CN112562336B - 一种交叉路口交通信号时长的实时动态调配方法及系统 - Google Patents

Abstract

本发明公开了一种交叉路口交通信号时长的实时动态调配方法，包括以下步骤：以T为采样间隔，采集同一交叉路口的历史数据P；将采集的历史数据P进行K均值聚类，得到K个数据簇，计算K个数据簇一天中第i个采样周期最大排队长度所需的最大平均通行时间；采集预测当天的环境变量及第i‑1个周期的真实数据，根据环境变量对应到的数据簇中，并对第i个周期最大通行时间进行预测；根据预测的第i个周期的最大通行时间，对第i个周期交叉路口的交通信号时长进行动态调节；采集第i个周期交叉路口的真实数据，并对预测参数进行修正，并对i+1时刻交叉路口的最大通行时间进行预测，本发明能够提高交叉路口路况的预测精度，缓解道路的拥堵情况。

Description

一种交叉路口交通信号时长的实时动态调配方法及系统

技术领域

本发明涉及交通信号时长调节领域，特别是一种交叉路口交通信号时长的实时动态调配方法及系统。

背景技术

现有交通信号灯基本上都是按固定时长变换红绿灯的时间，因为行驶车辆到达交叉口具有非线性、随机性以及不确定性的特点，交通信号灯控制系统的单一固定时序控制,不能够根据实际交通状况进行调节控制，有效分配道路空间资源；在城市交叉口经常会出现这样一种现象：一个方向的道路上已经没有车辆，依然亮着绿灯；而另一个方向道路上车流出现拥堵，仍需要等待另一个方向出现红灯，行进方向亮绿灯才能行进，且不同行驶模式下车辆排放情况存在差异，频繁加减速、缓慢通行甚至停车等待的行驶模式，能够增加尾气排放，进而污染环境。

发明内容

本发明的一个目的就是提供一种交叉路口交通信号时长的实时动态调配方法，它可以用于交叉路口交通信号时长的动态调配。

本发明的目的是通过这样的技术方案实现的，它包括有以下步骤：

1)数据采集：以T为采样间隔，采集交叉路口的历史数据P，得到包含N个样本的历史数据P{(S′_M,i,1,V′_M,i,1，Q′₁),(S′_M,i,2,V′_M,i,2,Q′₂),...,(S′_M,i,N,V′_M,i,N,Q′_N)}，其中S′_M,i,N为路口通行方向的最大排队长度,V′_M,i,N为路口通行方向的通行速度，M＝1,2,..,W为路口通行方向,W为通行方向的最大数量，i为一天中的第i次采样，N为最大采样天数，Q′_N为环境变量；

2)数据分类：将步骤1)中采集的历史数据P进行K均值聚类，得到K个数据簇；分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi；

3)构建模型：分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi，并采集预测当天的环境变量及第i-1个周期内的第M个通行方向的真实数据，根据环境变量匹配到步骤2)中的数据簇中，并对第i个周期内第M个通行方向的通行时间t″_Mi进行预测；

4)调整交通信号时长：根据步骤3)预测的第i个周期第M个通行方向的通行时间t″_Mi，对第i个周期交叉路口的交通信号时长进行动态调节；

5)修正模型参数：采集第i个周期交叉路口第M个通行方向真实数据，并对预测参数进行修正，并返回步骤3)对i+1时刻交叉路口第M个方向所需的最大通行时间t″_M，i+1进行预测。

进一步，步骤2)中数据分类的具体步骤如下：

2-1)从步骤1)采集的N个历史数据中任意选择k个样本作为初始k个簇的簇中心，计算每个样本X_i与每个簇中心C_j的距离：

d_ij＝||X_i-C_j||₂ (1)

2-2)将样本X_i划入距离最近的簇中心所对应的数据集簇中，并更新数据簇的平均值；

2-3)重复步骤2-1)至步骤2-2)，直到簇中心不再发生变化，输出最终的k个数据簇。

进一步，步骤3)中构建模型的具体步骤如下：

3-1)计算数据簇一天中第i采样周期交叉路口第M个方向排队车流量所需的最大平均通行时间t′_Mi：

式(2)中，j为单个数据簇的样本数量；

3-2)预测i时刻第M个方向所需的通行时间t′_M′_i：

t″_Mi＝t_M,i-1ω_M,i-1+t′_Miω′_M,i-1 (3)

式(3)中，t_M,i-1为第i-1个周期真实的最大排队长度所需的通行时间，初始时刻

T为交叉路口的一个红绿灯周期，ω_M,i-1为i-1真实测量权重，ω′_M,i-1为i-1时刻真实的模型权重。

进一步，步骤5)中修正参数的具体步骤如下：

5-1)采集第i个周期交叉路口第M个通行方向真实的最大排队长度S_M,i及真实的通行速度V_Mi；

5-2)计算i时刻第M个通行方向真实的最大排队长度所需的通行时间t_Mi+1：

5-3)根据t_Mi计算i个周期第M个方向的真实模型权重ω_M,i以及真实测量权重ω′_M,i：

将i时刻的真实测量权重ω_M,i以及真实模型权重ω′_M,i作为i+1时刻预测测量权重及预测模型权重，返回步骤3)预测i+1时刻交叉路口2个方向所需的最大通行时间t″_Mi+1，并对交叉路口交通信号时长进行调节。

本发明的目的是通过这样的技术方案实现的，它包括有以下模块：

数据采集模块：以T为采样间隔，采集交叉路口的历史数据P，得到包含N个样本的历史数据P{(S′_M,i,1,V′_M,i,1，Q′₁),(S′_M,i,2,V′_M,i,2,Q′₂),...,(S′_M,i,N,V′_M,i,N,Q′_N)}，其中S′_M,i,N为路口通行方向的最大排队长度,V′_M,i,N为路口通行方向的通行速度，M＝1,2,..,W为路口通行方向,W为通行方向的最大数量，i为一天中的第i次采样，N为最大采样天数，Q′_N为环境变量；

数据分类模块：将步骤1)中采集的历史数据P进行K均值聚类，得到K个数据簇；分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi；

构建模型模块：分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi，并采集预测当天的环境变量及第i-1个周期内的第M个通行方向的真实数据，根据环境变量匹配到步骤2)中的数据簇中，并对第i个周期内第M个通行方向的通行时间t″_Mi进行预测；

调整交通信号时长模块：根据步骤3)预测的第i个周期第M个通行方向的通行时间t″_Mi，对第i个周期交叉路口的交通信号时长进行动态调节；

修正模型参数模块：采集第i个周期交叉路口第M个通行方向真实数据，并对预测参数进行修正，并返回步骤3)对i+1时刻交叉路口第M个方向所需的最大通行时间t″_M，i+1进行预测。

由于采用了上述技术方案，本发明具有如下的优点：

1、本发明通过历史数据集上一周期的数据对下一周期的车流量数据进行预测提高了预测的精度；2、本发明将历史数据进行分类，分别计算所需的最大平均通行时间，提高了准确度；3、通过上一个周期的数据及历史数据共同对下一个周期所需的通行时间进行预测，并不断修正预测参数，提高了预测的精度。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。

附图说明

本发明的附图说明如下。

图1为本发明的流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

实施例1：

1)数据采集：以T为采样间隔，采集交叉路口的历史数据P，得到包含N个样本的历史数据P{(S′_M,i,1,V′_M,i,1，Q′₁),(S′_M,i,2,V′_M,i,2,Q′₂),...,(S′_M,i,N,V′_M,i,N,Q′_N)}，其中S′_M,i,N为路口通行方向的最大排队长度,V′_M,i,N为路口通行方向的通行速度，M＝1,2,..,W为路口通行方向,W为通行方向的最大数量，i为一天中的第i次采样，N为最大采样天数，Q′_N为环境变量；

2)数据分类：将步骤1)中采集的历史数据P进行K均值聚类，得到K个数据簇；分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi；

3)构建模型：分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi，并采集预测当天的环境变量及第i-1个周期内的第M个通行方向的真实数据，根据环境变量匹配到步骤2)中的数据簇中，并对第i个周期内第M个通行方向的通行时间t″_Mi进行预测；

4)调整交通信号时长：根据步骤3)预测的第i个周期第M个通行方向的通行时间t″_Mi，对第i个周期交叉路口的交通信号时长进行动态调节；

5)修正模型参数：采集第i个周期交叉路口第M个通行方向真实数据，并对预测参数进行修正，并返回步骤3)对i+1时刻交叉路口第M个方向所需的最大通行时间t″_M，i+1进行预测。

步骤2)中数据分类的具体步骤如下：

2-1)从步骤1)采集的N个历史数据中任意选择k个样本作为初始k个簇的簇中心，计算每个样本X_i与每个簇中心C_j的距离：

d_ij＝||X_i-C_j||₂ (1)

2-2)将样本X_i划入距离最近的簇中心所对应的数据集簇中，并更新数据簇的平均值；

2-3)重复步骤2-1)至步骤2-2)，直到簇中心不再发生变化，输出最终的k个数据簇。

步骤3)中构建模型的具体步骤如下：

3-1)计算数据簇一天中第i采样周期交叉路口第M个方向排队车流量所需的最大平均通行时间t′_Mi：

式(2)中，j为单个数据簇的样本数量；

3-2)预测i时刻第M个方向所需的通行时间t″_Mi：

t″_Mi＝t_M,i-1ω_M,i-1+t′_Miω′_M,i-1 (3)

式(3)中，t_M,i-1为第i-1个周期真实的最大排队长度所需的通行时间，初始时刻

T为交叉路口的一个红绿灯周期，ω_M,i-1为i-1真实测量权重，ω′_M,i-1为i-1时刻真实的模型权重。

步骤4)中调整交通信号时长的具体方法如下：

通过t″_Mi对i时刻交叉路口的交通信号时长进行动态调节：

式(9)中，t_Mi为第M个通行方向分配到的通行时间，即绿灯时长。

步骤5)中修正参数的具体步骤如下：

5-1)采集第i个周期交叉路口第M个通行方向真实的最大排队长度S_M,i及真实的通行速度V_Mi；

5-2)计算i时刻第M个通行方向真实的最大排队长度所需的通行时间t_Mi+1：

5-3)根据t_Mi计算i个周期第M个方向的真实模型权重ω_M,i以及真实测量权重ω′_M,i：

将i时刻的真实测量权重ω_M,i以及真实模型权重ω′_M,i作为i+1时刻预测测量权重及预测模型权重，返回步骤3)预测i+1时刻交叉路口2个方向所需的最大通行时间t″_Mi+1，并对交叉路口交通信号时长进行调节。

本发明的一个目的就是提供一种交叉路口交通信号时长的实时动态调配系统，它可以用于交叉路口交通信号时长的动态调配。

实施例2：

一种交叉路口交通信号时长的实时动态调配系统，包括以下模块：

数据采集模块：以T为采样间隔，采集交叉路口的历史数据P，得到包含N个样本的历史数据P{(S′_M,i,1,V′_M,i,1，Q′₁),(S′_M,i,2,V′_M,i,2,Q′₂),...,(S′_M,i,N,V′_M,i,N,Q′_N)}，其中S′_M,i,N为路口通行方向的最大排队长度,V′_M,i,N为路口通行方向的通行速度，M＝1,2,..,W为路口通行方向,W为通行方向的最大数量，i为一天中的第i次采样，N为最大采样天数，Q′_N为环境变量；

数据分类模块：将步骤1)中采集的历史数据P进行K均值聚类，得到K个数据簇；分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi；

构建模型模块：分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi，并采集预测当天的环境变量及第i-1个周期内的第M个通行方向的真实数据，根据环境变量匹配到步骤2)中的数据簇中，并对第i个周期内第M个通行方向的通行时间t″_Mi进行预测；

调整交通信号时长模块：根据步骤3)预测的第i个周期第M个通行方向的通行时间t″_Mi，对第i个周期交叉路口的交通信号时长进行动态调节；

修正模型参数模块：采集第i个周期交叉路口第M个通行方向真实数据，并对预测参数进行修正，并返回步骤3)对i+1时刻交叉路口第M个方向所需的最大通行时间t″_M，i+1进行预测。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (2)

1.一种交叉路口交通信号时长的实时动态调配方法，其特征在于，具体步骤如下：

1)数据采集：以T为采样间隔，采集交叉路口的历史数据P，得到包含N个样本的历史数据P{(S′_M,i,1,V′_M,i,1，Q′₁),(S′_M,i,2,V′_M,i,2,Q′₂),...,(S′_M,i,N,V′_M,i,N,Q′_N)}，其中S′_M,i,N为路口通行方向的最大排队长度,V′_M,i,N为路口通行方向的通行速度，M＝1,2,..,W为路口通行方向,W为通行方向的最大数量，i为一天中的第i次采样，N为最大采样天数，Q′_N为环境变量；

2)数据分类：将步骤1)中采集的历史数据P进行K均值聚类，得到K个数据簇；分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi；

3)构建模型：分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi，并采集预测当天的环境变量及第i-1个周期内的第M个通行方向的真实数据，根据环境变量匹配到步骤2)中的数据簇中，并对第i个周期内第M个通行方向的通行时间t″_Mi进行预测；

4)调整交通信号时长：根据步骤3)预测的第i个周期第M个通行方向的通行时间t″_Mi，对第i个周期交叉路口的交通信号时长进行动态调节；

5)修正模型参数：采集第i个周期交叉路口第M个通行方向真实数据，并对预测参数进行修正，并返回步骤3)对第i+1个周期交叉路口第M个方向所需的通行时间t″_M，i+1进行预测；

步骤2)中数据分类的具体步骤如下：

2-1)从步骤1)采集的N个历史数据中任意选择K个样本作为初始K个簇的簇中心，计算每个样本X_i与每个簇中心C_j的距离：

d_ij＝||X_i-C_j||₂ (1)

2-2)将样本X_i划入距离最近的簇中心所对应的数据簇中，并更新数据簇的平均值；

2-3)重复步骤2-1)至步骤2-2)，直到簇中心不再发生变化，输出最终的K个数据簇；

步骤3)中构建模型的具体步骤如下：

3-1)计算数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi：

式(2)中，j为单个数据簇的样本数量；

3-2)预测第i个周期第M个方向所需的通行时间t″_Mi：

t″_Mi＝t_M,i-1ω_M,i-1+t′_Miω′_M,i-1 (3)

式(3)中，t_M,i-1为第i-1个周期真实的最大排队长度所需的通行时间，ω_M,i-1为第i-1个周期真实测量权重，ω′_M,i-1为第i-1个周期真实的模型权重。

2.一种用于实现权利要求1所述的交叉路口交通信号时长的实时动态调配方法的系统，其特征在于，包括以下模块：

数据采集模块：以T为采样间隔，采集交叉路口的历史数据P，得到包含N个样本的历史数据P{(S′_M,i,1,V′_M,i,1，Q′₁),(S′_M,i,2,V′_M,i,2,Q′₂),...,(S′_M,i,N,V′_M,i,N,Q′_N)}，其中S′_M,i,N为路口通行方向的最大排队长度,V′_M,i,N为路口通行方向的通行速度，M＝1,2,..,W为路口通行方向,W为通行方向的最大数量，i为一天中的第i次采样，N为最大采样天数，Q′_N为环境变量；

数据分类模块：将步骤1)中采集的历史数据P进行K均值聚类，得到K个数据簇；分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi；

构建模型模块：分别计算K个数据簇一天中第i个采样周期第M个方向的最大排队长度所需的平均通行时间t′_Mi，并采集预测当天的环境变量及第i-1个周期内的第M个通行方向的真实数据，根据环境变量匹配到步骤2)中的数据簇中，并对第i个周期内第M个通行方向的通行时间t″_Mi进行预测；

调整交通信号时长模块：根据步骤3)预测的第i个周期第M个通行方向的通行时间t″_Mi，对第i个周期交叉路口的交通信号时长进行动态调节；

修正模型参数模块：采集第i个周期交叉路口第M个通行方向真实数据，并对预测参数进行修正，并返回步骤3)对第i+1个周期交叉路口第M个方向所需的通行时间t″_M，i+1进行预测。

Images