CN110021178A - 一种基于路口相似度的信号配时方案推荐方法 - Google Patents

一种基于路口相似度的信号配时方案推荐方法 Download PDF

Info

Publication number
CN110021178A
CN110021178A CN201910313296.5A CN201910313296A CN110021178A CN 110021178 A CN110021178 A CN 110021178A CN 201910313296 A CN201910313296 A CN 201910313296A CN 110021178 A CN110021178 A CN 110021178A
Authority
CN
China
Prior art keywords
crossing
similarity
scheme
data
signal time
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
CN201910313296.5A
Other languages
English (en)
Other versions
CN110021178B (zh
Inventor
孟利民
骆佳磊
蒋维
应颂翔
林梦嫚
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201910313296.5A priority Critical patent/CN110021178B/zh
Publication of CN110021178A publication Critical patent/CN110021178A/zh
Application granted granted Critical
Publication of CN110021178B publication Critical patent/CN110021178B/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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于路口相似度的信号配时方案推荐方法，包括：1)采集路口地理信息；2)预处理数据；3)建立路口模型和方案模型；4)对目标路口与数据库模块中的路口做相似度的计算；5)评价得分模块。本发明的优点是：提出了一种基于路口相似度的信号配时方案推荐方法，能够将海量信号配时方案，通过路口相似度的匹配，推荐给目标路口，有效提高信号配时人员的工作效率和准确率。并通过评分机制，以保存优秀配时方案的方式，积累信号配时人员的专家经验。

Description

一种基于路口相似度的信号配时方案推荐方法
技术领域
本发明涉及一种基于路口相似度的信号配时方案推荐方法。
技术背景
良好运转的交通系统与城市的健康发展息息相关。社会经济的发展、城市化进程的加快以及私家车的迅速增加促进了城市交通需求的快速增长，随之而来的交通拥堵问题已然成为了大中型城市发展的瓶颈问题。为了解决上述交通问题，国内外普遍采取的方法有加宽路面，修建立交桥、高架桥等。虽然这些方法能暂时缓解交通压力，但是由于土地资源有限以及经济条件的制约，上述的方法并不是缓解交通拥堵、提高通行效率的长久之计。因此，在道路建设增长极其有限的情况下，如何通过区域交通需求管控策略，对路网进行整体把控，同时实现区域道路交通运行的最优配置，挖掘和充分利用现有道路资源，才是实现城市道路交通高效、有序、安全运行的重要途径。
在城市道路交叉口的管理中采用交叉口信号配时方案可以对交叉口的交通进行有效的调控，是改善城市交通运行状况的重要途径之一。然而传统的信号配时工作，需要配时人员对相关路口进行实时的监控视频观察，根据实际情况制定方案，并持续观察方案效果。这一过程不仅对配时人员经验水平要求较高且耗费时间和精力，同时也影响方案下发的工作效率。另一方面由于交通系统本身所具有的动态特性所产生的时段差异以及路口自身的差异也使得配时工作积累下来的大量配时方案难以准确复用到别的路口上，造成了资源的浪费。
发明内容
为提高配时工作人员的工作效率和准确率，更快的对拥堵路口和新增路口进行配时方案的下发，本发明提供了一种通过输入路口静态地理信息和动态交通流信息来推荐适合当前路口交通状况的信号配时方案的方法。
一种基于路口相似度的信号配时方案推荐方法，包括以下步骤：
1)采集数据，采集路口地理信息，通过SCATS检测器采集对应路口交通流数据及其对应时段的配时方案数据。
2)预处理数据，在步骤1)的基础上，针对交通流和配时方案数据的缺失和异常进行清洗和修复。针对缺失数据用多重插补的方法进行补全。针对异常数据，首先用统计学中的Grubbs检验法判断数据是否为异常值，再针对异常值采用三次样条法进行插值。
3)建立数据库，基于步骤1)和步骤2)建立路口模型和方案模型。
4)推荐算法，在步骤3)的基础上，对目标路口与数据库模块中的路口做相似度的计算，计算公式SIM描述如公式(1)所示：
SIM＝Kd·SIMD+Kf·SIMF+Kb·SIMB (1)
其中SIMD是路口空间相似度，Kd是路口空间相似度所占的权重；SIMF是各路段车道数与车道功能类型的相似度，Kf是车道数与车道功能类型的相似度所占的权重；SIMB是计算周围是否有医院、学校、车站等规律性大流量建筑物及建筑物所处位置的相似度，Kb是建筑物相似度所占的权重。
选取相似度SIM超过阈值的路口(阈值由专家经验得出)，通过目标路口与这些路口的当前动态数据匹配，从这些路口的方案中计算出最适合目标路口的方案进行推荐，计算公式描述如公式(2)所示：
其中S是配时方案推荐度，A(VO,DS)是以目标路口当前各相位对应车道的流量和饱和度构成的特征向量，B(VO,DS)是选中路口的各周期方案中的各相位对应车道的流量和饱和度构成的特征向量，VO表示流量，DS表示饱和度。
选取推荐度S最高的输出到SCATS控制系统中。
5)评价得分，收集方案运行后几个周期的数据对方案进行评价，计算公式描述如公式(3)所示：
其中Scores指方案的评价得分，c代表方案运行后的c个周期，n代表参与评分的n项性能指标，性能指标有平均车辆延误时间，平均车速，路口排队长度等，ks是每项性能指标所占的权重，scores是每项性能指标所占的权重。得分高于阈值则将方案录入至目标路口的方案数据库中，阈值S由专家经验判断。
本发明的优点是：提出了一种基于路口相似度的信号配时方案推荐方法，能够将海量信号配时方案，通过路口相似度的匹配，推荐给目标路口，有效提高信号配时人员的工作效率和准确率。并通过评分机制，以保存优秀配时方案的方式，积累信号配时人员的专家经验。
附图说明
图1是本发明的步骤流程示意图。
图2是本发明的推荐算法结构图。
图3是本发明的评价指标结构图。
具体实施方式
为说明本发明的技术特点，下面结合附图对本发明的具体实施步骤进一步描述，此处所描述的具体实施案例仅仅用于解释本发明，而不是限定本发明。
对于本案例，其信号配时方案推荐方法包括以下所示，如附图1所示：
1)采集数据，采集路口地理信息，通过SCATS检测器采集对应路口交通流数据及其对应时段的配时方案数据。
2)预处理数据，在步骤1)的基础上，针对交通流和配时方案数据的缺失和异常进行清洗和修复。针对缺失数据用多重插补的方法进行补全。针对异常数据，首先用统计学中的Grubbs检验法判断数据是否为异常值，再针对异常值采用三次样条法进行插值。
3)建立数据库，基于步骤1)和步骤2)建立路口模型和方案模型。
4)推荐算法，在步骤3)的基础上，对目标路口与数据库模块中的路口做相似度的计算，计算公式SIM描述如公式(1)所示：
SIM＝Kd·SIMD+Kf·SIMF+Kb·SIMB (1)
其中SIMD是路口空间相似度，Kd是路口空间相似度所占的权重；SIMF是各路段车道数与车道功能类型的相似度，Kf是车道数与车道功能类型的相似度所占的权重；SIMB是计算周围是否有医院、学校、车站等规律性大流量建筑物及建筑物所处位置的相似度，Kb是建筑物相似度所占的权重。
其中j是路段总数，directionA是目标路口的路段，directionB是路口数据库中的路口的路段，Rad计算的是正北方向为起始方向的路段弧度。
其中Ai与Bi分别是目标路口与路口数据库中路口的车道功能和数量的模糊集，SIMF是Ai与Bi之间的模糊相似度，M是相应模糊集的面积。
若路口周围存在医院、学校、车站等规律性大流量建筑物，(x,y)为目标路口的建筑物坐标，(x′,y′)为数据库中路口周边建筑物坐标。
选取相似度SIM超过阈值的路口，阈值由专家经验得出，一般取值范围是：75至95，本实施例取80。通过目标路口与这些路口的当前动态数据匹配，从这些路口的方案中计算出最适合目标路口的方案进行推荐，计算公式描述如公式(2)所示：
其中S是配时方案推荐度，A(VO,DS)是以目标路口当前各相位对应车道的流量和饱和度构成的特征向量，B(VO,DS)是选中路口的各周期方案中的各相位对应车道的流量和饱和度构成的特征向量，VO表示流量，DS表示饱和度。
选取推荐度S最高的输出到SCATS控制系统中。
5)评价得分，收集方案运行后几个周期的数据对方案进行评价，计算公式描述如公式(3)所示：
其中Scores指方案的评价得分，c代表方案运行后的c个周期，n代表参与评分的n项性能指标，性能指标有平均车辆延误时间，平均车速，路口排队长度等，ks是每项性能指标所占的权重，scores是每项性能指标所占的权重。得分高于阈值则将方案录入至目标路口的方案数据库中，阈值S由专家经验判断，一般取值范围是大于0.7，本实施例取0.75。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于路口相似度的信号配时方案推荐方法，包括以下步骤：
1)采集数据，采集路口地理信息，通过SCATS检测器采集对应路口交通流数据及其对应时段的配时方案数据；
2)预处理数据，在步骤1)的基础上，针对交通流和配时方案数据的缺失和异常进行清洗和修复；针对缺失数据用多重插补的方法进行补全；针对异常数据，首先用统计学中的Grubbs检验法判断数据是否为异常值，再针对异常值采用三次样条法进行插值；
3)建立数据库，基于步骤1)和步骤2)建立路口模型和方案模型；
4)推荐算法，在步骤3)的基础上，对目标路口与数据库模块中的路口做相似度的计算，计算公式SIM描述如公式(1)所示：
SIM＝Kd·SIMD+Kf·SIMF+Kb·SIMB (1)
其中SIMD是路口空间相似度，Kd是路口空间相似度所占的权重；SIMF是各路段车道数与车道功能类型的相似度，Kf是车道数与车道功能类型的相似度所占的权重；SIMB是计算周围是否有医院、学校、车站等规律性大流量建筑物及建筑物所处位置的相似度，Kb是建筑物相似度所占的权重；
选取相似度SIM超过阈值的路口，通过目标路口与这些路口的当前动态数据匹配，从这些路口的方案中计算出最适合目标路口的方案进行推荐，计算公式描述如公式(2)所示：
其中S是配时方案推荐度，A(VO,DS)是以目标路口当前各相位对应车道的流量和饱和度构成的特征向量，B(VO,DS)是选中路口的各周期方案中的各相位对应车道的流量和饱和度构成的特征向量，VO表示流量，DS表示饱和度；
选取推荐度S最高的输出到SCATS控制系统中；
5)评价得分，收集方案运行后几个周期的数据对方案进行评价，计算公式描述如公式(3)所示：
其中Scores指方案的评价得分，c代表方案运行后的c个周期，n代表参与评分的n项性能指标，性能指标有平均车辆延误时间，平均车速，路口排队长度等，ks是每项性能指标所占的权重，scores是每项性能指标所占的权重；得分高于阈值则将方案录入至目标路口的方案数据库中。
2.如权利要求1所述的基于路口相似度的信号配时方案推荐方法，其特征在于：步骤1)所述的路口地理信息包括路口形状、路段角度、车道数量与功能和周边是否有医院、学校、车站的规律性大流量建筑物；交通流数据包括SCATS检测器采集的各车道流量和饱和度，对应配时方案为每一周期的相位、相序及各相位绿灯时长。
3.如权利要求1所述的基于路口相似度的信号配时方案推荐方法，其特征在于：步骤2)所述的缺失数据补全方法包括但不限于多重插补，异常数据修复方法包括但不限于三次样条法。
4.如权利要求1所述的基于路口相似度的信号配时方案推荐方法，其特征在于：步骤3)所述的路口模型包括路口的静态地理数据及各时段的动态数据，方案模型包括对应路口每一周期的方案。
5.如权利要求1所述的基于路口相似度的信号配时方案推荐方法，其特征在于：步骤4)路口相似度计算公式如下形式：
SIM＝Kd·SIMD+Kf·SIMF+Kb·SIMB
其中j是路段总数，directionA是目标路口的路段，directionB是路口数据库中的路口的路段，Rad计算的是正北方向为起始方向的路段弧度；
其中Ai与Bi分别是目标路口与路口数据库中路口的车道功能和数量的模糊集，SIMF是Ai与Bi之间的模糊相似度，M是相应模糊集的面积；
若路口周围存在医院、学校、车站等规律性大流量建筑物，(x,y)为目标路口的建筑物坐标，(x′,y′)为数据库中路口周边建筑物坐标；
方案推荐计算公式如下形式：
6.如权利要求1所述的基于路口相似度的信号配时方案推荐方法，其特征在于：步骤5)评价得分模块，计算公式如下形式：
CN201910313296.5A 2019-04-18 2019-04-18 一种基于路口相似度的信号配时方案推荐方法 Active CN110021178B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910313296.5A CN110021178B (zh) 2019-04-18 2019-04-18 一种基于路口相似度的信号配时方案推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910313296.5A CN110021178B (zh) 2019-04-18 2019-04-18 一种基于路口相似度的信号配时方案推荐方法

