CN115100879A - 基于模糊控制的过饱和交通流信号配时方法及设备 - Google Patents
基于模糊控制的过饱和交通流信号配时方法及设备 Download PDFInfo
- Publication number
- CN115100879A CN115100879A CN202210685182.5A CN202210685182A CN115100879A CN 115100879 A CN115100879 A CN 115100879A CN 202210685182 A CN202210685182 A CN 202210685182A CN 115100879 A CN115100879 A CN 115100879A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- phase
- monitoring area
- side unit
- road side
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000012544 monitoring process Methods 0.000 claims abstract description 104
- 230000006870 function Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 241000135164 Timea Species 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000007547 defect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
Abstract
本发明提供了一种基于模糊控制的过饱和交通流信号配时方法及设备。所述方法包括:步骤1到步骤6。本发明通过在交叉路口旁设置监测区域,建立基于模糊逻辑的交通信号控制模型,然后基于车与基础设施的交互实时收集进出监测区域的车辆信息,从而计算当前信号相位的最大车道饱和度,能够灵活应对不同饱和程度的交通流,有利于提高交叉口的通行效率和缓解城市交通的拥堵程度。
Description
技术领域
本发明实施例涉及道路交通信号控制技术领域,尤其涉及一种基于模糊控制的过饱和交通流信号配时方法及设备。
背景技术
绝大部分的信号配时研究方法均面向非饱和交通流展开,其主要缺陷在于未区分过饱和与非饱和信号相位,导致过饱和信号相位未被分配足够的绿灯通行时长,同时非饱和信号相位的绿灯时长利用率较低。例如,Webster配时法在过饱和交通流情况下容易造成信号周期设置过长的现象,从而使得非饱和相位绿灯时长过长,导致绿灯时长无法被充分利用。因此,开发一种基于模糊控制的过饱和交通流信号配时方法及设备,可以有效克服上述相关技术中的缺陷,就成为业界亟待解决的技术问题。
发明内容
针对现有技术存在的上述问题,本发明实施例提供了一种基于模糊控制的过饱和交通流信号配时方法及设备。
第一方面,本发明的实施例提供了一种基于模糊控制的过饱和交通流信号配时方法,包括:步骤1:第一路侧单元RSUA实时收集进入监测区域的车辆信息,第二路侧单元RSUB实时收集离开监测区域的车辆信息,第一路侧单元RSUA和第二路侧单元RSUB将收集的车辆信息通过网络实时上传至云端数据中心服务器;步骤2:交通信号控制器采用Webster 配时法进行信号相位绿灯时长的分配;步骤3:交通信号控制器基于云端数据中心服务器收集的车辆信息计算当前信号相位的最大车道饱和度Qi,并与饱和度阈值Omax进行比较,若Qi>Omax,则转步骤4,否则转步骤2;步骤4:交通信号控制器基于模糊推理计算各相位的绿延时长Ti;步骤5:交通信号控制器基于绿延时长进行自适应信号配时;步骤6:交通信号控制器转移绿灯控制权至下一相位,结束流程。
在上述方法实施例内容的基础上,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时方法,步骤1中,当车辆进入监测区域时,向第一路侧单元RSUA发送驶入监测区域消息Ma,i,驶入监测区域消息 Ma,i的内容包含车辆的标识符IDi、行驶速度speedi、车辆长度 lengthi、行驶车道lanei、车辆类型typei和时长戳timei,i表示第i 个车辆;当车辆离开监测区域时,向第二路侧单元RSUB发送驶离监测区域消息Mb,i,驶离监测区域消息Mb,i的内容包含车辆的标识符IDi;第一路侧单元RSUA收到驶入监测区域消息aMi后,云端数据中心服务器记录该车辆的相关信息;第二路侧单元RSUB收到驶离监测区域消息 Mb,i后,云端数据中心服务器删除该车辆的相关信息。
在上述方法实施例内容的基础上,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时方法,步骤3中,交通信号控制器基于云端数据中心服务器收集的车辆信息计算当前信号相位的最大车道饱和度Qi,交叉口的饱和度O由各相位临界车道的车辆密度和车辆平均速度所决定,四个信号相位分别为Pi,i=1,2,3,4;对于信号相位Pi而言,其对应的左、中、右三个车道中车辆的数量分别为Nl,i、Nm,i和Nr,i,分别计算各车道的车辆密度和车辆平均速度,第一信号相位的左车道的车辆密度ρl,1和车辆平均速度vl,1的计算分别如公式(1)和(2)所示:
其中,D表示监测区域的长度。
根据公式(1)和(2)计算第一信号相位左车道的饱和度Ol,1:
计算出第一相位中间车道的饱和度Om,1和第一相位右车道的饱和度 Or,1,则第一相位的最大车道饱和度Qi为各车道饱和度最大值,如公式 (4)所示:
Oi=max{Ol,1,Om,1,Or,1} (4)。
