The invention relates to the field of traffic signal control, and discloses a method and a system for reducing the number of stops and starts of traffic flow according to the traffic volume of the road network and controlling the time of traffic signal by using the dynamic response of the idle green light time. The main steps of the method include: 1) obtaining the signal parameters and the parameters of the road network, 2) obtaining the traffic volume of the road network, 3) each intersection element. Predicting traffic volume, 4) Preliminary judgement element makes road network analysis according to the situation of the intersection exceeding the threshold, and finds that the passage exceeding the threshold puts forward corresponding initial judgement to the decision-making level, 5) Decision-making level coordinates all kinds of initial judgement and issues instructions; The main components of the system include: (1) Predictive Control Package, 2) Traffic Data Center or the length detection device of the intersection fleet, 3) or return. Including vehicle entry and exit detection device, 4) traffic signal lamp control device and so on; Disclosing the new traffic analysis and prediction mathematical model as the core of a variety of signal road network general \A_A\ and other methods, supporting the string signal mode control, so that the string signal mode road network always uses low energy consumption signal time, avoiding redundant stops and starts every time. Equivalent idling fuel consumption of about 60 seconds per vehicle per section of a cycle, and about 30 minutes of equivalent idling fuel consumption per vehicle per section of a cycle are usually reduced by stopping at each section. In conjunction with the solitary wave technology of the road network, it provides a series of continuity in signal control to resolve congestion core, sudden large traffic flow, initial congestion, and delay the arrival of large-scale concentrated congestion of the captain. The solution tool improves the response efficiency of signal control with traffic condition.
【技术实现步骤摘要】
交通信号泛弦控制方法及其系统
本专利技术涉及交通信号模式控制领域。具体地说,是一种可以根据交通状况调整信号时间的控制方法及其系统。
技术介绍
目前城市交通信号控制包括区域控制都是以干道协调控制技术为核心，优先优化各干道兼顾平衡非干道，该技术自随原始城市布局进化形成以来目前正在日益严重地反作用制约着城市发展。干道线型绿波可使“车流跟随其行至波尽头无限远端”，解决了原始比率模式一次放行绿灯最多只能使车流行驶该绿灯时长乘以法定车速的距离的问题；但存在单向性不均衡、压制了交叉方向交通需求、无动态优化、大量绿灯浪费时间、且重要的是这个本为提供顺畅交通而生的干道技术，由于会聚集周围交通流反而造成自身路面逐年加宽仍然不堪应宽聚来的重负而其周边道路闲置浪费等问题；起源于解决小城市小经济交通需求的干道技术其原有“干道优先”优点随着现代城市规模经济普遍的面型道路交通需求已经褪变成致使“拓宽干道引来更重拥堵”式恶性循环的其技术先天固有的无法适应的缺陷。近期专利技术的时间微分比率技术在全网域全方位解决了小交通广谱负载绿灯空等浪费问题；弦模式解决了各方向均衡快速问题；泛绿波“无冗trq＝0”定律及其操作原理的发现使得通道交通的浪费减到最小。弦模式需要解决对区域中分布的交通流量响应问题以进一步提高弦技术实际控制效果。交通流量预测是信号动态控制关键，当前研究较多是神经网络、混沌时序、小波等方法。
技术实现思路
本专利技术的目的是为解决信号对交通流分布响应的低耗优化问题。本专利技术提出了实现上述目的解决方案，包括新创立的以信号间距-队长冗余公式trq为核心的路网交通预测数学模型，和基于此模型...
【技术保护点】
1.一种道路网络交通信号泛弦控制方法即“A‑A”方法，其特征至少包括步骤:S1获取信号参数、路网参数；S2检测各路口各流向d或/和相位j车队尾q即滞留车数、或/和流向路段车源出入车数即出入量s、或还含路口驶出车数即流出量x、或/和队头位置q0信息及相变量子用时⊿tTh0；S3各路口元预测其下时段各方向或/和相位车队Q及其变化⊿Q、驶出车数x及其剩余绿灯时间，即余时
【技术特征摘要】
1.一种道路网络交通信号泛弦控制方法即“A-A”方法，其特征至少包括步骤:S1获取信号参数、路网参数；S2检测各路口各流向d或/和相位j车队尾q即滞留车数、或/和流向路段车源出入车数即出入量s、或还含路口驶出车数即流出量x、或/和队头位置q0信息及相变量子用时⊿tTh0；S3各路口元预测其下时段各方向或/和相位车队Q及其变化⊿Q、驶出车数x及其剩余绿灯时间，即余时S4各初判元分析确定下时段的路口间信号时间差变化的涨落、或/和区域车流两个交叉大流量变化引起的时间差原点移动初判，即初判等，或/和结合得到的相关各路口方向或/和和相位余时一起进一步为上述车队Q及其变化⊿Q测算出信号临时配时的孤波初判；S5统筹各初判取舍、先后、时间，制发指令；S6根据指令和预测出信号时间差变化或/和临时配时决定下时段的信号配时；所述车队Q计量单位是米或标准车数，标准车数队长包括车间距，与米长有换算率，非标准车与标准车换算率，通过这些换算率可将车队折算成标准车数或米；所述车数指折算后等效标准车数；所述下时段包括多倍信号周期C，如1C、2C、4C、8C，通用任何信号路网车队预测。2.根据权利要求1所述方法，其特征是所述步骤S3进一步包括：S3-1所述下时段各路口方向或/和相位车队Q及其变化⊿Q预测步骤：(1)将路口流向d上游实测的路段驶入车数或/和该上游路口x±1汇入该流向d的各方向相位流出量x±1,d1,j1,x±1,d2,j2,x±1,d3,j3之和,加上该上游路段车源的出入车数Sd(c)，没有流向d车源的加0，得到路口预测流入车数a±0,d，(2)再与该路口方向相位流量分布μd(c)相乘得到该路口方向相位预测到达车数ad,j(c)，(3)再用到达量ad,j(c)减去流出量x±0,d,j得到各相位排队变化⊿Q，(4)将预测得的车队变化⊿Q加上时段的车队Qd,j(c-1)得到预测Qd(c)；所述x±0,d,j下角标：±k,d,j,按其位置顺序“±”号表示上游、表示k段上游路口、d车流方向、j信号相位，k＝0段代表本路口，k＝1相邻路口，k＝2级是相邻后下一个上游等等，本路口简记为qd,j(c)或q(c)或q±0(c)或qm,n,d,j(c)，‘m,n’代表路口坐标位置，上游路口驶出车数x±1,d1,j1,x±1,d2,j2,x±1,d3,j3中‘d#,j#’表示上游路口驶出汇入下游d流向的方向相位，‘d2,j2’表示左转汇入d流向的方向相位，‘d3,j3’表示右转汇入d流向的方向相位，‘d1,j1’或‘d,j’表示直行汇入d流向的方向相位，相位j＝1表示直行、j＝2左转、j＝3右转，其(c)代表下时段、(c-1)代表前时段，以下依此类推及至各变量；所述车源的流出量Sd(c)是预测值，用该车源流量智能函数根据实测值Sd(c-1)预测得到，智能函数是用统计学习或/和其它智能方法和过去数据培训或/和在线学习得到的；所述方向相位交通量共用车道的，仍用相位分布μd(c)决定；所述路段车源包括多车源的按它们流向到车源到路口平均距离决定其时间差，常用平均值或0估计；所述智能方法包括综合使用神经网络ann、混沌时序、小波理论、统计回归与支撑向量机svm、遗传优化ga、粒子群优化pso、模糊分析与信息粒化等等智能学习及时序分析方法，以下提到智能方法均同此意；所述流出量x±0,d,j、x±1,d1,j1,x±1,d2,j2,x±1,d3,j3等可以用下面权利4方法预测得到；或加装路口方向相位驶出检测器实测得到。3.根据权利要求2所述方法，其特征是所述步骤S3-1进一步包括：S3-1-1路口方向相位流量分布μd(c)是预测值，是用该路口方向相位流量分布智能函数根据测算值μd(c-1)预测得到；所述测算值μd(c-1)的步骤包括，(1)用前两个时段实测得的相位车队相减得到前时段的排队变化ΔQd,j(c-1)，(2)用相位绿灯时间τd,j乘以相位流出速率vd,j得到前时段流出量xd,j(c-1)，轻载时用前周期预测的流出量代替作为本周期“实测”流出量，或直接用实测流出量，(3)将预测车队变化ΔQd,j(c-1)和流出量xd,j(c-1)相加得到相位到达量ad,j(c-1)，(4)分别将相位到达量除以前面三个相位的到达量之和得到相位流量分布比μd,j(c-1)；所述相位流出速率vd,j指车流驶离交通灯控制线每秒车辆数；所述智能函数用过去数据和智能方法培训得到一个该路口相位流量时序分布智能函数时。4.根据权利要求2所述方法，其特征是所述步骤S3-1进一步包括：S3-1-2路口方向相位流出量xd,j(c)获得预测值的方法是从预测路口开始向流向上游逐k路段测算每个路口流出量x±k,d,j(c)及其路段车源流出量s±k,d,j(c)达到通过预测路口用时及预测路口余时k＝0,1,2…，有余时的路口，该路口流出量计入预测路口的流出量，直至预测路口余时不足，余时不足的各路口包括本路口及其流出量时，其流出量x±k，d，j(c)是该方向相位相均排队量-车数乘以该余时与该排队量的通过用时比，这里的路口流出量x±k,d,j(c)以该路口流向的等待车队q±k,d,j(c-1)测算，k＝0,1,2…；所述流出量等可用下面权利5方法预测得到；或用加装路口驶出车数检测器实测替代计算预测xd,j(c)。5.根据权利要求2所述方法，其特征是所述步骤S3-1进一步包括：S3-1-3路口方向相位余时获得预测值的方法是预测路口绿灯时间从预测路口开始向流向上游逐k路段减去每个路口车队量q±k,d,j(c)及其路段车源流出量s±k,d,j(c)的相位分流量对预测路口通过的前面路段车流的时距trq±k(c)及其通过用时tq0±k,d,j(c)，即余时k＝0,1,2…，直减至余时为0；所述车队量通过路口用时tq0d,j(c)以该车队量除以相位流出速率vd,j计；所述上游k路口车队与前面车流的时距trq±(k-1)(c)以车辆从路口k驶达预测路口路段距离D±(k-1)除以车辆规定车速vd,l再减去前面路口车队量q±(k-1)(c)与队扰因子β的乘积计，当信号是绿波系统时，信号时间差|δc±i,dc|＞0，顺波来车流，trq±(k-1)(c)＝-β×q±(k-1)(c)，逆波来车流，其trq±(k-1)(δc)＝2×tv0±(k-1)(0)-β×q±(k-1)(c)；所述队扰因子β＝1/vd,l+α,是规定车速的倒数与队动系数α之和；所述队动系数α是单位车队长度从车队首车启动到尾车启动的时间，单位秒/米，其估值范围0.14至0.22，取中0.18，可根据经验调整；所述信...
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。