CN115019524A - 一种交通控制时段划分方法、装置、设备及存储介质 - Google Patents
一种交通控制时段划分方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115019524A CN115019524A CN202210517883.8A CN202210517883A CN115019524A CN 115019524 A CN115019524 A CN 115019524A CN 202210517883 A CN202210517883 A CN 202210517883A CN 115019524 A CN115019524 A CN 115019524A
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- traffic
- basic time
- time units
- basic
- 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 154
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000008569 process Effects 0.000 claims description 62
- 238000004140 cleaning Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 28
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 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
- 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
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种交通控制时段划分方法、装置、设备及存储介质,涉及数据处理技术领域,该方法包括:先基于目标时间间隔,将预设时间段划分为N个基础时间单元,并获取目标交通位置分别在N个基础时间单元的目标车流量数据。再采用迭代的方式,基于N个基础时间单元的目标车流量数据,对N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段。本申请中的交通控制时段划分方法使得获得的各个交通控制时段,类间差距最大,类内差距最小。最后,根据获得的各个交通控制时段,制定相应的路灯信号控制方案,更能提升交通路口的精细化控制水平。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种交通控制时段划分方法、装置、设备及存储介质。
背景技术
随着交通监测技术的广泛发展,路灯信号控制正朝着智能化、精细化的方向发展。为了适应交通路口不同时段对应的交通流的变化,需要针对不同交通控制时段对应的车流量数据,确定不同的路灯信号控制方案。因此,交通控制时段的划分尤为重要。
目前,主要通过交通工程人员基于个人经验,对全天24小时进行交通控制时段划分,再针对每个交通控制时段,制定相应的路灯信号控制方案。然而,上述交通控制时段划分方法依赖个人经验,所制定的路灯信号控制方案具有一定的局限性,且准确率和效率较低。
发明内容
本申请实施例提供了一种交通控制时段划分方法、装置、设备及存储介质,用于提高制定的路灯信号控制方案的准确性和效率。
一方面,本申请实施例提供了一种交通控制时段划分方法,该方法包括:
基于目标时间间隔,将预设时间段划分为N个基础时间单元,并获取目标交通位置分别在所述N个基础时间单元的目标车流量数据;
采用迭代的方式,基于所述N个基础时间单元的目标车流量数据,对所述N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段,其中,迭代停止条件为:将所述N个基础时间单元划分为K个候选时段,并获得N-K+1种将所述N个基础时间单元划分为K个候选时段的划分方式,并选取满足车流量偏差总值最小的划分方式对应的K个候选时段,作为K个目标候选时段,N大于等于K,N大于等于1,且K大于等于1。
可选地,所述获取目标交通位置分别在所述N个基础时间单元的目标车流量数据,包括:
获取目标交通位置分别在所述N个基础时间单元的原始车流量数据;
对所述原始车流量数据进行异常数据清洗和缺失数据清洗,获得所述目标车流量数据。
可选地,所述获取目标交通位置分别在所述N个基础时间单元的原始车流量数据,包括:
确定所述目标交通位置对应的多个交通相位;
针对所述N个基础时间单元,分别执行以下步骤:
分别采集一个基础时间单元内,所述目标交通位置在所述多个交通相位各自对应的相位车流量数据;
将所述多个交通相位各自对应的相位车流量数据,作为所述一个基础时间单元的原始车流量数据。
可选地,针对第i次迭代过程,其中,2<=i<=K,包括以下步骤:
步骤一、采用M-i+1种划分方式,对所述N个基础时间单元中的前M个基础时间单元进行划分,获得M-i+1种划分结果,其中,每种划分结果包括i个候选时段,每个候选时段包括至少一个基础时间单元,M大于等于i;
步骤二、基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定第i次迭代过程中所述M-i+1种划分方式中的最小车流量偏差总值;
设置M=M+1,并判断所述M是否小于等于N,若是,则重复执行步骤一和步骤二,否则进入第i+1次迭代过程。
可选地,所述采用M-i+1种划分方式,对所述N个基础时间单元中的前M个基础时间单元进行划分,获得M-i+1种划分结果,包括:
将M个基础时间单元中前j个基础时间单元,划分为前i-1个候选时段,将M个基础时间单元中的其他基础时间单元,作为最后一个候选时段,其中,i-1<=j<=M-1;
设置j=j+1,并判断所述j是否小于等于M-1,若是,则重复执行上述步骤,否则结束划分。
可选地,所述基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定第i次迭代过程中所述M-i+1种划分方式中的最小车流量偏差总值,包括:
基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定所述M-i+1种划分方式各自对应的车流量偏差总值;
从获得的M-i+1个车流量偏差总值中,确定所述M-i+1种划分方式中的最小车流量偏差总值。
可选地,所述基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定所述M-i+1种划分方式各自对应的车流量偏差总值,包括:
针对所述M-i+1种划分方式,分别执行以下步骤:
针对一种划分方式,基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定采用所述一种划分方式获得的前i-1个候选时段对应的车流量偏差总值;
基于所述最后一个候选时段的平均车流量数据,确定所述最后一个候选时段的车流量偏差平方和;
基于所述前i-1个候选时段对应的车流量偏差总值和所述最后一个候选时段的车流量偏差平方和,确定所述一种划分方式对应的车流量偏差总值。
可选地,所述基于最后一个候选时段的平均车流量数据,确定所述最后一个候选时段的车流量偏差平方和,包括:
基于所述最后一个候选时段中的至少一个基础时间单元各自对应的目标车流量数据,和所述平均车流量数据,确定所述至少一个基础时间单元各自对应的车流量偏差平方;
将所述至少一个基础时间单元各自对应的车流量偏差平方相加,获得所述最后一个候选时段的车流量偏差平方和。
一方面,本申请实施例提供了一种交通控制时段划分装置,该装置包括:
获取模块,用于基于目标时间间隔,将预设时间段划分为N个基础时间单元,并获取目标交通位置分别在所述N个基础时间单元的目标车流量数据;
迭代模块,用于采用迭代的方式,基于所述N个基础时间单元的目标车流量数据,对所述N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段,其中,迭代停止条件为:将所述N个基础时间单元划分为K个候选时段,并获得N-K+1种将所述N个基础时间单元划分为K个候选时段的划分方式,并选取满足车流量偏差总值最小的划分方式对应的K个候选时段,作为K个目标候选时段,N大于等于K,N大于等于1,且K大于等于1。
可选地,所述获取模块具体用于:
获取目标交通位置分别在所述N个基础时间单元的原始车流量数据;
对所述原始车流量数据进行异常数据清洗和缺失数据清洗,获得所述目标车流量数据。
可选地,所述获取模块具体用于:
确定所述目标交通位置对应的多个交通相位;
针对所述N个基础时间单元,分别执行以下步骤:
分别采集一个基础时间单元内,所述目标交通位置在所述多个交通相位各自对应的相位车流量数据;
将所述多个交通相位各自对应的相位车流量数据,作为所述一个基础时间单元的原始车流量数据。
可选地,所述迭代模块具体用于:
针对第i次迭代过程,其中,2<=i<=K,包括以下步骤:
步骤一、采用M-i+1种划分方式,对所述N个基础时间单元中的前M个基础时间单元进行划分,获得M-i+1种划分结果,其中,每种划分结果包括i个候选时段,每个候选时段包括至少一个基础时间单元,M大于等于i;
步骤二、基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定第i次迭代过程中所述M-i+1种划分方式中的最小车流量偏差总值;
设置M=M+1,并判断所述M是否小于等于N,若是,则重复执行步骤一和步骤二,否则进入第i+1次迭代过程。
可选地,所述迭代模块具体用于:
将M个基础时间单元中前j个基础时间单元,划分为前i-1个候选时段,将M个基础时间单元中的其他基础时间单元,作为最后一个候选时段,其中,i-1<=j<=M-1;
设置j=j+1,并判断所述j是否小于等于M-1,若是,则重复执行上述步骤,否则结束划分。
可选地,所述迭代模块具体用于:
基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定所述M-i+1种划分方式各自对应的车流量偏差总值;
从获得的M-i+1个车流量偏差总值中,确定所述M-i+1种划分方式中的最小车流量偏差总值。
可选地,所述迭代模块具体用于:
针对所述M-i+1种划分方式,分别执行以下步骤:
针对一种划分方式,基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定采用所述一种划分方式获得的前i-1个候选时段对应的车流量偏差总值;
基于所述最后一个候选时段的平均车流量数据,确定所述最后一个候选时段的车流量偏差平方和;
基于所述前i-1个候选时段对应的车流量偏差总值和所述最后一个候选时段的车流量偏差平方和,确定所述一种划分方式对应的车流量偏差总值。
可选地,所述迭代模块具体用于:
基于所述最后一个候选时段中的至少一个基础时间单元各自对应的目标车流量数据,和所述平均车流量数据,确定所述至少一个基础时间单元各自对应的车流量偏差平方;
将所述至少一个基础时间单元各自对应的车流量偏差平方相加,获得所述最后一个候选时段的车流量偏差平方和。
一方面,本申请实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述交通控制时段划分方法的步骤。
一方面,本申请实施例提供了一种计算机可读存储介质,其存储有可由计算机设备执行的计算机程序,当所述程序在计算机设备上运行时,使得所述计算机设备执行上述交通控制时段划分方法的步骤。
在本申请实施例中,先基于目标时间间隔,将预设时间段划分为N个基础时间单元,并获取目标交通位置分别在N个基础时间单元的目标车流量数据。再采用迭代的方式,基于N个基础时间单元的目标车流量数据,对N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段。由于本申请中采用迭代的方法,对各个基础时间单元进行交通控制时段的划分,选取车流量偏差总值最小的划分方式对应的候选时段作为最终确定的各个交通控制时段,一个交通控制时段内包括的至少一个基础时间单元之间的相似性比较大,不同交通控制时段内包括的不同基础时间单元之间的相似性比较小。因此,本申请中的交通控制时段划分方法使得获得的各个交通控制时段,类间差距最大,类内差距最小。最后,根据获得的各个交通控制时段,制定相应的路灯信号控制方案,更能提升交通路口的精细化控制水平。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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为本申请实施例提供的一种系统架构示意图;
图2为本申请实施例提供的一种交通控制时段划分方法的流程示意图;
图3为本申请实施例提供的一种获取目标车流量数据方法的流程示意图;
图4为本申请实施例提供的一种目标交通位置对应的交通相位的结构示意图;
图5为本申请实施例提供的一种确定车流量偏差平方和方法的流程示意图;
图6为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图7为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图8为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图9为本申请实施例提供的一种交通控制时段划分方法的流程示意图;
图10为本申请实施例提供的一种交通控制时段划分方法的流程示意图;
图11为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图12为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图13为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图14为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图15为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图16为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图17为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图18为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图19为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图20为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图21为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图22为本申请实施例提供的一种交通控制时段划分方式的结构示意图;
图23为本申请实施例提供的一种确定最优时段数方法的流程示意图;
图24为本申请实施例提供的一种交通控制时段划分方法的流程示意图;
图25为本申请实施例提供的一种交通控制时段划分装置的结构示意图;
图26为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参考图1,其为本申请实施例适用的一种交通控制时段划分的系统架构图,该交通控制时段划分的系统架构图至少包括终端设备101、交通控制时段划分系统102。
终端设备101安装有用于划分交通控制时段的目标应用,该应用可以是预先安装的客户端、网页版应用或嵌入在其他应用中的小程序等。终端设备101可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此。
交通控制时段划分系统102为目标应用的后台服务器,为目标应用提供服务。交通控制时段划分系统102可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网路(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
终端设备101与交通控制时段划分系统102可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
终端设备101响应用户的划分交通控制时段的操作,发送针对预设时间段的交通控制时段划分指令至交通控制时段划分系统102。交通控制时段划分系统102接收交通控制时段划分指令,基于目标时间间隔,将预设时间段划分为N个基础时间单元,并获取目标交通位置分别在N个基础时间单元的目标车流量数据。再采用迭代的方式,基于N个基础时间单元的目标车流量数据,对N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段,其中,迭代停止条件为:将N个基础时间单元划分为K个候选时段,并获得N-K+1种将N个基础时间单元划分为K个候选时段的划分方式,并选取满足车流量偏差总值最小的划分方式对应的K个候选时段,作为K个目标候选时段,N大于等于K,N大于等于1,且K大于等于1。
基于图1所述的系统架构图,本申请实施例提供了一种交通控制时段划分方法的流程,如图2所示,该方法的流程由图1所示的交通控制时段划分系统102执行,包括以下步骤:
步骤S201,基于目标时间间隔,将预设时间段划分为N个基础时间单元,并获取目标交通位置分别在N个基础时间单元的目标车流量数据。
具体地,预设时间段为一个自然日,即24个小时。目标时间间隔是预设的,可以是以秒为单位,也可以是以分钟为单位,还可以是以小时为单位。如目标时间间隔为15分钟。
举例来说,目标时间间隔为15分钟,预设时间段为24小时,基于目标时间间隔15分钟,对预设时间段24小时进行划分,获得96个基础时间单元。
可选地,如图3所示,获取目标交通位置分别在N个基础时间单元的目标车流量数据,包括以下步骤:
步骤S301,获取目标交通位置分别在N个基础时间单元的原始车流量数据。
具体地,先确定目标交通位置对应的多个交通相位,再针对N个基础时间单元,分别执行以下步骤:分别采集一个基础时间单元内,目标交通位置在多个交通相位各自对应的相位车流量数据;再将多个交通相位各自对应的相位车流量数据,作为一个基础时间单元的原始车流量数据。
当目标交通位置为交通路口时,该目标交通位置对应的多个交通相位包括:南北向直行相位、东西向直行相位、南北向左转相位、南北向右转相位、东西向左转相位、东西向右转相位。目标交通位置对应的多个交通相位还可以包括其他相位,在此不做限定。
如图4所示,当目标交通位置为交通路口时,该目标交通位置对应4个交通相位,即图4中的4(a)为南北向直行相位、图4中的4(b)为南北向左转相位、图4中的4(c)为东西向直行相位、图4中的4(d)为东西向左转相位。
一个基础时间单元包括多个通行时间单元。每个通行时间单元的大小可以相同,也可以不同。每个通行时间单元对应一个交通相位。因此,在一个基础时间单元内,目标交通位置对应多个交通相位,多个交通相位依照通行时间单元的变化而变化。
针对一个基础时间单元,确定该基础时间单元中各个通行时间单元各自对应的交通相位,将每个通行时间单元内的行驶车辆数,作为该通行时间单元对应的交通相位的相位车流量数据。再将多个交通相位各自对应的相位车流量数据,组合为一个矩阵,作为该基础时间单元的原始车流量数据。
针对图4中的4个交通相位,一个基础时间单元为00:00:00-00:15:00,每个交通相位对应的通行时间单元的大小均为3分钟。设定该基础时间单元内,通行时间单元00:00:00-00:03:00对应的交通相位为南北向直行相位、通行时间单元00:03:00-00:06:00对应的交通相位为南北向左转相位、通行时间单元00:06:00-00:09:00对应的交通相位为东西向直行相位、通行时间单元00:09:00-00:12:00对应的交通相位为东西向左转相位、通行时间单元00:12:00-00:15:00对应的交通相位为南北向直行相位。因此,基础时间单元00:00:00-00:15:00内,目标交通位置对应5个交通相位,依次为南北向直行相位、南北向左转相位、东西向直行相位、东西向左转相位和南北向直行相位。
其中,通行时间单元00:00:00-00:03:00内南北向直行的车辆数为20个,通行时间单元00:03:00-00:06:00内南北向左转的车辆数为30个、通行时间单元00:06:00-00:09:00内东西向直行的车辆数为23个、通行时间单元00:09:00-00:12:00内东西向左转的车辆数为25个、通行时间单元00:12:00-00:15:00内南北向直行的车辆数为10个。因此,南北向直行相位对应的相位车流量数据为20+10=30,南北向左转相位对应的相位车流量数据为30,东西向直行相位对应的相位车流量数据为23,东西向左转相位对应的相位车流量数据25。
步骤S302,对原始车流量数据进行异常数据清洗和缺失数据清洗,获得目标车流量数据。
若原始车流量数据中存在异常数据,如-1等,则对原始车流量数据进行异常数据清洗,常见的异常数据清洗方法,可以是将原始车流量数据设置为零矩阵,也可以是将原始车流量数据中的异常数据设置为0。
若原始车流量数据中存在缺失数据,则对原始车流量数据进行缺失数据清洗,常见的缺失数据清洗方法,可以是将原始车流量数据设置为零矩阵,也可以是将原始车流量数据中的缺失数据设置为0。
在本申请实施例中,考虑到目标交通位置对应的多个交通相位,基于一个基础时间单元内,目标交通位置在多个交通相位各自对应的相位车流量数据,确定一个基础时间单元的原始车流量数据,充分考虑到不同目标交通位置的交通相位之间的差异,即充分考虑了目标交通位置的空间维度的特征,有利于提高交通控制时段划分的准确性。
对原始车流量数据进行异常数据清洗和缺失数据清洗,获得目标车流量数据,可以去除噪声数据,进一步提高交通控制时段划分的准确性。
步骤S202,采用迭代的方式,基于N个基础时间单元的目标车流量数据,对N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段。
具体地,迭代停止条件为:将N个基础时间单元划分为K个候选时段,并获得N-K+1种将N个基础时间单元划分为K个候选时段的划分方式,并选取满足车流量偏差总值最小的划分方式对应的K个候选时段,作为K个目标候选时段,N大于等于K,N大于等于1,且K大于等于1。
其中,针对第K次迭代中,获得N-K+1种将N个基础时间单元划分为K个候选时段的划分方式,并计算每种划分方式对应的车流量偏差总值,具体步骤如下:
第一种划分方式为:将N个基础时间单元中前K-1个基础时间单元,划分为前K-1个候选时段;再将N个基础时间单元中的其他基础时间单元(即N-K+1个基础时间单元),作为最后一个候选时段,共获得K个候选时段。
第二种划分方式为:将N个基础时间单元中前K个基础时间单元,划分为前K-1个候选时段;再将N个基础时间单元中其他基础时间单元(即N-K个基础时间单元),作为最后一个候选时段,共获得K个候选时段。
依次类推,第N-K+1种划分方式为:将N个基础时间单元中前N-1个基础时间单元,划分为前K-1个候选时段;再将N个基础时间单元中其他基础时间单元(即1个基础时段),作为最后一个候选时段,共获得K个候选时段。
针对以上任一种划分方式,确定该划分方式对应的车流量偏差总值,执行以下步骤:
先基于最后一个候选时段内的至少一个基础时间单元各自对应的目标车流量数据,确定最后一个候选时段的平均车流量数据。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。最后,基于前K-1个候选时段对应的车流量偏差总值和最后一个候选时段对应的车流量偏差平方和,确定该划分方式对应的车流量偏差总值。
其中,由于在进行第K-1次迭代时,确定K-1个候选时段对应的车流量偏差总值。因此,在进行第K次迭代时,可直接获取前K-1个候选时段对应的车流量偏差总值。
可选地,基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和,包括以下步骤,如图5所示:
步骤S501,基于最后一个候选时段中的至少一个基础时间单元各自对应的目标车流量数据,和平均车流量数据,确定至少一个基础时间单元各自对应的车流量偏差平方。
具体地,将最后一个候选时段中的至少一个基础时间单元各自对应的目标车流量数据,分别与平均车流量数据相减,作为至少一个基础时间单元各自对应的车流量偏差。再将至少一个基础时间单元各自对应的车流量偏差进行平方,作为至少一个基础时间单元各自对应的车流量偏差平方。
步骤S502,将至少一个基础时段各自对应的车流量偏差平方相加,获得最后一个候选时段的车流量偏差平方和。
具体地,设定1个候选时段内包括L个基础时间单元(即第p个基础时间单元至第q个基础时间单元),其中,L=q-p+1,1个候选时段对应的车流量偏差平方和采用以下公式(1)获得:
其中,SSDp,q表示一个候选时段(包括第p个基础时间单元至第q个基础时间单元)对应的车流量偏差平方和,fv表示第v个基础时间单元对应的目标车流量数据,表示一个候选时段的平均车流量数据,表示第v个基础时间单元对应的车流量偏差,表示第v个基础时间单元对应的车流量偏差平方。
最后,针对每一种划分方法所获得的车流量偏差总值,选择满足车流量偏差总值最小的划分方式对应的K个候选时段,作为K个目标候选时段。
举例来说,设定N=6,K=4,在进行第4次迭代时,是将6个基础时间单元划分为4个候选时段,共三种划分方式:
第一种划分方式如图6所示,将6个基础时间单元中前3个基础时间单元,划分为前3个候选时段;再将N个基础时间单元中的其他基础时间单元(即3个基础时间单元),作为最后一个候选时段,共获得4个候选时段。
在第4次迭代时,前3个候选时段对应的车流量偏差总值是已知的。设定前3个候选时段对应的车流量偏差总值为70,最后一个候选时段包括3个基础时间单元,分别为第4个基础时间单元至第6个基础时间单元,3个基础时间单元各自对应的目标车流量数据分别为和根据公式1,计算最后一个候选时段的平均车流量数据3个基础时间单元各自对应的车流量偏差分别为 和3个基础时间单元各自对应的车流量偏差平方分别为和因此,最后一个候选时段对应的车流量偏差平方和为最终,第一种划分方式获得的4个候选时段对应的车流量偏差总值为70+50=120。
第二种划分方式如图7所示,将6个基础时间单元中前4个基础时间单元,划分为前3个候选时段;再将6个基础时间单元中的其他基础时间单元(即2个基础时间单元),作为最后一个候选时段,共获得4个候选时段。
计算第二种划分方式获得的4个候选时段的车流量偏差总值,作为第二种划分方式对应的车流量偏差总值,具体计算方法与上述方法类似,在此不做赘述。
第三种划分方式如图8所示,将6个基础时间单元中前5个基础时间单元,划分为前3个候选时段;再将6个基础时间单元中的其他基础时间单元(即1个基础时间单元),作为最后一个候选时段,共获得4个候选时段。
计算第三种划分方式获得的4个候选时段的车流量偏差总值,作为第三种划分方式对应的车流量偏差总值,具体计算方法与上述方法类似,在此不做赘述。
设定第三种划分方式所对应的车流量偏差总值最小,则将第三种划分方式对应的4个候选时段,作为4个目标候选时段。
在本申请实施例中,先基于目标时间间隔,将预设时间段划分为N个基础时间单元,并获取目标交通位置分别在N个基础时间单元的目标车流量数据。再采用迭代的方式,基于N个基础时间单元的目标车流量数据,对N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段。由于本申请中采用迭代的方法,对各个基础时间单元进行交通控制时段的划分,选取车流量偏差总值最小的划分方式对应的候选时段作为最终确定的各个交通控制时段,一个交通控制时段内包括的至少一个基础时间单元之间的相似性比较大,不同交通控制时段内包括的不同基础时间单元之间的相似性比较小。因此,本申请中的交通控制时段划分方法使得获得的各个交通控制时段,类间差距最大,类内差距最小。最后,根据获得的各个交通控制时段,制定相应的路灯信号控制方案,更能提升交通路口的精细化控制水平。
可选地,在上述步骤S202中,第i次迭代过程,其中,i=1,包括以下步骤:
设置M的初始值为1。
步骤零、采用一种划分方式,将N个基础时间单元中的前M个基础时间单元划分为1个候选时段,获得一种划分结果。其中,该划分结果中包括1个候选时段,该候选时段中包括M个基础时段单元。确定该划分方式对应的最小车流量偏差总值。
设置M=M+1,并判断M是否小于等于N,若是,则重复执行上述步骤零;否则进入第i+1次迭代过程。
可选地,在上述步骤S202中,第i次迭代过程,其中,2<=i<=K,包括以下步骤:
设置i的初始值为2,M的初始值为i。
步骤一、采用M-i+1种划分方式,对N个基础时间单元中的前M个基础时间单元进行划分,获得M-i+1种划分结果,其中,每种划分结果包括i个候选时段,每个候选时段包括至少一个基础时间单元,M大于等于i。
步骤二、基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定第i次迭代过程中M-i+1种划分方式中的最小车流量偏差总值。
设置M=M+1,并判断M是否小于等于N,若是,则重复执行步骤一和步骤二,否则进入第i+1次迭代过程。
可选地,在上述步骤一中,针对第i次迭代,采用M-i+1种划分方式,对N个基础时间单元中的前M个基础时间单元进行划分,获得M-i+1种划分结果,具体包括以下执行步骤,如图9所示:
步骤S901,设置j的初始值为i-1。
步骤S902,将M个基础时间单元中前j个基础时间单元,划分为前i-1个候选时段,将M个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
步骤S903,设置j=j+1。
步骤S904,判断j是否小于等于M-1,若是,则执行上述步骤S902,否则结束划分。
可选地,在上述步骤二中,针对第i次迭代,基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定第i次迭代过程中M-i+1种划分方式中的最小车流量偏差总值,具体包括以下执行步骤:
先基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定第i次迭代过程中M-i+1种划分方式各自对应的车流量偏差总值。再从获得的M-i+1个车流量偏差总值中,确定M-i+1种划分方式中的最小车流量偏差总值。
具体地,如图10所示,针对M-i+1种划分方式,分别执行以下步骤:
步骤S1001,针对一种划分方式,基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定采用一种划分方式获得的前i-1个候选时段对应的车流量偏差总值。
步骤S1002,基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。
具体地,先基于最后一个候选时段内的至少一个基础时间单元各自对应的目标车流量数据,确定最后一个候选时段的平均车流量数据。再基于最后一个候选时段中的至少一个基础时间单元各自对应的目标车流量数据,和平均车流量数据,确定至少一个基础时间单元各自对应的车流量偏差平方。再将至少一个基础时间单元各自对应的车流量偏差平方相加,获得最后一个候选时段的车流量偏差平方和。
步骤S1003,基于前i-1个候选时段对应的车流量偏差总值和最后一个候选时段的车流量偏差平方和,确定一种划分方式对应的车流量偏差总值。
具体地,将前i-1个候选时段对应的车流量偏差总值和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为一种划分方式对应的车流量偏差总值。
在本申请中,采用迭代的方式,基于N个基础时间单元的目标车流量数据,对N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段。如图11所示,设定K个目标候选时段对应的K个最佳划分位置分别为p1、p2、…、pk-1、pk,其中,pk=N,第1个基础时间单元至第p1个基础时间单元作为一个目标候选时段,第p1+1个基础时间单元至第p2个基础时间单元作为一个目标候选时段,…,第pk-1+1个基础时间单元至第pk个基础时间单元作为一个目标候选时段。
以上划分过程采用递归公式(2)表示:
……
其中,Min L(N,K)表示将N个基础时间单元划分为K个候选时段时所对应的最小车流量偏差总值,Min L(pk-1,K-1)表示将前pk-1个基础时间单元划分为K-1个候选时段所对应的最小车流量偏差总值,表示一个候选时段(包括第pk-1+1个基础时间单元至第pk个基础时间单元)对应的车流量偏差平方和,Min L(pk-2,K-2)表示将前pk-2个基础时间单元划分为K-2个候选时段所对应的最小车流量偏差总值,表示一个候选时段(包括第pk-2+1个基础时间单元至第pk-1个基础时间单元)对应的车流量偏差平方和,Min L(p2,2)表示将前p2个基础时间单元划分为2个候选时段所对应的最小车流量偏差总值,Min L(p1,1)表示将前p1个基础时间单元划分为1个候选时段所对应的最小车流量偏差总值,表示一个候选时段(包括第p1+1个基础时间单元至第p2个基础时间单元)对应的车流量偏差平方和,表示一个候选时段(包括第1个基础时间单元至第p1个基础时间单元)对应的车流量偏差平方和。
举例来说,设定N=6,K=3,在进行第i=1次迭代时,执行以下步骤,如图12所示:
当M=1时,采用一种划分方式,将6个基础时间单元中的前1个基础时间单元划分为1个候选时段,获得一种划分结果。当候选时段中只有一个基础时间单元时,通过计算,确定该候选时段的车流量偏差平方和为0。将该候选时段的车流量偏差平方和作为该种划分方式对应的最小车流量偏差总值。
因此,将前1个基础时间单元划分为1个候选时段,所对应的最小车流量偏差总值为d11=0。
当M=2时,采用一种划分方式,将6个基础时间单元中的前2个基础时间单元划分为一个候选时段,获得一种划分结果。基于该候选时段内2个基础时间单元各自对应的目标车流量数据,确定该候选时段的平均车流量数据。再基于该候选时段中的2个基础时间单元各自对应的目标车流量数据,和平均车流量数据,确定2个基础时间单元各自对应的车流量偏差平方。再将2个基础时间单元各自对应的车流量偏差平方相加,获得该候选时段的车流量偏差平方和d12。将该候选时段的车流量偏差平方和d12作为该种划分方式对应的最小车流量偏差总值。
因此,将前2个基础时间单元划分为1个候选时段,所对应的最小车流量偏差总值为d12。
当M=3时,采用一种划分方式,将6个基础时间单元中的前3个基础时间单元划分为一个候选时段,获得一种划分结果。采用同样的方式,计算该种划分方式对应的最小车流量偏差总值,具体计算过程,在此不做赘述。
最终,将前3个基础时间单元划分为1个候选时段,所对应的最小车流量偏差总值为d13。
当M=4时,采用一种划分方式,将6个基础时间单元中的前4个基础时间单元划分为一个候选时段,获得一种划分结果。采用同样的方式,计算该种划分方式对应的最小车流量偏差总值,具体计算过程,在此不做赘述。
最终,将前4个基础时间单元划分为1个候选时段,所对应的最小车流量偏差总值为d14。
当M=5时,采用一种划分方式,将6个基础时间单元中的前5个基础时间单元划分为一个候选时段,获得一种划分结果。采用同样的方式,计算该种划分方式对应的最小车流量偏差总值,具体计算过程,在此不做赘述。
最终,将前5个基础时间单元划分为1个候选时段,所对应的最小车流量偏差总值为d15。
当M=6时,采用一种划分方式,将6个基础时间单元中的前6个基础时间单元划分为一个候选时段,获得一种划分结果。采用同样的方式,计算该种划分方式对应的最小车流量偏差总值,具体计算过程,在此不做赘述。
最终,将前6个基础时间单元划分为1个候选时段,所对应的最小车流量偏差总值为d16。
在进行第i=2次迭代时,执行以下步骤:
当M=2时,如图13所示,采用一种划分方式,将6个基础时间单元中的前2个基础时间单元划分为两个候选时段,获得一种划分结果。
具体地,将2个基础时间单元中前1个基础时间单元,划分为前1个候选时段,将2个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第1次迭代过程中获得的6个最小车流量偏差总值中的d11,确定前1个候选时段对应的车流量偏差总值为d11。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前1个候选时段对应的车流量偏差总值d11,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为该划分方式对应的车流量偏差总值d22。
由于M=2时,将前2个基础时间单元划分为2个候选时段,只有一种划分方式。因此,该划分方式对应的车流量偏差总值d22,即为最小车流量偏差总值。最终,将前2个基础时间单元划分为2个候选时段时,所对应的最小车流量偏差总值为d22。
当M=3时,如图14所示,采用2种划分方式,将6个基础时间单元中的前3个基础时间单元划分为两个候选时段,获得2种划分结果。
具体地,第一种划分方式,将3个基础时间单元中前1个基础时间单元,划分为前1个候选时段,将3个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第1次迭代过程中获得的6个最小车流量偏差总值中的d11,确定前1个候选时段对应的车流量偏差总值为d11。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前1个候选时段对应的车流量偏差总值d11,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第一种划分方式对应的车流量偏差总值。
第二种划分方式,将3个基础时间单元中前2个基础时间单元,划分为前1个候选时段,将3个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第1次迭代过程中获得的6个最小车流量偏差总值中的d12,确定前1个候选时段对应的车流量偏差总值为d12。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前1个候选时段对应的车流量偏差总值d12,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第二种划分方式对应的车流量偏差总值。
由于M=3时,将前3个基础时间单元划分为2个候选时段,有两种划分方式。设定第一种划分方式对应的车流量偏差总值为1,第二种划分方式对应的车流量偏差总值为2,第一种划分方式对应的车流量偏差总值小于第二种划分方式对应的车流量偏差总值,因此,第一种划分方式对应的车流量偏差总值为最小车流量偏差总值d23。最终,将前3个基础时间单元划分为2个候选时段,所对应的最小车流量偏差总值为d23。
当M=4时,如图15所示,采用3种划分方式,将6个基础时间单元中的前4个基础时间单元划分为两个候选时段,获得3种划分结果。
具体地,第一种划分方式,将4个基础时间单元中前1个基础时间单元,划分为前1个候选时段,将4个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
第二种划分方式,将4个基础时间单元中前2个基础时间单元,划分为前1个候选时段,将4个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
第三种划分方式,将4个基础时间单元中前3个基础时间单元,划分为前1个候选时段,将4个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
当M=4时,将前4个基础时间单元划分为2个候选时段,有三种划分方式。确定最小车流量偏差总值的方式与上述过程类似,在此不做赘述。
设定第一种划分方式对应的车流量偏差总值为2,第二种划分方式对应的车流量偏差总值为2,第三种划分方式对应的车流量偏差总值为1,由于第三种划分方式对应的车流量偏差总值最小,因此,第三种划分方式对应的车流量偏差总值为最小车流量偏差总值d24。
最终,将前4个基础时间单元划分为2个候选时段,所对应的最小车流量偏差总值为d24。
当M=5时,如图16所示,采用4种划分方式,将6个基础时间单元中的前5个基础时间单元划分为两个候选时段,获得4种划分结果。
具体地,第一种划分方式,将5个基础时间单元中前1个基础时间单元,划分为前1个候选时段,将5个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
第二种划分方式,将5个基础时间单元中前2个基础时间单元,划分为前1个候选时段,将5个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
第三种划分方式,将5个基础时间单元中前3个基础时间单元,划分为前1个候选时段,将5个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
第四种划分方式,将5个基础时间单元中前4个基础时间单元,划分为前1个候选时段,将5个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
当M=5时,将前5个基础时间单元划分为2个候选时段,有四种划分方式。确定最小车流量偏差总值的方式与上述过程类似,在此不做赘述。
设定第一种划分方式对应的车流量偏差总值为2,第二种划分方式对应的车流量偏差总值为1,第三种划分方式对应的车流量偏差总值为2,第四种划分方式对应的车流量偏差总值为3,由于第二种划分方式对应的车流量偏差总值最小,因此,第二种划分方式对应的车流量偏差总值为最小车流量偏差总值d25。
最终,将前5个基础时间单元划分为2个候选时段,所对应的最小车流量偏差总值为d25。
当M=6时,如图17所示,采用5种划分方式,将6个基础时间单元中的前6个基础时间单元划分为候选时段,获得5种划分结果。
具体地,第一种划分方式,将6个基础时间单元中前1个基础时间单元,划分为前1个候选时段,将6个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
第二种划分方式,将6个基础时间单元中前2个基础时间单元,划分为前1个候选时段,将6个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
第三种划分方式,将6个基础时间单元中前3个基础时间单元,划分为前1个候选时段,将6个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
第四种划分方式,将6个基础时间单元中前4个基础时间单元,划分为前1个候选时段,将6个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
第五种划分方式,将6个基础时间单元中前5个基础时间单元,划分为前1个候选时段,将6个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
当M=6时,将前6个基础时间单元划分为2个候选时段,有五种划分方式。确定最小车流量偏差总值的方式与上述过程类似,在此不做赘述。
设定第一种划分方式对应的车流量偏差总值为5,第二种划分方式对应的车流量偏差总值为2,第三种划分方式对应的车流量偏差总值为4,第四种划分方式对应的车流量偏差总值为3,第五种划分方式对应的车流量偏差总值为3,由于第二种划分方式对应的车流量偏差总值最小,因此,第二种划分方式对应的车流量偏差总值为最小车流量偏差总值d26。
最终,将前6个基础时间单元划分为2个候选时段,所对应的最小车流量偏差总值为d26。
在进行第i=3次迭代时,执行以下步骤:
当M=3时,如图18所示,采用一种划分方式,将6个基础时间单元中的前3个基础时间单元划分为3个候选时段,获得一种划分结果。
具体地,将3个基础时间单元中前2个基础时间单元,划分为前2个候选时段,将3个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第2次迭代过程中获得的6个最小车流量偏差总值中的d22,确定前2个候选时段对应的车流量偏差总值为d22。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前2个候选时段对应的车流量偏差总值d22,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第一种划分方式对应的车流量偏差总值d33。
由于M=3时,将前3个基础时间单元划分为3个候选时段,只有一种划分方式。因此,该划分方式对应的车流量偏差总值d33,即为最小车流量偏差总值。最终,将前3个基础时间单元划分为3个候选时段时,所对应的最小车流量偏差总值为d33。
当M=4时,如图19所示,采用2种划分方式,将6个基础时间单元中的前4个基础时间单元划分为3个候选时段,获得2种划分结果。
具体地,第一种划分方式,将4个基础时间单元中前2个基础时间单元,划分为前2个候选时段,将4个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第2次迭代过程中获得的6个最小车流量偏差总值中的d22,确定前2个候选时段对应的车流量偏差总值为d22。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前1个候选时段对应的车流量偏差总值d22,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第一种划分方式对应的车流量偏差总值。
第二种划分方式,将4个基础时间单元中前3个基础时间单元,划分为前2个候选时段,将4个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第2次迭代过程中获得的6个最小车流量偏差总值中的d23,确定前2个候选时段对应的车流量偏差总值为d23。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前2个候选时段对应的车流量偏差总值d23,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第二种划分方式对应的车流量偏差总值。
由于M=4时,将前4个基础时间单元划分为3个候选时段,有两种划分方式。设定第一种划分方式对应的车流量偏差总值为2,第二种划分方式对应的车流量偏差总值为4,第一种划分方式对应的车流量偏差总值小于第二种划分方式对应的车流量偏差总值,因此,第一种划分方式对应的车流量偏差总值为最小车流量偏差总值d34。最终,将前4个基础时间单元划分为3个候选时段,所对应的最小车流量偏差总值为d34。
当M=5时,如图20所示,采用3种划分方式,将6个基础时间单元中的前5个基础时间单元划分为3个候选时段,获得3种划分结果。
具体地,第一种划分方式,将5个基础时间单元中前2个基础时间单元,划分为前2个候选时段,将5个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第2次迭代过程中获得的6个最小车流量偏差总值中的d22,确定前2个候选时段对应的车流量偏差总值为d22。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前1个候选时段对应的车流量偏差总值d22,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第一种划分方式对应的车流量偏差总值。
第二种划分方式,将5个基础时间单元中前3个基础时间单元,划分为前2个候选时段,将5个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第2次迭代过程中获得的6个最小车流量偏差总值中的d23,确定前2个候选时段对应的车流量偏差总值为d23。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前2个候选时段对应的车流量偏差总值d23,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第二种划分方式对应的车流量偏差总值。
第三种划分方式,将5个基础时间单元中前4个基础时间单元,划分为前2个候选时段,将5个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第2次迭代过程中获得的6个最小车流量偏差总值中的d24,确定前2个候选时段对应的车流量偏差总值为d24。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前2个候选时段对应的车流量偏差总值d24,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第三种划分方式对应的车流量偏差总值。
由于M=5时,将前5个基础时间单元划分为3个候选时段,有三种划分方式。设定第一种划分方式对应的车流量偏差总值为6,第二种划分方式对应的车流量偏差总值为5,第三种划分方式对应的车流量偏差总值为4,由于第三种划分方式对应的车流量偏差总值最小,因此,第三种划分方式对应的车流量偏差总值为最小车流量偏差总值d35。最终,将前5个基础时间单元划分为3个候选时段,所对应的最小车流量偏差总值为d35。
当M=6时,如图21所示,采用4种划分方式,将6个基础时间单元中的前6个基础时间单元划分为3个候选时段,获得4种划分结果。
具体地,第一种划分方式,将6个基础时间单元中前2个基础时间单元,划分为前2个候选时段,将6个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第2次迭代过程中获得的6个最小车流量偏差总值中的d22,确定前2个候选时段对应的车流量偏差总值为d22。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前1个候选时段对应的车流量偏差总值d22,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第一种划分方式对应的车流量偏差总值。
第二种划分方式,将6个基础时间单元中前3个基础时间单元,划分为前2个候选时段,将6个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第2次迭代过程中获得的6个最小车流量偏差总值中的d23,确定前2个候选时段对应的车流量偏差总值为d23。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前2个候选时段对应的车流量偏差总值d23,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第二种划分方式对应的车流量偏差总值。
第三种划分方式,将6个基础时间单元中前4个基础时间单元,划分为前2个候选时段,将6个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第2次迭代过程中获得的6个最小车流量偏差总值中的d24,确定前2个候选时段对应的车流量偏差总值为d24。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前2个候选时段对应的车流量偏差总值d24,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第三种划分方式对应的车流量偏差总值。
第四种划分方式,将6个基础时间单元中前5个基础时间单元,划分为前2个候选时段,将6个基础时间单元中的其他基础时间单元,作为最后一个候选时段。
基于第2次迭代过程中获得的6个最小车流量偏差总值中的d25,确定前2个候选时段对应的车流量偏差总值为d25。再基于最后一个候选时段的平均车流量数据,确定最后一个候选时段的车流量偏差平方和。将前2个候选时段对应的车流量偏差总值d25,和最后一个候选时段的车流量偏差平方和相加,所获得的结果,作为第四种划分方式对应的车流量偏差总值。
由于M=6时,将前6个基础时间单元划分为3个候选时段,有四种划分方式。设定第一种划分方式对应的车流量偏差总值为9,第二种划分方式对应的车流量偏差总值为8,第三种划分方式对应的车流量偏差总值为7,第四种划分方式对应的车流量偏差总值为8,由于第三种划分方式对应的车流量偏差总值最小,因此,第三种划分方式对应的车流量偏差总值为最小车流量偏差总值d36。最终,将前6个基础时间单元划分为3个候选时段,所对应的最小车流量偏差总值为d36。
此时,将6个基础时间单元划分为3个候选时段,所对应的最小车流量偏差总值为d36,迭代停止。
根据以上迭代过程,基于图12中M=3时对应的划分方式,图15中的第三种划分方式,图21中的第三种划分方式,确定将6个基础时间单元划分为3个候选时段,具体划分方式如图22所示。图22中的将6个基础时间单元划分为3个候选时段的划分方式,所对应的车流量偏差总值最小。
在本申请实施例中,采用迭代的方法,对各个基础时间单元进行交通控制时段的划分,选取车流量偏差总值最小的划分方式对应的候选时段作为最终确定的各个交通控制时段,一个交通控制时段内包括的至少一个基础时间单元之间的相似性比较大,不同交通控制时段内包括的不同基础时间单元之间的相似性比较小。因此,本申请中的交通控制时段划分方法使得获得的各个交通控制时段,类间差距最大,类内差距最小。最后,根据获得的各个交通控制时段,制定相应的路灯信号控制方案,更能提升交通路口的精细化控制水平。
通过递归求解的方法,最终确定出将N个基础时间单元划分为K个候选时段时所对应的最小车流量偏差总值,同时确定出最小车流量偏差总值情况下所对应的划分方式。由于采用了递归求解的方法,因此,在基础时间单元较多的情况下,仍然可以快速获得结果,提高了交通控制时段划分的效率。
可选地,上述步骤S202中的目标候选时段的个数K,有以下两种设置方式:
第一种方式,K为自定义时段数。K可以为1至N之间的任意一个值。
第二种方式,K为最优时段数。
具体地,如图23所示,确定最优时段数的步骤如下:
步骤S2301,设置变量num的初始值为1。
步骤S2302,采用迭代的方式,基于N个基础时间单元的目标车流量数据,将N个基础时间单元划分为num个候选时段,获得N-num+1种划分方式,确定最小车流量偏差总值为L1。
步骤S2303,设置num=num+1。
步骤S2304,判断num是否小于等于N,若是,则执行步骤S2305;否则,结束。
步骤S2305,采用迭代的方式,基于N个基础时间单元的目标车流量数据,将N个基础时间单元划分为num个候选时段,获得N-num+1种划分方式,确定最小车流量偏差总值为L2。
步骤S2306,判断L2/L1是否小于阈值,若是,则执行步骤S2308;否则,执行步骤S2307。
步骤S2307,设置L1=L2。
步骤S2308,num作为最优时段数,并结束。
在本申请实施例中,提供了两种设置目标候选时段的个数K的方式。通过自定义时段数设置K,比较简单便捷。通过最优时段数设置K,可以有效地确定出最优的目标候选时段数。
为了更好的解释本申请实施例,下面结合具体实施场景,描述本申请实施例提供的一种交通控制时段划分方法,由交通控制时段划分系统执行以下步骤,如图24所示。
步骤S2401,基于目标时间间隔,将预设时间段划分为N个基础时间单元。
步骤S2402,获取目标交通位置分别在N个基础时间单元的原始车流量数据。
步骤S2403,对原始车流量数据进行异常数据清洗和缺失数据清洗,获得目标车流量数据。
步骤S2404,判断是否通过自定义时段数设置K,若是,则执行步骤S2405;否则,执行步骤S2406。
步骤S2405,输入自定义时段数作为K。
步骤S2406,设置变量num的初始值为1。
步骤S2407,采用迭代的方式,基于N个基础时间单元的目标车流量数据,将N个基础时间单元划分为num个候选时段,获得N-num+1种划分方式,确定最小车流量偏差总值为L1。
步骤S2408,设置num=num+1。
步骤S2409,判断num是否小于等于N,若是,则执行步骤S2410;否则,结束。
步骤S2410,采用迭代的方式,基于N个基础时间单元的目标车流量数据,将N个基础时间单元划分为num个候选时段,获得N-num+1种划分方式,确定最小车流量偏差总值为L2。
步骤S2411,判断L2/L1是否小于阈值,若是,则执行步骤S2413;否则,执行步骤S2412。
步骤S2412,设置L1=L2。
步骤S2413,num作为最优时段数。
步骤S2414,将最优时段数作为K。
步骤S2415,采用迭代的方式,基于N个基础时间单元的目标车流量数据,对N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段,并结束。
在本申请实施例中,采用迭代的方法,对各个基础时间单元进行交通控制时段的划分,选取车流量偏差总值最小的划分方式对应的候选时段作为最终确定的各个交通控制时段,一个交通控制时段内包括的至少一个基础时间单元之间的相似性比较大,不同交通控制时段内包括的不同基础时间单元之间的相似性比较小。因此,本申请中的交通控制时段划分方法使得获得的各个交通控制时段,类间差距最大,类内差距最小。最后,根据获得的各个交通控制时段,制定相应的路灯信号控制方案,更能提升交通路口的精细化控制水平。
通过递归求解的方法,最终确定出将N个基础时间单元划分为K个候选时段时所对应的最小车流量偏差总值,同时确定出最小车流量偏差总值情况下所对应的划分方式。由于采用了递归求解的方法,因此,在基础时间单元较多的情况下,仍然可以快速获得结果,提高了交通控制时段划分的效率。
同时,本申请中提供了两种设置目标候选时段的个数K的方式。通过自定义时段数设置K,比较简单便捷。通过最优时段数设置K,可以有效地确定出最优的目标候选时段数。
基于相同的技术构思,本申请实施例提供了一种交通控制时段划分装置,如图25所示,该交通控制时段划分装置2500包括:
获取模块2501,用于基于目标时间间隔,将预设时间段划分为N个基础时间单元,并获取目标交通位置分别在所述N个基础时间单元的目标车流量数据;
迭代模块2502,用于采用迭代的方式,基于所述N个基础时间单元的目标车流量数据,对所述N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段,其中,迭代停止条件为:将所述N个基础时间单元划分为K个候选时段,并获得N-K+1种将所述N个基础时间单元划分为K个候选时段的划分方式,并选取满足车流量偏差总值最小的划分方式对应的K个候选时段,作为K个目标候选时段,N大于等于K,N大于等于1,且K大于等于1。
可选地,所述获取模块2501具体用于:
获取目标交通位置分别在所述N个基础时间单元的原始车流量数据;
对所述原始车流量数据进行异常数据清洗和缺失数据清洗,获得所述目标车流量数据。
可选地,所述获取模块2501具体用于:
确定所述目标交通位置对应的多个交通相位;
针对所述N个基础时间单元,分别执行以下步骤:
分别采集一个基础时间单元内,所述目标交通位置在所述多个交通相位各自对应的相位车流量数据;
将所述多个交通相位各自对应的相位车流量数据,作为所述一个基础时间单元的原始车流量数据。
可选地,所述迭代模块2502具体用于:
针对第i次迭代过程,其中,2<=i<=K,包括以下步骤:
步骤一、采用M-i+1种划分方式,对所述N个基础时间单元中的前M个基础时间单元进行划分,获得M-i+1种划分结果,其中,每种划分结果包括i个候选时段,每个候选时段包括至少一个基础时间单元,M大于等于i;
步骤二、基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定第i次迭代过程中所述M-i+1种划分方式中的最小车流量偏差总值;
设置M=M+1,并判断所述M是否小于等于N,若是,则重复执行步骤一和步骤二,否则进入第i+1次迭代过程。
可选地,所述迭代模块2502具体用于:
将M个基础时间单元中前j个基础时间单元,划分为前i-1个候选时段,将M个基础时间单元中的其他基础时间单元,作为最后一个候选时段,其中,i-1<=j<=M-1;
设置j=j+1,并判断所述j是否小于等于M-1,若是,则重复执行上述步骤,否则结束划分。
可选地,所述迭代模块2502具体用于:
基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定所述M-i+1种划分方式各自对应的车流量偏差总值;
从获得的M-i+1个车流量偏差总值中,确定所述M-i+1种划分方式中的最小车流量偏差总值。
可选地,所述迭代模块2502具体用于:
针对所述M-i+1种划分方式,分别执行以下步骤:
针对一种划分方式,基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定采用所述一种划分方式获得的前i-1个候选时段对应的车流量偏差总值;
基于所述最后一个候选时段的平均车流量数据,确定所述最后一个候选时段的车流量偏差平方和;
基于所述前i-1个候选时段对应的车流量偏差总值和所述最后一个候选时段的车流量偏差平方和,确定所述一种划分方式对应的车流量偏差总值。
可选地,所述迭代模块2502具体用于:
基于所述最后一个候选时段中的至少一个基础时间单元各自对应的目标车流量数据,和所述平均车流量数据,确定所述至少一个基础时间单元各自对应的车流量偏差平方;
将所述至少一个基础时间单元各自对应的车流量偏差平方相加,获得所述最后一个候选时段的车流量偏差平方和。
基于相同的技术构思,本申请实施例提供了一种计算机设备,计算机设备可以是终端或服务器,如图26所示,包括至少一个处理器2601,以及与至少一个处理器连接的存储器2602,本申请实施例中不限定处理器2601与存储器2602之间的具体连接介质,图26中处理器2601和存储器2602之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本申请实施例中,存储器2602存储有可被至少一个处理器2601执行的指令,至少一个处理器2601通过执行存储器2602存储的指令,可以执行上述交通控制时段划分方法中所包括的步骤。
其中,处理器2601是计算机设备的控制中心,可以利用各种接口和线路连接计算机设备的各个部分,通过运行或执行存储在存储器2602内的指令以及调用存储在存储器2602内的数据,从而进行交通控制时段划分。可选的,处理器2601可包括一个或多个处理单元,处理器2601可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器2601中。在一些实施例中,处理器2601和存储器2602可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器2601可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器2602作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器2602可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器2602是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器2602还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
基于同一发明构思,本申请实施例提供了一种计算机可读存储介质,其存储有可由计算机设备执行的计算机程序,当程序在计算机设备上运行时,使得计算机设备执行上述交通控制时段划分方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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(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。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (11)
1.一种交通控制时段划分方法,其特征在于,包括:
基于目标时间间隔,将预设时间段划分为N个基础时间单元,并获取目标交通位置分别在所述N个基础时间单元的目标车流量数据;
采用迭代的方式,基于所述N个基础时间单元的目标车流量数据,对所述N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段,其中,迭代停止条件为:将所述N个基础时间单元划分为K个候选时段,并获得N-K+1种将所述N个基础时间单元划分为K个候选时段的划分方式,并选取满足车流量偏差总值最小的划分方式对应的K个候选时段,作为K个目标候选时段,N大于等于K,N大于等于1,且K大于等于1。
2.如权利要求1所述的方法,其特征在于,所述获取目标交通位置分别在所述N个基础时间单元的目标车流量数据,包括:
获取目标交通位置分别在所述N个基础时间单元的原始车流量数据;
对所述原始车流量数据进行异常数据清洗和缺失数据清洗,获得所述目标车流量数据。
3.如权利要求2所述的方法,其特征在于,所述获取目标交通位置分别在所述N个基础时间单元的原始车流量数据,包括:
确定所述目标交通位置对应的多个交通相位;
针对所述N个基础时间单元,分别执行以下步骤:
分别采集一个基础时间单元内,所述目标交通位置在所述多个交通相位各自对应的相位车流量数据;
将所述多个交通相位各自对应的相位车流量数据,作为所述一个基础时间单元的原始车流量数据。
4.如权利要求1所述的方法,其特征在于,针对第i次迭代过程,其中,2<=i<=K,包括以下步骤:
步骤一、采用M-i+1种划分方式,对所述N个基础时间单元中的前M个基础时间单元进行划分,获得M-i+1种划分结果,其中,每种划分结果包括i个候选时段,每个候选时段包括至少一个基础时间单元,M大于等于i;
步骤二、基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定第i次迭代过程中所述M-i+1种划分方式中的最小车流量偏差总值;
设置M=M+1,并判断所述M是否小于等于N,若是,则重复执行步骤一和步骤二,否则进入第i+1次迭代过程。
5.如权利要求4所述的方法,其特征在于,所述采用M-i+1种划分方式,对所述N个基础时间单元中的前M个基础时间单元进行划分,获得M-i+1种划分结果,包括:
将M个基础时间单元中前j个基础时间单元,划分为前i-1个候选时段,将M个基础时间单元中的其他基础时间单元,作为最后一个候选时段,其中,i-1<=j<=M-1;
设置j=j+1,并判断所述j是否小于等于M-1,若是,则重复执行上述步骤,否则结束划分。
6.如权利要求4所述的方法,其特征在于,所述基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定第i次迭代过程中所述M-i+1种划分方式中的最小车流量偏差总值,包括:
基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定所述M-i+1种划分方式各自对应的车流量偏差总值;
从获得的M-i+1个车流量偏差总值中,确定所述M-i+1种划分方式中的最小车流量偏差总值。
7.如权利要求6所述的方法,其特征在于,所述基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定所述M-i+1种划分方式各自对应的车流量偏差总值,包括:
针对所述M-i+1种划分方式,分别执行以下步骤:
针对一种划分方式,基于第i-1次迭代过程中获得的N个最小车流量偏差总值,确定采用所述一种划分方式获得的前i-1个候选时段对应的车流量偏差总值;
基于所述最后一个候选时段的平均车流量数据,确定所述最后一个候选时段的车流量偏差平方和;
基于所述前i-1个候选时段对应的车流量偏差总值和所述最后一个候选时段的车流量偏差平方和,确定所述一种划分方式对应的车流量偏差总值。
8.如权利要求7所述的方法,其特征在于,所述基于最后一个候选时段的平均车流量数据,确定所述最后一个候选时段的车流量偏差平方和,包括:
基于所述最后一个候选时段中的至少一个基础时间单元各自对应的目标车流量数据,和所述平均车流量数据,确定所述至少一个基础时间单元各自对应的车流量偏差平方;
将所述至少一个基础时间单元各自对应的车流量偏差平方相加,获得所述最后一个候选时段的车流量偏差平方和。
9.一种交通控制时段划分装置,其特征在于,包括:
获取模块,用于基于目标时间间隔,将预设时间段划分为N个基础时间单元,并获取目标交通位置分别在所述N个基础时间单元的目标车流量数据;
迭代模块,用于采用迭代的方式,基于所述N个基础时间单元的目标车流量数据,对所述N个基础时间单元进行划分,直到满足迭代停止条件时,将输出的K个目标候选时段作为K个交通控制时段,其中,迭代停止条件为:将所述N个基础时间单元划分为K个候选时段,并获得N-K+1种将所述N个基础时间单元划分为K个候选时段的划分方式,并选取满足车流量偏差总值最小的划分方式对应的K个候选时段,作为K个目标候选时段,N大于等于K,N大于等于1,且K大于等于1。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1~8任一所述方法的步骤。
11.一种计算机可读存储介质,其特征在于,其存储有可由计算机设备执行的计算机程序,当所述程序在计算机设备上运行时,使得所述计算机设备执行权利要求1~8任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210517883.8A CN115019524A (zh) | 2022-05-12 | 2022-05-12 | 一种交通控制时段划分方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210517883.8A CN115019524A (zh) | 2022-05-12 | 2022-05-12 | 一种交通控制时段划分方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115019524A true CN115019524A (zh) | 2022-09-06 |
Family
ID=83068662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210517883.8A Pending CN115019524A (zh) | 2022-05-12 | 2022-05-12 | 一种交通控制时段划分方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115019524A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408960A (zh) * | 2016-10-29 | 2017-02-15 | 浙江大学 | 基于有序聚类的信号控制时段分割方法 |
CN107833463A (zh) * | 2017-10-25 | 2018-03-23 | 上海应用技术大学 | 基于二维聚类的交通信号时段划分方法及系统 |
CN108053661A (zh) * | 2017-12-19 | 2018-05-18 | 青岛海信网络科技股份有限公司 | 一种交通控制的方法及装置 |
CN109615885A (zh) * | 2018-12-27 | 2019-04-12 | 银江股份有限公司 | 一种智能交通信号控制方法、装置及系统 |
CN110276966A (zh) * | 2019-07-25 | 2019-09-24 | 上海应用技术大学 | 交叉口信号控制时段划分方法 |
CN110517485A (zh) * | 2019-08-09 | 2019-11-29 | 大连理工大学 | 一种基于时段划分的短时交通流预测方法 |
US10559201B1 (en) * | 2018-02-27 | 2020-02-11 | Traffic Technology Services, Inc. | Using connected vehicle data to optimize traffic signal timing plans |
CN113034940A (zh) * | 2019-12-25 | 2021-06-25 | 中国航天系统工程有限公司 | 一种基于Fisher有序聚类的单点信号交叉口优化配时方法 |
WO2021217790A1 (zh) * | 2020-04-26 | 2021-11-04 | 江苏智通交通科技有限公司 | 考虑路口流量失衡状况的交通信号控制方案时段划分方法 |
WO2022070201A1 (en) * | 2020-09-30 | 2022-04-07 | Siemens Ltd. | Method and system for dynamic traffic control for one or more junctions |
-
2022
- 2022-05-12 CN CN202210517883.8A patent/CN115019524A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408960A (zh) * | 2016-10-29 | 2017-02-15 | 浙江大学 | 基于有序聚类的信号控制时段分割方法 |
CN107833463A (zh) * | 2017-10-25 | 2018-03-23 | 上海应用技术大学 | 基于二维聚类的交通信号时段划分方法及系统 |
CN108053661A (zh) * | 2017-12-19 | 2018-05-18 | 青岛海信网络科技股份有限公司 | 一种交通控制的方法及装置 |
US10559201B1 (en) * | 2018-02-27 | 2020-02-11 | Traffic Technology Services, Inc. | Using connected vehicle data to optimize traffic signal timing plans |
CN109615885A (zh) * | 2018-12-27 | 2019-04-12 | 银江股份有限公司 | 一种智能交通信号控制方法、装置及系统 |
CN110276966A (zh) * | 2019-07-25 | 2019-09-24 | 上海应用技术大学 | 交叉口信号控制时段划分方法 |
CN110517485A (zh) * | 2019-08-09 | 2019-11-29 | 大连理工大学 | 一种基于时段划分的短时交通流预测方法 |
CN113034940A (zh) * | 2019-12-25 | 2021-06-25 | 中国航天系统工程有限公司 | 一种基于Fisher有序聚类的单点信号交叉口优化配时方法 |
WO2021217790A1 (zh) * | 2020-04-26 | 2021-11-04 | 江苏智通交通科技有限公司 | 考虑路口流量失衡状况的交通信号控制方案时段划分方法 |
WO2022070201A1 (en) * | 2020-09-30 | 2022-04-07 | Siemens Ltd. | Method and system for dynamic traffic control for one or more junctions |
Non-Patent Citations (3)
Title |
---|
曹成涛等: "基于时段自动划分的交叉口混合控制方法", 科学技术与工程, vol. 10, no. 21, 28 July 2010 (2010-07-28), pages 5343 - 5346 * |
李文婧等: "采用递归有序聚类的信号控制时段划分方法", 浙江大学学报(工学版), vol. 52, no. 06, 20 June 2018 (2018-06-20), pages 1150 - 1156 * |
赵伟明等: "基于改进NJW算法的交通控制时段划分", 浙江大学学报(工学版), vol. 48, no. 12, 15 December 2014 (2014-12-15), pages 2259 - 2265 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105719001B (zh) | 使用散列的神经网络中的大规模分类 | |
CN106649346B (zh) | 数据重复性校验方法及装置 | |
Chen et al. | Distributed modeling in a MapReduce framework for data-driven traffic flow forecasting | |
CN109918382A (zh) | 数据处理方法、装置、终端及存储介质 | |
JP6388074B2 (ja) | 最適化処理装置、最適化処理方法、及びプログラム | |
CN113554178A (zh) | 优化梯度提升特征选择 | |
CN115066683A (zh) | 动态修改共享位置信息 | |
Le Rhun et al. | A stochastic data-based traffic model applied to vehicles energy consumption estimation | |
CN113284001A (zh) | 用电量预测方法、装置、计算机设备和存储介质 | |
CN116206453B (zh) | 一种基于迁移学习的交通流预测方法、装置及相关设备 | |
CN115019524A (zh) | 一种交通控制时段划分方法、装置、设备及存储介质 | |
CN111383357A (zh) | 一种适应目标数据集的网络模型微调方法、系统、终端和存储介质 | |
CN112650940A (zh) | 应用程序的推荐方法、装置、计算机设备及存储介质 | |
CN113590144B (zh) | 一种依赖处理方法及装置 | |
CN114399027A (zh) | 利用神经网络进行序列处理的方法及序列处理的装置 | |
Liu et al. | In-advance data analytics for reducing time to discovery | |
CN110990640B (zh) | 一种数据判定方法、装置、设备及计算机可读存储介质 | |
Huang et al. | Processing continuous K-nearest skyline query with uncertainty in spatio-temporal databases | |
Jiang et al. | Predicting Material Properties by Deep Graph Networks | |
CN105550765B (zh) | 一种路网距离计算中的代表元选取方法 | |
CN110555537A (zh) | 多因素多时间点相关的预测 | |
CN117473330B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN117370471B (zh) | 基于修剪平均的全局预测方法、装置、设备及存储介质 | |
CN113159312B (zh) | 压缩神经网络模型的方法、计算机系统以及存储介质 | |
CN111327721B (zh) | Ip地址定位方法及装置、存储介质及电子装置 |
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 |