CN103794065A - 一种主动式的城市道路区域信号配时参数协同优化方法 - Google Patents
一种主动式的城市道路区域信号配时参数协同优化方法 Download PDFInfo
- Publication number
- CN103794065A CN103794065A CN201410035986.6A CN201410035986A CN103794065A CN 103794065 A CN103794065 A CN 103794065A CN 201410035986 A CN201410035986 A CN 201410035986A CN 103794065 A CN103794065 A CN 103794065A
- Authority
- CN
- China
- Prior art keywords
- crossing
- traffic
- carrying capacity
- transport need
- traffic carrying
- 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 65
- 238000005457 optimization Methods 0.000 title claims abstract description 42
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000000819 phase cycle Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 241001417517 Scatophagidae Species 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 229940127052 Hicon Drugs 0.000 description 1
- 241001274197 Scatophagus argus Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- FVAUCKIRQBBSSJ-LAIFMVDKSA-M sodium;iodine-131(1-) Chemical compound [Na+].[131I-] FVAUCKIRQBBSSJ-LAIFMVDKSA-M 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种主动式的城市道路区域信号配时参数协同优化方法,通过循环迭代过程,确定路网关键交叉口及其上游关联交叉口的交通需求控制量,进而实现了区域范围内交叉口信号配时参数的协同优化。该方法可将路网局部范围内的过量交通需求提前分散至上游关联交叉口,有效克服了现有区域路网交通信号协同优化方法仅能被动适应交通需求无法主动调节路网交通需求分布,以及优化求解过程中全局和局部最优兼容性不足、求解复杂度高和优化目标不合理等弊端,可有效发挥交通信号控制***在提升城市道路交通***的运行效率,主动缓解城市交通拥堵的重要作用,方法具有较高的实时性、适用性和可操作性特点。
Description
技术领域
本发明涉及智能交通信号控制技术领域,具体涉及一种主动式的城市道路区域交通信号配时参数协同优化方法。
背景技术
智能化的交通信号优化控制是缓解城市道路交通拥堵,提高城市交通***运行效率的重要手段。目前,国内外已成功研发了一系列自适应交通信号控制***,如英国的SCOOT***,澳大利亚的SCAT***,法国的CRONOS***,美国的RHODES***、OPAC***、ACS Lite***,我国的HiCon***等,并取得了较为良好的应用效益。
就交通信号优化控制的机理而言,可分为两大层次,分别为网络层(包括干线和区域)和单点层,网络层的优化结果是单点层进行优化的基本约束条件。网络层一般以包含若干交叉口的子***(或子区域)为基本控制单元,主要处理干线和区域范围内信号交叉口的协同控制问题,可实现较长控制时段内信号周期、绿时和相位差参数的优化;单点层以单个交叉口为基本控制单元,主要处理在个别周期范围内由交通流局部波动引起的负面影响,通常采用绿时延长、绿时早断、相序调整等方法来实现信号控制方案的局部优化调整。
实践表明,在轻量交通下,仅采用单点层面的局部优化即可取得较好的优化控制效益,随着交通需求的进一步增长,网络层面的协同优化就显得尤为重要。在当前的工程应用领域中,网络协同优化方法主要可分为两类:
一类是以SCATS、SCOOT等***为代表的方法,通过把控制区域分解为不同的控制子区,以控制子区内的交通运行性能指标(如延误、排队长度、饱和度等)为依据,采用小步长调整的方式对信号周期、绿时、相位差进行小幅度的优化,如SCOOT***的基本调整时长为4秒,SCATS***的周期最大调整量时长为21秒,此类方法已被证实在交通拥堵条件下,特别是过饱和状况下,难以达到良好的优化控制效果,究其原因主要在于信号控制滞后于交通状况的变化,属于先发现后处置的模式,因而导致***仅能被动适应路网交通状况的变化。
另一类是以RHODES、OPAC等***为代表的方法,为了克服交通信号控制***的滞后性问题,以及提升***的自适应性能,此类方法采用了预测+滚动优化的思想,通过选取一定的优化目标(如车辆延误最小、区域车辆排队最小、区域通过能力最大等),并在预测时间轴上实现小间隔离散时间单元的滚动优化。尽管具有较为精细的理论方法作为支撑,但是此类方法在工程实践中仍存在较大的局限性,具体表现:(1)此类方法往往需要构建较为复杂的交通流模型,用于对未来交通运行模式的预测和优化过程的反馈评估,因而当模型存在较大的累计误差或者数据质量不高时,***运行的稳定性和可靠性将难以得到保障;(2)采用全局目标求解最优化问题的过程中,全局最优和局部最优之间往往存在不同程度的矛盾和冲突,优化结果的合理性有待进一步考虑,何况由于存在大量的变量和约束条件,优化求解过程的高复杂度不仅导致了最优解的求解困难,而且也需要耗费大量的计算时间,导致***的适用性大打折扣;(3)交通拥堵状况下,当采用车辆延误、排队长度最小等性能指标作为优化目标时,往往难以完全保障区域路网可以获得最大通过量和最大通行效率的理想控制效果。
发明内容
针对现有区域路网交通信号协同优化方法仅能被动适应交通需求无法主动调节路网交通需求分布,以及优化求解过程中全局和局部最优兼容性不足、求解复杂度高和优化目标不合理等弊端,本发明提出了一种主动式的城市道路区域交通信号配时参数协同优化方法。该方法以交通需求主动控制为基本思想,基于交通需求的预测,以维持上游交叉***通需求传递量与下游交叉***通承载量之间的平衡关系为目标,通过循环迭代过程,确定路网关键交叉口及其上游关联交叉口的交通需求控制量,进而实现了区域范围内交叉口信号配时参数(周期长和绿时长)的协同优化。
本发明采取以下技术方案:
一种主动式的城市道路区域交通信号配时参数协同优化方法,所述方法包括如下步骤:
1)确定区域信号优化控制范围,构建交叉口数据存储结构,以进口道为储存单元,存储的主要数据包括各流向预测交通需求、各流向交通承载能力、进口道交通承载能力和需求控制识别码;
2)预测下一优化控制时段各交叉口进口道断面交通需求,根据流向需求比例计算进口道各流向预测交通需求,并更新至交叉口数据存储结构;
3)判别区域内的关键交叉口,生成初始关键交叉口集:
3-1)计算各交叉口各流向的交通承载能力;
3-2)若交叉口存在某一流向预测交通需求大于其交通承载能力,则认为该交叉口为关键交叉口,并计入关键交叉口集,包含该流向的进口道应进行需求控制,需求控制识别码更新为TRUE;
3-3)根据流向需求比例,调整进口道及其包含流向的交通承载能力,并更新至交叉口数据存储结构;
4)若关键交叉口集不为空,则转入步骤5),否则,转入步骤6);
5)基于关键交叉口的交通承载能力,通过循环迭代过程,确定关键交叉口上游关联交叉口的交通需求控制量:
5-1)获取关键交叉口集;
5-2)若关键交叉口进口道需求控制识别码为TRUE,则计算其上游相邻交叉口的最大交通需求释放量,重置该进口需求控制识别码为FALSE,转入步骤5-3),否则,重复该过程,直至所有关键交叉口的进口道均处理完成,转入步骤5-5);
5-3)若上游相邻交叉口关联流向的预测交通需求总和大于最大交通需求释放量,则按一定的权重比例分配最大交通需求释放量,作为上游交叉口关联流向的交通承载能力,将上游相邻交叉口视为新的关键交叉口,加入新的关键交叉口集,转入步骤5-4);
5-4)若上游交叉口关联流向预测交通需求大于其交通承载能力,则包含该流向的进口道应进行需求控制,需求控制识别码更新为TRUE,根据流向需求比例,调整进口道及其包含流向的交通承载能力,并更新至交叉口数据存储结构,返回步骤5-2),处理下一进口道;
5-5)获得新的关键交叉口集,若新的关键交叉口为空或关键交叉口均处于优化控制区域边界,则转入步骤6),否则返回步骤5-1),进行迭代处理;
6)计算生成区域交叉口信号配时优化参数。
发明内容还包括:
步骤1)中,
区域信号优化控制范围内的交叉口和路段应具备连通关系,该区域范围可根据不同的应用需求任意确定,或根据历史或实时的交通运行模式计算生成;
各流向交通承载能力的初始值等于各流向预测交通需求值;
需求传递识别码为一个指示参数,取值为TRUE和FALSE,初始赋值均为FALSE;
步骤2)中,
优化控制时段一般取15分钟,也就是每15分钟对各交叉口的信号配时参数进行一次优化;
进口道断面交通需求预测方法具有较大的可选择性,不局限于单一某类方法,但需要满足一定的实时性和准确性要求,一般来说,完成所有进口道断面交通需求预测的时间延迟应小于1秒,准确性应高于85%;
流向需求比例为进口道包含流向的交通需求比值,其总和为1,该比例值可采用历史先验值,或根据实时的交通运行模式计算生成;
进口道各流向预测交通需求为进口道断面预测交通需求与各流向需求比例的乘积;
步骤3-1)中,
各流向交通承载能力与各流向交通需求、流向饱和流率、最大饱和度阈值、最大周期、最大绿时、车辆排队溢流风险、驾驶员容忍度、行人过街等因素有关,一般情况下,可采用最大周期和最大饱和度阈值条件下可通过的最大交通需求作为交通承载能力;
步骤3-3)中,
调整交通承载能力的对象为进行需求控制的进口道及其包含流向,调整后的各流向交通承载能力满足以下两个条件:
a)各流向交通承载能力比例与流向需求比例一致,
b)调整后的交通承载能力不超过未调整前的值;
步骤5-2)中,
上游相邻交叉口最大交通需求释放量满足与下游进口道交通承载能力、路段出入***通需求产生和吸引量之间的守恒关系,当已知进口道交通承载能力的情况下,通常可采用一个关联系数表示下游进口道交通承载能力与上游相邻交叉口最大交通需求释放量之间的关系,该关联系数可采用历史先验值,或根据实时的交通运行模式计算生成;
步骤5-3)中,
权重比例可采用先验值,或根据相邻交叉口之间的交通运行模式、特定的交通控制策略等条件计算确定;
步骤6)中,
信号配时参数主要指信号周期、绿时时长两类参数;
计算交叉口信号配时优化参数的输入数据为各流向交通承载能力值,通常可依据交叉口的信号控制方案设计相序,在满足最大周期、最小周期和最小绿时的条件下,采用通用的信号配时参数计算方法求得。
本发明采用上述技术方案,具有以下有益效果:
本发明提出方法可将路网局部范围内的过量交通需求提前分散至上游关联交叉口,有效克服了现有区域路网交通信号协同优化方法仅能被动适应交通需求无法主动调节路网交通需求分布,以及优化求解过程中全局和局部最优兼容性不足、求解复杂度高和优化目标不合理等弊端,可有效发挥交通信号控制***在提升城市道路交通***的运行效率,主动缓解城市交通拥堵的重要作用,方法具有较高的实时性、适用性和可操作性特点,对于建设城市道路交通信号控制优化***,提高城市交通管控水平具有积极的意义。
附图说明
图1为主动式的城市道路区域信号配时参数优化方法的流程图;
图2为实施例的区域信号优化控制路网示意图;
图3为实施例确定关键交叉口及其上游关联交叉***通需求控制量的迭代过程示意图;
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
图1所示为一种主动式的城市道路区域信号配时参数优化方法的流程图,具体实施方式如下:
1)确定区域信号优化控制范围,构建交叉口数据存储结构,以进口道为储存单元,存储的主要数据包括各流向预测交通需求、各流向交通承载能力、进口道交通承载能力和需求控制识别码。其中,区域信号优化控制范围内的交叉口和路段应具备连通关系,该区域范围可根据不同的应用需求任意确定,或根据历史或实时的交通运行模式计算生成;各流向交通承载能力的初始值等于各流向预测交通需求值;需求传递识别码为一个指示参数,取值为TRUE和FALSE,初始赋值均为FALSE。
2)预测下一优化控制时段各交叉口进口道断面交通需求,根据流向需求比例计算进口道各流向预测交通需求,并更新至交叉口数据存储结构。其中,优化控制时段一般取15分钟,也就是每15分钟对各交叉口的信号配时参数进行一次优化;进口道断面交通需求预测方法具有较大的可选择性,不局限于单一某类方法,但需要满足一定的实时性和准确性要求,一般来说,完成所有进口道断面交通需求预测的时间延迟应小于1秒,准确性应高于85%;流向需求比例为进口道包含流向的交通需求比值,其总和为1,该比例值可采用历史先验值,或根据实时的交通运行模式计算生成;进口道各流向预测交通需求为进口道断面预测交通需求与各流向需求比例的乘积。
3)判别区域内的关键交叉口,生成初始关键交叉口集,具体实施方式如下。
3-1)计算各交叉口各流向的交通承载能力。各流向交通承载能力与各流向交通需求、流向饱和流率、最大饱和度阈值、最大周期、最大绿时、车辆排队溢流风险、驾驶员容忍度、行人过街等因素有关,一般情况下,可采用最大周期和最大饱和度阈值条件下可通过的最大交通需求作为交通承载能力。
3-2)若交叉口存在某一流向预测交通需求大于其交通承载能力,则认为该交叉口为关键交叉口,并计入关键交叉口集,包含该流向的进口道应进行需求控制,需求控制识别码更新为TRUE。
3-3)根据流向需求比例,调整进口道及其包含流向的交通承载能力,并更新至交叉口数据存储结构。调整交通承载能力的对象为进行需求控制的进口道及其包含流向,调整后的各流向交通承载能力满足以下两个条件:a)各流向交通承载能力比例与流向需求比例一致,b)调整后的交通承载能力不超过未调整前的值。
4)若关键交叉口集不为空,则转入步骤5),否则,转入步骤6);
5)基于关键交叉口的交通承载能力,通过循环迭代过程,确定关键交叉口上游关联交叉口的交通需求控制量,具体实施方式如下。
5-1)获取关键交叉口集。
5-2)若关键交叉口进口道需求控制识别码为TRUE,则计算其上游相邻交叉口的最大交通需求释放量,重置该进口需求控制识别码为FALSE,转入步骤5-3),否则,重复该过程,直至所有关键交叉口的进口道均处理完成,转入步骤5-5)。其中,上游相邻交叉口最大交通需求释放量满足与下游进口道交通承载能力、路段出入***通需求产生和吸引量之间的守恒关系,当已知进口道交通承载能力的情况下,通常可采用一个关联系数表示下游进口道交通承载能力与上游相邻交叉口最大交通需求释放量之间的关系,该关联系数可采用历史先验值,或根据实时的交通运行模式计算生成。
5-3)若上游相邻交叉口关联流向的预测交通需求总和大于最大交通需求释放量,则按一定的权重比例分配最大交通需求释放量,作为上游交叉口关联流向的交通承载能力,将上游相邻交叉口视为新的关键交叉口,加入新的关键交叉口集,转入步骤5-4)。其中,权重比例可采用先验值,或根据相邻交叉口之间的交通运行模式、特定的交通控制策略等条件计算确定。
5-4)若上游交叉口关联流向预测交通需求大于其交通承载能力,则包含该流向的进口道应进行需求控制,需求控制识别码更新为TRUE,根据流向需求比例,调整进口道及其包含流向的交通承载能力,并更新至交叉口数据存储结构,返回步骤5-2),处理下一进口道。
5-5)获得新的关键交叉口集,若新的关键交叉口为空或关键交叉口均处于优化控制区域边界,则转入步骤6),否则返回步骤5-1),进行迭代处理。
6)计算生成区域交叉口信号配时优化参数。其中,信号配时参数主要指信号周期、绿时时长两类参数;计算交叉口信号配时优化参数的输入数据为各流向交通承载能力值,通常可依据交叉口的信号控制方案设计相序,在满足最大周期、最小周期和最小绿时的条件下,采用通用的信号配时参数计算方法求得。
本实施例的具体条件和计算方法如下。
(1)区域信号优化控制范围包含25个交叉口和10条路线,各路线分别以1至10的数字编号表示,交叉口分别以相交路线编码组合表示;路线3和路线6为双向4车道道路,其余路线均为双向2车道道路,如图2所示。
(2)路网交叉口仅允许南北和东西直行流向通行,信号控制方案的设计相序仅包含南北放行和东西放行两个阶段。
(3)各流向预测交通需求为已知值,如表1所示。
表1各流向预测交通需求表
(4)下游进口道交通承载能力与上游相邻交叉口最大交通需求释放量之间的关联系数为1。
(5)信号配时参数的计算方法采用美国公路通行能力手册(HighwayCapacity Manual,HCM)的推荐公式,具体配置参数如表2所示,周期时长、绿时时长应满足最大周期、最小周期及最小绿时长约束。特别的,各流向交通承载能力的计算公式说明如下:
其中,为流向m的最大交通承载能力,sm为流向m的饱和流率,xmax为最大饱和度阈值,Cmax为最大周期,为流向m的最大绿时,ym为流向m的流率比,Σym为交叉口所有流向的流率比之和,L为损失时间,vm为流向m的预测交通需求。
表2配置参数表
配置参数名称 | 取值 | 配置参数名称 | 取值 |
最大饱和度 | 0.85 | 阶段最小绿时 | 15秒 |
最大周期 | 150秒 | 阶段损失时间 | 6秒 |
最小周期 | 60秒 | 单车道饱和流率 | 1600辆/小时 |
本实施例生成的初始关键交叉口集及各流向交通承载能力如表3所示。
表3初始关键交叉口集及各流向交通承载能力
本实施例通过4步迭代计算,确定了关键交叉口及其上游关联交叉口的交通需求控制量,前三步循环迭代过程如图3所示,相应的中间计算结果如表4、表5、表6所示,*表示交通承载能力的变化。
表4第一步迭代后的关键交叉口集及各流向交通承载能力
表5第二步迭代后的关键交叉口集及各流向交通承载能力
表6第三步迭代后的关键交叉口集及各流向交通承载能力
本实施例的计算结果如表7所示,表中分别列举了的在控制交通需求(本发明方法)和不控制交通需求(HCM方法)条件下不同的计算结果,其中,HCM方法直接采用了预测交通需求作为输入数据。
表7本发明方法和HCM方法的计算结果
Claims (8)
1.一种主动式的城市道路区域信号配时参数协同优化方法,其特征在于,所述方法包括如下步骤:
1)确定区域信号优化控制范围,构建交叉口数据存储结构,以进口道为储存单元,存储的主要数据包括各流向预测交通需求、各流向交通承载能力、进口道交通承载能力和需求控制识别码;
2)预测下一优化控制时段各交叉口进口道断面交通需求,根据流向需求比例计算进口道各流向预测交通需求,并更新至交叉口数据存储结构;
3)判别区域内的关键交叉口,生成初始关键交叉口集:
3-1)计算各交叉口各流向的交通承载能力;
3-2)若交叉口存在某一流向预测交通需求大于其交通承载能力,则认为该交叉口为关键交叉口,并计入关键交叉口集,包含该流向的进口道应进行需求控制,更新需求控制识别码为TRUE;
3-3)根据流向需求比例,调整进口道及其包含流向的交通承载能力,并更新至交叉口数据存储结构;
4)若关键交叉口集不为空,则转入步骤5),否则,转入步骤6);
5)基于关键交叉口的交通承载能力,通过循环迭代过程,确定关键交叉口上游关联交叉口的交通需求控制量:
5-1)获取关键交叉口集;
5-2)若关键交叉口进口道需求控制识别码为TRUE,则计算其上游相邻交叉口的最大交通需求释放量,重置该进口需求控制识别码为FALSE,转入步骤5-3),否则,重复该过程,直至所有关键交叉口的进口道均处理完成,转入步骤5-5);
5-3)若上游相邻交叉口关联流向的预测交通需求总和大于最大交通需求释放量,则按一定的权重比例分配最大交通需求释放量,作为上游交叉口关联流向的交通承载能力,将上游相邻交叉口视为新的关键交叉口,加入新的关键交叉口集,转入步骤5-4);
5-4)若上游交叉口关联流向预测交通需求大于其交通承载能力,则包含该流向的进口道应进行需求控制,需求控制识别码更新为TRUE,根据流向需求比例,调整进口道及其包含流向的交通承载能力,并更新至交叉口数据存储结构,返回步骤5-2),处理下一进口道;
5-5)获得新的关键交叉口集,若新的关键交叉口为空或关键交叉口均处于优化控制区域边界,则转入步骤6),否则返回步骤5-1),进行迭代处理;
6)计算生成区域交叉口信号配时优化参数。
2.根据权利要求1所述的主动式的城市道路区域信号配时参数协同优化方法,其特征在于,所述步骤1)中,
区域信号优化控制范围内的交叉口和路段应具备连通关系,该区域范围可根据不同的应用需求任意确定,或根据历史或实时的交通运行模式计算生成;
各流向交通承载能力的初始值等于各流向预测交通需求值;
需求传递识别码为一个指示参数,取值为TRUE和FALSE,初始赋值均为FALSE。
3.根据权利要求1所述的主动式的城市道路区域信号配时参数协同优化方法,其特征在于,所述步骤2)中,
优化控制时段取15分钟,也就是每15分钟对各交叉口的信号配时参数进行一次优化;
进口道断面交通需求预测方法具有较大的可选择性,不局限于单一某类方法,但需要满足一定的实时性和准确性要求,完成所有进口道断面交通需求预测的时间延迟应小于1秒,准确性应高于85%;
流向需求比例为进口道包含流向的交通需求比值,其总和为1,该比例值可采用历史先验值,或根据实时的交通运行模式计算生成;
进口道各流向预测交通需求为进口道断面预测交通需求与各流向需求比例的乘积。
4.根据权利要求1所述的主动式的城市道路区域信号配时参数协同优化方法,其特征在于,所述步骤3-1)中,
各流向交通承载能力与各流向交通需求、流向饱和流率、最大饱和度阈值、最大周期、最大绿时、车辆排队溢流风险、驾驶员容忍度、行人过街等因素有关,可采用最大周期和最大饱和度阈值条件下可通过的最大交通需求作为交通承载能力。
5.根据权利要求1所述的主动式的城市道路区域信号配时参数协同优化方法,其特征在于,所述步骤3-3)中,
调整交通承载能力的对象为进行需求控制的进口道及其包含流向,调整后的各流向交通承载能力满足以下两个条件:
各流向交通承载能力比例与流向需求比例一致,
b)调整后的交通承载能力不超过未调整前的值。
6.根据权利要求1所述的主动式的城市道路区域信号配时参数协同优化方法,其特征在于,所述步骤5-2)中,
上游相邻交叉口最大交通需求释放量满足与下游进口道交通承载能力、路段出入***通需求产生和吸引量之间的守恒关系,当已知进口道交通承载能力的情况下,采用一个关联系数表示下游进口道交通承载能力与上游相邻交叉口最大交通需求释放量之间的关系,该关联系数可采用历史先验值,或根据实时的交通运行模式计算生成。
7.根据权利要求1所述的主动式的城市道路区域信号配时参数协同优化方法,其特征在于,所述步骤5-3)中,
权重比例可采用先验值,或根据相邻交叉口之间的交通运行模式、特定的交通控制策略等条件计算确定。
8.根据权利要求1所述的主动式的城市道路区域信号配时参数协同优化方法,其特征在于,所述步骤6)中,
信号配时参数主要指信号周期、绿时时长两类参数;
计算交叉口信号配时优化参数的输入数据为各流向交通承载能力值,通常可依据交叉口的信号控制方案设计相序,在满足最大周期、最小周期和最小绿时的条件下,采用通用的信号配时参数计算方法求得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410035986.6A CN103794065B (zh) | 2014-01-24 | 2014-01-24 | 一种主动式的城市道路区域信号配时参数协同优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410035986.6A CN103794065B (zh) | 2014-01-24 | 2014-01-24 | 一种主动式的城市道路区域信号配时参数协同优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103794065A true CN103794065A (zh) | 2014-05-14 |
CN103794065B CN103794065B (zh) | 2015-04-15 |
Family
ID=50669676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410035986.6A Expired - Fee Related CN103794065B (zh) | 2014-01-24 | 2014-01-24 | 一种主动式的城市道路区域信号配时参数协同优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103794065B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104457770A (zh) * | 2014-08-21 | 2015-03-25 | 胡泓涛 | 一种拥堵预判和行驶路径规划的方法及行驶路径规划的*** |
CN106910350A (zh) * | 2017-03-22 | 2017-06-30 | 东南大学 | 一种寻找信号控制交叉口群关键路径的方法 |
CN107945539A (zh) * | 2017-08-28 | 2018-04-20 | 北京工业大学 | 一种交叉口信号控制方法 |
CN108873696A (zh) * | 2018-06-20 | 2018-11-23 | 连云港杰瑞电子有限公司 | 基于车载数据的城市道路过饱和预防控制建模方法 |
CN109035817A (zh) * | 2018-07-16 | 2018-12-18 | 北方工业大学 | 一种多模式控制的有轨电车信号优先控制方法 |
CN109544925A (zh) * | 2018-11-30 | 2019-03-29 | 江苏智通交通科技有限公司 | 协调干线合理性分析及协调方式配置方法 |
CN109637162A (zh) * | 2018-12-11 | 2019-04-16 | 东南大学 | 基于下游路段承载能力的信号控制优化*** |
CN109993980A (zh) * | 2019-02-21 | 2019-07-09 | 平安科技(深圳)有限公司 | 交通流量预测方法、装置、计算机设备及存储介质 |
CN112330953A (zh) * | 2020-10-10 | 2021-02-05 | 杭州翔毅科技有限公司 | 基于云数据的交通控制方法、装置、设备及存储介质 |
CN112419756A (zh) * | 2020-11-20 | 2021-02-26 | 陕西国防工业职业技术学院 | 一种智能变换的交通路口通行指示***及方法 |
CN114333363A (zh) * | 2021-12-15 | 2022-04-12 | 上海电科智能***股份有限公司 | 一种考虑上下游协同的瓶颈路口信号优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080235398A1 (en) * | 2005-05-17 | 2008-09-25 | Technische Universität Dresden | Method For Coordination of Concurrent Processes or for Control of the Transport of Mobile Units Within a Network |
CN102842238A (zh) * | 2012-08-30 | 2012-12-26 | 浙江大学 | 一种城市主干道交通信号动态协调控制方法 |
CN102867423A (zh) * | 2012-09-24 | 2013-01-09 | 东南大学 | 城市干道可变车道的协同控制方法 |
CN102982688A (zh) * | 2012-08-23 | 2013-03-20 | 浙江浙大中控信息技术有限公司 | 一种基于主干道协调优先的区域交通信号控制方法 |
CN103136941A (zh) * | 2013-01-23 | 2013-06-05 | 东南大学 | 一种非对称干道协调控制方法 |
-
2014
- 2014-01-24 CN CN201410035986.6A patent/CN103794065B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080235398A1 (en) * | 2005-05-17 | 2008-09-25 | Technische Universität Dresden | Method For Coordination of Concurrent Processes or for Control of the Transport of Mobile Units Within a Network |
CN102982688A (zh) * | 2012-08-23 | 2013-03-20 | 浙江浙大中控信息技术有限公司 | 一种基于主干道协调优先的区域交通信号控制方法 |
CN102842238A (zh) * | 2012-08-30 | 2012-12-26 | 浙江大学 | 一种城市主干道交通信号动态协调控制方法 |
CN102867423A (zh) * | 2012-09-24 | 2013-01-09 | 东南大学 | 城市干道可变车道的协同控制方法 |
CN103136941A (zh) * | 2013-01-23 | 2013-06-05 | 东南大学 | 一种非对称干道协调控制方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104457770A (zh) * | 2014-08-21 | 2015-03-25 | 胡泓涛 | 一种拥堵预判和行驶路径规划的方法及行驶路径规划的*** |
CN106910350B (zh) * | 2017-03-22 | 2019-06-18 | 东南大学 | 一种寻找信号控制交叉口群关键路径的方法 |
CN106910350A (zh) * | 2017-03-22 | 2017-06-30 | 东南大学 | 一种寻找信号控制交叉口群关键路径的方法 |
CN107945539A (zh) * | 2017-08-28 | 2018-04-20 | 北京工业大学 | 一种交叉口信号控制方法 |
CN107945539B (zh) * | 2017-08-28 | 2020-10-16 | 北京工业大学 | 一种交叉口信号控制方法 |
CN108873696A (zh) * | 2018-06-20 | 2018-11-23 | 连云港杰瑞电子有限公司 | 基于车载数据的城市道路过饱和预防控制建模方法 |
CN108873696B (zh) * | 2018-06-20 | 2021-07-23 | 连云港杰瑞电子有限公司 | 基于车载数据的城市道路过饱和预防控制建模方法 |
CN109035817B (zh) * | 2018-07-16 | 2020-04-10 | 北方工业大学 | 一种多模式控制的有轨电车信号优先控制方法 |
CN109035817A (zh) * | 2018-07-16 | 2018-12-18 | 北方工业大学 | 一种多模式控制的有轨电车信号优先控制方法 |
CN109544925A (zh) * | 2018-11-30 | 2019-03-29 | 江苏智通交通科技有限公司 | 协调干线合理性分析及协调方式配置方法 |
CN109544925B (zh) * | 2018-11-30 | 2021-07-20 | 江苏智通交通科技有限公司 | 协调干线合理性分析及协调方式配置方法 |
CN109637162A (zh) * | 2018-12-11 | 2019-04-16 | 东南大学 | 基于下游路段承载能力的信号控制优化*** |
CN109637162B (zh) * | 2018-12-11 | 2021-07-09 | 东南大学 | 基于下游路段承载能力的信号控制优化*** |
CN109993980A (zh) * | 2019-02-21 | 2019-07-09 | 平安科技(深圳)有限公司 | 交通流量预测方法、装置、计算机设备及存储介质 |
CN109993980B (zh) * | 2019-02-21 | 2022-06-07 | 平安科技(深圳)有限公司 | 交通流量预测方法、装置、计算机设备及存储介质 |
CN112330953A (zh) * | 2020-10-10 | 2021-02-05 | 杭州翔毅科技有限公司 | 基于云数据的交通控制方法、装置、设备及存储介质 |
CN112419756A (zh) * | 2020-11-20 | 2021-02-26 | 陕西国防工业职业技术学院 | 一种智能变换的交通路口通行指示***及方法 |
CN114333363A (zh) * | 2021-12-15 | 2022-04-12 | 上海电科智能***股份有限公司 | 一种考虑上下游协同的瓶颈路口信号优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103794065B (zh) | 2015-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103794065B (zh) | 一种主动式的城市道路区域信号配时参数协同优化方法 | |
CN111932914B (zh) | 城市拥堵区域路网双层边界控制方法 | |
CN104134356B (zh) | 城市交叉口模型参考自适应信号的控制方法 | |
WO2019061933A1 (zh) | 交通信号泛弦控制方法及其*** | |
CN106846835B (zh) | 一种城市区域交通信号自适应协调控制方法 | |
CN104464310B (zh) | 城市区域多交叉口信号协同优化控制方法及*** | |
CN106297329A (zh) | 一种联网信号机的信号配时自适应优化方法 | |
CN104200680B (zh) | 过饱和交通状态下城市干道的交通信号协调控制方法 | |
CN103198673B (zh) | 一种控制站点停靠和路段行驶的公交绿波设置方法 | |
CN103700273A (zh) | 基于可变导向车道的信号配时优化方法 | |
CN101894477A (zh) | 一种城市信号灯控制道路网络交通自锁控制方法 | |
CN101308604A (zh) | 大范围战略交通协调控制方法 | |
CN105679032A (zh) | 一种城市交通流过饱和状态下的交通控制子区划分方法 | |
CN104916142A (zh) | 一种干道优先的交叉口自适应交通信号控制方法 | |
CN104882006B (zh) | 一种基于消息的复杂网络交通信号优化控制方法 | |
CN113538897B (zh) | 一种考虑扰动的城市交通区域迭代学习边界控制方法 | |
CN105225503A (zh) | 交通控制子区优化与自适应调整方法 | |
CN103236169B (zh) | 城市干线公交站间双向分段绿波信号设置方法 | |
CN108898858A (zh) | 一种过饱和交通状态下连续交叉口的信号协调控制方法 | |
CN110889967B (zh) | 一种基于干道分割的溢流风险平衡信号控制优化方法 | |
CN105279981A (zh) | 一种潮汐车道行驶方向动态控制方法 | |
Pham et al. | Learning coordinated traffic light control | |
CN105551250A (zh) | 一种基于区间聚类的城市道路交叉口运行状态判别方法 | |
CN103106801A (zh) | 一种自组织的交通信号协调控制方法 | |
CN105551271A (zh) | 一种面向左右型错位交叉口的交通组织和信号控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150415 |