CN115188185B - 适于车流速度分布区间的双向绿波最大带宽协调控制方法 - Google Patents
适于车流速度分布区间的双向绿波最大带宽协调控制方法 Download PDFInfo
- Publication number
- CN115188185B CN115188185B CN202210711632.3A CN202210711632A CN115188185B CN 115188185 B CN115188185 B CN 115188185B CN 202210711632 A CN202210711632 A CN 202210711632A CN 115188185 B CN115188185 B CN 115188185B
- Authority
- CN
- China
- Prior art keywords
- bandwidth
- speed
- intersection
- coordination control
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000002457 bidirectional effect Effects 0.000 title claims abstract description 27
- 230000003068 static effect Effects 0.000 claims abstract description 7
- 238000011144 upstream manufacturing Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000819 phase cycle Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- 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
- G08G1/01—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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了适于车流速度分布区间的双向绿波最大带宽协调控制方法,该方法包括:S1.获取干道静态交通数据和交叉口信号配时参数;S2.获取历史和实时车流速度数据,计算车辆速度分布的曲线拟合函数;S3.建立基于推荐车速的最大带宽协调控制模型;S4.建立基于车辆速度分布区间的期望带宽协调控制模型;S5.建立适于车流速度分布区间的双向绿波最大带宽协调控制模型;S6.求解双向绿波最大带宽协调控制模型,输出双向绿波带宽最大化的协调控制配时方案。本发明能够在更短求解时间内为干道提供更大的期望带宽和符合速度分布特性的方案,有效减少延误、停车次数和排队长度等运行指标,可以提高城市主干道车辆通行效率。
Description
技术领域
本发明涉及交通信号协调控制技术领域,特别涉及一种适于车流速度分布区间的双向绿波最大带宽协调控制方法。
背景技术
干道协调控制已成为城市干道交通控制的重要方法,协调方向能够不停车通过信号交叉口,减少交叉口停车次数和延误。然而,城市干道车流受多种因素的影响往往呈现离散性大、运行状态不稳定、车速波动性大等特点,需要根据车流实际运行特点,为速度波动变化的车流提供更加有效的协调方案,以提升信控方法的鲁棒性和有效性。因此,单一速度下的干道协调方案无法满足车辆在不同速度区间的带宽需求,不能取得预期的控制效果。
Maxband和Multiband模型是实现干道绿波协调控制的重要方法,通过分析车辆运行轨迹与交叉口绿灯启亮时间的关系,建立混合整形规划模型,实现了单一速度下的干道最大带宽优化目标。针对干道车辆速度波动性问题,虽然已有学者提出各种模型改进算法,对速度波动下的干道协调控制研究具有一定成效,但还存在以下问题:(1)以固定速度求解干道协调方案不适用于速度波动性变化的干道(别一鸣,李轶舜,王琳虹,王殿海,宋现敏.考虑城市干道车队运行特点的交通信号协调控制算法[J].西南交通大学学报.2013,48(02):357-367.);(2)以队首或队尾车队不受阻为约束求解速度波动变化的干道的协调方案,没有考虑车辆在速度区间内的分布特点(荆彬彬,鄢小文,吴焕,徐建闽.考虑行驶速度波动的进口单放绿波协调控制模型[J].交通运输系统工程与信息.2017,17(03):83-90.);(3)对不同速度同步求解模型带宽引入大量变量,造成资源浪费,求解困难(郑淑鉴,佘文晟,周沛.基于路段速度区间的干道协调控制模型研究[J].系统工程理论与实践.2017,37(08):2178-2184.)。
发明内容
为解决现有技术中存在的问题,本发明提供一种适于车流速度分布区间的双向绿波最大带宽协调控制方法,结合干道车辆在速度区间的分布,科学合理地减少车流速度分布波动对干道绿波协调控制的影响,快速求解出满足车流运行特点的最佳信号协调控制配时方案。
本发明至少通过如下技术方案之一实现。
适于车流速度分布区间的双向绿波最大带宽协调控制方法,包括以下步骤:
S1.获取干道静态交通数据和交叉口信号配时参数;
S2.获取历史和实时车流速度数据,计算车辆速度分布的曲线拟合函数;
S3.建立基于推荐车速的最大带宽协调控制模型;
S4.建立基于车辆速度分布区间的期望带宽协调控制模型;
S5.基于所述最大带宽协调控制模型和所述期望带宽协调控制模型建立适于车流速度分布区间的双向绿波最大带宽协调控制模型;
S6.求解所述双向绿波最大带宽协调控制模型,输出双向绿波带宽最大化的协调控制配时方案。
进一步地,步骤S1所述干道静态交通数据包括干道上路段及交叉口的车道信息、相邻交叉口之间的距离;所述交叉口信号配时参数包括各交叉口的信号周期、相位相序、绿信比。
进一步地,步骤S2所述计算车辆速度分布的曲线拟合函数,包括:获得各种场景下如工作日、周末、重大节假日等下早高峰、平峰、晚高峰时间段的行驶速度区间,从时间和空间两个维度对各速度区间的车辆数量进行统计及图形绘制,得到车流不同速度占比在时间和空间上的分布曲线;通过曲线拟合计算可知,车辆速度符合正态分布函数,能够根据具体路段车流速度情况,计算出正态分布函数的速度分布均值μ和速度分布方差σ。
进一步地,步骤S3所述基于推荐车速的最大带宽协调控制模型,包括以下步骤:
推荐速度是指干道上下行方向取得最大带宽下的各交叉口之间的车辆行驶速度。定义与时间相关的变量均采用信号周期占比表示,单位为cycles;
在n个交叉口的干道上,第一个信号周期下交叉口参数计算方式如下:
式中,Ai、分别为交叉口i上行、下行方向带宽所在周期的绿灯开始;Bi、/>分别为交叉口i上行、下行方向带宽所在周期的绿灯结束;A′i、/>分别为交叉口i上行、下行方向带宽左侧边界;B′i、/>分别为交叉口i上行、下行方向带宽右侧边界;oi表示交叉口i的协调相位差;ri、/>表示交叉口i上行、下行方向的红灯(单位:cycles);gi、/>表示交叉口i上行、下行方向的绿灯(cycles);ti-1表示车辆上行方向时从交叉口i-1到交叉口i所需要的行驶时间,/>表示车辆下行方向时从交叉口i到交叉口i-1所需要的行驶时间;ni表示上行方向带宽所在周期的整数倍,/>表示下行方向带宽所在周期的整数倍,ni和/>取值从-1开始。
为保障求解得到合理的带宽,带宽始终处于交叉口的绿灯时间内,带宽右侧边缘Bi′、应始终处于相应的带宽左侧边缘A′i、/>的右侧,即
交叉口i上行或下行方向获得的最大带宽为
式中,ei、分别表示交叉口i上行、下行方向获得的最大带宽。
根据公式(1)(3)相邻交叉口的递推关系可知,相邻交叉口之间的带宽约束为
则干道最大带宽为最后一个交叉口所能够提供的带宽,计算式为
式中,e表示干道上行方向的最大带宽;表示干道下行方向的最大带宽;A’n、/>表示交叉口n上行、下行方向带宽左侧边界;B′n、/>表示交叉口n上行、下行方向带宽右侧边界。
为了使双向带宽分布更加均匀,引入Multiband模型的带宽均衡公式,其约束表达为
式中,k表示上下行带宽的比例,取下行方向道路流量与上行方向道路流量的比值。
基于推荐车速的最大带宽协调控制模型仍采用Maxband的目标函数求解干道最大带宽,表达为
进一步地,步骤S4所述基于车辆速度分布区间的期望带宽协调控制模型,包括以下步骤:
根据步骤S2中的所述车辆速度分布的曲线拟合函数,在速度区间内按照设定的步进值选取速度,生成速度求解空间Ω,针对每一个速度分别求解带宽,不同速度下的约束表示为
式中,di-1为交叉口i-1和交叉口i之间的距离;z为干道公共信号周期的倒数;v、分别为上行、下行方向协调优化的速度;Ω为协调优化的速度求解空间,即从最小速度开始,按照设定的差值生成的速度分布区间;Ai,v表示在速度v下交叉口i上行方向绿灯开始,其值与Ai保持一致;/>表示在速度/>下交叉口i下行方向绿灯开始,其值与/>保持一致;Bi,v表示在速度v下交叉口i上行绿灯结束,其值与Bi保持一致;/>表示在速度/>下交叉口i下行方向绿灯结束,其值与/>保持一致;A′i,v表示在速度v下交叉口i上行方向带宽左侧边界;表示在速度v下交叉口i下行方向带宽左侧边界;B′i,v表示在速度v下交叉口i上行带宽右侧边界;/>表示在速度/>下交叉口i下行方向带宽右侧边界;ni,v表示在速度v下交叉口i上行方向带宽所在周期的整数倍,/>表示在速度/>下交叉口i-1下行方向带宽所在周期的整数倍,ni和/>取值从-1开始。
为避免某些速度下无法取得有效带宽而限制整个模型的求解,定义二进制变量yv、为
则带宽右侧边缘与带宽左侧边缘/>应满足的条件为
式中,M表示取值106以上的整数;当yv和等于1时,该速度下能够取得有效带宽,约束成立;当yv或/>等于0时,该速度下无法取得有效带宽,约束失效。
各速度下的最大带宽求解方法如下
式中,ev表示在速度v下干道能够取得的最大上行带宽;表示在速度/>下干道能够取得的最大下行带宽;A′n,v表示在速度v下交叉口n上行方向带宽左侧边界;/>表示在速度/>下交叉口n下行方向带宽左侧边界;B′n,v表示在速度v下交叉口n上行方向带宽右侧边界;/>表示在速度/>下交叉口n下行方向带宽右侧边界。
为避免得到过小的带宽而无法满足车辆的通行需求,造成绿灯时间的浪费,引入最小带宽约束
式中,be表示足够车辆通行的最小带宽。若当前速度能够取得有效带宽,则约束成立,否则约束失效。
为充分体现干道车辆在速度区间内的分布特性,引入带宽与速度分布频率之积为期望带宽,以各速度的期望带宽之和为目标函数,实现为区间速度提供更大的带宽。基于车辆速度分布区间的期望带宽协调控制模型表示为
式中,P(v)表示上行方向速度v下车辆所占的比例;表示下行方向速度/>下车辆所占的比例。
进一步地,步骤S5所述适于车流速度分布区间的双向绿波最大带宽协调控制模型,包括以下步骤:
适于车流速度分布区间的双向绿波最大带宽协调控制模型包括两项目标函数,第一项为推荐速度下所能取得的最大带宽,第二项为速度区间内所能取得的期望带宽和:
式中,ω1表示推荐速度下所能取得最大带宽的系数,ω2表示速度区间内所能够取得期望带宽和的系数。
进一步地,步骤S6中利用Python调用Cplex求解所述双向绿波最大带宽协调控制模型以更短时间求解出最佳干道双向绿波协调控制配时方案。
与现有技术相比,本发明至少能够实现以下有益效果:
1.本发明提出基于推荐速度的最大带宽模型,避免了Maxband模型同步求解多个速度协调方案时参数爆炸的情况,求解时间变短,时效性更高。
2.本发明对速度区间按一定步进值生成速度求解空间,并以推荐速度带宽最大和各速度期望带宽和为目标,构建适于车流速度分布区间的双向绿波最大带宽协调控制模型,实现了速度分布波段的带宽动态求解,提高了干道协调模型的有效性和鲁棒性。
3.本发明提出的方法在期望带宽、平均延误、平均停车次数、平均排队长度等方面均优于Maxband模型,有效提高干道整体运行效率。
附图说明
图1为本发明实施例提供的适于车流速度分布区间的双向绿波最大带宽协调控制方法流程图。
图2为本发明实施例提供的基于推荐车速的最大带宽协调控制模型下的车辆运行时空轨迹图。
图3为本发明实施例提供的基于推荐车速的最大带宽协调控制模型计算方法图,其中,(a)图是上行方向带宽示意图,(b)图是下行方向带宽示意图。
图4为本发明实施例中早、中、晚高峰车流速度分布和拟合曲线图。
图5为本发明实施例中一星期车流速度分布和拟合曲线图,其中,(a)~(g)图是干道车流速度从周一至周末的数据分布情况示意图,(h)图是一周内的综合正态分布拟合曲线示意图。
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、完整的描述,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,都是本发明保护的范围。
请参阅图1,本发明提供的适于车流速度分布区间的双向绿波最大带宽协调控制方法,包括以下步骤:
S1.获取干道静态交通数据和交叉口信号配时参数。
所述干道静态交通数据包括干道上路段及交叉口的车道信息、相邻交叉口之间的距离。所述交叉口信号配时参数包括各交叉口的信号周期、相位相序和绿信比。
在本发明的其中一些实施例中,以4个交叉口的干道为例,干道上4个交叉口编号为I1、I2、I3和I4,相邻交叉口之间距离为300m、400m、600m,信号周期范围为[80,140],协调方向的相位采用对称放行方式,绿信比分别为0.5,0.4,0.5,0.4。当然,在其他实施例中,交叉口的数量也可以是其他数值。
S2.获取历史和实时车流速度数据,计算车辆速度分布的曲线拟合函数。
根据干道上各路段的历史和实时车流速度数据,分别获得工作日、周末、重大节假日等场景下早高峰、平峰、晚高峰时间段的行驶速度区间,从时间和空间两个维度对各速度区间的车辆数量进行统计及图形绘制,分别得到车流不同速度占比在时间和空间上的分布曲线;通过曲线拟合计算可知,车辆速度符合正态分布函数,能够根据具体路段车流速度情况,计算出正态分布函数的速度分布均值μ和速度分布方差σ,得到车辆速度分布的曲线拟合函数。
具体地,在本发明的其中一些实施例中,图4为早高峰、平峰、晚高峰时间段对各速度区间的车辆数量统计与正态分布拟合的曲线图像,车辆速度分布在各时间段内呈现正态分布的趋势,且速度区间[7.7,10.4]为路段车辆主要的分布区间。图5为干道车流速度从周一至周末的数据分布情况,以及一周内的综合正态分布拟合曲线。从图可知,周一至周六的速度分布呈现正态分布趋势,周日拟合程度不高,其原因可能是周末的车辆出行较少,车辆分布更为分散,行驶自由度更高。总体上,干道车辆基本能够使用正态分布函数拟合。对车流速度进行拟合处理,计算出正态分布函数的速度分布均值μ=9和速度分布方差σ=2,车辆行驶速度在速度区间内符合X~N(9,2)的正态分布函数。
S3.建立基于推荐车速的最大带宽协调控制模型。
推荐速度是指干道上下行方向取得最大带宽下的各交叉口之间的车辆行驶速度。定义与时间相关的变量均采用信号周期占比表示,单位为cycles;
在n个交叉口的干道上,第一个信号周期下交叉口参数的计算方式如下:
式中,Ai、分别为交叉口i上行、下行方向带宽所在周期的绿灯开始;Bi、/>分别为交叉口i上行、下行方向带宽所在周期的绿灯结束;A′i、/>分别为交叉口i上行、下行方向带宽左侧边界;B′i、/>分别为交叉口i上行、下行方向带宽右侧边界;oi表示交叉口i的协调相位差;ri、/>表示交叉口i上行、下行方向的红灯(单位:cycles);gi、/>表示交叉口i上行、下行方向的绿灯(cycles);ti-1表示车辆上行方向时从交叉口i-1到交叉口i所需要的行驶时间,/>表示车辆下行方向时从交叉口i到交叉口i-1所需要的行驶时间;ni表示上行方向带宽所在周期的整数倍,/>表示下行方向带宽所在周期的整数倍,ni和/>取值从-1开始。
为保障求解得到合理的带宽,带宽始终处于交叉口的绿灯时间内,带宽右侧边缘Bi′、应始终处于相应的带宽左侧边缘A′i、/>的右侧,即
交叉口i上行或下行方向获得的最大带宽为
式中,ei、分别表示交叉口i上行、下行方向获得的最大带宽。
根据公式(1)(3)相邻交叉口的递推关系可知,相邻交叉口之间的带宽约束为
则干道最大带宽为最后一个交叉口所能够提供的带宽,计算式为
式中,e表示干道上行方向的最大带宽;表示干道下行方向的最大带宽;A’n、/>表示交叉口n上行、下行方向带宽左侧边界;B′n、/>表示交叉口n上行、下行方向带宽右侧边界。
为了使双向带宽分布更加均匀,引入Multiband模型的带宽均衡公式,其约束表达为
式中,k表示上下行带宽的比例,取下行方向道路流量与上行方向道路流量的比值。
基于车辆速度分布区间的期望带宽模型仍采用Maxband的目标函数求解干道最大带宽,表达为
S4.建立基于车辆速度分布区间的期望带宽协调控制模型。
根据步骤S2中的所述车辆速度分布的曲线拟合函数,在速度区间内按照预设的步进值选取速度,生成速度求解空间Ω。在本发明的其中一些实施例中,预设的步进值为0.5,针对每一个速度分别求解带宽,不同速度下的约束表示为
式中,di-1为交叉口i-1和交叉口i之间的距离;z为干道公共信号周期的倒数;v、分别为上行、下行方向协调优化的速度;Ω为协调优化的速度求解空间,即从最小速度开始,按照设定的差值生成的速度分布区间;Ai,v表示在速度v下交叉口i上行方向绿灯开始,其值与Ai保持一致;/>表示在速度/>下交叉口i下行方向绿灯开始,其值与/>保持一致;Bi,v表示在速度v下交叉口i上行绿灯结束,其值与Bi保持一致;/>表示在速度/>下交叉口i下行方向绿灯结束,其值与/>保持一致;A′i,v表示在速度v下交叉口i上行方向带宽左侧边界;表示在速度/>下交叉口i下行方向带宽左侧边界;B′i,v表示在速度v下交叉口i上行带宽右侧边界;/>表示在速度v下交叉口i下行方向带宽右侧边界;ni,v表示在速度v下交叉口i上行方向带宽所在周期的整数倍,/>表示在速度/>下交叉口i-1下行方向带宽所在周期的整数倍,ni和/>取值从-1开始。
为避免某些速度下无法取得有效带宽而限制整个模型的求解,定义二进制变量yv、为
则带宽右侧边缘与带宽左侧边缘/>应满足的条件为
式中,M表示取值106以上的整数;当yv和等于1时,该速度下能够取得有效带宽,约束成立;当yv或/>等于0时,该速度下无法取得有效带宽,约束失效。
各速度下的最大带宽求解方法如下
式中,ev表示在速度v下干道能够取得的最大上行带宽;表示在速度/>下干道能够取得的最大下行带宽;A′n,v表示在速度v下交叉口n上行方向带宽左侧边界;/>表示在速度/>下交叉口n下行方向带宽左侧边界;B′n,v表示在速度v下交叉口n上行方向带宽右侧边界;/>表示在速度/>下交叉口n下行方向带宽右侧边界。
为避免得到过小的带宽而无法满足车辆的通行需求,造成绿灯时间的浪费,引入最小带宽约束
式中,be表示足够车辆通行的最小带宽。若当前速度能够取得有效带宽,则约束成立,否则约束失效。
为充分体现干道车辆在速度区间内的分布特性,引入带宽与速度分布频率之积为期望带宽,以各速度的期望带宽之和为目标函数,实现为区间速度提供更大的带宽。基于车辆速度分布区间的期望带宽模型表示为
式中,P(v)表示上行方向速度v下车辆所占的比例;表示下行方向速度/>下车辆所占的比例。
S5.基于所述最大带宽协调控制模型和所述期望带宽协调控制模型,建立适于车流速度分布区间的双向绿波最大带宽协调控制模型。
适于车流速度分布区间的双向绿波最大带宽协调控制模型包括两项目标函数,第一项为推荐速度下所能取得的最大带宽,第二项为速度区间内所能取得的期望带宽和:
式中,ω1表示推荐速度下所能取得最大带宽的系数,ω2表示速度区间内所能够取得期望带宽和的系数。
S6.求解所述双向绿波最大带宽协调控制模型,输出双向绿波带宽最大化的协调控制配时方案。
模型利用Python调用Cplex求解,从而能够以更短时间求解出最佳干道双向绿波协调控制配时方案,计算机运行环境为64位Win 10操作系统、I7-6500U、8G运行内存、2.5GHz主频。
在本发明的其中一些实施例中,模型求解总共求解时间为8.51秒,求解结果如表1所示。
表1车流速度分布区间及上下行平均带宽值
求解出最佳信号控制周期为120s,能够获得有效带宽所对应的速度区间为[7.3,11.3],以推荐速度行驶其上下行方向分别获得35.0%与25%的带宽,速度区间内车辆获得26.3%的期望带宽和,且获得的带宽均为有效带宽方案。
对干道进行仿真建模,将本发明与Maxband模型的最佳信号协调控制配时方案输入Vissim进行仿真,仿真结果如表2所示。
表2方案仿真结果对比
仿真结果显示,本模型与Maxband模型方法相比,干道平均停车次数减少25%、平均延误减少45%以及平均排队长度减少17%。因此,本发明模型能够较好的适应车辆在速度区间内分布不均匀的情况,使干道协调模型获得更好的协调效果,提高城市干道整体运行效率。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.适于车流速度分布区间的双向绿波最大带宽协调控制方法,其特征在于,包括以下步骤:
S1.获取干道静态交通数据和交叉口信号配时参数;
S2.获取历史和实时车流速度数据,计算车辆速度分布的曲线拟合函数;
S3.建立基于推荐车速的最大带宽协调控制模型;所述的基于推荐车速的最大带宽协调控制模型,包括以下步骤:
推荐速度是指干道上下行方向取得最大带宽下的各交叉口之间的车辆行驶速度,定义与时间相关的变量均采用信号周期占比表示,单位为cycles;
在n个交叉口的干道上,第一个信号周期下交叉口参数计算方式如下:
式中,分别为交叉口i上行、下行方向带宽所在周期的绿灯开始;/>分别为交叉口i上行、下行方向带宽所在周期的绿灯结束;/>分别为交叉口i上行、下行方向带宽左侧边界;/>分别为交叉口i上行、下行方向带宽右侧边界;oi表示交叉口i的协调相位差;ri、/>表示交叉口i上行、下行方向的红灯,单位为cycles;gi、/>表示交叉口i上行、下行方向的绿灯,单位为cycles;ti-1表示车辆上行方向时从交叉口i-1到交叉口i所需要的行驶时间,/>表示车辆下行方向时从交叉口i到交叉口i-1所需要的行驶时间;ni表示交叉口i上行方向带宽所在周期的整数倍,/>表示交叉口i-1下行方向带宽所在周期的整数倍,ni和/>取值从-1开始;
带宽始终处于交叉口的绿灯时间内,带宽右侧边缘应始终处于相应的带宽左侧边缘/>的右侧,即
交叉口i上行或下行方向获得的最大带宽为
式中,分别表示交叉口i上行、下行方向获得的最大带宽;
根据公式(1)(3)相邻交叉口的递推关系可知,相邻交叉口之间的带宽约束为
则干道最大带宽为最后一个交叉口所能够提供的带宽,计算式为
式中,e表示干道上行方向的最大带宽;表示干道下行方向的最大带宽;/>表示交叉口n上行、下行方向带宽左侧边界;/>表示交叉口n上行、下行方向带宽右侧边界;
S4.建立基于车辆速度分布区间的期望带宽协调控制模型;所述的基于车辆速度分布区间的期望带宽协调控制模型,包括以下步骤:
根据步骤S2中的所述车辆速度分布的曲线拟合函数,在速度区间内按照预设的步进值选取速度,生成速度求解空间Ω,针对每一个速度分别求解带宽,不同速度下的约束表示为
式中,di-1为交叉口i-1和交叉口i之间的距离;z为干道公共信号周期的倒数;分别为上行、下行方向协调优化的速度;Ω为协调优化的速度求解空间,即从最小速度开始,按照设定的差值生成的速度分布区间;Ai,v表示在速度v下交叉口i上行方向绿灯开始,其值与Ai保持一致;/>表示在速度/>下交叉口i下行方向绿灯开始,其值与/>保持一致;Bi,v表示在速度v下交叉口i上行绿灯结束,其值与Bi保持一致;/>表示在速度v下交叉口i下行方向绿灯结束,其值与/>保持一致;A′i,v表示在速度v下交叉口i上行方向带宽左侧边界;/>表示在速度/>下交叉口i下行方向带宽左侧边界;B′i,v表示在速度v下交叉口i上行带宽右侧边界;/>表示在速度/>下交叉口i下行方向带宽右侧边界;ni,v表示在速度v下交叉口i上行方向带宽所在周期的整数倍,/>表示在速度/>下交叉口i-1下行方向带宽所在周期的整数倍,ni,v和/>取值从-1开始;
定义二进制变量yv、为
则带宽右侧边缘与带宽左侧边缘应满足的条件为
式中,M表示取值106以上的整数;当yv和等于1时,该速度下能够取得有效带宽,约束成立;当yv或/>等于0时,该速度下无法取得有效带宽,约束失效;
各速度下的最大带宽求解方法如下
式中,ev表示在速度v下干道能够取得的最大上行带宽;表示在速度/>下干道能够取得的最大下行带宽;A′n,v表示在速度v下交叉口n上行方向带宽左侧边界;/>表示在速度/>下交叉口n下行方向带宽左侧边界;B′n,v表示在速度v下交叉口n上行方向带宽右侧边界;/>表示在速度/>下交叉口n下行方向带宽右侧边界;
引入最小带宽约束
式中,be表示足够车辆通行的最小带宽,若当前速度能够取得有效带宽,则约束成立,否则约束失效;
引入带宽与速度分布频率之积为期望带宽,以各速度的期望带宽之和为目标函数,实现为区间速度提供更大的带宽,基于车辆速度分布区间的期望带宽模型表示为
式中,P(v)表示上行方向速度v下车辆所占的比例;表示下行方向速度/>下车辆所占的比例;
S5.基于所述最大带宽协调控制模型和所述期望带宽协调控制模型,建立适于车流速度分布区间的双向绿波最大带宽协调控制模型;所述的建立适于车流速度分布区间的双向绿波最大带宽协调控制模型,包括以下步骤:
适于车流速度分布区间的双向绿波最大带宽协调控制模型包括两项目标函数,第一项为推荐速度下所能取得的最大带宽,第二项为速度区间内所能取得的期望带宽和:
式中,ω1表示推荐速度下所能取得最大带宽的系数,ω2表示速度区间内所能够取得期望带宽和的系数,e表示干道上行方向的最大带宽;表示干道下行方向的最大带宽;k表示上下行带宽的比例;yv、/>为二进制变量;ev表示在速度v下干道能够取得的最大上行带宽;表示在速度/>下干道能够取得的最大下行带宽;P(v)表示上行方向速度v下车辆所占的比例;/>表示下行方向速度/>下车辆所占的比例;
S6.求解所述双向绿波最大带宽协调控制模型,输出双向绿波带宽最大化的协调控制配时方案。
2.根据权利要求1所述的适于车流速度分布区间的双向绿波最大带宽协调控制方法,其特征在于,步骤S1所述干道静态交通数据包括干道上路段及交叉口的车道信息、相邻交叉口之间的距离。
3.根据权利要求1所述的适于车流速度分布区间的双向绿波最大带宽协调控制方法,其特征在于,步骤S1所述交叉口信号配时参数包括各交叉口的信号周期、相位相序和绿信比。
4.根据权利要求1所述的适于车流速度分布区间的双向绿波最大带宽协调控制方法,其特征在于,步骤S2所述计算车辆速度分布的曲线拟合函数,包括:获得各种场景下早高峰、平峰、晚高峰时间段的行驶速度区间,从时间和空间两个维度对各速度区间的车辆数量进行统计及图形绘制,得到车流不同速度占比在时间和空间上的分布曲线;根据具体路段车流速度情况,计算出速度分布均值μ和速度分布方差σ,得到车辆速度分布的曲线拟合函数。
5.根据权利要求1所述的适于车流速度分布区间的双向绿波最大带宽协调控制方法,其特征在于,为了使双向带宽分布更加均匀,引入Multiband模型的带宽均衡公式,其约束表达为
式中,k表示上下行带宽的比例,取下行方向道路流量与上行方向道路流量的比值。
6.根据权利要求1所述的适于车流速度分布区间的双向绿波最大带宽协调控制方法,其特征在于,基于推荐车速的最大带宽协调控制模型采用Maxband的目标函数来求解干道最大带宽,表达为
式中,k表示上下行带宽的比例,取下行方向道路流量与上行方向道路流量的比值。
7.根据权利要求1-6任一所述的适于车流速度分布区间的双向绿波最大带宽协调控制方法,其特征在于,步骤S6中利用Python调用Cplex求解所述双向绿波最大带宽协调控制模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210711632.3A CN115188185B (zh) | 2022-06-22 | 2022-06-22 | 适于车流速度分布区间的双向绿波最大带宽协调控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210711632.3A CN115188185B (zh) | 2022-06-22 | 2022-06-22 | 适于车流速度分布区间的双向绿波最大带宽协调控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115188185A CN115188185A (zh) | 2022-10-14 |
CN115188185B true CN115188185B (zh) | 2023-11-24 |
Family
ID=83514990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210711632.3A Active CN115188185B (zh) | 2022-06-22 | 2022-06-22 | 适于车流速度分布区间的双向绿波最大带宽协调控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115188185B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103021193A (zh) * | 2012-11-21 | 2013-04-03 | 华南理工大学 | 一种面向行驶速度区间的干道绿波协调控制方法 |
CN103778792A (zh) * | 2014-01-09 | 2014-05-07 | 东南大学 | 一种考虑车速不均匀性的城市干线单向绿波控制优化方法 |
CN105139668A (zh) * | 2015-07-27 | 2015-12-09 | 东南大学 | 一种基于路段速度区间的城市干线双向绿波控制优化方法 |
CN109410610A (zh) * | 2018-10-10 | 2019-03-01 | 扬州市鑫通智能信息技术有限公司 | 一种简便实用的双向绿波配时算法 |
CN111785026A (zh) * | 2020-07-24 | 2020-10-16 | 中国水利水电第八工程局有限公司 | 一种复杂交通条件下交通分流分级综合疏导方法 |
WO2021085771A1 (ko) * | 2019-10-28 | 2021-05-06 | 김익래 | 하이브리드 교통신호제어시스템 및 그 방법 |
-
2022
- 2022-06-22 CN CN202210711632.3A patent/CN115188185B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103021193A (zh) * | 2012-11-21 | 2013-04-03 | 华南理工大学 | 一种面向行驶速度区间的干道绿波协调控制方法 |
CN103778792A (zh) * | 2014-01-09 | 2014-05-07 | 东南大学 | 一种考虑车速不均匀性的城市干线单向绿波控制优化方法 |
CN105139668A (zh) * | 2015-07-27 | 2015-12-09 | 东南大学 | 一种基于路段速度区间的城市干线双向绿波控制优化方法 |
CN109410610A (zh) * | 2018-10-10 | 2019-03-01 | 扬州市鑫通智能信息技术有限公司 | 一种简便实用的双向绿波配时算法 |
WO2021085771A1 (ko) * | 2019-10-28 | 2021-05-06 | 김익래 | 하이브리드 교통신호제어시스템 및 그 방법 |
CN111785026A (zh) * | 2020-07-24 | 2020-10-16 | 中国水利水电第八工程局有限公司 | 一种复杂交通条件下交通分流分级综合疏导方法 |
Non-Patent Citations (3)
Title |
---|
基于集对分析的干道绿波协调控制方案评价方法;卢凯,等;《东南大学学报(自然科学版)》;第607-611页 * |
绿波协调控制方案的速度区间适应性分析与评价;卢凯,等;《华南理工大学学报(自然科学版)》;第第42卷卷(第第5期期);第60-66、83页 * |
考虑行驶速度波动的进口单放绿波协调控制模型;荆彬彬,等;《交通运输系统工程与信息》;第83-90页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115188185A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112116822B (zh) | 基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法 | |
Zhang et al. | AM-band: an asymmetrical multi-band model for arterial traffic signal coordination | |
CN113593258B (zh) | 基于车路协同的信号配时与车速动态协调控制优化方法 | |
CN108734973B (zh) | 一种干线双向绿波的相位-信号综合优化方法 | |
CN108281026A (zh) | 一种自动驾驶环境下交叉路口无信号灯车辆调度方法 | |
CN104376727B (zh) | 交通干线四路口控制子区双向绿波协调控制方法 | |
CN109410610B (zh) | 一种简便实用的双向绿波配时算法 | |
CN110047303B (zh) | 提高双向绿波控制中绿波带带宽的相位相序调整方法 | |
CN111768639B (zh) | 一种网联交通环境下的多交叉口信号配时系统及其方法 | |
CN103136941A (zh) | 一种非对称干道协调控制方法 | |
CN113096419B (zh) | 一种服务于车辆优先通行的信号控制方法 | |
CN113516856B (zh) | 考虑道路运行速度与交叉口交通状态的干线协调控制方法 | |
Shen et al. | A dynamic signal coordination control method for urban arterial roads and its application | |
CN103456181B (zh) | 一种改进的multiband干线协调控制方法 | |
US20200320872A1 (en) | Method to Schedule Intelligent Traffic Lights in Real Time Based on Digital Infochemicals | |
CN115188185B (zh) | 适于车流速度分布区间的双向绿波最大带宽协调控制方法 | |
US20230351890A1 (en) | Traffic light control method for urban road network based on expected return estimation | |
CN115035704B (zh) | 一种信号控制交叉口行人信号提前相位设置方法 | |
CN108985503B (zh) | 一种快速公交时刻表编制方法 | |
CN110889967A (zh) | 一种基于干道分割的溢流风险平衡信号控制优化方法 | |
CN116665471A (zh) | 一种公交信号优先控制方法及系统 | |
CN110009544A (zh) | 一种并联双通道公交站台的设置方法 | |
CN110288844B (zh) | 一种基于车路通信的连续交叉口协同优化方法 | |
CN113393681A (zh) | 交通信号协调优化方法及装置、计算机可读存储介质 | |
CN114863687B (zh) | 一种基于干线绿波的道路交通智能优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |