【技术实现步骤摘要】
【国外来华专利技术】用于预测和最大化交通流量的系统和方法
本公开涉及用于预测和控制交通流量的系统、组件和方法。具体地,本公开涉及基于量子退火和经典机器学习的结合来预测和最大化交通流量的系统、组件和方法。
技术介绍
最大化一区域(诸如城市)内的交通流量,从而使时走时停交通和交通堵塞不会发生,这是一个复杂的优化问题,迄今为止,经典计算机还没有在短时间甚至有限时间内有效地解决这个问题。当前的问题是NP难题,因为解空间中存在组合爆炸,这使得当前经典计算机不可能或几乎不可能在几秒钟内计算出最优解或接近最优的解。例如,假设某条道路或路段上有500辆车导致交通流通量最小化,并且每个车辆提供3条替代路线,则解空间的大小为3500。当前系统专注于交通数据的实时分析和重新分配交通,而不考虑目标区域的交通。当路线A出现拥堵时,车辆会被重新分配到路线B,但可能会造成那里的拥堵。更复杂的模型基于流体动力学方法。因此,需要一种交通流通量最大化系统,其不会导致另一区域的流通量显著降低;理想情况下基于从车辆发送的间隔数据,持续或永久优化交通流通量;并且在交通最小化发生之前足够早地意识到它。
技术实现思路
根据本公开,提供了用于在给定时间点最大化交通流量(流通量)的系统、组件和方法。根据所公开的实施例,提供结构和软件以通过结合经典计算机器学习与量子退火来控制交通流量,其中,经典计算机器学习用于在交通流通量最小化发生之前预测到它,并且量子退火用于优化车辆的未来位置。在考虑到道路网络中的其他相关车辆的同时,该方法和系统重定向车辆以 ...
【技术保护点】
1.一种车辆交通控制系统,包括:/n交通监控系统,被配置为使用经典计算来根据时间点监控所选择的区域中的交通流量;/n交通预测系统,被配置为使用经典计算来基于来自所述交通监控系统的信息在交通最小化流量发生之前预测交通流量最小化;以及/n用于结合经典计算中的机器学习与量子退火的装置,其中,所述机器学习用于在交通流通量最小化发生之前预测交通流通量最小化,并且所述量子退火用于优化车辆的未来位置,使得在考虑道路网络中所有其他车辆的情况下,重定向使每个车辆的行驶时间最小化。/n
【技术特征摘要】
【国外来华专利技术】20171130 US 15/8278541.一种车辆交通控制系统,包括:
交通监控系统,被配置为使用经典计算来根据时间点监控所选择的区域中的交通流量;
交通预测系统,被配置为使用经典计算来基于来自所述交通监控系统的信息在交通最小化流量发生之前预测交通流量最小化;以及
用于结合经典计算中的机器学习与量子退火的装置,其中,所述机器学习用于在交通流通量最小化发生之前预测交通流通量最小化,并且所述量子退火用于优化车辆的未来位置,使得在考虑道路网络中所有其他车辆的情况下,重定向使每个车辆的行驶时间最小化。
2.根据权利要求1所述的系统,还包括交通优化系统,被配置为使用量子计算来基于来自所述交通预测系统的信息向车辆提供替代路线。
3.根据权利要求1所述的系统,还包括车辆控制系统,被配置为从所述交通优化系统接收来自所述替代路线的信息,并向车辆提供输出以在替代路线上重新路由车辆。
4.根据权利要求3所述的系统,还包括:
一个或多个量子处理单元,用于从所述交通预测系统接收信号;以及
一个或多个中央处理单元,用于从所述交通监控系统接收信号;
一个或多个非暂时性计算机可读存储介质,其中存储有计算机代码,当所述计算机代码在一个或多个量子处理单元和一个或多个中央处理单元上执行时,使得交通流量最大化系统执行以下方法:
使用经典计算来识别交通流通量最小化发生的区域,确定空间上和时间上有效的替代路线,并且将问题表述为能量矩阵,其中所述矩阵的元素是成本函数的项的系数;
使用量子退火以通过最小化所选择的整个交通图中的时间,找到最小能量解,所述最小能量解表示车辆的理想分配;
使用经典计算来基于产生的所述矩阵重新分配车辆;以及
重复以上步骤,通过接近给定时间窗口内无交通流量最小化的预测来最大化交通流量。
5.一种用于控制交通流量的方法,包括:
使用经典计算中的机器学习预测交通流通量最小化;以及
优化车辆的未来位置,以便重定向使交通流通量最大化以最小化每个车辆的行驶时间,其中优化包括使用量子退火来考虑道路网络中的其他车辆。
6.根据权利要求5所述的方法,还包括:
使用经典计算来识别交通流通量最小化发生的区域,确定空间上和时间上有效的替代路线,并且将问题表述为能量矩阵,其中所述矩阵的元素是成本函数的项的系数;
使用量子退火以通过最小化所选择的整个交通图中的时间,找到最小能量解,所述最小能量解表示车辆的理想分配;
使用经典计算来基于产生的所述矩阵重新分配车辆;以及
重复以上步骤,通过接近给定时间窗口内无交通流量最小化的预测来最大化交通流量。
7.根据权利要求6所述的方法,还包括:
将多条道路划分为路段;
定义重叠的时间窗口,每个所述时间窗口具有相同的时间量;
分析历史数据以识别超过每一时间的阈值车辆数量的地方;
通过实施经典分类器,在交通流通量最小化发生之前的选择的时间量内预测流通量最小化。
8.根据权利要求7所述的方法,其中,所选择的时间量在大于零至18分钟的范围内。
9.根据权利要求8所述的方法,其中,所选择的时间量在10分钟至16分钟的范围内。
10.根据权利要求6所述的方法,其中,所述成本函数是所有车辆i以具有路段Sj的建议的路线j∈{1,2,3}对街道路段的占用率,其中,所述车辆...
【专利技术属性】
技术研发人员:F纽卡特,G康波斯泰拉,C赛德尔,D冯多伦,
申请(专利权)人:大众汽车股份公司,奥迪股份公司,
类型:发明
国别省市:德国;DE
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。