CN109410606A - 一种基于视频的主干路协同信号机控制方法 - Google Patents

一种基于视频的主干路协同信号机控制方法 Download PDF

Info

Publication number
CN109410606A
CN109410606A CN201810238071.3A CN201810238071A CN109410606A CN 109410606 A CN109410606 A CN 109410606A CN 201810238071 A CN201810238071 A CN 201810238071A CN 109410606 A CN109410606 A CN 109410606A
Authority
CN
China
Prior art keywords
signal
current density
intersection
trunk roads
average traffic
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
Application number
CN201810238071.3A
Other languages
English (en)
Other versions
CN109410606B (zh
Inventor
李慧玲
高万宝
李云松
张广林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Air Delivery Intelligent Technology Co ltd
Original Assignee
HEFEI GELYU INFORMATION TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HEFEI GELYU INFORMATION TECHNOLOGY Co Ltd filed Critical HEFEI GELYU INFORMATION TECHNOLOGY Co Ltd
Priority to CN201810238071.3A priority Critical patent/CN109410606B/zh
Priority to US16/307,142 priority patent/US11069233B1/en
Priority to PCT/CN2018/112971 priority patent/WO2019179107A1/zh
Publication of CN109410606A publication Critical patent/CN109410606A/zh
Application granted granted Critical
Publication of CN109410606B publication Critical patent/CN109410606B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control
    • G08G1/082—Controlling the time between beginning of the same phase of a cycle at adjacent intersections

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及主干路多个路口的交通信号优化控制技术领域，尤其为一种基于视频的主干路协同信号机控制方法，运用视频车辆检测器，实现主干路多个路口交通信号控制方案的优化处理，方案包括：干线上各个交叉口安装视频检测器；单个路口数据采集与通讯；多个路口数据联网采集与存储；主干路协同信号机控制算法处理；信号指令发布服务及信号灯控制。本发明采用主动式视频检测技术，可以对主干路多个路口的交通状态进行准确检测，制定最优化信号控制方案，为主干道路交通信号灯控制提供最优决策和应急预案，提高交叉口的通行效率，有效缓解干线道路交通拥堵。

Description

一种基于视频的主干路协同信号机控制方法
技术领域
本发明涉及主干路多个路口的交通信号协同优化控制技术领域，具体为一种基于视频的主干路协同信号机控制方法。
背景技术
城市交拥堵和事故日益频发，特别是城市交通主干路拥堵事件严重，如不能实时有效疏导交通流，会造成道路拥堵蔓延，降低道路运行效率，给公众造成了极大的时间和经济损失。
视频车辆检测技术是通过在状况复杂或容易形成拥堵的道路上安装视频采集设备，对过往汽车数量、速度、交通密度进行检测，通过有线或无线网络将采集到的数据传回服务器中心进行处理的技术，通过实时采集的交通参数可以进行动态交通信号控制，实现交通流的有效规律诱导，最大限度的降低交通拥堵。
目前，信号控制方法主要包括定时控制、多时段控制、感应控制以及自适应控制等，传统的模型算法过于生硬的根据某个交通参数的变化设定阈值来进行信号优化，会造成系统对状态的误判；本发明提出了一种基于视频的主干路协同信号机控制系统，基于反馈控制理论，通过主干路各个交叉口平均交通密度的实时检测和综合分析，提取路口信号控制最优化算法，可以极大的提高交叉口的交通运行效率。
发明内容
本发明的目的在于提供一种基于视频的主干路协同信号机控制方法，以解决上述背景技术中提出的问题。所述基于视频的主干路协同信号机控制方法实现了主干路上各个路口信号的最优化控制，为交通管理和控制提供数据支撑，可以减少交通事故，缓解主干路交通拥堵，提升通行效率。
为实现上述目的，本发明提供如下技术方案：
一种基于视频的主干路协同信号机控制方法，该方法中所使用的设备包括视频车辆检测器，数据采集通讯设备，联网数据传输设备I，后台数据处理和存储服务器，联网数据传输设备II，信号指令控制机，以及信号灯，各设备之间依顺序信号连接，其特征在于：该方法包括如下步骤：
(1)在交叉口各个进口方向上安装视频车辆检测器，调整检测面的角度，确定检测区和盲区临界线位于停车线以前10-20米处，按照顺时针方向对视频车辆检测器进行编号，对路口所属的路段编号与视频检测器编号进行绑定；
(2)通过视频车辆检测器，定时采集检测区段的车道交通流率和车道交通流密度参数数据，所述参数数据经数据采集通讯设备，通过联网数据传输设备I，实时传回后台数据处理和存储服务器，并进行标准化数据过滤处理和存储；
(3)提取后台数据处理和存储服务器的交通信息数据，包括车道交通流率和车道交通流密度参数，计算路段平均交通流密度、交叉口平均交通流密度、主干路平均交通流密度；
(4)基于交叉口平均交通流密度-信号周期关系模型计算交叉口信号周期；
(5)根据路口各个进口方向路段的交通流率和平均交通流密度参数，构建信号机反馈优化控制算法模型，聚合计算各个进口方向的最优信号控制绿信比X；
(6)根据主干路各个路口的进口路段交通流率和主干路平均交通流密度参数，构建信号机优化控制算法模型，聚合计算路网整体的优化信号控制绿信比Y；
(7)根据各个路口的进口方向的优化信号控制绿信比X，以及路网整体的优化信号控制绿信比Y，综合计算各个交叉口最终优化信号控制绿信比Z；
(8)根据进口方向的最终优化信号控制绿信比Z，计算各个进口方向信号配时的绿灯时间、黄灯时间和红灯时间，形成下个信号周期的信号控制方案指令；
(9)利用信号指令控制机，调用指令数据库接口服务，将下个周期的信号控制方案指令发送给各个信号灯，信号灯本周期控制方案结束后，立即执行下一套信号控制方案，进行交通动态诱导。
优选的，基于视频检测器的交通流密度算法构建，交通流密度-信号周期关系构建，十字路口信号机优化控制算法模型构建，各个路口的信号控制绿信比X计算，路网整体的信号控制绿信比Y计算，路口最终优化信号控制绿信比Z计算，以及交叉口配时方案计算。
优选的，所述基于视频检测器的交通流密度算法构建，包括车道交通流密度采集、路段平均交通流率计算、交叉口平均交通流密度计算以及主干路平均交通流密度计算4个部分，计算具体包括如下步骤：
(31)定时采集视频检测区段各个车道交通流率和车道交通流密度参数，定时采集周期时间为1分钟；
(32)统计计算视频检测区段各个路段平均交通流率和路段平均交通流密度数据；
(33)计算交叉口平均交通流密度；
(34)计算主干路平均交通流密度。
优选的，所述交通流密度-信号周期关系构建，包括交叉口平均交通流密度K和交叉口信号周期C两个关键算法。
优选的，所述单点信号机优化控制算法模型构建，包括如下步骤：
(51)计算东西进口方向的平均交通流率和东西进口方向的平均交通流密度
(52)计算南北进口方向的平均交通流率和南北进口方向的平均交通流密度
(53)建立基于反馈控制的最优化信号控制目标函数
(54)建立动态交通流密度变化模型
(55)确定交叉口优化绿信比X。
优选的，步骤(32)的路段平均交通流率通过公式计算得到，其中，n为所在车道，N为路段的车道总个数，qn为第n车道的车道交通流率(单位：辆/小时/车道)；
路段平均交通流密度通过计算得到，其中，n为所在车道，N为路段的车道总个数，kn为第n车道的车道交通流密度(单位：辆/千米/车道)；
步骤(33)的交叉口平均交通流密度K通过公式计算得到，其中，m为交叉口的某个进口检测路段，M为交叉口的进口路段总个数，为交叉口第m个进口路段的路段平均交通流密度(单位：辆/千米/车道)；
步骤(34)的主干路平均交通流密度通过公式计算得到，其中，i为主干路上第i个交叉口，I为主干路上交叉口的总个数，Ki为主干路第i个交叉口的交叉口平均交通密度(单位：辆/千米/车道)。
优选的，交叉口信号周期C通过公式
计算得到，其中信号周期C单位为秒；
主干路上第i个交叉口的信号周期Ci。
优选的，步骤(51)的其中为西进口方向的路段平均交通流率，为东进口方向的路段平均交通流率；
步骤(52)的其中为北进口方向的路段平均交通流率，为南进口方向的路段平均交通流率；
其中为北进口方向的路段平均交通流密度，为南进口方向的路段平均交通流密度；
其中为西进口方向的路段平均交通流密度，为东进口方向的路段平均交通流密度；
步骤(53)的w＞0，K(t)为某个t时刻的交叉口平均交通流密度，为t时刻的交叉口平均交通流密度的导数；
解方程可得到K(t)＝K(O)e-ωt，目标控制函数的解释是通过反馈控制调节后，交叉口的平均交通流密度随着时间的推移越来越趋向于为0，即交叉口的车辆越来越少，所以可以最大限度的提高交通通行效率，减少交通拥堵；
步骤(54)的L为检测区间路段的长度(单位：千米)，r13为东西方向的绿信比，Δt定位为无限短的时间；
结合(53)的目标函数，可解方程得到东西方向的绿信比，
步骤(55)，据此可定义主干路第i个路口的东西方向绿信比为Xi；
优选的，路网整体的信号控制绿信比Y计算，Y的计算方法可参考单个路口的反馈信号控制方法的步骤；
主干路南北整体的路段平均交通流率，主干路东西整体的路段平均交通流率。
优选的，路口最终优化信号控制绿信比Z计算和信号配时方案的计算，基于东西进口方向的最终优化绿信比，计算东西方向的绿灯时间；
即定义主干路第i个交叉口的东西方向绿信比Zi；
第i个交叉口的东西方向绿灯时间G13(i)＝Ci×Zi，东西方向红灯时间R13(i)＝Ci-G13(i)-Y，Y表示黄灯时间；设定东西方向绿灯时间G13(i)阈值，10≤G13(i)≤C-10。
与现有技术相比，本发明的有益效果是：本发明采用视频检测技术，基于检测的交通流率和交通流密度参数，对主干路上各个路口的实时交通状态进行准确检测，制定主干路整体的最优化信号控制方案，为干线道路交通管理和控制提供实时决策和应急处理信息，提升道路交通运行效率和服务水平。
附图说明
图1是本发明的工作流程图；
图2是图1中所用的系统设备安装示意图；
图3是图1中所用的系统设备连接示意图；
图4是本发明反馈控制密度变化曲线。
图中：1视频车辆检测器、2数据采集通讯设备、3联网数据传输设备I、4后台数据处理和存储服务器、5联网数据传输设备II、6信号指令控制机、7信号灯。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1～4，本发明提供一种技术方案：
一种基于视频的主干路协同信号机控制方法，该方法中所使用的设备包括视频车辆检测器1，数据采集通讯设备2，联网数据传输设备I3，后台数据处理和存储服务器4，联网数据传输设备II5，信号指令控制机6，以及信号灯7，数据采集存储设备2和视频车辆检测器1通过电缆连接在一起然后安装在交叉口监控架上，数据采集通讯设备2和联网数据传输设备I3通过网线连接，所述各设备之间依顺序信号连接，该方法包括下列的步骤：
S1、在交叉口各个进口方向上安装视频车辆检测器1，调整检测面的角度，确定检测区和盲区临界线位于停车线前方10-20米处，按照顺时针方向对视频车辆检测器1进行编号，对路口所属的路段编号与视频车辆检测器1编号进行绑定；
S1.1、交叉口的类型有多种，常见的有五岔路口、十字路口、T型路口，本方法最适用于十字路口，其他类型的交叉口可以修改运用；
S1.2、视频可以检测的路段范围是10米-1()()米，安装位置前10米内是盲区，盲区内检测不到车辆的动态信息，因此交叉口视频设备的安装位置非常重要，确定待测路段后，检测区和盲区临界线位于停车线前方10-20米处，一般十字路口的设备安装示意图如图2。
S2、通过视频车辆检测器1，定时采集检测区段的车道交通流率和车道交通流密度参数信息，所述参数信息经数据采集通讯设备2，以及联网数据传输设备I3，实时传回后台数据处理和存储服务器4并进行数据存储，定时采集周期时间为1分钟；
S3、利用所述交通参数信息，计算路段平均交通流密度：
视频设备实时上报的数据格式为(t，n，q，k)，t表示上报时间，n表示所在车道，q表示交通流率数据，k表示交通流密度数据，(t，n，q，k)的单位分别为秒、1、辆/小时/车道和辆/千米/车道。
假设样本数据集可表示为S＝{(t，1，q1，k1)，(t，2，q2，k2)，...。，(t，n，qn，kn)}，统计时间内待测路段平均交通流率(单位：辆/小时/车道)，待测路段平均交通流密度(单位：辆/千米/车道)，则
上述公式中：n为所在车道；N为路段的车道总个数；qn为第n车道的交通流率；kn为第n车道的交通流密度。
S4、计算交叉口平均交通流密度K
交叉口平均交通流密度通过交叉口各个进口方向的路段平均交通流密度计算；
K为交叉口平均交通流密度；
m为交叉口的某个进口检测路段；
M为交叉口的进口路段总个数；
为交叉口第m个进口路段的路段平均交通流密度；
S5、计算主干路平均交通流密度
i为主干路上第i个交叉口；
I为主干路上交叉口的总个数；
Ki为主干路第i个交叉口的交叉口平均交通密度；
S6、计算交叉口信号控制周期C
交叉口信号控制周期是信号灯各种灯色轮流显示一次所需的时间，用C表示，单位是秒；
主干路上第i个交叉口的信号周期Ci。
S7、基于反馈控制模型计算交叉口信号控制绿信比X
基于反馈控制的信号控制算法，目标就是通过信号的调节控制，实现交叉口的平均交通流密度越来越小，尽可能地减小排队数，所以要定义目标函数，通过控制函数的动态变化来实现预期的效果。
S7.1、定义反馈控制目标函数：
w＞0，是变量参数；
K(t)为某个t时刻的交叉口平均交通流密度；
为t时刻的交叉口平均交通流密度的导数；
解方程(6)可得到
K(t)＝K(O)e-ωt (7)
目标控制函数的解释是通过反馈控制调节后，交叉口的平均交通流密度随着时间的推移越来越趋向于为0，即交叉口的车辆越来越少，所以可以最大限度的提高交通通行效率，减少交通拥堵，效果示意图如图4。
S7.2、计算信号控制绿信比
结合动态交通率密度变化过程，建立K(t)的求导过程，
L为检测区间路段的长度(单位：千米)；
r13为东西方向的绿信比；
Δt定位为极限短的时间；
利用方程式(3)、(6)和(8)，可解方程得到东西方向的绿信比，
据此可定义主干路第i个路口的东西方向绿信比为Xi；
S8、基于反馈控制模型计算主干路路网整体的信号控制绿信比Y
Y的计算可以参照步骤S7，
为主干路南北整体的路段平均交通流率；
主干路东西整体的路段平均交通流率；
为主干路平均交通流密度；
S9、确定最优化信号配时时间
基于东西进口方向的绿信比，计算东西方向的绿灯时间，可得出最优化的信号控制方案。
G13(i)＝Ci×Zi (10)
R13(i)＝Ci-G13(i)-Y (11)
G13(i)为第i个交叉口的东西方向绿灯时间；
R13(i)为第i个交叉口的东西方向红灯时间；
Y为东西方向的黄灯时间；
设定东西进口方向绿灯时间G13(i)阈值，保障程序执行。
10≤G13(i)≤C-10 (12)
S10、优化配时方案计算结果数据，通过联网数据传输设备II5，传输到信号指令控制机6，通过调接口服务，将指令参数发送给信号灯7，通过信号灯对路口交通进行动态诱导。
本发明充分地利用了视频车辆检测器1的交通流率和交通流密度参数进行数据挖掘分析，构建了基于反馈控制的交叉口信号控制模型算法，实现了主干路各个路口的信号优化控制，为干线道路交通管理和控制提供数据支撑，可以减少交通事故，缓解交通拥堵，提升道路交通通行效率。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于视频的主干路协同信号机控制方法，该方法中所使用的设备包括视频车辆检测器，数据采集通讯设备，联网数据传输设备I，后台数据处理和存储服务器，联网数据传输设备II，信号指令控制机，以及信号灯，各设备之间依顺序信号连接，其特征在于：该方法包括如下步骤：
(1)在交叉口各个进口方向上安装视频车辆检测器，调整检测面的角度，确定检测区和盲区临界线位于停车线以前10-20米处，按照顺时针方向对视频车辆检测器进行编号，对路口所属的路段编号与视频检测器编号进行绑定；
(2)通过视频车辆检测器，定时采集检测区段的车道交通流率和车道交通流密度参数数据，所述参数数据经数据采集通讯设备，通过联网数据传输设备I，实时传回后台数据处理和存储服务器，并进行标准化数据过滤处理和存储；
(3)提取后台数据处理和存储服务器的交通信息数据，包括车道交通流率和车道交通流密度参数，计算路段平均交通流密度、交叉口平均交通流密度、主干路平均交通流密度；
(4)基于交叉口平均交通流密度-信号周期关系模型计算交叉口信号周期；
(5)根据路口各个进口方向路段的交通流率和平均交通流密度参数，构建信号机反馈优化控制算法模型，聚合计算各个进口方向的最优信号控制绿信比X；
(6)根据主干路各个路口的进口路段交通流率和主干路平均交通流密度参数，构建信号机优化控制算法模型，聚合计算路网整体的优化信号控制绿信比Y；
(7)根据各个路口的进口方向的优化信号控制绿信比X，以及路网整体的优化信号控制绿信比Y，综合计算各个交叉口最终优化信号控制绿信比Z；
(8)根据进口方向的最终优化信号控制绿信比Z，计算各个进口方向信号配时的绿灯时间、黄灯时间和红灯时间，形成下个信号周期的信号控制方案指令；
(9)利用信号指令控制机，调用指令数据库接口服务，将下个周期的信号控制方案指令发送给各个信号灯，信号灯本周期控制方案结束后，立即执行下一套信号控制方案，进行交通动态诱导。
2.根据权利要求1所述的一种基于视频的主干路协同信号机控制方法，其特征在于：基于视频检测器的交通流密度算法构建，交通流密度-信号周期关系构建，十字路口信号机优化控制算法模型构建，各个路口的信号控制绿信比X计算，路网整体的信号控制绿信比Y计算，路口最终优化信号控制绿信比Z计算，以及交叉口配时方案计算。
3.根据权利要求2所述的一种基于视频的主干路协同信号机控制方法，其特征在于：所述基于视频检测器的交通流密度算法构建，包括车道交通流密度采集、路段平均交通流率计算、交叉口平均交通流密度计算以及主干路平均交通流密度计算4个部分，计算具体包括如下步骤：
(31)定时采集视频检测区段各个车道交通流率和车道交通流密度参数，定时采集周期时间为1分钟；
(32)统计计算视频检测区段各个路段平均交通流率和路段平均交通流密度数据；
(33)计算交叉口平均交通流密度；
(34)计算主干路平均交通流密度。
4.根据权利要求2所述的一种基于视频的主干路协同信号机控制方法，其特征在于：所述交通流密度-信号周期关系构建，包括交叉口平均交通流密度K和交叉口信号周期C两个关键算法。
5.根据权利要求2所述的一种基于视频的主干路协同信号机控制方法，其特征在于：所述单点信号机优化控制算法模型构建，包括如下步骤：
(51)计算东西进口方向的平均交通流率和东西进口方向的平均交通流密度
(52)计算南北进口方向的平均交通流率和南北进口方向的平均交通流密度
(53)建立基于反馈控制的最优化信号控制目标函数
(54)建立动态交通流密度变化模型
(55)确定交叉口优化绿信比X。
6.根据权利要求3所述的一种基于视频的主干路协同信号机控制方法，其特征在于：
步骤(32)的路段平均交通流率通过公式计算得到，其中，n为所在车道，N为路段的车道总个数，qn为第n车道的车道交通流率(单位：辆/小时/车道)；
路段平均交通流密度通过计算得到，其中，n为所在车道，N为路段的车道总个数，kn为第n车道的车道交通流密度(单位：辆/千米/车道)；
步骤(33)的交叉口平均交通流密度K通过公式计算得到，其中，m为交叉口的某个进口检测路段，M为交叉口的进口路段总个数，为交叉口第m个进口路段的路段平均交通流密度(单位：辆/千米/车道)；
步骤(34)的主干路平均交通流密度通过公式计算得到，其中，i为主干路上第i个交叉口，I为主干路上交叉口的总个数，Ki为主干路第i个交叉口的交叉口平均交通密度(单位：辆/千米/车道)。
7.根据权利要求4所述的一种基于视频的主干路协同信号机控制方法，其特征在于：交叉口信号周期C通过公式
计算得到，其中信号周期C单位为秒；
主干路上第i个交叉口的信号周期Ci。
8.根据权利要求5所述的一种基于视频的主干路协同信号机控制方法，其特征在于：
步骤(51)的其中为西进口方向的路段平均交通流率，为东进口方向的路段平均交通流率；
步骤(52)的其中为北进口方向的路段平均交通流率，为南进口方向的路段平均交通流率；
其中为北进口方向的路段平均交通流密度，为南进口方向的路段平均交通流密度；
其中为西进口方向的路段平均交通流密度，为东进口方向的路段平均交通流密度；
步骤(53)的w＞0，K(t)为某个t时刻的交叉口平均交通流密度，为t时刻的交叉口平均交通流密度的导数；
解方程可得到K(t)＝K(O)e-ωt，目标控制函数的解释是通过反馈控制调节后，交叉口的平均交通流密度随着时间的推移越来越趋向于为0，即交叉口的车辆越来越少，所以可以最大限度的提高交通通行效率，减少交通拥堵；
步骤(54)的L为检测区间路段的长度(单位：千米)，r13为东西方向的绿信比，Δt定位为无限短的时间；
结合(53)的目标函数，可解方程得到东西方向的绿信比，
步骤(55)，据此可定义主干路第i个路口的东西方向绿信比为Xi；
9.根据权利要求2所述的一种基于视频的主干路协同信号机控制方法，其特征在于：路网整体的信号控制绿信比Y计算，Y的计算方法可参考权利要求8所述的步骤；
主干路南北整体的路段平均交通流率，主干路东西整体的路段平均交通流率。
10.根据权利要求2所述的一种基于视频的主干路协同信号机控制方法，其特征在于：路口最终优化信号控制绿信比Z计算和信号配时方案的计算，基于东西进口方向的最终优化绿信比，计算东西方向的绿灯时间；
即定义主干路第i个交叉口的东西方向绿信比Zi；
第i个交叉口的东西方向绿灯时间G13(i)＝Ci×Zi，东西方向红灯时间R13(i)＝Ci-G13(i)-Y，Y表示黄灯时间；
设定东西方向绿灯时间G13(i)阈值，10≤G13(i)≤C-10。
CN201810238071.3A 2018-03-22 2018-03-22 一种基于视频的主干路协同信号机控制方法 Active CN109410606B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201810238071.3A CN109410606B (zh) 2018-03-22 2018-03-22 一种基于视频的主干路协同信号机控制方法
US16/307,142 US11069233B1 (en) 2018-03-22 2018-10-31 Video-based main road cooperative signal machine control method
PCT/CN2018/112971 WO2019179107A1 (zh) 2018-03-22 2018-10-31 一种基于视频的主干路协同信号机控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810238071.3A CN109410606B (zh) 2018-03-22 2018-03-22 一种基于视频的主干路协同信号机控制方法

