CN105243856A - 城市交通信号智能控制规则的自组织构建方法 - Google Patents
城市交通信号智能控制规则的自组织构建方法 Download PDFInfo
- Publication number
- CN105243856A CN105243856A CN201510729434.XA CN201510729434A CN105243856A CN 105243856 A CN105243856 A CN 105243856A CN 201510729434 A CN201510729434 A CN 201510729434A CN 105243856 A CN105243856 A CN 105243856A
- Authority
- CN
- China
- Prior art keywords
- track
- traffic
- phase
- intersection
- phase place
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
一种城市交通信号智能控制规则的自组织构建方法,将交通路网内所有的交叉路口按相互连接作用进行局部化,通过具有路网与交通参数的流体力学抽象,转化复杂交通流间作用为***内部的实时规则表达,按需或自动地控制交通流以实现智能交通控制的目的。本发明的特点包括:充分考虑了道路形态对交通流的影响,从而保证该方法应用的广泛性与稳定性;智能地分配通行时间,减少停车等待,提高通行效率;智能的信号切换方式,可以根据不同的交通状况采用不同的切换方式,更有效地提高了道路通行能力;有效的大幅减少***的运算量,解决了当前控制策略因计算量过大而导致无法满足对全局路网统一控制的实时性问题。
Description
技术领域
本发明属于交通智能控制技术领域,涉及城市交通信号智能控制规则的自组织构建方法。
技术背景
城市交通***是由道路***、流量***和管理***组成的一个典型的、开放的复杂***,任何依靠传统“自上而下”大***集中控制的方法,均难以解开此类具有强实时性、异构大数据特征的控制难题。目前在国内外已有的多种智能化的交通信号控制***,其核心都是采用了被动控制的策略,其方法其实对***复杂性进行了规避;当其***规模不大,交通流波动不大的情况下具有一定的适用性;随着***环境不断复杂、交通流变化频率加剧,其控制性能由于先验控制规则客观存在的不完备性与非实时性而加速下降。问题本质在于每一个道路交叉路口不具备对现场变化的第一学习响应能力,同时忽略了各个道路交叉路口之间的相互耦合作用,使得整个***对局部变化的响应偏慢,其积累效应就越明显。而实际的城市交通***内其规则是动态的、多变的,不同局部动态需要采用不同局部规则。因此,针对传统城市交通控制信号“自上而下”集中控制原理的不足,客观上有必要研发一种“自下而上”的新型的城市交通信号智能控制规则的自组织构建方法。
发明内容
本发明的目的在于针对现有技术的不足,提出一种基于城市路网参数与流体动力学的城市交通信号智能控制规则的自组织构建方法,通过城市交通单路口信号相位的智能化切换策略实现城市交通路口信号自组织控制功能,减少交通拥挤和通行延误,提高城市道路通行率。
其核心在于将交通路网内所有的交叉路口按相互连接作用进行局部化,通过具有路网与交通参数的流体力学抽象,转化复杂交通流间作用为***内部的实时规则表达,按需或自动地控制交通流以实现智能交通控制的目的。
本发明的基本内容是:针对具有复杂性特征的城市交通信号实时控制问题,提出一种新型的基于城市路网参数与流体动力学的城市交通信号智能控制规则的自组织构建方法,即在元胞自动机的基础上引进流体动力学来建立交通流的平衡模型,通过赋予每个独立的交叉路口自主的决策能力,以相邻路口间的相互作用为演化动力,自下而上的形成局部路口与全局路网的自组织控制规则,并通过制定交通路口的相位判别规则实现交通***信号模式的实时决策,有效的大幅减少***的运算量,解决了当前控制策略因计算量过大而导致无法满足对全局路网统一控制的实时性问题,达到智能交通控制的目的。
为实现上述目的,本发明采用以下技术方案:
1、该方法中所述的城市路网参数为单个车道的长度、宽度、曲率、允许通行的相位数、最大限速、车道通行的优先系数以及相邻车道间相互作用影响系数等七个参数。该方法利用道路与管道、交通流与自然流间的相似性,引进流体动力学来建立交通流的平衡模型与信号切换的规则模型。该方法将城市交通信号控制***作为交通网络处理,每个交叉路口具有独立的信息采集与决策处理的能力以实现控制交通信号灯变换的功能。每个交叉路口是由1-5条车道相互垂直构成的十字交叉路口,同时每个交叉路口与其周围相邻连接的交叉路口进行数据交互,基本模型设定为每个路口与其相邻的4个路口相连接并交互作用(通过基本模型的简化或扩展也可表示一个路口与2个、3个、5个或更多路口相连接并交互作用的情况),由此在智能分配交叉路口数据的权重值下进行数据运算并决策信号切换的使能(含是否进行信号切换以及如何进行信号切换)。每个车道在其允许通行的相位获得绿信号时所能放行的交通流量,由其下游可驶入的对应车道交通密度所决定,同时该车道自身交通密度将决定其上游对应相位车道的可放行交通流量。每个交叉路口有12个车辆行驶的有效控制方向,分别:
用数字1表示由西向驶入交叉路口并左转驶向北方向的控制方向;
用数字2表示由西向驶入交叉路口并直向驶向东方向的控制方向;
用数字3表示由西向驶入交叉路口并右转驶向南方向的控制方向;
用数字4表示由南向驶入交叉路口并左转驶向西方向的控制方向;
用数字5表示由南向驶入交叉路口并直向驶向北方向的控制方向;
用数字6表示由南向驶入交叉路口并右转驶向东方向的控制方向;
用数字7表示由东向驶入交叉路口并左转驶向南方向的控制方向;
用数字8表示由东向驶入交叉路口并直向驶向西方向的控制方向;
用数字9表示由东向驶入交叉路口右转向驶向北方向的控制方向;
用数字10表示由北向驶入交叉路口并左转驶向东方向的控制方向;
用数字11表示由北向驶入交叉路口并直向驶向南方向的控制方向;
用数字12表示由北向驶入交叉路口右转向驶向西方向的控制方向;
上述12个控制方向在控制规则中分别对应12个控制相位,其相位标序与上述标序对应。每个相位赋予一个切换阈值,当下一相位决策值到达阈值时进行相位切换,阈值由该相位所有关联车道临界密度计算所得。
2、实现该方法的步骤为:
1)将多个传感器安装于交叉路口各车道的入、口处以及车道最大队列标志位,传感器将实时采集到的数据发送至各交叉路口的信号控制机,信号控制机根据采集的信息控制信号灯的状态变化。
2)根据每个车道的路网参数计算该车道的最大密度ρmax、临界拥挤密度ρjam、最大流量Qmax、最大通行时间Tmax、最小通行时间Tmin:
ρmax=L/S
式中L为该车道长度与曲率加权所得参考长度;S为小型汽车平均长度与两车间安全距离之和,一般为6.5m。
ρjam=iintρmax
式中iint为该车道与相邻车道相互作用响应系数,分为没有相邻车道,有一条相邻车道,有两条相邻车道,相邻车道越多其值越大,取值范围(0.5,1)。
Qmax=Vmaxρmax
式中Vmax为该车道所允许通行的最大时速。
最小通行时间由最大通行时速决定,最大通行时间由全队列密度对应的时速决定。
3)根据采集的信息计算动态的车道密度ρ、车道流量Q、车道流入流量Qin、车道流出流量Qout、车道需求通行时间T:
ρ=(Nin-Nout+N)/ρmax
式中Nin、Nout分别表示时间步长t内进入、驶出该车道的车辆数,N表示上一时间步长t内结算的车辆数,左转车道需额外计算掉头车数N1。
流入、流出流量由道路口两端传感器检测获取。
其中t为单位时间步长。(t′只是表示定值积分下与t的区别)
4)信号控制机根据所得到的动态参数,根据***所设计的相位组合,分配各相位最大最小周期,在单个时间步长结算时对当前相位状态值与阈值进行比较,确定是否进行相位切换,若进行切换,则与相邻路口进行通信,并计算相邻路口的相位差。
3、为了实现同相位次序车道间的关联作用,从而确定任意相位规则中的参数个数,现对交叉路口12个相位的组合进行划分,如下:
1)只允许一个通行相位的车道
2)允许两个同行相位的车道
3)允许三个通行相位的车道
其中,f()表示包含该相位的任意允许通行数的车道,左转+右转组合默认为三叉路口。
4、通过对流体力学规则的引入,建立交通流平衡过程,利用差分方程等方法最终得出控制规则方程的步骤如下:
将纳维—斯托克斯方程(简称N-S方程)的矢量形式表示如下:
式中 称为拉普拉斯算子。
引入交通流动力粘性系数用于表征对于整个交通流中各种车辆的比例系数(整个车流以哪一种车辆为主,又辅以哪几种车辆)、路道状况(车道数)、整个交通流中车辆的车流密度的变化,类比重建交通流的纳维—斯托克斯方程如下:
车辆流在路口由高密度区域向低密度区域转移的特性可以被解释成为一种以车辆为单位的两维“扩散”现象,其两维空间的扩散方程为:
其中,状况函数f(x,y,t)为其中δ(x,y)为单位脉冲函数,即
∫∫∫δ(x,y)dxdy=1,((xi,yi)为点源所在位置坐标),用于表征点源的位置,g(t)为由源流δ(x,y)=0,(x,y)≠(xi,yi)
出或由汇流入的量随时间变化的函数。扩散方程中的源和汇对应实际的路口模型中车辆的流入和流出。
对于重建的矢量方程其中四项依次为作用于单位质量流体的惯性力质量力(fb)、压强梯度力和粘性力由于在交通流中的所谓单个“分子”是车辆,而车辆是由发动机发出的能量来克服重力来行驶的。也就是说相对于车辆本身的运动来说,质量力的作用是可以被完全被忽略的。
用自组织控制中将时间离散化处理的方法,可以有效的减少***过多的高阶运算。对二维交通网络按正交方向进行独立的网络划分并利用有限差分法得到控制规则如下:
式中 表示相位i下一时刻的预测决策值,用于跟***设定的阈值比较,从而决定是否进行换相;n、n-1、n+1分别表示本地路口、下游路口、上游路口;∑αn、∑βn、∑ηn表示对应车道的各自优先通行参数。
5、通过上述方案计算得到该相位车道的预测交通流密度,将该运算结果转化为实际的信号控制形式的步骤如下:
(1)基于流量分配的控制规则,任意相位对应的车道在驶向下游车道的过程中,会与本地交叉路口其他关联相位的车道在下游入口产生合流的现象,同时其自身的流量与其相邻车道的流量将决定上游路口关联相位驶入的流量分配,因此设计合理的流量分配规则可以保证各个方向上的流量需求,避免某一方向上下游压力过大导致交通流难以有效流动的不利情况,其流量分配的原则为:
式中三种情况分别为:当车道流入量大于流出量时,按流入量的比例放行交通流;当车道可以放行最大流出量时,以最大流出量放行;当下游路口限制本地各路口流出量时,以下游路口最小通行量的车道为基准放行流出量。
(2)为了避免交通流频繁的冲击或者某一流向长时间无法获取通行权,需要对任意相位的绿信号周期长度进行约束,赋予每个相位最小与最大绿信号周期长度两个参数值,参数值由道路的自身参数决定;同时,下一相位决策值在该相位绿信号周期最小绿信号长与最大绿信号长之间到相位阈值;即,当前信号绿相时长在未达到设定的最小周期长度时,不会进行相位切换;当前信号在其绿相最小与最大周期之间进行动态决策时,若某一相位在任一时间步长结算后所得的状态决策达到了自身的相位阈值,则强制进行相位切换;当前信号绿相时长已达到最大周期长度时且整个周期内无任何相位达到自身的相位阈值需要切换,则自动进入下一相位。
(3)整个信号周期的相位次序依次为f(2)或f(8)、f(1)或f(7)、f(3)或f(9)、f(5)或f(11)、f(4)或f(10)、f(6)或f(12),如果右转允许一直通行,则取消右转相位切换次序;如果信号允许依次放行多个相位,则取消处于后次数的相位的队列排序,处于后次序的相位如果包含在前次序的车道相位时,则取消该后次序的相位切换排序。
由于采用上述技术方案,本发明的有益效果是:在现有的智能交通***框架下,以解决城市交通信号控制问题为切入点,建立支持面向城市交通大数据的自组织控制理论,有效的解决了当前控制策略因全局路网计算量过大而导致无法实现对交通的实时控制的问题,从本质上提出了对当前“自上而下”式集中协调控制方法不足的改进途径,本发明通过交通流内部关系作用的表达,赋予了每个独立路口自主的决策能力,使的每个独立路口只需按最小相关模型进行交通量的计算,有效的降低了整个路网的计算量,从而实现对整个路网的实时控制并有效减少服务中心的压力。本发明不仅丰富了当前城市交通控制策略体系,还为开发新型的城市交通自组织控制设备提供了理论与技术的支持。
附图说明
图1为本发明所示实施例中相位序号的示意图。
图2为城市局部道路网络拓扑结果示意图。
图3为最小决策模型下某关联相位的示意图。
图4为城市交通信号的自组织控制过程示意图。
具体实施方式
以下结合附图所示实施例对本发明作进一步的说明。
图1表示交叉路口对应的12个相位,整个信号周期按f(2)或f(8)、f(1)或f(7)、f(3)或f(9)、f(5)或f(11)、f(4)或f(10)、f(6)或f(12)进行相位切换,如果右转允许一直通行,则取消右转相位切换次序;处于后次序的相位如果包含在前次序的相位时,则取消该后次序的相位切换排序,如果同时有两条或以上车道拥有同一通行相位,则其参数均纳入该相位决策方程,如果一条车道同时拥有两个或以上通行相位,则其参数都参与所包含的各相位的决策方程。
图2表示将某个城市局部区域路网形态进行网络拓扑后的路网图,便于仿真运算。
