CN114863687B - 一种基于干线绿波的道路交通智能优化方法 - Google Patents
一种基于干线绿波的道路交通智能优化方法 Download PDFInfo
- Publication number
- CN114863687B CN114863687B CN202210786413.1A CN202210786413A CN114863687B CN 114863687 B CN114863687 B CN 114863687B CN 202210786413 A CN202210786413 A CN 202210786413A CN 114863687 B CN114863687 B CN 114863687B
- Authority
- CN
- China
- Prior art keywords
- cycle
- bandwidth
- cycleoffset
- intersection
- splittime
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 230000000737 periodic effect Effects 0.000 claims abstract description 28
- 238000011144 upstream manufacturing Methods 0.000 claims description 21
- 230000002457 bidirectional effect Effects 0.000 claims description 14
- 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 7
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
Images
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
- G08G1/081—Plural intersections under common control
-
- 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
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干线绿波的道路交通智能优化方法，该方法包括：获取目标区域内干线上的所有路口信息，确定所需参数；构建绿波计算模型；将参数输入绿波计算模型，并根据预设的绿波速度，进行绿波计算输出各路口的周期相位差；根据各路口的周期相位差，获取目标区域内干线绿波的单向和双向最大绿波带宽；根据最大绿波带宽，获取最佳相位配时方案，进而实现对道路交通管理的优化；通过智能化的获取干线绿波带宽最大的相位配时方案，节约了人力，提高了道路交通管理的数字化水平。
Description
技术领域
本发明属于道路交通控制领域，特别涉及一种基于干线绿波的道路交通智能优化方法。
背景技术
所谓“绿波”交通，就是在一系列交叉口上，安装一套具有一定周期的自动控制的联动信号，使主干道上的车流依次到达前方各交叉口时，均会遇上绿灯。采取绿波方案的所有路口，其信号控制周期均相等或者成整数倍数。这种“绿波”交通减少车辆在交叉口的停歇，提高了平均行车速度和通行能力。
采用此种交通组织的要求极为严格：交叉口的间距要大致相等，双向行驶车辆的车速要相近，或呈一定倍数的比例关系，才能保证双向车辆到达交叉口时都遇到绿灯。如果某一方向车速过快或过慢，就会提前或延迟到达交叉口，都会遇到红灯，要等候才能进入绿波交通。单向交通的道路组织“绿波”交通，由于没有对向交通的约束，就比较容易实现。
在实际工程中，将做区域绿波控制的路口的信号配时以及路口间距输入到绿波软件工具中，然后通过人工调试，从而得到绿波带宽最大的绿波方案。但此种人工方式并不能保障所调绿波带宽最大，而且耗费人力。
因此，如何智能化的获取干线绿波的单向和双向绿波带宽最大的相位配时方案，节约人力，保障所调绿波带宽最大，进而提高道路交通管理的数字化水平，已成为本领域技术人员亟需解决的技术问题。
发明内容
鉴于上述问题，本发明提供一种至少解决上述部分技术问题的基于干线绿波的道路交通智能优化方法，通过获取干线绿波带宽最佳的相位配时方案，对道路交通进行优化，提高了道路交通管理的数字化水平。包括以下步骤：
S1、获取目标区域内干线上的所有路口信息，确定所需参数；所述路口信息包括：各路口间距、车速、信号控制周期、信号配时信息和协调相位信息；
S2、构建绿波计算模型；
S3、将所述参数输入所述绿波计算模型，并根据预设的绿波速度，进行绿波计算输出各路口的周期相位差；根据各路口的周期相位差，获取所述目标区域内干线绿波的单向和双向最大绿波带宽；
S4、根据所述最大绿波带宽，获取最佳相位配时方案，实现对道路交通管理的优化。
进一步地，所述步骤S1中，所述确定所需参数包括：
1）基本参数：
设置一个路口完整的单个信号控制周期分为阶段A、B、C、D四个阶段，其中，选择阶段C为协调阶段；
Ts：为该路口周期开始时间与首路口周期开始时间的差值；
Te：为该路口周期结束时间与首路口周期开始时间的差值；
ts：为该路口协调阶段开始时间与首路口周期开始时间的差值；
te：为该路口协调阶段结束时间与首路口周期开始时间的差值；
tn：为阶段A和阶段B的阶段时长；
cycle：为周期时长；
splitTime：为协调阶段的绿灯时长；
当路口的协调方向无阶段控制时，splitTime=cycle，其中：
ts=tn+Ts （1）
te=tn+Ts+splitTime=ts+splitTime （2）
cycle=Te-Ts （3）
2）相位差：
周期相位差cycleOffset：cycleOffset=(Ts+cycle)%cycle （4）
协调相位差phaseOffset：phaseOffset=(ts+cycle)%cycle （5）
协调方向的第一个路口的Ts=0；
结合公式（1）-（5）得：
cycleOffset=Te%cycle （6）
PhaseOffset=(Te+tn)%cycle=cycleOffset+tn （7）
3）绿波带宽：
绿波带宽为bandWidth；
两相邻路口间单向最大绿波带宽为min(splitTime 1 ,splitTime 2 )，splitTime 1 为上游路口协调相位绿灯时长，splitTime 2 为下游路口协调相位绿灯时长；或表示为：
bandWidth 1→2=min(te 1 +t 1→2,te 2)-max(ts 1+t 1→2,ts 2) (8)
其中：bandWidth 1→2表示上游路口到下游路口的绿波带宽；
t 1→2=( distance/speed )%cycle，t 1→2表示两相邻路口从上游路口到下游路口的通行时间；distance为两相邻路口距离，speed为车辆平均行驶速度；te 1表示两相邻路口的上游路口周期结束时间与首路口周期开始时间的差值，te 2 表示两相邻路口的下游路口周期结束时间与首路口周期开始时间的差值；ts 1表示两相邻路口的上游路口协调阶段开始时间与首路口周期开始时间的差值，ts 2表示两相邻路口的下游路口协调阶段开始时间与首路口周期开始时间的差值；
为保证两路口之间能生成最大绿波带宽：
当：splitTime 1 ≤splitTime 2
te 1+t 1→2-splitTime 2≤ts 2≤ts 1+t 1→2 （9）
当：splitTime 1 ＞splitTime 2
te 1+t 1→2-splitTime 2≥ts 2≥ts 1+t 1→2
结合公式（1）、（6）得：
cycleOffset 2∈[(te 1+t 1→2-splitTime 2-tn 2+cycle)%cycle,(ts 1+t 1→2-tn 2+cycle)%cycle]
=[(cycleOffset 1+tn 1+splitTime 1+t 1→2-splitTime 2-tn 2+cycle)%cycle,(cycleOffset 1+tn 1+
t 1→2-tn 2+cycle)%cycle]
其中，公式中cycleOffset 1为上游路口的周期相位差，cycleOffset 2为下游路口的周期相位差，tn 1为上游路口信号控制周期的阶段A和阶段B的阶段时长，tn 2为下游路口信号控制周期的阶段A和阶段B的阶段时长。
进一步地，所述步骤S2中，所述绿波计算模型包括：
①相邻路口单向绿波带宽最大时周期相位差计算方法：
cycleOffset i =0 i=1;
cycleOffset i = [0,cycle] splitTime i =cycle，i＞1;
cycleOffset i = [(cycleOffset i-1+tn i-1+splitTime i-1+t (i-1)→i -splitTime i -tn i +cycle)%cycle，
(cycleOffset i-1+tn i-1+t (i-1)→i -tn i +cycle)%cycle] splitTime i ＜cycle，splitTime i-1≠cycle，i＞1;
cycleOffset i = [(cycleOffset i-2+tn i-2+splitTime i-2+t (i-2)→(i-1)+t (i-1)→i -splitTime i -tn i +cycle)%cycle，
(cycleOffset i-2+tn i-2+t (i-2)→(i-1)+t (i-1)→i -tn i +cycle)%cycle] splitTime i-1=cycle，i＞2;
cycleOffset i = [0,cycle] splitTime i-1=cycle，i=2;
(10)
公式(10)中若cycleOffset i-1=cycle&cycleOffset i-2=cycle，则cycleOffset i 依赖
cycleOffset i-3进行计算，依次类推；其中i表示正协调方向上的路口序号，(i-1)→i表示路口i-1到路口i；
②相邻路口单向绿波带宽计算方法：
bandWidth (i-1)→i =min(te i-1+t (i-1)→i ，te i )-max((ts i-1+t (i-1)→i ，ts i ) (11)
如果te i-1+t (i-1)→i ＜ts i ，
则te i-1+t (i-1)→i ≥te i-1+t (i-1)→i +cycle、ts i-1+t (i-1)→i ≥ts i-1+t (i-1)→i +cycle，
若te i ＜ts i-1+t (i-1)→i ，则te i ≥te i +cycle、ts i ≥ts i +cycle；
bandWidth (i-1)→i =min(cycleOffset i-1+tn i-1+splitTime i-1+t (i-1)→i ,cycleOffset i +tn i +splitTime i )
-max(cycleOffset i-1+tn i-1+t (i-1)→i , cycleOffset i +tn i ) splitTime i ≠cycle,splitTime i-1≠cycle;
bandWidth (i-1)→i =min(splitTime i-1，splitTime i ) other;
（12）
bandWidth (i-1)→i ≥0；其中，i>1； bandWidth (i-1)→i 表示正协调方向上的各相邻路口间的绿波带宽，i表示正协调方向上的路口序号；
③构建目标函数：
且：bandWidth (i-1)→i ≥∂d，bandWidth j→(j-1)≥∂d；公式中m为路口数量，bandWidth (i-1)→i 表示正协调方向上的各相邻路口间的绿波带宽，bandWidth j→(j-1)表示反协调方向上的各相邻路口间的绿波带宽，∂d为最小带宽设定，i表示正协调方向上的路口序号；j表示反协调方向上的路口序号。
进一步地，所述步骤S3中，所述绿波计算包括：
a.单向绿波计算：
单向绿波时，由公式（10）计算各路口的周期相位差，根据所述周期相位差由公式（11）和（12）计算各相邻路口间的绿波带宽值，将所述绿波带宽值代入目标函数公式（13），获得目标区域内单向协调方向的最大绿波带宽。
进一步地，所述步骤S3中，所述绿波计算还包括：
b.双向绿波计算：
计算bandWidth (i-1)→i ≥∂d时，利用公式（10）求得cycleOffset i 的取值范围，用集合R (i-1)→i 表示；
计算bandWidth i→(i-1)≥∂d时，利用公式（10）求得cycleOffset i 的取值范围，用集合R i→(i-1)表示；
其中∂d为最小带宽限制设定值，i∈[2，m]；
若R (i-1)→i ∩R i→(i-1)=∅则表示此俩路口之间无双向绿波，退出该干线绿波的计算，无解；否则，取cycleOffset i 使得bandWidth (i-1)→i +bandWidth i→(i-1)值最大，使得|bandWidth (i-1)→i -bandWidth i→(i-1)|值最小；若所得cycleOffset i 为多个值时，则cycleOffset i 取中间值；
计算其他相邻路口之间的周期相位差；若各相邻路口间均存在双向绿波，则各绿波带宽之和满足目标函数的约束，且bandWidth i ≥∂d，计算出双向绿波的最大绿波带宽。
与现有技术相比，本发明的有益效果至少包括：本发明将绿波带宽作为目标函数，将相位差作为变量，将路口间距、车速等作为参数，构建计算模型，从而智能化的获取干线绿波带宽最大的相位配时方案，提高了平均行车速度和通行能力，实现对道路交通管理的优化，节省了人力，提高了道路交通管理的数字化水平。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明提供的一种基于干线绿波的道路交通智能优化方法的流程图；
图2为本发明实施例提供的信号控制周期示意图；
图3为本发明实施例提供的相位差示意图；
图4为本发明实施例提供的两相邻路口绿波带示意图；
图5为本发明实施例提供的单向绿波示意图；
图6为本发明实施例提供的双向绿波示意图；
图7为本发明实施例选取的四段道路示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明实施例提供了一种一种基于干线绿波的道路交通智能优化方法，包括以下步骤：
S1、获取目标区域内干线上的所有路口信息，确定所需参数；所述路口信息包括：各路口间距、车速、信号控制周期、信号配时信息和协调相位信息；
S2、构建绿波计算模型；
S3、将所述参数输入所述绿波计算模型，并根据预设的绿波速度，进行绿波计算输出各路口的周期相位差；根据各路口的周期相位差，获取所述目标区域内干线绿波的单向和双向最大绿波带宽；
S4、根据所述最大绿波带宽，获取最佳相位配时方案，实现对道路交通管理的优化。
下面分别对上述各个步骤进行详细的说明，本发明实施例整体方法如下：
在S1步骤中，首先，获取目标区域内干线上的所有路口信息，确定所需参数；如图2所示，将一个路口完整的单个信号控制周期分为阶段A、B、C、D四个阶段，其中阶段C为协调阶段；Ts：为该路口周期开始时间与首路口周期开始时间的差值；Te：为该路口周期结束时间与首路口周期开始时间的差值；ts：为该路口协调阶段开始时间与首路口周期开始时间的差值；te：为该路口协调阶段结束时间与首路口周期开始时间的差值；tn：为阶段A和阶段B的阶段时长；cycle：为周期时长；splitTime：为协调阶段的绿灯时长；当路口的协调方向无阶段控制时，splitTime=cycle，其中：
ts=tn+Ts （1）
te=tn+Ts+ splitTime=ts+splitTime （2）
cycle=Te - Ts （3）
然后，确定相位差：如图3所示，表示的是相邻的3个路口，横坐标表示两相邻路口之间的距离，纵坐标表示的是时间长度；
周期相位差cycleOffset：cycleOffset=(Ts+cycle)%cycle （4）
协调相位差phaseOffset：phaseOffset=(ts+cycle)%cycle （5）
由Ts的定义可知，协调方向的第一个路口的Ts=0；如图3所示的cycleOffset与phaseOffset。结合公式（1）、（2）、（3）、（4）、（5）得：
cycleOffset=Te%cycle （6）
PhaseOffset=(Te+tn)%cycle=cycleOffset+tn （7）
进一步地，绿波带的宽度定义为绿波带宽bandWidth；如图4所示，两相邻路口间单向最大绿波带宽为min(splitTime 1 ,splitTime 2 )，splitTime 1 为上游路口协调相位绿灯时长，splitTime 2 为下游路口协调相位绿灯时长；或表示为：
bandWidth 1→2=min(te 1 +t 1→2,te 2)-max(ts 1+t 1→2,ts 2) (8)
其中：bandWidth 1→2表示上游路口到下游路口的绿波带宽；
t 1→2=( distance/speed )%cycle，t 1→2表示两相邻路口从上游路口到下游路的通行时间；distance为两相邻路口距离，speed为该路段的车辆平均行驶速度；te 1表示两相邻路口的上游路口周期结束时间与首路口周期开始时间的差值，te 2 表示两相邻路口的下游路口周期结束时间与首路口周期开始时间的差值；ts 1表示两相邻路口的上游路口协调阶段开始时间与首路口周期开始时间的差值，ts 2表示两相邻路口的下游路口协调阶段开始时间与首路口周期开始时间的差值；
为保证两路口之间能生成最大绿波带宽：
当：splitTime 1 ≤splitTime 2
te 1+t 1→2-splitTime 2≤ts 2≤ts 1+t 1→2 （9）
当：splitTime 1 ＞splitTime 2
te 1+t 1→2-splitTime 2≥ts 2≥ts 1+t 1→2
结合公式（1）、（6）得：
cycleOffset 2∈[(te 1+t 1→2-splitTime 2-tn 2+cycle)%cycle,(ts 1+t 1→2-tn 2+cycle)%cycle]=[(cycleOffset 1+tn 1+splitTime 1+t 1→2-splitTime 2-tn 2+cycle)%cycle,(cycleOffset 1+tn 1+t 1→2-tn 2+cycle)%cycle]
其中，公式中cycleOffset 1为上游路口的周期相位差，cycleOffset 2为下游路口的周期相位差，tn 1为上游路口信号控制周期的阶段A和阶段B的阶段时长，tn 2为下游路口信号控制周期的阶段A和阶段B的阶段时长。
在S2步骤中，构建绿波计算模型包括；
①相邻路口单向绿波带宽最大时周期相位差计算方法：
cycleOffset i =0 i=1;
cycleOffset i = [0,cycle] splitTime i =cycle，i＞1;
cycleOffset i = [(cycleOffset i-1+tn i-1+splitTime i-1+t (i-1)→i -splitTime i -tn i +cycle)%cycle，
(cycleOffset i-1+tn i-1+t (i-1)→i -tn i +cycle)%cycle] splitTime i ＜cycle，splitTime i-1≠cycle，i＞1;
cycleOffset i = [(cycleOffset i-2+tn i-2+splitTime i-2+t (i-2)→(i-1)+t (i-1)→i -splitTime i -tn i +cycle)%cycle，
(cycleOffset i-2+tn i-2+t (i-2)→(i-1)+t (i-1)→i -tn i +cycle)%cycle] splitTime i-1=cycle，i＞2;
cycleOffset i = [0,cycle] splitTime i-1=cycle，i=2;
(10)
公式(10)中若cycleOffset i-1=cycle&cycleOffset i-2=cycle，则cycleOffset i 依赖
cycleOffset i-3进行计算，依次类推；其中i表示正协调方向上的路口序号，(i-1)→i表示路口i-1到路口i；
②相邻路口单向绿波带宽计算方法：
bandWidth (i-1)→i =min(te i-1+t (i-1)→i ，te i )-max((ts i-1+t (i-1)→i ，ts i ) (11)
如果te i-1+t (i-1)→i ＜ts i ，则te i-1+t (i-1)→i ≥te i-1+t (i-1)→i +cycle、ts i-1+t (i-1)→i ≥ts i-1+t (i-1)→i +cycle，若te i ＜ts i-1+t (i-1)→i ，则te i ≥te i +cycle、ts i ≥ts i +cycle；
bandWidth (i-1)→i =min(cycleOffset i-1+tn i-1+splitTime i-1+t (i-1)→i ,cycleOffset i +tn i +splitTime i )
-max(cycleOffset i-1+tn i-1+t (i-1)→i , cycleOffset i +tn i ) splitTime i ≠cycle,splitTime i-1≠cycle;
bandWidth (i-1)→i =min(splitTime i-1，splitTime i ) other;
（12）
bandWidth (i-1)→i ≥0；其中，i>1； bandWidth (i-1)→i 表示正协调方向上的各相邻路口间的绿波带宽，i表示正协调方向上的路口序号；
③构建目标函数：
且：bandWidth (i-1)→i ≥∂d，bandWidth j→(j-1)≥∂d；公式中m为路口数量，bandWidth (i-1)→i 表示正协调方向上的各相邻路口间的绿波带宽，bandWidth j→(j-1)表示反协调方向上的各相邻路口间的绿波带宽，∂d为最小带宽设定，i表示正协调方向上的路口序号；j表示反协调方向上的路口序号。
由计算模型可知，目标函数中，周期相位差cycleOffset为唯一变量，其他均为已知常量；即为算法的输入参数，分别为：干线路口序列；信号控制周期cycle；各路口阶段序列；各路口协调阶段各路口各阶段时长splitTime (tn)；相邻两路口间的距离distance；相邻两路口间车辆的行驶速度speed。
在S3步骤中，将参数输入绿波计算模型，并根据预设的绿波速度，进行绿波计算输出各路口的周期相位差；根据各路口的周期相位差，获取目标区域内干线绿波的单向和双向最大绿波带宽；
如图5所示，单向绿波时，单向绿波必然会存在解，而且解不唯一，由公式（10）计算各路口的周期相位差，根据所述周期相位差由公式（11）和（12）计算各相邻路口间的绿波带宽值，将所述绿波带宽值代入目标函数公式（13），获得目标区域内单向协调方向的最大绿波带宽。
如图6所示，双向绿波即双向完整绿波带，不考虑主次协调方向，保证俩俩相邻路口间正、反方向都存在绿波带的同时，使得目标函数达到最大值。双向绿波的解将比单向绿波的解少的多，而且会存在无解的情况。在求解双向绿波带宽的过程中，我们可以按照某一个协调方向的顺序，依次求解俩俩路口间的周期相位差。
计算bandWidth (i-1)→i ≥∂d时，利用公式（10）求得cycleOffset i 的取值范围，用集合R (i-1)→i 表示；
计算bandWidth i→(i-1)≥∂d时，利用公式（10）求得cycleOffset i 的取值范围，用集合R i→(i-1)表示；
其中∂d为最小带宽限制设定值，i∈[2，m]；
若R (i-1)→i ∩R i→(i-1)=∅则表示此俩路口之间无双向绿波，退出该干线绿波的计算，无解；否则，取cycleOffset i 使得bandWidth (i-1)→i +bandWidth i→(i-1)值最大，使得|bandWidth (i-1)→i -bandWidth i→(i-1)|值最小；若所得cycleOffset i为多个值时，则cycleOffset i 取中间值；
同理，计算其他相邻路口之间的周期相位差；若各相邻路口间均存在双向绿波，则各绿波带宽之和满足目标函数的约束，且bandWidth i ≥∂d，计算出双向绿波的最大绿波带宽。
在S4步骤中，根据计算得到的最大绿波带宽，获取最佳相位配时方案，进而提高绿波路段的平均行车速度和通行能力，实现对道路交通管理的优化。
如图7所示，本实施例选取了四段路使用本发明提供的基于干线绿波的道路交通智能优化方法进行验证，获取了最佳相位配时方案，测试结果如表格1所示，根据获取的最佳相位配时方案，进而可以实现对道路交通管理的优化；
本发明的一种基于干线绿波的道路交通智能优化方法，通过将绿波带宽作为目标函数，将相位差作为变量，将相位序列、相位时长、路口间距、车速等作为参数，设计其计算模型，求解目标函数最大值时对应的相位差的解，从而智能化的获取干线绿波的单向和双向绿波带宽最大的相位配时方案，不耗费人力效率高，实现对道路交通管理的优化，提高了道路交通管理的数字化水平。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (1)
1.一种基于干线绿波的道路交通智能优化方法，其特征在于，包括以下步骤：
S1、获取目标区域内干线上的所有路口信息，确定所需参数；所述路口信息包括：各路口间距、车速、信号控制周期、信号配时信息和协调相位信息；
S2、构建绿波计算模型；
S3、将所述参数输入所述绿波计算模型，并根据预设的绿波速度，进行绿波计算输出各路口的周期相位差；根据各路口的周期相位差，获取所述目标区域内干线绿波的单向和双向最大绿波带宽；
S4、根据所述最大绿波带宽，获取最佳相位配时方案，实现对道路交通管理的优化；
所述步骤S1中，所述确定所需参数包括：
1)基本参数：
设置一个路口完整的单个信号控制周期分为阶段A、B、C、D四个阶段，其中，选择阶段C为协调阶段；
Ts：为该路口周期开始时间与首路口周期开始时间的差值；
Te：为该路口周期结束时间与首路口周期开始时间的差值；
ts：为该路口协调阶段开始时间与首路口周期开始时间的差值；
te：为该路口协调阶段结束时间与首路口周期开始时间的差值；
tn：为阶段A和阶段B的阶段时长；
cycle：为周期时长；
splitTime：为协调阶段的绿灯时长；
当路口的协调方向无阶段控制时，splitTime＝cycle，其中：
ts＝tn+Ts (1)
te＝tn+Ts+splitTime＝ts+splitTime (2)
cycle＝Te-Ts (3)
2)相位差：
周期相位差cycleOffset：cycleOffset＝(Ts+cycle)％cycle(4)
协调相位差phaseOffset：phaseOffset＝(ts+cycle)％cycle(5)
协调方向的第一个路口的Ts＝0；
结合公式(1)-(5)得：
cycleOffset＝Te％cycle (6)
PhaseOffset＝(Te+tn)％cycle＝cycleOffset+tn (7)
3)绿波带宽：
绿波带宽为bandWidth；两相邻路口间单向最大绿波带宽为min(splitTime1,splitTime2)，splitTime1为上游路口协调相位绿灯时长，splitTime2为下游路口协调相位绿灯时长；或表示为：
bandWidth1→2＝min(te1+t1→2,te2)-max(ts1+t1→2,ts2) (8)
其中：bandWidth1→2表示上游路口到下游路口的绿波带宽；
t1→2＝(distance/speed)％cycle，t1→2表示两相邻路口从上游路口到下游路口的通行时间；distance为两相邻路口距离，speed 为车辆平均行驶速度；te1表示两相邻路口的上游路口周期结束时间与首路口周期开始时间的差值，te2表示两相邻路口的下游路口周期结束时间与首路口周期开始时间的差值；ts1表示两相邻路口的上游路口协调阶段开始时间与首路口周期开始时间的差值，ts2表示两相邻路口的下游路口协调阶段开始时间与首路口周期开始时间的差值；
为保证两路口之间能生成最大绿波带宽：
当：splitTime1≤splitTime2
te1+t1→2-splitTime2≤ts2≤ts1+t1→2 (9)
当：splitTime1＞splitTime2
te1+t1→2-splitTime2≥ts2≥ts1+t1→2
结合公式(1)、(6)得：
cycleOffset2∈[(te1+t1→2-splitTime2-tn2+cycle)％cycle,(ts1+t1→2-tn2+cycle)％cycle]
＝[(cycleOffset1+tn1+splitTime1+t1→2-splitTime2-tn2+cycle)％cycle,(cycleOffset1+tn1+t1→2-tn2+cycle)％cycle]
其中，公式中cycleOffset1为上游路口的周期相位差，cycleOffset2为下游路口的周期相位差，tn1为上游路口信号控制周期的阶段A和阶段B的阶段时长，tn2为下游路口信号控制周期的阶段A和阶段B的阶段时长；
所述步骤S2中，所述绿波计算模型包括：
①相邻路口单向绿波带宽最大时周期相位差计算方法：
cycleOffseti＝0 i＝1；
cycleOffseti＝[0,cycle] splitTimei＝cycle，i＞1；
cycleOffseti＝[(cycleOffseti-1+tni-1+splitTimei-1+t(i-1)→i-splitTimei-tni+cycle)％cycle，
(cycleOffseti-1+tni-1+t(i-1)→i-tni+cycle)％cycle] splitTimei＜cycle，splitTimei-1≠cycle，i＞1；
cycleOffseti＝[(cycleOffseti-2+tni-2+splitTimei-2+t(i-2)→(i-1)+t(i-1)→i-splitTimei-tni+cycle)％cycle，
(cycleOffseti-2+tni-2+t(i-2)→(i-1)+t(i-1)→i-tni+cycle)％cycle] splitTimei-1＝cycle，i＞2；
cycleOffseti＝[0,cycle] splitTimei-1＝cycle，i＝2；
(10)
公式(10)中若cycleOffseti-1＝cycle&cycleOffseti-2＝cycle，则cycleOffseti依赖cycleOffseti-3进行计算，依次类推；其中i表示正协调方向上的路口序号，(i-1)→i表示路口i-1到路口i；
②相邻路口单向绿波带宽计算方法：
bandWidth(i-1)→i＝min(tei-1+t(i-1)→i，tei)-max((tsi-1+t(i-1)→i，tsi) (11)
如果tei-1+t(i-1)→i＜tsi，
则tei-1+t(i-1)→i≥tei-1+t(i-1)→i+cycle、tsi-1+t(i-1)→i≥tsi-1+t(i-1)→i+cycle，
若tei＜tsi-1+t(i-1)→i，
则tei≥tei+cycle、tsi≥tsi+cycle；
bandWidth(i-1)→i＝min(cycleOffseti-1+tni-1+splitTimei-1+t(i-1)→i,cycleOffseti+tni+splitTimei)-max(cycleOffseti-1+tni-1+t(i-1)→i,cycleOffseti+tni) splitTimei≠cycle,splitTimei-1≠cycle；
bandWidth(i-1)→i＝min(splitTimei-1，splitTimei) other；
(12)
bandWidth(i-1)→i≥0；其中，i＞1；bandWidth(i-1)→i表示正协调方向上的各相邻路口间的绿波带宽，i表示正协调方向上的路口序号；
③构建目标函数：
且：
公式中m为路口数量，bandWidth(i-1)→i表示正协调方向上的各相邻路口间的绿波带宽，bandWidthj→(j-1)表示反协调方向上的各相邻路口间的绿波带宽，
为最小带宽设定，i表示正协调方向上的路口序号；j表示反协调方向上的路口序号；
所述步骤S3中，所述绿波计算包括：
a.单向绿波计算：
单向绿波时，由公式(10)计算各路口的周期相位差，根据所述周期相位差由公式(11)和(12)计算各相邻路口间的绿波带宽值，将所述绿波带宽值代入目标函数公式(13)，获得目标区域内单向协调方向的最大绿波带宽；
所述步骤S3中，所述绿波计算还包括：
b.双向绿波计算：
计算
时，利用公式(10)求得cycleOffseti的取值范围，用集合R(i-1)→i表示；
计算
时，利用公式(10)求得cycleOffseti的取值范围，用集合Ri→(i-1)表示；
其中
为最小带宽限制设定值，i∈[2，m]；
若
则表示此俩路口之间无双向绿波，退出该干线绿波的计算，无解；否则，取cycleOffseti使得bandWidth(i-1)→i+bandWidthi→(i-1)值最大，使得|bandWidth(i-1)→i-bandWidthi→(i-1)|值最小；若所得cycleOffseti为多个值时，则cycleOffseti取中间值；
计算其他相邻路口之间的周期相位差；若各相邻路口间均存在双向绿波，则各绿波带宽之和满足目标函数的约束，且
计算出双向绿波的最大绿波带宽。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210786413.1A CN114863687B (zh) | 2022-07-06 | 2022-07-06 | 一种基于干线绿波的道路交通智能优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210786413.1A CN114863687B (zh) | 2022-07-06 | 2022-07-06 | 一种基于干线绿波的道路交通智能优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114863687A CN114863687A (zh) | 2022-08-05 |
| CN114863687B true CN114863687B (zh) | 2022-09-16 |
Family
ID=82626441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210786413.1A Active CN114863687B (zh) | 2022-07-06 | 2022-07-06 | 一种基于干线绿波的道路交通智能优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114863687B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115424460B (zh) * | 2022-08-10 | 2024-02-09 | 上海宝康电子控制工程有限公司 | 一种道路绿波优化方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139668A (zh) * | 2015-07-27 | 2015-12-09 | 东南大学 | 一种基于路段速度区间的城市干线双向绿波控制优化方法 |
| CN108734973A (zh) * | 2018-05-18 | 2018-11-02 | 中南大学 | 一种干线双向绿波的相位-信号综合优化方法 |
| CN108877246A (zh) * | 2018-07-25 | 2018-11-23 | 公安部交通管理科学研究所 | 一种干线双向绿波协调参数的自动计算系统及其计算方法 |
| CN112509342A (zh) * | 2020-12-04 | 2021-03-16 | 东南大学 | 一种基于分段绿波的长干线交叉口信号协调控制方法 |
| CN113299081A (zh) * | 2021-04-30 | 2021-08-24 | 东南大学 | 一种社会车辆及有轨电车绿波协同控制优化方法 |
-
2022
- 2022-07-06 CN CN202210786413.1A patent/CN114863687B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139668A (zh) * | 2015-07-27 | 2015-12-09 | 东南大学 | 一种基于路段速度区间的城市干线双向绿波控制优化方法 |
| CN108734973A (zh) * | 2018-05-18 | 2018-11-02 | 中南大学 | 一种干线双向绿波的相位-信号综合优化方法 |
| CN108877246A (zh) * | 2018-07-25 | 2018-11-23 | 公安部交通管理科学研究所 | 一种干线双向绿波协调参数的自动计算系统及其计算方法 |
| CN112509342A (zh) * | 2020-12-04 | 2021-03-16 | 东南大学 | 一种基于分段绿波的长干线交叉口信号协调控制方法 |
| CN113299081A (zh) * | 2021-04-30 | 2021-08-24 | 东南大学 | 一种社会车辆及有轨电车绿波协同控制优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114863687A (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109544945B (zh) | 基于车道饱和度的区域控制相位配时优化方法 | |
| CN108510764B (zh) | 一种基于q学习的多路口自适应相位差协调控制系统及方法 | |
| CN104200680B (zh) | 过饱和交通状态下城市干道的交通信号协调控制方法 | |
| CN108399759B (zh) | 连续流交叉口左转非机动车交通设计方法 | |
| CN107610487B (zh) | 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 | |
| CN105185130B (zh) | 一种变周期下的道路交叉口间的信号协调控制方法 | |
| CN102982688B (zh) | 一种基于主干道协调优先的区域交通信号控制方法 | |
| CN114863687B (zh) | 一种基于干线绿波的道路交通智能优化方法 | |
| CN106448196B (zh) | 方案选择式的干线绿波配置方法及系统 | |
| CN110136455A (zh) | 一种交通信号灯配时方法 | |
| CN104766484A (zh) | 基于进化多目标优化和蚁群算法的交通控制与诱导系统和方法 | |
| CN106297334A (zh) | 绿波协调控制下的干线路段划分方法 | |
| LU503042B1 (en) | Multi-model learning particle swarm-based intelligent city signal light timing optimization method | |
| CN108538065A (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 | |
| CN103476193A (zh) | 隧道照明调光控制系统及控制方法 | |
| CN108629970B (zh) | 基于蒙特卡罗树搜索的交叉口信号参数优化方法 | |
| CN108922182A (zh) | 混合状态下控制子区的动态划分和调整方法 | |
| CN112289043B (zh) | 一种城市道路的智能信号协调控制优化方法 | |
| CN112365713B (zh) | 一种主支路交叉口信号配时优化方法 | |
| CN109191847A (zh) | 基于城市卡口数据的自适应干线协调控制方法及系统 | |
| US11941979B2 (en) | Traffic light control method for urban road network based on expected return estimation | |
| Yao et al. | CTM-based traffic signal optimization of mixed traffic flow with connected automated vehicles and human-driven vehicles | |
| CN114120670A (zh) | 用于交通信号控制的方法和系统 | |
| CN114333363A (zh) | 一种考虑上下游协同的瓶颈路口信号优化方法 | |
| CN109448402A (zh) | 匝道控制方法及装置 |
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 | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 211500 third floor, Beidou building, No. 6, Huida Road, Jiangbei new area, Nanjing, Jiangsu Patentee after: Hualui Cloud Technology Co.,Ltd. Address before: 211500 third floor, Beidou building, No. 6, Huida Road, Jiangbei new area, Nanjing, Jiangsu Patentee before: Hua Lu Yun Technology Co.,Ltd. |