Publications (2)

Publication Number Publication Date
CN109410606A true CN109410606A (zh) 2019-03-01
CN109410606B CN109410606B (zh) 2021-05-04

Family

ID=65464136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810238071.3A Active CN109410606B (zh) 2018-03-22 2018-03-22 一种基于视频的主干路协同信号机控制方法

Country Status (3)

Country Link
US (1) US11069233B1 (zh)
CN (1) CN109410606B (zh)
WO (1) WO2019179107A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110349407A (zh) * 2019-07-08 2019-10-18 长安大学 一种基于深度学习的区域化交通信号灯控制系统及方法
CN110992684A (zh) * 2019-10-31 2020-04-10 华录易云科技有限公司 基于视频检测的主动预测型信号控制方法及系统
CN111915890A (zh) * 2020-07-24 2020-11-10 清华大学 一种干道交通信号的网联优化控制方法

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7276311B2 (ja) * 2018-02-23 2023-05-18 住友電気工業株式会社 交通信号制御装置、交通信号制御方法、及びコンピュータプログラム
KR102155055B1 (ko) * 2019-10-28 2020-09-11 라온피플 주식회사 강화학습 기반 신호 제어 장치 및 신호 제어 방법
US11468768B2 (en) * 2019-11-18 2022-10-11 Here Global B.V. Method, apparatus, and system for automatic road closure detection during probe anomaly
CN111768639B (zh) * 2020-05-30 2022-09-20 同济大学 一种网联交通环境下的多交叉口信号配时系统及其方法
CN113506442B (zh) 2021-09-10 2021-12-28 之江实验室 一种基于预期收益估计的城市路网交通信号灯控制方法
CN113850998B (zh) * 2021-10-13 2022-07-01 合肥工业大学 一种路口相序通行效益评价方法及交通评价方法
CN114023065A (zh) * 2021-11-03 2022-02-08 沈阳世纪高通科技有限公司 一种利用视频解析数据智能诊断路口服务等级的算法
CN114155722A (zh) * 2021-12-02 2022-03-08 山东建筑大学 一种基于改进哈里斯鹰算法的交通信号配时优化方法
CN114613125B (zh) * 2021-12-16 2023-04-28 浙江中控信息产业股份有限公司 一种快速路多匝道分层协同控制方法
CN114882715B (zh) * 2022-05-07 2023-05-23 郑州航空工业管理学院 一种应急交通运行分阶段优化方法
CN114613145B (zh) * 2022-05-12 2022-08-19 中运科技股份有限公司 一种大数据下的客运流量感知预警系统及方法
CN115206105A (zh) * 2022-07-27 2022-10-18 北京英泰智科技股份有限公司 一种区域交通信号协同控制系统及方法
CN117275260B (zh) * 2023-11-21 2024-02-02 山东理工大学 一种城市道路交叉口进口道交通事故应急管控方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011095959A (ja) * 2009-10-29 2011-05-12 Sumitomo Electric Ind Ltd 交通信号制御システム及び信号制御装置
CN105070074A (zh) * 2015-07-23 2015-11-18 合肥革绿信息科技有限公司 一种基于阵列雷达的区域自优化信号控制方法及装置
CN105070075A (zh) * 2015-07-23 2015-11-18 合肥革绿信息科技有限公司 一种基于阵列雷达的干线自优化信号控制方法及装置
CN105096616A (zh) * 2015-07-23 2015-11-25 合肥革绿信息科技有限公司 一种基于线圈的区域自优化信号控制方法及装置
CN105118310A (zh) * 2015-07-23 2015-12-02 合肥革绿信息科技有限公司 一种基于视频的单点自优化信号控制方法及装置
CN105139670A (zh) * 2015-07-23 2015-12-09 合肥革绿信息科技有限公司 一种基于视频的区域自优化信号控制方法及装置
CN106710245A (zh) * 2016-12-23 2017-05-24 西华大学 基于密度的快速路多车道匝道控制方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4370718A (en) * 1979-02-06 1983-01-25 Chasek Norman E Responsive traffic light control system and method based on conservation of aggregate momentum
US7663505B2 (en) * 2003-12-24 2010-02-16 Publicover Mark W Traffic management device and system
US9076332B2 (en) * 2006-10-19 2015-07-07 Makor Issues And Rights Ltd. Multi-objective optimization for real time traffic light control and navigation systems for urban saturated networks
KR100793627B1 (ko) * 2006-11-29 2008-01-10 팅크웨어(주) 주행안내시스템 및 주행안내방법
CN102867423B (zh) * 2012-09-24 2014-09-10 东南大学 城市干道可变车道的协同控制方法
JP6421580B2 (ja) * 2014-12-15 2018-11-14 住友電気工業株式会社 交通信号制御装置、コンピュータプログラム、及び交通信号制御方法
CN105809953B (zh) * 2014-12-27 2018-07-10 吉林大学 一种基于m2m的城市交通流车路协同控制方法
CN105844927A (zh) * 2016-04-06 2016-08-10 深圳榕亨实业集团有限公司 新型感知与控制的道路交叉口群信号控制系统及控制方法
US11127289B2 (en) * 2017-03-31 2021-09-21 Nec Corporation Traffic congestion estimating device, traffic congestion estimating method, and recording medium storing program thereof
US10636299B2 (en) * 2017-08-11 2020-04-28 Cubic Corporation System and method for controlling vehicular traffic
CN108417055B (zh) * 2018-03-22 2020-12-01 南京推推兔信息科技有限公司 一种基于雷达检测器的主干路协同信号机控制方法
CN109410607B (zh) * 2018-03-22 2021-05-04 合肥革绿信息科技有限公司 一种基于视频的十字路口信号机控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011095959A (ja) * 2009-10-29 2011-05-12 Sumitomo Electric Ind Ltd 交通信号制御システム及び信号制御装置
CN105070074A (zh) * 2015-07-23 2015-11-18 合肥革绿信息科技有限公司 一种基于阵列雷达的区域自优化信号控制方法及装置
CN105070075A (zh) * 2015-07-23 2015-11-18 合肥革绿信息科技有限公司 一种基于阵列雷达的干线自优化信号控制方法及装置
CN105096616A (zh) * 2015-07-23 2015-11-25 合肥革绿信息科技有限公司 一种基于线圈的区域自优化信号控制方法及装置
CN105118310A (zh) * 2015-07-23 2015-12-02 合肥革绿信息科技有限公司 一种基于视频的单点自优化信号控制方法及装置
CN105139670A (zh) * 2015-07-23 2015-12-09 合肥革绿信息科技有限公司 一种基于视频的区域自优化信号控制方法及装置
CN106710245A (zh) * 2016-12-23 2017-05-24 西华大学 基于密度的快速路多车道匝道控制方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110349407A (zh) * 2019-07-08 2019-10-18 长安大学 一种基于深度学习的区域化交通信号灯控制系统及方法
CN110349407B (zh) * 2019-07-08 2021-08-13 长安大学 一种基于深度学习的区域化交通信号灯控制系统及方法
CN110992684A (zh) * 2019-10-31 2020-04-10 华录易云科技有限公司 基于视频检测的主动预测型信号控制方法及系统
CN110992684B (zh) * 2019-10-31 2021-04-30 华录易云科技有限公司 基于视频检测的主动预测型信号控制方法及系统
CN111915890A (zh) * 2020-07-24 2020-11-10 清华大学 一种干道交通信号的网联优化控制方法

