CN108986464A - 基于加权复杂网络的区域交通信号控制效果评估方法 - Google Patents
基于加权复杂网络的区域交通信号控制效果评估方法 Download PDFInfo
- Publication number
- CN108986464A CN108986464A CN201810828081.2A CN201810828081A CN108986464A CN 108986464 A CN108986464 A CN 108986464A CN 201810828081 A CN201810828081 A CN 201810828081A CN 108986464 A CN108986464 A CN 108986464A
- Authority
- CN
- China
- Prior art keywords
- matching degree
- supply
- traffic
- complex networks
- demand matching
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供基于加权复杂网络的区域交通信号控制效果评估方法,包括如下步骤:步骤10、采用加权复杂网络对道路交通状况和可控交通信号采用原始法进行一体化建模,其中路口为节点,路段为边;每条边都具有流量负载和路段容量两种属性;流量负载为路段上已有的车流量,代表了交通流对该路段的“需求”;路段容量为道路通行能力的值;步骤20、实时计算路段局部的“交通流‑信号”供求匹配度,得到局部供求匹配度;步骤30、根据局部供求匹配度通过复杂网络分析方法建立全局供求匹配度。本发明提出一种动态衡量“交通流‑信号”供求匹配程度的评估方法,即可单独用于评估区域(如城市)交通信号控制效果,也用于为区域交通信号控制提供反馈信息。
Description
技术领域
本发明涉及智能交通技术领域,特别指一种基于加权复杂网络的区域交通信号控制效果评估方法。
背景技术
城市交通是一个天然的复杂开放巨系统,涌现出的交通流具有随机性、时变性、不确定性、组成异构性以及控制迟滞性等诸多复杂性,给交通系统的相关研究带来巨大的挑战。作为缓解城市交通拥堵的发展方向之一,区域交通信号控制旨在利用检测器感知区域交通状况的基础上,经过控制算法的计算、分析和决策,最后通过信号机改变路口的信号灯运行,从而达到调节区域交通流的目的。
效果评估是区域交通信号控制不可或缺的一环,是指导控制系统进行下一轮控制或系统自学习的重要依据。2016年,公安部公布了《道路交通信号控制方式第2部分:通行状态与控制效益评估指标及方法》的行业推荐标准,其中针对区域交通信号控制提出了2类(共5种)通行状态评估指标以及2类(共5种)控制效益评估指标。该标准的出台打破了长期以来缺少针对区域交通信号控制的权威评价指标的现状,然而这些指标大都针对交通流本身,缺少直接服务于信号控制的评价指标。
单路口的交通信号优化控制本质上都是在解决如何根据车流量为不同的通行方向合理地分配绿灯时间,以减少车辆延误。可将其看作一种局部的“交通流-信号”供求匹配,而区域综合交通信号控制则是追求在全局范围内实现供求匹配。目前,区域交通信号优化控制的方法有很多,但本质上都是从不同角度尽可能实现交通流与信号的匹配,从而提供整个区域路网的通行能力。为此,本发明提出一种动态衡量“交通流-信号”供求匹配程度的评估方法,即可单独用于评估区域(如城市)交通信号控制效果,也用于为区域交通信号控制提供反馈信息。
发明内容
本发明要解决的技术问题,在于提供一种动态衡量“交通流-信号”供求匹配程度的评估方法。
本发明具体包括如下步骤:
基于加权复杂网络的区域交通信号控制效果评估方法,包括如下步骤:
步骤10、采用加权复杂网络对道路交通状况和可控交通信号采用原始法进行一体化建模,其中路口为节点,路段为边;
每条边都具有流量负载和路段容量两种属性;流量负载为路段上已有的车流量,代表了交通流对该路段的“需求”;路段容量为道路通行能力的值;
步骤20、实时计算路段局部的“交通流-信号”供求匹配度,得到局部供求匹配度;
步骤30、根据局部供求匹配度通过复杂网络分析方法建立全局供求匹配度。
优选地,所述步骤10中,记加权复杂网络表示的路网为G(V,E,W(t)),V为节点集,E为边集,W={wk(t)∈(0,1]|k∈E}为边的时变权重集,其中wk(t)为边k在t时刻时的权重;将直接影响边k供求匹配的可控交通集合记为Sk,t时刻边k在Sk情况下的路段容量记为Ck(Sk,t),流量负载记为Vk(t)。
优选地,所述步骤20中,在上述步骤10的基础上,将“交通流-信号”的局部供求匹配度定义为:
mk(Sk,t)=exp(-λ(Ck(Sk,t)-Vk(t))2),
其中,λ为大于等于1的常数,用于控制局部供求匹配度受路段容量与流量负载两者偏差的影响程度。在相同偏差的情况下,λ值越大,局部供求匹配度的值越小。
优选地,当信号“供给”造成的路段容量Ck(Sk,t)与流量负载Vk(t)偏差越大时,局部供求匹配度的效果评估值越低;当供求平衡时mk(Sk,t)=1,局部供求匹配度的效果评估值达到最大值1。
优选地,在计算各路段的局部供求匹配度时,按区域交通信号的实际控制周期,或交通流参数采集系统的实际采集周期,或人为设定的周期对控制效果进行评估;
首先根据公式mk(Sk,t)=exp(-λ(Ck(Sk,t)-Vk(t))2)计算各路段的局部供求匹配度,其中的流量负载Vk(t)为最近一个获取的周期内的车流量,而路段容量采用基本通行能力计算,其公式为:
其中,i为车道号;τki(t)为路段k的第i条车道在t时刻的平均车头时距。
优选地,所述步骤30中,在局部供求匹配度的基础上,采用复杂网络分析方法中的流介数中心性,根据路段在整个路网中的重要程度合成“交通流-信号”的全局供求匹配度G(t):
其中,i与j均为节点,fk为边k的流介数中心性,dij为节点i到节点j的路径数目,为经过边k的节点i到节点j之间的路径数目。
优选地,fk用于评估边k在整个网络拓扑结构中的重要程度;其中fk越大,表示在所有不重复的路径中,经过边k的路径比例越大,边k时变权重集越大,边k越重要。
本发明具有如下优点:
1、本发明提出一种动态衡量“交通流-信号”供求匹配程度的评估方法,对现有区域交通信号控制效果进行评估。
2、本发明还可以用于为区域交通信号控制提供反馈信息,如反馈每条路段的重要性。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为交叉口的示意图。
图2为图1的原始法加权复杂网络表示图。
图3为匝道口的示意图。
图4为图3的原始法加权复杂网络表示图。
图5为路网的示意图。
图6为图5的原始法加权复杂网络表示图。
具体实施方式
如图1至图6所示,具体实施方式如下:
步骤10、采用加权复杂网络对道路交通状况和可控交通信号采用原始法进行一体化建模,其中路口为节点,路段为边;
每条边都具有流量负载和路段容量两种属性;流量负载为路段上已有的车流量,代表了交通流对该路段的“需求”;路段容量为道路通行能力的值;
记加权复杂网络表示的路网为G(V,E,W(t)),V为节点集,E为边集,W={wk(t)∈(0,1]|k∈E}为边的时变权重集,其中wk(t)为边k在t时刻时的权重;将直接影响边k供求匹配的可控交通集合记为Sk,t时刻边k在Sk情况下的路段容量记为Ck(Sk,t),流量负载记为Vk(t);以上,道路交通状况和可控交通信号均被表示为加权复杂网络的参数。
步骤20、实时计算路段局部的“交通流-信号”供求匹配度,得到局部供求匹配度;在上述步骤10的基础上,将“交通流-信号”的局部供求匹配度定义为:
mk(Sk,t)=exp(-λ(Ck(Sk,t)-Vk(t))2) (1)
其中,λ为大于等于1的常数,用于控制局部供求匹配度受路段容量与流量负载两者偏差的影响程度。在相同偏差的情况下,λ值越大,局部供求匹配度的值越小。
令路段的“交通流-信号”的局部供求匹配度为加权复杂网络中边的权重,即wk(t)=mk(Sk,t)。当信号“供给”造成的路段容量Ck(Sk,t)与流量负载Vk(t)偏差越大时,局部供求匹配度的效果评估值越低;当供求平衡时,此时局部供求匹配度的效果评估值达到最大值1。
在计算各路段的局部供求匹配度时,按区域交通信号的实际控制周期,或交通流参数采集系统的实际采集周期,或人为设定的周期对控制效果进行评估;
首先根据公式(1)计算各路段的局部供求匹配度,其中的流量负载Vk(t)为最近一个获取的周期内的车流量,而路段容量采用基本通行能力计算,其公式为:
其中,i为车道号;τki(t)为路段k的第i条车道在t时刻的平均车头时距,(单位,秒)。目前,通过日益普及、成熟的交通视频检测器,已经能够轻易地获取路段上的车流量和车头时距数据;故,计算平均车头时距为现有技术。
上述的周期是一个时间数,比如人为设定每5分钟对全局供求匹配度做一次定量评估,那么周期就是5分钟。上述的周期和发明中的其他参数没有直接关系,t代表实际的时间,一般按距离当日00:00:00的秒数来表示,比如当前时间是00:00:30,那t就等于30;时间t在往前走的时候,每达到一个周期的时间,就会启动一次对区域交通信号控制的效果评估。
步骤30、采用复杂网络分析方法中的流介数中心性,根据局部供求匹配度合成“交通流-信号”的全局供求匹配度G(t):
其中,i与j均为节点,fk为边k的流介数中心性,dij为节点i到节点j的路径数目,为经过边k的节点i到节点j之间的路径数目。
根据公式(4)计算中计算出全局供求匹配度,用于评价区域交通信号控制效果。其中,fk用于评估边k在整个网络拓扑结构中的重要程度;其中fk越大,表示在所有不重复的路径中,经过边k的路径比例越大,边k时变权重集越大,边k越重要。
计算出来的G(t)为一个具体数值,是对当前区域交通信号控制效果的一个评分;该评分的范围为0-1,值越大代表当前区域交通信号控制的效果越好。
本发明提出一种动态衡量“交通流-信号”供求匹配程度的评估方法,对现有区域交通信号控制效果进行评估,判断现有区域交通信号控制是否可靠。
本发明还可以用于为区域交通信号控制提供反馈信息,如反馈每条路段的重要性。
虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。
Claims (7)
1.基于加权复杂网络的区域交通信号控制效果评估方法,其特征在于:包括如下步骤:
步骤10、采用加权复杂网络对道路交通状况和可控交通信号采用原始法进行一体化建模,其中路口为节点,路段为边;
每条边都具有流量负载和路段容量两种属性;流量负载为路段上已有的车流量,代表了交通流对该路段的“需求”;路段容量为道路通行能力的值;
步骤20、实时计算路段局部的“交通流-信号”供求匹配度,得到局部供求匹配度;
步骤30、根据局部供求匹配度通过复杂网络分析方法建立全局供求匹配度。
2.根据权利要求1所述的基于加权复杂网络的区域交通信号控制效果评估方法,其特征在于:所述步骤10中,记加权复杂网络表示的路网为G(V,E,W(t)),V为节点集,E为边集,W={wk(t)∈(0,1]|k∈E}为边的时变权重集,其中wk(t)为边k在t时刻时的权重;将直接影响边k供求匹配的可控交通集合记为Sk,t时刻边k在Sk情况下的路段容量记为Ck(Sk,t),流量负载记为Vk(t)。
3.根据权利要求2所述的基于加权复杂网络的区域交通信号控制效果评估方法,其特征在于:所述步骤20中,在上述步骤10的基础上,将“交通流-信号”的局部供求匹配度定义为:
mk(Sk,t)=exp(-λ(Ck(Sk,t)-Vk(t))2),
其中,λ为大于等于1的常数,用于控制局部供求匹配度受路段容量与流量负载两者偏差的影响程度。在相同偏差的情况下,λ值越大,局部供求匹配度的值越小。
4.根据权利要求3所述的基于加权复杂网络的区域交通信号控制效果评估方法,其特征在于:当信号“供给”造成的路段容量Ck(Sk,t)与流量负载Vk(t)偏差越大时,局部供求匹配度的效果评估值越低;当供求平衡时,局部供求匹配度的效果评估值达到最大值1。
5.根据权利要求2所述的基于加权复杂网络的区域交通信号控制效果评估方法,其特征在于:在计算各路段的局部供求匹配度时,按区域交通信号的实际控制周期,或交通流参数采集系统的实际采集周期,或人为设定的周期对区域交通信号控制的效果进行评估;
首先根据公式mk(Sk,t)=exp(-λ(Ck(Sk,t)-Vk(t))2)计算各路段的局部供求匹配度,其中的流量负载Vk(t)为最近一个获取的周期内的车流量,而路段容量采用基本通行能力计算,其公式为:
其中,i为车道号;τki(t)为路段k的第i条车道在t时刻的平均车头时距。
6.根据权利要求3所述的基于加权复杂网络的区域交通信号控制效果评估方法,其特征在于:所述步骤30中,在局部供求匹配度的基础上,采用复杂网络分析方法中的流介数中心性,根据路段在整个路网中的重要程度合成“交通流-信号”的全局供求匹配度G(t):
其中,i与j均为节点,fk为边k的流介数中心性,dij为节点i到节点j的路径数目,为经过边k的节点i到节点j之间的路径数目。
7.根据权利要求6所述的基于加权复杂网络的区域交通信号控制效果评估方法,其特征在于:采用流介数中心性fk用于评估边k在整个网络拓扑结构中的重要程度;其中fk越大,表示在所有不重复的路径中,经过边k的路径比例越大,边k时变权重集越大,边k越重要。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810828081.2A CN108986464B (zh) | 2018-07-25 | 2018-07-25 | 基于加权复杂网络的区域交通信号控制效果评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810828081.2A CN108986464B (zh) | 2018-07-25 | 2018-07-25 | 基于加权复杂网络的区域交通信号控制效果评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108986464A true CN108986464A (zh) | 2018-12-11 |
CN108986464B CN108986464B (zh) | 2020-09-15 |
Family
ID=64551247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810828081.2A Active CN108986464B (zh) | 2018-07-25 | 2018-07-25 | 基于加权复杂网络的区域交通信号控制效果评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108986464B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858438A (zh) * | 2019-01-30 | 2019-06-07 | 泉州装备制造研究所 | 一种基于模型拟合的车道线检测方法 |
CN111932871A (zh) * | 2020-06-28 | 2020-11-13 | 银江股份有限公司 | 一种区域级实时交通控制策略推荐系统及方法 |
CN112767717A (zh) * | 2021-01-25 | 2021-05-07 | 泉州装备制造研究所 | 一种面向复杂交通控制环境的区域交通信号协调控制方法及系统 |
CN113361051A (zh) * | 2021-06-02 | 2021-09-07 | 东北大学秦皇岛分校 | 一种基于可控性与重要度的路网控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392094A (zh) * | 2014-10-17 | 2015-03-04 | 北京航空航天大学 | 一种基于浮动车数据的城市道路网络可靠性评价方法 |
CN104575036A (zh) * | 2015-01-28 | 2015-04-29 | 重庆云途交通科技有限公司 | 基于动态od流量预测与仿真优化的区域信号控制方法 |
CN104751670A (zh) * | 2015-03-23 | 2015-07-01 | 同济大学 | 一种城市交通信号控制运行诊断系统 |
EP3267418A1 (en) * | 2016-07-06 | 2018-01-10 | Volvo Car Corporation | A method for performing a real time analysis of traffic light related data |
CN108109375A (zh) * | 2017-12-21 | 2018-06-01 | 北京航空航天大学 | 一种基于渗流分析的城市交通网络可靠性预测方法 |
-
2018
- 2018-07-25 CN CN201810828081.2A patent/CN108986464B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392094A (zh) * | 2014-10-17 | 2015-03-04 | 北京航空航天大学 | 一种基于浮动车数据的城市道路网络可靠性评价方法 |
CN104575036A (zh) * | 2015-01-28 | 2015-04-29 | 重庆云途交通科技有限公司 | 基于动态od流量预测与仿真优化的区域信号控制方法 |
CN104751670A (zh) * | 2015-03-23 | 2015-07-01 | 同济大学 | 一种城市交通信号控制运行诊断系统 |
EP3267418A1 (en) * | 2016-07-06 | 2018-01-10 | Volvo Car Corporation | A method for performing a real time analysis of traffic light related data |
CN108109375A (zh) * | 2017-12-21 | 2018-06-01 | 北京航空航天大学 | 一种基于渗流分析的城市交通网络可靠性预测方法 |
Non-Patent Citations (2)
Title |
---|
北京市市政设计研究院: "城市道路设计规范CJJ37-90", 《城市道路设计规范》 * |
杨涛: "基于多智能体的区域交通信号控制系统研究", 《中国优秀硕士学位论文》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858438A (zh) * | 2019-01-30 | 2019-06-07 | 泉州装备制造研究所 | 一种基于模型拟合的车道线检测方法 |
CN109858438B (zh) * | 2019-01-30 | 2022-09-30 | 泉州装备制造研究所 | 一种基于模型拟合的车道线检测方法 |
CN111932871A (zh) * | 2020-06-28 | 2020-11-13 | 银江股份有限公司 | 一种区域级实时交通控制策略推荐系统及方法 |
CN112767717A (zh) * | 2021-01-25 | 2021-05-07 | 泉州装备制造研究所 | 一种面向复杂交通控制环境的区域交通信号协调控制方法及系统 |
CN113361051A (zh) * | 2021-06-02 | 2021-09-07 | 东北大学秦皇岛分校 | 一种基于可控性与重要度的路网控制方法 |
CN113361051B (zh) * | 2021-06-02 | 2023-03-14 | 东北大学秦皇岛分校 | 一种基于可控性与重要度的路网控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108986464B (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986464A (zh) | 基于加权复杂网络的区域交通信号控制效果评估方法 | |
Muñoz et al. | Methodological calibration of the cell transmission model | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
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 | |
CN109272746B (zh) | 一种基于bp神经网络数据融合的mfd估测方法 | |
CN109410577A (zh) | 基于空间数据挖掘的自适应交通控制子区划分方法 | |
CN106652483A (zh) | 利用检测设备在区域公路网布设交通信息检测点的方法 | |
CN106971536A (zh) | 一种融合浮动车与路侧视频的高速公路拥堵状态检测方法 | |
CN108615376A (zh) | 一种基于视频检测的交叉口信号控制方案评价方法 | |
CN106652459A (zh) | 一种智能型路侧交通空气污染监测系统 | |
CN110570675B (zh) | 一种车路协同环境下高速公路施工区的路侧控制系统 | |
CN108399763A (zh) | 一种基于神经网络的交叉路口交通信号灯控制算法 | |
CN109993981A (zh) | 基于全息检测的交通信号自协调控制方法 | |
Mahut et al. | Calibration and application of a simulation-based dynamic traffic assignment model | |
Wang et al. | Interactive multiple model ensemble Kalman filter for traffic estimation and incident detection | |
CN103456163A (zh) | 城市快速路互通立交通行能力和运行状态判别方法与系统 | |
CN110111567A (zh) | 一种基于模块度评估的交通控制子区划分方法及系统 | |
Prontri et al. | Traffic signal control using fuzzy logic | |
Ganesh | Development of Smart City Using IOT and Big Data | |
CN106652450A (zh) | 一种高速公路交通指数数值确定方法 | |
Ng et al. | A Hybrid intelligent traffic light system for solving traffic congestion in Hong Kong | |
CN107067723A (zh) | 一种城市道路路段旅行时间的估计方法 | |
Clara Fang et al. | An intelligent traffic signal control system based on fuzzy theory | |
CN107134132A (zh) | 提高高速公路通行受阻系数计算精度的方法和系统 | |
CN101587644A (zh) | 基于非连续滑动序列的城市快速路交通事故自动检测方法 |
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 |