CN105869417B - 一种基于组合控制的交通信号控制方法及系统 - Google Patents

一种基于组合控制的交通信号控制方法及系统 Download PDF

Info

Publication number
CN105869417B
CN105869417B CN201610427619.XA CN201610427619A CN105869417B CN 105869417 B CN105869417 B CN 105869417B CN 201610427619 A CN201610427619 A CN 201610427619A CN 105869417 B CN105869417 B CN 105869417B
Authority
CN
China
Prior art keywords
phase
vehicle
traffic
intersection
green
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.)
Expired - Fee Related
Application number
CN201610427619.XA
Other languages
English (en)
Other versions
CN105869417A (zh
Inventor
汤旻安
曹洁
王晓明
汤自安
程海鹏
张红
董海龙
张凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lanzhou University of Technology
Lanzhou Jiaotong University
Original Assignee
Lanzhou University of Technology
Lanzhou Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lanzhou University of Technology, Lanzhou Jiaotong University filed Critical Lanzhou University of Technology
Priority to CN201610427619.XA priority Critical patent/CN105869417B/zh
Publication of CN105869417A publication Critical patent/CN105869417A/zh
Application granted granted Critical
Publication of CN105869417B publication Critical patent/CN105869417B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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

本发明涉及一种基于组合控制的交通信号控制方法及系统，方法包括(1)设置相位的最大排队车辆数、最大入口车流量、最短绿灯时间和最长绿灯时间；(2)采集交通流数据；(3)利用SOM神经网络对交叉口的历史交通流数据进行聚类识别，对路口交通状态划分拥堵等级；(4)采集当前交通流数据，采用SOM神经网络对路口交通状态进行识别；(5)控制器结构选择；(6)确定绿灯相位的延长时间并对两级模糊控制器优化；(7)确定当前放行车流相位的绿灯时长。利用车辆检测数据，采用SOM神经网络对交叉口交通状态进行识别，依据路口交通状态，动态选择合适的模糊控制器结构，有效地减少了车辆的平均延误，方法具有适应性好、控制性能优异、成本低等特点。

