一種基于動態(tài)轉(zhuǎn)向比例估計的路口信號控制方法
【專利摘要】本發(fā)明公開了一種基于動態(tài)轉(zhuǎn)向比例估計的路口信號控制方法，該方法針對四相位控制十字路口，建立了基于卡爾曼濾波的狀態(tài)空間模型，設計了改進的順序卡爾曼濾波算法求解路口動態(tài)轉(zhuǎn)向比例，在此基礎上進一步建立了最小化延誤和排隊長度、最大化有效通行能力的多目標信號控制模型求解路口實時信號配時參數(shù)及評價指標。實例研究表明，本方法具有較高的效率和精度，可以實現(xiàn)路口的實時信號控制。針對動態(tài)轉(zhuǎn)向比例估計與信號控制結(jié)合的研究基本空白的現(xiàn)狀，本發(fā)明具有動態(tài)實時、高效率、高精度、多目標最優(yōu)、在線應用等優(yōu)點。
【專利說明】一種基于動態(tài)轉(zhuǎn)向比例估計的路口信號控制方法
【技術領域】
[0001]本發(fā)明涉及應用在道路路口的基于動態(tài)轉(zhuǎn)向比例估計的信號控制方法，用于道路路口交通信號優(yōu)化控制。
【背景技術】
[0002]實時的信號控制系統(tǒng)作為先進的交通管理系統(tǒng)的核心部分，對于緩解城市交通擁堵問題起著至關重要的作用。信號控制配時方案需要以交通量為基礎，而路口交通量具有高度的時變性、非線性和隨機性，因此，確立信號控制方案需要獲取實時的路口進出口流量及轉(zhuǎn)向流量信息。目前的流量檢測系統(tǒng)無法準確獲取實時轉(zhuǎn)向流量，而路口動態(tài)轉(zhuǎn)向比例估計模型可以根據(jù)路口進出口流量的時間序列，反推得到路口動態(tài)轉(zhuǎn)向比例。所以，建立基于動態(tài)轉(zhuǎn)向比例估計的信號控制方法對于優(yōu)化路口信號控制方案具有重要意義。
[0003]從路網(wǎng)信息獲取完整性劃分，動態(tài)O-D反推模型可分為封閉式網(wǎng)絡動態(tài)O-D反推模型和開放式網(wǎng)絡動態(tài)O-D反推模型。在開放式交通網(wǎng)絡的O-D矩陣估計中，觀測方程采用觀測交通量等于O-D交通量與劃分參數(shù)之積與隨機項的和的形式。對于封閉式網(wǎng)絡，假定所有入口和出口處的交通量均可檢測到，并且網(wǎng)絡中不存在隨機的路徑選擇行為，即車輛均按預定好的路徑行駛。所有的研究都是圍繞尋找O-D分配比例展開的。最簡單的封閉式網(wǎng)絡即為單個路口，此時的O-D流即對應于路口處的轉(zhuǎn)向比例，諸如Cremer&Ke11er (1981、1984)、Bell (1991)等，本發(fā)明即屬于這一層次的問題。
[0004]在路口信號控制方面，國內(nèi)外學者提出的再勵學習、模糊理論、人工神經(jīng)網(wǎng)絡、遺傳算法等理論均被廣泛引入到信號控制優(yōu)化的研究中，形成了許多基于歷史數(shù)據(jù)的信號控制模型，也有許多學者在經(jīng)典Webster法的基礎上，提出了許多改進的Webster算法。然而，上述方法均未完全解決路口轉(zhuǎn)向流量信息無法檢測得到的問題。
[0005]由于現(xiàn)有的交通流量檢測系統(tǒng)無法實時獲取路口轉(zhuǎn)向流量，目前考慮兩者相互影響，在信號控制模型中考慮動態(tài)轉(zhuǎn)向比例變化影響的研究幾乎沒有。本發(fā)明針對這一問題，引入基于卡爾曼濾波的動態(tài)轉(zhuǎn)向比例估計模型和多目標信號控制模型，將二者結(jié)合，從而建立一種基于動態(tài)轉(zhuǎn)向比例估計的路口信號控制方法，并設計算法，編程求解。

【發(fā)明內(nèi)容】

[0006]為了解決當前交通信號控制方法對交通實時變化適應性差、控制效率低的問題，以動態(tài)轉(zhuǎn)向比例數(shù)據(jù)為基礎輸入數(shù)據(jù)，尋求多目標最優(yōu)的信號配時方案。
[0007]為了達成所述目的，本反明提供一種基于動念轉(zhuǎn)向比例估計的跆口信虧控制力法，包括基于卡爾曼濾波的路口動態(tài)轉(zhuǎn)向比例估計模型和多目標優(yōu)化的路口信號控制模型，通過路段流量檢測器得到路口進出口流量，輸入卡爾曼濾波動態(tài)轉(zhuǎn)向比例估計模型，得到路口動態(tài)轉(zhuǎn)向比例，為多目標信號控制模型實現(xiàn)實時配時提供輸入數(shù)據(jù)，從而得到路口的實時信號配時方案，最終實現(xiàn)路口在延誤、排隊長度、有效通行能力三個評價指標的綜合最優(yōu)化，其主要步驟如下:步驟1:在路口進出口引道運行路段流量檢測器，檢測得到時間間隔k內(nèi)的路段進出口流量，即Qi (k)，i=l, 2，3，4表示時段k自進口道i流入路口的流量，Yj (k)，j=l, 2，3，4表示時段k自出口道j流出路口的流量；
步驟2:定義路口的動態(tài)轉(zhuǎn)向比例Bu (k)為狀態(tài)變量，以檢測得到的路口進出口流量為己知量，在遠端計算機中運行改進的順序卡爾曼濾波算法程序，求解基于卡爾曼濾波的動態(tài)轉(zhuǎn)向比例估計模型，得到優(yōu)化的路口動態(tài)轉(zhuǎn)向比例；
步驟3:在遠端計算機中運行多目標信號控制模型的算法程序，以優(yōu)化的路口動態(tài)轉(zhuǎn)向比例為己知量，求解以車輛延誤、平均排隊長度、道路有效通行能力為評價指標的多目標信號控制模型，得到最優(yōu)的信號配時方案，達到延誤和排隊長度小、有效通行能力大的評價指標綜合最優(yōu)化；
步驟4:將所得最優(yōu)的信號配時方案傳輸?shù)铰房谛盘枡C，用來實施交通信號控制。
[0008]為滿足實時在線應用和反推精度的要求，本發(fā)明采用基于卡爾曼濾波的狀態(tài)空間模型，來求解路口動態(tài)轉(zhuǎn)向比例；
引入動態(tài)轉(zhuǎn)向比例BijGO作為狀態(tài)變量；
狀態(tài)方程:B (k) =B (k-l)+ff(k)
觀測方程:Y (k) =Q (k) *B (k) +e (k)
式中B(k)、Y(k)、Q(k)分別為BijGO、Qi (k)、Yj (k)的向量形式，W(k)是均值為O的高斯白噪聲向量，e(k)是均值為O的觀測高斯白噪聲向量。
對于動態(tài)轉(zhuǎn)向比例結(jié)果采用裁切和標準化的處理，使各進口動態(tài)轉(zhuǎn)向比例均小于I且總和等于1，利用MATLAB的M語言編程求解卡爾曼濾波轉(zhuǎn)向比例估計模型。
[0009]多目標信號控制模型針對延誤、排隊長度、有效通行能力三個評價指標定義加權參數(shù)，建立以相位的有效綠燈時間和周期為自變量，以延誤最小、排隊長度最小和道路有效通行能力最大作為目標函數(shù)的非線性優(yōu)化模型。
首先，定義延誤、排隊長度、道路有效通行能力三個評價指標的加權系數(shù)κχ\ κχ2、κχ3:Kj^sxPx(1-P) ;Kx2=sxPx(1-P)T ；Kx3=2 (3600/T) P ；
式中sx為第X個相位的飽和流量，Px為第X個相位交通流量和飽和流量之比，P為各相位交通流量與飽和流量之比的和，T為信號周期。
ΚΛ Kx2和Kx3三個參數(shù)的取值反映了以下三個方面的影響:
(1)Kx1和Kx2隨著P的增加而減小，Kx3隨著P的增加而增加，使得優(yōu)化目標在平峰時側(cè)重減少延誤和排隊，而在聞峰期間則著重提聞通行能力；
(2)隨著周期時間增長，排隊長度隨之增大，在排隊長度加權系數(shù)Kx2中引入周期T；
(3)目標函數(shù)計算時間以小時為計算單位，Kx3中引入每小時的周期數(shù)量3600/ Τ。 在權重系數(shù)ΚΛ Kx2、Kx3的計算中，ρχ與P的獲取均需要由動態(tài)轉(zhuǎn)向比例估計模型提供
的Bu(k)作為已知數(shù)據(jù)，從而在信號控制模型中考慮了動態(tài)轉(zhuǎn)向比例估計的影響。
非線性優(yōu)化模型如下:
【權利要求】
1.一種基于動態(tài)轉(zhuǎn)向比例估計的路口信號控制方法，其特征在于，基于動態(tài)轉(zhuǎn)向比例估計的路口信號控制方法包括基于卡爾曼濾波的路口動態(tài)轉(zhuǎn)向比例估計模型和多目標優(yōu)化的路口信號控制模型，通過路段流量檢測器得到路口進出口流量，輸入卡爾曼濾波動態(tài)轉(zhuǎn)向比例估計模型，得到路口動態(tài)轉(zhuǎn)向比例，將其作為多目標信號控制模型的輸入數(shù)據(jù)，從而得到路口的實時信號配時方案，最終實現(xiàn)路口在延誤、排隊長度、有效通行能力三個評價指標的綜合最優(yōu)化，其主要步驟如下: 步驟1:在路口進出口引道運行路段流量檢測器，檢測得到時間間隔k內(nèi)的路段進出口流量，即Qi (k)，i=l，2，3，4表示時段k自進口道i流入路口的流量，Yj(k)，j=l，2，3，4表示時段k自出口道j流出路口的流量； 步驟2:定義路口的動態(tài)轉(zhuǎn)向比例Bu (k)為狀態(tài)變量，以檢測得到的路口進出口流量為已知量，在遠端計算機中運行改進的順序卡爾曼濾波算法程序，求解基于卡爾曼濾波的動態(tài)轉(zhuǎn)向比例估計模型，得到優(yōu)化的路口動態(tài)轉(zhuǎn)向比例； 步驟3:在遠端計算機中運行多目標信號控制模型的算法程序，以優(yōu)化的路口動態(tài)轉(zhuǎn)向比例為已知量，求解以車輛延誤、平均排隊長度、道路有效通行能力為評價指標的多目標信號控制模型，得到最優(yōu)的信號配時方案，達到延誤和排隊長度小、有效通行能力大的綜合最優(yōu)化目標； 步驟4:將所得最優(yōu)的信號配時方案傳輸?shù)铰房谛盘枡C，用來實施交通信號控制。
2.如權利I所述一種基于動態(tài)轉(zhuǎn)向比例估計的路口信號控制方法，其特征是:為滿足實時在線應用和反推精度的要求，本發(fā)明采用基于卡爾曼濾波的狀態(tài)空間模型，來求解路口動態(tài)轉(zhuǎn)向比例 ； 引入動態(tài)轉(zhuǎn)向比例BijGO作為狀態(tài)變量；
狀態(tài)方程:B (k) =B (k-l)+ff(k)
觀測方程:Y (k) =Q (k) *B (k) +e (k) 式中B(k)、Y(k)、Q(k)分別為BijGO、Qi (k)、Yj (k)的向量形式，W(k)是均值為O的高斯白噪聲向量，e(k)是均值為O的觀測高斯白噪聲向量； 對于動態(tài)轉(zhuǎn)向比例結(jié)果采用裁切和標準化的處理，使各進口動態(tài)轉(zhuǎn)向比例均小于I且總和等于1，利用MATLAB的M語言編程求解卡爾曼濾波轉(zhuǎn)向比例估計模型。
3.如權利I所述一種基于動態(tài)轉(zhuǎn)向比例估計的路口信號控制方法，其特征是:多目標信號控制模型針對延誤、排隊長度、有效通行能力三個評價指標定義加權參數(shù)，建立以相位的有效綠燈時間和周期為自變量，以延誤最小、排隊長度最小和道路有效通行能力最大作為目標函數(shù)的非線性優(yōu)化模型， 首先，定義延誤、排隊長度、道路有效通行能力三個評價指標的加權系數(shù)κΛ κΛ κχ3: Kxl=2sxPx (1-P) ；Kx2=sxPx(l-P)T ；KX3=2 (3600/T) P ； 式中sx為第X個相位的飽和流量，Px為第X個相位交通流量和飽和流量之比，P為各相位交通流量與飽和流量之比的和，T為信號周期； κΛ κχ2和Kx3三個參數(shù)的取值反映了以下三個方面的影響: (1)Kx1和Kx2隨著P的增加而減小，Kx3隨著P的增加而增加，使得優(yōu)化目標在平峰時側(cè)重減少延誤和排隊，而在聞峰期間則著重提聞通行能力； (2)隨著周期時間增長，排隊長度隨之增大，在排隊長度加權系數(shù)Kx2中引入周期T；(3)目標函數(shù)計算時間以小時為計算單位，Kx3中引入每小時的周期數(shù)量3600 / T；在權重系數(shù)ΚΛ Kx2、Kx3的計算中，Px與P的獲取均需要由動態(tài)轉(zhuǎn)向比例估計模型提供的&^10作為已知數(shù)據(jù)，從而在信號控制模型中考慮了動態(tài)轉(zhuǎn)向比例估計的影響； 非線性優(yōu)化模型如下:

4.如權利3所述多目標信號控制模型的評價指標定義如下: (I)車輛平均延誤時間:車輛在路口入口引道處被阻礙行走所需時間與無阻礙行走所需時間之差，第X個相位的車輛平均延誤時間:
【文檔編號】G08G1/08GK103810869SQ201410067783
【公開日】2014年5月21日 申請日期:2014年2月27日 優(yōu)先權日:2014年2月27日
【發(fā)明者】焦朋朋, 孫拓, 杜林 , 王紅霖, 李揚威, 劉美琪, 劉彤 申請人:北京建筑大學