CN113051695A - 一种基于物联网通信的小区道路规则寻优方法 - Google Patents
一种基于物联网通信的小区道路规则寻优方法 Download PDFInfo
- Publication number
- CN113051695A CN113051695A CN202110605607.2A CN202110605607A CN113051695A CN 113051695 A CN113051695 A CN 113051695A CN 202110605607 A CN202110605607 A CN 202110605607A CN 113051695 A CN113051695 A CN 113051695A
- Authority
- CN
- China
- Prior art keywords
- cell
- road
- model
- communication
- simulation
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
Abstract
本发明公开一种基于物联网通信的小区道路规则寻优方法。该方法包括以下步骤:首先,通过物联网通信技术构建出小区路网的模拟模型,根据输入目标小区的车辆出行模拟数据集,搭建出小区虚拟车辆之间的无线通信网络。然后根据阻塞策略预修改模型数据以及根据交通影响因子的权重预测阻塞率。最后通过遍历搜索技术,低成本高效率地在小区的路网中搜索最合理的道路规则。本发明在模拟模型下,通过物联网技术搭建出小区的路网通信网络,从而降低车辆之间通信的时延性的影响,实现了小区路网道路的实时性寻优搜索。
Description
技术领域
本发明涉及无线通信技术领域,考虑一种基于物联网通信的小区道路规则寻优方法。
背景技术
目前,我国无明确规定小区的道路规则,对于小区线路规划也无具体的操作方案。国内大范围建设的小区类型为封闭式小区。目前小区内部道路的构造存在许多问题:小区内道路宽度设计过窄,一条道路双向行驶,上下班等出行高峰期时车流量大,在没有制定规则的小区内极易发生交通堵塞、造成交通事故等,这对居民出行带来极大不便。
如果通过人为地修改道路规则,主要面临两个问题:
1.无法频繁地修改道路规则并且试运行,时间成本大。
2.人为地修改道路规则存在多种不合理现象,考虑不周全。
随着无线通信技术在不断地革新、进步,物联网通信技术已经逐渐被应用到智能小区的规划上。而面对小区道路规则,传统的GPS导航系统在民用上误差约为10m左右,无法达到小区线路规划的精确度要求。相对于传统GPS导航系统,模拟环境的通信网络为模拟车辆通信增添通信信道的同时可以对通信的实时性、精确性、交互性进行动态补偿。通过物联网通信去制定合情合理的道路规则,是解决交通阻塞的关键。因此,在保证小区交通畅通的情况下,研究如何利用物联网通信技术去搜索寻找最优的道路规则具有重要意义。
发明内容
发明目的:由于汽车保有量的增加以及小区设计的局限性,导致小区的路况易发生交通阻塞问题,一般都是人工的设置简易的路规限制,因此出现大量不合情理的道路规则,消耗大量的人力和物力,增加大量的时间成本。为了降本增效,本发明提出了一种基于物联网通信的小区道路规则寻优方法,首先根据物联网通信技术将小区基本的路况信息和收集到的小区车流数据发送到上位机平台来构建小区路网模拟环境,然后通过算法在模拟环境下中搜索最优的道路规则,实现在模拟环境中低成本高效率地寻找到最优的道路规则。
技术方案:一种基于物联网通信的小区道路规则寻优方法,基于无线通信技术进行搜索最优的小区道路规则,先通过处理器上构建小区路网规则模拟模型,再通过存储器上对数据集进行迁移,最后通过遍历搜索算法实现道路规则最优搜索:
所述小区路网模拟环境构建模块中,通过无线通信技术从目标小区中提取小区的特征数据,并对特征数据进行学习以及编码。在学习过程中,基于驾驶员视角对小区特征数据进行状态与动作数据分析,生成对应状态信号与动作信号,将第n次状态信号与第n次动作信号进行编码,记为Sn和An,n∈0,1,…,N,其中N为输入的最大信号序列长度,然后根据信号的之间的时序关系,按照相应的状态-动作序列对流程信号进行组合排列,即[S0,A0,S1,A1,…,SN,AN]序列;使用机器学习的方法,通过此状态-动作序列学习得到三个策略模型,即控制车辆行驶的驾驶策略模型,决定车辆状态的状态策略模型,车辆碰撞阻塞状态的让道排阻策略模型;
叠加上述三个策略模型作为小区路网模型环境,将从目标小区中获取的特征数据以及小区车辆的出行模拟数据集输入至模拟环境中,在模型环境生成对应的小区的道路路网结构,并输出模拟运行后的小区的道路规则;小区的路网模拟环境能够模拟出真实小区场景下的道路结构与规则,便于从中遍历搜索出最优的道路规则。
应用在实际情形下,所述的数据集迁移模块需要在目标小区车流中收集小区车辆的出行模拟数据集,并且通过编码传输,提高端口数据传输之间的抗干扰性和信息传输的有效性,用于进一步更新小区路网模拟环境,并通过道路规则最优搜索模块重新进行译码分析,最后通过遍历算法进行遍历搜索。
小区路网规则模拟环境构建模块的构建过程,主要分为五步:
首先,依照物联网通信系统信号链路的标准构建控制车辆行驶的驾驶策略模型;
其次,虚拟驾驶员根据驾驶模型进行驾驶后,构建表征车辆行驶状态的状态策略模型。该模型用于模拟虚拟驾驶员控制下的车辆行驶状态模式;
然后,通过车辆之间搭建无线通信网络,来达到减小模拟车辆通信之间的时延性以及增大模拟环境内部通信稳定性的目的,最后构建车辆碰撞阻塞状态的让道排阻策略模型;
再然后,模拟车辆根据让道排阻策略模型进行状态判定,再通过特定的信道编码,对状态信号进行差错控制,组成控干扰编码,用于模拟司机驾驶行为在遇到其他模拟司机发生碰撞或阻塞状态模式下,车辆所处路段数据的记录以及车辆让道或等待动作信号的判定与执行;
最后,将驾驶策略模型、车辆状态策略模型,车辆会车时的让道排阻策略模型进行组合得到一个叠加策略模型,路网规则从给定的数据集关系中得到,来进行车辆正常行驶会车的状态模拟,该叠加策略模型与道路规则最优搜索模块一起,作为整个试验阶段的模拟驾驶的仿真环境。
附图说明
图1是一种基于物联网通信的小区道路规则寻优方法的基本流程图。
具体实施方式
下面结合模型训练流程图说明本发明的方案。
基于小区路网模拟环境的道路规则寻优方法,主要包括构建小区路网模拟环境,评估环境的准确性,在模拟环境中搜索最优的道路规则,其中构建小区路网模拟环境,分为控制车辆行驶的驾驶策略模型,车辆的状态策略模型,车辆会车时的让道排阻策略模型;用数据驱动的方式可得到辅助真实场景的模拟环境,并在模拟环境中通过深度优先遍历搜索算法去搜索最优的道路规则。
本发明道路规则寻优方法步骤基本流程图如图1所示,包括如下步骤:
步骤1:考虑在小区场景下,构建小区路网模拟环境的叠加策略模型时,采用神经网络以及无线通信网络的技术手段来构建叠加策略模型的各个子模型。
步骤2:构建叠加策略模型,以驾驶策略模型为例,模型的信号输入为当前一步的状态信号和动作信号,输出信号作为下一步状态信号,将从真实环境收集到的通信交互数据,即状态-动作序列[S0,A0,S1,A1,…,SN,AN]进行切分,划分出多个[Sn,An]的元组,其中Sn作为模型当前一步的状态信号,An为模型当前一步的动作信号,Sn+1作为模型下一步的状态信号; [Sn,An]作为行驶模型的输入,Sn+1作为输出信号,在使用最小二乘法将数据与信号进行拟合后,最后使用行驶模型学习该输入输出的对应关系。
步骤3:模型环境使用对抗学习训练叠加策略模型,该模型先使用神经网络分别为叠加策略模型的各模块建立模型,之后使用无线通信网络对输入的数据集进行编码,再通过不同随参信道构建判别器网络。其中,判别器网络用于判别生成信号序列的置信度。通过叠加策略模型,生成一批状态-动作序列来更新判别器。
步骤4:使用更新后的判别器输出的置信度与输入信号的门限效应进行比较后,根据输出信号的信噪比的不同,选择不用的输出信号作为序列的期望奖励,用强化学习算法更新叠加策略模型以及采用全双工通信方式进行数据交互,将通过步骤3的过程训练完成后的叠加策略模型作为小区路网模拟环境使用。
步骤5:在道路规则最优搜索模块中,在步骤2训练好的模拟环境的基础上,根据模拟环境中阻塞率设计一个反馈机制,该反馈机制中包含阻塞策略的定义以及交通影响因子权重的分配,将交通影响因子的出现概率定义为P(xn),n∈0,1,…,N,其中N为交通影响因子列表长度,再根据信息量与概率之间的关系,即I=-logaP(x),其中I为交通影响因子x的包含的信息量,建立出交通影响因子的信息量集合I[P(x1)P(x2)…I(P(xn))],,接着根据信息具有可加性的特性,将该集合拆分为各个交通影响因子的信息量之和,即I[P(x1)]+I[P(x2)]+…I[P(xn)],通过累加与比较为不同交通影响因子分配其对应的权重,最后虚拟驾驶员在模拟环境中的路网进行模拟行驶的通信交互的过程触发对应的反馈机制,并在过程使用遍历搜索算法来寻找最优道路规则。
Claims (4)
1.一种基于物联网通信的小区道路规则寻优方法,其特征在于,该方法包括以下步骤:
步骤1:通过物联网通信技术构建出小区路网模拟模型,并从目标小区中获取特征数据;
步骤2:在步骤1的基础上通过数据集迁移模块将小区车辆的出行模拟数据集输入至模拟环境中,在模型环境中生成对应的小区的道路路网结构,并输出模拟运行后的小区的道路规则;
步骤3:最后在小区的路网模拟环境中模拟出真实小区场景下的道路结构与规则,并通过最优搜索模块遍历搜索出最优的道路规则。
2.根据权利要求1所述的一种基于物联网通信的小区道路规则寻优方法,其特征在于,所述小区路网模拟模型的构建过程包括以下步骤:
步骤1:依照物联网通信系统信号链路的标准构建出控制车辆行驶的驾驶策略模型;
步骤2:虚拟驾驶员根据驾驶模型进行驾驶后,构建表征车辆行驶状态的状态策略模型;该模型用于模拟虚拟驾驶员控制下的车辆行驶状态模式;
步骤3:通过在模拟车辆之间搭建无线通信网络,来达到减小模拟车辆通信之间的时延性以及增大模拟环境内部通信稳定性的目的,构建车辆碰撞阻塞状态的让道排阻策略模型;
步骤4:模拟车辆根据让道排阻策略模型进行状态判定,再通过特定的信道编码,对状态信号进行差错控制,组成抗干扰编码,用于模拟司机驾驶行为在遇到其他模拟司机发生碰撞或阻塞状态模式下,车辆所处路段数据的记录以及车辆让道或等待动作信号的判定与执行;
步骤5:将驾驶策略模型、车辆状态策略模型,车辆会车时的让道排阻模型进行组合得到一个叠加策略模型,路网规则从给定的数据集关系中得到,来进行车辆正常行驶会车的状态模拟,该叠加策略模型与道路规则最优搜索模块作为整个试验阶段模拟驾驶的仿真环境。
3.根据权利要求1所述的一种基于物联网通信的小区道路规则寻优方法,其特征在于,所述的数据集迁移模块需要在目标小区车流中收集小区车辆的出行模拟数据集,并且通过编码传输,提高端口数据传输之间的抗干扰性和信息传输的有效性,用于进一步更新小区路网模拟环境,并通过道路规则最优搜索模块重新进行译码分析,最后通过遍历算法进行遍历搜索。
4.根据权利要求1所述的一种基于物联网通信的小区道路规则寻优方法,其特征在于,所述道路规则最优搜索模块中,在训练好的模拟环境的基础上,根据模拟车辆的会车状态设计一种反馈机制;该反馈机制中包含阻塞策略的定义以及交通影响因子权重的分配,根据不同的策略定义以及不同交通影响因子的权重,虚拟驾驶员在模拟环境中的路网进行模拟行驶的通信交互的过程触发对应的反馈机制,通过在过程使用遍历搜索算法来寻找最优道路规则。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110605607.2A CN113051695B (zh) | 2021-06-01 | 2021-06-01 | 一种基于物联网通信的小区道路规则寻优方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110605607.2A CN113051695B (zh) | 2021-06-01 | 2021-06-01 | 一种基于物联网通信的小区道路规则寻优方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113051695A true CN113051695A (zh) | 2021-06-29 |
CN113051695B CN113051695B (zh) | 2021-08-24 |
Family
ID=76518700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110605607.2A Expired - Fee Related CN113051695B (zh) | 2021-06-01 | 2021-06-01 | 一种基于物联网通信的小区道路规则寻优方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113051695B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408984A (zh) * | 2016-11-28 | 2017-02-15 | 东莞职业技术学院 | 基于物联网的城市交通流诱导系统 |
CN109686095A (zh) * | 2019-02-18 | 2019-04-26 | 河北省交通规划设计院 | 基于lte-v的车路协同方法及系统 |
CN109947098A (zh) * | 2019-03-06 | 2019-06-28 | 天津理工大学 | 一种基于机器学习策略的距离优先最佳路径选择方法 |
CN110191163A (zh) * | 2019-05-19 | 2019-08-30 | 北京工业大学 | 一种基于物联网技术的社区交通智能管理系统 |
CN110570660A (zh) * | 2019-11-06 | 2019-12-13 | 深圳市城市交通规划设计研究中心有限公司 | 一种实时在线交通仿真系统及方法 |
CN111866132A (zh) * | 2020-07-20 | 2020-10-30 | 交通运输部科学研究院 | 一种基于物联网的交通运行控制方法 |
-
2021
- 2021-06-01 CN CN202110605607.2A patent/CN113051695B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408984A (zh) * | 2016-11-28 | 2017-02-15 | 东莞职业技术学院 | 基于物联网的城市交通流诱导系统 |
CN109686095A (zh) * | 2019-02-18 | 2019-04-26 | 河北省交通规划设计院 | 基于lte-v的车路协同方法及系统 |
CN109947098A (zh) * | 2019-03-06 | 2019-06-28 | 天津理工大学 | 一种基于机器学习策略的距离优先最佳路径选择方法 |
CN110191163A (zh) * | 2019-05-19 | 2019-08-30 | 北京工业大学 | 一种基于物联网技术的社区交通智能管理系统 |
CN110570660A (zh) * | 2019-11-06 | 2019-12-13 | 深圳市城市交通规划设计研究中心有限公司 | 一种实时在线交通仿真系统及方法 |
CN111866132A (zh) * | 2020-07-20 | 2020-10-30 | 交通运输部科学研究院 | 一种基于物联网的交通运行控制方法 |
Non-Patent Citations (4)
Title |
---|
AGHUS SOFWAN等: "Implementation of Vehicle Traffic Analysis Using Background Subtraction in The Internet of Things (IoT) Architecture", 《IEEE》 * |
周堂: "物联网背景下城市交通拥堵事前疏导研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
武治发: "新建交通小区配套道路网络设计模型与算法", 《交通科技与经济》 * |
魏赟: "基于物联网的智能交通系统中车辆自组织网络建模与仿真研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113051695B (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108847037B (zh) | 一种面向非全局信息的城市路网路径规划方法 | |
Stevanovic et al. | VisSim-based genetic algorithm optimization of signal timings | |
CN102708698B (zh) | 基于车联网的车辆最优路径导航方法 | |
CN103921743B (zh) | 汽车行驶工况判别系统及其判别方法 | |
CN101789178B (zh) | 街区路口交通信号优化控制方法 | |
CN106205156A (zh) | 一种针对部分车道车流突变的交叉口自愈合控制方法 | |
CN109887284B (zh) | 一种智慧城市交通信号控制推荐方法、系统及装置 | |
CN103456167B (zh) | 基于关键区域的良好驾驶技术参数获取方法 | |
CN111860989B (zh) | 一种基于蚁群算法优化的lstm神经网络短时交通流量预测方法 | |
CN109489679B (zh) | 一种导航路径中的到达时间计算方法 | |
CN114881356A (zh) | 基于粒子群算法优化bp神经网络的城市交通碳排预测方法 | |
CN111710161A (zh) | 一种基于传染病模型的路网拥堵传播态势预测方法及系统 | |
CN114463868A (zh) | 面向交通流管控的收费站交通流组合预测方法及系统 | |
Yang et al. | Intelligent cooperation control of urban traffic networks | |
Park et al. | Calibration and validation of TRANSIMS microsimulator for an urban arterial network | |
CN111899511A (zh) | 一种共线线路avl数据的公交车到站时间预测方法 | |
CN113409576B (zh) | 一种基于贝叶斯网络的交通路网动态预测方法及系统 | |
CN113051695B (zh) | 一种基于物联网通信的小区道路规则寻优方法 | |
CN112991801B (zh) | 一种基于时变路况的最优安全路径获取方法 | |
CN113688561A (zh) | 一种基于神经网络的高速公路施工区最优预警距离确定方法 | |
CN110021168B (zh) | 一种车联网下实现实时智能交通管理的分级决策方法 | |
Lu et al. | Research on the intelligent assignment model of urban traffic planning based on optimal path optimization algorithm | |
AU2021105974A4 (en) | Design Method for Optimizing Engineering Construction Based on Data-driven and Intelligent Algorithm | |
CN115359672A (zh) | 一种数据驱动与强化学习结合的交通区域边界控制方法 | |
CN115293427A (zh) | 一种针对城市早高峰最优出行路线的规划方法及系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210824 |