[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN113763727A - 一种道路交叉口的交通信号在线控制方法 - Google Patents

一种道路交叉口的交通信号在线控制方法 Download PDF

Info

Publication number
CN113763727A
CN113763727A CN202111085835.8A CN202111085835A CN113763727A CN 113763727 A CN113763727 A CN 113763727A CN 202111085835 A CN202111085835 A CN 202111085835A CN 113763727 A CN113763727 A CN 113763727A
Authority
CN
China
Prior art keywords
time
real
green
traffic flow
initial
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.)
Pending
Application number
CN202111085835.8A
Other languages
English (en)
Inventor
刘东波
何广进
朱远建
华璟怡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Traffic Management Research Institute of Ministry of Public Security
Original Assignee
Traffic Management Research Institute of Ministry of Public Security
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Traffic Management Research Institute of Ministry of Public Security filed Critical Traffic Management Research Institute of Ministry of Public Security
Priority to CN202111085835.8A priority Critical patent/CN113763727A/zh
Publication of CN113763727A publication Critical patent/CN113763727A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及交通信号控制领域，具体公开了一种道路交叉口的交通信号在线控制方法，其中，包括：获取道路交叉口的关键特征参数和多元交通流实时数据，所述关键特征参数初始最大绿时间、初始最小绿时间和初始基准绿灯时间；根据所述多元交通流实时数据以及所述初始基准绿灯时间进行在线响应迭代学习，得到最佳实时基准绿灯时间；根据当前相位的放行时间与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间进行比较，并结合红灯排队长度阈值确定相位切换逻辑。本发明提供的道路交叉口的交通信号在线控制方法能够使得道路交叉口的交通信号控制适应交通变化，从而提升通行效率，减少绿灯空放。

Description

一种道路交叉口的交通信号在线控制方法
技术领域
本发明涉及交通信号控制技术领域，尤其涉及一种道路交叉口的交通信号在线控制方法。
背景技术
伴随着全国大中城市城镇化和机动化的进程快速推进，人们追求品质出行的期望不断增强，然而绿灯空放、各流向排队不均衡、拥堵场景交警手控等不合理现象在城市信号控制交叉口频繁发生，信号配时不合理、智能化程度低等问题亟待解决。究其原因，主要是传统信控技术不能满足现阶段交通动态变化多场景、多目标优化的控制需求，数据驱动的控制算法升级缓慢，动态响应、智能联控能力弱。
发明内容
本发明提供了一种交通信号控制技术，解决相关技术中存在的无法解决交通动态变化导致的道路拥堵等问题。
作为本发明的一个方面，提供一种道路交叉口的交通信号在线控制方法，其中，包括：
获取道路交叉口的关键特征参数和多元交通流实时数据，所述关键特征参数初始最大绿时间、初始最小绿时间和初始基准绿灯时间；
根据所述多元交通流实时数据以及所述初始基准绿灯时间进行在线响应迭代学习，得到最佳实时基准绿灯时间；
根据当前相位的放行时间与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间进行比较，并结合红灯排队长度阈值确定相位切换逻辑。
进一步地，所述多元交通流实时数据包括：
绿灯放行时段，位于道路交叉口的进口道的4个监测断面返回各车道断面虚拟线圈的占有时间、车间时距和车流量；以及，
红灯排队时段，红灯启亮排队稳定至预设时间后开始至红灯结束期间每间隔固定时间获取到的车道排队长度。
进一步地，所述4个监测断面包括：停车线、实线段起点、渐变段终点和渐变段起点。
进一步地，所述根据所述多元交通流实时数据以及所述初始基准绿灯时间进行在线响应迭代学习，得到最佳实时基准绿灯时间，包括：
确定信号在线迭代学习控制算法模型；
将所述多元交通流实时数据输入所述在线迭代学习控制算法模型进行在线响应迭代学习，得到所述最佳实时基准绿灯时间。
进一步地，所述确定信号在线迭代学习控制算法模型，包括：
将所述多元交通流实时数据输入交通流模型，得到排队长度；
对所述排队长度进行期望控制，以使得排队长度误差趋于0；
根据迭代学习控制率表达式，将排队长度误差趋于0时对应的实时基准绿灯时间确定为最佳实时基准绿灯时间。
进一步地，所述交通流模型为：
Figure BDA0003265509820000021
其中，x(k)表示车道排队长度，y(k)表示依据车头时距截流的排队长度，u(k)表示最佳实时基准绿灯时间，ξ(k)表示状态扰动，δ(k)表示输出扰动，A表示状态矩阵，B表示控制输入矩阵，C表示输出矩阵，E表示扰动矩阵。
进一步地，所述迭代学习控制率表达式为：
tp,j+1(k)＝Qp(q)tp,j(k)+Lp(q)ep,j(k+1)，
其中，Qp(q)表示滤波系数，Lp(q)表示迭代系数，j表示迭代次数；
ep,j(k)＝ypd(k)-yp,j(k)，ypd(k)表示期望输出，yp(k)表示第p个相位的车道截流后的排队长度；
Figure BDA0003265509820000022
q表示多元交通流中的实时车道流量，ks表示调节系数，xp表示车道排队长度，sp表示饱和流量，tp(s)表示最佳实时基准绿灯时间，C表示信号周期时间。
进一步地，所述根据当前相位的放行时间与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间进行比较，并结合红灯排队长度阈值确定相位切换逻辑，包括：
将当前相位的放行时间分别与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间比较，得到放行时间比较结果；
若所述放行时间比较结果为小于或者等于所述初始最小绿时间，则不进行相位切换；
若所述放行时间比较结果为大于或者等于所述初始最大绿时间，则进行相位切换；
若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间或者大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间，则根据所述多元交通流实时数据中的车道排队长度与所述红灯排队长度阈值的比较结果确定是否进行相位切换。
进一步地，若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间，所述多元交通流实时数据中的车道排队长度小于第一红灯排队长度阈值，则不进行相位切换；
若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间，所述多元交通流实时数据中的车道排队长度不小于第一红灯排队长度阈值，则进行相位切换。
进一步地，若所述放行时间比较结果为大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间，所述多元交通流实时数据中的车道排队长度小于第二红灯排队长度阈值，则不进行相位切换；
若所述放行时间比较结果为大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间，所述多元交通流实时数据中的车道排队长度不小于第二红灯排队长度阈值，则进行相位切换。
本发明提供的道路交叉口的交通信号在线控制方法，根据多元交通流实时数据以及初始基准绿灯时间进行在线响应迭代学习，得到最佳实时基准绿灯时间，并根据最佳实时基准绿灯时间确定相位切换逻辑，这种道路交叉口的交通信号在线控制方法能够使得道路交叉口的交通信号控制适应交通变化，从而提升通行效率，减少绿灯空放。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1为本发明提供的道路交叉口的交通信号在线控制方法的流程图。
图2为本发明提供的信号在线控制逻辑框架示意图。
图3为本发明提供的相位动态切换控制逻辑图。
图4为本发明提供的迭代学习控制原理图。
图5为本发明提供的4个监测端面的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、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。
在本实施例中提供了一种道路交叉口的交通信号在线控制方法，1是根据本发明实施例提供的道路交叉口的交通信号在线控制方法的流程图，如图1所示，包括：
S110、获取道路交叉口的关键特征参数和多元交通流实时数据，所述关键特征参数初始最大绿时间、初始最小绿时间和初始基准绿灯时间；
在本发明实施例中，所述多元交通流实时数据包括：
绿灯放行时段，位于道路交叉口的进口道的4个监测断面返回各车道断面虚拟线圈的占有时间、车间时距和车流量；以及，
红灯排队时段，红灯启亮排队稳定至预设时间后开始至红灯结束期间每间隔固定时间获取到的车道排队长度。
需要说明的是，本发明实施例中，所述4个监测断面包括：停车线、实线段起点、渐变段终点和渐变段起点。具体地，如图5所示，为4个监测端面的示意图。
还需要说明的是，红灯启亮排队稳定至预设时间中的所述预设时间可以为3s，当然该时间可以根据需要进行设定，此处并不做限定。
红灯排队时段，红灯启亮排队稳定至预设时间后开始至红灯结束期间每间隔固定时间获取到的车道排队长度，具体可以理解为，在红灯排队时段，红灯开始亮至红灯结束这段时间内，每间隔固定时间来获取一次车道排队时间长度。
S120、根据所述多元交通流实时数据以及所述初始基准绿灯时间进行在线响应迭代学习，得到最佳实时基准绿灯时间；
具体地，如图2和图3所示，包括：
确定信号在线迭代学习控制算法模型；
将所述多元交通流实时数据输入所述在线迭代学习控制算法模型进行在线响应迭代学习，得到所述最佳实时基准绿灯时间。
需要说明的是，所述确定信号在线迭代学习控制算法模型，包括：
将所述多元交通流实时数据输入交通流模型，得到排队长度；
对所述排队长度进行期望控制，以使得排队长度误差趋于0；
根据迭代学习控制率表达式，将排队长度误差趋于0时对应的实时基准绿灯时间确定为最佳实时基准绿灯时间。
具体地，首先对获取到的交通信号路口4个监测断面的数据(占有时间、车间时距、车流量、排队长度)进行融合处理，剔除异常数据，得到有效数据，并用上一时刻的有效数据作为当前时刻的数据；采用离散卡尔曼滤波器对交通流数据进行处理，提升数据的稳定性；采用迭代学习算法对计算优化最佳实时基准绿灯时间。
具体地，所述交通流模型为：
Figure BDA0003265509820000041
其中，x(k)表示车道排队长度，y(k)表示依据车头时距截流的排队长度，u(k)表示最佳实时基准绿灯时间，ξ(k)表示状态扰动，δ(k)表示输出扰动，A表示状态矩阵，B表示控制输入矩阵，C表示输出矩阵，E表示扰动矩阵。
需要说明的是，所述y(k)表示依据车头时距截流的排队长度，可以理解为，由于车流并非都是连续车流，当车辆在一定占有时间和车间时距大于一定值以后就认为车流被截断，此时为截流后的排队长度。
还需要说明的是，所述状态扰动、输出扰动均取常值扰动，且A、B、C和E均表示常量。
在信号控制路口，假设有p个信号相位，设第p个相位车辆实际到达数比为qp，排队长度为xp，饱和流量为sp，有效绿灯时间为tp(s)。
则系统的离散状态方程如下为
Figure BDA0003265509820000051
q表示多元交通流中的实时车道流量，ks表示调节系数，xp表示车道排队长度，sp表示饱和流量(常量，路口车道通行最大流量)，tp(s)表示最佳实时基准绿灯时间，C表示信号周期时间(路口设置参数为常量)。
信号控制的目标是使路口通行效率最大、绿灯空放最小、尽量减少排队，取路口的排队长度作为系统的状态变量，主动优化下周期基准绿灯时间。
输出误差计算公式为：ep,j(k)＝ypd(k)-yp,j(k)，其中ypd(k)表示期望输出，yp(k)表示第p个相位的车道截流后的排队长度，因此迭代学习控制率可表示为：tp,j+1(k)＝Qp(q)tp,j(k)+Lp(q)ep,j(k+1)，其中Qp(q)表示滤波系数，Lp(q)表示迭代系数，j表示迭代次数。
此处应该理解的是，所述迭代学习控制率是用于在计算截流排队长度时应用输入参数占有时间和车间时距来计算实现的。
在线迭代学习控制算法模型的输入为4个监测断面的交通流数据，输出为信号控制相位的最佳实时基准绿灯时间，该最佳实时基准绿灯时间作为下一步相位切换控制逻辑的输入数据。
S130、根据当前相位的放行时间与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间进行比较，并结合红灯排队长度阈值确定相位切换逻辑。
具体地，如图4所示，将当前相位的放行时间分别与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间比较，得到放行时间比较结果；
若所述放行时间比较结果为小于或者等于所述初始最小绿时间，则不进行相位切换；
若所述放行时间比较结果为大于或者等于所述初始最大绿时间，则进行相位切换；
若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间或者大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间，则根据所述多元交通流实时数据中的车道排队长度与所述红灯排队长度阈值的比较结果确定是否进行相位切换。
在本发明实施例中，以分方向车道为基本研究对象，分析与特征曲线匹配的最小绿/最大绿限值、最佳基准时间。最小绿时间，考虑行人/非机动车安全过街时间需求、主要流向可考虑对应时段下绿灯启亮前的排队车辆置信区间下沿车辆数对应的通过时间；最佳实时基准绿灯时间，对应时段的运行特征曲线由饱和车流转为非饱和车流临界点；最大绿时间，根据流向重要性，依托饱和车流运行特征曲线选择合适阶段转化时间阈值。
需要说明的是，在本发明实施例中，所述红灯排队长度阈值具体为红灯排队长度预警值矩阵，该红灯排队长度预警值矩阵是依托相位最佳基准绿灯时间和最大绿，反推对应车道绿灯启亮前的最大合理排队长度，结合对应时段的排队长度特征曲线，回溯其他相位期间的最大合理排队长度，作为后续相位切换依据。
具体获取方式为本领域技术人员所熟知，此处不再赘述。
另外，还需要说明的是，所述红灯排队长度阈值包括第一红灯排队长度阈值和第二红灯排队长度阈值，第一红灯排队长度阈值用于判断最小绿时间与最佳实时基准绿灯时间之间的相位切换依据，第二红灯排队长度阈值用于判断最佳实时基准绿灯时间与最大绿时间之间的相位切换依据。
具体地，若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间，所述多元交通流实时数据中的车道排队长度小于第一红灯排队长度阈值，则不进行相位切换；
若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间，所述多元交通流实时数据中的车道排队长度不小于第一红灯排队长度阈值，则进行相位切换。
若所述放行时间比较结果为大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间，所述多元交通流实时数据中的车道排队长度小于第二红灯排队长度阈值，则不进行相位切换；
若所述放行时间比较结果为大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间，所述多元交通流实时数据中的车道排队长度不小于第二红灯排队长度阈值，则进行相位切换。
应当理解的是，当当前相位的绿灯已放行时间小于最小绿灯时间时，不进行相位切换；当当前相位的绿灯已放行时间大于最小绿灯时间且小于最佳实时基准绿灯时间时，偏放行逻辑，不进行相位切换，此处还需要判断当前的车道排队长度与第一红灯排队长度阈值，当达到第一红灯排队长度预警矩阵时，切换相位；当当前相位已放行时间大于最佳实时基准绿灯时间且小于最大绿灯时间时，偏截流逻辑，此处需要判断当前的车道排队长度与第二红灯排队长度阈值，当达到第二红灯排队长度预警矩阵时，切换相位；当当前相位的绿灯已放行时间大于或等于最大绿灯时间时，直接切换至下一相位。
还应当理解的是，所述最佳实时基准绿灯时间为变量，即根据多元交通流实时数据的变化而更新。
综上，本发明实施例提供的道路交叉口的交通信号在线控制方法，根据多元交通流实时数据以及初始基准绿灯时间进行在线响应迭代学习，得到最佳实时基准绿灯时间，并根据最佳实时基准绿灯时间确定相位切换逻辑，这种道路交叉口的交通信号在线控制方法能够使得道路交叉口的交通信号控制适应交通变化，从而提升通行效率，减少绿灯空放。
本发明实施例中，例如，所述初始最大绿时间为50s，初始最小绿时间为10s，当前的最佳实时基准绿灯时间为20s，当前相位的放行时间若为5s时，不进行相位切换。
当前相位的放行时间若为15s时，需要判断当前的车道排队长度与第一红灯排队长度阈值，若当前的车道排队长度大于第一红灯排队长度阈值，则进行相位切换，若小于则不进行相位切换。
当前相位的放行时间若为30s时，需要判断当前的车道排队长度与第二红灯排队长度阈值，若当前的车道排队长度大于第二红灯排队长度阈值，则进行相位切换，若小于，则不进行相位切换。
当前相位的放行时间若为55s，则直接进行相位切换。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种道路交叉口的交通信号在线控制方法，其特征在于，包括：
获取道路交叉口的关键特征参数和多元交通流实时数据，所述关键特征参数初始最大绿时间、初始最小绿时间和初始基准绿灯时间；
根据所述多元交通流实时数据以及所述初始基准绿灯时间进行在线响应迭代学习，得到最佳实时基准绿灯时间；
根据当前相位的放行时间与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间进行比较，并结合红灯排队长度阈值确定相位切换逻辑。
2.根据权利要求1所述的道路交叉口的交通信号在线控制方法，其特征在于，所述多元交通流实时数据包括：
绿灯放行时段，位于道路交叉口的进口道的4个监测断面返回各车道断面虚拟线圈的占有时间、车间时距和车流量；以及，
红灯排队时段，红灯启亮排队稳定至预设时间后开始至红灯结束期间每间隔固定时间获取到的车道排队长度。
3.根据权利要求2所述的道路交叉口的交通信号在线控制方法，其特征在于，所述4个监测断面包括：停车线、实线段起点、渐变段终点和渐变段起点。
4.跟将权利要求2所述的道路交叉口的交通信号在线控制方法，其特征在于，所述根据所述多元交通流实时数据以及所述初始基准绿灯时间进行在线响应迭代学习，得到最佳实时基准绿灯时间，包括：
确定信号在线迭代学习控制算法模型；
将所述多元交通流实时数据输入所述在线迭代学习控制算法模型进行在线响应迭代学习，得到所述最佳实时基准绿灯时间。
5.根据权利要求4所述的道路交叉口的交通信号在线控制方法，其特征在于，所述确定信号在线迭代学习控制算法模型，包括：
将所述多元交通流实时数据输入交通流模型，得到排队长度；
对所述排队长度进行期望控制，以使得排队长度误差趋于0；
根据迭代学习控制率表达式，将排队长度误差趋于0时对应的实时基准绿灯时间确定为最佳实时基准绿灯时间。
6.根据权利要求5所述的道路交叉口的交通信号在线控制方法，其特征在于，所述交通流模型为：
Figure FDA0003265509810000011
其中，x(k)表示车道排队长度，y(k)表示依据车头时距截流的排队长度，u(k)表示最佳实时基准绿灯时间，ξ(k)表示状态扰动，δ(k)表示输出扰动，A表示状态矩阵，B表示控制输入矩阵，C表示输出矩阵，E表示扰动矩阵。
7.根据权利要求6所述的道路交叉口的交通信号在线控制方法，其特征在于，所述迭代学习控制率表达式为：
tp,j+1(k)＝Qp(q)tp,j(k)+Lp(q)ep,j(k+1)，
其中，Qp(q)表示滤波系数，Lp(q)表示迭代系数，j表示迭代次数；
ep,j(k)＝ypd(k)-yp,j(k)，ypd(k)表示期望输出，yp(k)表示第p个相位的车道截流后的排队长度；
Figure FDA0003265509810000021
q表示多元交通流中的实时车道流量，ks表示调节系数，xp表示车道排队长度，sp表示饱和流量，tp(s)表示最佳实时基准绿灯时间，C表示信号周期时间。
8.根据权利要求2所述的道路交叉口的交通信号在线控制方法，其特征在于，所述根据当前相位的放行时间与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间进行比较，并结合红灯排队长度阈值确定相位切换逻辑，包括：
将当前相位的放行时间分别与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间比较，得到放行时间比较结果；
若所述放行时间比较结果为小于或者等于所述初始最小绿时间，则不进行相位切换；
若所述放行时间比较结果为大于或者等于所述初始最大绿时间，则进行相位切换；
若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间或者大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间，则根据所述多元交通流实时数据中的车道排队长度与所述红灯排队长度阈值的比较结果确定是否进行相位切换。
9.根据权利要求8所述的道路交叉口的交通信号在线控制方法，其特征在于，若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间，所述多元交通流实时数据中的车道排队长度小于第一红灯排队长度阈值，则不进行相位切换；
若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间，所述多元交通流实时数据中的车道排队长度不小于第一红灯排队长度阈值，则进行相位切换。
10.根据权利要求8所述的道路交叉口的交通信号在线控制方法，其特征在于，若所述放行时间比较结果为大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间，所述多元交通流实时数据中的车道排队长度小于第二红灯排队长度阈值，则不进行相位切换；
若所述放行时间比较结果为大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间，所述多元交通流实时数据中的车道排队长度不小于第二红灯排队长度阈值，则进行相位切换。
CN202111085835.8A 2021-09-16 2021-09-16 一种道路交叉口的交通信号在线控制方法 Pending CN113763727A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111085835.8A CN113763727A (zh) 2021-09-16 2021-09-16 一种道路交叉口的交通信号在线控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111085835.8A CN113763727A (zh) 2021-09-16 2021-09-16 一种道路交叉口的交通信号在线控制方法

Publications (1)

Publication Number Publication Date
CN113763727A true CN113763727A (zh) 2021-12-07

Family

ID=78795936

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111085835.8A Pending CN113763727A (zh) 2021-09-16 2021-09-16 一种道路交叉口的交通信号在线控制方法

Country Status (1)

Country Link
CN (1) CN113763727A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114627660A (zh) * 2022-03-11 2022-06-14 公安部交通管理科学研究所 面向非均衡交通流的交叉口信号实时迭代优化控制方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4250483A (en) * 1978-01-30 1981-02-10 Rubner Anthony C System for signalized intersection control
CN101493992A (zh) * 2008-12-19 2009-07-29 浙江工业大学 一种基于无线传感器网络的单点自组织交通信号控制方法
CN105279982A (zh) * 2015-11-13 2016-01-27 北京航空航天大学 一种基于数据驱动的单交叉口动态交通信号控制方法
CN107730923A (zh) * 2017-09-30 2018-02-23 浙江海洋大学 一种带有约束的城市交通交叉口信号控制方法
CN108648472A (zh) * 2018-03-23 2018-10-12 公安部交通管理科学研究所 一种信号控制交叉口最大绿设置方法及系统
CN109767632A (zh) * 2019-03-02 2019-05-17 太原理工大学 一种基于迭代学习与模型预测控制的交通信号混合控制方法
CN111798679A (zh) * 2020-07-24 2020-10-20 公安部交通管理科学研究所 一种信号交叉口车道绿灯损失时间计算方法及系统
WO2021174374A1 (zh) * 2020-03-02 2021-09-10 孟卫平 交通信号极化绿波控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4250483A (en) * 1978-01-30 1981-02-10 Rubner Anthony C System for signalized intersection control
CN101493992A (zh) * 2008-12-19 2009-07-29 浙江工业大学 一种基于无线传感器网络的单点自组织交通信号控制方法
CN105279982A (zh) * 2015-11-13 2016-01-27 北京航空航天大学 一种基于数据驱动的单交叉口动态交通信号控制方法
CN107730923A (zh) * 2017-09-30 2018-02-23 浙江海洋大学 一种带有约束的城市交通交叉口信号控制方法
CN108648472A (zh) * 2018-03-23 2018-10-12 公安部交通管理科学研究所 一种信号控制交叉口最大绿设置方法及系统
CN109767632A (zh) * 2019-03-02 2019-05-17 太原理工大学 一种基于迭代学习与模型预测控制的交通信号混合控制方法
WO2021174374A1 (zh) * 2020-03-02 2021-09-10 孟卫平 交通信号极化绿波控制方法
CN111798679A (zh) * 2020-07-24 2020-10-20 公安部交通管理科学研究所 一种信号交叉口车道绿灯损失时间计算方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李浦: "基于非线性交通流模型的城市交通信号迭代学习控制策略", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
闫飞 等: "城市交通信号的迭代学习控制及其对路网宏观基本图的影响", 《控制理论与应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114627660A (zh) * 2022-03-11 2022-06-14 公安部交通管理科学研究所 面向非均衡交通流的交叉口信号实时迭代优化控制方法
CN114627660B (zh) * 2022-03-11 2023-01-20 公安部交通管理科学研究所 面向非均衡交通流的交叉口信号实时迭代优化控制方法

Similar Documents

Publication Publication Date Title
US10395529B2 (en) Traffic signal control using multiple Q-learning categories
Yao et al. A dynamic predictive traffic signal control framework in a cross-sectional vehicle infrastructure integration environment
RU2705480C1 (ru) Способ управления и устройство управления транспортного средства с функцией автоматического вождения
CN111932888B (zh) 防止边界路段排队溢流的区域动态边界控制方法及系统
Płaczek A self-organizing system for urban traffic control based on predictive interval microscopic model
CN103761883B (zh) 一种交通信号控制的自学习方法及系统
WO2021051870A1 (zh) 基于强化学习模型的信息控制方法、装置和计算机设备
Dell et al. REALBAND: An approach for real-time coordination of traffic flows on networks
WO2022057912A1 (en) Method and system for adaptive cycle-level traffic signal control
CN111145564B (zh) 信控交叉口的自适应可变车道控制方法及系统
CN111768639B (zh) 一种网联交通环境下的多交叉口信号配时系统及其方法
CN109191847B (zh) 基于城市卡口数据的自适应干线协调控制方法及系统
CN111091295B (zh) 一种城市区域边界控制系统
CN113312732B (zh) 一种结合预先决策与动态调整的无信控交叉口仿真控制方法及装置
EP3425608A1 (en) Traffic signal control using multiple q-learning categories
Ci et al. V2I-based car-following modeling and simulation of signalized intersection
CN106017496A (zh) 一种基于路况的实时导航方法
CN113380027A (zh) 一种基于多源数据的交叉口交通状态参数估计方法及系统
CN107293134A (zh) 基于虚拟电子围栏的公交信号优先控制策略
CN113763727A (zh) 一种道路交叉口的交通信号在线控制方法
Shahraki et al. Design and simulation of a fuzzy controller for a busy intersection
CN113870584B (zh) 基于博弈论的交通路口通行方法及系统
Wei et al. Developing an adaptive strategy for connected eco-driving under uncertain traffic condition
CN112991784B (zh) 一种信号周期内自适应可变车道控制方法及装置
CN112614357B (zh) 一种智能车交叉口左转相位信号优化方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211207

RJ01 Rejection of invention patent application after publication