Also Published As

Publication number Publication date
US20210201672A1 (en) 2021-07-01
US11069233B1 (en) 2021-07-20
WO2019179107A1 (zh) 2019-09-26
CN109410606B (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
CN109410606A (zh) 一种基于视频的主干路协同信号机控制方法
CN109410607A (zh) 一种基于视频的十字路口信号机控制方法
CN108417055A (zh) 一种基于雷达检测器的主干路协同信号机控制方法
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN106875702B (zh) 一种基于物联网的十字路口交通灯控制方法
WO2020108215A1 (zh) 基于车道饱和度的区域控制相位配时优化方法
CN105096615B (zh) 基于信号机的自适应优化控制系统
CN106297334B (zh) 绿波协调控制下的干线路段划分方法
CN108510762A (zh) 一种快速路多线交汇区智能信号灯优化控制方法
CN110111592A (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
CN107730886A (zh) 一种车联网环境下城市交叉口交通信号动态优化方法
CN105279980B (zh) 判断信号控制交叉口是否适用于连续流交叉口改造的方法
CN205665896U (zh) 一种交叉路口信号灯状态识别装置
CN102708688A (zh) 一种基于二级模糊综合判别的城市道路状态辨识方法
CN108573607A (zh) 一种红绿灯控制系统及方法
CN108417056A (zh) 一种基于雷达检测器的十字路口信号机控制方法
CN105139670A (zh) 一种基于视频的区域自优化信号控制方法及装置
CN109035808A (zh) 一种基于深度学习的红绿灯切换方法及系统
CN104966404A (zh) 一种基于阵列雷达的单点自优化信号控制方法及装置
CN106652480A (zh) 一种基于微波地磁数据的交叉口最大排队长度计算方法
CN108831163A (zh) 一种基于地磁的主干路协同信号机控制方法
CN105118310A (zh) 一种基于视频的单点自优化信号控制方法及装置
CN108447276B (zh) 一种基于地磁的十字路口信号机控制方法
CN106710253A (zh) 一种高可靠性智能路口交通控制系统及控制方法
CN109584564A (zh) 一种适用多设备的信控方案实施优化方法及其系统和装置

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221101

Address after: Room 901, 9/F, Building 2, Industrial Investment Xinglu Science and Technology Industrial Park, No. 368 Yaoyuan Road, Luyang District, Hefei City, Anhui Province, 230000

Patentee after: Anhui Airway Intelligent Technology Co.,Ltd.

Address before: C-408, Incubation Center of National University Science Park, No. 602, Huangshan Road, High tech Zone, Hefei, Anhui, 230088

Patentee before: HEFEI GELYU INFORMATION TECHNOLOGY Co.,Ltd.

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 2-216-2, Building 10, No. 78, Keling Road, Science and Technology City, High-tech Zone, Suzhou City, Jiangsu Province, 215163

Patentee after: Suzhou Air Delivery Intelligent Technology Co.,Ltd.

Address before: Room 901, 9/F, Building 2, Industrial Investment Xinglu Science and Technology Industrial Park, No. 368 Yaoyuan Road, Luyang District, Hefei City, Anhui Province, 230000

Patentee before: Anhui Airway Intelligent Technology Co.,Ltd.