CN109841063A - 一种交通控制子区动态划分方法 - Google Patents
一种交通控制子区动态划分方法 Download PDFInfo
- Publication number
- CN109841063A CN109841063A CN201910257885.6A CN201910257885A CN109841063A CN 109841063 A CN109841063 A CN 109841063A CN 201910257885 A CN201910257885 A CN 201910257885A CN 109841063 A CN109841063 A CN 109841063A
- Authority
- CN
- China
- Prior art keywords
- intersection
- sub
- district
- network structure
- new
- 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.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通控制子区动态划分方法,包括以下步骤:步骤一、数据采集;步骤二、1)假设道路网络结构中,每个子区含有一个交叉路口;2)确认记录每个交叉路口Ci的新所属子区Si’;3)将交叉路口Ci的所属子区Si和相应交叉路口Ci的新所属子区Si’进行对比;若均一致,则将具有相同子区的交叉路口进行合并,生成新的网络结构;4)将新网络结构的强度评价指标Q2和合并之前的网络结构的强度评价指标Q1进行比较;若Q2≤Q1,则采用合并之前的网络结构对应的分区输出,作为最终的新分区方案;本发明通过建立科学的模型和算法,减少因交通工程师的经验缺乏或主观操作对交通控制的影响;根据交通流量信息实时计算分区结果,保证结果的时效性。
Description
技术领域
本发明涉及交通控制子区划分领域。更具体地说,本发明涉及一种交通控制子区动态划分方法。
背景技术
城市交通路网是一个具有高度非线性、随机性、时变性和不确定性的复杂网络系统,可以通过合理地调整多个交叉路口信号灯的信号配时方案,使得这些交叉路口的信号灯相互协调,从而达到提高行驶效率的目的。而在进行区域协调控制前,有一个关键的步骤,就是对城市网络进行合理的交通控制子区划分。
所谓路网交通控制子区划分,是将一个复杂且庞大的路网按照一定的原则指标划分成若干个独立的子区,再根据子区的特性分别执行合适的控制优化策略,目的是把路网控制权逐级下放,使整个路网系统变得更加灵活、高效、可靠。
目前,交通路网控制子区的划分方法主要有静态划分和动态划分两类。
静态控制子区划分根据历史交通流数据划分子区,子区方案形成后即固定下来,不再随交通状态的变化而变化。由于静态控制子区划分后,子区个数和各个子区域的范围固定,不会再改变,而交通流具有实时变化的特征,因而静态控制子区划分无法适应实时变化的交通流状况,效率较低。比如:SCOOT系统就是采用这种控制策略。
动态子区划分以路网内实时检测到的交通流数据为基础,根据交通状态的动态变化对子区规模进行调整,以维持最佳的子区划分方案,使联系紧密的交叉路口始终划入同一子区,保证交叉路口执行最佳控制方式。
然而,目前国内使用较多的SCATS交通信号控制系统虽然采用动态子区划分策略,但具有局限性。SCATS交通信号控制系统需要交通工程师根据控制区域的历史流量数据、路网特性、地理位置以及协调控制需求,事先确定最小控制子区单元以作为组成区域协调控制系统的基本单元,并根据控制子区信号周期的差异性大小,利用投票计数法选择合适的方案,实现最小控制子区的动态分离与合并。这种策略的控制效果受限于方案的合理性(比如:依赖历史流量信息、影响因素考虑不全等),对于实时交通状况可能并不是最好的子区划分结果。
综上所述,目前常用交通控制子区划分方法的不足主要有:1.划分过程过分依赖交通工程师的经验;2.划分结果无法很好的适应交通状况的实时变化。
发明内容
为了实现以上目的,本发明提供一种交通控制子区动态划分方法,包括以下步骤:
步骤一、数据采集
周期性采集场景信息、道路静态/半静态信息以及实时动态交通流信息;
步骤二、划分交通控制子区
1)假设道路网络结构中,交叉路口数目为n;交叉路口记为C,所有交叉路口依次记为{C1,C2,…,Ci,…,Cn};划分的子区记为S,所有子区依次记为{S1,S2,…,Si,…,SN};每个子区含有一个交叉路口,即C1∈S1,C2∈S2,…,Ci∈Si,…,Cn∈SN,此时记录每个交叉路口Ci的所属子区Si;
2)依次对所有交叉路口C进行以下计算:
步骤A、若i<n,则计算该交叉路口Ci和相邻子区{Sj,Sk,Sm,…}结合之后的网络结构强度增量{ΔQj,ΔQk,ΔQm,...};确定其中增量最大的相邻子区Smax,其中,Smax∈{Sj,Sk,Sm,…};将该交叉路口Ci的所属子区改成Smax,即Ci∈Smax,Si’=Smax;
