CN114464000B - 路口交通灯控制方法、装置、设备和存储介质 - Google Patents
路口交通灯控制方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114464000B CN114464000B CN202210158411.8A CN202210158411A CN114464000B CN 114464000 B CN114464000 B CN 114464000B CN 202210158411 A CN202210158411 A CN 202210158411A CN 114464000 B CN114464000 B CN 114464000B
- Authority
- CN
- China
- Prior art keywords
- traffic
- queuing length
- period
- intersection
- driving direction
- 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
- 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
- G08G1/01—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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/095—Traffic lights
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本申请提出一种路口交通灯控制方法、装置、设备和存储介质。所述方法可以包括:根据所述路口每一行驶方向上的车辆通行流量、初始排队长度、待确定的至少一个周期的信号灯方案,递归预测所述至少一个周期内的排队长度;基于所述至少一个周期内的排队长度、以及基于排队长度预设的优化目标,确定所述至少一个周期的信号灯方案;基于所述至少一个周期的信号灯方案控制所述路口的交通灯。由此可以,使各路口排队长度满足所述优化目标,且可以不依赖人工经验,在减轻了人工工作量的同时,适应路口的实际车流量。
Description
技术领域
本申请涉及计算机技术,具体涉及一种路口交通灯控制方法、装置、设备和存储介质。
背景技术
随着人民生活水平的日渐提升,汽车保有量也随之不断上升,而路口(例如交叉口或丁字路口)的通行能力却很难随之快速上升,这可能导致路口拥堵。当某一路口的流量过大造成拥堵时,不仅会降低路网通行效率,造成排队,延误出行,而且可能会发生排队溢出现象,波及其他路口,提高了事故的风险,同时会扰乱路网的通行,使得拥堵从单路口向四周蔓延。
目前采用以下几种方式通过优化交通灯时长来优化路口排队长度。
第一,基于最小延误的优化,此类方法通常使用incremental queueaccumulation(增量队列积累,IQA),Highway Capacity Manual(高速公路容量指南,HCM)或Webster(韦伯斯特)配时法等交通延误估计模型来估计延误。此类方法的本质是计算到达-离开服务模型中的排队长度,进而估计延误。不少研究已经表明,在路口车流过饱和或者饱和度较高的情况下,队长估计会出现较大的偏差,且交通灯配时会倾向于给长流量较大方向,而忽视了队列长度的影响,从而会造成排队溢出的情况。
第二,基于仿真推演求解,此类模型同样以最小延误为目标,一般基于元胞自动机模型为基础,通过实例推演的方法,配合一些启发式的搜索逻辑,进行暴力求解。该方案求解速度慢,且元胞自动机仿真对于真实交通流环境描述准确能力有限,长时间会出现较大偏差,故不太可取。该优化方法利用单一信号方案处理车流过饱和时段,然而该种方法往往导致路口各方向排队长度单调性变化,难以达到控制排队长度的目的。
第三,基于启发式或自适应的bangbang-control(继电控制)。通过上游线圈判队队列溢出情况,一旦有潜在的队列溢出可能性,便给即将溢出的进口道最大绿灯时间,其他方向最小绿灯时间,以此达到防止溢出的目的。但基于线圈的方式对硬件要求高,布设难度大,损坏后难以维修,且得到的数据噪声较大,因此在很多路口都无法得到准确的各车道线圈数据,也就不适用于优化路口排队长度。
可见,现有路口交通灯控制不合理,容易导致路口排队过长。尤其在路口车辆过饱和状态,没有很好的交通灯控制方案,只能依靠人工经验,布局耗时费力,而且很难适应路口实际车流量。
发明内容
有鉴于此,本申请至少公开一种路口交通灯控制方法。所述方法可以包括:根据所述路口每一行驶方向上的车辆通行流量、初始排队长度、待确定的至少一个周期的信号灯方案,递归预测所述至少一个周期内的排队长度;基于所述至少一个周期内的排队长度、以及基于排队长度预设的优化目标,确定所述至少一个周期的信号灯方案;基于所述至少一个周期的信号灯方案控制所述路口的交通灯。
在一些实施例中,所述根据所述路口每一行驶方向上的车辆通行流量、初始排队长度、待确定的至少一个周期的信号灯方案,递归预测所述至少一个周期内的排队长度,包括:根据所述路口每一行驶方向上的车辆通行流量,确定每一行驶方向上产生的交通波波速;根据所述交通波波速确定每一行驶方向上的排队长度的变化速度;根据所述变化速度和所述初始排队长度,递归得到每一所述行驶方向上,所述至少一个周期中每一周期分别对应的预测排队长度。
在一些实施例中,所述交通波包括停车波,消散波,集结波;所述车辆通行流量包括到达车流量和饱和车流量;所述根据所述路口每一行驶方向上的车辆通行流量,确定每一行驶方向上产生的交通波波速,包括:针对每一所述行驶方向执行以下步骤:获取所述行驶方向上的到达车流量与到达车辆密度,所述行驶方向上为车辆饱和状态时预设的饱和车流量与饱和密度,以及所述行驶方向上为车辆拥堵状态时预设的停车密度;基于所述到达车流量、所述到达车辆密度与所述停车密度,得到停车波波速;基于所述饱和车流量、所述饱和密度与所述停车密度,得到消散波波速;基于所述到达车流量、所述饱和车流量,所述到达车辆密度与所述饱和密度,得到集结波波速。
在一些实施例中,所述获取所述行驶方向上的到达车辆密度,包括:基于交通基本图指示的车辆到达密度、到达车流量、所述饱和车流量以及所述饱和密度之间的约束关系,基于所述到达车流量,所述饱和车流量以及所述饱和密度,得到所述行驶方向上的车辆到达密度。
在一些实施例中,所述信号灯包括红灯与绿灯;所述交通波波速包括停车波波速,消散波波速,集结波波速;所述根据所述交通波波速确定每一行驶方向上的排队长度的变化速度,包括:根据所述消散波波速和所述停车波波速,确定红灯阶段的第一变化速度;根据所述消散波波速与所述集结波波速,确定绿灯阶段的第二变化速度。
在一些实施例中,所述信号灯方案包括红灯时长与绿灯时长;所述根据所述变化速度和所述初始排队长度,递归得到每一所述行驶方向上,所述至少一个周期中每一周期分别对应的预测排队长度,包括:针对每一所述行驶方向执行以下步骤:根据所述第一变化速度和所述第二变化速度、所述至少一个周期中每一周期内的红灯时长与绿灯时长、以及所述初始排队长度,递归得到每一所述周期内红灯结束对应的第一预测排队长度和绿灯结束对应的第二预测排队长度;其中,在红灯阶段,根据上一个绿灯结束时的排队长度,当前红灯时长以及所述第一变化速度,得到所述红灯结束后的第一预测排队长度;在绿灯阶段,根据上一个红灯结束后的排队长度,当前绿灯时长以及所述第二变化速度,得到所述绿灯结束后的第二预测排队长度。
在一些实施例中,所述基于所述至少一个周期内的排队长度、以及基于排队长度预设的优化目标,确定所述至少一个周期的信号灯方案,包括:基于每一所述行驶方向上,每一所述周期内绿灯结束对应的第二预测排队长度以及基于排队长度预设的优化目标,得到每一所述周期内的红灯时长与绿灯时长。
在一些实施例中,所述优化目标包括以下至少一项:最小化每一所述行驶方向的排队长度;每一所述行驶方向的排队长度趋于均衡;每一所述行驶方向的排队长度不会超过预设阈值。
在一些实施例中,所述最小化每一所述行驶方向的排队长度,包括:每一所述行驶方向的排队长度均值趋于第一预设数值;所述每一所述行驶方向的排队长度趋于均衡,包括:每一所述行驶方向的排队长度之间的标准差趋于第二预设数值;每一所述行驶方向的排队长度不会超过预设阈值,包括:每一所述行驶方向的排队长度与所述预设阈值之差小于等于0。
在一些实施例中,所述基于所述至少一个周期的信号灯方案控制所述路口的交通灯时长,包括:从确定的所述至少一个周期的信号灯方案中,选取预设数量个周期的信号灯方案;根据选取的所述预设数量个周期的信号灯方案,控制未来所述预设数量个周期的交通灯时长。
在一些实施例中,每隔预设时长,根据所述路口每一行驶方向上的车辆通行流量,确定所述至少一个周期的信号灯方案;其中,所述至少一个周期的信号灯方案中每一周期的红灯时长相等,绿灯时长也相等;
所述基于所述至少一个周期的信号灯方案控制所述路口的交通灯时长,包括:
根据所述至少一个周期中任一周期内的信号灯方案,控制在所述预设时长内的交通灯时长。
在一些实施例中,所述车辆通行流量包括达车流量;所述到达车流量包括部署在所述路口每一行驶方向上的车流统计设备实时采集到的到达车流量,或者,历史同期到达车流量。
本申请提出一种路口交通灯控制装置。所述装置可以包括:预测模块,用于根据所述路口每一行驶方向上的车辆通行流量、初始排队长度、待确定的至少一个周期的信号灯方案,递归预测所述至少一个周期内的排队长度;确定模块,用于基于所述至少一个周期内的排队长度、以及基于排队长度预设的优化目标,确定所述至少一个周期的信号灯方案;控制模块,用于基于所述至少一个周期的信号灯方案控制所述路口的交通灯。
本申请提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器通过运行所述可执行指令以实现如前述任一实施例示出的所述的路口交通灯控制的方法。
本申请提出一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于使处理器执行如前述任一实施例示出的所述的路口交通灯控制的方法。
前述方案中,可以递归预测路口排队长度,并根据基于排队长度预设的优化目标,对递归预测的路口排队长度进行优化,得到路口排队长度满足所述优化目标时,未来多个红绿灯周期的信号灯方案,从而完成交通灯控制。与相关技术相比,在各种车流状态下均可得到合理的信号灯方案,使各路口排队长度满足所述优化目标,且可以不依赖人工经验,在减轻了人工工作量的同时,适应路口的实际车流量。
应当理解的是,以上所述的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
为了更清楚地说明本申请一个或多个实施例或相关技术中的技术方案,下面将对实施例或相关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申请一个或多个实施例中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例示出的一种路口交通灯控制方法的方法流程示意图;
图2为本申请实施例示出的一种递归预测排队长度方法的流程示意图;
图3为本申请实施例示出的一种交通基本图的示意图;
图4为本申请实施例示出的一种交通波波速计算方法的流程示意图;
图5为本申请实施例示出的一种交通波与排队长度变化关系示意图;
图6为本申请实施例示出的一种交通灯控制方法流程示意图;
图7为本申请实施例示出的一种路口交通灯控制装置的结构示意图;
图8为本申请实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
下面将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的设备和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在可以包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。还应当理解,本文中所使用的词语“如果”,取决于语境,可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请旨在提出一种路口交通灯控制方法。该方法可以包括:根据所述路口每一行驶方向上的车辆通行流量、初始排队长度、待确定的至少一个周期的信号灯方案,递归预测所述至少一个周期内的排队长度;基于所述至少一个周期内的排队长度、以及基于排队长度预设的优化目标,确定所述至少一个周期的信号灯方案;基于所述至少一个周期的信号灯方案控制所述路口的交通灯时长。
前述方案中,可以递归预测路口排队长度,并根据基于排队长度预设的优化目标,对递归预测的路口排队长度进行优化,得到路口排队长度满足所述优化目标时,未来多个红绿灯周期的信号灯方案,从而完成交通灯控制。与相关技术相比,在各种车流状态下均可得到合理的信号灯方案,使各路口排队长度满足所述优化目标,且可以不依赖人工经验,在减轻了人工工作量的同时,适应路口的实际车流量。
请参见图1,图1为本申请实施例示出的一种路口交通灯控制方法的方法流程示意图。图1示出路口交通灯控制方法可以应用于电子设备中。其中,所述电子设备可以通过搭载与路口交通灯控制方法对应的软件逻辑执行所述方法。所述电子设备的类型可以是笔记本电脑,计算机,服务器,手机,掌上电脑(Personal Digital Assistant,PDA)等。在本申请中不特别限定所述电子设备的类型。所述电子设备也可以是客户端设备或服务端设备,在此不作特别限定。
如图1所示,所述方法可以包括S102-S106。除特别说明外,本申请不特别限定这些步骤的执行顺序。
其中,S102,根据所述路口每一行驶方向上的车辆通行流量、初始排队长度、待确定的至少一个周期的信号灯方案,递归预测所述至少一个周期内的排队长度。
所述路口可以是指具有交通灯的任意类型的路口。例如所述路口可以是十字路口,丁字路口,米子路口等。
所述路口可以包括至少一条车道。所述车道只允许车辆按照一个行驶方向行驶。本申请中所述行驶方向是指驶向所述路口的方向。
在一些方式中,可以根据交通波理论进行排队长度的递归预测。由此一方面,可以降低对观测数据的需求,仅需要路口到达车流量数据即可进行交通灯控制,降低了对路口硬件的要求;另一方面,可以在各种车流状态下均可进行排队长度的递归预测,使得本申请提出的路口交通灯控制方法不受车流状态的限制,即在各种车辆状态下均能得到合理的信号灯方案。
请参见图2,图2为本申请实施例示出的一种递归预测排队长度方法的流程示意图。图2示意的步骤为对S102的补充说明。如图2所示,所述方法可以包括S202-S206。除特别说明外,本申请不限定这些步骤的执行顺序。
S202,根据所述路口每一行驶方向上的车辆通行流量,确定每一行驶方向上产生的交通波波速。
所述交通波可以指示由于车流变化在所述路口产生的车辆排队变化情况。所述交通波可以包括停车波,消散波,集结波。在红灯期间由于车辆停止行驶可以产生所述停车波,所述停车波可以引起排队长度增加。在绿灯期间由于车辆启动行驶可以产生所述消散波,所述消散波可以引起排队长度减少。在变更为绿灯之后,由于所述路口继续驶入车辆并汇入排队尾部,新汇入的车辆可以产生所述集结波,所述集结波可以引起排队长度增加,对应使得排队长度消减的速度降低。
以下先介绍一些交通波理论中的常用概念。需要说明的是,本申请中同一概念会使用同一标记。例如,本申请中会使用vq指示停车波波速。本申请不对重复出现的标记做重复解释。
到达车流量,是指单位时间到达所述路口的车辆数量。在本申请中可以用qa来表示。
到达车辆密度,是指车辆到达位置单位面积上的车辆数量。在本申请中可以用ka来表示。
启动车流量,是指车辆在所述路口刚好不发生拥堵的情形下,所述路口单位时间可以通行的最大车流量。在本申请中可以用qs来表示。刚好不发生拥堵,路口出现最大车流量的位置一般出现在车辆由停止变为启动的位置,即车辆启动位置,故将所述最大车流量称为启动车流量。
启动密度,是指车辆启动位置单位面积上的车辆数量。在本申请中可以用ks来表示。
停车车流量,是指在所述路口最拥堵的情形下,所述路口单位时间可以通行的最小车流量。在本申请中可以用qj来表示。可以理解的是,路口最拥堵的情形下一般无法通过车辆,则qj一般为0。路口最拥堵,路口通行车流量为0的位置一般出现在车辆到达变为停止的位置,即车辆停车位置,故将所述最小车流量称为停车车流量。
停车密度,是指车辆停车位置单位面积上的车辆数量。在本申请中可以用kj来表示。
本申请中,将所述到达车流量、启动车流量、停车车流量称为车辆通行流量,将所述到达车辆密度、启动密度、停车密度称为车辆密度。
交通波一般会有传播速度,即交通波波速(本申请简称波速)。本申请中,将停车波波速记为vq,消散波波速记为vd,集结波波速记为vr。
交通波一般会有传播方向。例如,所述停车波的传播方向为从车辆拥堵位置到车辆到达位置。所述消散波的传播方向为从车辆启动位置到车辆拥堵位置。所述集结波的传播方向为从车辆饱和位置到车辆到达位置。
根据波传播的相关原理可知,所述交通波的波速会受到交通波传播方向上的车流量差异与车辆密度差异的影响。根据以上影响,可以得到交通波波速与车辆通行流量(以下简称车流量)和车辆密度之间的关系,根据这些关系即可在已知车流量和车辆密度的情形下,得到交通波波速。
请参见图3,图3为本申请实施例示出的一种交通基本图的示意图。所述交通基本图体现了交通波波速,车流量与车辆密度之间的关系。基于图3可以得到三种交通波波速的计算公式。
如图3所示,横坐标代表路口不同位置的车辆密度,纵坐标代表路口不同位置的车流量。
图3中到达点的车辆密度为ka,车流量为qa。启动点的车辆密度为ks,车流量为qs。停车点的车辆密度为kj。到达点与启动点之间传播集结波,波速为vr。到达点与停车点之间传播停车波,波速为vq。启动点与停车点之间传播消散波,波速为vd。
如图3所示,图3集结波波速可以受到车辆启动位置与车辆到达位置的车流量和车辆密度的影响。消散波波速可以受到车辆启动位置与车辆停车位置的车流量与车辆密度的影响。停车波波速可以受到车辆到达位置与车辆停车位置的影响。
所述交通波波速为交通波传播方向上的车流量差异与车辆密度差异的比值。即:
在S202中,可以获取前述公式(1),(2),(3)所需的已知量,根据前述公式(1),(2),(3)即可得到三种波速。
在一些方式中,由于对于固定的路口,其最大通行量(即启动车流量),最大通行量时候的车辆密度(即启动密度),拥堵时候的车辆密度(即停车密度)也固定,因此可以根据路口的属性数据(例如可以是设计路口时的路口设计数据),即可得到该路口对应的qs,ks,kj。由此可以简化种路口交通灯控制实现难度。
请参见图4,图4为本申请实施例示出的一种交通波波速计算方法的流程示意图。图4示意的步骤为对S202的补充说明。在S202中,可以针对路口的每一所述行驶方向执行图4示出的步骤。如图4所示,所述方法可以包括S402-S408。除特别说明外,本申请不特别限定这些步骤的执行顺序。
S402,获取所述行驶方向上的到达车流量与到达车辆密度,所述行驶方向上为车辆饱和状态时预设的启动车流量与启动密度,以及所述行驶方向上为车辆拥堵状态时预设停车密度。
在一些方式中,这些预设的参数都预先存储在本地或远程数据库中,从所述数据库中可以获取S402中预设的一些参数。
在一些方式中,所述到达车流量包括部署在所述路口每一行驶方向上的车流统计设备实时采集到的到达车流量,或者,统计的历史同期到达车流量。由此可以根据离线数据(历史数据)或在线数据计算波速,从而兼容多种方式进行交通灯时长优化。
所述车流统计设备可以包括带有计数功能的摄像头,或者铺设在路口的线圈。通过这些车流统计设备可以实时获取路口的到达车流量。
所述统计的历史同期到达车流量可以存储在数据库中,通过时间字段,可以获取与计算波速当前时刻同期的历史到达车流量数据。
在一些方式中,可以使用在路口铺设线圈的方式实时获取所述到达车辆密度。不过铺设线圈的方式成本较大,而且不方便维护。
为了解决前述问题,在一些方式中,可以基于交通基本图指示的车辆到达密度、到达车流量、所述饱和车流量以及所述饱和密度之间的约束关系,在已知到达车流量、所述饱和车流量以及所述饱和密度的情形下,得到所述车辆到达密度。由此不需要在路口部署线圈,实现成本低,实施方便。
基于所述公式(4),在已知qa,ks,qs的情形下,即可得到到达车辆密度ka。
获得计算交通波波速所需的已知参数后,可以执行S404-S408。其中,
S404,基于所述到达车流量、所述到达车辆密度与所述停车密度,得到停车波波速。
本步骤中,可以将获取的qa,ka和kj,输入前述公式(3),得到vq。
S406,基于所述启动车流量、所述启动密度与所述停车密度,得到消散波波速。
本步骤中,可以将获取的qs,ks和kj,输入前述公式(2),得到vd。
S408,基于所述到达车流量,所述启动车流量,所述到达车辆密度与所述启动密度,得到集结波波速。
本步骤中,可以将获取的qa,qs,ks和ka,输入前述公式(1),得到vr。
根据S402-S408记载的步骤,可以依据交通波理论,准确地计算出所述路口每一行驶方向上的三种交通波的波速。
S204,根据所述交通波波速确定每一行驶方向上的排队长度的变化速度。
交通灯一般包括红灯,绿灯。
在路口某一行驶方向为红灯时候,由于无法通行,该行驶方向上的排队长度将会有所增加。本申请将在红灯阶段,由于交通波导致的排队长度平均变化速度称为第一变化速度,记为v1,将红灯时长记为Rt。
在路口某一行驶方向为绿灯时候,由于可以通行,该行驶方向上的排队长度一般会有所减少。本申请将在绿灯阶段,由于交通波导致的排队长度平均变化速度称为第二变化速度,记为v2,将绿灯时长记为Gt。
请参见图5,图5为本申请实施例示出的一种交通波与排队长度变化关系示意图。如图5所示,横坐标为时间,横坐标相邻两个点组成的线段表示红灯时长或绿灯时长。纵坐标为在不同时间点的排队长度。需要说明的是,在发生变换交通灯的时刻,交通波还是在传播的,所以排队长度的固定不变的时刻略晚于变换交通灯的时刻。本申请将红灯结束(红灯变更为绿灯)后,排队长度固定后的最长排队长度称为所述第一预测排队长度,将绿灯结束后,排队长度固定后的最短排队长度称为所述第二预测排队长度。
图5中,与横坐标夹角为锐角的第一实线代表停车波,该第一实线的斜率可以理解为停车波波速vq。
红灯变绿灯后,会产生消散波。图5中与横坐标夹角为锐角的虚线代表消散波,该虚线的斜率可以理解为消散波波速vd。所述第一实线与所述虚线的交点P1代表停车波与消散波交汇的点,在该点时刻的排队长度在该红绿灯周期内最长。即P1点为第一个红绿灯周期内,红灯结束后对应的第一预测排队长度。
在P1点后,会产生集结波。图5中与横坐标夹角为钝角的第二实线代表集结波,该第二实线的斜率可以理解为集结波波速vr。在绿灯变红灯后,集结波传播结束,排队长度到达该周期内最短的Q1点。
基于前述原理,基于公式(7)和(8),以及S202得到的交通波的波速即可得到在红灯和绿灯时分别对应的第一变化速度和第二变化速度。
即根据所述消散波波速和所述停车波波速,确定红灯阶段的第一变化速度;根据所述消散波波速与所述集结波波速,确定绿灯阶段的第二变化速度。
S206,根据所述变化速度和所述初始排队长度,递归得到每一所述行驶方向上,所述至少一个周期中每一周期分别对应的预测排队长度。
本申请将红灯结束后的排队长度称为第一预测排队长度,记为Pi,i代表第i个红绿灯周期,将绿灯结束后的排队长度称为第二预测排队长度,记为Qi,i代表第i个红绿灯周期。
在预测Pi时,只要获取前一次绿灯结束后的排队长度Qi-1,红灯时长Rt,以及第一变化速度v1,根据Pi=Qi-1+Rt*v1…………………(5)即可得到Pi。
在预测Qi时,只要获取前一次红灯结束后的排队长度Pi,绿灯时长Gt,以及第二变化速度v2,根据Qi=Pi-Gt*v2…………………(6)即可得到Qi。
基于前述原理,可以针对每一所述行驶方向,递归得到每一所述周期对应的预测排队长度。
在一些方式中,根据所述第一变化速度和所述第二变化速度、所述至少一个周期中每一周期内的红灯时长与绿灯时长、以及所述初始排队长度,递归得到每一所述周期内红灯结束对应的第一预测排队长度和绿灯结束对应的第二预测排队长度;
其中,在红灯阶段,根据上一个绿灯结束时的排队长度,当前红灯时长以及所述第一变化速度,得到所述红灯结束后的第一预测排队长度;
在绿灯阶段,根据上一个红灯结束后的排队长度,当前绿灯时长以及所述第二变化速度,得到所述绿灯结束后的第二预测排队长度。
所述初始排队长度可以是交通灯时长优化周期开始对应的红灯或绿灯结束后的排队长度。所述初始排队长度可以是预先指定的数值(例如可以是0,1,2,3等),或者是实际初始排队长度。
以初始排队长度为绿灯结束后的排队长度为例,则可以记为Q0。
接下来可以开始递归:
根据公式(5)可以递归得到P1=Q0+Rt*v1。
根据公式(6)可以递归得到Q1=P1-Gt*v2。
以此类推,则可以根据公式(5)和(6)一直递归下去,直到得到每一周期红灯结束后的第一预测排队长度与绿灯结束后的第二预测排队长度。
本步骤中,针对每一行驶方向,利用前述公式(5)和(6),均可递归得到每一所述周期内红灯结束对应的第一预测排队长度和绿灯结束对应的第二预测排队长度。
S104,基于所述至少一个周期内的排队长度、以及基于排队长度预设的优化目标,确定所述至少一个周期的信号灯方案。
所述信号灯方案包括每一周期的红绿灯时长。
基于一些优化方法(例如,梯度下降法,拉格朗日乘数法,牛顿法等等),即可得到路口排队长度满足所述优化目标时,未来多个红绿灯周期的信号灯方案。
所述预设的优化目标可以理解为对排队长度的一些约束条件。
在一些实施例中,所述优化目标包括以下至少一项:
最小化每一所述行驶方向的排队长度;
每一所述行驶方向的排队长度趋于均衡;
每一所述行驶方向的排队长度不会超过预设阈值。
基于所述优化目标得到的信号灯方案控制交通灯,可以防止排队溢出,降低排队长度,保持不同车道上的排队均衡,在保证路口不发生排队溢出的同时尽量保证通行效率最优。
本申请将最小化每一所述行驶方向的排队长度称为第一优化目标。与所述第一优化目标对应的第一目标函数记为f1。
在一些方式中,所述最小化每一所述行驶方向的排队长度,包括:每一所述行驶方向的排队长度均值趋于第一预设数值。
即,f1(Q)=Mean(Q)。其中,Q为S102预测出的所述路口每一行驶方向上,每一所述周期对应的预测排队长度,Mean()表示均值函数。第一优化目标为f1(Q)计算结果趋于第一预设数值。所述第一预设数值可以为0,1,2,3等预设常数。通过对f1的优化,可以得到使路口每一行驶方向的排队长度尽量短的红灯时长与绿灯时长。
本申请将每一所述行驶方向的排队长度趋于均衡称为第二优化目标。在一些方式中,与所述第二优化目标对应的第二目标函数记为f2。所述每一所述行驶方向的排队长度趋于均衡,包括:每一所述行驶方向的排队长度之间的标准差趋于第二预设数值。所述第二预设数值可以为0,1,2,3等预设常数。即,f2(Q)=Std(Q)。其中,Q为S102预测出的所述路口每一行驶方向上,每一所述周期对应的预测排队长度,Std()表示标准差函数。第二优化目标为f2(Q)计算结果趋于所述第二预设数值。通过对f2的优化,可以得到使路口各行驶方向的通行均衡的红灯时长与绿灯时长。
本申请将每一所述行驶方向的排队长度不会超过预设阈值称为第三优化目标。与所述第三优化目标对应的第三目标函数记为f3。所述每一所述行驶方向的排队长度不会超过预设阈值,包括:每一所述行驶方向的排队长度与所述预设阈值之差小于等于0。示出的一种方式中,f3(Q)=Max(Q-Qmax,0)。其中,Q为S102预测出的所述路口每一行驶方向上,每一所述周期对应的预测排队长度;Qmax为预设的预设阈值,即基于排队溢出设定的最大排队长度。第三优化目标为f3(Q)计算结果趋于0。通过对f3(Q)的优化,可以得到使路口各行驶方向的排队长度不会溢出(达到预设阈值)的红灯时长与绿灯时长。
S106,基于所述至少一个周期的信号灯方案控制所述路口的交通灯时长。
S106中,可以基于得到的每一所述周期内的红灯时长与绿灯时长,向控制交通灯的控制单元发送控制指令,使得交通灯可以按照优化得到的红灯时长与绿灯时长进行红绿灯交替。
通过S102-S106记载的方案,可以递归预测路口排队长度,并根据基于排队长度预设的优化目标,对递归预测的路口排队长度进行优化,得到路口排队长度满足所述优化目标时,未来多个红绿灯周期的信号灯方案,并基于确定的未来多个周期的信号方案完成交通灯控制。与相关技术相比,在各种车流状态下均可得到合理的信号灯方案,使各路口排队长度满足所述优化目标,且可以不依赖人工经验,在减轻了人工工作量的同时,适应路口的实际车流量。
在一些实施例中,S104中,可以将每一所述行驶方向上,每一所述周期内绿灯结束对应的第二预测排队长度以及基于排队长度预设的优化目标,得到每一所述周期内的红灯时长与绿灯时长。
绿灯结束对应排队最短时的排队长度。将绿灯结束后排队长度尽可能短,排队不超过阈值,各车道排队长度偏差不会太大,比较均衡作为优化条件,优化得到的红绿灯时长更符合实际物理意义。
目前市面上的交通灯指示包括两种工作模式,其一为固定配时模式,其二为任意配时模式。
所述固定配时模式是指,可以每隔预设时长,设置交通灯下一个预设时长内的红绿灯时长,并且该预设时长内的红灯与红灯时长相同,绿灯与绿灯时长相同。所述预设时长可以根据需求进行设定。例如,每隔半小时,可以设置交通灯未来半个小时内的红绿灯时长。
所述任意配时模式是指,可以随时设置交通灯在任意红绿灯周期内的红绿灯时长,并且每一红绿灯周期的红灯时长可以不相同,绿灯时长也可以不相同。例如,可以随时设置交通灯在未来一个或多个红绿灯周期内的红绿灯时长。
在一些实施例中,针对任意配时模式的交通灯,本申请提出一种自适应控制模式。
该自适应模式中,可以基于所述路口每一行驶方向上的车辆通行流量,基于S102-S104得到未来至少一个周期的内的红灯时长与绿灯时长。然后从确定的所述至少一个周期的信号灯方案中,选取预设数量个周期的信号灯方案,并根据选取的所述预设数量个周期的信号灯方案,控制未来所述预设数量个周期的交通灯时长。
由此可以使得灵活控制交通灯时长,使得路口通行效率更佳,并且排队长度更适应路口的实际车流量,达到根据车流量自适应控制交通灯时长的效果。
以所述预设数量为1为例。可以每隔一个红绿灯周期,基于当前的路口达到车流量,根据S102-S104示意的方法优化得到未来至少一个周期(假设20个周期)中每一周期的红绿灯时长,然后可以从中选取未来第一个周期的红绿灯时长作为交通灯在下一个红绿灯周期的红绿灯时长,以达到根据前一红绿灯周期车流量自适应控制下一红绿灯周期交通灯时长的效果。
在一些实施例中,针对固定配时模式的交通灯,本申请提出一种固定控制模式。
该固定模式中,预测得到的至少一个红绿灯周期中各红绿灯周期内的红灯时长相等,绿灯时长也相等。可以每隔预设时长,根据所述路口每一行驶方向上的车辆通行流量,确定所述至少一个周期的信号灯方案,然后根据所述至少一个周期中任一周期内的信号灯方案,控制在所述预设时长内的交通灯时长。
由此可以使得完成针对交通灯的固定配时,使路口通行效率更佳,并且排队长度满足优化条件。
以所述预设时长为30分钟为例。可以每隔30分钟,基于当前的路口达到车流量,根据S102-S104示意的方法优化得到未来至少一个周期(假设20个周期)中每一周期的红绿灯时长。其中,各周期红灯时长与红灯时长相等,绿灯时长与绿灯时长相等。然后可以从中选取任意一个周期的红绿灯时长作为交通灯在未来30分钟内的红绿灯时长,以达到对固定配时模式的交通灯时长优化的效果。
以下结合对十字路口交通灯配时场景为例进行实施例说明。
所述路口包括东南西北四个行驶方向。本实施例以优化南北方向的红灯时长Rt与绿灯时长Gt为例。得到南北方向的红绿灯时长之后,东西方向绿灯时长刚好等于南北方向红灯时长,东西方向红灯时长刚好等于南方方向绿灯时长。
本实施例支持自适应控制与固定控制两种模式,可以根据需要从两种模式中择一。以根据前一个红绿灯周期车流量自适应控制下一周期交通灯为例。请参见图6,图6为本申请实施例示出的一种交通灯控制方法流程示意图。
如图6所示,S601,获取东南西北四个方向当前到达车流量qa。
本步骤中可以根据在路口部署的带有计数功能的摄像头,获取东南西北四个方向当前到达车流量qa,或者获取同期历史数据。
S602,基于交通波理论,计算东南西北四个方向的集结波波速vr,消散波波速vd,停车波波速vq。
本步骤中,可以针对每一行驶方向执行:
获取所述行驶方向上为车辆饱和状态时预设的启动车流量qs与启动密度ks,以及所述行驶方向上为车辆拥堵状态时预设的拥堵车流量qj(拥堵车流量为qj0)与停车密度kj;
然后基于公式(4)计算得到所述行驶方向的到达车辆密度ka;
之后分别基于公式(1),(2),(3)分别计算得到vr,vd,vq。
S603,预测东西南北四个方向在未来20个红绿灯周期内每一红绿灯周期对应的预测排队长度。
本实施例中,为了简化计算步骤,可以将公式(5)与公式(7)结合,得到递归公式:
本步骤中,可以针对每一行驶方向执行:
基于S602得到的交通波公式,利用公式(9)和公式(10),递归得到所述20个周期内每一周期中红灯结束后的第一预测排队长度与绿灯结束后的第二预测排队长度。
S604,将东南西北方向20个周期内绿灯结束后的所述第二预测排队长度作为优化模型输入,基于预设优化目标进行模型优化,得到南北方向20个周期内每一周期内的红绿灯时长。
所述预设优化目标可以包括最小化每一所述行驶方向的排队长度;每一所述行驶方向的排队长度趋于均衡;每一所述行驶方向的排队长度不会超过预设阈值。
所述优化模型:J=∑[w1*f1(Q)+w2*f2(Q)+w3*f3(Q)]。
其中,Q为预测出的东南西北方向上,20个周期中每一所述周期内绿灯结束后对应的第二预测排队长度;f1(Q)=Mean(Q);f2(Q)=Std(Q);f3(Q)=Max(Q-Qmax,0)。w1,w2,w3为权重系数,这些权重系数可以为预设值,或者经过优化得到。
本步骤中,可以利用梯度下降法,将所述优化模型J的计算结果优化为趋向于0(前述预设数值),即可完成模型优化,得到南北方向20个周期内每一周期内的红绿灯时长。
S605,从得到的20个周期的红灯时长与绿灯时长中,选取第一个周期内的红灯时长与绿灯时长,作为交通灯南北方向在未来一个周期内的红灯时长与绿灯时长。
基于S601-S605的方法,第一,可以根据交通波理论,预测路口排队长度,以及利用优化模型,进行路口各方向排队长度的最小化,路口各方向排队长度不会超出阈值,路口各方向排队长度均衡等多个目标优化,得到至少一个所述周期的交通灯控制方案,与相关技术相比,可以防止排队溢出,降低排队长度,保持排队均衡,在保证路口不发生排队溢出的同时尽量保证通行效率最优,并且可以不依赖人工经验,在减轻了人工工作量的同时,适应路口的实际车流量。
第二,利用交通波理论预测排队长度,降低了对观测数据的需求,仅需要路口到达车流量数据即可进行交通灯控制,降低了对路口硬件的要求。
第三,可以根据前一红绿灯周期车流量自适应控制下一红绿灯周期交通灯时长,更适应路口的实际车流量。
与所述任一实施例相对应的,本申请还提出一种路口交通灯控制装置。
请参见图7,图7为本申请实施例示出的一种路口交通灯控制装置的结构示意图。如图7所示,所示路口交通灯控制装置700可以包括:
预测模块710,用于根据所述路口每一行驶方向上的车辆通行流量、初始排队长度、待确定的至少一个周期的信号灯方案,递归预测所述至少一个周期内的排队长度;
确定模块720,用于基于所述至少一个周期内的排队长度、以及基于排队长度预设的优化目标,确定所述至少一个周期的信号灯方案;
控制模块730,用于基于所述至少一个周期的信号灯方案控制所述路口的交通灯。
在一些实施例中,所述预测模块710,具体用于:
根据所述路口每一行驶方向上的车辆通行流量,确定每一行驶方向上产生的交通波波速;
根据所述交通波波速确定每一行驶方向上的排队长度的变化速度;
根据所述变化速度和所述初始排队长度,递归得到每一所述行驶方向上,所述至少一个周期中每一周期分别对应的预测排队长度。
在一些实施例中,所述交通波包括停车波,消散波,集结波;所述车辆通行流量包括到达车流量和饱和车流量;
所述预测模块710,具体用于:
针对每一所述行驶方向执行以下步骤:
获取所述行驶方向上的到达车流量与到达车辆密度,所述行驶方向上为车辆饱和状态时预设的饱和车流量与饱和密度,以及所述行驶方向上为车辆拥堵状态时预设的停车密度;
基于所述到达车流量、所述到达车辆密度与所述停车密度,得到停车波波速;
基于所述饱和车流量、所述饱和密度与所述停车密度,得到消散波波速;
基于所述到达车流量、所述饱和车流量,所述到达车辆密度与所述饱和密度,得到集结波波速。
在一些实施例中,所述预测模块710,具体用于:
基于交通基本图指示的车辆到达密度、到达车流量、所述饱和车流量以及所述饱和密度之间的约束关系,基于所述到达车流量,所述饱和车流量以及所述饱和密度,得到所述行驶方向上的车辆到达密度。
在一些实施例中,所述信号灯包括红灯与绿灯;所述交通波波速包括停车波波速,消散波波速,集结波波速;
所述预测模块710,具体用于:
根据所述消散波波速和所述停车波波速,确定红灯阶段的第一变化速度;
根据所述消散波波速与所述集结波波速,确定绿灯阶段的第二变化速度。
在一些实施例中,所述信号灯方案包括红灯时长与绿灯时长;
所述预测模块710,具体用于:
针对每一所述行驶方向执行以下步骤:
根据所述第一变化速度和所述第二变化速度、所述至少一个周期中每一周期内的红灯时长与绿灯时长、以及所述初始排队长度,递归得到每一所述周期内红灯结束对应的第一预测排队长度和绿灯结束对应的第二预测排队长度;
其中,在红灯阶段,根据上一个绿灯结束时的排队长度,当前红灯时长以及所述第一变化速度,得到所述红灯结束后的第一预测排队长度;
在绿灯阶段,根据上一个红灯结束后的排队长度,当前绿灯时长以及所述第二变化速度,得到所述绿灯结束后的第二预测排队长度。
在一些实施例中,所述确定模块720,具体用于:
基于每一所述行驶方向上,每一所述周期内绿灯结束对应的第二预测排队长度以及基于排队长度预设的优化目标,得到每一所述周期内的红灯时长与绿灯时长。
在一些实施例中,所述优化目标包括以下至少一项:
最小化每一所述行驶方向的排队长度;
每一所述行驶方向的排队长度趋于均衡;
每一所述行驶方向的排队长度不会超过预设阈值。
在一些实施例中,所述最小化每一所述行驶方向的排队长度,包括:每一所述行驶方向的排队长度均值趋于第一预设数值;
所述每一所述行驶方向的排队长度趋于均衡,包括:每一所述行驶方向的排队长度之间的标准差趋于第二预设数值;
每一所述行驶方向的排队长度不会超过预设阈值,包括:每一所述行驶方向的排队长度与所述预设阈值之差小于等于0。
在一些实施例中,所述控制模块730,具体用于:
从确定的所述至少一个周期的信号灯方案中,选取预设数量个周期的信号灯方案;
根据选取的所述预设数量个周期的信号灯方案,控制未来所述预设数量个周期的交通灯时长。
在一些实施例中,每隔预设时长,根据所述路口每一行驶方向上的车辆通行流量,确定所述至少一个周期的信号灯方案;其中,所述至少一个周期的信号灯方案中每一周期的红灯时长相等,绿灯时长也相等;
所述控制模块730,具体用于:
根据所述至少一个周期中任一周期内的信号灯方案,控制在所述预设时长内的交通灯时长。
在一些实施例中,所述车辆通行流量包括达车流量;所述到达车流量包括部署在所述路口每一行驶方向上的车流统计设备实时采集到的到达车流量,或者,历史同期到达车流量。
前述方案中,第一,可以根据交通波理论,预测路口排队长度,以及利用优化模型,进行路口各方向排队长度的最小化,路口各方向排队长度不会超出阈值,路口各方向排队长度均衡等多个目标优化,得到至少一个所述周期的交通灯控制方案,与相关技术相比,可以防止排队溢出,降低排队长度,保持排队均衡,在保证路口不发生排队溢出的同时尽量保证通行效率最优,并且可以不依赖人工经验,在减轻了人工工作量的同时,适应路口的实际车流量。
第二,利用交通波理论预测排队长度,降低了对观测数据的需求,仅需要路口到达车流量数据即可进行交通灯控制,降低了对路口硬件的要求。
第三,可以根据前一红绿灯周期车流量自适应控制下一红绿灯周期交通灯时长,更适应路口的实际车流量。
本申请示出的路口交通灯控制装置的实施例可以应用于电子设备上。相应地,本申请公开了一种电子设备,该设备可以包括:处理器。
用于存储处理器可执行指令的存储器。
其中,所述处理器被配置为调用所述存储器中存储的可执行指令,实现前述任一实施例示出的路口交通灯控制的方法。
请参见图8,图8为本申请实施例示出的一种电子设备的硬件结构示意图。
如图8所示,该电子设备可以包括用于执行指令的处理器,用于进行网络连接的网络接口,用于为处理器存储运行数据的内存,以及用于存储路口交通灯控制装置对应指令的非易失性存储器。
其中,所述路口交通灯控制装置的实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在电子设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,除了图8所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的电子设备通常根据该电子设备的实际功能,还可以包括其他硬件,对此不再赘述。
可以理解的是,为了提升处理速度,所述路口交通灯控制装置对应指令也可以直接存储于内存中,在此不作限定。
本申请提出一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序可以用于使处理器执行前述任一实施例示出的路口交通灯控制方法。
本领域技术人员应明白,本申请一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本申请一个或多个实施例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,本申请一个或多个实施例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(可以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。
本申请中的“和/或”表示至少具有两者中的其中一个,例如,“A和/或B”可以包括三种方案:A、B、以及“A和B”。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于数据处理设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的行为或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本申请中描述的主题及功能操作的实施例可以在以下中实现:数字电子电路、有形体现的计算机软件或固件、可以包括本申请中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本申请中描述的主题的实施例可以实现为一个或多个计算机程序,即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地,程序指令可以被编码在人工生成的传播信号上,例如机器生成的电、光或电磁信号,该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
本申请中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行,以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行,并且装置也可以实现为专用逻辑电路。
适合用于执行计算机程序的计算机可以包括,例如通用和/或专用微处理器,或任何其他类型的中央处理单元。通常,中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件可以包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常,计算机还将可以包括用于存储数据的一个或多个大容量存储设备,例如磁盘、磁光盘或光盘等,或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据,抑或两种情况兼而有之。然而,计算机不是必须具有这样的设备。此外,计算机可以嵌入在另一设备中,例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏操纵台、全球定位系统(GPS)接收机、或例如通用串行总线(USB)闪存驱动器的便携式存储设备,仅举几例。
适合于存储计算机程序指令和数据的计算机可读介质可以包括所有形式的非易失性存储器、媒介和存储器设备,例如可以包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
虽然本申请包含许多具体实施细节,但是这些不应被解释为限制任何公开的范围或所要求保护的范围,而是主要用于描述特定公开的具体实施例的特征。本申请内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面,在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外,虽然特征可以如所述在某些组合中起作用并且甚至最初如此要求保护,但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除,并且所要求保护的组合可以指向子组合或子组合的变型。
类似地,虽然在附图中以特定顺序描绘了操作,但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行,以实现期望的结果。在某些情况下,多任务和并行处理可能是有利的。此外,所述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离,并且应当理解,所描述的程序组件和系统通常可以一起集成在单个软件产品中,或者封装成多个软件产品。
由此,主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下,权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外,附图中描绘的处理并非必需所示的特定顺序或顺次顺序,以实现期望的结果。在某些实现中,多任务和并行处理可能是有利的。
以上仅为本申请一个或多个实施例的较佳实施例而已,并不用以限制本申请一个或多个实施例,凡在本申请一个或多个实施例的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请一个或多个实施例保护的范围之内。
Claims (13)
1.一种路口交通灯控制方法,其特征在于,所述方法包括:
根据所述路口每一行驶方向上的车辆通行流量、初始排队长度、待确定的至少一个周期的信号灯方案,递归预测所述至少一个周期内的排队长度;
基于所述至少一个周期内的排队长度、以及基于排队长度预设的优化目标,确定所述至少一个周期的信号灯方案;
基于所述至少一个周期的信号灯方案控制所述路口的交通灯;
所述根据所述路口每一行驶方向上的车辆通行流量、初始排队长度、待确定的至少一个周期的信号灯方案,递归预测所述至少一个周期内的排队长度,包括:
根据所述路口每一行驶方向上的车辆通行流量,确定每一行驶方向上产生的交通波波速;
根据所述交通波波速确定每一行驶方向上的排队长度的变化速度;
根据所述变化速度和所述初始排队长度,递归得到每一所述行驶方向上,所述至少一个周期中每一周期分别对应的预测排队长度;
所述信号灯包括红灯与绿灯;所述交通波波速包括停车波波速,消散波波速,集结波波速;
所述根据所述交通波波速确定每一行驶方向上的排队长度的变化速度,包括:
根据所述消散波波速和所述停车波波速,确定红灯阶段的第一变化速度;
根据所述消散波波速与所述集结波波速,确定绿灯阶段的第二变化速度。
2.根据权利要求1所述的方法,其特征在于,所述交通波包括停车波,消散波,集结波;所述车辆通行流量包括到达车流量和饱和车流量;
所述根据所述路口每一行驶方向上的车辆通行流量,确定每一行驶方向上产生的交通波波速,包括:
针对每一所述行驶方向执行以下步骤:
获取所述行驶方向上的到达车流量与到达车辆密度,所述行驶方向上为车辆饱和状态时预设的饱和车流量与饱和密度,以及所述行驶方向上为车辆拥堵状态时预设的停车密度;
基于所述到达车流量、所述到达车辆密度与所述停车密度,得到停车波波速;
基于所述饱和车流量、所述饱和密度与所述停车密度,得到消散波波速;
基于所述到达车流量、所述饱和车流量,所述到达车辆密度与所述饱和密度,得到集结波波速。
3.根据权利要求2所述的方法,其特征在于,所述获取所述行驶方向上的到达车辆密度,包括:
基于交通基本图指示的车辆到达密度、到达车流量、所述饱和车流量以及所述饱和密度之间的约束关系,基于所述到达车流量,所述饱和车流量以及所述饱和密度,得到所述行驶方向上的车辆到达密度。
4.根据权利要求1所述的方法,其特征在于,所述信号灯方案包括红灯时长与绿灯时长;
所述根据所述变化速度和所述初始排队长度,递归得到每一所述行驶方向上,所述至少一个周期中每一周期分别对应的预测排队长度,包括:
针对每一所述行驶方向执行以下步骤:
根据所述第一变化速度和所述第二变化速度、所述至少一个周期中每一周期内的红灯时长与绿灯时长、以及所述初始排队长度,递归得到每一所述周期内红灯结束对应的第一预测排队长度和绿灯结束对应的第二预测排队长度;
其中,在红灯阶段,根据上一个绿灯结束时的排队长度,当前红灯时长以及所述第一变化速度,得到所述红灯结束后的第一预测排队长度;
在绿灯阶段,根据上一个红灯结束后的排队长度,当前绿灯时长以及所述第二变化速度,得到所述绿灯结束后的第二预测排队长度。
5.根据权利要求4所述的方法,其特征在于,所述基于所述至少一个周期内的排队长度、以及基于排队长度预设的优化目标,确定所述至少一个周期的信号灯方案,包括:
基于每一所述行驶方向上,每一所述周期内绿灯结束对应的第二预测排队长度以及基于排队长度预设的优化目标,得到每一所述周期内的红灯时长与绿灯时长。
6.根据权利要求1所述的方法,其特征在于,所述优化目标包括以下至少一项:
最小化每一所述行驶方向的排队长度;
每一所述行驶方向的排队长度趋于均衡;
每一所述行驶方向的排队长度不会超过预设阈值。
7.根据权利要求6所述的方法,其特征在于,所述最小化每一所述行驶方向的排队长度,包括:每一所述行驶方向的排队长度均值趋于第一预设数值;
所述每一所述行驶方向的排队长度趋于均衡,包括:每一所述行驶方向的排队长度之间的标准差趋于第二预设数值;
每一所述行驶方向的排队长度不会超过预设阈值,包括:每一所述行驶方向的排队长度与所述预设阈值之差小于等于0。
8.根据权利要求1所述的方法,其特征在于,所述基于所述至少一个周期的信号灯方案控制所述路口的交通灯时长,包括:
从确定的所述至少一个周期的信号灯方案中,选取预设数量个周期的信号灯方案;
根据选取的所述预设数量个周期的信号灯方案,控制未来所述预设数量个周期的交通灯时长。
9.根据权利要求1所述的方法,其特征在于,
每隔预设时长,根据所述路口每一行驶方向上的车辆通行流量,确定所述至少一个周期的信号灯方案;其中,所述至少一个周期的信号灯方案中每一周期的红灯时长相等,绿灯时长也相等;
所述基于所述至少一个周期的信号灯方案控制所述路口的交通灯时长,包括:
根据所述至少一个周期中任一周期内的信号灯方案,控制在所述预设时长内的交通灯时长。
10.根据权利要求1-9任一所述的方法,其特征在于,所述车辆通行流量包括到达车流量;所述到达车流量包括部署在所述路口每一行驶方向上的车流统计设备实时采集到的到达车流量,或者,历史同期到达车流量。
11.一种路口交通灯控制装置,其特征在于,所述装置包括:
预测模块,用于根据所述路口每一行驶方向上的车辆通行流量、初始排队长度、待确定的至少一个周期的信号灯方案,递归预测所述至少一个周期内的排队长度;
确定模块,用于基于所述至少一个周期内的排队长度、以及基于排队长度预设的优化目标,确定所述至少一个周期的信号灯方案;
控制模块,用于基于所述至少一个周期的信号灯方案控制所述路口的交通灯;
所述根据所述路口每一行驶方向上的车辆通行流量、初始排队长度、待确定的至少一个周期的信号灯方案,递归预测所述至少一个周期内的排队长度,包括:
根据所述路口每一行驶方向上的车辆通行流量,确定每一行驶方向上产生的交通波波速;
根据所述交通波波速确定每一行驶方向上的排队长度的变化速度;
根据所述变化速度和所述初始排队长度,递归得到每一所述行驶方向上,所述至少一个周期中每一周期分别对应的预测排队长度;
所述信号灯包括红灯与绿灯;所述交通波波速包括停车波波速,消散波波速,集结波波速;
所述根据所述交通波波速确定每一行驶方向上的排队长度的变化速度,包括:
根据所述消散波波速和所述停车波波速,确定红灯阶段的第一变化速度;
根据所述消散波波速与所述集结波波速,确定绿灯阶段的第二变化速度。
12.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器通过运行所述可执行指令以实现如权利要求1-10任一所述的路口交通灯控制的方法。
13.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于使处理器执行如权利要求1-10任一所述的路口交通灯控制的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210158411.8A CN114464000B (zh) | 2022-02-21 | 2022-02-21 | 路口交通灯控制方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210158411.8A CN114464000B (zh) | 2022-02-21 | 2022-02-21 | 路口交通灯控制方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114464000A CN114464000A (zh) | 2022-05-10 |
CN114464000B true CN114464000B (zh) | 2023-04-25 |
Family
ID=81415880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210158411.8A Active CN114464000B (zh) | 2022-02-21 | 2022-02-21 | 路口交通灯控制方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114464000B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973704A (zh) * | 2022-05-19 | 2022-08-30 | 浙江商汤科技开发有限公司 | 信号控制策略的生成方法及装置、设备、存储介质 |
CN115440052B (zh) * | 2022-11-09 | 2023-01-31 | 成都工业职业技术学院 | 一种基于大数据的交通流控制方法及装置 |
CN117576916B (zh) * | 2024-01-17 | 2024-03-22 | 临沂大学 | 一种基于物联网的交通安全监测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017166474A1 (zh) * | 2016-03-29 | 2017-10-05 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及系统 |
CN107886725A (zh) * | 2017-11-16 | 2018-04-06 | 山东交通学院 | 基于卡口数据的排队长度计算方法和装置 |
CN110335459A (zh) * | 2019-04-26 | 2019-10-15 | 同济大学 | 低渗透率车辆轨迹数据的交叉口排队长度估计方法及装置 |
CN113012433A (zh) * | 2021-03-18 | 2021-06-22 | 中国北方车辆研究所 | 车载联网节能辅助驾驶控制方法与系统 |
CN113593222A (zh) * | 2021-07-08 | 2021-11-02 | 同济大学 | 一种多源数据支撑的交通管控诊断方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299432B (zh) * | 2014-10-31 | 2017-11-10 | 青岛海信网络科技股份有限公司 | 一种过饱和路口信号灯控制方法及装置 |
CN105513359B (zh) * | 2016-01-27 | 2018-06-01 | 北京工业大学 | 一种基于智能手机移动检测的城市快速路交通状态估计方法 |
CN108765981B (zh) * | 2018-06-20 | 2021-03-02 | 昆明理工大学 | 一种分车道实时排队长度预测方法 |
US11256964B2 (en) * | 2018-10-11 | 2022-02-22 | Qualcomm Incorporated | Recursive multi-fidelity behavior prediction |
WO2020124305A1 (en) * | 2018-12-17 | 2020-06-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining traffic conditions |
CN109859503B (zh) * | 2019-03-15 | 2021-07-13 | 公安部交通管理科学研究所 | 一种全网绿波协调线路自动识别方法、装置及系统 |
CN110718077B (zh) * | 2019-11-04 | 2020-08-07 | 武汉理工大学 | 一种行动-评价机制下信号灯优化配时方法 |
CN111369816A (zh) * | 2019-11-29 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 可变导向车道通行方向控制方法、装置、电子设备及系统 |
CN111009129B (zh) * | 2020-01-08 | 2021-06-15 | 武汉大学 | 基于时空深度学习模型的城市道路交通流预测方法及装置 |
CN111667701A (zh) * | 2020-05-27 | 2020-09-15 | 北京百度网讯科技有限公司 | 信控设备调整方法和装置 |
CN111951574A (zh) * | 2020-07-29 | 2020-11-17 | 太原理工大学 | 衰减记忆去伪控制的交通信号自适应迭代学习控制方法 |
CN111951549B (zh) * | 2020-08-04 | 2022-03-25 | 内蒙古大学 | 在网联车辆环境下的自适应交通信号灯控制方法及系统 |
CN113851006B (zh) * | 2021-09-01 | 2022-10-21 | 中山大学 | 基于多源数据融合的交叉口实时交通状态估计方法及系统 |
CN113911129B (zh) * | 2021-11-23 | 2023-02-24 | 吉林大学 | 一种基于驾驶行为生成机制的交通车意图识别方法 |
-
2022
- 2022-02-21 CN CN202210158411.8A patent/CN114464000B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017166474A1 (zh) * | 2016-03-29 | 2017-10-05 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及系统 |
CN107886725A (zh) * | 2017-11-16 | 2018-04-06 | 山东交通学院 | 基于卡口数据的排队长度计算方法和装置 |
CN110335459A (zh) * | 2019-04-26 | 2019-10-15 | 同济大学 | 低渗透率车辆轨迹数据的交叉口排队长度估计方法及装置 |
CN113012433A (zh) * | 2021-03-18 | 2021-06-22 | 中国北方车辆研究所 | 车载联网节能辅助驾驶控制方法与系统 |
CN113593222A (zh) * | 2021-07-08 | 2021-11-02 | 同济大学 | 一种多源数据支撑的交通管控诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114464000A (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114464000B (zh) | 路口交通灯控制方法、装置、设备和存储介质 | |
CN110361024B (zh) | 用于利用车辆组标识的动态车道级车辆导航的方法和系统 | |
CN108597235B (zh) | 基于交通视频数据的交叉口信号参数优化及效果评估方法 | |
CN106571030B (zh) | 多源交通信息环境下排队长度预测方法 | |
CN109584539B (zh) | 一种高饱和度路段上下游交叉口间相位差优化方法 | |
CN105023433B (zh) | 一种高速公路交通异常事件影响范围预估方法 | |
CN107886725B (zh) | 基于卡口数据的排队长度计算方法和装置 | |
CN111833620B (zh) | 一种过饱和交通状态干线单向信号协调设计方法与装置 | |
CN104299432A (zh) | 一种过饱和路口信号灯控制方法及装置 | |
US20140058652A1 (en) | Traffic information processing | |
US11162804B2 (en) | Method and system for route determination based on a vehicle and propulsion system characterization | |
CN113380027B (zh) | 一种基于多源数据的交叉口交通状态参数估计方法及系统 | |
CN111275990A (zh) | 一种交通信号控制方法、装置、可读存储介质及终端设备 | |
CN112037540B (zh) | 一种潮汐交通状态干线信号协调设计方法与装置 | |
CN107591011A (zh) | 考虑供给侧约束的交叉口交通信号自适应控制方法 | |
CN113327419B (zh) | 绿波速度确定方法、装置、电子设备和存储介质 | |
CN114202916B (zh) | 单点交叉口交通信号控制方法 | |
CN109993985A (zh) | 交通工具的绿波带行驶状态控制方法、交通工具和存储介质 | |
CN113747364B (zh) | 一种基于5g网络的智能交通导航方法、设备及介质 | |
JP2000231690A (ja) | 旅行時間予測装置 | |
US11941979B2 (en) | Traffic light control method for urban road network based on expected return estimation | |
CN108830401B (zh) | 基于元胞传输模型的动态拥堵收费最优费率计算方法 | |
CN108389404B (zh) | 道路交通拥堵治理方法 | |
CN113823083A (zh) | 一种交通事故影响范围预测方法、装置及计算机存储介质 | |
CN111667083B (zh) | 网约车预估价确定方法和装置 |
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 |