图3表示选中任意交叉道路口,它通过与四周相邻的四个交叉路口进行数据通讯与相位关联,构成最小的元胞自动机模型,图中深色标记的拥有第2相位的车道为决策车道,其余浅色标记的车道均为该相位所关联车道,其中n为本道交叉路口关联车道,n+1为下游交叉路口关联车道,n-1为上游交叉路口关联车道,所有标记车道的密度、流量、速度均纳入该相位决策方程进行计算。
其实现控制规则的步骤如下:
1)预先将城市交通路网进行按相位分类处理,即允许的通行相位的个数,通过分析某选定路口与其相邻四个方向的路口的各车道相位设计,组合本地路口的相位种类,建立每一相位的决策模型,使当前路口当前相位参与车道与相邻路口当前相位相关车道进行一体化表达,即选定某一路口,根据相邻路口信息,设计该路口的相位组合,并分配给各相位所关联的所有道路的信息。
2)将路网内各车道的参数进行整合,并将其上、下游同向车道的形态参数综合处理,赋予各车道相位饱和度临界值,该值基于交通流相变至中间相(饱和度0.35)与拥挤相(饱和度0.5)进行修正;同时赋予各车道主相位以及相关相位时的合流系数(例如图1东西直行车道在2、8相位为主相位,1、4、6、10为相关相位),从而最终确定各车道在各相位决策模型里的参数代数值,其中预设的参数会写入控制器中。
3)根据对道路上行驶的交通流进行实时检测,将对应道路上采集到的流量、密度、速度、队列长度等信息存储到对应的相位决策的单元内,各相位决策将采集的信息按时间步长进行离散化处理,并结算一次决策参数,将所有相位的决策参数进行比对,按决策表分情况进行判断是否进行相位切换,或对哪个相位进行切换操作,决策表按低拥挤、中度拥挤、高度拥挤进行不同的功能划分。
4)当进行相位切换后,按照上下游路口的流量分配规则,按照图4动态的调整改变放行的时间长短,提高道路的利用率,并等待下一相位的相位切换申请。若实际应用中由于检测器的损坏或人为因素导致道路长期没有数据返回,则***会根据相邻道路的数据模拟产生对应的交通流量进行决策。预设的道路临界饱和度等参数可以在预设值的一定范围内根据环境的变化进行动态的波动,如果发现其某个路段进行了道路上的改建等人为活动,需重新写入新的预设参数。
5)重复1-4的步骤。
图4表示城市交通信号的自组织控制过程。图中,GBegin表示绿灯相位的开始时刻,各相位的最小、最大绿时分别为Gmin、Gmax。在每次演化步开始时,***将获取的车流量信息N(车辆数)转换为状态信息CS,从而参与到路网中各路口按自组织规则的并行演化中,从时间轴上来看,当相位持续时间小于最小绿时时,无需对相位进行干预,而进入“弹性绿时”之后,在每个时间步结束时都需要对本地路口的相位状态进行关于是否切换的判别,直到某时间步内演化生成的新状态CS符合信号控制策略中的某条规则,实现该路口信号灯的相位切换。
可见,本发明方法利用道路与管道、交通流与自然流间的相似性,在元胞自动机的基础上引进流体动力学来建立交通流的平衡模型,通过赋予每个独立的交叉路口自主的决策能力,以相邻路口间的相互作用为演化动力,自下而上的形成局部路口与全局路网的自组织控制规则,并通过制定交通路口的相位判别规则实现交通***信号模式的实时决策,达到智能交通控制的目的。本发明的特点包括:充分考虑了道路形态对交通流的影响,从而保证该方法应用的广泛性与稳定性,更加实际有效的解决不同的交通问题;智能地分配通行时间,减少停车等待,提高通行效率;智能的信号切换方式,该方法可以灵活的设计相位数与相位组合,可以满足2-8相位的设计需求,可以根据不同的交通状况采用不同的切换方式,更有效地提高了道路通行能力;有效的大幅减少***的运算量,解决了当前控制策略因计算量过大而导致无法满足对全局路网统一控制的实时性问题。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于这里的实施例,本领域技术人员根据本发明的揭示,对于本发明做出的改进和修改都应该在本发明的保护范围之内。
Claims (10)
1.一种城市交通信号智能控制规则的自组织构建方法,其特征在于:将交通路网内所有的交叉路口按相互连接作用进行局部化,通过具有路网与交通参数的流体力学抽象,转化复杂交通流间作用为***内部的实时规则表达,按需或自动地控制交通流以实现智能交通控制的目的。
2.根据权利要求1所述的城市交通信号智能控制规则的自组织构建方法,其特征在于:在元胞自动机的基础上引进流体动力学来建立交通流的平衡模型,通过赋予每个独立的交叉路口自主的决策能力,以相邻路口间的相互作用为演化动力,自下而上的形成局部路口与全局路网的自组织控制规则,并通过制定交通路口的相位判别规则实现交通***信号模式的实时决策以减少***的运算量。
3.根据权利要求1所述的城市交通信号智能控制规则的自组织构建方法,其特征在于:所述的城市路网参数包括单个车道的长度、宽度、曲率、允许通行的相位数、最大限速、车道通行的优先系数以及相邻车道间相互作用影响系数;
该方法利用道路与管道、交通流与自然流间的相似性,引进流体动力学来建立交通流的平衡模型与信号切换的规则模型;将城市交通信号控制***作为交通网络处理,每个交叉路口具有独立的信息采集与决策处理的能力以实现控制交通信号灯变换的功能。
4.根据权利要求3所述的城市交通信号智能控制规则的自组织构建方法,其特征在于:每个交叉路口是由1-5条车道相互垂直构成的十字交叉路口,同时每个交叉路口与相连接的4个交叉路口进行数据交互,在智能分配5个交叉路口数据的权重值下进行数据运算并决策信号切换的使能;每个车道在其允许通行的相位获得绿信号时所能放行的交通流量,由其下游可驶入的对应车道交通密度所决定,同时该车道自身交通密度将决定其上游对应相位车道的可放行交通流量。
5.根据权利要求3所述的城市交通信号智能控制规则的自组织构建方法,其特征在于:每个交叉路口有12个车辆行驶的有效控制方向,分别设定如下:
用数字1表示由西向驶入交叉路口并左转驶向北方向的控制方向;
用数字2表示由西向驶入交叉路口并直向驶向东方向的控制方向;
用数字3表示由西向驶入交叉路口并右转驶向南方向的控制方向;
用数字4表示由南向驶入交叉路口并左转驶向西方向的控制方向;
用数字5表示由南向驶入交叉路口并直向驶向北方向的控制方向;
用数字6表示由南向驶入交叉路口并右转驶向东方向的控制方向;
用数字7表示由东向驶入交叉路口并左转驶向南方向的控制方向;
用数字8表示由东向驶入交叉路口并直向驶向西方向的控制方向;
用数字9表示由东向驶入交叉路口右转向驶向北方向的控制方向;
用数字10表示由北向驶入交叉路口并左转驶向东方向的控制方向;
用数字11表示由北向驶入交叉路口并直向驶向南方向的控制方向;
用数字12表示由北向驶入交叉路口右转向驶向西方向的控制方向;
上述12个控制方向在控制规则中分别对应12个控制相位,其相位标序与上述标序对应;每个相位赋予一个切换阈值,当下一相位决策值到达阈值时进行相位切换,阈值由该相位所有关联车道临界密度计算所得。
6.根据权利要求1所述的城市交通信号智能控制规则的自组织构建方法,其特征在于:包括以下步骤:
1)将多个传感器安装于交叉路口各车道的入、口处以及车道最大队列标志位,传感器将实时采集到的数据发送至各交叉路口的信号控制机,信号控制机根据采集的信息控制信号灯的状态变化;
2)根据每个车道的路网参数计算该车道的最大密度ρmax、临界拥挤密度ρjam、最大流量Qmax、最大通行时间Tmax、最小通行时间Tmin:
ρmax=L/S
式中L为该车道长度与曲率加权所得参考长度;S为小型汽车平均长度与两车间安全距离之和;
ρjam=iintρmax
式中iint为该车道与相邻车道相互作用响应系数,分为没有相邻车道,有一条相邻车道,有两条相邻车道,相邻车道越多其值越大,优选的取值范围(0.5,1);
Qmax=Vmaxρmax
式中Vmax为该车道所允许通行的最大时速;
最小通行时间由最大通行时速决定,最大通行时间由全队列密度对应的时速决定;
3)根据采集的信息计算动态的车道密度ρ、车道流量Q、车道流入流量Qin、车道流出流量Qout、车道需求通行时间T:
ρ=(Nin-Nout+N)/ρmax
式中Nin、Nout分别表示时间步长t内进入、驶出该车道的车辆数,N表示上一时间步长t内结算的车辆数,左转车道需额外计算掉头车数N1;
流入、流出流量由道路口两端传感器检测获取。
其中 t为单位时间步长;
4)信号控制机根据所得到的动态参数,根据***所设计的相位组合,分配各相位最大最小周期,在单个时间步长结算时对当前相位状态值与阈值进行比较,确定是否进行相位切换,若进行切换,则与相邻路口进行通信,并计算相邻路口的相位差。
7.根据权利要求4或5所述的城市交通信号智能控制规则的自组织构建方法,其特征在于:
对于不同车道上允许通行的相位数其组合是:
1)只允许一个通行相位的车道
2)允许两个同行相位的车道
3)允许三个通行相位的车道
其中,f()表示包含该相位的任意允许通行数的车道,左转+右转组合默认为三叉路口;
通过相位的关联组合,设定交叉路口一个信号控制周期内的2-8相位组合,只需按照对应的相位关联进行决策即可。
8.根据权利要求1至7中任一所述的城市交通信号智能控制规则的自组织构建方法,其特征在于:基于纳维—斯托克斯方程对交通流运动进行数学方程的重构,纳维—斯托克斯方程的矢量形式如下:
式中称为拉普拉斯算子;其中四项依次为作用于单位质量流体的惯性力质量力fb、压强梯度力和粘性力将质量力的作用忽略后整理得到用于交通流的纳维—斯托克斯方程的简化形式:
式中为交通流动力粘性系数。
9.根据权利要求8所述的城市交通信号智能控制规则的自组织构建方法,其特征在于:用自组织控制中将时间离散化处理的方法以减少***过多的高阶运算;对二维交通网络按正交方向进行独立的网络划分并利用有限差分法得到控制规则如下:
式中 表示相位i下一时刻的预测决策值,用于跟***设定的阈值比较;n、n-1、n+1分别表示本地路口、下游路口、上游路口,∑αn、∑βn、∑ηn表示对应车道的各自优先通行参数。
10.根据权利要求1、4、5或6所述的城市交通信号智能控制规则的自组织构建方法,其特征在于:
1)基于流量分配的控制规则,任意相位对应的车道在驶向下游车道的过程中,会与本地交叉路口其他关联相位的车道在下游入口产生合流的现象,同时其自身的流量与其相邻车道的流量将决定上游路口关联相位驶入的流量分配;其流量分配的原则为:
式中三种情况分别为:当车道流入量大于流出量时,按流入量的比例放行交通流;当车道能放行最大流出量时,以最大流出量放行;当下游路口限制本地各路口流出量时,以下游路口最小通行量的车道为基准放行流出量;
2)为了避免交通流频繁的冲击或者某一流向长时间无法获取通行权,需要对任意相位的绿信号周期长度进行约束,赋予每个相位最小与最大绿信号周期长度两个参数值,参数值由道路的自身参数决定;同时,下一相位决策值在该相位绿信号周期最小绿信号长与最大绿信号长之间到相位阈值;即,当前信号绿相时长在未达到设定的最小周期长度时,不会进行相位切换;当前信号在其绿相最小与最大周期之间进行动态决策时,若某一相位在任一时间步长结算后所得的状态决策达到了自身的相位阈值,则强制进行相位切换;当前信号绿相时长已达到最大周期长度时且整个周期内无任何相位达到自身的相位阈值需要切换,则自动进入下一相位;
3)整个信号周期的相位次序依次为f(2)或f(8)、f(1)或f(7)、f(3)或f(9)、f(5)或f(11)、f(4)或f(10)、f(6)或f(12),如果右转允许一直通行,则取消右转相位切换次序;如果信号允许依次放行多个相位,则取消处于后次数的相位的队列排序,处于后次序的相位如果包含在前次序的车道相位时,则取消该后次序的相位切换排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510729434.XA CN105243856B (zh) | 2015-10-30 | 2015-10-30 | 城市交通信号智能控制规则的自组织构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510729434.XA CN105243856B (zh) | 2015-10-30 | 2015-10-30 | 城市交通信号智能控制规则的自组织构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105243856A true CN105243856A (zh) | 2016-01-13 |
CN105243856B CN105243856B (zh) | 2018-03-30 |
Family
ID=55041481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510729434.XA Active CN105243856B (zh) | 2015-10-30 | 2015-10-30 | 城市交通信号智能控制规则的自组织构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105243856B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107038878A (zh) * | 2017-06-06 | 2017-08-11 | 广东振业优控科技股份有限公司 | 基于整数规划模型的交通信号相位设计方法 |
CN108091146A (zh) * | 2017-12-12 | 2018-05-29 | 常州大学 | 一种基于人工智能的交通信号灯非等时管理*** |
CN108428356A (zh) * | 2018-03-21 | 2018-08-21 | 东南大学 | 一种基于流体密度场的路况图展示及辅助驾驶应用方法 |
CN109376920A (zh) * | 2018-10-12 | 2019-02-22 | 国网浙江省电力有限公司温州供电公司 | 基于分钟转移矩阵的交通道路状态预测方法 |
CN112967502A (zh) * | 2021-02-25 | 2021-06-15 | 大连东软信息学院 | 一种用于十字交通路口的车流控制方法 |
CN113643529A (zh) * | 2021-07-02 | 2021-11-12 | 厦门路桥信息股份有限公司 | 基于大数据分析的停车场车道拥堵预测方法及*** |
CN113781768A (zh) * | 2021-08-09 | 2021-12-10 | 同济大学 | 一种基于储备通行能力的热点片区交通组织控制协同方法 |
CN114067558A (zh) * | 2021-08-22 | 2022-02-18 | 刘智和 | 一种采用互联网控制城市各交叉路***通的智能网 |
CN114120670A (zh) * | 2021-11-25 | 2022-03-01 | 支付宝(杭州)信息技术有限公司 | 用于交通信号控制的方法和*** |
CN117041303A (zh) * | 2023-10-09 | 2023-11-10 | 睿兴科技(天津)有限公司 | 一种用于水泵智能诊断的数据传输方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030210156A1 (en) * | 2002-05-13 | 2003-11-13 | Sumitomo Electric Industries, Ltd. | Traffic signal control method |
CN1731467A (zh) * | 2005-07-07 | 2006-02-08 | 上海交通大学 | 基于流体动力学的城市交通信号自组织规则的构建方法 |
CN101515407A (zh) * | 2009-03-04 | 2009-08-26 | 同济大学 | 基于流体动力学的城市交通控制信号的自组织化方法 |
-
2015
- 2015-10-30 CN CN201510729434.XA patent/CN105243856B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030210156A1 (en) * | 2002-05-13 | 2003-11-13 | Sumitomo Electric Industries, Ltd. | Traffic signal control method |
CN1731467A (zh) * | 2005-07-07 | 2006-02-08 | 上海交通大学 | 基于流体动力学的城市交通信号自组织规则的构建方法 |
CN101515407A (zh) * | 2009-03-04 | 2009-08-26 | 同济大学 | 基于流体动力学的城市交通控制信号的自组织化方法 |
Non-Patent Citations (1)
Title |
---|
魏俊华等: "基于规则的城市交通信号自组织控制", 《上海交通大学学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107038878A (zh) * | 2017-06-06 | 2017-08-11 | 广东振业优控科技股份有限公司 | 基于整数规划模型的交通信号相位设计方法 |
CN108091146A (zh) * | 2017-12-12 | 2018-05-29 | 常州大学 | 一种基于人工智能的交通信号灯非等时管理*** |
CN108428356A (zh) * | 2018-03-21 | 2018-08-21 | 东南大学 | 一种基于流体密度场的路况图展示及辅助驾驶应用方法 |
CN109376920A (zh) * | 2018-10-12 | 2019-02-22 | 国网浙江省电力有限公司温州供电公司 | 基于分钟转移矩阵的交通道路状态预测方法 |
CN112967502B (zh) * | 2021-02-25 | 2022-02-11 | 大连东软信息学院 | 一种用于十字交通路口的车流控制方法 |
CN112967502A (zh) * | 2021-02-25 | 2021-06-15 | 大连东软信息学院 | 一种用于十字交通路口的车流控制方法 |
CN113643529A (zh) * | 2021-07-02 | 2021-11-12 | 厦门路桥信息股份有限公司 | 基于大数据分析的停车场车道拥堵预测方法及*** |
CN113781768A (zh) * | 2021-08-09 | 2021-12-10 | 同济大学 | 一种基于储备通行能力的热点片区交通组织控制协同方法 |
CN114067558A (zh) * | 2021-08-22 | 2022-02-18 | 刘智和 | 一种采用互联网控制城市各交叉路***通的智能网 |
CN114120670A (zh) * | 2021-11-25 | 2022-03-01 | 支付宝(杭州)信息技术有限公司 | 用于交通信号控制的方法和*** |
CN114120670B (zh) * | 2021-11-25 | 2024-03-26 | 支付宝(杭州)信息技术有限公司 | 用于交通信号控制的方法和*** |
CN117041303A (zh) * | 2023-10-09 | 2023-11-10 | 睿兴科技(天津)有限公司 | 一种用于水泵智能诊断的数据传输方法及*** |
CN117041303B (zh) * | 2023-10-09 | 2023-12-15 | 睿兴科技(天津)有限公司 | 一种用于水泵智能诊断的数据传输方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN105243856B (zh) | 2018-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105243856A (zh) | 城市交通信号智能控制规则的自组织构建方法 | |
CN104074112B (zh) | 一种城市道路上下游交叉口潮汐车道及其设计方法 | |
CN104658297B (zh) | 一种基于Sarsa学习的中心式动态路径诱导方法 | |
CN108847037A (zh) | 一种面向非全局信息的城市路网路径规划方法 | |
CN104318775B (zh) | 控制阶段快速路下匝道-地面道路交叉口一体化设计方法 | |
CN104933859B (zh) | 一种基于宏观基本图的确定网络承载力的方法 | |
CN110136455A (zh) | 一种交通信号灯配时方法 | |
CN105427605B (zh) | 一种考虑交通方式转移的公交专用道设置效益计算方法 | |
CN108877253A (zh) | 一种基于物联网的公交专用道资源动态共享方法及*** | |
CN104809895A (zh) | 相邻交叉口的干道协调控制模型及其优化方法 | |
CN106225797A (zh) | 一种路径规划方法 | |
CN101308604A (zh) | 大范围战略交通协调控制方法 | |
CN107274684A (zh) | 一种车路协同环境下单点交叉口信号控制策略选择方法 | |
CN106781558A (zh) | 车联网下基于宏观基本图的主通道交通流快速疏导方法 | |
CN104240523A (zh) | 城市干道绿波控制方法 | |
CN109887289A (zh) | 一种城市交通网络模型的网络车流量最大化方法 | |
CN104464276B (zh) | 一种基于gps技术的防止公交车集中到站的调度方法 | |
CN103824446A (zh) | 一种子区多交叉口群决策控制方法 | |
CN103198673A (zh) | 一种控制站点停靠和路段行驶的公交绿波设置的控制*** | |
CN107622675A (zh) | 信号交叉口可变进出口车道交通流控制方法 | |
CN110136457A (zh) | 基于微观交通仿真的城市交叉口群协调优化方法 | |
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 | |
Zhao et al. | An alternative design for the intersections with limited traffic lanes and queuing space | |
CN110889967A (zh) | 一种基于干道分割的溢流风险平衡信号控制优化方法 | |
CN101814235B (zh) | 预约集港模式下的港区交通疏导配流方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |