CN106504548B - 交通灯智能控制方法及系统 - Google Patents
交通灯智能控制方法及系统 Download PDFInfo
- Publication number
- CN106504548B CN106504548B CN201610970804.3A CN201610970804A CN106504548B CN 106504548 B CN106504548 B CN 106504548B CN 201610970804 A CN201610970804 A CN 201610970804A CN 106504548 B CN106504548 B CN 106504548B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- applicable elements
- traffic
- moving law
- mother matrix
- 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
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
本发明涉及一种交通灯智能控制方法及系统，其中，方法包括如下步骤：实时获取交通路口指定区域内车流信息，根据所述车流信息，采用函数规则库中符合当前适用条件的最高分值函数计算当前车道的预测通行时间；根据所述当前车道的预测通行时间对交通灯进行控制；获取所述车流信息的实际通行数据，将所述车流信息和实际通行数据存储到历史交通数据库；将上述实际通行数据逐一代入所述函数规则库中符合当前适用条件的函数中，计算当前时刻各车道的车流预测通行时间，再根据每个车道的车流预测通行时间和该车道对应的车流实际通行时间，对满足当前适用条件的函数进行评分，根据该评分更新函数规则库中各函数的分值。
Description
技术领域
本发明涉及一种智能交通灯控制方法及系统，特别涉及能够识别当前交通运行规律的交通灯智能控制方法及系统。
背景技术
以往的交通灯通常是只能根据预设的程序进行周而复始的运行，不能根据需要通行的车辆的多少来自动调整交通灯的分配时间，经常出现当前通行相位的车道上已经没有车辆需要通过，而当前非通行相位的车道上的车辆却依然在排队等候的情况，造成了时间的浪费，效率低下。
目前，逐渐出现可以根据车辆的多少来调节交通灯时间的算法，但是其依据的计算函数往往是预先设置的几个计算函数，这些预设的函数参数或函数系数都是固定的，因此并不能很好的适应每种交通状态，例如：周一、下雨、特定事件发生时，车辆道路状态都是不一样，如果让有限的几个计算函数去适应无限可能的道路状态，几乎是不可能的，因此交通控制并不能达到最优。
发明内容
为解决上述技术问题，本发明提供的技术方案是：实时采集交通路口处的各车道上的车流信息，并采用函数规则库中打分最高的函数进行车流通行时间预测，并能够在在当前函数打分值最高的函数所对应的函数打分值低于设定值时，自动从历史交通数据中寻找规律，并进行函数规则库的更新，从而不断提高函数规则库对车流通行时间的预测能力，使得交通灯的分配时间更加合理，从而实现提高交通路口处的车辆通行效率。
一方面，本发明提供了一种交通灯智能控制方法，包括如下步骤：实时获取交通路口指定区域内车流信息，该车流信息包括排队等待通过交通路口的车辆数和/或车流长度；根据车流信息，采用函数规则库中符合当前适用条件的最高分值函数计算当前车道的预测通行时间；根据当前车道的预测通行时间对交通灯进行控制；获取车流信息的实际通行数据，该实际通行数据为实际通过路口的车辆数和/或车流长度；将车流信息和实际通行数据存储到历史交通数据库，该历史交通数据库中还存储有采集的车辆运行状态数据；将上述实际通行数据逐一代入函数规则库中符合当前适用条件的函数中，计算当前时刻各车道的车流预测通行时间，再根据每个车道的车流预测通行时间和该车道对应的车流实际通行时间，对满足当前适用条件的函数进行评分，根据该评分更新函数规则库中各函数的分值；重复上述步骤。
进一步的，函数规则库包括预设函数和根据母版函数生成的预测函数，预设函数为预先设定好的用于预测车流通行时间的函数，预测函数同样用来预测车流通行时间，但没有预先设置在函数规则库中，其由母版函数库中的母版函数生成，其中，母版函数库包括以下一个或多个函数：
Tt＝T01+(N-1)/Vn (1)
Tt＝T01+(Nu-1)/Vu (2)
Tt＝T01+Ln/Vl (3)
Tt＝T01+Lq/Vq，Lq＝Ln*Q (4)
Tt＝T01+(N+Nd*Tt-1)/Vn (5)
Tt＝T01+(Nu+Nud*Tt-1)/Vu (6)
Tt＝T01+(Ln+Lnd*Tt)/Vl (7)
Tt＝T01+(Lq+Lqd*Tt)/Vq (8)
Tt＝T01+T2+(N-Nj-1)/Vn,T2＝Nj/Vj (9)
Tt＝T01+T2+(Nu-Nuj-1)/Vu,T2＝Nuj/Vuj (10)
Tt＝T01+T2+(Ln-Lj)/Vl,T2＝Lj/Vlj (11)
Tt＝T01+T2+(Lq-Lqj)/Vq,T2＝Lqj/Vqj (12)
Tt＝T01+T2+(N-Nj-1+Nd*Tt)/Vn,T2＝Nj/Vj (13)
Tt＝T01+T2+(Nu-Nuj-1+Nud*Tt)/Vu,T2＝Nuj/Vuj (14)
Tt＝T01+T2+(Ln-Lj+Lnd*Tt)/Vl,T2＝Lj/Vlj (15)
Tt＝T01+T2+(Lq-Lqj+Lqd*Tt)/Vq,T2＝Lqj/Vqj (16)
Tt＝T01+T2+(N-Nj-1+Nd*Tt+Nd*Td)/Vn,T2＝Nj/Vj (17)
Tt＝T01+T2+(Nu-Nuj-1+Nud*Tt+Nud*Td)/Vu,T2＝Nuj/Vuj (18)
Tt＝T01+T2+(Ln-Lj+Lnd*Tt+Lnd*Td)/Vl,T2＝Lj/Vlj (19)
Tt＝T01+T2+(Lq-Lqj+Lqd*Tt+Lnd*Td)/Vq,T2＝Lqj/Vqj (20)
Tt＝T01+(N+Nd*Tt+Nd*Td-1)/Vn (21)
Tt＝T01+(Nu+Nud*Tt+Nud*Td-1)/Vu (22)
Tt＝T01+(Ln+Lnd*Tt+Lnd*Td)/Vl (23)
Tt＝T01+(Lq+Lqd*Tt+Lqd*Td)/Vq (24)
其中，Tt表示预测通行时间；
如下参数为母版函数系数：
T0表示绿灯亮后第一辆启动并通过停止线的时间；T1表示绿灯亮后第一辆车通过停止线后，通过到达线的时间，车辆通过到达线则视为通过交通口；T01＝T0+T1；Vn表示到达线截面车辆通行速度；Vu表示到达线截面车辆通行速度，其中车辆为转化为PCU后的标准车辆；Vl表示到达线车辆通行速度，以队列长度计；Vq表示到达线车辆通行速度，以车辆物理长度计，Vq＝Lq/t，Lq为去首队列中车长总和；Nd：表示到达率，单位时间到达的车辆数；Nud：表示到达率，单位时间到达的车辆数，以PCU计；Lnd：表示到达率，单位时间到达队列的长度；Lqd：表示到达率，单位时间到达车辆长度，以车辆物理长度计；T2：表示绿灯亮后第一辆车通过停止线至车辆达到正常通行速度时经过的时间；Nj：表示除首车辆，达到正常通行速度时已通行的车辆数；Vj：表示除首车辆,达到正常通行速度前的平均通行速度，其中，Vj＝Nj/T2；Nuj：表示除首车辆,达到正常通行速度时已通行的车辆数，以PCU计；Vuj：表示除首车辆,达到正常通行速度前的平均通行速度，其中Vuj＝Nuj/T2；Lj：表示除首车辆,达到正常通行速度时已通行的长度；Vlj：表示除首车辆,达到正常通行速度时的平均通行速度，其中Vlj＝Lj/T2；Lqj：表示除首车辆,达到正常通行速度时已通行的长度，以车辆物理长度计；Vqj：表示除首车辆,达到正常通行速度时的平均通行速度，以车辆物理长度计，其中，Vqj＝Lqj/T2；
如下参数为母版函数变量：
N，表示车辆数；Nu表示转化为PCU后的车辆数；L表示队列长度，即首车车头到尾车车尾的长度；L1表示首车长度，即首车车头到首车车尾长度；Ln表示去首车队列长度，即首车车尾至尾车车尾的长度，其中，Ln＝L-L1；Lq表示去首队列中车长总和；Q表示队列车辆密度，其中Q＝Lq/Ln；Td表示计划等待时间，即从当前时间开始，到给测预通行时间的车道绿灯放行所计划经历的时间。
上述母版函数变量和母版函数系数对应的车辆运行状态通过车辆检测装置采集获得或通过计算获得。
进一步的，还包括如下步骤：当历史交通数据库出现新的交通记录后，和/或，当函数规则库中满足当前适用条件的具有最高分值的预测函数的分值低于预设分值时，使用以下步骤更新函数规则库：a)逐一识别母版函数库中的母版函数系数对应的车辆运行状态在当前适用条件下是否存在车辆运行规律；b)查询历史交通数据库，当母版函数系数对应的车辆运行状态存在车辆运行规律时，将该车辆运行规律加入至车辆运行规律数据库；c)在车辆运行规律数据库中查询适用条件所对应的历史交通记录集合存在交集的车辆运行规律，当任意母版函数中的全部系数都能在车辆运行规律数据库中查询到，并该全部系数能够同时满足某个适用条件时，根据该母版函数生成新的预测函数，此时该新的预测函数的适用条件为全部系数适用条件的交集，即该预测函数的适用条件为同时满足该预测函数所有系数的适用条件；d)将上述新的预测函数进行初始评分后加入至函数规则库。
进一步的，初始评分具体包括：将满足当前适用条件的母版函数变量对应的车流量历史交通数据逐一代入新的预测函数以获得车流预测通行时间，通过比较车流预测通行时间和车流实际通行时间，根据当前适用条件对应的评分过程进行评分，评分方法为：车流预测通行时间越接近车流实际通行时间，即预测精度越高，预测函数分值越高。
进一步的，评分过程还包括：根据路口交通需求的达成程度对函数进行评分，达成程度越高，分值越高，路口交通需求包括：更快的通行时间、更大的通行车流量、更少等待时间或延误、更少的停车次数、给优先通行车辆更少的等待时间和停车次数中的一种或多种。
进一步的，交通需求与情景模式相关，该情景模式包括车流高峰情景、闲时情景、与车流量相关的情景、与事件相关的情景、与时间相关的情景中的至少一种情景。
进一步的，车辆运行规律的判断方法包括：a)查询某一适用条件下的全部交通记录数；b)计算当前车辆的母版函数系数对应的车辆运行状态正负预定范围内交通记录数量和全部交通记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功；c)逐一识别相同适用条件下的其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；d)变更适用条件，逐一识别其它适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
进一步的，车辆运行规律的判断方法包括：a)当适用条件为时间时，预定义周期模式库，周期模式包括若干组，每组包括时间长度不同的多个周期，多个周期按从大到小的顺序排布；b)查询在该适用条件下，在周期模式库中某一组的最大周期内对应的全部交通记录数；c)计算上述适用条件下，某一母版函数系数对应的车辆运行状态在周期模式库中上述组的最大周期内且正负预定范围内对应的交通记录数量和上述全部交通记录数的比值，当该比值大于等于预设比例时，识别车辆运行规律成功，随后继续按照从大到小的周期排布顺序，依次识别该组其他周期内该母版函数系数是否存在车辆运行规律；当该比值小于预设比例时，识别车辆运行规律不成功，随后仍然按照从大到小的周期排布顺序，依次识别该组其他周期内该母版函数系数是否存在车辆运行规律；d)重复上述步骤，逐一识别其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；e)变更上述分组，重复上述步骤，逐一识别改变后的适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
进一步的，车辆运行规律的判断方法包括：a)当适用条件为事件时，预定义事件模式库，该事件模式库中包括多种不同的事件状态；b)采集车辆在满足事件模式库中某一事件状态时，车辆在当前适用条件下的全部交通记录数；c)计算满足事件模式库中上述事件状态时，当前车辆的母版函数系数对应的车辆运行状态在正负预定范围内的交通记录数量和上述全部交通记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功，当该比例小于预设比例时识别失败；d)重复上述步骤，逐一识别相同适用条件下的其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；e)变更适用条件，重复上述步骤，逐一识别其它适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
进一步的，车辆运行规律的判断方法包括：在车流信息中还包括母版函数系数对应的当前车辆运行状态数据时，在历史交通数据库中查询满足上述当前车辆运行状态数据正负预定范围内的全部交通记录；对上述全部交通记录关联的所有适用条件进行分组；分别在历史交通数据库中查询当满足任何一个分组的适用条件时全部记录数即分组记录数和当前车辆运行状态数据正负预定范围内的记录数即分组预定范围记录数；计算每个分组预定范围记录数和分组记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功，比值为该车辆运行规律的适用条件可靠度。
进一步的，车辆运行规律的判断方法还包括如下步骤：1)在历史交通数据库中查询某一适用条件下的全部历史交通记录数N1和当前适用条件下当前母版函数系数所对应的车辆运行状态正负预定范围内的历史交通记录数N2；2)按以下方法判断车辆运行规律：设X为当前模板函数系数，A为当前适用条件所对应历史交通记录所组成的集合，K为可靠度，其中K＝(N2/N1)*100％；设L＝{Ln＝(Xn,An,Kn)|n＝1,2,3…}L是运行规律数据库，Ln是车辆运行规律数据库中任意车辆运行规律，Xn是车辆运行规律所对应的母版函数系数，An为车辆运行规律的适用条件所对应的历史交通记录所组成的集合，Kn为车辆运行规律所对应的可靠度；当不存在任何X等于Xn且时,只要K>Ky即为视别车辆运行规律成功，其中Ky为当前母版函数系数所对应的预设可靠度；当存在任意X等于Xn且时，K大于所有Kn，其中X＝Xn,此时表示视别车辆运行规律成功。
进一步的，对任意两种适用条件进行复合规律处理，复合规律处理方法是：1)判断第一适用条件对应的历史交通记录的集合与第二适用条件对应的历史交通记录的集合的交集是否存在车辆运行规律，存在则加入车辆运行规律库；2)判断第一适用条件对应的历史交通记录的集合与第二适用条件对应的历史交通记录的集合的差集是否存在车辆运行规律，存在则加入车辆运行规律库；3)判断第二适用条件对应的历史交通记录的集合与第一适用条件对应的历史交通记录的集合的差集是否存在车辆运行规律，存在则加入车辆运行规律库。
进一步的，还包括如下步骤：将车辆运行规律数据库内所有车辆运行规律的适用条件定义为集合A，其中，A＝{An|n＝1,…,n}，An表示集合A的任一元素，即车辆运行规律的适用条件；将所有适用条件定义为集合V＝{Vk|k＝1，…,k}，其中，Vk表示集合V的任一元素；适用条件包括：预定义周期模式库所对应的所有适用条件，预定义事件库所对应的所有适用条件，车辆运行规律数据库中的所有车辆运行规律的适用条件即集合A的全部元素，所有预设函数的适用条件和所有母版函数生成的预测函数的适用条件；将集合A中每一个元素与集合V中每一个元素两两之间进行复合规律处理。
进一步的，集合V中有新元素加入时，即出现了新的适用条件定义时，设该新的适用条件为d，按照以下一个或多个步骤检测新的车辆运行规律：判断满足适用条件d时，每个母版函数系数是否存在车辆运行规律，存在则加入车辆运行规律数据库；将适用条件d与集合V内每一元素两两之间进行复合规律处理；将适用条件d与集合A内每一元素两两之间进行复合规律处理。
进一步的，将适用条件集合V中的元素两两之间进行复合规律处理。
另一方面，本发明还提供了一种交通灯智能控制系统，包括如下模块：车流信息获取模块，其用于实时获取交通路口指定区域内车流信息，该车流信息包括排队等待通过交通路口的车辆数和/或车流长度；通行时间预测模块，其用于根据车流信息，采用函数规则库中符合当前适用条件的最高分值函数计算当前车道的预测通行时间；交通灯控制模块，用于根据当前车道的预测通行时间对交通灯进行控制；实际通行数据获取模块，用于获取车流信息的实际通行数据，该实际通行数据为实际通过路口的车辆数和/或车流长度；存储模块，用于将车流信息和实际通行数据存储到历史交通数据库，该历史交通数据库中还存储有采集的车辆运行状态数据；分值更新模块，用于将上述实际通行数据逐一代入函数规则库中符合当前适用条件的函数中，计算当前时刻各车道的车流预测通行时间，再根据每个车道的车流预测通行时间和该车道对应的车流实际通行时间，对满足当前适用条件的函数进行评分，根据该评分更新函数规则库中各函数的分值；重复执行上述各模块。
附图说明
图1是本发明提供的交通灯智能控制方法的流程图；
图2是本发明提供的交通灯智能控制系统的结构图。
具体实施方式
下面通过具体的实施例进一步说明本发明，但是，应当理解为，这些实施例仅仅是用于更详细具体地说明之用，而不应理解为用于以任何形式限制本发明。
实施例1：
结合图1，详细说明本实施例的交通灯智能控制方法，包括如下步骤：
步骤S1：通过摄像头、地面设置的电磁线圈、红外摄像装置、测速雷达等传感器实时获取交通路口指定区域内车流信息，指定区域可以是路口的某条车道或其他区域，该车流信息包括排队等待通过交通路口的车辆数和/或车流长度；
步骤S2：根据车流信息，采用函数规则库中符合当前适用条件的最高分值函数计算当前车道的预测通行时间；现有技术中，一旦知晓车辆排队长度或排队数量，可以通过通用公式计算车道的预测通行时间，具体计算方式属于本领域的公知常识，在此不做赘述。
步骤S3：根据当前车道的预测通行时间对交通灯进行控制；
步骤S4：通过传感器获取车流信息的实际通行数据，该实际通行数据为实际通过路口的车辆数和/或车流长度；
步骤S5：将车流信息和实际通行数据存储到历史交通数据库；
步骤S6：将上述实际通行数据逐一代入函数规则库中符合当前适用条件的函数中，计算当前时刻各车道的车流预测通行时间，再根据每个车道的车流预测通行时间和该车道对应的车流实际通行时间，对满足当前适用条件的函数进行评分，根据该评分更新函数规则库中各函数的分值；
重复上述步骤。
上面所说的适用条件是指采集当前车流信息或车辆运行状态时的时间、地点、事件、环境等具有标志性的条件，用于作为识别车辆运行规律时的先决条件。例如：周一下雨天的上午八点、周一早上、开演唱会并下雨等等都可以认为是适用条件。
上面所说的函数规则库实质上是根据当前车流状态进行具体计算的多种函数集合的数据库，需要计算时，从函数规则库中选一个最适合的函数，最适合体现在函数的分值最高，该分值最高体现在车流预测通行时间与车流实际通行时间最匹配或最能达到期望目标的。
优选的，函数规则库包括预设函数和根据母版函数生成的预测函数，二者的地位是完全相同的，区别就是预设函数为预先设定好的用于预测车流通行时间的函数，现有技术中已经存在如何获得此类计算函数的方法，因此在本申请中不再赘述，预测函数同样用来预测车流通行时间，但没有预先设置在函数规则库中，其由母版函数库中的母版函数生成，其中，母版函数库包括以下一个或多个函数：
Tt＝T01+(N-1)/Vn (1)
Tt＝T01+(Nu-1)/Vu (2)
Tt＝T01+Ln/Vl (3)
Tt＝T01+Lq/Vq，Lq＝Ln*Q (4)
Tt＝T01+(N+Nd*Tt-1)/Vn (5)
Tt＝T01+(Nu+Nud*Tt-1)/Vu (6)
Tt＝T01+(Ln+Lnd*Tt)/Vl (7)
Tt＝T01+(Lq+Lqd*Tt)/Vq (8)
Tt＝T01+T2+(N-Nj-1)/Vn,T2＝Nj/Vj (9)
Tt＝T01+T2+(Nu-Nuj-1)/Vu,T2＝Nuj/Vuj (10)
Tt＝T01+T2+(Ln-Lj)/Vl,T2＝Lj/Vlj (11)
Tt＝T01+T2+(Lq-Lqj)/Vq,T2＝Lqj/Vqj (12)
Tt＝T01+T2+(N-Nj-1+Nd*Tt)/Vn,T2＝Nj/Vj (13)
Tt＝T01+T2+(Nu-Nuj-1+Nud*Tt)/Vu,T2＝Nuj/Vuj (14)
Tt＝T01+T2+(Ln-Lj+Lnd*Tt)/Vl,T2＝Lj/Vlj (15)
Tt＝T01+T2+(Lq-Lqj+Lqd*Tt)/Vq,T2＝Lqj/Vqj (16)
Tt＝T01+T2+(N-Nj-1+Nd*Tt+Nd*Td)/Vn,T2＝Nj/Vj (17)
Tt＝T01+T2+(Nu-Nuj-1+Nud*Tt+Nud*Td)/Vu,T2＝Nuj/Vuj (18)
Tt＝T01+T2+(Ln-Lj+Lnd*Tt+Lnd*Td)/Vl,T2＝Lj/Vlj (19)
Tt＝T01+T2+(Lq-Lqj+Lqd*Tt+Lnd*Td)/Vq,T2＝Lqj/Vqj (20)
Tt＝T01+(N+Nd*Tt+Nd*Td-1)/Vn (21)
Tt＝T01+(Nu+Nud*Tt+Nud*Td-1)/Vu (22)
Tt＝T01+(Ln+Lnd*Tt+Lnd*Td)/Vl (23)
Tt＝T01+(Lq+Lqd*Tt+Lqd*Td)/Vq (24)
其中，Tt表示预测通行时间；
如下参数为母版函数系数：
T0表示绿灯亮后第一辆启动并通过停止线的时间；T1表示绿灯亮后第一辆车通过停止线后，通过到达线的时间，车辆通过到达线则视为通过交通口；T01＝T0+T1；Vn表示到达线截面车辆通行速度；Vu表示到达线截面车辆通行速度，其中车辆为转化为PCU后的标准车辆；Vl表示到达线车辆通行速度，以队列长度计；Vq表示到达线车辆通行速度，以车辆物理长度计，Vq＝Lq/t，Lq为去首队列中车长总和；Nd：表示到达率，单位时间到达的车辆数；Nud：表示到达率，单位时间到达的车辆数，以PCU计；Lnd：表示到达率，单位时间到达队列的长度；Lqd：表示到达率，单位时间到达车辆长度，以车辆物理长度计；T2：表示绿灯亮后第一辆车通过停止线至车辆达到正常通行速度时经过的时间；Nj：表示除首车辆,达到正常通行速度时已通行的车辆数；Vj：表示除首车辆,达到正常通行速度前的平均通行速度，其中，Vj＝Nj/T2；Nuj：表示除首车辆,达到正常通行速度时已通行的车辆数，以PCU计；Vuj：表示除首车辆,达到正常通行速度前的平均通行速度，其中Vuj＝Nuj/T2；Lj：表示除首车辆,达到正常通行速度时已通行的长度；Vlj：表示除首车辆,达到正常通行速度时的平均通行速度，其中Vlj＝Lj/T2；Lqj：表示除首车辆,达到正常通行速度时已通行的长度，以车辆物理长度计；Vqj：表示除首车辆,达到正常通行速度时的平均通行速度，以车辆物理长度计，其中，Vqj＝Lqj/T2；
如下参数为母版函数变量：
N，表示车辆数；Nu表示转化为PCU后的车辆数；L表示队列长度，即首车车头到尾车车尾的长度；L1表示首车长度，即首车车头到首车车尾长度；Ln表示去首车队列长度，即首车车尾至尾车车尾的长度，其中，Ln＝L-L1；Lq表示去首队列中车长总和；Q表示密度队列车辆密度，其中Q＝Lq/Ln；Td表示计划等待时间，即从当前时间开始，到给测预通行时间的车道绿灯放行所计划经历的时间；上述母版函数变量和母版函数系数对应的车辆运行状态部分通过车辆检测装置采集获得，部分通过计算获得，具体参见上述公式。
根据该评分更新函数规则库中各函数的分值，具体为：若预设函数分值发生变化，则更新预设函数的分值，若母版函数生成的预测函数的分值发生变化，则对预测函数更新分值。“正常通行速度”是指车道绿灯放行后，车辆完成通行加速进入相对稳定通行阶段的速度，可以是预设值，但更优的方案是根据该车道历史通行数据计算获取。
进一步优选的，当历史交通数据库出现新的交通记录后，和/或，当函数规则库中满足当前适用条件的具有最高分值的预测函数的分值低于预设分值时，使用以下步骤更新函数规则库：a)逐一识别母版函数库中的母版函数系数对应的车辆运行状态在当前适用条件下是否存在车辆运行规律；b)查询历史交通数据库，当母版函数系数对应的车辆运行状态存在车辆运行规律时，将该车辆运行规律加入至车辆运行规律数据库；c)在车辆运行规律数据库中查询适用条件所对应的历史交通记录集合存在交集的车辆运行规律，当任意母版函数中的全部系数都能在车辆运行规律数据库中查询到，并该全部系数能够同时满足某个适用条件时，根据该母版函数生成新的预测函数，此时该新的预测函数的适用条件为全部系数适用条件的交集；d)将上述新的预测函数进行初始评分后加入至函数规则库。此外，“适用条件所对应的历史交通记录集合存在交集”是指：假设规律库中，存在以下规律：
1)T01＝12秒，适用条件，下雨天
2)Vn＝0.2辆/秒，适用条件，周一
3)Vn＝0.3辆/秒，适周条件，周二
那么1),2)存在交集，即周一下雨天，因为可以在历史交通数据库查询到同时满足上述两个适用条件(即周一下雨天)的交通记录；2)，3)不存在交集，因为在历史交通数据库中查询不到同时满足上述两个适用条件(即周一，周二)的交通记录。其中，“同时满足某个适用条件”是指：1)，2)同时满足条件：周一下雨天，与交集同理。“母版函数中的全部系数都能在车辆运行规律数据库中查询到”是指：以母版函数Tt＝T01+(N-1)/Vn为例，此母版函数需要两个系数，T01和Vn，当规律库中存在交集的系数只有T0和Vn时，不满足要求；而如果同时包含T01和Vn时则满足要求。当然规律库存在交集的系数同时包含T0,T1和Vn时，由于T01＝T0+T1，所以也视为满足要求。
此外，车辆运行规律的识别方法具体实例如下：以母版函数系数Vn为例，假定当前速度为Vn＝0.5辆/秒或30辆/分，通行时段为：2016年8月1日星期一9：02：00到9:02:50(24小时表示法，下同)。
按每日规律识别：
1)获取每天时间T(9:02)正负2分钟(R：最小容差范围)范围内的所有记录,设记录数为N1；2)计算Vn正负预定范围0.05车辆/秒之间记录数N2，当N2/N1*100％大于预设比例Ky(如：95％)时，识别有车辆运行规律则成功，否则规律识别失败，成功后将规律(即：Vn＝0.5辆/秒,适用条件为每天9:00-9：04)加入规律库。3)继续尝试其它方式，重复1)2)步骤，其它方式包括：a)缩小范围：只获取最近两个月每天9：02正负2分钟的数据；b)缩小范围：只获取最近一个月每天9：02正负2分钟的数据；c)换一种方式：所有周一9：02正负2分钟的数据；d)缩小范围：只获取最近两个月周一9：02正负2分钟的数据；e)缩小范围：只获取最近一个月周一9：02正负2分钟的数据；f)换一种方式：每月一号9：02正负2分钟，近一年每月一号9：02正负2分钟，近半年每月一号9：02正负2分钟，近三个月每月一号9：02正负2分钟；g)换一种方式：每年的8月1号9：02正负2分钟等。
进一步优选的，初始评分具体包括如下过程：将满足当前适用条件的母版函数变量对应的车流量历史交通数据逐一代入新的预测函数以获得车流预测通行时间，通过比较车流预测通行时间和车流实际通行时间，根据当前适用条件对应的评分过程进行评分，评分方法为：车流预测通行时间越接近车流实际通行时间，即预测精度越高，预测函数分值越高，即根据准确性评分，例如：
根据预测精度：
(1)一级：1秒或2％以内，100分
(2)二级：1.5秒或2.5％以内，95分
(3)三级：2秒或3％以内，80分
(4)四级：3秒或3.5％以内，70分
(5)五级：3.5秒或4％以内，60分
或者，根据分值＝(1-|预测通行时间-实际通行时间|/实际通行时间)*100％。
进一步优选的，评分过程还包括：根据路口交通需求的达成情况对函数进行评分，达成程度越高，分值越高，路口交通需求包括：更快的通行时间、更大的通行车流量、更少等待时间或延误、更少的停车次数、给优先通行车辆更少的等待时间和停车次数中的一种或多种。
例如：Score综＝∑(Pk*Qk)其中Pk是各交通需求达成情况评分，Qk是各交通需求评分的权重。关于对更快的通行时间、更大的通行车流量、更少等待时间或延误、更少的停车次数，给优先通行车辆更少的等待时间和停车次数等评分方法属于现有技述，本处不再赘述。
进一步优选的，评分还考虑历史分值，评分方法为历史分值越高，最终分值越高，例如：假设预测函数F1原始分值是95分，最新打分是60分那么它的最终分值很可能是95*90％+60*10％＝91.5其中90％为原始分值权重，10％为新分值权重。
进一步优选的，交通需求与情景模式相关，该情景模式包括车流高峰情景、闲时情景、与事件相关的情景、与时间相关的情景中的至少一种情景。系统可以预设多种情景模式，分别为每情景模式定义交通需求及交通需求的评分权重。然后对适用范围内的预测函数在各情景模式下独立打分，例如：预设以下情景模式和交通需求的权重，参见表1：
1)上下班车流高峰，车流通行量最重要，权重设为50％，平均等待时间次之30％，预测精度15％，其它成分5％
2)晚间闲时时段，平均等待时间权重为50％,预测精度：30％，平均停车次数20％
3)下雨时段，预测精度50％，车流通行量30％，平均等待时间10％，其它10％
4)高峰下雨时段，预测精度40％，车流通行量20％，平均等待时间20％，其它20％
以下是多个预测函数在不同情景模式下打分表2：
N/A表示预测函数在指定情景模式下不适用，不参与打分。
进一步优选的，车辆运行规律的判断方法还可以是：a)查询某一适用条件下的全部交通记录数；b)计算上述适用条件下，当前车母版函数系数对应的车辆运行状态正负预定范围内交通记录数量和上述全部交通记录数的比值，当该比值大于预设值时，识别车辆运行规律成功；c)逐一识别相同适用条件下的其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；d)变更适用条件，逐一识别其它适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
上述预设值表示规律的可靠度闸值，例如：假设系统发现周一T0＝3秒，系统查询适用条件周一的全部历史交通记录数N1＝2000条，其中T0＝3正负0.05范围内记录数N2＝1800条，那么可靠度K＝N2/N1＝1800/2000*100％＝90％，假设T0的可靠度闸值为85％，那么代表系统发现了新的车辆运行规律。
进一步优选的，当适用条件为时间时，车辆运行规律的识别方法为：a)当适用条件为时间时，预定义周期模式库，周期模式包括若干组，每组包括时间长度不同的多个周期，多个周期按从大到小的顺序排布；b)查询在该适用条件下在周期模式库中某一组的最大周期内对应的全部交通记录数；c)计算上述适用条件下，某一母版函数系数在周期模式库上述组的最大周期内且正负预定范围内对应的交通记录数量和上述全部交通记录数的比值，当该比值大于等于预设比例时，识别车辆运行规律成功，随后继续按照从大到小的周期排布顺序，依次识别该组其他周期内该系数是否存在车辆运行规律；当该比值小于预设比例时，识别车辆运行规律不成功，随后仍然按照从大到小的周期排布顺序，依次识别该组其他周期内该系数是否存在车辆运行规律。d)重复上述步骤，逐一识别其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；e)改变分组，则重复上述步骤，逐一识别改变后的适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
预定义周期模式库可以是以下一种或多种:a)每天，近一年每天，近半年每天，近一季每天，近两月每天，近一月每天，近一周每天；b)每周，所有周，近一年每周，近半年每周，近一季每周，近两月每周，近一月每周；c)每月，所有月，近三年每月，近两年每月，近一年每月，近半年每月；d)每年，所有年，近十年，近五年，近三年。
进一步优选的，当适用条件为事件时，车辆运行规律的识别方法为：a)当适用条件为事件时，预定义事件模式库，该事件模式库中包括多种不同的事件状态；b)采集车辆在满足事件模式库中某一事件状态时，车辆在当前适用条件下对应的全部交通记录数；c)计算满足事件模式库中上述事件状态时，当前车辆的母版函数系数对应的车辆运行状态在正负预定范围内的交通记录数量和上述全部交通记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功，否则逐个识别其他事件状态时该母版函数系数是否存在车辆运行规律；d)重复上述步骤，逐一识别相同适用条件下的其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；e)变更适用条件，重复上述步骤，逐一识别其它适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
事件模式库可以是以下一种或多种事件：a)节假日，含法定节假日、传统节日、外国节日、含阴历和阳历，另外可以标识每个节假日第一天，第N天；b)天气情况，含雨，雪，风，冰雹，雾或低能见度指标，别外可以进行分级，如小雨，中雨，大雨；c)事件，含交易会，运动会，演唱会，展会，庙会，庆典，考试，演出等聚集性活动；d)其它突发事件，道路施工，交通事故等。
进一步优选的，还可以通过以下方式识别车辆运行规律：车流信息中还包括母版函数系数对应的当前车辆运行状态数据；在历史交通数据库中查询满足上述当前车辆运行状态数据正负预定范围内的全部交通记录；对上述全部交通记录关联的所有适用条件进行分组；分别在历史交通数据库中查询当满足任何一个分组的适用条件时全部记录数即分组记录数和当前车辆运行状态数据正负预定范围内的记录数即分组预定范围记录数；计算每个分组预定范围记录数和分组记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功，比值为该车辆运行规律的适用条件可靠度。
比如：当T1＝5秒，查询T1＝5秒正负0.15范围内所有交通历史记录，按关联的适用条件分组后如下：
1)周一5000条
2)周二200条
3)周一下雨天300条
4)周三30条
设N1适用条件历史交通记录总数，N2为适用条件T1＝5正负0.15范围内交通记录数，经处理得下表3:
| N1 | N2 | 可靠度(N2/N1) | |
| 周一 | 20000 | 5300 | 26.50％ |
| 周二 | 19000 | 200 | 1.05％ |
| 周一下雨天 | 320 | 300 | 93.75％ |
| 周三 | 19500 | 30 | 0.15％ |
T1可靠度预设比例为90％时，分组“周一下雨天T1＝5”视别车辆运行规律成功，其它分组视别车辆运行规律失败。
进一步优选的，车辆运行规律的判断方法还包括如下步骤：1)在历史交通数据库中查询某一适用条件下的全部历史交通记录数N1和该适用条件下当前母版函数系数所对应的车辆运行状态正负预定范围内的历史交通记录数N2；2)按以下方法判断车辆运行规律：设X为当前模板函数系数、A为当前适用条件所对应历史交通记录所组成的集合，K为可靠度，其中K＝(N2/N1)*100％；设L＝{Ln＝(Xn,An,Kn)|n＝1,2,3…}，L是运行规律数据库，Ln是车辆运行规律数据库中任意车辆运行规律，Xn是车辆运行规律所对应的母版函数系数，An为车辆运行规律的适用条件所对应的历史交通记录所组成的集合，Kn为车辆运行规律所对应的可靠度；当不存在任何X等于Xn且时,只要K>Ky即为视别车辆运行规律成功，其中Ky为当前母版函数系数所对应的预设可靠度；当存在任意X等于Xn且时，K大于所有Kn，其中X＝Xn,此时表示视别车辆运行规律成功。上述步骤的一个具体的实例是：假设新系统发现T0在周一早上9：00存在规律，T0＝3秒；假设规律库中存一个规律T0＝3.1使用条件为周一，可靠度为K2＝90％，周一包含周一早上9：00；那么新价值规律的可靠度K1必须大于K2＝90％才算是有价值的新规律，例如，当K1＝95％则识别成功，而当K1＝89％，虽然大于设定闸值85％，但于由于低于90％所以识别失败，也就是说，虽然有规律，但是没有价值。
优选的，对任意两种适用条件进行复合规律处理，复合规律处理方法是：1)判断第一适用条件对应的历史交通记录的集合与第二适用条件对应的历史交通记录的集合的交集是否存在车辆运行规律，存在则加入车辆运行规律库；2)判断第一适用条件对应的历史交通记录的集合与第二适用条件对应的历史交通记录的集合的差集是否存在车辆运行规律，存在则加入车辆运行规律库；3)判断第二适用条件对应的历史交通记录的集合与第一适用条件对应的历史交通记录的集合的差集是否存在车辆运行规律，存在则加入车辆运行规律库。
具体的实例为：假设适用条件1代表周一，适用条件2代表下雨天，
适用条件1与适用条件2对应的全部历史交通记录集合之间存在交集，表示周一的下雨天这个条件下，是存在若干车辆运行状态的记录的，可能存在车辆运行规律，具体的规律判定过程参见之前描述过的步骤。
适用条件1与适用条件2对应的全部历史交通记录集合之间存在差集，即全部车辆运行状态集合之间存在差集，表示从适用条件1中排除适用条件2，即周一除了下雨的其它时间存在若干车辆运行状态的记录的，可能存在车辆运行规律，具体的规律判定过程参见之前描述过的步骤。
适用条件2与适用条件1对应的全部历史交通记录集合之间存在差集，即全部车辆运行状态集合之间存在差集，表示从适用条件2中排除适用条件1，即除了周一之外的所有下雨天存在若干车辆运行状态的记录的，可能存在车辆运行规律，具体的规律判定过程参见之前描述过的步骤。
进一步优选的，将车辆运行规律数据库内所有车辆运行规律的适用条件定义为集合A，其中，A＝{An|n＝1,…,n}，An表示集合A的任一元素，即车辆运行规律的适用条件；将所有适用条件定义为集合V＝{Vk|k＝1，…,k}，其中，Vk表示集合V的任一元素；适用条件包括：预定义周期模式库所对应的所有适用条件，预定义事件库所对应的所有适用条件，车辆运行规律数据库中的所有车辆运行规律的适用条件即集合A的全部元素，所有预设函数的适用条件和所有母版函数生成的预测函数的适用条件及其它的预定义或复合适用条件；将集合A中每一个元素与集合V中每一个元素两两之间进行复合规律处理。通过上述步骤，可以发现新的车辆运行规律或更高可靠度的车辆运行规律。
进一步优选的，适用条件集合V中有新元素加入时，即出现了新的适用条件定义时，设该新的适用条件为d，按照以下步骤检测新的车辆运行规律：1)判断满足适用条件d时，是否存在车辆运行规律，存在则加入车辆运行规律数据库；2)将适用条件d与集合V内每一元素两两之间进行复合规律处理；3)将适用条件d与集合A内每一元素两两之间进行复合规律处理。
具体的，假设国家法定节假日增加了一个五四青年节，其可以成为一个新的预设适用条件，因为该条件有检测的价值存在，例如：有可能该日期会导致交通拥堵等等。那么在历史交通数据库中，符合这个节日的历史交通数据即车辆运行状态就构了成集合D。再比如，可以将国家高速免费通行日作为一个新的适用条件(事件)增加至预设事件库，高速免费通行也可以对诸多交通路口的车流量产生各式的影响。
进一步优选的，将预设的适用条件集合V中的元素两两之间进行复合规律处理。以进一步发现新的或更高可靠度的车辆运行规律。
实施例2：
结合图2，该实施例提供了一种交通灯智能控制系统，该系统既可以通过计算机程序实现，也可以通过硬件装置实现，具体包括如下模块：
车流信息获取模块1，其用于实时获取交通路口指定区域内车流信息，该车流信息包括排队等待通过交通路口的车辆数和/或车流长度；
通行时间预测模块2，其用于根据车流信息，采用函数规则库中符合当前适用条件的最高分值函数计算当前车道的预测通行时间；
交通灯控制模块3，用于根据当前车道的预测通行时间对交通灯进行控制；
实际通行数据获取模块4，用于获取车流信息的实际通行数据，该实际通行数据为实际通过路口的车辆数和/或车流长度；
存储模块5，用于将车流信息和实际通行数据存储到历史交通数据库，该历史交通数据库中还存储有采集的车辆运行状态数据；
分值更新模块6，用于将上述实际通行数据逐一代入函数规则库中符合当前适用条件的函数中，计算当前时刻各车道的车流预测通行时间，再根据每个车道的车流预测通行时间和该车道对应的车流实际通行时间，对满足当前适用条件的函数进行评分，根据该评分更新函数规则库中各函数的分值；
重复执行上述各模块。
优选的，函数规则库包括预设函数和根据母版函数生成的预测函数，预设函数为预先设定好的用于预测车流通行时间的函数，预测函数同样用来预测车流通行时间，但没有预先设置在函数规则库中，其由母版函数库中的母版函数生成，其中，母版函数库包括以下一个或多个函数：
Tt＝T01+(N-1)/Vn (1)
Tt＝T01+(Nu-1)/Vu (2)
Tt＝T01+Ln/Vl (3)
Tt＝T01+Lq/Vq，Lq＝Ln*Q (4)
Tt＝T01+(N+Nd*Tt-1)/Vn (5)
Tt＝T01+(Nu+Nud*Tt-1)/Vu (6)
Tt＝T01+(Ln+Lnd*Tt)/Vl (7)
Tt＝T01+(Lq+Lqd*Tt)/Vq (8)
Tt＝T01+T2+(N-Nj-1)/Vn,T2＝Nj/Vj (9)
Tt＝T01+T2+(Nu-Nuj-1)/Vu,T2＝Nuj/Vuj (10)
Tt＝T01+T2+(Ln-Lj)/Vl,T2＝Lj/Vlj (11)
Tt＝T01+T2+(Lq-Lqj)/Vq,T2＝Lqj/Vqj (12)
Tt＝T01+T2+(N-Nj-1+Nd*Tt)/Vn,T2＝Nj/Vj (13)
Tt＝T01+T2+(Nu-Nuj-1+Nud*Tt)/Vu,T2＝Nuj/Vuj (14)
Tt＝T01+T2+(Ln-Lj+Lnd*Tt)/Vl,T2＝Lj/Vlj (15)
Tt＝T01+T2+(Lq-Lqj+Lqd*Tt)/Vq,T2＝Lqj/Vqj (16)
Tt＝T01+T2+(N-Nj-1+Nd*Tt+Nd*Td)/Vn,T2＝Nj/Vj (17)
Tt＝T01+T2+(Nu-Nuj-1+Nud*Tt+Nud*Td)/Vu,T2＝Nuj/Vuj (18)
Tt＝T01+T2+(Ln-Lj+Lnd*Tt+Lnd*Td)/Vl,T2＝Lj/Vlj (19)
Tt＝T01+T2+(Lq-Lqj+Lqd*Tt+Lnd*Td)/Vq,T2＝Lqj/Vqj (20)
Tt＝T01+(N+Nd*Tt+Nd*Td-1)/Vn (21)
Tt＝T01+(Nu+Nud*Tt+Nud*Td-1)/Vu (22)
Tt＝T01+(Ln+Lnd*Tt+Lnd*Td)/Vl (23)
Tt＝T01+(Lq+Lqd*Tt+Lqd*Td)/Vq (24)
其中，Tt表示预测通行时间；
如下参数为母版函数系数：T0表示绿灯亮后第一辆启动并通过停止线的时间；T1表示绿灯亮后第一辆车通过停止线后，通过到达线的时间，车辆通过到达线则视为通过交通口；T01＝T0+T1；Vn表示到达线截面车辆通行速度；Vu表示到达线截面车辆通行速度，其中车辆为转化为PCU后的标准车辆；Vl表示到达线车辆通行速度，以队列长度计；Vq表示到达线车辆通行速度，以车辆物理长度计，Vq＝Lq/t，Lq为去首队列中车长总和；Nd：表示到达率，单位时间到达的车辆数；Nud：表示到达率，单位时间到达的车辆数，以PCU计；Lnd：表示到达率，单位时间到达队列的长度；Lqd：表示到达率，单位时间到达车辆长度，以车辆物理长度计；T2：表示绿灯亮后第一辆车通过停止线至车辆达到正常通行速度时经过的时间；Nj：表示除首车辆，达到正常通行速度时已通行的车辆数；Vj：表示除首车辆,达到正常通行速度前的平均通行速度，其中，Vj＝Nj/T2；Nuj：表示除首车辆,达到正常通行速度时已通行的车辆数，以PCU计；Vuj：表示除首车辆,达到正常通行速度前的平均通行速度，其中Vuj＝Nuj/T2；Lj：表示除首车辆,达到正常通行速度时已通行的长度；Vlj：表示除首车辆,达到正常通行速度时的平均通行速度，其中Vlj＝Lj/T2；Lqj：表示除首车辆,达到正常通行速度时已通行的长度，以车辆物理长度计；Vqj：表示除首车辆,达到正常通行速度时的平均通行速度，以车辆物理长度计，其中，Vqj＝Lqj/T2；
如下参数为母版函数变量：
N，表示车辆数；Nu表示转化为PCU后的车辆数；L表示队列长度，即首车车头到尾车车尾的长度；L1表示首车长度，即首车车头到首车车尾长度；Ln表示去首车队列长度，即首车车尾至尾车车尾的长度，其中，Ln＝L-L1；Lq表示去首队列中车长总和；Q表示队列车辆密度，其中Q＝Lq/Ln；Td表示计划等待时间，即从当前时间开始，到给测预通行时间的车道绿灯放行所计划经历的时间。
上述母版函数变量和母版函数系数对应的车辆运行状态通过车辆检测装置采集获得或通过计算获得。
进一步优选的，函数规则库更新模块，其用于当历史交通数据库出现新的交通记录后，和/或，当函数规则库中满足当前适用条件的具有最高分值的预测函数的分值低于预设分值时，使用以下步骤更新函数规则库：a)逐一识别母版函数库中的母版函数系数对应的车辆运行状态在当前适用条件下是否存在车辆运行规律；b)查询历史交通数据库，当母版函数系数对应的车辆运行状态存在车辆运行规律时，将该车辆运行规律加入至车辆运行规律数据库；c)在车辆运行规律数据库中查询适用条件所对应的历史交通记录集合存在交集的车辆运行规律，当任意母版函数中的全部系数都能在车辆运行规律数据库中查询到，并该全部系数能够同时满足某个适用条件时，根据该母版函数生成新的预测函数，此时该新的预测函数的适用条件为全部系数适用条件的交集，即该预测函数的适用条件为同时满足该预测函数所有系数的适用条件；
d)将上述新的预测函数进行初始评分后加入至函数规则库。
进一步优选的，初始评分具体包括：将满足当前适用条件的母版函数变量对应的车流量历史交通数据逐一代入新的预测函数以获得车流预测通行时间，通过比较车流预测通行时间和车流实际通行时间，根据当前适用条件对应的评分过程进行评分，评分方法为：车流预测通行时间越接近车流实际通行时间，即预测精度越高，预测函数分值越高。
进一步优选的，评分过程还包括：根据路口交通需求的达成情况和权重对函数进行评分，达成情况越高，权重越高，分值越高，路口交通需求包括：更快的通行时间、更大的通行车流量、更少等待时间或延误、更少的停车次数、给优先通行车辆更少的等待时间和停车次数中的一种或多种。
进一步优选的，交通需求与情景模式相关，该情景模式包括车流高峰情景、闲时情景、与车流量相关的情景、与事件相关的情景、与时间相关的情景中的至少一种情景。
进一步优选的，系统可以预设多种情景模式，分别为每情景模式定义交通需求及交通需求的评分权重。然后对适用范围内的预测函数在各情景模式下独立打分
进一步优选的，还包括车辆运行规律的判断单元，其用于执行以下步骤：a)查询某一适用条件下的全部交通记录数；b)计算上述适用条件年，当前母版函数系数对应的车辆运行状态正负预定范围内交通记录数量和上述全部交通记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功；c)逐一识别相同适用条件下的其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；d)变更适用条件，逐一识别其它适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
进一步优选的，还包括车辆运行规律的判断单元，其用于执行以下步骤：a)当适用条件为时间时，预定义周期模式库，周期模式包括若干组，每组包括时间长度不同的多个周期，多个周期按从大到小的顺序排布；b)查询在该适用条件下在周期模式库中某一组的最大周期内对应的全部交通记录数；c)计算上述适用条件下，某一母版函数系数在周期模式库中上述组的最大周期内且正负预定范围内对应的交通记录数量和上述全部交通记录数的比值，当该比值大于等于预设比例时，识别车辆运行规律成功，随后继续按照从大到小的周期排布顺序，依次识别该组其他周期内该系数是否存在车辆运行规律；当该比值小于预设比例时，识别车辆运行规律不成功，随后仍然按照从大到小的周期排布顺序，依次识别该组其他周期内该系数是否存在车辆运行规律；d)重复上述步骤，逐一识别其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；
e)变更上述分组，重复上述步骤，逐一识别改变后的适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
进一步优选的，还包括车辆运行规律的判断单元，其用于执行以下步骤：a)当适用条件为事件时，预定义事件模式库，该事件模式库中包括多种不同的事件状态；b)采集车辆在满足事件模式库中某一事件状态时，车辆在当前适用条件下的全部交通记录数；c)计算满足事件模式库中上述事件状态时，当前车辆的母版函数系数对应的车辆运行状态在正负预定范围内的交通记录数量和上述全部交通记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功，当该比例小于预设比例时识别失败；d)重复上述步骤，逐一识别相同适用条件下的其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；e)变更适用条件，重复上述步骤，逐一识别其它适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
进一步优选的，还包括车辆运行规律的判断单元，其用于：在车流信息中还包括母版函数系数对应的当前车辆运行状态数据时，在历史交通数据库中查询满足上述当前车辆运行状态数据正负预定范围内的全部交通记录；对上述全部交通记录关联的所有适用条件进行分组；分别在历史交通数据库中查询当满足任何一个分组的适用条件时全部记录数即分组记录数和当前车辆运行状态数据正负预定范围内的记录数即分组预定范围记录数；计算每个分组预定范围记录数和分组记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功，比值为该车辆运行规律的适用条件可靠度。
进一步优选的，还包括车辆运行规律的判断单元，其用于执行以下步骤：在历史交通数据库中查询某一适用条件下的全部历史交通记录数N1和当前适用条件下当前母版函数系数所对应的车辆运行状态正负预定范围内的历史交通记录数N2；按以下方法判断车辆运行规律：设X为当前模板函数系数、A为当前适用条件所对应历史交通记录所组成的集合，K为可靠度，其中K＝(N2/N1)*100％；设L＝{Ln＝(Xn,An,Kn)|n＝1,2,3…},L是运行规律数据库，Ln是车辆运行规律数据库中任意车辆运行规律，Xn是车辆运行规律所对应的母版函数系数，An为车辆运行规律的适用条件所对应的历史交通记录所组成的集合，Kn为车辆运行规律所对应的可靠度；当不存在任何X等于Xn且时,只要K>Ky即为视别车辆运行规律成功，其中Ky为当前母版函数系数所对应的预设可靠度；当存在任意X等于Xn且时，K大于所有Kn，其中X＝Xn,此时表示视别车辆运行规律成功。
进一步优选的，还包括对任意两种适用条件进行复合规律处理的单元，该单元用于：判断第一适用条件对应的历史交通记录的集合与第二适用条件对应的历史交通记录的集合的交集是否存在车辆运行规律，存在则加入车辆运行规律库；判断第一适用条件对应的历史交通记录的集合与第二适用条件对应的历史交通记录的集合的差集是否存在车辆运行规律，存在则加入车辆运行规律库；判断第二适用条件对应的历史交通记录的集合与第一适用条件对应的历史交通记录的集合的差集是否存在车辆运行规律，存在则加入车辆运行规律库。
进一步优选的，还包括用于实现如下功能的单元：将车辆运行规律数据库内所有车辆运行规律的适用条件定义为集合A，其中，A＝{An|n＝1,…,n}，An表示集合A的任一元素，即车辆运行规律的适用条件；将所有适用条件定义为集合V＝{Vk|k＝1，…,k}，其中，Vk表示集合V的任一元素；适用条件包括：预定义周期模式库所对应的所有适用条件，预定义事件库所对应的所有适用条件，车辆运行规律数据库中的所有车辆运行规律的适用条件即集合A的全部元素，所有预设函数的适用条件和所有母版函数生成的预测函数的适用条件；将集合A中每一个元素与集合V中每一个元素两两之间进行复合规律处理。
进一步优选的，集合V中有新元素加入时，即出现了新的适用条件定义时，设该新的适用条件为d，按照以下一个或多个步骤检测新的车辆运行规律：判断满足适用条件d时，每个母版函数系数是否存在车辆运行规律，存在则加入车辆运行规律数据库；将适用条件d与集合V内每一元素两两之间进行复合规律处理；将适用条件d与集合A内每一元素两两之间进行复合规律处理。
进一步优选的，将适用条件集合V中的元素两两之间进行复合规律处理。
进一步优选的，系统数据加工处理模块，用于对系统数据的加工处理，比如：由于传感设备故障导致系统获取的车流信息和实际通行数据失真时，可以通过外部系统或接口对历史交通数据库相关内容进行修正或清除无效数据。
进一步优选的，重新计算部分或全部数据，如：车道运行规律库，预测函数库，预测函数评分等
进一步优选的，事件获取模块，用于主动获取和/或接受推送事件信息用于更新预设事件模式库，如：每年国家法定节假日信息，具体的高速免费通行时段，城市或区域举办的活动和发行的事件(如城市举办交易会或运动会，区域学校设为考场等)。
优选的，周期模式库更新查块，用于更新和优化预设周期模式库内容。
实施例3：
本实施例是本发明提供的交通灯智能控制方法的实际应用场景。
方案1：假设，N(假设为4)相位交通路口，以1，2，3，4顺序轮流通行，轮到某道时，实时获取该相位所有车道车流信息，利用预测函数预测通行时间，然后按预测通行时间设置绿灯时间。
方案2：接方案1，第2相位当前通行，预测通行时间是50秒，设置绿灯47秒，黄灯3秒，50秒结束后，车辆未完成全部通行，2相位显示红色，下相位(3相位)推迟绿灯显示，直到2相位通过停止线的车辆完全通过交通路口。系统记录实际通行车辆，实际通行时间。然后根据结果对预测函数进行打分。
方案3：接方案1，第2相位当前通行，预测通行时间是50秒，设置绿灯47秒，黄灯3秒，经人工测算，第3相位与第2相位最小冲突时间是5秒，则每3相位在第2相位红色开始前3秒开始通行。
方案4：N(假设为4)相位交通路口，以1，2，3，4顺序轮流通行，2号相位通行即将结束，系统发现第3相位去向车道交能阻塞或没有排队等待车辆，系统跳过3号相位，直接给4号相位放行。
方案5：N(假设为4)相位交通路口，以1，2，3，4顺序轮流通行，2号相位当前为绿色通行状态，设定通行时间为50秒，设置绿灯47秒，黄灯3秒，当系统运行至45秒时，发现其它车道没有待通行车辆，而本相位仍有车辆通行或本相位包含最高权重的车道或本相位到达率最高，则系统延长本相关绿灯时间。
方案6：接方案5，2号相当前为绿色延时通行状态，4号相位有车辆到达或即将到达，其它相位没有车辆通行、等待或即将到达，2号相位绿灯结束，显示黄灯，4号相位红灯倒计时，然后绿灯放行。
方案7：接方案5，4号相位通行结束没有待通行或即将到达的车辆，其它相位都没有等待通行或即将到达的车辆，系统给含有最高权重车道的相位或最高到达率的2号相位设置绿灯延迟。
方案8:N(假设为4)相位交通路口，1，2，3，4，其中2，3相位包含人行斑马线，系统设置行人感知模块，到行人数量大于闸值或等待时间超过闸值时，所有互斥车道显示红灯结束通行，其中绿灯相位，显示黄灯，然后结束通行，且人行通道绿灯放行。
方案9：N(假设为4)相位交通路口，1，2，3，4，其中2号相位即将通行，预测通行时间60秒，设置绿灯57秒，黄色3秒，实际通行时间40秒全部车辆提前通行完成，57-40＝17秒大于闸值3秒，其它相位有待通行车辆，系统提前结束绿色通行状态，显示黄色，下相位绿灯放行。
方案10：N(假设为4)相位交通路口，1，2，3，4，其中2号相位包含3个车道，分别为21,22,23，则该相位通行时间的计算方法可采用如下任意一种：①分别计算3个车道的预测通行时间，取最大预测通行时间为本相位放行时间。②各车道预设权重或设置主车道，且在计算预测相位通行时间时，只需计算最高权重车道或主车道预测通行时间，并将上述预测通行时间设置为本相位放行时间。③分别计算3个车道的预测通行时间，根据上述预测通行时间的平均值设置本相位放行时间。④设置各车道权重，根据上述预测通行时间加权平均值设置本相位放行时间。
此外，还可以设置附属车道，即该车道不参与相位通行时间计算或满足某种条件时才参与相位通行时间计算。
方案11：接方案10，系统支持情景模式，每种情景模式可以采用不同的方案，可以为各车道设置不同权重或为相位设置不同的主车道。比如：上班车流高峰时段设置2号相位22车道为主车道或最高权重车道，下班车流高峰时段设置2号相位23车道为主车道或最高权重车道，在晚间闲时时段则将各车道预测通行时间最大值设置为相位放行时间，在下雨天则将各车道的平均值或加权平均值设置为相位放行时间。
实施例4：
方案12：交通路口支持可变相位，预定多个相位方案，或者说预定各可用相位方案。例如，对于某交通路口，具有多个可预定相位方案，例如，方案1：从东至西主车道车流高峰优化方案；方案2：从西至东主车道车流高峰优化方案；以及其它多个可用相位方案。
相位方案可以以车辆运行库中运行规律作为触发条件。例如，当系统预测早上周一至周五8：35-9:20为从东至西主车道车流高峰，即车流量超过设定闸值，系统自动切换到相位方案1；当系统预测9月30日晚18：00-10月1日早11：00从西至东主车道车流高峰，则系统自动切换到相位方案2.
此外，相位内各车道通行时间设置参照以上各实施例。
Claims (30)
1.一种交通灯智能控制方法，包括如下步骤：
实时获取交通路口指定区域内车流信息，该车流信息包括排队等待通过交通路口的车辆数和/或车流长度；
根据所述车流信息，采用函数规则库中符合当前适用条件的最高分值函数计算当前车道的预测通行时间；
根据所述当前车道的预测通行时间对交通灯进行控制；
获取所述车流信息的实际通行数据，该实际通行数据为实际通过路口的车辆数和/或车流长度；
将所述车流信息和实际通行数据存储到历史交通数据库，该历史交通数据库中还存储有采集的车辆运行状态数据；
将上述实际通行数据逐一代入所述函数规则库中符合当前适用条件的函数中，计算当前时刻各车道的车流预测通行时间，再根据每个车道的车流预测通行时间和该车道对应的车流实际通行时间，对满足当前适用条件的函数进行评分，根据该评分更新函数规则库中各函数的分值；
重复上述步骤。
2.根据权利要求1所述的交通灯智能控制方法，其特征在于，
所述函数规则库包括预设函数和根据母版函数生成的预测函数，所述预设函数为预先设定好的用于预测车流通行时间的函数，所述预测函数同样用来预测车流通行时间，但没有预先设置在函数规则库中，其由母版函数库中的母版函数生成，其中，所述母版函数库包括以下一个或多个函数：
Tt＝T01+(N-1)/Vn(1)
Tt＝T01+(Nu-1)/Vu(2)
Tt＝T01+Ln/Vl(3)
Tt＝T01+Lq/Vq，Lq＝Ln*Q(4)
Tt＝T01+(N+Nd*Tt-1)/Vn(5)
Tt＝T01+(Nu+Nud*Tt-1)/Vu(6)
Tt＝T01+(Ln+Lnd*Tt)/Vl(7)
Tt＝T01+(Lq+Lqd*Tt)/Vq(8)
Tt＝T01+T2+(N-Nj-1)/Vn,T2＝Nj/Vj(9)
Tt＝T01+T2+(Nu-Nuj-1)/Vu,T2＝Nuj/Vuj(10)
Tt＝T01+T2+(Ln-Lj)/Vl,T2＝Lj/Vlj(11)
Tt＝T01+T2+(Lq-Lqj)/Vq,T2＝Lqj/Vqj(12)
Tt＝T01+T2+(N-Nj-1+Nd*Tt)/Vn,T2＝Nj/Vj(13)
Tt＝T01+T2+(Nu-Nuj-1+Nud*Tt)/Vu,T2＝Nuj/Vuj(14)
Tt＝T01+T2+(Ln-Lj+Lnd*Tt)/Vl,T2＝Lj/Vlj(15)
Tt＝T01+T2+(Lq-Lqj+Lqd*Tt)/Vq,T2＝Lqj/Vqj(16)
Tt＝T01+T2+(N-Nj-1+Nd*Tt+Nd*Td)/Vn,T2＝Nj/Vj(17)
Tt＝T01+T2+(Nu-Nuj-1+Nud*Tt+Nud*Td)/Vu,T2＝Nuj/Vuj(18)
Tt＝T01+T2+(Ln-Lj+Lnd*Tt+Lnd*Td)/Vl,T2＝Lj/Vlj(19)
Tt＝T01+T2+(Lq-Lqj+Lqd*Tt+Lnd*Td)/Vq,T2＝Lqj/Vqj(20)
Tt＝T01+(N+Nd*Tt+Nd*Td-1)/Vn(21)
Tt＝T01+(Nu+Nud*Tt+Nud*Td-1)/Vu(22)
Tt＝T01+(Ln+Lnd*Tt+Lnd*Td)/Vl(23)
Tt＝T01+(Lq+Lqd*Tt+Lqd*Td)/Vq(24)
其中，Tt表示预测通行时间；
如下参数为母版函数系数：
T0表示绿灯亮后第一辆启动并通过停止线的时间；
T1表示绿灯亮后第一辆车通过停止线后，通过到达线的时间，车辆通过到达线则视为通过交通口；
T01＝T0+T1；
Vn表示到达线截面车辆通行速度；
Vu表示到达线截面车辆通行速度，其中车辆为转化为PCU后的标准车辆；
Vl表示到达线车辆通行速度，以队列长度计；
Vq表示到达线车辆通行速度，以车辆物理长度计，Vq＝Lq/t，Lq为去首队列中车长总和；
Nd：表示到达率，单位时间到达的车辆数；
Nud：表示到达率，单位时间到达的车辆数，以PCU计；
Lnd：表示到达率，单位时间到达队列的长度；
Lqd：表示到达率，单位时间到达车辆长度，以车辆物理长度计；
T2：表示绿灯亮后第一辆车通过停止线至车辆达到正常通行速度时经过的时间；
Nj：表示除首车辆，达到正常通行速度时已通行的车辆数；
Vj：表示除首车辆,达到正常通行速度前的平均通行速度，其中，Vj＝Nj/T2；
Nuj：表示除首车辆,达到正常通行速度时已通行的车辆数，以PCU计；
Vuj：表示除首车辆,达到正常通行速度前的平均通行速度，其中Vuj＝Nuj/T2；
Lj：表示除首车辆，达到正常通行速度时已通行的长度；
Vlj：表示除首车辆,达到正常通行速度前的平均通行速度，其中Vlj＝Lj/T2；
Lqj：表示除首车辆，达到正常通行速度时已通行的长度，以车辆物理长度计；
Vqj：表示除首车辆,达到正常通行速度前的平均通行速度，以车辆物理长度计，其中，
Vqj＝Lqj/T2；
如下参数为母版函数变量：
N，表示车辆数；
Nu表示转化为PCU后的车辆数；
L表示队列长度，即首车车头到尾车车尾的长度；
L1表示首车长度，即首车车头到首车车尾长度；
Ln表示去首车队列长度，即首车车尾至尾车车尾的长度，其中，Ln＝L-L1；
Lq表示去首队列中车长总和；
Q表示队列车辆密度，其中Q＝Lq/Ln；
Td表示计划等待时间，即从当前时间开始，到给测预通行时间的车道绿灯放行所计划经历的时间；
上述母版函数变量和母版函数系数对应的车辆运行状态通过车辆检测装置采集获得或通过计算获得。
3.根据权利要求2所述的交通灯智能控制方法，其特征在于，还包括如下步骤：
当历史交通数据库出现新的交通记录后，和/或，当函数规则库中满足当前适用条件的具有最高分值的预测函数的分值低于预设分值时，使用以下步骤更新所述函数规则库：
a)逐一识别母版函数库中的母版函数系数对应的车辆运行状态在当前适用条件下是否存在车辆运行规律；
b)查询所述历史交通数据库，当母版函数系数对应的车辆运行状态存在车辆运行规律时，将该车辆运行规律加入至车辆运行规律数据库；
c)在车辆运行规律数据库中查询适用条件所对应的历史交通记录集合存在交集的车辆运行规律，当任意母版函数中的全部系数都能在车辆运行规律数据库中查询到，并该全部系数能够同时满足某个适用条件时，根据该母版函数生成新的预测函数，此时该新的预测函数的适用条件为全部系数适用条件的交集，即该预测函数的适用条件为同时满足该预测函数所有系数的适用条件；
d)将上述新的预测函数进行初始评分后加入至所述函数规则库。
4.根据权利要求3所述的交通灯智能控制方法，其特征在于，所述初始评分具体包括：
将满足当前适用条件的母版函数变量对应的车流量历史交通数据逐一代入所述新的预测函数以获得车流预测通行时间，通过比较车流预测通行时间和车流实际通行时间，根据当前适用条件对应的评分过程进行评分，所述评分方法为：车流预测通行时间越接近车流实际通行时间，即预测精度越高，预测函数分值越高。
5.根据权利要求4所述的交通灯智能控制方法，其特征在于，
所述评分过程还包括：根据路口交通需求的达成程度对函数进行评分，达成程度越高，分值越高，所述路口交通需求包括：更快的通行时间、更大的通行车流量、更少等待时间或延误、更少的停车次数、给优先通行车辆更少的等待时间和停车次数中的一种或多种。
6.根据权利要求5所述的交通灯智能控制方法，其特征在于，
所述交通需求与情景模式相关，该情景模式包括车流高峰情景、闲时情景、与车流量相关的情景、与事件相关的情景、与时间相关的情景中的至少一种情景。
7.根据权利要求3-6任意一项所述的交通灯智能控制方法，其特征在于，所述车辆运行规律的判断方法包括：
a)查询某一适用条件下的全部交通记录数；
b)计算上述适用条件下当前母版函数系数对应的车辆运行状态正负预定范围内交通记录数量和上述全部交通记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功；
c)逐一识别相同适用条件下的其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；
d)变更适用条件，逐一识别其它适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
8.根据权利要求3所述的交通灯智能控制方法，其特征在于，
所述车辆运行规律的判断方法包括：
a)当所述适用条件包含时间时，预定义周期模式库，周期模式包括若干组，每组包括时间长度不同的多个周期，所述多个周期按从大到小的顺序排布；
b)查询在该适用条件下,在周期模式库中某一组的最大周期内对应的全部交通记录数；
c)计算上述适用条件下，某一母版函数系数所对应的车辆运行状态在周期模式库中上述分组的最大周期内且正负预定范围内对应的交通记录数量和上述全部交通记录数的比值，当该比值大于等于预设比例时，识别车辆运行规律成功，随后继续按照从大到小的周期排布顺序，依次识别该组其他周期内该母版函数系数是否存在车辆运行规律；当该比值小于预设比例时，识别车辆运行规律不成功，随后仍然按照从大到小的周期排布顺序，依次识别该组其他周期内该母版函数系数是否存在车辆运行规律；
d)重复上述步骤，逐一识别其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；
e)变更上述分组，重复上述步骤，逐一识别改变后的适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
9.根据权利要求3所述的交通灯智能控制方法，其特征在于，
车辆运行规律的判断方法包括：
a)当所述适用条件包含事件时，预定义事件模式库，该事件模式库中包括多种不同的事件状态；
b)采集车辆在满足事件模式库中某一事件状态时，车辆在当前适用条件下的全部交通记录数；
c)计算满足事件模式库中上述事件状态时，当前车辆的母版函数系数对应的车辆运行状态在正负预定范围内的交通记录数量和上述全部交通记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功，当该比例小于预设比例时识别失败；
d)重复上述步骤，逐一识别相同适用条件下的其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；
e)变更适用条件，重复上述步骤，逐一识别其它适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
10.根据权利要求3所述的交通灯智能控制方法，其特征在于，
所述车辆运行规律的判断方法包括：
当所述车流信息中还包括母版函数系数对应的当前车辆运行状态数据时，在历史交通数据库中查询满足上述当前车辆运行状态数据正负预定范围内的全部交通记录；
对上述全部交通记录关联的所有适用条件进行分组；
分别在历史交通数据库中查询当满足任何一个分组的适用条件时全部记录数即分组记录数和当前车辆运行状态数据正负预定范围内的记录数即分组预定范围记录数；
计算每个分组预定范围记录数和分组记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功，所述比值为该车辆运行规律的适用条件可靠度。
11.根据权利要求7所述的交通灯智能控制方法，其特征在于，
所述车辆运行规律的判断方法还包括如下步骤：
1)在历史交通数据库中查询某一适用条件下的全部历史交通记录数N1和该适用条件下当前母版函数系数所对应的车辆运行状态正负预定范围内的历史交通记录数N2；
2)按以下方法判断车辆运行规律：
设X为当前模板函数系数、A为当前适用条件所对应历史交通记录所组成的集合，K为可靠度，其中K＝(N2/N1)*100％；
设L＝{Ln＝(Xn,An,Kn)|n＝1,2,3…}，L是运行规律数据库，Ln是车辆运行规律数据库中任意车辆运行规律，Xn是车辆运行规律所对应的母版函数系数，An为车辆运行规律的适用条件所对应的历史交通记录所组成的集合，Kn为车辆运行规律所对应的可靠度；
当不存在任何X等于Xn且时，只要K>Ky即为视别车辆运行规律成功，其中Ky为当前母版函数系数所对应的预设可靠度；
当存在任意X等于Xn且时，K大于所有Kn，其中X＝Xn，此时表示视别车辆运行规律成功。
12.根据权利要求1-6、8-10任意一项所述的交通灯智能控制方法，其特征在于，
对任意两种适用条件进行复合规律处理，复合规律处理方法是：
1)判断第一适用条件对应的历史交通记录的集合与第二适用条件对应的历史交通记录的集合的交集是否存在车辆运行规律，存在则加入车辆运行规律库；
2)判断第一适用条件对应的历史交通记录的集合与第二适用条件对应的历史交通记录的集合的差集是否存在车辆运行规律，存在则加入车辆运行规律库；
3)判断第二适用条件对应的历史交通记录的集合与第一适用条件对应的历史交通记录的集合的差集是否存在车辆运行规律，存在则加入车辆运行规律库。
13.根据权利要求12所述的交通灯智能控制方法，其特征在于，还包括如下步骤：
将车辆运行规律数据库内所有车辆运行规律的适用条件定义为集合A，其中，A＝{An|n＝1,…,n}，An表示集合A的任一元素，即车辆运行规律的适用条件；
将所有适用条件定义为集合V＝{Vk|k＝1，…,k}，其中，Vk表示集合V的任一元素；所述适用条件包括：预定义周期模式库所对应的所有适用条件，预定义事件库所对应的所有适用条件，车辆运行规律数据库中的所有车辆运行规律的适用条件即集合A的全部元素，所有预设函数的适用条件和所有母版函数生成的预测函数的适用条件；
将集合A中每一个元素与集合V中每一个元素两两之间进行复合规律处理。
14.根据权利要求13所述的交通灯智能控制方法，其特征在于，
集合V中有新元素加入时，即出现了新的适用条件定义时，设该新的适用条件为d，按照以下一个或多个步骤检测新的车辆运行规律：
判断满足适用条件d时，每个母版函数系数是否存在车辆运行规律，存在则加入车辆运行规律数据库；
将适用条件d与所述集合V内每一元素两两之间进行复合规律处理；
将适用条件d与所述集合A内每一元素两两之间进行复合规律处理。
15.根据权利要求12所述的交通灯智能控制方法，其特征在于，
将适用条件集合V中的元素两两之间进行复合规律处理。
16.一种交通灯智能控制系统，包括如下模块：
车流信息获取模块，其用于实时获取交通路口指定区域内车流信息，该车流信息包括排队等待通过交通路口的车辆数和/或车流长度；
通行时间预测模块，其用于根据所述车流信息，采用函数规则库中符合当前适用条件的最高分值函数计算当前车道的预测通行时间；
交通灯控制模块，用于根据所述当前车道的预测通行时间对交通灯进行控制；
实际通行数据获取模块，用于获取所述车流信息的实际通行数据，该实际通行数据为实际通过路口的车辆数和/或车流长度；
存储模块，用于将所述车流信息和实际通行数据存储到历史交通数据库，该历史交通数据库中还存储有采集的车辆运行状态数据；
分值更新模块，用于将上述实际通行数据逐一代入所述函数规则库中符合当前适用条件的函数中，计算当前时刻各车道的车流预测通行时间，再根据每个车道的车流预测通行时间和该车道对应的车流实际通行时间，对满足当前适用条件的函数进行评分，根据该评分更新函数规则库中各函数的分值；
重复执行上述各模块。
17.根据权利要求16所述的交通灯智能控制系统，其特征在于，
所述函数规则库包括预设函数和根据母版函数生成的预测函数，所述预设函数为预先设定好的用于预测车流通行时间的函数，所述预测函数同样用来预测车流通行时间，但没有预先设置在函数规则库中，其由母版函数库中的母版函数生成，其中，所述母版函数库包括以下一个或多个函数：
Tt＝T01+(N-1)/Vn(1)
Tt＝T01+(Nu-1)/Vu(2)
Tt＝T01+Ln/Vl(3)
Tt＝T01+Lq/Vq，Lq＝Ln*Q(4)
Tt＝T01+(N+Nd*Tt-1)/Vn(5)
Tt＝T01+(Nu+Nud*Tt-1)/Vu(6)
Tt＝T01+(Ln+Lnd*Tt)/Vl(7)
Tt＝T01+(Lq+Lqd*Tt)/Vq(8)
Tt＝T01+T2+(N-Nj-1)/Vn,T2＝Nj/Vj(9)
Tt＝T01+T2+(Nu-Nuj-1)/Vu,T2＝Nuj/Vuj(10)
Tt＝T01+T2+(Ln-Lj)/Vl,T2＝Lj/Vlj(11)
Tt＝T01+T2+(Lq-Lqj)/Vq,T2＝Lqj/Vqj(12)
Tt＝T01+T2+(N-Nj-1+Nd*Tt)/Vn,T2＝Nj/Vj(13)
Tt＝T01+T2+(Nu-Nuj-1+Nud*Tt)/Vu,T2＝Nuj/Vuj(14)
Tt＝T01+T2+(Ln-Lj+Lnd*Tt)/Vl,T2＝Lj/Vlj(15)
Tt＝T01+T2+(Lq-Lqj+Lqd*Tt)/Vq,T2＝Lqj/Vqj(16)
Tt＝T01+T2+(N-Nj-1+Nd*Tt+Nd*Td)/Vn,T2＝Nj/Vj(17)
Tt＝T01+T2+(Nu-Nuj-1+Nud*Tt+Nud*Td)/Vu,T2＝Nuj/Vuj(18)
Tt＝T01+T2+(Ln-Lj+Lnd*Tt+Lnd*Td)/Vl,T2＝Lj/Vlj(19)
Tt＝T01+T2+(Lq-Lqj+Lqd*Tt+Lnd*Td)/Vq,T2＝Lqj/Vqj(20)
Tt＝T01+(N+Nd*Tt+Nd*Td-1)/Vn(21)
Tt＝T01+(Nu+Nud*Tt+Nud*Td-1)/Vu(22)
Tt＝T01+(Ln+Lnd*Tt+Lnd*Td)/Vl(23)
Tt＝T01+(Lq+Lqd*Tt+Lqd*Td)/Vq(24)
其中，Tt表示预测通行时间；
如下参数为母版函数系数：
T0表示绿灯亮后第一辆启动并通过停止线的时间；
T1表示绿灯亮后第一辆车通过停止线后，通过到达线的时间，车辆通过到达线则视为通过交通口；
T01＝T0+T1；
Vn表示到达线截面车辆通行速度；
Vu表示到达线截面车辆通行速度，其中车辆为转化为PCU后的标准车辆；
Vl表示到达线车辆通行速度，以队列长度计；
Vq表示到达线车辆通行速度，以车辆物理长度计，Vq＝Lq/t，Lq为去首队列中车长总和；
Nd：表示到达率，单位时间到达的车辆数；
Nud：表示到达率，单位时间到达的车辆数，以PCU计；
Lnd：表示到达率，单位时间到达队列的长度；
Lqd：表示到达率，单位时间到达车辆长度，以车辆物理长度计；
T2：表示绿灯亮后第一辆车通过停止线至车辆达到正常通行速度时经过的时间；
Nj：表示除首车辆，达到正常通行速度时已通行的车辆数；
Vj：表示除首车辆,达到正常通行速度前的平均通行速度，其中，Vj＝Nj/T2；
Nuj：表示除首车辆,达到正常通行速度时已通行的车辆数，以PCU计；
Vuj：表示除首车辆,达到正常通行速度前的平均通行速度，其中Vuj＝Nuj/T2；
Lj：表示除首车辆，达到正常通行速度时已通行的长度；
Vlj：表示除首车辆,达到正常通行速度前的平均通行速度，其中Vlj＝Lj/T2；
Lqj：表示除首车辆，达到正常通行速度时已通行的长度，以车辆物理长度计；
Vqj：表示除首车辆,达到正常通行速度前的平均通行速度，以车辆物理长度计，其中，
Vqj＝Lqj/T2；
如下参数为母版函数变量：
N，表示车辆数；
Nu表示转化为PCU后的车辆数；
L表示队列长度，即首车车头到尾车车尾的长度；
L1表示首车长度，即首车车头到首车车尾长度；
Ln表示去首车队列长度，即首车车尾至尾车车尾的长度，其中，Ln＝L-L1；
Lq表示去首队列中车长总和；
Q表示队列车辆密度，其中Q＝Lq/Ln；
Td表示计划等待时间，即从当前时间开始，到给测预通行时间的车道绿灯放行所计划经历的时间；
上述母版函数变量和母版函数系数对应的车辆运行状态通过车辆检测装置采集获得或通过计算获得。
18.根据权利要求17所述的交通灯智能控制系统，其特征在于，还包括如下模块：
函数规则库更新模块，其用于当历史交通数据库出现新的交通记录后，和/或，当函数规则库中满足当前适用条件的具有最高分值的预测函数的分值低于预设分值时，使用以下步骤更新所述函数规则库：
a)逐一识别母版函数库中的母版函数系数对应的车辆运行状态在当前适用条件下是否存在车辆运行规律；
b)查询所述历史交通数据库，当母版函数系数对应的车辆运行状态存在车辆运行规律时，将该车辆运行规律加入至车辆运行规律数据库；
c)在车辆运行规律数据库中查询适用条件所对应的历史交通记录集合存在交集的车辆运行规律，当任意母版函数中的全部系数都能在车辆运行规律数据库中查询到，并该全部系数能够同时满足某个适用条件时，根据该母版函数生成新的预测函数，此时该新的预测函数的适用条件为全部系数适用条件的交集，即该预测函数的适用条件为同时满足该预测函数所有系数的适用条件；
d)将上述新的预测函数进行初始评分后加入至所述函数规则库。
19.根据权利要求18所述的交通灯智能控制系统，其特征在于，所述初始评分具体包括：
将满足当前适用条件的母版函数变量对应的车流量历史交通数据逐一代入所述新的预测函数以获得车近车流预测通行时间，通过比较车流预测通行时间和车流实际通行时间，根据当前适用条件对应的评分过程进行评分，所述评分方法为：车流预测通行时间越接流实际通行时间，即预测精度越高，预测函数分值越高。
20.根据权利要求19所述的交通灯智能控制系统，其特征在于，
所述评分过程还包括：根据路口交通需求的达成程度对函数进行评分，达成程度越高，分值越高，所述路口交通需求包括：更快的通行时间、更大的通行车流量、更少等待时间或延误、更少的停车次数、给优先通行车辆更少的等待时间和停车次数中的一种或多种。
21.根据权利要求20所述的交通灯智能控制系统，其特征在于，
所述交通需求与情景模式相关，该情景模式包括车流高峰情景、闲时情景、与车流量相关的情景、与事件相关的情景、与时间相关的情景中的至少一种情景。
22.根据权利要求18-21任意一项所述的交通灯智能控制系统，其特征在于，还包括车辆运行规律的判断单元，其用于执行以下步骤：
a)查询某一适用条件下的全部交通记录数；
b)计算上述适用条件下当前母版函数系数对应的车辆运行状态正负预定范围内交通记录数量和上述全部交通记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功；
c)逐一识别相同适用条件下的其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；
d)变更适用条件，逐一识别其它适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
23.根据权利要求18所述的交通灯智能控制系统，其特征在于，
还包括车辆运行规律的判断单元，用于执行以下步骤：
a)当所述适用条件为时间时，预定义周期模式库，周期模式包括若干组，每组包括时间长度不同的多个周期，所述多个周期按从大到小的顺序排布；
b)查询在该适用条件下，在周期模式库中某一组的最大周期内对应的全部交通记录数；
c)计算上述适用条件下，某一母版函数系数所对应的车辆运行状态在周期模式库中上述组的最大周期内且正负预定范围内对应的交通记录数量和上述全部交通记录数的比值，当该比值大于等于预设比例时，识别车辆运行规律成功，随后继续按照从大到小的周期排布顺序，依次识别该组其他周期内该母版函数系数是否存在车辆运行规律；当该比值小于预设比例时，识别车辆运行规律不成功，随后仍然按照从大到小的周期排布顺序，依次识别该组其他周期内该母版函数系数是否存在车辆运行规律；
d)重复上述步骤，逐一识别其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；
e)变更上述分组，重复上述步骤，逐一识别改变后的适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
24.根据权利要求18所述的交通灯智能控制系统，其特征在于，
还包括车辆运行规律的判断单元，用于执行以下步骤：
a)当所述适用条件为事件时，预定义事件模式库，该事件模式库中包括多种不同的事件状态；
b)采集车辆在满足事件模式库中某一事件状态时，车辆在当前适用条件下的全部交通记录数；
c)计算满足事件模式库中上述事件状态时，当前车辆的母版函数系数对应的车辆运行状态在正负预定范围内的交通记录数量和上述全部交通记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功，当该比例小于预设比例时识别失败；
d)重复上述步骤，逐一识别相同适用条件下的其他母版函数系数对应的车辆运行状态是否存在车辆运行规律；
e)变更适用条件，重复上述步骤，逐一识别其它适用条件下的每个母版函数系数对应的车辆运行状态是否存在车辆运行规律。
25.根据权利要求18所述的交通灯智能控制系统，其特征在于，还包括车辆运行规律的判断单元，用于：
当所述车流信息中还包括母版函数系数对应的当前车辆运行状态数据时，在历史交通数据库中查询满足上述当前车辆运行状态数据正负预定范围内的全部交通记录；
对上述全部交通记录所关联的所有适用条件进行分组；
分别在历史交通数据库中查询当满足任何一个分组的适用条件时全部记录数即分组记录数和当前车辆运行状态正负预定范围内的记录数即分组预定范围记录数；
计算每个分组预定范围记录数和分组记录数的比值，当该比值大于预设比例时，识别车辆运行规律成功，所述比值为该车辆运行规律的适用条件可靠度。
26.根据权利要求22所述的交通灯智能控制系统，其特征在于，还包括车辆运行规律的判断单元，其用于执行以下步骤：
在历史交通数据库中查询某一适用条件下的全部历史交通记录数N1和当前适用条件下当前母版函数系数所对应的车辆运行状态正负预定范围内的历史交通记录数N2；
按以下方法判断车辆运行规律：
设X为当前模板函数系数、A为当前适用条件所对应历史交通记录所组成的集合，K为可靠度，其中K＝(N2/N1)*100％；
设L＝{Ln＝(Xn,An,Kn)|n＝1,2,3…}，L是运行规律数据库，Ln是车辆运行规律数据库中任意车辆运行规律，Xn是车辆运行规律所对应的母版函数系数，An为车辆运行规律的适用条件所对应的历史交通记录所组成的集合，Kn为车辆运行规律所对应的可靠度；
当不存在任何X等于Xn且时，只要K>Ky即为视别车辆运行规律成功，其中Ky为当前母版函数系数所对应的预设可靠度；
当存在任意X等于Xn且时，K大于所有Kn，其中X＝Xn，此时表示视别车辆运行规律成功。
27.根据权利要求16-21、23-25任意一项所述的交通灯智能控制系统，其特征在于，
还包括对任意两种适用条件进行复合规律处理的单元，该单元用于：
判断第一适用条件对应的历史交通记录的集合与第二适用条件对应的历史交通记录的集合的交集是否存在车辆运行规律，存在则加入车辆运行规律库；
判断第一适用条件对应的历史交通记录的集合与第二适用条件对应的历史交通记录的集合的差集是否存在车辆运行规律，存在则加入车辆运行规律库；
判断第二适用条件对应的历史交通记录的集合与第一适用条件对应的历史交通记录的集合的差集是否存在车辆运行规律，存在则加入车辆运行规律库。
28.根据权利要求27所述的交通灯智能控制系统，其特征在于，还包括用于实现如下功能的单元：
将车辆运行规律数据库内所有车辆运行规律的适用条件定义为集合A，其中，A＝{An|n＝1,…,n}，An表示集合A的任一元素，即车辆运行规律的适用条件；
将所有适用条件定义为集合V＝{Vk|k＝1，…,k}，其中，Vk表示集合V的任一元素；所述适用条件包括：预定义周期模式库所对应的所有适用条件，预定义事件库所对应的所有适用条件，车辆运行规律数据库中的所有车辆运行规律的适用条件即集合A的全部元素，所有预设函数的适用条件和所有母版函数生成的预测函数的适用条件；
将集合A中每一个元素与集合V中每一个元素两两之间进行复合规律处理。
29.根据权利要求28所述的交通灯智能控制系统，其特征在于，
集合V中有新元素加入时，即出现了新的适用条件定义时，设该新的适用条件为d，按照以下一个或多个步骤检测新的车辆运行规律：
判断满足适用条件d时，每个母版函数系数是否存在车辆运行规律，存在则加入车辆运行规律数据库；
将适用条件d与所述集合V内每一元素两两之间进行复合规律处理；
将适用条件d与所述集合A内每一元素两两之间进行复合规律处理。
30.根据权利要求27所述的交通灯智能控制系统，其特征在于，
将适用条件集合V中的元素两两之间进行复合规律处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610970804.3A CN106504548B (zh) | 2016-10-27 | 2016-10-27 | 交通灯智能控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610970804.3A CN106504548B (zh) | 2016-10-27 | 2016-10-27 | 交通灯智能控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106504548A CN106504548A (zh) | 2017-03-15 |
| CN106504548B true CN106504548B (zh) | 2019-04-09 |
Family
ID=58322859
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610970804.3A Active CN106504548B (zh) | 2016-10-27 | 2016-10-27 | 交通灯智能控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106504548B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106971568A (zh) * | 2017-05-28 | 2017-07-21 | 佛山市神风航空科技有限公司 | 一种交通红绿灯实时控制系统 |
| CN109901446B (zh) | 2017-12-08 | 2020-07-07 | 广州汽车集团股份有限公司 | 路口通行控制方法、装置及系统 |
| SG11201811242TA (en) * | 2018-07-25 | 2020-02-27 | Beijing Didi Infinity Technology & Development Co Ltd | Systems and methods for controlling traffic lights |
| CN109615877A (zh) * | 2018-12-24 | 2019-04-12 | 中国船舶重工集团公司第七0研究所 | 一种红绿灯路口车辆检测器失效的补偿方法 |
| CN109637141B (zh) * | 2019-01-14 | 2020-11-03 | 杭州电子科技大学 | 一种基于宽度优先搜索的动态配时交通信号灯控制方法 |
| CN112785840B (zh) * | 2020-12-17 | 2022-03-08 | 漳州职业技术学院 | 一种城市智能交通计算机控制系统及方法 |
| CN113781784B (zh) * | 2021-11-09 | 2022-02-11 | 深圳市奥新科技有限公司 | 一种智能交通灯及其控制方法 |
| CN114299713B (zh) * | 2021-12-01 | 2023-09-29 | 重庆邮电大学 | 一种基于自适应信号灯的单点交叉口车辆调度系统与方法 |
| CN116092309B (zh) * | 2023-01-05 | 2024-04-16 | 无锡车联天下信息技术有限公司 | 一种交通灯控制方法、装置、系统、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5018599B2 (ja) * | 2008-03-31 | 2012-09-05 | 住友電気工業株式会社 | 交通信号制御装置及び方法、到着プロファイルの推定装置、並びに、コンピュータプログラム |
| CN104157150A (zh) * | 2014-08-08 | 2014-11-19 | 同济大学 | 新型的单路口交通信号灯控制方法 |
| CN105513377A (zh) * | 2015-12-18 | 2016-04-20 | 天津通翔智能交通系统有限公司 | 一种多模式互反馈交通信号控制方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4743523B2 (ja) * | 2006-03-22 | 2011-08-10 | 住友電気工業株式会社 | 交差点における車両挙動の予測システム |
| JP6566664B2 (ja) * | 2015-03-11 | 2019-08-28 | 株式会社京三製作所 | 交通信号制御機 |
-
2016
- 2016-10-27 CN CN201610970804.3A patent/CN106504548B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5018599B2 (ja) * | 2008-03-31 | 2012-09-05 | 住友電気工業株式会社 | 交通信号制御装置及び方法、到着プロファイルの推定装置、並びに、コンピュータプログラム |
| CN104157150A (zh) * | 2014-08-08 | 2014-11-19 | 同济大学 | 新型的单路口交通信号灯控制方法 |
| CN105513377A (zh) * | 2015-12-18 | 2016-04-20 | 天津通翔智能交通系统有限公司 | 一种多模式互反馈交通信号控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106504548A (zh) | 2017-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106504548B (zh) | 交通灯智能控制方法及系统 | |
| CN104183119B (zh) | 基于路段od反推的实时交通流分布预测方法 | |
| Fu | A simulation model for evaluating advanced dial-a-ride paratransit systems | |
| US7577513B2 (en) | Traffic information prediction system | |
| CN104102953B (zh) | 一种物流送货线路优化生成方法及系统 | |
| CN110111592B (zh) | 基于交通信号控制机动态匹配最优信号配时方案的方法 | |
| CN113850371A (zh) | 估计到达时间的系统和方法 | |
| CN110766211A (zh) | 一种实时路况下的车辆路径规划问题模型创建方法 | |
| CN110517492A (zh) | 基于平行集成学习的交通路径推荐方法、系统、装置 | |
| CN105513400A (zh) | 动态规划出行路径的方法 | |
| CN109544929A (zh) | 一种基于大数据的车辆低碳控制与诱导方法、系统、设备和存储介质 | |
| CN106920402A (zh) | 一种基于交通流量的时间序列划分方法与系统 | |
| CN106875734B (zh) | 一种推送停车路线的方法及装置 | |
| CN110491158A (zh) | 一种基于多元数据融合的公交车到站时间预测方法及系统 | |
| CN107368931A (zh) | 基于大数据分析技术的物流配送路径动态规划方法及系统 | |
| CN109191852B (zh) | 车-路-云协同的交通流态势预测方法 | |
| CN107195177A (zh) | 基于分布式内存计算框架对城市交通路况的预测方法 | |
| CN104951848A (zh) | 一种实时拼车匹配方法 | |
| CN103956042A (zh) | 一种基于图论的公共自行车调度区域智能划分方法 | |
| US20230057564A1 (en) | Methods for managing cleaning routes in smart cities, internet of things systems, and storage mediums | |
| CN109697867A (zh) | 一种基于深度学习的交通控制方法及系统 | |
| CN106225793A (zh) | 基于经验的导航算法 | |
| CN104596534B (zh) | 一种计算最优行车路径的方法 | |
| CN109800908A (zh) | 基于lstm模型的信号交叉口运行状态预测方法和系统 | |
| CN113256472B (zh) | 智能交通管控方法、系统以及类脑计算可读存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190308 Address after: 510000 No. 101, No. 12 Keyun Road, Tianhe District, Guangzhou City, Guangdong Province Applicant after: Guangzhou Zi Ling Mdt InfoTech Ltd Address before: 510000 Fangyuan E Time Building, Keyun Road, Tianhe District, Guangzhou City, Guangdong Province Applicant before: Li Yonggang |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |