CN115662134A - 基于主动管控的城市功能区快速路时空资源动态配置方法 - Google Patents

Abstract

本发明公开了基于主动管控的城市功能区快速路时空资源动态配置方法，包括：构建快速路时空资源动态配置系统，利用交通诱导信息发布设备和交通信号发布设备发布交通信息，交通通信设备将采集到的交通信息传输至交通数据处理中心，交通数据处理中心提取实时交通流数据，以运行时间为目标建立目标函数，得到最短运行时间对应的最优控制量，将最优控制量通过交通通信设备反馈至对应路段上的交通诱导信息发布设备。本发明将路径诱导和匝道控制融合，采集快速路网交通信息，以运行时间为目标建立目标函数，将对应需要呈现的诱导信息通过交通通信设备传输至交通诱导信息发布设备进行展示，通过诱导信息影响驾驶员的改道行为，进而改善交通状况。

Description

基于主动管控的城市功能区快速路时空资源动态配置方法

技术领域

本发明涉及城市道路网时空资源动态配置领域，特别涉及一种基于主动管控的城市功能区快速路时空资源动态配置方法。

背景技术

随着城市化进程不断推进，城市人口数量、范围不断扩增，城市圈日渐扩大，通常伴随通勤圈的扩大，城市内资源要达到迅速流通，这对城市交通便捷提出了更高要求，提升通勤效率，减少拥堵，才能促进经济更好的发展，在此环境背景下，城市快速路的建设让更多百姓享受到便捷、快速的交通体验，快速路主要包括高速公路、快速干线、一级公路、环城快速、快速大道和快捷道路，快速路相比于一般道路更能满足现代化都市人员、货物快速流动的需求，成为城市的主动脉。

快速路上的车流量越来越大，拥挤堵塞成为快速路管控的关键问题，拥堵大大减少了快速路上高峰时段可用的基础设施容量，有关城市快速路的控制包含匝道控制、主线控制、路径诱导以及一系列管制措施等，然而由于城市土地资源相对有限，使用智能化交通系统来组织优化道路管理成为有效的手段，作为智能交通系统的核心部分，路径诱导和匝道控制在交通管理中的作用日渐突出。

驾驶员的改道行为或他们遵守交通信号建议的比率是成功和有效的交通引导系统的关键组成部分。现有的路径引导系统中具有固定符合率的模型，未能充分考虑时间依赖性的交通特征和驾驶员的实际响应；有关匝道和路径诱导联合控制的目标函数，有多种算法求解，有的算法简单却缺乏精度，有的算法精准但过于复杂，不适用于较大数据集。

发明内容

发明目的：针对以上问题，本发明目的是提供一种基于主动管控的城市功能区快速路时空资源动态配置方法，将路径诱导和匝道控制融合，使道路网运行达到更佳状态。

技术方案：本发明的一种基于主动管控的城市功能区快速路时空资源动态配置方法，包括：构建快速路时空资源动态配置系统，包括交通诱导信息发布设备、交通信号发布设备、交通数据采集设备、交通通信设备以及交通数据处理中心，利用交通诱导信息发布设备和交通信号发布设备发布包括实时诱导信息和交通信号的交通信息，交通数据采集设备采集交通信息，交通通信设备将采集到的交通信息传输至交通数据处理中心，交通数据处理中心提取实时交通流数据，以运行时间为目标建立目标函数，利用进化布谷鸟算法对目标函数进行优化，得到最短运行时间对应的最优控制量，将最优控制量通过交通通信设备反馈至对应路段上的交通诱导信息发布设备和交通信号发布设备，实现快速路网的协同整合优化控制。

进一步，所述交通信息还包括监测范围路段内车辆的运行信息，利用所述运行信息构建快速主线路段交通流状态方程，包括车流密度公式以及车流速度公式，分别为：

式中，ρ_m,i,j(k)表示路段m上从小段i到j在时间点k的车流密度，T表示摄像机的采样时间步长，L_m表示路段m的一个小段的长度，λ_m表示路段m的一个小段车道数目，v_m,i(k)表示路段m上小段i在时间点k的车流平均速度，γ、υ、κ表示与路段m相关的常数，J_m表示经由路段m到达所有目的地集合；q_m,i(k)表示路段m上小段i在时间点k的车流量，表达式为：

q_m,i(k)＝ρ_m,i(k)v_m,i(k)λ_m

式中，ρ_m,i(k)表示路段m上从小段i出发不区分目的地的在时间点k的车流密度；

γ_m,i,j(k)表示与路段m上从小段i-1到j相关的常数，表达式为：

γ_m,i,j(k)＝ρ_m,i,j(k)/ρ_m,i(k)

V[ρ_m,i(k)]表示在路段m上从小段i到j在时间点k的与密度相关的速度，表达式为：

式中，v_f,m表示路段m上的自由流速度，a_m表示与路段m相关的常数，ρ_m,cr表示路段m上的临界密度。

进一步，根据当前路段上游不同路径的交通流量以及交通路径，计算路段m上从小段o到j在时间点k的车流量，表达式为：

式中，μ表示与路段m直接相连的下游路段，M表示所有与路段m相连的上游路段的集合，

表示上游不同路径的交通流量，用q_m,i-1(k)＝q_m,0,j(k)来计算上游路段最后一小段的交通流量。

进一步，计算上游以流量作为权重的加权平均速度v_m,0(k)，表达式为：

式中，

表示来自上游路段在时间k的车流速度，

表示来自上游路段在时间k的车流量；

利用加权平均速度v_m,0(k)作为上游路段平均速度v_m,i(k)用以快速路段v_m,i(k)的计算。

进一步，计算路段m的下游路段来自路段m的车流量，表达式为：

式中，

表示路段m的最下游小段N_m到j的车流量，以P表示所有与m相连的下游路段的集合；

表示分流比例，将驾驶员对诱导信息服从率、天气状态、是否发生事故作为影响分流比例的因素X_ik，根据摄像机拍摄的实时画面更新，建立分流比例的转移方式的自回归方程以求解分流比例，表达式如下：

式中，α_ik表示小段i在时间段[kT，(k+1)T]的时变参数，ε_k表示随机误差。

进一步，以所有起点路段的流量调节率r_o(k)和分流点处的分流比率

共同构成系统的控制变量，将时间段[kT，(k+1)T]的控制变量记为列向量u(k)，以运行时间为目标建立目标函数，表达式为：

式中，a_w为给定的对应项的非负权重，w_o(k)表示从起始路段o出发的不区分目的地的排队长度，由摄像机采集得到；ψ[w_o(k)]表示对相关的加和项对起点排队长度的限制，表达式为：

ψ[w_o(k)]＝max{0,w_o(k)-w_o,max}

式中，w_o,max为起始路段的最大排队长度。

进一步，所述利用进化布谷鸟算法对目标函数进行优化包括以下步骤：

步骤101，确定目标函数Z(ρ,v,w)和群体X＝(x1,...,xd)^T，初始化群体，随机产生n个鸟窝的初始位置x_i＝(ρ_i,v_i,w_i)，i＝1,2,...,n，设置种群规模N、维度D、发现概率pa、界值大小工、最大迭代次数MaxNumber、最优鸟窝位置

b∈{1,2,...,n}和最优解Z_min；

步骤102，计算每个鸟窝的目标函数值Z(ρ,v,w)，并记录当前的最优解Z_min，保留上代最优鸟窝位置x_b，并更新其他鸟窝位置，得到一组新的鸟窝位置；将现有鸟窝与上一代鸟窝位置进行对比，用适应度值较好的鸟窝位置替换适应度值较差的鸟窝位置：

步骤103，将一个随机数R作为鸟窝主人发现外来鸟蛋的可能性，与鸟被淘汰的概率r-pa进行比较；若R>r-pa，则随机改变g_t中的鸟窝位置，得到一组新的鸟窝位置；计算全部个体的适应度值，与g_t中每个鸟窝位置的适应度值进行对比，用适应度值较好的鸟窝位置代替适应度值较差的鸟窝位置，得到一组较好的鸟窝位置；

步骤104，判断是否满足设置的最大迭代次数，若满足，则结束搜索过程，输出全局最优值Z_min；否则，重复步骤102至步骤103进行迭代寻优。

进一步，所述实时诱导信息包括路况信息以及诱导指令，所述路况信息包括前方路段的交通状态和交通管制信息，所述诱导指令包括减速慢行、建议绕行和禁止超车。

进一步，所述交通数据采集设备包括安装在所有关键主线路段以及出入口匝道处龙门架上的摄像机，通过摄像机拍摄监测范围内路段上的车流速度、车流密度、车流量、排队长度、天气状态及有无事故发生，将拍摄到的交通路况相关影像传输至与摄像机连接的交通通信设备。

进一步，所述交通通信设备包括智能路侧设备RSU，用于接收交通数据采集设备传输的交通状况相关影像并传输至交通数据处理中心。

有益效果：本发明与现有技术相比，其显著优点是：本发明将路径诱导和匝道控制融合，利用摄像机采集快速路网各种交通信息，经过智能路侧设备传输至交通数据处理中心进行处理，以运行时间为目标建立目标函数，利用改进的布谷鸟算法对目标函数进行优化，求解最小行程时间，并将对应需要呈现的诱导信息通过交通通信设备传输至交通诱导信息发布设备进行展示，通过诱导信息影响驾驶员的改道行为，进而改善交通状况，实现城市功能区快速路时空资源动态配置。

附图说明

图1为快速路时空资源动态配置系统示意图；

图2为快速道路设备布设图；

图3为改进布谷鸟算法流程图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。

本实施例所述的基于主动管控的城市功能区快速路时空资源动态配置方法，包括：构建快速路时空资源动态配置系统，结构框图如图1所示，包括交通诱导信息发布设备、交通信号发布设备、交通数据采集设备、交通通信设备以及交通数据处理中心，利用交通诱导信息发布设备和交通信号发布设备发布包括实时诱导信息和交通信号的交通信息，交通数据采集设备采集交通信息，交通通信设备将采集到的交通信息传输至交通数据处理中心，交通数据处理中心提取实时交通流数据，以运行时间为目标建立目标函数，利用进化布谷鸟算法对目标函数进行优化，得到最短运行时间对应的最优控制量，将最优控制量通过交通通信设备反馈至对应路段上的交通诱导信息发布设备和交通信号发布设备，实现快速路网的协同整合优化控制。

在快速路主线路段及所有出入口匝道处设置交通诱导信息发布设备，实现快速路主要路段的交通实时诱导，所述实时诱导信息包括路况信息以及诱导指令，所述路况信息包括前方路段的交通状态和交通管制信息，所述诱导指令包括减速慢行、建议绕行和禁止超车。

交通数据采集设备包括安装在所有关键主线路段以及出入口匝道处龙门架上的摄像机，可以每个车道每200米安装一个摄像机，将摄像机尽量安装在安装有交通诱导信息发布设备及信号灯的龙门架上，可设置每间隔1秒采集一次，通过摄像机拍摄监测范围内路段上的车流速度、车流密度、车流量、排队长度、天气状态及有无事故发生，将拍摄到的交通路况相关影像传输至与摄像机连接的交通通信设备。所述交通通信设备可以为智能路侧设备RSU，接收摄像机拍摄的交通状况相关影像并传输至交通数据处理中心。智能路侧设备RSU与交通信号灯以及诱导信息展示设备互联互通，实现交通信息实时交互。如图2所示的某快速道路设备布设图，可设置RSU通讯半径500m，每500m安装一个RSU设备。

所述交通信息还包括监测范围路段内车辆的运行信息，利用所述运行信息构建快速主线路段交通流状态方程，包括车流密度公式以及车流速度公式，分别为：

式中，ρ_m,i,j(k)表示路段m上从小段i到j在时间点k的车流密度，T表示摄像机的采样时间步长，L_m表示路段m的一个小段的长度，λ_m表示路段m的一个小段车道数目，v_m,i(k)表示路段m上小段i在时间点k的车流平均速度，γ、υ、κ表示与路段m相关的常数，J_m表示经由路段m到达所有目的地集合；q_m,i(k)表示路段m上小段i在时间点k的车流量，表达式为：

q_m,i(k)＝ρ_m,i(k)v_m,i(k)λ_m

式中，ρ_m,i(k)表示路段m上从小段i出发不区分目的地的在时间点k的车流密度；

γ_m,i,j(k)表示与路段m上从小段i-1到j相关的常数，表达式为：

γ_m,i,j(k)＝ρ_m,i,j(k)/ρ_m,i(k)

V[ρ_m,i(k)]表示在路段m上从小段i到j在时间点k的与密度相关的速度，表达式为：

式中，v_f,m表示路段m上的自由流速度，a_m表示与路段m相关的常数，ρ_m,cr表示路段m上的临界密度。

根据当前路段上游不同路径的交通流量以及交通路径，计算路段m上从小段o到j在时间点k的车流量，表达式为：

式中，μ表示与路段m直接相连的下游路段，M表示所有与路段m相连的上游路段的集合，

表示上游不同路径的交通流量，用q_m,i-1(k)＝q_m,0,j(k)来计算上游路段最后一小段的交通流量。

计算路段m的上游以流量作为权重的加权平均速度v_m,0(k)，表达式为：

式中，

表示来自上游路段在时间点k的车流速度，

表示来自上游路段在时间点k的车流量；

利用加权平均速度v_m,0(k)作为上游路段平均速度v_m,i(k)用以快速路段v_m,i(k)的计算。

计算路段m的下游路段来自路段m的车流量，表达式为：

式中，

表示路段m的最下游小段N_m到j的车流量，以P表示所有与m相连的下游路段的集合；

表示分流比例，将驾驶员对诱导信息服从率、天气状态、是否发生事故作为影响分流比例的因素X_ik，根据摄像机拍摄的实时画面更新，建立分流比例的转移方式的自回归方程以求解分流比例，表达式如下：

式中，α_ik表示小段i在时间段[kT，(k+1)T]的时变参数，ε_k表示随机误差。

以所有起点路段的流量调节率r_o(k)和分流点处的分流比率

共同构成系统的控制变量，将时间段[kT，(k+1)T]的控制变量记为列向量u(k)，以运行时间为目标建立目标函数，表达式为：

式中，a_w为给定的对应项的非负权重，w_o(k)表示从起始路段o出发的不区分目的地的排队长度，由摄像机采集得到；ψ[w_o(k)]表示对相关的加和项对起点排队长度的限制，表达式为：

ψ[w_o(k)]＝max{0,w_o(k)-w_o,max}

式中，w_o,max为起始路段可接受的最大排队长度。

流量调节率r_o(k)的计算表达式为：

γ_o,j(k)＝(Td_o,j(k)+w_o,j(k))/(Td_o(k)+w_o(k))

式中，γ_o,j(k)为起始路段0在时间段[kT，(k+1)T]流向目的地j的流量调节率，γ_o(k)为起始路段o在时间段[kT，(k+1)T]不区分目的地的流量调节率，取值范围[0,1]；式中，w_o,j(k)表示排队长度，即在时间点kT流向目的地j的车辆在上匝道o处的数量，递推式如下：

w_o,j(k+1)＝w_o,j(k)+T(d_o,j(k)-γ_o,j(k)q_o(k))

式中，T表示采样时间步长，d_o,j(k)表示起始路段o在时间段[kT，(k+1)T]生成的流向目的地j的需求量，γ_o,j(k)表示起始路段o在时间段[kT，(k+1)T]流向目的地j的流量调节率；q_o(k)表示起点路段o在时间段[kT，(k+1)T]实际释放的交通流量，计算表达式为：

式中，γ_o(k)表示时间段[kT，(k+1)T]的流量调节率，取值范围[0,1]；

表示时间段[kT，(k+1)T]实际最大可行流出流量，计算表达式为：

式中，

分别为流向目的地1和2在时间段[kT，(k+1)T]实际最大可行流出流量，计算表达式分别为：

式中，Q_o表示由起点路段o的最大流出能力，ρ_max表示路段上的最大阻塞密度，ρ_μ,1(k)表示和其下游路段ρ的交通流密度，ρ_μ,cr表示下游路段μ的临界密度。

如图3所示，所述利用进化布谷鸟算法对目标函数进行优化包括以下步骤：

步骤101，确定目标函数Z(ρ,v,w)和群体X＝(x1,...,xd)^T，初始化群体，随机产生n个鸟窝的初始位置x_i＝(ρ_i,v_i,w_i)，i＝1,2,...,n，设置种群规模N、维度D、发现概率pa、界值大小工、最大迭代次数MaxNumber、最优鸟窝位置

b∈{1,2...,n}和最优解Z_min；

步骤102，计算每个鸟窝的目标函数值Z(ρ,v,w)，并记录当前的最优解Z_min，保留上代最优鸟窝位置x_b，并更新其他鸟窝位置，得到一组新的鸟窝位置；将现有鸟窝与上一代鸟窝位置进行对比，用适应度值较好的鸟窝位置替换适应度值较差的鸟窝位置：

步骤103，将一个随机数R作为鸟窝主人发现外来鸟蛋的可能性，与鸟被淘汰的概率r-pa进行比较；若R>r-pa，则随机改变g_t中的鸟窝位置，得到一组新的鸟窝位置；计算全部个体的适应度值，与g_t中每个鸟窝位置的适应度值进行对比，用适应度值较好的鸟窝位置代替适应度值较差的鸟窝位置，得到一组较好的鸟窝位置；

步骤104，判断是否满足设置的最大迭代次数，若满足，则结束搜索过程，输出全局最优值Z_min；否则，重复步骤102至步骤103进行迭代寻优。

Claims (10)

1.基于主动管控的城市功能区快速路时空资源动态配置方法，其特征在于，包括：构建快速路时空资源动态配置系统，包括交通诱导信息发布设备、交通信号发布设备、交通数据采集设备、交通通信设备以及交通数据处理中心，利用交通诱导信息发布设备和交通信号发布设备发布包括实时诱导信息和交通信号的交通信息，交通数据采集设备采集交通信息，交通通信设备将采集到的交通信息传输至交通数据处理中心，交通数据处理中心提取实时交通流数据，以运行时间为目标建立目标函数，利用进化布谷鸟算法对目标函数进行优化，得到最短运行时间对应的最优控制量，将最优控制量通过交通通信设备反馈至对应路段上的交通诱导信息发布设备和交通信号发布设备，实现快速路网的协同整合优化控制。

2.根据权利要求1所述的城市功能区快速路时空资源动态配置方法，其特征在于，所述交通信息还包括监测范围路段内车辆的运行信息，利用所述运行信息构建快速主线路段交通流状态方程，包括车流密度公式以及车流速度公式，分别为：

式中，ρ_m,i,j(k)表示路段m上从小段i到j在时间点k的车流密度，T表示摄像机的采样时间步长，L_m表示路段m的一个小段的长度，λ_m表示路段m的一个小段车道数目，v_m,i(k)表示路段m上小段i在时间点k的车流平均速度，γ、υ、κ表示与路段m相关的常数，J_m表示经由路段m到达所有目的地集合；

q_m,i(k)表示路段m上小段i在时间点k的车流量，表达式为：

q_m,i(k)＝ρ_m,i(k)v_m,i(k)λ_m

式中，ρ_m,i(k)表示路段m上从小段i出发不区分目的地的在时间点k的车流密度；

γ_m,i,j(k)表示与路段m上从小段i-1到j相关的常数，表达式为：

γ_m,i,j(k)＝ρ_m,i,j(k)/ρ_m,i(k)

V[ρ_m,i(k)]表示在路段m上从小段i到j在时间点k的与密度相关的速度，表达式为：

式中，v_f,m表示路段m上的自由流速度，a_m表示与路段m相关的常数，ρ_m,cr表示路段m上的临界密度。

3.根据权利要求2所述的城市功能区快速路时空资源动态配置方法，其特征在于，根据当前路段上游不同路径的交通流量以及交通路径，计算路段m上从小段o到j在时间点k的车流量，表达式为：

式中，μ表示与路段m直接相连的下游路段，M表示所有与路段m相连的上游路段的集合，

表示上游不同路径的交通流量，用q_m,i-1(k)＝q_m,0,j(k)来计算上游路段最后一小段的交通流量。

4.根据权利要求3所述的城市功能区快速路时空资源动态配置方法，其特征在于，计算上游以流量作为权重的加权平均速度v_m,0(k)，表达式为：

式中，

表示来自上游路段在时间点k的车流速度，

表示来自上游路段在时间点k的车流量；

利用加权平均速度v_m,0(k)作为上游路段平均速度v_m,i(k)用以计算快速路段车流平均速度v_m,i(k)。

5.根据权利要求4所述的城市功能区快速路时空资源动态配置方法，其特征在于，计算路段m的下游路段来自路段m的车流量，表达式为：

式中，

表示路段m的最下游小段N_m到j的车流量；以P表示所有与m相连的下游路段的集合；

表示分流比例，将驾驶员对诱导信息服从率、天气状态、是否发生事故作为影响分流比例的因素X_ik，根据摄像机拍摄的实时画面更新，建立分流比例的转移方式的自回归方程以求解分流比例，表达式如下：

式中，α_ik表示小段i在时间段[kT，(k+1)T]的时变参数，ε_k表示随机误差。

6.根据权利要求5所述的城市功能区快速路时空资源动态配置方法，其特征在于，以所有起点路段的流量调节率r_o(k)和分流点处的分流比率

共同构成系统的控制变量，将时间段[kT，(k+1)T]的控制变量记为列向量u(k)，以运行时间为目标建立目标函数，目标函数的表达式为：

式中，a_w为给定的对应项的非负权重，w_o(k)表示从起始路段o出发的不区分目的地的排队长度，由摄像机采集得到；ψ[w_o(k)]表示对相关的加和项对起点排队长度的限制，表达式为：

ψ[w_o(k)]＝max{0,w_o(k)-w_o,max}

式中，w_o,max为起始路段最大排队长度。

7.根据权利要求6所述的城市功能区快速路时空资源动态配置方法，其特征在于，所述利用进化布谷鸟算法对目标函数进行优化包括以下步骤：

步骤101，确定目标函数Z(ρ,v,w)和群体X＝(x1,...,xd)^T，初始化群体，随机产生n个鸟窝的初始位置x_i＝(ρ_i,v_i,w_i)，i＝1,2,...,n，设置种群规模N、维度D、发现概率pa、界值大小工、最大迭代次数MaxNumber、最优鸟窝位置

b∈{1,2,...,n}和最优解Z_min；

步骤102，计算每个鸟窝的目标函数值Z(ρ,v,w)，并记录当前的最优解Z_min，保留上代最优鸟窝位置x_b，并更新其他鸟窝位置，得到一组新的鸟窝位置；将现有鸟窝与上一代鸟窝位置进行对比，用适应度值较好的鸟窝位置替换适应度值较差的鸟窝位置：

步骤103，将一个随机数R作为鸟窝主人发现外来鸟蛋的可能性，与鸟被淘汰的概率r-pa进行比较；若R>r-pa，则随机改变g_t中的鸟窝位置，得到一组新的鸟窝位置；计算全部个体的适应度值，与g_t中每个鸟窝位置的适应度值进行对比，用适应度值较好的鸟窝位置代替适应度值较差的鸟窝位置，得到一组较好的鸟窝位置；

步骤104，判断是否满足设置的最大迭代次数，若满足，则结束搜索过程，输出全局最优值Z_min；否则，重复步骤102至步骤103进行迭代寻优。

8.根据权利要求1所述的城市功能区快速路时空资源动态配置方法，其特征在于，所述实时诱导信息包括路况信息以及诱导指令，所述路况信息包括前方路段的交通状态和交通管制信息，所述诱导指令包括减速慢行、建议绕行和禁止超车。

9.根据权利要求1所述的城市功能区快速路时空资源动态配置方法，其特征在于，所述交通数据采集设备包括安装在所有关键主线路段以及出入口匝道处龙门架上的摄像机，通过摄像机拍摄监测范围内路段上的车流速度、车流密度、车流量、排队长度、天气状态及有无事故发生，将拍摄到的交通路况相关影像传输至与摄像机连接的交通通信设备。

10.根据权利要求1所述的城市功能区快速路时空资源动态配置方法，其特征在于，所述交通通信设备包括智能路侧设备RSU，用于接收交通数据采集设备传输的交通状况相关影像并传输至交通数据处理中心。

Images