值V经验和所述道路模糊限速值V模糊确定最佳限速值V最佳；计算公式为

2.根据权利要求1所述的获取城市大型活动的道路限速值的方法，其特征在于，所述步骤二根据经验公式确定所述道路经验限速值V经验，具体包括以下步骤：

确定设计速度V0；

根据实时车流量Q和设计速度V0确定交通量修正系数f1，

根据大型车占总车流量的比例η和设计速度V0确定大型车比例修正系数f2，

根据能见度Lv和设计速度V0确定能见度修正系数f3，

确定修订系数f，修正系数f＝min(f1，f2，f3)；

根据修订系数f，确定道路经验限速值V经验＝V0×f。

3.根据权利要求1所述的获取城市大型活动的道路限速值的方法，其特征在于，所述步骤三根据模糊神经网络确定所述道路模糊限速值V模糊的方法，包括以下步骤：

根据模糊逻辑模型确定环境修正因子w，所述环境影响因子w包括实时交通量修正因子w1，大型车比例修正因子w2，能见度修正因子w3和降雨量修正因子w4；

建立模糊神经网络模型，所述模糊神经网络模型包括输入层、隶属函数层、结果层和模糊化输出层；

经模糊神经网络模型训练、学习后获得道路模糊限速值V模糊。

4.根据权利要求3所述的获取城市大型活动的道路限速值的方法，其特征在于，所述模糊神经网络模型的模糊推理方法为：Rk：if(w1isQi)and(w2isηj)and(w3isLvk)and(w4isLl)then(RisRn)，其中，i＝1，2，3，4；j＝1，2，3，4；k＝1，2，3，4；l＝1，2，3，4；n＝1，2，…，256；R表示模糊方法，Rn表示第n个模糊方法。

5.根据权利要求3所述的获取城市大型活动的道路限速值的方法，其特征在于，所述模糊神经网络模型的输入层为所述环境修正因子w。

6.根据权利要求5所述的获取城市大型活动的道路限速值的方法，其特征在于，所述输入层的输入维数为4，所述模糊化输出层的神经元的个数为1。

7.根据权利要求1所述的获取城市大型活动的道路限速值的方法，其特征在于，还包括以下步骤：

设定大型活动车队的期望车速V期望；

比较最佳速度V最佳和期望车速V期望；

当比较结果表示V最佳小于V期望，通过第一调节方法调节上游道路最佳限速和下游道路最佳限速，所述第一调节方法为：其中u_上游表示上游车道实际限速，V_上游表示计算得到的上游道路最佳限速，V_下游表示计算得到的下游道路最佳限速；

当比较结果表示V最佳不小于V期望，所述最佳速度V最佳满足期望车速V期望。

8.根据权利要求1所述的获取城市大型活动的道路限速值的方法，其特征在于，所述方法还包括当上游车道与下游称道同时存在大型活动车队时，获取限速值的步骤包括：

获取上游车道大型活动车队与下游车道大型活动车队的车队间距Ls2；

根据第二调节方法调节上游道路最佳限速和下游道路最佳限速，所述第二调节方法为：其中u_上游表示上游车道实际限速，V_上游表示计算得到的上游道路最佳限速，V_下游表示计算得到的下游道路最佳限速，t_安表示安全距离时间。

9.根据权利要求8所述的获取城市大型活动的道路限速值的方法，其特征在于，所述安全距离时间t_安＝10s。