CN110414708A - 一种潮汐车道优化方案选择方法、装置和存储介质 - Google Patents

一种潮汐车道优化方案选择方法、装置和存储介质 Download PDF

Info

Publication number
CN110414708A
CN110414708A CN201910496683.7A CN201910496683A CN110414708A CN 110414708 A CN110414708 A CN 110414708A CN 201910496683 A CN201910496683 A CN 201910496683A CN 110414708 A CN110414708 A CN 110414708A
Authority
CN
China
Prior art keywords
section
sub
tide
period
flow
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
CN201910496683.7A
Other languages
English (en)
Other versions
CN110414708B (zh
Inventor
王嘉文
邵广兵
周士广
刘睿奇
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.)
Shanghai Kuangtu Technology Co Ltd
Original Assignee
Shanghai Kuangtu 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 Shanghai Kuangtu Technology Co Ltd filed Critical Shanghai Kuangtu Technology Co Ltd
Priority to CN201910496683.7A priority Critical patent/CN110414708B/zh
Publication of CN110414708A publication Critical patent/CN110414708A/zh
Application granted granted Critical
Publication of CN110414708B publication Critical patent/CN110414708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Development Economics (AREA)
  • Analytical Chemistry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供的潮汐车道优化方案选择方法，应用于电子装置，包括以下步骤：子路段信息获取，子路段参数获取，子路段合并，路段参数获取，初筛潮汐路段集合获取，优选潮汐路段集合获取。在优化的过程中，运用越来越丰富的城市交通互联网大数据积累，在交通工程与交通设计理论基础上，对潮汐车道设置路段进行更精确、更快速的辨识，并且根据全时空互联网数据给出最优化方案，使该技术可适用于城市绝大多数潮汐车道的设置上。

Description

一种潮汐车道优化方案选择方法、装置和存储介质
技术领域
本发明涉及大数据挖掘领域，特别涉及一种根据路况对潮汐车道的功能安排进行优选的方法、电子装置及计算机可读存储介质。
背景技术
近年来,随着城市及经济的快速发展，工作单位和居住地逐渐集中,交通流随着时间的改变呈现出不同方向交通流量大小有明显差异的现象，这种现象称为道路交通上的潮汐现象。在现阶段的发展过程中，道路交通潮汐现象越来越明显。早高峰时，进城方向的交通流量大，出城方向交通流量小；晚高峰时，出城方向的交通流量大,进城方向交通流量小。潮汐现象不仅仅出现在早晚高峰的通勤交通流中，更是常见于各种大型集体活动、大型赛事等，短时间内在某个特定场所或区域聚集大量人群，随后又大量消散的情景。
这种交通潮汐的单向拥堵现象不仅仅影响某一个路段或某一个交叉口的通行，更会在密集的城市道路网上形成拥堵扩散外溢，进而由单点拥堵转为区域拥堵，严重影响城市交通运行通畅，不仅使道路资源没有得到充分的利用，而且还造成了路面空间资源的浪费。
目前，虽然在许多城市道路上已经实施了潮汐车道技术以缓解交通压力，但大多仍采用较传统的手段。如利用自动化隔离护栏实现自动变换车道、根据监测流量交警调整潮汐车道等来控制潮汐车道，其效益是有限的。就当前潮汐车道技术现状而言，对设计方案进行优化时，传统潮汐车道设置路段辨识方法更多的基于交通专家的经验，或需要根据实地短时调研获得的流量来分析潮汐车道设置的合理性，不仅未能充分考虑全时空尺度的交通状态演化规律，并且大多只关注了潮汐车道自身的控制区域，没有进行方案自适应优化，无法得到全时空条件下的最优解；在潮汐车道控制方法关键阶段缺乏整体理论体系支撑，实施效果仍需提高；车道切换仍以人工切换和定时控制为主，灵活性和效率较低，无法充分的利用道路车道资源；传统的方案优化方法未能针对全时空尺度的全样本条件建立交通系统模型，因此无法优化得出系统最优的分时段潮汐车道方案；且许多研究只针对单一的潮汐车道路段，往往忽视与其连接的潮汐车道路段所造成的影响。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供一种根据实际路况对潮汐车道进行设计和安排的选择方法、电子装置及计算机可读存储介质。本发明运用越来越丰富的城市交通互联网大数据积累，在交通工程与交通设计理论基础上，对潮汐车道设置路段进行更精确、更快速的辨识，并且根据全时空互联网数据给出最优化方案，使该技术可适用于城市绝大多数潮汐车道的设置上。
为实现上述目的，本发明提出一种潮汐道优化方案选择方法，应用于电子装置，具有这样的特征，包括以下步骤：
子路段信息获取：根据子路段选取规则，获得各子路段及各子路段车道数；
子路段信息获取：根据子路段选取规则，获得各子路段及各子路段车道数；
子路段参数获取：获取第一预设时期的各子路段基础时段单方向总流量、各所述子路段车道数、各预设车道通行能力，根据各预设规则，获得各子路段参数；
子路段合并：根据各所述子路段参数，将符合第一约束条件的各所述子路段合并为路段，得到所述第一预设时期的路段划分方案；
路段参数获取：根据所述路段划分方案和各预设规则，获得各路段参数；
初筛潮汐路段集合获取：根据各所述路段参数，以及第二约束条件，获得所述第一预设时期的初筛潮汐路段集合；
优选潮汐路段集合获取：根据所述初筛潮汐路段集合、所述子路段单方向总流量、所述子路段车道数、所述预设车道通行能力，以及各预设规则，获得所述第一预设时期的优选潮汐路段集合。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，，所述子路段选取规则包括：选取路段连接中车道数最小的连接作为所述子路段车道数。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述子路段参数获取步骤中，还包括以下步骤：
获取子路段基础时段流量比不均等系数ska：获取各子路段基础时段单方向总流量、各所述子路段车道数、预设车道通行能力，根据第一预设规则得到第一预设时期内的各子路段基础时段流量比不均等系数ska；
获取子路段全天流量比不均等系数Ska：根据各所述子路段各基础时段流量比不均等系数ska和第二预设规则，得到所述第一预设时期内的各子路段全天流量比不均等系数Ska；
获取子路段全天流量比不均等潮汐系数Tka：根据各所述子路段基础时段单方向总流量、各所述子路段车道数、所述预设车道通行能力以及第三预设规则，得到所述第一预设时期内的各子路段全天流量比潮汐系数Tka。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述路段参数获取步骤中，还包括以下步骤：
获取路段基础时段流量比不均等系数lska：根据各所述子路段基础时段流量比不均等系数ska、所述路段划分方案，以及第四预设规则，得到所述第一预设时期内路段基础时段流量比不均等系数lska；
获取路段全天流量比不均等系数LSka：根据所述路段基础时段流量比不均等系数lska以及所述第五预设规则，得到所述第一预设时期内的路段全天流量比不均等系数LSka；
获取路段全天流量比潮汐系数LTka：根据各所述子路段全天流量比潮汐系数Tka、所述路段划分方案，以及第六预设规则，得到所述第一预设时期内的路段全天流量比潮汐系数LTka。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述获取优选潮汐路段集合步骤中，还包括以下步骤:
所述获取优选潮汐路段集合步骤中，还包括以下步骤:
获取最优方案子时段划分和最优车道数方案：根据所述初筛潮汐路段集合、所述子路段单方向总流量、所述子路段车道数、所述预设车道通行能力，以及第七预设规则，得到所述第一预设时期的子时段初步划分方案、车道数初步方案，以及所述路段子时段流量比不均等系数最优值；
获取各路段最优子时段划分和车道数方案改善比例：根据所述路段子时段流量比不均等系数最优值LS′kopt、各所述路段现状全天流量比不均等系数LSk0，以及第八预设规则得到所述第一预设时期内的各路段最优子时段划分方案和车道数方案改善比例；
确定最优方案：基于所述各路段最优子时段划分和所述车道数方案改善比例、中央分隔带模式、预设改善比例阈值，得到大于所述改善比例阈值的潮汐车道优化方案。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述获取子路段基础时段流量比不均等系数skn步骤中，还包括以下步骤：
单车道单方向基础时段平均流量获取：获取当前子路段的单方向单车道在各基础时段内的延迟系数和单车道流量，根据第九预设规则，得到各所述单车道单方向基础时段平均流量；
单方向基础时段总流量获取：获取当前子路段的单方向车道数，基于各所述单车道单方向基础时段平均流量和第十预设规则，得到各所述单方向基础时段总流量。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述单车道单方向基础时段平均流量获取步骤中，还包括以下步骤：
根据每小时延迟系数分别获得所述第一预设时期的各基础时段中每小时流量，基于所述基础时段的小时数，得到各第一每小时平均流量；
根据各第一每小时平均流量以及第二预设时期中的计算次数，获得第二每小时平均流量，作为所述单车道单方向基础时段平均流量。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第九预设规则包括：
其中，n为一个基础时段中连续选取的小时数，i为连续的小时数n中的第i个小时，HFi为所述基础时段中第i个小时的单车道流量，第一每小时平均流量DAF为一天中连续n小时的流量平均值，m为所述第二预设时间内的计算次数，第二每小时平均流量MAF为所述第二预设时间内的第一每小时平均流量的平均值。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第十预设规则包括：
Qdt＝Qdl*j，
其中，Qdt为单方向总流量，Qdl为单方向单车道平均流量，j为该方向车道数。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第一预设规则包括：
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，i和m分别为当前子路段各单方向所有车道数，Q1RID和Q2RID分别为当前子路段基础时段各单方向平均小时流量，和分别为当前子路段基础时段各单方向各车道的通行能力，
当a＝0时，子路段基础时段流量比不均等系数sk0为子路段现状基础时段流量比不均等系数。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第二预设规则包括：
其中，k为当前计算的子路段编号，b为一天中包括的基础时段数量，
当a＝0时，子路段全天流量比不均等系数Sk0为子路段现状全天流量比不均等系数。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第三预设规则包括：
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，i和m分别为当前路段各单方向所有车道数，Q1RID和Q2RID分别为当前子路段基础时段各单方向平均小时流量，和分别为当前子路段基础时段各单方向各车道通行能力，tkaj为子路段k在基础时段j时设置a条潮汐车道的全天流量比潮汐系数，
为子路段k在全天b个基础时段tkaj的平均值，
Tk为子路段k全天流量比潮汐系数，
当a＝0时，子路段全天流量比潮汐系数Tk0为子路段现状全天流量比潮汐系数。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第一约束条件包括：
NRID≥4，SSnk0≤S′nk0，TTnk0≤T′nk0，SSfk0≤S′fk0，TTfk0≤T′fk0，
其中，路段的首子路段的起点为信号控制交叉口，路段的尾子路段的终点为信号控制交叉口，路段有相同的分隔带形式，没有左置公交专用道，
NRID为子路段各单方向车道数总和，SSnk0为相邻子路段的现状车道情况下全天的流量比不均等系数差值，S′fk0为相邻子路段现状全天流量比不均等系数差值阈值，TTnk0为相邻子路段的现状车道情况下全天的流量比潮汐系数差值，T′nk0为相邻子路段现状全天流量比潮汐系数差值阈值，SSfk0为首尾子路段现状全天流量比不均等系数差值，S′fk0为首尾子路段现状全天流量比不均等系数差值阈值，TTfk0为路段首尾子路段现状全天流量比潮汐系数差值，T′fk0为路段首尾子路段现状全天流量比潮汐系数差值阈值。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第四预设规则包括：
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，c为该路段中的子路段数量，
当a＝0时，路段基础时段流量比不均等系数lsk0为路段现状基础时段流量比不均等系数。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第五预设规则包括：
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，路段全天流量比不均等系数LSka等为该路段在全天b个基础时段时流量比不均等系数lska求和，
当a＝0时，路段全天流量比不均等系数LSk0为路段现状全天流量比不均等系数。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第六预设规则包括:
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，c为该路段中的子路段数量，
当a＝0时，路段全天流量比潮汐系数LTk0为路段现状全天流量比潮汐系数。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述获取初筛潮汐路段集合步骤中：
基于各路段现状全天流量比不均等系数LSk0、预设流量比不均等系数阈值、各路段现状全天流量比潮汐系数LTk0、预设流量比潮汐系数阈值以及第二约束条件，得到所述第一预设时期内的初筛潮汐路段集合。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第二约束条件包括：
LSko≥S，
LTko≥T，
其中，S为流量比不均等系数阈值，T为流量比潮汐系数阈值。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第七预设规则包括：
其中，b为一天中的基础时段数，d为一天中的子时段数，每个子时段包括非定值e个基础时段，
M为第一预设时期的所述初筛潮汐路段集合的子时段初步划分方案穷举总数，
lsa为路段基础时段流量比不均等系数，LS′a为上述穷举的M个子时段划分方案中路段子时段流量比不均等系数，
所述路段子时段流量比不均等系数最优值LS′kopt为上述M个路段子时段流量比不均等系数LS′a中的最小值。
本发明提供的的潮汐车道优化方案选择方法中，还具有这样的特征，所述第八预设规则包括：
其中，所述路段子时段流量比不均等系数最优值LS′kopt为路段子时段流量比不均等系数LS′k的最小值、LSk0为各所述路段现状全天流量比不均等系数，R为第一预设时间的各路段最优子时段划分和车道数方案的改善比例。
此外，为实现上述目的，本发明还提供了一种电子装置，其特征在于，该电子装置包括：存储器、处理器，所述潮汐车道优化方案选择程序被所述处理器执行时实现以下步骤：
子路段信息获取：根据子路段选取规则，获得各子路段及各子路段车道数；
子路段参数获取：获取第一预设时期的各子路段基础时段单方向总流量、各所述子路段车道数、各预设车道通行能力，根据各预设规则，获得各子路段参数；
子路段合并：根据各所述子路段参数，将符合第一约束条件的各所述子路段合并为路段，得到所述第一预设时期的路段划分方案；
路段参数获取：根据所述路段划分方案和各预设规则，获得各路段参数；
初筛潮汐路段集合获取：根据各所述路段参数，以及第二约束条件，获得所述第一预设时期的初筛潮汐路段集合；
优选潮汐路段集合获取：根据所述初筛潮汐路段集合、所述子路段单方向总流量、所述子路段车道数、所述预设车道通行能力，以及各预设规则，获得所述第一预设时期的优选潮汐路段集合。
此外，为实现上述目的，本发明还提供了一种计算机可读存储介质，具有这样的特征，所述计算机可读存储介质上存储有所述潮汐车道优化方案选择程序，所述潮汐车道优化方案选择程序被处理器执行时实现所述的潮汐车道优化方案选择方法的步骤。
发明作用和效果
本发明所涉及的一种潮汐车道优化方案选择方法、装置和存储介质，提供了一种利用互联网数据，如月流量等历史数据，以及大数据计算能力，在普适性的路网拓扑结构上结合特定专业算法，对城市的道路交通情况进行识别与分析，并且提出潮汐车道优化方案。本发明中的潮汐车道优化方案选择方案通过算法流程的设计，摆脱人工能力的局限性，并为城市道路网络中适宜设置潮汐车道的路段，提供分时段方案优化和动态方案自适应优化两套管理方案，择优选择；此外，基于互联网数据基础，提出了针对潮汐车道设置的方法以及由互联网数据驱动的优化方法，充分利用了大数据资源；基于互联网数据等更新率高的数据，可以提出适用于不同时段的方案，可以适应变化的交通需求。此方案是以各路段双方向全时段流量与路段车道数的数据为基础的，有广泛的适用性，避免了因忽视其他潮汐车道的影响而造成的不良后果。提高潮汐车道切换的便捷性和道路通行能力，充分利用道路车道资源；使用算法而非人工，效率高，可快速识别大型城市全路网区域内的道路交通状况，高效地输出最佳潮汐车道设置方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1是本发明电子装置一实施例的示意图；
图2示本发明的潮汐车道优化方案选择程序一实施例的程序模块图；
图3是本发明的潮汐车道优化方案选择程序一实施例的道路预设等级和道路预设通行能力标定示意图；
图4是本发明的潮汐车道优化方案选择程序一实施例的延迟系数与单车道流量的关系模型表。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
本发明提供一种电子装置1。参照图1所示，为本发明电子装置1较佳实施例的示意图。
在本实施例中，该电子装置1包括存储器11、处理器12，网络接口13及通信总线。其中，通信总线用于实现这些组件之间的连接通信。
网络接口13可以包括标准的有线接口、无线接口(如WI-FI接口)。
存储器11包括至少一种类型的可读存储介质。所述至少一种类型的可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器等的非易失性存储介质。在一些实施例中，所述可读存储介质可以是所述电子装置1的内部存储单元，例如该电子装置1的硬盘。在另一些实施例中，所述可读存储介质也可以是所述电子装置1的外部存储设备，例如所述电子装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。
在本实施例中，所述存储器11的可读存储介质通常用于存储安装于所述电子装置1的潮汐车道优化方案选择程序10等。所述存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行潮汐车道优化方案选择程序10等。
图1仅示出了具有组件11-13以及潮汐车道优化方案选择程序10的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选的，该电子装置1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。
可选地，该电子装置1还可以包括显示器，在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode，OLED)触摸器等。显示器用于显示在电子装置中处理的信息以及用于显示可视化的用户界面。
图2示本发明的潮汐车道优化方案选择程序一实施例的程序模块图。
在图1所示的装置实施例中，作为一种计算机存储介质的存储器11中包括潮汐车道优化方案选择程序10，处理器12执行存储器11中存储的潮汐车道优化方案选择程序10时包括以下模块：子路段信息获取模块110，子路段参数获取块120，子路段合并模块130，路段参数获取模块140，初筛潮汐路段集合获取模块150，优化潮汐路段集合获取模块160。在本实施例中，潮汐车道优化方案选择程序10可以包括：子路段信息获取模块110：根据子路段选取规则，获得各子路段及各子路段车道数。
上述的子路段车道数是指子路段基础数据及计算获得的改善后车道数。在本发明中，路段的组成具有3个层级，即路段、子路段和连接(link)。其中，路段由子路段合并而成，子路段的尺度约为两个交叉口之间的连线，两个交叉口间也可能有多个子路段，但子路段不会跨越交叉口；路段由子路段合并而成，可以横跨多个交叉口；连接是最基本的路段单位，其尺度最为细小，具体而言，在一个子路段中，每次车道数发生变化就会产生一个新的连接，如，当路边有个出入口就会将子路段打断为2个连接，因而两个交叉口间可能有很多连接。
在本发明的路段选取规则中，通常选取路段连接中车道数最小的连接作为所述子路段车道数。
具体而言，首先应选取路段中所有子路段所关联的连接数据，再选取车道数最小的连接作为子路段车道；如果子路段包含两个以上连接数，取连接中车道数最小的作为子路段车道数。当路段中存在左置的公交专用道(BRT车道)时，则忽略这条车道，即子路段车道数-1。
在选择可以代表路段延迟系数的子路段时，应尽量选择交叉口之间较为中间的、路段数准确、延迟系数准确的子路段。如交叉口A到交叉口B之间有3个子路段，则选择中间的子路段作为路段子路段。
在一些实施例中，一子路段中进口方向具有6个车道，其中一个为左置公交专用道，则用于计算该子路段的进口方向车道数为5条。
子路段参数获取模块120：获取第一预设时期的各子路段基础时段单方向总流量、各子路段车道数、各预设车道通行能力，根据各预设规则，获得各子路段参数。
具体而言，在上述子路段参数获取步骤中，还包括以下步骤：
获取子路段基础时段流量比不均等系数ska：获取各子路段基础时段单方向总流量、各所述子路段车道数、预设车道通行能力，根据第一预设规则得到第一预设时期内的各子路段基础时段流量比不均等系数ska；
获取子路段全天流量比不均等系数Ska：根据各所述子路段各基础时段流量比不均等系数ska和第二预设规则，得到所述第一预设时期内的各子路段全天流量比不均等系数Ska；
获取子路段全天流量比不均等潮汐系数Tka：根据各所述子路段基础时段单方向总流量、各所述子路段车道数、所述预设车道通行能力以及第三预设规则，得到所述第一预设时期内的各子路段全天流量比潮汐系数Tka。
在本发明中，潮汐车道设置的整体方案应以“天”为单位，以全天整体最优为最终优化目标。因此，需对一天24个小时进行时段划分。通常的，每天划分为若干个子时段，每个子时段包括若干个基础时段，每个基础时段又包括若干个小时，小时即通用的时间单位，仅在获取数据时运用。
具体而言，每天的潮汐车道方案包括数个子时段方案，同一路段在同一子时段内会采用同样的车道优化方案。同时，潮汐车道设置方案通常可按照周为单位成套循环运行，一周由7天组成，则从周一到周日各有与当日相对应的潮汐车道设置方案，组成一整套潮汐车道设置方案，可供每周重复使用。
上述的第一预设时期可以为一周中的任意一天，如周一、周二...周日中的任意一天。当输出一周中共七天的每日潮汐车道优化方案后，则得到整周的一整套潮汐车道优化方案。
图3是本发明的潮汐车道优化方案选择程序一实施例的道路预设等级和道路预设通行能力标定示意图。该表的具体取值是根据实际调查情况而进行标定，针对具体的路段方向，可以根据实际情况进行调整。不同的车道等级对应不同的车道流量，如图3所示，根据所选子路段的具体车道，输入所对应的预设通行能力值。
上述的子路段基础时段单方向总流量是指一个基础时段内子路段单方向小时平均流量。因此，上述的获取子路段基础时段流量比不均等系数skn步骤中，还包括以下步骤：
单车道单方向基础时段平均流量获取：获取当前子路段的单方向单车道在各基础时段内的延迟系数和单车道流量，基于第九预设规则，得到各单车道单方向基础时段平均流量；
单方向基础时段总流量获取：获取当前子路段的单方向车道数，基于各所述单车道单方向基础时段平均流量和第十预设规则，得到各单方向基础时段总流量。
图4是本发明的潮汐车道优化方案选择程序一实施例的延迟系数与单车道流量的关系模型表。
在本发明中，延迟系数定义为自由流速度与实际速度的比值。基于大量车辆轨迹数据计算可得到前各子路段的各方向进出口车道在预设时期内的原始延迟系数数据，根据上述的各原始延迟系数数据，可获得相对应的流量数据。如图4所示，该延迟系数-流量关系模型表采用Greenshields的速度-流量关系模型，根据多组同一路口同一时间的延迟系数数据和现场调查的流量数据进行回归分析，依据实际情况动态标定而得，也可依据实际情况可对表的数据进行调整。根据该延迟系数-流量关系模型可获得预设时期内各延迟系数所对应的单车道流量。在本发明中，根据查表法与插值法获得上述各延迟系数所对应的流量估计值。上述的预设时期内延迟系数的选取粒度可根据实际需要而定。通常的，延迟系数延迟系数按照小时粒度取用，即按照一个小时的延迟系数计算该小时的流量。
在一些实施例中，根据实际获得的每个小时的延迟系数和图4，采用查表法与插值法，计算出每个延迟系数所对应的流量，再对流量进行平均化计算。
另外，上述的子路段单车道单方向基础时段平均流量获取步骤中，还包括以下步骤：根据每小时延迟系数分别获得各基础时段中每小时流量，基于所述基础时段的小时数，得到各第一每小时平均流量；
根据各第一每小时平均流量以及第二预设时期中的计算次数，获得第二每小时平均流量，作为所述单车道单方向基础时段平均流量。
具体而言，在本发明中，并不直接对延迟系数进行平均等运算，而是按照每个小时的延迟系数计算出各小时的流量后，再对流量进行平均等运算。上述的流量平均化计算采用第九预设规则。所述第九预设规则包括：
其中，n为全天中一个基础时段中连续选取的小时数，i为连续的小时数n中的第i个小时，HFi为所述基础时段中第i个小时的单车道流量，第一每小时平均流量DAF为全天中连续n小时的流量平均值，m为所述第二预设时间内的计算次数，第二每小时平均流量MAF为所述第二预设时间内的第一每小时平均流量的平均值。
上述的单方向包括进口方向和出口方向，单车道单方向基础时段平均流量可为单车道进口方向基础时段平均流量或单车道出口方向基础时段平均流量。
在一些实施例中，上述的全天可以为周一至周日中任意一天(如：周一)，一天中包含多个基础时段，则n为一个基础时段中连续选取的小时数，即延迟系数粒度，i为连续的小时数n中的第i个小时，HFi为一天中每个小时的单车道流量，第一每小时平均流量DAF为每天连续n小时的流量平均值，第二预设时期为至少三个月中所有周一的该基础时段平均小时流量的平均值，则m至少为12。
在一些实施例中，可同时计算同一子路段在一周七天中每天的第二每小时平均流量MAF，以便最后可同时输出一周中七天的方案，组成一周全套方案。
在一些实施例中，每个基础时段包含3个小时，即n＝3，如选择周一6：00～8：00作为一个基础时段，6：00～8：00的小时流量的平均值作为该基础时段的日流量平均值。HFi为从早上6点到上午8点的3个小时里第i小时的流量，i取1～3。第一每小时平均流量DAF为每天连续3小时的流量平均值。如下：
另外，m＝30时，则相当于计算连续30周内每个周一的第一每小时平均流量的平均值MAF，将此结果作为路段单车道单方向流量结果。如下：
另外，通过上述获取的当前子路段的单方向车道数，基于上述基础时段单方向单车道平均流量，根据第十预设规则，得到各基础时段单方向总流量。
具体而言，上述的第十预设规则如下：
Qdt＝Qdl*j，
其中，Qdt为单方向总流量，Qdl为单方向单车道平均流量，j为该方向车道数。
在一些实施例中，进口方向车道数为5，则进口方向的子路段单方向总流量Qdt＝5Qdl。
在获取子路段基础时段流量比不均等系数ska时的第一预设规则为：
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，i和m分别为当前子路段各单方向所有车道数，Q1RID和Q2RID分别为当前子路段基础时段各单方向平均小时流量，和分别为当前子路段基础时段各单方向各车道的通行能力。上述的各单方向指的是进口方向和出口方向，则Q1RID和Q2RID分别为当前子路段基础时段进口方向和出口方向平均小时流量，和分别为当前子路段基础时段进口方向和出口方向各车道的通行能力。
ska越大，则该基础时段内当前路段设置a条潮汐车道的流量比越不均等。当a＝0时，子路段基础时段流量比不均等系数sk0为子路段现状基础时段流量比不均等系数。
在一些实施例中，进口方向和出口方向车道数分别为5和5，当设置1条潮汐车道数时，则子路段基础时段流量比不均等系数计算如下：
在计算子路段全天流量比不均等系数sk时的第二预设规则为：
其中，k为当前计算的子路段编号，b为全天中包括的基础时段数量。子路段k的全天流量比不均等系数Ska为全天中所有(b个)基础时段流量比不均等系数ska的求和。当a＝0时，子路段全天流量比不均等系数Sk0为子路段现状全天流量比不均等系数。
在一些实施例中，全天共有8个基础时段，当设置1条潮汐车道数时，子路段全天流量比不均等系数计算如下：
在计算子路段全天流量比不均等潮汐系数Tka时的第三预设规则包括：
根据所述子路段基础时段单方向总流量、所述子路段车道数、所述预设车道通行能力以及第三预设规则，得到所述第一预设时期内的子路段全天流量比潮汐系数Tkn。
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，i和m分别为当前路段各单方向所有车道数，Q1RID和Q2RID分别为当前子路段基础时段各单方向平均小时流量，和分别为当前子路段基础时段各单方向各车道通行能力，tkaj为子路段k在基础时段j时设置a条潮汐车道的全天流量比潮汐系数，
为子路段k在全天b个基础时段tkaj的平均值，
Tk为子路段k全天流量比潮汐系数，
当a＝0时，子路段全天流量比潮汐系数Tk0为子路段现状全天流量比潮汐系数，
Tka越大，则子路段两方向流量比不均等的波动越明显。
在一些实施例中，进口方向和出口方向车道数分别为5和5，全天共有8个基础时段，当设置1条潮汐车道数时，依次计算如下：
子路段合并模块130：根据各所述子路段参数，将符合第一约束条件的各所述子路段合并为路段，得到所述第一预设时期的路段划分方案。
具体而言，在本发明中，将条件相近的子路段合并为路段。通过相邻子路段现状全天流量比不均等系数差值SSnk0与相邻子路段现状全天流量比不均等系数差值阈值S′nk0、相邻子路段现状全天流量比潮汐系数差值TTnk0与相邻子路段现状全天流量比潮汐系数差值阈值T′nk0、路段首尾子路段的现状全天流量比不均等系数差值SSfk0与路段首尾子路段的现状全天流量比不均等系数差值阈值S′fk0、路段首尾子路段现状全天流量比潮汐系数差值TTfk0与路段首尾子路段现状全天流量比潮汐系数差值阈值T′fk0、子路段车道数、路段长度、路段长度约束、子路段是否连接信号控制交叉口、路段是否有左置的公交专用道十个参数输出路段划分，以判断各子路段之间的条件是否相近，如果相近，将他们合并为路段。
具体的第一约束条件如下：
NRID≥4，SSnk0≤S′nk0，TTnk0≤T′nk0，SSfk0≤S′fk0，TTfk0≤T′fk0，
其中，路段的首子路段的起点为信号控制交叉口，路段的尾子路段的终点为信号控制交叉口，路段有相同的分隔带形式，没有左置公交专用道，
NRID为子路段各单方向车道数总和，SSnk0为相邻子路段的现状车道情况下全天的流量比不均等系数差值，S′fk0为相邻子路段现状全天流量比不均等系数差值阈值，TTnk0为相邻子路段的现状车道情况下全天的流量比潮汐系数差值，T′nk0为相邻子路段现状全天流量比潮汐系数差值阈值，SSfk0为首尾子路段现状全天流量比不均等系数差值，S′fk0为首尾子路段现状全天流量比不均等系数差值阈值，TTfk0为路段首尾子路段现状全天流量比潮汐系数差值，T′fk0为路段首尾子路段现状全天流量比潮汐系数差值阈值。
上述的相邻子路段现状全天流量比不均等系数差值阈值S′nk0、相邻子路段现状全天流量比潮汐系数差值阈值T′nk0、路段首尾子路段的现状全天流量比不均等系数差值阈值S′fk0、路段首尾子路段现状全天流量比潮汐系数差值阈值T′fk0等根据实际情况标定。
路段参数获取模块140：根据所述路段划分方案和各预设规则，获得各路段参数。
具体而言，所述路段参数获取步骤中，还包括以下步骤：
获取路段基础时段流量比不均等系数lska：根据各所述子路段基础时段流量比不均等系数ska、所述路段划分方案，以及第四预设规则，得到所述第一预设时期内路段基础时段流量比不均等系数lska。
上述的第四预设规则包括：
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，c为该路段中的子路段数量。
则路段基础时段流量比不均等系数lSa为该路段各子路段在该基础时段的流量比不均等系数ska的平均值，
当a＝0时，路段基础时段流量比不均等系数lsk0为路段现状基础时段流量比不均等系数。
在一些实施例中，当该路段中子路段为3段，设置1条潮汐车道时，路段基础时段流量比不均等系数计算如下：
获取路段全天流量比不均等系数LSka：根据所述路段基础时段流量比不均等系数lska以及所述第五预设规则，得到所述第一预设时期内的路段全天流量比不均等系数LSka。上述的第五预设规则包括：
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，路段全天流量比不均等系数LSka等为该路段在全天b个基础时段时流量比不均等系数lska求和。
当a＝0时，路段全天流量比不均等系数LSk0为路段现状全天流量比不均等系数。
在一些实施例中，当全天共有8个基础时段，设置1条潮汐车道时，路段全天流量比不均等系数计算如下：
获取路段全天流量比潮汐系数LTka：根据各所述子路段全天流量比潮汐系数Tka、所述路段划分方案，以及第六预设规则，得到所述第一预设时期内的路段全天流量比潮汐系数LTka。
上述的第六预设规则包括:
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，c为该路段中的子路段数量。
路段基础时段流量比潮汐系数LTka为该路段各子路段基础时段的流量比潮汐系数Tka的平均值。
当a＝0时，路段全天流量比潮汐系数LT0为路段现状全天流量比潮汐系数。
在一些实施例中，当该路段中具有3个子路段，并设置一条潮汐车道时，路段基础时段流量比潮汐系数计算如下：
初筛潮汐路段集合获取模块150：根据各所述路段参数，以及第二约束条件，获得所述第一预设时期的初筛潮汐路段集合。
具体而言，在获取初筛潮汐路段集合的步骤中，基于各路段现状全天流量比不均等系数LSk0、预设流量比不均等系数阈值、各路段现状全天流量比潮汐系数LTk0、预设流量比潮汐系数阈值以及第二约束条件，得到所述第一预设时期内的初筛潮汐路段集合。
上述的第二约束条件包括：
LSko≥S，
LTko≥T，
其中，S为流量比不均等系数阈值，T为流量比潮汐系数阈值。
上述的流量比不均等系数阈值和流量比潮汐系数阈值由实际情况确定。在每一个地点的实际路段情况中，先随机选取一些样本道路，上述的样本道路可能具有潮汐道路设置的道路方案，也可能是不具有潮汐道路设置的方案，按照上述的计算流程，得到上述各样本道路所对应的的各组流量比不均等系数和各流量比潮汐系数，以及相比没有无潮汐道路车道方案的改善比例，并通过判断该潮汐道路方案是否合适当前所属的道路状况、改善比例是否足够来判断对应的样本道路是否需要进行再优化，在上述各组流量比不均等系数阈值和流量比潮汐系数所组成的范围中根据实际需求选择大小适合的阈值，将其他不适合的道路方案筛除，以此得到确定的阈值，并将其应用到该地所有的道路中。
将符合上述约束条件的路段标记为“可能适宜设置潮汐车道的路段”，从而得到所述第一预设时期的初筛潮汐路段集合。
优选潮汐路段集合获取模块160：根据所述初筛潮汐路段集合、所述子路段单方向总流量、所述子路段车道数、所述预设车道通行能力，以及各预设规则，获得所述第一预设时期的优选潮汐路段集合。
此外，所述获取优选潮汐路段集合步骤中，还包括以下步骤:
获取最优方案子时段划分和最优车道数方案：通过所述初筛潮汐路段集合、所述子路段单方向总流量、所述子路段车道数、所述预设车道通行能力，以及第七预设规则，得到所述第一预设时期的子时段初步划分方案、车道数初步方案，以及所述路段子时段流量比不均等系数最优值。
上述的第七预设规则包括：
其中，b为一天中的基础时段数，d为一天中的子时段数，每个子时段包括非定值e个基础时段，
M为第一预设时期的所述初筛潮汐路段集合的子时段初步划分方案穷举总数，
lsa为路段基础时段流量比不均等系数，LS′a为上述穷举的M个子时段划分方案中路段子时段流量比不均等系数，
所述路段子时段流量比不均等系数最优值LS′kopt为上述M个路段子时段流量比不均等系数LS′a中的最小值。
具体而言，在获得第一预设时期内的所述初筛潮汐路段集合的初筛子时段划分方案时，具有两层穷举：
子时段划分穷举：将1天中共b个基础时段归为d组，每组为一个子时段。外层穷举共有种方案。
每个子时段的方案穷举:一天分为d个子时段，每个子时段中路段可采用的潮汐车道数方案仅有3种，分别为，
进口方向车道数+1，出口方向车道数-1；
进口方向车道数不变，出口方向车道数不变；
进口方向车道数-1，出口方向车道数+1。
内层穷举共有3d种方案。
综上，两层穷举共有种方案。
对于上述每种子时段划分的方案，采用与计算第一预设时期内的路段全天流量比不均等系数LSa的相同的规则计算每个子时段的路段子时段流量比不均等系数LS′a，并在个LS′a值中选择最小值作为最优值LS′kopt，并将LS′kopt所对应的子时段划分方案和车道数方案作为最优方案。
在一些实施例中，全天共有8个基础时段以及3个子时段，其中一个时段包含3个基础时段，依次计算如下：
获取各路段最优子时段划分和车道数方案改善比例：根据所述路段子时段流量比不均等系数最优值LS′kopt、各所述路段现状全天流量比不均等系数LSk0，以及第八预设规则得到所述第一预设时期内的各路段最优子时段划分方案和车道数方案改善比例。
上述的第八预设规则包括：
其中，所述路段子时段流量比不均等系数最优值LS′kopt为路段子时段流量比不均等系数LS′k的最小值、LSk0为各所述路段现状全天流量比不均等系数，R为第一预设时间的各路段最优子时段划分和车道数方案的改善比例。R的数值越大，则第一预设时间的各路段最优子时段划分和车道数方案的改善比例越大，通过设置潮汐车道导致路况改善的程度越大。
确定最优方案：基于所述各路段最优子时段划分和所述车道数方案改善比例、中央分隔带模式、预设改善比例阈值，得到大于所述改善比例阈值的潮汐车道优化方案。
具体而言，上述的潮汐车道优化方案包括优选潮汐路段集合、优选潮汐路段最优子时段划分方案、优选潮汐路段车道数方案、以及优选潮汐路段改善比例。
上述的中央分隔带模式包括岛式、分隔栏、无分隔等形式，每种分隔带具有不同的预设改善比例阈值，改善比例阈值根据实际采用的中央分隔带模式分类而定。上述确定最优方案模块中所输出的潮汐车道优化方案中，通过对适宜设置潮汐车道的道路设置标记来输出所述潮汐路段集合，并输出上述潮汐车道的潮汐路段预览方案，包括将全天划分为若干个子时段的子时段划分方案，以及最优潮汐车道数方案；另外，还会输出与所述优选潮汐路段优化方案相对应的优选潮汐路段改善比例。
在一些实施例中，将全天划分为3个子时段，所述确定最优方案模块输出将全天划分为3个子时段的子时段划分方案。
上述的预设改善比例阈值通常不定义为常量，而根据实际需求而定。在一些实施例的预设改善比例阈值中，采用岛式分隔带的预设改善比例阈值为30％，采用分隔栏的预设改善比例阈值为15％，不采用分隔带的预设改善比例阈值为10％。所述确定最优方案模块中，输出大于所述改善比例阈值的潮汐车道优化方案。
在一些实施例中，同时计算一周7天的改善比例后，将至少有一天改善比例大于阈值的路段设为适宜设置潮汐车道的路段，并输出一周七天的潮汐车道优化方案。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有潮汐车道优化方案选择程序，所述潮汐车道优化方案选择程序被处理器执行时实现如下操作：
子路段信息获取：根据子路段选取规则，获得各子路段及各子路段车道数；
子路段参数获取：获取第一预设时期的各子路段基础时段单方向总流量、各子路段车道数、各预设车道通行能力，根据各预设规则，获得各子路段参数；
子路段合并：根据各所述子路段参数，将符合第一约束条件的各所述子路段合并为路段，得到所述第一预设时期的路段划分方案；
路段参数获取：根据所述路段划分方案和各预设规则，获得各路段参数；
初筛潮汐路段集合获取：根据各所述路段参数，以及第二约束条件，获得所述第一预设时期的初筛潮汐路段集合；
优选潮汐路段集合获取：根据所述初筛潮汐路段集合、所述子路段单方向总流量、所述子路段车道数、所述预设车道通行能力，以及各预设规则，获得所述第一预设时期的优选潮汐路段集合。
本发明之计算机可读存储介质的具体实施方式与上述潮汐车道优化方案选择放方法的具体实施方式大致相同，在此不再赘述。
实施例的作用与效果
根据本实施例所涉及的一种交叉口车道优化方案选择方法、装置和存储介质，提供了一种一种潮汐车道优化方案选择方法、装置和存储介质，提供了一种利用互联网数据，如月流量等历史数据，以及大数据计算能力，在普适性的路网拓扑结构上结合特定专业算法，对城市的道路交通情况进行识别与分析，并且提出潮汐车道优化方案。本发明中的潮汐车道优化方案选择方案通过算法流程的设计，摆脱人工能力的局限性，并为城市道路网络中适宜设置潮汐车道的路段，提供分时段方案优化和动态方案自适应优化两套管理方案，择优选择；此外，基于互联网数据基础，提出了针对潮汐车道设置的方法以及由互联网数据驱动的优化方法，充分利用了大数据资源；基于互联网数据等更新率高的数据，可以提出适用于不同时段的方案，可以适应变化的交通需求。此方案是以各路段双方向全时段流量与路段车道数的数据为基础的，有广泛的适用性，避免了因忽视其他潮汐车道的影响而造成的不良后果。提高潮汐车道切换的便捷性和道路通行能力，充分利用道路车道资源；使用算法而非人工，效率高，可快速识别大型城市全路网区域内的道路交通状况，高效地输出最佳潮汐车道设置方案。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (22)

1.一种潮汐车道优化方案选择方法，应用于电子装置，其特征在于，包括以下步骤：
子路段信息获取：根据子路段选取规则，获得各子路段及各子路段车道数；
子路段参数获取：获取第一预设时期的各子路段基础时段单方向总流量、各所述子路段车道数、各预设车道通行能力，根据各预设规则，获得各子路段参数；
子路段合并：根据各所述子路段参数，将符合第一约束条件的各所述子路段合并为路段，得到所述第一预设时期的路段划分方案；
路段参数获取：根据所述路段划分方案和各预设规则，获得各路段参数；
初筛潮汐路段集合获取：根据各所述路段参数，以及第二约束条件，获得所述第一预设时期的初筛潮汐路段集合；
优选潮汐路段集合获取：根据所述初筛潮汐路段集合、所述子路段单方向总流量、所述子路段车道数、所述预设车道通行能力，以及各预设规则，获得所述第一预设时期的优选潮汐路段集合。
2.根据权利要求1所述的潮汐车道优化方案选择方法，其特征在于，所述子路段选取规则包括：选取路段连接中车道数最小的连接作为所述子路段车道数。
3.根据权利要求1所述的潮汐车道优化方案选择方法，其特征在于，所述子路段参数获取步骤中，还包括以下步骤：
获取子路段基础时段流量比不均等系数ska：获取各子路段基础时段单方向总流量、各所述子路段车道数、预设车道通行能力，根据第一预设规则得到第一预设时期内的各子路段基础时段流量比不均等系数ska；
获取子路段全天流量比不均等系数Ska：根据各所述子路段各基础时段流量比不均等系数ska和第二预设规则，得到所述第一预设时期内的各子路段全天流量比不均等系数Ska；
获取子路段全天流量比不均等潮汐系数Tka：根据各所述子路段基础时段单方向总流量、各所述子路段车道数、所述预设车道通行能力以及第三预设规则，得到所述第一预设时期内的各子路段全天流量比潮汐系数Tka。
4.根据权利要求3所述的潮汐车道优化方案选择方法，其特征在于，所述路段参数获取步骤中，还包括以下步骤：
获取路段基础时段流量比不均等系数lska：根据各所述子路段基础时段流量比不均等系数ska、所述路段划分方案，以及第四预设规则，得到所述第一预设时期内路段基础时段流量比不均等系数lska；
获取路段全天流量比不均等系数LSka：根据所述路段基础时段流量比不均等系数lska以及所述第五预设规则，得到所述第一预设时期内的路段全天流量比不均等系数LSka；
获取路段全天流量比潮汐系数LTka：根据各所述子路段全天流量比潮汐系数Tka、所述路段划分方案，以及第六预设规则，得到所述第一预设时期内的路段全天流量比潮汐系数LTka。
5.根据权利要求4所述的潮汐车道优化方案选择方法，其特征在于，所述获取优选潮汐路段集合步骤中，还包括以下步骤:
获取最优方案子时段划分和最优车道数方案：根据所述初筛潮汐路段集合、所述子路段单方向总流量、所述子路段车道数、所述预设车道通行能力，以及第七预设规则，得到所述第一预设时期的子时段初步划分方案、车道数初步方案，以及所述路段子时段流量比不均等系数最优值；
获取各路段最优子时段划分和车道数方案改善比例：根据所述路段子时段流量比不均等系数最优值LS′kopt、各所述路段现状全天流量比不均等系数LSk0，以及第八预设规则得到所述第一预设时期内的各路段最优子时段划分方案和车道数方案改善比例；
确定最优方案：基于所述各路段最优子时段划分和所述车道数方案改善比例、中央分隔带模式、预设改善比例阈值，得到大于所述改善比例阈值的潮汐车道优化方案。
6.根据权利要求3所述的潮汐车道优化方案选择方法，其特征在于，所述获取子路段基础时段流量比不均等系数skn步骤中，还包括以下步骤：
单车道单方向基础时段平均流量获取：获取当前子路段的单方向单车道在各基础时段内的延迟系数和单车道流量，根据第九预设规则，得到各所述单车道单方向基础时段平均流量；
单方向基础时段总流量获取：获取当前子路段的单方向车道数，基于各所述单车道单方向基础时段平均流量和第十预设规则，得到各所述单方向基础时段总流量。
7.根据权利要求6所述的潮汐车道优化方案选择方法，其特征在于，所述单车道单方向基础时段平均流量获取步骤中，还包括以下步骤：
根据每小时延迟系数分别获得所述第一预设时期的各基础时段中每小时流量，基于所述基础时段的小时数，得到各第一每小时平均流量；
根据各第一每小时平均流量以及第二预设时期中的计算次数，获得第二每小时平均流量，作为所述单车道单方向基础时段平均流量。
8.根据权利要求7所述的潮汐车道优化方案选择方法，其特征在于，所述第九预设规则包括：
其中，n为一个基础时段中连续选取的小时数，i为连续的小时数n中的第i个小时，HFi为所述基础时段中第i个小时的单车道流量，第一每小时平均流量DAF为一天中连续n小时的流量平均值，m为所述第二预设时间内的计算次数，第二每小时平均流量MAF为所述第二预设时间内的第一每小时平均流量的平均值。
9.根据权利要求8所述的潮汐车道优化方案选择方法，其特征在于，所述第十预设规则包括：
Qdt＝Qdl*j，
其中，Qdt为单方向总流量，Qdl为单方向单车道平均流量，j为该方向车道数。
10.根据权利要求9所述的潮汐车道优化方案选择方法，其特征在于，所述第一预设规则包括：
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，i和m分别为当前子路段各单方向所有车道数，Q1RID和Q2RID分别为当前子路段基础时段各单方向平均小时流量，和分别为当前子路段基础时段各单方向各车道的通行能力，
当a＝0时，子路段基础时段流量比不均等系数sk0为子路段现状基础时段流量比不均等系数。
11.根据权利要求10所述的潮汐车道优化方案选择方法，其特征在于，所述第二预设规则包括：
其中，k为当前计算的子路段编号，b为一天中包括的基础时段数量，
当a＝0时，子路段全天流量比不均等系数Sk0为子路段现状全天流量比不均等系数。
12.根据权利要求11所述的潮汐车道优化方案选择方法，其特征在于，所述第三预设规则包括：
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，i和m分别为当前路段各单方向所有车道数，Q1RID和Q2RID分别为当前子路段基础时段各单方向平均小时流量，和分别为当前子路段基础时段各单方向各车道通行能力，tkaj为子路段k在基础时段j时设置a条潮汐车道的全天流量比潮汐系数，
为子路段k在全天b个基础时段tkaj的平均值，
Tk为子路段k全天流量比潮汐系数，
当a＝0时，子路段全天流量比潮汐系数Tk0为子路段现状全天流量比潮汐系数。
13.根据权利要求12所述的潮汐车道优化方案选择方法，其特征在于，所述第一约束条件包括：
NRID≥4，SSnk0≤S′nk0，TTnk0≤T′nk0，SSfk0≤S′fk0，TTfk0≤T′fk0，
其中，路段的首子路段的起点为信号控制交叉口，路段的尾子路段的终点为信号控制交叉口，路段有相同的分隔带形式，没有左置公交专用道，NRID为子路段各单方向车道数总和，SSnk0为相邻子路段的现状车道情况下全天的流量比不均等系数差值，S′fk0为相邻子路段现状全天流量比不均等系数差值阈值，TTnk0为相邻子路段的现状车道情况下全天的流量比潮汐系数差值，T′nk0为相邻子路段现状全天流量比潮汐系数差值阈值，SSfk0为首尾子路段现状全天流量比不均等系数差值，S′fk0为首尾子路段现状全天流量比不均等系数差值阈值，TTfk0为路段首尾子路段现状全天流量比潮汐系数差值，T′fk0为路段首尾子路段现状全天流量比潮汐系数差值阈值。
14.根据权利要求13所述的潮汐车道优化方案选择方法，其特征在于，所述第四预设规则包括：
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，c为该路段中的子路段数量，
当a＝0时，路段基础时段流量比不均等系数lsk0为路段现状基础时段流量比不均等系数。
15.根据权利要求14所述的潮汐车道优化方案选择方法，其特征在于，所述第五预设规则包括：
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，路段全天流量比不均等系数LSka等为该路段在全天b个基础时段时流量比不均等系数lska求和，
当a＝0时，路段全天流量比不均等系数LSk0为路段现状全天流量比不均等系数。
16.根据权利要求15所述的潮汐车道优化方案选择方法，其特征在于，所述第六预设规则包括:
其中，k为当前计算的子路段编号，a为当前子路段设置的潮汐车道数，c为该路段中的子路段数量，
当a＝0时，路段全天流量比潮汐系数LTk0为路段现状全天流量比潮汐系数。
17.根据权利要求14所述的潮汐车道优化方案选择方法，其特征在于，所述获取初筛潮汐路段集合步骤中：
基于各路段现状全天流量比不均等系数LSk0、预设流量比不均等系数阈值、各路段现状全天流量比潮汐系数LTk0、预设流量比潮汐系数阈值以及第二约束条件，得到所述第一预设时期内的初筛潮汐路段集合。
18.根据权利要求17所述的潮汐车道优化方案选择方法，其特征在于，所述第二约束条件包括：
LSko≥S，
LTko≥T，
其中，S为流量比不均等系数阈值，T为流量比潮汐系数阈值。
19.根据权利要求18所述的潮汐车道优化方案选择方法，其特征在于，所述第七预设规则包括：
其中，b为一天中的基础时段数，d为一天中的子时段数，每个子时段包括非定值e个基础时段，
M为第一预设时期的所述初筛潮汐路段集合的子时段初步划分方案穷举总数，
lsa为路段基础时段流量比不均等系数，LS′a为上述穷举的M个子时段划分方案中路段子时段流量比不均等系数，
所述路段子时段流量比不均等系数最优值LS′kopt为上述M个路段子时段流量比不均等系数LS′a中的最小值。
20.根据权利要求19所述的潮汐车道优化方案选择方法，其特征在于，所述第八预设规则包括：
其中，所述路段子时段流量比不均等系数最优值LS′kopt为路段子时段流量比不均等系数LS′k的最小值、LSk0为各所述路段现状全天流量比不均等系数，R为第一预设时间的各路段最优子时段划分和车道数方案的改善比例。
21.一种电子装置，其特征在于，该电子装置包括：存储器、处理器，所述存储器上存储有潮汐车道优化方案选择程序，所述潮汐车道优化方案选择程序被所述处理器执行时实现以下步骤：
子路段信息获取：根据子路段选取规则，获得各子路段及各子路段车道数；
子路段参数获取：获取第一预设时期的各子路段基础时段单方向总流量、各所述子路段车道数、各预设车道通行能力，根据各预设规则，获得各子路段参数；
子路段合并：根据各所述子路段参数，将符合第一约束条件的各所述子路段合并为路段，得到所述第一预设时期的路段划分方案；
路段参数获取：根据所述路段划分方案和各预设规则，获得各路段参数；
初筛潮汐路段集合获取：根据各所述路段参数，以及第二约束条件，获得所述第一预设时期的初筛潮汐路段集合；
优选潮汐路段集合获取：根据所述初筛潮汐路段集合、所述子路段单方向总流量、所述子路段车道数、所述预设车道通行能力，以及各预设规则，获得所述第一预设时期的优选潮汐路段集合。
22.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有所述潮汐车道优化方案选择程序，所述潮汐车道优化方案选择程序被处理器执行时实现如权利要求1至20中任意一项所述的潮汐车道优化方案选择方法的步骤。
CN201910496683.7A 2019-06-10 2019-06-10 一种潮汐车道优化方案选择方法、装置和存储介质 Active CN110414708B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910496683.7A CN110414708B (zh) 2019-06-10 2019-06-10 一种潮汐车道优化方案选择方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910496683.7A CN110414708B (zh) 2019-06-10 2019-06-10 一种潮汐车道优化方案选择方法、装置和存储介质

Publications (2)

Publication Number Publication Date
CN110414708A true CN110414708A (zh) 2019-11-05
CN110414708B CN110414708B (zh) 2023-04-18

Family

ID=68358460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910496683.7A Active CN110414708B (zh) 2019-06-10 2019-06-10 一种潮汐车道优化方案选择方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN110414708B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111210632A (zh) * 2020-01-19 2020-05-29 浙江大华技术股份有限公司 一种车道功能划分合理性的分析方法、装置及存储介质
CN111429736A (zh) * 2020-03-27 2020-07-17 上海旷途科技有限公司 一种交叉口可变车道优化选择方法、电子装置及存储介质
CN112289025A (zh) * 2020-10-23 2021-01-29 上海旷途科技有限公司 一种基于城市道路可逆车道的交通组织方法、装置、计算机设备及计算机可读存储介质
CN114999159A (zh) * 2022-06-23 2022-09-02 浙江大华技术股份有限公司 潮汐车道的确定方法、装置、存储介质及电子装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136941A (zh) * 2013-01-23 2013-06-05 东南大学 一种非对称干道协调控制方法
CN104074112A (zh) * 2014-07-11 2014-10-01 武汉理工大学 一种城市道路上下游交叉口潮汐车道及其设计方法
CN105279981A (zh) * 2015-10-15 2016-01-27 华南理工大学 一种潮汐车道行驶方向动态控制方法
CN105719494A (zh) * 2015-12-23 2016-06-29 青岛理工大学 一种潮汐车道与变向车道协同优化的交通绿波协调控制技术
CN106952487A (zh) * 2017-04-27 2017-07-14 陈树铭 智慧交通路口疏通方法及系统
CN108053661A (zh) * 2017-12-19 2018-05-18 青岛海信网络科技股份有限公司 一种交通控制的方法及装置
CN108447278A (zh) * 2018-05-11 2018-08-24 银江股份有限公司 一种面向潮汐交通的交叉口时空优化方法及系统
CN109035816A (zh) * 2018-09-25 2018-12-18 济南大学 一种基于数据预测的智能潮汐交通灯
CN109035767A (zh) * 2018-07-13 2018-12-18 北京工业大学 一种考虑交通控制与诱导协同的潮汐车道优化方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136941A (zh) * 2013-01-23 2013-06-05 东南大学 一种非对称干道协调控制方法
CN104074112A (zh) * 2014-07-11 2014-10-01 武汉理工大学 一种城市道路上下游交叉口潮汐车道及其设计方法
CN105279981A (zh) * 2015-10-15 2016-01-27 华南理工大学 一种潮汐车道行驶方向动态控制方法
CN105719494A (zh) * 2015-12-23 2016-06-29 青岛理工大学 一种潮汐车道与变向车道协同优化的交通绿波协调控制技术
CN106952487A (zh) * 2017-04-27 2017-07-14 陈树铭 智慧交通路口疏通方法及系统
CN108053661A (zh) * 2017-12-19 2018-05-18 青岛海信网络科技股份有限公司 一种交通控制的方法及装置
CN108447278A (zh) * 2018-05-11 2018-08-24 银江股份有限公司 一种面向潮汐交通的交叉口时空优化方法及系统
CN109035767A (zh) * 2018-07-13 2018-12-18 北京工业大学 一种考虑交通控制与诱导协同的潮汐车道优化方法
CN109035816A (zh) * 2018-09-25 2018-12-18 济南大学 一种基于数据预测的智能潮汐交通灯

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曲大义: "潮汐车道与变向车道协同优化的绿波控制方法", 《济南大学学报（自然科学版）》 *
马振虎: "城市道路可变车道设置方法研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111210632A (zh) * 2020-01-19 2020-05-29 浙江大华技术股份有限公司 一种车道功能划分合理性的分析方法、装置及存储介质
CN111210632B (zh) * 2020-01-19 2021-04-16 浙江大华技术股份有限公司 一种车道功能划分合理性的分析方法、装置及存储介质
CN111429736A (zh) * 2020-03-27 2020-07-17 上海旷途科技有限公司 一种交叉口可变车道优化选择方法、电子装置及存储介质
CN112289025A (zh) * 2020-10-23 2021-01-29 上海旷途科技有限公司 一种基于城市道路可逆车道的交通组织方法、装置、计算机设备及计算机可读存储介质
CN114999159A (zh) * 2022-06-23 2022-09-02 浙江大华技术股份有限公司 潮汐车道的确定方法、装置、存储介质及电子装置

Also Published As

Publication number Publication date
CN110414708B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN110414708A (zh) 一种潮汐车道优化方案选择方法、装置和存储介质
Jayakrishnan et al. An evaluation tool for advanced traffic information and management systems in urban networks
CN112489426B (zh) 一种基于图卷积神经网络的城市交通流量时空预测方案
CN105046990B (zh) 一种基于粒子群算法的相邻路口间人行道信号灯控制方法
CN109612488B (zh) 基于大数据微服务的混合出行方式路径规划系统及方法
Lian et al. Adaptive traffic signal control algorithms based on probe vehicle data
CN111091295B (zh) 一种城市区域边界控制系统
CN111915885B (zh) 一种城市道路交通仿真实验方法及系统
CN112509318A (zh) 一种交通控制区域划分方法及服务器
CN110415514A (zh) 一种交叉口车道优化方案选择方法、装置和存储介质
CN103106790B (zh) 一种基于秩和比法的平面交叉口设计变权综合评价方法
Pham et al. Learning coordinated traffic light control
CN108427273A (zh) 一种减少交通拥堵现象的反馈控制设计方法
CN111192457A (zh) 一种城市级整体的交通信号控制的方法及装置
CN110889967A (zh) 一种基于干道分割的溢流风险平衡信号控制优化方法
CN112926768A (zh) 基于时空注意力机制的地面道路车道级交通流预测方法
CN107067726B (zh) 一种识别交叉口进口可变导向车道设置适宜性的方法
CN113763728B (zh) 一种交通组织及信号配时协同优化方法、装置及设备
Liu et al. Signal timing optimisation with the contraflow left-turn lane design using the cell transmission model
CN110047284A (zh) 一种基于专家系统的交通信号配时优化决策支持方法
CN112365713A (zh) 一种主支路交叉口信号配时优化方法
Qi et al. An emergency traffic light strategy to prevent traffic congestion
Ma et al. Urban traffic signal control network automatic partitioning using laplacian eigenvectors
CN116543574A (zh) 一种面向车道容量差异的多信号灯控制方法及系统
Guilliard et al. A non-homogeneous time mixed integer lp formulation for traffic signal control

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