CN116824882A - 信号灯控制方法、装置、计算机设备及可读存储介质 - Google Patents
信号灯控制方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN116824882A CN116824882A CN202310790133.2A CN202310790133A CN116824882A CN 116824882 A CN116824882 A CN 116824882A CN 202310790133 A CN202310790133 A CN 202310790133A CN 116824882 A CN116824882 A CN 116824882A
- Authority
- CN
- China
- Prior art keywords
- phase
- traffic
- signal lamp
- minimum
- maximum pressure
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004364 calculation method Methods 0.000 claims abstract description 223
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 238000011217 control strategy Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 abstract description 29
- 238000004422 calculation algorithm Methods 0.000 abstract description 11
- 230000033001 locomotion Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 238000000819 phase cycle Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- DGOBMKYRQHEFGQ-UHFFFAOYSA-L acid green 5 Chemical compound [Na+].[Na+].C=1C=C(C(=C2C=CC(C=C2)=[N+](CC)CC=2C=C(C=CC=2)S([O-])(=O)=O)C=2C=CC(=CC=2)S([O-])(=O)=O)C=CC=1N(CC)CC1=CC=CC(S([O-])(=O)=O)=C1 DGOBMKYRQHEFGQ-UHFFFAOYSA-L 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- MFYSUUPKMDJYPF-UHFFFAOYSA-N 2-[(4-methyl-2-nitrophenyl)diazenyl]-3-oxo-n-phenylbutanamide Chemical compound C=1C=CC=CC=1NC(=O)C(C(=O)C)N=NC1=CC=C(C)C=C1[N+]([O-])=O MFYSUUPKMDJYPF-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- YOBAEOGBNPPUQV-UHFFFAOYSA-N iron;trihydrate Chemical compound O.O.O.[Fe].[Fe] YOBAEOGBNPPUQV-UHFFFAOYSA-N 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement 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
- 239000002243 precursor Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
Abstract
本申请涉及一种信号灯控制方法、装置、计算机设备及可读存储介质,包括:获取预设区域的路网数据和车辆数据;对路网数据和车辆数据进行数据划分处理,得到多个最小计算单元,其中,最小计算单元为一个交叉口及其关联的道路的位置信息;基于预设并行编程技术根据各最小计算单元建立多个最大压力计算线程;根据最大压力计算线程的计算结果,动态调整最小计算单元中交通信号灯的显示策略;根据全部目标显示策略生成预设区域内的交通信号灯控制策略。本申请以交叉口为最小计算单元,创建多个并行的最大压力计算线程,基于最大压力算法动态调整交通信号灯的显示策略,在提升交通信号灯仿真效率的同时,有效提升了信号灯仿真的真实度。
Description
技术领域
本申请涉及交通信号灯控制技术领域,特别是涉及一种信号灯控制方法、装置、计算机设备及可读存储介质。
背景技术
在城市交通模拟领域,信号灯的模拟仿真是交通管控、城市规划、交通安全领域的重要研究手段。相比于实地试验,现实观测具有可控性强、成本低、样本量大、信息全面的优点。然而,现有的交通模拟仿真技术更多关注小规模模拟中的准确率,难以在超大型城市下,对整个交通流的预测中取得良好效果,且运行效率有限,实效性差,难以满足对大规模城市进行交通仿真的需求。超大城市下的模拟仿真需要处理百万量级的数据,而提高交通流模拟的真实度往往会导致执行效率的成倍下降。
发明内容
基于此,有必要针对上述技术问题,提供一种能够有效提高交通信号灯仿真效率及真实度的信号灯控制方法、装置、计算机设备及可读存储介质。
第一方面,本申请提供了一种信号灯控制方法,所述方法包括:
获取预设区域的路网数据和车辆数据,其中,所述路网数据包括交叉口信息和道路信息,所述车辆数据包括导航信息和行驶信息;
对所述路网数据和所述车辆数据进行数据划分处理,以得到多个最小计算单元,其中,所述最小计算单元为一个交叉口及其关联的道路的位置信息;
根据各所述最小计算单元建立多个最大压力计算线程,其中,所述最大压力计算线程用于根据所述最小计算单元的路网数据和车辆数据计算所述交叉口各相位的压力;
根据所述最大压力计算线程的计算结果,动态调整所述最小计算单元中交通信号灯的显示策略;
根据各最小计算单元中交通信号灯的目标显示策略生成所述预设区域内的交通信号灯控制策略。
在其中一个实施例中,所述根据所述最大压力计算线程的计算结果,动态调整所述最小计算单元中交通信号灯的显示策略,包括:
按照压力从大到小的顺序排列所述最大压力计算线程的计算结果,得到最大压力所在相位;
判断当前时刻最小计算单元中交叉口的通行相位是否为所述最大压力所在相位;
若当前时刻最小计算单元中交叉口的通行相位为所述最大压力所在相位,将所述通行相位的交通信号灯显示时间调整为最大绿灯时间;
若当前时刻最小计算单元中交叉口的通行相位不为所述最大压力所在相位,将所述通行相位的交通信号灯显示时间调整为最小绿灯时间。
在其中一个实施例中,所述根据所述最大压力计算线程的计算结果,动态调整所述最小计算单元中交通信号灯的显示策略,还包括:
若当前时刻最小计算单元中交叉口的通行相位为最大压力所在相位,在所述通行相位的交通信号灯显示时间等于最大绿灯时间时,根据各相位的压力值以及相位通行等待时间确定待通行相位,控制所述通行相位的交通信号灯切换为黄灯显示,控制所述待通行相位的交通信号灯切换为绿灯显示;
若当前时刻最小计算单元中交通信号灯的通行相位不为所述最大压力所在相位,在所述通行相位的交通信号灯显示时间等于所述最小绿灯时间时,控制所述通行相位的交通信号灯切换为黄灯显示,控制所述最大压力所在相位的交通信号灯切换为绿灯显示。
在其中一个实施例中,所述根据所述最大压力计算线程的计算结果,动态调整所述最小计算单元中交通信号灯的显示策略,还包括:
根据相邻交叉口对应的多个最大压力计算线程的计算结果,动态调整所述相邻交叉口中任一交叉口对应的预设最小单元的交通信号灯的显示策略。
在其中一个实施例中,所述对所述路网数据和所述车辆数据进行数据划分处理,以得到多个最小计算单元后,所述方法还包括:
获取各最小计算单元在目标预测时间内的交通流量信息;
所述最大压力计算线程用于根据预设时间步长,分时间阶段根据所述最小计算单元的路网数据、车辆数据和对应的交通流量信息计算所述目标预测时间内所述交叉口各相位的压力;
根据各时间阶段所述最大压力计算线程的计算结果,动态调整对应时间阶段所述最小计算单元中交通信号灯的显示策略,以得到所述最小计算单元在所述目标预测时间内的目标显示策略。
在其中一个实施例中,所述获取各最小计算单元在目标预测时间内的交通流量信息之后,所述方法还包括:
根据预设时间步长将目标预测时间内的交通流量信息划分为对应各时间阶段的交通流量信息;
若当前时间阶段任一车辆处于所述最小计算单元的边界点,将所述车辆的相关信息分配至下一时间阶段的交通流量信息。
在其中一个实施例中,所述方法还包括:
根据前一时间阶段的路网数据和车辆数据,更新当前时间阶段的路网数据和车辆数据。
第二方面,本申请还提供了一种信号灯控制装置,所述装置包括:
数据获取模块,用于获取预设区域的路网数据和车辆数据,其中,所述路网数据包括交叉口信息和道路信息,所述车辆数据包括导航信息和行驶信息;
数据划分模块,用于对所述路网数据和所述车辆数据进行数据划分处理,以得到多个最小计算单元,其中,所述最小计算单元为一个交叉口及其关联的道路的位置信息;
压力计算模块,用于根据各所述最小计算单元建立多个最大压力计算线程,其中,所述最大压力计算线程用于根据所述最小计算单元的路网数据和车辆数据计算所述交叉口各相位的压力;
策略调整模块,用于根据所述最大压力计算线程的计算结果,动态调整所述最小计算单元中交通信号灯的显示策略;
策略生成模块,用于根据各最小计算单元中交通信号灯的目标显示策略生成所述预设区域内的交通信号灯控制策略。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的信号灯控制方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的信号灯控制方法的步骤。
上述信号灯控制方法、装置、计算机设备及可读存储介质,包括:获取预设区域的路网数据和车辆数据;对路网数据和车辆数据进行数据划分处理,以得到多个最小计算单元,其中,最小计算单元为一个交叉口及其关联的道路的位置信息;基于预设并行编程技术根据各最小计算单元建立多个最大压力计算线程;根据最大压力计算线程的计算结果,动态调整最小计算单元中交通信号灯的显示策略;根据全部目标显示策略生成预设区域内的交通信号灯控制策略。本申请以交叉口为最小计算单元,创建多个并行的最大压力计算线程,基于最大压力算法动态调整交通信号灯的显示策略,在提升交通信号灯仿真效率的同时,有效提升了信号灯仿真的真实度。
附图说明
图1为一个实施例中信号灯控制方法的流程示意图;
图2为一个实施例中动态调整最小计算单元中交通信号灯的显示策略的步骤流程示意图之一;
图3为一个实施例中动态调整最小计算单元中交通信号灯的显示策略的步骤流程示意图之二;
图4为另一个实施例中信号灯控制方法的流程示意图;
图5为一个实施例中信号灯控制装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
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。应当理解,此处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。