Publications (2)

Publication Number Publication Date
CN110021178A true CN110021178A (zh) 2019-07-16
CN110021178B CN110021178B (zh) 2020-10-27

Family

ID=67191739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910313296.5A Active CN110021178B (zh) 2019-04-18 2019-04-18 一种基于路口相似度的信号配时方案推荐方法

Country Status (1)

Country Link
CN (1) CN110021178B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462486A (zh) * 2020-03-31 2020-07-28 连云港杰瑞电子有限公司 一种基于交通信号控制的交叉口相似性度量方法
CN111753362A (zh) * 2020-07-01 2020-10-09 中安建设安装集团有限公司 一种基于移动平台的大型建筑设计方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810869A (zh) * 2014-02-27 2014-05-21 北京建筑大学 一种基于动态转向比例估计的路口信号控制方法
CN106297334A (zh) * 2016-10-27 2017-01-04 东南大学 绿波协调控制下的干线路段划分方法
CN106683442A (zh) * 2016-12-28 2017-05-17 安徽科力信息产业有限责任公司 基于多指标的交叉口信号配时方案评价方法
CN106935040A (zh) * 2017-04-05 2017-07-07 河海大学 一种十字型交叉口交通信号灯设置的判别方法
CN107665582A (zh) * 2017-11-20 2018-02-06 中兴软创科技股份有限公司 一种基于多源数据的交通服务水平评价方法
CN107766636A (zh) * 2017-10-12 2018-03-06 东南大学 一种基于极值理论与微观仿真的城市交叉口安全评价方法
CN107767023A (zh) * 2017-09-20 2018-03-06 浙江工业大学 一种基于模糊knn空间特征匹配的道路交通服务水平评价方法
CN108629979A (zh) * 2018-06-12 2018-10-09 浙江工业大学 一种基于历史和周边路口数据的拥堵预测算法
CN109147329A (zh) * 2018-09-18 2019-01-04 银江股份有限公司 基于通行能力的区域交通运行状态指数计算及可视化方法
CN109635722A (zh) * 2018-12-10 2019-04-16 福建工程学院 一种高分辨率遥感影像路口自动识别方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810869A (zh) * 2014-02-27 2014-05-21 北京建筑大学 一种基于动态转向比例估计的路口信号控制方法
CN106297334A (zh) * 2016-10-27 2017-01-04 东南大学 绿波协调控制下的干线路段划分方法
CN106683442A (zh) * 2016-12-28 2017-05-17 安徽科力信息产业有限责任公司 基于多指标的交叉口信号配时方案评价方法
CN106935040A (zh) * 2017-04-05 2017-07-07 河海大学 一种十字型交叉口交通信号灯设置的判别方法
CN107767023A (zh) * 2017-09-20 2018-03-06 浙江工业大学 一种基于模糊knn空间特征匹配的道路交通服务水平评价方法
CN107766636A (zh) * 2017-10-12 2018-03-06 东南大学 一种基于极值理论与微观仿真的城市交叉口安全评价方法
CN107665582A (zh) * 2017-11-20 2018-02-06 中兴软创科技股份有限公司 一种基于多源数据的交通服务水平评价方法
CN108629979A (zh) * 2018-06-12 2018-10-09 浙江工业大学 一种基于历史和周边路口数据的拥堵预测算法
CN109147329A (zh) * 2018-09-18 2019-01-04 银江股份有限公司 基于通行能力的区域交通运行状态指数计算及可视化方法
CN109635722A (zh) * 2018-12-10 2019-04-16 福建工程学院 一种高分辨率遥感影像路口自动识别方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
DOYTSHER Y 等: "The Detection of Corresponding Objects in a Linear-based Map Conflation", 《SURVEYING AND LAND INFORMATION SYSTEMS》 *
唐炉亮 等: "利用轨迹大数据进行城市道路交叉口识别及结构提取", 《测绘学报》 *
徐东伟 等: "Real-time road traffic states estimation based on kernel-KNN matching of road traffic spatial characteristics", 《JOURNAL OF CENTRAL SOUTH UNIVERSITY》 *
程君: "短时交通状态预测下的区域交通信号控制方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
董宏辉 等: "基于道路检测器的交通信息空间特性分析", 《北京工业大学学报》 *
郭庆胜 等: "顾及尺度变化和数据更新的道路网匹配算法", 《测绘学报》 *
郭海锋 等: "短时交通状态预测下交通控制子区自动划分方法", 《系统科学与数学》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462486A (zh) * 2020-03-31 2020-07-28 连云港杰瑞电子有限公司 一种基于交通信号控制的交叉口相似性度量方法
CN111462486B (zh) * 2020-03-31 2022-05-31 连云港杰瑞电子有限公司 一种基于交通信号控制的交叉口相似性度量方法
CN111753362A (zh) * 2020-07-01 2020-10-09 中安建设安装集团有限公司 一种基于移动平台的大型建筑设计方法

Also Published As

Publication number Publication date
CN110021178B (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN104157139B (zh) 一种交通拥堵预测方法及可视化方法
CN108335496B (zh) 一种城市级交通信号优化方法与系统
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN101325004B (zh) 一种实时交通信息的数据补偿方法
WO2019047905A1 (zh) 一种交通路况分析系统、方法以及装置
CN102102992B (zh) 基于多级网络划分的匹配道路初筛方法及地图匹配系统
CN107657637A (zh) 一种农机作业面积获取方法
CN103295414A (zh) 一种基于海量历史gps轨迹数据的公交车到站时间预测方法
CN103050005A (zh) 城市道路交通状态时空分析方法与系统
CN105841709A (zh) 一种汽车行驶路径规划方法
CN106327871A (zh) 一种融合历史数据和预约数据的高速公路拥挤预测方法
CN104318775B (zh) 控制阶段快速路下匝道-地面道路交叉口一体化设计方法
CN102592447A (zh) 一种基于fcm的区域路网的道路交通状态判别方法
CN104766476A (zh) 一种路段以及路网区域交通状态指数的计算方法
CN104900057B (zh) 一种城市快速路主辅道的浮动车地图匹配方法
CN109859495A (zh) 一种基于rfid数据获取区间速度的方法
CN106504548A (zh) 交通灯智能控制方法及系统
CN104406590B (zh) 一种基于道路等级的最短路径规划方法
CN107578620A (zh) 基于车道级系统的道路通行能力的计算方法、系统和装置
CN110021178A (zh) 一种基于路口相似度的信号配时方案推荐方法
CN103106789A (zh) 一种交通诱导系统与信号控制系统的协同方法
CN105389640A (zh) 市郊铁路客流的预测方法
CN108986459A (zh) 一种基于预约通行的高速公路拥挤疏导方法
CN108108859A (zh) 一种基于大数据分析的交通管理勤务优化方法
CN107134136A (zh) 一种城市之间道路交通拥堵程度排序的方法和系统

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