CN107610487B - 基于动态随机车流相位差协调机制的区域交通控制系统和方法 - Google Patents
基于动态随机车流相位差协调机制的区域交通控制系统和方法 Download PDFInfo
- Publication number
- CN107610487B CN107610487B CN201710730297.0A CN201710730297A CN107610487B CN 107610487 B CN107610487 B CN 107610487B CN 201710730297 A CN201710730297 A CN 201710730297A CN 107610487 B CN107610487 B CN 107610487B
- Authority
- CN
- China
- Prior art keywords
- intersection
- traffic flow
- traffic
- sub
- timing scheme
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于动态随机车流相位差协调机制的区域交通控制系统和方法,该方法包括步骤1:采集路网中各路口各车道上的车流量信息、各路口各车道上个周期遗留的车辆数。步骤2:子区协调控制器模块根据感知模块采集到的交通信息,采用所建立的基于动态随机车流相位差协调机制的子区信号协调优化模块。步骤3:控制系统的最终配时方案通过配时方案输出模块施加给受控车流,控制信号配时方案行驶。步骤4:通过信号采集模块获得当前系统车流运行状况,判断是否满足系统预期子区车辆平均延误。若满足,则当前配时方案为此时段子区路网最佳配时方案;否则,转上述步骤1。该方法减少交通拥堵,快速协调各个路口信号控制,降低区域路网平均车辆延误。
Description
技术领域
本发明涉及一种基于动态随机车流相位差协调机制的区域交通协调控制系统和方法,属于智能交通技术领域。
背景技术
城市交通系统是现代城市发展的基础,城市交通控制是现代城市智能交通系统的一个重要的组成部分。随着城市交通网络的发展及交通负载不断增大,如何提高城市交通路网的交通效率,已成为一个亟待解决的问题。区域交通协调控制技术是解决这一问题的有效途径。现有的区域交通协调控制技术中,有的结合并行学习技术,提出一种基于强化学习自适应交通信号控制方案,利用并行学习的优点来增强智能算法探索能力,减少车辆延迟时间和排队长度;有的在车辆延误模型HCM2000的基础上纳入相位差因素,建立以最小化车辆平均时延为目标的优化模型,通过进化算法进行全局优化。有的对HCM2000延误模型进行改进,使其能应用于混合整数非线性优化,同时建立以交叉口总平均控制延迟最小优化模型,并运用VISSIM 提供的仿真模型应用编程接口,在AMPL(数学编程语言)中对模型进行编码,通过仿真验证了提出的改进延误模型可靠性。以上技术方案大多通过构建交通模型,采用智能算法优化控制,在一定程度上提高了交通效率。但仍存在一些问题:如区域协调优化控制模型未充分利用子区内相位差的协调、未充分考虑车辆随机到达特性、采用的优化算法的优化效果有待进一步提高等。针对HCM2000延时模型,由于未融入交叉口间相位差协调控制机制,导致子区交叉口之间难以形成整体协调控制,造成车辆通过子区平均延时变高;以及入口车辆随机到达,导致入口交通流具有波动性,造成入口车辆平均延时计算不准确。本发明构建了一种动态随机车流延误计算模型,并在子区入口构建了一种混合整数非线性优化车辆延误计算模型;在子区内部引入了动态随机车流相位差协调控制机制,并运用改进遗传算法实现子区交通信号协调优化控制。
发明内容
本发明目的在于针对现有区域交通控制系统存在的问题,提出了一种基于动态随机车流相位差协调机制的区域交通协调控制系统和方法,该方法将路网子区交通流分为子区内部路口交通流和边缘路口交通流两部分,通过引入相位差协调机制,将整个路网子区内所有交叉口关联起来,再通过改进HCM2000车辆延误模型,使其适用于子区交通流存在波动性情形。结合改进型车辆延误模型,以子区内车辆平均时延最短作为优化目标,建立了基于动态随机车流相位差协调机制的子区交通信号协调控制模型。本发明能显著地降低区域路网车辆平均延误时间。
本发明解决其技术问题所采取的技术方案是:一种基于动态随机车流相位差协调机制的区域交通协调控制系统,该系统包括子区协调控制器模块、子区信号协调优化模块、交通状态感知模块、配时方案输出模块、受控车流。
子区协调控制器模块的功能是:通过子区信号协调优化模块得到最优配时方案和对应系统性能指标,即PI(Performance index)。比较现行控制方案的性能指标与调整配时后方案的性能指标,将其中最优性能指标所对应的各个路口配时方案输出给配时方案输出模块。
子区信号协调优化模块的功能是:根据交通状态感知模块采集到的交通信息,优化出各个路口最优的配时方案及其对应性能指标,送给子区协调控制器模块。
交通状态感知模块的功能是:采集各路口各车道上的车流量信息。
配时方案输出模块的功能是:把最终配时方案,通过信号输出装置作用于受控车流。
受控车流:控制系统最终调控对象。
本发明还提供了一种基于动态随机车流相位差协调机制的区域交通协调控制系统的实现方法,该方法包括如下步骤:
步骤1:采集路网中各路口各车道上的车流量信息、各路口各车道上个周期遗留的车辆数。
步骤2:子区协调控制器模块根据感知模块采集到的交通信息,结合子区信号协调优化模块寻到子区中各路口各自最优的配时方案。
步骤3:控制系统的最终配时方案通过配时方案输出模块施加给受控车流,受控车流依照控制系统输出的控制信号配时方案行驶。
步骤4:通过信号采集模块获得当前系统车流运行状况,判断是否满足系统预期子区车辆平均延误。若满足,则当前配时方案即为此时段子区路网最佳配时方案;否则,转上述步骤1。
本发明上述步骤2包括:构建一种基于动态随机车流相位差协调机制的区域交通控制延时模型,即式(2-11),所述模型能适用于车流量具有波动性情况,即延迟模型具有较强的动态随机性:
其中:
q为实际交通流量(veh/s),s为饱和流量(veh/s),θa,b为交通流从交叉口a到交叉口b时下行相位差,L为两交叉口之间的距离,v为路网车辆平均车速,C为信号周期,x:为饱和度, x=q/s。
除以设定时段通过该相位的车辆数,得到内部进口道该相位平均延时:
din=Din/Tq (2-12)
其中:T为分析时所设定的时段。
有益效果:
1、本发明先将路网子区交通流分为子区内部路口交通流和边缘路口交通流两部分,通过引入相位差协调机制,从而将整个路网子区内所有交叉口关联起来,再通过对相位差协调模型融入车流随机波动所产生的附加延误,使模型具有较好的实时性。同时,对子区入口车辆延时模型进行改进,使其能用混合整数非线性优化法,求解车辆随机到达延误时间。
2、本发明能够有效地减少交通拥堵,快速协调各个路口的信号控制,降低区域路网的平均车辆延误。
附图说明
图1为本发明系统的结构示意图。
图2为本发明单路口模型图。
图3为相邻交叉口相位差示意图。
图4为本发明子区路口协调模型图。
图5为子区内部交叉口车辆平均延误示意图。
图6为本发明优化模块流程图。
图7为本发明的方法流程图。
具体实施方式
下面结合说明书附图对本发明创造作进一步的详细说明。
实施例一
如图1所示,本发明提供了一种基于动态随机车流相位差协调机制的区域交通协调控制系统,该系统包括子区协调控制器模块、子区信号协调优化模块、交通状态感知模块、配时方案输出模块、受控车流。
子区协调控制器模块的功能是:通过子区信号协调优化模块得到最优配时方案和对应系统性能指标,即PI(Performance index)。比较现行控制方案的性能指标与调整配时后方案的性能指标,将其中最优性能指标所对应的各个路口配时方案输出给配时方案输出模块。
子区信号协调优化模块的功能是:根据交通状态感知模块采集到的交通信息,优化出各个路口最优的配时方案及其对应性能指标,送给子区协调控制器模块。
交通状态感知模块的功能是:采集各路口各车道上的车流量信息。
配时方案输出模块的功能是:把最终配时方案,通过信号输出装置作用于受控车流。
受控车流:控制系统最终调控对象。
如图7所示,本发明提供了一种基于动态随机车流相位差协调机制的区域交通协调控制系统的实现方法,该方法包括如下步骤:
步骤1:采集路网中各路口各车道上的车流量信息、各路口各车道上个周期遗留的车辆数。
步骤2:子区协调控制器模块根据感知模块采集到的交通信息,结合子区信号协调优化模块寻到子区中各路口各自最优的配时方案。
步骤3:控制系统的最终配时方案通过配时方案输出模块施加给受控车流,受控车流依照控制系统输出的控制信号配时方案行驶。
步骤4:通过信号采集模块获得当前系统车流运行状况,判断是否满足系统预期子区车辆平均延误。若满足,则当前配时方案即为此时段子区路网最佳配时方案;否则,转上述步骤1。
本发明上述步骤2的子区协调控制器模块根据感知模块采集到的交通信息,结合子区信号协调优化模块寻到子区中各路口各自最优的配时方案包括:
1、区域交通信号优化控制模型
目前,大多数城市交通网络交叉口的形状是“+”,交通系统的右转车辆与直行车辆合并分析,如图2所示。因此,本发明将若干个交叉口组成的小区域交通网络作为研究对象,采用在道路上常用的四相位六车道模式。以子区内所有车辆平均延误最小为目标,建立子区交通信号协调控制优化模型。本发明提出模型主要包括交叉口的周期、各个交叉口相位时间、相邻交叉口之间相位差。
(1)优化参数及其约束条件
①周期
每个交叉口周期存在一个上下界:即最大周期时长Cmax和最小周期时长Cmin,故每个交叉口周期Ci存在以下约束条件:
Cmin<Ci<Cmax i∈{1、2...N}
N为子区中交叉口数目;在同一个路网子区内各个交叉口信号周期须为相同值,才能对子区中交叉口间的相位差和各自相位时间进行统一优化。
②绿信比
对交叉口信号绿信比的优化,需要考虑最小绿灯时间,即为了保证交通安全和防止交通信号紊乱造成子区内更长时间的延误,因此各相位绿灯时间有一个最低值。即:
Greeni,j≥Gmin,i,j i∈N,j∈Ni,phase
上式中,Ni,phase是交叉口i的相位集合,Greeni,j为交叉口i第j相位绿灯时间,Gmin,i,j为交叉口i第j相位最小绿灯时间。
③相位差
相位差是指相邻的两个交叉路口,协调相位的开始时间的差值。本发明中,对所分析的子区内所有交叉路口,先选定参考交叉口,其余交叉路口协调相位差开始时间以参考交叉路口为基准。同时,相位差的约束需要考虑协调相位的上行和下行,假定协调相位为直行路段上相邻两交叉口i和j,则定义从交叉口i到交叉口j为上行,反之为下行,如图3所示。
图3中交叉口i和j的各相位时间分别用i,j两条横线表示,其中实线为红灯相位时间,虚线为绿灯相位时间。对于交叉口i到j方向的绿灯时间从a点开始,由于考虑相位差协调控制,故从交叉口j到下一相邻路口方向的绿灯时间从b点开始。
在图3中,设Xi,j是上行相位差,Xj,i为下行相位差。故相邻交叉路口在协调相位方向上,上行和下行两个方向上的协调相位差符合相位差闭合条件。即:
0≤Xi,j≤Ci i,j∈N
Xi,j=Xj,i=n·Ci
上式中:n为整数,图3就是n=1时的相位差情况,即两路口为相邻路口。
(2)车辆平均延误计算方法
在交通信号配时优化设计中,英国TRRL的Webster算法是普遍采用的一种计算延时方法。但当饱和度接近1时,计算车辆延时产生误差较大。后来在Webster延时模型基础之上,国内外许多学者通过研究造成交叉口车辆延误的原因和交叉口处车辆排队原理,以及之前模型存在的缺陷提出一个通用的交叉口延时模型。同时,该模型经过大量学者不断的改进得到目前常用的HCM2000延时模型。该模型综合考虑了路网中路段上车流饱和与不饱和情况,以及上游交叉口信号控制对下游交叉口入口交通流的影响等因素。同时弥补了Webster延时优化模型的不足,但HCM2000延时模型未将相位差协调机制考虑在内,同时,该模型不适用于车流量具有波动性的路段,从而会造成车辆延时计算不够准确。本发明将基于该模型并对其进行改进,对子区内部融入相位差协调机制,对子区入口采用混合整数非线性优化延时模型,从而建立了子区内所有车辆延时模型来估计车辆平均延时。
由HCM2000延时模型计算方法,每一车道上车辆平均延时时间为:
d=d1+d2 (2-1)
其中:d:区域内各路段上的车辆平均控制时延,s/veh;d1:车辆均匀到达交叉口时的平均控制时延,s/veh;d2:考虑过饱和状态下排队影响增加的延时,s/veh;g:信号交叉路口的有效绿灯时间,s;C:信号交叉路口的周期时长,即协调控制子区内公共周期长度,s;T:分析时所设定的时段;s:路段饱和流量(veh/h);x:饱和度,x=q/s;q:实际交通流量。
(3)基于动态随机车流相位差协调机制的改进延时模型
通过分析子区路网,根据交通流处于入口和路网内部,将子区路网分为边界交通流和中间交通流。以一个4交叉路口所组成的子区为例,如图4所示。
边界路口为①、②、…⑧,需要考虑车辆随机到达影响,而路口a与b、a与c、c与d、b与d 之间则需要同时考虑相位差协调和车辆随机到达的影响。故将整个子区延时分析分为两种情况:区域外部交叉口延时和区域内部交叉口入口延时。
①子区外部进口道延时
子区外部进口道车辆延时,指的是外部入口车道车流进入区域时,由于存在交叉口信号配时问题,形成车辆排队而造成的延时。边界路口车流到达交叉口时可以看成随机到达,而 HCM2000延时模型适用于车辆均匀到达,故直接使用HCM2000提供的延时模型,即(2-1)公式,将会造成延时计算不准确。由于式(2-1)是整数非线性模型,且公式第一部分含有一个最小算子,故式(2-1)又是非凸不可微的。现将该模型改进,使其能运用混合整数非线性优化,以适应车流量波动情形。构造一个辅助变量mp,代替式(2-1)中部分,构建新延迟模型。
②子区内部进口道延时
子区内部进口道车辆延时,指的是进口道处于区域内部的交叉口,车流到达下游交叉口排队造成的延时。由于内部交通流主要是按照车队形式到达下游交叉口的,其延时计算需要整体考虑。
当在任何给定的信号周期中车辆到达率和路段饱和流量是固定的,则延迟和到达率之间存在线性关系。x轴表示时间t(s),y轴表示车辆总数(veh),q表示实际交通流量(veh/s),s表示饱和流量(veh/s),C表示周期,Cr表示红灯时间,Cg表示绿灯时间,r表示车队到达下游交叉口j,直到下游交叉口j红灯结束时间,三角形OAB在x轴上的投影表示每辆车辆到达停车线后的延时,三角形OAB在y轴上的投影表示在不同时刻车辆在停车线后的排队数目。因此,在任何给定的信号周期T(s)中,内部进口道所有到达车辆的相位延时近似等于三角形OAB面积,如图5所示。
其中:OA=r,BD=AD·tanα=AD·s
对于内部路口交通流,本发明考虑加入相位差的影响。如图4所示,假设2个交叉口a与 b,其中a与b之间距离为L,平均车速为v,θa,b表示交通流从a到b时交叉口的下行相位差,以直行相位为协调相位。
则有:
与式(2-7)结合可得:
以上推倒过程是基于车辆均匀达到交叉口而引起的平均延误时间,但也存在车辆随机到达情况,根据Webster延时模型中随机波动所产生的附加延误近似表达式为:
现对内部进口道基于相位差协调控制延时模型做进一步改进,使得该模型可适用于车流量具有波动性情况,即延迟模型具有较强的动态随机性:
除以设定时段通过该相位的车辆数,得到内部进口道该相位平均延时:
din=Din/Tq (2-12)
2、求解子区协调优化控制的进化算法
子区交通协调优化控制系统是一个典型的MIMO的复杂系统,并且决策变量之间相互关联,具有较高耦合度。而遗传算法是以生物进化为原型,具有很好的收敛性以及全局搜索能力,可以快速地在解空间中搜索出全局最优解。
但遗传算法自身也隐含着一个大的缺陷,即算法对新空间的搜索能力是有限的,也容易收敛到局部最优解。为了防止算法陷入局部最优,提高算法精度,本发明对传统遗传算法(SGA) 做了一定的改进,引入精英保留策略。为了提高传统遗传算法寻优结果收敛性,在传统遗传算法上结合了精英保留策略,即通过精英选择策略,将父代中精英个体不经过遗传操作而直接复制到子代。通过加入精英保留策略可以有效提高算法收敛性能和算法运算速度,因为加入该策略可以有效防止每一代种群中最优个体的丢失。子区协调控制优化算法流程如图6。算法具体步骤如下:
1)初始化含N个子区交叉口配时方案(即N为整个种群规模)的种群P,种群中每种配时方案经过编码后为X=[x1,x2,x3,…,xn],n为决策变量维数。xi(i=1,2,…,n)为各个决策变量取值范围内的随机数,确定迭代终止条件(如,终止条件为迭代M代)。
2)计算种群中各配时方案性能指标值,并按性能指标值排序,选择预先设定数目的性能指标较优的配时方案直接进入新生代。
3)对父代种群个体进行遗传操作,产生后代。
4)将精英后代、交叉后代、变异后代组合成子代,即得到新的配时方案解集。
5)判断是否达到迭代终止条件,如没有则转到②继续迭代;否则进入下一步。
6)迭代结束,根据遗传算法解空间与编码对应关系,求得最优性能指标对应的配时方案解。
实施例二
本发明的子区协调控制器模块根据感知模块采集到的交通信息,结合子区信号协调优化模块寻到子区中各路口各自最优的配时方案包括:
1区域交通信号优化控制模型
依据上文提出的延时模型和约束条件,设在整个优化时段包含Nc个周期,以四个交叉口组成的子区为分析对象,如图4所示,以所分析的子区内所有机动车流的平均延时最小为优化目标,建立子区交通信号协调控制优化模型如下:
式2-13中,PI表示优化目标函数,di,j,k表示子区内第i个交叉口第j相位第k个交通流的车辆平均延时时间,其值由上述HCM2000模型和改进型模型分别求得,Fi,j,k表示第i个交叉口第 j相位第k个交通流的流量,上式中分子表示车辆的总延误,分母表示区域内总的车流量。
2求解子区协调优化控制的进化算法
如图6,本发明优化模块流程具体包括如下步骤:
1)初始化含N个子区交叉口配时方案(即N为整个种群规模)的种群P,种群中每种配时方案经过编码后为X=[x1,x2,x3,…,xn],n为决策变量维数。xi(i=1,2,…,n)为各个决策变量取值范围内的随机数,确定迭代终止条件(如,终止条件为迭代M代)。
2)计算种群中各配时方案性能指标值,并按性能指标值排序,选择预先设定数目的性能指标较优的配时方案直接进入新生代。
3)对父代种群个体进行遗传操作,产生后代。
4)将精英后代、交叉后代、变异后代组合成子代,即得到新的配时方案解集。
5)判断是否达到迭代终止条件,如没有则转到②继续迭代;否则进入下一步。
6)迭代结束,根据遗传算法解空间与编码对应关系,求得最优性能指标对应的配时方案解。
3实验仿真与分析
现针对HCM2000延时模型和改进HCM2000延时模型,应用改进型遗传算法进行仿真优化,优化过程中目标函数以及遗传算法适应度函数均为式(2-13)。改进型遗传算法基本参数:交叉概率为0.8,变异概率为0.01,精英个体数为10,进化代数500,种群规模为100。区域交通约束数据如下:最大信号周期为180s,最小信号周期为70s,最小相位时间为15s,最大相位时间为50s,每车道饱和流量为1800(veh/h)。
本发明通过建立一个小区域交通路网,由4个交叉路口总共12条路段组成的交通子区为分析对象进行仿真实验,如图4所示。每条路段包括四个车道,一条为左转弯车道,两条直行车道,一条右转弯车道。边界路口交通流如表1,内部路段长度均为300m。车辆平均行驶速度为40km/h。
表1入口交通流量
仿真结果比较:
本发明分别采用传统的HCM2000延迟模型、融入相位协调机制的HCM2000延迟模型和基于动态随机车流相位差协调机制的延迟模型作为目标函数,对本实施例进行仿真运行。表2 为仿真运行结果比较。
表2车辆平均延时比较
信号优化方案 | 车辆平均延时时间(s) |
无相位差协调控制 | 28.38 |
融入相位差协调控制 | 20.28 |
动态随机车流相位差协调延迟模型 | 15.61 |
以上实施例的仿真运行效果表明,采用本发明提出的延时优化模型得到的配时控制方案相较于单纯引入相位差协调机制延迟模型,减少车辆平均延时时间约23%。故本发明提出的基于动态随机车流相位差协调控制优化模型,有效地提高了交通效率,减少了车辆延时时间。
Claims (1)
1.一种基于动态随机车流相位差协调机制的区域交通控制系统,其特征在于:所述系统包括子区协调控制器模块、子区信号协调优化模块、交通状态感知模块、配时方案输出模块、受控车流;
子区协调控制器模块的功能是通过子区信号协调优化模块得到最优配时方案和对应系统性能指标,即PI,将最优性能指标所对应的各个路口配时方案输出给配时方案输出模块;
子区信号协调优化模块的功能是根据交通状态感知模块采集到的交通信息,优化出各个路口最优的配时方案及其对应性能指标,送给子区协调控制器模块;
交通状态感知模块的功能是:采集各路口各车道上的车流量信息;
配时方案输出模块的功能是:把最终配时方案,通过信号输出装置作用于受控车流;
受控车流:控制系统最终调控对象;
一种基于动态随机车流相位差协调机制的区域交通控制系统的实现方法包括如下步骤:
步骤1:采集路网中各路口各车道上的车流量信息、各路口各车道上个周期遗留的车辆数;
步骤2:子区协调控制器模块根据感知模块采集到的交通信息,结合子区信号协调优化模块寻到子区中各路口各自最优的配时方案,包括:
将若干个交叉口组成的小区域交通网络作为研究对象,采用在道路上常用的四相位六车道模式,将整个子区延时分析分为两种情况:区域外部交叉口延时和区域内部交叉口入口延时,对于区域内部交叉口延时,构建一种基于动态随机车流相位差协调机制的区域交通控制延时模型,即式(2-11),所述模型能适用于车流量具有波动性情况,即延迟模型具有较强的动态随机性:
其中:
q为实际交通流量veh/s,s为饱和流量veh/s,θa,b为交通流从交叉口a到交叉口b时下行相位差,L为两交叉口之间的距离,v为路网车辆平均车速,C为信号周期,x:为饱和度,x=q/s;
除以设定时段通过该相位的车辆数,得到内部进口道该相位平均延时:
din=Din/Tq (2-12)
其中:T为分析时所设定的时段;
对于区域外部交叉口延时,通过构造一个辅助变量mp,对HCM2000进行改进,构建新延迟模型如下:
以子区内所有车辆平均延误最小为目标,建立子区交通信号协调控制优化模型,建立子区交通信号协调控制优化模型如下:
其中,PI表示优化目标函数,di,j,k表示子区内第i个交叉口第j相位第k个交通流的车辆平均延时时间,Fi,j,k表示第i个交叉口第j相位第k个交通流的流量,Cmax表示最大周期时长,Gmin表示最小周期时长,Ci表示第i个交叉口周期,Cj表示第j个交叉口周期,Ncross表示子区交叉口的数量,Greeni,j表示交叉口i第j相位绿灯时间,Gmin,i,j表示交叉口i第j相位最小绿灯时间,Xi,j表示上行相位差,Xj,i表示下行相位差,n表示整数;
步骤3:控制系统的最终配时方案通过配时方案输出模块施加给受控车流,受控车流依照控制系统输出的控制信号配时方案行驶;
步骤4:通过信号采集模块获得当前系统车流运行状况,判断是否满足系统预期子区车辆平均延误,若满足,则当前配时方案即为此时段子区路网最佳配时方案;否则,转上述步骤1;
所述方法的流程具体包括如下步骤:
步骤1)初始化含N个子区交叉口配时方案,即N为整个种群规模的种群P,种群中每种配时方案经过编码后为X=[x1,x2,x3,…,xn],n为决策变量维数,xi,i=1,2,…,n为各个决策变量取值范围内的随机数,确定迭代终止条件,终止条件为迭代M代;
步骤2)计算种群中各配时方案性能指标值,并按性能指标值排序,选择预先设定数目的性能指标较优的配时方案直接进入新生代;
步骤3)对父代种群个体进行遗传操作,产生后代;
步骤4)将精英后代、交叉后代、变异后代组合成子代,即得到新的配时方案解集;
步骤5)判断是否达到迭代终止条件,如没有则转到步骤2)继续迭代;否则进入下一步;
步骤6)迭代结束,根据遗传算法解空间与编码对应关系,求得最优性能指标对应的配时方案解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710730297.0A CN107610487B (zh) | 2017-08-23 | 2017-08-23 | 基于动态随机车流相位差协调机制的区域交通控制系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710730297.0A CN107610487B (zh) | 2017-08-23 | 2017-08-23 | 基于动态随机车流相位差协调机制的区域交通控制系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107610487A CN107610487A (zh) | 2018-01-19 |
CN107610487B true CN107610487B (zh) | 2020-09-22 |
Family
ID=61065630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710730297.0A Active CN107610487B (zh) | 2017-08-23 | 2017-08-23 | 基于动态随机车流相位差协调机制的区域交通控制系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107610487B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510764B (zh) * | 2018-04-24 | 2023-11-10 | 南京邮电大学 | 一种基于q学习的多路口自适应相位差协调控制系统及方法 |
CN109191875B (zh) * | 2018-09-17 | 2020-12-29 | 杭州中奥科技有限公司 | 信号控制方案生成方法及装置 |
CN109785619B (zh) * | 2019-01-21 | 2021-06-22 | 南京邮电大学 | 区域交通信号协调优化控制系统及其控制方法 |
CN109887274A (zh) * | 2019-01-23 | 2019-06-14 | 南京邮电大学 | 一种基于车辆平均延误的区域交通协调优化控制系统和方法 |
CN110634311A (zh) * | 2019-09-17 | 2019-12-31 | 孟卫平 | 交通信号线型混合波模式控制方法 |
CN111081041B (zh) * | 2019-12-13 | 2022-03-15 | 连云港杰瑞电子有限公司 | 一种面向交通流向的区域协调控制方法 |
CN114463982B (zh) * | 2020-06-30 | 2023-09-29 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN113345253B (zh) * | 2021-04-01 | 2022-04-01 | 武汉旭云智慧交通有限公司 | 车流阵列与信号协同控制系统 |
CN113378486B (zh) * | 2021-08-13 | 2022-02-01 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种区域交通信号优化方法、装置、计算设备及存储介质 |
CN113870592A (zh) * | 2021-10-20 | 2021-12-31 | 温州大学 | 一种基于deec分簇的交通灯改进配时方法 |
CN114495529B (zh) * | 2022-02-09 | 2023-04-07 | 北京航空航天大学 | 一种基于分布式模型预测控制的信号配时优化系统 |
CN114926997B (zh) * | 2022-04-29 | 2023-09-19 | 东南大学 | 一种基于性能加权的启发式在线路网信号优化方法 |
CN115273499B (zh) * | 2022-06-30 | 2023-11-10 | 华东师范大学 | 一种基于车流量的信号灯动态配时方法与系统 |
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 |
CN117523823A (zh) * | 2023-10-11 | 2024-02-06 | 吉林师范大学 | 一种基于量子遗传算法的区域交通信号控制优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021685A (zh) * | 2014-06-26 | 2014-09-03 | 广东工业大学 | 一种含混合交通流的交叉口交通控制方法 |
CN104766484A (zh) * | 2015-03-23 | 2015-07-08 | 南京邮电大学 | 基于进化多目标优化和蚁群算法的交通控制与诱导系统和方法 |
CN106023611A (zh) * | 2016-06-20 | 2016-10-12 | 大连理工大学 | 一种两段式干线协调信号控制优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090051568A1 (en) * | 2007-08-21 | 2009-02-26 | Kevin Michael Corry | Method and apparatus for traffic control using radio frequency identification tags |
-
2017
- 2017-08-23 CN CN201710730297.0A patent/CN107610487B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021685A (zh) * | 2014-06-26 | 2014-09-03 | 广东工业大学 | 一种含混合交通流的交叉口交通控制方法 |
CN104766484A (zh) * | 2015-03-23 | 2015-07-08 | 南京邮电大学 | 基于进化多目标优化和蚁群算法的交通控制与诱导系统和方法 |
CN106023611A (zh) * | 2016-06-20 | 2016-10-12 | 大连理工大学 | 一种两段式干线协调信号控制优化方法 |
Non-Patent Citations (1)
Title |
---|
城市干线交通信号协调优化控制及仿真;李晓红;《中国优秀硕士学位论文全文数据库》;20080215(第02期);第二章第2.3节,第三章第3.3.2-3.3.4节以及第四章第4.2.2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN107610487A (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107610487B (zh) | 基于动态随机车流相位差协调机制的区域交通控制系统和方法 | |
CN109544945B (zh) | 基于车道饱和度的区域控制相位配时优化方法 | |
CN109785619B (zh) | 区域交通信号协调优化控制系统及其控制方法 | |
CN106710220B (zh) | 一种城市道路分层动态协调控制算法及控制方法 | |
CN108648446B (zh) | 一种基于mfd的路网交通信号迭代学习控制方法 | |
CN112907946B (zh) | 一种自动驾驶车辆与其他车辆混行的交通控制方法以及系统 | |
CN104200680B (zh) | 过饱和交通状态下城市干道的交通信号协调控制方法 | |
CN111145564B (zh) | 信控交叉口的自适应可变车道控制方法及系统 | |
CN109902864B (zh) | 一种考虑网络配载均衡的施工区交通组织方案设计方法 | |
CN108538065B (zh) | 一种基于自适应迭代学习控制的城市主干道协调控制方法 | |
CN105679032B (zh) | 一种城市交通流过饱和状态下的交通控制子区划分方法 | |
CN107730931A (zh) | 一种车路协同环境下车辆编队控制及其信号优化方法 | |
CN112629533B (zh) | 基于路网栅格化道路车流预测的精细化路径规划方法 | |
CN104064041B (zh) | 基于公共交通车队优先的交通信号灯调整系统和方法 | |
CN108932856B (zh) | 一种自动驾驶下交叉口通行权设置方法 | |
CN104637317A (zh) | 一种基于实时车辆轨迹的交叉口感应信号控制方法 | |
CN113593258B (zh) | 基于车路协同的信号配时与车速动态协调控制优化方法 | |
CN109887274A (zh) | 一种基于车辆平均延误的区域交通协调优化控制系统和方法 | |
CN111429721A (zh) | 基于排队消散时间的路口交通信号方案优化方法 | |
CN111145565B (zh) | 一种用于城市交通的协调路线和协调方案的推荐方法及系统 | |
CN105551250A (zh) | 一种基于区间聚类的城市道路交叉口运行状态判别方法 | |
CN111402605A (zh) | 基于通行能力模型优化的借对向车道左转的信号控制方法 | |
CN113593226A (zh) | 一种混合交通流环境下自动驾驶专用道交叉口控制方法 | |
CN111540225A (zh) | 基于多目标优化的公交运行区间速度优化控制方法及系统 | |
CN109765801A (zh) | 基于vissim仿真的车联网设计速度调整的实现方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |