CN110047284A - 一种基于专家系统的交通信号配时优化决策支持方法 - Google Patents

Abstract

一种基于专家系统的交通信号配时优化决策支持方法，其步骤包括：交通信号配时专家经验的采集、整理；用产生式表示法将专家经验表示，并通过对结论增加置信度的方式表示不精确或模糊经验；建立交通信号配时专家经验规则库；构建推理机制；建立解释机制。本发明利用相应交叉口基础数据、检测器数据、当前信号调控方案，在对交叉口的信号控制方案进行优化提供决策支持。

Description

一种基于专家系统的交通信号配时优化决策支持方法

技术领域

本发明涉及一种基于专家系统的交通信号配时优化决策支持方法，适用于交通信号控制领域。

背景技术

随着经济的不断发展和城市化水平的提高，城市中机动车的保有量和道路运行交通量也出现了爆发式的增长。相较于城市交通量的大幅度增加，城市道路基础建设发展却相对缓慢，供求矛盾不断激化，城市交通运营状况恶化，交通事故率上升，城市车辆运行速度下降等城市交通问题日益突出。如何充分利用现有的道路资源，通过科学合理的交通控制手段，最大限度的提高交叉口的通行能力、降低延迟时间一直是交通工程领域重要的研究课题，其中优化交叉口的信号控制方案是最直接有效的方法之一。

使用自适应控制系统是一种比较常见的手段，自适应控制系统能根据当前车流量调节信号灯绿信比，能有效提高道路的利用率，但是交通信号的自适应控制，只适用于区域控制或者干线控制，需要多个信号联网控制，而不适合对单个路口进行控制。并且在已经发生拥堵或者一些交通事故突发情况下，自适应控制系统并不能作出有效的解决。

在目前，交通信号调控无法完全脱离人为干预的情况下，很多时候还是得工作人员凭借专业知识和个人实际经验对配时方案进行优化以提高道路利用率。但是配时优化对信号配时人员的专业依赖性大，导致工作效率不高。

发明内容

为解决信号配时优化人员经验不足，工作效率低下的问题，本发明提供了一种基于专家系统的交通信号配时优化决策支持方法，在信号配时人员进行交叉路口配时优化时，为其提供决策支持，以提高工作效率。

一种基于专家系统的交通信号配时优化决策支持方法，有以下步骤：

1)交通信号配时优化专家经验的采集、整理，包括拥堵交叉口的信号配时优化策略以及信号配时优化所需遵循的标准、原则和规范；

2)采用产生式表示法，将自然语言描述的专家经验表示成计算机程序能够识别的语言；产生式的形式为“IF<条件>Then<结论>”，其中条件为一项或者多项，当条件为多项时通过逻辑“与”或者“或”进行连接；而对于含有不精确或者模糊性的经验，则对结论增加置信度参数，表示如下：

If A₁^A₂^……^A_k

Then D，β

其中A_i(i＝1,2,3,...,k)表示在第i个前提条件属性的参考值；D表示结论；β表示结论D的置信度，取值范围为(0,1)；“^”表示逻辑关系“与”；

3)建立专家经验规则库，用于存储规则集，并按照每条规则对配时优化影响的重要程度指定优先级，重要程度越高，优先级越高；所述规则为影响交通信号配时优化的因子，包括交叉口的基础设置数据、车流量数据、交叉口各进口道饱和度以及当前信号控制方案的信号周期、相位、相序、绿信比；

4)构建推理机制：采取正向推理的方式，为提高推理效率，选用Rete算法构建推理机制；通过Rete对事实与专家经验规则库的规则进行循环匹配操作，判断有无匹配规则，并激活成功匹配规则下的结论，从而得出推理结果；

5)建立解释机制：采用预制文本的方式建立解释机制，即提前将推理结果的解释内容写入到文本的中并存储，在推理过程完成之后再根据解释编号将相应的文本解释内容提取；所述解释内容为交叉口拥堵形成的原因以及决策支持的配时优化策略所使用到的标准、原则和规范。

所述的推理机制有以下步骤：

步骤S1：事实录入，需要录入的事实包括交叉口基础设施数据、检测器的数据、当前信号控制方案；

步骤S2：计算交叉口饱和度,并判断交叉口当前控制方案是否需要优化，计算方法如式(1)所示：

X_i为相位i的饱和度，q_i为相位i的车流量，T为当前信号控制方案的信号周期时间，S_i为相位i的饱和流量，g_i为相位i的绿灯时间；X表示取最大的相位饱和度为交叉口的饱和度；判断是否需要进行优化，依据如下：

当交叉口饱和度X大于0.9时需要进行优化，进行下一步，否则退出推理过程；

步骤S3：规则匹配，采用Rete算法对步骤S1)中录入的事实与规则库中规则循环匹配，判断知识库中的规则是否有与事实相匹配的规则；若有多条规则被激活则进行步骤S4；若专家经验规则库无规则与事实相匹配，则跳转至步骤S5；若仅有一条规则相匹配，则跳转至步骤S6；

步骤S4：进行冲突消解，即按规则优先级排序，激活优先级最高的规则，然后进行步骤S6；

步骤S5：无结果输出，表示此情况下，专家经验规则库中并无保存相应的优化策略，无法提供决策支持，则将该条事实作为规则收录到专家经验规则库中；

步骤S6:输出推理结果，得到此事实情况下专家经验推荐采用的优化策略，结束推理过程，其中配时优化策略包括有调整绿信比、周期时长、相位差，以及调整相位相序或协调方案。

本发明有益效果主要表现在，提出了一种基于专家系统的交通信号配时决策支持的方法，能够依据相应的事实，通过对专家经验推理，给交通信号配时优化提供决策支持，有效提高配时人员工作效率。

附图说明

图1为本发明方法流程图。

图2为实例交叉口渠化几何平面图。

图3为实例交叉口当前控制方案的相位、相序及绿信比。

图4为Rete算法事实与规则匹配流程图。

具体实施方法

下面结合实例对本发明做进一步详细说明，基于专家系统的交通信号配时优化决策支持方法，有以下几个步骤：

1)交通信号配时优化专家经验的采集、整理，包括拥堵交叉口的信号配时优化经验以及交通信号配时所遵循的标准、原则和规范；

2)用产生式表示方法将信号配时专家经验知识表示，并用增加置信度的方式表示；例如：有经验描述为“如果该交叉口为四路交叉口并且当前饱和度等于1.0并且总流量超过2500pcu/h并且当前信号控制方案周期不大于110则是因为交叉口周期设置不合理导致拥堵建议周期增加10s，无不确定性”，用产生式方法表示为如下：

IF:interType＝4//四路交叉口

&stauration>1.0//交叉口饱和度

&TrafficFlow>2500//流量值(pcu/h)

&signalPeriod＝104//当前信号控制方案的周期

Then：SignlaPeriod False//结论，周期设定不合理

DO period Add 10s//建议周期增加10s

3)建立专家系统规则库，基于步骤1)和步骤2)制定规则库推理规则集，并按照规则对结论影响的重要程度制定优先级别；示例如表1所示。

表1专家系统规则库示例

上述专家系统规则库示例中，“interType”为交叉口类型，有十字型四路交叉口、T型交叉口、环形交叉口分别用数字4、3、5表示；“stauration”为饱和度，值为单个数值时表示的是该交叉口的饱和度，为数组形式时分别表示各相位的饱和度；“TrafficFlow”为交叉口总机动车流量，单位是pcu/h；“signalPeriod”为当前信号控制方案的周期；“greenRatio”为当前控制方案各相位的绿信比；示例所示的结论其含义分别为信号周期设置不合理，周期建议增加10s；通行能力不足，建议上游节流；信号配时方案不合理，建议相位3绿信比增加15％；

4)构建推理机制：采用正向推理的方式，为提高推理效率，选用Rete算法作为推理算法，通过Rete对事实与专家经验规则库的规则进行循环匹配操作，判断有无匹配规则，并激活成功匹配的规则下的结论，从而得出推理结果；

5)建立解释机制：采用预制文本的方式建立解释机制，即提前将推理结果的解释内容写入到文本的中并存储，在推理过程完成之后再根据解释编号将相应的文本解释内容提取；所述解释内容为交叉口拥堵形成的原因和推理出来的优化策略所使用到的标准、原则和规范。

推理机制有以下几个步骤：

步骤S1：事实录入，包括交叉口基础设施数据、检测器的数据、当前控制方案；实例的交叉口渠化几何平面图如附图2所示；实例交叉口为四相位控制，信号周期为162s，其相位、相序及其绿信比如附图3所示；实例交叉口流量数据如表2所示；

表2实例交叉口流量数据

步骤S2：计算交叉口饱和度,并判断交叉口当前控制方案是否需要优化，计算方法如下所示：

根据检测器的车流量数据及当前信号控制方案信息，计算得到各相位饱和度如表3所示：

表3各相位饱和度计算结果

相位	相位1	相位2	相位3	相位4
					饱和度	0.8	0.7	1.0	0.9

判断是否需要进行优化，判断依据如下：

当交叉口饱和度X＝1.0大于0.9，需要进行优化，进行下一步；

步骤S3：规则匹配，采用Rete算法对步骤S1)中录入的事实与规则库中规则循环匹配，判断知识库中的规则是否有与事实相匹配的规则，若有多条规则被激活则进行步骤S4；若专家经验规则库无规则与事实相匹配，则跳转至步骤S5；若仅有一条规则相匹配，则跳转至步骤S6；其中Rete算法匹配流程如附图4所示；

步骤S4：进行冲突消解，即按规则优先级排序，激活优先级最高的规则，然后进行步骤S6；

步骤S5：无结果输出，表示此情况下，知识库中并无保存相应的优化策略，无法提供决策支持，则将该条事实作为规则收录到规则库中；

步骤S6结果输出，实例中输出决策支持结果为调整信号周期和绿信比，经整理后具体信息如表4所示。

表4输出的结果

相位	相位1	相位2	相位3	相位4
					绿信比调整	0	0	+10％	+15％

表中数据含义为相位1和相位2不作改变，在原基础上相位3的绿信比增加10％，相位4的绿信比增加15％。

推理结果解释：根据解释编号，解释文本中找出推理结果的解释如下：

(1)原信号绿灯时间分配不合理，导致饱和度不均匀，对饱和度高的相位增加绿信比；

(2)相较于协调上下游方案，修改当前方案的绿信比响应速度更快，应优先考虑。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (3)

1.一种基于专家系统的交通信号配时优化决策支持方法，有以下步骤：

1)交通信号配时优化专家经验的采集、整理，包括拥堵交叉口的信号配时优化策略以及信号配时优化所需遵循的标准、原则和规范；

2)采用产生式表示法，将自然语言描述的专家经验表示成计算机程序能够识别的语言；产生式的形式为“IF<条件>Then<结论>”，其中条件为一项或者多项，当条件为多项时通过逻辑“与”或者“或”进行连接；而对于含有不精确或者模糊性的经验，则对结论增加置信度参数，表示如下：

If A₁^A₂^……^A_k

Then D，β

其中A_i(i＝1,2,3,...,k)表示在第i个前提条件属性的参考值；D表示结论；β表示结论D的置信度，取值范围为(0,1)；“^”表示逻辑关系“与”；

3)建立专家经验规则库，用于存储规则集，并按照每条规则对配时优化影响的重要程度指定优先级，重要程度越高，优先级越高；所述规则为影响交通信号配时优化的因子，包括交叉口的基础设置数据、车流量数据、交叉口各进口道饱和度以及当前信号控制方案的信号周期、相位、相序、绿信比；

4)构建推理机制：采用正向推理的方式，选取Rete算法构建推理机制；通过Rete对事实与专家经验规则库的规则进行循环匹配操作，判断有无匹配规则，并激活成功匹配规则下的结论，从而得出推理结果；

5)建立解释机制：采用预制文本的方式建立解释机制，即提前将推理结果的解释内容写入到文本的中并存储，在推理过程完成之后再根据解释编号将相应的文本解释内容提取；所述解释内容为交叉口拥堵形成的原因以及推理结果提供的配时优化策略所使用到的标准、原则和规范。

2.如权利要求1所述的基于专家系统的交通信号配时优化决策支持方法，特征在于：步骤4)所述的推理机制包括以下步骤：

步骤S1：事实录入，需要录入的事实包括交叉口基础设施数据、检测器的数据、当前信号控制方案；

步骤S2：计算交叉口饱和度,并判断交叉口当前控制方案是否需要优化，计算方法如式(1)所示：

X_i为相位i的饱和度，q_i为相位i的车流量，T为当前信号控制方案的信号周期时间，S_i为相位i的饱和流量，g_i为相位i的绿灯时间；X表示取最大的相位饱和度为交叉口的饱和度；判断是否需要进行优化，依据如下：

当交叉口饱和度X大于0.9时需要进行优化，进行下一步，否则退出推理过程；

步骤S3：规则匹配，采用Rete算法对步骤S1)中录入的事实与规则库中规则循环匹配，判断知识库中的规则是否有与事实相匹配的规则；若有多条规则被激活则进行步骤S4；若专家经验规则库无规则与事实相匹配，则跳转至步骤S5；若仅有一条规则相匹配，则跳转至步骤S6；

步骤S4：进行冲突消解，即按规则优先级排序，激活优先级最高的规则，然后进行步骤S6；

步骤S5：无结果输出，表示此情况下，专家经验规则库中并无保存相应的优化策略，无法提供决策支持，则将该条事实作为规则收录到专家经验规则库中；

步骤S6:输出推理结果，得到此事实情况下专家经验推荐采用的优化策略，结束推理过程；其中推理结果提供的配时优化策略包括有调整绿信比、周期时长、相位差，以及调整相位、相序或协调方案。

3.如权利要求2所述的基于专家系统的交通信号配时优化决策支持方法，其特征在于：步骤S1录入的事实包括三类，具体为①交叉口基础设施数据，包含车道和车道功能，转向，转向等待，行人过街；②检测器的数据，包含交叉口各进口道的车流量、非机动车流量；③当前信号控制方案的相位、相序、周期、绿信比。