CN116543562A - 干线协调优化模型的构建方法和装置 - Google Patents
干线协调优化模型的构建方法和装置 Download PDFInfo
- Publication number
- CN116543562A CN116543562A CN202310823368.7A CN202310823368A CN116543562A CN 116543562 A CN116543562 A CN 116543562A CN 202310823368 A CN202310823368 A CN 202310823368A CN 116543562 A CN116543562 A CN 116543562A
- Authority
- CN
- China
- Prior art keywords
- road
- model
- parameters
- constructing
- trunk
- 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 104
- 238000005457 optimization Methods 0.000 title claims abstract description 102
- 230000014759 maintenance of location Effects 0.000 claims abstract description 9
- 238000010276 construction Methods 0.000 claims description 33
- 238000009826 distribution Methods 0.000 claims description 29
- 230000007704 transition Effects 0.000 claims description 26
- CYTYCFOTNPOANT-UHFFFAOYSA-N Perchloroethylene Chemical compound ClC(Cl)=C(Cl)Cl CYTYCFOTNPOANT-UHFFFAOYSA-N 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 14
- 230000008878 coupling Effects 0.000 claims description 12
- 238000010168 coupling process Methods 0.000 claims description 12
- 238000005859 coupling reaction Methods 0.000 claims description 12
- 238000000547 structure data Methods 0.000 claims description 11
- 238000000819 phase cycle Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 210000004027 cell Anatomy 0.000 description 307
- 238000011144 upstream manufacturing Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 21
- 230000000694 effects Effects 0.000 description 12
- 230000035939 shock Effects 0.000 description 12
- 230000033228 biological regulation Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000011835 investigation Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000012512 characterization method Methods 0.000 description 5
- 230000011664 signaling Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000005465 channeling Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004941 influx Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000130 stem cell Anatomy 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
- 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
-
- 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
本申请涉及一种干线协调优化模型的构建方法和装置，属于交通协调控制技术领域。该干线协调优化模型的构建方法包括：获取干线路网的几何结构参数、道路控制参数和车流参数；基于几何结构参数构建第一干线路网模型；基于干线路网模型，根据道路控制参数和车流参数构建信号控制约束模型、主路带宽保障模型和信号控制优化目标，信号控制优化目标表征干线路网在设定时长内滞留车流量；根据信号控制约束模型、主路带宽保障模型和信号控制优化目标获取干线协调优化模型。
Description
技术领域
本申请涉及交通协调控制领域，特别是涉及一种干线协调优化模型的构建方法和装置。
背景技术
近年来，随着国民经济的快速发展以及城市化进程的不断推进，城市机动化水平不断提升，城市道路网络面临着越来越严重的交通出行压力。作为城市交通出行的大动脉，城市干线承载着大量的日常出行流量，其通行效率很大程度上决定了整个网络的出行效率。为了提升城市干线的出行效率，需要制定干线协调控制方案，以配置交通干线各交叉口处信号控制周期、绿信比、相位差等信号配时参数。
相关技术中，协调控制方案确定模型包括：以交通性能最优为目标的确定模型，和以绿波带宽最大为目标的确定模型。以交通性能最优为目标的确定模型主要考虑的是干线整体车流的通行效率。以绿波带宽最大为目标的确定模型主要考虑的是主路方向车流的通行效率，其主要由于主路方向车流流量要远大于其他方向车流，通过构建混合整数线性规划模型，来获取全局最优的信号配时参数。
但是，相关技术中提供的上述协调控制方案确定模型均存在局限性，导致所确定的协调控制方案的调控效果不佳，具有进一步改进的空间。
发明内容
本申请实施例提供了一种干线协调优化模型的构建方法和装置，以至少解决相关技术确定干线协调控制方案具有局限性，导致调控效果不佳的问题。
第一方面，本申请实施例提供了一种干线协调优化模型的构建方法，所述方法包括：
获取干线路网的几何结构参数、道路控制参数和车流参数；
基于所述几何结构参数构建第一干线路网模型；
基于所述第一干线路网模型，根据所述道路控制参数和所述车流参数构建信号控制约束模型、主路带宽保障模型和信号控制优化目标，所述信号控制优化目标表征所述干线路网在设定时长内滞留车流量；
根据所述信号控制约束模型、主路带宽保障模型和信号控制优化目标获取所述干线协调优化模型。
在其中一些实施例中，所述几何结构参数包括道路分布数据、道路几何数据和各个道路的车道结构数据；
所述基于所述几何结构参数构建所述第一干线路网模型，包括：
根据所述道路分布数据确定所述第一干线路网模型中的道路分布；
根据所述道路几何数据和所述车道结构数据确定所述第一干线路网模型中各个道路的细胞类型和分布情况。
在其中一些实施例中，基于所述第一干线路网模型，根据所述道路控制参数和所述车流参数构建信号控制约束模型，包括：
根据所述道路控制参数和所述车流参数，构建不同类型所述细胞的状态转移模型，所述状态转移模型用于表征协调控制方案对于所述干线路网中不同车道车流运行效率影响；
根据所述道路控制参数构建路网交叉口信号控制模型，所述路网交叉口信号控制模型用于表征协调控制方案对于所述路网交叉口的车流运行效率影响。
在其中一些实施例中，所述细胞包括普通细胞、起点细胞、终点细胞、非信号分流细胞、信号分流细胞和信号合流细胞。
在其中一些实施例中，所述路网交叉口信号控制模型包括信号分流细胞最大流入流出车流量子模型，所述根据所述道路控制参数构建路网交叉口信号控制模型，包括：
构建设定时刻所述最大流入流出车流量与所述道路控制参数的第一映射关系；
根据所述道路控制参数确定信控约束条件。
在其中一些实施例中，所述路网交叉口信号控制模型包括信号相序优化子模型，所述根据所述道路控制参数和所述车流参数构建路网交叉口信号控制模型，包括：
构建第一表达式，所述第一表达式用于基于所述道路控制参数确定所述交叉口处不同许可周期内冲突相位对的第一相位的绿灯起点与终点，所述冲突相位对包括交叉口处对向设置的进口方向左转相位和直行相位；
构建第二表达式，所述第二表达式用于基于所述道路控制参数确定所述交叉口处不同许可周期内冲突相位对的第二相位的绿灯起点与终点，所述第一相位和所述第二相位的相位不同。
在其中一些实施例中，所述路网交叉口信号控制模型包括信控参数约束子模型，所述道路控制参数包括所述路网交叉口处许可周期，以及所述路网交叉口处不同相位道路的许可绿灯时长，所述根据所述道路控制参数构建路网交叉口信号控制模型，包括：
确定所述许可周期的第一限定范围，以及所述许可绿灯时长的第二限定范围；
构建NEMA相位结构中前后半环绿灯时长与所述许可周期和所述许可绿灯时长的映射关系。
在其中一些实施例中，所述主路带宽保障模型包括带宽确定子模型，所述根据所述道路控制参数和所述车流参数构建主路带宽保障模型，包括：
构建主路上下行方向绿波带在相邻交叉口间的第一约束条件；
确定所述主路上下行方向绿波带在各自协调相位绿灯时间的第三限定范围；
确定所述主路上下行方向协调速度的第四限定范围，以及相邻道路的协调速度的第五限定范围。
在其中一些实施例中，所述主路带宽保障模型包括带宽保障子模型，所述根据所述道路控制参数和所述车流参数构建主路带宽保障模型，包括：