在上述方法实施例内容的基础上,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时方法,步骤4的具体实现包括:
步骤4.1:采用双输入单输出的模糊控制器,输入变量1为当前相位各车道的平均车流量Q1,i,输入变量2为下一个相位的平均车流量 Q2,i,输出结果为当前相位的绿延时长T,将输入变量1和输入变量2 记为Q1和Q2;
步骤4.2:进行模糊化处理,将Q1、Q2均取5个模糊变量,模糊变量值集合记为{VF,F,M,E,VE},其中VF表示很小,F表示较小,M表示中等,E表示较大,VE表示很大,设置第一论域为{200,300,400,500, 600,700,800};将当前相位的绿延时长T取5个模糊变量,其模糊变量值集合为{VS,S,M,L,VL},其中VS表示很短,S表示较短,M表示中等, L表示较长,VL表示很长,设置第二论域为{0,1,2,3,4,5,6,7,8, 9,10,11,12},输入变量Q1和Q2采用梯形隶属函数,其函数表达式如公式(5)所示:
Q1和Q2的模糊变量对应的a、b、c、d值相同,当前相位的绿延时长T采用三角形隶属函数,其函数表达式如公式(6)所示:
当前相位的绿延时长T的模糊变量对应相应的a、b、c值;
步骤4.3:基于模糊规则进行模糊推理,从而完成给定输入到输出的映射;
步骤4.4:进行去模糊化处理,采用MATLAB提供的面积重心法实现去模糊化操作,将输出转换为具体的绿延时长数值T'。
在上述方法实施例内容的基础上,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时方法,步骤5的具体实现包括:
步骤5.1:结合Webster配时法得到当前信号相位的初始绿灯时长Gi,转步骤5.2;步骤5.2:比较当前信号相位的初始绿灯时长Gi和当前相位的绿延时长T之和与最短绿灯时长Gmin,若Gi+T<Gmin,则转步骤5.5,否则转步骤5.3;步骤5.3:比较当前信号相位的初始绿灯时长 Gi和当前相位的绿延时长T之和与最长绿灯时长Gmax,若 Gi+T>Gmax,则转步骤5.6,否则转步骤5.4;步骤5.4:给当前相位分配绿灯时长Gi+T,转步骤6;步骤5.5:给当前相位分配最短绿灯时长TminG,转步骤6;步骤5.6:给当前相位分配最长绿灯时长 TmaxG,转步骤6。
在上述方法实施例内容的基础上,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时方法,所述具体的绿延时长数值T',包括:
其中,μ(T)为模糊控制函数。
第二方面,本发明的实施例提供了一种基于模糊控制的过饱和交通流信号配时系统,包括:第一路侧单元RSUA、第二路侧单元RSUB、云端数据中心服务器和基于软件定义网络的交通信号控制器;所述第一路侧单元RSUA设置在监测区域左侧,用于实时收集进入监测区域的车辆信息;所述第二路侧单元RSUB设置在监测区域右侧,用于实时收集离开监测区域的车辆信息;所述第一路侧单元RSUA和第二路侧单元RSUB收集的车辆信息通过网络上传给所述云端数据中心服务器;所述监测区域为交叉路口一侧的长方形预设区域;所述云端数据中心服务器,用于收集第一路侧单元RSUA和第二路侧单元RSUB上传的车辆信息,并实时将计算处理后的信息下发给所述基于软件定义网络的交通信号控制器;所述基于软件定义网络的交通信号控制器,设置在交叉路口中心处,用于实现如前述任一方法实施例所述的基于模糊控制的过饱和交通流信号配时方法。
第三方面,本发明的实施例提供了一种基于模糊控制的过饱和交通流信号配时装置,包括:第一主模块,用于实现步骤1:第一路侧单元RSUA实时收集进入监测区域的车辆信息,第二路侧单元RSUB实时收集离开监测区域的车辆信息,第一路侧单元RSUA和第二路侧单元RSUB将收集的车辆信息通过网络实时上传至云端数据中心服务器;第二主模块,用于实现步骤2:交通信号控制器采用Webster配时法进行信号相位绿灯时长的分配;第三主模块,用于实现步骤3:交通信号控制器基于云端数据中心服务器收集的车辆信息计算当前信号相位的最大车道饱和度Qi,并与饱和度阈值Omax进行比较,若Qi>Omax,则转步骤4,否则转步骤2;第四主模块,用于实现步骤4:交通信号控制器基于模糊推理计算各相位的绿延时长Ti;第五主模块,用于实现步骤5:交通信号控制器基于绿延时长进行自适应信号配时;第六主模块,用于实现步骤6:交通信号控制器转移绿灯控制权至下一相位,结束流程。
第四方面,本发明的实施例提供了一种电子设备,包括:
至少一个处理器;以及
与处理器通信连接的至少一个存储器,其中:
存储器存储有可被处理器执行的程序指令,处理器调用程序指令能够执行第一方面的各种实现方式中任一种实现方式所提供的基于模糊控制的过饱和交通流信号配时方法。
第五方面,本发明的实施例提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行第一方面的各种实现方式中任一种实现方式所提供的基于模糊控制的过饱和交通流信号配时方法。
本发明实施例提供的基于模糊控制的过饱和交通流信号配时方法及设备,通过在交叉路口旁设置监测区域,建立基于模糊逻辑的交通信号控制模型,然后基于车与基础设施的交互实时收集进出监测区域的车辆信息,从而计算当前信号相位的最大车道饱和度,能够灵活应对不同饱和程度的交通流,有利于提高交叉口的通行效率和缓解城市交通的拥堵程度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于模糊控制的过饱和交通流信号配时方法流程图;
图2为本发明实施例提供的基于模糊控制的过饱和交通流信号配时装置结构示意图;
图3为本发明实施例提供的电子设备的实体结构示意图;
图4为本发明实施例提供的基于模糊控制的过饱和交通流信号配时系统结构示意图;
图5为本发明实施例提供的信号相位分配示意图;
图6为本发明实施例提供的进行模糊推理时采用的模糊规则示意图;
图7为本发明实施例的方法与其他两种配时方法在多组实验下的平均车速对比效果示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。另外,本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合,以形成可行的技术方案,这种结合不受步骤先后次序和/或结构组成模式的约束,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时,应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
目前,绝大部分的信号配时研究方法均面向非饱和交通流展开,其主要缺陷在于未区分过饱和与非饱和信号相位,导致过饱和信号相位未被分配足够的绿灯通行时间,同时非饱和信号相位的绿灯时间利用率较低。本发明据此提供了新的城市交通环境下的自适应信号配时方法。一种基于模糊控制的过饱和交通流信号配时方法,用于提高交叉口的通行效率。本发明的基本思想是,基于车与基础设施通信实时收集进出监测区域的车辆信息,计算信号相位的临界车道饱和程度来决定执行传统Webster配时方法还是执行基于模糊控制的自适应配时方法。基于这种思想,本发明实施例提供了一种基于模糊控制的过饱和交通流信号配时方法,参见图1,该方法包括:步骤1:第一路侧单元RSUA实时收集进入监测区域的车辆信息,第二路侧单元RSUB实时收集离开监测区域的车辆信息,第一路侧单元 RSUA和第二路侧单元RSUB将收集的车辆信息通过网络实时上传至云端数据中心服务器;步骤2:交通信号控制器采用Webster配时法进行信号相位绿灯时长的分配;步骤3:交通信号控制器基于云端数据中心服务器收集的车辆信息计算当前信号相位的最大车道饱和度Qi,并与饱和度阈值Omax进行比较,若Qi>Omax,则转步骤4,否则转步骤2;步骤4:交通信号控制器基于模糊推理计算各相位的绿延时长Ti;步骤5:交通信号控制器基于绿延时长进行自适应信号配时;步骤6:交通信号控制器转移绿灯控制权至下一相位,结束流程。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时方法,步骤1中,当车辆进入监测区域时,向第一路侧单元RSUA发送驶入监测区域消息Ma,i,驶入监测区域消息Ma,i的内容包含车辆的标识符IDi、行驶速度speedi、车辆长度lengthi、行驶车道lanei、车辆类型typei和时长戳timei, i表示第i个车辆;当车辆离开监测区域时,向第二路侧单元RSUB发送驶离监测区域消息Mb,i,驶离监测区域消息Mb,i的内容包含车辆的标识符 IDi;第一路侧单元RSUA收到驶入监测区域消息aMi后,云端数据中心服务器记录该车辆的相关信息;第二路侧单元RSUB收到驶离监测区域消息Mb,i后,云端数据中心服务器删除该车辆的相关信息。
在另一实施例中,当车辆进入监测区域时,向第一路侧单元RSUA发送驶入监测区域消息Ma,i,驶入监测区域消息Ma,i的内容包含车辆的标识符IDi、行驶速度speedi、车辆长度lengthi、行驶车道 lanei、车辆类型typei和时间戳timei,i表示第i个车辆;当车辆离开监测区域时,向第二路侧单元RSUB发送驶离监测区域消息Mb,i,驶离监测区域消息Mb,i的内容包含车辆的标识符IDi;第一路侧单元 RSUA收到驶入监测区域消息aMi后,云端数据中心服务器记录该车辆的相关信息;第二路侧单元RSUB收到驶离监测区域消息Mb,i后,云端数据中心服务器删除该车辆的相关信息。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时方法,步骤3中,交通信号控制器基于云端数据中心服务器收集的车辆信息计算当前信号相位的最大车道饱和度Qi,交叉口的饱和度O由各相位临界车道的车辆密度和车辆平均速度所决定,参见图5,四个信号相位分别为Pi,i=1,2,3,4;对于信号相位Pi而言,其对应的左、中、右三个车道中车辆的数量分别为 Nl,i、Nm,i和Nr,i,分别计算各车道的车辆密度和车辆平均速度,第一信号相位的左车道的车辆密度ρl,1和车辆平均速度vl,1的计算分别如公式 (1)和(2)所示:
其中,D表示监测区域的长度。
根据公式(1)和(2)计算第一信号相位左车道的饱和度Ol,1:
计算出第一相位中间车道的饱和度Om,1和第一相位右车道的饱和度 Or,1,则第一相位的最大车道饱和度Qi为各车道饱和度最大值,如公式 (4)所示:
Oi=max{Ol,1,Om,1,Or,1} (4)。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时方法,步骤4的具体实现包括:
步骤4.1:采用双输入单输出的模糊控制器,输入变量1为当前相位各车道的平均车流量Q1,i,输入变量2为下一个相位的平均车流量 Q2,i,输出结果为当前相位的绿延时长T,将输入变量1和输入变量2 记为Q1和Q2;
步骤4.2:进行模糊化处理,将Q1、Q2均取5个模糊变量,模糊变量值集合记为{VF,F,M,E,VE},其中VF表示很小,F表示较小,M表示中等,E表示较大,VE表示很大,设置第一论域为{200,300,400,500, 600,700,800};将当前相位的绿延时长T取5个模糊变量,其模糊变量值集合为{VS,S,M,L,VL},其中VS表示很短,S表示较短,M表示中等, L表示较长,VL表示很长,设置第二论域为{0,1,2,3,4,5,6,7,8, 9,10,11,12},输入变量Q1和Q2采用梯形隶属函数,其函数表达式如公式(5)所示:
Q1和Q2的模糊变量对应的a、b、c、d值相同,具体可以参见表1 (Q1和Q2的模糊变量取值情况)。
表1
当前相位的绿延时长T采用三角形隶属函数,其函数表达式如公式(6) 所示:
当前相位的绿延时长T的模糊变量对应相应的a、b、c值,具体如表2 所示(T的模糊变量取值情况)。
表2
步骤4.3:基于模糊规则进行模糊推理,从而完成给定输入到输出的映射;将模糊规则设定为“IF A and B THEN C”,从而完成给定输入到输出的映射。模糊规则表请见图6。
步骤4.4:进行去模糊化处理,采用MATLAB提供的面积重心法实现去模糊化操作,将输出转换为具体的绿延时长数值T'。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时方法,步骤5的具体实现包括:
步骤5.1:结合Webster配时法得到当前信号相位的初始绿灯时长 Gi,转步骤5.2;步骤5.2:比较当前信号相位的初始绿灯时长Gi和当前相位的绿延时长T之和与最短绿灯时长Gmin,若 Gi+T<Gmin,则转步骤5.5,否则转步骤5.3;步骤5.3:比较当前信号相位的初始绿灯时长Gi和当前相位的绿延时长T之和与最长绿灯时长Gmax,若Gi+T>Gmax,则转步骤5.6,否则转步骤 5.4;步骤5.4:给当前相位分配绿灯时长Gi+T,转步骤6;步骤5.5:给当前相位分配最短绿灯时长TminG,转步骤6;步骤5.6:给当前相位分配最长绿灯时长TmaxG,转步骤6。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时方法,所述具体的绿延时长数值T',包括:
其中,μ(T)为模糊控制函数。
本发明实施例提供的基于模糊控制的过饱和交通流信号配时方法,通过在交叉路口旁设置监测区域,建立基于模糊逻辑的交通信号控制模型,然后基于车与基础设施的交互实时收集进出监测区域的车辆信息,从而计算当前信号相位的最大车道饱和度,能够灵活应对不同饱和程度的交通流,有利于提高交叉口的通行效率和缓解城市交通的拥堵程度。
本发明实施例提供了一种基于模糊控制的过饱和交通流信号配时系统,参见图4,该系统包括:第一路侧单元RSUA、第二路侧单元 RSUB、云端数据中心服务器和基于软件定义网络的交通信号控制器;所述第一路侧单元RSUA设置在监测区域左侧,用于实时收集进入监测区域的车辆信息;所述第二路侧单元RSUB设置在监测区域右侧,用于实时收集离开监测区域的车辆信息;所述第一路侧单元RSUA和第二路侧单元RSUB收集的车辆信息通过网络上传给所述云端数据中心服务器;所述监测区域为交叉路口一侧的长方形预设区域;所述云端数据中心服务器,用于收集第一路侧单元RSUA和第二路侧单元RSUB上传的车辆信息,并实时将计算处理后的信息下发给所述基于软件定义网络的交通信号控制器;所述基于软件定义网络的交通信号控制器,设置在交叉路口中心处,用于实现如前述任一方法实施例所述的基于模糊控制的过饱和交通流信号配时方法。
在另一实施例中,当车辆进入监测区域时,向第一路侧单元RSUA发送驶入监测区域消息Ma,i,当车辆离开监测区域时,向第二路侧单元 RSUB发送驶离监测区域消息Mb,i。第一路侧单元RSUA收到驶入监测区域消息aMi后,云端数据中心服务器记录该车辆的相关信息;第二路侧单元RSUB收到驶离监测区域消息Mb,i后,云端数据中心服务器删除该车辆的相关信息。基于SDN的交通信号控制器基于实时更新的车辆信息进行自适应信号配时控制。
本发明各个实施例的实现基础是通过具有处理器功能的设备进行程序化的处理实现的。因此在工程实际中,可以将本发明各个实施例的技术方案及其功能封装成各种模块。基于这种现实情况,在上述各实施例的基础上,本发明的实施例提供了一种基于模糊控制的过饱和交通流信号配时装置,该装置用于执行上述方法实施例中的基于模糊控制的过饱和交通流信号配时方法。参见图2,该装置包括:第一主模块,用于实现步骤1:第一路侧单元RSUA实时收集进入监测区域的车辆信息,第二路侧单元 RSUB实时收集离开监测区域的车辆信息,第一路侧单元RSUA和第二路侧单元RSUB将收集的车辆信息通过网络实时上传至云端数据中心服务器;第二主模块,用于实现步骤2:交通信号控制器采用Webster配时法进行信号相位绿灯时长的分配;第三主模块,用于实现步骤3:交通信号控制器基于云端数据中心服务器收集的车辆信息计算当前信号相位的最大车道饱和度Qi,并与饱和度阈值Omax进行比较,若Qi>Omax,则转步骤4,否则转步骤2;第四主模块,用于实现步骤4:交通信号控制器基于模糊推理计算各相位的绿延时长Ti;第五主模块,用于实现步骤5:交通信号控制器基于绿延时长进行自适应信号配时;第六主模块,用于实现步骤6:交通信号控制器转移绿灯控制权至下一相位,结束流程。
本发明实施例提供的基于模糊控制的过饱和交通流信号配时装置,采用图2中的若干模块,通过在交叉路口旁设置监测区域,建立基于模糊逻辑的交通信号控制模型,然后基于车与基础设施的交互实时收集进出监测区域的车辆信息,从而计算当前信号相位的最大车道饱和度,能够灵活应对不同饱和程度的交通流,有利于提高交叉口的通行效率和缓解城市交通的拥堵程度。
需要说明的是,本发明提供的装置实施例中的装置,除了可以用于实现上述方法实施例中的方法外,还可以用于实现本发明提供的其他方法实施例中的方法,区别仅仅在于设置相应的功能模块,其原理与本发明提供的上述装置实施例的原理基本相同,只要本领域技术人员在上述装置实施例的基础上,参考其他方法实施例中的具体技术方案,通过组合技术特征获得相应的技术手段,以及由这些技术手段构成的技术方案,在保证技术方案具备实用性的前提下,就可以对上述装置实施例中的装置进行改进,从而得到相应的装置类实施例,用于实现其他方法类实施例中的方法。例如:
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时装置,还包括:第一子模块,用于实现步骤1中,当车辆进入监测区域时,向第一路侧单元 RSUA发送驶入监测区域消息Ma,i,驶入监测区域消息Ma,i的内容包含车辆的标识符IDi、行驶速度speedi、车辆长度lengthi、行驶车道lanei、车辆类型typei和时长戳timei,i表示第i个车辆;当车辆离开监测区域时,向第二路侧单元RSUB发送驶离监测区域消息 Mb,i,驶离监测区域消息Mb,i的内容包含车辆的标识符IDi;第一路侧单元RSUA收到驶入监测区域消息aMi后,云端数据中心服务器记录该车辆的相关信息;第二路侧单元RSUB收到驶离监测区域消息 Mb,i后,云端数据中心服务器删除该车辆的相关信息。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时装置,还包括:第二子模块,用于实现步骤3中,交通信号控制器基于云端数据中心服务器收集的车辆信息计算当前信号相位的最大车道饱和度Qi,交叉口的饱和度O由各相位临界车道的车辆密度和车辆平均速度所决定,四个信号相位分别为 Pi,i=1,2,3,4;对于信号相位Pi而言,其对应的左、中、右三个车道中车辆的数量分别为Nl,i、Nm,i和Nr,i,分别计算各车道的车辆密度和车辆平均速度,第一信号相位的左车道的车辆密度ρl,1和车辆平均速度 vl,1的计算分别如公式(1)和(2)所示:
其中,D表示监测区域的长度。
根据公式(1)和(2)计算第一信号相位左车道的饱和度Ol,1:
计算出第一相位中间车道的饱和度Om,1和第一相位右车道的饱和度 Or,1,则第一相位的最大车道饱和度Qi为各车道饱和度最大值,如公式 (4)所示:
Oi=max{Ol,1,Om,1,Or,1} (4)。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时装置,还包括:第三子模块,用于实现步骤4的具体实现包括:
步骤4.1:采用双输入单输出的模糊控制器,输入变量1为当前相位各车道的平均车流量Q1,i,输入变量2为下一个相位的平均车流量 Q2,i,输出结果为当前相位的绿延时长T,将输入变量1和输入变量2 记为Q1和Q2;
步骤4.2:进行模糊化处理,将Q1、Q2均取5个模糊变量,模糊变量值集合记为{VF,F,M,E,VE},其中VF表示很小,F表示较小,M表示中等,E表示较大,VE表示很大,设置第一论域为{200,300,400,500, 600,700,800};将当前相位的绿延时长T取5个模糊变量,其模糊变量值集合为{VS,S,M,L,VL},其中VS表示很短,S表示较短,M表示中等, L表示较长,VL表示很长,设置第二论域为{0,1,2,3,4,5,6,7,8, 9,10,11,12},输入变量Q1和Q2采用梯形隶属函数,其函数表达式如公式(5)所示:
Q1和Q2的模糊变量对应的a、b、c、d值相同,当前相位的绿延时长T采用三角形隶属函数,其函数表达式如公式(6)所示:
当前相位的绿延时长T的模糊变量对应相应的a、b、c值;
步骤4.3:基于模糊规则进行模糊推理,从而完成给定输入到输出的映射;
步骤4.4:进行去模糊化处理,采用MATLAB提供的面积重心法实现去模糊化操作,将输出转换为具体的绿延时长数值T'。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时装置,还包括:第四子模块,用于实现步骤5的具体实现包括:
步骤5.1:结合Webster配时法得到当前信号相位的初始绿灯时长 Gi,转步骤5.2;步骤5.2:比较当前信号相位的初始绿灯时长Gi和当前相位的绿延时长T之和与最短绿灯时长Gmin,若 Gi+T<Gmin,则转步骤5.5,否则转步骤5.3;步骤5.3:比较当前信号相位的初始绿灯时长Gi和当前相位的绿延时长T之和与最长绿灯时长Gmax,若Gi+T>Gmax,则转步骤5.6,否则转步骤5.4;步骤5.4:给当前相位分配绿灯时长Gi+T,转步骤6;步骤5.5:给当前相位分配最短绿灯时长TminG,转步骤6;步骤5.6:给当前相位分配最长绿灯时长TmaxG,转步骤6。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于模糊控制的过饱和交通流信号配时装置,还包括:第五子模块,用于实现所述具体的绿延时长数值T',包括:
其中,μ(T)为模糊控制函数。
为了说明本实施例的方法性能,提供如下几种方法作对比:
1)固定配时方法,为每个信号相位分配固定不变的绿灯时间。
2)基于Webster的配时方法,以车辆延误时间最小为目标。
基于开源的城市交通模拟软件SUMO进行对比实验,在不同的实验组别下比较三种配时方法的平均车速。图7表明所提配时方法的平均车速在三种配时方法中最快,且与性能较好的Webster配时法相比平均提高了 14.37%。图7的实验数据表明,所提配时方法在不同的交通流条件下均能使车辆更快地通过交叉路口,有利于提高交叉口的通行效率。
本发明实施例采用经典的Webster配时法解决非饱和交通流的配时问题,采用基于模糊控制的自适应配时方法解决过饱和交通流的配时问题。本发明实施例能够提高交叉口的通行效率,有效缓解城市交通拥堵程度。
本发明实施例的方法是依托电子设备实现的,因此对相关的电子设备有必要做一下介绍。基于此目的,本发明的实施例提供了一种电子设备,如图3所示,该电子设备包括:至少一个处理器(processor)、通信接口 (Communications Interface)、至少一个存储器(memory)和通信总线,其中,至少一个处理器,通信接口,至少一个存储器通过通信总线完成相互间的通信。至少一个处理器可以调用至少一个存储器中的逻辑指令,以执行前述各个方法实施例提供的方法的全部或部分步骤。
此外,上述的至少一个存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个方法实施例所述方法的全部或部分步骤。而前述的存储介质包括: U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等) 执行各个实施例或者实施例的一些部分所述的方法。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于这种认识,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
需要说明的是,术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句"包括……"限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于模糊控制的过饱和交通流信号配时方法,其特征在于,包括:步骤1:第一路侧单元RSUA实时收集进入监测区域的车辆信息,第二路侧单元RSUB实时收集离开监测区域的车辆信息,第一路侧单元RSUA和第二路侧单元RSUB将收集的车辆信息通过网络实时上传至云端数据中心服务器;步骤2:交通信号控制器采用Webster配时法进行信号相位绿灯时长的分配;步骤3:交通信号控制器基于云端数据中心服务器收集的车辆信息计算当前信号相位的最大车道饱和度Qi,并与饱和度阈值Omax进行比较,若Qi>Omax,则转步骤4,否则转步骤2;步骤4:交通信号控制器基于模糊推理计算各相位的绿延时长Ti;步骤5:交通信号控制器基于绿延时长进行自适应信号配时;步骤6:交通信号控制器转移绿灯控制权至下一相位,结束流程。
2.根据权利要求1所述的基于模糊控制的过饱和交通流信号配时方法,其特征在于,步骤1中,当车辆进入监测区域时,向第一路侧单元RSUA发送驶入监测区域消息Ma,i,驶入监测区域消息Ma,i的内容包含车辆的标识符IDi、行驶速度speedi、车辆长度lengthi、行驶车道lanei、车辆类型typei和时长戳timei,i表示第i个车辆;当车辆离开监测区域时,向第二路侧单元RSUB发送驶离监测区域消息Mb,i,驶离监测区域消息Mb,i的内容包含车辆的标识符IDi;第一路侧单元RSUA收到驶入监测区域消息aMi后,云端数据中心服务器记录该车辆的相关信息;第二路侧单元RSUB收到驶离监测区域消息Mb,i后,云端数据中心服务器删除该车辆的相关信息。
3.根据权利要求2所述的基于模糊控制的过饱和交通流信号配时方法,其特征在于,步骤3中,交通信号控制器基于云端数据中心服务器收集的车辆信息计算当前信号相位的最大车道饱和度Qi,交叉口的饱和度O由各相位临界车道的车辆密度和车辆平均速度所决定,四个信号相位分别为Pi,i=1,2,3,4;对于信号相位Pi而言,其对应的左、中、右三个车道中车辆的数量分别为Nl,i、Nm,i和Nr,i,分别计算各车道的车辆密度和车辆平均速度,第一信号相位的左车道的车辆密度ρl,1和车辆平均速度vl,1的计算分别如公式(1)和(2)所示:
其中,D表示监测区域的长度。
根据公式(1)和(2)计算第一信号相位左车道的饱和度Ol,1:
计算出第一相位中间车道的饱和度Om,1和第一相位右车道的饱和度Or,1,则第一相位的最大车道饱和度Qi为各车道饱和度最大值,如公式(4)所示:
Oi=max{Ol,1,Om,1,Or,1} (4)。
4.根据权利要求3所述的基于模糊控制的过饱和交通流信号配时方法,其特征在于,步骤4的具体实现包括:
步骤4.1:采用双输入单输出的模糊控制器,输入变量1为当前相位各车道的平均车流量Q1,i,输入变量2为下一个相位的平均车流量Q2,i,输出结果为当前相位的绿延时长T,将输入变量1和输入变量2记为Q1和Q2;
步骤4.2:进行模糊化处理,将Q1、Q2均取5个模糊变量,模糊变量值集合记为{VF,F,M,E,VE},其中VF表示很小,F表示较小,M表示中等,E表示较大,VE表示很大,设置第一论域为{200,300,400,500,600,700,800};将当前相位的绿延时长T取5个模糊变量,其模糊变量值集合为{VS,S,M,L,VL},其中VS表示很短,S表示较短,M表示中等,L表示较长,VL表示很长,设置第二论域为{0,1,2,3,4,5,6,7,8,9,10,11,12},输入变量Q1和Q2采用梯形隶属函数,其函数表达式如公式(5)所示:
Q1和Q2的模糊变量对应的a、b、c、d值相同,当前相位的绿延时长T采用三角形隶属函数,其函数表达式如公式(6)所示:
当前相位的绿延时长T的模糊变量对应相应的a、b、c值;
步骤4.3:基于模糊规则进行模糊推理,从而完成给定输入到输出的映射;
步骤4.4:进行去模糊化处理,采用MATLAB提供的面积重心法实现去模糊化操作,将输出转换为具体的绿延时长数值T'。
5.根据权利要求4所述的基于模糊控制的过饱和交通流信号配时方法,其特征在于,步骤5的具体实现包括:
步骤5.1:结合Webster配时法得到当前信号相位的初始绿灯时长Gi,转步骤5.2;步骤5.2:比较当前信号相位的初始绿灯时长Gi和当前相位的绿延时长T之和与最短绿灯时长Gmin,若Gi+T<Gmin,则转步骤5.5,否则转步骤5.3;步骤5.3:比较当前信号相位的初始绿灯时长Gi和当前相位的绿延时长T之和与最长绿灯时长Gmax,若Gi+T>Gmax,则转步骤5.6,否则转步骤5.4;步骤5.4:给当前相位分配绿灯时长Gi+T,转步骤6;步骤5.5:给当前相位分配最短绿灯时长TminG,转步骤6;步骤5.6:给当前相位分配最长绿灯时长TmaxG,转步骤6。
7.一种基于模糊控制的过饱和交通流信号配时系统,其特征在于,包括:第一路侧单元RSUA、第二路侧单元RSUB、云端数据中心服务器和基于软件定义网络的交通信号控制器;所述第一路侧单元RSUA设置在监测区域左侧,用于实时收集进入监测区域的车辆信息;所述第二路侧单元RSUB设置在监测区域右侧,用于实时收集离开监测区域的车辆信息;所述第一路侧单元RSUA和第二路侧单元RSUB收集的车辆信息通过网络上传给所述云端数据中心服务器;所述监测区域为交叉路口一侧的长方形预设区域;所述云端数据中心服务器,用于收集第一路侧单元RSUA和第二路侧单元RSUB上传的车辆信息,并实时将计算处理后的信息下发给所述基于软件定义网络的交通信号控制器;所述基于软件定义网络的交通信号控制器,设置在交叉路口中心处,用于实现如权利要求1至6任一权利要求所述的基于模糊控制的过饱和交通流信号配时方法。
8.一种基于模糊控制的过饱和交通流信号配时装置,其特征在于,包括:第一主模块,用于实现步骤1:第一路侧单元RSUA实时收集进入监测区域的车辆信息,第二路侧单元RSUB实时收集离开监测区域的车辆信息,第一路侧单元RSUA和第二路侧单元RSUB将收集的车辆信息通过网络实时上传至云端数据中心服务器;第二主模块,用于实现步骤2:交通信号控制器采用Webster配时法进行信号相位绿灯时长的分配;第三主模块,用于实现步骤3:交通信号控制器基于云端数据中心服务器收集的车辆信息计算当前信号相位的最大车道饱和度Qi,并与饱和度阈值Omax进行比较,若Qi>Omax,则转步骤4,否则转步骤2;第四主模块,用于实现步骤4:交通信号控制器基于模糊推理计算各相位的绿延时长Ti;第五主模块,用于实现步骤5:交通信号控制器基于绿延时长进行自适应信号配时;第六主模块,用于实现步骤6:交通信号控制器转移绿灯控制权至下一相位,结束流程。
9.一种电子设备,其特征在于,包括:
至少一个处理器、至少一个存储器和通信接口;其中,
所述处理器、存储器和通信接口相互间进行通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以执行权利要求1至6任一项权利要求所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行权利要求1至6中任一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210685182.5A CN115100879B (zh) | 2022-06-14 | 2022-06-14 | 基于模糊控制的过饱和交通流信号配时方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210685182.5A CN115100879B (zh) | 2022-06-14 | 2022-06-14 | 基于模糊控制的过饱和交通流信号配时方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115100879A true CN115100879A (zh) | 2022-09-23 |
CN115100879B CN115100879B (zh) | 2024-04-26 |
Family
ID=83291476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210685182.5A Active CN115100879B (zh) | 2022-06-14 | 2022-06-14 | 基于模糊控制的过饱和交通流信号配时方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100879B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5357436A (en) * | 1992-10-21 | 1994-10-18 | Rockwell International Corporation | Fuzzy logic traffic signal control system |
CN104485003A (zh) * | 2014-12-18 | 2015-04-01 | 武汉大学 | 一种基于管道模型的智能交通信号控制方法 |
CN104809892A (zh) * | 2015-04-02 | 2015-07-29 | 南通职业大学 | 一种单交叉口交通信号模糊控制器 |
CN105489028A (zh) * | 2015-12-17 | 2016-04-13 | 重庆交通大学 | 过饱和多交叉口协同控制优化方法 |
CN110634293A (zh) * | 2019-09-26 | 2019-12-31 | 同济大学 | 一种基于模糊控制的干线交叉口控制方法 |
CN113470361A (zh) * | 2021-07-26 | 2021-10-01 | 武汉工程大学 | 一种交通信号配时评价方法、装置及存储介质 |
CN113823102A (zh) * | 2021-09-29 | 2021-12-21 | 武汉科技大学 | 软件定义车载网络环境下的自适应信号配时系统及方法 |
CN114360264A (zh) * | 2022-01-18 | 2022-04-15 | 重庆大学 | 一种基于交通流量进行调节的智慧城市交通管理方法 |
-
2022
- 2022-06-14 CN CN202210685182.5A patent/CN115100879B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5357436A (en) * | 1992-10-21 | 1994-10-18 | Rockwell International Corporation | Fuzzy logic traffic signal control system |
CN104485003A (zh) * | 2014-12-18 | 2015-04-01 | 武汉大学 | 一种基于管道模型的智能交通信号控制方法 |
CN104809892A (zh) * | 2015-04-02 | 2015-07-29 | 南通职业大学 | 一种单交叉口交通信号模糊控制器 |
CN105489028A (zh) * | 2015-12-17 | 2016-04-13 | 重庆交通大学 | 过饱和多交叉口协同控制优化方法 |
CN110634293A (zh) * | 2019-09-26 | 2019-12-31 | 同济大学 | 一种基于模糊控制的干线交叉口控制方法 |
CN113470361A (zh) * | 2021-07-26 | 2021-10-01 | 武汉工程大学 | 一种交通信号配时评价方法、装置及存储介质 |
CN113823102A (zh) * | 2021-09-29 | 2021-12-21 | 武汉科技大学 | 软件定义车载网络环境下的自适应信号配时系统及方法 |
CN114360264A (zh) * | 2022-01-18 | 2022-04-15 | 重庆大学 | 一种基于交通流量进行调节的智慧城市交通管理方法 |
Non-Patent Citations (1)
Title |
---|
于泉等: "基于模糊逻辑的过饱和交叉口定周期配时方案优化", 《北京工业大学学报》, vol. 13, no. 11, pages 2 * |
Also Published As
Publication number | Publication date |
---|---|
CN115100879B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110085027B (zh) | 一种大规模路网群体车流诱导任务的分解方法 | |
CN107067759B (zh) | 一种基于acp的平行交通信号灯实时控制方法 | |
CN108647802B (zh) | 基于双层交通网络模型抗拥塞方法 | |
Madireddy et al. | An agent based model for evacuation traffic management | |
CN110942627A (zh) | 一种动态交通的路网协调信号控制方法及装置 | |
JPWO2019186996A1 (ja) | モデル推定システム、モデル推定方法およびモデル推定プログラム | |
Odeh | Hybrid algorithm: fuzzy logic-genetic algorithm on traffic light intelligent system | |
CN115100879A (zh) | 基于模糊控制的过饱和交通流信号配时方法及设备 | |
Agrawal et al. | Improving traffic and emergency vehicle clearance at congested intersections using fuzzy inference engine. | |
Teo et al. | Agent-based traffic flow optimization at multiple signalized intersections | |
CN112562363B (zh) | 一种基于v2i的交叉口交通信号优化方法 | |
CN111200566B (zh) | 一种网络业务流量信息疏导方法及电子设备 | |
Ameddah et al. | Priority based algorithm for traffic intersections streaming using VANET | |
DE102020125767A1 (de) | Fahrtbasierte intelligente mediensteuerungen | |
CN109544927B (zh) | 一种多层网络协同限行方法 | |
CN115691145B (zh) | 车道数目调整方法、装置、设备及存储介质 | |
CN112070275A (zh) | 一种轨道交通路网协同限流的方法和装置及设备 | |
CN115102906A (zh) | 一种基于深度强化学习驱动的负载均衡方法 | |
Dresner et al. | Learning policy selection for autonomous intersection management | |
Xiong et al. | Processing of constraints in transportation network design problem | |
Sahana et al. | Hybrid synchronous discrete distance time model for traffic signal optimization | |
CN103812933B (zh) | 一种基于二部图的车载网络分布式存储方法 | |
Cao et al. | Design of Vehicle Profile for Autonomous Vehicles in Roundabouts used to improve Lane Change Strategy based on Multi-vehicle Collaboration | |
Ghane et al. | Using AI and Machine Learning Techniques for Traffic Signal Control Management-Review | |
CN113630385B (zh) | 一种sdn网络下dos攻击防控方法及装置 |
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 |