CN106355905A - 一种基于卡口数据的高架信号控制方法 - Google Patents
一种基于卡口数据的高架信号控制方法 Download PDFInfo
- Publication number
- CN106355905A CN106355905A CN201610970021.5A CN201610970021A CN106355905A CN 106355905 A CN106355905 A CN 106355905A CN 201610970021 A CN201610970021 A CN 201610970021A CN 106355905 A CN106355905 A CN 106355905A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- ring road
- overhead
- road
- jam
- 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
- G08G1/075—Ramp control
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于卡口数据的高架信号控制方法,包括以下步骤:步骤一、获取高架指标变化规律,1.1)计算高架拥堵指数变化趋势;1.2)计算匝道需求来源变化趋势;步骤二、卡口数据计算处理;步骤三、计算上匝道通行需求:匝道通行需求是与上匝道相邻的每个地面道路通行需求的总和,而单个地面道路通行需求是地面道路车辆总数和步骤二中计算出来的匝道需求来源比例的乘积;步骤四、估计排队长度:排队长度是在上匝道口等待进入高架的车辆数目;步骤五、计算上匝道控制率;步骤六、计算匝道信号灯绿信比。本发明提供了一种计算速度较快、鲁棒性较高、成本较低、控制灵活较好、实时性高的基于卡口数据的高架信号控制方法。
Description
技术领域
本发明属于智能交通领域,涉及一种综合拥堵指数、拥堵指数变化趋势和排队长度的高架入口匝道信号控制方法。
背景技术
随着居民生活水平的提高,私家车数量快速增长,几乎所有的城市都不同程度的受到交通拥堵的困扰。交通拥堵不仅带来环境污染、资源消耗等问题,还容易造成交通事故,近年来越来越受到人们的关注。解决交通拥挤的途径可分为三种,第一种是增加道路基础设施建设,这种方式受人力物力及城市资源等的限制,一般不会采取这种方式;第二种方式是进行交通管制,限制车辆出行,这种方式不仅给人们生活带来一定的困扰,而且在大型城市中,人口密度大车辆多仍然不能解决拥堵问题;第三种方式是进行合理有效的道路信号控制,这种方式成本低,并且能够有效的降低交通拥挤状况,提高道路使用率,如何进行合理有效的信号控制,是这种方式的关键。
入口匝道控制是一种比较有效的道路信号控制手段,现有的文献资料中匝道控制大体可分为三类:局部匝道控制、协同匝道控制和集成匝道控制。局部匝道控制,一般是以主路当前的交通状态为控制条件,方法简单,已成功应用于实际交通系统中,实验结果表明此方法能够有效改善交通状况;匝道协调控制,在局部优化控制的基础上,以瓶颈处的流量控制为目标,结合历史交通需求及交通拥堵影响范围,在静态协调区域实现小范围多匝道内部协调控制,比局部匝道控制复杂。集成匝道控制,主要将城市道路交叉口的信号控制、匝道调节、高速公路控制、VMS控制等不同控制措施进行结合,控制非常复杂,目前仍然处于理论研究仿真阶段。
要进行合理有效的信号控制,首先需要有足够的道路交通数据。现有的匝道控制方法,大部分是通过在匝道入口处和匝道上下游埋设线圈,采集车流量信息,计算车辆行程时间或者车辆占有率等,但是存在铺设线圈增加支出成本,线圈感应存在累积误差,线圈的使用寿命短,测量的数据不够精确,维护成本高等问题。
匝道控制算法方面,局部匝道控制中,Papageorgiou提出的alinea算法是一种常用的借鉴PID反馈控制的局部匝道控制算法,PID控制算法简单,容易实现,但是alinea算法本身不考虑匝道排队长度的影响,可能造成匝道入口处车辆回流。由于道路交通具有很高的非线性和不可预测性,模糊控制思想比较简单,抗干扰能力强适用于非线性系统,众多学者对它进行了研究,Pappis和Mamdani将模糊控制用于单个交叉口的信号控制,华南理工大学的梁欣荣和李政将模糊逻辑与PI控制算法结合,构建了一种非线性入口匝道控制算法,但是模糊控制中隶属度函数的确定、推理方法和反模糊化以及模糊规则的获取不容易确定。此外神经网络对于复杂非线性系统的良好逼近效果,使其在非线性系统的应用上备受青睐,H.M.zhang基于BP神经网络算法,构建入口匝道控制算法,神经网络算法中神经元数目的选取没有统一的标准,计算复杂学习时间长。
发明内容
为了克服已有高架信号控制方法的计算速度较慢、鲁棒性较低、成本较高、控制灵活性较差、实时性不高的不足,本发明提供了一种计算速度较快、鲁棒性较高、成本较低、控制灵活较好、实时性高的基于卡口数据的高架信号控制方法,综合考虑当前时刻高架拥堵指数、拥堵变化趋势和入口匝道排队数量,采用S面控制算法对入口匝道进行控制,计算速度快,鲁棒性高。
本发明解决其技术问题所采用的技术方案是:
一种基于卡口数据的高架信号控制方法,所述高架信号控制方法包括以下步骤:
步骤一、获取高架指标变化规律
1.1)计算高架拥堵指数变化趋势
拥堵指数是将道路拥堵程度数字化,是拥堵程度的直观表示,拥堵指数越高则拥堵越严重,将拥堵指数作为控制变量;
1.2)计算匝道需求来源变化趋势
