CN111862636B - 一种交通信号控制方法及系统 - Google Patents
一种交通信号控制方法及系统 Download PDFInfo
- Publication number
- CN111862636B CN111862636B CN202010796278.XA CN202010796278A CN111862636B CN 111862636 B CN111862636 B CN 111862636B CN 202010796278 A CN202010796278 A CN 202010796278A CN 111862636 B CN111862636 B CN 111862636B
- Authority
- CN
- China
- Prior art keywords
- control
- intersection
- vehicles
- optimization model
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 118
- 238000011160 research Methods 0.000 claims abstract description 40
- 238000009826 distribution Methods 0.000 claims abstract description 18
- 230000004913 activation Effects 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 83
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000011144 upstream manufacturing Methods 0.000 claims description 15
- 238000009530 blood pressure measurement Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 4
- 239000002245 particle Substances 0.000 description 17
- 238000010586 diagram Methods 0.000 description 5
- 230000005012 migration Effects 0.000 description 4
- 238000013508 migration Methods 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- INAXVXBDKKUCGI-UHFFFAOYSA-N 4-hydroxy-2,5-dimethylfuran-3-one Chemical compound CC1OC(C)=C(O)C1=O INAXVXBDKKUCGI-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通信号控制方法，所述控制方法包括如下步骤：将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口；建立双层优化模型；根据研究区域的车辆分布计算每个控制子区的每个交叉口的相位压力；当所有的交叉口的相位压力中的最大的相位压力大于激活相位时，采用双层优化模型，确定当前时刻后的K个时刻的研究区域的总输出车辆数最大时，且当前时刻后的K个时刻的每个控制子区的车辆数与最优车辆数差的平方和最小时的交通信号控制方案。发明将研究区域划分为多个控制子区，对于每个控制子区的边界信号灯进行优化，实现了区域内的交通的优化控制，避免了区域内的局部拥堵的缺陷。
Description
技术领域
本发明涉及交通智能控制技术领域，特别涉及一种交通信号控制方法及系统。
背景技术
随着城市建设和社会经济的高速发展，城市道路拥堵现象越发严重。目前智能交通信号控制系统利用信号灯对路口交通进行调配疏导是缓解拥堵的重要方法之一。根据系统结构，城市交通信号控制可分为分布式和集中式控制，其中集中控制系统由中央计算单元控制，当控制范围扩大或参数增加时，整个系统的计算复杂度将呈指数增加，在信号优化过程中可能导致实时性与可靠性不能保持高度统一；然而分布式信号控制系统不是由中央计算单元控制，其依赖于局部交叉口控制器，不仅简化了模型结构，还可以保证信号优化控制的实时性与可靠性。
近年来，针对分布式交通信号控制优化问题，主要方法包括群体优化算法、强化学习算法、启发式动态规划算法等。这些研究取得了不少的成果，然而交通信号控制优化通常是一个NP问题，这类交通控制方法计算相对耗时，易出现相位调节不及时等问题，难以保证在线交通配时决策的实时性。因此，在疏导拥堵的同时兼顾实时性在交通信号控制中就显得尤为重要。Wongpiromsam等人将分布式背压路由算法引入到交通控制领域，并首次提出了基于背压算法的分布式交通信号控制策略。相对于其他分布式算法，背压算法能够完全分布在交叉口上，只需要每个交叉口的局部信息，即可以用复杂度为O(1)的算法来实现信号控制。因此背压算法在交通信号优化方面受到了学者们的广泛关注，并在此基础上展开了大量的研究，提出了均衡下游路段剩余容量、优化网络吞吐量、考虑路段容量等方面的改进。研究表明城市道路交通系统具有分层多粒度特性，将系统中的交通元素粒化，以实现多角度、多层次解决问题。陈伟清等人将粗糙集与变异系数结合，建立了符合城市实际情况的智慧交通评价体系，为优化城市交通提供了有效的评价指标。Xie等人在颗粒计算的理论基础上，针对当前智能交通的数据挖掘，提出了一种基于颗粒计算的智能交通数据挖掘模型。Abdel-Basset等人提出了一个使用单值中性色和粗糙集理论处理不完全和不完全信息的一般框架，该模型提高了智能城市向其公民介绍服务和决策的质量。他们将粗集理论应用到城市交通优化中，并取获得了不错的成果，也为城市交通信号控制提供了新思路。Hao等人利用基于s-粗糙集理论的基本转移操作，将每个交通粒用粗糙表示形式来表示，并对其动态特性进行描述，结合背压算法对区域内交通信号进行协调控制。但现有的方法无法实现区域内的交通的优化控制。
发明内容
本发明的目的是提供一种交通信号控制方法及系统，以实现区域内的交通的优化控制，避免了区域内的局部拥堵的缺陷。
为实现上述目的，本发明提供了如下方案：
一种交通信号控制方法，所述控制方法包括如下步骤：
将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口；
将当前时刻后的K个时刻的研究区域的总输出车辆数作为上层优化模型的目标函数，以上层优化模型的目标函数值最大化为上层优化模型的优化目标，将当前时刻后的K个时刻的每个控制子区的车辆数与最优车辆数差的平方和作为下层优化模型的目标函数，以下层优化模型的目标函数值最小化为下层目标优化模型的优化目标，建立双层优化模型；
根据研究区域的车辆分布计算每个控制子区的每个交叉口的相位压力；
判断所有的交叉口的相位压力中的最大的相位压力是否小于激活相位，得到第一判断结果；
若所述判断结果表示是，则将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口；
根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数；
根据预测得到的K个时刻的每个控制子区内的车辆数计算上层优化模型的目标函数值和下层优化模型的目标函数值；
判断上层优化模型的目标函数值和下层优化模型的目标函数值是否收敛，得到第二判断结果；
若所述第二判断结果表示否，则调整每个控制子区的每个边界的交叉口信号周期和绿信比，返回步骤“根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数”；
若所述第二判断结果表示是，则输出调整后的每个控制子区的每个边界的交叉口信号周期和绿信比。
可选的，所述根据研究区域的车辆分布计算每个控制子区的每个交叉口的相位压力，具体包括：
根据每个控制子区的车辆分布确定每个控制子区中的每个交叉口排队长度；
根据每个交叉口排队长度采用背压算法计算每个交叉口相位压力。
可选的，所述根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数，具体包括：
根据当前时刻的第u个控制子区内的车辆数及第u个控制子区的每个边界的交叉口信号周期和绿信比，利用公式
计算第k个时刻的第u个控制子区内的车辆数；
其中，Nu(k)表示第k个时刻的第u个控制子区的车辆数，Nu(0)表示当前时刻的第u个控制子区的车辆数，Cj(p)为第j个边界的交叉口的第p个时刻的信号周期，s为饱和流率，gjh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流入的信号灯的绿信比，g′jh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流出的信号灯的绿信比，Ju代表第u个控制子区的边界的交叉口集合，Hu代表第u个控制子区的边界的交叉口的进口道集合。
可选的，所述根据预测得到的K个时刻的每个控制子区内的车辆数计算上层优化模型的目标函数值和下层优化模型的目标函数值，具体包括：
根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算上层优化模型的目标函数值
其中，A表示研究区域；Gu(·)为第u个控制子区的输出流量与第u个控制子区内存在车辆数的关系模型；Gu(Nu(k))＝min(f1(Nu(k)),f2(Nu(k)),f3(Nu(k)))，f1(·),f2(·)和f3(·)为当前车辆呈现的控制子区内存在车辆数与输出流量的关系图的第一拟合函数、第二拟合函数和第三拟合函数；
根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算下层优化模型的目标函数值
其中，Nuc为第u个控制子区的最优车辆数。
一种交通信号控制系统，所述控制系统包括
区域划分模块，用于将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口；
双层优化模型建立模块，用于将当前时刻后的K个时刻的研究区域的总输出车辆数作为上层优化模型的目标函数，以上层优化模型的目标函数值最大化为上层优化模型的优化目标，将当前时刻后的K个时刻的每个控制子区的车辆数与最优车辆数差的平方和作为下层优化模型的目标函数，以下层优化模型的目标函数值最小化为下层目标优化模型的优化目标，建立双层优化模型；
相位压力计算模块，用于根据研究区域的车辆分布计算每个控制子区的每个交叉口的相位压力；
第一判断模块，用于判断所有的交叉口的相位压力中的最大的相位压力是否小于激活相位，得到第一判断结果；
初始化模块，用于若所述判断结果表示是，则将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口；
车辆数预测模块，用于根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数；
目标函数计算模块，用于根据预测得到的K个时刻的每个控制子区内的车辆数计算上层优化模型的目标函数值和下层优化模型的目标函数值；
第二判断模块，用于判断上层优化模型的目标函数值和下层优化模型的目标函数值是否收敛，得到第二判断结果；
参数更新模块，用于若所述第二判断结果表示否，则调整每个控制子区的每个边界的交叉口信号周期和绿信比，返回步骤“根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数”；
优化方案输出模块，用于若所述第二判断结果表示是，则输出调整后的每个控制子区的每个边界的交叉口信号周期和绿信比。
可选的，所述相位压力计算模块，具体包括：
排队长度计算子模块，用于根据每个控制子区的车辆分布确定每个控制子区中的每个交叉口排队长度；
相位压力计算子模块，用于根据每个交叉口排队长度采用背压算法计算每个交叉口相位压力。
可选的，所述车辆数预测模块，具体包括：
车辆数预测子模块，用于根据当前时刻的第u个控制子区内的车辆数及第u个控制子区的每个边界的交叉口信号周期和绿信比，利用公式
计算第k个时刻的第u个控制子区内的车辆数；
其中，Nu(k)表示第k个时刻的第u个控制子区的车辆数，Nu(0)表示当前时刻的第u个控制子区的车辆数，Cj(p)为第j个边界的交叉口的第p个时刻的信号周期，s为饱和流率，gjh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流入的信号灯的绿信比，g′jh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流出的信号灯的绿信比，Ju代表第u个控制子区的边界的交叉口集合，Hu代表第u个控制子区的边界的交叉口的进口道集合。
可选的，所述目标函数计算模块，具体包括：
上层优化模型的目标函数计算子模块，用于根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算上层优化模型的目标函数值
其中，A表示研究区域；Gu(·)为第u个控制子区的输出流量与第u个控制子区内存在车辆数的关系模型；Gu(Nu(k))＝min(f1(Nu(k)),f2(Nu(k)),f3(Nu(k)))，f1(·),f2(·)和f3(·)为当前车辆呈现的控制子区内存在车辆数与输出流量的关系图的第一拟合函数、第二拟合函数和第三拟合函数；
下层优化模型的目标函数计算子模块，用于根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算下层优化模型的目标函数值
其中，Nuc为第u个控制子区的最优车辆数。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开了一种交通信号控制方法，所述控制方法包括如下步骤：将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口；建立双层优化模型；根据研究区域的车辆分布计算每个控制子区的每个交叉口的相位压力；当所有的交叉口的相位压力中的最大的相位压力大于激活相位时，采用双层优化模型，确定当前时刻后的K个时刻的研究区域的总输出车辆数最大时，且当前时刻后的K个时刻的每个控制子区的车辆数与最优车辆数差的平方和最小时的交通信号控制方案。发明将研究区域划分为多个控制子区，对于每个控制子区的边界信号灯进行优化，实现了区域内的交通的优化控制，避免了区域内的局部拥堵的缺陷。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种交通信号控制方法的流程图；
图2为本发明提供的一种交通信号控制方法的原理图；
图3为本发明提供的研究区域的层次划分的原理示意图；
图4为本发明提供的控制子区的路网分布示意图；
图5为本发明提供的控制子区内存在车辆数与输出流量的关系图；
图6为本发明提供的车道示意图。
具体实施方式
本发明的目的是提供种交通信号控制方法及系统，以实现区域内的交通的优化控制，避免了区域内的局部拥堵的缺陷。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对发明作进一步详细的说明。
如图1和2所述，本发明提供一种交通信号控制方法，所述控制方法包括如下步骤：
步骤101，将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口。
具体的，如图3所示将交通元素以粗集理论为基础划分为：车辆层(VehicleLayer,VL)、车队层(Team Layer,TL)、路段&交叉口层(Section&intersection Layer,SiL)、控制子区层(Sub-area Layer,SL)四个层次。其中每个控制子区的路网如图4所示。对应地，各层次中交通元素的粒子描述为车辆粒子(Vehicle Particle,VP)、车队粒子(TeamParticle,TP)、路段交叉口粒子(Sections&intersection Particle,SiP)、控制子区粒(Sub-area Particle,SL)，且有VP∈TP∈SiP∈SP。
为了方便表示在不同层次中的S-粗集表示，将TP、SiP、SP用C代表，对应地，VP、TP、SiP用L代表，CL为当前车辆粒子所在层次，即TL、SiL、SL。F∪F′是定义在路网U上的元素迁移族，其中，U表示车辆粒子在TL、SiL、SL层面上，F表示车队驶入下一层次，F′表示车队驶离当前层次，有F＝{f1,f2,...,fn}，F′＝{f1′,f′2,...,f′m}，f1,f2,...,fn、f1′,f′2,...,f′m代表移动的车辆。
将CL当前所在层次、L、C代入公式(1)中，得到表示TP、SiP、SP的双向奇异集合；
其中，f(L)表示原始车队，f′(L)表示迁移后车队的情况。
步骤102，将当前时刻后的K个时刻的研究区域的总输出车辆数作为上层优化模型的目标函数，以上层优化模型的目标函数值最大化为上层优化模型的优化目标，将当前时刻后的K个时刻的每个控制子区的车辆数与最优车辆数差的平方和作为下层优化模型的目标函数，以下层优化模型的目标函数值最小化为下层目标优化模型的优化目标，建立双层优化模型。
步骤103，根据研究区域的车辆分布计算每个控制子区的每个交叉口的相位压力。
步骤103所述根据研究区域的车辆分布计算每个控制子区的每个交叉口的相位压力，具体包括：根据每个控制子区的车辆分布确定每个控制子区中的每个交叉口排队长度；根据每个交叉口排队长度采用背压算法计算每个交叉口相位压力。
具体的，将CL当前所在层次、F、F′及步骤101得到的C*代入公式(2)中，得到车辆粒子在不同层次上完全迁入的情况，表示如下：
其中，RC表示在当前层次上基于平均速度和位置的等价关系，符号
表示不完全迁入。
将CL当前所在层次L、C、f、F、F′及步骤101得到的C*代入公式(3)中，得到车辆粒子在不同层次上完全迁出的情况，表示如下：
其中，符号
表示不完全迁出，∧表示左右两边同时成立。
将CL当前所在层次、L、C、f代入公式(4)中，得到车辆粒子在不同层次上不完全迁入的情况As+(C*)，表示如下：
将CL当前所在层次L、C、f代入公式(5)中，得到车辆粒子在不同层次上不完全迁出的情况As-(C*)，表示如下：
As-(C*)＝{L|L∈C,f′(L)leaves C partly} (5)
根据得到的对交通元素准确的描述，通过城市道路交通系统的分层多粒度刻画，分别计算交叉口上下游路段压力，将车辆粒子在不同层次上不完全迁入的情况As+(C*)，代入到公式(6)计算ab路段上的每个车队产生的压力，如公式如下所示：
其中
表示车队从a节点驶向b节点，wVP表示车辆在车队中的权重，α，β表示该车辆的压力权重系数，
表示在ab路段上车队全部迁出，
为步骤103中公式(2)的简化表示，
表示在ab路段上部分车辆不完全迁入车队，
F为当前路段双向奇异集合的表示，同C*。
根据每个车队产生的压力
利用公式(7)计算上游路段产生的压力：
其中，
表示在ab上游路段车队全部迁出，
表示在ab上游路段部分车辆不完全迁入车队。
根据每个车队产生的压力
利用公式(8)计算下游路段压力：
其中，c∈{c′,c″}是节点b的下游节点，rbc为车流从上游路段进入对应下游路段的比例，
表示在ab下游路段车队全部迁出，
表示在ab下游路段部分车辆不完全迁入车队。
根据上游路段压力、下游路段压力，计算的上游、下游路段压力差，得出子区内的交叉口相位压力，如公式(9)所示：
其中，
表示车流fab由相位
控制，
是相位
对应的下游交叉口相位。在相位切换时选择最大压力相位作为激活相位，达到子区内网络的最大吞吐量，并记录每个子区的输入车流量及输出车流量。
步骤104，判断所有的交叉口的相位压力中的最大的相位压力是否小于激活相位，得到第一判断结果。
步骤105，若所述判断结果表示是，则将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口。
步骤106，根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数。
步骤106所述根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数，具体包括：根据当前时刻的第u个控制子区内的车辆数及第u个控制子区的每个边界的交叉口信号周期和绿信比，利用公式
计算第k个时刻的第u个控制子区内的车辆数；其中，Nu(k)表示第k个时刻的第u个控制子区的车辆数，Nu(0)表示当前时刻的第u个控制子区的车辆数，Cj(p)为第j个边界的交叉口的第p个时刻的信号周期，s为饱和流率，gjh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流入的信号灯的绿信比，g′jh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流出的信号灯的绿信比，Ju代表第u个控制子区的边界的交叉口集合，Hu代表第u个控制子区的边界的交叉口的进口道集合。
步骤107，根据预测得到的K个时刻的每个控制子区内的车辆数计算上层优化模型的目标函数值和下层优化模型的目标函数值。
步骤107所述根据预测得到的K个时刻的每个控制子区内的车辆数计算上层优化模型的目标函数值和下层优化模型的目标函数值，具体包括：根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算上层优化模型的目标函数值
其中，A表示研究区域；Gu(·)为第u个控制子区的输出流量与第u个控制子区内存在车辆数的关系模型；Gu(Nu(k))＝min(f1(Nu(k)),f2(Nu(k)),f3(Nu(k)))，f1(·),f2(·)和f3(·)为当前车辆呈现的控制子区内存在车辆数与输出流量的关系图的第一拟合函数、第二拟合函数和第三拟合函数；根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算下层优化模型的目标函数值
其中，Nuc为第u个控制子区的最优车辆数。其中，控制子区内存在车辆数与输出流量的关系图如图5所示。
步骤108，判断上层优化模型的目标函数值和下层优化模型的目标函数值是否收敛，得到第二判断结果。
步骤109，若所述第二判断结果表示否，则调整每个控制子区的每个边界的交叉口信号周期和绿信比，返回步骤“根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数”。
步骤1010，若所述第二判断结果表示是，则输出调整后的每个控制子区的每个边界的交叉口信号周期和绿信比。
最终根据步骤106-步骤1010的协同作用确定控制子区边界相位决策方案，使区域整体驶出总流量最大和各子区内存在车辆数量最优。
一种交通信号控制系统，所述控制系统包括
区域划分模块，用于将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口；
双层优化模型建立模块，用于将当前时刻后的K个时刻的研究区域的总输出车辆数作为上层优化模型的目标函数，以上层优化模型的目标函数值最大化为上层优化模型的优化目标，将当前时刻后的K个时刻的每个控制子区的车辆数与最优车辆数差的平方和作为下层优化模型的目标函数，以下层优化模型的目标函数值最小化为下层目标优化模型的优化目标，建立双层优化模型；
相位压力计算模块，用于根据研究区域的车辆分布计算每个控制子区的每个交叉口的相位压力。
所述相位压力计算模块，具体包括：排队长度计算子模块，用于根据每个控制子区的车辆分布确定每个控制子区中的每个交叉口排队长度；相位压力计算子模块，用于根据每个交叉口排队长度采用背压算法计算每个交叉口相位压力。
第一判断模块，用于判断所有的交叉口的相位压力中的最大的相位压力是否小于激活相位，得到第一判断结果；
初始化模块，用于若所述判断结果表示是，则将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口；
车辆数预测模块，用于根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数；
所述车辆数预测模块，具体包括：车辆数预测子模块，用于根据当前时刻的第u个控制子区内的车辆数及第u个控制子区的每个边界的交叉口信号周期和绿信比，利用公式
计算第k个时刻的第u个控制子区内的车辆数；其中，Nu(k)表示第k个时刻的第u个控制子区的车辆数，Nu(0)表示当前时刻的第u个控制子区的车辆数，Cj(p)为第j个边界的交叉口的第p个时刻的信号周期，s为饱和流率，gjh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流入的信号灯的绿信比，g′jh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流出的信号灯的绿信比，Ju代表第u个控制子区的边界的交叉口集合，Hu代表第u个控制子区的边界的交叉口的进口道集合。如图6所示，以最下面的车道为例，流入该道路的车辆包括右侧道路的左转车辆、左侧道路右转的车辆，上方道路直行的车辆，而右侧道路的左转车辆受控制左右运行的信号灯的左转信号灯的绿信比的影响。
目标函数计算模块，用于根据预测得到的K个时刻的每个控制子区内的车辆数计算上层优化模型的目标函数值和下层优化模型的目标函数值。
所述目标函数计算模块，具体包括：上层优化模型的目标函数计算子模块，用于根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算上层优化模型的目标函数值
其中，A表示研究区域；Gu(·)为第u个控制子区的输出流量与第u个控制子区内存在车辆数的关系模型；Gu(Nu(k))＝min(f1(Nu(k)),f2(Nu(k)),f3(Nu(k)))，f1(·),f2(·)和f3(·)为当前车辆呈现的控制子区内存在车辆数与输出流量的关系图的第一拟合函数、第二拟合函数和第三拟合函数；下层优化模型的目标函数计算子模块，用于根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算下层优化模型的目标函数值
其中，Nuc为第u个控制子区的最优车辆数。
第二判断模块，用于判断上层优化模型的目标函数值和下层优化模型的目标函数值是否收敛，得到第二判断结果；
参数更新模块，用于若所述第二判断结果表示否，则调整每个控制子区的每个边界的交叉口信号周期和绿信比，返回步骤“根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数”；
优化方案输出模块，用于若所述第二判断结果表示是，则输出调整后的每个控制子区的每个边界的交叉口信号周期和绿信比。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明基于宏观基本图理论，针对交通子区与子区间交通信号协调控制问题，提出了一种基于分层多粒度与宏观基本图交通信号控制的HDMF模型。该模型能够有效地减少交通拥堵，提高路网通行效率，保证区域内交通量最大化。
本发明解决由城市路网内的交通流具有随机波动的特点，导致控制子区内的交通状态是实时变化的问题，更好的描述交通状态，确保为控制交通信号提供及时的、有效的数据。
本发明考虑区域子边界的交通信号，解决车队进入另一子区的过程缓慢，造成子区边界交叉口出现拥堵现象。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，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他实施例，都属于本发明保护的范围。
Claims (8)
1.一种交通信号控制方法，其特征在于，所述控制方法包括如下步骤：
将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口；
将当前时刻后的K个时刻的研究区域的总输出车辆数作为上层优化模型的目标函数，以上层优化模型的目标函数值最大化为上层优化模型的优化目标，将当前时刻后的K个时刻的每个控制子区的车辆数与最优车辆数差的平方和作为下层优化模型的目标函数，以下层优化模型的目标函数值最小化为下层目标优化模型的优化目标，建立双层优化模型；
根据研究区域的车辆分布计算每个控制子区的每个交叉口的相位压力；相位压力为上游路段压力与下游路段压力的差；上游路段压力是指车辆由上游路段驶入交叉口时，驶入车辆数对交叉口产生的压力，驶入车辆数越多，上游路段压力越大；下游路段压力是指车辆驶离交叉口时，驶离车辆数对交叉口产生的压力，驶离车辆数越多，下游路段压力越小；
判断所有的交叉口的相位压力中的最大的相位压力是否大于激活相位，得到第一判断结果；
若所述第一判断结果表示是，则设置每个控制子区的每个边界的交叉口信号周期和绿信比的初始值；
根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数；
根据预测得到的K个时刻的每个控制子区内的车辆数计算上层优化模型的目标函数值和下层优化模型的目标函数值；
判断上层优化模型的目标函数值和下层优化模型的目标函数值是否收敛，得到第二判断结果；
若所述第二判断结果表示否，则调整每个控制子区的每个边界的交叉口信号周期和绿信比，返回步骤“根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数”；
若所述第二判断结果表示是，则输出调整后的每个控制子区的每个边界的交叉口信号周期和绿信比。
2.根据权利要求1所述的交通信号控制方法，其特征在于，所述根据研究区域的车辆分布计算每个控制子区的每个交叉口的相位压力，具体包括：
根据每个控制子区的车辆分布确定每个控制子区中的每个交叉口排队长度；
根据每个交叉口排队长度采用背压算法计算每个交叉口的相位压力。
3.根据权利要求1所述的交通信号控制方法，其特征在于，所述根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数，具体包括：
根据当前时刻的第u个控制子区内的车辆数及第u个控制子区的每个边界的交叉口信号周期和绿信比，利用公式
计算第k个时刻的第u个控制子区内的车辆数；
其中，Nu(k)表示第k个时刻的第u个控制子区的车辆数，Nu(0)表示当前时刻的第u个控制子区的车辆数，Cj(p)为第j个边界的交叉口的第p个时刻的信号周期，s为饱和流率，gjh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流入的信号灯的绿信比，g′jh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流出的信号灯的绿信比，Ju代表第u个控制子区的边界的交叉口集合，Hu代表第u个控制子区的边界的交叉口的进口道集合。
4.根据权利要求3所述的交通信号控制方法，其特征在于，所述根据预测得到的K个时刻的每个控制子区内的车辆数计算上层优化模型的目标函数值和下层优化模型的目标函数值，具体包括：
根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算上层优化模型的目标函数值
其中，A表示研究区域；Gu(·)为第u个控制子区的输出流量与第u个控制子区内存在车辆数的关系模型；Gu(Nu(k))＝min(f1(Nu(k)),f2(Nu(k)),f3(Nu(k)))，f1(·),f2(·)和f3(·)为当前车辆呈现的控制子区内存在车辆数与输出流量的关系图的第一拟合函数、第二拟合函数和第三拟合函数；
根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算下层优化模型的目标函数值
其中，Nuc为第u个控制子区的最优车辆数。
5.一种交通信号控制系统，其特征在于，所述控制系统包括：
区域划分模块，用于将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口；
双层优化模型建立模块，用于将当前时刻后的K个时刻的研究区域的总输出车辆数作为上层优化模型的目标函数，以上层优化模型的目标函数值最大化为上层优化模型的优化目标，将当前时刻后的K个时刻的每个控制子区的车辆数与最优车辆数差的平方和作为下层优化模型的目标函数，以下层优化模型的目标函数值最小化为下层目标优化模型的优化目标，建立双层优化模型；
相位压力计算模块，用于根据研究区域的车辆分布计算每个控制子区的每个交叉口的相位压力；相位压力为上游路段压力与下游路段压力的差；上游路段压力是指车辆由上游路段驶入交叉口时，驶入车辆数对交叉口产生的压力，驶入车辆数越多，上游路段压力越大；下游路段压力是指车辆驶离交叉口时，驶离车辆数对交叉口产生的压力，驶离车辆数越多，下游路段压力越小；
第一判断模块，用于判断所有的交叉口的相位压力中的最大的相位压力是否大于激活相位，得到第一判断结果；
初始化模块，用于若所述第一判断结果表示是，则将研究区域划分为多个控制子区，并确定每个控制子区的交叉路口；
车辆数预测模块，用于根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数；
目标函数计算模块，用于根据预测得到的K个时刻的每个控制子区内的车辆数计算上层优化模型的目标函数值和下层优化模型的目标函数值；
第二判断模块，用于判断上层优化模型的目标函数值和下层优化模型的目标函数值是否收敛，得到第二判断结果；
参数更新模块，用于若所述第二判断结果表示否，则调整每个控制子区的每个边界的交叉口信号周期和绿信比，返回步骤“根据当前时刻每个控制子区内的车辆数及每个控制子区的每个边界的交叉口信号周期和绿信比，预测当前时刻后的K个时刻的每个控制子区内的车辆数”；
优化方案输出模块，用于若所述第二判断结果表示是，则输出调整后的每个控制子区的每个边界的交叉口信号周期和绿信比。
6.根据权利要求5所述的交通信号控制系统，其特征在于，所述相位压力计算模块，具体包括：
排队长度计算子模块，用于根据每个控制子区的车辆分布确定每个控制子区中的每个交叉口排队长度；
相位压力计算子模块，用于根据每个交叉口排队长度采用背压算法计算每个交叉口相位压力。
7.根据权利要求6所述的交通信号控制系统，其特征在于，所述车辆数预测模块，具体包括：
车辆数预测子模块，用于根据当前时刻的第u个控制子区内的车辆数及第u个控制子区的每个边界的交叉口信号周期和绿信比，利用公式
计算第k个时刻的第u个控制子区内的车辆数；
其中，Nu(k)表示第k个时刻的第u个控制子区的车辆数，Nu(0)表示当前时刻的第u个控制子区的车辆数，Cj(p)为第j个边界的交叉口的第p个时刻的信号周期，s为饱和流率，gjh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流入的信号灯的绿信比，g′jh(p)为第p个时刻的第j个边界交叉口的第h个控制车辆流出的信号灯的绿信比，Ju代表第u个控制子区的边界的交叉口集合，Hu代表第u个控制子区的边界的交叉口的进口道集合。
8.根据权利要求7所述的交通信号控制系统，其特征在于，所述目标函数计算模块，具体包括：
上层优化模型的目标函数计算子模块，用于根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算上层优化模型的目标函数值
其中，A表示研究区域；Gu(·)为第u个控制子区的输出流量与第u个控制子区内存在车辆数的关系模型；Gu(Nu(k))＝min(f1(Nu(k)),f2(Nu(k)),f3(Nu(k)))，f1(·),f2(·)和f3(·)为当前车辆呈现的控制子区内存在车辆数与输出流量的关系图的第一拟合函数、第二拟合函数和第三拟合函数；
下层优化模型的目标函数计算子模块，用于根据预测得到的K个时刻的每个控制子区内的车辆数，利用公式
计算下层优化模型的目标函数值
其中，Nuc为第u个控制子区的最优车辆数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010796278.XA CN111862636B (zh) | 2020-08-10 | 2020-08-10 | 一种交通信号控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010796278.XA CN111862636B (zh) | 2020-08-10 | 2020-08-10 | 一种交通信号控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111862636A CN111862636A (zh) | 2020-10-30 |
| CN111862636B true CN111862636B (zh) | 2021-07-16 |
Family
ID=72971853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010796278.XA Expired - Fee Related CN111862636B (zh) | 2020-08-10 | 2020-08-10 | 一种交通信号控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111862636B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113838296B (zh) * | 2021-09-17 | 2022-08-30 | 中山大学 | 一种交通信号控制方法、装置、设备及存储介质 |
| CN114495529B (zh) * | 2022-02-09 | 2023-04-07 | 北京航空航天大学 | 一种基于分布式模型预测控制的信号配时优化系统 |
| CN116824882A (zh) * | 2023-06-29 | 2023-09-29 | 湖南大学 | 信号灯控制方法、装置、计算机设备及可读存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101308604A (zh) * | 2008-01-30 | 2008-11-19 | 吉林大学 | 大范围战略交通协调控制方法 |
| KR101211645B1 (ko) * | 2012-02-06 | 2012-12-12 | (주)비엔텍아이엔씨 | 실시간 교통 신호 현시 제어 시스템 및 이를 이용한 실시간 교통 신호 현시 제어 방법 |
| CN102930734A (zh) * | 2012-11-06 | 2013-02-13 | 江苏大为科技股份有限公司 | 分布式交通信号相位差控制结构和调整方法 |
| CN104464310A (zh) * | 2014-12-02 | 2015-03-25 | 上海交通大学 | 城市区域多交叉口信号协同优化控制方法及系统 |
| CN107958599A (zh) * | 2017-12-25 | 2018-04-24 | 儒安科技有限公司 | 基于背压路由算法的分布式智能交通信号控制方法及装置 |
| 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 |
| CN109872538A (zh) * | 2019-04-16 | 2019-06-11 | 广东交通职业技术学院 | 基于mfd的饱和交叉口群多层边界迭代学习控制方法和装置 |
| CN110111562A (zh) * | 2019-04-01 | 2019-08-09 | 北京交通大学 | 一种城市交通宏观区域边界控制方法 |
| CN111091295A (zh) * | 2019-12-20 | 2020-05-01 | 银江股份有限公司 | 一种城市区域边界控制系统 |
| CN111429737A (zh) * | 2020-03-30 | 2020-07-17 | 银江股份有限公司 | 一种基于agent的城市区域边界控制方法及系统 |
| CN111435568A (zh) * | 2019-01-11 | 2020-07-21 | 青岛海信网络科技股份有限公司 | 一种区域交通控制的方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10424196B1 (en) * | 2018-06-25 | 2019-09-24 | At&T Intellectual Property I, L.P. | Dynamic edge network management of vehicular traffic |
| KR101969064B1 (ko) * | 2018-10-24 | 2019-04-15 | 주식회사 블루시그널 | 딥러닝 기반 도심지 교통 혼잡 예측 및 신호 제어 솔루션 방법 및 이를 실행하는 서버 |
-
2020
- 2020-08-10 CN CN202010796278.XA patent/CN111862636B/zh not_active Expired - Fee Related
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101308604A (zh) * | 2008-01-30 | 2008-11-19 | 吉林大学 | 大范围战略交通协调控制方法 |
| KR101211645B1 (ko) * | 2012-02-06 | 2012-12-12 | (주)비엔텍아이엔씨 | 실시간 교통 신호 현시 제어 시스템 및 이를 이용한 실시간 교통 신호 현시 제어 방법 |
| CN102930734A (zh) * | 2012-11-06 | 2013-02-13 | 江苏大为科技股份有限公司 | 分布式交通信号相位差控制结构和调整方法 |
| CN104464310A (zh) * | 2014-12-02 | 2015-03-25 | 上海交通大学 | 城市区域多交叉口信号协同优化控制方法及系统 |
| CN107958599A (zh) * | 2017-12-25 | 2018-04-24 | 儒安科技有限公司 | 基于背压路由算法的分布式智能交通信号控制方法及装置 |
| CN111435568A (zh) * | 2019-01-11 | 2020-07-21 | 青岛海信网络科技股份有限公司 | 一种区域交通控制的方法及装置 |
| 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 |
| CN110111562A (zh) * | 2019-04-01 | 2019-08-09 | 北京交通大学 | 一种城市交通宏观区域边界控制方法 |
| CN109872538A (zh) * | 2019-04-16 | 2019-06-11 | 广东交通职业技术学院 | 基于mfd的饱和交叉口群多层边界迭代学习控制方法和装置 |
| CN111091295A (zh) * | 2019-12-20 | 2020-05-01 | 银江股份有限公司 | 一种城市区域边界控制系统 |
| CN111429737A (zh) * | 2020-03-30 | 2020-07-17 | 银江股份有限公司 | 一种基于agent的城市区域边界控制方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 《Distributed Traffic Signal Control for Maximum Network Throughput》;Tichakorn Wongpiromsarn .etc;《2012 15th International IEEE Conference on Intelligent Transportation Systems》;20120930;588-595 * |
| 基于分层控制结构的迭代学习城市交通信号控制;杨曦等;《浙江工业大学学报》;20190630;第47卷(第3期);305-311 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111862636A (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111862636B (zh) | 一种交通信号控制方法及系统 | |
| CN108847037B (zh) | 一种面向非全局信息的城市路网路径规划方法 | |
| CN112365724B (zh) | 一种基于深度强化学习的连续交叉口信号协同控制方法 | |
| CN112216124B (zh) | 一种基于深度强化学习的交通信号控制方法 | |
| Haddad et al. | Cooperative traffic control of a mixed network with two urban regions and a freeway | |
| CN108510764A (zh) | 一种基于q学习的多路口自适应相位差协调控制系统及方法 | |
| CN112632858A (zh) | 基于Actor-Critic框架深度强化学习算法的交通灯信号控制方法 | |
| CN107705557A (zh) | 基于深度增强网络的路网信号控制方法及装置 | |
| CN108648446A (zh) | 一种基于mfd的路网交通信号迭代学习控制方法 | |
| CN108647802B (zh) | 基于双层交通网络模型抗拥塞方法 | |
| CN106952484B (zh) | 基于宏观基本图的路网门限控制 | |
| CN111091295B (zh) | 一种城市区域边界控制系统 | |
| CN111429737B (zh) | 一种基于agent的城市区域边界控制方法及系统 | |
| CN101901547A (zh) | 一种可变车道自适应控制方法 | |
| Mahut et al. | Calibration and application of a simulation-based dynamic traffic assignment model | |
| CN105761517A (zh) | 一种信号灯配时方法 | |
| CN111429733A (zh) | 一种基于宏观基本图的路网交通信号控制方法 | |
| Van den Berg et al. | Model predictive control for mixed urban and freeway networks | |
| CN115171408B (zh) | 一种交通信号优化控制方法 | |
| Shahraki et al. | Design and simulation of a fuzzy controller for a busy intersection | |
| CN113838296B (zh) | 一种交通信号控制方法、装置、设备及存储介质 | |
| Mou | Intersection traffic control based on multi-objective optimization | |
| Shamsi et al. | Reinforcement learning for traffic light control with emphasis on emergency vehicles | |
| Lentzakis et al. | Region-based dynamic forecast routing for autonomous vehicles | |
| CN104616507B (zh) | 一种交通子区信号周期的协调控制方法及系统 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210716 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |