一种多交叉口的交通信号优化控制方法及装置制造方法及图纸

本申请公开了一种多交叉口的交通信号优化控制方法，首先，确定区域路网中关键交叉口和关键交叉口对应的各干线的优先级，根据公交优先通行原则，建立区域路网的交通信号控制数学模型，然后采用基础粒子群对交通信号控制数学模型中的各干线上交叉口与各干线相邻交叉口间的相位差进行迭代寻优，获得基础粒子群中全局最优解，并将全局最优解作为上层协调粒子群的初始值，依据所述初始值对上层协调粒子群进行寻优，并获取交通信号控制数学模型中的各干线上交叉口与各干线相邻交叉口间的相位差的最优值，从而对交通信号进行控制。因此，本申请不但能够实现区域路网中个交叉口间信号的协同控制，而且实现了公交的优先通行，从而减轻了交通拥堵的情况。

Traffic signal optimization control method and device for multi intersection

The invention discloses a multi intersection traffic signal optimization control method, firstly, to determine the route of regional road network in key intersections and corresponding key intersection priority, according to the principle of bus priority, traffic signal control model of regional road network, and then the particle phase based on the traffic signal control of the trunk group the mathematical model of the intersection and the route between the adjacent intersection difference iterative optimization based particle swarm global optimal solution, and the global optimal solution as the initial value of the upper coordinated particle swarm, according to the initial value of the upper coordinated particle swarm optimization, and obtain the optimal traffic signal control the main phase of the mathematical model on the intersection with the route between the adjacent intersection difference value, so as to control the traffic signal. Therefore, the utility model can not only realize the coordinated control of the signals in the intersections of the regional road network, but also realize the priority of the public transportation, thereby reducing the traffic congestion.

【技术实现步骤摘要】

本专利技术涉及交通信号控制领域，尤其涉及一种多交叉口的交通信号控制方法和装置。
技术介绍
随着社会经济的发展，城市交通拥堵问题日益严重，交通系统是典型的复杂系统，是由各个交叉口和干线道路组成的，在车辆通行时，需要各交叉口间的协同控制，来减轻交通拥堵的情况。但在现有技术中，对交叉口的交通信息进行控制时，并未考虑公交的优先通行，致使公交车在区域路网中运行时，会因为经常遇到红灯而影响通行效率。
技术实现思路
有鉴于此，本专利技术提供了一种多交叉口的交通信号优化控制方法及装置，解决了现有技术中对多交叉口的信号进行协同控制时并未考虑公交的优先通行的问题，从而提高了公交的通行效率，并减轻了交通拥堵的问题。本专利技术提供了一种多交叉口的交通信号优化控制方法，该方法包括：确定区域路网中关键交叉口及与所述关键交叉口相关的各干线的优先级；其中，所述与关键交叉口相关的各干线包括所述关键交叉口所在干线中交通流量最大的一条干线及与所述干线平行的其它干线；依据所述各干线的优先级，建立所述区域路网的交通信号控制数学模型： min Z = Σ i = 1 M Σ j = 1 N i D i j ( T i j , P i ) ]]>其中，Z表示所述区域路网各交叉口人均延误总和；M表示所述区域路网中的干线总数，Ni表示所述区域路网中干线i上的交叉口总数，Tij＝(t1,t2,∧,tn)表示干线i交叉口j的绿信比，tn表示干线i交叉口j中相位n的绿灯时长；表示干线i上各相邻交叉口间的相位差方案，表示交叉口Ni与交叉口(Ni-1)之间的相位差；Dij＝(Tij,Pi)为干线i交叉口j的乘客平均延误时间；对上层协调粒子群进行迭代寻优，获取上层协调粒子群的最优解；依据所述上层协调粒子群的最优解和所述区域路网的交通信号控制数学模型，获取所述区域路网中所述各干线中所有交叉口的最优绿信比和所述各干线相邻交叉口间的最优相位差；依据所述所有交叉口的最优绿信比和各干线相邻交叉口间的最优相位差，对所述区域路网中的交通信号进行控制。上述方法，优选的，确定区域路网中的关键交叉口及与所述关键交叉口相关的各干线的优先级，包括：确定公式中S的最大值，并将所述S的最大值对应的交叉口确定为关键交叉口；其中，S为交叉口的关键指标，p为路口i的车道数量，σl为交叉口中车道l的时间占有率，ql为车道l的交通流量，τ为公交车补偿系数，Pb为通过交叉口的公交线路数；将所述关键交叉口所在的干线中交通流量最大的一条干线确定为主控干线；依据与所述主控干线的距离，设置所述区域路网中所述主控干线及与所述主控干线平行的其它干线的优先级。上述方法，优选的，所述对上层协调粒子群进行迭代寻优，获取上层协调粒子群的最优解，包括：依据所述各干线上的各交叉口的绿信比和每条干线相邻交叉口间的相位差，建立多个基础粒子群；其中，所述基础粒子群为(A0,ij；A1,A2,∧,AN)，A0,ij对应干线i交叉口j的绿信比，(A1,A2,∧,AN)对应各干线相邻交叉口间的相位差；对所述多个基础粒子群进行迭代寻优，并获取所述多个基础粒子群在迭代寻优过程中的最优解；依据所述基础粒子的最优解和所述区域路网交通信号控制数学模型，分别计算上层协调粒子群中各粒子的适应度值，并分别更新所述上层协调粒子群中各粒子的个体最优解和全局最优解；依据公式和公式X(t+1)＝X(t)+V(t+1)，更新上层协调粒子群中粒子的速度和位置；其中，t为当前迭代次数，Vij(t)为粒子的速度值，Xij(t)为粒子的位置值，c1、c2和c3为学习因子，r1(t)、r2(t)和r3(t)为(0，1)之间的随机数，ω为惯性权重系数，Pil表示粒子Xi(t)的个体最优值对应的位置解向量，表示粒子Xi(t)所在的基础粒子群总体最优解对应的解向量位置，Pg表示协调粒子群的全局最优值对应的解向量；判断当前迭代次数是否小于预设的第一阈值，若小于所述预设的第一阈值，返回执行所述对所述多个基础粒子群进行迭代寻优，并获取基础粒子群在迭代寻优过程中的最优解；若不小于所述预设的第一阈值，获取上层协调粒子群在迭代过程中的最优解。上述方法，优选的，所述对所述多个基础粒子群进行迭代寻优，并获取基础粒子群在迭代寻优过程中的最优解，包括：对所述基础粒子群A0,ij和(A1,A2,∧,AN)分别进行速度编码和位置编码；对各个基础粒子群A0,ij和(A1,A2,∧,AN)分别进行混沌初始化；依据所述区域路网交通信号控制数学模型，分别计算各个基础粒子群A0,ij和(A1,A2,∧,AN)的适应度值，分别更新各个所述基础粒子群A0,ij和(A1,A2,∧,AN)的个体最优解和全局最优解；其中所述个体最优解表示每个粒子群中最优的粒子位置，全局最优解表示的是所有的A0,ij中，最优的粒子位置，和所有的(A1,A2,∧,AN)中最优的粒子位置；依据预设的约束条件和所述适应度值，对各个基础粒子群A0,ij和(A1,A2,∧,AN)进行寻优；所述约束条件为判断当前迭代次数是否小于预设的第二阈值，若小于预设的第二阈值，返回执行对各个基础粒子群A0,ij和(A1,A2,∧,AN)分别进行混沌初始化；若不小于预设的第二阈值，分别获取各个基础粒子群A0,ij和(A1,A2,∧,AN)中的全局最优解。上述方法，优选的，所述依据预设的约束条件和所述适应度值，对各个基础粒子群A0,ij和(A1,A2,∧,AN)进行寻优，包括：对关键交叉口对应的基础粒子群进行寻优，并获取所述关键交叉口的信号周期；将所述信号周期共享给其它交叉口对应的粒子群，并对所述其它交叉口对应的粒子群进行寻优；对各个基础粒子群(A1,A2,∧,AN)进行寻优。本专利技术还提供了一种多交叉口的交通信号优化控制装置，所述装置包括：确定单元，用于确定区域路网中关键交叉口及与所述关键交叉口相关的各干线的优先级；其中，所述与关键交叉口相关的各干线包括所述关键交叉口所在的干线中交通流量最大的一条甘心啊及与所述甘心啊平行的其它干线；建立单元，用于依据所述各干线的优先级，建立所述区域路网的交通信号控制数学模型： min Z = Σ i = 1 M Σ j = 1 N i D 本文档来自技高网...

