CN109191875A - 信号控制方案生成方法及装置 - Google Patents
信号控制方案生成方法及装置 Download PDFInfo
- Publication number
- CN109191875A CN109191875A CN201811083974.5A CN201811083974A CN109191875A CN 109191875 A CN109191875 A CN 109191875A CN 201811083974 A CN201811083974 A CN 201811083974A CN 109191875 A CN109191875 A CN 109191875A
- Authority
- CN
- China
- Prior art keywords
- timing plan
- signal timing
- control program
- simulation
- generation
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例涉及信号控制技术领域,具体而言,涉及一种信号控制方案生成方法及装置。该方法包括:获得修正仿真模型,在修正仿真模型中运行控制方案自动生成算法,获得初始信号控制方案,获得实际交通参数,将实际交通参数输入修正仿真模型,对初始信号控制方案进行仿真,获得初始信号控制方案在实际交通参数仿真下的适应度函数值,判断适应度函数值是否收敛,若收敛,获得模拟交通参数,将模拟交通参数输入修正仿真模型,对初始信号控制方案进行仿真,获得适应度函数值,判断适应度函数值是否收敛,若收敛,将初始信号控制方案作为最适信号控制方案。采用该方法及装置能够生成具有自适应进化功能的信号控制方案。
Description
技术领域
本发明实施例涉及信号控制技术领域,具体而言,涉及一种信号控制方案生成方法及装置。
背景技术
由于交通基础设施建设周期长,完善相应的公共交通***也需要时间,现有的交通***已经无法适应如此快速增长的机动车保有量,由此便引发了严重的交通拥堵问题。因此,在现有交通基础设施基础上,提高交通通行效率、减少拥堵路口和拥堵路段对减少经济损失、改善生活环境和提高居民身体质量有重大作用。
改善交通灯信号配时是在现有交通基础设施基础上改善通行效率的最有效的方法之一。但现有的用于调控交通灯信号配时的信号控制方案大多灵活度较低。
发明内容
有鉴于此,本发明提供了一种信号控制方案生成方法及装置。
本发明实施例提供了一种信号控制方案生成方法,所述方法包括:
获得仿真模型,其中,所述仿真模型包括逻辑图网络模型和基础相位模型;获得待优化路口的实际交通数据,根据所述实际交通数据计算获得实际交通参数,将所述实际交通参数输入所述仿真模型,对所述仿真模型进行调整优化,获得修正仿真模型;
在所述修正仿真模型中运行控制方案自动生成算法,获得初始信号控制方案;将所述实际交通参数输入所述修正仿真模型,对所述初始信号控制方案进行仿真,获得所述初始信号控制方案在所述实际交通参数仿真下的适应度函数值;
判断所述初始信号控制方案在所述实际交通参数仿真下的适应度函数值是否收敛,若收敛,获得模拟交通参数,将所述模拟交通参数输入所述修正仿真模型,对所述初始信号控制方案进行仿真,获得所述初始信号控制方案在所述模拟交通参数仿真下的适应度函数值,判断所述初始信号控制方案在所述模拟交通参数仿真下的适应度函数值是否收敛,若收敛,将所述初始信号控制方案作为最适信号控制方案。
可选地,所述方法还包括:
若该初始信号控制方案在所述模拟交通参数仿真下的适应度函数值不收敛,采用所述控制方案自动生成算法生成下一代信号控制方案;
对所述下一代信号控制方案进行仿真,获得所述下一代信号控制方案在所述模拟交通参数仿真下的适应度函数值,判断所述下一代信号控制方案在所述模拟交通参数仿真下的适应度函数值是否收敛,若收敛,将所述下一代信号控制方案作为最适信号控制方案,其中,所述最适信号控制方案用于在实时交通状态下进行自适应进化。
可选地,所述方法还包括:
当采用所述控制方案自动生成算法生成的信号控制方案的代数达到第n代时,将第n代信号控制方案作为最适信号控制方案。
可选地,采用所述控制方案自动生成算法生成下一代信号控制方案的步骤,包括:
获得所述初始信号控制方案中包括的各个节点的类型、参数以及各所述节点之间的连边关系,其中,各所述节点的类型、参数和各所述节点之间的连边关系共同构成所述初始控制方案;
对各所述节点的类型、参数和各所述节点之间的连边关系中的至少一项进行修改,获得下一代信号控制方案。
可选地,所述适应度函数为:
其中,T为信号周期数量,P为信号相位数量,I为路口通信方向数量,为第t个周期第p个相位第i个方向过车数量,为第t个周期第p个相位第i个方向车辆排队长度,为第t个周期第p个相位第i个方向绿灯时间空置时长,α、β和γ为变量系数。
本发明实施例还提供了一种信号控制方案生成装置,所述装置包括:
仿真模型获取模块,用于获得仿真模型,其中,所述仿真模型包括逻辑图网络模型和基础相位模型;获得待优化路口的实际交通数据,根据所述实际交通数据计算获得实际交通参数;将所述实际交通参数输入所述仿真模型,对所述仿真模型进行调整优化,获得修正仿真模型;
