CN111341095A - 一种基于边缘侧在线计算的交通信号控制系统及方法 - Google Patents

Abstract

本发明提出一种基于边缘侧在线计算的交通信号控制系统和方法，所述系统包括车载终端设备、信号机和信号灯控制器；所述车载终端设备，用于实时采集所安装车辆的车辆信息数据，组合成车辆信息数据包后发送至信号机；所述信号机，用于根据采集的若干个车辆信息数据包计算获得所在路口各路段的路况参数，通过模糊综合评价模型输出当前道路通行状态，调整信号配时方案并发送至信号灯控制器；所述信号灯控制器，用于根据接收的信号灯配时方案对信号灯进行自适应控制。该系统能够实时检测和综合分析路口交通运行状态；实现路口信号协调自适应控制。

Description

一种基于边缘侧在线计算的交通信号控制系统及方法

技术领域

本发明涉及交通状态识别以及交通信号控制技术领域，具体而言，涉及一种基于边缘侧在线计算的交通信号控制系统及方法。

背景技术

随着社会经济的不断发展，城市车辆保有量快速增长，交通需求不断增加，并时长呈现饱和状态，城市主要道路拥挤和阻塞现象严重，如不能实时有效疏导交通流，会造成道路拥堵蔓延、道路运行效率降低、交通事故频发，给交通管理以及公众出行带来了极大的不便。

先进、适用的交通管理系统是解决城市交通拥挤的最有效的途径之一，而交通状态识别及信号控制是交通管理系统的核心，如果能够及时发现交通拥挤现象并采取合适的信号控制方式对其进行有效的组织与协调，则有助于缓解交通拥挤的持续时间，提高道路交通运行效率，防止进一步扩散。

目前，信号控制方法主要包括定时控制、多时段控制、感应控制和后台控制等方法，传统的模型算法根据某个交通参数的变化设定阈值来进行信号优化，会造成系统对状态的误判。

发明内容

本发明的目的在于边缘侧实现城市主干道实时的交通信号控制，区别于传统根据某个交通参数的变化设定阈值来进行信号优化的方法，解决靠近信号机设备端即边缘侧的交通状态识别与信号控制问题。为实现上述目的，本发明提出一种基于边缘侧在线计算的交通信号控制系统及方法，在边缘侧(信号机)利用5G通信获取实时车辆数据，通过数据计算及存储、算法及模型，提供车辆通行状态识别、信号灯控制等就近端的业务。

本发明提出的一种基于边缘侧在线计算的交通信号控制系统，所述系统包括车载终端设备、信号机和信号灯控制器；

所述车载终端设备，用于实时采集所安装车辆的车辆信息数据，组合成车辆信息数据包后发送至信号机；

所述信号机，用于根据采集的若干个车辆信息数据包计算获得所在路口各路段的路况参数，通过模糊综合评价模型输出当前道路通行状态，调整信号配时方案并发送至信号灯控制器；

所述信号灯控制器，用于根据接收的信号灯配时方案对信号灯进行自适应控制。

作为本发明所述系统的一种改进，所述车辆信息数据包括当前时间、车辆的纬度、车辆的经度、车辆的速度、车辆的方向角和车辆的状态。

作为本发明所述系统的一种改进，所述信号机包括通信模块、数据接收模块、数据处理模块、边缘侧在线计算模块、通行状态识别模块、数据存储模块、信号配时模块和中心通信接口。

所述通信模块，用于与车载终端进行通讯，速获取路口各路段的车辆数据；

所述数据接收模块，用于通过通信模块接收所述车辆信息数据包；

所述数据处理模块，用于对车辆信息数据包进行解析，修正定位误差，获得车辆信息数据，包括当前时间、纬度、经度、速度、方向角、终端状态等；将有效的车辆信息数据汇总，获得路况统计数据，将所述路况统计数据发送至边缘侧在线计算模块；

所述边缘侧在线计算模块，用于对路况统计数据进行计算，获得一定时间间隔内所在路口的各路段的路况参数，所述路况参数包括路段行程速度、车辆行程延误时间和路段最大排队长度；将路段行程速度、车辆行程延误时间和路段最大排队长度发送至通行状态识别模块；

所述通行状态识别模块，用于根据接收的路况参数，通过模糊综合评价模型实时判断当前道路通行状态，并将结果输出至信号配时模块；

数据存储模块，用于存储城市地理信息数据、车辆有效数据、计算模块与识别模块输出数据、信号灯配时数据；

所述信号配时模块，用于根据当前道路通行状态，生成进口方向绿灯时间、黄灯时间和红灯时间的信号配时方案；

所述中心通信接口，用于将信号配时模块生成的信号配时方案发送至信号灯控制器。

本发明还提出一种基基于边缘侧在线计算的交通信号控制方法，所述方法包括：

步骤1)信号机接收车载终端发送的车辆信息数据包，获得路况统计数据，输出至边缘侧在线计算模块；

步骤2)所述信号机的边缘侧在线计算模块对路况统计数据进行计算，获得一定时间间隔内所在路口的各路段的路况参数，所述路况参数包括路段行程速度、车辆行程延误时间和路段最大排队长度，将路段行程速度、车辆行程延误时间、路段最大排队长度发送至通行状态识别模块；

步骤3)所述信号机的通行状态识别模块根据路况参数，通过模糊综合评价模型实时判断当前道路通行状态，输出至信号生成配时模块；

步骤4)所述信号配时模块根据当前道路通行状态，调整进口方向绿灯时间、黄灯时间和红灯时间的信号配时方案；将所述方向信号配时方案通过中心通信接口发送至信号灯控制器；

步骤5)所述信号灯控制器根据收到的信号配时方案控制所在路口的信号灯。

作为本发明所述方法的一种改进，所述步骤1)包括：

步骤1-1)所述信号机通过通信模块向进入路口的车辆的车载终端发送数据请求；

步骤1-2)所述车载终端设备响应请求，发送车辆信息数据包；

步骤1-4)所述数据接收模块接收所述车辆信息数据包；

步骤1-5)所述数据处理模块对车辆信息数据包进行解析，修正定位误差，获得车辆信息数据，发送至数据处理模块；

步骤1-6)所述数据处理模块判断车辆信息数据是否有效，如果无效，将该数据删除；如果有效，将该数据汇总；

所述路况统计数据包括所在第i辆车的瞬时速度v_i、第l条路段的长度L_il和所选路段两点的纬度

以及两点经度的差值Δλ。

根据汇总的数据统计获得路况统计数据，将所述路况统计数据发送至边缘侧在线计算模块；作为本发明所述方法的一种改进，所述步骤2)包括：

步骤2-1)所述边缘侧在线计算模块对路况统计数据进行计算，获得路口各路段的路况参数，包括：各路段行程速度、车辆行程延误时间、路段最大排队长

各路段行程速度

为：

其中，v_i为第i辆车的瞬时速度，单位为km·h^-1，n为在一定时间间隔内通过该路段的车辆总数；

车辆行程延误时间△T_il为：

其中，T_il＝L_il/V_il，单位为s·km^-1，T_il为实际行程时间，T'_il为理论行程时间，L_il为第l条路段的长度，单位为km，V_il第i辆车通过第l条路段的路段行程速度，V'_il为第l条路段的设计行程速度单位为km·h^-1；

路段最大排队长度d为：

其中，d单位为m，R为地球半径，取平均值6371km，

代表两点的纬度，Δλ代表两点经度的差值；

步骤2-3)将所述路段行程速度、车辆行程延误时间以及路段最大排队长度；输出至通行状态识别模块。

作为本发明所述方法的一种改进，所述步骤3)包括：

步骤3-1)所述通行状态识别模块将路段行程速度、车辆行程延误时间和路段最大排队长度三个参数作为输入变量，输入模糊综合评价模型；

步骤3-2)所述模糊综合评价模型输出当前道路通行状态，所述当前道路通行状态包括畅通、缓行、拥堵和严重拥堵；

步骤3-3将当前道路通行状态发送至相邻十字路口的信号机。

作为本发明所述方法的一种改进，所述步骤3-2)包括：

步骤3-2-1)设定路段行程速度分别对应于畅通、缓行、拥堵和严重拥堵四种状态的阈值；

其中，v为路段行程速度，

为道路畅通的路段行程速度隶属度函数、

为缓行的路段行程速度隶属度函数、

为拥堵的路段行程速度隶属度函数和

为严重拥堵的路段行程速度隶属度函数；

步骤3-2-2)设定车辆行程延误时间分别对应于畅通、缓行、拥堵和严重拥堵四种状态的阈值；

其中，t为车辆行程延误时间，

为道路畅通的车辆行程延误时间的隶属度函数、

为缓行的车辆行程延误时间的隶属度函数、

为拥堵的车辆行程延误时间的隶属度函数和

为严重拥堵的车辆行程延误时间的隶属度函数；

步骤3-2-3)设定路段最大排队长度分别对应于畅通、缓行、拥堵和严重拥堵四种状态的阈值；

其中，l为最大排队长度，

为道路畅通的最大排队长度设定隶属度函数、

为缓行的最大排队长度设定隶属度函数、

为拥堵的最大排队长度设定隶属度函数和

为严重拥堵的最大排队长度设定隶属度函数；

步骤3-2-4)选取评价参数权重集A＝{a₁,a₂,…,a_n}，其中a_i表示每个评价因素在综合评价中的影响程度，满足0≤a_i≤1且

步骤3-2-5)由路段行程速度隶属度函数得到路段行程速度为

时的路段行程速度道路畅通系数值

缓行系数值

拥堵系数值

和严重拥堵系数值

由车辆行程延误时间隶属度函数得到车辆行程延误时间为△T_il时的道路畅通系数值

缓行系数值

拥堵系数值

和严重拥堵系数值

由路段最大排队长度隶属度函数得到最大排队长度为d时道路畅通系数值

缓行系数值

拥堵系数值

和严重拥堵系数值

将路段行程速度、车辆行程延误时间和路段最大排队长度参数对应三组系数集与权重集结合，构造模糊综合评价模型；所述模糊综合评价模型的模糊评价矩阵U为：

步骤3-2-6)对权重集A和模糊评价矩阵U两者运用模糊关系合成运算，进行综合评价后可得到评价向量P＝(p₁,p₂,...,p_n)，表示为：

P＝AΘU (17)

其中，P为模糊综合评价集，Θ为一种模糊关系的合成运算方式，p_j为评价对象对评价等级的隶属程度；

合成运算方式Θ采用M(∧,+)均衡平均型

u_ij表示U中第i行第j列元素，u₀为n个元素u_ij的和；

将交通状态划分为畅通、缓行、拥堵、严重拥堵四类，城市道路交通状态的判断集为：P＝[p₁,p₂,p₃,p₄]，

其中，P反映为当前道路通行状态，p₁为畅通系数、p₂为缓行系数、p₃为拥堵系数、p₄为严重拥堵系数，当前道路通行状态为max[p₁,p₂,p₃,p₄]。

作为本发明所述方法的一种改进，所述步骤4)包括：

步骤4-1)所述信号机的信号配时模块根据当前道路通行状态生成出绿灯时间、黄灯时间和红灯时间的信号配时方案；将交通状态参数发送信号控制器，调整信号配时方案。

步骤4-2)将生成的信号配时方案发送至信号灯控制器。

本发明的优势在于：

1、本发明提出的一种基于边缘侧在线计算的交通信号控制系统及方法，能够实时检测和综合分析路口交通运行状态；

2、本发明提出的一种基于边缘侧在线计算的交通信号控制系统及方法，能够优化交通信号控制策略，实现路口信号自适应控制；

3、本发明提出的基于边缘侧在线计算的交通信号控制系统及方法，能够提高交叉口的交通运行效率；

4、本发明提出的基于边缘侧在线计算的交通信号控制系统及方法，实现边缘侧(信号机)的在线计算、分析与支撑，满足城市主干道的交通管理需求。

附图说明

图1为本发明基于边缘侧在线计算的交通信号控制系统及方法的物理结构图；

图2为本发明基于边缘侧在线计算的交通信号控制系统及方法系统结构框图；

图3为本发明车载终端结构图；

图4为本发明基于边缘计算的单路口交通状态识别及交通信号优化控制的方法流程图；

图5为本发明实施例1的工作流程图；

图6为本发明实施例2的路口进口路段交通通信状态判断流程图；

图7(a)为本发明的模糊综合评价模型的路段行程速度隶属度函数；

图7(b)为本发明的模糊综合评价模型的车辆行程延误时间隶属度函数；

图7(c)为本发明的模糊综合评价模型的路段最大排队长度隶属度函数。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本发明提出的一种基于边缘侧在线计算的交通信号控制系统及方法，所述基于边缘侧在线计算的交通信号控制系统用于实时判断城市主干道进口路段通行状态，对信号灯进行自适应控制，从而对交通流进行有效规律诱导，最大程度地降低交通拥堵。所述系统包括车载终端设备、信号机和信号灯控制器。

所述车载终端设备用于实时采集所在车辆的车辆信息数据，所述车辆信息数据包括当前时间、纬度、经度、瞬时速度、方向角和终端状态，组合成车辆信息数据包，供信号机读取；

所述信号机用于根据车辆信息数据包的数据对交叉路口各个进口方向上车辆实现实时速度及位置计算，判定车辆行驶速度以及位置分布；

如图2所示，所述信号机包括5G通信模块、数据接收模块、数据处理模块、边缘侧在线计算模块、通行状态识别模块、信号配时模块、数据存储模块和中心通信接口。

所述5G通信模块用于与车载终端进行通讯速获取路口各路段的车辆数据；

所述数据接收模块通过5G通信模块接收所述车辆信息数据包；

所述数据处理模块，用于对车辆信息数据包进行解析，修正定位误差，获得车辆信息数据，包括当前时间、纬度、经度、速度、方向角、终端状态；并从数据存储模块中读取路段长度；

车辆数据统计获得：车辆行驶方向、瞬时速度、经纬度、车辆状态等动态数据；

包括路口经纬度

与当前车辆所在经纬度

Δλ＝λ₁-λ₂；

其中

为纬度值，λ₁、λ₂为精度值；

将有效的车辆信息数据汇总，统计获得路况统计数据，将所述路况统计数据发送至边缘侧在线计算模块，

判断车辆信息数据是否有效，如果无效，将该数据删除；如果有效，将该数据汇总，得到所在路口对应的N条道路的路况统计数据。

以下四种情况被判断为无效数据：

a)无效数据

在上传数据中，会存在因设备异常或不稳定，连续发送同一时间点的多条信息，或在不同时间点均上传同一条数据。因此，在数据分析前，需要将这类数据剔除。

b)错误数据

由于车载设备的损坏，车辆定位数据在相邻两个上传周期内车辆所在经纬度跨度与实际情况不符，跨度较大。还有一类是在数据传回新消息中心时，在传输过程中造成数据不完整，此类数据也应剔除。

c)车辆瞬时速度过大

车辆由于设备异常或驾驶员不良驾驶习惯造成上传的瞬时速度过大，会影响到路段平均速度的计算，超过道路的最大限速的车辆数据应该进行剔除。

d)数据重要属性缺失

上传数据中会出现数据记录的重要属性均为零，或仅有时间等次要属性，或经纬度值为零，这些数据在会影响到本文的研究精确度，应剔除。

筛选后的数据返回至信号机后，信号机利用边缘计算方法，通过强大的云计算能力进行拥堵模式识别。

数据存储模块，用于存储城市地理信息数据、车辆有效数据、计算模块与识别模块输出数据、信号灯配时数据；

数据存储模块获得：路段长度、路口位置等静态地理信息数据；

所述边缘侧在线计算模块，用于利用边缘算法对路况统计数据进行计算，获得一定时间间隔内所在路口的各路段的路况参数，所述路况参数包括路段行程速度、车辆行程延误时间、路段最大排队长度；将路段行程速度、车辆行程延误时间、路段最大排队长度发送至通行状态识别模块；

所述通行状态识别模块，用于根据路况参数，通过模糊综合评价模型实时判断所在路口进口路段通行状态，并将结果输出至信号配时模块；

所述信号配时模块根据相邻路口的交通状态结合所在路口的交通流量和车流密度，对该路口当前各进出口方向道路通行状况计算出各进口方向绿灯时间、黄灯时间和红灯时间的信号配时方案；将所述方向信号配时方案通过中心通信接口发送至信号灯控制器；

所述信号灯控制器用于根据信号灯配时方案执行信号灯的自适应控制，降低交通拥堵。

如图3所示，所述车载终端设备包括电源模块、IMU模块、5G通信(无线通信)模块、数据发送模块、数据采集模块和数据存储模块等，所述车载终端设备可集成到手机中。

如图4所示，本发明所述的基于边缘计算的交通信号控制方法具体包括：

步骤1)当前路口的信号机按照预置的时间间隔选取该路口各进口方向的车辆数据，所述数据包括时间、纬度、经度、速度、方向角和终端状态等，并进行数据有效性判断，修正数据定位误差，删除无效数据，筛选出有效数据，得到第i辆车的瞬时速度v_i、第l条路段的长度L_il和所选路段两点的纬度

以及两点经度的差值Δλ；如图5所示；具体包括：

步骤1-1)信号机识别车辆进入；通过5G网络连通车载终端，发送数据请求；

步骤1-2)所述车载终端响应请求，向信号机发送车辆信息数据包，所述车辆信息数据包包括当前时间、纬度、经度、瞬时速度、方向角和终端状态等；

步骤1-4)所述信号机接收和解析所述车辆信息数据包；

步骤1-5)对车辆信息数据包进行预处理，修正定位误差，获得数据信息；

步骤1-6)判断数据信息是否有效，如果无效，将该数据删除；如果有效，将该数据汇总，得到所在路口对应的N条道路的路况统计数据。

步骤2)所述信号机的边缘侧在线计算模块利用边缘算法对路况统计数据进行计算，获得一定时间间隔内所在路口的各路段的路况参数，所述路况参数包括路段行程速度、车辆行程延误时间、路段最大排队长度；将路段行程速度、车辆行程延误时间、路段最大排队长度发送至通行状态识别模块具体包括以下步骤：

步骤2-1)计算路段行程速度

其中，v_i为第i辆车的瞬时速度，单位为km·h^-1，n为在一定时间间隔内通过该路段的车辆总数，单位为vh。

步骤2-2)计算车辆行程延误时间△T_il：

其中，T_il＝L_il/V_il，单位为km·h^-1，T_il为实际行程时间，T'_il为理论行程时间，L_il为第l条路段的长度，单位为km，V_il第i辆车通过第l条路段的路段行程速度，V'_il为第l条路段的设计行程速度单位为km·h^-1；

步骤2-3)计算路段最大排队长度：

根据道路实际运行情况，选取低速点瞬时速度小于5km·h^-1数据，并使用Haversine公式计算浮动车距离路口的排队长度为d，单位为km：

其中，

hav(θ)＝sin²(θ/2)＝(1-cos(θ))/2 (4)

R为地球半径，取平均值6371km，θ为角度，路口经纬度

与当前车辆所在经纬度

代表两点的纬度，Δλ代表两点经度的差值，Δλ＝λ₁-λ₂。

步骤3)将路段行程速度、车辆行程延误时间和路段最大排队长度三个参数作为输入变量，输入模糊综合评价模型，获取一定时间间隔内的各路段的通行状态，并将结果发送至相邻十字路口的信号机，同时将计算结果发送至数据存储模块；

所述步骤3)具体包括：

步骤3-1)所述信号机将所在路口的路段行程速度、车辆行程延误时间和路段最大排队长度三个参数作为输入变量，输入模糊综合评价模型；

如图7(a)所示，由路段行程速度隶属度函数得到道路畅通、缓行、拥堵或严重拥堵的评价具体内容包括：

参考文献[1](根据我国公安部交通管理局等单位制定的《城市道路交通管理评价指标体系》(2012年版))高峰时段建成区主干道平均车速分级表(表1)，设定路段行程速度分别对应于四种状态的阈值。本发明根据A类城市评价标准等级建立的路段行程速度的隶属度函数如表1所示：

表1高峰时段建成区主干道平均车速分级表

单位：千米/小时(km/h)

其中，v为车速，

为道路畅通的路段行程速度隶属度函数、

为缓行的路段行程速度隶属度函数、

为拥堵的路段行程速度隶属度函数和

为严重拥堵的路段行程速度隶属度函数。

如图7(b)所示，由车辆行程延误时间隶属度函数得到道路畅通、缓行、拥堵或严重拥堵的评价：

车辆行程延误时间是在分析时间段内所有车辆在研究路段上行程时间延误的平均值，车辆行程延误时间能够反映城市道路交通通行的性能以及交通监管效率，直观的反映出道路的通行状况。车辆行程延误时间越大，道路通行状况越差，拥堵程度越严重，反之，交通越畅通。

采用主次干道平均行程延误分级表，设定各个评价集等级的阈值，如表2所示：

表2平均行程延误分级表

单位：秒/千米(s/km)

据延误分级表中对大型城市的延误时间的相关规定，结合北京市路段及交通特性，定义车辆行程延误时间的隶属度函数如下：

其中，

为道路畅通的车辆行程延误时间的隶属度函数、

为缓行的车辆行程延误时间的隶属度函数、

为拥堵的车辆行程延误时间的隶属度函数和

为严重拥堵的车辆行程延误时间的隶属度函数。

如图7(c)所示，由路段最大排队长度隶属度函数得到道路畅通、缓行、拥堵或严重拥堵的评价：

车辆在交叉口范围内因受阻而造成车辆无法正常行驶通过交叉口，并形成排队现象，通过路段最大排队长度来反映。参考文献[2](《新编交通工程学导论》)给出的建议服务水平分级标准中车辆在交叉口前路段排队长度的标准，对车辆在时间段内的最大排队长度设定隶属度函数。如表3所示：

表3信号交叉口建议的服务水平等级标准

单位：米(m)

其中，

为道路畅通的最大排队长度设定隶属度函数、

为缓行的最大排队长度设定隶属度函数、

为拥堵的最大排队长度设定隶属度函数和

为严重拥堵的最大排队长度设定隶属度函数。

本发明的评价参数权重的确定：

在评价权重集中权重系数代表某一因素在整个因素中的相对重要程度。通过分析评价因素集中的各个因素，依据因素在评价过程中的相对重要性、在整个因素集中对评价效果的影响，最终确定相应的权重大小。根据选择的三个因素的相对重要性，分别给出各自的权重系数，即权重。

常用的确定权重的方法有：主成分分析法、专家调查法、综合指数法、因子分析法、AHP(层次分析)法，可根据实际情况选取不同的权重确定方法；

评价参数权重集A＝{a₁,a₂,…,a_n}，其中a_i表示每个评价因素的在综合评价中的影响程度，满足0≤a_i≤1且

步骤3-2)所述模糊综合评价模型输出一定时间间隔内的各路段的通行状态，所述通行状态包括畅通、缓行、拥堵和严重拥堵；

将路段行程速度、车辆行程延误时间和路段最大排队长度三个参数与权重集结合，获取路段通行状态；

权重集A和模糊评价矩阵U，对两者运用模糊关系合成运算，进行综合评价后可得到评价向量P＝(p₁,p₂,...,p_n)，表示为：

P＝AΘU (17)

其中，P为模糊综合评价集，Θ为一种模糊关系的合成运算方式，p_j为评价对象对评价等级的隶属程度。

(1)U＝[V,T,LE]＝[路段行程速度、车辆行程延误时间、路段最大排队长度],

(2)模糊运算采用M(∧,+)均衡平均型

u_ij表示U中第i行第j列元素，u₀为n个元素u_ij的和；

(3)将交通状态划分为四类，城市道路交通状态的判断集为：P＝[p₁,p₂,p₃,p₄]；

其中，P反映为交通道路的通行状态，p₁为畅通、p₂为缓行、p₃为拥堵、p₄为严重拥堵的系数，道路通行状态为max[p₁,p₂,p₃,p₄]，即取p₁,p₂,p₃,p₄中最大值所代表的通行状态为当前道路通行状态。

步骤3-3将各路段的通行状态发送至相邻十字路口的信号机，同时将计算结果发送至数据存储模块。

步骤4)各相邻十字路口的信号机的信号配时模块结合所在路口的路口各路段的通行状态生成各进口方向信号配时方案，将所述信号配时方案发送至信号灯控制器，实现所在路口的信号灯自适应控制。具体包括：

步骤4-1)所述信号配时模块结合所在路口的交通流量、车流密度以及相邻路口的通行状态，对该路口当前各进出口方向道路通行状况构建最优信号控制绿信比，计算出各进口方向信号配时的绿灯时间、黄灯时间和红灯时间；

步骤4-2)将各进口方向信号配时方案发送至信号灯控制器；

步骤5)所述信号灯控制器判断是否调整信号灯配时方案，如果新的信号灯配时方案与原信号灯配时方案不同则需要调整，判断结果为“是”，则信号配时模块执行新的信号灯配时方案，如果新的信号灯配时方案与原信号灯配时方案相同则不需要调整，判断结果为“否”，则按原信号灯配时方案执行；从而实现信号灯自适应控制。

Claims (9)

1.一种基于边缘侧在线计算的交通信号控制系统，其特征在于，所述系统包括车载终端设备、信号机和信号灯控制器；

所述车载终端设备，用于实时采集所安装车辆的车辆信息数据，组合成车辆信息数据包后发送至信号机；

所述信号机，用于根据采集的若干个车辆信息数据包计算获得所在路口各路段的路况参数，通过模糊综合评价模型输出当前道路通行状态，调整信号配时方案并发送至信号灯控制器；

所述信号灯控制器，用于根据接收的信号灯配时方案对信号灯进行自适应控制。

2.根据权利要求1所述的基于边缘侧在线计算的交通信号控制系统，其特征在于，所述车辆信息数据包括当前时间、车辆的纬度、车辆的经度、车辆的速度、车辆的方向角和车辆的状态。

3.根据权利要求1所述的基于边缘侧在线计算的交通信号控制系统，其特征在于，所述信号机包括通信模块、数据接收模块、数据处理模块、边缘侧在线计算模块、通行状态识别模块、数据存储模块、信号配时模块和中心通信接口；

所述通信模块，用于与车载终端进行通讯，速获取路口各路段的车辆数据；

所述数据接收模块，用于通过通信模块接收所述车辆信息数据包；

所述数据处理模块，用于对车辆信息数据包进行解析，修正定位误差，获得车辆信息数据，包括当前时间、纬度、经度、速度、方向角、终端状态等；将有效的车辆信息数据汇总，获得路况统计数据，将所述路况统计数据发送至边缘侧在线计算模块；

所述边缘侧在线计算模块，用于对路况统计数据进行计算，获得一定时间间隔内所在路口的各路段的路况参数，所述路况参数包括路段行程速度、车辆行程延误时间和路段最大排队长度；将路段行程速度、车辆行程延误时间和路段最大排队长度发送至通行状态识别模块；

所述通行状态识别模块，用于根据接收的路况参数，通过模糊综合评价模型实时判断当前道路通行状态，并将结果输出至信号配时模块；

数据存储模块，用于存储城市地理信息数据、车辆有效数据、计算模块与识别模块输出数据、信号灯配时数据；

所述信号配时模块，用于根据当前道路通行状态，生成进口方向绿灯时间、黄灯时间和红灯时间的信号配时方案；

所述中心通信接口，用于将信号配时模块生成的信号配时方案发送至信号灯控制器。

4.一种基于权利要求1-3之一所述的基于边缘侧在线计算的交通信号控制系统的基于边缘侧在线计算的交通信号控制方法，所述方法包括：

步骤1)信号机接收车载终端发送的车辆信息数据包，获得路况统计数据，输出至边缘侧在线计算模块；

步骤2)所述信号机的边缘侧在线计算模块对路况统计数据进行计算，获得一定时间间隔内所在路口的各路段的路况参数，所述路况参数包括路段行程速度、车辆行程延误时间和路段最大排队长度，将路段行程速度、车辆行程延误时间、路段最大排队长度发送至通行状态识别模块；

步骤3)所述信号机的通行状态识别模块根据路况参数，通过模糊综合评价模型实时判断当前道路通行状态，输出至信号配时模块；

步骤4)所述信号配时模块根据当前道路通行状态，调整进口方向绿灯时间、黄灯时间和红灯时间的信号配时方案；将所述方向信号配时方案通过中心通信接口发送至信号灯控制器；

步骤5)所述信号灯控制器根据收到的信号配时方案控制所在路口的信号灯。

5.根据权利要求4所述的基于边缘侧在线计算交通信号控制方法，其特征在于，所述步骤1)包括：

步骤1-1)所述信号机通过通信模块向进入路口的车辆的车载终端发送数据请求；

步骤1-2)所述车载终端设备响应请求，发送车辆信息数据包；

步骤1-4)所述数据接收模块接收所述车辆信息数据包；

步骤1-5)所述数据处理模块对车辆信息数据包进行解析，获得车辆信息数据，发送至数据处理模块；

步骤1-6)所述数据处理模块判断车辆信息数据是否有效，如果无效，将该数据删除；如果有效，将该数据汇总；根据汇总的数据统计和计算获得路况统计数据，将所述路况统计数据发送至边缘侧在线计算模块；

所述路况统计数据包括所在第i辆车的瞬时速度v_i、第l条路段的长度L_il和所选路段两点的纬度

以及两点经度的差值Δλ。

6.根据权利要求5所述的基于边缘侧在线计算的交通信号控制方法，其特征在于，所述步骤2)包括：

步骤2-1)所述边缘侧在线计算模块对路况统计数据进行计算，获得路口各路段的路况参数，包括：各路段行程速度、车辆行程延误时间、路段最大排队长

各路段行程速度

为：

其中，v_i为第i辆车的瞬时速度，单位为km·h^-1，n为在一定时间间隔内通过该路段的车辆总数，单位为vh；

车辆行程延误时间△T_il为：

其中，T_il＝L_il/V_il，单位为s·km^-1，T_il为实际行程时间，T′_il为理论行程时间，L_il为第l条路段的长度，单位为km，V_il第i辆车通过第l条路段的路段行程速度，V′_il为第l条路段的设计行程速度单位为km·h^-1；

路段最大排队长度d为：

其中，d单位为km，R为地球半径，取平均值6371km，

代表两点的纬度，Δλ代表两点经度的差值；

步骤2-3)将所述路段行程速度、车辆行程延误时间以及路段最大排队长度；输出至通行状态识别模块。

7.根据权利要求6所述的基于边缘侧在线计算的交通信号控制方法，其特征在于，所述步骤3)包括：

步骤3-1)所述通行状态识别模块将路段行程速度、车辆行程延误时间和路段最大排队长度三个参数作为输入变量，输入模糊综合评价模型；

步骤3-2)所述模糊综合评价模型输出当前道路通行状态，所述当前道路通行状态包括畅通、缓行、拥堵和严重拥堵；

步骤3-3将当前道路通行状态发送至所在路口的信号机。

8.根据权利要求7所述的基于边缘侧在线计算交通信号控制方法，其特征在于，所述步骤3-2)包括：

步骤3-2-1)设定路段行程速度分别对应于畅通、缓行、拥堵和严重拥堵四种状态的阈值；

其中，v为路段行程速度(公式(1))，

为畅通的路段行程速度隶属度函数、

为缓行的路段行程速度隶属度函数、

为拥堵的路段行程速度隶属度函数和

为严重拥堵的路段行程速度隶属度函数；

步骤3-2-2)设定车辆行程延误时间分别对应于畅通、缓行、拥堵和严重拥堵四种状态的阈值；

其中，t为车辆行程延误时间(式(2))，

为畅通的车辆行程延误时间的隶属度函数、

为缓行的车辆行程延误时间的隶属度函数、

为拥堵的车辆行程延误时间的隶属度函数和

为严重拥堵的车辆行程延误时间的隶属度函数；

步骤3-2-3)设定路段最大排队长度分别对应于畅通、缓行、拥堵和严重拥堵四种状态的阈值；

其中，l为最大排队长度(式(3))，

为道路畅通的最大排队长度设定隶属度函数、

为缓行的最大排队长度设定隶属度函数、

为拥堵的最大排队长度设定隶属度函数和

为严重拥堵的最大排队长度设定隶属度函数；

步骤3-2-4)选取评价参数权重集A＝{a₁,a₂,…,a_n}，其中a_i表示每个评价因素在综合评价中的影响程度，满足0≤a_i≤1且

步骤3-2-5)由路段行程速度隶属度函数得到路段行程速度为v时的路段行程速度道路畅通系数值

缓行系数值

拥堵系数值

和严重拥堵系数值

由车辆行程延误时间隶属度函数得到车辆行程延误时间为t时的道路畅通系数值

缓行系数值

拥堵系数值

和严重拥堵系数值

由路段最大排队长度隶属度函数得到最大排队长度为l时道路畅通系数值

缓行系数值

拥堵系数值

和严重拥堵系数值

将路段行程速度、车辆行程延误时间和路段最大排队长度参数对应三组系数集与权重集结合，构造模糊综合评价模型；所述模糊综合评价模型的模糊评价矩阵U为：

步骤3-2-6)对权重集A和模糊评价矩阵U两者运用模糊关系合成运算，进行综合评价后可得到评价向量P＝(p₁,p₂,...,p_n)，表示为：

P＝AΘU (17)

其中，P为模糊综合评价集，Θ为一种模糊关系的合成运算方式，p_j为评价对象对评价等级的隶属程度；

合成运算方式Θ采用M(∧,+)均衡平均型

u_ij表示U中第i行第j列元素，p₀为n个元素u_ij的和；

将交通状态划分为畅通、缓行、拥堵、严重拥堵四类，城市道路交通状态的判断集为：P＝[p₁,p₂,p₃,p₄]，

其中，P反映为当前道路通行状态，p₁为畅通系数、p₂为缓行系数、p₃为拥堵系数、p₄为严重拥堵系数，当前道路通行状态为max[p₁,p₂,p₃,p₄]。

9.根据权利要求8所述的基于边缘侧在线计算的交通信号控制方法，其特征在于，所述步骤4)包括：

步骤4-1)所述信号机的信号配时模块根据当前道路通行状态生成出绿灯时间、黄灯时间和红灯时间的信号配时方案；将交通状态参数发送信号控制器，调整信号配时方案，

步骤4-2)将生成的信号配时方案发送至信号灯控制器。

Images