CN113870592A - 一种基于deec分簇的交通灯改进配时方法 - Google Patents
一种基于deec分簇的交通灯改进配时方法 Download PDFInfo
- Publication number
- CN113870592A CN113870592A CN202111224192.0A CN202111224192A CN113870592A CN 113870592 A CN113870592 A CN 113870592A CN 202111224192 A CN202111224192 A CN 202111224192A CN 113870592 A CN113870592 A CN 113870592A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- cluster
- information
- traffic
- average
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 116
- 238000004891 communication Methods 0.000 claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000005265 energy consumption Methods 0.000 claims description 39
- 230000005540 biological transmission Effects 0.000 claims description 25
- 230000003321 amplification Effects 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000006872 improvement Effects 0.000 claims description 8
- 229920006395 saturated elastomer Polymers 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001934 delay Effects 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000010937 topological data analysis Methods 0.000 claims description 3
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 230000004083 survival effect Effects 0.000 abstract description 2
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000003912 environmental pollution 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
- G08G1/081—Plural intersections under common control
- G08G1/082—Controlling the time between beginning of the same phase of a cycle at adjacent intersections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/095—Traffic lights
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/46—Cluster building
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于DEEC分簇的交通灯改进配时方法，包括：1）构建城市中十字交叉路口处车载网络模型；2）改进的DEEC分簇算法；3）交通信号灯的改进配时算法。这种方法通过选择剩余节点能量较高的车辆节点作为簇头进行分簇，来提高簇的生存时间，降低V2V通信时延；同时，利用韦伯斯特（Webster）交通灯改进配时算法，以减少车辆的排队等待时间，缓解城市道路中交通拥堵的现象。
Description
技术领域
本发明涉及车载通信技术领域，具体是一种基于DEEC分簇的交通灯改进配时方法。
背景技术
随着城市环境下车辆密度的不断增大，交通拥堵早已成为城市交通面临的重大问题。而交通拥堵所带来的一系列问题，包括汽车尾气造成的环境污染、交通事故的发生率因此升高等。在拥堵的十字交叉路口处车辆的数目很大，此外大规模密集型场景下资源的调度使用也更为复杂。
为了更加充分利用有限的通信资源，对车辆进行分簇管理是一种十分有效的方案。十字交叉路口处的交通信号灯指挥路口车辆有序通行，但避免不了车辆排队等待时间较长，车辆空等的现象，如何降低交叉路口处车辆的通信时延，并利用车辆与交通信号灯间的信息交互从而使交通信号灯实现更合理的交通调度，且路口处车辆最快最有序通过，减少车辆排队等待时间，降低空等现象这一问题丞待解决。
发明内容
