CN114419904B - 一种基于车路云协同的信号机控制系统及控制方法 - Google Patents
一种基于车路云协同的信号机控制系统及控制方法 Download PDFInfo
- Publication number
- CN114419904B CN114419904B CN202111631002.7A CN202111631002A CN114419904B CN 114419904 B CN114419904 B CN 114419904B CN 202111631002 A CN202111631002 A CN 202111631002A CN 114419904 B CN114419904 B CN 114419904B
- Authority
- CN
- China
- Prior art keywords
- data
- control system
- road side
- traffic
- road
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000005111 flow chemistry technique Methods 0.000 claims description 2
- 238000007499 fusion processing Methods 0.000 claims description 2
- 230000011664 signaling Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Abstract
本发明公开了一种基于车路云协同的信号机控制系统，通过路侧RSU和感知设备采集交通参与者的数据、每个车道排队长度、通行平均速度、通过路口的平均时长，并将所采集的数据传输给路侧MEC设备；路侧MEC设备实时接收其采集的数据及经过的网联车联的运行数据，并对其进行处理；路侧MEC设备将处理后的数据通过信号机传输给云控平台控制系统；云控平台控制系统根据接收的数据，实时计算路口多个方向的信号机最优配时方案，并以预设的时间粒度定时调整信号机配时。本发明的有益效果是：在现有信号机系统的基础上利用智能交通相关技术实现了局部路口信号机配时人工智能化，通过动态优化信号机配时，让路口通行效率最大化,改善整个路网的交通状况。
Description
技术领域
本发明属于智能交通技术领域，尤其涉及一种基于车路云协同的信号机控制系统。
背景技术
随着城市化进程，道路越建越多，车辆拥堵情况越发严重，特别在重点路段和路口。其中对于信号机、车道全局优化和动态调整是交管部门主要手段，常用的方法有：信号机分时配时、多个信号机组成绿波、动态可变车道等，这些方法从一定程度上缓解了路口的交通拥堵排队的情况；但是，这些方法存在一定局限性，都是依据人们的经验值总结出来的，不具有通用性，且不能根据实时路口的交通状态，更有效动态调整信号机配时。
鉴于此，现有技术中对此进行了研究；如专利申请CN210155839U公开了一种基于5G车联网的滤波通行系统，其结合实时车辆信息和红绿灯信息，通过网联式交互，增加车辆协同感知范围，便于车辆实时作出正确驾驶决策和调整灯态信息，来保证行驶方向多个路口连续性绿波；但其存在的问题是以车为核心，并没有考虑到道路其他交通参与者(如非机动车等)，片面的为了增加单车的通行时长，并没有整体解决路口的通行时长，因此并不能达到实时根据路口交通状态动态调整信号机配时的问题。
发明内容
为解决上述技术问题，本发明提供了一种基于车路云协同的信号机控制系统，在道路全时空范围内单一交通路口多个方向根据交通参与者的流量情况动态调整信号机配时，达到单一路口通行效率最大化。
本发明所述的一种基于车路云协同的信号机控制系统，包括路侧MEC设备、道路感知设备、信号机、路侧RSU、云控平台控制系统以及网联车辆；
所述网联车辆通过与路侧RSU通信实现与路侧MEC设备数据交互；
所述道路感知设备采集每个车道排队长度、通行平均速度、通过路口的平均时长并传输路侧MEC设备；
路侧MEC设备接收道路感知设备及路侧RSU传输的数据，对道路感知设备传输的不同类型的数据进行融合处理，将融合后的数据及原始数据通过信号机发送给云控平台控制系统；
云控平台控制系统根据接收的数据，实时计算路口多个方向的信号机最优配时方案，并以预设的时间粒度定时调整信号机配时。
采用上述基于车路云协同的信号机控制系统的控制方法，步骤为：
步骤1、路侧RSU基于LTE-V2X通信技术实时收集网联车的运行状态，包含且不仅限于：位置、速度、加速度、方向角，并根据高精度地图计算车辆所在的车道；
步骤2、路侧MEC外接道路感知设备，实时收集并融合相关感知数据，并标记相关交通参与者及相关参数；
步骤3、路侧MEC以1Hz的频率采集路口的信号机各方向的相位数据；
步骤4、路侧MEC通过信号机将步骤1、步骤2和步骤3所得到的数据实时上报给云控平台控制系统，数据上报的频率不低于亚秒级；
步骤5、云控平台控制系统采用实时流式处理方法，以滑动窗口时间为基本粒度，统计路口各方向的交通参与者实时通行流量和排队情况；
步骤6、云控平台控制系统根据计算因子的优先级，在整个全局范围要求的前期下，实时计算路口各方向的信号机配时方案；
步骤7、以一定时间粒度将新配时方案提交，通过人工或云控平台控制系统审核，并将经过审核的新配时方案传输给路侧MEC执行，控制信号机各方向的相位时长。
进一步的，步骤1中，路侧MEC从云控平台下载高精度地图，并通过路侧RSU实时广播给附近通过的网联车辆，网联车辆根据自身的地址位置信息，结合高精度地图判断出其所在的车道。
进一步的，步骤2中，道路感知设备采集的数据为视频数据和雷达扫描数据，通过模糊方法，将上述视频数据和雷达扫描数据融合为一组数据
进一步的，步骤6中，云控平台信号机控制系统接收路侧MEC融合输入，综合计算多个因子，以一定的滑动窗口时间实时计算路口多个方向的信号机最优配时方案，并以小于滑动窗口的预设时间粒度定时调整信号机配时；
路口方向配时方案公式为：
其中，Vq为车辆排队长度，Vt车辆通行平均时长，Vr为车辆因子占比，Pq为行人排队长度，Pt为行人通行平均时长，Pr为行人因子占比，Nq为非机动车排队长度，Nt为非机动车通行平均时长，Nr为非机动车因子占比，Rp为路口通行优先级；Tn为时间因子。
进一步的，步骤6中，所述计算因子的优先级为：路口通行优先级>车辆排队长度>行人排队长度>车辆通行平均时长>行人通行平均时长。
本发明所述的有益效果为：本发明根据计算因子中路口通行优先级可以兼顾到连续性绿灯的问题，特别是在本方向是绿灯，但是没有车时(或者车辆较少时)，可兼顾到另外方向有车辆积压时信号调整；在现有信号机系统的基础上利用智能交通相关技术实现了局部路口信号机配时人工智能化，通过动态优化信号机配时，让路口通行效率最大化,改善整个路网的交通状况。
附图说明
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明。
图1是本发明所述系统的结构示意图；
图2是本发明所述方法的流程图。
具体实施方式
如图1所示，一种基于车路云协同的信号机控制系统，包括路侧MEC设备、道路感知设备、信号机、路侧RSU、云控平台控制系统以及网联车辆；
所述网联车辆通过与路侧RSU通信实现与路侧MEC设备数据交互；
所述道路感知设备采集每个车道排队长度、通行平均速度、通过路口的平均时长并传输路侧MEC设备；
路侧MEC设备接收道路感知设备和路侧RSU传输的数据，并将原始数据和融合数据通过信号机发送给云控平台控制系统；
云控平台控制系统根据接收的数据，实时计算路口多个方向的信号机最优配时方案，并以预设的时间粒度定时调整信号机配时。
采用一种基于车路云协同的信号机控制系统的控制方法，步骤为，
步骤1、路侧RSU基于LTE-V2X通信技术实时收集网联车的运行状态，包含且不仅限于：位置、速度、加速度、方向角，并根据高精度地图计算车辆所在的车道；路侧MEC从云控平台控制系统下载高精度地图，并通过路侧RSU实时广播给附近通过的网联车辆，网联车辆根据自身的地址位置信息，结合高精度地图判断出其所在的车道。
步骤2、路侧MEC外接道路感知设备，实时收集并融合相关感知数据，并标记相关交通参与者及相关参数；
道路感知设备通常采用摄像头、激光雷达或者毫米波雷达组合使用，通过摄像头采集视频数据，根据摄像头的实时视频流数据通过机器学习获取交通参与者标识(如：类型、尺寸、速度和位置等)，通过激光雷达或者毫米波雷达以10Hz的频率实时扫描路面也会获取到一批数据，如物体大小(长宽高)、物体位置(相对)、物体速度、物体类型(人、电动车、轿车、卡车等)；将这两组数据根据多维度标识通过模糊方法进行融合合并为一组数据。所述模糊方法可采用KM算法、AI算法(即K均值聚类、逻辑回归分类)、融合算法(即特征融合法、交叉融合法)，也可采用其他方法进行融合处理。
步骤3、路侧MEC以1Hz的频率采集路口的信号机各方向的相位数据；
步骤4、路侧MEC通过信号机将上述步骤1、2和3所采集的原始数据及融合数据实时上报给云控平台，数据上报的频率不低于亚秒级；
步骤5、云控平台作为统一的数据处理中心，采用实时流式处理方法，以滑动窗口时间为基本粒度，统计路口各方向(直行、左转和右转)的交通参与者实时通行流量和排队情况；
步骤6、根据计算因子的优先级，在整个全局范围要求的前期下，实时计算路口各方向的信号机配时方案；
云控平台信号机控制系统接收路侧MEC融合输入，综合计算多个因子，以一定的滑动窗口时间实时计算路口多个方向的信号机最优配时方案，并以小于滑动窗口的预设时间粒度定时调整信号机配时；
路口方向配时方案公式为：
其中，Vq为车辆排队长度，Vt车辆通行平均时长，Vr为车辆因子占比，Pq为行人排队长度，Pt为行人通行平均时长，Pr为行人因子占比，Nq为非机动车排队长度，Nt为非机动车通行平均时长，Nr为非机动车因子占比，Rp为路口通行优先级；使用最近300个样本数据(大于5分钟)作为统计数据，结合时间因子Tn做加权均值计算；
所述计算因子的优先级为：路口通行优先级>车辆排队长度>行人排队长度>车辆通行平均时长>行人通行平均时长。
步骤7、以一定时间粒度将新配时方案提交，相关管理人员审核对其进行审核或由平台控制系统根据一定策略(如一段特定时间内、或者将来的一段时间内)自动审核，将通过审核的方案发送给MEC设备并实施该方案，控制信号机各方向的相位时长。
云控制平台控制系统的界面实时展现路口的通行状况和信号机状态，将信号机新的配时状态显示在界面上，并与当前信号机状态做出比较，形成动态对比；通过一段时间的运行，以周或者月为单位统计相关新配时方案对于交通通行效率的提升统计情况，并与原有系统作出比较。
本发明调节单一路口的通行问题，充分考虑到道路机动车辆、非机动车辆、行人等多种参与者的问题，根据计算因子中路口通行优先级同时兼顾到连续性绿灯的问题，在没有车时或车辆较少时，可兼顾其他方向有车辆积压时信号调整；通过动态优化信号机配时，让路口通行效率最大化,改善整个路网的交通状况。
以上所述仅为本发明的优选方案，并非作为对本发明的进一步限定，凡是利用本发明说明书及附图内容所作的各种等效变化均在本发明的保护范围之内。
Claims (3)
1.一种基于车路云协同的信号机控制系统的控制方法，其特征在于，所述控制系统包括路侧MEC设备、道路感知设备、信号机、路侧RSU、云控平台控制系统以及网联车辆；所述网联车辆通过与路侧RSU通信实现与路侧MEC设备数据交互；所述道路感知设备采集每个车道排队长度、通行平均速度、通过路口的平均时长并传输路侧MEC设备；路侧MEC设备接收道路感知设备、路侧RSU及信号机传输的数据，对道路感知设备传输的不同类型的数据进行融合处理，将融合后的数据及原始数据发送给云控平台控制系统；云控平台控制系统根据接收的数据，实时计算路口多个方向的信号机最优配时方案，并以预设的时间粒度定时调整信号机配时；
所述控制方法基于上述控制系统实现，包括以下步骤：
步骤1、路侧RSU基于LTE-V2X通信技术实时收集网联车的运行状态，包含且不仅限于：位置、速度、加速度、方向角，并根据高精度地图计算车辆所在的车道；
步骤2、路侧MEC外接道路感知设备，实时收集并融合相关感知数据，并标记相关交通参与者及相关参数；
步骤3、路侧MEC以1Hz的频率采集路口的信号机各方向的相位数据；
步骤4、路侧MEC通过信号机将步骤1、步骤2和步骤3所得到的数据实时上报给云控平台控制系统，数据上报的频率不低于亚秒级；
步骤5、云控平台控制系统采用实时流式处理方法，以滑动窗口时间为基本粒度，统计路口各方向的交通参与者实时通行流量和排队情况；
步骤6、云控平台控制系统根据计算因子的优先级，在整个全局范围要求的前期下，实时计算路口各方向的信号机配时方案；
步骤7、以一定时间粒度将新配时方案提交，通过人工或云控平台控制系统审核，并将经过审核的新配时方案传输给路侧MEC执行，控制信号机各方向的相位时长；
其中，云控平台信号机控制系统接收路侧MEC融合输入，综合计算多个因子，以一定的滑动窗口时间实时计算路口多个方向的信号机最优配时方案，并以小于滑动窗口的预设时间粒度定时调整信号机配时；
路口方向配时方案公式为：
其中，Vq为车辆排队长度，Vt车辆通行平均时长，Vr为车辆因子占比，Pq为行人排队长度，Pt为行人通行平均时长，Pr为行人因子占比，Nq为非机动车排队长度，Nt为非机动车通行平均时长，Nr为非机动车因子占比，Rp为路口通行优先级；Tn为时间因子；
所述计算因子的优先级为：路口通行优先级>车辆排队长度>行人排队长度>车辆通行平均时长>行人通行平均时长。
2.根据权利要求1所述的一种基于车路云协同的信号机控制系统的控制方法，其特征在于，步骤1中，路侧MEC从云控平台控制系统下载高精度地图，并通过路侧RSU实时广播给附近通过的网联车辆，网联车辆根据自身的地址位置信息，结合高精度地图判断出其所在的车道。
3.根据权利要求1所述的一种基于车路云协同的信号机控制系统的控制方法，其特征在于，步骤2中，道路感知设备采集的数据为视频数据和雷达扫描数据，将上述视频数据和雷达扫描数据融合为一组数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111631002.7A CN114419904B (zh) | 2021-12-28 | 2021-12-28 | 一种基于车路云协同的信号机控制系统及控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111631002.7A CN114419904B (zh) | 2021-12-28 | 2021-12-28 | 一种基于车路云协同的信号机控制系统及控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114419904A CN114419904A (zh) | 2022-04-29 |
| CN114419904B true CN114419904B (zh) | 2024-04-02 |
Family
ID=81269979
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111631002.7A Active CN114419904B (zh) | 2021-12-28 | 2021-12-28 | 一种基于车路云协同的信号机控制系统及控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114419904B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114973700B (zh) * | 2022-05-18 | 2024-03-26 | 浙江嘉兴数字城市实验室有限公司 | 一种基于车路协同应用的信号机网联安全装置及工作方法 |
| CN115206105A (zh) * | 2022-07-27 | 2022-10-18 | 北京英泰智科技股份有限公司 | 一种区域交通信号协同控制系统及方法 |
| CN116132998B (zh) * | 2023-03-30 | 2023-07-25 | 江西师范大学 | 一种基于路口中心度的城市边缘服务器部署方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107945540A (zh) * | 2017-10-27 | 2018-04-20 | 清华大学苏州汽车研究院（吴江） | 一种信号灯路口的车路协同控制系统 |
| CN109767630A (zh) * | 2019-04-12 | 2019-05-17 | 江苏广宇科技产业发展有限公司 | 一种基于车路协同的交通信号控制系统 |
| CN210155839U (zh) * | 2019-09-13 | 2020-03-17 | 广州优客科技服务有限公司 | 一种基于5g车联网的绿波通行系统 |
| CN112017437A (zh) * | 2020-09-10 | 2020-12-01 | 北京雷信科技有限公司 | 路口交通信息感知控制系统和方法 |
| CN112102629A (zh) * | 2020-11-19 | 2020-12-18 | 江苏广宇科技产业发展有限公司 | 一种基于信号机、mec和rsu的交通信号配时系统 |
| CN112785859A (zh) * | 2020-12-17 | 2021-05-11 | 漳州职业技术学院 | 一种城市区域信号灯统一配时控制系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019156956A2 (en) * | 2018-02-06 | 2019-08-15 | Cavh Llc | Intelligent road infrastructure system (iris): systems and methods |
-
2021
- 2021-12-28 CN CN202111631002.7A patent/CN114419904B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107945540A (zh) * | 2017-10-27 | 2018-04-20 | 清华大学苏州汽车研究院（吴江） | 一种信号灯路口的车路协同控制系统 |
| CN109767630A (zh) * | 2019-04-12 | 2019-05-17 | 江苏广宇科技产业发展有限公司 | 一种基于车路协同的交通信号控制系统 |
| CN210155839U (zh) * | 2019-09-13 | 2020-03-17 | 广州优客科技服务有限公司 | 一种基于5g车联网的绿波通行系统 |
| CN112017437A (zh) * | 2020-09-10 | 2020-12-01 | 北京雷信科技有限公司 | 路口交通信息感知控制系统和方法 |
| CN112102629A (zh) * | 2020-11-19 | 2020-12-18 | 江苏广宇科技产业发展有限公司 | 一种基于信号机、mec和rsu的交通信号配时系统 |
| CN112785859A (zh) * | 2020-12-17 | 2021-05-11 | 漳州职业技术学院 | 一种城市区域信号灯统一配时控制系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114419904A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114419904B (zh) | 一种基于车路云协同的信号机控制系统及控制方法 | |
| CN110503823B (zh) | 一种自动驾驶车辆专用车道控制系统与方法 | |
| CN105046987B (zh) | 一种基于强化学习的路面交通信号灯协调控制方法 | |
| US11069233B1 (en) | Video-based main road cooperative signal machine control method | |
| CN105894831B (zh) | 智能交通控制装置 | |
| CN104933876B (zh) | 一种自适应智慧城市智能交通信号的控制方法 | |
| CN107564313A (zh) | 高速公路交通拥堵预告系统及预告方法 | |
| 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 | |
| US10699568B1 (en) | Video-based crossroad signal machine control method | |
| CN105427610A (zh) | 一种基于车路协同技术的交通管理方法 | |
| CN111695418A (zh) | 一种基于道路状况检测而进行安全驾驶的方法及系统 | |
| CN111554107B (zh) | 交通管控方法、管理平台、路侧设备及系统 | |
| Razavi et al. | Smart traffic light scheduling in smart city using image and video processing | |
| CN112925309A (zh) | 智能网联汽车数据交互方法及交互系统 | |
| CN112270834A (zh) | 一种应用于5g智慧交通工具的车路人行驶方法及系统 | |
| CN111599193A (zh) | 一种基于车路协同的动态自适应绿波方法 | |
| CN205670385U (zh) | 基于手机无线网的城市交通控制装置 | |
| CN116580565B (zh) | 一种基于云计算的政务大数据分析系统 | |
| CN111754790B (zh) | 一种基于雷达的匝道入口交通控制系统及方法 | |
| CN113823102B (zh) | 软件定义车载网络环境下的自适应信号配时方法 | |
| CN115250284B (zh) | 一种基于物联网云服务的高速作业区安全管控系统 | |
| CN115938141A (zh) | 一种动态识别及智能调整的人行道交通信号灯 | |
| CN115206115A (zh) | 智能网联环境下基于多源数据边缘计算的路网拥堵区管控方法 | |
| CN113592336A (zh) | 一种基于智能化集成系统全域运行态势分析办法 | |
| CN116612636B (zh) | 基于多智能体强化学习的信号灯协同控制方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |