CN114822023B - 一种趋于目标饱和度的交叉口信号配时方案快速生成方法 - Google Patents
一种趋于目标饱和度的交叉口信号配时方案快速生成方法 Download PDFInfo
- Publication number
- CN114822023B CN114822023B CN202210395992.7A CN202210395992A CN114822023B CN 114822023 B CN114822023 B CN 114822023B CN 202210395992 A CN202210395992 A CN 202210395992A CN 114822023 B CN114822023 B CN 114822023B
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- saturation
- combination
- key
- green time
- 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 27
- 229920006395 saturated elastomer Polymers 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 13
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
Classifications
-
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了交通信号领域的一种趋于目标饱和度的交叉口信号配时方案快速生成方法,包括步骤S1:采集交叉口各方向组的交通流参数,定义各方向上的直行交通流与对向上的左转交通流为冲突交通流对;S2:基于交通流量比,统计由各方向组的冲突交通流对构成的关键交通流组合K以及对应的非关键交通流组合Knot,选择流量比之和最大的关键交通流组合K与对应的非关键交通流组合Knot作为目标对象;S3:根据期望饱和度,调整目标对象中的关键交通流组合K中各交通流的绿灯时间,确定信号控制周期;S4:根据期望饱和度和方向绿灯总时间,调整目标对象中的非关键交通流组合Knot中各交通流的绿灯时间。本发明无应用限制,优化结果快且准确。
Description
技术领域
本发明涉及交通信号领域,具体是一种趋于目标饱和度的交叉口信号配时方案快速生成方法。
背景技术
交通信号控制从本质上来说,是对交叉口不同转向交通流的时间通行权的分配,在降低交通冲突、保证通行秩序的前提下,尽可能提高路口各方向的通行能力或通行效率。信号配时方案是信号控制中的重要参数。到目前为止,信号配时的方法可以分为三种:人工经验法、公式法和启发式求解法。
人工经验法是最为传统的方法,在设计初始方案的基础上,通过不断对实际效果的观察逐步调整配时方案,从而得到适应实际场景的最佳方案。但是,该方法耗时长、效率低,难以适应不断变化的交通需求,不利于持续性优化。
公式法,即使用Webster公式直接进行周期的计算和各相位绿灯时间的分配,但是存在应用场景局限,易出现公式失效和方案饱和度过低、绿灯空放严重问题。
启发式求解法则是在给定相位相序的前提下,利用包括遗传算法、模糊控制等在内的启发式算法进行“满意”配时方案的搜索。缺陷在于,启发式求解法往往需要大量的迭代计算,来保证满意解更接近最优解,算法求解耗时较长,且容易陷入局部最优解。
针对现有技术存在的不同程度的缺陷,申请人从交叉口信号配时的关键出发,提出了一种趋于目标饱和度的交叉口信号配时方案快速生成方法。
发明内容
本发明的目的在于提供一种趋于目标饱和度的交叉口信号配时方案快速生成方法,解决当前信号配时方案优化速度慢、限制条件多的问题。
为实现上述目的,本发明提供如下技术方案:
一种趋于目标饱和度的交叉口信号配时方案快速生成方法,包括步骤如下:
S1:采集交叉口各方向组的交通流参数,定义直行交通流与对向的左转交通流为冲突交通流对;
S2:基于交通流量比,统计由各方向组的冲突交通流对构成的关键交通流组合K以及对应的非关键交通流组合Knot,选择流量比之和最大的关键交通流组合K与对应的非关键交通流组合Knot作为目标对象;
S3:根据期望饱和度,调整目标对象中的关键交通流组合K中各交通流的绿灯时间,确定信号控制周期;
S4:根据期望饱和度和方向绿灯总时间,调整目标对象中的非关键交通流组合Knot中各交通流的绿灯时间。
在一些实施例中,S3具体包括以下步骤:
S31:令目标对象中的关键交通流组合K中的各交通流绿灯时间G均为最小绿灯时间
S32:通过以下公式计算各交通流的饱和度R与信号周期C,其中
Gi表示交通流i的绿灯时间;Li表示交通流i的过渡时间;Ri表示交通流i的饱和度;qi表示交通流i的流量;Qi表示交通流i的饱和流量;
S33:判断“C<最大信号周期”是否成立:若成立,则转为S34;若不成立,则转为S35;
S34:选择饱和度最大的交通流x,判断“Rx>期望饱和度”是否成立:若成立,则令Gx=x+1,返回S32;若不成立,则转为S35;
S35:输出关键交通流组合K中的各交通流绿灯时间。
在一些实施例中,S4具体包括以下步骤:
S41:令目标对象中的非关键交通流组合Knot中的各交通流绿灯时间与S35输出的结果相同;
S42:判断非关键交通流组合Knot中冲突交通流对中的最大饱和度是否大于期望饱和度,若大于,则调整最大饱和度对应的交通流绿灯时间增加1s,同时调整该冲突交通流对中的另一个交通流绿灯时间减1s;
S43:重复S42,调整过程中交通流绿灯时间不小于最小绿灯时间,直至最大饱和度小于期望饱和度,或者任一冲突交通流对的调整次数达到最大调整次数M结束,M=C。
本发明至少具有如下有益效果:
(1)通过对交叉口关键交通流组合提取,抓住方案优化的主要矛盾点,优化重点明确,更易满足实际需求;
(2)优化过程模拟人工调优过程,优化方向明确、优化次数非常少,优化所需时间是启发式求解法的万分之一,且优化结果更为准确。
(3)对于不同流量场景,本发明均能提供最优的配时方案,无应用限制。
附图说明
图1为本发明的整体流程图;
图2为本发明的S3的具体流程图;
图3为本发明提供的十字交叉口的示意图。
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。
参见图1,一种趋于目标饱和度的交叉口信号配时方案快速生成方法,包括步骤如下:
S1:采集交叉口各方向组的交通流参数,包括车道信息、交通流绿灯时间、饱和交通流等。定义直行交通流与对向的左转交通流为冲突交通流对。例如,十字交叉路口包括南北与东西两个方向组,南北、东西方向组存在的直行交通流有{Ns,Es,Ss,Ws},左转交通流有{NL,EL,SL,WL}。则南北方向组存在两个冲突交通流对,分别为{NS,SL}和{NL,Ss},东西方向组存在两个冲突交通流对,分别为{Es,WL}和{EL,Ws}。
上述符号E、S、W、N分别代表东(Esat)、南(South)、西(West)、北(North),S代表直行(Straight),L代表左转(Left)。
S2:基于交通流量比,统计由各方向组的冲突交通流对构成的关键交通流组合K以及对应的非关键交通流组合Knot。如图3所示,关键交通流组合K和非关键交通流组合分别由两个方向组上的一个冲突交通流对组成,可得到的组合方式包括如下几种:
a.K={Ns,SL,Es,WL}Knot={NL,Ss,EL,Ws}
b.K={NL,Ss,Es,WL}Knot={Ns,SL,EL,Ws}
c.K={Ns,SL,EL,Ws}Knot={NL,Ss,Es,WL}
d.K={NL,Ss,EL,Ws}Knot={Ns,SL,Es,WL}
依次计算a、b、c、d组合方式中关键交通流组合的流量比之和,流量比之和计算方式如下:
Y表示流量比之和;qi表示交通流i的流量;Qi表示交通流i的饱和流量。
选择流量比之和最大的关键交通流组合K与对应的非关键交通流组合Knot作为目标对象。本步骤的目的在于确定通行压力最大、对交叉口配时方案影响最大的交通流组合,作为首要优化目标,其余交通流组合作为次要优化目标。
S3:根据期望饱和度,调整目标关键交通流组合中各交通流的绿灯时间,确定信号控制周期。具体地,如图2所示,包括步骤如下:
S31:令目标对象中的关键交通流组合K中的各交通流绿灯时间G均为最小绿灯时间本步骤的目的主要在于利用最小边界值定义初始解,并明确优化方向为增加绿灯时间。
S32:通过以下公式计算各交通流的饱和度R与信号周期C,其中
Gi表示交通流i的绿灯时间;Li表示交通流i的过渡时间;Ri表示交通流i的饱和度。本步骤为具体的过程计算方式,采用饱和度和信号周期作为算法终止条件判断的关键值。
S33:判断“C<最大信号周期”是否成立:若成立,则表明未达到周期终止条件,则转为S34,判断是否满足饱和度终止条件;若不成立,则表明当前解的周期等于最大信号周期,达到周期终止条件,结束算法,输出结果,则转为S35;
S34:选择饱和度最大的交通流x,判断“Rx>期望饱和度”是否成立:若成立,则表明该交通流的通行能力不足,也即绿信比偏小,容易发生车辆排队现象,此时令Gx=Gx+1,增加绿灯时间,然后返回S32重新计算;若不成立,表明当前的交通流绿灯时间分配方案下各交通流的饱和度均在目标值以下,交通流通行能力满足需求,可保持通畅运行。然后转为S35;
S35:输出关键交通流组合K中的各交通流绿灯时间。
S4:根据期望饱和度和方向绿灯总时间,调整目标对象中的非关键交通流组合Knot中各交通流的绿灯时间。具体包括步骤如下:
S41:令目标对象中的非关键交通流组合Knot中的各交通流绿灯时间与S35输出的结果相同,本步骤定义了非关键交通流组合的绿灯时间初始解;
S42:判断非关键交通流组合Knot中冲突交通流对中的最大饱和度是否大于期望饱和度,若大于,则调整最大饱和度对应的交通流绿灯时间增加1s,同时调整该冲突交通流对中的另一个交通流绿灯时间减1s;S3完成之后,关键交通流组合绿灯时间已确定,非关键交通流组合中冲突交通流对的绿灯时间之和固定,在优先满足主要关键交通流通行能力的基础上,通过增减操作使非关键交通流组合中冲突交通流的饱和度均小于期望饱和度或达到均衡状态,以实现非关键交通流组合中各交通流的通行能力满足需求,保证通行顺畅。
S43:重复S42,调整过程中交通流绿灯时间不小于最小绿灯时间,直至最大饱和度小于期望饱和度,或者任一冲突交通流对的调整次数达到最大调整次数M结束,M=C。
虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
故以上所述仅为本申请的较佳实施例,并非用来限定本申请的实施范围;即凡依本申请的权利要求范围所做的各种等同变换,均为本申请权利要求的保护范围。
Claims (1)
1.一种趋于目标饱和度的交叉口信号配时方案快速生成方法,其特征在于,包括步骤如下:
S1:采集交叉口各方向组的交通流参数,定义直行交通流与对向的左转交通流为冲突交通流对;
S2:基于交通流量比,统计由各方向组的冲突交通流对构成的关键交通流组合K以及对应的非关键交通流组合Knot,选择流量比之和最大的关键交通流组合K与对应的非关键交通流组合Knot作为目标对象;
S3:根据期望饱和度,调整目标对象中的关键交通流组合K中各交通流的绿灯时间,确定信号控制周期;
S4:根据期望饱和度和方向绿灯总时间,调整目标对象中的非关键交通流组合Knot中各交通流的绿灯时间;
S3具体包括以下步骤:
S31:令目标对象中的关键交通流组合K中的各交通流绿灯时间G均为最小绿灯时间
S32:通过以下公式计算各交通流的饱和度R与信号周期C,其中
Gi表示交通流i的绿灯时间;Li表示交通流i的过渡时间;Ri表示交通流i的饱和度;qi表示交通流i的流量;Qi表示交通流i的饱和流量;
S33:判断“C<最大信号周期”是否成立:若成立,则转为S34;若不成立,则转为S35;
S34:选择饱和度最大的交通流x,判断“Rx>期望饱和度”是否成立:若成立,则令Gx=Gx+1,返回S32;若不成立,则转为S35;
S35:输出关键交通流组合K中的各交通流绿灯时间;
S4具体包括以下步骤:
S41:令目标对象中的非关键交通流组合Knot中的各交通流绿灯时间与S35输出的结果相同;
S42:判断非关键交通流组合Knot中冲突交通流对中的最大饱和度是否大于期望饱和度,若大于,则调整最大饱和度对应的交通流绿灯时间增加1s,同时调整该冲突交通流对中的另一个交通流绿灯时间减1s;
S43:重复S42,调整过程中交通流绿灯时间不小于最小绿灯时间,直至最大饱和度小于期望饱和度,或者任一冲突交通流对的调整次数达到最大调整次数M结束,M=C。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210395992.7A CN114822023B (zh) | 2022-04-15 | 2022-04-15 | 一种趋于目标饱和度的交叉口信号配时方案快速生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210395992.7A CN114822023B (zh) | 2022-04-15 | 2022-04-15 | 一种趋于目标饱和度的交叉口信号配时方案快速生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114822023A CN114822023A (zh) | 2022-07-29 |
CN114822023B true CN114822023B (zh) | 2024-02-27 |
Family
ID=82536462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210395992.7A Active CN114822023B (zh) | 2022-04-15 | 2022-04-15 | 一种趋于目标饱和度的交叉口信号配时方案快速生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114822023B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1452140A (zh) * | 2002-12-30 | 2003-10-29 | 刘业兴 | 交通信号模糊自适应控制系统及其方法 |
CN102122442A (zh) * | 2010-10-26 | 2011-07-13 | 江苏大学 | 叠加相位的平面十字型交叉口定时信号配时方法 |
EP2533224A1 (en) * | 2010-02-01 | 2012-12-12 | Hwyl-hubbl Tech. Development Co., Ltd In Beijing | Traffic signal control system, design method and special equipment |
CN106297329A (zh) * | 2016-08-26 | 2017-01-04 | 南京蓝泰交通设施有限责任公司 | 一种联网信号机的信号配时自适应优化方法 |
CN106781563A (zh) * | 2016-12-27 | 2017-05-31 | 河海大学 | 一种城市快速路交叉口公交优先信号协调配时方法 |
CN109410574A (zh) * | 2018-10-29 | 2019-03-01 | 东南大学 | 一种面向阶段-相位信号控制方案的配时参数优化方法 |
CN111161550A (zh) * | 2020-01-02 | 2020-05-15 | 合肥学院 | 交叉口控制时段与相位配时设计及闭环校验方法 |
-
2022
- 2022-04-15 CN CN202210395992.7A patent/CN114822023B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1452140A (zh) * | 2002-12-30 | 2003-10-29 | 刘业兴 | 交通信号模糊自适应控制系统及其方法 |
EP2533224A1 (en) * | 2010-02-01 | 2012-12-12 | Hwyl-hubbl Tech. Development Co., Ltd In Beijing | Traffic signal control system, design method and special equipment |
CN102122442A (zh) * | 2010-10-26 | 2011-07-13 | 江苏大学 | 叠加相位的平面十字型交叉口定时信号配时方法 |
CN106297329A (zh) * | 2016-08-26 | 2017-01-04 | 南京蓝泰交通设施有限责任公司 | 一种联网信号机的信号配时自适应优化方法 |
CN106781563A (zh) * | 2016-12-27 | 2017-05-31 | 河海大学 | 一种城市快速路交叉口公交优先信号协调配时方法 |
CN109410574A (zh) * | 2018-10-29 | 2019-03-01 | 东南大学 | 一种面向阶段-相位信号控制方案的配时参数优化方法 |
CN111161550A (zh) * | 2020-01-02 | 2020-05-15 | 合肥学院 | 交叉口控制时段与相位配时设计及闭环校验方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114822023A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108538065B (zh) | 一种基于自适应迭代学习控制的城市主干道协调控制方法 | |
CN112700664B (zh) | 一种基于深度强化学习的交通信号配时优化方法 | |
CN112489464B (zh) | 一种具有位置感知的路口交通信号灯调控方法 | |
CN111915894B (zh) | 基于深度强化学习的可变车道及交通信号协同控制方法 | |
CN110047278B (zh) | 一种基于深度强化学习的自适应交通信号控制系统及方法 | |
CN109035781B (zh) | 基于路口流向需求的多目标交通信号方案优化配置方法 | |
CN110701298B (zh) | 一种自动换挡的控制方法、装置、车辆和存储介质 | |
CN103902783B (zh) | 一种基于广义逆向学习差分算法的排水管网优化方法 | |
CN114822023B (zh) | 一种趋于目标饱和度的交叉口信号配时方案快速生成方法 | |
CN106407559A (zh) | 开关磁阻电机结构参数优化方法及装置 | |
CN104952261A (zh) | 一种单交叉口交通信号优化控制方法 | |
CN111679668A (zh) | 一种基于新的时距策略的网络化自主车队的跟随控制方法 | |
CN112365713B (zh) | 一种主支路交叉口信号配时优化方法 | |
CN105355035A (zh) | 基于交通配流分布差异制定的交通疏导方法 | |
CN112309147A (zh) | 基于组合控制策略的交通信号灯实时控制方法及系统 | |
CN112735150B (zh) | 一种路口级场景化控制策略的实现方法 | |
CN116758767B (zh) | 基于多策略强化学习的交通信号灯控制方法 | |
CN105931474A (zh) | 一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法 | |
CN105334730A (zh) | 加热炉氧含量的iga优化t-s模糊arx建模方法 | |
CN110969846B (zh) | 一种基于双向带宽的和最大的相位差优化方法 | |
CN115503507A (zh) | 一种纯电动四驱扭矩分配方法、系统及车辆 | |
CN113238486A (zh) | 一种自适应的多机水电站调速器参数调控方法 | |
CN112634619B (zh) | 基于自适应遗传算法的二型模糊单交叉口控制方法、装置及存储介质 | |
CN107248298B (zh) | 基于交通流状态的道路交通控制方法 | |
CN115457781A (zh) | 一种基于多代理深度强化学习的智能交通信号灯控制方法 |
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 |