交通信号灯的控制是提高路网运输效率的关键技术。传统的交通研究缺乏对动态交通状况的适应能力。研究表明使用强化学习(Reinforcement Learning,简称RL)进行交通研究能够得到更有效的交通信号方案。然而,大多数基于RL的研究都是以启发式的方式设计关键要素(奖励和状态),这导致了信号灯控制系统对性能的高度敏感性,而复杂的状态定义增加了强化学习的时间。
在传统的多交叉口控制中,通常采用固定的绿灯开始时间间隔来实现主干道多个交叉口之间的信号协调。然而,不同方向的交通流受环境影响较大,通常是不规则变化的,因此不同方向的交通流通常不能同时得到优化。
为了解决这个问题,一些基于绿灯开始时间间隔的优化控制方法被提出,旨在最小化车辆在多个区间的行驶时间和/或停车次数。但是,这些方法仍然依赖于一些假设来简化交通状况,并且不能保证在现实世界中达到预期的效果。
本申请提出的最大压力控制方法不是优化绿灯开始时间,而是最大化排队网络的吞吐量(throughput),从而降低行驶时间。其中,每一交叉口的转弯运动都有一个单独的队列,此队列被称为排队网络。排队网络的吞吐量为在交叉口成功执行转弯运动的车辆数量。
本实施例中的信号灯控制方案,基于分散(decentralized)的RL代理节点来控制多交叉口系统中的交通信号,各代理节点可以在没有集中决策的情况下,根据相关交叉口及道路的车辆数据作出决策,使得本实施例中的信号灯控制方案具有更好的可扩展性和适用性。
在一个实施例中,如图1所示,提供了一种信号灯控制方法,包括以下步骤:
S101,获取预设区域的路网数据和车辆数据,其中,路网数据包括交叉口信息和道路信息,车辆数据包括导航信息和行驶信息;
具体的,本实施例中的预设区域可以为以区县或城市等大范围地域,预设区域的范围可以根据实际应用场景的需要进行自定义配置,本实施例对此不作限定。
本实施例可以通过大型互联网地图数据库或任意开源地图数据库,获取预设区域的路网数据和车辆数据,举例来说,可以通过OpenStreetMap获取预设区域的路网数据和车辆数据,本实施例不对路网数据的车辆数据的获取来源进行具体限定。
在具体实施例中,路网数据包括由车道组成的道路信息和交叉口信息等,其中,交叉口为两条或两条以上道路的交汇处。具体的,道路信息包括路段的长度、宽度、位置、限制最大速度、道路类型、前驱车道和后继车道等信息。其中,道路信息的位置为经纬度坐标,可以通过GPS或北斗等导航卫星进行获取。前驱车道为在交通驾驶法规允许下可以驶入当前车道的车道,后继车道为当前车道在交通驾驶法规允许下可以驶入的车道。交叉口信息包括交通信号灯和冲突点等信息,其中,冲突点为交叉口内,不同行驶方向的车流相互交叉形成的交汇点。
车辆数据包括导航信息、路网感知信息以及行驶信息等,其中,导航信息包括车辆使用导航过程中的路线规划、实时定位等信息,路网感知信息包括车辆所处道路以及车辆位置等信息,行驶信息包括初始速度、加速度、车长、车宽、车辆最大加速度、刹车加速度等与车辆行驶过程中相关的信息,需知的,不同类型的车辆的行驶信息可以不同。车辆数据作为独立的存储单元,不同车辆的车辆属性之间互不干扰,车辆根据导航在道路上开始行驶时对车辆进行仿真,在车辆导航结束后移除车辆。
在一个具体实施例中,本实施获取预设区域的路网数据和车辆数据包括实时路网数据、实时车辆数据以及仿真车辆数据。
其中,基于开源地图数据库获取实时路网数据;基于开源地图数据库以及导航软件获取实时车辆数据;基于实时路网数据和实时车辆数据对需要进行信号灯仿真试验的目标预测时间内的车辆数据进行预测,以得到仿真车辆数据。
在具体实施例中,仿真车辆数据的获取可以基于预设交通流量预测算法进行获取,本实施例对此不作具体限定。
S102,对路网数据和车辆数据进行数据划分处理,以得到多个最小计算单元,其中,最小计算单元为一个交叉口及其关联的道路的位置信息;
具体的,在获取路网数据和车辆数据后,对路网数据和车辆数据进行初始化处理,以得到基于地理位置划分的多份路网数据和车辆数据。在具体实施例中,也可以在获取路网数据和获取车辆数据的阶段,按照提前划分好的地理位置进行数据加载,从而得到基于地理位置划分的多份路网数据和车辆数据。举例来说,可以基于protobuf结构设计语言对路网数据和车辆数据进行数据划分。
其中,最小计算单元为按照地理位置划分的最小单元,每一最小计算单元中包括对应地理位置中的路网数据和车辆数据。其中,各最小计算单元均可以建立一个单独的最大压力计算线程。在部分实施例中,也可以根据多个最小计算单元建立一个最大压力计算线程,可以根据实际应用场景的需要进行自适应配置。
在实际应用过程中,本实施例通过以最小计算单元划分路网数据和车辆数据,可以最大程度减少单个计算节点需要处理的数据量,从而提升信号灯控制方案进行仿真计算的效率。
S103,根据各最小计算单元建立多个最大压力计算线程,其中,最大压力计算线程用于根据最小计算单元的路网数据和车辆数据计算交叉口各相位的压力;
具体的,每一交叉口对应一个控制器,该控制器用于根据相应的信号灯控制方案控制交通信号灯的显示策略。
在具体实施例中,本实施例采用消息传递接口(Massage Passing Interface,简称MPI)技术创建并行的最大压力计算线程。基于MPI技术创建的多个最大压力计算形成可以并行运行,同时根据多个交叉口的环境信息计算对应交叉口的交通压力,有效提升了仿真信号灯控制方案的效率。
其中,最大压力计算线程的数量与最小计算单元的数量相同时,一个最大压力计算线程对应一个最小计算单元。本实施例通过一个最小计算单元对应一个最大压力计算线程的方式,能够将最大压力控制分案细化至预设区域内的每一交叉口,从而最大化仿真信号灯控制方案的真实性。
在一些实施例中,最大压力计算线程的数量可以小于最小计算单元的数量,部分最大压力计算线程对应多个最小计算单元。本实施例通过对部分道路压力较小的区域进行集中仿真,能够有效节省计算资源,进一步提高仿真信号灯控制方案的效率。
具体的,最大压力计算线程用于根据预设的压力计算算法计算交叉口所有相位的压力。
举例来说,若将从车道l穿过交叉口i到车道m的交通运动表示为(,m),交通运动(,m)的运动信号表示为a(l,m),其中,运动信号包括绿灯允许通行的允许动向信号和红灯禁止通行的禁止动向信号,a(l,m)=1表示运动信号为允许动向信号,a(l,m)=1表示运动信号为禁止动向信号。交叉口中一个相位从绿灯切换为红灯再切换为绿灯的循环为一个控制阶段,将一个控制阶段表示为p={(l,m)|a(l,m)=1}。
交通运动(l,m)的压力可以通过以下公式进行计算:
其中,w(l,m)为交通运动(l,m)的压力,x(l)为车道l上的车辆数量,x(m)为车道m上的车辆数量,xmax(l)为车道l上允许承载的最大车辆数量,xmax(m)为车道m上允许承载的最大车辆数量,为车道l上的车辆密度,/>为车道m上的车辆密度。
交叉口i的压力可以通过以下公式进行计算:
其中,交叉口i的压力Pi为交叉口i内所有交通运动的绝对压力之和。
本实施例基于最小计算单元建立最大压力计算线程,能够将信号灯控制仿真细化至每一交叉口,从而实现效率和准确度的双重提升。
S104,根据最大压力计算线程的计算结果,动态调整最小计算单元中交通信号灯的显示策略;
具体的,在传统的信号灯控制方案中,对信号灯的显示控制都局限于静态的流量环境,与事实存在差异,在大规模数据的实验中准确率较低。例如定时相位控制方案和车辆驱动控制方案。其中,定时相位控制方案为根据预设的相位变换顺序,基于不同相位的车流量,人工调控每个相位的信号灯显示时长。车辆驱动控制方案为根据观察到的实时交通状况以及提前定义的匹配各类交通状况的限号灯显示规则,判断是否切换当前相位的信号灯显示。
本实施例基于最大压力控制方案,能够根据交叉口各个相位的压力情况,动态调整最小计算单元中交通信号灯的显示策略。举例来说,交叉口控制器可以优先调整交叉口所有相位中压力最大的相位的信号灯显示,以缓解该相位的车流压力,无需按照固定的信号灯切换顺序来调整每个相位的绿灯开始显示时间间隔。
在实际应用中,每一交叉口采用的相位划分逻辑不一定相同,适用于每一最小计算单元的动态调整方案可以根据实际应用场景中,交叉口采用的相位划分逻辑进行适应性配置,本实施例对此不作限定。
举例来说,若交叉口采用八相位的相位划分逻辑,那么交叉口控制器在感应条件下,可以输出八组控制信号优化信号灯的控制。此时该交叉口的动态调整测量将按照各相位的压力大小情况,在八组控制信号中进行跳转切换,以实现对该交叉口交通信号灯的显示优化,最大程度提升交叉口的网络吞吐量,并缓解该交叉口的压力。
在具体应用过程中,对于每个交叉口n,在每个相位对应的相位结束时刻需要进行相位切换决策,以确定下一个待控制的相位。相位结束时刻为绿灯结束时刻,也可以被称为控制决策时间kn。当交叉口n的时间进行到kn时,需要确认当前交叉口n处的最大压力所在相位。
在一种实施例中,通过公式确定kn时刻的最大压力所在相位。其中,kn表示控制决策时间,σmax(n)表示kn时刻的最大压力所在相位,/>表示当前交叉口一个周期的相位序列。具体的,相位序列根据预设的相位序列模式进行确定,举例来说,若相位序列为八相位序列,则根据东南西北进行划分,例如,将南-北和北-南确定为一个相位模式,将南-西和北-东确定为一个相位模式。
在一种实施例中,在控制决策时间,根据以下动态调整公式对当前通行相位进行动态调整:
其中Dn(kn)表示交叉口控制器的决策,σ*(kn)表示当前通行相位,延长1为将绿灯显示时间延长第一预设时间,第一预设时间可以设置为绿灯可延长时间的最大值。延长2为将绿灯显示时间延长第二预设时间,第二预设时间小于第一预设时间。为交叉口n当前通行相位的压力值,/>为交叉口n最大压力所在相位压力值,δ为预设百分比,当σmax(kn)≠σ*(kn)时,说明当前通行相位不为最大压力所在相位,此时判断和/>的压力值大小,若/>说明当前通行相位的压力值仍然较大,可继续对绿灯显示时间进行延长。如果说明当前通行相位的压力值较小,可以结束当前通行相位,并发送控制信号激活下一相位进行绿灯显示。
S105,根据各最小计算单元中交通信号灯的目标显示策略生成预设区域内的交通信号灯控制策略。
具体的,目标显示策略为经过动态调整步骤后最小计算单元中交通信号灯的理想显示策略。在一些实施例中,目标显示策略为最小计算单元中交通信号灯在目标预测时间内的理想显示策略。
根据全部最小计算单元输出的交通信号灯的目标显示策略,能够得到预设区域内全部交通信号灯的控制策略,从而实现对于大范围地区的交通信号灯仿真试验。
综上,本申请实施例提出了一种基于最大压力算法的信号灯控制方案,通过按照地理位置对于预设区域内的车辆数据和路网数据进行划分,并建立以最小计算单元为计算节点的多个最大压力计算线程,能够实现细化至每一交叉口的信号灯控制方案仿真,且本申请通过MPI技术建立并行的最大压力计算线程,能够有效提升计算效率,实现信号灯控制方案的快速仿真,最后,基于最大压力控制算法对交叉口的显示策略进行优化,能够最大程度降低路网的拥堵,实现大数据量处理情况下,更贴近真实情况的交通信号灯仿真。
在一个实施例中,如图2所示,S104,包括:
S201,按照压力从大到小的顺序排列最大压力计算线程的计算结果,得到最大压力所在相位;
S202,判断当前时刻最小计算单元中交叉口的通行相位是否为最大压力所在相位;
S203,若当前时刻最小计算单元中交叉口的通行相位为最大压力所在相位,将通行相位的交通信号灯显示时间调整为最大绿灯时间;
S204,若当前时刻最小计算单元中交叉口的通行相位不为最大压力所在相位,将通行相位的交通信号灯显示时间调整为最小绿灯时间。….
具体的,每一最大压力计算线程能够输出对应交叉口各相位的压力,对交叉口各相位的压力进行排序,可以得到对应交叉口的最大压力所在相位。
在对每一最小计算单元中的交通信号灯的显示策略进行动态调整过程中,可以根据当前时刻交叉口的通行相位以及各相位的压力情况对交通信号灯的控制信号进行优化。
在本实施例中,当前时刻的通行相位为当前时刻交叉口交通信号灯进行绿灯显示的控制信号对应的相位。
举例来说,若交叉口采用八相位的相位划分逻辑,相位1对应控制信号1,相位2对应控制信号2,相位3对应控制信号3,相位4对应控制信号4,相位5对应控制信号5,相位6对应控制信号6,相位7对应控制信号7,相位8对应控制信号8。若当前时刻的交通信号灯由控制信号3控制,则当前通行相位为相位3。
在实际应用场景中,交通信号灯的绿灯显示时长存在一定显示范围,最小绿灯显示时间为交通信号灯进行绿灯显示的最短时间,最大绿灯显示时间为交通信号灯进行绿灯显示的最长时间。需知的,最小绿灯显示时间和最大绿灯显示时间可以根据实际应用场景的需要进行自适应配置,此处不作具体限定。
在一个实施例中,若当前通行相位为相位3,最大压力所在相位为相位3,那么此时通行相位为最大压力所在相位,将相位3的绿灯显示时间延长调整至最大绿灯显示时间。
若当前通行相位为相位3,最大压力所在相位为相位5,那么此时通行相位不为最大压力所在相位,将相位3的绿灯显示时间缩短至最小绿灯显示时间。
需知的,在一些具体实施例中,若当前通行相位不为最大压力所在相位,但当前通行相位的压力为第二压力所在相位或第三压力所在相位,交叉口控制器同样可以根据当前通行相位的压力值进行绿灯显示时间的调整。例如当前通行相位为第二压力所在相位,正常绿灯显示时间30s,最大绿灯显示时间45s,最小绿灯显示时间15s,可以将当前通行相位的绿灯显示时间调整为40s。
在具体实施例中,调整交通信号灯的绿灯显示时间前,也可以根据预设的动态调整条件判断是否需要即时调整交通信号灯的绿灯显示时间。
举例来说,预设的动态调整条件可以为判断最大压力所在相位的压力值是否大于预设压力阈值,仅在最大压力所在相位的压力值大于预设压力阈值时,调整交通信号灯的绿灯显示时间。
预设的动态调整条件也可以为最大压力所在相位的持续时间,当最大压力所在相位在某一相位的持续时间超过预设时间阈值时,调整交通信号灯的绿灯显示时间。
在具体实施例中,预设动态调整条件可以根据实际应用场景的交通信号灯控制仿真需要进行自定义配置,此处不作限定。
本实施例中,通过获取交叉口各相位的压力值,并根据交叉口各相位的压力情况,对交通信号灯的各相位的绿灯显示时长进行调整,可以使得压力值更大的相位的网络吞吐量更大,从而优化交叉口的通行效率。
在一个实施例中,如图3所示,S104,还包括:
S205,若当前时刻最小计算单元中交叉口的通行相位为最大压力所在相位,在通行相位的交通信号灯显示时间等于最大绿灯时间时,根据各相位的压力值以及相位通行等待时间确定待通行相位,控制通行相位的交通信号灯切换为黄灯显示,控制待通行相位的交通信号灯切换为绿灯显示;
S206,若当前时刻最小计算单元中交通信号灯的通行相位不为最大压力所在相位,在通行相位的交通信号灯显示时间等于最小绿灯时间时,控制通行相位的交通信号灯切换为黄灯显示,控制最大压力所在相位的交通信号灯切换为绿灯显示。
在具体实施例中,交通信号灯进行红灯-黄灯-绿灯的显示切换模式按照实际应用场景的需要进行配置,本实施例中对此不作限定。
在本实施例中,交通信号灯由绿灯切换为黄灯后,会在预设时长后切换为红灯。
在实际应用场景中,本实施例可以优先将最大压力所在相位对应的控制信号调整为下一控制信号,从而实现最大压力所在相位优先通行的最大压力控制。
举例来说,若当前通行相位为相位3,最大压力所在相位为相位5,那么此时通行相位不为最大压力所在相位,在相位3的绿灯显示时间等于最小绿灯时间时,即相位3达到绿灯切换时刻时。
在实际应用场景中,本实施例还可以根据各相位的压力值以及相位通行等待时间确定待通行相位。具体实施逻辑可以为,按照各相位的压力值的大小顺序,排列各相位对应的控制信号的执行顺序,举例来说,若相位1、相位2、相位3和相位4的压力值顺序依次递减,则控制信号的执行顺序为控制信号1、控制信号2、控制信号3和控制信号4。若相位1为通行相位,则可以将相位2确定为待通行相位。
相位通行等待时间为相位在由通行状态转换为禁止通行状态后,尚未转换为通行状态的总时长。本实施例中的交叉口控制器实时检测各相位的相位通行等待时间,并对各相位的相位通行等待时间进行排序,按照各相位的相位通行等待时间的大小顺序,排列各相位对应的控制信号的执行顺序。举例来说,若相位1、相位2、相位3和相位4的相位通行等待时间依次递减,则控制信号的执行顺序为控制信号1、控制信号2、控制信号3和控制信号4。若相位1为通行相位,则可以将相位2确定为待通行相位。
需知的,基于压力值和相位通行等待时间确定待通行相位时,可以为两种判断逻辑设置对应的优先级,例如,压力值的判断优先级大于相位通行等待时间。本实施例不对压力值和相位通行等待时间的判断优先级进行具体限定,可以根据实际应用场景的需要进行自适应配置。
在一种实施例中,在根据相位通行等待时间确定待通行相位时,相位通行等待时间也可以基于预设等待时间阈值进行比对判断,当且仅当相位通行等待时间大于或等于预设等待时间阈值时,将对应相位确定为待通行相位。
举例来说,若当前通行相位为相位3,最大压力所在相位为相位3,那么此时通行相位为最大压力所在相位,此时相位2的相位通行等待时间超过预设等待阈值,将相位2确定为待通行相位。
本实施例基于最大压力控制算法动态调整最小计算单元中交通信号灯的显示策略,从而能够实现各交叉口压力最大相位优先通行的目的,有效提升了交叉口车辆的通行效率。
在其中一个实施例中,S104,还包括:
根据相邻交叉口对应的多个最大压力计算线程的计算结果,动态调整相邻交叉口中任一交叉口对应的预设最小单元的交通信号灯的显示策略。
在具体实施例中,由于最大压力算法会根据上一车道和下一车道的排队长度进行判断,因此,每个交叉口的信号灯更新都会影响相邻的其他信号灯的变化。
在实际应用过程中,本实施例中的相邻交叉口可以为不同最小计算单元的位置之间存在交汇或连接时,对应的最小计算单元的交叉口。需知的,确定相邻交叉口时,也可以根据两个交叉口对应的信号灯显示策略是否会相互影响进行确定,本实施例对此不作具体限定。
在本实施例的动态调整过程中,优先通行最大压力所在的相位,以增加交叉口排队网络的吞吐量,因此,相邻交叉口的控制器可以协同判断,并根据上述逻辑更新交通信号灯的显示策略,以使交通路网中每个路口的排队长度变小,提高交通通行效率。
在一个实施例中,如图4所示,在其中一个实施例中,对路网数据和车辆数据进行数据划分处理,以得到多个最小计算单元后,方法还包括:
S401,获取各最小计算单元在目标预测时间内的交通流量信息;
S402,最大压力计算线程用于根据预设时间步长,分时间阶段根据最小计算单元的路网数据、车辆数据和对应的交通流量信息计算目标预测时间内交叉口各相位的压力;
S403,根据各时间阶段最大压力计算线程的计算结果,动态调整对应时间阶段最小计算单元中交通信号灯的显示策略,以得到最小计算单元在目标预测时间内的目标显示策略。
在具体实施例中,交流流量信息包括道路上的车辆数量、道路承载的车辆密度以及交叉口各转弯路口的排队长度等信息。
目标预测时间为进行交通信号灯控制仿真的预设时间段,本实施例不对目标预测时间进行具体限定,可以根据实际应用场景的需要进行自适应配置。
在具体实施过程中,本实施例以各最小计算单元为基础,分别获取每一最小计算单元在目标预测时间内的交流流量信息、路网数据以及车辆数据。
最大压力计算线程在计算最小计算单元各相位的压力时,按照划分好的时间阶段进行相应的压力计算,以便于各最小计算单元的交叉口控制器能够根据各时间阶段的压力计算结果动态调整交通信号灯的显示策略。
预设时间步长的设置,可以基于不同交叉口中信号灯进行显示的一个完整阶段进行配置,完整阶段为绿灯-红灯-绿灯。需知的,预设时间步长的设置可以根据实际应用场景的需要进行自适应调整,本实施例对此不作限定。
在其中一个实施例中,获取各最小计算单元在目标预测时间内的交通流量信息之后,方法还包括:
根据预设时间步长将目标预测时间内的交通流量信息划分为对应各时间阶段的交通流量信息;
若当前时间阶段任一车辆处于最小计算单元的边界点,将车辆的相关信息分配至下一时间阶段的交通流量信息。
在具体实施例中,交流流量信息和车辆数据为预设区域内的动态交通信息,
本实施例基于预设交通流量预测算法、路网数据以及车辆数据,获取目标预测时间内的交流流量信息以及仿真车辆数据,并按照预设时间步长,将对应的交流流量信息以及仿真车辆数据划入对应的时间阶段。
在具体实施过程中,最小计算单元的边界点为道路位置信息的边界点,本实施例可以通过设置预设边界区域的方式确定每一最小计算单元的边界点,预设边界区域的设置可以根据实际应用场景的需要进行自适应设置,此处不作限定。
在进行交通流量信息的分配过程中,各并行的最大压力计算线程之间可以进行数据的传输,由于本实施例中每一最大压力计算线程均按照最小计算单元进行建立,因此,各最大压力计算线程之间仅需传输边界点位置的路网数据、车辆数据以及交流流量信息。另外本实施例基于MPI技术建立最大压力计算线程,若需要进行数据传输,可以基于MPI的gather功能实现数据的传输。
在本实施例中,由于最大压力计算线程只需要考虑每个交叉路口关联的部分区域位置的交通流量信息,无需获取全部路网数据的交流流量信息,可以有效减少不同最大压力计算线程之间需要进行数据传输的数据量,提升交通信号灯控制仿真的效率。
在其中一个实施例中,方法还包括:
根据前一时间阶段的路网数据和车辆数据,更新当前时间阶段的路网数据和车辆数据。
在具体实施例中,最大压力计算线程计算完前一时间阶段的交叉口各相位的压力结果后,对应最小计算单元的交叉口控制器可以针对前一时间阶段的交通流量信息、路网数据以及车辆数据,对交叉口的交通显示灯的显示策略进行动态调整。
在完成对前一时间阶段的交通信号灯的显示策略的动态调整步骤后,本实施例进一步根据前一时间阶段的车辆数据、路网数据、交通流量信息以及对应交叉口的交通信号灯的显示策略更新当前时间阶段的路网数据、车辆数据以及交通流量信息。
本实施例分时间阶段对每一最小计算单元的交叉口的信号灯的显示策略进行动态调整,并实时更新车辆数据和路网数据,能够有效提升交通信号灯控制仿真的真实性。
综上所述,本申请实施例提供了一种信号灯控制方法,采用MPI技术创建多个并行的最大压力计算线程,能够实现进程级的并行计算,快速处理大规模的交通路网数据,并生成优化的信号控制方案,提高交通路网的通行效率和安全性。同时,本申请实施例采用分布式技术对路网数据和车辆数据计算存储和计算,能够有效提高信号灯控制系统的可靠性和可扩展性。此外,本申请实施例采用最大压力控制算法,能够有效减少交通路网中每个路口的排队长度,从而缓解拥堵和提高交通通行效率。本发明还采用了基于物理位置的地图划分方案,使得数据传输量最小化,计算效率最大化。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的信号灯控制方法的信号灯控制装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个信号灯控制装置实施例中的具体限定可以参见上文中对于信号灯控制方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种信号灯控制装置500,包括:数据获取模块510、数据划分模块520、压力计算模块530、策略调整模块540和策略生成模块550,其中:
数据获取模块510,用于获取预设区域的路网数据和车辆数据,其中,路网数据包括交叉口信息和道路信息,车辆数据包括导航信息和行驶信息;
数据划分模块520,用于对路网数据和车辆数据进行数据划分处理,以得到多个最小计算单元,其中,最小计算单元为一个交叉口及其关联的道路的位置信息;
压力计算模块530,用于根据各最小计算单元建立多个最大压力计算线程,其中,最大压力计算线程用于根据最小计算单元的路网数据和车辆数据计算交叉口各相位的压力;
策略调整模块540,用于根据最大压力计算线程的计算结果,动态调整最小计算单元中交通信号灯的显示策略;
策略生成模块550,用于根据各最小计算单元中交通信号灯的目标显示策略生成预设区域内的交通信号灯控制策略。
在其中一个实施例中,策略调整模块540,具体用于按照压力从大到小的顺序排列最大压力计算线程的计算结果,得到最大压力所在相位;判断当前时刻最小计算单元中交叉口的通行相位是否为最大压力所在相位;若当前时刻最小计算单元中交叉口的通行相位为最大压力所在相位,将通行相位的交通信号灯显示时间调整为最大绿灯时间;若当前时刻最小计算单元中交叉口的通行相位不为最大压力所在相位,将通行相位的交通信号灯显示时间调整为最小绿灯时间。
在其中一个实施例中,策略调整模块540,具体用于若当前时刻最小计算单元中交叉口的通行相位为最大压力所在相位,在通行相位的交通信号灯显示时间等于最大绿灯时间时,根据各相位的压力值以及相位通行等待时间确定待通行相位,控制通行相位的交通信号灯切换为黄灯显示,控制待通行相位的交通信号灯切换为绿灯显示;
若当前时刻最小计算单元中交通信号灯的通行相位不为最大压力所在相位,在通行相位的交通信号灯显示时间等于最小绿灯时间时,控制通行相位的交通信号灯切换为黄灯显示,控制最大压力所在相位的交通信号灯切换为绿灯显示。
在其中一个实施例中,策略调整模块540,还用于根据相邻交叉口对应的多个最大压力计算线程的计算结果,动态调整相邻交叉口中任一交叉口对应的预设最小单元的交通信号灯的显示策略。
在其中一个实施例中,数据获取模块510,具体用于获取各最小计算单元在目标预测时间内的交通流量信息;
压力计算模块530,具体用于最大压力计算线程用于根据预设时间步长,分时间阶段根据最小计算单元的路网数据、车辆数据和对应的交通流量信息计算目标预测时间内交叉口各相位的压力;
策略调整模块540,具体用于根据各时间阶段最大压力计算线程的计算结果,动态调整对应时间阶段最小计算单元中交通信号灯的显示策略,以得到最小计算单元在目标预测时间内的目标显示策略。
在其中一个实施例中,数据获取模块510,具体用于根据预设时间步长将目标预测时间内的交通流量信息划分为对应各时间阶段的交通流量信息;
若当前时间阶段任一车辆处于最小计算单元的边界点,将车辆的相关信息分配至下一时间阶段的交通流量信息。
在其中一个实施例中,信号灯控制装置500,还包括:
数据更新模块,用于根据前一时间阶段的路网数据和车辆数据,更新当前时间阶段的路网数据和车辆数据。
综上,本实施例提供了一种信号灯控制装置,采用MPI技术创建多个并行的最大压力计算线程,能够实现进程级的并行计算,快速处理大规模的交通路网数据,并生成优化的信号控制方案,提高交通路网的通行效率和安全性。同时,本申请实施例采用分布式技术对路网数据和车辆数据计算存储和计算,能够有效提高信号灯控制系统的可靠性和可扩展性。此外,本申请实施例采用最大压力控制算法,能够有效减少交通路网中每个路口的排队长度,从而缓解拥堵和提高交通通行效率。本发明还采用了基于物理位置的地图划分方案,使得数据传输量最小化,计算效率最大化。
上述信号灯控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种信号灯控制方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现前述方法实施例中信号灯控制方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现前述方法实施例中信号灯控制方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上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本申请专利范围的限制。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,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种信号灯控制方法,其特征在于,所述方法包括:
获取预设区域的路网数据和车辆数据,其中,所述路网数据包括交叉口信息和道路信息,所述车辆数据包括导航信息和行驶信息;
对所述路网数据和所述车辆数据进行数据划分处理,以得到多个最小计算单元,其中,所述最小计算单元为一个交叉口及其关联的道路的位置信息;
基于预设并行编程技术根据各所述最小计算单元建立多个最大压力计算线程,其中,所述最大压力计算线程用于根据所述最小计算单元的路网数据和车辆数据计算所述交叉口各相位的压力;
根据所述最大压力计算线程的计算结果,动态调整所述最小计算单元中交通信号灯的显示策略;
根据各最小计算单元中交通信号灯的显示策略生成所述预设区域内的交通信号灯控制策略。
2.根据权利要求1所述的方法,其特征在于,所述根据所述最大压力计算线程的计算结果,动态调整所述最小计算单元中交通信号灯的显示策略,包括:
按照压力从大到小的顺序排列所述最大压力计算线程的计算结果,得到最大压力所在相位;
判断当前时刻最小计算单元中交叉口的通行相位是否为所述最大压力所在相位;
若当前时刻最小计算单元中交叉口的通行相位为所述最大压力所在相位,将所述通行相位的交通信号灯显示时间调整为最大绿灯时间;
若当前时刻最小计算单元中交叉口的通行相位不为所述最大压力所在相位,将所述通行相位的交通信号灯显示时间调整为最小绿灯时间。
3.根据权利要求2所述的方法,其特征在于,所述根据所述最大压力计算线程的计算结果,动态调整所述最小计算单元中交通信号灯的显示策略,还包括:
若当前时刻最小计算单元中交叉口的通行相位为最大压力所在相位,在所述通行相位的交通信号灯显示时间等于最大绿灯时间时,根据各相位的压力值以及相位通行等待时间确定待通行相位,控制所述通行相位的交通信号灯切换为黄灯显示,控制所述待通行相位的交通信号灯切换为绿灯显示;
若当前时刻最小计算单元中交通信号灯的通行相位不为所述最大压力所在相位,在所述通行相位的交通信号灯显示时间等于所述最小绿灯时间时,控制所述通行相位的交通信号灯切换为黄灯显示,控制所述最大压力所在相位的交通信号灯切换为绿灯显示。
4.根据权利要求1所述的方法,其特征在于,所述根据所述最大压力计算线程的计算结果,动态调整所述最小计算单元中交通信号灯的显示策略,还包括:
根据相邻交叉口对应的多个最大压力计算线程的计算结果,动态调整所述相邻交叉口中任一交叉口对应的预设最小单元的交通信号灯的显示策略。
5.根据权利要求1所述的方法,其特征在于,所述对所述路网数据和所述车辆数据进行数据划分处理,以得到多个最小计算单元后,所述方法还包括:
获取各最小计算单元在目标预测时间内的交通流量信息;
所述最大压力计算线程用于根据预设时间步长,分时间阶段根据所述最小计算单元的路网数据、车辆数据和对应的交通流量信息计算所述目标预测时间内所述交叉口各相位的压力;
根据各时间阶段所述最大压力计算线程的计算结果,动态调整对应时间阶段所述最小计算单元中交通信号灯的显示策略,以得到所述最小计算单元在所述目标预测时间内的目标显示策略。
6.根据权利要求5所述的方法,其特征在于,所述获取各最小计算单元在目标预测时间内的交通流量信息之后,所述方法还包括:
根据预设时间步长将目标预测时间内的交通流量信息划分为对应各时间阶段的交通流量信息;
若当前时间阶段任一车辆处于所述最小计算单元的边界点,将所述车辆的相关信息分配至下一时间阶段的交通流量信息。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据前一时间阶段的路网数据和车辆数据,更新当前时间阶段的路网数据和车辆数据。
8.一种信号灯控制装置,其特征在于,所述装置包括:
数据获取模块,用于获取预设区域的路网数据和车辆数据,其中,所述路网数据包括交叉口信息和道路信息,所述车辆数据包括导航信息和行驶信息;
数据划分模块,用于对所述路网数据和所述车辆数据进行数据划分处理,以得到多个最小计算单元,其中,所述最小计算单元为一个交叉口及其关联的道路的位置信息;
压力计算模块,用于基于预设并行编程技术根据各所述最小计算单元建立多个最大压力计算线程,其中,所述最大压力计算线程用于根据所述最小计算单元的路网数据和车辆数据计算所述交叉口各相位的压力;
策略调整模块,用于根据所述最大压力计算线程的计算结果,动态调整所述最小计算单元中交通信号灯的显示策略;
策略生成模块,用于根据各最小计算单元中交通信号灯的目标显示策略生成所述预设区域内的交通信号灯控制策略。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790133.2A CN116824882A (zh) | 2023-06-29 | 2023-06-29 | 信号灯控制方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790133.2A CN116824882A (zh) | 2023-06-29 | 2023-06-29 | 信号灯控制方法、装置、计算机设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116824882A true CN116824882A (zh) | 2023-09-29 |
Family
ID=88142571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310790133.2A Pending CN116824882A (zh) | 2023-06-29 | 2023-06-29 | 信号灯控制方法、装置、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116824882A (zh) |
-
2023
- 2023-06-29 CN CN202310790133.2A patent/CN116824882A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jin et al. | Hierarchical multi-agent control of traffic lights based on collective learning | |
CN109215355A (zh) | 一种基于深度强化学习的单点交叉口信号配时优化方法 | |
Shabestary et al. | Deep learning vs. discrete reinforcement learning for adaptive traffic signal control | |
Jin et al. | A group-based traffic signal control with adaptive learning ability | |
Li et al. | Adaptive traffic signal control model on intersections based on deep reinforcement learning | |
Mannion et al. | Parallel reinforcement learning for traffic signal control | |
CN113257016A (zh) | 一种交通信号控制方法、装置以及可读存储介质 | |
CN113415288B (zh) | 分段式纵向车速规划方法、装置、设备及存储介质 | |
CN113377030B (zh) | 一种路口信号控制模型的确定方法和相关装置 | |
KR20120027930A (ko) | 유전자 알고리즘을 이용한 이동객체의 최적경로 생성 시스템 | |
CN113780624A (zh) | 一种基于博弈均衡理论的城市路网信号协调控制方法 | |
CN111223296B (zh) | 信号灯的控制方法、装置、计算机设备和存储介质 | |
Song et al. | Traffic signal control under mixed traffic with connected and automated vehicles: a transfer-based deep reinforcement learning approach | |
CN113724507B (zh) | 基于深度强化学习的交通控制与车辆诱导协同方法和系统 | |
US11585667B2 (en) | Systems and methods for simulating edge-computing deployment in diverse terrains | |
Zhu et al. | MTLight: Efficient multi-task reinforcement learning for traffic signal control | |
CN115526069B (zh) | 仿真驾驶场景生成方法、装置、设备和计算机可读介质 | |
CN116824882A (zh) | 信号灯控制方法、装置、计算机设备及可读存储介质 | |
CN113870588B (zh) | 一种基于深度q网络的交通灯控制方法、终端及存储介质 | |
Luo et al. | AlphaRoute: Large-scale coordinated route planning via monte carlo tree search | |
CN115366919A (zh) | 一种轨迹预测方法、系统、电子设备及存储介质 | |
Jiang et al. | A General Scenario-Agnostic Reinforcement Learning for Traffic Signal Control | |
Su et al. | A graph attention mechanism based multi-agent reinforcement learning method for efficient traffic light control | |
Razack et al. | A Deep reinforcement learning approach to traffic signal control | |
Paul et al. | Deep reinforcement learning based cooperative control of traffic signal for multi‐intersection network in intelligent transportation system using edge computing |
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 |