Description

一种基于组合控制的交通信号控制方法及系统
技术领域
本发明属于智能交通优化控制领域，具体涉及一种基于组合控制的交通信号控制方法及系统。
背景技术
交叉口作为城市交通网络中的重要组成部分，是实现城市交通由点及线到面优化控制的重要基础组成部分。鉴于城市交通的复杂性、强动态性，传统的交通控制方式已经很难满足交通发展的要求。智能控制技术为解决交通问题提供了有效保障。目前对交通信号智能优化控制，多采用“跳相”的策略优化路口相序，相位变化频繁，易误导行人和驾驶员，难以推广使用。单一的两级模糊控制或者单级模糊控制模型，不能很好的适应车流量的变化。路口车流较大时，采用两级模糊控制，有效地减少了车辆的平均延误，控制效果良好。低车流的情况下，进口道车流量很小，使得两级模糊控制等同于最小周期控制，导致新增车辆需等待才能通过，平均停车次数增大，控制性能变差。饱和车流情况下，车辆的平均延误很大，优化前后适应度函数变化很微小，两级模糊控制器更新失败。
发明内容
为了解决现有技术存在的上述问题，本发明提供了一种基于组合控制的交通信号控制方法及系统。采用的SOM神经网络能有效识别交叉口交通流变化，确定交叉口的交通状态。利用组合控制思想，根据路口的交通状态，在低车流或饱和车流下选择单级模糊控制器，在中车流或高车流下选择双级模糊控制器，动态地选择控制策略，实现策略自适应切换。
本发明所采用的技术方案为：
一种基于组合控制的交通信号控制方法，其改进之处在于：所述方法包括
(1)设置交叉口各相位的最大排队车辆数、最大入口车流量、最短绿灯时间和最长绿灯时间；
(2)通过交叉口每条车道上布置的感应检测线圈，采集并记录交通流数据；
(3)利用SOM神经网络对交叉口的历史交通流数据进行聚类识别，对路口交通状态划分拥堵等级；
(4)采集当前交通流数据，采用SOM神经网络对路口交通状态进行识别；
(5)若步骤(4)识别后得出交叉口处于中车流或高车流状态，选择两级模糊控制器，将排队车辆数和入口道车流量作为输入，执行步骤6；若步骤(4)识别后得出交叉口处于低车流或饱和车流状态，选择单级模糊控制器，将绿灯相位和下一红灯相位的排队车辆数作为输入，执行步骤7；
(6)确定绿灯相位的延长时间并对两级模糊控制器优化；
(7)确定当前放行车流相位的绿灯时长。
进一步的，所述步骤(2)包括以150m为间距，在交叉口的各个车道上分别布置前、后感应线圈，记录各个车道上排队车辆数、入口流量以及离开车辆。
进一步的，所述步骤(3)包括选择平均速度和车流量作为交叉口的交通状态识别的参数；平均速度为一个周期内交叉口所有机动车的平均速度，车流量指一个周期内交叉口各车型的车辆数目乘以相应的车型比重后之和；通过对历史交通流参数聚类划分拥堵等级，划分为低车流、中车流、高车流和饱和车流4个等级。
进一步的，所述步骤(4)包括交通状态的实时识别是非周期的，利用滚动时间窗，每个周期内控制器执行55s后，根据实时交通流数据采用SOM神经网络对交叉口状态进行识别，确定下一周期路口的交通状态。
进一步的，所述步骤(5)中两级模糊控制器包括第1级的2个并行控制器、绿灯紧迫度判定模块、下一相位红灯紧迫度判定模块和第2级的决策模块；其中，第1级的2个并行控制器用于判定各个相位的紧迫度，第2级的决策模块用于确定当前绿灯的延长时间。
进一步的，所述步骤(6)包括
(6.1)给定当前放行车流相位i的初始绿灯时间Gi＝Gmin，其中，Gmin为最短绿灯时间；
(6.2)绿灯结束前2s，根据检测线圈实时检测到的交通流参数，由两级模糊控制器确定绿灯延长时间ΔGi；若ΔGi+Gi>Gmax，则ΔGi＝Gmax-Gi；其中，Gmax为最大绿灯时间；
(6.3)若ΔGi大于8s，当前绿灯相位进行延时，返回步骤(6.2)；若ΔGi小于8s，则相位切换，当前车流停止放行，下一相位车流开始放行，返回步骤(6.1)，当4个相位全部运行结束时，当前信号周期结束，返回步骤(4)开始下一信号周期，并对两级模糊控制器参数进行优化，执行步骤(6.4)；其中，4个相位的最短绿灯时间均为Gmin＝15s，直行相位1和相位3的最大绿灯时间为Gmax＝70s，左转相位2和4最大绿灯时间Gmax＝50s；
(6.4)计算本周期内车辆的平均延误，将车辆的平均延误的倒数作为个体适应度函数，采用改进混沌遗传算法同时优化控制器的隶属度函数和控制规则；
(6.4.1)初始化：设置种群规模，进化代数，Logistic混沌序列的初值，交叉和变异的概率；