根据所述道路控制参数和所述车流参数获取最大主路带宽，所述主路上下行方向绿波带宽之和；
基于所述主路上下行方向的绿波带宽之和所述最大主路带宽构建第二约束条件。
在其中一些实施例中，所述主路带宽保障模型包括全路径车流通行效率耦合子模型，所述全路径车流通行效率耦合子模型用于耦合所述主路带宽保障模型和所述信号控制约束模型。
第二方面，本发明提供了一种干线协调控制方案获取方法，所述方法包括：
获取干线路网的几何结构参数、道路控制参数和车流参数；
基于所述几何结构参数构建第二干线路网模型；
采用上述第一方面所提供的获取方法确定干线协调优化模型，基于所述第二干线路网模型、所述道路控制参数和所述车流参数，根据所述干线协调优化模型确定协调控制方案。
第三方面，本发明提供了一种干线协调优化模型的获取装置，所述装置包括：
第一获取模块，用于获取干线路网的几何结构参数、道路控制参数和车流参数；
第一构建模块，用于基于所述几何结构参数构建第一干线路网模型；
第二构建模块，用于基于所述干线路网模型，根据所述道路控制参数和所述车流参数构建信号控制约束模型、主路带宽保障模型和信号控制优化目标，所述信号控制优化目标表征所述干线路网在设定时长内滞留车流量；
第二获取模块，用于根据所述信号控制约束模型、主路带宽保障模型和信号控制优化目标获取所述干线协调优化模型。
第四方面，本发明提供了一种干线协调控制方案获取装置，所述装置包括：
第三获取模块，用于获取干线路网的几何结构参数、道路控制参数和车流参数；
第三构建模块，用于基于所述几何结构参数构建第二干线路网模型；
第四获取模块，用于采用上述第一方面提供的获取方法确定干线协调优化模型，基于所述第二干线路网模型、所述道路控制参数和所述车流参数，根据所述干线协调优化模型确定协调控制方案。
第五方面，本发明提供了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时，实现上述第一方面所提供的干线协调优化模型的构建方法；或者，
所述程序被处理器执行时，实现上述第二方面提供的干线协调控制方案获取方法。
相比于相关技术，本申请实施例提供的干线协调优化模型的构建方法和装置至少具有以下技术效果：
通过构建主路带宽保障模型，体现干线协调控制方案对于主路带宽的影响，以确保最终确定的控制方案能够保障主路的通行效率。通过将整体干线路网的车流滞留情况作为优化目标，整合信号控制约束模型和主路带宽保障模型，使得最终确定的干线协调优化模型兼顾了对于干线路网的全局影响和主路带宽的影响，进而，优化该干线协调优化模型所确定出协调控制方案的调控效果。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据一示例性实施例示出的干线协调优化模型的构建方法流程图；
图2是根据一示例性实施例示出的第一干线路网模型的示意图；
图3是根据一示例性实施例示出的步骤S102的流程图；
图4A~图4F是根据不同示例性实施例示出的六种细胞类型的示意图；
图5是根据一示例性实施例示出的步骤S103中部分步骤的流程图；
图6A是根据一示例性实施例示出的步骤S1032的流程图；
图6B是根据另一示例性实施例示出的步骤S1032的流程图；
图6C是根据另一示例性实施例示出的步骤S1032的流程图；
图7A是根据另一示例性实施例示出的步骤S103中部分步骤的流程示意图；
图7B是根据另一示例性实施例示出的步骤S103中部分步骤的流程示意图；
图8是根据一示例性实施例示出的干线协调控制方案确定方法的流程图；
图9是根据一示例性实施例示出的干线协调优化模型的获取装置的框图；
图10是根据一示例性实施例示出的干线协调控制方案获取装置的框图。
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，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块（单元）的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
在相关技术中，以交通性能最优为目标的协调控制模型考虑的是干线整体车流的通行效率，通常会牺牲主路方向车流的部分通行效率，部分情况下甚至会严重影响主路的通行效率。以交通性能最优为目标的协调控制模型由于构建的是非线性规划模型，其优化所得的信号配时参数并非全局最优，即依然存在可提升空间。此外，以绿波带宽最大为目标确定的协调控制方案未能考虑支路和主路其他未协调方向车流的通行效率。
基于上述情况，本发明实施例提供了一种干线协调优化模型的构建方法和装置、协调控制方案的获取方法和装置，以下结合具体实施例和附图进行详细阐述。
实施例1
本发明实施例提供了一种干线协调优化模型的构建方法。图1是根据一示例性实施例示出的干线协调优化模型的构建方法流程图。如图1所示，该方法包括：
步骤S101、获取干线路网的几何结构参数、道路控制参数和车流参数。
干线路网的几何结构参数表征了整体干线路网中各个道路和各个车道的分布情况。
可选地，干线路网的几何结构参数包括：道路的分布数据、道路几何数据和各个道路的车道结构数据。其中，道路的分布数据包括交叉口数量、交叉口进口方向数、交叉口车道渠化方案数据。道路几何数据包括道路数量、道路长度。车道结构数据包括：车道的分布情况、车道数量和车道长度。
干线路网的道路控制参数反映了当前干线路网的协调控制方案的控制情况。
可选地，道路控制参数包括道路交通流超参数和信控超参数。其中，道路交通流超参数包括道路最大流量时的流量值和车流密度，堵车状态下的车流密度（将车流速度小于或者等于设定阈值时确定为堵车状态）。信控超参数包括：最大和最小信号周期时长、最大和最小相位绿灯时长、饱和流率、当前上下行方向绿波带宽之和与最大值的相对差异的上下限值。
车流参数反映了监测时长内车辆运行情况。
可选地，车流参数包括车流速度超参数和交叉口的流量分布参数。
其中，车流速度超参数包括：道路许可速度的上限值和下限值，道路间协调速度变化的上限值和下限值。交叉口的流量分布参数包括交叉口处设定时长内各个道路的车流量数据。
上述参数通过对路况监测获取，或者根据经验人为设定，在本申请中不做具体限定。
步骤S102、基于几何结构参数和道路控制参数构建第一干线路网模型。
图2是根据一示例性实施例示出的第一干线路网模型的示意图。如图2所示，第一干线路网模型反映了实际干线路网的几何结构。在本发明实施例中，几何结构参数包括道路分布数据、道路几何数据和车道结构数据。图3是根据一示例性实施例示出的步骤S102的流程图。如图3所示，步骤S102具体包括：
步骤S1021、根据道路分布数据和道路控制参数确定第一干线路网模型中的道路分布。例如图2所示，第一干线路网模型中的道路分布与实际路网中道路分布情况一致。
步骤S1022、根据道路几何数据和车道结构数据确定第一干线路网模型中各个道路的细胞类型和分布情况。
可选地，道路几何数据包括道路长度、交叉口处长度和断面长度。车道结构数据包括车道长度、车道相位和车道分布数据。
在步骤S1022中，根据道路几何数据和道路控制参数中各个道路的限速，确定第一干线路网模型中每个道路上各个类型细胞的数量。在确定细胞数量时具体包括以下步骤：
步骤一、根据道路的速度上限和细胞状态变化时间间隔确定细胞长度。其中，细胞状态是指每个运行时刻细胞中所包含的车辆数。当细胞中所包含的车辆数出现改变所用的时间间隔即为细胞状态变化的时间间隔。根据步骤一，细胞长度l=vt，其中，v为道路限速，t为时间间隔。
步骤二、根据道路长度以及细胞长度确定每个道路路段的细胞数量，根据交叉口处长度和断面长度以及细胞长度确定交叉口处的细胞数量。
道路路段是指道路开始处到下游交叉口实线开始处的道路区域，道路路段所包含的细胞数，其中，为道路路段长度，为细胞长度。
道路交叉口进口区域是指道路交叉口实线开始处到交叉口的道路区域。道路交叉口进口区域断面纵向所包含的细胞数，其中，为进口区域长度，为细胞长度。断面横向所包含的细胞数还需根据道路控制参数确定。具体来说，当某两股不同转向车流受不同信号相位控制时，则此两股不同转向车流的许可进口车道在不同的细胞内，根据上述原则确定断面横向所包含的细胞数。最终，道路交叉口进口区域所包含的细胞数。并且，所确定的道路路段和交叉口进口区域所包含的细胞数根据四舍五入原则取正整数。
在步骤S1022中，根据车道的相位和车道分布数据确定干线网络中的各个道路的细胞类型。在本实施例中，细胞类型包括：起点细胞、终点细胞、非信号分流细胞、信号分流细胞、信号合流细胞、普通细胞。
图4A~图4F是根据不同示例性实施例示出的六种细胞类型的示意图。结合图4A和图2所示，将干线网络中所有向干线网络流入车流的细胞设置为起点细胞O，起点细胞O包含的车道数与该道路上该位置的车道数相同。
结合图4B和图2所示，将干线网络中所有从干线网络中流出车流的细胞设置为终点细胞D，终点细胞D包含的车道数与该道路上该位置的车道数相同。
结合图4C和图2所示，将干线网络中与交叉口进口区域道路实线开始处相连的邻近细胞设置为非信号分流细胞OD。非信号分流细胞OD所包含的车道数与该道路上该位置的车道数相同。
结合图4D和图2所示，将干线网络中与各交叉口相连的进口方向邻近细胞设置为信号分流细胞SD。根据车道相位，信号分流细胞SD具体分为左转信号分流细胞、直行信号分流细胞、右转信号分流细胞和直右信号分流细胞。其中，左转信号分流细胞所包含的车道数为左转车道数，直行信号分流细胞所包含的车道数为直行车道数，右转信号分流细胞所包含的车道数为右转车道数，直右信号分流细胞所包含的车道数为该道路上直行和右转车道数之和。
结合图4E和图2所示，将干线网络中与各交叉口相连的出口方向邻近细胞设置为信号合流细胞SM。信号合流细胞SM所包含的车道数与该道路上该位置的车道数相同。
结合图4F和图2所示，将干线网络中其他细胞设置为普通细胞G。普通细胞G具体分为道路路段普通细胞和交叉口进口区域普通细胞。道路路段普通细胞所包含的车道数与该道路上该位置的车道数相同。交叉口进口区域普通细胞又可细分为左转普通细胞、直行普通细胞、右转普通细胞和直右普通细胞。其中，左转普通细胞所包含的车道数为该道路左转车道数，直行普通细胞所包含的车道数为该道路直行车道数，右转普通细胞所包含的车道数为该道路右转车道数，直右普通细胞所包含的车道数为该道路直行和右转车道数之和。
继续参照图1，在步骤S102之后执行步骤S103，具体如下。
步骤S103、基于干线路网模型，根据道路控制参数和车流参数构建信号控制约束模型、主路带宽保障模型和信号控制优化目标，信号控制优化目标表征所述干线路网在设定时长内滞留车流量。
在步骤S103中，信号控制约束模型用于反映协调控制方案对干线路网全局的影响。主路带宽保障模型用于反映协调控制方案对于主路带宽的影响。信号控制优化目标用于表征干线路网在设定时长内滞留车流量。
其中，对于信号控制约束模型、主路带宽保障模型和信号控制优化目标的构建，将在后续详细阐述。
步骤S104、根据信号控制约束模型、主路带宽保障模型和信号控制优化目标获取干线协调优化模型。
以此方式，步骤S104所获取的确定模型通过信号控制约束模型体现干线协调控制方案对于干线路网全局的影响。
综上所述，本发明实施例提供的干线协调优化模型的构建方法，通过构建主路带宽保障模型，体现干线协调控制方案对于主路带宽的影响。通过将整体干线路网的车流滞留情况作为优化目标，整合信号控制约束模型和主路带宽保障模型，使得最终确定的干线协调优化模型兼顾了对于干线路网的全局影响和主路带宽的影响。换言之，基于该干线协调优化模型获取的干线协调控制方案兼顾了干线路网全局通行效率以及主路通行效率，以此方式，优化该干线协调优化模型所确定出协调控制方案的调控效果。
以下结合附图和详细方案阐述步骤S103中信号控制约束模型、主路带宽保障模型和信号控制优化目标的构建方法。
<构建信号控制约束模型>
在一个示例中，信号控制约束模型包括不同类型细胞的状态转移模型，以及路网交叉口信号控制模型。其中，状态转移模型用于表征协调控制方案对于干线路网中不同车道车流运行效率影响，路网交叉口信号控制模型用于表征协调控制方案对于路网交叉口的车流运行效率影响。
图5是根据一示例性实施例示出的步骤S103中部分步骤的流程图。如图5所示，步骤S103包括：
步骤S1031、根据道路控制参数和车流参数，构建不同类型细胞的状态转移模型。
可选地，在步骤S1031中采用基于交通流的一阶流体力学模型LWR模型，针对普通细胞、起点细胞、终点细胞、非信号分流细胞、信号分流细胞和信号合流细胞构建状态转移模型。状态转移模型包括状态转移子模型和流出量约束子模型。
在第一个示例中，采用以下方式构建普通细胞状态转移模型。
式中为干线路网普通细胞与其相连的上下游细胞的配对集合；
为优化时域集合；
为普通细胞时刻所包含的车辆数，为模型变量；
为时刻普通细胞流出的车流量，为模型变量；
为普通细胞的最大流入流出车流量，为普通细胞所表示的道路的道路通行能力，为模型参数；
为与普通细胞直接相连的下游细胞的最大流入流出车流量，为细胞所表示的道路的道路通行能力，为模型参数；
为一辅助变量，为模型参数，表示道路反向激波速度与限速之商，，反向激波，和分别为道路最大流量时的流量大小和车流密度，为堵塞停车时的车流密度，根据人工实地调查获得；
和为0-1变量，为模型变量，用于确定时刻普通细胞流出的车流量；
为细胞所能包含的最大车辆数，为模型参数；
为一足够大的负整数，为模型参数，可取任意一个绝对值大于的负整数；
在该状态转移模型中，式(1)为普通细胞的状态转移方程，用于构建起普通细胞下一时刻状态与上一时刻状态以及相邻上下游细胞状态之间的关联，即普通细胞时刻所包含的车辆数为时刻所包含的车辆数加上从相连的上游细胞时刻流入的车流量减去普通细胞时刻流出的车流量。式(2)-(5)为流出量约束，用于确定普通细胞的流出量，受时刻普通细胞所包含的车辆数、普通细胞最大流入流出的车流量、细胞的最大流入流出车流量以及细胞时刻由于状态限制所能允许流入的最大车流量约束。
当时，式(2)-(5)分别确定当前时刻普通细胞流出的车流量、、、，进而确定
当前时刻普通细胞流出的车流量为；
同理，当、时，式(2)-(5)确定当前时刻普通细胞流出的车流量为；
当、时，式(2)-(5)确定当前时刻普通细胞流出的车流量为；
当、时，式(2)-(5)确定当前时刻普通细胞流出的车流量为。
在第二个示例中，采用以下方式构建起点细胞状态转移模型。
式中，为干线路网起点细胞与其相连的下游细胞的配对集合；
为时刻流入起点细胞的交通需求，为模型参数；
和为0-1变量，为模型变量，用于确定时刻起点细胞流出的车流量；
为优化时域集合；
为起点细胞时刻所包含的车辆数，为模型参数；
为时刻起点细胞流出的车流量，为模型变量；
为起点细胞的最大流入流出车流量，为模型参数，为起点细胞所表示的道路的道路通行能力；
为与起点细胞直接相连的下游细胞的最大流入流出车流量，为模型参数，为细胞所表示的道路的道路通行能力；
为一辅助变量，为模型参数，表示道路反向激波速度与限速之商，，反向激波，和分别为道路最大流量时的流量大小和车流密度，为堵塞停车时的车流密度，根据人工实地调查获得；
为细胞所能包含的最大车辆数，为模型参数。
在该状态转移模型中，式（6）为起点细胞的状态转移子模型，用于表征起点细胞下一时刻状态与上一时刻状态以及相邻上下游细胞状态之间的关联。式（7）-（10）为流出量约束子模型，用于表征起点细胞的流出量，与时刻起点细胞所包含的车辆数、起点细胞最大流入流出的车流量、细胞的最大流入流出车流量以及细胞时刻由于状态限制所能允许流入的最大车流量的关系。
其中，当时，式(7)-(10)分别确定当前时刻起点细胞流出的车流量、、、。进而，确定当前时刻起点细胞流出的车流量为。
当、时，式(7)-(10)确定当前时刻起点细胞流出的车流量为。
当、时，式(7)-(10)确定当前时刻起点细胞流出的车流量为。
当、时，式(7)-(10)确定当前时刻起点细胞流出的车流量为。
在第三个示例中，采用以下方式构建终点细胞状态转移模型。
式中，为干线路网终点细胞与其相连的上游细胞的配对集合；
为优化时域集合；
为终点细胞时刻所包含的车辆数，为模型变量；
为时刻终点细胞流出的车流量，为模型变量；
在该状态转移模型中，式（11）为终点细胞的状态转移子模型，用于表征终点细胞下一时刻状态与上一时刻状态以及相邻上下游细胞状态之间的关联。式（12）为流出量约束子模型，用于表征终点细胞的流出量等于时刻所包含的车辆数。
在第四个示例中，采用以下方式构建非信号分流细胞状态转移模型。
式中，为干线路网非信号分流细胞与其相连的上下游细胞的配对集合；
和为模型参数，分别为非信号分流细胞车流流入到和细胞的车流比例，与道路左、直、右转向车流量有关，，，和分别为和细胞所表示转向的转向车流量，包括左转、直行、右转和直右转向，根据实地调查获取；
、和为0-1变量，为模型变量，用于确定时刻非信号分流细胞流出的车流量；
为优化时域集合；
为非信号分流细胞时刻所包含的车辆数，为模型变量；
为时刻非信号分流细胞流出的车流量，为模型变量；
为非信号分流细胞的最大流入流出车流量，为细胞所表示的道路的道路通行能力，为模型参数；
为与非信号分流细胞直接相连的下游细胞的最大流入流出车流量，为细胞所表示的道路的道路通行能力，为模型参数；
为一辅助变量，表示道路反向激波速度与限速之商，，反向激波，和分别为道路最大流量时的流量大小和车流密度，为堵塞停车时的车流密度，根据人工实地调查获得，为模型参数；
为细胞所能包含的最大车辆数，为模型参数。
在该状态转移模型中，式(13)为非信号分流细胞的状态转移子模型，用于表征非信号分流细胞下一时刻状态与上一时刻状态以及相邻上下游细胞状态之间的关联。
式(14)-(24)为流出量约束子模型。具体来说，式(14)和(15)分别用于确定非信号分流细胞流入到下游相连的和细胞的车流量，分别为非信号分流细胞流出量的和倍。式(16)确保流入到和细胞的车流比例之和为1。式(17)-(22)用于确定非信号分流细胞的流出量，该流出量除受时刻非信号分流细胞所包含的车辆数、非信号分流细胞最大流出的车流量的约束外，同时受其下游相连的两细胞和的最大流入车流量和以及和细胞时刻由于状态限制所能允许流入的最大车流量和约束。式(23)和(24)对变量、和的取值进行约束。
其中， 当时，式(17)-(22)确定非信号分流细胞的流出量
为。当、时，式(17)-(22)确定非信号分流细胞的流出量为。当、时，式(17)-(22)确定非信号分流细胞的流出量为。当、时，式(17)-(22)确定非信号分流细胞的流出量
为。当、时，式(17)-(22)确定非信号分流细胞的流出量为。当、时，式(17)-(22)确定非信号分流
细胞的流出量。
在第五个示例中，采用以下方式构建信号分流细胞状态转移模型。
式中，为干线路网信号分流细胞与其相连的上下游细胞的配对集合；
和为模型参数，分别为信号分流细胞车流流入到和细胞的车流比例，与道路左、直、右转向车流量有关，，，和分别为信号分流细胞与下游和细胞所形成的转向的转向车流量，包括左转、直行、右转和直右转向，根据实地调查获取；
、和为0-1变量，为模型变量，用于确定时刻信号分流细胞流出的车流量；
为优化时域集合；
为信号分流细胞时刻所包含的车辆数，为模型变量；
为时刻信号分流细胞流出的车流量，为模型变量；
为信号分流细胞的最大流出车流量，为细胞所表示的道路的道路通行能力，为模型参数；
为与信号分流细胞直接相连的下游细胞的最大流入流出车流量，为细胞所表示的道路的道路通行能力，为模型参数；
为一辅助变量，表示道路反向激波速度与限速之商，，反向激波，和分别为道路最大流量时的流量大小和车流密度，为堵塞停车时的车流密度，根据人工实地调查获得，为模型参数；
为细胞所能包含的最大车辆数，为模型参数。
在该状态转移模型中，式(25)为信号分流细胞的状态转移子模型，用于表征信号分流细胞下一时刻状态与上一时刻状态以及相邻上下游细胞状态之间的关联，信号分流细胞时刻所包含的车辆数为时刻所包含的车辆数加上从相连的上游细胞时刻流入的车流量减去信号分流细胞时刻流出的车流量。
式(26)-(36)为流出量约束子模型；式(26)和(27)分别用于确定信号分流细胞流入到下游相连的和细胞的车流量，分别为信号分流细胞流出量的和倍。式(28)确保流入到和细胞的车流比例之和为1。式(29)-(34)用于确定信号分流细胞的流出量，受时刻信号分流细胞所包含的车辆数、信号分流细胞最大流出的车流量、以及下游相连的两细胞和的最大流入车流量和以及和细胞时刻由于状态限制所能允许流入的最大车流量和约束。式(35)和(36)对变量、和的取值进行约束。
其中， 当时，式(29)-(34)确定信号分流细胞的流出量为。当、时，式(29)-(34)确定信号分流细胞的流出量为。当、时，式(29)-(34)确定信号分流细胞的流出量为。当、时，式(29)-(34)确定信号分流细胞的流出量为。当、时，式(29)-(34)确定信号分流细胞的流出量为。当、时，式(29)-(34)确定信号分流细胞的流出量为。不同于非信号分流细胞， 信号分流细胞的最大流出的车流量与信号配时有关，当信号相位为绿灯时，，否则，。
在第六个示例中，采用以下方式构建信号合流细胞状态转移模型。
式中，为干线路网信号合流细胞与其相连的上下游细胞的配对集合；
、和分别为时刻流入信号合流细胞的上游相连的左、直、右转向信号分流细胞、和的流出车流量，为模型变量；
、和分别为时刻上游左、直、右转向细胞、和的最大流出车流量，为模型变量，与信号配时有关，如时刻细胞绿灯，和细胞红灯，则，。为信号合流细胞所允许的最大流入车流量，为细胞所表示的道路的道路通行能力，为模型参数；
和为0-1变量，为模型变量，用于确定时刻左转细胞流出的车流量；
和为0-1变量，为模型变量，用于确定时刻直行细胞流出的车流量；
和为0-1变量，为模型变量，用于确定时刻右转细胞流出的车流量；
为优化时域集合；
为信号合流细胞时刻所包含的车辆数，为模型变量；
为时刻信号合流细胞流出的车流量，为模型变量；
为时刻信号合流细胞上游流入的车流量，为模型变量；
为一辅助变量，表示道路反向激波速度与限速之商，，反向激波，和分别为道路最大流量时的流量大小和车流密度，为堵塞停车时的车流密度，根据人工实地调查获得，为模型参数；
为信号合流细胞所能包含的最大车辆数，为模型参数；
在该状态转移模型中，式(37)为信号合流细胞的状态转移子模型，用于表征信号合流细胞下一时刻状态与上一时刻状态以及相邻上下游细胞状态之间的关联，信号合流细胞时刻所包含的车辆数为时刻所包含的车辆数加上从相连的上游、和细胞时刻流入的车流量减去信号合流细胞时刻流出的车流量。
式(38)-(50)为流出量约束子模型。式(38)确定流入信号合流细胞的流入车流量为上游左、直、右转向细胞、和的流出车流量之和；式(39)-(42)确定上游左转细胞的流出量。
其中，当时，式(39)-(42)分别确定当前时刻细胞流出的车流量、、、，进而确定当前时刻细胞流出的车流量为。当、时，式(39)-(42)确定当前时刻细胞流出的车流量为。当、时，式(39)-(42)确定当前时刻细胞流出的车流量为。当、时，式(39)-(42)确定当前时刻细胞流出的车流量为。式(43)-(46)确定上游直行细胞的流出量，式中变量和与式(39)-(42)中变量和所起作用类似。式(47)-(50)确定上游右转细胞的流出量，式中变量和与式(39)-(42)中变量和所起作用类似。
继续参照图5，在步骤S1031之后执行步骤S1032，具体如下。
步骤S1032、根据道路控制参数构建路网交叉口信号控制模型。
在一个示例中，路网交叉口信号控制模型包括信号分流细胞最大流入流出车流量子模型、信号相序优化子模型和信控参数约束子模型。
图6A是根据一示例性实施例示出的步骤S1032的流程图，如图6A所示，步骤S1032中构建信号分流细胞最大流入流出车流量子模型包括：
步骤S601、构建设定时刻最大流入流出车流量与道路控制参数的第一映射关系。
步骤S602、根据道路控制参数确定信控约束条件。
基于当前通用的道路车道布局，信号分流细胞通常位于路网交叉口处。因此步骤S601所构建的第一映射关系反映了信控方案对于路网交叉口处车流运行效率的影响。步骤S602中根据路网交叉口处的信控方案构建信控约束条件，以约束信控方案满足设定需求。
在一个示例中，采用以下方式构建第一映射关系和信控约束条件。
式中，为干线路网交叉口集合；
为交叉口相位集合；
为干线路网车流运行周期数集合；
为优化时域集合；
表示交叉口第周期相位的绿灯起始时间，为模型变量；
表示交叉口第周期相位的绿灯终止时间，为模型变量；
为0-1变量，为模型变量，表示时刻是否小于交叉口第周期相位的绿灯终止时间，是则，否则；
为0-1变量，为模型变量，表示时刻是否大于交叉口第周期相位的绿灯起始时间，是则，否则；
为0-1变量，为模型变量，表示时刻交叉口第周期相位是否显示绿灯，是则，否则；
为交叉口的饱和流率，为模型参数。
其中，第一映射关系包括式(54)，该式（54）表征交叉口相位所对应的信号分流细胞时刻的最大流入流出车流量。信控约束条件包括式(51)-(53)，以及式（55）。其中，式(51)-(53)用于确定时刻交叉口第周期相位是否显示绿灯。当时，式(51)-(53)确定时刻交叉口相位显示绿灯，即，。否则，显示红灯，即当或，。式(55)用于确保任一时刻交叉口最多仅有两个相位允许同时放行车流。
根据信控约束条件，当时，时刻交叉口相位显示绿灯，此时根据第一映射关系，路网交叉口处最大流出车流量。否则，时刻交叉口相位当前时刻为红灯，此时根据第一映射关系，路网交叉口处最大流出车流量。
此外，在步骤S1032中不限定步骤S601和步骤S602的执行顺序，可以先执行步骤S602后执行步骤S601，或者二者同步执行。
图6B是根据另一示例性实施例示出的步骤S1032的流程图，如图6B所示，步骤S1032中构建信号相序优化子模型包括：
步骤S603、构建第一表达式，第一表达式用于基于道路控制参数确定交叉口处不同许可周期内冲突相位对的第一相位的绿灯起点与终点。其中，冲突相位对包括交叉口处对向设置的进口方向左转相位和直行相位。
步骤S604、构建第二表达式，第二表达式用于基于道路控制参数确定交叉口处不同许可周期内冲突相位对的第二相位的绿灯起点与终点，第一相位和第二相位的相位不同。
第一表达式和第二表达式表征了信控方案中不同相位的相位顺序对于任一相位绿灯起点和终点的影响。在一个示例中，采用以下方式构建第一表达式和第二表达式。
式中，为NEMA相位结构中左右同一半环中相互冲突的左转与直行相位集合；
为0-1变量，为模型变量，表示相位与相位的显示顺序，其中相位和相位分别表示相互冲突的左转相位和直行相位，当时，相位先于相位绿灯开启，否则，相位晚于相位绿灯开启；
为0-1参数，为模型参数，表示相位与相位是否位于NEMA相位结构的前半环中，是则，否则，，相位与相位位于NEMA相位结构的后半环中；
为信号周期时长，为模型变量；
为交叉口相位的绿灯时长，为模型变量；
为交叉口的相位差，为模型变量；
为交叉口前半环绿灯时长，为模型变量。
其中，第一表达式包括式(56)和(57)，式(56)和(57)分别用于确定交叉口第周期相位（左转相位）的绿灯起点与终点。
具体来说，结合式(56)和(57)，当相位与相位位于NEMA相位结构的前半环中，相位先于相位绿灯开启，即时，相位第周期绿灯起点为交叉口的相位差与前周期的周期时长之和，相位第周期绿灯终点为相位周期绿灯起点与绿灯时长之和。当相位与相位位于NEMA相位结构的前半环中，相位晚于相位绿灯开启，即，时，相位第周期绿灯起点为相位第周期绿灯终点。
当相位与相位位于NEMA相位结构的后半环中，相位第周期绿灯起点与前半环绿灯时长有关，而非相位差，相位顺序对相位的绿灯起点和终点的影响与上述情况相同。
第二表达式包括式(58)和(59)，式(58)和(59)分别用于确定交叉口第周期相位的绿灯起点与终点。其绿灯起点和终点的确定方法与相位的绿灯起点与终点的确定方法原理相同。
图6C是根据另一示例性实施例示出的步骤S1032的流程图，如图6C所示，步骤S1032中构建信控参数约束子模型包括：
步骤S605、确定许可周期的第一限定范围，以及许可绿灯时长的第二限定范围。
步骤S606、构建NEMA相位结构中前后半环绿灯时长与许可周期和许可绿灯时长的映射关系。
通过限定许可周期的第一限定范围和许可绿灯时长的第二限定范围，约束了许可周期和许可绿灯时长在合理的调控范围内。通过构建步骤S606中的所述映射关系，约束了信控方案中相位绿灯时长与相位顺序、信号周期时长和前半段绿灯时长之间的关系。该信控参数约束子模型用于约束信控方案中的信控参数位于合理的调控范围内，从而优化信控方案的调控效果。
在一个示例中，步骤S605中第一限定范围采用以下方式确定：
式中，和分别为许可周期时长的最小值和最大值，为模型参数，基于人工经验确定。
在一个示例中，步骤S605中第二限定范围采用以下方式确定：
式中，和分别为交叉口相位许可绿灯时长的最小值和最大值，为模型参数，基于人工经验确定。
在一个示例中，步骤S606中所述映射关系采用以下方式确定：
式中，为交叉口相位的绿灯时长，为模型变量；
为信号周期时长，为模型变量；
为0-1参数，为模型参数，表示相位与相位是否位于NEMA相位结构的前半环中。若，表示相位与相位位于NEMA相位结构的前半环中。若，表示相位与相位位于NEMA相位结构的后半环中；
为交叉口前半环绿灯时长，为模型变量。
综上所述，通过以上方式完成步骤S103中信号控制约束模型的构建。下面结合具体示例阐述步骤S103中主路带宽保障模型和信号控制优化目标的构建方法。
<构建主路带宽保障模型>
通过主路带宽保障模型使得整体模型在关注全局的同时协调兼顾主路通信效率。在一个示例中，主路带宽保障模型包括带宽确定子模型、带宽保障子模型和全路径车流通行效率耦合子模型。
一、构建带宽确定子模型
图7A是根据另一示例性实施例示出的步骤S103中部分步骤的流程示意图，如图7A所示，步骤S103通过以下步骤构建带宽确定子模型，具体包括：
步骤S701、构建主路上下行方向绿波带在相邻交叉口间的第一约束条件；
步骤S702、确定主路上下行方向绿波带在各自协调相位绿灯时间的第三限定范围；
步骤S703、确定主路上下行方向协调速度的第四限定范围，以及相邻道路的协调速度的第五限定范围。
可选地，带宽确定子模型采用以下方式确定：
式中，和分别为干线上下行方向的绿波带宽，为模型变量； 和分别为交叉口处上行和下行方向绿波带左侧红灯到绿波带的最小周期时间，为模型变量；和分别为交叉口处上行和下行方向协调相位红灯时间与周期时长的比值，即红信比，为模型变量；和为NEMA相位结构中分别与上行和下行方向协调相位同环相冲突的交叉口处左转相位绿灯时间，为模型变量，与式(57)和(59)中相同相位对应；和分别为交叉口处上行和下行方向协调相位与其同环相冲突的左转相位的相位显示顺序，为0-1变量，为模型变量，当时，上行方向同环冲突左转相位早于直行相位开启；反之，晚于下行方向直行相位开启，同理；、、和分别为道路上下行方向许可速度的上下限值，为模型参数；为道路的距离，为模型参数；、、和分别为道路和上下行方向协调速度变化的上下限值，为模型参数；
、、、和为辅助变量，为模型变量。具体采用以下方式确定：
，，，
其中，为二进制变量，通过项将整数变量转换为二进制变量之和，以便于构建线性化模型，式中的取值为；
为一正整数，为模型变量，根据相邻交叉口间绿波带时空图推导得出；
和分别为道路上下行方向以协调速度行驶所需的协调时间，为模型变量。
基于上述，第一约束条件包括式（65），通过构建式（65）建立起主路上下行方向相邻道路绿波带的相互联系。第三限定范围包括式（63）和（64），用于确保主路上下行方向绿波带位于各自协调相位绿灯时间范围内。第四限定范围包括式（66）和（67），用于确保主路上下行方向协调速度位于合理范围内。第五限定范围包括式（68）和（69），用于确保相邻道路的协调速度在合理范围内变化。
二、构建带宽保障子模型
图7B是根据另一示例性实施例示出的步骤S103中部分步骤的流程示意图，如图7B所示，步骤S103通过以下步骤构建带宽保障子模型，具体包括：
步骤S704、根据道路控制参数和车流参数获取最大主路带宽，主路上下行方向绿波带宽之和。
可选地，步骤S704中采用MAXBAND模型，根据道路控制参数和车流参数获取最大主路带宽。步骤S704中采用以下方式确定最大主路带宽：
式中，和分别为干线上下行方向的绿波带宽，通过带宽确定子模型获取；
为干线上下行方向的绿波带宽之和，为模型变量。
步骤S705、基于主路上下行方向的绿波带宽之和以及最大主路带宽构建第二约束条件。可选地，第二约束条件采用以下公式表示：
式中，为干线上下行方向的最大绿波带宽，为干线上下行方向的绿波带宽之和，和根据人工经验确定。
通过构建带宽保障子模型，也即构建第二约束条件，保障所述模型确定协调控制方案中主路滤波带宽满足设定条件。以此方式，在考虑非协调相位车流通行效率时优化所得的信控方案中，依然可以保障主路协调路径车流享有较大的绿波带宽，从而保障了主路协调路径车流的通行效率。
三、构建全路径车流通行效率耦合子模型
全路径车流通行效率耦合子模型用于耦合主路带宽保障模型和信号控制约束模型。具体来说，在本发明实施例提供的交通协调控制模型的构建过程中，不同的子模型采用的时间单位不同，例如，针对不同类型细胞的转态转移子模型在构建采用的时时间单位为自然秒，主路带宽保障模型在构建时所采用的时间单位为设定信号周期。通过构建全路径车流通信效率耦合子模型统一不同的时间单位，进而将信号控制约束模型和主路带宽保障模型耦合形成统一的模型。
在一个示例中，全路径车流通行效率耦合子模型采用以下方式构建：
式中，和分别为交叉口处上行和下行方向协调相位绿灯时间，
为模型变量，与式(57)和(59)中相同相位对应；式(72)和(73)用于计算交叉口上下行方
向协调相位的红信比；式(74)-(77)用于线性化获取辅助变量，使其等价于非线性
项；同理，式(78)-(81)用于线性化获取辅助变量，使其等价于非线性项；式(82)-(85)用于线性化获取辅助变量，使其等价于非线性项；式
(86)-(89)用于线性化获取辅助变量，使其等价于非线性项；式(90)-
(93)用于线性化获取变量，使其等价于非线性项；式(94)为的整
数约束；式(95)为非负约束。
综上所述，通过以上方式构建带宽保障模型，下面结合示例阐述步骤S103中构建信号控制优化目标的方法。
<构建信号控制优化目标>
在本发明实施例中，信号控制优化目标表征所述干线路网在设定时长内滞留车流量。换言之，本发明实施例提供的交通协调控制方法获取模型在构建时，综合考虑整体干线路网的通行性能。
在一个示例中，信控优化目标采用以下方式表示：
式中，表示干线路网所有起点细胞时间段内累计流入的车流
量，表示干线路网所有终点细胞时间段内累计流出的车流量。式(96)
用于确定干线路网时间段内累计滞留的车流量，越小，则干线路网车流速度越快，车流
延误越小，车流通行效率越高。
在本发明实施例中，构建如式(96)所示的信控优化目标，在确定干线协调控制方案时，考虑了非协调相位车流的通行效率。否则，由于非协调相位车流的滞留，干线路网时间段内累计滞留的车流量会比较大，并非最小。
综上所述，本发明实施例提供的干线协调优化模型的构建方法，通过构建主路带宽保障模型体现干线协调控制方案对于主路带宽的影响，通过将整体干线路网的车流滞留情况作为优化目标，并整合信号控制约束模型和主路带宽保障模型，使得最终获取的干线协调控制方案兼顾了对于干线路网的全局影响和主路带宽的影响，优化该干线协调优化模型所确定的协调控制方案的调控效果。
实施例2
本发明实施例提供了一种干线协调控制方案确定方法，该方法依靠实施例1提供的所述方法实现。图8是根据一示例性实施例示出的干线协调控制方案确定方法的流程图。如图8所示，所示方法包括：
步骤S801、获取干线路网的几何结构参数、道路控制参数和车流参数；
步骤S802、基于几何结构参数构建第二干线路网模型；
步骤S803、利用上述实施例1提供的干线协调优化模型的构建方法确定干线协调优化模型，基于第二干线路网模型、道路控制参数和车流参数，根据所述干线协调优化模型确定协调控制方案。
可选地，步骤S802构建第二干线路网模型的具体方式参见实施例1中第一干线路网模型的构建方式，此处不再赘述。
可选地，步骤S803采用GAMS求解器对干线协调优化模型进行求解。具体来说，步骤S803中包括：将信号控制优化目标满足设定条件时，根据信号控制约束模型和主路带宽保障模型求解获取的方案作为协调控制方案。其中，协调控制方案包括各个道路交通指示灯的配时方案，以调控各个道路的交通通行方式。
在本发明实施例2中，通过实施例1提供的干线协调优化模型确定干线协调控制方案。以此方式，所确定的干线协调控制方案兼顾了干线路网全局通行效率以及主路通行效率，解决了相关技术中干线协调控制方案调控效果不佳的缺陷。
本发明实施例2提供一个具体示例阐述干线协调控制方案的确定方法，具体以包含三个典型十字信号交叉口的干线网络为例（参见图2）。
步骤S801、获取干线路网的几何结构参数、道路控制参数和车流参数。
其中，获取干线路网的几何结构参数，具体包括：
结合图2所示，该干线路网包含三个典型十字信号交叉口，南北方向为主路方向，包含道路1、4、7、10、11、14、17和20，道路1、10、11和20的道路长度均为500米，道路4、7、14和17的道路长度均为600米，均包含四个车道，道路限速值均为60km/h；东西方向为支路方向，道路长度均为300米，包含道路2、3、5、6、8、9、12、13、15、16、18和19，均包含三个车道，道路限速值均为50km/h；三个交叉口的南北方向均包含4个进口车道，车道渠化方案均为1个左转车道、2个直行车道和1个直右车道，东西方向均包含3个进口车道，车道渠化方案均为1个左转车道、1个直行车道和1个直右车道。交叉口实线长度均为70米。
确定道路控制参数和车流参数，具体包括：
基于实地调查数据，确定干线路网主路各道路最大流量时的流量大小均为6400pcu/h，每车道道路通行能力为1600 pcu/h，车流密度均为143pcu/km，以及堵塞停车时的车流密度均为286 pcu/km；支路各道路最大流量时的流量大小均为4500pcu/h，每车道道路通行能力为1500pcu/h，车流密度均为114pcu/km，以及堵塞停车时的车流密度均为228pcu/km。进而确定主路各道路反向激波速度均为44.8km/h，辅助变量均为0.75，支路各道路反向激波速度均为39.5 km/h，辅助变量均为0.79。基于人工经验确定三个主道路的许可速度的上限值均为60km/h和下限值均为40km/h，三个主道路间协调速度变化的上限值均为10km/h和下限值均为5km/h。
进而，确定干线路网中每个交叉口的流量分布和信控参数。获取交叉口的流量分布具体包括：通过实地调查确定干线网络中各交叉口各转向车流量，确定如表1所示的交叉口流量分布。
确定信控参数，具体包括：基于人工经验确定该交叉口最大最小许可周期时长s，s，最大绿灯时长s，基于行人过街时间需求确定最小许可相位绿灯时长s。饱和流率可根据理论模型法、实测法和国家标准进行确定，本示例实施方式中，基于调查数据，确定主路各进口车道以及道路各车道饱和流率均为1600pcu/h，支路各进口车道以及道路各车道饱和流率均为1500pcu/h。基于人工经验确定当前上下行方向绿波带宽之和与最大值的相对差异的下限值和上限值分别为0和0.2。
步骤S802、基于上述获取的干线路网的几何结构参数构建第二干线路网模型。其中，第二干线路网模型的结构示意图参照图2，该第二干线路网的结构信息还可以采用列表形式表示，具体参照表2。表2中目标细胞对应的数值表示图2中所述目标细胞的标号。
表 2 干线路网几何结构
| 上游细胞1 | 上游细胞2 | 上游细胞3 | 当前细胞 | 下游细胞1 | 下游细胞2 | 当前细胞类型 | 上游细胞1 | 上游细胞2 | 上游细胞3 | 当前细胞 | 下游细胞1 | 下游细胞2 | 当前细胞类型 |
| - | - | 1 | 2 | - | O | - | - | - | 47 | 48 | - | O | |
| - | - | 1 | 2 | 3 | - | G | - | - | 47 | 48 | 49 | - | G |
| - | - | 2 | 3 | 4 | - | G | - | - | 48 | 49 | 50 | - | G |
| - | - | 3 | 4 | 5 | - | G | - | - | 49 | 50 | 51 | - | G |
| - | - | 4 | 5 | 6 | 7 | OD | - | - | 50 | 51 | 52 | 53 | OD |
| - | - | 5 | 6 | 15 | 8 | SD | - | - | 51 | 52 | 61 | 54 | SD |
| - | - | 5 | 7 | 84 | - | SD | - | - | 51 | 53 | 38 | - | SD |
| 83 | 89 | 6 | 8 | 9 | - | SM | 37 | 43 | 52 | 54 | 55 | - | SM |
| - | - | 8 | 9 | - | D | - | - | 54 | 55 | - | - | D | |
| - | - | 10 | 11 | - | O | - | - | - | 56 | 57 | - | O | |
| - | - | 10 | 11 | 12 | - | G | - | - | 56 | 57 | 58 | - | G |
| - | - | 11 | 12 | 13 | 14 | OD | - | - | 57 | 58 | 59 | 60 | OD |
| - | - | 12 | 13 | 84 | 15 | SD | - | - | 58 | 59 | 38 | 61 | SD |
| - | - | 12 | 14 | 91 | - | SD | - | - | 58 | 60 | 45 | - | SD |
| 90 | 6 | 13 | 15 | 16 | - | SM | 44 | 52 | 59 | 61 | 62 | - | SM |
| - | - | 15 | 16 | 17 | - | G | - | - | 61 | 62 | 63 | - | G |
| - | - | 16 | 17 | 18 | - | G | - | - | 62 | 63 | 64 | - | G |
| - | - | 17 | 18 | 19 | - | G | - | - | 63 | 64 | 65 | - | G |
| - | - | 18 | 19 | 20 | - | G | - | - | 64 | 65 | 66 | - | G |
| - | - | 19 | 20 | 21 | 22 | OD | - | - | 65 | 66 | 67 | 68 | OD |
| - | - | 20 | 21 | 30 | 23 | SD | - | - | 66 | 67 | 76 | 69 | SD |
| - | - | 20 | 22 | 69 | - | SD | - | - | 66 | 68 | 23 | - | SD |
| 68 | 74 | 21 | 23 | 24 | - | SM | 22 | 28 | 67 | 69 | 70 | - | SM |
| - | - | 23 | 24 | - | - | D | - | - | 69 | 70 | - | - | D |
| - | - | - | 25 | 26 | - | O | - | - | - | 71 | 72 | - | O |
| - | - | 25 | 26 | 27 | - | G | - | - | 71 | 72 | 73 | - | G |
| - | - | 26 | 27 | 28 | 29 | OD | - | - | 72 | 73 | 74 | 75 | OD |
| - | - | 27 | 28 | 69 | 30 | SD | - | - | 73 | 74 | 23 | 76 | SD |
| - | - | 27 | 29 | 76 | - | SD | - | - | 73 | 75 | 30 | - | SD |
| 75 | 21 | 28 | 30 | 31 | - | SM | 29 | 67 | 74 | 76 | 77 | - | SM |
| - | - | 30 | 31 | 32 | - | G | - | - | 76 | 77 | 78 | - | G |
| - | - | 31 | 32 | 33 | - | G | - | - | 77 | 78 | 79 | - | G |
| - | - | 32 | 33 | 34 | - | G | - | - | 78 | 79 | 80 | - | G |
| - | - | 33 | 34 | 35 | - | G | - | - | 79 | 80 | 81 | - | G |
| - | - | 34 | 35 | 36 | 37 | OD | - | - | 80 | 81 | 82 | 83 | OD |
| - | - | 35 | 36 | 45 | 38 | SD | - | - | 81 | 82 | 91 | 84 | SD |
| - | - | 35 | 37 | 54 | - | SD | - | - | 81 | 83 | 8 | - | SD |
| 53 | 59 | 36 | 38 | 39 | - | SM | 7 | 13 | 82 | 84 | 85 | - | SM |
| - | - | 38 | 39 | - | - | D | - | - | 84 | 85 | - | - | D |
| - | - | - | 40 | 41 | - | O | - | - | - | 86 | 87 | - | O |
| - | - | 40 | 41 | 42 | - | G | - | - | 86 | 87 | 88 | - | G |
| - | - | 41 | 42 | 43 | 44 | OD | - | - | 87 | 88 | 89 | 90 | OD |
| - | - | 42 | 43 | 54 | 45 | SD | - | - | 88 | 89 | 8 | 91 | SD |
| - | - | 42 | 44 | 61 | - | SD | - | - | 88 | 90 | 15 | - | SD |
| 60 | 36 | 43 | 45 | 46 | - | SM | 14 | 82 | 89 | 91 | 92 | - | SM |
| - | - | 45 | 46 | - | - | D | - | - | 91 | 92 | - | - | D |
表中，O表示起点细胞，D表示终点细胞，G表示普通细胞，SD表示信号分流细胞，SM表示信号合流细胞，OD表示非信号分流细胞。
步骤S803、利用上述实施例1提供的干线协调优化模型的构建方法确定干线协调优化模型，基于第二干线路网模型、道路控制参数和车流参数，根据所述干线协调优化模型确定协调控制方案。
具体来说，步骤S803采用以下方式实现。
第一部分、参数确定。
需要说明的是，此处确定的参数为基于干线协调优化模型进行求解时各个模型需要采用的参数。在实施例1中该部分结合到每个子模型构建过程中进行介绍。
利用六种不同类型细胞构建需要协调的干线路网几何结构模型，包括普通细胞、起点细胞、终点细胞、非信号分流细胞、信号分流细胞和信号合流细胞，具体构建过程如下：
基于人工经验确定细胞状态变化时间间隔为5秒，获取1小时干线路网上交通流运行状态的变化，因此，优化时域。
根据干线路网各道路限速值和细胞状态变化时间间隔确定各道路上细胞长度，因此，主路各细胞长度均为83m，支路各细胞长度均为69m。
根据干线路网各道路路段长度、交叉口进口区域长度和渠化方案、细胞长度以及各类型细胞设置原则，构建干线网络几何结构模型。道路1和11由1个起点细胞、1个左转信号分流细胞、1个直右信号分流细胞、1个非信号分流细胞和3个普通细胞组成；道路4、7、14和17由1个信号合流细胞、1个左转信号分流细胞、1个直右信号分流细胞、1个非信号分流细胞和4个普通细胞组成；道路3、6、9、13、15和18由1个起点细胞、1个左转信号分流细胞、1个直右信号分流细胞、1个非信号分流细胞和1个普通细胞组成；由于道路2、5、8、10、12、15、18和20为干线路网的驶出道路，且道路上车流的运行不受干线网络信控方案的影响，为便于模型求解，故均用1个信号合流细胞和1个终点细胞构建。构建主路道路的起点细胞、终点细胞、普通细胞、非信号分流细胞和信号合流细胞均包含4个车道，左转信号分流细胞包含1个车道，直右信号分流细胞包含3个车道。构建支路道路的起点细胞、终点细胞、普通细胞、非信号分流细胞和信号合流细胞均包含3个车道，左转信号分流细胞包含1个车道，直右信号分流细胞包含2个车道，如图2所示。
根据细胞长度、细胞所包含的车道数以及堵塞停车时每车道的车流密度，确定每个细胞所能容纳的最大车辆数。对于主路，堵塞
停车时每车道的车流密度，对于支路，堵塞停车时每车道的车
流密度。因此，主路道路上的起点细胞、终点细胞、普通细胞、非
信号分流细胞和信号合流细胞所能包含的最大车流量为23.7pcu，支路道路上的起点
细胞、终点细胞、普通细胞、非信号分流细胞和信号合流细胞所能包含的最大车流量为
15.7pcu。主路左转信号分流细胞的最大最小流出量为5.9pcu，直右信号分流细胞的最
大最小流出量为17.8pcu，支路左转信号分流细胞的最大最小流出量为5.2pcu，直
右信号分流细胞的最大最小流出量为10.5pcu。
根据细胞所包含的车道数以及每条车道饱和流率或道路通行能力，确定每个细胞的最大最小流出量或。因此，主路道路上的起点细胞、终点细胞、普通细胞、非信号分流细胞和信号合流细胞的最大最小流出量为6400pcu/h，支路道路上的起点细胞、终点细胞、普通细胞、非信号分流细胞和信号合流细胞的最大最小流出量为4500pcu/h。主路左转信号分流细胞的最大最小流出量为1600pcu/h，直右信号分流细胞的最大最小流出量为4800pcu/h，支路左转信号分流细胞的最大最小流出量为1500 pcu/h，直右信号分流细胞的最大最小流出量为3000pcu/h。
利用传统MAXBAND模型来获取最大的主路带宽，最大的主路带宽。
第二部分、方案求解。
采用GAMS求解器求解上述综合考虑主支路车流通行效率的干线协调优化模型，获
得以干线路网延误最小为目标且同时保障主路协调路径车流通行效率的干线信控协调方
案。其中，最优目标函数为1421.6，公共周期时长，主路上下行方向协调路径绿波
带宽之和为0.51。由此获取的配时方案（包括各交叉口相位绿灯时长、相位相序和相位
差）如表3所示。
实施例3
本发明实施例3提供了一种干线协调优化模型的获取装置。图9是根据一示例性实施例示出的干线协调优化模型的获取装置的框图。如图9所示，该装置包括：第一获取模块910、第一构建模块920、第二构建模块930和第二获取模块940。
第一获取模块910用于获取干线路网的几何结构参数、道路控制参数和车流参数。
第一构建模块920用于基于所述几何结构参数构建第一干线路网模型。
第二构建模块930用于基于所述干线路网模型，根据所述道路控制参数和所述车流参数构建信号控制约束模型、主路带宽保障模型和信号控制优化目标，所述信号控制优化目标表征所述干线路网在设定时长内滞留车流量。
第二获取模块940用于根据所述信号控制约束模型、主路带宽保障模型和信号控制优化目标获取所述干线协调优化模型。
本发明实施例3提供的干线协调优化模型的获取装置，通过构建主路带宽保障模型，体现干线协调控制方案对于主路带宽的影响，以确保最终确定的控制方案能够保障主路的通行效率。通过将整体干线路网的车流滞留情况作为优化目标，整合信号控制约束模型和主路带宽保障模型，使得最终确定的干线协调优化模型兼顾了对于干线路网的全局影响和主路带宽的影响，进而，优化该干线协调优化模型所确定出协调控制方案的调控效果。
在一个示例中，几何结构参数包括道路分布数据、道路几何数据和各个道路的车道结构数据；第一构建模块920包括第一确定单元和第二确定单元。
第一确定单元用于根据道路分布数据确定第一干线路网模型中的道路分布。
第二确定单元用于根据道路几何数据和车道结构数据确定第一干线路网模型中各个道路的细胞类型和分布情况。
在一个示例中，第二构建模块930包括第一构建单元和第二构建单元。
第一构建单元用于根据道路控制参数和车流参数，构建不同类型细胞的状态转移模型，状态转移模型用于表征协调控制方案对于干线路网中不同车道车流运行效率影响。
第二构建单元用于根据道路控制参数构建路网交叉口信号控制模型，路网交叉口信号控制模型用于表征协调控制方案对于路网交叉口的车流运行效率影响。
在一个示例中，细胞包括普通细胞、起点细胞、终点细胞、非信号分流细胞、信号分流细胞和信号合流细胞。
在一个示例中，路网交叉口信号控制模型包括信号分流细胞最大流入流出车流量子模型，第二构建单元具体用于：构建设定时刻最大流入流出车流量与道路控制参数的第一映射关系；根据道路控制参数确定信控约束条件。
在一个示例中，路网交叉口信号控制模型包括信号相序优化子模型，第二构建单元具体用于构建第一表达式，第一表达式用于基于道路控制参数确定交叉口处不同许可周期内冲突相位对中左转相位的绿灯起点与终点；构建第二表达式，第二表达式用于基于道路控制参数确定交叉口处不同许可周期内冲突相位对中直行相位的绿灯起点与终点，第一相位和第二相位的相位不同，冲突相位对是指分属交叉口相互对向两进口方向的左转与直行相位对。
在一个示例中，路网交叉口信号控制模型包括信控参数约束子模型，道路控制参数包括路网交叉口处许可周期，以及路网交叉口处不同相位道路的许可绿灯时长，第二构建单元具体用于确定许可周期的第一限定范围，以及许可绿灯时长的第二限定范围；构建NEMA相位结构中前后半环绿灯时长与许可周期和许可绿灯时长的映射关系。
在一个示例中，主路带宽保障模型包括带宽确定子模型，第二构建模块930具体用于构建主路上下行方向绿波带在相邻交叉口间的第一约束条件；确定主路上下行方向绿波带在各自协调相位绿灯时间的第三限定范围；确定主路上下行方向协调速度的第四限定范围，以及相邻道路的协调速度的第五限定范围。
在一个示例中，主路带宽保障模型包括带宽保障子模型，第二构建模块930具体用于：根据道路控制参数和车流参数获取最大主路带宽，主路上下行方向绿波带宽之和；基于主路上下行方向的绿波带宽之和最大主路带宽构建第二约束条件。
在一个示例中，主路带宽保障模型包括全路径车流通行效率耦合子模型，全路径车流通行效率耦合子模型用于耦合主路带宽保障模型和信号控制约束模型。
实施例4
本发明实施例4提供了一种干线协调控制方案获取装置。图10是根据一示例性实施例示出的干线协调控制方案获取装置的框图。如图10所示，所述装置包括：第三获取模块110、第三构建模块120和第四获取模块130。
第三获取模块110用于获取干线路网的几何结构参数、道路控制参数和车流参数；
第三构建模块120用于基于所述几何结构参数构建第二干线路网模型；
第四获取模块130用于采用实施例1所述的获取方法确定干线协调优化模型，基于所述第二干线路网模型、所述道路控制参数和所述车流参数，根据所述干线协调优化模型确定协调控制方案。
在本发明实施例4中，通过实施例1提供的干线协调优化模型确定干线协调控制方案。以此方式，所确定的干线协调控制方案兼顾了干线路网全局通行效率以及主路通行效率，解决了相关技术中干线协调控制方案调控效果不佳的缺陷。
实施例5
本发明实施例5提供了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时，实现实施例1中提供的干线协调优化模型的构建方法。
本发明实施例 5还提供了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时，实现实施例2中提供的干线协调控制方案获取方法。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1中干线协调优化模型的构建方法的步骤，或者，执行实施例2中提供的干线协调控制方案获取方法的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种干线协调优化模型的构建方法，其特征在于，所述方法包括：
获取干线路网的几何结构参数、道路控制参数和车流参数；
基于所述几何结构参数构建第一干线路网模型；
基于所述第一干线路网模型，根据所述道路控制参数和所述车流参数构建信号控制约束模型、主路带宽保障模型和信号控制优化目标，所述信号控制优化目标表征所述干线路网在设定时长内滞留车流量；
根据所述信号控制约束模型、主路带宽保障模型和信号控制优化目标获取所述干线协调优化模型。
2.根据权利要求1所述的构建方法，其特征在于，所述几何结构参数包括道路分布数据、道路几何数据和各个道路的车道结构数据；
所述基于所述几何结构参数构建所述第一干线路网模型，包括：
根据所述道路分布数据确定所述第一干线路网模型中的道路分布；
根据所述道路几何数据和所述车道结构数据确定所述第一干线路网模型中各个道路的细胞类型和分布情况。
3.根据权利要求2所述的构建方法，其特征在于，基于所述第一干线路网模型，根据所述道路控制参数和所述车流参数构建信号控制约束模型，包括：
根据所述道路控制参数和所述车流参数，构建不同类型所述细胞的状态转移模型，所述状态转移模型用于表征协调控制方案对于所述干线路网中不同车道车流运行效率影响；
根据所述道路控制参数构建路网交叉口信号控制模型，所述路网交叉口信号控制模型用于表征协调控制方案对于所述路网交叉口的车流运行效率影响。
4.根据权利要求3所述的构建方法，其特征在于，所述细胞包括普通细胞、起点细胞、终点细胞、非信号分流细胞、信号分流细胞和信号合流细胞。
5.根据权利要求4所述的构建方法，其特征在于，所述路网交叉口信号控制模型包括信号分流细胞最大流入流出车流量子模型，所述根据所述道路控制参数构建路网交叉口信号控制模型，包括：
构建设定时刻所述最大流入流出车流量与所述道路控制参数的第一映射关系；
根据所述道路控制参数确定信控约束条件。
6.根据权利要求4所述的构建方法，其特征在于，所述路网交叉口信号控制模型包括信号相序优化子模型，所述根据所述道路控制参数和所述车流参数构建路网交叉口信号控制模型，包括：
构建第一表达式，所述第一表达式用于基于所述道路控制参数确定所述交叉口处不同许可周期内冲突相位对中第一相位的绿灯起点与终点，所述冲突相位对包括交叉口处对向设置的进口方向左转相位和直行相位；
构建第二表达式，所述第二表达式用于基于所述道路控制参数确定所述交叉口处不同许可周期内冲突相位对中第二相位的绿灯起点与终点，所述第一相位和所述第二相位的相位不同。
7.根据权利要求4所述的构建方法，其特征在于，所述路网交叉口信号控制模型包括信控参数约束子模型，所述道路控制参数包括所述路网交叉口处许可周期，以及所述路网交叉口处不同相位道路的许可绿灯时长，所述根据所述道路控制参数构建路网交叉口信号控制模型，包括：
确定所述许可周期的第一限定范围，以及所述许可绿灯时长的第二限定范围；
构建NEMA相位结构中前后半环绿灯时长与所述许可周期和所述许可绿灯时长的映射关系。
8.根据权利要求2所述的构建方法，其特征在于，所述主路带宽保障模型包括带宽确定子模型，所述根据所述道路控制参数和所述车流参数构建主路带宽保障模型，包括：
构建主路上下行方向绿波带在相邻交叉口间的第一约束条件；
确定所述主路上下行方向绿波带在各自协调相位绿灯时间的第三限定范围；
确定所述主路上下行方向协调速度的第四限定范围，以及相邻道路的协调速度的第五限定范围。
9.根据权利要求2所述的构建方法，其特征在于，所述主路带宽保障模型包括带宽保障子模型，所述根据所述道路控制参数和所述车流参数构建主路带宽保障模型，包括：
根据所述道路控制参数和所述车流参数获取最大主路带宽，主路上下行方向绿波带宽之和；
基于所述主路上下行方向的绿波带宽之和所述最大主路带宽构建第二约束条件。
10.根据权利要求2所述的构建方法，其特征在于，所述主路带宽保障模型包括全路径车流通行效率耦合子模型，所述全路径车流通行效率耦合子模型用于耦合所述主路带宽保障模型和所述信号控制约束模型。
11.一种干线协调控制方案获取方法，其特征在于，所述方法包括：
获取干线路网的几何结构参数、道路控制参数和车流参数；
基于所述几何结构参数构建第二干线路网模型；
采用权利要求1~10中任一项所述的构建方法确定干线协调优化模型，基于所述第二干线路网模型、所述道路控制参数和所述车流参数，根据所述干线协调优化模型确定协调控制方案。
12.一种干线协调优化模型的获取装置，其特征在于，所述装置包括：
第一获取模块，用于获取干线路网的几何结构参数、道路控制参数和车流参数；
第一构建模块，用于基于所述几何结构参数构建第一干线路网模型；
第二构建模块，用于基于所述干线路网模型，根据所述道路控制参数和所述车流参数构建信号控制约束模型、主路带宽保障模型和信号控制优化目标，所述信号控制优化目标表征所述干线路网在设定时长内滞留车流量；
第二获取模块，用于根据所述信号控制约束模型、主路带宽保障模型和信号控制优化目标获取所述干线协调优化模型。
13.一种干线协调控制方案获取装置，其特征在于，所述装置包括：
第三获取模块，用于获取干线路网的几何结构参数、道路控制参数和车流参数；
第三构建模块，用于基于所述几何结构参数构建第二干线路网模型；
第四获取模块，用于采用权利要求1~10中任一项所述的构建方法确定干线协调优化模型，基于所述第二干线路网模型、所述道路控制参数和所述车流参数，根据所述干线协调优化模型确定协调控制方案。
14.一种计算机可读存储介质，其特征在于，其上存储有程序，所述程序被处理器执行时，实现权利要求1-10中任一项所述的干线协调优化模型的构建方法；或者，
所述程序被处理器执行时，实现权利要求11所述的干线协调控制方案获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310823368.7A CN116543562B (zh) | 2023-07-06 | 2023-07-06 | 干线协调优化模型的构建方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310823368.7A CN116543562B (zh) | 2023-07-06 | 2023-07-06 | 干线协调优化模型的构建方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116543562A true CN116543562A (zh) | 2023-08-04 |
| CN116543562B CN116543562B (zh) | 2023-11-14 |
Family
ID=87447533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310823368.7A Active CN116543562B (zh) | 2023-07-06 | 2023-07-06 | 干线协调优化模型的构建方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116543562B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2280383A1 (de) * | 2009-07-31 | 2011-02-02 | Siemens Aktiengesellschaft | Verfahren zur Ermittlung von Verkehrsinformationen für eine Straßenstrecke eines Straßennetzes sowie Verkehrsrechner zur Durchführung des Verfahrens |
| CN106530767A (zh) * | 2016-12-12 | 2017-03-22 | 东南大学 | 基于跟车法的干线信号协调优化方法 |
| CN109035767A (zh) * | 2018-07-13 | 2018-12-18 | 北京工业大学 | 一种考虑交通控制与诱导协同的潮汐车道优化方法 |
| CN111833620A (zh) * | 2020-06-17 | 2020-10-27 | 东南大学 | 一种过饱和交通状态干线单向信号协调设计方法与装置 |
| CN112037540A (zh) * | 2020-08-10 | 2020-12-04 | 东南大学 | 一种潮汐交通状态干线信号协调设计方法与装置 |
| CN112419758A (zh) * | 2020-11-05 | 2021-02-26 | 青岛海信网络科技股份有限公司 | 一种网络绿波协调方法和终端 |
| CN114973704A (zh) * | 2022-05-19 | 2022-08-30 | 浙江商汤科技开发有限公司 | 信号控制策略的生成方法及装置、设备、存储介质 |
| CN115394086A (zh) * | 2022-10-26 | 2022-11-25 | 北京闪马智建科技有限公司 | 交通参数的预测方法、装置、存储介质及电子装置 |
| KR20220169112A (ko) * | 2021-06-18 | 2022-12-27 | 한국건설기술연구원 | 지하도로네트워크 교통제어 방법 및 그 장치 |
| WO2023019771A1 (zh) * | 2021-08-17 | 2023-02-23 | 阿波罗智联(北京)科技有限公司 | 绿波协调控制方法, 装置, 电子设备和存储介质 |
-
2023
- 2023-07-06 CN CN202310823368.7A patent/CN116543562B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2280383A1 (de) * | 2009-07-31 | 2011-02-02 | Siemens Aktiengesellschaft | Verfahren zur Ermittlung von Verkehrsinformationen für eine Straßenstrecke eines Straßennetzes sowie Verkehrsrechner zur Durchführung des Verfahrens |
| CN106530767A (zh) * | 2016-12-12 | 2017-03-22 | 东南大学 | 基于跟车法的干线信号协调优化方法 |
| CN109035767A (zh) * | 2018-07-13 | 2018-12-18 | 北京工业大学 | 一种考虑交通控制与诱导协同的潮汐车道优化方法 |
| CN111833620A (zh) * | 2020-06-17 | 2020-10-27 | 东南大学 | 一种过饱和交通状态干线单向信号协调设计方法与装置 |
| CN112037540A (zh) * | 2020-08-10 | 2020-12-04 | 东南大学 | 一种潮汐交通状态干线信号协调设计方法与装置 |
| CN112419758A (zh) * | 2020-11-05 | 2021-02-26 | 青岛海信网络科技股份有限公司 | 一种网络绿波协调方法和终端 |
| KR20220169112A (ko) * | 2021-06-18 | 2022-12-27 | 한국건설기술연구원 | 지하도로네트워크 교통제어 방법 및 그 장치 |
| WO2023019771A1 (zh) * | 2021-08-17 | 2023-02-23 | 阿波罗智联(北京)科技有限公司 | 绿波协调控制方法, 装置, 电子设备和存储介质 |
| CN114973704A (zh) * | 2022-05-19 | 2022-08-30 | 浙江商汤科技开发有限公司 | 信号控制策略的生成方法及装置、设备、存储介质 |
| CN115394086A (zh) * | 2022-10-26 | 2022-11-25 | 北京闪马智建科技有限公司 | 交通参数的预测方法、装置、存储介质及电子装置 |
Non-Patent Citations (3)
| Title |
|---|
| 楼小明;钟文豪;李宗平;: "一种新的基于细胞模型车流模拟方法", 公路交通科技, no. 05, pages 107 - 115 * |
| 钟馥声 等: "城市元胞路网下自组织控制规则参数的整定", 哈尔滨工业大学学报, vol. 52, no. 9, pages 32 - 38 * |
| 钱国敏: "考虑车流通行效率的混行交叉口时空资源配置", 交通运输系统工程与信息, vol. 23, no. 2, pages 67 - 73 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116543562B (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108447278B (zh) | 一种面向潮汐交通的交叉口时空优化方法及系统 | |
| CN103578281B (zh) | 一种交通干线信号灯优化控制方法和装置 | |
| CN105513359B (zh) | 一种基于智能手机移动检测的城市快速路交通状态估计方法 | |
| CN108335496B (zh) | 一种城市级交通信号优化方法与系统 | |
| CN110136455A (zh) | 一种交通信号灯配时方法 | |
| CN101493991B (zh) | 基于传感器网络的交通状态获取方法及其装置 | |
| CN109902864B (zh) | 一种考虑网络配载均衡的施工区交通组织方案设计方法 | |
| CN102645228B (zh) | 一种车载导航系统通过性寻路算法 | |
| CN104157153B (zh) | 一种分离式左转车道设计及关联交叉口的路口渠化、信号相位和配时设置方法 | |
| CN103236164B (zh) | 一种保障公交车辆优先通行的车辆调控方法 | |
| CN107038864B (zh) | 一种交叉口进口导向车道设置合理性判别的方法 | |
| CN104318787B (zh) | 一种提高搭接相位交叉口空间资源利用效率的方法 | |
| CN103871256A (zh) | 一种利用出口道实现左转的交叉口通行控制方法 | |
| CN105225503A (zh) | 交通控制子区优化与自适应调整方法 | |
| CN101266718A (zh) | 基于路口组的交通流优化控制方法 | |
| CN102722988B (zh) | 一种实现道路交叉口车流控制的方法和装置 | |
| CN103236169B (zh) | 城市干线公交站间双向分段绿波信号设置方法 | |
| CN106952484B (zh) | 基于宏观基本图的路网门限控制 | |
| CN114373296B (zh) | 混行交叉口网联自动专用道布设方案评价方法和系统 | |
| CN105513417A (zh) | 一种基于交通状态的动态停车诱导方法 | |
| CN111091722A (zh) | 人机混合驾驶环境下交叉口信号控制参数的优化方法 | |
| CN109255949A (zh) | 城市快速路下匝道及其衔接交叉口时空资源优化设计方法 | |
| CN116543562B (zh) | 干线协调优化模型的构建方法和装置 | |
| Bretti et al. | An easy-to-use algorithm for simulating traffic flow on networks: Numerical experiments | |
| CN106504545B (zh) | 一种城市主干道的路段交通掉头控制方法 |
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 |