分别统计每个与高架入口匝道相邻的地面道路进入高架的车辆,计算出总的进入高架的车辆,即匝道需求;
步骤二、卡口数据计算处理
卡口采集设备中获得的数据包括卡口ID,车牌号码,车辆类型,车辆速度和经过时间,首先将卡口获取的数据进行计算处理,然后,高架路网按照卡口分段,计算每段高架上的拥堵指数jam以及车流量l;车流量计算为,统计单个控制周期内的车辆总数c(k),则l(k)=c(k)/T,单位是vel/s,T为匝道道控制的控制间隔;
步骤三、计算上匝道通行需求
匝道通行需求是与上匝道相邻的每个地面道路通行需求的总和,而单个地面道路通行需求是地面道路车辆总数和步骤二中计算出来的匝道需求来源比例的乘积;
步骤四、估计排队长度
排队长度是在上匝道口等待进入高架的车辆数目;
步骤五、计算上匝道控制率
拥堵指数是通过速度计算获得,用高架拥堵指数来进行控制上匝道控制率的计算如公式(7)所示:
其中r(k)表示k个控制周期上匝道控制率,即要让多少辆车通过,Tjam,Tjam>1是发生拥堵时的阈值;d(k)是匝道控制周期内的匝道需求,f(k)是控制输出,如公式(8):
α是控制力度,既高架拥堵指数较大时,相邻的两个控制周期内,车辆经过上匝道的最大变化量,α取值需要根据具体的上匝道来确定;ε(k)和是偏差和偏差变化率,kp和kd是sigmod函数中的参数,调整控制的动态响应,kp和kd的比值决定偏差变化和偏差变化率在控制中所占的比重;ε(k)是控制率,表示k个控制周期中,兼顾拥堵指数和排队长度的反馈控制,是控制率的变化率,如公式(9)所示:
步骤六、计算匝道信号灯绿信比
单个控制周期内,不加任何干扰和控制时可驶入的车辆为C,则红绿灯亮的时间按照公式(12)设定
tmin是最小红绿灯时间,防止出现非常小的红灯和绿灯时间,此时车辆还来不及做出反应,容易造成交通事故;tg是绿灯亮的时间,tr是红灯亮的时间。
进一步,所述步骤1.1)中,分别计算工作日和非工作日的高架拥堵指数变化趋势
k表示控制周期,匝道控制的控制间隔为T,一天可按照控制周期划分为时间片nT,n=1,2,...,为表达方便用k代替;jami(k)是工作日时第k个控制周期,上匝道下游路段的拥堵指数,i=1,2,...,30表示当前日期之前的1到30个工作日的历史数据,jamj表示周末时第k个控制周期,上匝道下游路段的拥堵指数;j=1,2,...,20表示当前日期之前的1到20个周末的历史数据,JAM1(k)和JAM2(k)分别是工作日和节假日高架拥堵指数变化趋势。
再进一步,所述步骤1.2)中,匝道需求来源变化计算的方法是:假设上匝道的车辆从m,m>0个地面车道进入,每个路口在相同的时间段内,流向其上匝道的比例上不变,地面道路的数据是通过地面卡口数据计算得到;对于m中的某个地面卡口p,0<p<=m,按照公式(2)统计第k个控制周期中,地面道路的车辆驶入上匝道比例
DFL(k)=GCin(k)/GC(k) (2)
GCin(k)是单个控制周期内地面卡口l进入上匝道的车辆数,GC(k)是单个控制周期内地面卡口p记录的车辆总数;每天计算一次DFL(k),通过历史数据,获取地面道路进入上匝道的规律,如公式(3)所示
DFL(k)表示不同时刻地面道路控制周期为k时流入上匝道的车辆比例,DFp1(k)和DFp2(k)反映了匝道需求来源比例的变化趋势。
更进一步,所述步骤二中,拥堵指数根据公式(4)计算,大于等于1,值越大表示道路拥堵情况越严重;
当密度小于临界密度ρj时的速度就是畅通速度vfree,vfree通过高架的历史数据分析获得。
所述步骤三中,查看上匝道实际位置,记录有几个相邻的地面道路,根据公式(5)的工作日和周末,分别求解匝道通行需求:
gcp1(k)和gcp2(k)分别是指工作日和周末,第k个控制周期,经过地面车道的实际车量数;DFp1(k)和DFp2(k)是第k个控制周期中,通过历史数据分析获得的地面路段进入高架的比例,在步骤二中计算如公式(3)所示;d1(k)和d2(k)分别是指工作日和周末时,第k个控制周期实时匝道需求。
所述步骤四中,当前匝道排队长度分为两部分,一部分是上一时刻滞留在匝道上的车辆,另一部分是实时匝道需求减去匝道历史通行量,如公式(6)所示:
w1(k)和w2(k)分别指工作日和周末时,第k个控制周期,匝道上车辆的排队长度,d1(k)和d2(k)是实时通行需求,l1(k)和l2(k)是实时匝道流量,l1(k)*T和l2(k)*T分别是周末和工作日一个控制周期内入口匝道通过的车辆数,上一时刻滞留在匝道上的车辆是w1(k-1)-r(k-1)。
所述步骤五中,Tjam,Tjam>1取值在[1.5,2]之间或者通过jam的变化率来实时改变。
所述步骤五中,ε(k)由三部分组成,分别为:
第一项,ε(k)1=jamd-jam(k),使拥堵指数逼近设定值jamd,jamd的取值要考虑尽可能使车流量大,并且拥堵情况降低,根据控制要求来设定,大于1;
第二项ε(k)2使排队长度不超过匝道能容纳的车辆数,因为排队长度的单位是车辆数,与拥堵指数不在同一个数量级,所以将ε(k)2进行归一化处理,wd是设定匝道排队长度,跟上匝道长度密切相关,上匝道较长,则wd较大:
当μ2<0时,表示当前匝道排队长度大于匝道可容纳的车辆数,即将要造成入口匝道回流现象,此时应该加大车辆放行量;当μ2>0时,表示匝道可容纳更多排队车辆,应该首先保证高架畅通;μ2min<0是μ2最小值,即入口匝道排队很长时,最多可增大放行数量的比例;
第三项ε(k)3是通过历史数据,估计下一时刻有拥堵指数有没有增长的趋势,如果下一时刻的拥堵指数比本时刻拥堵指数的增加量大于阈值,则说明高架上的车辆迅速增长,则减少车辆放行量,计算如公式(11):
TPjam是相邻时刻拥堵指数变化的阈值,信号控制的周期越长,TPjam越大;JAM(k+1)是k+1个控制周期拥堵指数的历史数据,JAM(k)是k个控制周期中拥堵指数历史数据;μ3是ε(k)3的影响因子,由计算,(μ3+μ2)×ε(k)3表示匝道入口排队数量较少时,ε(k)3占主导因素,当高架上车辆增多时,加大抑制驶入高架车辆数;当排队车辆大于匝道可容纳车辆时,ε(k)2占主导因素,加大放行驶入高架车辆数。
该方法采用高架中设有的卡口来收集控制需要的数据,增加了卡口设备的利用率,有效降低了数据采集设备的成本,可行性高。算法采用拥堵指数作为控制变量,将自动控制方法应用于高架路网控制中,借鉴徐如玉提出的基于模糊控制的S面控制算法,综合考虑高架拥堵指数、拥堵指数变化趋势和排队长度的影响,更适用于强非线性,不可预测性的高架路网。
本发明的有益效果主要表现在:
(1)算法控制率以高架拥堵指数为基础,拥堵指数变化趋势和排队长度为辅助,控制更加灵活。
(2)辅助项中拥堵指数变化趋势和排队长度分别具有不同的影响系数,两者相互影响,排队长度较小时拥堵指数变化趋势为主;反之,排队长度为主。
(3)拥堵指数变化趋势每日更新,当高架拥堵指数有上升趋势时,适当抑制进入高架车辆,提前控制,实时性高。
(4)可估计每个入口匝道的交通需求和排队长度,算法考虑匝道排队长度的影响,能够抑制车辆回流现象,并且排队长度影响系数根据获得数据实时计算,适应性好。
(5)结合S面控制算法,比传统PID算法鲁棒性高,算法中需要确定的参数较少,选取简单适应范围广,操作简单。
(6)直接利用匝道入口处卡口数据进行高架数据分析,降低数据采集成本。
附图说明
图1是入口匝道示意图。
图2是高架上匝道控制模块的原理图。
图3是基于卡口数据的高架信号控制方法的流程图。
图4是流量—密度曲线图。
图5是速度—密度曲线图。
图6是μ2变化曲线图。
图7是中河高架北向南文晖路上匝道示意图。
图8是工作日历史拥堵指数曲线图。
图9是周末历史拥堵指数曲线图。
图10是流量和速度曲线图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图10,一种基于卡口数据的高架信号控制方法,入口匝道是地面车辆进入高架路网的入口,又称为上匝道,如图1所示。d是匝道需求,单位是veh,w是排队长度,表示有多少辆车在排队,l是上匝道处车流量,单位是veh,jam代表拥堵指数。本专利中涉及历史数据和实时数据,为方便区分,历史数据均用大写字母表示,实时数据采用小写字母表示。匝道控制的控制间隔为T,一天可按照控制周期划分为时间片nT,n=1,2,...,为表达方便用k代替,即k-1表示(n-1)T,k+1表示(n+1)T。
参照图2所示为高架上匝道控制模块的各个单元之间的关系,基于卡口数据的高架信号控制方法的流程图如图3所示。
所述高架信号控制方法包含6个步骤:
步骤一、获取高架指标变化规律
高架上的车辆变化,从整体来看具有一定的规律性和重复性,可通过历史数据分析获得高架指标变化规律,预测道路指标变化,从而有效抑制拥堵现象。若将单个上匝道作为参考,具体的计算方法是,根据控制周期划分时间片,在对应的时间片内计算历史数据的均值。又根据居民生活规律工作日和周末道路车辆存在很大差异,因此工作日、周末和节假日分开统计计算。
1.1)计算高架拥堵指数变化趋势
拥堵指数是将道路拥堵程度数字化,是拥堵程度的直观表示,拥堵指数越高则拥堵越严重,将拥堵指数作为控制变量,可以通过历史数据预测拥堵情况变化趋势,为交通管控提供良好的借鉴。如公式(1),分别计算工作日和非工作日的高架拥堵指数变化趋势
k表示控制周期,jami(k)是工作日时第k个控制周期,上匝道下游路段的拥堵指数,i=1,2,...,30表示当前日期之前的1到30个工作日的历史数据,jamj表示周末时第k个控制周期,上匝道下游路段的拥堵指数。j=1,2,...,20表示当前日期之前的1到20个周末的历史数据。节假日单独计算,不做描述。JAM1(k)和JAM2(k)是高架拥堵指数变化趋势。
1.2)计算匝道需求来源变化趋势
在高架信号控制中,将城市道路划分为高架和地面道路两大类,地面道路是除高架外其他道路的统称。一天中不同时刻高架上车辆的通行量有很大的差别,存在明显的早晚高峰期,由于高架上的车辆都是地面车辆通过入口匝道汇入,因此出现高峰期时,对应的匝道需求也是快速增加,这就决定了不同控制周期中的道路需求对于信号控制具有很大的借鉴意义。既然高架上的车辆由地面车辆汇入,那么分别统计每个与高架入口匝道相邻的地面道路进入高架的车辆,就可以计算出总的进入高架的车辆,即匝道需求。
匝道需求来源变化计算的具体方法是,假设上匝道的车辆主要从m,m>0个地面车道进入,每个路口在相同的时间段内,流向其上匝道的比例基本上不变,地面道路的数据是通过地面卡口数据计算得到。对于m中的某个地面卡口p,0<p<=m,可以按照公式(2)统计第k个控制周期中,地面道路的车辆驶入上匝道比例
DFL(k)=GCin(k)/GC(k) (2)
GCin(k)是单个控制周期内地面卡口l进入上匝道的车辆数,GC(k)是单个控制周期内地面卡口p记录的车辆总数。每天计算一次DFL(k),通过历史数据,获取地面道路进入上匝道的规律,如公式(3)所示
DFL(k)表示不同时刻地面道路控制周期为k时流入上匝道的车辆比例。DFp1(k)和DFp2(k)反映了匝道需求来源比例的变化趋势。
步骤二、卡口数据计算处理
从卡口采集设备中获得的数据一般包括卡口ID,车牌号码,车辆类型,车辆速度和经过时间等字段,不能做为信号控制的数据直接使用,首先将卡口获取的数据进行计算处理,例如时间格式的转换,丢弃重复数据错误数据等。然后,高架路网按照卡口分段,计算每段高架上的拥堵指数jam以及车流量l。车流量计算为,统计单个控制周期内的车辆总数c(k),则l(k)=c(k)/T,单位是vel/s。
根据newell提出的如图4所示的三角形流量—密度关系图,当密度达到临界值时,发生拥堵流量下降。但是在高架中车辆密度小时,一般不会出现车辆速度很小的情况,因此可以转化为图5所示的速度—密度曲线,密度小于临界密度ρj时,可认为高架上车辆速度的均值为恒定值,车辆速度变小时,意味着出现拥堵现象。当密度小于ρj时的速度就是畅通速度vfree,vfree可通过高架的历史数据分析获得。
拥堵指数可根据公式(4)计算。jam大于等于1,值越大表示道路拥堵情况越严重。
步骤三、计算上匝道通行需求
匝道通行需求是与上匝道相邻的每个地面道路通行需求的总和,而单个地面道路通行需求是地面道路车辆总数和步骤二中计算出来的匝道需求来源比例的乘积。查看上匝道实际位置,记录有几个相邻的地面道路,根据公式(5)的工作日和周末,分别求解匝道通行需求。
gcp1(k)和gcp2(k)分别是指工作日和周末,第k个控制周期,经过地面车道的实际车量数。DFp1(k)和DFp2(k)是第k个控制周期中,通过历史数据分析获得的地面路段进入高架的比例,在步骤二中计算如公式(3)所示。d1(k)和d2(k)分别是指工作日和周末时,第k个控制周期实时匝道需求。
步骤四、估计排队长度
排队长度是在上匝道口等待进入高架的车辆数目。当前匝道排队长度可分为两部分,一部分是上一时刻滞留在匝道上的车辆,另一部分是实时匝道需求减去匝道历史通行量,如公式(6)所示。
w1(k)和w2(k)分别指工作日和周末时,第k个控制周期,匝道上车辆的排队长度。d1(k)和d2(k)是实时通行需求,l1(k)和l2(k)是实时匝道流量,l1(k)*T和l2(k)*T分别是周末和工作日一个控制周期内入口匝道通过的车辆数。上一时刻滞留在匝道上的车辆是w1(k-1)-r(k-1)。
步骤五、计算上匝道控制率
在设计模糊控制器时,一般选用两边疏松、中间密的形式,其变化趋势与sigmod函数变化是一致的,因此可以用sigmod函数取代模糊控制规则,称为S面控制,S面控制从模糊逻辑控制的方式出发,借鉴PID反馈控制,已经成功运用于水下航行器中。与PID控制器不同的是,S面控制采用非线性函数来拟合强非线性控制对象,控制效果优于PID控制。跟模糊控制相比,结构设计和参数调整都更加简单实用。而高架路网是强非线性系统,受司机行为,车辆变道等干扰,因此适合采用S面控制。
拥堵指数是通过速度计算获得,可以用高架拥堵指数来进行控制上匝道控制率的计算如公式(7)所示
其中r(k)表示k个控制周期上匝道控制率,即要让多少辆车通过。Tjam,Tjam>1是发生拥堵时的阈值,取值太大容易造成拥堵,取值太小不利于提高高架利用率,一般可取值在[1.5,2]之间,也可以通过jam的变化率来实时改变。d(k)是匝道控制周期内的匝道需求,f(k)是控制输出,如公式(8)。
α是控制力度,既高架拥堵指数较大时,相邻的两个控制周期内,车辆经过上匝道的最大变化量,α取值需要根据具体的上匝道来确定。ε(k)和是偏差和偏差变化率。kp和kd是sigmod函数中的参数,可以调整控制的动态响应,kp太小容易不稳定取值可稍微调大,一般kp>3,kp和kd的比值决定了偏差变化和偏差变化率在控制中所占的比重。ε(k)是控制率,表示k个控制周期中,兼顾拥堵指数和排队长度的反馈控制,是控制率的变化率。如公式(9)所示。
ε(k)由三部分组成,分别为:
第一项,ε(k)1=jamd-jam(k),使拥堵指数逼近设定值jamd,jamd的取值要考虑尽可能使车流量大,并且拥堵情况降低,可根据控制要求来设定,一般要略大于1。
第二项尽可能使排队长度不超过匝道能容纳的车辆数,因为排队长度的单位是车辆数,与拥堵指数不在同一个数量级,所以将ε(k)2进行归一化处理,wd是设定匝道排队长度,跟上匝道长度密切相关,上匝道较长,则wd较大。
如图6所示。当μ2<0时,表示当前匝道排队长度大于匝道可容纳的车辆数,即将要造成入口匝道回流现象,此时应该加大车辆放行量;当μ2>0时,表示匝道可容纳更多排队车辆,应该首先保证高架畅通。μ2min<0是μ2最小值,即入口匝道排队很长时,最多可增大放行数量的比例,根据实际情况确定。
第三项ε(k)3是通过历史数据,估计下一时刻有拥堵指数有没有增长的趋势,如果下一时刻的拥堵指数比本时刻拥堵指数的增加量大于阈值,则说明高架上的车辆迅速增长,则应适当减少车辆放行量,计算如公式(11)。
TPjam是相邻时刻拥堵指数变化的阈值,信号控制的周期越长,TPjam越大。JAM(k+1)是k+1个控制周期拥堵指数的历史数据,JAM(k)是k个控制周期中拥堵指数历史数据。μ3是ε(k)3的影响因子,可以由计算,(μ3+μ2)×ε(k)3表示匝道入口排队数量较少时,ε(k)3占主导因素,当高架上车辆增多时,加大抑制驶入高架车辆数。当排队车辆大于匝道可容纳车辆时,ε(k)2占主导因素,加大放行驶入高架车辆数。
步骤六、计算匝道信号灯绿信比
单个控制周期内,不加任何干扰和控制时可驶入的车辆为C,则红绿灯亮的时间可按照公式(12)设定
tmin是最小红绿灯时间,防止出现非常小的红灯和绿灯时间,此时车辆还来不及做出反应,容易造成交通事故。tg是绿灯亮的时间,tr是红灯亮的时间。
实例:以杭州高架—中河高架北向南为例,全程共22个卡口点位,4个截面卡口,9个上匝道卡口,9个出口匝道卡口,选取文晖路上匝道为控制案例,如图7所示,过程如下:
步骤一
历史数据分析每天更新一次,工作日中计算当前日期之前相邻的1到30个工作日的历史数据,周末时计算当前日期之前相邻的1到20个工作日的历史数据。开始计算时工作日历史数据如果不足30天或者周末数据不足20天,将各天数据放入链表中,求均值。历史数据大于30天时分别按照公式(1)和公式(2)计算高架拥堵指数和匝道需求来源比例,控制周期取为120s,如果控制周期太短,信号灯频繁变换,车辆起停次数会增多,k=1,2,...,720。
1.1)拥堵指数历史数据计算
为简化计算可以采取如公式(13)中的计算方式,工作日和周末的历史数据如图8和图9.
1.2)匝道需求来源比例历史数据计算
查看文晖路上匝道的车辆主要来源。可以统计k个控制周期中,地面车道的车辆驶入文晖路上匝道比例df(k),根据df(k)的历史数据,获取地面车道进入文晖路上匝道的规律,如公式(2)所示,可简化表示为
步骤二、数据预处理
首先将卡口获取的数据进行预处理,进行时间格式的转换,丢弃重复的数据错误数据。然后,高架路网按照卡口分段,如文晖路—庆春路路段,计算每段高架的拥堵指数jam,上匝道处的车流量l。车流量计算为,统计单个控制周期内的车辆总数c(k),则l(k)=c(k)/T。
根据历史数据计算流量和速度曲线,如图10。从图中可以获得高架上畅通速度为vfree=81m/s,则拥堵指数jam1(k),jam2(k)可根据公式(4)计算。
步骤三、求被控制的上匝道通行需求
查看卡口实际位置,根据地面通道进入上匝道的比例,根据工作日和周末,分别求解匝道通行需求d1(k),d2(k),如公式(5)计算实时上匝道通行需求。
步骤四、排队长度估计
由实时匝道需求减去匝道通行量获得,根据公式(6),计算w1(k),w2(k)。
步骤五、计算上匝道控制率
上匝道控制率的计算如公式(7)所示,初始匝道控制率取r0(k)=d0(k),公式(8)中,α取值为3,既高架拥堵指数大于1时,相邻的两个控制周期内,车辆经过上匝道的最大变化量是3。kp和kd均取值为8。
第二项尽可能使排队长度不超过匝道能容纳的车辆数,按照公式(10)计算,μ2要实时计算,wd取值为20。第三项ε(k)3,计算如公式(11)。
步骤六、计算匝道信号灯绿信比
单个控制周期内,不加任何干扰和控制时可驶入的车辆为C,则红绿灯亮的时间可按照公式(12)设定。
Claims (8)
1.一种基于卡口数据的高架信号控制方法,其特征在于:所述高架信号控制方法包括以下步骤:
步骤一、获取高架指标变化规律
1.1)计算高架拥堵指数变化趋势
拥堵指数是将道路拥堵程度数字化,是拥堵程度的直观表示,拥堵指数越高则拥堵越严重,将拥堵指数作为控制变量;
1.2)计算匝道需求来源变化趋势
分别统计每个与高架入口匝道相邻的地面道路进入高架的车辆,计算出总的进入高架的车辆,即匝道需求;
步骤二、卡口数据计算处理
卡口采集设备中获得的数据包括卡口ID,车牌号码,车辆类型,车辆速度和经过时间,首先将卡口获取的数据进行计算处理,然后,高架路网按照卡口分段,计算每段高架上的拥堵指数jam以及车流量l;车流量计算为,统计单个控制周期内的车辆总数c(k),则l(k)=c(k)/T,单位是vel/s,T为匝道道控制的控制间隔;
步骤三、计算上匝道通行需求
匝道通行需求是与上匝道相邻的每个地面道路通行需求的总和,而单个地面道路通行需求是地面道路车辆总数和步骤二中计算出来的匝道需求来源比例的乘积;
步骤四、估计排队长度
排队长度是在上匝道口等待进入高架的车辆数目;
步骤五、计算上匝道控制率
拥堵指数是通过速度计算获得,用高架拥堵指数来进行控制上匝道控制率的计算如公式(7)所示:
其中r(k)表示k个控制周期上匝道控制率,即要让多少辆车通过,Tjam,Tjam>1是发生拥堵时的阈值;d(k)是匝道控制周期内的匝道需求,f(k)是控制输出,如公式(8):
α是控制力度,既高架拥堵指数较大时,相邻的两个控制周期内,车辆经过上匝道的最大变化量,α取值需要根据具体的上匝道来确定;ε(k)和是偏差和偏差变化率,kp和kd是sigmod函数中的参数,调整控制的动态响应,kp和kd的比值决定偏差变化和偏差变化率在控制中所占的比重;ε(k)是控制率,表示k个控制周期中,兼顾拥堵指数和排队长度的反馈控制,是控制率的变化率,如公式(9)所示:
步骤六、计算匝道信号灯绿信比
单个控制周期内,不加任何干扰和控制时可驶入的车辆为C,则红绿灯亮的时间按照公式(12)设定
tmin是最小红绿灯时间,防止出现非常小的红灯和绿灯时间,此时车辆还来不及做出反应,容易造成交通事故;tg是绿灯亮的时间,tr是红灯亮的时间。
2.如权利要求1所述的一种基于卡口数据的高架信号控制方法,其特征在于:所述步骤1.1)中,分别计算工作日和非工作日的高架拥堵指数变化趋势
k表示控制周期,匝道控制的控制间隔为T,一天可按照控制周期划分为时间片nT,n=1,2,...,为表达方便用k代替;jami(k)是工作日时第k个控制周期,上匝道下游路段的拥堵指数,i=1,2,...,30表示当前日期之前的1到30个工作日的历史数据,jamj表示周末时第k个控制周期,上匝道下游路段的拥堵指数;j=1,2,...,20表示当前日期之前的1到20个周末的历史数据,JAM1(k)和JAM2(k)分别是工作日和节假日高架拥堵指数变化趋势。
3.如权利要求1或2所述的一种基于卡口数据的高架信号控制方法,其特征在于:所述步骤1.2)中,匝道需求来源变化计算的方法是:假设上匝道的车辆从m,m>0个地面车道进入,每个路口在相同的时间段内,流向其上匝道的比例上不变,地面道路的数据是通过地面卡口数据计算得到;对于m中的某个地面卡口p,0<p<=m,按照公式(2)统计第k个控制周期中,地面道路的车辆驶入上匝道比例
DFL(k)=GCin(k)/GC(k) (2)
GCin(k)是单个控制周期内地面卡口l进入上匝道的车辆数,GC(k)是单个控制周期内地面卡口p记录的车辆总数;每天计算一次DFL(k),通过历史数据,获取地面道路进入上匝道的规律,如公式(3)所示
DFL(k)表示不同时刻地面道路控制周期为k时流入上匝道的车辆比例,DFp1(k)和DFp2(k)反映了匝道需求来源比例的变化趋势。
4.如权利要求1或2所述的一种基于卡口数据的高架信号控制方法,其特征在于:所述步骤二中,拥堵指数根据公式(4)计算,大于等于1,值越大表示道路拥堵情况越严重;
当密度小于临界密度ρj时的速度就是畅通速度vfree,vfree通过高架的历史数据分析获得。
5.如权利要求4所述的一种基于卡口数据的高架信号控制方法,其特征在于:所述步骤三中,查看上匝道实际位置,记录有几个相邻的地面道路,根据公式(5)的工作日和周末,分别求解匝道通行需求:
gcp1(k)和gcp2(k)分别是指工作日和周末,第k个控制周期,经过地面车道的实际车量数;DFp1(k)和DFp2(k)是第k个控制周期中,通过历史数据分析获得的地面路段进入高架的比例,在步骤二中计算如公式(3)所示;d1(k)和d2(k)分别是指工作日和周末时,第k个控制周期实时匝道需求。
6.如权利要求5所述的一种基于卡口数据的高架信号控制方法,其特征在于:所述步骤四中,当前匝道排队长度分为两部分,一部分是上一时刻滞留在匝道上的车辆,另一部分是实时匝道需求减去匝道历史通行量,如公式(6)所示:
w1(k)和w2(k)分别指工作日和周末时,第k个控制周期,匝道上车辆的排队长度,d1(k)和d2(k)是实时通行需求,l1(k)和l2(k)是实时匝道流量,l1(k)*T和l2(k)*T分别是周末和工作日一个控制周期内入口匝道通过的车辆数,上一时刻滞留在匝道上的车辆是w1(k-1)-r(k-1)。
7.如权利要求1或2所述的一种基于卡口数据的高架信号控制方法,其特征在于:所述步骤五中,Tjam,Tjam>1取值在[1.5,2]之间或者通过jam的变化率来实时改变。
8.如权利要求1或2所述的一种基于卡口数据的高架信号控制方法,其特征在于:所述步骤五中,ε(k)由三部分组成,分别为:
第一项,ε(k)1=jamd-jam(k),使拥堵指数逼近设定值jamd,jamd的取值要考虑尽可能使车流量大,并且拥堵情况降低,根据控制要求来设定,大于1;
第二项ε(k)2使排队长度不超过匝道能容纳的车辆数,因为排队长度的单位是车辆数,与拥堵指数不在同一个数量级,所以将ε(k)2进行归一化处理,wd是设定匝道排队长度,跟上匝道长度密切相关,上匝道较长,则wd较大:
当μ2<0时,表示当前匝道排队长度大于匝道可容纳的车辆数,即将要造成入口匝道回流现象,此时应该加大车辆放行量;当μ2>0时,表示匝道可容纳更多排队车辆,应该首先保证高架畅通;μ2min<0是μ2最小值,即入口匝道排队很长时,最多可增大放行数量的比例;
第三项ε(k)3是通过历史数据,估计下一时刻有拥堵指数有没有增长的趋势,如果下一时刻的拥堵指数比本时刻拥堵指数的增加量大于阈值,则说明高架上的车辆迅速增长,则减少车辆放行量,计算如公式(11):
TPjam是相邻时刻拥堵指数变化的阈值,信号控制的周期越长,TPjam越大;JAM(k+1)是k+1个控制周期拥堵指数的历史数据,JAM(k)是k个控制周期中拥堵指数历史数据;μ3是ε(k)3的影响因子,由计算,(μ3+μ2)×ε(k)3表示匝道入口排队数量较少时,ε(k)3占主导因素,当高架上车辆增多时,加大抑制驶入高架车辆数;当排队车辆大于匝道可容纳车辆时,ε(k)2占主导因素,加大放行驶入高架车辆数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610970021.5A CN106355905B (zh) | 2016-10-28 | 2016-10-28 | 一种基于卡口数据的高架信号控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610970021.5A CN106355905B (zh) | 2016-10-28 | 2016-10-28 | 一种基于卡口数据的高架信号控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106355905A true CN106355905A (zh) | 2017-01-25 |
CN106355905B CN106355905B (zh) | 2018-11-30 |
Family
ID=57864437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610970021.5A Active CN106355905B (zh) | 2016-10-28 | 2016-10-28 | 一种基于卡口数据的高架信号控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106355905B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846830A (zh) * | 2017-03-06 | 2017-06-13 | 中山大学 | 基于切换系统特性的快速路入口匝道控制方法及系统 |