【技术保护点】
一种多交叉口的交通信号优化控制方法，其特征在于，所述方法包括：确定区域路网中关键交叉口及与所述关键交叉口相关的各干线的优先级；其中，所述与关键交叉口相关的各干线包括所述关键交叉口所在干线中交通流量最大的一条干线及与所述干线平行的其它干线；依据所述各干线的优先级，建立所述区域路网的交通信号控制数学模型：minZ=Σi=1MΣj=1NiDij(Tij,Pi)]]>其中，Z表示所述区域路网各交叉口人均延误总和；M表示所述区域路网中的干线总数，Ni表示所述区域路网中干线i上的交叉口总数，Tij＝(t1,t2,∧,tn)表示干线i交叉口j的绿信比，tn表示干线i交叉口j中相位n的绿灯时长；表示干线i上各相邻交叉口间的相位差方案，表示交叉口Ni与交叉口(Ni‑1)之间的相位差；Dij＝(Tij,Pi)为干线i交叉口j的乘客平均延误时间；对上层协调粒子群进行迭代寻优，获取上层协调粒子群的最优解；依据所述上层协调粒子群的最优解和所述区域路网的交通信号控制数学模型，获取所述区域路网中所述各干线中所有交叉口的最优绿信比和所述各干线相邻交叉口间的最优相位差；依据所述所有交叉口的最优绿信比和各干线相邻交叉口间的最优相位差，对所述区域路网中的交通信号进行控制。...

【技术特征摘要】
1.一种多交叉口的交通信号优化控制方法，其特征在于，所述方法包括：确定区域路网中关键交叉口及与所述关键交叉口相关的各干线的优先级；其中，所述与关键交叉口相关的各干线包括所述关键交叉口所在干线中交通流量最大的一条干线及与所述干线平行的其它干线；依据所述各干线的优先级，建立所述区域路网的交通信号控制数学模型： min Z = Σ i = 1 M Σ j = 1 N i D i j ( T i j , P i ) ]]>其中，Z表示所述区域路网各交叉口人均延误总和；M表示所述区域路网中的干线总数，Ni表示所述区域路网中干线i上的交叉口总数，Tij＝(t1,t2,∧,tn)表示干线i交叉口j的绿信比，tn表示干线i交叉口j中相位n的绿灯时长；表示干线i上各相邻交叉口间的相位差方案，表示交叉口Ni与交叉口(Ni-1)之间的相位差；Dij＝(Tij,Pi)为干线i交叉口j的乘客平均延误时间；对上层协调粒子群进行迭代寻优，获取上层协调粒子群的最优解；依据所述上层协调粒子群的最优解和所述区域路网的交通信号控制数学模型，获取所述区域路网中所述各干线中所有交叉口的最优绿信比和所述各干线相邻交叉口间的最优相位差；依据所述所有交叉口的最优绿信比和各干线相邻交叉口间的最优相位差，对所述区域路网中的交通信号进行控制。2.根据权利要求1所述的方法，其特征在于，确定区域路网中的关键交叉口及与所述关键交叉口相关的各干线的优先级，包括：确定公式中S的最大值，并将所述S的最大值对应的交叉口确定为关键交叉口；其中，S为交叉口的关键指标，p为路口i的车道数量，σl为交叉口中车道l的时间占有率，ql为车道l的交通流量，τ为公交车补偿系数，Pb为通过交叉口的公交线路数；将所述关键交叉口所在的干线中交通流量最大的一条干线确定为主控干线；依据与所述主控干线的距离，设置所述区域路网中所述主控干线及与所述主控干线平行的其它干线的优先级。3.根据权利要求1所述的方法，其特征在于，所述对上层协调粒子群进行迭代寻优，获取上层协调粒子群的最优解，包括：依据所述各干线上的各交叉口的绿信比和每条干线相邻交叉口间的相位差，建立多个基础粒子群；其中，所述基础粒子群为(A0,ij；A1,A2,∧,AN)，A0,ij对应干线i交叉口j的绿信比，(A1,A2,∧,AN)对应各干线相邻交叉口间的相位差；对所述多个基础粒子群进行迭代寻优，并获取所述多个基础粒子群在迭代寻优过程中的最优解；依据所述基础粒子的最优解和所述区域路网交通信号控制数学模型，分别计算上层协调粒子群中各粒子的适应度值，并分别更新所述上层协调粒子群中各粒子的个体最优解和全局最优解；依据公式和公式X(t+1)＝X(t)+V(t+1)，更新上层协调粒子群中粒子的速度和位置；其中，t为当前迭代次数，Vij(t)为粒子的速度值，Xij(t)为粒子的位置值，c1、c2和c3为学习因子，r1(t)、r2(t)和r3(t)为(0，1)之间的随机数，ω为惯性权重系数，Pil表示粒子Xi(t)的个体最优值对应的位置解向量，表示粒子Xi(t)所在的基础粒子群总体最优解对应的解向量位置，Pg表示协调粒子群的全局最优值对应的解向量；判断当前迭代次数是否小于预设的第一阈值，若小于所述预设的第一阈值，返回执行所述对所述多个基础粒子群进行迭代寻优，并获取基础粒子群在迭代寻优过程中的最优解；若不小于所述预设的第一阈值，获取上层协调粒子群在迭代过程中的最优解。4.根据权利要求3所述的方法，其特征在于，所述对所述多个基础粒子群进行迭代寻优，并获取基础粒子群在迭代寻优过程中的最优解，包括：对所述基础粒子群A0,ij和(A1,A2,∧,AN)分别进行速度编码和位置编码；对各个基础粒子群A0,ij和(A1,A2,∧,AN)分别进行混沌初始化；依据所述区域路网交通信号控制数学模型，分别计算各个基础粒子群A0,ij和(A1,A2,∧,AN)的适应度值，分别更新各个所述基础粒子群A0,ij和(A1,A2,∧,AN)的个体最优解和全局最优解；其中所述个体最优解表示每个粒子群中最优的粒子位置，全局最优解表示的是所有的A0,ij中，最优的粒子位置，和所有的(A1,A2,∧,AN)中最优的粒子位置；依据预设的约束条件和所述适应度值，对各个基础粒子群A0,ij和(A1,A2,∧,AN)进行寻优；所述约束条件为判断当前迭代次数是否小于预设的第二阈值，若小于预设的第二阈值，返回执行对各个基础粒子群A0,ij和(A1,A2,∧,AN)分别进行混沌初始化；若不小于预设的第二阈值，分别获取各个基础粒子群A0,ij和(A1,A2,∧,AN)中的全局最优解。5.根据权利要求4所述的方法，其特征在于，所述依据预设的约束条件和所述适应度值，对各个基础粒子群A0,ij和(A1,A2,∧,AN)进行寻优，包括：对关键交叉口对应的基础粒子群进行寻优，并获取所述关键交叉口的信号周期；将所述信号周期共享给其它交叉口对应的粒子群，并对所述其它交叉口对应的粒子群进行寻优；对各个基础粒子群(A1,A2,∧,AN)进行寻优。6.一种多交叉口的交通信号优化控制装置，其特征在于，所述装...

【专利技术属性】
技术研发人员：蔡延光，戚远航，蔡颢，黄柏亮，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44