CN113421439B - 一种基于蒙特卡罗算法的单路口交通信号配时优化方法 - Google Patents
一种基于蒙特卡罗算法的单路口交通信号配时优化方法 Download PDFInfo
- Publication number
- CN113421439B CN113421439B CN202110711932.7A CN202110711932A CN113421439B CN 113421439 B CN113421439 B CN 113421439B CN 202110711932 A CN202110711932 A CN 202110711932A CN 113421439 B CN113421439 B CN 113421439B
- Authority
- CN
- China
- Prior art keywords
- intersection
- signal timing
- traffic
- traffic flow
- entrance lane
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于蒙特卡罗算法的单路口交通信号配时优化方法,包括:获取路口各流向交通流统计分布特征和相应概率分布参数,确定最佳运行周期,相位配置以及各相位绿灯时间的取值范围;构建车流动态更新方程,依据各进口车道历史最大排队长度和车流量,确定路口各进口道能容纳车辆数最大值和相应的概率排队长度约束条件;定义目标函数并构建交通信号控制模型;采用蒙特卡罗算法求解出各个周期的最优信号配时。本发明利用历史交通流的概率分布特征且针对排队长度添加了机会约束条件,能明显提高路口到达流率随机性较强情况下的交通效益,能有效规避因路口各流向排队长度不均匀而导致的某一流向排队长度过长甚至是车辆外溢的情况。
Description
技术领域
本发明涉及城市智能交通控制技术领域,更具体的说是涉及一种基于蒙特卡罗算法的单路口交通信号配时优化方法。
背景技术
随着经济的发展和城市化进程的加快,城市规模不断增大,人口数量持续增加,随之而来的交通压力也不容小觑。虽然城市规模的扩大在一定程度上促进了经济发展,但越来越多的私家车却对城市交通系统提出了更高考验。如果无法对城市路网中最基本的单元路口进行合理管控,不仅可能导致交通事故和交通堵塞,更容易增加居民的出行成本、延误等待时间、停车次数等。与此同时,伴随上述交通问题而产生的汽车尾气和噪声也会加剧城市环境污染等。因此,为了提高路口通行效率从而减少交通事故和交通拥堵,为路口信号灯设置合理的交通信号配时方案就显得尤其重要。
首先,目前众多城市正在运行的交通信号控制系统中,应用较为广泛的交通信号配时方法还是定时控制方案。虽然,其可以很方便的根据历史交通流数据信息,预先设置好一个合适的固定交通信号配时方案。但是,定时控制方法不适应于流量波动大的交叉路口,特别是在高峰时段,难以根据实时流量实时调整路口各相位的绿灯时长以疏导交通流,容易造成路口拥堵,降低了出行效率。其次,现有的交通信号配时方法虽然也有基于实时交通流量的实时控制方法,但是与定时控制方法一样,这些实时交通信号控制方法均是确定性方法,并没有充分挖掘和利用交通流的统计信息和概率分布特征,难以较好的处理路口交通流随机性比较强时交通信号控制任务。
因此,如何提供一种能够充分利用路口历史交通流统计信息和概率分布特征的基于蒙特卡罗的交通信号配时优化方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于蒙特卡罗的交通信号配时优化方法,该方法充分利用了历史交通流的概率分布特征且针对排队长度添加了机会约束条件,能明显提高路口到达流率随机性较强情况下的交通效益,并能有效规避因路口各流向排队长度不均匀而导致的某一流向排队长度过长甚至是车辆外溢的情况。
为了实现上述目的,本发明采用如下技术方案:
一种基于蒙特卡罗算法的单路口交通信号配时优化方法,包括:
步骤1,依据路口各进口道的历史交通流特征、历史交通流数据和路口的几何尺寸,确定路口的最佳运行周期C,相位相序配置以及交通信号灯运行过程中各相位绿灯时间取值范围;
步骤2,依据路口各进口道历史交通流数据和实时检测的交通流数据,获取路口各进口道交通流统计分布特征,得到各进口道到达率分布函数F(x;θ)和相应的概率分布参数θ*;
步骤3,依据流量守恒定律确定路口排队长度动态更新方程,并根据路口各进口车道在各时段的历史最大排队长度和历史交通流数据中不同类型车辆所占比例,确定路口各进口道能容纳车辆数的最大值和相应的排队长度约束条件;
步骤4,依据路口交通性能优化指标确定目标函数J(并构建单路口交通信号控制模型;
其中,目标函数J(为最小化路口n条车道在m个周期里总排队车辆数的期望值;所述单路口交通信号控制模型包括以下内容:
所述最佳运行周期C、路口进口道i的排队长度动态更新方程和各相位绿灯时间取值范围up(k);
步骤5,根据所述各进口道到达率分布函数F(x;θ)和所述概率分布参数θ*,以及所述单路口交通信号控制模型,采用蒙特卡罗算法获取预设时间窗口内各周期各相位所有可能的信号配时方案,针对各个周期内所有可能信号配时方案,分别计算目标函数值并将最小值所对应的信号配时方案作为最优信号配时方案,输出当前周期最优信号配时方案下的排队长度向量,并存放于周期序列信号配时矩阵中当前周期对应的位置。
优选的,在步骤1中,基于路口物理几何尺寸和道路渠化情况、历史交通流特征和交警经验配置该路口相位和相序,所述绿灯时间取值范围up(k)的端点值为最大允许通行绿灯时间gmax和最小允许通行绿灯时间gmin。
优选的,基于路口各进口道的历史交通流量,利用Webster周期公式计算出路口的最佳运行周期C,满足如下约束:
其中,tlost表示总的损失时间,up(k)表示第k个周期第p个相位的绿灯时间,且gmin≤up(k)≤gmax,其中,gmax为最大允许通行绿灯时间根据路口历史流量信息和交警经验预先设定,gmin为基于路口各进口道的交通流量和路口的几何尺寸计算所述最小允许通行绿灯时间。
优选的,所述最大允许通行绿灯时间gmax根据路口历史流量信息和交警经验预先设定,基于路口各进口道的交通流量和路口的几何尺寸计算所述最小允许通行绿灯时间gmin,具体方法如下:
优选的,步骤2的具体内容包括:
优选的,步骤3中路口进口道i的排队长度动态更新方程为:
优选的,步骤3中的路口进口道i的排队长度机会约束条件为:
P(0≤qi(k)≤αi·Ni)≥βi, (5)
其中,P(0≤qi(k)≤α·Ni)表示第k个周期路段i上排队车辆数qi(k)满足约束0≤qi(k)≤α·Ni的概率值,αi∈(0,1)表示一个预设的常数,βi表示置信水平,Ni表示路段i上能容纳车辆数的最大值。
优选的,步骤4中路口的所述目标函数J为:
其中,目标函数J表示最小化路口n条车道在m个周期里总排队车辆数的期望值。
优选的,步骤5具体包括以下内容:
S1.初始化车辆到达率:依据各进口道到达率分布函数采样numSap次生成numSap个m×n维矩阵Vm×n,其中,行数m表示m个待优化信号配时周期,列数n表示路口的n条车道,组成初始种群IniPop,矩阵Vm×n第k行第j列的元素vk,j代表第k个周期第j个路段上的车辆到达率;
S2.生成信号配时方案:利用所述最佳周期时间C,依据路口各进口道的历史交通流量和路口的几何尺寸确定路口各相位绿灯时间取值范围,计算出所有可能信号配时方案,并存储于一个a×b维阵Ua×b,其中,行数a表示一共有a种信号配时,列数b表示每个周期有b个相位,矩阵Ua×b中第i行第j列的元素ui,j代表分配给路口第i个可能信号配时方案第j个相位的绿灯时间值;
S3.优化各周期信号配时:
①第k个周期内,第s个信号配时方案,numSanp个到达率矩阵Vm×n,利用所述单路口交通流动态模型计算,路口各进口道i上第k个周期结束时刻的排队车辆数其中h∈{1,2,…numSap};其中,k≥1,s≥1;
④若s小于总的信号配时方案数即s<a,则令s=s+1并返回②继续评估下一个信号配时方案,否则转下一步;
⑤输出第k个周期的最优信号配时和路口各路段对应的排队长度向量,也即令且将第s*个最优信号配时方案对应的信号配时存放于周期序列信号配时矩阵中当前周期对应位置,并输出该周期最优信号配时方案下的排队长度向量作为下一周期路段起始排队长度。
⑥若k小于预设的最大周期数m数即k<m,则令k=k+1并返回①继续计算下一个周期的信号配时方案,否则结束。
优选的,将步骤5所获取到的周期序列信号配时矩阵中的信号配时方案发送给信号控制机执行,且当信号控制机因通信故障或其他原因而没有接受到新的信号配时方案时,则信号控制机继续执行旧的信号配时方案。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于蒙特卡罗算法的单路口交通信号配时优化方法,包括以下有益效果:
(1)与其它单路口交通信号配时优化方法不同的是,本发明充分利用了路口各进口道历史交通流的统计信息,构建了一个基于期望值模型的不确定交通信号控制模型,在路口车辆到达率随机波动性大的交通状况下能取得更好的控制效果;
(2)不同于其他交通信号控制模型中排队长度多是确定性“硬”约束,本发明中路口各进口道的排队长度约束采取的是基于概率的“软”约束,这样既能有效规避进口道因路口各流向排队长度不均匀而导致的某一流向排队长度过长甚至是车辆外溢的情况发生,也能进一步提升路口交通控制性能指标;
(3)本发明提出的交通信号配时方法可在线优化也可离线优化,算法执行过程容易理解且便于维护人员更新和扩展。
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发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供一种基于蒙特卡罗算法的单路口交通信号配时优化方法原理图;
图2附图为本发明提供一种基于蒙特卡罗算法的单路口交通信号配时优化方法实施例中路口的几何结构示意图;
图3附图为本发明提供一种基于蒙特卡罗算法的单路口交通信号配时优化方法实施例中路口采用的相位和相位顺序示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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。
本发明实施例公开了一种基于蒙特卡罗算法的单路口交通信号配时优化方法,包括以下内容:
步骤1:依据路口各进口道的历史交通流特征、交通流量和路口的几何尺寸,确定路口的最佳运行周期C,相位相序配置以及交通信号灯运行过程中各相位允许的最大绿灯时间gmax和最小绿灯时间gmin;
图1为本发明所提配时优化方法原理图,主要包含基于路口基本交通参数定义和估算的交通流到达率构建路口交通信号控制模型、基于蒙特卡罗算法的交通信号配时优化两个部分。
图2为利用本发明方法优化单路口交通信号配时的一个实施例路口的结构示意图,图中路口包含10条进口车道,数字1,2,…,10依次代表各车道的车道编号。
图3为实施例路口的相位和相位顺序配置,图中从左往右数第1个框表示相位p1为南北方向直行和右转车辆提供通行权,第2个框表示相位p2为南北方向左转车辆提供通行权,第3个框表示相位p3为东西方向直行和右转车辆提供通行权,第4个框表示相位p4为东西方向左转车辆提供通行权;
步骤1中利用路口历史交通流信息和Webster公式计算出最佳运行周期时间C,且周期时间C、各周期各相位绿灯时间up(k)和总损失时间tlost满足约束关系:
其中,总损失时间tlost为路口各相位黄灯时间和全红时间之和;
第k个周期相位p的绿灯时间up(k)满足如下约束:
gmin≤up(k)≤gmax;
步骤2,依据路口各进口道历史交通流数据和实时检测的交通流数据,估算出路口各进口道交通流统计分布特征F(x;θ)和相应概率分布参数θ*;
路口各进口道i的车辆到达率概率分布函数Fi(x;θi)中概率分布参数θi的极大似然估算公式如下:
步骤3,依据流量守恒定律定义路口排队长度动态更新方程,并根据路口各进口车道在各时段的历史最大排队长度和历史车流量中不同类型车辆所占比例,确定路口各进口道能容纳车辆数的最大值和相应的排队长度约束条件;
由路段流量守恒定律,易知排队长度qi(k)满足如下动态更新方程:
其中,Si表示路段i的饱和流率;
路口进口道i的排队长度满足如下概率约束条件:
P(0≤qi(k)≤αi·Ni)≥βi,
其中,Ni和qi(k)分别表示进口道i最多能容纳的车辆数和在第k个周期初始时刻的排队车辆数,预设松弛系数αi∈(0,1),βi表示进口道i排队长度约束条件的置信水平。
步骤4,依据路口交通性能优化指标定义目标函数fobj(u)并构建路口交通信号控制模型;
路口交通信号控制模型的优化目标函数定义为:
其中,E(fobj(·))表示目标函数fobj(·)期望值,取m=30表示预设的时间窗长度也即总周期数,n=10表示该路口总的进口道数;
路口交通信号控制模型的约束条件为:
步骤5,基于上述步骤2估算出的路口各进口道交通流分布特征和概率分布参数,以及步骤4构建的交通信号控制模型,采用蒙特卡罗算法求解出一个预先设定的时间窗口长度内各周期各相位信号配时,并存放于一个周期序列信号配时矩阵中;
采用蒙特卡罗算法求解上述交通信号控制模型的具体步骤如下:
Step1初始化车辆到达率:依据前面估计得到的各个进口道到达率分布函数采样numSap次生成numSap个m×n维矩阵Vm×n(行数没m表示m个待优化信号配时周期,n表示路口的n条车道)组成初始种群IniPop,矩阵Vm×n第k行第j列的元素vk,j代表第k个周期第j个路段上的车辆到达率;
Step2生成绿灯配时方案:利用前面步骤2计算得到的最佳周期时间C,以及方程(1)和依据路口各进口道的历史交通流量和路口的几何尺寸确定路口各相位绿灯时间取值范围,计算出所有可能信号配时方案,并存储于一个a×b维阵Ua×b(行数a表示一共有a种信号配时,b表示每个周期有b个相位),矩阵Ua×b中第i行第j列的元素ui,j代表分配给路口第i个可能信号配时方案第j个相位的绿灯时间值。
Step3优化各周期绿灯配时,具体子步骤如下:l
Step3.1考虑第k个周期(注:从k=1开始迭代),执行如下过程;
Step3.2考虑第s个信号配时方案(注:从s=1开始迭代),基于numSanp个到达率矩阵Vm×n(各矩阵的第k行存放第k个周期各车道到达率),利用前面构建的交通流动态模型(4)-(5)计算路口各进口道i上第k个周期结束时刻的排队车辆数(其中h∈{1,2,…numSap});
Step3.4若当前信号配时方案下计算得到的排队长度概率约束值小于预设值βi,则令J(s)=Bm J(s)=Bm(Bm为一个非常大的正实数,譬如可取Bm=1010);其中Bm为非常大的正实数,例如可以取值1010;
Step3.5若s小于总的信号配时方案数即s<a,则令s=s+1并返回Step3.2继续评估下一个信号配时方案,否则转下一步;
Step3.6输出第k个周期的最优信号配时和路口各路段对应的排队长度向量,也即将第s*个最优信号配时方案对应的信号配时存放进配时方案周期序列矩阵TiPm×f的第k行(本实施例中m=30,f=4),并将最优信号配时方案下的排队长度向量存放进排队长度周期序列矩阵LeQm×n中的第k行(本实施例中m=30,n=10)作为下一周期路段初始排队长度;
Step3.7若k小于预设的最大周期数m数即k<m,则令k=k+1并返回Step3.1继续计算下一个周期的信号配时方案,否则结束。
步骤6,将优化求解出的配时方案周期序列矩阵TiPm×f中的信号配时方案发送给信号控制机执行。
不同于其它单路口交通信号配时优化方法,本发明提出的一种基于蒙特卡罗的交通信号配时优化方法,充分利用了路口各进口道历史交通流的统计信息,构建了一个基于期望值模型的不确定交通信号控制模型,在路口车辆到达率随机波动性大的交通状况下能取得更好的控制效果。
不同于其他交通信号控制模型中排队长度多是确定性“硬”约束,本发明中路口各进口道的排队长度约束采取的是基于概率的“软”约束,这样既能有效规避进口道因路口各流向排队长度不均匀而导致的某一流向排队长度过长甚至是车辆外溢的情况发生,也能进一步提升路口交通控制性能指标。
本发明提出的交通信号配时方法可在线优化也可离线优化,算法执行过程容易理解且便于维护人员更新和扩展。
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。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种基于蒙特卡罗算法的单路口交通信号配时优化方法,其特征在于,包括:
步骤1,依据路口各进口道的历史交通流特征、历史交通流数据和路口的几何尺寸,确定路口的最佳运行周期C,相位相序配置以及交通信号灯运行过程中各相位绿灯时间取值范围;
步骤2,依据路口各进口道历史交通流数据和实时检测的交通流数据,获取路口各进口道交通流统计分布特征,得到各进口道到达率分布函数F(x;θ)和相应的概率分布参数θ*;
步骤3,依据流量守恒定律确定路口排队长度动态更新方程,并根据路口各进口车道在各时段的历史最大排队长度和历史交通流数据中不同类型车辆所占比例,确定路口各进口道能容纳车辆数的最大值和相应的排队长度约束条件;
步骤4,依据路口交通性能优化指标确定目标函数J(并构建单路口交通信号控制模型;
其中,目标函数J为最小化路口n条车道在m个周期里总排队车辆数的期望值;所述单路口交通信号控制模型包括以下内容:
所述最佳运行周期C、路口进口道i的排队长度动态更新方程和各相位绿灯时间取值范围up(k);
步骤5,根据所述各进口道到达率分布函数F(x;θ)和所述概率分布参数θ*,以及所述单路口交通信号控制模型,采用蒙特卡罗算法获取预设时间窗口内各周期各相位所有可能的信号配时方案,针对各个周期内所有可能的信号配时方案,分别计算目标函数值并将最小值所对应的信号配时方案作为当前周期的最优信号配时方案,并存放于周期序列信号配时矩阵中当前周期对应的位置;
步骤5具体包括以下内容:
S1.初始化车辆到达率:依据各进口道到达率分布函数Fi(x;θi *),采样numSap次生成numSap个m×n维矩阵Vm×n,其中,行数m表示m个待优化信号配时周期,列数n表示路口的n条车道,组成初始种群IniPop,矩阵Vm×n第k行第j列的元素vk,j代表第k个周期第j个路段上的车辆到达率;
S2.生成信号配时方案:利用所述最佳周期时间C,依据路口各进口道的历史交通流量和路口的几何尺寸确定路口各相位绿灯时间取值范围,计算出所有可能信号配时方案,并存储于一个a×b维阵Ua×b,其中,行数a表示一共有a种信号配时,列数b表示每个周期有b个相位,矩阵Ua×b中第i行第j列的元素ui,j代表分配给路口第i个可能信号配时方案第j个相位的绿灯时间值;
S3.优化各周期信号配时:
①第k个周期内,第s个信号配时方案,基于numSap个到达率矩阵Vm×n利用所述单路口交通流动态模型计算,路口各进口道i上第k个周期结束时刻的排队车辆数其中h∈{1,2,…numSap};其中,k≥1,s≥1;
②根据路口各路段能容纳车辆数的最大值和目标函数J分别计算第s个信号配时方案下排队长度的概率约束值Pi (s)=P(0≤qi(k)≤αi·Ni),当前周期结束时路口各路段排队长度向量以及目标函数值J(s);
③若当前信号配时方案下计算得到的排队长度概率约束值Pi (s)小于预设值βi,则令J(s)=Bm;其中,Bm为正实数;
④若s小于总的信号配时方案数即s<a,则令s=s+1并返回②继续评估下一个信号配时方案,否则转下一步;
⑤输出第k个周期的最优信号配时和路口各路段对应的排队长度向量,也即令且将第s*个最优信号配时方案对应的信号配时存放于周期序列信号配时矩阵中当前周期对应位置,并输出该周期最优信号配时方案下的排队长度向量作为下一周期路段起始排队长度;
⑥若k小于预设的最大周期数m数即k<m,则令k=k+1并返回①继续计算下一个周期的信号配时方案,否则结束。
2.根据权利要求1所述的基于蒙特卡罗算法的单路口交通信号配时优化方法,其特征在于,在步骤1中,基于路口物理几何尺寸和道路渠化情况、历史交通流特征和交警经验配置该路口相位和相序,所述绿灯时间取值范围up(k)的端点值为最大允许通行绿灯时间gmax和最小允许通行绿灯时间gmin。
7.根据权利要求6所述一种基于蒙特卡罗算法的单路口交通信号配时优化方法,其特征在于,步骤3中的路口进口道i的排队长度机会约束条件为:
P(0≤qi(k)≤αi·Ni)≥βi, (5)
其中,P(0≤qi(k)≤α·Ni)表示第k个周期路段i上排队车辆数qi(k)满足约束0≤qi(k)≤α·Ni的概率值,αi∈(0,1)表示一个预设的常数,βi表示置信水平,Ni表示路段i上能容纳车辆数的最大值。
9.根据权利要求1所述一种基于蒙特卡罗算法的单路口交通信号配时优化方法,其特征在于,将步骤5所获取到的周期序列信号配时矩阵中的信号配时方案发送给信号控制机执行,且当信号控制机因通信故障或其他原因而没有接受到新的信号配时方案时,则信号控制机继续执行旧的信号配时方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110711932.7A CN113421439B (zh) | 2021-06-25 | 2021-06-25 | 一种基于蒙特卡罗算法的单路口交通信号配时优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110711932.7A CN113421439B (zh) | 2021-06-25 | 2021-06-25 | 一种基于蒙特卡罗算法的单路口交通信号配时优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113421439A CN113421439A (zh) | 2021-09-21 |
CN113421439B true CN113421439B (zh) | 2022-05-13 |
Family
ID=77716745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110711932.7A Active CN113421439B (zh) | 2021-06-25 | 2021-06-25 | 一种基于蒙特卡罗算法的单路口交通信号配时优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113421439B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114822037B (zh) * | 2022-06-01 | 2023-09-08 | 浙江大华技术股份有限公司 | 交通信号的控制方法和装置、存储介质及电子装置 |
CN115273499B (zh) * | 2022-06-30 | 2023-11-10 | 华东师范大学 | 一种基于车流量的信号灯动态配时方法与系统 |
CN116071938A (zh) * | 2023-03-13 | 2023-05-05 | 浙江芯源交通电子有限公司 | 一种基于深度学习的交通信号灯的控制方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077615B (zh) * | 2012-12-20 | 2015-03-25 | 长沙理工大学 | 一种优化信号交叉口排队长度的在线学习方法 |
CN103021190B (zh) * | 2012-12-20 | 2015-09-02 | 长沙理工大学 | 一种优化信号交叉口排队长度的方法 |
CN104809890B (zh) * | 2015-04-19 | 2018-01-05 | 北京工业大学 | 基于主成分分析和局部搜索改进正交遗传算法的交通信号配时优化方法 |
CN108629970B (zh) * | 2018-04-25 | 2020-01-10 | 浙江大学 | 基于蒙特卡罗树搜索的交叉口信号参数优化方法 |
CN109903559B (zh) * | 2019-03-11 | 2021-08-10 | 苏州易通交通科技有限公司 | 基于抽样轨迹数据的车辆周期排队长度估计方法及装置 |
CN111862602A (zh) * | 2020-06-24 | 2020-10-30 | 南京理工大学 | 基于轨迹数据的单交叉口信号配时优化方法 |
-
2021
- 2021-06-25 CN CN202110711932.7A patent/CN113421439B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113421439A (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113421439B (zh) | 一种基于蒙特卡罗算法的单路口交通信号配时优化方法 | |
CN113327416B (zh) | 基于短时交通流预测的城市区域交通信号控制方法 | |
CN108765981B (zh) | 一种分车道实时排队长度预测方法 | |
CN109785619B (zh) | 区域交通信号协调优化控制系统及其控制方法 | |
CN104464310B (zh) | 城市区域多交叉口信号协同优化控制方法及系统 | |
CN103996289B (zh) | 一种流量-速度匹配模型及行程时间预测方法及系统 | |
CN111951549B (zh) | 在网联车辆环境下的自适应交通信号灯控制方法及系统 | |
CN107591011B (zh) | 考虑供给侧约束的交叉口交通信号自适应控制方法 | |
CN106652441A (zh) | 一种基于时空数据的城市道路交通状态预测方法 | |
CN108629970B (zh) | 基于蒙特卡罗树搜索的交叉口信号参数优化方法 | |
CN104809895A (zh) | 相邻交叉口的干道协调控制模型及其优化方法 | |
CN109269516B (zh) | 一种基于多目标Sarsa学习的动态路径诱导方法 | |
CN106297296B (zh) | 一种基于稀疏轨迹点数据的细粒度旅行时间分配方法 | |
CN110570672A (zh) | 一种基于图神经网络的区域交通信号灯控制方法 | |
CN112907970B (zh) | 一种基于车辆排队长度变化率的可变车道转向控制方法 | |
CN113516854B (zh) | 一种基于卡警、视频检测器的多路口协调自适应控制方法 | |
CN113299078B (zh) | 一种基于多智能体协作的多模式交通干线信号协调控制方法及装置 | |
CN104700634A (zh) | 基于最小生成树聚类改进遗传算法的相邻交叉口干道协调控制方法 | |
CN109859475B (zh) | 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统 | |
CN111524345A (zh) | 一种车辆实时排队长度约束下多目标优化的感应控制方法 | |
CN114120670A (zh) | 用于交通信号控制的方法和系统 | |
CN117116064A (zh) | 一种基于深度强化学习的乘客延误最小化信号控制方法 | |
CN109191836B (zh) | 一种基于iqa的实时分车道车辆延误预测方法 | |
CN113628455B (zh) | 车联网环境下考虑车内人数的交叉口信号优化控制方法 | |
Ma et al. | Method of spillover identification in urban street networks using loop detector outputs |
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 |