(6.4.2)评价：选择车辆平均延误的倒数作为算法的适应度函数，同时兼顾车辆的平均停车次数，由公式(3)计算个体适应度；
fit(d)＝1/d (3)
hi＝0.9(1-λi)/(1-xi) (4)
式中：d—1个周期内车辆的平均延误；h—1个周期内车辆的平均停车次数；di—第i相位车辆的平均延误；hi—第i相位车辆的平均停车次数；C—周期时长；λi—第i相位的绿信比；qi—第i相位进口道车辆到达率；xi—第i相位的饱和度；
(6.4.3)选择：采用轮盘赌转法选择；
(6.4.4)混沌交叉：将经过选择操作生成的种群随机选择两个个体配对，交叉操作分两段进行，分别在隶属函数编码段和控制规则编码段按照混沌交叉规律进行算术交叉，直至产生新的种群；
(6.4.5)混沌变异：对经过混沌交叉产生的新个体，进行变异操作，变异分两段进行，分别在隶属函数编码段和控制规则编码段按照混沌变异规律进行多点随机变异；
(6.4.6)精英保留策略：将新生代种群中最差的5个体替换为父代种群中适应度值最高的5个个体；
(6.4.7)判断算法终止条件：若循环次数小于最大代数则返回(6.4.2)；否则，输出最优个体及最小平均延误值。
进一步的，所述步骤(7)包括
(7.1)根据单级模糊控制器的控制规则确定当前放行车流相位i的时长Gi；
(7.2)若Gi<Gmin，则Gi＝Gmin，若Gi>Gmax，则Gi＝Gmax，当前绿灯时间到达Gi时，当前车流停止放行，下一相位开始放行，返回步骤(7.1)；
(7.3)当4个相位全部运行结束时，当前信号周期结束，返回步骤(4)开始下一信号周期。
本发明还包括一种基于组合控制的交通信号控制系统，其改进之处在于：所述系统包括主控模块、A/D转换模块、I/O扩展电路、存储模块、驱动模块、显示模块、电源模块和键盘输入模块；
所述主控模块分别连接所述I/O扩展电路、存储模块、驱动模块、显示模块、电源模块和键盘输入模块；所述主控模块通过以太网连接控制台；用于接收控制台发出的控制信号，同时将实时交通数据传输到控制台；
所述检测器通过A/D转换模块连接I/O扩展电路；所述驱动模块连接信号灯。
进一步的，所述主控模块采用S3C6410处理器。
进一步的，所述主控模块设有手动开关。
本发明的有益效果为：
本发明利用车辆检测数据，采用SOM神经网络对交叉口交通状态进行识别，依据路口交通状态，动态选择合适的模糊控制器结构，有效地减少了车辆的平均延误，方法具有适应性好、控制性能优异、成本低等特点。
本发明采用组合控制策略将两套及以上的多套控制系统结合起来，保留各套控制系统的优点，克服各自的缺点，从而使系统的性能达到最优。将单级模糊控制和两级模糊控制两种策略相结合，对不同的交通状态采用相应的控制策略，可保留两种策略的优点。
附图说明
图1为本发明提供的基于组合控制的交通信号控制方法流程示意图；
图2为本发明提供的交叉口信号控制原理示意图；
图3为本发明提供的基于SOM的交通状态聚类识别示意图；
图4为本发明提供的两级模糊控制器结构示意图；
图5为本发明提供的两级模糊控制器优化流程示意图；
图6为本发明提供的基于组合控制的交通信号控制系统结构示意图。
具体实施方式
如图1所示，本发明提供了一种基于组合控制的城市交通信号控制方法，交通信号控制的方法步骤如图1所示：
步骤1：设定4个相位中各相位的最大排队车辆数Qmax、最大入口车流量λmax、最短绿灯时间Gmin和最长绿灯时间Gmax；
步骤2：如图2所示，交叉口为标准4个相位控制，不考虑右转向车流，以150m为间距，在每条车道上布置前、后两个感应检测线圈，记录排队车辆数、入口流量以及离开车辆；
步骤3：如图3所示，利用SOM网络对交叉口的历史交通流数据进行聚类识别，选择平均速度和车流量作为交叉口的交通状态识别的参数，其中平均速度是一个周期内交叉口所有机动车的平均速度，单位为km/h，车流量指一个周期内交叉口各车型的车辆数目乘以相应的车型比重后之和，单位为pcu/h；通过对历史交通流参数聚类划分拥堵等级，划分为低车流、中车流、高车流和饱和车流4个等级；低车流、中车流、高车流和饱和车流分别以数字1、2、3、4代替；
步骤(4)：根据实时采集得到的交通流参数，利用滚动时间窗，每个周期内控制器执行55s后，采用SOM神经网络确定下一周期路口的交通状态；
步骤5：若步骤(4)得出交叉口处于中车流或高车流状态，若选择两级模糊控制器，如图4所示为两级模糊控制器结构示意图，两级模糊控制器包过第1级的2个并行控制器、绿灯紧迫度判定模块、下一相位红灯紧迫度判定模块和第2级的决策模块，第1级的2个并行控制器用于判定各个相位的紧迫度，第2级的决策模块用于确定当前绿灯的延长时间，每个模糊控制器具有两个输入变量和一个输出变量，均划分为7个模糊子集MS、VS、S、M、L、VL、ML，选择三角形隶属度函数，然后执行步骤6；若步骤(4)得出交叉口处于低车流或饱和车流状态，选择单级模糊控制器，将绿灯相位和下一红灯相位的排队车辆数作为输入，控制器具有两个输入变量和一个输出变量，均划分为7个模糊子集MS、VS、S、M、L、VL、ML，选择三角形隶属度函数；执行步骤7；
步骤6：确定绿灯相位的延长时间并对两级模糊控制器优化；
(1)给定当前放行车流相位i的初始绿灯时间Gi＝Gmin，其中，Gmin为最短绿灯时间；
(2)绿灯结束前2s，根据检测线圈实时检测到的交通流参数，由两级模糊控制器确定绿灯延长时间ΔGi。若ΔGi+Gi>Gmax，则ΔGi＝Gmax-Gi；其中，Gmax为最大绿灯时间；
(3)若ΔGi大于8s，当前绿灯相位进行延时，返回步骤(6.2)；若ΔGi小于8s，则相位切换，当前车流停止放行，下一相位车流开始放行，返回步骤(6.1)，当4个相位全部运行结束时，当前信号周期结束，返回步骤(4)开始下一信号周期，并对两级模糊控制器参数进行优化，执行步骤(6.4)；其中，4个相位的最短绿灯时间均为Gmin＝15s，直行相位1和相位3的最大绿灯时间为Gmax＝70s，左转相位2和4最大绿灯时间Gmax＝50s；
(4)计算本周期内车辆的平均延误，将车辆的平均延误的倒数作为个体适应度函数，利用改进混沌遗传算法同时优化控制器的隶属度函数和控制规则，采用实属编码，如图5所示优化过程包括；
1)初始化：设置种群规模，进化代数，Logistic混沌序列的初值，交叉和变异的概率；
2)评价：选择车辆平均延误的倒数作为算法的适应度函数，同时兼顾车辆的平均停车次数，由公式(3)计算个体适应度。
fit(d)＝1/d (3)
hi＝0.9(1-λi)/(1-xi) (4)
式中：d—1个周期内车辆的平均延误；h—1个周期内车辆的平均停车次数；di—第i相位车辆的平均延误；hi—第i相位车辆的平均停车次数；C—周期时长；λi—第i相位的绿信比；qi—第i相位进口道车辆到达率；xi—第i相位的饱和度。
3)选择：采用轮盘赌转法选择。
4)混沌交叉：将经过选择操作生成的种群随机选择两个个体配对，交叉操作分两段进行，分别在隶属函数编码段和控制规则编码段按照混沌交叉规律进行算术交叉，直至产生新的种群。
5)混沌变异：对经过混沌交叉产生的新个体，进行变异操作，变异分两段进行，分别在隶属函数编码段和控制规则编码段按照混沌变异规律进行多点随机变异；
6)精英保留策略：将新生代种群中最差的5个体替换为父代种群中适应度值最高的5个个体；
7)判断算法终止条件：若循环次数小于最大代数则返回2)；否则，输出最优个体及最小平均延误值；
步骤7：确定当前放行车流相位i的时长Gi；
(1)根据当前绿灯相位的排队车辆数lG和下一红灯相位的排队车辆数lR，利用单级模糊控制器的控制规则确定当前放行车流相位i的时长Gi，控制规则如表1所示；
表1单级模糊控制器控制规则
(2)若Gi<Gmin，则Gi＝Gmin，若Gi>Gmax，则Gi＝Gmax，当前绿灯时间到达Gi时，当前车流停止放行，下一相位开始放行，返回步骤7(1)；
(3)当4个相位全部运行结束时，当前信号周期结束，返回步骤(4)开始下一信号周期。
本发明还包括一种基于组合控制的交通信号控制系统，所述系统包括主控模块、A/D转换模块、I/O扩展电路、存储模块、驱动模块、显示模块、电源模块和键盘输入模块；
所述主控模块分别连接所述I/O扩展电路、存储模块、驱动模块、显示模块、电源模块和键盘输入模块；所述主控模块通过以太网连接控制台；用于接收控制台发出的控制信号，同时将实时交通数据传输到控制台；
所述检测器通过A/D转换模块连接I/O扩展电路；所述驱动模块连接信号灯。
所述主控模块采用S3C6410处理器。
所述主控模块设有手动开关。
本发明不局限于上述最佳实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本申请相同或相近似的技术方案，均落在本发明的保护范围之内。

