CN112365713A - 一种主支路交叉口信号配时优化方法 - Google Patents
一种主支路交叉口信号配时优化方法 Download PDFInfo
- Publication number
- CN112365713A CN112365713A CN202011236471.4A CN202011236471A CN112365713A CN 112365713 A CN112365713 A CN 112365713A CN 202011236471 A CN202011236471 A CN 202011236471A CN 112365713 A CN112365713 A CN 112365713A
- Authority
- CN
- China
- Prior art keywords
- branch
- intersection
- signal
- road
- main
- 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
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
- G08G1/02—Detecting movement of traffic to be counted or controlled using treadles built into the road
-
- 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
- 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
-
- 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
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种主支路交叉口信号配时优化方法,通过将支路与主干路的流量比、总流量与饱和流量比作为模糊控制的输入变量,优化主支路的信号周期时长,再通过非线性规划来调整各相位的有效绿灯时长,提高了整个交叉口的运行效率。本发明优化主支路信号交叉口的信号配时并评价优化结果,为交管部门制定高效的交通信号灯亮灯策略、疏导城市车流提供了有益参考,为高效利用城市道路空间资源提供了理论支撑和技术手段。
Description
技术领域
本发明属于交通信号配时技术领域,具体涉及一种主支路交叉口信号配时优化方法。
背景技术
交叉口是城市交通中影响路网通行能力、造成延误的主要瓶颈区域。除了人们经常作为研究对象的干线以外,流量相对较少的支路也是值得研究的。支路多数位于居民区,在工作日,潮汐现象非常明显。而对于主支路的信号配时研究很少。交叉口信号控制是城市道路交通的重要组成部分,可以有效提高交叉口运行效率,减少车辆延误,缓解交通拥堵并降低事故率。
模糊控制是人工智能算法的一种,其特点是模拟人类的思维,不以具体值来进行量化表述,而是以类似多、较多、中等等模糊的人类语言来形容物理现象。模糊控制近年来在交通领域的应用有很多,但是单一的基于模糊逻辑算法的信号配时实际上与交通感应控制区别不大。
非线性规划在交通领域的研究也很多,但是在信号配时领域却很鲜见。
发明内容
本发明要解决的技术问题是:提供一种主支路交叉口信号配时优化方法,用于提高交叉口的运行效率。
本发明为解决上述技术问题所采取的技术方案为:一种主支路交叉口信号配时优化方法,包括以下步骤:
S1:通过地感线圈检测交叉口的每个进口在一个信号周期内的车辆数;
S2:计算支路车流量与主干路车流量之比,计算交叉口的总车流量与饱和流量之比;
S3:将支路车流量与主干路车流量之比和交叉口的总车流量与饱和流量之比作为变量输入到模糊控制器中;
S4:根据历史数据制定模糊规则;
S5:通过模糊控制器计算信号周期;
S6:根据信号周期,通过韦伯斯特配时法计算各相位的有效绿灯时长;
S7:调整有效绿灯时长,以延误最小为目的建立目标函数;
S8:根据信号周期和有效绿灯时长计算完整信号配时方案。
按上述方案,所述的步骤S7中,设b1,b2分别为系数,x1为主干路的有效绿灯时长,x2为支路的有效绿灯时长;则延误最小的目标函数minZ为:
通过韦伯斯特配时法计算原信号周期,设Ge1为原信号周期主干路的绿灯时长,Ge2为原信号周期支路的绿灯时长,C为信号周期,Gmin为最小绿灯时长,则约束条件为:
进一步的,所述的步骤S7中,设tqi为排队持续时间,ci为i路饱和流量,mi为i路来车率,i=1,3为主干路,i=2,4为支路;两相位信号中,第一主干路和第二主干路的交通信号显示时间相同,第一支路和第二支路的交通信号显示时间相同,设j=1为主干路,j=2为支路,tsj为受阻时间,其数值等于红灯时长,则:
设Ni为i路平均停车数,Di为i路总延误,则:
Di=Ni×tqi,
令
tsj=xj,
进一步的,所述的步骤S7中,设LP为路幅宽度,vP为行人步行速度,I为绿灯间隔时间,则最小绿灯时长Gmin为:
按上述方案,还包括步骤S9:采用加权平均延误Dw评价优化后主支路交叉口的运行稳定性;加权平均延误Dw越小,主支路交叉口的运行稳定性越好,优化效果越明显。
进一步的,所述的步骤S9中,设di为i进口的延误,ωi为i进口的权重,则加权平均延误Dw为:
Dw=ωi×di。
进一步的,所述的步骤S9中,设Qi为i进口的车辆数,则i进口的权重ωi为:
按上述方案,还包括步骤S10:采用相对延误时间ηD评价支路的牺牲情况;相对延误时间ηD越小,支路的牺牲情况越小,优化效果越明显。
进一步的,所述的步骤S10中,
若支路平均延误小于一个信号周期,则ηD=0;
若支路平均延误大于等于一个信号周期并且小于1.8个信号周期,则ηD=1;
若支路平均延误大于等于1.8个信号周期并且小于2.8个信号周期,则ηD=2;
若支路平均延误大于等于2.8个信号周期,则ηD=3。
一种计算机存储介质,其内存储有可被计算机处理器执行的计算机程序,该计算机程序执行一种主支路交叉口信号配时优化方法。
本发明的有益效果为:
1.本发明的一种主支路交叉口信号配时优化方法通过模糊控制和非线性规划优化主支路交叉口的信号配时,适当牺牲支路通行权,提高了整个交叉口的运行效率。
2.本发明优化主支路信号交叉口的信号配时并评价优化结果,为交管部门制定高效的交通信号灯亮灯策略、疏导城市车流提供了有益参考,为高效利用城市道路空间资源提供了理论支撑和技术手段。
附图说明
图1是本发明实施例的流程图。
图2是本发明实施例的交叉口示意图。
图3是本发明实施例的地感线圈设置示意图。
图中:1.第一主干路;2.第一支路;3.第二主干路;4.第二支路;5.第一交叉口;6.第二交叉口;7.地感线圈。
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。
参见图1,本发明实施例的一种主支路交叉口信号配时优化方法,包括以下步骤:
S1:通过地感线圈检测交叉口的每个进口在一个信号周期内的车辆数;
S2:计算支路车流量与主干路车流量之比,计算交叉口的总车流量与饱和流量之比;
S3:将计算得到的支路车流量与主干路车流量之比和交叉口的总车流量与饱和流量之比作为输入变量输入到模糊控制器中;
S4:根据历史数据制定模糊规则;
S5:通过模糊控制器计算信号配时周期;
S6:根据信号周期,通过韦伯斯特配时法计算各相位的有效绿灯时长;
S7:设b1,b2分别为系数,设tqi为排队持续时间,ci为i路饱和流量,mi为i路来车率;参见图2,i=1、3为主干路,i=2、4为支路,两相位信号中,第一主干路和第二主干路的交通信号显示时间相同,第一支路和第二支路的交通信号显示时间相同,设j=1为主干路,j=2为支路,tsj为受阻时间,其数值等于红灯时长,则:
设Ni为i路平均停车数,Di为i路总延误,则:
Di=Ni×tqi,
令
tsj=xj,
设min Z表示延误最小,x1为主干路的有效绿灯时长,x2为支路的有效绿灯时长,则调整有效绿灯时长,以延误最小为目的建立目标函数为:
设LP为路幅宽度,vP为行人步行速度,I为绿灯间隔时间,则最小绿灯时长Gmin为:
设Ge1为原信号周期主干路的绿灯时长,Ge2为原信号周期支路的绿灯时长,C为信号周期,则约束条件为:
S8:根据信号周期C和有效绿灯时长Gmin计算完整信号配时方案;
S9:设Qi为i进口的车辆数,则i进口的权重ωi为:
设di为i进口的延误,则加权平均延误Dw为:
Dw=ωi×di,
采用加权平均延误Dw评价优化后主支路交叉口的运行稳定性;加权平均延误Dw越小,主支路交叉口的运行稳定性越好,优化效果越明显;
S10:采用相对延误时间ηD评价支路的牺牲情况;
若支路平均延误小于一个信号周期,则ηD=0;
若支路平均延误大于等于一个信号周期并且小于1.8个信号周期,则ηD=1;
若支路平均延误大于等于1.8个信号周期并且小于2.8个信号周期,则ηD=2;
若支路平均延误大于等于2.8个信号周期,则ηD=3。
相对延误时间ηD越小,支路的牺牲情况越小,优化效果越明显。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (10)
1.一种主支路交叉口信号配时优化方法,其特征在于:包括以下步骤:
S1:通过地感线圈检测交叉口的每个进口在一个信号周期内的车辆数;
S2:计算支路车流量与主干路车流量之比,计算交叉口的总车流量与饱和流量之比;
S3:将支路车流量与主干路车流量之比和交叉口的总车流量与饱和流量之比作为变量输入到模糊控制器中;
S4:根据历史数据制定模糊规则;
S5:通过模糊控制器计算信号周期;
S6:根据信号周期,通过韦伯斯特配时法计算各相位的有效绿灯时长;
S7:调整有效绿灯时长,以延误最小为目的建立目标函数;
S8:根据信号周期和有效绿灯时长计算完整信号配时方案。
5.根据权利要求1所述的一种主支路交叉口信号配时优化方法,其特征在于:还包括步骤S9:采用加权平均延误Dw评价优化后主支路交叉口的运行稳定性;加权平均延误Dw越小,主支路交叉口的运行稳定性越好,优化效果越明显。
6.根据权利要求5所述的一种主支路交叉口信号配时优化方法,其特征在于:所述的步骤S9中,设di为i进口的延误,ωi为i进口的权重,则加权平均延误Dw为:
Dw=ωi×di。
8.根据权利要求1所述的一种主支路交叉口信号配时优化方法,其特征在于:还包括步骤S10:采用相对延误时间ηD评价支路的牺牲情况;相对延误时间ηD越小,支路的牺牲情况越小,优化效果越明显。
9.根据权利要求8所述的一种主支路交叉口信号配时优化方法,其特征在于:所述的步骤S10中,
若支路平均延误小于一个信号周期,则ηD=0;
若支路平均延误大于等于一个信号周期并且小于1.8个信号周期,则ηD=1;
若支路平均延误大于等于1.8个信号周期并且小于2.8个信号周期,则ηD=2;
若支路平均延误大于等于2.8个信号周期,则ηD=3。
10.一种计算机存储介质,其特征在于:其内存储有可被计算机处理器执行的计算机程序,该计算机程序执行如权利要求1至权利要求9中任意一项所述的一种主支路交叉口信号配时优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011236471.4A CN112365713B (zh) | 2020-11-09 | 2020-11-09 | 一种主支路交叉口信号配时优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011236471.4A CN112365713B (zh) | 2020-11-09 | 2020-11-09 | 一种主支路交叉口信号配时优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112365713A true CN112365713A (zh) | 2021-02-12 |
CN112365713B CN112365713B (zh) | 2022-05-10 |
Family
ID=74509317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011236471.4A Active CN112365713B (zh) | 2020-11-09 | 2020-11-09 | 一种主支路交叉口信号配时优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112365713B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113257017A (zh) * | 2021-06-25 | 2021-08-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交叉口信号配时方案的估算方法、装置和终端 |
CN113470361A (zh) * | 2021-07-26 | 2021-10-01 | 武汉工程大学 | 一种交通信号配时评价方法、装置及存储介质 |
CN115223378A (zh) * | 2022-07-07 | 2022-10-21 | 河南工业大学 | 平面交叉口主次道路优先控制的判断方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206801A (zh) * | 2007-12-17 | 2008-06-25 | 青岛海信网络科技股份有限公司 | 一种自适应交通控制方法 |
CN102915645A (zh) * | 2012-09-29 | 2013-02-06 | 大连理工大学 | 面向活跃相位的干道协调信号控制方案的过渡方法 |
CN105788302A (zh) * | 2016-04-08 | 2016-07-20 | 华北电力大学(保定) | 一种双目标优化的城市交通信号灯动态配时方法 |
CN106297329A (zh) * | 2016-08-26 | 2017-01-04 | 南京蓝泰交通设施有限责任公司 | 一种联网信号机的信号配时自适应优化方法 |
US20180292224A1 (en) * | 2017-04-05 | 2018-10-11 | Gregory Brodski | System and method for traffic volume estimation |
CN110211396A (zh) * | 2019-05-30 | 2019-09-06 | 华南理工大学 | 一种高速公路收费站与周边交叉口群的动态调控方法 |
CN110634293A (zh) * | 2019-09-26 | 2019-12-31 | 同济大学 | 一种基于模糊控制的干线交叉口控制方法 |
CN111243299A (zh) * | 2020-01-20 | 2020-06-05 | 浙江工业大学 | 一种基于3dqn_pser算法的单交叉口信号控制方法 |
-
2020
- 2020-11-09 CN CN202011236471.4A patent/CN112365713B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206801A (zh) * | 2007-12-17 | 2008-06-25 | 青岛海信网络科技股份有限公司 | 一种自适应交通控制方法 |
CN102915645A (zh) * | 2012-09-29 | 2013-02-06 | 大连理工大学 | 面向活跃相位的干道协调信号控制方案的过渡方法 |
CN105788302A (zh) * | 2016-04-08 | 2016-07-20 | 华北电力大学(保定) | 一种双目标优化的城市交通信号灯动态配时方法 |
CN106297329A (zh) * | 2016-08-26 | 2017-01-04 | 南京蓝泰交通设施有限责任公司 | 一种联网信号机的信号配时自适应优化方法 |
US20180292224A1 (en) * | 2017-04-05 | 2018-10-11 | Gregory Brodski | System and method for traffic volume estimation |
CN110211396A (zh) * | 2019-05-30 | 2019-09-06 | 华南理工大学 | 一种高速公路收费站与周边交叉口群的动态调控方法 |
CN110634293A (zh) * | 2019-09-26 | 2019-12-31 | 同济大学 | 一种基于模糊控制的干线交叉口控制方法 |
CN111243299A (zh) * | 2020-01-20 | 2020-06-05 | 浙江工业大学 | 一种基于3dqn_pser算法的单交叉口信号控制方法 |
Non-Patent Citations (2)
Title |
---|
袁满荣: "昆明市主城区交通控制关键技术研究", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅱ辑》 * |
高立忠 等: "交叉路口信号灯周期和绿信比的优化", 《河北省科学院学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113257017A (zh) * | 2021-06-25 | 2021-08-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交叉口信号配时方案的估算方法、装置和终端 |
CN113257017B (zh) * | 2021-06-25 | 2021-10-29 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交叉口信号配时方案的估算方法、装置和终端 |
CN113470361A (zh) * | 2021-07-26 | 2021-10-01 | 武汉工程大学 | 一种交通信号配时评价方法、装置及存储介质 |
CN115223378A (zh) * | 2022-07-07 | 2022-10-21 | 河南工业大学 | 平面交叉口主次道路优先控制的判断方法 |
CN115223378B (zh) * | 2022-07-07 | 2024-05-14 | 河南工业大学 | 平面交叉口主次道路优先控制的判断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112365713B (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112365713B (zh) | 一种主支路交叉口信号配时优化方法 | |
CN104021685B (zh) | 一种含混合交通流的交叉口交通控制方法 | |
CN104933859B (zh) | 一种基于宏观基本图的确定网络承载力的方法 | |
CN109887297B (zh) | 基于快速全局K-means谱聚类的城市交通控制子区的划分方法 | |
CN104200680B (zh) | 过饱和交通状态下城市干道的交通信号协调控制方法 | |
CN108629970B (zh) | 基于蒙特卡罗树搜索的交叉口信号参数优化方法 | |
CN113538910B (zh) | 一种自适应的全链条城市区域网络信号控制优化方法 | |
CN107945539B (zh) | 一种交叉口信号控制方法 | |
CN112466117A (zh) | 基于深度时空残差网络的路网短时交通流预测方法 | |
CN106779198A (zh) | 一种道路拥堵情况分析方法 | |
CN105303856B (zh) | 一种预测模型的可变情报板信息发布方法 | |
CN113012449B (zh) | 基于多榜样学习粒子群的智慧城市信号灯配时优化方法 | |
CN112289043B (zh) | 一种城市道路的智能信号协调控制优化方法 | |
CN112991750B (zh) | 基于强化学习与生成式对抗网络的局部交通优化方法 | |
CN104952261A (zh) | 一种单交叉口交通信号优化控制方法 | |
CN106384521A (zh) | 一种基于公交优先的单交叉口交通信号优化控制方法 | |
CN114120670A (zh) | 用于交通信号控制的方法和系统 | |
Jiang et al. | Traffic signal light control model based on evolutionary programming algorithm optimization BP neural network | |
CN115472023B (zh) | 一种基于深度强化学习的智能交通灯控制方法及装置 | |
CN113392577A (zh) | 一种基于深度强化学习的区域边界主交叉口信号控制方法 | |
CN116682259A (zh) | 基于路网子区划分的城市区域道路交通协调控制方法 | |
Li et al. | Research on timing optimization of reginal traffic signals based on improved genetic algorithm | |
Shahriar et al. | Intersection traffic efficiency enhancement using deep reinforcement learning and V2X communications | |
Lu et al. | Signal Timing for an Isolated Intersection Based on the Two-Stage Fuzzy Logic Controller | |
CN112634619B (zh) | 基于自适应遗传算法的二型模糊单交叉口控制方法、装置及存储介质 |
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 |