适应度函数获取模块,用于在所述修正仿真模型中运行控制方案自动生成算法,获得初始信号控制方案,将所述实际交通参数输入所述修正仿真模型,对所述初始信号控制方案进行仿真,获得所述初始信号控制方案在所述实际交通参数仿真下的适应度函数值;
最适信号控制方案生成模块,用于判断所述初始信号控制方案在所述实际交通参数仿真下的适应度函数值是否收敛,若收敛,获得模拟交通参数,将所述模拟交通参数输入所述修正仿真模型,对所述初始信号控制方案进行仿真,获得所述初始信号控制方案在所述模拟交通参数仿真下的适应度函数值,判断所述初始信号控制方案在所述模拟交通参数仿真下的适应度函数值是否收敛,若收敛,将所述初始信号控制方案作为最适信号控制方案,其中,所述最适信号控制方案用于在实时交通状态下进行自适应进化。
可选地,若该初始信号控制方案在所述模拟交通参数仿真下的适应度函数值不收敛,所述最适信号控制方案生成模块还用于:
采用所述控制方案自动生成算法生成下一代信号控制方案;
对所述下一代信号控制方案进行仿真,获得所述下一代信号控制方案在所述模拟交通参数仿真下的适应度函数值,判断所述下一代信号控制方案在所述模拟交通参数仿真下的适应度函数值是否收敛,若收敛,将所述下一代信号控制方案作为最适信号控制方案。
可选地,所述最适信号控制方案生成模块还用于:
当采用所述控制方案自动生成算法生成的信号控制方案的代数达到第n代时,将第n代信号控制方案作为最适信号控制方案。
可选地,所述最适信号控制方案生成模块通过以下方式生成下一代信号控制方案:
获得所述初始信号控制方案中包括的各个节点的类型、参数以及各所述节点之间的连边关系,其中,各所述节点的类型、参数和各所述节点之间的连边关系共同构成所述初始控制方案;
对各所述节点的类型、参数和各所述节点之间的连边关系中的至少一项进行修改,获得下一代信号控制方案。
可选地,所述适应度函数为:
其中,T为信号周期数量,P为信号相位数量,I为路口通信方向数量,为第t个周期第p个相位第i个方向过车数量,为第t个周期第p个相位第i个方向车辆排队长度,为第t个周期第p个相位第i个方向绿灯时间空置时长,α、β和γ为变量系数。
本发明实施例提供的信号控制方案生成方法及装置,在修正仿真模型中运行控制方案自动生成算法获得初始信号控制方案,并依次判断初始信号控制方案在实际交通参数和模拟交通参数仿真下的适应度函数值是否收敛,根据判断结果获得最适信号控制方案,由于该最适信号控制方案在实际交通参数和模拟交通参数仿真下的适应度函数值均收敛,因此该最适信号控制方案不仅能够基于正常的交通情况进行自适应进化,还能够基于一些异常的交通情况进行自适应进化,具有良好、灵活的自适应进化特性,能够根据实时交通状态自适应进化以生成能够有效调控交通信号灯配时的控制方案,进而有效改善路口的通行效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种电子设备10的方框示意图。
图2为本发明实施例所提供的一种信号控制方案生成方法的流程图。
图3为本发明实施例所提供的一种逻辑图网的示意图。
图4为本发明实施例所提供的一种信号控制方案生成装置20的模块框图。
图标:
10-电子设备;11-存储器;12-处理器;13-网络模块;
20-信号控制方案生成装置;21-仿真模型获取模块;22-适应度函数获取模块;23-最适信号控制方案生成模块。
具体实施方式
发明人经调查发现,现有的信号控制方案大多根据历史经验进行优化,配时固定,可变动余地小,灵活性和泛华能力弱,难以根据实时交通状态灵活、准确生成用于调控交通信号灯配时的控制方案。
以上现有技术中的方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案,都应该是发明人在本发明过程中对本发明做出的贡献。
基于上述研究,本发明实施例提供了一种信号控制方案生成方法及装置,能够生成具有自适应进化功能的信号控制方案,该信号控制方案能够根据实时交通状态自适应进化以生成能够有效调控交通信号灯配时的控制方案,进而有效改善路口的通行效率。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
图1示出了本发明实施例所提供的一种电子设备10的方框示意图。本发明实施例中的电子设备10可以为具有数据存储、传输、处理功能的服务端,如图1所示,电子设备10包括:存储器11、处理器12、网络模块13和信号控制方案生成装置20。
存储器11、处理器12和网络模块13之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有信号控制方案生成装置20,所述信号控制方案生成装置20包括至少一个可以软件或固件(firmware)的形式储存于所述存储器11中的软件功能模块,所述处理器12通过运行存储在存储器11内的软件程序以及模块,例如本发明实施例中的信号控制方案生成装置20,从而执行各种功能应用以及数据处理,即实现本发明实施例中的信号控制方案生成方法。
其中,所述存储器11可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器11用于存储程序,所述处理器12在接收到执行指令后,执行所述程序。
所述处理器12可能是一种集成电路芯片,具有数据的处理能力。上述的处理器12可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块13用于通过网络建立电子设备10与其他通信终端设备之间的通信连接,实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解,图1所示的结构仅为示意,电子设备10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例还提供一种计算机可读存储介质,所述可读存储介质包括计算机程序。所述计算机程序运行时控制所述可读存储介质所在电子设备10执行下面的信号控制方案生成方法。
图2示出了本发明实施例所提供的一种信号控制方案生成方法的流程图。所述方法有关的流程所定义的方法步骤应用于电子设备10,可以由所述处理器12实现。下面将对图2所示的具体流程进行详细阐述:
步骤S21,获得仿真模型,对仿真模型进行调整优化以获得修正仿真模型。
在本实施例中,仿真模型包括但不限于逻辑图网络模型和基础相位模型。传统的构建逻辑图网络模型的方法以路口为结点,以车道为边,该方法并不能很好的体现交通网络的实际状态,例如,即使是同一条道路上的车辆,选择不同的行进方向,由于受到信号灯设置、车线设置、该方向上的车流量等各种因素的影响,行驶速度也会有较大的差距。因此,在本实施例中,根据地理信息建立的逻辑图网络模型以车流走向分歧点为结点,以不同车速的车流行走路线为边,如此设置,能够更加精确的评估交通网络的实际情况,其中,逻辑图网如图3所示。针对基础相位模型,可以根据待优化路口的车道数、车道长度、可通行方向构建,可选地,可以将该路口现有的信号控制方案导入基础相位模型,作为之后的信号控制方案生成的基础。
获得待优化路口的实际交通数据,根据实际交通数据计算获得实际交通参数,将实际交通参数输入仿真模型,对仿真模型进行调整优化,获得修正仿真模型。
可以理解,对仿真模型进行调整优化,能够保证之后信号控制方案生成的准确性。
步骤S22,在修正仿真模型中运行控制方案自动生成算法,获得初始信号控制方案,将实际交通参数输入修正仿真模型,对初始信号控制方案进行仿真,获得初始信号控制方案在实际交通参数仿真下的适应度函数值。
在本实施例中,控制方案自动生成算法的基本思想是用一些图状结构的控制方案来控制交通信号灯,可以理解,一种信号控制方案对应一种图状结构。
图状结构中包含三种类型的节点:开始节点,判断节点和执行节点,各个节点间用有向连边相连,开始节点是控制程序的入口,是触发控制程序开始执行的节点,判断节点用于判断某种交通状态是否满足,不同的判断结果对应不同的连边,连边通向新的节点,执行节点负责更改信号灯状态,不同的节点和连边关系的组合就形成了不同的信号控制方案。
例如,对于信号灯C1,车道L1的车辆队伍大于50米触发了开始节点S1,开始节点S1连接判断节点J1判断车道L2的车辆队伍小于50米,根据连边走到判断节点J2判断路口C2的信号灯状态为根据连边走到判断节点J5判断信号灯C1的一号相位时长是否在30~50秒之间,根据判断结果选择连边走向,根据连边走到执行节点P1增加相位,时长10秒,根据连边走到执行节点P10,稳定当前信号配时,等待下次触发。可以理解,以上过程为一种信号控制方案。
可以理解,初始信号控制方案可以通过控制方案自动生成算法随机生成,也可以使用原有路口的信号控制方案。考虑到搜索的复杂度,以及为了提高之后信号控制方案的进化效率,本实施例提供了两种不同类型的图状结构(个体):TypeA和TypeB。
其中,TypeA只包括一个开始节点,判断节点的设计大多使用一些历史平均数据,执行节点多包含对信号周期的总时长调整、相位选择、各相位时长调整等,TypeA只在初始信号方案生成的时候使用。例如,在运行控制方案自动生成算法时,可以采用TypeA生成初始信号控制方案。TypeB则包含多个开始节点,其中,多个开始节点表示不同的触发条件,判断节点设计大多使用一些实时交通状态的判断,执行节点大多包含对当前相位的微调,可以理解,TypeB可以用于生成第n代信号控制方案。
在获得初始信号控制方案之后,将实际交通参数输入修正仿真模型,对初始信号控制方案进行仿真,获得初始信号控制方案在实际交通参数仿真下的适应度函数值,在本实施例中,适应度函数为:
其中,T为信号周期数量,P为信号相位数量,I为路口通信方向数量,为第t个周期第p个相位第i个方向过车数量,为第t个周期第p个相位第i个方向车辆排队长度,为第t个周期第p个相位第i个方向绿灯时间空置时长,α、β和γ为变量系数。
步骤S23,判断初始信号控制方案在实际交通参数仿真下的适应度函数值是否收敛。
若收敛,转向步骤S24,若不收敛,转向步骤S25。
步骤S24,获得模拟交通参数,将模拟交通参数输入修正仿真模型,对初始信号控制方案进行仿真,获得初始信号控制方案在模拟交通参数仿真下的适应度函数值。
可以理解,若初始信号控制方案适用于实际交通情况,还需要模拟一些实际中并未出现,甚至极端的交通情况,进而使初始信号控制方案能够在实际应用中进化出可适用于突发情况的控制方案。
步骤S25,采用控制方案自动生成算法生成下一代信号控制方案。
若初始信号控制方案在实际交通参数仿真下的适应度函数值不收敛,则需要采用控制方案自动生成算法生成下一代信号控制方案,可以理解,生成下一代信号控制方案的过程可以看作是初始信号控制方案的自适应进化。
由于每个信号控制方案可以用一个图状结构表示,每个信号控制方案也可以理解为基因型,其中,基因型是一个有向图网络的线性表示,可以理解,基因型的重要组成单位也为开始节点、判断节点和执行节点,以及这些节点中的函数设计。