Claims (6)

1.一种基于组合控制的交通信号控制方法，其特征在于：所述方法包括(1)设置交叉口各相位的最大排队车辆数、最大入口车流量、最短绿灯时间和最长绿灯时间；
(2)通过交叉口每条车道上布置的感应检测线圈，采集并记录交通流数据；
(3)利用SOM神经网络对交叉口的历史交通流数据进行聚类识别，对路口交通状态划分拥堵等级；
(4)采集当前交通流数据，采用SOM神经网络对路口交通状态进行识别；
(5)若步骤(4)识别后得出交叉口处于中车流或高车流状态，选择两级模糊控制器，将排队车辆数和入口道车流量作为输入，执行步骤(6)；若步骤(4)识别后得出交叉口处于低车流或饱和车流状态，选择单级模糊控制器，将绿灯相位和下一红灯相位的排队车辆数作为输入，执行步骤(7)；
(6)确定绿灯相位的延长时间并对两级模糊控制器优化；
(7)确定当前放行车流相位的绿灯时长；
其中，两级模糊控制器包括第1级的2个并行控制器：绿灯紧迫度判定模块、下一相位红灯紧迫度判定模块，和第2级的决策模块；其中，第1级的2个并行控制器用于判定各个相位的紧迫度，第2级的决策模块用于确定当前绿灯的延长时间。
2.根据权利要求1所述的基于组合控制的交通信号控制方法，其特征在于：所述步骤(2)包括以150m为间距，在交叉口的各个车道上分别布置前、后感应线圈，记录各个车道上排队车辆数、入口流量以及离开车辆。
3.根据权利要求1所述的基于组合控制的交通信号控制方法，其特征在于：所述步骤(3)包括选择平均速度和车流量作为交叉口的交通状态识别的参数；平均速度为一个周期内交叉口所有机动车的平均速度，车流量指一个周期内交叉口各车型的车辆数目乘以相应的车型比重后之和；通过对历史交通流参数聚类划分拥堵等级，划分为低车流、中车流、高车流和饱和车流4个等级。
4.根据权利要求1所述的基于组合控制的交通信号控制方法，其特征在于：所述步骤(4)包括交通状态的实时识别是非周期的，利用滚动时间窗，每个周期内控制器执行55s后，根据实时交通流数据采用SOM神经网络对交叉口状态进行识别，确定下一周期路口的交通状态。
5.根据权利要求4所述的基于组合控制的交通信号控制方法，其特征在于：所述步骤(6)包括
(6.1)给定当前放行车流相位i的初始绿灯时间Gi＝Gmin，其中，Gmin为最短绿灯时间；
(6.2)绿灯结束前2s，根据检测线圈实时检测到的交通流参数，由两级模糊控制器确定绿灯延长时间ΔGi；若ΔGi+Gi>Gmax，则ΔGi＝Gmax-Gi，其中，Gmax为最大绿灯时间；
(6.3)若ΔGi大于8s，当前绿灯相位进行延时，返回步骤(6.2)；若ΔGi小于8s，则相位切换，当前车流停止放行，下一相位车流开始放行，返回步骤(6.1)，当4个相位全部运行结束时，当前信号周期结束，返回步骤(4)开始下一信号周期，并对两级模糊控制器参数进行优化，执行步骤(6.4)；其中，4个相位的最短绿灯时间均为Gmin＝15s，直行相位1和相位3的最大绿灯时间为Gmax＝70s，左转相位2和4最大绿灯时间Gmax＝50s；
(6.4)计算本周期内车辆的平均延误，将车辆的平均延误的倒数作为个体适应度函数，采用改进混沌遗传算法同时优化控制器的隶属度函数和控制规则；
(6.4.1)初始化：设置种群规模，进化代数，混沌序列的初值，交叉和变异的概率；
(6.4.2)评价：选择车辆平均延误的倒数作为算法的适应度函数，同时兼顾车辆的平均停车次数，由公式(3)计算个体适应度；
fit(d)＝1/d (3)
hi＝0.9(1-λi)/(1-xi) (4)
式中：d—1个周期内车辆的平均延误；h—1个周期内车辆的平均停车次数；di—第i相位车辆的平均延误；hi—第i相位车辆的平均停车次数；C—周期时长；λi—第i相位的绿信比；qi—第i相位进口道车辆到达率；xi—第i相位的饱和度；
(6.4.3)选择：采用轮盘赌转法选择；
(6.4.4)混沌交叉：将经过选择操作生成的种群随机选择两个个体配对，交叉操作分两段进行，分别在隶属函数编码段和控制规则编码段按照混沌交叉规律进行算术交叉，直至产生新的种群；
(6.4.5)混沌变异：对经过混沌交叉产生的新个体，进行变异操作，变异分两段进行，分别在隶属函数编码段和控制规则编码段按照混沌变异规律进行多点随机变异；
(6.4.6)精英保留策略：将新生代种群中最差的5个体替换为父代种群中适应度值最高的5个个体；
(6.4.7)判断算法终止条件：若循环次数小于最大代数则返回(6.4.2)；否则，输出最优个体及最小平均延误值。
6.根据权利要求4所述的基于组合控制的交通信号控制方法，其特征在于：所述步骤(7)包括
(7.1)根据单级模糊控制器的控制规则确定当前放行车流相位i的时长Gi；
(7.2)若Gi<Gmin，则Gi＝Gmin，若Gi>Gmax，则Gi＝Gmax，当前绿灯时间到达Gi时，当前车流停止放行，下一相位开始放行，返回步骤(7.1)；
(7.3)当4个相位全部运行结束时，当前信号周期结束，返回步骤(4)开始下一信号周期。
CN201610427619.XA 2016-06-16 2016-06-16 一种基于组合控制的交通信号控制方法及系统 Expired - Fee Related CN105869417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610427619.XA CN105869417B (zh) 2016-06-16 2016-06-16 一种基于组合控制的交通信号控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610427619.XA CN105869417B (zh) 2016-06-16 2016-06-16 一种基于组合控制的交通信号控制方法及系统

Publications (2)

Publication Number Publication Date
CN105869417A CN105869417A (zh) 2016-08-17
CN105869417B true CN105869417B (zh) 2019-07-23

Family

ID=56650633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610427619.XA Expired - Fee Related CN105869417B (zh) 2016-06-16 2016-06-16 一种基于组合控制的交通信号控制方法及系统

Country Status (1)

Country Link
CN (1) CN105869417B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106683442A (zh) * 2016-12-28 2017-05-17 安徽科力信息产业有限责任公司 基于多指标的交叉口信号配时方案评价方法
CN106600991B (zh) * 2017-01-17 2018-11-16 河北工业大学 一种基于混沌的城市快速路多匝道协调控制方法
CN106652497A (zh) * 2017-02-17 2017-05-10 华东师范大学 融合自回归预测模型的智能交通调度方法
CN106971566B (zh) * 2017-05-04 2020-03-24 无锡安邦电气股份有限公司 基于遗传算法的自适应控制方法
CN107862877A (zh) * 2017-09-30 2018-03-30 浙江海洋大学 一种城市交通信号模糊控制方法
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
CN109087517B (zh) * 2018-09-19 2021-02-26 山东大学 基于大数据的智能信号灯控制方法和系统
CN110969879B (zh) * 2018-09-29 2022-12-27 上海博泰悦臻网络技术服务有限公司 交通信号灯的自动控制方法及系统
CN111785041A (zh) * 2019-04-04 2020-10-16 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种十字路口灯时自适应调节方法
WO2021042401A1 (en) * 2019-09-07 2021-03-11 Beijing Didi Infinity Technology And Development Co., Ltd. Method and device for traffic light control
CN112652161B (zh) * 2019-10-12 2023-01-06 阿里巴巴集团控股有限公司 一种车流路径分布信息的处理方法、装置、及电子设备
CN110728840A (zh) * 2019-10-22 2020-01-24 宋海南 交通控制方法和智能导航系统
CN111583672B (zh) * 2020-04-09 2021-11-12 江苏中科院智能科学技术应用研究院 一种智慧交通灯控制方法、系统及装置
CN111739284B (zh) * 2020-05-06 2021-12-14 东华大学 基于遗传算法优化模糊控制的交通信号灯智能配时方法
CN112967512A (zh) * 2021-02-26 2021-06-15 安徽达尔智能控制系统股份有限公司 一种基于大数据的交叉路口交通信号动态控制方法和系统
CN113870598B (zh) * 2021-09-27 2023-04-18 平安科技（深圳）有限公司 路况信息监控方法、装置、计算机设备及存储介质
CN115547046B (zh) * 2022-09-30 2024-06-11 兰州交通大学 一种公交具有绝对优先权的可变公交车道系统控制方法
CN116189459A (zh) * 2023-04-26 2023-05-30 西南民族大学 一种路口交通信号灯配时方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6317058B1 (en) * 1999-09-15 2001-11-13 Jerome H. Lemelson Intelligent traffic control and warning system and method
CN101038700A (zh) * 2007-04-20 2007-09-19 东南大学 单点信号控制交叉口的混合控制方法
CN101599220A (zh) * 2009-07-10 2009-12-09 南京农业大学 交通信号灯控制系统
CN201655027U (zh) * 2010-05-13 2010-11-24 西南交通大学 基于新型两级模糊控制的智能交通信号控制系统
CN201741281U (zh) * 2010-07-15 2011-02-09 南宁市君厚机电科技有限公司 具有gprs联网功能的dsp交通信号控制机
CN202871090U (zh) * 2012-11-21 2013-04-10 蒋雪峰 基于单片机的交通信号灯模糊控制系统
CN105448111A (zh) * 2015-12-18 2016-03-30 南京信息工程大学 一种基于fpga的智能交通信号灯系统及其控制方法
CN205959418U (zh) * 2016-06-16 2017-02-15 兰州理工大学 一种基于组合控制的交通信号控制系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106793B (zh) * 2013-01-11 2015-02-04 福州大学 基于实时行车方向和通行时段信息的交通状态判别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6317058B1 (en) * 1999-09-15 2001-11-13 Jerome H. Lemelson Intelligent traffic control and warning system and method
CN101038700A (zh) * 2007-04-20 2007-09-19 东南大学 单点信号控制交叉口的混合控制方法
CN101599220A (zh) * 2009-07-10 2009-12-09 南京农业大学 交通信号灯控制系统
CN201655027U (zh) * 2010-05-13 2010-11-24 西南交通大学 基于新型两级模糊控制的智能交通信号控制系统
CN201741281U (zh) * 2010-07-15 2011-02-09 南宁市君厚机电科技有限公司 具有gprs联网功能的dsp交通信号控制机
CN202871090U (zh) * 2012-11-21 2013-04-10 蒋雪峰 基于单片机的交通信号灯模糊控制系统
CN105448111A (zh) * 2015-12-18 2016-03-30 南京信息工程大学 一种基于fpga的智能交通信号灯系统及其控制方法
CN205959418U (zh) * 2016-06-16 2017-02-15 兰州理工大学 一种基于组合控制的交通信号控制系统

Also Published As

Publication number Publication date
CN105869417A (zh) 2016-08-17

Similar Documents

Publication Publication Date Title
CN105869417B (zh) 一种基于组合控制的交通信号控制方法及系统
CN205959418U (zh) 一种基于组合控制的交通信号控制系统
CN110085037B (zh) 一种车路协同环境下交叉口信号控制及车速引导系统
CN111951549B (zh) 在网联车辆环境下的自适应交通信号灯控制方法及系统
CN105046987B (zh) 一种基于强化学习的路面交通信号灯协调控制方法
CN100444210C (zh) 单点信号控制交叉口的混合控制方法
CN109598950B (zh) 一种智能网联车辆的匝道协同汇入控制方法及系统
WO2021208484A1 (zh) 一种面向公交信号优先高频多申请的动态控制方法
CN110910662B (zh) 车路协同环境下单点自适应交通信号优化控制方法
CN106846842A (zh) 基于多时段控制方案的城市干道协调控制优化方法
CN104809895A (zh) 相邻交叉口的干道协调控制模型及其优化方法
CN105046990B (zh) 一种基于粒子群算法的相邻路口间人行道信号灯控制方法
CN108961788B (zh) 交通信号灯智慧变换方法
CN104575035A (zh) 一种基于车联网环境下交叉口的自适用控制方法
CN110766956B (zh) 基于模糊逻辑的交通信号控制方法
CN107067764A (zh) 一种城市交叉口可变导向车道自适应控制方法
CN103366574A (zh) 基于车队跟驰理论的交叉口延误计算方法
CN112017439B (zh) 一种自动驾驶交叉口行人过街摆渡车控制方法
US11941979B2 (en) Traffic light control method for urban road network based on expected return estimation
CN113312752A (zh) 一种主路优先控制交叉口交通仿真方法及装置
Hu et al. A novel intelligent traffic light control scheme
CN115035704A (zh) 一种信号控制交叉口行人信号提前相位设置方法
CN111524345A (zh) 一种车辆实时排队长度约束下多目标优化的感应控制方法
CN113724507A (zh) 基于深度强化学习的交通控制与车辆诱导协同方法和系统
CN109345825B (zh) 车路协同环境下信号交叉口单向交通流控制系统及方法

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190723

Termination date: 20210616