步骤B、依次对每个交叉路口Ci进行步骤A的判断和计算,得到每个交叉路口的新所属子区Si’,直至i=n,则停止计算,记录每个交叉路口Ci的新所属子区Si’;
3)将步骤1)得到的每个交叉路口Ci的所属子区Si和步骤2)得到的相应交叉路口Ci的新所属子区Si’进行对比;
若所有交叉路口均一致,则将具有相同子区的交叉路口进行合并,生成新的网络结构;
若不一样,则继续采用步骤2)进行新一轮的循环判断和计算,直至新一轮循环计算得到的所有交叉路口Ci的新所属子区Si’和上一轮循环计算得到的所有交叉路口Ci的所属子区Si均一致,则停止结算,并将具有相同子区的交叉路口进行合并,生成新的网络结构;
其中,新的网络结构中的交叉路口为{P1,P2,…,Pi,…,PH},此时H为更新后的交叉路口数量;
4)将新网络结构的强度评价指标Q2和合并之前的网络结构的强度评价指标Q1进行比较;
若Q2≤Q1,则采用合并之前的网络结构对应的分区输出,作为最终的新分区方案;
若Q2>Q1,则采用合并后的网络结构继续重复上述步骤1)-3),直至Q2≤Q1,此时采用合并之前的网络结构对应的分区输出,作为最终的新分区方案。
优选的是,所述的交通控制子区动态划分方法,还包括
步骤三、结果比较
步骤a、确定衡量道路网格结构子区划分优劣的指标Q;
步骤b、确定采集路网信息的周期Δt;每隔Δt计算一次Q值
步骤c、设定下降幅度μ;
步骤d、比较当前Q值Qt和上一个计算周期的Q值Qt-Δt,当且仅当:
a)mΔt≥τ;
b)连续m个计算周期的分隔时间点的Q值都存在(Qt-Δt-Qt)/Qt-Δt≥μ;
其中,τ是人为设定的时间间隔长度;
以上两个条件同时满足时,用最新的分区方案替换正在执行的分区方案;否则不予替换。
优选的是,所述的交通控制子区动态划分方法,步骤1)的数据采集过程是通过与第三方信息采集系统进行交互通信进行的。
优选的是,所述的交通控制子区动态划分方法,步骤2)划分交通控制子区之前,需要对采集到的数据进行数据筛选、流量预测。
优选的是,所述的交通控制子区动态划分方法,道路静态信息包括路网拓扑情况、路段及路口集合数据;
道路动态信息包括:路段及路口交通流信息及场景信息。
本发明至少包括以下有益效果:本发明以路网特征、实时交通信息和场景信息(比如:天气情况、道路施工,交通事故等)为数据源,建立了时空动态子区划分模型,基于实时计算策略,提出了新的交通控制子区动态划分方法,能有效的解决当前动态子区划分方法中的问题:1.通过建立科学的模型和算法,减少因交通工程师的经验缺乏或主观操作对交通控制的影响;2.根据交通流量信息实时计算分区结果,保证结果的时效性。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明的交通控制子区动态划分方法的结构流程图;
图2为本发明中步骤二划分交通控制子区的具体步骤示意图;
图3为本发明中不同时刻的交通控制子区划分方案。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供一种交通控制子区动态划分方法,包括以下步骤:
步骤一、数据采集
周期性采集场景信息、道路静态/半静态信息以及实时动态交通流信息;
上述实施方案中,路段及路口交通流信息及场景信息主要来源于现有系统(例如:SCOOT、SCATS、事故采集系统等)采集的信息;道路静态属性信息包括路网拓扑情况、路段及路口集合数据等。该环节需要通过软件接口搜集第三方系统的信息,需要特别注意各系统数据采集原理、数据保存格式、数据结构和通信协议等;
以SCOOT系统为例,其采集接口采用UDP传输协议,具体描述如下:
Sitracs是智能交通管理系统,可作为Server向第三方系统提供接口服务;
1)在Sitracs系统中保存着所有与该系统相连设备信息表,比如ICU(InstationCommunication Unit,内站通信单元)设备表,分布存储有ICU等设备的相关信息;
2)对ICU来说,当初始化通信时,Sitracs系统首先尝试与各个ICU建立连接,这个过程以握手的方式来完成。当系统与某个ICU建立连接后,才能继续获得该ICU下级所有相关的信息。
3)Server(Sitracs)作为连接核心管控优化模块(可视为Client)和ICU的桥梁,当接受到Client端的请求时,根据不同的请求,或者查询Sitracs系统中的信息表直接将结果反馈回Client,或者将Client的指令传递给ICU,并将ICU的反馈信息转发回对应Client。
步骤二、划分交通控制子区,如图2所示,
1)假设道路网络结构中,交叉路口数目为n;交叉路口记为C,所有交叉路口依次记为{C1,C2,…,Ci,…,Cn};划分的子区记为S,所有子区依次记为{S1,S2,…,Si,…,SN};每个子区含有一个交叉路口,即C1∈S1,C2∈S2,…,Ci∈Si,…,Cn∈SN,此时记录每个交叉路口Ci的所属子区Si;
2)依次对所有交叉路口C进行以下计算:
步骤A、若i<n,则计算该交叉路口Ci和相邻子区{Sj,Sk,Sm,…}结合之后的网络结构强度增量{ΔQj,ΔQk,ΔQm,...};确定其中增量最大的相邻子区Smax,其中,Smax∈{Sj,Sk,Sm,…};将该交叉路口Ci的所属子区改成Smax,即Ci∈Smax,Si’=Smax;
步骤B、依次对每个交叉路口Ci进行步骤A的判断和计算,得到每个交叉路口的新所属子区Si’,直至i=n,则停止计算,记录每个交叉路口Ci的新所属子区Si’;
3)将步骤1)得到的每个交叉路口Ci的所属子区Si和步骤2)得到的相应交叉路口Ci的新所属子区Si’进行对比;
若所有交叉路口均一致,则将具有相同子区的交叉路口进行合并,生成新的网络结构;
若不一样,则继续采用步骤2)进行新一轮的循环判断和计算,直至新一轮循环计算得到的所有交叉路口Ci的新所属子区Si’和上一轮循环计算得到的所有交叉路口Ci的所属子区Si均一致,则停止结算,并将具有相同子区的交叉路口进行合并,生成新的网络结构;
其中,新的网络结构中的交叉路口为{P1,P2,…,Pi,…,PH},此时H为更新后的交叉路口数量;
4)将新网络结构的强度评价指标Q2和合并之前的网络结构的强度评价指标Q1进行比较;
若Q2≤Q1,则采用合并之前的网络结构对应的分区输出,作为最终的新分区方案;
若Q2>Q1,则采用合并后的网络结构继续重复上述步骤1)-3),直至Q2≤Q1,此时采用合并之前的网络结构对应的分区输出,作为最终的新分区方案。
上述实施方案中,该环节就是将预处理后的数据导入模型中,通过智能算法计算子区划分结果。算法流程如图2所示。该算法是一个不断迭代的过程,每次迭代,所有路口都需要从所属子区中分离,并和其他相邻路口进行临时合并计算,找出网络结构强度增量最大的那个路口进行合并,这样不断分离和结合的过程可以有效的保证最后的划分结果相对而言是最优的。
另一种实施方案中,所述的交通控制子区动态划分方法,还包括
步骤三、结果比较
交通流量随时间不断发生着变化。根据变化着的交通流量对路网划分子区,会形成不同的划分方案。如图3所示,t1、t2和t3时刻的交通流量导致了不同的子区划分方案。
但现实中对交通信号控制不宜频繁的突变,所以需要选择合适的子区方案切换时间点。时间点t0的选取,需要达到以下要求:
t0之前的分区方案同t0后的分区方案相比,衡量分区方案优劣的指标的值产生了持续且幅度较大的下降(这说明过去的分区方案已经无法满足现有路况)。
t0同上一个切换时间点的间隔需要大于或等于某个设定时间长度τ(确保不能频繁切换分区方案)。
为达到以上要求,我们需要:
步骤a、确定衡量道路网格结构子区划分优劣的指标Q;
步骤b、确定采集路网信息的周期Δt;每隔Δt计算一次Q值
步骤c、设定下降幅度μ;
步骤d、比较当前Q值Qt和上一个计算周期的Q值Qt-Δt,当且仅当:
a)mΔt≥τ;其中,τ是人为设定的时间间隔长度;
b)连续m个计算周期的分隔时间点的Q值都存在(Qt-Δt-Qt)/Qt-Δt≥μ;
以上两个条件同时满足时,用最新的分区方案替换正在执行的分区方案;否则不予替换。
另一种实施方案中,所述的交通控制子区动态划分方法,步骤1)的数据采集过程是通过与第三方信息采集系统进行交互通信进行的。
另一种实施方案中,所述的交通控制子区动态划分方法,步骤2)划分交通控制子区之前,需要对采集到的数据进行数据筛选、流量预测。
上述实施方案中,数据处理主要是对采集的静态和动态数据进行有效性检测、缺省估计等预处理操作。在实际环境中,通过各种探测器采集的数据可能存在缺失或异常,这些数据不能直接用于分区模型的输入。所以需要对搜集到的各类数据进行预处理,保证输入模型中运算的数据是全面、准确的。该环节可采用的方法也很多,比如:多元线性回归方法、BP神经网络方法等。
另一种实施方案中,所述的交通控制子区动态划分方法,道路静态信息包括路网拓扑情况、路段及路口集合数据;道路动态信息包括:路段及路口交通流信息及场景信息。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (5)
1.一种交通控制子区动态划分方法,其特征在于,包括以下步骤:
步骤一、数据采集
周期性采集场景信息、道路静态/半静态信息以及实时动态交通流信息;
步骤二、划分交通控制子区
1)假设道路网络结构中,交叉路口数目为n;交叉路口记为C,所有交叉路口依次记为{C1,C2,…,Ci,…,Cn};划分的子区记为S,所有子区依次记为{S1,S2,…,Si,…,SN};每个子区含有一个交叉路口,即C1∈S1,C2∈S2,…,Ci∈Si,…,Cn∈SN,此时记录每个交叉路口Ci的所属子区Si;
2)依次对所有交叉路口C进行以下计算:
步骤A、若i<n,则计算该交叉路口Ci和相邻子区{Sj,Sk,Sm,…}结合之后的网络结构强度增量{ΔQj,ΔQk,ΔQm,...};确定其中增量最大的相邻子区Smax,其中,Smax∈{Sj,Sk,Sm,…};将该交叉路口Ci的所属子区改成Smax,即Ci∈Smax,Si’=Smax;
步骤B、依次对每个交叉路口Ci进行步骤A的判断和计算,得到每个交叉路口的新所属子区Si’,直至i=n,则停止计算,记录每个交叉路口Ci的新所属子区Si’;
3)将步骤1)得到的每个交叉路口Ci的所属子区Si和步骤2)得到的相应交叉路口Ci的新所属子区Si’进行对比;
若所有交叉路口均一致,则将具有相同子区的交叉路口进行合并,生成新的网络结构;
若不一样,则继续采用步骤2)进行新一轮的循环判断和计算,直至新一轮循环计算得到的所有交叉路口Ci的新所属子区Si’和上一轮循环计算得到的所有交叉路口Ci的所属子区Si均一致,则停止结算,并将具有相同子区的交叉路口进行合并,生成新的网络结构;
其中,新的网络结构中的交叉路口为{P1,P2,…,Pi,…,PH},此时H为更新后的交叉路口数量;
4)将新网络结构的强度评价指标Q2和合并之前的网络结构的强度评价指标Q1进行比较;
若Q2≤Q1,则采用合并之前的网络结构对应的分区输出,作为最终的新分区方案;
若Q2>Q1,则采用合并后的网络结构继续重复上述步骤1)-3),直至Q2≤Q1,此时采用合并之前的网络结构对应的分区输出,作为最终的新分区方案。
2.如权利要求1所述的交通控制子区动态划分方法,其特征在于,还包括
步骤三、结果比较
步骤a、确定衡量道路网格结构子区划分优劣的指标Q;
步骤b、确定采集路网信息的周期Δt;每隔Δt计算一次Q值
步骤c、设定下降幅度μ;
步骤d、比较当前Q值Qt和上一个计算周期的Q值Qt-Δt,当且仅当:
a)mΔt≥τ;
b)连续m个计算周期的分隔时间点的Q值都存在(Qt-Δt-Qt)/Qt-Δt≥μ;
其中,τ是人为设定的时间间隔长度;
以上两个条件同时满足时,用最新的分区方案替换正在执行的分区方案;否则不予替换。
3.如权利要求1所述的交通控制子区动态划分方法,其特征在于,步骤1)的数据采集过程是通过与第三方信息采集系统进行交互通信进行的。
4.如权利要求1所述的交通控制子区动态划分方法,其特征在于,步骤2)划分交通控制子区之前,需要对采集到的数据进行数据筛选、流量预测。
5.如权利要求1所述的交通控制子区动态划分方法,其特征在于,道路静态信息包括路网拓扑情况、路段及路口集合数据;
道路动态信息包括:路段及路口交通流信息及场景信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910257885.6A CN109841063A (zh) | 2019-04-01 | 2019-04-01 | 一种交通控制子区动态划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910257885.6A CN109841063A (zh) | 2019-04-01 | 2019-04-01 | 一种交通控制子区动态划分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109841063A true CN109841063A (zh) | 2019-06-04 |
Family
ID=66886689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910257885.6A Pending CN109841063A (zh) | 2019-04-01 | 2019-04-01 | 一种交通控制子区动态划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109841063A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223310A (zh) * | 2020-01-09 | 2020-06-02 | 阿里巴巴集团控股有限公司 | 一种信息处理方法、装置及电子设备 |
CN114973699A (zh) * | 2022-05-10 | 2022-08-30 | 阿波罗智联(北京)科技有限公司 | 交通控制信号的生成方法、边缘计算单元和路侧单元 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819717A (zh) * | 2010-03-05 | 2010-09-01 | 吉林大学 | 基于交通状态时空模型的路网性能判定方法 |
CN102722986A (zh) * | 2012-06-28 | 2012-10-10 | 吉林大学 | 城市路网交通控制子区动态划分方法 |
CN109272170A (zh) * | 2018-10-11 | 2019-01-25 | 北京市交通信息中心 | 一种基于Louvain算法的交通小区划分系统 |
-
2019
- 2019-04-01 CN CN201910257885.6A patent/CN109841063A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819717A (zh) * | 2010-03-05 | 2010-09-01 | 吉林大学 | 基于交通状态时空模型的路网性能判定方法 |
CN102722986A (zh) * | 2012-06-28 | 2012-10-10 | 吉林大学 | 城市路网交通控制子区动态划分方法 |
CN109272170A (zh) * | 2018-10-11 | 2019-01-25 | 北京市交通信息中心 | 一种基于Louvain算法的交通小区划分系统 |
Non-Patent Citations (2)
Title |
---|
李沐南: "Louvain算法在社区挖掘中的研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
贾杰: "基于广义拓扑路网模型的动态路径导航算法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223310A (zh) * | 2020-01-09 | 2020-06-02 | 阿里巴巴集团控股有限公司 | 一种信息处理方法、装置及电子设备 |
CN111223310B (zh) * | 2020-01-09 | 2022-07-15 | 阿里巴巴集团控股有限公司 | 一种信息处理方法、装置及电子设备 |
CN114973699A (zh) * | 2022-05-10 | 2022-08-30 | 阿波罗智联(北京)科技有限公司 | 交通控制信号的生成方法、边缘计算单元和路侧单元 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103412975B (zh) | 动态交通仿真平台及其仿真方法 | |
CN109086910B (zh) | 城市轨道交通运营路网拓扑结构建模方法 | |
WO2013167085A2 (zh) | 一种基于栅格映射生长的交通网络划分方法及配置服务器 | |
CN103348638B (zh) | 通信系统、控制装置、通信节点以及通信方法 | |
CN113316808A (zh) | 通过交通状态的时空扩展搜索空间控制交通信号 | |
CN109872535A (zh) | 一种智慧交通通行预测方法、装置及服务器 | |
CN105976062A (zh) | 信号灯时长数据的挖掘方法、出行服务实现方法和装置 | |
CN103050016B (zh) | 一种基于混合推荐的交通信号控制方案实时选取方法 | |
CN106017496A (zh) | 一种基于路况的实时导航方法 | |
CN109841063A (zh) | 一种交通控制子区动态划分方法 | |
CN106408984A (zh) | 基于物联网的城市交通流诱导系统 | |
CN110910054B (zh) | 轨迹的确定方法和装置、时间的推荐方法和装置 | |
Ma et al. | A decentralized model predictive traffic signal control method with fixed phase sequence for urban networks | |
CN108447255A (zh) | 一种城市道路动态交通网络结构信息系统 | |
CN109724619A (zh) | 信息推送方法、装置及服务器 | |
Jensen et al. | Location intelligence application in digital data activity dimensioning in smart cities | |
CN114386536B (zh) | 区域确定方法、装置、计算设备以及存储介质 | |
CN109934368B (zh) | 订单数量和订单状态的预测方法、装置及系统 | |
CN113868492A (zh) | 一种基于电警、卡口数据的可视化od分析方法及应用 | |
CN110807287B (zh) | 基于有限元网格在应急抢修布点场景中划分业务网格构建方法 | |
CN114179873A (zh) | 一种多交路多时段全日列车运行图自动编制方法和系统 | |
CN105139328B (zh) | 面向车牌识别数据的旅行时间实时预测方法及装置 | |
Nambiar et al. | Plant location and vehicle routing in the Malaysian rubber smallholder sector: a case study | |
KR102359902B1 (ko) | 빅데이터 및 인공지능 기반 교차로 서비스수준 예측방법, 그리고 이를 포함하는 저장매체 | |
CN114254825A (zh) | 一种配送路径的确定方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190604 |