CN114973699A - 交通控制信号的生成方法、边缘计算单元和路侧单元 - Google Patents
交通控制信号的生成方法、边缘计算单元和路侧单元 Download PDFInfo
- Publication number
- CN114973699A CN114973699A CN202210511761.8A CN202210511761A CN114973699A CN 114973699 A CN114973699 A CN 114973699A CN 202210511761 A CN202210511761 A CN 202210511761A CN 114973699 A CN114973699 A CN 114973699A
- Authority
- CN
- China
- Prior art keywords
- intersection
- determining
- intersections
- information
- traffic
- 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 53
- 238000004364 calculation method Methods 0.000 title claims abstract description 9
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 title abstract description 6
- 230000002123 temporal effect Effects 0.000 claims description 15
- 238000000638 solvent extraction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000004941 influx Effects 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 230000003993 interaction Effects 0.000 description 28
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种交通控制信号的生成方法,涉及人工智能技术领域,尤其涉及智能交通技术领域和辅助驾驶技术领域。具体实现方案为:根据目标区域的历史交通信息,确定目标区域在目标时刻处的预测交通信息;根据预测交通信息和目标区域的路网信息,确定目标区域中多个路口各自的交通流量信息以及将目标区域划分为多个子区域;以及针对多个子区域中的至少一个子区域,根据交通流量信息,确定用于子区域的交通控制信号。本公开还提供了一种交通控制信号的生成装置、电子设备、存储介质、边缘计算单元和路侧单元。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及智能交通技术领域和辅助驾驶技术领域。更具体地,本公开提供了一种交通控制信号生成方法、装置、电子设备、存储介质、路侧单元和边缘计算单元。
背景技术
随着人工智能技术的发展,人工智能技术广泛地应用于智能交通、智慧城市等场景下。
发明内容
本公开提供了一种交通控制信号的生成方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种交通控制信号的生成方法,该方法包括:根据目标区域的历史交通信息,确定目标区域在目标时刻处的预测交通信息;根据预测交通信息和目标区域的路网信息,确定目标区域中多个路口各自的交通流量信息以及将目标区域划分为多个子区域;以及针对多个子区域中的至少一个子区域,根据交通流量信息,确定用于子区域的交通控制信号。
根据本公开的另一方面,提供了一种交通控制信号的生成装置,该装置包括:第一确定模块,用于根据目标区域的历史交通信息,确定目标区域在目标时刻处的预测交通信息;确定及划分模块,用于根据预测交通信息和目标区域的路网信息,确定目标区域中多个路口各自的交通流量信息以及将目标区域划分为多个子区域;以及第二确定模块,用于针对多个子区域中的至少一个子区域,根据交通流量信息,确定用于子区域的交通控制信号。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据本公开提供的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行根据本公开提供的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现根据本公开提供的方法。
根据本公开的另一方面,提供了一种边缘计算单元,包括本公开提供的电子设备。
根据本公开的另一方面,提供了一种路侧单元,包括本公开提供的电子设备。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开的一个实施例的可以应用交通控制信号的生成方法和装置的示例性系统架构示意图;
图2是根据本公开的一个实施例的交通控制信号的生成方法的流程图;
图3A是根据本公开的一个实施例的目标区域的示意图;
图3B是根据本公开的一个实施例的多个路口关联度的示意图;
图3C是根据本公开的一个实施例的模块度变化的示意图;
图3D是根据本公开的一个实施例的目标区域的划分结果的树状图;
图3E是根据本公开的一个实施例的多个子区域的示意图;
图4是根据本公开的一个实施例的交通控制信号的生成装置的框图;以及
图5是根据本公开的一个实施例的可以应用交通控制信号的生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
可以为路网内的每个路口生成交通控制信号,以对一定区域内的车流进行控制。
图1是根据本公开的一个实施例的可以应用道路数据处理方法和装置的示例性系统架构示意图。
需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括传感器1101、1102、1103,网络120和服务器130。网络120用以在传感器1101、1102、1103和服务器130之间提供通信链路的介质。网络120可以包括各种连接类型,例如有线和/或无线通信链路等等。
传感器1101、1102、1103可以通过网络120与服务器130交互,以接收或发送消息等。
传感器1101、1102、1103可以是集成在车辆110上的功能元件,例如红外传感器、超声波传感器、毫米波雷达、信息采集装置等等。传感器1101、1102、1103可以用于采集车辆110周围的障碍物的状态数据以及周围道路数据。
车辆110可以同路侧单元(Road Side Unit,RSU)140通信,从路侧单元140接收信息,或者向路侧单元发送信息。
路侧单元140例如可以部署于信号灯上,以便对信号灯的时长或频率进行调整。
服务器130可以设置在能够与车载终端建立通信的远端,可以具体实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。
服务器130可以是提供各种服务的服务器。在服务器130上可以安装有例如地图类应用、数据处理类应用等。以服务器130在运行该数据处理类应用为例:通过网络120接收来自传感器1101、1102、1103传输的障碍物的状态数据、道路数据。可以将障碍物的状态数据、道路数据中的一种或多种作为待处理数据。并对待处理数据进行处理,得到目标数据。
需要说明的是,本公开实施例所提供的交通控制信号的生成方法一般可以由服务器130执行。相应地,本公开实施例所提供的交通控制信号的生成装置也可以设置于服务器130中。但是并不局限于此。本公开实施例所提供的交通控制信号的生成方法一般也可以由传感器1101、1102、或1103执行。相应地,本公开实施例所提供的交通控制信号的生成装置也可以设置于传感器1101、1102、或1103中。
应该理解,图1中的传感器、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的传感器、网络和服务器。
应注意,以下方法中各个操作的序号仅作为该操作的表示以便描述,而不应被看作表示该各个操作的执行顺序。除非明确指出,否则该方法不需要完全按照所示顺序来执行。
图2是根据本公开的一个实施例的交通控制信号的生成方法的流程图。
如图2所示,该方法200可以包括操作S210~操作S230。
在操作S210,根据目标区域的历史交通信息,确定目标区域在目标时刻处的预测交通信息。
例如,目标区域中可以包括多个路口。每个路口可以由两条或两条以上的道路交汇而成。
例如,历史交通信息例如可以包括多个历史时刻的历史流量信息。历史时刻例如可以是当前时刻之前的一个时刻。在一个示例中,一个历史时刻的历史流量信息包括:在该历史时刻,经过目标区域中一个路口的车辆的数目。
例如,目标时刻例如可以是当前时刻之后的一个时刻。
例如,根据历史交通信息,可以利用各种方式确定预测交通信息。在一个示例中,可以根据历史交通信息和预设增量信息,确定预测交通信息。
在操作S220,根据预测交通信息和目标区域的路网信息,确定目标区域中多个路口各自的交通流量信息以及将目标区域划分为多个子区域。
例如,路网信息可以指示目标区域内的多个路口,以及连接两个路口的路段。
例如,路口的交通流量信息包括由该路口驶出的车辆数目。
例如,可以根据各种方式将目标区域划分为多个子区域。在一个示例中,一个子区域中的交通流量最大的路口为路口Intersection_A,另一个子区域中交通流量最大的路口为路口Intersection_B。路口Intersection_A与路口Intersection_B之间的交通流量之差大于预设流量差值。
在操作S230,针对多个子区域中的至少一个子区域,根据交通流量信息,确定用于子区域的交通控制信号。
例如,如上文所述,一个子区域中的交通流量最大的路口为路口Intersection_A,确定该子区域中一个或多个路口的交通控制信号,使得经过预设时段之后,路口Intersection_A的流量下降。在一个示例中,可以增加路口Intersection_A处的一个方向的绿灯时间,使得车辆可以驶出路口Intersection_A。在预设时段之后,路口A处的交通流量下降。
通过本公开实施例,可以精准地生成交通控制信号,以便对区域内车流进行高效控制,提高道路通行效率。
在一些实施例中,根据目标区域的历史交通信息,确定目标区域在目标时刻处预测交通信息包括:根据目标区域的历史交通信息,确定历史交通信息的时间空间特征;将时间空间特征转换到相空间,得到历史交通信息的时间特征序列;以及根据时间特征序列,确定目标区域在目标时刻处的预测交通信息。
例如,根据目标区域的历史交通信息,可以确定在x个时刻的交通信息。根据第k个时刻的交通信息,可以确定第i个时间空间子特征,k=1,2,…,x。时间空间特征例如可以实现为以下公式:
例如,公式一中,q1,1,q1,2,......,q1,n为第1个时间空间子特征,qx,1,qx,2,...,qx,n为第x个时间空间子特征。共有x个时间空间子特征。每个时间空间子特征的维度数为n。
例如,可以通过以下公式,将时间空间特征转换值相空间,得到时间特征序列:
f=max1≤k≤x(dk-1)tk+1 (公式二)
f为相空间参数,dk为第i个时间空间子特征的嵌入维度,tk为第k个时间空间子特征的延迟系数。在一个示例中,以k=x为示例,根据f、dx和tx可以确定至少一个下标值,从公式一中选择x*(f-(dx-1)*tx)个数据,得到时间特征序列Sf。时间特征序列Sf例如可以实现为:
在一些实施例中,时间特征序列包括多个时间特征序列;根据时间特征序列,确定目标区域在目标时刻处的预测交通信息包括:确定多个时间特征序列彼此之间的距离,得到多个距离;根据多个距离以及多个距离中最小的M个距离,确定权重值;以及根据权重值以及多个时间特征序列中与M个距离相关的邻近时间特征序列,确定预测交通信息。
例如,时间特征序列Sf可以为f个。
又例如,可以计算f个时间特征序列彼此之间的欧式距离,得到多个欧式距离。从多个欧式距离中选出最小的M个欧式距离。M为大于1的整数。
接下来,可以通过以下公式确定权重值Wm:
z为一个超参,z为大于0且小于1的值。Dm为上文所述的M个欧式距离中第m个欧式距离,m=1,2,…,M。Dmin为M个欧式距离中最小的欧式距离。
又例如,M个欧式距离可以与至少一个时间特征序列相关。在一个示例中,将与M个欧式距离相关的时间特征序列作为邻近时间特征序列。
可以根据以下公式确定预测交通信息Sf+1:
预测交通信息Sf+1例如可以为:(q1,f+1,q2,f+1,…,qx,f+1)。
在一些实施例中,目标区域的路网信息包括目标区域中的多个路口信息和多个路口彼此之间的路段信息。
在一些实施例中,根据预测交通信息和目标区域的路网信息,确定目标区域中多个路口各自的交通流量信息以及将目标区域划分为多个子区域包括:根据预测交通信息,确定在目标时刻处,从多个路口中的源路口流向多个路口中的目的路口的第一车辆数目;根据第一车辆数目和针对中间路段的预测通行时间,确定从源路口至目的路口的车流入率,中间路段包括从源路口至目的路口的至少一个路段;以及根据第一车辆数目和车流入率,确定从源路口至目的路口的车流出率,作为交通流量信息。
例如,在目标时刻t处,根据上文所述的预测交通信息Sf+1,可以确定多个路口各自的交通流量信息。
在本公开实施例中,根据预测交通信息,确定在目标时刻处,从多个路口中的源路口流向多个路口中的目的路口的第一车辆数目包括:根据预测交通信息和路网信息,确定在目标时刻处,多个路口中的源路口处的第二车辆数目;以及根据第二车辆数目和中间节点数,确定第一车辆数目。
例如,中间节点数指示了根据路网信息从源路口至目的路口经过的中间路口数目。
例如,将路口Intersection_A作为源路口,将路口Intersection_B作为目的路口,将二者之间的路段作为中间路段。在一个示例中,路口Intersection_A和路口Intersection_B之间存在路口Intersection_C,路口Intersection_A和Intersection_C之间的路段为路段Rs_AC。路口Intersection_C和路口Intersection_B之间的路段为路段Rs_CB。中间路段可以包括路段Rs_AC和路段Rs_CB。
例如,根据预测交通信息和路网信息,在目标时刻t处,可以确定路口Intersection_A处的第二车辆数目xA(t)。在一个示例中,可以根据预测交通信息中的q1,f+1,确定第二车辆数目xA(t)。
根据路网信息,可以确定路口Intersection_A和路口Intersection_B之间的中间路口数目N_end。
接下来,根据第一车辆数目和针对中间路段的预测通行时间,可以确定从源路口至目的路口的车流入率。
例如,可以通过以下公式确定车流出率::
uc为路段通行能力值,可以指示每个小时内每个车道的车辆通行数量,取值范围为每个车道1800~2300辆/小时。CA(t)为针对中间路段的预测通行时间。
在一些实施例中,根据预测交通信息和目标区域的路网信息,确定目标区域中多个路口各自的交通流量信息以及将目标区域划分为多个子区域包括:根据预测交通信息,确定从多个路口中的源路口流向多个路口中的目的路口的第一交通流量值;根据第一交通流量值、从源路口至目的路口的行程时间以及从源路口至目的路口的入口数目,确定源路口至目的路口的第一关联度;以及根据源路口至目的路口的第一关联度,将路网信息划分为多个子区域,每个子区域包括多个路口。
在一些实施例中,根据预测交通信息和目标区域的路网信息,确定目标区域中多个路口各自的交通流量信息以及将目标区域划分为多个子区域还包括:根据预测交通信息,确定从多个路口中的目的路口流向多个路口中的源路口的第二交通流量值;根据第二交通流量值、从目的路口至源路口的行程时间以及从源路口至目的路口的入口数目,确定目的路口至源路口的第二关联度;根据路口关联度,将路网信息划分为多个子区域,其中,路口关联度是第一关联度和第二关联度中的较大值。
例如,从多个路口中的源路口流向多个路口中的目的路口的第一交通流量值包括目标时刻处从源路口至目的路口的多个入口流入的车辆数之和以及从最大入口流入的车辆数,其中,最大入口是多个入口中流入车辆最多的路口。
例如,如上文所述,将路口Intersection_A作为源路口,将路口Intersection_B作为目的路口,将二者之间的路段作为中间路段。
又例如,可以根据以下公式确定路口Intersection_A至路口Intersection_B的第一关联度γq(A→B):
μ为超参数,取值范围为0.10~0.15。
xA→B为车辆从路口Intersection_A至路口Intersection_B的行程时间。行程时间xA→B可以为预设值,也可以是上文所述的通行时间CA(t),也可以是路口Intersection_A至路口Intersection_B之间的路程除以平均时速(一个预设值)得到的。
mA→B为路口Intersection_A车流驶入路口Intersection_B的入口数目。在一个示例中,对于由两个道路交汇形成的十字交叉路口,mA→B的取值可以为3。
∑qA→B路口Intersection_A至路口Intersection_B的第一交通流量值的总值。
又例如,可以通过以下公式确定路口Intersection_B至路口Intersection_A的第二关联度γq(B→A):
xB→A为车辆从路口Intersection_B至路口Intersection_A的行程时间。行程时间xB→A可以为预设值,也可以是上文所述的通行时间CA(t),也可以是路口Intersection_B至路口Intersection_A之间的路程除以平均时速(一个预设值)得到的。
mB→A为路口Intersection_B车流驶入路口Intersection_A的入口数目。在一个示例中,对于由两个道路交汇形成的十字交叉路口,mB→A的取值可以为3。
∑qB→A路口Intersection_B至路口Intersection_A的第二交通流量值的总值。
在一些实施例中,根据路口关联度,将路网信息划分为多个子区域包括:确定当前路网信息的当前模块度;针对目标区域中的多个路口,根据每两个路口之间的路口关联度以及多个路口彼此之间的路口关联度之和,确定每两个路口的模块度增量,得到多个模块度增量;合并与多个模块度增量中最大模块度增量关联的两个路口,得到更新的路网信息;将更新的路网信息的更新模块度与当前模块度进行比较;以及响应于更新模块度大于或等于当前模块度,将更新的路网信息作为当前路网信息,并返回确定当前路网信息的当前模块度的操作。
在一些实施例中,根据路口关联度,将路网信息划分为多个子区域还包括:响应于更新模块度小于当前模块度,根据更新的路网信息划分目标区域。
下面将结合图3A和图3E进行详细说明。
图3A是根据本公开的一个实施例的目标区域的示意图。
如图3A所示,目标区域300中包括19个路口。
图3B是根据本公开的一个实施例的多个路口关联度的示意图。
如图3A和图3B所示,可以理解,图3B中的多个路口关联度为图3A中由路段连接的两个路口之间的关联度。
可以构建初始化辅助矩阵Λ和数组P。初始化辅助矩阵Λ中包括元素λij。数组P可以包括元素ιi。将每个路口作为一个子区域。
可以通过以下公式确定初始化辅助矩阵Λ中的元素λij:
可以通过以下公式确定数组P中的元素ιi:
元素ιi可以作为第i个合并指标。
接下来,可以通过以下公式确定每两个路口的模块度增量ΔΩ:
ΔΩ=λij+λji-2ιiιj (公式十六)
ιj为数组P中的一个元素,可以作为第j个合并指标。在每个子区域包括一个路口的情况下,λij=λji。在此情况下,也可以通过以下公式确定每两个路口的模块度增量ΔΩ:
ΔΩ=2(λij-ιiιj) (公式十七)
接下来,合并与多个模块度增量中最大模块度增量关联的两个路口,得到更新的路网信息。例如,将与多个模块度增量中最大模块度增量关联的两个路口划分至一个更新子区域,以得到更新的路网信息。
将更新的路网信息的更新模块度与当前模块度进行比较。
在更新模块度大于或等于当前模块度的情况下,将更新的路网信息作为当前路网信息,并返回确定当前路网信息的当前模块度的操作。
可以理解,可以根据各种方式确定当前路网信息的当前模块度。也可以根据各种方式确定更新路网信息的更新模块度,本公开在此不做限制。
可以理解,可以利用公式十六确定更新路网信息的模块度增量。
在更新模块度小于当前模块度的情况下,根据更新的路网信息划分目标区域。
图3C是根据本公开的一个实施例的模块度变化的示意图。
如图3C所示,将目标区域300由19个子区域合并为1个子区域的过程中,确定了多个模块度。
在对路网信息进行更新的过程中,为每次更新的路网信息确定一个子区标号。如图3C所示,原始路网信息对应的子区标号为19。原始路网信息与目标区域300对应。进行一次合并后,子区标号为20。
如图3C所示,与子区标号33对应的路网信息的模块度(0.54)最大。在对路网信息进行更新的过程中,在得到与子区标号34对应的路网信息之后,响应于确定子区标号34的模块度小于子区标号33的模块度,根据与子区标号33对应的路网信息,对目标区域300进行划分。
图3D是根据本公开的一个实施例的目标区域的划分结果的树状图。
如图3D所示,可以根据图3D所示的划分结果中确定与子区标号33对应的路网信息。下面将结合图3E进行详细说明。
图3E是根据本公开的一个实施例的多个子区域的示意图。
如图3E所示,子区域301包括路口1、路口2、路口3和路口4。子区域302包括路口5、路口6、路口7、路口12和路口13。子区域303包括路口8、路口9和路口10。子区域304包括路口11、路口15、路口16和路口17。子区域305包括路口14、路口18和路口19。
在一些实施例中,针对多个子区域中的至少一个子区域,根据交通流量信息,确定用于子区域的交通控制信号包括:根据路网信息,确定位于多个子区域中相邻两个子区域之间的多个连接路口;根据多个连接路口各自的交通流量信息,确定多个连接路口中的关键路口;以及确定用于关键路口的交通控制信号。
例如,如图3E所示,子区域301和子区域302为相邻两个子区域。子区域301和子区域302之间的连接路口为路口1、路口4、路口5和路口7。
在一些实施例中,根据多个连接路口各自的交通流量信息,确定多个连接路口中的关键路口包括:确定多个连接路口各自的至少一个交通相位,交通相位表示路口的交通流向组合;针对每个连接路口,根据每个交通相位的交通流率,确定每个连接路口的总交通流率;以及将多个连接路口中总交通流率最大的连接路口确定为关键路口。
例如,连接路口n的交通流向组合Rn为{a→b,c→d,e→f,g→h}。在一个示例中,交通流向a→b和交通流向c→d可以都为东西流向,为一个相位。交通流向e→f和交通流向g→h可以都为南北流向,为一个相位。在一个示例中,交通流率可以为上文所述的车流入率或车流出率。
可以通过以下公式确定连接路口n的总交通流率Raten:
又例如,将多个连接路口中总交通流率最大的连接路口作为关键路口。在一个示例中,可以从图3E所示的路口1、路口4、路口5和路口7中确定一个关键路口。
在一些实施例中,交通控制信号包括以下中的至少一个:信号灯周期时长;有效绿灯点亮时长;以及多个方向各自的有效绿灯点亮时长。
在本公开实施例中,可以根据路口的最大流量比之和确定信号灯周期时长C1。
例如,交通流向a→b可以指示流入路口n的一个入口道。该入口道包括直右车道、直行车道和左转车道。该入口道可以是连接至路口n的一个路段。
可以通过以下公式确定交通流向a→b指示的入口道的三个车道的流量:
类似地,可以确定交通流向c→d、交通流向e→f和交通流向g→h分别指示的入口道的直右流量、直行流量和左转流量。
可以利用以下公式确定路口的最大流量比之和Y:
z为一个周期内的相位数。yz为第z相的流量比。sh为路口的入口道h的饱和流量,为预设参考值,例如sh=1500~1700。qh为入口道h的流量(例如直右流量、直行流量和左转流量之和)。
以路口n为示例,如上文所述,交通流向a→b和交通流向c→d可以都为东西流向,为一个相位;交通流向e→f和交通流向g→h可以都为南北流向,为一个相位,在此情况下,z=2。
此外,对于交通流向c→d指示的入口道:为直右流量,为直行流量,为左转流量。对于交通流向e→f指示的入口道:为直右流量,为直行流量,为左转流量。对于交通流向g→h指示的入口道:为直右流量,为直行流量,为左转流量。
可以通过以下公式确定路口n的最大流量比之和Y:
例如,可以通过以下公式确定信号灯周期时长C1:
C1=1.978*L+5.109-0.9013*Y (公式二十四)
L为信号总损失时间,可以为一个超参数。在一个示例中,L的取值为3秒。
又例如,可以通过以下公式确定有效绿灯点亮时长Ge:
Ge=C1-L (公式二十五)
又例如,可以通过以下公式确定多个方向各自的有效绿灯点亮时长gez:
z为一个周期内的相位数。yz为第z相的流量比。
又例如,可以通过以下公式确定各相位的绿信比θz:
又例如,可以通过以下公式确定各相位绿灯显示时间gz:
gz=gez-θz+lz (公式二十八)
lz为第z相的信号损失时间。
图4是根据本公开的一个实施例的交通控制信号的生成装置的框图。
如图4所示,该装置400可以包括第一确定模块410、确定及划分模块420和第二确定模块430。
第一确定模块410,用于根据目标区域的历史交通信息,确定所述目标区域在目标时刻处的预测交通信息。
确定及划分模块420,用于根据所述预测交通信息和所述目标区域的路网信息,确定所述目标区域中多个路口各自的交通流量信息以及将所述目标区域划分为多个子区域。
第二确定模块430,用于针对所述多个子区域中的至少一个子区域,根据所述交通流量信息,确定用于所述子区域的交通控制信号。
在一些实施例中,所述第一确定模块包括:第一确定子模块,用于根据所述目标区域的历史交通信息,确定所述历史交通信息的时间空间特征;转换子模块,用于将所述时间空间特征转换到相空间,得到所述历史交通信息的时间特征序列;以及第二确定子模块,用于根据所述时间特征序列,确定所述目标区域在所述目标时刻处的所述预测交通信息。
在一些实施例中,所述时间特征序列包括多个时间特征序列;所述第二确定子模块包括:第一确定单元,用于确定所述多个时间特征序列彼此之间的距离,得到多个距离;第二确定单元,用于根据所述多个距离中最小的M个距离,确定权重值;以及第三确定单元,用于根据所述权重值以及所述多个时间特征序列中与所述M个距离相关的邻近时间特征序列,确定所述预测交通信息。
在一些实施例中,所述目标区域的路网信息包括所述目标区域中的多个路口信息和多个路口彼此之间的路段信息。
在一些实施例中,所述确定及划分模块包括:第三确定子模块,用于根据所述预测交通信息,确定在所述目标时刻处,从所述多个路口中的源路口流向所述多个路口中的目的路口的第一车辆数目;第四确定子模块,用于根据所述第一车辆数目和针对中间路段的预测通行时间,确定从所述源路口至所述目的路口的车流入率,所述中间路段包括从所述源路口至所述目的路口的至少一个路段;以及第五确定子模块,用于根据所述第一车辆数目和所述车流入率,确定从所述源路口至所述目的路口的车流出率,作为所述交通流量信息。
在一些实施例中,所述第三确定子模块包括:第四确定单元,用于根据所述预测交通信息和所述路网信息,确定在所述目标时刻处,所述多个路口中的源路口处的第二车辆数目;以及第五确定单元,用于根据所述第二车辆数目和中间节点数,确定所述第一车辆数目,所述中间节点数指示了根据所述路网信息从所述源路口至所述目的路口经过的中间路口数目。
在一些实施例中,所述确定及划分模块包括:第六确定子模块,用于根据所述预测交通信息,确定从所述多个路口中的源路口流向所述多个路口中的目的路口的第一交通流量值;第七确定子模块,用于根据所述第一交通流量值、从所述源路口至所述目的路口的行程时间以及从所述源路口至所述目的路口的入口数目,确定源路口至目的路口的第一关联度;以及第一划分子模块,用于根据所述第一关联度,将所述路网信息划分为多个子区域,每个子区域包括多个路口。
在一些实施例中,所述从多个路口中的源路口流向所述多个路口中的目的路口的第一交通流量值包括所述目标时刻处从所述源路口至所述目的路口的多个入口流入的车辆数之和以及从最大入口流入的车辆数,其中,所述最大入口是所述多个入口中流入车辆最多的路口。
在一些实施例中,根据确定及划分模块还包括:第八确定子模块,用于根据所述预测交通信息,确定从所述多个路口中的目的路口流向所述多个路口中的源路口的第二交通流量值;第九确定子模块,用于根据所述第二交通流量值、从所述目的路口至所述源路口的行程时间以及所述从源路口至目的路口的入口数目,确定目的路口至源路口的第二关联度;第二划分子模块,用于根据路口关联度,将所述路网信息划分为多个子区域,其中,所述路口关联度是所述第一关联度和第二关联度中的较大值。
在一些实施例中,所述从多个路口中的源路口流向所述多个路口中的目的路口的第一交通流量值包括所述目标时刻处从所述源路口至所述目的路口的多个入口流入的车辆数之和以及从最大入口流入的车辆数,其中,所述最大入口是所述多个入口中流入车辆最多的路口。
在一些实施例中,所述第二划分子模块包括:第六确定单元,用于确定当前路网信息的当前模块度;第七确定单元,用于针对所述目标区域中的多个路口,根据每两个路口之间的路口关联度以及所述多个路口彼此之间的路口关联度之和,确定所述每两个路口的模块度增量,得到多个模块度增量;合并单元,用于合并与多个模块度增量中最大模块度增量关联的两个路口,得到更新的路网信息;比较单元,用于将所述更新的路网信息的更新模块度与所述当前模块度进行比较;以及返回单元,用于响应于所述更新模块度大于等于所述当前模块度,将所述更新的路网信息作为当前路网信息,并返回至第六确定单元以执行所述确定当前路网信息的当前模块度的操作。
在一些实施例中,所述第二划分子模块还包括:划分单元,用于响应于所述更新模块度小于所述当前模块度,根据所述更新的路网信息划分所述目标区域。
在一些实施例中,所述第二确定模块包括:第十确定子模块,用于根据所述路网信息,确定位于多个子区域中相邻两个子区域之间的多个连接路口;第十一确定子模块,用于根据所述多个连接路口各自的交通流量信息,确定所述多个连接路口中的关键路口;以及第十二确定子模块,用于确定用于所述关键路口的交通控制信号。
在一些实施例中,所述第十一确定子模块包括:第八确定单元,用于确定所述多个连接路口各自的至少一个交通相位,所述交通相位表示路口的交通流向组合;第九确定单元,用于针对每个连接路口,根据每个交通相位的交通流率,确定所述每个连接路口的总交通流率;以及第十确定单元,用于将所述多个连接路口中总交通流率最大的连接路口确定为所述关键路口。
在一些实施例中,所述交通控制信号包括以下中的至少一个:信号灯周期时长;有效绿灯点亮时长;以及多个方向各自的有效绿灯点亮时长。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如交通控制信息的生成方法。例如,在一些实施例中,交通控制信息的生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的交通控制信息的生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行交通控制信息的生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
本公开还提供了一种边缘计算单元,包括本公开提供的电子设备。例如该边缘计算单元包括上文所述的电子设备500。
本公开还提供了一种路侧单元,包括本公开提供的电子设备。例如该路侧单元包括上文所述的电子设备500。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (35)
1.一种交通控制信号的生成方法,包括:
根据目标区域的历史交通信息,确定所述目标区域在目标时刻处的预测交通信息;
根据所述预测交通信息和所述目标区域的路网信息,确定所述目标区域中多个路口各自的交通流量信息以及将所述目标区域划分为多个子区域;以及
针对所述多个子区域中的至少一个子区域,根据所述交通流量信息,确定用于所述子区域的交通控制信号。
2.根据权利要求1所述的方法,其中,所述根据目标区域的历史交通信息,确定所述目标区域在目标时刻处的预测交通信息包括:
根据所述目标区域的历史交通信息,确定所述历史交通信息的时间空间特征;
将所述时间空间特征转换到相空间,得到所述历史交通信息的时间特征序列;以及
根据所述时间特征序列,确定所述目标区域在所述目标时刻处的所述预测交通信息。
3.根据权利要求2所述的方法,其中,所述时间特征序列包括多个时间特征序列;所述根据所述时间特征序列,确定所述目标区域在所述目标时刻处的所述预测交通信息包括:
确定所述多个时间特征序列彼此之间的距离,得到多个距离;
根据所述多个距离中最小的M个距离,确定权重值;以及
根据所述权重值以及所述多个时间特征序列中与所述M个距离相关的邻近时间特征序列,确定所述预测交通信息。
4.根据权利要求1或2所述的方法,其中,所述目标区域的路网信息包括所述目标区域中的多个路口信息和多个路口彼此之间的路段信息。
5.根据权利要求4所述的方法,其中,所述根据所述预测交通信息和所述目标区域的路网信息,确定所述目标区域中多个路口各自的交通流量信息以及将所述目标区域划分为多个子区域包括:
根据所述预测交通信息,确定在所述目标时刻处,从所述多个路口中的源路口流向所述多个路口中的目的路口的第一车辆数目;
根据所述第一车辆数目和针对中间路段的预测通行时间,确定从所述源路口至所述目的路口的车流入率,所述中间路段包括从所述源路口至所述目的路口的至少一个路段;以及
根据所述第一车辆数目和所述车流入率,确定从所述源路口至所述目的路口的车流出率,作为所述交通流量信息。
6.根据权利要求5所述的方法,其中,所述根据所述预测交通信息,确定在所述目标时刻处,从所述多个路口中的源路口流向所述多个路口中的目的路口的第一车辆数目包括:
根据所述预测交通信息和所述路网信息,确定在所述目标时刻处,所述多个路口中的源路口处的第二车辆数目;以及
根据所述第二车辆数目和中间节点数,确定所述第一车辆数目,所述中间节点数指示了根据所述路网信息从所述源路口至所述目的路口经过的中间路口数目。
7.根据权利要求4所述的方法,其中,所述根据所述预测交通信息和所述目标区域的路网信息,确定所述目标区域中多个路口各自的交通流量信息以及将所述目标区域划分为多个子区域包括:
根据所述预测交通信息,确定从所述多个路口中的源路口流向所述多个路口中的目的路口的第一交通流量值;
根据所述第一交通流量值、从所述源路口至所述目的路口的行程时间以及从所述源路口至所述目的路口的入口数目,确定源路口至目的路口的第一关联度;以及
根据所述第一关联度,将所述路网信息划分为多个子区域,每个子区域包括多个路口。
8.根据权利要求7所述的方法,其中,所述从多个路口中的源路口流向所述多个路口中的目的路口的第一交通流量值包括所述目标时刻处从所述源路口至所述目的路口的多个入口流入的车辆数之和以及从最大入口流入的车辆数,其中,所述最大入口是所述多个入口中流入车辆最多的路口。
9.根据权利要求7所述的方法,其中,所述根据所述预测交通信息和所述目标区域的路网信息,确定所述目标区域中多个路口各自的交通流量信息以及将所述目标区域划分为多个子区域还包括:
根据所述预测交通信息,确定从所述多个路口中的目的路口流向所述多个路口中的源路口的第二交通流量值;
根据所述第二交通流量值、从所述目的路口至所述源路口的行程时间以及所述从源路口至目的路口的入口数目,确定目的路口至源路口的第二关联度;
根据路口关联度,将所述路网信息划分为多个子区域,其中,所述路口关联度是所述第一关联度和第二关联度中的较大值。
10.根据权利要求9所述的方法,其中,所述从多个路口中的源路口流向所述多个路口中的目的路口的第一交通流量值包括所述目标时刻处从所述源路口至所述目的路口的多个入口流入的车辆数之和以及从最大入口流入的车辆数,其中,所述最大入口是所述多个入口中流入车辆最多的路口。
11.根据权利要求9所述的方法,其中,所述根据所述路口关联度,将所述路网信息划分为多个子区域包括:
确定当前路网信息的当前模块度;
针对所述目标区域中的多个路口,根据每两个路口之间的路口关联度以及所述多个路口彼此之间的路口关联度之和,确定所述每两个路口的模块度增量,得到多个模块度增量;
合并与多个模块度增量中最大模块度增量关联的两个路口,得到更新的路网信息;
将所述更新的路网信息的更新模块度与所述当前模块度进行比较;以及
响应于所述更新模块度大于等于所述当前模块度,将所述更新的路网信息作为当前路网信息,并返回所述确定当前路网信息的当前模块度的操作。
12.根据权利要求11所述的方法,其中,所述根据所述路口关联度,将所述路网信息划分为多个子区域还包括:
响应于所述更新模块度小于所述当前模块度,根据所述更新的路网信息划分所述目标区域。
13.根据权利要求10所述的方法,其中,所述针对所述多个子区域中的至少一个子区域,根据所述交通流量信息,确定用于所述子区域的交通控制信号包括:
根据所述路网信息,确定位于多个子区域中相邻两个子区域之间的多个连接路口;
根据所述多个连接路口各自的交通流量信息,确定所述多个连接路口中的关键路口;以及
确定用于所述关键路口的交通控制信号。
14.根据权利要求13所述的方法,其中,所述根据所述多个连接路口各自的交通流量信息,确定所述多个连接路口中的关键路口包括:
确定所述多个连接路口各自的至少一个交通相位,所述交通相位表示路口的交通流向组合;
针对每个连接路口,根据每个交通相位的交通流率,确定所述每个连接路口的总交通流率;以及
将所述多个连接路口中总交通流率最大的连接路口确定为所述关键路口。
15.根据权利要求1~14中任一项所述的方法,其中,所述交通控制信号包括以下中的至少一个:
信号灯周期时长;
有效绿灯点亮时长;以及
多个方向各自的有效绿灯点亮时长。
16.一种交通控制信号的生成装置,包括:
第一确定模块,用于根据目标区域的历史交通信息,确定所述目标区域在目标时刻处的预测交通信息;
确定及划分模块,用于根据所述预测交通信息和所述目标区域的路网信息,确定所述目标区域中多个路口各自的交通流量信息以及将所述目标区域划分为多个子区域;以及
第二确定模块,用于针对所述多个子区域中的至少一个子区域,根据所述交通流量信息,确定用于所述子区域的交通控制信号。
17.根据权利要求16所述的装置,其中,所述第一确定模块包括:
第一确定子模块,用于根据所述目标区域的历史交通信息,确定所述历史交通信息的时间空间特征;
转换子模块,用于将所述时间空间特征转换到相空间,得到所述历史交通信息的时间特征序列;以及
第二确定子模块,用于根据所述时间特征序列,确定所述目标区域在所述目标时刻处的所述预测交通信息。
18.根据权利要求17所述的装置,其中,所述时间特征序列包括多个时间特征序列;所述第二确定子模块包括:
第一确定单元,用于确定所述多个时间特征序列彼此之间的距离,得到多个距离;
第二确定单元,用于根据所述多个距离中最小的M个距离,确定权重值;以及
第三确定单元,用于根据所述权重值以及所述多个时间特征序列中与所述M个距离相关的邻近时间特征序列,确定所述预测交通信息。
19.根据权利要求16或17所述的装置,其中,所述目标区域的路网信息包括所述目标区域中的多个路口信息和多个路口彼此之间的路段信息。
20.根据权利要求19所述的装置,其中,所述确定及划分模块包括:
第三确定子模块,用于根据所述预测交通信息,确定在所述目标时刻处,从所述多个路口中的源路口流向所述多个路口中的目的路口的第一车辆数目;
第四确定子模块,用于根据所述第一车辆数目和针对中间路段的预测通行时间,确定从所述源路口至所述目的路口的车流入率,所述中间路段包括从所述源路口至所述目的路口的至少一个路段;以及
第五确定子模块,用于根据所述第一车辆数目和所述车流入率,确定从所述源路口至所述目的路口的车流出率,作为所述交通流量信息。
21.根据权利要求20所述的装置,其中,所述第三确定子模块包括:
第四确定单元,用于根据所述预测交通信息和所述路网信息,确定在所述目标时刻处,所述多个路口中的源路口处的第二车辆数目;以及
第五确定单元,用于根据所述第二车辆数目和中间节点数,确定所述第一车辆数目,所述中间节点数指示了根据所述路网信息从所述源路口至所述目的路口经过的中间路口数目。
22.根据权利要求19所述的装置,其中,所述确定及划分模块包括:
第六确定子模块,用于根据所述预测交通信息,确定从所述多个路口中的源路口流向所述多个路口中的目的路口的第一交通流量值;
第七确定子模块,用于根据所述第一交通流量值、从所述源路口至所述目的路口的行程时间以及从所述源路口至所述目的路口的入口数目,确定源路口至目的路口的第一关联度;以及
第一划分子模块,用于根据所述第一关联度,将所述路网信息划分为多个子区域,每个子区域包括多个路口。
23.根据权利要求22所述的装置,其中,所述从多个路口中的源路口流向所述多个路口中的目的路口的第一交通流量值包括所述目标时刻处从所述源路口至所述目的路口的多个入口流入的车辆数之和以及从最大入口流入的车辆数,其中,所述最大入口是所述多个入口中流入车辆最多的路口。
24.根据权利要求22所述的装置,其中,根据确定及划分模块还包括:
第八确定子模块,用于根据所述预测交通信息,确定从所述多个路口中的目的路口流向所述多个路口中的源路口的第二交通流量值;
第九确定子模块,用于根据所述第二交通流量值、从所述目的路口至所述源路口的行程时间以及所述从源路口至目的路口的入口数目,确定目的路口至源路口的第二关联度;
第二划分子模块,用于根据路口关联度,将所述路网信息划分为多个子区域,其中,所述路口关联度是所述第一关联度和第二关联度中的较大值。
25.根据权利要求24所述的装置,其中,所述从多个路口中的源路口流向所述多个路口中的目的路口的第一交通流量值包括所述目标时刻处从所述源路口至所述目的路口的多个入口流入的车辆数之和以及从最大入口流入的车辆数,其中,所述最大入口是所述多个入口中流入车辆最多的路口。
26.根据权利要求24所述的装置,其中,所述第二划分子模块包括:
第六确定单元,用于确定当前路网信息的当前模块度;
第七确定单元,用于针对所述目标区域中的多个路口,根据每两个路口之间的路口关联度以及所述多个路口彼此之间的路口关联度之和,确定所述每两个路口的模块度增量,得到多个模块度增量;
合并单元,用于合并与多个模块度增量中最大模块度增量关联的两个路口,得到更新的路网信息;
比较单元,用于将所述更新的路网信息的更新模块度与所述当前模块度进行比较;以及
返回单元,用于响应于所述更新模块度大于等于所述当前模块度,将所述更新的路网信息作为当前路网信息,并返回至第六确定单元以执行所述确定当前路网信息的当前模块度的操作。
27.根据权利要求26所述的装置,其中,所述第二划分子模块还包括:
划分单元,用于响应于所述更新模块度小于所述当前模块度,根据所述更新的路网信息划分所述目标区域。
28.根据权利要求25所述的装置,其中,所述第二确定模块包括:
第十确定子模块,用于根据所述路网信息,确定位于多个子区域中相邻两个子区域之间的多个连接路口;
第十一确定子模块,用于根据所述多个连接路口各自的交通流量信息,确定所述多个连接路口中的关键路口;以及
第十二确定子模块,用于确定用于所述关键路口的交通控制信号。
29.根据权利要求28所述的装置,其中,所述第十一确定子模块包括:
第八确定单元,用于确定所述多个连接路口各自的至少一个交通相位,所述交通相位表示路口的交通流向组合;
第九确定单元,用于针对每个连接路口,根据每个交通相位的交通流率,确定所述每个连接路口的总交通流率;以及
第十确定单元,用于将所述多个连接路口中总交通流率最大的连接路口确定为所述关键路口。
30.根据权利要求16~29中任一项所述的装置,其中,所述交通控制信号包括以下中的至少一个:
信号灯周期时长;
有效绿灯点亮时长;以及
多个方向各自的有效绿灯点亮时长。
31.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至15中任一项所述的方法。
32.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至15中任一项所述的方法。
33.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至15中任一项所述的方法。
34.一种边缘计算单元,包括权利要求31所述的电子设备。
35.一种路侧单元,包括权利要求31所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210511761.8A CN114973699A (zh) | 2022-05-10 | 2022-05-10 | 交通控制信号的生成方法、边缘计算单元和路侧单元 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210511761.8A CN114973699A (zh) | 2022-05-10 | 2022-05-10 | 交通控制信号的生成方法、边缘计算单元和路侧单元 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114973699A true CN114973699A (zh) | 2022-08-30 |
Family
ID=82980975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210511761.8A Pending CN114973699A (zh) | 2022-05-10 | 2022-05-10 | 交通控制信号的生成方法、边缘计算单元和路侧单元 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114973699A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639978A (zh) * | 2009-08-28 | 2010-02-03 | 华南理工大学 | 一种动态划分交通控制子区的方法 |
CN102682596A (zh) * | 2012-05-17 | 2012-09-19 | 天津大学 | 基于混沌理论的交通信息预测方法 |
CN106971565A (zh) * | 2017-04-22 | 2017-07-21 | 高新兴科技集团股份有限公司 | 一种基于物联网的区域交通边界控制与诱导协同方法及系统 |
CN108615089A (zh) * | 2018-03-27 | 2018-10-02 | 东北电力大学 | 一种基于递归量化分析的短期风速混合预测方法 |
CN109143371A (zh) * | 2018-08-01 | 2019-01-04 | 中国石油化工股份有限公司江汉油田分公司物探研究院 | 一种地震数据的噪声去除方法及装置 |
CN109410577A (zh) * | 2018-11-09 | 2019-03-01 | 东北林业大学 | 基于空间数据挖掘的自适应交通控制子区划分方法 |
CN109841063A (zh) * | 2019-04-01 | 2019-06-04 | 武汉凤翥科技有限公司 | 一种交通控制子区动态划分方法 |
CN111341110A (zh) * | 2020-05-22 | 2020-06-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 信号协调控制子区划分方法、装置、存储介质及终端设备 |
CN112581752A (zh) * | 2019-12-30 | 2021-03-30 | 西安金路交通工程科技发展有限责任公司 | 区域路网交通协调的控制主动干预方法及其系统 |
CN113129614A (zh) * | 2020-01-10 | 2021-07-16 | 阿里巴巴集团控股有限公司 | 一种交通控制方法、装置及电子设备 |
CN113327416A (zh) * | 2021-04-14 | 2021-08-31 | 北京交通大学 | 基于短时交通流预测的城市区域交通信号控制方法 |
CN113420414A (zh) * | 2021-05-27 | 2021-09-21 | 四川大学 | 一种基于动态时空分析的短时交通流预测模型 |
CN113538910A (zh) * | 2021-07-14 | 2021-10-22 | 李丹丹 | 一种自适应的全链条城市区域网络信号控制优化方法 |
CN113610059A (zh) * | 2021-09-13 | 2021-11-05 | 北京百度网讯科技有限公司 | 基于区域评估的车辆控制方法、装置和智能交管系统 |
CN114333361A (zh) * | 2022-02-22 | 2022-04-12 | 南京慧尔视智能科技有限公司 | 一种信号灯配时方法及装置 |
-
2022
- 2022-05-10 CN CN202210511761.8A patent/CN114973699A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639978A (zh) * | 2009-08-28 | 2010-02-03 | 华南理工大学 | 一种动态划分交通控制子区的方法 |
CN102682596A (zh) * | 2012-05-17 | 2012-09-19 | 天津大学 | 基于混沌理论的交通信息预测方法 |
CN106971565A (zh) * | 2017-04-22 | 2017-07-21 | 高新兴科技集团股份有限公司 | 一种基于物联网的区域交通边界控制与诱导协同方法及系统 |
CN108615089A (zh) * | 2018-03-27 | 2018-10-02 | 东北电力大学 | 一种基于递归量化分析的短期风速混合预测方法 |
CN109143371A (zh) * | 2018-08-01 | 2019-01-04 | 中国石油化工股份有限公司江汉油田分公司物探研究院 | 一种地震数据的噪声去除方法及装置 |
CN109410577A (zh) * | 2018-11-09 | 2019-03-01 | 东北林业大学 | 基于空间数据挖掘的自适应交通控制子区划分方法 |
CN109841063A (zh) * | 2019-04-01 | 2019-06-04 | 武汉凤翥科技有限公司 | 一种交通控制子区动态划分方法 |
CN112581752A (zh) * | 2019-12-30 | 2021-03-30 | 西安金路交通工程科技发展有限责任公司 | 区域路网交通协调的控制主动干预方法及其系统 |
CN113129614A (zh) * | 2020-01-10 | 2021-07-16 | 阿里巴巴集团控股有限公司 | 一种交通控制方法、装置及电子设备 |
CN111341110A (zh) * | 2020-05-22 | 2020-06-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 信号协调控制子区划分方法、装置、存储介质及终端设备 |
CN113327416A (zh) * | 2021-04-14 | 2021-08-31 | 北京交通大学 | 基于短时交通流预测的城市区域交通信号控制方法 |
CN113420414A (zh) * | 2021-05-27 | 2021-09-21 | 四川大学 | 一种基于动态时空分析的短时交通流预测模型 |
CN113538910A (zh) * | 2021-07-14 | 2021-10-22 | 李丹丹 | 一种自适应的全链条城市区域网络信号控制优化方法 |
CN113610059A (zh) * | 2021-09-13 | 2021-11-05 | 北京百度网讯科技有限公司 | 基于区域评估的车辆控制方法、装置和智能交管系统 |
CN114333361A (zh) * | 2022-02-22 | 2022-04-12 | 南京慧尔视智能科技有限公司 | 一种信号灯配时方法及装置 |
Non-Patent Citations (2)
Title |
---|
杨紫煜 等: "基于相空间重构的卡尔曼滤波短时交通流预测模型", 《北京建筑大学学报》, vol. 37, no. 4, pages 43 - 50 * |
王震: "基于动态交通子区相似度的控制方案研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 02, pages 108 - 112 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670277B (zh) | 一种基于多模态数据融合与多模型集成的旅行时间预测方法 | |
US10636294B1 (en) | Computer system and method for state prediction of a traffic system | |
Van Hinsbergen et al. | Localized extended kalman filter for scalable real-time traffic state estimation | |
De Schutter et al. | Optimal traffic light control for a single intersection | |
CN110942211A (zh) | 一种基于深度神经网络的预估达到时间预测方法及装置 | |
US20190179312A1 (en) | Method and Apparatus for Generating Information | |
US10198941B2 (en) | Method and apparatus for evaluating traffic approaching a junction at a lane level | |
Lian et al. | Adaptive traffic signal control algorithms based on probe vehicle data | |
Rakha et al. | Comparison of simulation modules of TRANSYT and INTEGRATION models | |
CN113335310B (zh) | 基于决策的运动规划方法、装置、电子设备及存储介质 | |
CN110322693B (zh) | 一种交通数据补全方法、系统、设备及介质 | |
Yedavalli et al. | Microsimulation analysis for network traffic assignment (MANTA) at metropolitan-scale for agile transportation planning | |
CN112309138A (zh) | 交通信号控制方法、装置、电子设备及可读存储介质 | |
CN114596709A (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN113899381A (zh) | 用于生成路线信息的方法、装置、设备、介质和产品 | |
CN112669630A (zh) | 交通信号配时方案生成方法、交通信号控制方法和装置 | |
WO2017158391A1 (en) | Process of planning the fastest route for road vehicles | |
CN110956299B (zh) | 一种到达时间预估方法及装置 | |
CN114973699A (zh) | 交通控制信号的生成方法、边缘计算单元和路侧单元 | |
CN114742280B (zh) | 路况预测方法及相应的模型训练方法、装置、设备及介质 | |
CN115687764B (zh) | 车辆轨迹评估模型的训练方法、车辆轨迹评估方法和装置 | |
CN110986992A (zh) | 无人售卖车辆的导航方法、装置、电子设备和存储介质 | |
CN113850297B (zh) | 道路数据的监测方法、装置、电子设备及存储介质 | |
CN114201997B (zh) | 路口转向识别方法、装置、设备及存储介质 | |
CN115600744A (zh) | 一种基于手机数据的共享时空注意力卷积网络人口数量预测方法 |
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 |
Application publication date: 20220830 |