CN115171403A - 基于聚类的多模式交叉口控制方法及系统 - Google Patents
基于聚类的多模式交叉口控制方法及系统 Download PDFInfo
- Publication number
- CN115171403A CN115171403A CN202210730527.4A CN202210730527A CN115171403A CN 115171403 A CN115171403 A CN 115171403A CN 202210730527 A CN202210730527 A CN 202210730527A CN 115171403 A CN115171403 A CN 115171403A
- Authority
- CN
- China
- Prior art keywords
- intersection
- traffic
- lane
- data
- phase
- 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 45
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 26
- 229920006395 saturated elastomer Polymers 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 5
- 238000013439 planning Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 206010021033 Hypomenorrhoea Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training 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
- 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
-
- 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
Abstract
本发明适用于交通数据处理领域,具体提供了基于聚类的多模式交叉口控制方法,所述的控制方法包括以下步骤:通过架设前端摄像头及雷达感测器获取前端数据;通过所述前端数据标定参数,所述参数包括交通量、单车道饱和流率和通行能力、饱和度和最大承载能力、单车道交叉口损失时间、有效绿灯时间、等效系数、关键车道流量总和;基于所述参数调整交叉口控制方式。本发明还提供了基于聚类的多模式交叉口控制系统。本发明提供的控制方法和系统,作为智能交通系统的关键交通运行状态的准确预测能够为城市道路信号配、行车信息发布、区域路网信号协调控制甚至城市建设规划提供数据分析支撑。
Description
技术领域
本发明属于交通数据处理领域,尤其涉及基于聚类的多模式交叉口控制方法及系统。
背景技术
随着经济的快速发展,我国人口数量和机动车数量也随之剧增,而交通量的快速增长以及城市道路建设的不完善带来了许多交通问题。为此,道路上也布置了越来越多的监测装置,以对道路的各项交通数据进行收集;其中,道路上布置的监测装置越来越先进,每天都会采集到海量的交通流数据。
然而,这些反映交通状况的时空信息都是原始和粗糙的数据,并没有进行深层次的加工处理,导致其中潜在的交通规律被忽略,造成交通流资源的严重浪费。
发明内容
本发明的目的在于提供基于聚类的多模式交叉口控制方法及系统,旨在解决上述背景技术中所提出的技术问题。
为实现上述目的,本发明基于实际数据的实时分析与分类,采用一种无监督式算法,它适用于不同客观条件下的交叉口交通分析数据,为更深层次的数据应用提供基础数据支撑。
第一方面,本发明提供了基于聚类的多模式交叉口控制方法,所述的控制方法包括以下步骤:
通过架设前端摄像头及雷达感测器获取前端数据;
通过所述前端数据标定参数,所述参数包括交通量、单车道饱和流率和通行能力、饱和度和最大承载能力、单车道交叉口损失时间、有效绿灯时间、等效系数、关键车道流量总和;
基于所述参数调整交叉口控制方式。
在本发明提供的一个实施例中,所述基于所述参数调整交叉口控制方式的步骤包括:
同一个相位内不同行驶方向,通过比较同相位内损失时间Tμ来确定关键流量;
构造关键相位流量矩阵;
根据参数以及关键车道流量和,计算周期时长,周期时长的确定有两种模式为常规状态与饱和状态;
若关键车道流量的比值与通行能力的比值大于等于0.8时,则执行第一策略,否则执行第二策略。
在本发明提供的一个实施例中,所述关键相位流量矩阵表示为:
其中,用n来代表交叉口所有的相位总和,i表示第i个时间维度,j表示第j个相位,Mij表示第i个时间段第j个相位中的关键流量。
在本发明提供的一个实施例中,所述第一策略具体包括:
基于所述感知数据提取关键交叉口集合C;
确定关键交叉口的过饱和状况进口道、对应的下游关联的相邻交叉口Ua以及关联流向da,i;
根据关键交叉口进口道交通承载能力与路段出入交通需求产生下游相邻交叉口,所述下游相邻交叉口为和吸引量叠加后的下游相邻交叉口;若下游相邻交叉口在集合C中,继续执行饱和状态方案,直到下游的交叉口经过叠加计算不再满足饱和状态时停止执行饱和状态方案;
通过关联交叉口指定相相位,设置相位差,执行最终的交叉口控制方案。
在本发明提供的一个实施例中,所述关键交叉口的判定方式包括:若交叉口任一进口道内某一流向或多个流向车道组的交通需求超过其相应的最优交通承载能力,则将该交叉口判定为关键交叉口。
在本发明提供的一个实施例中,所述通过关联交叉口指定相相位,设置相位差的过程中,Ua与Ua+1相位差:
其中:SPi,i+1表示交叉口a与交叉口a+1之间的通过时间,La,a+1表示交叉口a与交叉口a+1之间的通过距离。
在本发明提供的一个实施例中,所述第二策略具体包括:
计算矩阵行向量之间的修正余弦相似度;
遍历行向量,从上之下,两两之间计算修正余弦相似度,找出相似度最大的两个行向量,取各元素平均值合并为一个新的行向量,标签为β,并再次计算新的行向量与其他行向量的修正余弦相似度;
标签更新为β+1,直到还剩一个行向量时退出计算;
根据计算结果,选取相似度作为判别标准,当系统有新的交通量数据采集后,以此相似度作为标准,若与已存在的交通量历史数据对比,相似度大于标准,则不另行执行计算。
在本发明提供的一个实施例中,所述余弦相似度的修正所采用的公式为:
其中,i表示第i个时间维度,j表示第j个相位,Mij表示第i个时间段第j个相位中的关键流量;S(i,j)表示第i个时间段第j个相位中余弦相似度。
第二方面,本发明提供了基于聚类的多模式交叉口控制系统,所述的控制系统用于实现如第一方面所提供的控制方法,所述的控制系统包括:
前端检测器,所述前端检测器用于采集前端数据,将视频原始数据存储。
存储单元,所述存储单元用于数据的路侧本地的存储,用于单个路口,作为路侧计算节点的数据源;
路测计算节点,所述路测计算节点通过网络联接、协议转换,提供轻量化的联接管理、实时数据分析。
交叉口控制机,所述交叉口控制机是交通信号控制系统中位于交叉口现场的底层执行单元,其用于实现交叉口交通信号控制。
每个交叉路口设置一个存储单元与计算单元,作为网络拓扑的基点,通过构建路口与路口之间的通信,形成在路侧的整体网络,同时建立云端与路侧网络的通信。
与现有技术相比,本发明提供的控制方向及系统将数据挖掘技术应用到交通流量分析中,不仅可以发掘整个城市的道路交通流空间分布特性还可以发现有效的模式为交通管制和诱导规划提供依据;本发明提供的控制方法和系统,作为智能交通系统的关键交通运行状态的准确预测能够为城市道路信号配、行车信息发布、区域路网信号协调控制,甚至城市建设规划提供数据分析支撑。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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。
图1为普通十字交叉口的示意图;
图2为本发明提供的基于聚类的多模式交叉口控制方法的实现流程图;
图3为本发明提供的基于聚类的多模式交叉口控制方法的一个子流程图;
图4为本发明提供的路径示意图;
图5为本发明提供的基于聚类的多模式交叉口控制系统的结构框图;
图6为本发明提供的计算机设备的结构框图;
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,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。
随着经济的快速发展,我国人口数量和机动车数量也随之剧增,而交通量的快速增长以及城市道路建设的不完善带来了许多交通问题。为此,道路上也布置了越来越多的监测装置,以对道路的各项交通数据进行收集;其中,道路上布置的监测装置越来越先进,每天都会采集到海量的交通流数据。
然而,这些反映交通状况的时空信息都是原始和粗糙的数据,并没有进行深层次的加工处理,导致其中潜在的交通规律被忽略,造成交通流资源的严重浪费。
为解决上述问题,本发明提供了基于聚类的多模式交叉口控制方法及系统。
以下结合具体实施例对本发明控制方法及系统的具体实现进行详细描述。
实施例1
在本发明提供的优选实施方式中,提供了基于聚类的多模式交叉口控制方法。
如图1所示,在本发明实施例中,通过架设前端摄像头及雷达感测器获取前端数据;
车辆数量指在选定时间段内通过道路某一地点、某一断面或者某一车道的机动车数目。
车头时距:指的是在同一车道上行驶的车辆队列中,两续车辆车头端部通过某一断面的时间间隔。
通过时间:每一个车道每一辆车通过一个交叉口的最小时间,在图片中表示目标为进入交叉口后到驶出交叉口的通行时间。
交叉口数据表如下:
在本发明实施例中,通过前端数据来标定以下参数:
交通量的计算:
实际交叉口统计的车辆数据在交通上由于启动速度,占用车道数量以及通过时间不同需要进行换算,从而折合成有效交通量。
交通量换算表如下:
饱和度是交叉口信号配时中的重要参数之一,是用来衡量交叉口交通负荷的重要指标,定义为车道组的交通需求与通行能力的比值。车道组的通行能力由该车道组的饱和流率以及交叉口的信号周期长度和绿灯时间确定:
饱和度和最大承载能力:
其中,CTi为i车道上的实际交通量,θi为i车道上的饱和度。
其中,σ为当前交叉口加权饱和度。
采用最大周期和最大饱和度阈值条件下可通过的最大交通需求作为交通承载能力。计算公式如下:
进一步的,在本发明实施例中,单车道交叉口损失时间:
损失时间是指由于交通安全及车流运行特性等原因,在相位可以通行的时间段内没有交通流运行或未被充分利用的时间。损失时间由前损失时间和后损失时间两部分组成。前损失时间是指绿灯初期,由于排队车辆需要起动加速、驶出率较低所造成的损失时间。在绿灯初期车流量由小变大,由零逐渐上升到最大放行车流率。后损失时间是指绿灯时间结束时,黄灯期间停车线后的部分车辆已不许越过停车线所造成的损失时间。后补偿时间是指绿灯时间结束时,黄灯初期已越过停车线的车辆可以继续通行所带来的补偿时间。后损失时间与后补偿时间之和等于黄灯时间,恰恰也正反映了黄灯的过渡性与“两面性”。在黄灯期间车流量由大变小,由最大放行车流率逐渐下降到零。
其中:μ1为第一辆车启动损失时间,ni为当前第i各相位关键车道绿灯时间所有通过的车辆数。
同相位内关键车道选取:
在本发明实施例中,有效绿灯时间:
TG=G+Yr-Tμ
其中:G交叉口绿灯时间,Yr为黄灯全红时间和。
在本发明实施例中,等效系数:
左转车比常规直行车耗费更多的有效绿灯时间;当采用允许左转控制时情况更为复杂,左转车只有等到对向车流出现可接受空隙才能完成左转。当左转车和直行车共享车道时,可能发生左转车等待阻碍直行车的情况,以致一些直行车改变车道通过交叉口,而另一些车辆只能等到左转车行驶过后通过。由于左转车对交叉口运行的影响不同于直行车,在设计信号交叉口时,需要将左转车按照一定标准换算成相当的直行车,然后统一进行分析。
VL1×γ+VS1=VL2×γ+VS2
其中:两个相同时间段内通过的左转车辆VL1、VL2,两个相同时间段内通过的直行车辆VS1、VS2,γ为等效系数。当左转和执行在同一个相位当中时,此相位饱和流率为:
其中:Pl为左转车辆比例。
在本发明实施例中,关键车道流量总和:
如图2所示,在本发明提供的优选实施方式中,所述控制方法包括以下步骤:
步骤S101:通过架设前端摄像头及雷达感测器获取前端数据;
步骤S102:通过所述前端数据标定参数,所述参数包括交通量、单车道饱和流率和通行能力、饱和度和最大承载能力、单车道交叉口损失时间、有效绿灯时间、等效系数、关键车道流量总和;
步骤S103:基于所述参数调整交叉口控制方式。
如图3所示,在本发明提供的一个实施例中,所述基于所述参数调整交叉口控制方式的步骤包括:
步骤S1031:同一个相位内不同行驶方向,通过比较同相位内损失时间Tμ来确定关键流量;
其中,在本发明实施例中,选取损失时间最大的流向的流量作为关键流量。
步骤S1032:构造关键相位流量矩阵;
其中,在本发明实施例中,因为不同路口的相位数不同,有2相位4相位等等,因此,所述关键相位流量矩阵表示为:
这里用n来代表交叉口所有的相位总和,i表示第i个时间维度,j表示第j个相位,Mij表示第i个时间段第j个相位中的关键流量。
步骤S1033:根据参数以及关键车道流量和,计算周期时长,周期时长的确定有两种模式为常规状态与饱和状态;
在本发明实施例中,周期的时长与当前的交通需求具有密切联系。当需求量较小时,过长的信号周期会导致部分车辆处于长时间等待状态,并且不利于绿灯时间的使用效率。而当需求量较大时,则需要设计较长的信号周期,从而减缓可能发生的拥堵现象。因此根据计算的参数以及关键车道流量和,计算周期时长。周期时长的确定有两种模式为常规状态与饱和状态;
常规状态:
当θi>0.8时,某一个交通方向的压力将过大,因此需要进行参数调整,调整分为两种状态:
2.当通过更新gi,θi无法下降到0.8以内,将Cyl数值+ξ,重新计算以上过程直至θi下降到0.8以内。
饱和状态:
过饱和交叉口的饱和度超过0.85时(即σ>0.85,或Cyl数值增加到160以后θi依然无法下降到0.85以内),采用之前周期时长计算公式所得周期为负值,是不可行的。理论研究和实际交通调查表明,适当增大信号周期可以增加交叉口通行能力,但当交叉口周期达到160s后,通行能力的增长幅度越来越小,这时通过增大周期来提高通行能力的作用很小,而且会造成延误迅速增加。因此此时取160s作为交叉口的周期时长。
步骤S1034:若关键车道流量的比值与通行能力的比值大于等于0.8时,则执行第一策略,否则执行第二策略。
在本发明提供的一个实施例中,所述第一策略具体包括:
基于所述感知数据提取关键交叉口集合C;
确定关键交叉口的过饱和状况进口道、对应的下游关联的相邻交叉口Ua以及关联流向da,i,其中,这里的i可以分为e,s,w,n四个方向表示东南西北。
根据关键交叉口进口道交通承载能力与路段出入交通需求产生下游相邻交叉口,所述下游相邻交叉口为和吸引量叠加后的下游相邻交叉口;若下游相邻交叉口在集合C中,继续执行饱和状态方案,直到下游的交叉口经过叠加计算不再满足饱和状态时停止执行饱和状态方案。
通过关联交叉口指定相相位,设置相位差,执行最终的交叉口控制方案。
进一步的,如图4所示,根据关键交叉口进口道交通承载能力与路段出入交通需求产生和吸引量叠加后的下游相邻交叉口若依然在集合C里,继续执行饱和状态方案,同时在主要路径上实施协同控制,直到下游的交叉口经过叠加计算不再满足饱和状态停止,最大执行区间不超过10,即最大连续下游交叉口数量不超过10个。
在本发明实施例中,根据交叉口每一个进口道的饱和度进行判定,若达到最大饱和度的80%以上即饱和度超过0.85时,则认定为饱和状态。
在本发明实施例中,并将各关键交叉口的指示参数D的值设置为1,其含义为需要对该交叉口的交通需求进行控制,其余交叉口指示参数D为0。
在本发明提供的一个实施例中,所述关键交叉口的判定方式包括:若交叉口任一进口道内某一流向或多个流向车道组的交通需求超过其相应的最优交通承载能力,则将该交叉口判定为关键交叉口。
在本发明提供的一个实施例中,所述通过关联交叉口指定相相位,设置相位差的过程中,Ua与Ua+1相位差:
其中:SPi,i+1表示交叉口a与交叉口a+1之间的通过时间,La,a+1表示交叉口a与交叉口a+1之间的通过距离。
在本发明提供的一个实施例中,所述第二策略具体包括:
计算矩阵行向量之间的修正余弦相似度;
遍历行向量,从上之下,两两之间计算修正余弦相似度,找出相似度最大的两个行向量,取各元素平均值合并为一个新的行向量,标签为β,并再次计算新的行向量与其他行向量的修正余弦相似度;
标签更新为β+1,直到还剩一个行向量时退出计算;
根据计算结果,选取相似度作为判别标准,当系统有新的交通量数据采集后,以此相似度作为标准,若与已存在的交通量历史数据对比,相似度大于标准,则不另行执行计算。
在本发明实施例中,余弦相似度没法衡量每个维数值的差异,单纯的欧氏距离只能表征两个行向量的直观距离,忽视了不同相位之间的指向,因此对余弦相似度法进行修正。
在本发明提供的一个实施例中,所述余弦相似度的修正所采用的公式为:
其中,i表示第i个时间维度,j表示第j个相位,Mij表示第i个时间段第j个相位中的关键流量;S(i,j)表示第i个时间段第j个相位中余弦相似度。
进一步的,遍历行向量,从上之下,两两之间计算计算修正余弦相似度,找出相似度最大的两个行向量,取各元素平均值合并为一个新的行向量,标签为β,并再次计算新的行向量与其他行向量的修正余弦相似度。
更进一步的,标签更新为β+1,直到还剩一个行向量退出算。
进一步的,根据计算结果,选取合适相似度作为判别标准,当系统有新的交通量数据采集后,以此相似度作为标准,若与已存在的交通量历史数据对比,相似度大于标准,则不另行执行计算,否则执行步骤,并将其纳入历史数据库中。
实施例2
如图5所示,在本发明提供的优选实施方式中,提供了基于聚类的多模式交叉口控制系统,所述的控制系统用于实现如实施例1所提供的控制方法,所述的控制系统包括:
前端检测器201,所述前端检测器用于采集前端数据,将视频原始数据存储。
存储单元202,所述存储单元用于数据的路侧本地的存储,用于单个路口,作为路侧计算节点的数据源;
路测计算节点204,所述路测计算节点通过网络联接、协议转换,提供轻量化的联接管理、实时数据分析。
交叉口控制机203,所述交叉口控制机是交通信号控制系统中位于交叉口现场的底层执行单元,其用于实现交叉口交通信号控制。
每个交叉路口设置一个存储单元与计算单元,作为网络拓扑的基点,通过构建路口与路口之间的通信,形成在路侧的整体网络,同时建立云端与路侧网络的通信。
进一步的,在本发明实施例中,前端检测器:采集当前的交通流量、车速、延误信息等数据。前端检测器除了采集感知数据,给算法模型做分析;另一方面将视频原始数据存储,用来进一步训练模型。
进一步的,在本发明实施例中,存储单元:数据的路侧本地的存储,用于单个路口,作为路侧计算节点的数据源。
进一步的,在本发明实施例中,路测计算节点:通过网络联接、协议转换等功能联,提供轻量化的联接管理、实时数据分析。
进一步的,在本发明实施例中,交叉口控制机:交通信号控制机是城市交通信号控制系统的核心组成部分,是交通信号控制系统中位于交叉口现场的底层执行单元,其核心功能是实现交叉口交通信号控制。
进一步的,在本发明实施例中,每个路口设置一个存储单元与计算单元,作为网络拓扑的基点,通过构建路口与路口之间的通信,形成在路侧的整体网络,同时建立云端与路侧网络的通信。路测计算节点根据算法模型条件将算力较小的部分分配在路侧,算力较大的部分上传至云端做协同计算再下发至各个网络基点。
综上所述,本发明提供的控制方向及系统将数据挖掘技术应用到交通流量分析中,不仅可以发掘整个城市的道路交通流空间分布特性还可以发现有效的模式为交通管制和诱导规划提供依据;本发明提供的控制方法和系统,作为智能交通系统的关键交通运行状态的准确预测能够为城市道路信号配、行车信息发布、区域路网信号协调控制,甚至城市建设规划提供数据分析支撑。
实施例3
如图6所示,在本发明实施例中,本发明还提供了一种计算机设备。
所述设备300包括存储器301、处理器302以及存储在所述存储器301中并可在所述处理器302上运行的计算机可读指令,所述处理器302执行所述计算机可读指令时实现如实施例1所提供的基于聚类的多模式交叉口控制方法。
其中,所述基于声纹识别技术的电缆故障诊断方法包括以下步骤:步骤S101:通过架设前端摄像头及雷达感测器获取前端数据;
步骤S102:通过所述前端数据标定参数,所述参数包括交通量、单车道饱和流率和通行能力、饱和度和最大承载能力、单车道交叉口损失时间、有效绿灯时间、等效系数、关键车道流量总和;
步骤S103:基于所述参数调整交叉口控制方式。
此外,本发明实施例提供的所述设备300还可具有通讯接口303,用于接收控制指令。
实施例4
在本发明实施例中,本发明还提供了一种可读存储介质。
所述可读存储介质存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得所述一个或多个处理器执行如所提供的基于聚类的多模式交叉口控制方法。
其中,所述基于声纹识别技术的电缆故障诊断方法包括以下步骤:步骤S101:通过架设前端摄像头及雷达感测器获取前端数据;
步骤S102:通过所述前端数据标定参数,所述参数包括交通量、单车道饱和流率和通行能力、饱和度和最大承载能力、单车道交叉口损失时间、有效绿灯时间、等效系数、关键车道流量总和;
步骤S103:基于所述参数调整交叉口控制方式。
在本发明的各种实施例中,应理解,所述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
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单元,即可位于一个地方,或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元若以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获取的存储器中。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全部或者部分,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器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例所述方法的部分或全部步骤。
本领域普通技术人员可以理解所述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,11RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programma ble Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的信息交互的方法、装置、电子设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.基于聚类的多模式交叉口控制方法,其特征在于,所述的控制方法包括以下步骤:
通过架设前端摄像头及雷达感测器获取前端数据;
通过所述前端数据标定参数,所述参数包括交通量、单车道饱和流率和通行能力、饱和度和最大承载能力、单车道交叉口损失时间、有效绿灯时间、等效系数、关键车道流量总和;
基于所述参数调整交叉口控制方式。
2.根据权利要求1所述的基于聚类的多模式交叉口控制方法,其特征在于,所述基于所述参数调整交叉口控制方式的步骤包括:
同一个相位内不同行驶方向,通过比较同相位内损失时间Tμ来确定关键流量;
构造关键相位流量矩阵;
根据参数以及关键车道流量和,计算周期时长,周期时长的确定有两种模式为常规状态与饱和状态;
若关键车道流量的比值与通行能力的比值大于等于0.8时,则执行第一策略,否则执行第二策略。
4.根据权利要求2或3所述的基于聚类的多模式交叉口控制方法,其特征在于,所述第一策略具体包括:
基于所述感知数据提取关键交叉口集合C;
确定关键交叉口的过饱和状况进口道、对应的下游关联的相邻交叉口Ua以及关联流向da,i;
根据关键交叉口进口道交通承载能力与路段出入交通需求产生下游相邻交叉口,所述下游相邻交叉口为和吸引量叠加后的下游相邻交叉口;若下游相邻交叉口在集合C中,继续执行饱和状态方案,直到下游的交叉口经过叠加计算不再满足饱和状态时停止执行饱和状态方案;
通过关联交叉口指定相相位,设置相位差,执行最终的交叉口控制方案。
5.根据权利要求4所述的基于聚类的多模式交叉口控制方法,其特征在于,所述关键交叉口的判定方式包括:若交叉口任一进口道内某一流向或多个流向车道组的交通需求超过其相应的最优交通承载能力,则将该交叉口判定为关键交叉口。
7.根据权利要求4所述的基于聚类的多模式交叉口控制方法,其特征在于,所述第二策略具体包括:
计算矩阵行向量之间的修正余弦相似度;
遍历行向量,从上之下,两两之间计算修正余弦相似度,找出相似度最大的两个行向量,取各元素平均值合并为一个新的行向量,标签为β,并再次计算新的行向量与其他行向量的修正余弦相似度;
标签更新为β+1,直到还剩一个行向量时退出计算;
根据计算结果,选取相似度作为判别标准,当系统有新的交通量数据采集后,以此相似度作为标准,若与已存在的交通量历史数据对比,相似度大于标准,则不另行执行计算。
9.基于聚类的多模式交叉口控制系统,其特征在于,所述的控制系统用于实现如权利要求1-8任一所述的控制方法,所述的控制系统包括:
前端检测器,所述前端检测器用于采集前端数据,将视频原始数据存储;
存储单元,所述存储单元用于数据的路侧本地的存储,用于单个路口,作为路侧计算节点的数据源;
路测计算节点,所述路测计算节点通过网络联接、协议转换,提供轻量化的联接管理、实时数据分析;
交叉口控制机,所述交叉口控制机是交通信号控制系统中位于交叉口现场的底层执行单元,其用于实现交叉口交通信号控制;
每个交叉路口设置一个存储单元与计算单元,作为网络拓扑的基点,通过构建路口与路口之间的通信,形成在路侧的整体网络,同时建立云端与路侧网络的通信。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730527.4A CN115171403B (zh) | 2022-06-24 | 2022-06-24 | 基于聚类的多模式交叉口控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730527.4A CN115171403B (zh) | 2022-06-24 | 2022-06-24 | 基于聚类的多模式交叉口控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115171403A true CN115171403A (zh) | 2022-10-11 |
CN115171403B CN115171403B (zh) | 2024-03-26 |
Family
ID=83487053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210730527.4A Active CN115171403B (zh) | 2022-06-24 | 2022-06-24 | 基于聚类的多模式交叉口控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115171403B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844927A (zh) * | 2016-04-06 | 2016-08-10 | 深圳榕亨实业集团有限公司 | 新型感知与控制的道路交叉口群信号控制系统及控制方法 |
CN108171998A (zh) * | 2018-02-11 | 2018-06-15 | 深圳市智能交通技术有限公司 | 一种基于电警数据的交叉口自适应交通信号控制系统及其工作方法 |
CN108922174A (zh) * | 2018-06-20 | 2018-11-30 | 同济大学 | 一种快速路入口匝道周围交叉口群内路径动态分级方法 |
CN109887297A (zh) * | 2019-04-23 | 2019-06-14 | 太原理工大学 | 基于快速全局K-means谱聚类的城市交通控制子区的划分方法 |
CN111583675A (zh) * | 2020-05-14 | 2020-08-25 | 吴钢 | 一种区域路网交通信号灯协调控制系统和方法 |
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 |
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 |
-
2022
- 2022-06-24 CN CN202210730527.4A patent/CN115171403B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844927A (zh) * | 2016-04-06 | 2016-08-10 | 深圳榕亨实业集团有限公司 | 新型感知与控制的道路交叉口群信号控制系统及控制方法 |
CN108171998A (zh) * | 2018-02-11 | 2018-06-15 | 深圳市智能交通技术有限公司 | 一种基于电警数据的交叉口自适应交通信号控制系统及其工作方法 |
CN108922174A (zh) * | 2018-06-20 | 2018-11-30 | 同济大学 | 一种快速路入口匝道周围交叉口群内路径动态分级方法 |
CN109887297A (zh) * | 2019-04-23 | 2019-06-14 | 太原理工大学 | 基于快速全局K-means谱聚类的城市交通控制子区的划分方法 |
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 |
CN111583675A (zh) * | 2020-05-14 | 2020-08-25 | 吴钢 | 一种区域路网交通信号灯协调控制系统和方法 |
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 |
Non-Patent Citations (8)
Title |
---|
丁建梅;王常虹;: "基于波动理论的交叉口信号控制参数优化方法", 哈尔滨工业大学学报, no. 11 * |
孙剑哲: "基于大数据挖掘的城市路网车辆轨迹和卡口流量预测技术研究与应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, pages 22 - 27 * |
徐建闽;鄢小文;荆彬彬;王宇俊;: "考虑交叉口不同饱和度的路网动态分区方法", 交通运输系统工程与信息, no. 04 * |
李岩;过秀成;杨洁;刘迎;何赏璐;: "过饱和状态交叉口群信号控制机理及实施框架", 交通运输系统工程与信息, no. 04, pages 28 - 34 * |
梁坤;孙莉;罗建锋;: "基于DTW距离聚类的交叉口拥堵检测", 大连交通大学学报, no. 04 * |
王五林;刘冬梅;曲大义;杨晶茹;周警春;: "基于交叉口群关联特性的主路径变向车道控制优化", 青岛理工大学学报, no. 02 * |
王力;于欣宇;李颖宏;李正熙;: "基于FCM聚类的复杂交通网络节点重要性评估", 交通运输系统工程与信息, no. 06 * |
骆佳磊;孟利民;: "基于路口相似度的信号配时方案推荐算法", 计算机科学, no. 1 * |
Also Published As
Publication number | Publication date |
---|---|
CN115171403B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945507B (zh) | 行程时间预测方法及装置 | |
CN113327416B (zh) | 基于短时交通流预测的城市区域交通信号控制方法 | |
CN111681433B (zh) | 一种交叉口交通信号灯配时优化方法和装置 | |
CN108399740B (zh) | 一种信号控制交叉口机动车冲突概率预测方法 | |
CN108171998B (zh) | 一种基于电警数据的交叉口自适应交通信号控制系统及其工作方法 | |
CN106571029A (zh) | 一种车辆排队长度检测的方法和装置 | |
CN112069944A (zh) | 一种道路拥堵等级确定方法 | |
CN109754598B (zh) | 一种拥堵组团识别方法及系统 | |
CN113096418B (zh) | 交通网红绿灯控制方法、系统及计算机可读存储介质 | |
CN107578620B (zh) | 基于车道级系统的道路通行能力的计算方法、系统和装置 | |
CN110491125B (zh) | 一种交通预警诱导信息生成方法 | |
CN113012433A (zh) | 车载联网节能辅助驾驶控制方法与系统 | |
CN114333361B (zh) | 一种信号灯配时方法及装置 | |
CN114202917B (zh) | 基于动态交通流短时预测的施工区域交通控制与诱导方法 | |
CN111524345B (zh) | 一种车辆实时排队长度约束下多目标优化的感应控制方法 | |
GB2576312A (en) | Method and system of recommending a place to park | |
CN113140108B (zh) | 一种网联智能交通系统中的云端交通态势预测方法 | |
CN111047880B (zh) | 路网的交通控制方法、装置、存储介质和管理设备 | |
CN113515892B (zh) | 一种多智能体交通仿真并行计算方法及装置 | |
CN111161545A (zh) | 基于视频的交叉口区域交通参数统计方法 | |
CN115171403A (zh) | 基于聚类的多模式交叉口控制方法及系统 | |
CN113936475A (zh) | 一种多道路资源优化的交通控制方法和系统 | |
CN116704750B (zh) | 一种基于聚类算法的交通状态识别方法、电子设备、介质 | |
CN116386317A (zh) | 一种交通路口的车流量预测方法及装置 | |
CN111815944B (zh) | 数据有效性检测方法、装置、电子设备及计算机存储介质 |
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 |