CN111341110A - 信号协调控制子区划分方法、装置、存储介质及终端设备 - Google Patents

信号协调控制子区划分方法、装置、存储介质及终端设备 Download PDF

Info

Publication number
CN111341110A
CN111341110A CN202010438542.2A CN202010438542A CN111341110A CN 111341110 A CN111341110 A CN 111341110A CN 202010438542 A CN202010438542 A CN 202010438542A CN 111341110 A CN111341110 A CN 111341110A
Authority
CN
China
Prior art keywords
path
division
traffic flow
static
subarea
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
CN202010438542.2A
Other languages
English (en)
Other versions
CN111341110B (zh
Inventor
张晓春
林涛
邹莉
陈振武
周勇
罗佳晨
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.)
Shenzhen Urban Transport Planning Center Co Ltd
Original Assignee
Shenzhen Urban Transport Planning Center 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 Shenzhen Urban Transport Planning Center Co Ltd filed Critical Shenzhen Urban Transport Planning Center Co Ltd
Priority to CN202010438542.2A priority Critical patent/CN111341110B/zh
Publication of CN111341110A publication Critical patent/CN111341110A/zh
Application granted granted Critical
Publication of CN111341110B publication Critical patent/CN111341110B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Abstract

本申请属于交通控制技术领域，尤其涉及一种信号协调控制子区划分方法、装置、计算机可读存储介质及终端设备。所述方法根据预设的历史路径交通流量数据对目标区域进行信号协调控制子区的静态划分，得到所述目标区域的静态子区划分结果；根据预测路径交通流量数据对所述静态子区划分结果进行调整，得到所述目标区域的动态子区划分结果。所述方法以交通仿真技术提供的全量路径数据为基础，并结合了关联度模型，划分得到的子区内的协调路径具有连续通行需求，能够最大化绿波协调效益，而且基于实时在线交通仿真的快速推演能力，实时性更强，能够及时响应实际道路交通流状态的改变，动态子区划分结果和交通流状态相匹配，从而达到最佳的协调控制效果。

Description

信号协调控制子区划分方法、装置、存储介质及终端设备
技术领域
本申请属于交通控制技术领域，尤其涉及一种信号协调控制子区划分方法、装置、计算机可读存储介质及终端设备。
背景技术
交通信号协调控制是将整条交通干线或一个区域的交叉口群作为一个整体进行控制，尽量让依次经过这几个交叉口的车辆能够一路绿灯通行，以此达到提高车辆通行效率的目的。而信号协调控制子区的合理划分是实现有效的信号协调控制的前提，根据控制区域内信号交叉口与相连路段的空间几何特征和动态交通流特性，将整个控制区域合理划分为若干个信号协调控制子区，通过子区内与子区间的协调设计实现区域信号最佳协调控制效果。在现有技术中，可以采用基于关联度模型的协调子区划分技术或协调子区的动态划分技术来进行信号协调控制子区的划分，但是，现有的基于关联度模型的协调子区划分技术仅依靠关联度进行判断，可能导致子区内连续通行需求并不大的问题，达不到绿波协调的效果，而现有的协调子区的动态划分技术在进行信号协调控制子区的划分时，存在严重的滞后性，往往要等到实际交通状态变化后一段时间才能做出响应，难以达到最佳的协调控制效果。
发明内容
有鉴于此，本申请实施例提供了一种信号协调控制子区划分方法、装置、计算机可读存储介质及终端设备，以解决现有技术在进行信号协调控制子区的划分时，存在子区内连续通行需求并不大以及严重的滞后性的问题。
本申请实施例的第一方面提供了一种信号协调控制子区划分方法，可以包括：
根据预设的历史路径交通流量数据对目标区域进行信号协调控制子区的静态划分，得到所述目标区域的静态子区划分结果；
根据预测路径交通流量数据对所述静态子区划分结果进行调整，得到所述目标区域的动态子区划分结果，所述预测路径交通流量数据为对所述目标区域进行实时在线交通仿真得到的路径交通流量数据。
进一步地，所述根据预设的历史路径交通流量数据对目标区域进行信号协调控制子区的静态划分，得到所述目标区域的静态子区划分结果，包括：
根据预设的第一关联度模型对所述目标区域的初始路径集进行路径拆分，得到第一路径集；
根据所述历史路径交通流量数据对所述第一路径集进行路径筛选，得到第二路径集；
对所述第二路径集进行时段划分，得到所述第二路径集中的各条路径的各个有效时段；
根据预设的第二关联度模型对所述第二路径集中的各条路径的各个有效时段分别进行关联度分析，得到所述静态子区划分结果。
进一步地，所述根据预设的第一关联度模型对所述目标区域的初始路径集进行路径拆分，得到第一路径集，包括：
采集所述目标区域的初始路径集P0，对每一条有车辆行驶的路径p∈P0，路径p由按顺序的交叉口及其转向表示，即：p={S 1 ,S 2 ,…,S i ,…,S I }，其中，i为交叉口的序号，1≤i≤I，I为交叉口的数目，S i 表示第i个交叉口转向；
建立第一关联度模型F1，对每一条路径p∈P0进行如下关联性判断：
若路径p={S 1 ,S 2 ,…,S i ,…,S I }中，F1(S i )=0，则拆分路径p为路径{S 1 ,S 2 ,…,S i-1}和路径{S i+1 ,S i+2 ,…,S I }，其中，
Figure 469458DEST_PATH_IMAGE001
若路径p={S 1 ,S 2 ,…,S i ,…,S I }中，F1(S i ,S i+1)=0，则拆分路径p为路径{S 1 ,S 2 ,…,S i }和路径{S i+1 ,S i+2 ,…,S I }，其中，
Figure 454600DEST_PATH_IMAGE002
对拆分后的每一条路径，查找其全部的子路径，将全部的子路径去重后，构成所述第一路径集。
进一步地，所述根据所述历史路径交通流量数据对所述第一路径集进行路径筛选，得到第二路径集，包括：
根据所述历史路径交通流量数据计算所述第一路径集中每一条路径在各个时间片的平均流量；
对所述第一路径集中每一条路径，若存在连续的至少T个时间片的平均流量均不小于预设的流量阈值，则将该路径添加入所述第二路径集中，T为正整数。
进一步地，所述对所述第二路径集进行时段划分，得到所述第二路径集中的各条路径的各个有效时段，包括：
对所述第二路径集中每一条路径，使用预设的最优分割法进行时段划分，得到时段划分结果；
从所述时段划分结果中剔除不满足预设的流量条件的时段和不满足预设的流量比条件的时段，得到所述第二路径集中的各条路径的各个有效时段。
进一步地，所述根据预设的第二关联度模型对所述第二路径集中的各条路径的各个有效时段分别进行关联度分析，得到所述静态子区划分结果，包括：
对所述第二路径集中的每一条路径的每一个有效时段，在相邻的每两个交叉口之间建立如下所示的第二关联度模型F2：
Figure 591183DEST_PATH_IMAGE003
其中，n为车辆的序号，1≤n≤N，N为从S i 不停车行驶至S i+1的车辆的数目，
Figure 728903DEST_PATH_IMAGE004
为第n辆 车从S i 不停车行驶至S i+1的行程时间，
Figure 440376DEST_PATH_IMAGE005
为全部车辆的平均行程时间，C i 为第i个交叉口的 最优周期，C i+1为第i+1个交叉口的最优周期，α和β均为预设的系数；
若F2(S i ,S i+1)≤F2_Thresh，则将第i个交叉口和第i+1个交叉口划分为同一子区，其中，F2_Thresh为预设的关联度阈值；
对同时段存在重叠部分的路径作合并处理，将存在重叠部分的路径的全部交叉口划分为同一子区，得到所述静态子区划分结果。
进一步地，所述预测路径交通流量数据的设置过程包括：
实时检测所述目标区域的上游交通流量数据；
根据所述上游交通流量数据进行实时在线交通仿真，得到所述目标区域的预测路径交通流量数据。
本申请实施例的第二方面提供了一种信号协调控制子区划分装置，可以包括：
静态子区划分模块，用于根据预设的历史路径交通流量数据对目标区域进行信号协调控制子区的静态划分，得到所述目标区域的静态子区划分结果；
动态子区划分模块，用于根据预测路径交通流量数据对所述静态子区划分结果进行调整，得到所述目标区域的动态子区划分结果，所述预测路径交通流量数据为对所述目标区域进行实时在线交通仿真得到的路径交通流量数据。
进一步地，所述静态子区划分模块可以包括：
路径拆分单元，用于根据预设的第一关联度模型对所述目标区域的初始路径集进行路径拆分，得到第一路径集；
路径筛选单元，用于根据所述历史路径交通流量数据对所述第一路径集进行路径筛选，得到第二路径集；
时段划分单元，用于对所述第二路径集进行时段划分，得到所述第二路径集中的各条路径的各个有效时段；
静态子区划分单元，用于根据预设的第二关联度模型对所述第二路径集中的各条路径的各个有效时段分别进行关联度分析，得到所述静态子区划分结果。
进一步地，所述路径拆分单元可以包括：
初始路径集采集子单元，用于采集所述目标区域的初始路径集P0，对每一条有车辆行驶的路径p∈P0，路径p由按顺序的交叉口及其转向表示，即：p={S 1 ,S 2 ,…,S i ,…,S I }，其中，i为交叉口的序号，1≤i≤I，I为交叉口的数目，S i 表示第i个交叉口转向；
第一关联度模型建立子单元，用于建立第一关联度模型F1，对每一条路径p∈P0进行如下关联性判断：
若路径p={S 1 ,S 2 ,…,S i ,…,S I }中，F1(S i )=0，则拆分路径p为路径{S 1 ,S 2 ,…,S i-1}和路径{S i+1 ,S i+2 ,…,S I }，其中，
Figure 663547DEST_PATH_IMAGE006
若路径p={S 1 ,S 2 ,…,S i ,…,S I }中，F1(S i ,S i+1)=0，则拆分路径p为路径{S 1 ,S 2 ,…,S i }和路径{S i+1 ,S i+2 ,…,S I }，其中，
Figure 869401DEST_PATH_IMAGE007
第一路径集构造子单元，用于对拆分后的每一条路径，查找其全部的子路径，将全部的子路径去重后，构成所述第一路径集。
进一步地，所述路径筛选单元可以包括：
时间片平均流量计算子单元，用于根据所述历史路径交通流量数据计算所述第一路径集中每一条路径在各个时间片的平均流量；
路径添加子单元，用于对所述第一路径集中每一条路径，若存在连续的至少T个时间片的平均流量均不小于预设的流量阈值，则将该路径添加入所述第二路径集中，T为正整数。
进一步地，所述时段划分单元可以包括：
时段划分子单元，用于对所述第二路径集中每一条路径，使用预设的最优分割法进行时段划分，得到时段划分结果；
时段筛选子单元，用于从所述时段划分结果中剔除不满足预设的流量条件的时段和不满足预设的流量比条件的时段，得到所述第二路径集中的各条路径的各个有效时段。
进一步地，所述静态子区划分单元可以包括：
第二关联度模型建立子单元，用于对所述第二路径集中的每一条路径的每一个有效时段，在相邻的每两个交叉口之间建立如下所示的第二关联度模型F2：
Figure 861628DEST_PATH_IMAGE008
其中，n为车辆的序号，1≤n≤N，N为从S i 不停车行驶至S i+1的车辆的数目，
Figure 9581DEST_PATH_IMAGE004
为第n辆 车从S i 不停车行驶至S i+1的行程时间，
Figure 985627DEST_PATH_IMAGE005
为全部车辆的平均行程时间，C i 为第i个交叉口的 最优周期，C i+1为第i+1个交叉口的最优周期，α和β均为预设的系数；
若F2(S i ,S i+1)≤F2_Thresh，则将第i个交叉口和第i+1个交叉口划分为同一子区，其中，F2_Thresh为预设的关联度阈值；
对同时段存在重叠部分的路径作合并处理，将存在重叠部分的路径的全部交叉口划分为同一子区，得到所述静态子区划分结果。
进一步地，所述动态子区划分模块可以包括：
预测路径交通流量数据设置单元，用于实时检测所述目标区域的上游交通流量数据，并根据所述上游交通流量数据进行实时在线交通仿真，得到所述目标区域的预测路径交通流量数据。
本申请实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种信号协调控制子区划分方法的步骤。
本申请实施例的第四方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一种信号协调控制子区划分方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述任一种信号协调控制子区划分方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：本申请实施例首先根据预设的历史路径交通流量数据对目标区域进行信号协调控制子区的静态划分，得到所述目标区域的静态子区划分结果，然后根据预测路径交通流量数据对所述静态子区划分结果进行调整，得到所述目标区域的动态子区划分结果。所述方法以交通仿真技术提供的全量路径数据为基础，并结合了关联度模型，划分得到的子区内的协调路径具有连续通行需求，能够最大化绿波协调的效益，而且基于实时在线交通仿真的快速推演能力，具有极强的实时性，能够及时响应实际道路交通流状态的改变，动态子区划分结果和交通流状态相匹配，从而达到最佳的协调控制效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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获得其它的附图。
图1为子区内主要流向的示意图；
图2为本申请实施例中一种信号协调控制子区划分方法的一个实施例的示意流程图；
图3为根据预设的历史路径交通流量数据对目标区域进行信号协调控制子区的静态划分的示意流程图；
图4为本申请实施例中一种信号协调控制子区划分方法的一个实施例的总体流程图；
图5为本申请实施例中一种信号协调控制子区划分装置的一个实施例结构图；
图6为本申请实施例中一种终端设备的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
1971年信号协调控制子区的概念被首次提出，早期的子区划分一般是基于一些简单的原则，例如相邻交叉口间距、路段交通流量、信号控制交叉口的周期时长等，美国的统一交通控制设备手册（Manual on Uniform Traffic Control Devices，MUTCD）中规定，在城市主路交叉口间距在0.5英里以内就将其作为联控单元考虑；我国的行业标准《道路交通信号控制方式第4部分干线协调信号控制方式适用条件》（GA/T 527.4）中规定，干线协调信号控制的实施条件包括，①干线上相邻交叉口间距离在800m以内，特殊情况下最大不宜超过1000m，②协调交叉口之间的关联性较强，车流离散度不大，③通过单点信号配时确定的各交叉口周期长度相差不大，或者近似成整数比例关系等等。后来随着考虑因素的逐渐完善和丰富，则更加倾向于将各个因素量化组合在一起，形成“关联度模型”，用关联度这个更为综合的指数来判断两个相邻的交叉口是否划分一个协调子区，而不再仅仅基于个别的单一指标或原则。
基于关联度模型的协调子区划分技术，是对区域内每两个相邻的交叉口之间建立关联度模型进行判断，关联度高则划为同一子区，关联度低则分开为两个子区，最终根据每两个相邻交叉口是否划为同一子区，得到区域内每个子区包含的全部交叉口。考虑的影响因素不同（包括车队离散的连续性、相邻交叉口间距、路段交通流量、交通状态的一致性、车辆行驶速度、交叉口排队条件等）、各影响因素的组合方法不同，关联度模型也多种多样。
以耦合指数（Coupling Index，CI）为例：
Figure 729592DEST_PATH_IMAGE009
其中，V是相邻交叉口之间的流量，D是相邻交叉口之间的距离。当CI<1时，则可以认为关联度较低，不适合划分为同一子区。
再以路口相关度M为例：
Figure 576326DEST_PATH_IMAGE010
其中，v是从上游路口直行进入路段的车流量，v B 是最佳周期较短的路口各进口道车流量的和，C为公用周期，C m 为最佳周期较短的路口的周期长度，PF等于红灯期间车流率与平均车流率的比值。当M<0时，则可以认为关联度较低，不适合划分为同一子区。
基于关联度模型的协调子区划分技术是依次对每两个相邻路口的关联度进行判断，但是每两个相邻路口的关联度高并不代表车流在整个子区的连续通行需求大。信号协调控制，尤其是基于绿波带的协调控制，其效益体现在为有连续通行需求的车辆提供绿波带，让车辆在连续通过多个路口的时候能够一路绿灯通行，通常为协调子区内的主要路径上提供绿波。如图1所示，交叉口A-B-C-D-E是子区内的一个主要流向，主要路径上（虚线箭头）的连续通行的车辆越多，协调效益越明显，反之，其他方向上（实线箭头）的车辆越多，则可能导致更多的车辆遇上红灯。基于关联度模型的协调子区划分技术，即便主要路径（虚线箭头）的连续通行的车辆较少，只要转入流量（下方实线箭头）多，也会将这些交叉口划分为一个子区，进而达不到绿波协调的效果。
协调子区的动态划分技术，是根据实时检测到的道路交通运行状态，对子区结构做出相应的改变，以悉尼协调自适应交通系统（the Sydney Coordinated AdaptiveTraffic System，SCATS）为例对常用的协调子区的动态划分技术进行说明。每一个信号周期内，进行一次关联度的计算，若两个相邻子区的关联度高，则合并指数加1，反之则减1，若合并指数达到4，则将这两个相邻的子区连接起来作为一个子区，若合并指数下降到0，则将连起来的子区分开为两个子区。
为避免交通流随机波动的影响，通常子区的动态划分都要求持续一段时间检测到满足子区改变的条件，才会对子区进行重新划分，有一定的滞后性。而形成新的子区后，新的协调方案（包括相位差、公共周期等协调控制参数）又需要一定的过渡时间才能真正被使用，进一步加剧了这个滞后性。从检测到交通状态的变化，到生成新的子区、下发新的协调方案，这一过程耗时较长，对协调控制的效果有不利的影响。
信号协调控制子区划分的结果是否合理很大程度上取决于相关影响因素对应的数据获取情况，特别是在进行动态的协调子区划分的时候，数据获取的及时性也变得尤为关键。实时在线交通仿真技术实现了对现实交通系统的模拟和还原，能够真实全面地反映现实交通系统的运行情况，而基于仿真系统的快速推演能力实现对未来交通运行状况的精准预测，能提前预知交通运行情况的变化，及时做出响应。实时在线交通仿真技术能够为协调子区的划分提供充分、及时的数据基础，本申请针对面向绿波协调控制的子区划分问题，提出一种基于实时在线交通仿真的信号协调控制子区划分方法，合理划分协调子区，最大化绿波协调控制的效益。
在本申请中，以交通仿真技术提供的全量起讫点（Origin-Destination，OD）路径数据为基础，搜索连续通行需求大的路径，再结合关联度模型判断路径上每相邻两个交叉口之间的关联度，确定路径上的交叉口是否作为一个子区，实现协调子区的静态划分，避免了仅依靠关联度模型可能导致子区内连续通行需求并不大的问题。基于实时在线交通仿真的快速推演能力，根据上游的检测信息，快速预测下游的交通状态变化情况，根据提前预测得到的信息对协调子区进行动态划分，改善了要等到实际交通状态变化后一段时间才做出响应的滞后性问题。
如图2所示，本申请实施例中一种信号协调控制子区划分方法的一个实施例可以包括：
步骤S201、根据预设的历史路径交通流量数据对目标区域进行信号协调控制子区的静态划分，得到所述目标区域的静态子区划分结果。
如图3所示，步骤S201具体可以包括如下过程：
步骤S2011、根据预设的第一关联度模型对所述目标区域的初始路径集进行路径拆分，得到第一路径集。
具体地，首先采集所述目标区域的初始路径集P0，对每一条有车辆行驶的路径p∈P0，路径p由按顺序的交叉口及其转向表示，即：p={S 1 ,S 2 ,…,S i ,…,S I }，其中，i为交叉口的序号，1≤i≤I，I为交叉口的数目，S i 表示第i个交叉口转向。
然后，可以建立第一关联度模型F1，对每一条路径p∈P0进行如下关联性判断：
若路径p={S 1 ,S 2 ,…,S i ,…,S I }中，F1(S i )=0，则拆分路径p为路径{S 1 ,S 2 ,…,S i-1}和路径{S i+1 ,S i+2 ,…,S I }，其中，
Figure 629601DEST_PATH_IMAGE006
若路径p={S 1 ,S 2 ,…,S i ,…,S I }中，F1(S i ,S i+1)=0，则拆分路径p为路径{S 1 ,S 2 ,…,S i }和路径{S i+1 ,S i+2 ,…,S I }，其中，
Figure 92943DEST_PATH_IMAGE011
所述长度阈值可以根据实际情况进行设置，优选地，可以将其设置为1000米。
对拆分后的每一条路径，查找其全部的子路径，将全部的子路径去重后，构成所述第一路径集。
其中，每条子路径至少包含两个信号口转向。以路径p={S 1 ,S 2 ,…,S i ,…,S I }为例，其子路径包括：{S 1 ,S 2}、{S 1 ,S 2 ,S 3}、…、{S 1 ,S 2 ,…S I }、{S 2 ,S 3}、{S 2 ,S 3 ,S 4}、…、{S 2 ,S 3 ,… S I }、…、{S I-1 ,S I }，每条包含I个交叉口转向的路径（其中，I≥2），都有包含其自身在内的一共I（I－1）/2条子路径。上述全部子路径去重后，即可构成所述第一路径集P1。
步骤S2012、根据所述历史路径交通流量数据对所述第一路径集进行路径筛选，得到第二路径集。
首先，可以根据所述历史路径交通流量数据计算所述第一路径集中每一条路径在各个时间片的平均流量。
例如，对所述第一路径集中的每一条路径，可以根据交通仿真技术提供的至少10个同类型天（如均为工作日的同类型天、均为节假日的同类型天等）的全量OD路径流量数据，将每15分钟作为一个时间片进行一次流量统计，将同一时间片每天的各OD路径的流量做平均，得到该路径在各个时间片的平均流量。
对所述第一路径集中每一条路径，若存在连续的至少T个时间片的平均流量均不小于预设的流量阈值，则将该路径添加入所述第二路径集中。
其中，T为正整数，其具体取值可以根据实际情况进行设置，优选地，可以将其设置为4。所述流量阈值记为V limit ，其具体取值可以根据实际情况进行设置，优选地，可以设置V limit =800pcu/h。
具体地，对所述第一路径集中每一条路径，即∀p∈P1，统计其在一天内各个时间片的流量{v 1 ,v 2 ,…,v 96}，其中，v 1为第一个时间片的平均流量，v 2为第二个时间片的平均流量，依次类推，对∀p∈P1，如果路径p的各个时间片中，有连续的至少4个时间片（即一个小时）的平均流量均不小于V limit ，则将路径p置于集合P2，遍历所述第一路径集中每一条路径之后，即可得到初筛后有效路径集，也即所述第二路径集P2。
步骤S2013、对所述第二路径集进行时段划分，得到所述第二路径集中的各条路径的各个有效时段。
首先，对所述第二路径集中每一条路径，使用预设的最优分割法进行时段划分，得到时段划分结果。
具体地，所述第二路径集P2中的每一条路径p，有其在一天内各个时间片的流量{v 1 ,v 2 ,…,v 96}，利用Fisher最优分割法做时段的划分。Fisher最优分割法将有顺序的数据序列先进行分段，计算段内变差D s (m,k)和段间变差V s (m,k)，如下式：
Figure 640599DEST_PATH_IMAGE012
其中，时段数k，对应的下标为s=1,…,k；时间序列数据长度m，数据下标i,j=1,…,m；m s 第s段的数据长度，S s (m,k)为将m个数据划分为k段时，第s段的段内数据集合；D s (m,k)为将m个数据划分为k段时，第s段的段内数据变差；V s (m,k)为将m个数据划分为k段时，第s段的段间变差。
Fisher最优分割法找到让段内变差和最小、段间变差最大的分段结果。以总变差为目标时，算法表现为时段数越多则总变差越小，但对流量做时段划分时不希望时段数太多。通过观测目标函数值随时段数的变化曲线，该曲线存在拐点，当时段数继续增大，对目标函数值的改变很小。因此，选取拐点处为最佳分段数。
对∀p∈P2，利用Fisher最优分割法做时段的划分，得到时段划分结果：{T 1:V 1,…,T j :V j ,…,}，其中，T j 是划分得到的第j个时段，V j 是第j个时段内各时间片流量均值。
在得到时段划分结果之后，从所述时段划分结果中剔除不满足预设的流量条件的时段和不满足预设的流量比条件的时段，得到所述第二路径集中的各条路径的各个有效时段。
具体地，根据所述流量阈值V limit ，对时段内的路径流量做判断，若V j ≥V limit ，则时段T j 为满足流量限值要求的时段，否则剔除时段T j 。
除了流量大小以外，还须判断流量比，即判断该路径是否为主要流向。设置流量比阈值V_ratio，其具体取值可以根据实际情况进行设置，优选地，可以设置V_ratio=0.5，对路径p={S 1 ,S 2 ,…,S i ,…,S I }，统计每个交叉口转向S i 在时段T j 的总的平均流量y i ，若路径p中任一i有V j /y i ≥V_ratio，则时段T j 为满足流量比限值要求的时段，否则剔除时段T j 。
步骤S2014、根据预设的第二关联度模型对所述第二路径集中的各条路径的各个有效时段分别进行关联度分析，得到所述静态子区划分结果。
在所述第二路径集P2中，对任一路径p={S 1 ,S 2 ,…,S i ,…,S I }满足流量和流量比要求的时段T j ，对时段内每相邻两个路口之间做关联度判断，若不满足关联度要求，则剔除路径时段，不作为最终的协调路径。
具体地，对所述第二路径集中的每一条路径的每一个有效时段，在相邻的每两个交叉口之间建立如下所示的第二关联度模型F2：
Figure 341839DEST_PATH_IMAGE013
其中，n为车辆的序号，1≤n≤N，N为从S i 不停车行驶至S i+1的车辆的数目，
Figure 847907DEST_PATH_IMAGE004
为第n辆 车从S i 不停车行驶至S i+1的行程时间，
Figure 251075DEST_PATH_IMAGE005
为全部车辆的平均行程时间，C i 为第i个交叉口的 最优周期，为预设的一个常数，其取值可以根据实际情况进行设置，C i+1为第i+1个交叉口的 最优周期，为预设的一个常数，其取值可以根据实际情况进行设置，
Figure 602422DEST_PATH_IMAGE014
表 征车队的离散程度，
Figure 423748DEST_PATH_IMAGE015
表征周期的差异程度，α和β均为预设的系数，分别用来 设置离散度和周期差异这两个因素的重要程度，这两个系数的具体取值可以根据实际情况 进行设置，优选地，可以设置α=0.7，β=0.3。
上述确定路径集和时段划分的过程中，已经充分考虑了流量的要求，因此这里的关联度模型F2侧重考虑离散度和周期差异程度的要求。
若F2(S i ,S i+1)≤F2_Thresh，则可以认为关联度较高，将第i个交叉口和第i+1个交叉口划分为同一子区，其中，F2_Thresh为预设的关联度阈值，其具体取值可以根据实际情况进行设置，优选地，可以将其设置为35。
经过关联度模型F2的关联度分析后，得到最终建议做协调的路径及其时段，对同时段存在重叠部分的路径作合并处理，将存在重叠部分的路径的全部交叉口划分为同一子区，最终得到协调的空间子区及其协调的时段，也即所述静态子区划分结果。
步骤S202、根据预测路径交通流量数据对所述静态子区划分结果进行调整，得到所述目标区域的动态子区划分结果。
所述预测路径交通流量数据为对所述目标区域进行实时在线交通仿真得到的路径交通流量数据。具体地，可以基于实时在线交通仿真技术，实时检测所述目标区域的上游交通流量数据，并根据所述上游交通流量数据进行实时在线交通仿真，得到所述目标区域的预测路径交通流量数据。
以静态子区划分的结果为背景方案，如果连续4个周期预测得到的路径流量不满足流量阈值V limit 和流量比阈值V_ratio，或者基于关联度模型F2计算得到的关联度值超过35，则不再对相应的路径做绿波协调；反之，如果连续4个周期预测得到的路径流量等数据表明，满足流量和流量比的限值，且通过关联度模型的检验，则新增相应的路径做绿波协调。
所述信号协调控制子区划分方法的总体流程图如图4所示，本申请实施例以交通仿真技术提供的全量OD路径数据为基础，并结合了关联度模型，对面向绿波协调的控制子区进行了空间和时段的划分，划分得到的子区内的协调路径具有连续通行需求，能够最大化绿波协调的效益。基于实时在线交通仿真的快速推演能力，快速、准确预测较长时间内的交通流量变化，根据提前预测得到的信息对协调子区进行动态划分，能够及时响应实际道路交通流状态的改变，协调方案和交通流状态相匹配，从而达到最佳的协调控制效果。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种信号协调控制子区划分方法，图5示出了本申请实施例提供的一种信号协调控制子区划分装置的一个实施例结构图。
本实施例中，一种信号协调控制子区划分装置可以包括：
静态子区划分模块501，用于根据预设的历史路径交通流量数据对目标区域进行信号协调控制子区的静态划分，得到所述目标区域的静态子区划分结果；
动态子区划分模块502，用于根据预测路径交通流量数据对所述静态子区划分结果进行调整，得到所述目标区域的动态子区划分结果，所述预测路径交通流量数据为对所述目标区域进行实时在线交通仿真得到的路径交通流量数据。
进一步地，所述静态子区划分模块可以包括：
路径拆分单元，用于根据预设的第一关联度模型对所述目标区域的初始路径集进行路径拆分，得到第一路径集；
路径筛选单元，用于根据所述历史路径交通流量数据对所述第一路径集进行路径筛选，得到第二路径集；
时段划分单元，用于对所述第二路径集进行时段划分，得到所述第二路径集中的各条路径的各个有效时段；
静态子区划分单元，用于根据预设的第二关联度模型对所述第二路径集中的各条路径的各个有效时段分别进行关联度分析，得到所述静态子区划分结果。
进一步地，所述路径拆分单元可以包括：
初始路径集采集子单元，用于采集所述目标区域的初始路径集P0，对每一条有车辆行驶的路径p∈P0，路径p由按顺序的交叉口及其转向表示，即：p={S 1 ,S 2 ,…,S i ,…,S I }，其中，i为交叉口的序号，1≤i≤I，I为交叉口的数目，S i 表示第i个交叉口转向；
第一关联度模型建立子单元，用于建立第一关联度模型F1，对每一条路径p∈P0进行如下关联性判断：
若路径p={S 1 ,S 2 ,…,S i ,…,S I }中，F1(S i )=0，则拆分路径p为路径{S 1 ,S 2 ,…,S i-1}和路径{S i+1 ,S i+2 ,…,S I }，其中，
Figure 100717DEST_PATH_IMAGE016
若路径p={S 1 ,S 2 ,…,S i ,…,S I }中，F1(S i ,S i+1)=0，则拆分路径p为路径{S 1 ,S 2 ,…,S i }和路径{S i+1 ,S i+2 ,…,S I }，其中，
Figure 256760DEST_PATH_IMAGE017
第一路径集构造子单元，用于对拆分后的每一条路径，查找其全部的子路径，将全部的子路径去重后，构成所述第一路径集。
进一步地，所述路径筛选单元可以包括：
时间片平均流量计算子单元，用于根据所述历史路径交通流量数据计算所述第一路径集中每一条路径在各个时间片的平均流量；
路径添加子单元，用于对所述第一路径集中每一条路径，若存在连续的至少T个时间片的平均流量均不小于预设的流量阈值，则将该路径添加入所述第二路径集中，T为正整数。
进一步地，所述时段划分单元可以包括：
时段划分子单元，用于对所述第二路径集中每一条路径，使用预设的最优分割法进行时段划分，得到时段划分结果；
时段筛选子单元，用于从所述时段划分结果中剔除不满足预设的流量条件的时段和不满足预设的流量比条件的时段，得到所述第二路径集中的各条路径的各个有效时段。
进一步地，所述静态子区划分单元可以包括：
第二关联度模型建立子单元，用于对所述第二路径集中的每一条路径的每一个有效时段，在相邻的每两个交叉口之间建立如下所示的第二关联度模型F2：
Figure 146219DEST_PATH_IMAGE018
其中，n为车辆的序号，1≤n≤N，N为从S i 不停车行驶至S i+1的车辆的数目，
Figure 87630DEST_PATH_IMAGE004
为第n辆 车从S i 不停车行驶至S i+1的行程时间，
Figure 669921DEST_PATH_IMAGE005
为全部车辆的平均行程时间，C i 为第i个交叉口的 最优周期，C i+1为第i+1个交叉口的最优周期，α和β均为预设的系数；
若F2(S i ,S i+1)≤F2_Thresh，则将第i个交叉口和第i+1个交叉口划分为同一子区，其中，F2_Thresh为预设的关联度阈值；
对同时段存在重叠部分的路径作合并处理，将存在重叠部分的路径的全部交叉口划分为同一子区，得到所述静态子区划分结果。
进一步地，所述动态子区划分模块可以包括：
预测路径交通流量数据设置单元，用于实时检测所述目标区域的上游交通流量数据，并根据所述上游交通流量数据进行实时在线交通仿真，得到所述目标区域的预测路径交通流量数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
图6示出了本申请实施例提供的一种终端设备的示意框图，为了便于说明，仅示出了与本申请实施例相关的部分。
如图6所示，该实施例的终端设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个信号协调控制子区划分方法实施例中的步骤，例如图1所示的步骤S101至步骤S102。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块501至模块502的功能。
示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，图6仅仅是终端设备6的示例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备6还可以包括输入输出设备、网络接入设备、总线等。
所述处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA) 或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备，例如所述终端设备6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。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备6所需的其它程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (9)

1.一种信号协调控制子区划分方法，其特征在于，包括：
根据预设的历史路径交通流量数据对目标区域进行信号协调控制子区的静态划分，得到所述目标区域的静态子区划分结果；
根据预测路径交通流量数据对所述静态子区划分结果进行调整，得到所述目标区域的动态子区划分结果，所述预测路径交通流量数据为对所述目标区域进行实时在线交通仿真得到的路径交通流量数据；
所述根据预设的历史路径交通流量数据对目标区域进行信号协调控制子区的静态划分，得到所述目标区域的静态子区划分结果，包括：
根据预设的第一关联度模型对所述目标区域的初始路径集进行路径拆分，得到第一路径集；
根据所述历史路径交通流量数据对所述第一路径集进行路径筛选，得到第二路径集；
对所述第二路径集进行时段划分，得到所述第二路径集中的各条路径的各个有效时段；
根据预设的第二关联度模型对所述第二路径集中的各条路径的各个有效时段分别进行关联度分析，得到所述静态子区划分结果。
2.根据权利要求1所述的信号协调控制子区划分方法，其特征在于，所述根据预设的第一关联度模型对所述目标区域的初始路径集进行路径拆分，得到第一路径集，包括：
采集所述目标区域的初始路径集P0，对每一条有车辆行驶的路径p∈P0，路径p由按顺序的交叉口及其转向表示，即：p={S 1 ,S 2 ,…,S i ,…,S I }，其中，i为交叉口的序号，1≤i≤I，I为交叉口的数目，S i 表示第i个交叉口转向；
建立第一关联度模型F1，对每一条路径p∈P0进行如下关联性判断：
若路径p={S 1 ,S 2 ,…,S i ,…,S I }中，F1(S i )=0，则拆分路径p为路径{S 1 ,S 2 ,…,S i-1}和路径{S i+1 ,S i+2 ,…,S I }，其中，
Figure 253475DEST_PATH_IMAGE001
若路径p={S 1 ,S 2 ,…,S i ,…,S I }中，F1(S i ,S i+1)=0，则拆分路径p为路径{S 1 ,S 2 ,…,S i }和路径{S i+1 ,S i+2 ,…,S I }，其中，
Figure 888725DEST_PATH_IMAGE002
对拆分后的每一条路径，查找其全部的子路径，将全部的子路径去重后，构成所述第一路径集。
3.根据权利要求1所述的信号协调控制子区划分方法，其特征在于，所述根据所述历史路径交通流量数据对所述第一路径集进行路径筛选，得到第二路径集，包括：
根据所述历史路径交通流量数据计算所述第一路径集中每一条路径在各个时间片的平均流量；
对所述第一路径集中每一条路径，若存在连续的至少T个时间片的平均流量均不小于预设的流量阈值，则将该路径添加入所述第二路径集中，T为正整数。
4.根据权利要求1所述的信号协调控制子区划分方法，其特征在于，所述对所述第二路径集进行时段划分，得到所述第二路径集中的各条路径的各个有效时段，包括：
对所述第二路径集中每一条路径，使用预设的最优分割法进行时段划分，得到时段划分结果；
从所述时段划分结果中剔除不满足预设的流量条件的时段和不满足预设的流量比条件的时段，得到所述第二路径集中的各条路径的各个有效时段。
5.根据权利要求2所述的信号协调控制子区划分方法，其特征在于，所述根据预设的第二关联度模型对所述第二路径集中的各条路径的各个有效时段分别进行关联度分析，得到所述静态子区划分结果，包括：
对所述第二路径集中的每一条路径的每一个有效时段，在相邻的每两个交叉口之间建立如下所示的第二关联度模型F2：
Figure 137304DEST_PATH_IMAGE003
其中，n为车辆的序号，1≤n≤N，N为从S i 不停车行驶至S i+1的车辆的数目，
Figure 1354DEST_PATH_IMAGE004
为第n辆 车从S i 不停车行驶至S i+1的行程时间，
Figure 284568DEST_PATH_IMAGE005
为全部车辆的平均行程时间，C i 为第i个交叉口的 最优周期，C i+1为第i+1个交叉口的最优周期，α和β均为预设的系数；
若F2(S i ,S i+1)≤F2_Thresh，则将第i个交叉口和第i+1个交叉口划分为同一子区，其中，F2_Thresh为预设的关联度阈值；
对同时段存在重叠部分的路径作合并处理，将存在重叠部分的路径的全部交叉口划分为同一子区，得到所述静态子区划分结果。
6.根据权利要求1至5中任一项所述的信号协调控制子区划分方法，其特征在于，所述预测路径交通流量数据的设置过程包括：
实时检测所述目标区域的上游交通流量数据；
根据所述上游交通流量数据进行实时在线交通仿真，得到所述目标区域的预测路径交通流量数据。
7.一种信号协调控制子区划分装置，其特征在于，包括：
静态子区划分模块，用于根据预设的历史路径交通流量数据对目标区域进行信号协调控制子区的静态划分，得到所述目标区域的静态子区划分结果；
动态子区划分模块，用于根据预测路径交通流量数据对所述静态子区划分结果进行调整，得到所述目标区域的动态子区划分结果，所述预测路径交通流量数据为对所述目标区域进行实时在线交通仿真得到的路径交通流量数据；
所述静态子区划分模块包括：
路径拆分单元，用于根据预设的第一关联度模型对所述目标区域的初始路径集进行路径拆分，得到第一路径集；
路径筛选单元，用于根据所述历史路径交通流量数据对所述第一路径集进行路径筛选，得到第二路径集；
时段划分单元，用于对所述第二路径集进行时段划分，得到所述第二路径集中的各条路径的各个有效时段；
静态子区划分单元，用于根据预设的第二关联度模型对所述第二路径集中的各条路径的各个有效时段分别进行关联度分析，得到所述静态子区划分结果。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的信号协调控制子区划分方法的步骤。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的信号协调控制子区划分方法的步骤。
CN202010438542.2A 2020-05-22 2020-05-22 信号协调控制子区划分方法、装置、存储介质及终端设备 Active CN111341110B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010438542.2A CN111341110B (zh) 2020-05-22 2020-05-22 信号协调控制子区划分方法、装置、存储介质及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010438542.2A CN111341110B (zh) 2020-05-22 2020-05-22 信号协调控制子区划分方法、装置、存储介质及终端设备

Publications (2)

Publication Number Publication Date
CN111341110A true CN111341110A (zh) 2020-06-26
CN111341110B CN111341110B (zh) 2020-09-11

Family

ID=71186439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010438542.2A Active CN111341110B (zh) 2020-05-22 2020-05-22 信号协调控制子区划分方法、装置、存储介质及终端设备

Country Status (1)

Country Link
CN (1) CN111341110B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393673A (zh) * 2021-08-17 2021-09-14 深圳市城市交通规划设计研究中心股份有限公司 交通信号调度计划和时段优化方法及装置
CN113793516A (zh) * 2021-10-11 2021-12-14 深圳大学 一种基于主路径的信号交叉口控制方法、终端及存储介质
CN113851009A (zh) * 2021-10-11 2021-12-28 武汉理工大学 一种城市干道时空划分方法
CN114005297A (zh) * 2021-12-07 2022-02-01 成都车晓科技有限公司 一种基于车联网的车队协调行驶方法
CN114973699A (zh) * 2022-05-10 2022-08-30 阿波罗智联(北京)科技有限公司 交通控制信号的生成方法、边缘计算单元和路侧单元
CN115171406A (zh) * 2022-06-30 2022-10-11 青岛海信网络科技股份有限公司 电子设备及片区的交通控制策略确定方法
CN115691138A (zh) * 2022-11-02 2023-02-03 东南大学 一种路网子区划分及子区边界流量控制方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130106620A1 (en) * 2011-10-28 2013-05-02 International Business Machines Corporation Adjusting traffic lights
KR20130073999A (ko) * 2011-12-26 2013-07-04 한정남 자동차에 랜덤 부호를 할당하는 서버 및 레이더 빔을 출력하는 자동차
CN103544841A (zh) * 2013-10-22 2014-01-29 银江股份有限公司 交通控制区域动态划分方法
CN105225503A (zh) * 2015-11-09 2016-01-06 中山大学 交通控制子区优化与自适应调整方法
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
CN109215340A (zh) * 2018-08-31 2019-01-15 广州运星科技有限公司 一种交叉路口流量动态控制方法、系统、设备和存储介质
CN109767624A (zh) * 2019-03-06 2019-05-17 中南大学 一种考虑路段交通流相关性的控制子区划分方法
CN109816984A (zh) * 2019-03-19 2019-05-28 太原理工大学 一种交通路网区域划分及动态调整方法
CN110415519A (zh) * 2019-07-30 2019-11-05 黄卫 一种基于车辆轨迹数据的区域交通信号实时优化控制方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130106620A1 (en) * 2011-10-28 2013-05-02 International Business Machines Corporation Adjusting traffic lights
KR20130073999A (ko) * 2011-12-26 2013-07-04 한정남 자동차에 랜덤 부호를 할당하는 서버 및 레이더 빔을 출력하는 자동차
CN103544841A (zh) * 2013-10-22 2014-01-29 银江股份有限公司 交通控制区域动态划分方法
CN105225503A (zh) * 2015-11-09 2016-01-06 中山大学 交通控制子区优化与自适应调整方法
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
CN109215340A (zh) * 2018-08-31 2019-01-15 广州运星科技有限公司 一种交叉路口流量动态控制方法、系统、设备和存储介质
CN109767624A (zh) * 2019-03-06 2019-05-17 中南大学 一种考虑路段交通流相关性的控制子区划分方法
CN109816984A (zh) * 2019-03-19 2019-05-28 太原理工大学 一种交通路网区域划分及动态调整方法
CN110415519A (zh) * 2019-07-30 2019-11-05 黄卫 一种基于车辆轨迹数据的区域交通信号实时优化控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
YIMING BIE 等: "Modelling correlation degree between two adjacent signalised intersections for dynamic subarea partition", 《IET INTELLIGENT TRANSPORT SYSTEMS 》 *
别一鸣 等: "城市路网交通控制子区动态划分策略", 《中国公路学报》 *
周勇 等: "基于在线仿真的交通信号管控应用模式思考", 《品质交通与协同共治——2019年中国城市交通规划年会论文集》 *
赵文涛 等: "基于关键路口的动态交通子区划分", 《计算机与应用化学》 *
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 (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393673A (zh) * 2021-08-17 2021-09-14 深圳市城市交通规划设计研究中心股份有限公司 交通信号调度计划和时段优化方法及装置
CN113793516A (zh) * 2021-10-11 2021-12-14 深圳大学 一种基于主路径的信号交叉口控制方法、终端及存储介质
CN113851009A (zh) * 2021-10-11 2021-12-28 武汉理工大学 一种城市干道时空划分方法
CN114005297A (zh) * 2021-12-07 2022-02-01 成都车晓科技有限公司 一种基于车联网的车队协调行驶方法
CN114973699A (zh) * 2022-05-10 2022-08-30 阿波罗智联(北京)科技有限公司 交通控制信号的生成方法、边缘计算单元和路侧单元
CN115171406A (zh) * 2022-06-30 2022-10-11 青岛海信网络科技股份有限公司 电子设备及片区的交通控制策略确定方法
CN115171406B (zh) * 2022-06-30 2024-04-02 青岛海信网络科技股份有限公司 电子设备及片区的交通控制策略确定方法
CN115691138A (zh) * 2022-11-02 2023-02-03 东南大学 一种路网子区划分及子区边界流量控制方法
CN115691138B (zh) * 2022-11-02 2023-09-26 东南大学 一种路网子区划分及子区边界流量控制方法

Also Published As

Publication number Publication date
CN111341110B (zh) 2020-09-11

Similar Documents

Publication Publication Date Title
CN111341110B (zh) 信号协调控制子区划分方法、装置、存储介质及终端设备
US20200211374A1 (en) System, method, and apparatus for analyzing a traffic road condition
CN112820108B (zh) 一种自学习的路网交通状态分析及预测方法
CN109118771B (zh) 一种城市交通常发性拥堵特征确定的方法及装置
CN108053661B (zh) 一种交通控制的方法及装置
CN107331172B (zh) 一种基于道路交通状态的交通相位调整方法和装置
CN108492555A (zh) 一种城市路网交通状态评价方法及装置
CN106097730A (zh) 一种路段车辆排队长度的估计方法、装置及系统
CN111091295B (zh) 一种城市区域边界控制系统
CN104851287B (zh) 基于视频检测器的城市道路路段行程时间检测方法
CN111145565B (zh) 一种用于城市交通的协调路线和协调方案的推荐方法及系统
CN105070054B (zh) 一种基于流式计算与时间窗动态优化的多源交通状态判别方法
CN111369814B (zh) 一种车路协同公交车控制方法、装置及终端设备
CN108898831B (zh) 基于道路高清卡口数据的路段状况评估方法及系统
CN111192457A (zh) 一种城市级整体的交通信号控制的方法及装置
CN112185124A (zh) 一种全路网交通状态预测方法及装置
CN113936480A (zh) 一种交通信号的控制方法和设备
CN113763728B (zh) 一种交通组织及信号配时协同优化方法、装置及设备
CN108389404B (zh) 道路交通拥堵治理方法
CN111815941A (zh) 一种基于历史路况的常发拥堵瓶颈识别方法及装置
Tzedakis Different vehicle speeds and congestion costs
CN112037546B (zh) 一种交通信号控制方法及装置
CN113393681A (zh) 交通信号协调优化方法及装置、计算机可读存储介质
CN113034940A (zh) 一种基于Fisher有序聚类的单点信号交叉口优化配时方法
CN112797994A (zh) 用于确定路线的预计到达时间的方法及相关装置和服务器

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