本实施例示出了一些节点函数设计的例子:
判断节点J1:判断车道Li的车辆排队长度,如果大于N,选择连边Con1,如果小于N,选择连边Con2,其中N和Li为可变参数。可以理解,在进化过程中,N和Li可通过变异改变,一个信号控制方案中可加入多个J1类型的判断节点,但函数中的参数N和Li不同,进化过程会筛选出最适合控制方案的参数。
判断节点J2:判断路口Ci的可通信方向剩余可通行时间T是否大于TX,若大于,选择连边Con1,若小于,选择连边Con2,其中,时间T可以为负数,当时间T为负数时,当前该方向不可通行,T的绝对值为到达可通信时间的剩余时间长度,这里的TX、Ci和都是可变参数,路口Ci所有可通行方向的集合。可以理解,在进化过程中可通过变异改变,一个信号控制方案中可加入多个J2类型节点,但函数中参数不同,进化过程会筛选出最适合的参数。
此外,判断节点还可以判断某一数据采集点,采集的车辆平均行驶时间、车流量、某一通行方向绿灯时间饱和流通率、非机动车通行量、当前所在相位位置、某一车道历史平均某一转向(右转、左转、直行)的车辆占比等等。
执行节点P1:信号周期增加X秒,其中X为可变参数,可在进化过程中通过变异改变,一个信号控制方案中可加入多个P1类型的节点,每个P1类型的节点拥有不同的X参数。
执行节点P2:相位phk中通行方向设置为不可通行或可通行,phk和为可变参数,可在进化过程中通过变异改变,一个信号控制方案中可加入多个P2类型的节点,每个P2类型的节点拥有不用的phk和
执行节点P3:相位phk时长改变为pht,phk和pht为可变参数,在进化过程中通过变异改变,一个信号控制方案中可加入多个P3类型的节点,每个P3类型的节点拥有不同的phk和pht。
可以理解,初始信号控制方案在进行自适应进化时,可以通过对上述节点中的某个或者某几个进行变异改变,以进化成为下一代信号控制方案。
初始信号控制方案在进化成为下一代信号控制方案之后,本实施例所提供的方法还会对下一代信号控制方案在实际交通参数仿真下的适应度函数值的收敛性进行判断,直到进化出的信号控制方案在实际交通参数仿真下的适应度函数值收敛,才会转向步骤S26。
可以理解,一般情况下信号控制方案会进行多次自适应进化,若经过n次自适应进化生成的信号控制方案在实际交通参数仿真下的适应度函数值均不收敛,可以采用第n代信号控制方案执行步骤S26。
步骤S26,判断初始信号控制方案在模拟交通参数仿真下的适应度函数值是否收敛。
若收敛,转向步骤S27,若不收敛,转向步骤S28。
应当理解,步骤S26中的初始信号控制方案为在实际交通参数仿真下的适应度函数值收敛的信号控制方案F,一般情况下,该信号控制方案F会经历多次自适应进化。
步骤S27,将初始信号控制方案作为最适信号控制方案。
可以理解,若信号控制方案F在模拟交通参数仿真下的适应度函数值收敛,可以将信号控制方案F作为最适信号控制方案。可选地,可以将该最适信号控制方案在实际路口进行在线测试,对该最适信号控制方案进行微调和验证。应当理解,本发明实施例所示提供的信号控制方案生成方法只针对于单路口。
步骤S28,采用控制方案自动生成算法生成下一代信号控制方案。
可以理解,该步骤的自适应进化过程同步骤S25类似,因此在此不作更多说明。
可以理解,通过上述方法,能够生成一最适信号控制方案,该最适信号控制方案具有自适应进化功能,能够根据实时交通状态进化出一套合理的控制方案,实现对交通信号灯配时的调控,同时,算法结合仿真,使得该最适信号控制方案能够充分挖掘实际交通数据、历史交通数据以及模拟交通数据,学习各种交通模式,改善验证能力和泛化能力差的问题。
进一步地,和以线性结构为基因型的进化计算方法相比,本实施例所提供的基因型结构更为紧凑,处理数据效率更高,能够有效的进化出更为复杂的控制方案。
进一步地,本实施例所公开的算法每一步都可视可证,还可进行人工微调,和一些基于神经网络、深度神经网络的方法相比,增加了对适应度函数收敛性的判断,更适合应用于信号控制这类对可靠性要求较高的实际问题中。
在上述基础上,如图4所示,本发明实施例提供了一种信号控制方案生成装置20,所述信号控制方案生成装置20包括:仿真模型获取模块21、适应度函数获取模块22和最适信号控制方案生成模块23。
仿真模型获取模块21,用于获得仿真模型,其中,所述仿真模型包括逻辑图网络模型和基础相位模型;获得待优化路口的实际交通数据,根据所述实际交通数据计算获得实际交通参数;将所述实际交通参数输入所述仿真模型,对所述仿真模型进行调整优化,获得修正仿真模型。
由于仿真模型获取模块21和图2中步骤S21的实现原理类似,因此在此不作更多说明。
适应度函数获取模块22,用于在所述修正仿真模型中运行控制方案自动生成算法,获得初始信号控制方案,将所述实际交通参数输入所述修正仿真模型,对所述初始信号控制方案进行仿真,获得所述初始信号控制方案在所述实际交通参数仿真下的适应度函数值。
由于适应度函数获取模块22和图2中步骤S22的实现原理类似,因此在此不作更多说明。
最适信号控制方案生成模块23,用于判断所述初始信号控制方案在所述实际交通参数仿真下的适应度函数值是否收敛,若收敛,获得模拟交通参数,将所述模拟交通参数输入所述修正仿真模型,对所述初始信号控制方案进行仿真,获得所述初始信号控制方案在所述模拟交通参数仿真下的适应度函数值,判断所述初始信号控制方案在所述模拟交通参数仿真下的适应度函数值是否收敛,若收敛,将所述初始信号控制方案作为最适信号控制方案,其中,所述最适信号控制方案用于在实时交通状态下进行自适应进化。
由于最适信号控制方案生成模块23和图2中步骤S23的实现原理类似,因此在此不作更多说明。
综上,本发明实施例所提供的信号控制方案生成方法及装置,所生成的信号控制方案具有自适应进化功能,能够根据实时交通状态自适应进化以生成能够有效调控交通信号灯配时的控制方案,进而有效改善路口的通行效率。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备10,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种信号控制方案生成方法,其特征在于,所述方法包括:
获得仿真模型,其中,所述仿真模型包括逻辑图网络模型和基础相位模型;获得待优化路口的实际交通数据,根据所述实际交通数据计算获得实际交通参数,将所述实际交通参数输入所述仿真模型,对所述仿真模型进行调整优化,获得修正仿真模型;
在所述修正仿真模型中运行控制方案自动生成算法,获得初始信号控制方案;将所述实际交通参数输入所述修正仿真模型,对所述初始信号控制方案进行仿真,获得所述初始信号控制方案在所述实际交通参数仿真下的适应度函数值;
判断所述初始信号控制方案在所述实际交通参数仿真下的适应度函数值是否收敛,若收敛,获得模拟交通参数,将所述模拟交通参数输入所述修正仿真模型,对所述初始信号控制方案进行仿真,获得所述初始信号控制方案在所述模拟交通参数仿真下的适应度函数值,判断所述初始信号控制方案在所述模拟交通参数仿真下的适应度函数值是否收敛,若收敛,将所述初始信号控制方案作为最适信号控制方案,其中,所述最适信号控制方案用于在实时交通状态下进行自适应进化。
2.根据权利要求1所述的信号控制方案生成方法,其特征在于,所述方法还包括:
若该初始信号控制方案在所述模拟交通参数仿真下的适应度函数值不收敛,采用所述控制方案自动生成算法生成下一代信号控制方案;
对所述下一代信号控制方案进行仿真,获得所述下一代信号控制方案在所述模拟交通参数仿真下的适应度函数值,判断所述下一代信号控制方案在所述模拟交通参数仿真下的适应度函数值是否收敛,若收敛,将所述下一代信号控制方案作为最适信号控制方案。
3.根据权利要求2所述的信号控制方案生成方法,其特征在于,所述方法还包括:
当采用所述控制方案自动生成算法生成的信号控制方案的代数达到第n代时,将第n代信号控制方案作为最适信号控制方案。
4.根据权利要求2所述的信号控制方案生成方法,其特征在于,采用所述控制方案自动生成算法生成下一代信号控制方案的步骤,包括:
获得所述初始信号控制方案中包括的各个节点的类型、参数以及各所述节点之间的连边关系,其中,各所述节点的类型、参数和各所述节点之间的连边关系共同构成所述初始控制方案;
对各所述节点的类型、参数和各所述节点之间的连边关系中的至少一项进行修改,获得下一代信号控制方案。
5.根据权利要求1所述的信号控制方案生成方法,其特征在于,所述适应度函数为:
其中,T为信号周期数量,P为信号相位数量,I为路口通信方向数量,为第t个周期第p个相位第i个方向过车数量,为第t个周期第p个相位第i个方向车辆排队长度,为第t个周期第p个相位第i个方向绿灯时间空置时长,α、β和γ为变量系数。
6.一种信号控制方案生成装置,其特征在于,所述装置包括:
仿真模型获取模块,用于获得仿真模型,其中,所述仿真模型包括逻辑图网络模型和基础相位模型;获得待优化路口的实际交通数据,根据所述实际交通数据计算获得实际交通参数;将所述实际交通参数输入所述仿真模型,对所述仿真模型进行调整优化,获得修正仿真模型;
适应度函数获取模块,用于在所述修正仿真模型中运行控制方案自动生成算法,获得初始信号控制方案,将所述实际交通参数输入所述修正仿真模型,对所述初始信号控制方案进行仿真,获得所述初始信号控制方案在所述实际交通参数仿真下的适应度函数值;
最适信号控制方案生成模块,用于判断所述初始信号控制方案在所述实际交通参数仿真下的适应度函数值是否收敛,若收敛,获得模拟交通参数,将所述模拟交通参数输入所述修正仿真模型,对所述初始信号控制方案进行仿真,获得所述初始信号控制方案在所述模拟交通参数仿真下的适应度函数值,判断所述初始信号控制方案在所述模拟交通参数仿真下的适应度函数值是否收敛,若收敛,将所述初始信号控制方案作为最适信号控制方案,其中,所述最适信号控制方案用于在实时交通状态下进行自适应进化。
7.根据权利要求6所述的信号控制方案生成装置,其特征在于,若该初始信号控制方案在所述模拟交通参数仿真下的适应度函数值不收敛,所述最适信号控制方案生成模块还用于:
采用所述控制方案自动生成算法生成下一代信号控制方案;
对所述下一代信号控制方案进行仿真,获得所述下一代信号控制方案在所述模拟交通参数仿真下的适应度函数值,判断所述下一代信号控制方案在所述模拟交通参数仿真下的适应度函数值是否收敛,若收敛,将所述下一代信号控制方案作为最适信号控制方案。
8.根据权利要求7所述的信号控制方案生成装置,其特征在于,所述最适信号控制方案生成模块还用于:
当采用所述控制方案自动生成算法生成的信号控制方案的代数达到第n代时,将第n代信号控制方案作为最适信号控制方案。
9.根据权利要求7所述的信号控制方案生成装置,其特征在于,所述最适信号控制方案生成模块通过以下方式生成下一代信号控制方案:
获得所述初始信号控制方案中包括的各个节点的类型、参数以及各所述节点之间的连边关系,其中,各所述节点的类型、参数和各所述节点之间的连边关系共同构成所述初始控制方案;
对各所述节点的类型、参数和各所述节点之间的连边关系中的至少一项进行修改,获得下一代信号控制方案。
10.根据权利要求6所述的信号控制方案生成装置,其特征在于,所述适应度函数为:
其中,T为信号周期数量,P为信号相位数量,I为路口通信方向数量,为第t个周期第p个相位第i个方向过车数量,为第t个周期第p个相位第i个方向车辆排队长度,为第t个周期第p个相位第i个方向绿灯时间空置时长,α、β和γ为变量系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811083974.5A CN109191875B (zh) | 2018-09-17 | 2018-09-17 | 信号控制方案生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811083974.5A CN109191875B (zh) | 2018-09-17 | 2018-09-17 | 信号控制方案生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109191875A true CN109191875A (zh) | 2019-01-11 |
CN109191875B CN109191875B (zh) | 2020-12-29 |
Family
ID=64911871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811083974.5A Expired - Fee Related CN109191875B (zh) | 2018-09-17 | 2018-09-17 | 信号控制方案生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109191875B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111597700A (zh) * | 2020-05-09 | 2020-08-28 | 北京百度网讯科技有限公司 | 信控算法评估方法、装置、电子设备及可读存储介质 |
CN113450559A (zh) * | 2020-03-27 | 2021-09-28 | 华为技术有限公司 | 审核交通灯的控制方案的方法和装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11282505A (ja) * | 1998-03-30 | 1999-10-15 | Mazda Motor Corp | 遺伝的アルゴリズムの適用による制御パラメータ設定方法、及びその方法を記憶した記憶媒体 |
JP2001006090A (ja) * | 1999-06-21 | 2001-01-12 | Matsushita Electric Ind Co Ltd | 交通流量管理方法 |
US6339383B1 (en) * | 1999-11-05 | 2002-01-15 | Sumitomo Electric Industries, Ltd. | Traffic signal control apparatus optimizing signal control parameter by rolling horizon scheme |
JP2002170194A (ja) * | 2000-11-30 | 2002-06-14 | Mitsubishi Heavy Ind Ltd | 交通信号制御装置 |
CN101789182A (zh) * | 2010-02-05 | 2010-07-28 | 北京工业大学 | 一种基于平行仿真技术的交通信号控制***及方法 |
JP4820540B2 (ja) * | 2004-07-22 | 2011-11-24 | パナソニック株式会社 | 信号制御情報生成装置およびその方法 |
CN102645930A (zh) * | 2012-05-07 | 2012-08-22 | 同济大学 | 一种用于交通信号控制***的硬件在环仿真测试*** |
CN103593986A (zh) * | 2013-11-25 | 2014-02-19 | 东南大学 | 一种优化尾气排放的干线绿波协调控制信号配时方法 |
CN104021685A (zh) * | 2014-06-26 | 2014-09-03 | 广东工业大学 | 一种含混合交通流的交叉***通控制方法 |
CN104134356A (zh) * | 2014-06-30 | 2014-11-05 | 南京航空航天大学 | 城市交叉口模型参考自适应信号的控制方法 |
CN104952261A (zh) * | 2015-06-25 | 2015-09-30 | 广东工业大学 | 一种单交叉***通信号优化控制方法 |
CN106205156A (zh) * | 2016-08-12 | 2016-12-07 | 南京航空航天大学 | 一种针对部分车道车流突变的交叉口自愈合控制方法 |
CN106846842A (zh) * | 2017-03-24 | 2017-06-13 | 上海理工大学 | 基于多时段控制方案的城市干道协调控制优化方法 |
CN107610487A (zh) * | 2017-08-23 | 2018-01-19 | 南京邮电大学 | 基于动态随机车流相位差协调机制的区域交通控制***和方法 |
CN107705557A (zh) * | 2017-09-04 | 2018-02-16 | 清华大学 | 基于深度增强网络的路网信号控制方法及装置 |
-
2018
- 2018-09-17 CN CN201811083974.5A patent/CN109191875B/zh not_active Expired - Fee Related
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11282505A (ja) * | 1998-03-30 | 1999-10-15 | Mazda Motor Corp | 遺伝的アルゴリズムの適用による制御パラメータ設定方法、及びその方法を記憶した記憶媒体 |
JP2001006090A (ja) * | 1999-06-21 | 2001-01-12 | Matsushita Electric Ind Co Ltd | 交通流量管理方法 |
US6339383B1 (en) * | 1999-11-05 | 2002-01-15 | Sumitomo Electric Industries, Ltd. | Traffic signal control apparatus optimizing signal control parameter by rolling horizon scheme |
JP2002170194A (ja) * | 2000-11-30 | 2002-06-14 | Mitsubishi Heavy Ind Ltd | 交通信号制御装置 |
JP4820540B2 (ja) * | 2004-07-22 | 2011-11-24 | パナソニック株式会社 | 信号制御情報生成装置およびその方法 |
CN101789182A (zh) * | 2010-02-05 | 2010-07-28 | 北京工业大学 | 一种基于平行仿真技术的交通信号控制***及方法 |
CN102645930A (zh) * | 2012-05-07 | 2012-08-22 | 同济大学 | 一种用于交通信号控制***的硬件在环仿真测试*** |
CN103593986A (zh) * | 2013-11-25 | 2014-02-19 | 东南大学 | 一种优化尾气排放的干线绿波协调控制信号配时方法 |
CN104021685A (zh) * | 2014-06-26 | 2014-09-03 | 广东工业大学 | 一种含混合交通流的交叉***通控制方法 |
CN104134356A (zh) * | 2014-06-30 | 2014-11-05 | 南京航空航天大学 | 城市交叉口模型参考自适应信号的控制方法 |
CN104952261A (zh) * | 2015-06-25 | 2015-09-30 | 广东工业大学 | 一种单交叉***通信号优化控制方法 |
CN106205156A (zh) * | 2016-08-12 | 2016-12-07 | 南京航空航天大学 | 一种针对部分车道车流突变的交叉口自愈合控制方法 |
CN106846842A (zh) * | 2017-03-24 | 2017-06-13 | 上海理工大学 | 基于多时段控制方案的城市干道协调控制优化方法 |
CN107610487A (zh) * | 2017-08-23 | 2018-01-19 | 南京邮电大学 | 基于动态随机车流相位差协调机制的区域交通控制***和方法 |
CN107705557A (zh) * | 2017-09-04 | 2018-02-16 | 清华大学 | 基于深度增强网络的路网信号控制方法及装置 |
Non-Patent Citations (3)
Title |
---|
李瑞敏: "基于遗传算法的交通信号控制多目标优化", 《长安大学学报(自然科学版)》 * |
臧利林: "城市交通信号优化控制算法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
陈丹: "城市交通信号灯的仿真优化研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113450559A (zh) * | 2020-03-27 | 2021-09-28 | 华为技术有限公司 | 审核交通灯的控制方案的方法和装置 |
CN111597700A (zh) * | 2020-05-09 | 2020-08-28 | 北京百度网讯科技有限公司 | 信控算法评估方法、装置、电子设备及可读存储介质 |
CN111597700B (zh) * | 2020-05-09 | 2023-08-15 | 北京百度网讯科技有限公司 | 信控算法评估方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109191875B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Richter et al. | Natural actor-critic for road traffic optimisation | |
US11783702B2 (en) | Method and system for adaptive cycle-level traffic signal control | |
CN113643528B (zh) | 信号灯控制方法、模型训练方法、***、装置及存储介质 | |
Vázquez et al. | Hybrid Petri net model of a traffic intersection in an urban network | |
Araghi et al. | Intelligent traffic light control of isolated intersections using machine learning methods | |
CN101464923A (zh) | 面向交通控制、诱导及其协调的仿真智能交通*** | |
Araghi et al. | Q-learning method for controlling traffic signal phase time in a single intersection | |
CN109191875A (zh) | 信号控制方案生成方法及装置 | |
CN105527963B (zh) | 侧方位停车方法及*** | |
CN108364490A (zh) | 城市公路交通***车辆运行调控方法 | |
Marsetič et al. | Road artery traffic light optimization with use of the reinforcement learning | |
Alekszejenkó et al. | SUMO Based Platform for Cooperative Intelligent Automotive Agents. | |
Ivanjko et al. | Ramp metering control based on the Q-learning algorithm | |
Toledo et al. | Simulation-based optimization of HOT lane tolls | |
Yusuf et al. | Adaptive traffic light controller simulation for traffic management | |
Berbar et al. | Reinforcement learning-based control of signalized intersections having platoons | |
CN112418574A (zh) | 基于人工智能的城市轨道交通运营仿真***及方法 | |
Wu et al. | Deep reinforcement learning based traffic signal control: A comparative analysis | |
Hale et al. | Optimality versus run time for isolated signalized intersections | |
CN108364491A (zh) | 基于车流量预测的驾驶员信息提醒方法 | |
Junchen et al. | A learning-based adaptive signal control system with function approximation | |
Jacob et al. | Integrated traffic corridor control using machine learning | |
Koltovska et al. | Intelligent Agent Based Traffic Signal Control on Isolated Intersections. | |
Yang et al. | Acyclic real-time traffic signal control based on a genetic algorithm | |
Wu et al. | Development of platoon‐based actuated signal control systems to coordinated intersections: application in corridors in Houston |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201229 Termination date: 20210917 |
|
CF01 | Termination of patent right due to non-payment of annual fee |