CN107730927B - 基于互联网交通大数据的信号优化控制系统 - Google Patents
基于互联网交通大数据的信号优化控制系统 Download PDFInfo
- Publication number
- CN107730927B CN107730927B CN201711222587.0A CN201711222587A CN107730927B CN 107730927 B CN107730927 B CN 107730927B CN 201711222587 A CN201711222587 A CN 201711222587A CN 107730927 B CN107730927 B CN 107730927B
- Authority
- CN
- China
- Prior art keywords
- traffic
- signal
- intersection
- formula
- period
- 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
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
本发明提供一种基于互联网交通大数据的信号优化控制系统,包括互联网数据采集模块、跨网通信模块、判态系统、信号控制中心和信号机通信模块,互联网数据采集模块从互联网上获取交通路况数据,并通过跨网通信模块将其传送给判态系统,判态系统对交通路况数据进行分析和研判,生成信号优化配时方案,并将其发送至信号控制中心,信号控制中心对其进行判断和仿真,并通过信号机通信模块将其下发信号机实施,信号机通信模块还调取信号机的数据。其数据源是互联网,所用数据是车载设备提供的。车载设备数量大而且可移动,测试的点多,可提供的数据也多。数据已被互联网企业预处理,对路面交通的描述更丰富、更精确、无需维护。
Description
技术领域
本发明涉及交通信号控制领域,尤其涉及一种基于互联网交通大数据的信号优化控制系统。
背景技术
当前,国内外交通信号优化和实时优化理论都是建立在基于路口检测器、路段检测器上传的5分钟或1分钟粒度的流量、速度、占有率和排队长度统计数据基础之上的。但是所依赖的设备都被固定在特定的位置,可使用的数据有限,只能得知某个断面的交通状况,因此只能处理单个路口或干线的优化,无法实现路网的优化。除此之外,路面预先埋设的检测设备是现有优化技术的数据来源,也是工作的前提条件,但这些设备只安装在部分路口、路段上,不仅范围有限,而且容易出现故障,维护成本大。
发明内容
本发明要解决以上技术问题,提供一种基于互联网交通大数据的信号优化控制系统,其数据源是互联网,所用数据是车载设备提供的。车载设备数量大而且可移动,测试的点多,可提供的数据也多。数据已被互联网企业预处理,对路面交通的描述更丰富、更精确、无需维护。
为解决上述技术问题,本发明采用的技术方案是:基于互联网交通大数据的信号优化控制系统,包括互联网数据采集模块、跨网通信模块、判态系统、信号控制中心和信号机通信模块,所述互联网数据采集模块从互联网上获取交通路况数据,并通过所述跨网通信模块将所述交通路况数据传送给所述判态系统,所述判态系统对所述交通路况数据进行分析和研判,生成信号优化配时方案,并将所述信号优化配时方案发送至所述信号控制中心,所述信号控制中心对所述信号优化配时方案进行判断和仿真,并通过所述信号机通信模块将所述信号优化配时方案下发信号机实施,所述信号机通信模块还调取所述信号机的数据,
所述交通路况数据包括交通流量、车辆占有率和平均速度,
所述判态系统对所述交通路况数据进行分析和研判,生成信号优化配时方案,采用以下步骤进行:
式中:d表示车辆平均延误,单位:s;C表示信号周期时长,单位:s;λ表示绿信比;q表示流量,单位:辆/h;X表示饱和度;
式中:C0表示最佳信号周期时长,单位:s;L表示每个周期总的损失时间,单位:s;Y表示交叉口总的交通流量比;
式中:gi表示第i相车绿信时间;yi表示第i相交通流量比;C0表示最佳信号周期时长;Y表示交叉口总的交通流量比;
根据式(2)和(3)交通配时的主要参数,周期时长和绿信时间即可确定;
(1)获取检测器D1和检测器D2当前信号周期内的交通流量q1(T)和q2(T),再获取上一周期滞留交通流量△q(T-1),然后利用下面的公式计算当前周期滞留交通流量:
Δq(T)=Δq(T-1)+q1(T)-q2(T) (5);
(2)获取当前信号周期内的车辆占有率O(T)和平均速度v(T),利用下面的公式来判定交叉口是否饱和:
式中:Oco为饱和阈值占有率;vco为饱和阈值速度;
若O(T)和v(T)同时满足式上面的公式,则判定交叉口处于过饱和状态,跳转到步骤(3),并将步骤(1)中计算得到的△q(T)保存到所述信号机中,以便下一周期使用;反之,说明交叉口属于闲散状态,仅利用实测的交通流量进行配时控制即能满足交通需求,则直接跳转到步骤(4),并将△q(T)清零保存到所述信号机中;
(3)将滞留车辆计算得到的△q(T)加上实测的交通流量得到补偿后的交通流量,并利用补偿后的交通流量计算流量比,计算式如下:
式中:yi'表示补偿后的第i相交通流量比;qi(T)表示当前周期内测得的第i相车交通流量,假设交通饱和流量比不变;Si表示交叉口饱和流量;
(4)将各相流量比相加求得总交通流量比Y',并将Y'代入式(2)中即可计算得到周期时长:
式中C'表示补偿后的周期时长;
取子区内关联路口的周期值的最大值作为子区的周期值,然后判断计算获得的周期时长是否超过限额;若周期时长超过限额,交叉口就直接采用限额作为配时周期;
(5)将补偿后的交通流量比代入式(3)中进行绿信时长计算:
式中gi'表示补偿后的第i相绿信时间;
每个路口按次依次计算,则可得出每个路口的交通优化方案。
本发明具有的优点和积极效果是:基于互联网交通大数据的信号优化控制系统,由于其数据源是互联网,所用数据是车载设备提供的。车载设备数量大而且可移动,数据实时性好,数据源多,数据量大,可以较好地反应路面已有检测设备的检测数据,使得交通参数更加细致。数据已被互联网企业预处理,对路面交通的描述更丰富、更精确、无需维护。同时系统还从信号机上获取当前执行的相序方案、配时方案,再结合优化算法模块生成交通优化方案,再以固定频率下发至信号机,调整后使得车辆通信效率提高,车辆等待时间减少。
附图说明
图1是基于互联网交通大数据的信号优化控制系统的系统框图。
具体实施方式
下面结合附图对本发明的具体实施例做详细说明。
如图1所示,基于互联网交通大数据的信号优化控制系统,包括互联网数据采集模块、跨网通信模块、判态系统、信号控制中心和信号机通信模块,所述互联网数据采集模块从互联网上获取交通路况数据,并通过所述跨网通信模块将所述交通路况数据传送给所述判态系统,所述判态系统对所述交通路况数据进行分析和研判,生成信号优化配时方案,并将所述信号优化配时方案发送至所述信号控制中心,所述信号控制中心对所述信号优化配时方案进行判断和仿真,并通过所述信号机通信模块将所述信号优化配时方案下发信号机实施,所述信号机通信模块还调取所述信号机的数据,
所述交通路况数据包括交通流量、车辆占有率和平均速度,
所述判态系统对所述交通路况数据进行分析和研判,生成信号优化配时方案,采用以下步骤进行:
式中:d表示车辆平均延误(单位:s);C表示信号周期时长(单位:s);λ表示绿信比;q表示流量(单位:辆/h);X表示饱和度;
式中:C0表示最佳信号周期时长(单位:s);L表示每个周期总的损失时间(单位:s);Y表示交叉口总的交通流量比;
式中:gi表示第i相绿信时间yi表示第i相交通流量比C0表示最佳信号周期时长,Y表示交叉口总的交通流量比。
根据式(2)和(3)交通配时的主要参数,周期时长和绿信时间即可确定;
(1)获取检测器D1和检测器D2当前信号周期内的交通流量q1(T)和q2(T),再获取上一周期滞留交通流量△q(T-1),然后利用下面的公式计算当前周期滞留交通流量:
Δq(T)=Δq(T-1)+q1(T)-q2(T) (5);
(2)获取当前信号周期内的车辆占有率O(T)和平均速度v(T),利用下面的公式来判定交叉口是否饱和:
式中:Oco为饱和阈值占有率;vco为饱和阈值速度;
若O(T)和v(T)同时满足式上面的公式,则判定交叉口处于过饱和状态,跳转到步骤(3),并将步骤(1)中计算得到的△q(T)保存到所述信号机中,以便下一周期使用;反之,说明交叉口属于闲散状态,仅利用实测的交通流量进行配时控制即能满足交通需求,则直接跳转到步骤(4),并将△q(T)清零保存到所述信号机中;
(3)将滞留车辆计算得到的△q(T)加上实测的交通流量得到补偿后的交通流量,并利用补偿后的交通流量计算流量比,计算式如下:
式中:yi'表示补偿后的第i相交通流量比,qi(T)表示当前周期内测得的第i相车交通流量(假设交通饱和流量比不变);Si表示交叉口饱和流量;
(4)将各相流量比相加求得总交通流量比Y’,并将Y’代入式(2)中即可计算得到周期时长:
式中C'表示补偿后的周期时长。
取子区内关联路口的周期值的最大值作为子区的周期值,然后判断计算获得的周期时长是否超过限额;若周期时长超过限额,交叉口就直接采用限额作为配时周期;
(5)将补偿后的交通流量比代入式(3)中进行绿信时长计算:
式中gi'表示补偿后的第i相绿信时间,
每个路口按次依次计算,则可得出每个路口的交通优化方案。
本系统可以从互联网平台(比如百度地图、高德地图、滴滴打车等)获取路段的排队长度、行驶速度、过车数量、路口间的行驶时间、路口间的行驶距离。获取的频率为一分钟一次,每次获取指定区域内的全部路口的相关数据。借助多个平台提供的数据,可以准确的勾画出路口各个方向的交通状态。
例如从滴滴打车平台上调取数据,进行交通信号的优化。使用滴滴打车提供的接口,获取交通参数数据。这些数据是出租车、私家车等车辆的实时数据。数据实时性号,数据源多,数据量大,可以较好的反应路面交通的通行状态、行驶速度、行驶时间等参数。除滴滴打车调取的数据外,还采集了路口已有检测设备的检测数据,使得交通参数更加细致。还从信号机上获取当前执行的相序方案、配时方案。运用优化算法模块生成交通优化方案,平均5分钟下发到信号机。调整后,车辆的通行效率提高了10%,等待时间减少了10秒。取得了预期的效果。
以上对本发明的实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明范围所作的均等变化与改进等,均应仍归属于本专利涵盖范围之内。
Claims (1)
1.基于互联网交通大数据的信号优化控制系统,其特征在于:包括互联网数据采集模块、跨网通信模块、判态系统、信号控制中心和信号机通信模块,所述互联网数据采集模块从互联网上获取交通路况数据,并通过所述跨网通信模块将所述交通路况数据传送给所述判态系统,所述判态系统对所述交通路况数据进行分析和研判,生成信号优化配时方案,并将所述信号优化配时方案发送至所述信号控制中心,所述信号控制中心对所述信号优化配时方案进行判断和仿真,并通过所述信号机通信模块将所述信号优化配时方案下发信号机实施,所述信号机通信模块还调取所述信号机的数据,所述交通路况数据包括交通流量、车辆占有率和平均速度,所述判态系统对所述交通路况数据进行分析和研判,生成信号优化配时方案,采用以下步骤进行:
式中:d表示车辆平均延误,单位:s;C表示信号周期时长,单位:s;λ表示绿信比;q表示流量,单位:辆/h;X表示饱和度;
式中:C0表示最佳信号周期时长,单位:s;L表示每个周期总的损失时间,单位:s;Y表示交叉口总的交通流量比;
式中:gi表示第i相车绿信时间;yi表示第i相交通流量比;C0表示最佳信号周期时长;Y表示交叉口总的交通流量比;
根据式(2)和(3)交通配时的主要参数,周期时长和绿信时间即可确定;
(1)获取检测器D1和检测器D2当前信号周期内的交通流量q1(T)和q2(T),再获取上一周期滞留交通流量△q(T-1),然后利用下面的公式计算当前周期滞留交通流量:
Δq(T)=Δq(T-1)+q1(T)-q2(T) (5);
(2)获取当前信号周期内的车辆占有率O(T)和平均速度v(T),利用下面的公式来判定交叉口是否饱和:
式中:Oco为饱和阈值占有率;vco为饱和阈值速度;
若O(T)和v(T)同时满足式上面的公式,则判定交叉口处于过饱和状态,跳转到步骤(3),并将步骤(1)中计算得到的△q(T)保存到所述信号机中,以便下一周期使用;反之,说明交叉口属于闲散状态,仅利用实测的交通流量进行配时控制即能满足交通需求,则直接跳转到步骤(4),并将△q(T)清零保存到所述信号机中;
(3)将滞留车辆计算得到的△q(T)加上实测的交通流量得到补偿后的交通流量,并利用补偿后的交通流量计算流量比,计算式如下:
式中:yi'表示补偿后的第i相交通流量比;qi(T)表示当前周期内测得的第i相车交通流量,假设交通饱和流量比不变;Si表示交叉口饱和流量;
(4)将各相流量比相加求得总交通流量比Y',并将Y'代入式(2)中即可计算得到周期时长:
式中C'表示补偿后的周期时长;
取子区内关联路口的周期值的最大值作为子区的周期值,然后判断计算获得的周期时长是否超过限额;若周期时长超过限额,交叉口就直接采用限额作为配时周期;
(5)将补偿后的交通流量比代入式(3)中进行绿信时长计算:
式中gi'表示补偿后的第i相绿信时间;
每个路口按次依次计算,则可得出每个路口的交通优化方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711222587.0A CN107730927B (zh) | 2017-11-29 | 2017-11-29 | 基于互联网交通大数据的信号优化控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711222587.0A CN107730927B (zh) | 2017-11-29 | 2017-11-29 | 基于互联网交通大数据的信号优化控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107730927A CN107730927A (zh) | 2018-02-23 |
CN107730927B true CN107730927B (zh) | 2021-03-23 |
Family
ID=61219904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711222587.0A Active CN107730927B (zh) | 2017-11-29 | 2017-11-29 | 基于互联网交通大数据的信号优化控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107730927B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765988B (zh) * | 2018-05-23 | 2021-01-19 | 华南理工大学 | 一种面向互联网数据的路口信号动态优化方法 |
CN108682155A (zh) * | 2018-07-11 | 2018-10-19 | 贵州大学 | 通过高德路况预警提前预防消除交通事故的系统设计方法 |
CN110728840A (zh) * | 2019-10-22 | 2020-01-24 | 宋海南 | 交通控制方法和智能导航系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105206070A (zh) * | 2015-08-14 | 2015-12-30 | 公安部交通管理科学研究所 | 道路交通信号协调实时优化控制方法及其控制系统 |
CN105390000A (zh) * | 2015-12-18 | 2016-03-09 | 天津通翔智能交通系统有限公司 | 一种基于路况交通大数据的交通信号控制系统及方法 |
WO2016058571A1 (de) * | 2014-10-15 | 2016-04-21 | Valeriy Luginin | Verfahren zur steuerung von lichtsignalanlagen und lichtsignalanlage |
-
2017
- 2017-11-29 CN CN201711222587.0A patent/CN107730927B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016058571A1 (de) * | 2014-10-15 | 2016-04-21 | Valeriy Luginin | Verfahren zur steuerung von lichtsignalanlagen und lichtsignalanlage |
CN105206070A (zh) * | 2015-08-14 | 2015-12-30 | 公安部交通管理科学研究所 | 道路交通信号协调实时优化控制方法及其控制系统 |
CN105390000A (zh) * | 2015-12-18 | 2016-03-09 | 天津通翔智能交通系统有限公司 | 一种基于路况交通大数据的交通信号控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107730927A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730927B (zh) | 基于互联网交通大数据的信号优化控制系统 | |
CN104778845B (zh) | 多相位跳变和车辆全动态诱导交通控制方法 | |
CN105023433B (zh) | 一种高速公路交通异常事件影响范围预估方法 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
Tian et al. | Variations in capacity and delay estimates from microscopic traffic simulation models | |
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 | |
CN109446920B (zh) | 基于卷积神经网络的城市轨道交通乘客拥挤程度检测方法 | |
CN106652459B (zh) | 一种智能型路侧交通空气污染监测系统 | |
CN102722986B (zh) | 城市路网交通控制子区动态划分方法 | |
CN110379164B (zh) | 一种动态调控的公交准点控制方法及系统 | |
CN108510758A (zh) | 基于视频实时信息的城市快速路入口匝道信号控制方法 | |
CN110070734B (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 | |
CN102819954A (zh) | 交通区域动态地图监控预测系统 | |
CN103810868A (zh) | 一种基于高空视频信息的交通溢流抑制方法 | |
CN109087507A (zh) | 一种道路交通信号单点控制效益评价方法 | |
Oertel et al. | Delay-time actuated traffic signal control for an isolated intersection | |
Pei et al. | Velocity forecasts using a combined deep learning model in hybrid electric vehicles with V2V and V2I communication | |
CN111341095A (zh) | 一种基于边缘侧在线计算的交通信号控制系统及方法 | |
CN108573607A (zh) | 一种红绿灯控制系统及方法 | |
CN108765985A (zh) | 基于第一辆车辆到达的信号交叉口进口道延误计算方法 | |
CN104408914A (zh) | 基于gps数据的信号交叉口单车停车延误时间估计方法及系统 | |
CN104751650B (zh) | 一种对道路交通信号进行控制的方法和设备 | |
CN106846809A (zh) | 一种基于车辆停车次数的排队最远点计算方法 | |
Nagle et al. | A method to estimate the macroscopic fundamental diagram using limited mobile probe data | |
CN109544947B (zh) | 监控场景下基于车辆轨迹重构的交叉口延误计算方法 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Liu Lei Inventor after: Liu Shuqing Inventor after: Shi Yongjie Inventor after: He Xiaonan Inventor after: Yang Fan Inventor before: Liu Lei Inventor before: Liu Shuqing Inventor before: Shi Yongjie Inventor before: He Xiaonan Inventor before: Yang Fan |
|
CB03 | Change of inventor or designer information |