CN115662133B - 交叉口信号配时优化方法、装置、终端设备及存储介质 - Google Patents
交叉口信号配时优化方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN115662133B CN115662133B CN202211332740.6A CN202211332740A CN115662133B CN 115662133 B CN115662133 B CN 115662133B CN 202211332740 A CN202211332740 A CN 202211332740A CN 115662133 B CN115662133 B CN 115662133B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- nth
- signal timing
- instantaneous
- signal
- 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.)
- Active
Links
Classifications
-
- 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
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交叉口信号配时优化方法、装置、终端设备及存储介质,通过调取目标交叉口过去X天的历史数据,构建生态导向型单交叉口信号配时模型,根据所述信号周期内每一组信号配时方案下每一辆车的时间成本和环境生态成本,获得所述模型的目标函数,计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通管控***通过所述最优信号配时方案控制所述目标交叉口的信号配时。本发明实施例能够综合考虑每一辆车的时间成本和环境生态成本,降低车辆对交叉口的负面效益,从信号控制的角度实现交叉***通运行的低碳化、可持续化。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种交叉口信号配时优化方法、装置、终端设备及存储介质。
背景技术
城市交通***在发展的过程中不可避免地带来了一系列的交通问题,如交通拥堵、能源消耗、环境污染等。持续的交通拥堵也加剧了车辆的燃油消耗、温室气体排放和尾气污染。研究表明,2016年中国总油耗达到5.56亿吨,占全国总油耗的40%,2018年交通运输***对全国能源消费总量的贡献率为10.7%,对全国二氧化碳直接排放量的贡献率为73.5%。因此,交通运输部分在解决交通拥堵的难题时,也面临着高能耗、高污染的挑战,因而,实现交通领域的节能化、低碳化和可持续化显得尤为重要。
为应对能耗和排放导致的生态环境恶化,在本世纪初,以荷兰为代表的欧共体提出了生态驾驶,将交通运输领域的关注点升级为节能减排和保护生态环境。在微观交通管理和控制层面,生态驾驶通常是指通过驾驶行为改善、信号配时优化、车速引导和路径诱导等技术尽量避免或减少车辆加减速和怠速过程,以最小化行驶过程中的能耗或尾气排放为优化目标,达到生态出行的目的。
目前,最为直接的生态驾驶技术之一是先基于车型、路段速度或瞬时工况(位置、速度和加减速度)等建立能耗和排放估计模型,再开展以能耗量或排放量单一指标或加权组合为优化目标的信号控制新理论,这明显区别于以通行能力、延误或停车次数等为优化目标的传统信号控制理论和方法。现有研究结合了车速引导技术初步建立了基于延误、能耗、排放的小汽车社会成本宏观模型或单一排放或能耗的成本模型,并在此基础上建立了以排放或能耗为优化目标的信号配时方法。
发明内容
本发明提供一种交叉口信号配时优化方法、装置、终端设备及存储介质,能够综合考虑每一辆车的时间成本和环境生态成本,减少车辆对交叉口的负面效益,从信号控制的角度实现交叉***通运行的低碳化、可持续化。
为了实现上述目的,第一方面,本发明实施例提供了一种交叉口信号配时优化方法,包括:
调取目标交叉口过去X天的历史数据;其中,所述历史数据,包括:车辆的种类和动力类型、车道数量、每个车道的进口流量、车流构成情况、汽车车载人数、公交车车载人数、车辆初始位置、所述目标交叉口的停止线位置、匀速行驶车头间距、堵塞车头间距;0<X≤30;
初始化所述历史数据,仿真生成每一个信号周期内的车流情况信息;获取所述信号周期内每一组信号配时方案下的每一辆车的瞬时工况参数;其中,所述瞬时工况参数包括:瞬时加速度和瞬时速度;
构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通管控***通过所述最优信号配时方案控制所述目标交叉口的信号配时。
作为上述方案的改进,所述构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数,具体包括:
构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
其中,所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本计算公式为
式中,Ce(n)为所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本;TD为所述第n辆车离开所述目标交叉口的时间;TO为所述第n辆车到达所述目标交叉口的时间;θ代表所述第n辆车的动力类型;其中,θ=1为燃油车,θ=0为电动车;代表所述第n辆车为燃油车时,所述第n辆车的瞬时油耗率;C1为燃油的单位价格;α1为所述燃油车尾气排放处理成本的权重系数;/>为所述第n辆车为燃油车时,所述第n辆车的第m种排放物的瞬时尾气排放率;其中m=2、3和4分别代表CO、HC和NOx;Cm代表所述第m种排放物尾气处理的单位价格;re为所述第n辆车为电动车时,所述第n辆车的瞬时能耗率;Cp为电能的单位价格;
所述信号周期内每一组信号配时方案下的第n辆车的时间成本计算公式为
式中,Ct(n)为所述信号周期内每一组信号配时方案下的第n辆车的时间成本;为所述第n辆车的种类,其中,/>为汽车,/>为公交车;tr为所述第n辆车通过所述目标交叉口的实际时间;N1为所述信号周期内所有的汽车载客数的平均值;N2为所述信号周期内所有的公交车载客数的平均值;tf为所述第n辆车不受阻碍通过所述目标交叉口的时间;M2为等候所述公交车的站台乘客人数的平均值;mt为人均时间价值;
所述模型的目标函数为
式中,Cg代表所述目标交叉口在所述信号周期内每一组信号配时方案下的社会综合成本;N为所述信号周期内的车辆总数;n为所述信号周期内每一组信号配时方案下的第n辆车;α为所述环境生态成本的重要程度系数;β为所述时间成本的重要程度系数。
作为上述方案的改进,所述第n辆车为燃油车时,所述第n辆车的瞬时油耗率和瞬时尾气排放率通过以下步骤获得,具体包括:
所述第n辆车的瞬时油耗率和瞬时尾气排放率的计算公式为
式中,当m=1时,为所述第n辆车的瞬时油耗率,当m≠1时,/>为所述第n辆车的第m种排放物的瞬时尾气排放率;i为所述第n辆车的瞬时速度的幂指数;j为所述第n辆车的瞬时加速度的幂指数;/>为所述第n辆车在加速状态下的回归系数;/>为所述第n辆车在减速状态下的回归系数;vn i为所述第n辆车的瞬时速度的i次幂;an j为所述第n辆车的瞬时加速度的j次幂;an为所述第n辆车的瞬时加速度。
作为上述方案的改进,所述第n辆车为电动车时,所述第n辆车的瞬时能耗率通过以下步骤获得,具体包括:
所述第n辆车的瞬时能耗率的计算公式为
式中,q为所述第n辆车瞬时速度的幂指数;p为所述第n辆车瞬时加速度的幂指数;ηq,p为所述第n辆车在加速状态下的回归系数;μq,p为所述第n辆车在减速状态下的回归系数;vn q为所述第n辆车的瞬时速度的q次幂;an p为所述第n辆车的瞬时加速度的p次幂;an为所述第n辆车的瞬时加速度;vn为所述第n辆车的瞬时速度;为所述第n辆车在匀速状态下的回归系数;VSPq为所述第n辆车机动车比功率的q次幂,其中,VSP为所述第n辆车的机动车比功率,VSP=vn×(1.1×an+0.132)+0.000302×vn 3,/>为所述第n辆车在怠速状态下每秒的能耗量;其中,所述瞬时速度和瞬时加速度为所述第n辆车的瞬时工况参数。
作为上述方案的改进,所述获取所述信号周期内每一组信号配时方案下的每一辆车的瞬时工况参数,具体包括:
在车辆运动模型中,输入所述目标交叉口的每一组信号配时方案,对所述信号周期内每一组信号配时方案下的每一辆车的运动轨迹进行仿真,获取所述每一辆车的瞬时工况参数;
其中,所述车辆的运动模型,具体包括:
在所述目标交叉口的第z个信号周期第k个相位的红灯开始时,判断目标车辆是否为停下来的第1辆车;
若是,则所述目标车辆为前导车,所述前导车行驶的瞬时速度为
式中,v1(t)为所述前导车在t时刻的速度;v为所述前导车的初始速度;t为当前时刻;a1为所述前导车的最大加速度,也代表所述前导车的瞬时加速度;为所述第z个信号周期第k个相位的红灯开始的时刻;其中,/> 为所述第z个信号周期第k个相位的绿灯开始的时刻;其中,/> 为所述目标交叉的第1个信号周期第1个相位的绿灯开始的时刻,k为所述目标交叉口第z个信号周期的第k个相位,l为所述目标交叉口第z个信号周期的第l个相位,/>为所述第l个相位的绿灯时长,z为所述目标交叉口的第z个信号周期,Cz-1为所述第z-1个信号周期的周期时长;/>为所述第k个相位的绿灯时长;/>为所述第k个相位的红灯时长;
若否,则所述目标车辆为跟驰车,所述跟驰车的瞬时加速度为
式中,an(t)为所述第n-1辆跟驰车在t时刻的加速度;vf为自由流速度;kjam为停车状态下的车流密度;xn-1(t)为所述跟驰车前面的第一辆车在t时刻的位置,xn(t)为所述第n-1辆跟驰车在t时刻的位置;vn-1(t)为所述跟驰车前面的第一辆车在t时刻的速度;vn(t)为所述第n-1辆跟驰车在t时刻的速度;
所述第n-1辆跟驰车在Tn+Δt时间后的瞬时速度为
vn(t+Tn+Δt)=vn(t+Tn)+an(t)Δt,
式中,vn(t+Tn+Δt)为所述第n-1辆跟驰车在t+Tn+Δt时刻的速度;vn(t+Tn)为所述第n-1辆跟驰车在t+Tn时刻的速度;Tn为所述第n-1辆跟驰车的反应时间。
作为上述方案的改进,所述计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通管控***通过所述最优信号配时方案控制所述目标交叉口的信号配时,具体包括:
计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通***通过所述最优信号配时方案控制所述目标交叉口的信号配时;
其中,所述目标函数的最优解为
所述最优解的第一约束条件为
所述最优解的第二约束条件为
所述最优解的第三约束条件为
Cmin≤Cz≤Cmax,
式中,minCg为所述目标交叉口的最小社会综合成本;K为所述目标交叉口第z个信号周期的总相位数;k为所述目标交叉口第z个信号周期的第k个相位;为为所述第k个相位的有效绿灯时间;Lk为所述第k个相位的损失时间;Cz为所述第z个信号周期的周期时长;为所述第k个相位的最小绿灯时间,/>为所述第k个相位的绿灯时间;Cmin为所述交叉口的最小信号周期的周期时长,Cmax为所述交叉口的最大信号周期的周期时长。
第二方面,本发明实施例提供了一种交叉口信号配时优化装置,包括:
调取模块,用于调取目标交叉口过去X天的历史数据;其中,所述历史数据,包括:车辆的种类和动力类型、车道数量、每个车道的进口流量、车流构成情况、汽车车载人数、公交车车载人数、车辆初始位置、所述目标交叉口的停止线位置、匀速行驶车头间距、堵塞车头间距;0<X≤30;
获取模块,用于初始化所述历史数据,仿真生成每一个信号周期内的车流情况信息;获取所述信号周期内每一组信号配时方案下的每一辆车的瞬时工况参数;其中,所述瞬时工况参数包括:瞬时加速度和瞬时速度;
构建模块,用于构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
计算模块,用于计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通管控***通过所述最优信号配时方案控制所述目标交叉口的信号配时。
作为上述方案的改进,所述构建模块,具体用于:
构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
其中,所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本计算公式为
式中,Ce(n)为所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本;TD为所述第n辆车离开所述目标交叉口的时间;TO为所述第n辆车到达所述目标交叉口的时间;θ代表所述第n辆车的动力类型;其中,θ=1为燃油车,θ=0为电动车;代表所述第n辆车为燃油车时,所述第n辆车的瞬时油耗率;C1为燃油的单位价格;α1为所述燃油车尾气排放处理成本的权重系数;/>为所述第n辆车为燃油车时,所述第n辆车的第m种排放物的瞬时尾气排放率;其中m=2、3和4分别代表CO、HC和NOx;Cm代表所述第m种排放物尾气处理的单位价格;re为所述第n辆车为电动车时,所述第n辆车的瞬时能耗率;Cp为电能的单位价格;
所述信号周期内每一组信号配时方案下的第n辆车的时间成本计算公式为
式中,Ct(n)为所述信号周期内每一组信号配时方案下的第n辆车的时间成本;为所述第n辆车的种类,其中,/>为汽车,/>为公交车;tr为所述第n辆车通过所述目标交叉口的实际时间;N1为所述信号周期内所有的汽车载客数的平均值;N2为所述信号周期内所有的公交车载客数的平均值;tf为所述第n辆车不受阻碍通过所述目标交叉口的时间;M2为等候所述公交车的站台乘客人数的平均值;mt为人均时间价值;
所述模型的目标函数为
式中,Cg代表所述目标交叉口在所述信号周期内每一组信号配时方案下的社会综合成本;N为所述信号周期内的车辆总数;n为所述信号周期内每一组信号配时方案下的第n辆车;α为所述环境生态成本的重要程度系数;β为所述时间成本的重要程度系数。
作为上述方案的改进,所述计算模块,具体用于:
计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通***通过所述最优信号配时方案控制所述目标交叉口的信号配时;
其中,所述目标函数的最优解为
所述最优解的第一约束条件为
所述最优解的第二约束条件为
所述最优解的第三约束条件为
Cmin≤Cz≤Cmax,
式中,minCg为所述目标交叉口的最小社会综合成本;K为所述目标交叉口第z个信号周期的总相位数;k为所述目标交叉口第z个信号周期的第k个相位;为为所述第k个相位的有效绿灯时间;Lk为所述第k个相位的损失时间;Cz为所述第z个信号周期的周期时长;为所述第k个相位的最小绿灯时间,/>为所述第k个相位的绿灯时间;Cmin为所述交叉口的最小信号周期的周期时长,Cmax为所述交叉口的最大信号周期的周期时长。
第三方面,本发明实施例对应提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述交叉口信号配时优化方法。
此外,本发明实施例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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述交叉口信号配时优化方法。
与现有技术相比,本发明实施例公开的一种交叉口信号配时优化方法、装置、终端设备及存储介质,通过调取交叉口过去一段时间的历史数据,仿真生成每一个信号周期内的车流情况信息,计算每一辆车的时间成本和环境生态成本,获得交叉口的最小社会综合成本的信号配时方案,以使交通管控***通过所获得的信号配时方案控制交叉口的信号配时。因此,本发明实施例能够综合考虑每一辆车的时间成本和环境生态成本,以降低车辆的社会综合成本为目标,从信号控制的角度实现交叉***通运行的低碳化、可持续化。
附图说明
图1是本发明实施例提供的一种交叉口信号配时优化方法的流程示意图;
图2是本发明实施例提供的一种交叉口信号配时优化装置的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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。
需要说明的是,本发明的术语“包括”和“具体”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,图1是本发明实施例提供的一种交叉口信号配时优化方法的流程示意图,该交叉口信号配时优化方法,包括步骤S11至S14:
S11:调取目标交叉口过去X天的历史数据;其中,所述历史数据,包括:车辆的种类和动力类型、车道数量、每个车道的进口流量、车流构成情况、汽车车载人数、公交车车载人数、车辆初始位置、所述目标交叉口的停止线位置、匀速行驶车头间距、堵塞车头间距;0<X≤30;
需要说明的是,所述的历史数据可以从交通管控***中获取,或者通过云端数据库中获取。所述车流构成情况为汽车与公交车比例和燃油车与电动车比例。
S12:初始化所述历史数据,仿真生成每一个信号周期内的车流情况信息;获取所述信号周期内每一组信号配时方案下的每一辆车的瞬时工况参数;其中,所述瞬时工况参数包括:瞬时加速度和瞬时速度;
S13:构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
需要说明的是,所述的时间成本和环境生态成本构成社会综合成本,用于表征出行活动中交通主体承担的时间和能耗、以及政府投入的尾气治理各项成本总和,其权重采用熵权法进行标定。
S14:计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通管控***通过所述最优信号配时方案控制所述目标交叉口的信号配时。
可选的,所述构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数,具体包括:
构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
其中,所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本计算公式为
式中,Ce(n)为所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本;TD为所述第n辆车离开所述目标交叉口的时间;TO为所述第n辆车到达所述目标交叉口的时间;θ代表所述第n辆车的动力类型;其中,θ=1为燃油车,θ=0为电动车;代表所述第n辆车为燃油车时,所述第n辆车的瞬时油耗率;C1为燃油的单位价格;α1为所述燃油车尾气排放处理成本的权重系数;/>为所述第n辆车为燃油车时,所述第n辆车的第m种排放物的瞬时尾气排放率;其中m=2、3和4分别代表CO、HC和NOx;Cm代表所述第m种排放物尾气处理的单位价格;re为所述第n辆车为电动车时,所述第n辆车的瞬时能耗率;Cp为电能的单位价格;
所述信号周期内每一组信号配时方案下的第n辆车的时间成本计算公式为
式中,Ct(n)为所述信号周期内每一组信号配时方案下的第n辆车的时间成本;为所述第n辆车的种类,其中,/>为汽车,/>为公交车;tr为所述第n辆车通过所述目标交叉口的实际时间;N1为所述信号周期内所有的汽车载客数的平均值;N2为所述信号周期内所有的公交车载客数的平均值;tf为所述第n辆车不受阻碍通过所述目标交叉口的时间;M2为等候所述公交车的站台乘客人数的平均值;mt为人均时间价值;
所述模型的目标函数为
式中,Cg代表所述目标交叉口在所述信号周期内每一组信号配时方案下的社会综合成本;N为所述信号周期内的车辆总数;n为所述信号周期内每一组信号配时方案下的第n辆车;α为所述环境生态成本的重要程度系数;β为所述时间成本的重要程度系数。
需要说明的是,计算环境生态成本过程中燃油的单位价格、排放物尾气处理的单位价格和电能的单位价格取值可以查询《环境保护税税目税额表》得到。
具体的,所述第n辆车为燃油车时,所述第n辆车的瞬时油耗率和瞬时尾气排放率通过以下步骤获得,具体包括:
所述第n辆车的瞬时油耗率和瞬时尾气排放率的计算公式为
式中,当m=1时,为所述第n辆车的瞬时油耗率,当m≠1时,/>为所述第n辆车的第m种排放物的瞬时尾气排放率;i为所述第n辆车的瞬时速度的幂指数;j为所述第n辆车的瞬时加速度的幂指数;/>为所述第n辆车在加速状态下的回归系数;/>为所述第n辆车在减速状态下的回归系数;vn i为所述第n辆车的瞬时速度的i次幂;an j为所述第n辆车的瞬时加速度的j次幂;an为所述第n辆车的瞬时加速度。
具体的,所述第n辆车为电动车时,所述第n辆车的瞬时能耗率通过以下步骤获得,具体包括:
所述第n辆车的瞬时能耗率的计算公式为
式中,q为所述第n辆车瞬时速度的幂指数;p为所述第n辆车瞬时加速度的幂指数;ηq,p为所述第n辆车在加速状态下的回归系数;μq,p为所述第n辆车在减速状态下的回归系数;vn q为所述第n辆车的瞬时速度的q次幂;an p为所述第n辆车的瞬时加速度的p次幂;an为所述第n辆车的瞬时加速度;vn为所述第n辆车的瞬时速度;为所述第n辆车在匀速状态下的回归系数;VSPq为所述第n辆车机动车比功率的q次幂,其中,VSP为所述第n辆车的机动车比功率,VSP=vn×(1.1×an+0.132)+0.000302×vn 3,/>为所述第n辆车在怠速状态下每秒的能耗量;其中,所述瞬时速度和瞬时加速度为所述第n辆车的瞬时工况参数。
可选的,所述获取所述信号周期内每一组信号配时方案下的每一辆车的瞬时工况参数,具体包括:
在车辆运动模型中,输入所述目标交叉口的每一组信号配时方案,对所述信号周期内每一组信号配时方案下的每一辆车的运动轨迹进行仿真,获取所述每一辆车的瞬时工况参数;
其中,所述车辆的运动模型,具体包括:
在所述目标交叉口的第z个信号周期第k个相位的红灯开始时,判断目标车辆是否为停下来的第1辆车;
若是,则所述目标车辆为前导车,所述前导车行驶的瞬时速度为
式中,v1(t)为所述前导车在t时刻的速度;v为所述前导车的初始速度;t为当前时刻;a1为所述前导车的最大加速度,也代表所述前导车的瞬时加速度;为所述第z个信号周期第k个相位的红灯开始的时刻;其中,/> 为所述第z个信号周期第k个相位的绿灯开始的时刻;其中,/> 为所述目标交叉的第1个信号周期第1个相位的绿灯开始的时刻,k为所述目标交叉口第z个信号周期的第k个相位,l为所述目标交叉口第z个信号周期的第l个相位,/>为所述第l个相位的绿灯时长,z为所述目标交叉口的第z个信号周期,Cz-1为所述第z-1个信号周期的周期时长;/>为所述第k个相位的绿灯时长;/>为所述第k个相位的红灯时长;
若否,则所述目标车辆为跟驰车,所述跟驰车的瞬时加速度为
式中,an(t)为所述第n-1辆跟驰车在t时刻的加速度;vf为自由流速度;kjam为停车状态下的车流密度;xn-1(t)为所述跟驰车前面的第一辆车在t时刻的位置,xn(t)为所述第n-1辆跟驰车在t时刻的位置;vn-1(t)为所述跟驰车前面的第一辆车在t时刻的速度;vn(t)为所述第n-1辆跟驰车在t时刻的速度;
所述第n-1辆跟驰车在Tn+Δt时间后的瞬时速度为
vn(t+Tn+Δt)=vn(t+Tn)+an(t)Δt,
式中,vn(t+Tn+Δt)为所述第n-1辆跟驰车在t+Tn+Δt时刻的速度;vn(t+Tn)为所述第n-1辆跟驰车在t+Tn时刻的速度;Tn为所述第n-1辆跟驰车的反应时间。
需要说明的是,不同种类的车辆的加速度有所不同,所述第n-1辆跟驰车为所述第n辆车。
可选的,所述计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通管控***通过所述最优信号配时方案控制所述目标交叉口的信号配时,具体包括:
计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通***通过所述最优信号配时方案控制所述目标交叉口的信号配时;
其中,所述目标函数的最优解为
所述最优解的第一约束条件为
所述最优解的第二约束条件为
所述最优解的第三约束条件为
Cmin≤Cz≤Cmax,
式中,minCg为所述目标交叉口的最小社会综合成本;K为所述目标交叉口第z个信号周期的总相位数;k为所述目标交叉口第z个信号周期的第k个相位;为为所述第k个相位的有效绿灯时间;Lk为所述第k个相位的损失时间;Cz为所述第z个信号周期的周期时长;为所述第k个相位的最小绿灯时间,/>为所述第k个相位的绿灯时间;Cmin为所述交叉口的最小信号周期的周期时长,Cmax为所述交叉口的最大信号周期的周期时长。
需要说明的是,所述最优解的第一约束条件表示各相位绿灯时间与周期损失时间之和等于周期时长;所述最优解的第二约束条件表示满足考虑行人等交通流安全通行需要的相位最短绿灯时间;所述最优解的第三约束条件表示满足最大最小周期要求。根据交叉口渠化信息确定每个进口的最小绿灯时间,每个进口的最小绿灯时间数值上等于行人安全过街所需时长;根据交叉口的交通流量参数信息确定信号配时方案的最大周期与最小周期,最大周期与最小周期的确定可由专家经验确定。每一个信号周期中含有多种信号配时方案;所有可行的信号周期与绿灯时间组合所得信号配时方案皆为可行方案;所有可行的信号周期位于最大信号周期与最小信号周期之间。
本发明实施例提供的交叉口信号配时优化方法,通过调取交叉口过去一段时间的历史数据,仿真生成每一个信号周期内的车流情况信息,计算每一辆车的时间成本和环境生态成本,获得交叉口的最小社会综合成本的信号配时方案,以使交通管控***通过所获得的信号配时方案控制交叉口的信号配时。因此,本发明实施例能够综合考虑每一辆车的时间成本和环境生态成本,以降低车辆的社会综合成本为目标,从信号控制的角度实现交叉***通运行的低碳化、可持续化。
请参阅图2,图2是本发明实施例提供的一种交叉口信号配时优化装置的结构示意图,该交叉口信号配时优化装置,包括:
调取模块21,用于调取目标交叉口过去X天的历史数据;其中,所述历史数据,包括:车辆的种类和动力类型、车道数量、每个车道的进口流量、车流构成情况、汽车车载人数、公交车车载人数、车辆初始位置、所述目标交叉口的停止线位置、匀速行驶车头间距、堵塞车头间距;0<X≤30;
获取模块22,用于初始化所述历史数据,仿真生成每一个信号周期内的车流情况信息;获取所述信号周期内每一组信号配时方案下的每一辆车的瞬时工况参数;其中,所述瞬时工况参数包括:瞬时加速度和瞬时速度;
构建模块23,用于构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
计算模块24,用于计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通管控***通过所述最优信号配时方案控制所述目标交叉口的信号配时。
可选的,所述构建模块23,具体用于:
构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
其中,所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本计算公式为
式中,Ce(n)为所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本;TD为所述第n辆车离开所述目标交叉口的时间;TO为所述第n辆车到达所述目标交叉口的时间;θ代表所述第n辆车的动力类型;其中,θ=1为燃油车,θ=0为电动车;代表所述第n辆车为燃油车时,所述第n辆车的瞬时油耗率;C1为燃油的单位价格;α1为所述燃油车尾气排放处理成本的权重系数;/>为所述第n辆车为燃油车时,所述第n辆车的第m种排放物的瞬时尾气排放率;其中m=2、3和4分别代表CO、HC和NOx;Cm代表所述第m种排放物尾气处理的单位价格;re为所述第n辆车为电动车时,所述第n辆车的瞬时能耗率;Cp为电能的单位价格;
所述信号周期内每一组信号配时方案下的第n辆车的时间成本计算公式为
式中,Ct(n)为所述信号周期内每一组信号配时方案下的第n辆车的时间成本;为所述第n辆车的种类,其中,/>为汽车,/>为公交车;tr为所述第n辆车通过所述目标交叉口的实际时间;N1为所述信号周期内所有的汽车载客数的平均值;N2为所述信号周期内所有的公交车载客数的平均值;tf为所述第n辆车不受阻碍通过所述目标交叉口的时间;M2为等候所述公交车的站台乘客人数的平均值;mt为人均时间价值;
所述模型的目标函数为
式中,Cg代表所述目标交叉口在所述信号周期内每一组信号配时方案下的社会综合成本;N为所述信号周期内的车辆总数;n为所述信号周期内每一组信号配时方案下的第n辆车;α为所述环境生态成本的重要程度系数;β为所述时间成本的重要程度系数。
具体的,所述第n辆车为燃油车时,所述第n辆车的瞬时油耗率和瞬时尾气排放率通过以下步骤获得,具体包括:
所述第n辆车的瞬时油耗率和瞬时尾气排放率的计算公式为
式中,当m=1时,为所述第n辆车的瞬时油耗率,当m≠1时,/>为所述第n辆车的第m种排放物的瞬时尾气排放率;i为所述第n辆车的瞬时速度的幂指数;j为所述第n辆车的瞬时加速度的幂指数;/>为所述第n辆车在加速状态下的回归系数;/>为所述第n辆车在减速状态下的回归系数;vn i为所述第n辆车的瞬时速度的i次幂;an j为所述第n辆车的瞬时加速度的j次幂;an为所述第n辆车的瞬时加速度。
具体的,所述第n辆车为电动车时,所述第n辆车的瞬时能耗率通过以下步骤获得,具体包括:
所述第n辆车的瞬时能耗率的计算公式为
式中,q为所述第n辆车瞬时速度的幂指数;p为所述第n辆车瞬时加速度的幂指数;ηq,p为所述第n辆车在加速状态下的回归系数;μq,p为所述第n辆车在减速状态下的回归系数;vn q为所述第n辆车的瞬时速度的q次幂;an p为所述第n辆车的瞬时加速度的p次幂;an为所述第n辆车的瞬时加速度;vn为所述第n辆车的瞬时速度;为所述第n辆车在匀速状态下的回归系数;VSPq为所述第n辆车机动车比功率的q次幂,其中,VSP为所述第n辆车的机动车比功率,VSP=vn×(1.1×an+0.132)+0.000302×vn 3,/>为所述第n辆车在怠速状态下每秒的能耗量;其中,所述瞬时速度和瞬时加速度为所述第n辆车的瞬时工况参数。
可选的,所述获取所述信号周期内每一组信号配时方案下的每一辆车的瞬时工况参数,具体包括:
在车辆运动模型中,输入所述目标交叉口的每一组信号配时方案,对所述信号周期内每一组信号配时方案下的每一辆车的运动轨迹进行仿真,获取所述每一辆车的瞬时工况参数;
其中,所述车辆的运动模型,具体包括:
在所述目标交叉口的第z个信号周期第k个相位的红灯开始时,判断目标车辆是否为停下来的第1辆车;
若是,则所述目标车辆为前导车,所述前导车行驶的瞬时速度为
式中,v1(t)为所述前导车在t时刻的速度;v为所述前导车的初始速度;t为当前时刻;a1为所述前导车的最大加速度,也代表所述前导车的瞬时加速度;为所述第z个信号周期第k个相位的红灯开始的时刻;其中,/> 为所述第z个信号周期第k个相位的绿灯开始的时刻;其中,/> 为所述目标交叉的第1个信号周期第1个相位的绿灯开始的时刻,k为所述目标交叉口第z个信号周期的第k个相位,l为所述目标交叉口第z个信号周期的第l个相位,/>为所述第l个相位的绿灯时长,z为所述目标交叉口的第z个信号周期,Cz-1为所述第z-1个信号周期的周期时长;/>为所述第k个相位的绿灯时长;/>为所述第k个相位的红灯时长;
若否,则所述目标车辆为跟驰车,所述跟驰车的瞬时加速度为
式中,an(t)为所述第n-1辆跟驰车在t时刻的加速度;vf为自由流速度;kjam为停车状态下的车流密度;xn-1(t)为所述跟驰车前面的第一辆车在t时刻的位置,xn(t)为所述第n-1辆跟驰车在t时刻的位置;vn-1(t)为所述跟驰车前面的第一辆车在t时刻的速度;vn(t)为所述第n-1辆跟驰车在t时刻的速度;
所述第n-1辆跟驰车在Tn+Δt时间后的瞬时速度为
vn(t+Tn+Δt)=vn(t+Tn)+an(t)Δt,
式中,vn(t+Tn+Δt)为所述第n-1辆跟驰车在t+Tn+Δt时刻的速度;vn(t+Tn)为所述第n-1辆跟驰车在t+Tn时刻的速度;Tn为所述第n-1辆跟驰车的反应时间。
可选的,所述计算模块24,具体用于:
计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通***通过所述最优信号配时方案控制所述目标交叉口的信号配时;
其中,所述目标函数的最优解为
所述最优解的第一约束条件为
所述最优解的第二约束条件为
所述最优解的第三约束条件为
Cmin≤Cz≤Cmax,
式中,minCg为所述目标交叉口的最小社会综合成本;K为所述目标交叉口第z个信号周期的总相位数;k为所述目标交叉口第z个信号周期的第k个相位;为为所述第k个相位的有效绿灯时间;Lk为所述第k个相位的损失时间;Cz为所述第z个信号周期的周期时长;为所述第k个相位的最小绿灯时间,/>为所述第k个相位的绿灯时间;Cmin为所述交叉口的最小信号周期的周期时长,Cmax为所述交叉口的最大信号周期的周期时长。
本发明实施例所提供的一种交叉口信号配时优化装置能够实现上述实施例的交叉口信号配时优化方法的所有流程,装置中的各个模块的作用以及实现的技术效果分别与上述实施例的交叉口信号配时优化方法的作用以及实现的技术效果对应相同,这里不再赘述。
本发明实施例对应提供的一种终端设备,所述终端设备包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述交叉口信号配时优化方法实施例中的步骤。或者,所述处理器执行所述计算机程序时实现上述交叉口信号配时优化装置实施例中各模块的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元,还可以是其他通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分。
存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述终端设备集成的模块如果以软件功能单元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,本发明实现上述实施例方法中的全部或部分流程,也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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本发明实施例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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述实施例的交叉口信号配时优化方法。
综上所述,本发明实施例公开了一种交叉口信号配时优化装置、终端设备及存储介质,通过调取交叉口过去一段时间的历史数据,仿真生成每一个信号周期内的车流情况信息,计算每一辆车的时间成本和环境生态成本,获得交叉口的最小社会综合成本的信号配时方案,以使交通管控***通过所获得的信号配时方案控制交叉口的信号配时。因此,本发明实施例能够综合考虑每一辆车的时间成本和环境生态成本,以降低车辆的社会综合成本为目标,从信号控制的角度实现交叉***通运行的低碳化、可持续化。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种交叉口信号配时优化方法,其特征在于,包括:
调取目标交叉口过去X天的历史数据;其中,所述历史数据,包括:车辆的种类和动力类型、车道数量、每个车道的进口流量、车流构成情况、汽车车载人数、公交车车载人数、车辆初始位置、所述目标交叉口的停止线位置、匀速行驶车头间距、堵塞车头间距;0<X≤30;
初始化所述历史数据,仿真生成每一个信号周期内的车流情况信息;获取所述信号周期内每一组信号配时方案下的每一辆车的瞬时工况参数;其中,所述瞬时工况参数包括:瞬时加速度和瞬时速度;
构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通管控***通过所述最优信号配时方案控制所述目标交叉口的信号配时;
所述构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数,具体包括:
构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
其中,所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本计算公式为
式中,Ce(n)为所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本;TD为所述第n辆车离开所述目标交叉口的时间;TO为所述第n辆车到达所述目标交叉口的时间;θ代表所述第n辆车的动力类型;其中,θ=1为燃油车,θ=0为电动车;代表所述第n辆车为燃油车时,所述第n辆车的瞬时油耗率;C1为燃油的单位价格;α1为所述燃油车尾气排放处理成本的权重系数;/>为所述第n辆车为燃油车时,所述第n辆车的第m种排放物的瞬时尾气排放率;其中m=2、3和4分别代表CO、HC和NOx;Cm代表所述第m种排放物尾气处理的单位价格;re为所述第n辆车为电动车时,所述第n辆车的瞬时能耗率;Cp为电能的单位价格;
所述信号周期内每一组信号配时方案下的第n辆车的时间成本计算公式为
式中,Ct(n)为所述信号周期内每一组信号配时方案下的第n辆车的时间成本;为所述第n辆车的种类,其中,/>为汽车,/>为公交车;tr为所述第n辆车通过所述目标交叉口的实际时间;N1为所述信号周期内所有的汽车载客数的平均值;N2为所述信号周期内所有的公交车载客数的平均值;tf为所述第n辆车不受阻碍通过所述目标交叉口的时间;M2为等候所述公交车的站台乘客人数的平均值;mt为人均时间价值;
所述模型的目标函数为
式中,Cg代表所述目标交叉口在所述信号周期内每一组信号配时方案下的社会综合成本;N为所述信号周期内的车辆总数;n为所述信号周期内每一组信号配时方案下的第n辆车;α为所述环境生态成本的重要程度系数;β为所述时间成本的重要程度系数。
2.如权利要求1所述的交叉口信号配时优化方法,其特征在于,所述第n辆车为燃油车时,所述第n辆车的瞬时油耗率和瞬时尾气排放率通过以下步骤获得,具体包括:
所述第n辆车的瞬时油耗率和瞬时尾气排放率的计算公式为
式中,当m=1时,为所述第n辆车的瞬时油耗率,当m≠1时,/>为所述第n辆车的第m种排放物的瞬时尾气排放率;i为所述第n辆车的瞬时速度的幂指数;j为所述第n辆车的瞬时加速度的幂指数;/>为所述第n辆车在加速状态下的回归系数;/>为所述第n辆车在减速状态下的回归系数;vn i为所述第n辆车的瞬时速度的i次幂;an j为所述第n辆车的瞬时加速度的j次幂;an为所述第n辆车的瞬时加速度。
3.如权利要求1所述的交叉口信号配时优化方法,其特征在于,所述第n辆车为电动车时,所述第n辆车的瞬时能耗率通过以下步骤获得,具体包括:
所述第n辆车的瞬时能耗率的计算公式为
式中,q为所述第n辆车瞬时速度的幂指数;p为所述第n辆车瞬时加速度的幂指数;ηq,p为所述第n辆车在加速状态下的回归系数;μq,p为所述第n辆车在减速状态下的回归系数;vn q为所述第n辆车的瞬时速度的q次幂;an p为所述第n辆车的瞬时加速度的p次幂;an为所述第n辆车的瞬时加速度;vn为所述第n辆车的瞬时速度;为所述第n辆车在匀速状态下的回归系数;VSPq为所述第n辆车机动车比功率的q次幂,其中,VSP为所述第n辆车的机动车比功率,VSP=vn×(1.1×an+0.132)+0.000302×vn 3,/>为所述第n辆车在怠速状态下每秒的能耗量;其中,所述瞬时速度和瞬时加速度为所述第n辆车的瞬时工况参数。
4.如权利要求1所述的交叉口信号配时优化方法,其特征在于,所述获取所述信号周期内每一组信号配时方案下的每一辆车的瞬时工况参数,具体包括:
在车辆运动模型中,输入所述目标交叉口的每一组信号配时方案,对所述信号周期内每一组信号配时方案下的每一辆车的运动轨迹进行仿真,获取所述每一辆车的瞬时工况参数;
其中,所述车辆的运动模型,具体包括:
在所述目标交叉口的第z个信号周期第k个相位的红灯开始时,判断目标车辆是否为停下来的第1辆车;
若是,则所述目标车辆为前导车,所述前导车行驶的瞬时速度为
式中,v1(t)为所述前导车在t时刻的速度;v为所述前导车的初始速度;t为当前时刻;a1为所述前导车的最大加速度,也代表所述前导车的瞬时加速度;为所述第z个信号周期第k个相位的红灯开始的时刻;其中,/> 为所述第z个信号周期第k个相位的绿灯开始的时刻;其中,/> 为所述目标交叉的第1个信号周期第1个相位的绿灯开始的时刻,k为所述目标交叉口第z个信号周期的第k个相位,l为所述目标交叉口第z个信号周期的第l个相位,/>为所述第l个相位的绿灯时长,z为所述目标交叉口的第z个信号周期,Cz-1为第z-1个信号周期的周期时长;为所述第k个相位的绿灯时长;/>为所述第k个相位的红灯时长;
若否,则所述目标车辆为跟驰车,所述跟驰车的瞬时加速度为
式中,an(t)为第n-1辆跟驰车在t时刻的加速度;vf为自由流速度;kjam为停车状态下的车流密度;xn-1(t)为所述跟驰车前面的第一辆车在t时刻的位置,xn(t)为所述第n-1辆跟驰车在t时刻的位置;vn-1(t)为所述跟驰车前面的第一辆车在t时刻的速度;vn(t)为所述第n-1辆跟驰车在t时刻的速度;
所述第n-1辆跟驰车在Tn+Δt时间后的瞬时速度为
vn(t+Tn+Δt)=vn(t+Tn)+an(t)Δt,
式中,vn(t+Tn+Δt)为所述第n-1辆跟驰车在t+Tn+Δt时刻的速度;vn(t+Tn)为所述第n-1辆跟驰车在t+Tn时刻的速度;Tn为所述第n-1辆跟驰车的反应时间。
5.如权利要求4所述的交叉口信号配时优化方法,其特征在于,所述计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通管控***通过所述最优信号配时方案控制所述目标交叉口的信号配时,具体包括:
计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通***通过所述最优信号配时方案控制所述目标交叉口的信号配时;
其中,所述目标函数的最优解为
所述最优解的第一约束条件为
所述最优解的第二约束条件为
所述最优解的第三约束条件为
Cmin≤Cz≤Cmax,
式中,minCg为所述目标交叉口的最小社会综合成本;K为所述目标交叉口第z个信号周期的总相位数;k为所述目标交叉口第z个信号周期的第k个相位;为为所述第k个相位的有效绿灯时间;Lk为所述第k个相位的损失时间;Cz为所述第z个信号周期的周期时长;为所述第k个相位的最小绿灯时间,/>为所述第k个相位的绿灯时间;Cmin为所述交叉口的最小信号周期的周期时长,Cmax为所述交叉口的最大信号周期的周期时长。
6.一种交叉口信号配时优化装置,其特征在于,包括:
调取模块,用于调取目标交叉口过去X天的历史数据;其中,所述历史数据,包括:车辆的种类和动力类型、车道数量、每个车道的进口流量、车流构成情况、汽车车载人数、公交车车载人数、车辆初始位置、所述目标交叉口的停止线位置、匀速行驶车头间距、堵塞车头间距;0<X≤30;
获取模块,用于初始化所述历史数据,仿真生成每一个信号周期内的车流情况信息;获取所述信号周期内每一组信号配时方案下的每一辆车的瞬时工况参数;其中,所述瞬时工况参数包括:瞬时加速度和瞬时速度;
构建模块,用于构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
计算模块,用于计算所述目标函数的最优解,得到所述模型的最优信号配时方案,以使交通管控***通过所述最优信号配时方案控制所述目标交叉口的信号配时;
所述构建模块,具体用于:
构建生态导向型单交叉口信号配时模型,根据所述信号周期内的车流情况信息和瞬时工况参数,计算所述信号周期内每一组信号配时方案下的每一辆车的时间成本和环境生态成本,得到所述模型的目标函数;
其中,所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本计算公式为
式中,Ce(n)为所述信号周期内每一组信号配时方案下的第n辆车的环境生态成本;TD为所述第n辆车离开所述目标交叉口的时间;TO为所述第n辆车到达所述目标交叉口的时间;θ代表所述第n辆车的动力类型;其中,θ=1为燃油车,θ=0为电动车;代表所述第n辆车为燃油车时,所述第n辆车的瞬时油耗率;C1为燃油的单位价格;α1为所述燃油车尾气排放处理成本的权重系数;/>为所述第n辆车为燃油车时,所述第n辆车的第m种排放物的瞬时尾气排放率;其中m=2、3和4分别代表CO、HC和NOx;Cm代表所述第m种排放物尾气处理的单位价格;re为所述第n辆车为电动车时,所述第n辆车的瞬时能耗率;Cp为电能的单位价格;
所述信号周期内每一组信号配时方案下的第n辆车的时间成本计算公式为
式中,Ct(n)为所述信号周期内每一组信号配时方案下的第n辆车的时间成本;为所述第n辆车的种类,其中,/>为汽车,/>为公交车;tr为所述第n辆车通过所述目标交叉口的实际时间;N1为所述信号周期内所有的汽车载客数的平均值;N2为所述信号周期内所有的公交车载客数的平均值;tf为所述第n辆车不受阻碍通过所述目标交叉口的时间;M2为等候所述公交车的站台乘客人数的平均值;mt为人均时间价值;
所述模型的目标函数为
式中,Cg代表所述目标交叉口在所述信号周期内每一组信号配时方案下的社会综合成本;N为所述信号周期内的车辆总数;n为所述信号周期内每一组信号配时方案下的第n辆车;α为所述环境生态成本的重要程度系数;β为所述时间成本的重要程度系数。
7.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-5中任意一项所述的交叉口信号配时优化方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-5中任意一项所述的交叉口信号配时优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211332740.6A CN115662133B (zh) | 2022-10-28 | 2022-10-28 | 交叉口信号配时优化方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211332740.6A CN115662133B (zh) | 2022-10-28 | 2022-10-28 | 交叉口信号配时优化方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115662133A CN115662133A (zh) | 2023-01-31 |
CN115662133B true CN115662133B (zh) | 2023-07-25 |
Family
ID=84992862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211332740.6A Active CN115662133B (zh) | 2022-10-28 | 2022-10-28 | 交叉口信号配时优化方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115662133B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9978270B2 (en) * | 2014-07-28 | 2018-05-22 | Econolite Group, Inc. | Self-configuring traffic signal controller |
CN105243855B (zh) * | 2015-09-28 | 2017-08-22 | 大连理工大学 | 一种减少机动车尾气排放的交叉口信号配时优化方法 |
CN111710176B (zh) * | 2020-06-08 | 2021-11-09 | 同济大学 | 一种车路协同环境下交叉口信号-车辆轨迹协同控制方法 |
CN113920760B (zh) * | 2021-10-18 | 2022-08-09 | 广东工业大学 | 一种考虑复杂微环境特征的交通信号灯配时优化方法 |
CN114495527B (zh) * | 2022-02-23 | 2023-10-27 | 长安大学 | 一种混合交通环境下网联交叉口车路协同优化方法及*** |
-
2022
- 2022-10-28 CN CN202211332740.6A patent/CN115662133B/zh active Active
Non-Patent Citations (1)
Title |
---|
基于遗传算法的交叉口信号控制多目标优化;李振龙;董文会;韩建龙;朱明浩;;计算机应用(第S2期);第82-84、88页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115662133A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675629B (zh) | 一种基于大数据的高速公路拥堵预测与主动防控方法 | |
CN107919014B (zh) | 面向多载客里程的出租车运行线路优化方法 | |
CN113312752B (zh) | 一种主路优先控制交叉***通仿真方法及装置 | |
CN113415288B (zh) | 分段式纵向车速规划方法、装置、设备及存储介质 | |
CN110942627A (zh) | 一种动态交通的路网协调信号控制方法及装置 | |
CN113312760B (zh) | 一种基于交通仿真的网联机动车右转轨迹规划方法和装置 | |
CN113299078B (zh) | 一种基于多智能体协作的多模式交通干线信号协调控制方法及装置 | |
CN111369814B (zh) | 一种车路协同公交车控制方法、装置及终端设备 | |
CN111582682B (zh) | 一种车辆调度方法、装置及终端 | |
CN113674546A (zh) | 基于sumo仿真的V2X环境下的高速公路管控方法 | |
CN110910642A (zh) | 一种考虑混合交通***的公交线路分析方法 | |
CN115662133B (zh) | 交叉口信号配时优化方法、装置、终端设备及存储介质 | |
CN114036411A (zh) | 一种路线规划方法、装置、设备及介质 | |
CN115547055B (zh) | 一种交通信号灯协调控制方法、装置、存储介质及设备 | |
Hao et al. | Improving schedule adherence based on dynamic signal control and speed guidance in connected bus system | |
CN113268857B (zh) | 一种基于多智能体的城市快速路交织区微观交通仿真方法及装置 | |
CN110363320A (zh) | 一种预测估计到达时间的方法、装置和计算设备 | |
CN115454082A (zh) | 车辆避障方法及***、计算机可读存储介质和电子设备 | |
Caligaris et al. | Model predictive control for multiclass freeway traffic | |
CN115171408B (zh) | 一种交通信号优化控制方法 | |
CN115080388B (zh) | 一种面向自动驾驶***的仿真测试场景生成方法 | |
CN113077641B (zh) | 一种面向公交在途控制的决策映射方法、装置及存储介质 | |
CN108898268B (zh) | 基于订单的顺风车出行节油计量方法 | |
CN115376308B (zh) | 一种汽车行驶时间的预测方法 | |
CN116050189B (zh) | 一种交通推演仿真的实验方法、***、终端及存储介质 |
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 |