CN108154688A (zh) * | 2017-12-14 | 2018-06-12 | 中山大学 | 丢包环境下迭代学习的快速路入口匝道控制方法及系统 |
CN110211396A (zh) * | 2019-05-30 | 2019-09-06 | 华南理工大学 | 一种高速公路收费站与周边交叉口群的动态调控方法 |
CN110738860A (zh) * | 2019-09-18 | 2020-01-31 | 平安科技(深圳)有限公司 | 基于强化学习模型的信息控制方法、装置和计算机设备 |
CN112863198A (zh) * | 2020-12-29 | 2021-05-28 | 连云港杰瑞电子有限公司 | 一种快速路入口匝道的信号灯绿信比智能调整方法 |
CN113450583A (zh) * | 2021-09-01 | 2021-09-28 | 长沙理工大学 | 一种车路协同下高速公路可变限速和变道协同控制方法 |
CN116311990A (zh) * | 2023-03-27 | 2023-06-23 | 南京莱斯信息技术股份有限公司 | 一种基于互联网数据与检测数据融合的信号控制方法 |
CN116524724A (zh) * | 2023-06-29 | 2023-08-01 | 中南大学 | 一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020084323A (ko) * | 2001-04-26 | 2002-11-07 | 이상구 | 주행차량의 연속주행을 위한 교통신호 제어방법 및교통신호 제어시스템 |
KR20020089728A (ko) * | 2001-05-24 | 2002-11-30 | 엘지이노텍 주식회사 | 교통제어 시스템 및 그 운용방법 |
CN1595468A (zh) * | 2004-07-01 | 2005-03-16 | 北京交通大学 | 一种入口匝道与主干道汇合处的信号控制方法 |
CN102289943A (zh) * | 2011-06-29 | 2011-12-21 | 浙江工业大学 | 一种保证高架桥畅通的交通控制方法 |
CN104103180A (zh) * | 2014-07-15 | 2014-10-15 | 同济大学 | 城市快速路入匝道与主线协同信号控制系统及方法 |
CN104575051A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于阵列雷达的高架匝道智能信号控制方法及装置 |
-
2016
- 2016-10-28 CN CN201610970021.5A patent/CN106355905B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020084323A (ko) * | 2001-04-26 | 2002-11-07 | 이상구 | 주행차량의 연속주행을 위한 교통신호 제어방법 및교통신호 제어시스템 |
KR20020089728A (ko) * | 2001-05-24 | 2002-11-30 | 엘지이노텍 주식회사 | 교통제어 시스템 및 그 운용방법 |
CN1595468A (zh) * | 2004-07-01 | 2005-03-16 | 北京交通大学 | 一种入口匝道与主干道汇合处的信号控制方法 |
CN102289943A (zh) * | 2011-06-29 | 2011-12-21 | 浙江工业大学 | 一种保证高架桥畅通的交通控制方法 |
CN104103180A (zh) * | 2014-07-15 | 2014-10-15 | 同济大学 | 城市快速路入匝道与主线协同信号控制系统及方法 |
CN104575051A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于阵列雷达的高架匝道智能信号控制方法及装置 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846830A (zh) * | 2017-03-06 | 2017-06-13 | 中山大学 | 基于切换系统特性的快速路入口匝道控制方法及系统 |
CN108154688A (zh) * | 2017-12-14 | 2018-06-12 | 中山大学 | 丢包环境下迭代学习的快速路入口匝道控制方法及系统 |
CN108154688B (zh) * | 2017-12-14 | 2019-07-02 | 中山大学 | 丢包环境下迭代学习的快速路入口匝道控制方法及系统 |
CN110211396A (zh) * | 2019-05-30 | 2019-09-06 | 华南理工大学 | 一种高速公路收费站与周边交叉口群的动态调控方法 |
CN110738860B (zh) * | 2019-09-18 | 2021-11-23 | 平安科技(深圳)有限公司 | 基于强化学习模型的信息控制方法、装置和计算机设备 |
CN110738860A (zh) * | 2019-09-18 | 2020-01-31 | 平安科技(深圳)有限公司 | 基于强化学习模型的信息控制方法、装置和计算机设备 |
CN112863198A (zh) * | 2020-12-29 | 2021-05-28 | 连云港杰瑞电子有限公司 | 一种快速路入口匝道的信号灯绿信比智能调整方法 |
CN113450583A (zh) * | 2021-09-01 | 2021-09-28 | 长沙理工大学 | 一种车路协同下高速公路可变限速和变道协同控制方法 |
CN113450583B (zh) * | 2021-09-01 | 2021-11-19 | 长沙理工大学 | 一种车路协同下高速公路可变限速和变道协同控制方法 |
CN116311990A (zh) * | 2023-03-27 | 2023-06-23 | 南京莱斯信息技术股份有限公司 | 一种基于互联网数据与检测数据融合的信号控制方法 |
CN116311990B (zh) * | 2023-03-27 | 2023-12-22 | 南京莱斯信息技术股份有限公司 | 一种基于互联网数据与检测数据融合的信号控制方法 |
CN116524724A (zh) * | 2023-06-29 | 2023-08-01 | 中南大学 | 一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统 |
CN116524724B (zh) * | 2023-06-29 | 2023-09-22 | 中南大学 | 一种考虑交通公平性的瓶颈路段拥堵缓解方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106355905B (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106355905A (zh) | 一种基于卡口数据的高架信号控制方法 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN104332058B (zh) | 一种智能交通灯控制方法和系统 | |
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 | |
CN105405293B (zh) | 一种道路旅行时间短期预测方法和系统 | |
CN104575050B (zh) | 一种基于浮动车的快速路匝道智能诱导方法及装置 | |
CN102708679A (zh) | 一种城市信号交叉口短时交通流预测方法 | |
CN105513359A (zh) | 一种基于智能手机移动检测的城市快速路交通状态估计方法 | |
CN104851287B (zh) | 基于视频检测器的城市道路路段行程时间检测方法 | |
CN102890862B (zh) | 基于向量模式的交通状态分析装置及方法 | |
CN113053120B (zh) | 基于迭代学习模型预测控制的交通信号灯调度方法与系统 | |
CN107067759A (zh) | 一种基于acp的平行交通信号灯实时控制方法 | |
CN111009140B (zh) | 一种基于开源路况信息的智能交通信号控制方法 | |
CN105679025A (zh) | 一种基于可变权重混合分布的城市干道行程时间估计方法 | |
CN110070734A (zh) | 基于高斯混合模型的信号交叉口饱和车头时距估计方法 | |
CN113299078B (zh) | 一种基于多智能体协作的多模式交通干线信号协调控制方法及装置 | |
CN114463868B (zh) | 面向交通流管控的收费站交通流组合预测方法及系统 | |
CN111524345B (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 | |
CN110111573A (zh) | 一种基于物联网的拥堵车辆综合调度方法 | |
CN114418606B (zh) | 基于时空卷积网络的网约车订单需求预测方法 | |
CN113537626A (zh) | 一种聚合信息差异的神经网络结合时间序列预测的方法 | |
CN108985616A (zh) | 一种公交专用道布局评价方法 | |
CN113487872B (zh) | 一种基于大数据和人工智能的公交车通行时间预测方法 | |
CN110021168B (zh) | 一种车联网下实现实时智能交通管理的分级决策方法 | |
CN114664089B (zh) | 一种城市道路交通系统车流量的pi控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 310012 1st floor, building 1, 223 Yile Road, Hangzhou City, Zhejiang Province Patentee after: Yinjiang Technology Co.,Ltd. Address before: 310012 1st floor, building 1, 223 Yile Road, Hangzhou City, Zhejiang Province Patentee before: ENJOYOR Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |