CN109859475A - 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统 - Google Patents
一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统 Download PDFInfo
- Publication number
- CN109859475A CN109859475A CN201910194437.6A CN201910194437A CN109859475A CN 109859475 A CN109859475 A CN 109859475A CN 201910194437 A CN201910194437 A CN 201910194437A CN 109859475 A CN109859475 A CN 109859475A
- Authority
- CN
- China
- Prior art keywords
- intersection
- lane
- queue length
- period
- density clustering
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及智能交通技术领域,具体公开了一种基于DBSCAN密度聚类的交叉口信号控制方法,其中,所述基于DBSCAN密度聚类的交叉口信号控制方法包括:采集交叉口每条车道的行车数据;根据每条车道的行车数据计算每个车道的排队长度;根据每个车道的排队长度计算同一车道多个周期的排队长度;根据同一车道多个周期的排队长度以及DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求;若当前交叉口信号控制方案不满足需求,则根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案。本发明还公开了一种基于DBSCAN密度聚类的交叉口信号控制装置及系统。本发明提供的基于DBSCAN密度聚类的交叉口信号控制方法具有数据量大,精确度高的优势。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种基于DBSCAN密度聚类的交叉口信号控制方法、基于DBSCAN密度聚类的交叉口信号控制装置及包括该基于DBSCAN密度聚类的交叉口信号控制装置的基于DBSCAN密度聚类的交叉口信号控制系统。
背景技术
随着城市交通控制技术的不断发展,单点定时信号的配时方法在不断地研究和改进中,目前单点交叉口定时信号配时最为流行的几种计算方法,分别是:Webster、TRRL法、ARRB法、HCM法、冲突点法。国内普遍采用的是Webster方法,该方法以交通延误作为交通效益指标,以交通延误最小求解处信号控制路口的最佳周期时长,然后通过各个方向的流量比去分配最佳周期时长。这种方法虽然能够减小单个交叉口的延误时间,但是目前考虑到城市内一些交叉口的流量在某一段时间内处于饱和或超饱和状态,再使用Webster方法计算出的信号控制周期,就难以满足现状的交通通行需求,也就是说交叉口的每个方向的交通流量相对比较固定。而对于一天内的交通量变化比较大的交叉口,采用Webster法计算出的控制方案,往往只能在某一段时间内适合该交叉口的控制方式;这就需要根据历史时段交通量变化规律,采用多时段定时控制方案可以间接的满足交通量变化规律,目前是一种常用的信号配时方案。以及当前大部分城市采用的多个信号控制交叉口进行线控、面控和联网控制的方法对城市的信号交叉口控制有着很好的改善作用。随着通信与计算机的发展,感应式信号控制技术得到了快速发展,各国研究人员逐步研究并总结出了流量-密度感应控制;基于绿时有效利用率的感应控制;具有“抢”、“要”功能的全感应控制;基于模糊控制和绿时有效利用率的全感应控制;具有跳相位功能的全感应控制;具有相序优化功能的全感应控制;优化感应控制等等。这些控制方法对城市交通信号控制系统都有着不同程度的改善和建议。
然而近几年大数据技术的快速发展,大数据算法也逐渐被应用于控制方法中,在确定信号控制周期时,有通过机器学习的方法确定最佳周期,通常采用一些大数据算法确定信号控制的最佳周期和最佳绿灯时间。目前已有Agent技术、强化学习、自适应动态规划(ADP)和平行控制理论等算法在交通信号控制中的研究,尤其后面两个是目前国内外在交通控制领域研究的前沿课题,正处在探索发展期。强化学习由于受多相位、交通流大范围变化等问题的影响,Q值矩阵存储空间要求异常庞大,会产生“维数灾”,使得该方法在实际应用中受到限制。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提供一种基于DBSCAN密度聚类的交叉口信号控制方法、基于DBSCAN密度聚类的交叉口信号控制装置及包括该基于DBSCAN密度聚类的交叉口信号控制装置的基于DBSCAN密度聚类的交叉口信号控制系统,以解决现有技术中的问题。
作为本发明的第一个方面,提供一种基于DBSCAN密度聚类的交叉口信号控制方法,其中,所述基于DBSCAN密度聚类的交叉口信号控制方法包括:
采集交叉口每条车道的行车数据;
根据每条车道的行车数据计算每个车道的排队长度;
根据每个车道的排队长度计算同一车道多个周期的排队长度;
根据同一车道多个周期的排队长度以及DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求;
若当前交叉口信号控制方案不满足需求,则根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案。
优选地,所述根据每条车道的行车数据计算每个车道的排队长度包括:
获取每条车道的行车数据中的上游交叉口进入本路段参与排队的车辆数;
计算每个周期滞留车辆数;
根据上游交叉口进入本路段参与排队的车辆数和每个周期滞留车辆数计算每个周期绿灯亮起时刻排队车辆数;
根据每个周期绿灯亮起时刻排队车辆数、有效车头间距和与交叉口同向的车道数计算每个车道每个周期的排队长度。
优选地,所述计算每个周期滞留车辆数的计算公式为:
其中,表示第i-1周期到达的车辆数,表示第i-1周期驶离的车辆数,表示第i-1周期滞留车辆数。
优选地,所述根据上游交叉口进入本路段参与排队的车辆数和每个周期滞留车辆数计算每个周期绿灯亮起时刻排队车辆数的计算公式为:
其中,表示第i周期绿灯起始时刻排队车辆数,表示上游交叉口进入本路段参与排队的车辆数,表示第i-1周期滞留车辆数。
优选地,所述根据每个周期绿灯亮起时刻排队车辆数、有效车头间距和与交叉口同向的车道数计算每个车道每个周期的排队长度的计算公式为:
其中,Leff表示有效车头间距,lanenum表示与交叉口同向的车道数,表示第i周期绿灯起始时刻排队车辆数,表示每个车道每个周期的排队长度。
优选地,所述根据每个车道的排队长度计算同一车道多个周期的排队长度包括:
重复所述根据每条车道的行车数据计算每个车道的排队长度的步骤得到车道数编号与车道排队长度的二维坐标。
优选地,所述根据同一车道多个周期的排队长度以及DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求包括:
将每个周期内每条车道的排队长度作为DBSCAN密度聚类算法的聚类对象;
根据每个周期内每条车道的排队长度确定DBSCAN密度聚类算法的第一阈值参数和第二阈值参数;
判断每条车道的排队长度与第一阈值参数的大小,以及判断周期数与第二阈值参数的大小;
若每条车道的排队长度小于第一阈值参数,且周期数大于第二阈值参数,则当前交叉口信号控制方案不满足需求。
优选地,所述根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案包括:
计算交叉口每个方向的每个车道历史周期的排队长度值;
获取交叉口各个方向的车道的排队长度总值;
根据每个车道历史周期的排队长度值和排队长度总值计算交叉口所有排队车辆通过该交叉口所需的时长,并将该时长确定为新的周期时长;
根据新的周期时长以及交叉口每个方向车道排队长度确定交叉口每个相位的绿灯时长。
作为本发明的第二个方面,提供一种基于DBSCAN密度聚类的交叉口信号控制装置,其中,所述基于DBSCAN密度聚类的交叉口信号控制装置包括:
采集模块,所述采集模块用于采集交叉口每条车道的行车数据;
第一计算模块,所述第一计算模块用于根据每条车道的行车数据计算每个车道的排队长度;
第二计算模块,所述第二计算模块用于根据每个车道的排队长度计算同一车道多个周期的排队长度;
判断模块,所述判断模块用于根据同一车道多个周期的排队长度以及DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求;
方案规划模块,所述方案规划模块用于若当前交叉口信号控制方案是否满足需求,则根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案。
作为本发明的第三个方面,提供一种基于DBSCAN密度聚类的交叉口信号控制系统,其中,所述基于DBSCAN密度聚类的交叉口信号控制系统包括交通采集设备、交通信号机和前文所述的基于DBSCAN密度聚类的交叉口信号控制装置,所述交通采集设备和交通信号机均与所述基于DBSCAN密度聚类的交叉口信号控制装置通信连接,所述基于DBSCAN密度聚类的交叉口信号控制装置用于通过所述交通采集设备获取交叉口每条车道的行车数据,所述基于DBSCAN密度聚类的交叉口信号控制装置用于根据获取的交叉口每条车道的行车数据进行处理与判断,得到新的交叉口控制方案,并将新的交叉口控制方案发送至交通信号机,所述交通信号机用于执行新的交叉口控制方案。
本发明提供的基于DBSCAN密度聚类的交叉口信号控制方法,通过实时采集交叉口每条车道的行车数据,并根据该行车数据结合DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求,在当前交叉口信号控制方案不满足需求时,根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案,本发明提供的这种基于DBSCAN密度聚类的交叉口信号控制方法能够根据实时交叉口内每个车道的排队长度去确定交叉口控制方案中的最佳周期时长以及每个方向所需的绿灯时间,具有数据量大,精确度高的优势。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1为本发明提供的基于DBSCAN密度聚类的交叉口信号控制方法的流程图。
图2为本发明提供的十字型信号控制交叉口的示意图。
图3为本发明提供的基于DBSCAN密度聚类的交叉口信号控制方法的具体实施流程图。
图4为本发明提供的基于DBSCAN密度聚类的交叉口信号控制装置的结构框图。
图5为本发明提供的基于DBSCAN密度聚类的交叉口信号控制系统的结构框图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
作为本发明的第一个方面,提供一种基于DBSCAN密度聚类的交叉口信号控制方法,其中,如图1所示,所述基于DBSCAN密度聚类的交叉口信号控制方法包括:
S110、采集交叉口每条车道的行车数据;
S120、根据每条车道的行车数据计算每个车道的排队长度;
S130、根据每个车道的排队长度计算同一车道多个周期的排队长度;
S140、根据同一车道多个周期的排队长度以及DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求;
S150、若当前交叉口信号控制方案不满足需求,则根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案。
本发明提供的基于DBSCAN密度聚类的交叉口信号控制方法,通过实时采集交叉口每条车道的行车数据,并根据该行车数据结合DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求,在当前交叉口信号控制方案不满足需求时,根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案,本发明提供的这种基于DBSCAN密度聚类的交叉口信号控制方法能够根据实时交叉口内每个车道的排队长度去确定交叉口控制方案中的最佳周期时长以及每个方向所需的绿灯时间,具有数据量大,精确度高的优势。
具体地,所述根据每条车道的行车数据计算每个车道的排队长度包括:
获取每条车道的行车数据中的上游交叉口进入本路段参与排队的车辆数;
计算每个周期滞留车辆数;
根据上游交叉口进入本路段参与排队的车辆数和每个周期滞留车辆数计算每个周期绿灯亮起时刻排队车辆数;
根据每个周期绿灯亮起时刻排队车辆数、有效车头间距和与交叉口同向的车道数计算每个车道每个周期的排队长度。
进一步具体地,所述计算每个周期滞留车辆数的计算公式为:
其中,表示第i-1周期到达的车辆数,表示第i-1周期驶离的车辆数,表示第i-1周期滞留车辆数。
进一步具体地,所述根据上游交叉口进入本路段参与排队的车辆数和每个周期滞留车辆数计算每个周期绿灯亮起时刻排队车辆数的计算公式为:
其中,表示第i周期绿灯起始时刻排队车辆数,表示上游交叉口进入本路段参与排队的车辆数,表示第i-1周期滞留车辆数。
具体地,所述根据每个周期绿灯亮起时刻排队车辆数、有效车头间距和与交叉口同向的车道数计算每个车道每个周期的排队长度的计算公式为:
其中,Leff表示有效车头间距,lanenum表示与交叉口同向的车道数,表示第i周期绿灯起始时刻排队车辆数,表示每个车道每个周期的排队长度。
具体地,所述根据每个车道的排队长度计算同一车道多个周期的排队长度包括:
重复所述根据每条车道的行车数据计算每个车道的排队长度的步骤得到车道数编号与车道排队长度的二维坐标。
所述根据同一车道多个周期的排队长度以及DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求包括:
将每个周期内每条车道的排队长度作为DBSCAN密度聚类算法的聚类对象;
根据每个周期内每条车道的排队长度确定DBSCAN密度聚类算法的第一阈值参数和第二阈值参数;
判断每条车道的排队长度与第一阈值参数的大小,以及判断周期数与第二阈值参数的大小;
若每条车道的排队长度小于第一阈值参数,且周期数大于第二阈值参数,则当前交叉口信号控制方案不满足需求。
具体地,所述根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案包括:
计算交叉口每个方向的每个车道历史周期的排队长度值;
获取交叉口各个方向的车道的排队长度总值;
根据每个车道历史周期的排队长度值和排队长度总值计算交叉口所有排队车辆通过该交叉口所需的时长,并将该时长确定为新的周期时长;
根据新的周期时长以及交叉口每个方向车道排队长度确定交叉口每个相位的绿灯时长。
下面以常规四进三出的十字型交叉口为例,如图2所示,其中一个车道左转,两个车道直行,一个车道提前右转;在假设路口交通量相对比较对称的,信号控制相位相序对放的情况下;利用实时的交叉口闯红灯自动记录系统采集的过车数据计算出每个车道中的排队长度;再通过实时车道的排队长度值进行密度聚类,可以确定出交叉口的实时周期与每个相位所需的绿灯时长。
结合图3所示对本发明提供的基于DBSCAN密度聚类的交叉口信号控制方法的具体实施过程进行详细描述。
(A)利用已有的交通采集设备,采集出交叉口每条车道行车数据,例如交叉口的闯红灯自动记录系统、RFID电子车牌识别系统等;
(B)根据(A)步骤中闯红灯自动记录系统采集到的实时过车数据,计算出每个车道的排队长度,其算法基本原理如下:
其中,表示第i周期绿灯起始时刻排队车辆数,表示上游交叉口进入本路段参与排队的车辆数,表示第i-1周期滞留车辆数;
第i-1周期滞留车辆数的计算公式为:
其中,表示第i-1周期到达的车辆数,表示第i-1周期驶离的车辆数,表示第i-1周期滞留车辆数。
根据每个周期绿灯亮起时刻排队车辆数、有效车头间距和与交叉口同向的车道数计算每个车道每个周期的排队长度的计算公式为:
其中,Leff表示有效车头间距,lanenum表示与交叉口同向的车道数,表示第i周期绿灯起始时刻排队车辆数,表示每个车道每个周期的排队长度。
通过上述算法计算出每个车道每个周期的排队长度,记为点
(C)通过海量的闯红灯自动记录系统采集到的过车数据,利用(B)步骤不断的计算出每个车道的排队长度,组成车道编号mi与车道排队长度的二维坐标点,记为点Pi。
(D)将以上组成的点Pi显示到二维坐标系中,利用每个周期内每个车道的排队长度值作为DBSCAN密度聚类算法的聚类对象。
(E)采用k-距离值的方法对每一条车道每个周期内排队长度确定出DBSCAN密度聚类算法中第一阈值参数,即到核心点之间的距离ε(ε表示领域半径),即该值为车道排队长度差值的核心值。
(F)利用海量数据统计的方法确定出DBSCAN密度聚类算法的第二阈值参数MinPts,即在核心领域ε内,确定连续一端时间内多个周期内车道排队长度小于或者等于ε的车道的个数。
(G)判断每一条车道的排队长度值是否小于或等于阈值ε,若是小于ε,且连续几个周期都小于给定的阈值ε,则可以判断该条车道使用同一个信号控制方案能够使得排队车辆顺利通过交叉口,即阈值ε影响着交叉口信号灯的控制方案,从而影响着信号控制周期时长。
(H)通过海量的历史数据计算出每个车道历史周期内的排队长度值,整合每个周期内十字型交叉口四个方向的车道的排队长度值L总。
(I)建立排队长度与信号控制周期时长的关系C=f(L总),计算出不同时段排队长度的交叉口所需的信号周期时长C。
(J)再通过每个车道的排队长度计算出车道所需的绿灯时长gi。
(K)将得到的gi传送给信号机,综合出车行道所在的相位,选取同一个相位内所需绿灯时长最长的一个作为本相位所需的绿灯时长。
(M)若某一车道的排队长度无法正常通过先前设定的控制方案时,需要重复步骤(E)和(F),确定出另一个阈值和关键点个数,然后通过步骤(H)、(I)(J)计算出另一种控制方案,传输给信号机。
作为本发明的第二个方面,提供一种基于DBSCAN密度聚类的交叉口信号控制装置,其中,如图4所示,所述基于DBSCAN密度聚类的交叉口信号控制装置100包括:
采集模块110,所述采集模块110用于采集交叉口每条车道的行车数据;
第一计算模块120,所述第一计算模块120用于根据每条车道的行车数据计算每个车道的排队长度;
第二计算模块130,所述第二计算模块130用于根据每个车道的排队长度计算同一车道多个周期的排队长度;
判断模块140,所述判断模块140用于根据同一车道多个周期的排队长度以及DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求;
方案规划模块150,所述方案规划模块150用于若当前交叉口信号控制方案不满足需求,则根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案。
本发明提供的基于DBSCAN密度聚类的交叉口信号控制装置,通过实时采集交叉口每条车道的行车数据,并根据该行车数据结合DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求,在当前交叉口信号控制方案不满足需求时,根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案,本发明提供的这种基于DBSCAN密度聚类的交叉口信号控制装置能够根据实时交叉口内每个车道的排队长度去确定交叉口控制方案中的最佳周期时长以及每个方向所需的绿灯时间,具有数据量大,精确度高的优势。
关于本发明的基于DBSCAN密度聚类的交叉口信号控制装置的工作原理可以参照前文的基于DBSCAN密度聚类的交叉口信号控制方法的描述,此处不再赘述。
作为本发明的第三个方面,提供一种基于DBSCAN密度聚类的交叉口信号控制系统,其中,如图5所示,所述基于DBSCAN密度聚类的交叉口信号控制系统10包括交通采集设备200、交通信号机300和前文所述的基于DBSCAN密度聚类的交叉口信号控制装置100,所述交通采集设备200和交通信号机300均与所述基于DBSCAN密度聚类的交叉口信号控制装置100通信连接,所述基于DBSCAN密度聚类的交叉口信号控制装置100用于通过所述交通采集设备200获取交叉口每条车道的行车数据,所述基于DBSCAN密度聚类的交叉口信号控制装置100用于根据获取的交叉口每条车道的行车数据进行处理与判断,得到新的交叉口控制方案,并将新的交叉口控制方案发送至交通信号机300,所述交通信号机300用于执行新的交叉口控制方案。
本发明提供的基于DBSCAN密度聚类的交叉口信号控制系统,通过实时采集交叉口每条车道的行车数据,并根据该行车数据结合DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求,在当前交叉口信号控制方案不满足需求时,根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案,本发明提供的这种基于DBSCAN密度聚类的交叉口信号控制系统能够根据实时交叉口内每个车道的排队长度去确定交叉口控制方案中的最佳周期时长以及每个方向所需的绿灯时间,具有数据量大,精确度高的优势。
关于本发明的基于DBSCAN密度聚类的交叉口信号控制系统的工作原理可以参照前文的基于DBSCAN密度聚类的交叉口信号控制方法的描述,此处不再赘述。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种基于DBSCAN密度聚类的交叉口信号控制方法,其特征在于,所述基于DBSCAN密度聚类的交叉口信号控制方法包括:
采集交叉口每条车道的行车数据;
根据每条车道的行车数据计算每个车道的排队长度;
根据每个车道的排队长度计算同一车道多个周期的排队长度;
根据同一车道多个周期的排队长度以及DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求;
若当前交叉口信号控制方案不满足需求,则根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案。
2.根据权利要求1所述的基于DBSCAN密度聚类的交叉口信号控制方法,其特征在于,所述根据每条车道的行车数据计算每个车道的排队长度包括:
获取每条车道的行车数据中的上游交叉口进入本路段参与排队的车辆数;
计算每个周期滞留车辆数;
根据上游交叉口进入本路段参与排队的车辆数和每个周期滞留车辆数计算每个周期绿灯亮起时刻排队车辆数;
根据每个周期绿灯亮起时刻排队车辆数、有效车头间距和与交叉口同向的车道数计算每个车道每个周期的排队长度。
3.根据权利要求2所述的基于DBSCAN密度聚类的交叉口信号控制方法,其特征在于,所述计算每个周期滞留车辆数的计算公式为:
其中,表示第i-1周期到达的车辆数,表示第i-1周期驶离的车辆数,表示第i-1周期滞留车辆数。
4.根据权利要求3所述的基于DBSCAN密度聚类的交叉口信号控制方法,其特征在于,所述根据上游交叉口进入本路段参与排队的车辆数和每个周期滞留车辆数计算每个周期绿灯亮起时刻排队车辆数的计算公式为:
其中,表示第i周期绿灯起始时刻排队车辆数,表示上游交叉口进入本路段参与排队的车辆数,表示第i-1周期滞留车辆数。
5.根据权利要求4所述的基于DBSCAN密度聚类的交叉口信号控制方法,其特征在于,所述根据每个周期绿灯亮起时刻排队车辆数、有效车头间距和与交叉口同向的车道数计算每个车道每个周期的排队长度的计算公式为:
其中,Leff表示有效车头间距,lanenum表示与交叉口同向的车道数,表示第i周期绿灯起始时刻排队车辆数,表示每个车道每个周期的排队长度。
6.根据权利要求1所述的基于DBSCAN密度聚类的交叉口信号控制方法,其特征在于,所述根据每个车道的排队长度计算同一车道多个周期的排队长度包括:
重复所述根据每条车道的行车数据计算每个车道的排队长度的步骤得到车道数编号与车道排队长度的二维坐标。
7.根据权利要求1所述的基于DBSCAN密度聚类的交叉口信号控制方法,其特征在于,所述根据同一车道多个周期的排队长度以及DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求包括:
将每个周期内每条车道的排队长度作为DBSCAN密度聚类算法的聚类对象;
根据每个周期内每条车道的排队长度确定DBSCAN密度聚类算法的第一阈值参数和第二阈值参数;
判断每条车道的排队长度与第一阈值参数的大小,以及判断周期数与第二阈值参数的大小;
若每条车道的排队长度小于第一阈值参数,且周期数大于第二阈值参数,则当前交叉口信号控制方案不满足需求。
8.根据权利要求1所述的基于DBSCAN密度聚类的交叉口信号控制方法,其特征在于,所述根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案包括:
计算交叉口每个方向的每个车道历史周期的排队长度值;
获取交叉口各个方向的车道的排队长度总值;
根据每个车道历史周期的排队长度值和排队长度总值计算交叉口所有排队车辆通过该交叉口所需的时长,并将该时长确定为新的周期时长;
根据新的周期时长以及交叉口每个方向车道排队长度确定交叉口每个相位的绿灯时长。
9.一种基于DBSCAN密度聚类的交叉口信号控制装置,其特征在于,所述基于DBSCAN密度聚类的交叉口信号控制装置包括:
采集模块,所述采集模块用于采集交叉口每条车道的行车数据;
第一计算模块,所述第一计算模块用于根据每条车道的行车数据计算每个车道的排队长度;
第二计算模块,所述第二计算模块用于根据每个车道的排队长度计算同一车道多个周期的排队长度;
判断模块,所述判断模块用于根据同一车道多个周期的排队长度以及DBSCAN密度聚类算法判断当前交叉口信号控制方案是否满足需求;
方案规划模块,所述方案规划模块用于若当前交叉口信号控制方案是否满足需求,则根据当前交叉口的每个车道的排队长度重新规划新的交叉口控制方案。
10.一种基于DBSCAN密度聚类的交叉口信号控制系统,其特征在于,所述基于DBSCAN密度聚类的交叉口信号控制系统包括交通采集设备、交通信号机和权利要求8所述的基于DBSCAN密度聚类的交叉口信号控制装置,所述交通采集设备和交通信号机均与所述基于DBSCAN密度聚类的交叉口信号控制装置通信连接,所述基于DBSCAN密度聚类的交叉口信号控制装置用于通过所述交通采集设备获取交叉口每条车道的行车数据,所述基于DBSCAN密度聚类的交叉口信号控制装置用于根据获取的交叉口每条车道的行车数据进行处理与判断,得到新的交叉口控制方案,并将新的交叉口控制方案发送至交通信号机,所述交通信号机用于执行新的交叉口控制方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910194437.6A CN109859475B (zh) | 2019-03-14 | 2019-03-14 | 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910194437.6A CN109859475B (zh) | 2019-03-14 | 2019-03-14 | 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109859475A true CN109859475A (zh) | 2019-06-07 |
CN109859475B CN109859475B (zh) | 2021-08-31 |
Family
ID=66900810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910194437.6A Active CN109859475B (zh) | 2019-03-14 | 2019-03-14 | 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859475B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112216113A (zh) * | 2020-10-16 | 2021-01-12 | 温州职业技术学院 | 基于密度峰值的交通流量数据聚类方法 |
CN112885117A (zh) * | 2021-01-13 | 2021-06-01 | 长安大学 | 一种网联信控交叉口控制系统及方法 |
CN116092297A (zh) * | 2023-04-07 | 2023-05-09 | 南京航空航天大学 | 一种低渗透率分布式差分信号控制的边缘计算方法及系统 |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080238720A1 (en) * | 2007-03-30 | 2008-10-02 | Jin-Shyan Lee | System And Method For Intelligent Traffic Control Using Wireless Sensor And Actuator Networks |
CN101477747A (zh) * | 2009-01-05 | 2009-07-08 | 东南大学 | 一种交通高峰期高密度路网的信号控制方法 |
US20110191011A1 (en) * | 2010-02-01 | 2011-08-04 | Mcbride Kurtis | System and Method for Modeling and Optimizing the Performance of Transportation Networks |
CN102930728A (zh) * | 2012-11-19 | 2013-02-13 | 西安费斯达自动化工程有限公司 | 基于fpga及改进吴正模型的在线交通瓶颈预测控制方法 |
CN103050016A (zh) * | 2012-12-24 | 2013-04-17 | 中国科学院自动化研究所 | 一种基于混合推荐的交通信号控制方案实时选取方法 |
CN103337189A (zh) * | 2013-06-08 | 2013-10-02 | 北京航空航天大学 | 一种基于路段动态划分的车辆路径诱导方法 |
US20140210645A1 (en) * | 2013-01-30 | 2014-07-31 | Wavetronix Llc | Traffic flow through an intersection by reducing platoon interference |
CN104299432A (zh) * | 2014-10-31 | 2015-01-21 | 青岛海信网络科技股份有限公司 | 一种过饱和路口信号灯控制方法及装置 |
CN104732779A (zh) * | 2015-03-29 | 2015-06-24 | 安徽科力信息产业有限责任公司 | 基于交通信号机和视频监控联动的交通拥堵疏导方法 |
CN104778848A (zh) * | 2015-04-30 | 2015-07-15 | 安徽超远信息技术有限公司 | 用于道路交叉口车辆协调优化状态的交通信号优化控制方法 |
CN104933876A (zh) * | 2015-06-03 | 2015-09-23 | 浙江师范大学 | 一种自适应智慧城市智能交通信号的控制方法 |
US9159229B2 (en) * | 2013-06-18 | 2015-10-13 | Carnegie Mellon University, A Pennsylvania Non-Profit Corporation | Smart and scalable urban signal networks: methods and systems for adaptive traffic signal control |
CN105118308A (zh) * | 2015-10-12 | 2015-12-02 | 青岛大学 | 基于聚类强化学习的城市道路交叉口交通信号优化方法 |
CN105551250A (zh) * | 2016-01-13 | 2016-05-04 | 东南大学 | 一种基于区间聚类的城市道路交叉口运行状态判别方法 |
CN106097733A (zh) * | 2016-08-22 | 2016-11-09 | 青岛大学 | 一种基于策略迭代和聚类的交通信号优化控制方法 |
CN106355907A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 |
CN106960571A (zh) * | 2017-03-30 | 2017-07-18 | 百度在线网络技术(北京)有限公司 | 道路拥堵瓶颈点确定方法、装置、服务器及存储介质 |
CN107025792A (zh) * | 2017-05-05 | 2017-08-08 | 深圳市哈工大交通电子技术有限公司 | 基于车辆排队长度的车道及信号灯周期的调整方法及装置 |
US20180032964A1 (en) * | 2016-08-01 | 2018-02-01 | Nec Europe Ltd. | Transportation system and method for allocating frequencies of transit services therein |
CN108399748A (zh) * | 2018-03-08 | 2018-08-14 | 重庆邮电大学 | 一种基于随机森林与聚类算法的道路旅行时间预测方法 |
CN108447275A (zh) * | 2018-04-25 | 2018-08-24 | 安徽超远信息技术有限公司 | 基于车队感应和车辆感应相结合的交通信号优化控制方法 |
US20180253973A1 (en) * | 2017-03-03 | 2018-09-06 | Kennesaw State University Research And Service Foundation, Inc. | Real-time video analytics for traffic conflict detection and quantification |
CN108615376A (zh) * | 2018-05-28 | 2018-10-02 | 安徽科力信息产业有限责任公司 | 一种基于视频检测的交叉口信号控制方案评价方法 |
CN108648451A (zh) * | 2018-05-15 | 2018-10-12 | 北京数行健科技有限公司 | 一种交通数据处理设备和交通态势管理系统 |
CN109191841A (zh) * | 2018-09-17 | 2019-01-11 | 天津中德应用技术大学 | 一种基于树莓派的城市交通智能管理系统 |
-
2019
- 2019-03-14 CN CN201910194437.6A patent/CN109859475B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080238720A1 (en) * | 2007-03-30 | 2008-10-02 | Jin-Shyan Lee | System And Method For Intelligent Traffic Control Using Wireless Sensor And Actuator Networks |
CN101477747A (zh) * | 2009-01-05 | 2009-07-08 | 东南大学 | 一种交通高峰期高密度路网的信号控制方法 |
US20110191011A1 (en) * | 2010-02-01 | 2011-08-04 | Mcbride Kurtis | System and Method for Modeling and Optimizing the Performance of Transportation Networks |
CN102930728A (zh) * | 2012-11-19 | 2013-02-13 | 西安费斯达自动化工程有限公司 | 基于fpga及改进吴正模型的在线交通瓶颈预测控制方法 |
CN103050016A (zh) * | 2012-12-24 | 2013-04-17 | 中国科学院自动化研究所 | 一种基于混合推荐的交通信号控制方案实时选取方法 |
US20140210645A1 (en) * | 2013-01-30 | 2014-07-31 | Wavetronix Llc | Traffic flow through an intersection by reducing platoon interference |
CN103337189A (zh) * | 2013-06-08 | 2013-10-02 | 北京航空航天大学 | 一种基于路段动态划分的车辆路径诱导方法 |
US9159229B2 (en) * | 2013-06-18 | 2015-10-13 | Carnegie Mellon University, A Pennsylvania Non-Profit Corporation | Smart and scalable urban signal networks: methods and systems for adaptive traffic signal control |
CN104299432A (zh) * | 2014-10-31 | 2015-01-21 | 青岛海信网络科技股份有限公司 | 一种过饱和路口信号灯控制方法及装置 |
CN104732779A (zh) * | 2015-03-29 | 2015-06-24 | 安徽科力信息产业有限责任公司 | 基于交通信号机和视频监控联动的交通拥堵疏导方法 |
CN104778848A (zh) * | 2015-04-30 | 2015-07-15 | 安徽超远信息技术有限公司 | 用于道路交叉口车辆协调优化状态的交通信号优化控制方法 |
CN104933876A (zh) * | 2015-06-03 | 2015-09-23 | 浙江师范大学 | 一种自适应智慧城市智能交通信号的控制方法 |
CN105118308A (zh) * | 2015-10-12 | 2015-12-02 | 青岛大学 | 基于聚类强化学习的城市道路交叉口交通信号优化方法 |
CN105551250A (zh) * | 2016-01-13 | 2016-05-04 | 东南大学 | 一种基于区间聚类的城市道路交叉口运行状态判别方法 |
US20180032964A1 (en) * | 2016-08-01 | 2018-02-01 | Nec Europe Ltd. | Transportation system and method for allocating frequencies of transit services therein |
CN106097733A (zh) * | 2016-08-22 | 2016-11-09 | 青岛大学 | 一种基于策略迭代和聚类的交通信号优化控制方法 |
CN106355907A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 |
US20180253973A1 (en) * | 2017-03-03 | 2018-09-06 | Kennesaw State University Research And Service Foundation, Inc. | Real-time video analytics for traffic conflict detection and quantification |
CN106960571A (zh) * | 2017-03-30 | 2017-07-18 | 百度在线网络技术(北京)有限公司 | 道路拥堵瓶颈点确定方法、装置、服务器及存储介质 |
CN107025792A (zh) * | 2017-05-05 | 2017-08-08 | 深圳市哈工大交通电子技术有限公司 | 基于车辆排队长度的车道及信号灯周期的调整方法及装置 |
CN108399748A (zh) * | 2018-03-08 | 2018-08-14 | 重庆邮电大学 | 一种基于随机森林与聚类算法的道路旅行时间预测方法 |
CN108447275A (zh) * | 2018-04-25 | 2018-08-24 | 安徽超远信息技术有限公司 | 基于车队感应和车辆感应相结合的交通信号优化控制方法 |
CN108648451A (zh) * | 2018-05-15 | 2018-10-12 | 北京数行健科技有限公司 | 一种交通数据处理设备和交通态势管理系统 |
CN108615376A (zh) * | 2018-05-28 | 2018-10-02 | 安徽科力信息产业有限责任公司 | 一种基于视频检测的交叉口信号控制方案评价方法 |
CN109191841A (zh) * | 2018-09-17 | 2019-01-11 | 天津中德应用技术大学 | 一种基于树莓派的城市交通智能管理系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112216113A (zh) * | 2020-10-16 | 2021-01-12 | 温州职业技术学院 | 基于密度峰值的交通流量数据聚类方法 |
CN112216113B (zh) * | 2020-10-16 | 2021-07-27 | 温州职业技术学院 | 基于密度峰值的交通流量数据聚类方法 |
CN112885117A (zh) * | 2021-01-13 | 2021-06-01 | 长安大学 | 一种网联信控交叉口控制系统及方法 |
CN116092297A (zh) * | 2023-04-07 | 2023-05-09 | 南京航空航天大学 | 一种低渗透率分布式差分信号控制的边缘计算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109859475B (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767630B (zh) | 一种基于车路协同的交通信号控制系统 | |
Al Islam et al. | A real-time network-level traffic signal control methodology with partial connected vehicle information | |
Ahmane et al. | Modeling and controlling an isolated urban intersection based on cooperative vehicles | |
Jin et al. | Platoon-based multi-agent intersection management for connected vehicle | |
CN106875710B (zh) | 一种面向网联自动驾驶车辆的交叉口自组织控制方法 | |
CN108877268A (zh) | 一种面向无人驾驶的无红绿灯十字路口智能调度方法 | |
CN109859475A (zh) | 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统 | |
CN107507430B (zh) | 一种城市路口交通控制方法及系统 | |
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 | |
CN109003467A (zh) | 一种防止车辆碰撞的方法、装置及系统 | |
CN111768639B (zh) | 一种网联交通环境下的多交叉口信号配时系统及其方法 | |
Ruskin et al. | Modeling traffic flow at an urban unsignalized intersection | |
CN108615389A (zh) | 一种城市交通拥堵预测预防系统 | |
Ding et al. | Multivehicle coordinated lane change strategy in the roundabout under internet of vehicles based on game theory and cognitive computing | |
Liu et al. | A new approach for real-time traffic delay estimation based on cooperative vehicle-infrastructure systems at the signal intersection | |
CN108877253A (zh) | 一种基于物联网的公交专用道资源动态共享方法及系统 | |
CN114495547B (zh) | 一种面向自动驾驶汽车的信号交叉口协同通行方法 | |
Deng et al. | Cooperative platoon formation of connected and autonomous vehicles: Toward efficient merging coordination at unsignalized intersections | |
CN113516854B (zh) | 一种基于卡警、视频检测器的多路口协调自适应控制方法 | |
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 | |
Wang et al. | TLB-VTL: 3-level buffer based virtual traffic light scheme for intelligent collaborative intersections | |
Li et al. | Biobjective Optimization and Evaluation for Transit Signal Priority Strategies at Bus Stop‐to‐Stop Segment | |
CN110211406A (zh) | 一种公交车进站速度引导控制方法及系统 | |
CN114495578B (zh) | 一种基于冲突点的多虚拟车队的无信号灯路口车辆调度方法 | |
Huang et al. | Reservation-based traffic signal control for mixed traffic flow at intersections |
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 |