CN115331428B - 一种基于规则库的交通信号优化方法 - Google Patents
一种基于规则库的交通信号优化方法 Download PDFInfo
- Publication number
- CN115331428B CN115331428B CN202210783005.0A CN202210783005A CN115331428B CN 115331428 B CN115331428 B CN 115331428B CN 202210783005 A CN202210783005 A CN 202210783005A CN 115331428 B CN115331428 B CN 115331428B
- Authority
- CN
- China
- Prior art keywords
- rule
- traffic
- nodes
- traffic flow
- data
- 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
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
- 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
-
- 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
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于规则库的交通信号优化方法,包括以下步骤:步骤a.获取交通工程学相关数据,并录入规则库;步骤b.基于预设分类参数表,对规则库内的规则条件进行第一分类处理;步骤c.添加节点、群、域,并基于预设分类参数表,对节点、群、域进行第二分类处理;步骤d.将第一分类处理后的规则条件第二分类处理后的节点、群、域进行映射,同一类型的节点、群、域自动匹配相同类型的规则条件并保存;步骤e.基于实时交通流数据与规则条件对应的数据结构,记录规则条件的命中数据,并基于命中数据优化规则库。本发明提供的基于规则库的交通信号优化方法通过群、域的协调优化,提高了路口方案优选速度和生成路口放行方案的准确性。
Description
技术领域
本发明涉及智慧交通技术领域,特别是一种基于规则库的交通信号优化方法、系统及计算机可读存储介质。
背景技术
交通信号控制是解决城市交通问题的有效的方式之一,目前SCATS(SydneyCoordinated Adaptive Traffic System,最优自动适应交通控制系统)等自适应信号控制系统已在各大城市广泛应用。SCATS系统本质上是一种实时方案选择系统。方案选择系统,前提是人工先录入方案,再根据路口实时交通流,从已存在的方案库中选择匹配程度最高的一个方案出来。
但是,由于路口的多样化,交通流数据的不确定性,交通控制系统实际上是一个非线性随机性很强的开放式复杂大系统。SCATS系统由于方案事先设置完,所以方案中每个阶段的绿信比是固定的。方案选择实质上只是根据实时交通流调整路口的周期,但是却不能调整绿信比;再加上没有考虑到群、域的协调优化,只能做单点优化,无法将线、面统筹进来,一起优化,灵活度和优化程度都不够。
因此,现有技术中存在匹配路口实际交通状况的准确较低、道路通行效率也较低的缺陷。
发明内容
本发明的主要目的在于提供了一种基于规则库的交通信号优化方法,旨在解决现有技术中存在匹配路口实际交通状况的准确较低、道路通行效率也较低的技术问题。
为实现上述目的,本发明提供了一种基于规则库的交通信号优化方法,其包括以下步骤:步骤a.获取交通工程学相关数据,并录入规则库,规则库包括规则条件和与其对应的输出结果,所述输出结果为交通信号控制方案;步骤b.基于预设分类参数表,对规则库内的规则条件进行第一分类处理;所述预设分类参数表包括节点参数表、群参数表和域参数表;步骤c.添加节点、群、域,并基于预设分类参数表,对节点、群、域进行第二分类处理;步骤d.将第一分类处理后的规则条件第二分类处理后的节点、群、域进行映射,同一类型的节点、群、域自动匹配相同类型的规则条件并保存;步骤e.基于实时交通流数据与规则条件对应的数据结构,记录规则条件的命中数据,并基于所述命中数据优化规则库。
可选的,所述节点、群、域均有相互独立的规则条件;所述节点为路口,至少包括以下基本交通参数:交通流量、时间占有率、饱和度、车头时距、停车率、排队长度、平均速度、延误时间;所述群为一个或相邻的多个路口组成的集合,且所述多个路口采用相同交通控制策略的信号控制,所述群至少包括以下基本交通参数:交通流量、时间占有率、饱和度、车头时距、停车率、排队长度、平均速度、延误时间;所述域由一个或多个群组成,至少包括以下基本交通参数:饱和度、停车率、排队长度、旅行时间。
可选的,所述交通工程学相关数据包括交通工程学知识和交通优化历史数据;所述规则条件至少包括每个车道、每个方向、每个路口、每个群的多个基本交通流参数,所述基本交通流参数至少包括:流量、占有率、平均速度、饱和度、车头时距、平均停车率、平均排队长度、平均延误时间;所述输出结果至少包括周期时长、每个相位阶段的绿灯时长。
可选的,新增或修改所述规则条件时,进行语法分析;保存所述规则条件时,进行语义分析;所述语法分析至少包括逻辑分割、算术分割、语法检查步骤;所述语义分析至少包括规则执行路径拆分、表达式变形、语义检查步骤;所述逻辑分割步骤为,将文本形式的规则条件转变为编程语言的树形结构体,树形结构体的每个子节点用于表示一个比较表达式,兄弟节点间为逻辑或的关系,父子节点间为逻辑与的关系;所述算术分割步骤为,根据比较运算符进行算数分割;所述语法检查步骤为,根据预设语法检查标准进行语法检查,若存在错误,则标记该规则条件为语法错误,并输出错误原因;所述规则执行路径拆分步骤为,根据父子节点间关系或兄弟节点间关系,将比较表达式拆分为多条执行路径;所述表达式变形步骤为,将比较表达式中的变量根据运算公式移动到比较运算符的左边,将常量根据运算公式移动到比较运算符的右边,且对于同一条执行路径的比较表达式的取值范围进行合并;所述语义检查步骤为,根据预设语义检查标准进行语义检查,若存在错误,则标记该规则条件为语义错误,并输出错误原因,且对于规则执行路径拆分步骤后得到的多条执行路径分别进行语义检查。
可选的,所述预设语法检查标准为:同一比较表达式中的变量必须为相同类型的基本交通流参数;所述语法检查为从左到右对比较表达式中的每个元素进行检查,并将比较表达式中的第一个变量类型设定为该比较表达式的标准变量类型,若该比较表达式中的其它变量类型与标准变量类型不同,则标记该规则条件为语法错误,并输出错误原因;所述预设语义检查标准为相同类型的规则条件两两互斥,且交通变量的比较范围符合预设范围。
可选的,所述步骤e具体包括如下步骤:e1.对规则条件进行转义处理,得到对应的数据结构;e2.采集实时交通流数据,并进行第一统计处理;e3.将实时交通流数据代入所述数据结构,进行条件判断;若判断结果为真,则该数据结构对应的条件规则生效,输出其关联的方案;e4.记录规则条件的命中数据,并基于所述命中数据优化规则库。
可选的,所述步骤e2具体包括如下步骤:e20.采集实时交通流数据;e21.根据道路通行能力手册将实时交通流数据统计生成对应的第一交通流数据,所述第一交通流数据至少包括流量、占有率、平均速度、饱和度、车头时距、平均停车率、平均排队长度、平均延误时间;e22.根据实时交通流数据和第一统计处理生成的第一交通流数据,与前n个交通流统计周期的数据进行对比,若发生突变,则进行检测器异常或发生交通事故的预警;其中n为正整数。
可选的,所述步骤e2还包括根据用户设置的统计周期对第一交通流数据进行第二统计处理,具体包括如下步骤:获取群内节点,并根据关键节点、一般节点、次要节点的标准对群内节点进行划分;获取节点权重参数,所述节点权重参数包括:关键节点权重参数、一般节点权重参数和次要节点权重参数;基于节点权重参数,对关键节点、一般节点、次要节点的交通流数据设置对应的关键节点权重、一般节点权重和次要节点权重,并统计成一组群交通流数据。
可选的,所述步骤e4具体包括如下步骤:e40.记录某一类型路口中,所有与其匹配的规则条件的命中次数;并将命中次数由高到低进行自动排序处理,下一周期优先从命中次数最高的规则开始匹配;e41.记录某一类型路口中,所有与其匹配的规则条件中,命中的参数数值所属的区间;并根据命中规则中的各个参数数值所属的区间,自动调整规则条件中的基本交通流参数所属区间;记录调整的日志,并备份原规则条件;e42.记录每条规则条件命中的时间节点;对于超过预设天数未被命中的规则,自动将其设置为无效规则,默认该规则无法命中。
此外,为实现上述目的,本发明还提供一种交通信号控制系统,所述交通信号控制系统执行上述基于规则库的交通信号优化方法。
本发明的有益效果是:
(1)通过群、域的协调优化,提高了路口方案优选速度和生成路口放行方案的准确性;
(2)通过逻辑分割步骤将文本形式的规则条件转变为编程语言的结构体形式,便于进行语法检查、语义检查、转义以及决策计算等步骤;
(3)通过表达式变形步骤,能够更加方便计算每一个条件规则的真值,提高计算效率;
(4)通过预设语法检查标准和预设语义检查标准,对规则条件进行语法检查和语义检查,能够保证规则条件的准确性及合理性,进一步提高了路口方案优选速度和生成路口放行方案的准确性;
(5)通过采集实时交通流数据以及第一统计处理,实现对交通流统计周期数据突变进行监测,若发生突变,则进行检测器异常或发生交通事故的预警;有效避免交通事故;
(6)通过优化规则库,能够实现对被控制对象特性参数的变化具有较强的鲁棒性,进一步提高了路口方案优选速度和生成路口放行方案的准确性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明基于规则库的交通信号优化方法的流程简图;
图2为本发明一实施例逻辑分割步骤示意图;
图3为本发明一实施例算术分割步骤步骤示意图;
图4为本发明一实施例执行路径拆分步骤示意图;
图5为本发明一实施例表达式变形步骤示意图;
图6为本发明一实施例对于同一条执行路径的比较表达式的取值范围进行合并步骤示意图。
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。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有作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。
如图1所示,本发明的一种基于规则库的交通信号优化方法,其包括以下步骤:步骤a.获取交通工程学相关数据,并录入规则库,规则库包括规则条件和与其对应的输出结果,输出结果为交通信号控制方案;步骤b.基于预设分类参数表,对规则库内的规则条件进行第一分类处理;预设分类参数表包括节点参数表、群参数表和域参数表;步骤c.添加节点、群、域,并基于预设分类参数表,对节点、群、域进行第二分类处理;步骤d.将第一分类处理后的规则条件第二分类处理后的节点、群、域进行映射,同一类型的节点、群、域自动匹配相同类型的规则条件并保存;步骤e.基于实时交通流数据与规则条件对应的数据结构,记录规则条件的命中数据,并基于命中数据优化规则库。
本发明提供的基于规则库的交通信号优化方法通过群、域的协调优化,提高了路口方案优选速度和生成路口放行方案的准确性。并且,规则库可在不同辖区重复使用,随着规则库的不断积累和优化,将更符合实际路口的情况。
在本实施例中,节点、群、域均有相互独立的规则条件;即,节点、群、域的规则条件并不能通用。
具体而言,节点为路口(可以为三岔路口、十字路口等等,不作具体限定),至少包括以下基本交通参数:交通流量、时间占有率、饱和度、车头时距、停车率、排队长度、平均速度、延误时间;群为一个或相邻的多个路口组成的集合,且多个路口采用相同交通控制策略的信号控制,群至少包括以下基本交通参数:交通流量、时间占有率、饱和度、车头时距、停车率、排队长度、平均速度、延误时间;域由一个或多个群组成,至少包括以下基本交通参数:饱和度、停车率、排队长度、旅行时间。
在本实施例中,交通工程学相关数据包括交通工程学知识和交通优化历史数据;规则条件至少包括每个车道、每个方向、每个路口、每个群的多个基本交通流参数,基本交通流参数至少包括:流量、占有率、平均速度、饱和度、车头时距、平均停车率、平均排队长度、平均延误时间;输出结果至少包括周期时长、每个相位阶段的绿灯时长。
优选的,部分参数存在数值区间,例如:占有率的取值范围为0-100%,平均速度的取值范围为0-80千米/小时,饱和度为0-1,车头时距为0-300秒,平均停车率为0-10,平均排队长度为0-500米,平均延误时间为0-300秒;有路口规模不一样,流量的区间也不一样,因此流量没有固定的区间。
规则库建立后,进行决策时,会将规则条件包括的基本交通流参数,以及各个参数数值所处的区间,路口当前运行周期、路口前三个周期的交通流数据等参数进行综合考虑,以保证信号控制周期的稳定。
例如:路口A北方向当前周期的车流量大于40,小于55时,输出的信号控制周期为120秒;
路口当前运行的周期为100秒,若该路口北方向前三个周期的车流量也处于40~55之间,则不改变当前的运行周期,还是使用100秒;
若该路口北方向前三个周期的车流量不在40~55之间,则采用规则条件输出的周期,120秒。
在本实施例中,步骤a获取交通工程学相关数据,可以通过系统导入数据或人工记录数据。人工记录数据例如:交通工程师现场勘察路口平日、周末、节日、雨天、雪天、雾天等全天候的交通流情况,记录在册;分析路口的类型等。
在本实施例中,交通优化历史数据为交通工程师以往交通优化的经验,优化经验可以形成电子化的表格或数据库,能够直接调用。
在本实施例中,新增或修改规则条件时,进行语法分析;保存规则条件时,进行语义分析;语法分析至少包括逻辑分割、算术分割、语法检查步骤;语义分析至少包括规则执行路径拆分、表达式变形、语义检查步骤。
本发明通过逻辑分割步骤将文本形式的规则条件转变为编程语言的结构体形式,便于进行语法检查、语义检查、转义以及决策计算等步骤;通过表达式变形步骤,能够更加方便计算每一个条件规则的真值,提高计算效率。
具体而言,参见图2,在本实施例中,逻辑分割步骤为,将文本形式的规则条件转变为编程语言的树形结构体,树形结构体的每个子节点用于表示一个比较表达式,兄弟节点间为逻辑或(OR)的关系,父子节点间为逻辑与(AND)的关系。
参见图3,算术分割步骤为,根据比较运算符进行算数分割。
具体而言,算术分割的步骤如下:
步骤一、从左到右搜索比较表达式中第一个比较运算符,并将该比较运算符左半部作为左值;
步骤二、判断左半部包含的元素个数是否为1,若是,则将该元素转换为变量或常量;若否,则将左半部包含的元素作为算术表达式,继续进行算术分割,执行步骤三;
步骤三、删除算术表达式最外层空格和成对括号;
步骤四、从左到右搜索算术表达式,判断表达式中是否包括不在成对括号内的加号或减号;若是,则以该加号/减号作为分割点,将表达式分割成两部分,左半部和右半部为相加/相减的关系,并分别对左半部、右半部执行步骤一;若否,则进入步骤五;
步骤五、从左到右搜索算术表达式,判断表达式中是否包括不在成对括号内的乘号或除号;若是,则以该乘号/除号作为分割点,将表达式分割成两部分,左半部和右半部为相乘/相除的关系,并分别对左半部、右半部执行步骤一;若否,则算术分割结束。
在本实施例中,语法检查步骤为,根据预设语法检查标准进行语法检查,若存在错误,则标记该规则条件为语法错误,并输出错误原因。
优选的,预设语法检查标准为:同一比较表达式中的变量必须为相同类型的基本交通流参数;语法检查为从左到右对比较表达式中的每个元素进行检查,并将比较表达式中的第一个变量类型设定为该比较表达式的标准变量类型,若该比较表达式中的其它变量类型与标准变量类型不同,则标记该规则条件为语法错误,并输出错误原因。
语法检查时,若规则条件存在语法错误,系统会将该错误进行标记,并记录到运行日志中,以红色字体和弹窗的方式提醒用户具体的错误原因。
进一步而言,语法检查标准还包括比较表达式形式检查。具体而言,形式检查包括如下步骤:
S1:从左到右比对判断比较表达式是否为空;若是,则检查结束,并输出错误原因:比较表达式不能为空;若否,则进入S2;
S2:判断比较表达式第一个元素是否为左括号、变量、常量其中之一;若是,则进入S3;若否,则检查结束,并输出错误原因:比较表达式第一个元素必须为左括号、变量、常量其中之一;
S3:判断是否还有下一个元素;若是,则对下一个元素进行检查,进入S4.1,若否,则进入S4.2;
S4.1:判断前一个元素是否为左括号、比较运算符、算数运算符其中之一;若是,则进入步骤S4.1.1;若否,则判断前一个元素是否为变量、常量、右括号其中之一;若是,则进入步骤S4.1.2;
S4.1.1:判断当前元素是否为变量、常量、左括号其中之一;若是,则当前元素为左括号,待匹配括号数加1,并返回步骤S3;若否,则检查结束,并输出错误原因:左括号、比较运算符、算数运算符后面只能为变量、常量或左括号;
S4.1.2:判断当前元素是否为比较运算符、算数运算符、右括号其中之一;若是,则当前元素为比较运算符,比较运算符个数加1,并进入S5;若否,则检查结束,并输出错误原因:比较运算符、算数运算符、右括号后面只能为比较运算符、算术运算符、右括号;
S4.2:判断最后一个变量是否为变量、常量、右括号其中之一;若是,则进入步骤S4.3;若否,则检查结束,并输出错误原因:最后一个元素只能是变量、常量、右括号其中之一;
S4.3:判断待匹配括号数是否为0;若是,则检查通过,检查结束;若否,则检查结束,并输出错误原因:左右括号必须成对存在;
S5:判断比较运算符个数是否大于1,;若是,则检查结束,并输出错误原因:比较表达式中只能存在一个比较运算符;若否,则当前元素是右括号,待匹配括号数加1,并返回S3。
在本实施例中,请参考图4,规则执行路径拆分步骤为,根据父子节点(AND)间关系或兄弟节点(OR)间关系,将比较表达式拆分为多条执行路径。
在本实施例中,请参考图5,表达式变形步骤为,将比较表达式中的变量根据运算公式移动到比较运算符的左边,将常量根据运算公式移动到比较运算符的右边,且对于同一条执行路径的比较表达式的取值范围进行合并。
需要说明的是,若变形后出现多个变量相乘或相除的情况,交通参数相乘除没有实际意义,判定为语义错误。
在本实施例中,对于同一条执行路径的比较表达式的取值范围进行合并,可参考图6,由于没有交通参数相乘除的情况,比较表达式属于线性比较运算,则变形后用系统参数中的交通变量合理取值范围的最大值和最小值分别替换变量,如:配置占有率的合理取值范围为[0,100],分别用0和100替换图6中北左转占有率,出现一真一假两种结果则语义正确;如果出现恒为真或恒为假的结果,说明存在空集的情况,判定为语义错误。
进一步而言,替换的次数由变量的个数决定,替换的次数为变量个数的阶乘再乘2,如:比较表达式中有2个变量,则替换的次数=2*2!=4次,分别为[最小值1,最小值2]、[最小值1,最大值2]、[最大值1,最小值2]、[最大值1,最大值2]。
在本实施例中,对于之前添加的同类型的规则条件取值范围合并为公共取值范围,本次修改、添加的规则条件各个执行路径的取值范围先两两进行互斥判断,再分别与公共取值范围进行取值范围互斥判断,如果不互斥,则判定为语义错误,如果互斥,则语义正确,将取值范围添加到公共取值范围中。
具体而言,取值范围互斥判断如下:
1、先进行变量组合的匹配,变量组合可以拆分为多个带系数变量相加,则判断两个变量组合是否相同,只需先判断变量组合1的所有变量都存在与变量组合2中,且系数相同,并且变量组合2中的所有变量也同样存在变量组合1中,且系数相同。
2、判断两个执行路径是否有交集、子集、相同的情况,先将执行路径1的所有变量组合依次和执行路径2的变量组合两两匹配,对于不匹配的变量组合,可以判断为互斥,对于匹配的变量组合,则继续判断变量组合的取值范围是否有交集、子集、相同的情况。
3、对于两个相同的变量组合,如果变量组合1的最大值小于变量组合2的最小值,或者变量组合1的最小值大于变量组合2的最大值,则判断为互斥,其他情况则属于交集、子集、相同的情况。
4、如果执行路径缺少交通参数的取值范围,则默认为系统参数配置的最小值和最大值。如:某一节点规则的类型配置中包含占有率,但规则的某一执行路径缺少占有率的比较表达式,且系统参数中最小占有率为0,最大占有率为200,则该执行路径自动添加一条占有率大于等于0且小于等于200的比较表达式。先添加缺少的交通参数,再进行语义检查。
语义检查步骤为,根据预设语义检查标准进行语义检查,若存在错误,则标记该规则条件为语义错误,并输出错误原因,且对于规则执行路径拆分步骤后得到的多条执行路径分别进行语义检查。
优选的,预设语义检查标准为相同类型的规则条件两两互斥,且交通变量的比较范围符合预设范围。具体而言,预设范围符合交通常识。例如:设置平均速度大于300千米/小时,则违背交通常识,规则条件判断设置不合理,则语义检查时会判断为错误。
在本实施例中,语义检查不通过的具体情况如下:
某条规则条件内容无法被触发,即规则的条件判断在任何情况下都为假;
某条规则条件内容永远被触发,即规则的条件判断在任何情况下都为真;
多条规则条件内容存在交集、子集、相同的情况,即某一组交通流数据可以同时触发多条规则;
规则条件的条件判断设置不合理,违背交通常识。
在本实施例中,语义分析具体流程为:
执行规则执行路径拆分;
执行表达式变形;
基于表达式变形结果,的到变量组合和取值范围;判断变量组合中是否存在变量相乘或相除的情况;若是,则检查结束,并输出错误原因:交通参数不能相乘或相除;若否则进入下一步骤;
变量组合中每个变量用最大值和最小值替换后,判断所有的判断结果是否都为真或者都为假;若是;则检查结束,并输出错误原因:规则条件的取值范围超过参考范围;若否,则进入下一步骤;其中替换次数为变量数的阶乘再乘以2;
对规则条件的执行路径进行两两互斥判断,再分别对公共取值范围进行互斥判断;判断是否存在不互斥的情况;若是;则检查结束,并输出错误原因:规则的取值范围与自身或其他规则有相交/包含/相同的情况;若否,则语义正确,合并规则条件的取值范围到公共取值范围,语义分析结束。
本发明通过预设语法检查标准和预设语义检查标准,对规则条件进行语法检查和语义检查,能够保证规则条件的准确性及合理性,进一步提高了路口方案优选速度和生成路口放行方案的准确性。
在本实施例中,步骤b.基于预设分类参数表,对规则库内的规则条件进行第一分类处理;预设分类参数表包括节点参数表、群参数表和域参数表;步骤c.添加节点、群、域,并基于预设分类参数表,对节点、群、域进行第二分类处理。其中,节点参数表、群参数表和域参数表请分别参考表1、表2、表3。
表1节点参数表
表2群参数表
表3域参数表
在本实施例中,步骤b.基于预设分类参数表,对规则库内的规则条件进行第一分类处理;即分别基于表1、表2、表3对规则库内的规则条件进行细分。
在本实施例中,步骤c.添加节点、群、域,并基于预设分类参数表,对节点、群、域进行第二分类处理;即分别基于表1、表2、表3对添加的节点、群、域进行细分。
具体而言,在本实施例中节点(路口)和属于节点(路口)的规则条件,根据表1节点参数表进行分类;群和属于群的规则条件,根据表2群参数表进行分类;域和属于域的规则条件,根据表3域参数表进行分类。
在本实施例中,步骤e具体包括如下步骤:e1.对规则条件进行转义处理,得到对应的数据结构;e2.采集实时交通流数据,并进行第一统计处理;e3.将实时交通流数据代入数据结构,进行条件判断;若判断结果为真,则该数据结构对应的条件规则生效,输出其关联的方案;e4.记录规则条件的命中数据,并基于命中数据优化规则库。
在本实施例中,采集实时交通流数据可以通过软件从其他系统、线圈检测器、地磁检测器、视频车辆检测器、微波车辆检测器、激光车辆检测器等设备获取实时交通流数据。
在本实施例中,步骤e2具体包括如下步骤:e20.采集实时交通流数据;e21.根据道路通行能力手册将实时交通流数据统计生成对应的第一交通流数据,所述第一交通流数据至少包括流量、占有率、平均速度、饱和度、车头时距、平均停车率、平均排队长度、平均延误时间;e22.根据实时交通流数据和第一统计处理生成的第一交通流数据,与前n个交通流统计周期的数据进行对比,若发生突变,则进行检测器异常或发生交通事故的预警;其中n为正整数,优选的,n=3。
优选的,道路通行能力手册为HCM2000。
本发明通过采集实时交通流数据以及第一统计处理,实现对交通流统计周期数据突变进行监测,若发生突变,则进行检测器异常或发生交通事故的预警;有效避免交通事故。
在本实施例中,还包括决策步骤,决策模块创建一个决策任务队列,决策任务动态地添加到任务队列中,任务队列线程循环检查决策任务的超时时间,超时则执行决策任务。规则条件语句经过转义后,转变为可以代入交通流数据进行条件判断的数据结构。决策任务先查询实时交通流数据进行统计,再将统计后的交通流数据传递给转义后的规则进行判断,结果为真的规则生效,输出其关联的方案。将决策得到的方案与当前执行的方案进行周期突变判断,没有发生周期突变时,进行方案切换。也可以使用历史交通流数据进行模拟决策,模拟决策过程将以正常时间的1000倍流速进行,用于验证规则库是否正确配置。
需要说明的是,规则库建立后,进行决策时,会将规则条件包括的基本交通流参数,以及各个参数数值所处的区间,路口当前运行周期、路口前三个周期的交通流数据等参数进行综合考虑,以保证信号控制周期的稳定。
在本实施例中,决策过程的数据记录到日志中,并实时推送给客户端显示。
在本实施例中,所述步骤e2还包括根据用户设置的统计周期对第一交通流数据进行第二统计处理,具体包括如下步骤:获取群内节点,并根据关键节点、一般节点、次要节点的标准对群内节点进行划分;获取节点权重参数,所述节点权重参数包括:关键节点权重参数、一般节点权重参数和次要节点权重参数;基于节点权重参数,对关键节点、一般节点、次要节点的交通流数据设置对应的关键节点权重、一般节点权重和次要节点权重,并统计成一组群交通流数据。
优选的,第一统计处理步骤中的统计周期比较短,例如5秒。主要用于排除异常的交通流数据;第二统计处理步骤中用户设置的统计周期较长,至少为120秒。
在本实施例中,步骤e4具体包括如下步骤:e40.记录某一类型路口中,所有与其匹配的规则条件的命中次数;并将命中次数由高到低进行自动排序处理,下一周期优先从命中次数最高的规则开始匹配;e41.记录某一类型路口中,所有与其匹配的规则条件中,命中的参数数值所属的区间;并根据命中规则中的各个参数数值所属的区间,自动调整规则条件中的基本交通流参数所属区间;记录调整的日志,并备份原规则条件;e42.记录每条规则条件命中的时间节点;对于超过预设天数未被命中的规则,自动将其设置为无效规则,默认该规则无法命中。
优选的,预设天数为7天。
本发明通过优化规则库,能够实现对被控制对象特性参数的变化具有较强的鲁棒性,进一步提高了路口方案优选速度和生成路口放行方案的准确性。
进一步而言,优化步骤还可以是定期(用户可自行配置)输出最新的规则库,不断更新。
在本实施例中,交通流统计周期是通过系统参数设置的。用户可根据辖区的时间情况对其进行设置,单位为“信号周期”。信号周期为信号灯色按设定的信号相位顺序变化一周所需的时间,单位:秒。
优选的,交通流统计周期取值范围为1~3。
对于节点、群、域交通流数据的第二统计处理具体可参考表4、表5、表6。
/>
表4节点交通流数据统计方式
/>
表5群交通流数据统计方式
表6域交通流数据统计方式
在本实施例中,转义是将规则条件结构体的各项元素转变为对应的程序代码,并拼接成一条可以被执行的程序语句;具体的文本-代码对照表、节点交通变量结构表、群交通变量结构表、域交通变量结构表可参考表7-表10。
序号 | 元素 | 代码 |
1 | 变量 | 详见交通变量结构体 |
2 | 常量 | 常量 |
3 | > | > |
4 | < | < |
5 | == | == |
6 | <= | <= |
7 | >= | >= |
8 | != | != |
9 | + | + |
10 | - | - |
11 | * | * |
12 | / | / |
13 | ( | ( |
14 | ) | ) |
15 | AND | && |
16 | OR | || |
17 | NOT | ! |
表7文本-代码对照表
/>
表8节点交通变量结构表
表9群交通变量结构表
表10域交通变量结构表
在本实施例中,决策步骤是分别对节点、群、域进行规则推理,将经过第二统计处理的交通流数据依次代入到规则条件的变量中,执行规则条件语句,得出真或假的结果。结果为真时,输出方案,当前方案结束时切换到该输出的方案。
在本实施例中,新添加决策任务或当前配时方案改变时,每个节点、群、域根据其当前周期和系统参数中的规则推理周期计算下次决策的时间(下次决策的时间=当前周期×规则推理周期)。
在本实施例中,决策任务队列线程:决策任务队列线程由服务端初始化时创建,循环检查队列中的所有任务,间隔时间为1秒。
决策任务由决策模块添加到任务队列中,根据从其他系统获取到的节点、群、域信息,为每个处于规则推理模式的节点、群、域创建一个决策任务,任务的剩余时间由系统参数(规则推理周期)和当前配时方案周期计算得出。
其他系统加载规则推理动态库后,会主动推送一次节点、群、域信息和配时方案信息,之后每秒推送一次实时状态,有变动的节点、群、域信息和配时方案信息也会推送。
每次执行完决策任务后,需要根据当前配时方案的周期和系统参数(规则推理周期)重新计算剩余时间。
需要说明的是,当节点、群、域不再是规则推理周期时,移除对应的决策任务。
根据系统参数(交通流统计周期)和决策任务周期时间计算出统计时间范围,从交通流数据库中查询该时间段内的所有交通流数据,根据决策对象是节点、群或域,统计出对应的交通流数据。
根据类型匹配查询出全部有效规则,有效规则是指状态为启用中的规则,按规则序号从小到大的顺序,依次将统计后的交通流数据代入到规则的条件中进行判断,如果结果为真,则规则生效,对规则关联的方案进行周期突变判断,如果没有周期突变,则输出该方案给其他系统。
在本实施例中,还包括周期突变判断。在执行新的方案时,需要分析前后两个方案的周期是否相差很大,相差很大时,不切换方案。
突变的依据是周期浮动阈值,即周期百分比差异。前后周期差值相对于当前周期的百分比小于周期浮动阈值时,可以进行方案切换,反之则不切换方案。优选的,浮动阈值通过系统参数设置。用户可根据自身情况进行调整,默认为30%。
出现超出阈值时,产生一条日志,记录时间、原方案和生成的方案以及执行的规则。
本发明还提供一种交通信号控制系统,交通信号控制系统执行上述基于规则库的交通信号优化方法。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置实施例、设备实施例及存储介质实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
并且,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,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他要素,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“包括一个……”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。
上述说明示出并描述了本发明的优选实施例,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (8)
1.一种基于规则库的交通信号优化方法,其特征在于,包括以下步骤:
步骤a.获取交通工程学相关数据,并录入规则库,规则库包括规则条件和与其对应的输出结果,所述输出结果为交通信号控制方案;
步骤b.基于预设分类参数表,对规则库内的规则条件进行第一分类处理;所述预设分类参数表包括节点参数表、群参数表和域参数表;
步骤c.添加节点、群、域,并基于预设分类参数表,对节点、群、域进行第二分类处理;
步骤d.将第一分类处理后的规则条件第二分类处理后的节点、群、域进行映射,同一类型的节点、群、域自动匹配相同类型的规则条件并保存;
步骤e.基于实时交通流数据与规则条件对应的数据结构,记录规则条件的命中数据,并基于所述命中数据优化规则库;
所述节点、群、域均有相互独立的规则条件;
所述节点为路口,至少包括以下基本交通参数:交通流量、时间占有率、饱和度、车头时距、停车率、排队长度、平均速度、延误时间;
所述群为一个或相邻的多个路口组成的集合,且所述多个路口采用相同交通控制策略的信号控制,所述群至少包括以下基本交通参数:交通流量、时间占有率、饱和度、车头时距、停车率、排队长度、平均速度、延误时间;
所述域由一个或多个群组成,至少包括以下基本交通参数:饱和度、停车率、排队长度、旅行时间;
所述交通工程学相关数据包括交通工程学知识和交通优化历史数据;
所述规则条件至少包括每个车道、每个方向、每个路口、每个群的多个基本交通流参数,所述基本交通流参数至少包括:流量、占有率、平均速度、饱和度、车头时距、平均停车率、平均排队长度、平均延误时间;所述输出结果至少包括周期时长、每个相位阶段的绿灯时长。
2.根据权利要求1所述的一种基于规则库的交通信号优化方法,其特征在于:新增或修改所述规则条件时,进行语法分析;保存所述规则条件时,进行语义分析;
所述语法分析至少包括逻辑分割、算术分割、语法检查步骤;所述语义分析至少包括规则执行路径拆分、表达式变形、语义检查步骤;
所述逻辑分割步骤为,将文本形式的规则条件转变为编程语言的树形结构体,树形结构体的每个子节点用于表示一个比较表达式,兄弟节点间为逻辑或的关系,父子节点间为逻辑与的关系;
所述算术分割步骤为,根据比较运算符进行算数分割;
所述语法检查步骤为,根据预设语法检查标准进行语法检查,若存在错误,则标记该规则条件为语法错误,并输出错误原因;
所述规则执行路径拆分步骤为,根据父子节点间关系或兄弟节点间关系,将比较表达式拆分为多条执行路径;
所述表达式变形步骤为,将比较表达式中的变量根据运算公式移动到比较运算符的左边,将常量根据运算公式移动到比较运算符的右边,且对于同一条执行路径的比较表达式的取值范围进行合并;
所述语义检查步骤为,根据预设语义检查标准进行语义检查,若存在错误,则标记该规则条件为语义错误,并输出错误原因,且对于规则执行路径拆分步骤后得到的多条执行路径分别进行语义检查。
3.根据权利要求2所述的一种基于规则库的交通信号优化方法,其特征在于:所述预设语法检查标准为:同一比较表达式中的变量必须为相同类型的基本交通流参数;所述语法检查为从左到右对比较表达式中的每个元素进行检查,并将比较表达式中的第一个变量类型设定为该比较表达式的标准变量类型,若该比较表达式中的其它变量类型与标准变量类型不同,则标记该规则条件为语法错误,并输出错误原因;
所述预设语义检查标准为相同类型的规则条件两两互斥,且交通变量的比较范围符合预设范围。
4.根据权利要求1所述的一种基于规则库的交通信号优化方法,其特征在于:所述步骤e具体包括如下步骤:
e1.对规则条件进行转义处理,得到对应的数据结构;
e2.采集实时交通流数据,并进行第一统计处理;
e3.将实时交通流数据代入所述数据结构,进行条件判断;若判断结果为真,则该数据结构对应的条件规则生效,输出其关联的方案;
e4.记录规则条件的命中数据,并基于所述命中数据优化规则库。
5.根据权利要求4所述的一种基于规则库的交通信号优化方法,其特征在于:所述步骤e2具体包括如下步骤:
e20.采集实时交通流数据;
e21.根据道路通行能力手册将实时交通流数据统计生成对应的第一交通流数据,所述第一交通流数据至少包括流量、占有率、平均速度、饱和度、车头时距、平均停车率、平均排队长度、平均延误时间;
e22.根据实时交通流数据和第一统计处理生成的第一交通流数据,与前n个交通流统计周期的数据进行对比,若发生突变,则进行检测器异常或发生交通事故的预警;其中n为正整数。
6.根据权利要求5所述的一种基于规则库的交通信号优化方法,其特征在于:所述步骤e2还包括根据用户设置的统计周期对第一交通流数据进行第二统计处理,具体包括如下步骤:
获取群内节点,并根据关键节点、一般节点、次要节点的标准对群内节点进行划分;
获取节点权重参数,所述节点权重参数包括:关键节点权重参数、一般节点权重参数和次要节点权重参数;
基于节点权重参数,对关键节点、一般节点、次要节点的交通流数据设置对应的关键节点权重、一般节点权重和次要节点权重,并统计成一组群交通流数据。
7.根据权利要求4所述的一种基于规则库的交通信号优化方法,其特征在于:所述步骤e4具体包括如下步骤:
e40.记录某一类型路口中,所有与其匹配的规则条件的命中次数;并将命中次数由高到低进行自动排序处理,下一周期优先从命中次数最高的规则开始匹配;
e41.记录某一类型路口中,所有与其匹配的规则条件中,命中的参数数值所属的区间;并根据命中规则中的各个参数数值所属的区间,自动调整规则条件中的基本交通流参数所属区间;记录调整的日志,并备份原规则条件;
e42.记录每条规则条件命中的时间节点;对于超过预设天数未被命中的规则,自动将其设置为无效规则,默认该规则无法命中。
8.一种交通信号控制系统,其特征在于:所述交通信号控制系统执行权利要求1-7任一项基于规则库的交通信号优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210783005.0A CN115331428B (zh) | 2022-07-05 | 2022-07-05 | 一种基于规则库的交通信号优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210783005.0A CN115331428B (zh) | 2022-07-05 | 2022-07-05 | 一种基于规则库的交通信号优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115331428A CN115331428A (zh) | 2022-11-11 |
CN115331428B true CN115331428B (zh) | 2023-10-17 |
Family
ID=83918034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210783005.0A Active CN115331428B (zh) | 2022-07-05 | 2022-07-05 | 一种基于规则库的交通信号优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115331428B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597657A (zh) * | 2023-07-17 | 2023-08-15 | 四川省商投信息技术有限责任公司 | 基于人工智能的城市交通预测方法、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5546507A (en) * | 1993-08-20 | 1996-08-13 | Unisys Corporation | Apparatus and method for generating a knowledge base |
KR20020036559A (ko) * | 2000-11-10 | 2002-05-16 | 유승렬 | 교통정보 전송방법 및 그 시스템 |
CN106056903A (zh) * | 2016-06-22 | 2016-10-26 | 江苏迪纳数字科技股份有限公司 | 基于gps数据的道路拥塞区域的检测方法 |
WO2017166474A1 (zh) * | 2016-03-29 | 2017-10-05 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及系统 |
CN108986473A (zh) * | 2017-05-31 | 2018-12-11 | 蔚来汽车有限公司 | 车载交通违规行为识别与处理系统和方法 |
CN110047284A (zh) * | 2019-04-16 | 2019-07-23 | 浙江工业大学 | 一种基于专家系统的交通信号配时优化决策支持方法 |
CN113689697A (zh) * | 2021-08-13 | 2021-11-23 | 南京理工大学 | 一种基于规则匹配和知识图谱的交通事件影响分析方法 |
WO2022042103A1 (zh) * | 2020-08-26 | 2022-03-03 | 深圳市百富智能新技术有限公司 | 数据保护方法、装置、设备及介质 |
WO2022121510A1 (zh) * | 2020-12-11 | 2022-06-16 | 多伦科技股份有限公司 | 基于随机策略梯度的交通信号控制方法、系统及电子设备 |
-
2022
- 2022-07-05 CN CN202210783005.0A patent/CN115331428B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5546507A (en) * | 1993-08-20 | 1996-08-13 | Unisys Corporation | Apparatus and method for generating a knowledge base |
KR20020036559A (ko) * | 2000-11-10 | 2002-05-16 | 유승렬 | 교통정보 전송방법 및 그 시스템 |
WO2017166474A1 (zh) * | 2016-03-29 | 2017-10-05 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及系统 |
CN106056903A (zh) * | 2016-06-22 | 2016-10-26 | 江苏迪纳数字科技股份有限公司 | 基于gps数据的道路拥塞区域的检测方法 |
CN108986473A (zh) * | 2017-05-31 | 2018-12-11 | 蔚来汽车有限公司 | 车载交通违规行为识别与处理系统和方法 |
CN110047284A (zh) * | 2019-04-16 | 2019-07-23 | 浙江工业大学 | 一种基于专家系统的交通信号配时优化决策支持方法 |
WO2022042103A1 (zh) * | 2020-08-26 | 2022-03-03 | 深圳市百富智能新技术有限公司 | 数据保护方法、装置、设备及介质 |
WO2022121510A1 (zh) * | 2020-12-11 | 2022-06-16 | 多伦科技股份有限公司 | 基于随机策略梯度的交通信号控制方法、系统及电子设备 |
CN113689697A (zh) * | 2021-08-13 | 2021-11-23 | 南京理工大学 | 一种基于规则匹配和知识图谱的交通事件影响分析方法 |
Non-Patent Citations (3)
Title |
---|
《交通信号配时专家辅助决策系统的设计与实现》;刘玉新;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第2020年第8期期);全文 * |
参数表以及模块化编程在中药发药机PLC控制程序中的应用;张璐;李志蜀;;四川大学学报(自然科学版)(02);全文 * |
面向客户需求基于灰色粗糙模型的产品配置研究;罗妤;郭钢;;中国机械工程(11);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115331428A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gu et al. | Utilizing UAV video data for in-depth analysis of drivers’ crash risk at interchange merging areas | |
US20190392309A1 (en) | LSTM Training For Neural Network Based Course Of Action Selection | |
CN109887284B (zh) | 一种智慧城市交通信号控制推荐方法、系统及装置 | |
CN115331428B (zh) | 一种基于规则库的交通信号优化方法 | |
Odeh et al. | A hybrid fuzzy genetic algorithm for an adaptive traffic signal system | |
DE102022112059B3 (de) | Verfahren, System und Computerprogrammprodukt zur Kalibrierung und Validierung eines Fahrerassistenzsystems (ADAS) und/oder eines automatisierten Fahrsystems (ADS) | |
CN114333361B (zh) | 一种信号灯配时方法及装置 | |
CN1889114A (zh) | 基于粒子群算法的交通信号离线配时优化方法 | |
CN113570852B (zh) | 基于安全替代评价指标的高风险路段风险防控手段评估的方法 | |
CN111986481B (zh) | 一种城市道路交通拥堵程度评价方法、系统及存储介质 | |
CN113682302B (zh) | 一种驾驶状态估计方法、装置、电子设备及存储介质 | |
EP3723062A1 (de) | Verfahren und vorrichtung zur computer-implementierten verkehrsleitung von kraftfahrzeugen in einem vorbestimmten gebiet | |
Gu et al. | Duration prediction for truck crashes based on the XGBoost algorithm | |
CN110097757B (zh) | 一种基于深度优先搜索的交叉口群关键路径识别方法 | |
DE102022112060B3 (de) | Szenariendatenbank für ein Verfahren und ein System zur Kalibrierung und Validierung eines Fahrerassistenzsystems (ADAS) und/oder eines automatisierten Fahrsystems (ADS) | |
CN113988488B (zh) | 一种多因子预测车辆通过etc概率的方法 | |
CN116245183A (zh) | 基于图神经网络的交通场景泛化理解方法及装置 | |
DE102018209755A1 (de) | Verfahren, Vorrichtung, mobiles Anwendergerät und Computerprogramm zum Bereitstellen einer Information zur Nutzung in einem Fahrzeug, sowie Verfahren, Vorrichtung und Computerprogramm zur Nutzung einer Information in einem Fahrzeug | |
CN111243280B (zh) | 一种实时计算交通状态的指标的方法及装置 | |
Li | Stochastic methods for dilemma zone protection at signalized intersections | |
Fatholahzade et al. | Implementation of random forest algorithm in order to use big data to improve real-time traffic monitoring and safety | |
Hasain et al. | Comparison of different calibration methods in modelling the unsignalized intersection using VISSIM with vehicular flow as the fitness measure. | |
CN111651493A (zh) | 旅客提升设备的全寿命周期正向指导和反馈优化管理方法 | |
Török et al. | Analysing THE impact of road information system on traffic safety | |
Puangnak et al. | Comparative Study of Threshold Selection for Incident Detection based on California Algorithm |
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 |