本发明的目的是针对现有技术的不足，而提供一种基于DEEC分簇的交通灯改进配时方法。这种方法能降低V2V通信时延、能减少车辆的排队等待时间、能缓解城市道路中交通拥堵的现象。
实现本发明目的的技术方案是：
一种基于DEEC分簇的交通灯改进配时方法，包括如下步骤：
1)构建城市中十字交叉路口处车载网络模型：假设N个车辆节点随机地分布在以交通信号灯为原点的m×m大小区域内的十字路口处，在路口正中心的交通信号灯上设置一个小型基站，各车道的车辆按照道路的方向运行，整个车载通信网络的通信包括簇内成员与簇头间进行V2V通信，簇内成员将自身的信息通过V2V通信传递给簇头，簇头将信息汇总后通过V2I通信传递给交通信号灯，簇头通过与交通信号灯的信息交互可以得知前方道路的拥堵、畅通或者有事故发生预警等情况，再通过广播的形式传递给簇内成员，交通信号灯通过簇头收集各道路的交通情况后进行相应调度；
2)改进的DEEC分簇算法：包括：
2-1)整个车载网络中所有车辆节点的总初始能量：车载网络中的车辆节点以自身的剩余能量高低被选取为簇头或者簇内成员，进而形成车载簇形网络结构；车载网络中的车辆节点初始能量都不完全相同，各个车辆节点ni的初始能量设为E0(1+ai)，在[E0,E0(1+amax)]区间内随机分布，整个车载网络中所有车辆节点的总初始能量如公式(1)所示：
其中，ai为能量的倍数，E0是初始能量的最小值，E0(1+amax)是初始能量的最大值；
2-2)簇头车辆节点的总能耗：车载网络中，作为簇头的车辆节点在簇头选举的每轮运作周期内，会消耗相应的能量，簇头车辆节点的总能耗如公式(2)所示：
其中，与基站进行通信所消耗的能量Ee，与簇内车辆节点间的通信能耗Ec，簇头收集簇内车辆节点的相应信息进行融合所需要的能耗Em，N为车载网络中的总车辆节点数，k为簇头的数量，Eelec为发送或接收单位比特电路的能耗，EDA为簇头对收集到的信息进行融合的单位比特信息的能耗，
为簇头距离基站的平均距离，d0为通信距离的阀值，当d＜d0，车辆节点的功率放大采用自由空间环境下的能耗模型，当d≥d0，车辆节点的功率放大采用多路径情况下的能耗模型，其中
εf、εmp分别为数据在传输时的功率放大倍数；
2-3)簇头车辆节点与基站间的平均距离：以交通信号灯为原点，建立直角坐标系，即基站在原点处，可得簇头车辆节点与基站间的平均距离如公式(3)所示：
其中，(x0,y0)表示基站的位置坐标，A表示整个车载网络区域的面积大小，且A＝m2；
2-4)每轮运作周期内簇内成员与簇头间通信的能耗：簇内成员将自身的数据信息通过V2V通信发送给簇头节点，因此簇内成员与簇头节点间的平均距离dCH要小于通信距离阀值d0，则在每轮运作周期内簇内成员与簇头间通信的能耗如公式(4)所示：
ECH＝lEelec+lεfdCH 2 (4)；
2-5)平均每轮周期内单个簇的总能耗如公式(5)所示：
2-6)平均每轮周期整个车载网络的总能耗如公式(6)所示：
2-7)车辆节点ni成为簇头的平均概率：整个车辆网络的分簇过程，以“轮”为工作周期，各个车辆节点的初始能量各不相同，在每轮选举簇头之后，剩余的能量也不相同，车辆节点ni成为簇头的平均概率如公式(7)所示：
其中，Ei(r)、
分别表示第r轮时车辆节点ni的剩余能量以及车载网络的平均剩余能量，popt表示簇头车辆节点占所有车辆节点的比例，r表示当前选举过程的轮次，ds表示车辆节点ni与汇聚节点间的距离；
2-8)改进后的阀值公式：改进后的分簇方案为了均衡车载网络的整体能耗，使自身拥有较高剩余能量的车辆节点能够优先成为簇头，将车辆节点自身剩余能量与车载网络的平均能量之比，以及最佳簇头数量因子添加到阀值公式中，改进后的阀值公式如公式(8)所示：
其中，G表示所有车辆节点中上一轮未被选中为簇头的车辆节点，最佳簇头数量表示为
2-9)通信时延TD：车载通信网络中的信息传输分为两个阶段，即等待和传输，则存在相应的时延问题，有等待时延和传输时延两个部分，通信时延TD如公式(9)所示：
TD＝Tw+Tt (9)，其中，Tw是等待时延，Tt是传输时延；
2-10)信息分布律：簇头车辆节点在广播时，信息到达率为λ，在一个时间段τ内，发出u条信息，信息分布律如公式(10)所示：
其中，N(t)表示广播信息时发出信息的数量；
2-11)一个广播周期内的信息总量满足公式(11)：
其中，E(u)表示信息广播的周期内信息个数的均值，Cx表示每条信息所含的信息量，C表示信道容量；
2-12)相应信道忙时的概率：信息从基站通过簇头车辆节点转发广播给其他车辆节点，相应信道忙时的概率如公式(12)所示：
其中，Vi表示簇内的车辆节点数目；
2-13)平均等待时延：则在信息广播的周期内，平均等待时延如公式(13)所示：
其中，μf表示平均服务率；
2-14)簇头车辆对消息进行转发而产生的传输时延：当基站收到各簇头收集的车辆信息，将汇总的信息及道路情况发送给簇头车辆节点，簇头车辆节点收到信息后，向簇内车辆节点进行广播，在此期间，簇头车辆对消息进行转发而产生的传输时延如公式(14)所示：
其中，s表示簇头车辆节点传输信息到接收的车辆节点间的距离，ve表示载有信息的电磁波
在信道中的传播速率，ω表示传输信息量的大小，
表示车辆节点间的平均传输速率；
3)交通信号灯的改进配时算法：包括：
3-1)各交通灯相位车流量与交叉路口处总车流量比之和：十字交叉路口有东、南、西、北四个方位的道路，每一个方位的道路都有车辆进口道和出口道，每条进口道都含有直行、左转、右转的车道，直行和右转车道的车辆默认同时放行，实际交通情况下，交通信号灯有对应的变化组合，基站会通过V2I通信收到簇头车辆汇总的交通车流信息，通过计算进而对十字交叉路口八个互不冲突的交通信号进行组合设置，基站通过V2I通信从簇头处收到实时车流量信息，进而统计出各交通灯相位车流量与交叉路口处总车流量比之和如公式(15)所示：
其中，qp表示交通信号灯各相位的车流量；sp表示交通信号灯各相位的饱和车流量；
3-2)停止线内各个车辆的平均等待时延：十字交叉路口处的交通信号灯，会对来自东、南、西、北四个进口车道的车辆进行调控，设置车辆有次序通过路口的时间，避免交通意外的发生，所以当一部分车辆在交叉路口通行时，会有一部分车辆在停车线内等待通信，避免行驶方向的冲突，停止线内各个车辆的平均等待时延如公式(16)所示：
其中，d表示车辆的平均等待时延，x表示交通信号灯相位的饱和度，是实际流量与可通过交叉路口的最大流量之比，q表示路口处车辆的到达率，c表示交通信号灯周期时长，λ表示交通信号灯相位的绿信比，即车辆可通行的绿灯时间占信号灯总周期时间的比值；
3-3)改进后的各个车辆平均等待时间：在十字交叉路口处，车辆因为信号灯颜色的转换，红灯亮起时会停止前进，红灯变绿灯亮时会起步通行，而在传统的Webster算法中，对车辆在停止线内的等待时间进行计算时，红灯变绿灯亮时车辆从停车点驶过停止线的时间未被考虑，将这一时间考虑到车辆平均等待时间的公式中，改进后的各个车辆平均等待时间如公式(17)所示：
其中，s1表示车辆停车点到停止线间的距离，s2表示车辆的车身长度，vv表示车辆行驶在交叉路口时的速度；
3-4)十字交叉路口处总等待时间：经过交通信号灯相位配置后的十字交叉路口处，各相位的车流量在停车线内等待时延之和，即十字交叉路口处总等待时间如公式(18)、(19)所示：
其中，dp表示交通信号灯第p相位车辆的平均等待时延，qp表示第p相位的车流量，c表示交通信号灯的周期时长，ymax表示路口处某一相车流量的最大值，LT表示在经过配置后的各相交通信号灯，各相位信号灯的损失时间之和；
3-5)车辆行驶在交叉路口处时延最小的最佳信号周期：通过对停止线内各车辆的平均等待时间关系式进行求导，式中第二、三项忽略不计(是车辆行驶到达停止线的到达率随机产生的误差)，可得车辆行驶在交叉路口处时延最小的最佳信号周期co如公式(20)所示：
3-6)评价周期配时方案的综合指标G：在车辆平均等待时延的公式中，当交通信号灯相位的饱和度x趋近于1时，所得的时延结果并不准确，此时考虑停车的因素，引入“停车补偿系数”，将停车次数与车辆延误时间混合在一起，建立评价周期配时方案的综合指标G如公式(21)所示：
G＝D+kH (21)，其中，D表示路口处所有车辆总时延，H表示第p相位实际车流量与对应饱和车流量的比值，k表示停车补偿系数；
3-7)改进后的车辆时延最短的最佳信号周期：经推导，可得改进后的车辆时延最短的最佳信号周期co如公式(22)所示：
其中，k作为停车补偿系数，按照交通灯配时改进的不同需求可以取不同的值，当取k＝0.4时，表示车辆的耗油量最小；当取k＝0.2时，表示车辆行驶过程中平均运营消耗，包括延误、时延、停车等待最小；当取k＝0时，表示延误最小；
3-8)第p相位的绿灯显示的时间Tp如公式(23)所示：
其中，TNG表示对应交通信号灯周期内非绿灯的时间，
表示交通信号灯相位信号所损失的时间；
3-9)第p相位信号灯的绿信比公式简化：为方便计算，第p相位信号灯的绿信比公式简化如公式(24)所示：
3-10)总绿信比如公式(25)所示：
3-11)饱和度x可以表示如公式(26)所示：
其中，xp表示第p相位对应道路车辆的饱和度，Qp表示第p相位对应道路车辆的通行能力，Nv表示路口通过的平均车辆数；
3-12)第p相位对应的道路车辆通行能力如公式(27)所示：
本技术方案在步骤2)中，选择剩余节点能量较高的车辆节点作为簇头，来提高簇的生存时间，降低V2V通信时延，在步骤3)中采用韦伯斯特Webster交通灯改进配时算法，以减少车辆的排队等待时间。
这种方法在簇头选举过程中，将车辆节点的剩余能量以及车载网络的平均能量考虑到阀值公式中，调整了车辆节点成为簇头的概率，并且均衡了车载网络的整体能耗，使得网络的生命周期得以延长，充分利用了有限的通信资源，降低了交叉路口处车辆的通信时延。
这种方法考虑了红灯变绿灯亮时车辆从停车点驶过停止线的时间，并建立评价周期配时方案的综合指标，得到改进后的交通性能指标，利用车辆与交通信号灯间的信息交互从而使交通信号灯实现更合理的交通调度，使路口处车辆最快最有序通过，减少车辆排队等待时间，降低空等现象，有限缓解了城市十字交叉路口处交通拥堵的现象。
附图说明
图1为实施例中城市十字交叉路口处车辆分簇场景图；
图2为实施例中交通信号组合设置图；
图3为实施例中改进DEEC分簇算法流程示意图；
图4为实施例中交通信号灯改进配时算法流程示意图。
具体实施方式
下面结合附图和实施例对本发明的内容作进一步的阐述，但不是对本发明的限定。
实施例：
参照图1，一种基于DEEC分簇的交通灯改进配时方法，包括如下步骤：
1)构建城市中十字交叉路口处车载网络模型：假设N个车辆节点随机地分布在以交通信号灯为原点的m×m大小区域内的十字路口处，在路口正中心的交通信号灯上设置一个小型基站，各车道的车辆按照道路的方向运行，其中，黑色虚线所圈出的车辆处于同一个车辆集群，白色车辆为簇头车辆，整个车载通信网络的通信包括簇内成员与簇头间进行V2V通信，簇内成员将自身的信息通过V2V通信传递给簇头，簇头将信息汇总后通过V2I通信传递给交通信号灯，簇头通过与交通信号灯的信息交互可以得知前方道路的拥堵、畅通或者有事故发生预警等情况，再通过广播的形式传递给簇内成员，交通信号灯通过簇头收集各道路的交通情况后进行相应调度；
2)如图3所示，改进的DEEC分簇算法：包括：
2-1)整个车载网络中所有车辆节点的总初始能量：车载网络中的车辆节点以自身的剩余能量高低被选取为簇头或者簇内成员，进而形成车载簇形网络结构；车载网络中的车辆节点初始能量都不完全相同，各个车辆节点ni的初始能量设为E0(1+ai)，在[E0,E0(1+amax)]区间内随机分布，整个车载网络中所有车辆节点的总初始能量如公式(1)所示：
其中，ai为能量的倍数，E0是初始能量的最小值，E0(1+amax)是初始能量的最大值；
2-2)簇头车辆节点的总能耗：车载网络中，作为簇头的车辆节点在簇头选举的每轮运作周期内，会消耗相应的能量，簇头车辆节点的总能耗如公式(2)所示：
其中，与基站进行通信所消耗的能量Ee，与簇内车辆节点间的通信能耗Ec，簇头收集簇内车辆节点的相应信息进行融合所需要的能耗Em，N为车载网络中的总车辆节点数，k为簇头的数量，Eelec为发送或接收单位比特电路的能耗，EDA为簇头对收集到的信息进行融合的单位比特信息的能耗，
为簇头距离基站的平均距离，d0为通信距离的阀值，当d＜d0，车辆节点的功率放大采用自由空间环境下的能耗模型，当d≥d0，车辆节点的功率放大采用多路径情况下的能耗模型，其中
εf、εmp分别为数据在传输时的功率放大倍数；
2-3)簇头车辆节点与基站间的平均距离：以交通信号灯为原点，建立直角坐标系，即基站在原点处，可得簇头车辆节点与基站间的平均距离如公式(3)所示：
其中，(x0,y0)表示基站的位置坐标，A表示整个车载网络区域的面积大小，且A＝m2；
2-4)每轮运作周期内簇内成员与簇头间通信的能耗：簇内成员将自身的数据信息通过V2V通信发送给簇头节点，因此簇内成员与簇头节点间的平均距离dCH要小于通信距离阀值d0，则在每轮运作周期内簇内成员与簇头间通信的能耗如公式(4)所示：
ECH＝lEelec+lεfdCH 2 (4)；
2-5)平均每轮周期内单个簇的总能耗如公式(5)所示：
2-6)平均每轮周期整个车载网络的总能耗如公式(6)所示：
2-7)车辆节点ni成为簇头的平均概率：整个车辆网络的分簇过程，以“轮”为工作周期，各个车辆节点的初始能量各不相同，在每轮选举簇头之后，剩余的能量也不相同，车辆节点ni成为簇头的平均概率如公式(7)所示：
其中，Ei(r)、
分别表示第r轮时车辆节点ni的剩余能量以及车载网络的平均剩余能量，popt表示簇头车辆节点占所有车辆节点的比例，r表示当前选举过程的轮次，ds表示车辆节点ni与汇聚节点间的距离；
2-8)改进后的阀值公式：改进后的分簇方案为了均衡车载网络的整体能耗，使自身拥有较高剩余能量的车辆节点能够优先成为簇头，将车辆节点自身剩余能量与车载网络的平均能量之比，以及最佳簇头数量因子添加到阀值公式中，改进后的阀值公式如公式(8)所示：
其中，G表示所有车辆节点中上一轮未被选中为簇头的车辆节点，最佳簇头数量表示为
2-9)通信时延TD：车载通信网络中的信息传输分为两个阶段，即等待和传输，则存在相应的时延问题，有等待时延和传输时延两个部分，通信时延TD如公式(9)所示：
TD＝Tw+Tt (9)，
其中，Tw是等待时延，Tt是传输时延；
2-10)信息分布律：簇头车辆节点在广播时，信息到达率为λ，在一个时间段τ内，发出u条信息，信息分布律如公式(10)所示：
其中，N(t)表示广播信息时发出信息的数量；
2-11)一个广播周期内的信息总量满足公式(11)：
其中，E(u)表示信息广播的周期内信息个数的均值，Cx表示每条信息所含的信息量，C表示信道容量；
2-12)相应信道忙时的概率：信息从基站通过簇头车辆节点转发广播给其他车辆节点，相应信道忙时的概率如公式(12)所示：
其中，Vi表示簇内的车辆节点数目；
2-13)平均等待时延：则在信息广播的周期内，平均等待时延如公式(13)所示：
其中，μf表示平均服务率；
2-14)簇头车辆对消息进行转发而产生的传输时延：当基站收到各簇头收集的车辆信息，将汇总的信息及道路情况发送给簇头车辆节点，簇头车辆节点收到信息后，向簇内车辆节点进行广播，在此期间，簇头车辆对消息进行转发而产生的传输时延如公式(14)所示：
其中，s表示簇头车辆节点传输信息到接收的车辆节点间的距离，ve表示载有信息的电磁波
在信道中的传播速率，ω表示传输信息量的大小，
表示车辆节点间的平均传输速率；
3)如图4所示，交通信号灯的改进配时算法：包括：
3-1)各交通灯相位车流量与交叉路口处总车流量比之和：十字交叉路口有东、南、西、北四个方位的道路，每一个方位的道路都有车辆进口道和出口道，每条进口道都含有直行、左转、右转的车道，直行和右转车道的车辆默认同时放行，实际交通情况下，交通信号灯有对应的变化组合，基站会通过V2I通信收到簇头车辆汇总的交通车流信息，通过计算进而对十字交叉路口八个互不冲突的交通信号进行组合设置如图2所示，基站通过V2I通信从簇头处收到实时车流量信息，进而统计出各交通灯相位车流量与交叉路口处总车流量比之和如公式(15)所示：
其中，qp表示交通信号灯各相位的车流量；sp表示交通信号灯各相位的饱和车流量；
3-2)停止线内各个车辆的平均等待时延：十字交叉路口处的交通信号灯，会对来自东、南、西、北四个进口车道的车辆进行调控，设置车辆有次序通过路口的时间，避免交通意外的发生，所以当一部分车辆在交叉路口通行时，会有一部分车辆在停车线内等待通信，避免行驶方向的冲突，停止线内各个车辆的平均等待时延如公式(16)所示：
其中，d表示车辆的平均等待时延，x表示交通信号灯相位的饱和度，是实际流量与可通过交叉路口的最大流量之比，q表示路口处车辆的到达率，c表示交通信号灯周期时长，λ表示交通信号灯相位的绿信比，即车辆可通行的绿灯时间占信号灯总周期时间的比值；
3-3)改进后的各个车辆平均等待时间：在十字交叉路口处，车辆因为信号灯颜色的转换，红灯亮起时会停止前进，红灯变绿灯亮时会起步通行，而在传统的Webster算法中，对车辆在停止线内的等待时间进行计算时，红灯变绿灯亮时车辆从停车点驶过停止线的时间未被考虑，将这一时间考虑到车辆平均等待时间的公式中，改进后的各个车辆平均等待时间如公式(17)所示：
其中，s1表示车辆停车点到停止线间的距离，s2表示车辆的车身长度，vv表示车辆行驶在交叉路口时的速度；
3-4)十字交叉路口处总等待时间：经过交通信号灯相位配置后的十字交叉路口处，各相位的车流量在停车线内等待时延之和，即十字交叉路口处总等待时间如公式(18)、(19)所示：
其中，dp表示交通信号灯第p相位车辆的平均等待时延，qp表示第p相位的车流量，c表示交通信号灯的周期时长，ymax表示路口处某一相车流量的最大值，LT表示在经过配置后的各相交通信号灯，各相位信号灯的损失时间之和；
3-5)车辆行驶在交叉路口处时延最小的最佳信号周期：通过对停止线内各车辆的平均等待时间关系式进行求导，式中第二、三项忽略不计(是车辆行驶到达停止线的到达率随机产生的误差)，可得车辆行驶在交叉路口处时延最小的最佳信号周期co如公式(20)所示：
3-6)评价周期配时方案的综合指标G：在车辆平均等待时延的公式中，当交通信号灯相位的饱和度x趋近于1时，所得的时延结果并不准确，此时本例考虑停车的因素，引入“停车补偿系数”，将停车次数与车辆延误时间混合在一起，建立评价周期配时方案的综合指标G如公式(21)所示：
G＝D+kH (21)，
其中，D表示路口处所有车辆总时延，H表示第p相位实际车流量与对应饱和车流量的比值，k表示停车补偿系数；
3-7)改进后的车辆时延最短的最佳信号周期：经推导，可得改进后的车辆时延最短的最佳信号周期co如公式(22)所示：
其中，k作为停车补偿系数，按照交通灯配时改进的不同需求可以取不同的值，当取k＝0.4时，表示车辆的耗油量最小；当取k＝0.2时，表示车辆行驶过程中平均运营消耗，包括延误、时延、停车等待最小；当取k＝0时，表示延误最小；
3-8)第p相位的绿灯显示的时间Tp如公式(23)所示：
其中，TNG表示对应交通信号灯周期内非绿灯的时间，lTp表示交通信号灯相位信号所损失的时间；
3-9)第p相位信号灯的绿信比公式简化：为方便计算，第p相位信号灯的绿信比公式简化如公式(24)所示：
3-10)总绿信比如公式(25)所示：
3-11)饱和度x可以表示如公式(26)所示：
其中，xp表示第p相位对应道路车辆的饱和度，Qp表示第p相位对应道路车辆的通行能力，Nv表示路口通过的平均车辆数；
3-12)第p相位对应的道路车辆通行能力如公式(27)所示：
Claims (1)
1.一种基于DEEC分簇的交通灯改进配时方法，其特征在于，包括如下步骤：
1)构建城市中十字交叉路口处车载网络模型：假设N个车辆节点随机地分布在以交通信号灯为原点的m×m大小区域内的十字路口处，在路口正中心的交通信号灯上设置一个小型基站，各车道的车辆按照道路的方向运行，整个车载通信网络的通信包括簇内成员与簇头间进行V2V通信，簇内成员将自身的信息通过V2V通信传递给簇头，簇头将信息汇总后通过V2I通信传递给交通信号灯，簇头通过与交通信号灯的信息交互可以得知前方道路的拥堵、畅通或者有事故发生预警情况，再通过广播的形式传递给簇内成员，交通信号灯通过簇头收集各道路的交通情况后进行相应调度；
2)改进的DEEC分簇算法：包括：
2-1)整个车载网络中所有车辆节点的总初始能量：车载网络中的车辆节点以自身的剩余能量高低被选取为簇头或者簇内成员，进而形成车载簇形网络结构，车载网络中的车辆节点初始能量都不完全相同，各个车辆节点ni的初始能量设为E0(1+ai)，在[E0,E0(1+amax)]区间内随机分布，整个车载网络中所有车辆节点的总初始能量如公式(1)所示：
其中，ai为能量的倍数，E0是初始能量的最小值，E0(1+amax)是初始能量的最大值；
2-2)簇头车辆节点的总能耗：车载网络中，作为簇头的车辆节点在簇头选举的每轮运作周期内，会消耗相应的能量，簇头车辆节点的总能耗如公式(2)所示：
其中，与基站进行通信所消耗的能量Ee，与簇内车辆节点间的通信能耗Ec，簇头收集簇内车辆节点的相应信息进行融合所需要的能耗Em，N为车载网络中的总车辆节点数，k为簇头的数量，Eelec为发送或接收单位比特电路的能耗，EDA为簇头对收集到的信息进行融合的单位比特信息的能耗，
为簇头距离基站的平均距离，d0为通信距离的阀值，当d＜d0，车辆节点的功率放大采用自由空间环境下的能耗模型，当d≥d0，车辆节点的功率放大采用多路径情况下的能耗模型，其中
εf、εmp分别为数据在传输时的功率放大倍数；
2-3)簇头车辆节点与基站间的平均距离：以交通信号灯为原点，建立直角坐标系，即基站在原点处，可得簇头车辆节点与基站间的平均距离如公式(3)所示：
其中，(x0,y0)表示基站的位置坐标，A表示整个车载网络区域的面积大小，且A＝m2；
2-4)每轮运作周期内簇内成员与簇头间通信的能耗：簇内成员将自身的数据信息通过V2V通信发送给簇头节点，因此簇内成员与簇头节点间的平均距离dCH要小于通信距离阀值d0，则在每轮运作周期内簇内成员与簇头间通信的能耗如公式(4)所示：
ECH＝lEelec+lεfdCH 2 (4)；
2-5)平均每轮周期内单个簇的总能耗如公式(5)所示：
2-6)平均每轮周期整个车载网络的总能耗如公式(6)所示：
2-7)车辆节点ni成为簇头的平均概率：整个车辆网络的分簇过程，以“轮”为工作周期，各个车辆节点的初始能量各不相同，在每轮选举簇头之后，剩余的能量也不相同，车辆节点ni成为簇头的平均概率如公式(7)所示：
其中，Ei(r)、
分别表示第r轮时车辆节点ni的剩余能量以及车载网络的平均剩余能量，popt表示簇头车辆节点占所有车辆节点的比例，r表示当前选举过程的轮次，ds表示车辆节点ni与汇聚节点间的距离；
2-8)改进后的阀值公式：使自身拥有较高剩余能量的车辆节点能够优先成为簇头，将车辆节点自身剩余能量与车载网络的平均能量之比，以及最佳簇头数量因子添加到阀值公式中，改进后的阀值公式如公式(8)所示：
其中，G表示所有车辆节点中上一轮未被选中为簇头的车辆节点，最佳簇头数量表示为
2-9)通信时延TD：车载通信网络中的信息传输分为两个阶段，即等待和传输，则存在相应的时延问题，有等待时延和传输时延两个部分，通信时延TD如公式(9)所示：
TD＝Tw+Tt (9)，
其中，Tw是等待时延，Tt是传输时延；
2-10)信息分布律：簇头车辆节点在广播时，信息到达率为λ，在一个时间段τ内，发出u条信息，信息分布律如公式(10)所示：
其中，N(t)表示广播信息时发出信息的数量；
2-11)一个广播周期内的信息总量满足公式(11)：
其中，E(u)表示信息广播的周期内信息个数的均值，Cx表示每条信息所含的信息量，C表示信道容量；
2-12)相应信道忙时的概率：信息从基站通过簇头车辆节点转发广播给其他车辆节点，相应信道忙时的概率如公式(12)所示：
其中，Vi表示簇内的车辆节点数目；
2-13)平均等待时延：在信息广播的周期内，平均等待时延如公式(13)所示：
其中，μf表示平均服务率；
2-14)簇头车辆对消息进行转发而产生的传输时延：当基站收到各簇头收集的车辆信息，将汇总的信息及道路情况发送给簇头车辆节点，簇头车辆节点收到信息后，向簇内车辆节点进行广播，在此期间，簇头车辆对消息进行转发而产生的传输时延如公式(14)所示：
其中，s表示簇头车辆节点传输信息到接收的车辆节点间的距离，ve表示载有信息的电磁波在信道中的传播速率，ω表示传输信息量的大小，
表示车辆节点间的平均传输速率；
3)交通信号灯的改进配时算法：包括：
3-1)各交通灯相位车流量与交叉路口处总车流量比之和：十字交叉路口有东、南、西、北四个方位的道路，每一个方位的道路都有车辆进口道和出口道，每条进口道都含有直行、左转、右转的车道，直行和右转车道的车辆默认同时放行，实际交通情况下，交通信号灯有对应的变化组合，基站会通过V2I通信收到簇头车辆汇总的交通车流信息，通过计算进而对十字交叉路口八个互不冲突的交通信号进行组合设置，基站通过V2I通信从簇头处收到实时车流量信息，进而统计出各交通灯相位车流量与交叉路口处总车流量比之和如公式(15)所示：
其中，qp表示交通信号灯各相位的车流量；sp表示交通信号灯各相位的饱和车流量；
3-2)停止线内各个车辆的平均等待时延：十字交叉路口处的交通信号灯，会对来自东、南、西、北四个进口车道的车辆进行调控，设置车辆有次序通过路口的时间，当一部分车辆在交叉路口通行时，会有一部分车辆在停车线内等待通信，停止线内各个车辆的平均等待时延如公式(16)所示：
其中，d表示车辆的平均等待时延，x表示交通信号灯相位的饱和度，是实际流量与可通过交叉路口的最大流量之比，q表示路口处车辆的到达率，c表示交通信号灯周期时长，λ表示交通信号灯相位的绿信比，即车辆可通行的绿灯时间占信号灯总周期时间的比值；
3-3)改进后的各个车辆平均等待时间：在十字交叉路口处，车辆因为信号灯颜色的转换，红灯亮起时会停止前进，红灯变绿灯亮时会起步通行，改进后的各个车辆平均等待时间如公式(17)所示：
其中，s1表示车辆停车点到停止线间的距离，s2表示车辆的车身长度，vv表示车辆行驶在交叉路口时的速度；
3-4)十字交叉路口处总等待时间：经过交通信号灯相位配置后的十字交叉路口处，各相位的车流量在停车线内等待时延之和，即十字交叉路口处总等待时间如公式(18)、(19)所示：
其中，dp表示交通信号灯第p相位车辆的平均等待时延，qp表示第p相位的车流量，c表示交通信号灯的周期时长，ymax表示路口处某一相车流量的最大值，LT表示在经过配置后的各相交通信号灯，各相位信号灯的损失时间之和；
3-5)车辆行驶在交叉路口处时延最小的最佳信号周期：通过对停止线内各车辆的平均等待时间关系式进行求导，式中第二、三项忽略不计即是车辆行驶到达停止线的到达率随机产生的误差，可得车辆行驶在交叉路口处时延最小的最佳信号周期co如公式(20)所示：
3-6)评价周期配时方案的综合指标G：在车辆平均等待时延的公式中，当交通信号灯相位的饱和度x趋近于1时，所得的时延结果并不准确，引入“停车补偿系数”，将停车次数与车辆延误时间混合在一起，建立评价周期配时方案的综合指标G如公式(21)所示：
G＝D+kH (21)，
其中，D表示路口处所有车辆总时延，H表示第p相位实际车流量与对应饱和车流量的比值，k表示停车补偿系数；
3-7)改进后的车辆时延最短的最佳信号周期：改进后的车辆时延最短的最佳信号周期co如公式(22)所示：
其中，k作为停车补偿系数，按照交通灯配时改进的不同需求可以取不同的值，当取k＝0.4时，表示车辆的耗油量最小；当取k＝0.2时，表示车辆行驶过程中平均运营消耗即包括延误、时延、停车等待最小，当取k＝0时，表示延误最小；
3-8)第p相位的绿灯显示的时间Tp如公式(23)所示：
其中，TNG表示对应交通信号灯周期内非绿灯的时间，lTp表示交通信号灯相位信号所损失的时间；
3-9)第p相位信号灯的绿信比公式简化：第p相位信号灯的绿信比公式简化如公式(24)所示：
3-10)总绿信比如公式(25)所示：
3-11)饱和度x表示如公式(26)所示：
其中，xp表示第p相位对应道路车辆的饱和度，Qp表示第p相位对应道路车辆的通行能力，Nv表示路口通过的平均车辆数；
3-12)第p相位对应的道路车辆通行能力如公式(27)所示：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111224192.0A CN113870592A (zh) | 2021-10-20 | 2021-10-20 | 一种基于deec分簇的交通灯改进配时方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111224192.0A CN113870592A (zh) | 2021-10-20 | 2021-10-20 | 一种基于deec分簇的交通灯改进配时方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113870592A true CN113870592A (zh) | 2021-12-31 |
Family
ID=78996729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111224192.0A Pending CN113870592A (zh) | 2021-10-20 | 2021-10-20 | 一种基于deec分簇的交通灯改进配时方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113870592A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116403419A (zh) * | 2023-06-07 | 2023-07-07 | 贵州鹰驾交通科技有限公司 | 基于车路协同的交通灯控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104754592A (zh) * | 2013-12-31 | 2015-07-01 | 北京大唐高鸿软件技术有限公司 | 一种适用于城市道路环境的车载短距离通信网络分簇方法 |
| CN107610487A (zh) * | 2017-08-23 | 2018-01-19 | 南京邮电大学 | 基于动态随机车流相位差协调机制的区域交通控制系统和方法 |
| CN108012244A (zh) * | 2017-11-29 | 2018-05-08 | 南京工业大学 | 基于簇的公路车载自组织网络数据服务通信系统及方法 |
| CN110164147A (zh) * | 2019-05-24 | 2019-08-23 | 南京邮电大学 | 一种基于改进遗传算法的智能交通信号灯调控方法 |
| CN111311932A (zh) * | 2020-03-02 | 2020-06-19 | 哈尔滨工程大学 | 一种基于车联网区块链的智能交通灯配时方法 |
| CN112559272A (zh) * | 2020-12-25 | 2021-03-26 | 北京百度网讯科技有限公司 | 车载设备的质量信息确定方法、装置、设备及存储介质 |
-
2021
- 2021-10-20 CN CN202111224192.0A patent/CN113870592A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104754592A (zh) * | 2013-12-31 | 2015-07-01 | 北京大唐高鸿软件技术有限公司 | 一种适用于城市道路环境的车载短距离通信网络分簇方法 |
| CN107610487A (zh) * | 2017-08-23 | 2018-01-19 | 南京邮电大学 | 基于动态随机车流相位差协调机制的区域交通控制系统和方法 |
| CN108012244A (zh) * | 2017-11-29 | 2018-05-08 | 南京工业大学 | 基于簇的公路车载自组织网络数据服务通信系统及方法 |
| CN110164147A (zh) * | 2019-05-24 | 2019-08-23 | 南京邮电大学 | 一种基于改进遗传算法的智能交通信号灯调控方法 |
| CN111311932A (zh) * | 2020-03-02 | 2020-06-19 | 哈尔滨工程大学 | 一种基于车联网区块链的智能交通灯配时方法 |
| CN112559272A (zh) * | 2020-12-25 | 2021-03-26 | 北京百度网讯科技有限公司 | 车载设备的质量信息确定方法、装置、设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116403419A (zh) * | 2023-06-07 | 2023-07-07 | 贵州鹰驾交通科技有限公司 | 基于车路协同的交通灯控制方法 |
| CN116403419B (zh) * | 2023-06-07 | 2023-08-25 | 贵州鹰驾交通科技有限公司 | 基于车路协同的交通灯控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nafi et al. | A VANET based intelligent road traffic signalling system | |
| CN108012244B (zh) | 基于簇的公路车载自组织网络数据服务通信系统及方法 | |
| CN107730926A (zh) | 一种智能交通控制方法、装置及系统 | |
| CN106683448B (zh) | 一种基于cps的道路信号灯控制系统及其方法 | |
| CN113593258B (zh) | 基于车路协同的信号配时与车速动态协调控制优化方法 | |
| CN111932916B (zh) | 一种城市道路动态应急车道的控制方法及控制系统 | |
| CN112767715B (zh) | 一种交叉路口交通信号灯与智能网联汽车的协同控制方法 | |
| US11941979B2 (en) | Traffic light control method for urban road network based on expected return estimation | |
| WO2014036819A1 (zh) | 一种汽车前方有限区域实时交通信息的采集和传输方法 | |
| Sharma et al. | Transmission rate-based congestion control in vehicular ad hoc networks | |
| Shi et al. | There is a will, there is a way: A new mechanism for traffic control based on VTL and VANET | |
| CN110428618A (zh) | 基于VANETs的双向车道拥堵检测及信息转发方法 | |
| CN114999207B (zh) | 一种智能网联环境下的公交车生态迫近引导方法 | |
| CN110830960A (zh) | 一种基于v2v车联网的紧急消息广播方法 | |
| CN113870592A (zh) | 一种基于deec分簇的交通灯改进配时方法 | |
| Rapelli et al. | A distributed V2V-based virtual traffic light system | |
| CN105844370A (zh) | 基于粒子群算法的城市道路车辆连通度优化方法 | |
| AU2021103022A4 (en) | A Method of Controlling Traffic Light Based on Fog Computing and Reinforcement Learning | |
| Xu et al. | A queue-length-based detection scheme for urban traffic congestion by VANETs | |
| Sheu et al. | A distributed taxi hailing protocol in vehicular ad-hoc networks | |
| CN107889077B (zh) | 一种基于车联网技术的快速数据传输方法 | |
| CN101662841A (zh) | 一种基于双向弯道交通指挥系统的wsn mac协议 | |
| Li et al. | Dynamic traffic light control scheme for reducing CO2 emissions employing ETC technology | |
| CN114038201B (zh) | 一种基于效率的无交通灯交叉路口有人车辆调度方法 | |
| CN110049467B (zh) | 一种基于不同信号灯状态的区域分簇方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20211231 |