一种适用多设备的信控方案实施优化方法及其系统和装置制造方法及图纸

本发明专利技术涉及一种适用多设备的信控方案实施优化系统，包括：用于检测车辆通过信号的终端检测设备；解析信控方案数据及车头时距分布与占比数据的数据处理模块；对各车道的车头时距形态模型进行判断和车道特征标记的逻辑处理模块；对信控方案数据优化和测试的优化和测试模块；接收优化后的信控方案数据并控制信号控制机的控制中心；信号控制机，接收并执行优化后的信控方案数据；用于各组成部分之间的数据接收和发送的通信模块。本发明专利技术能适用多种终端检测设备，算法涉及参数简单，运算速度快，信号控制方案调整及时，调整方法更加科学，融合先进的数据挖掘算法，深度挖掘车头时距的分布含义指导信控方案优化，科学性强，优化结果可靠。

An Optimized Method for Implementation of Signal Control Scheme for Multi-equipment and Its System and Device

The invention relates to an optimization system for implementing a signal control scheme applicable to multi-equipment, which includes: a terminal detection device for detecting vehicle passing signals; a data processing module for analyzing the data of the signal control scheme and the time-distance distribution and proportion data of the vehicle head; a logic processing module for judging the shape model of the headway of each lane and marking the lane features; and a data optimization and measurement module for the signal control scheme. The optimization and test module of the trial; the control center that receives the optimized data of the signal control scheme and controls the control signal machine; the signal controller receives and executes the optimized data of the signal control scheme; the communication module that receives and transmits the data between the components. The method can be applied to a variety of terminal detection equipment. The algorithm involves simple parameters, fast operation speed, timely adjustment of signal control scheme, more scientific adjustment method, integration of advanced data mining algorithm, deep excavation of the distribution meaning of headway time to guide the optimization of the signal control scheme, with strong scientific nature and reliable optimization results.

【技术实现步骤摘要】
一种适用多设备的信控方案实施优化方法及其系统和装置
本专利技术涉及控制
，尤其涉及一种适用多设备的信控方案实施优化方法及其系统和装置。
技术介绍
目前我国大多数的信控交叉口治理采用的是全天分段定方案控制方式，基于历史数据根据全天各时段的交通流特征制定若干个固定配时方案，在不同时段使用。这种信控方法的缺点如下：1.信控交叉口治理方案是基于历史数据的固定方案，适应性差，不能够对实时交通状况变化的反馈，导致信控方案效率不高或无效；2.信控方案的调整需要依赖人工经验，缺乏科学性，由于缺乏智能化手段，多地智能交通建设水平不高，信号控制方案优化依赖于交通管理部门人工微调，不仅需要大量人力，而且缺乏科学性，效果较差；3.对检测设施的选型有约束，信号控制方案的优化依赖于对交通流情况的检测，现有的方法多限于特定的检测设备，如检测线圈、视频设备等，而不能广泛应用于多种设备，由于各地智能交通建设水平不一、设施供应能力有差异，这些方法的应用十分受限。目前常见的检测方法是通过信号控制机配套地感线圈工作，而地感线圈容易因过往车流频繁易损坏、更换需要破路封路，不仅影响交通流而且影响道路美观，而且可靠性不佳；4.算法涉及指标复杂，难以理解，目前的多数算法因为可靠性有限，对交通流的本质把握不足，引入大量参考指标相互校正，形成的算法非常复杂，甚至有时指标之间有矛盾的情况出现，导致算法可靠性下降；5.对于数据挖掘相关算法考虑不足，近几年来随着大数据分析挖掘技术不断发展，原有的交通数据处理方式面临扩展，这一优势在信号控制优化方面仍未完全发挥，现有的方法仍然多采用简单的统计分析方式和交通工程算法，效率和分析维度有待提升；6.人工与智能化协同不足，目前城市交通控制工作越来越依赖于智能化手段，但智能化设备或算法可能因为数据采集设备故障或学习深度不足等产生结果误差问题，需要与实际数据进行核对和人工辅助训练模型，但目前多数方法忽视了这一前提，过早完全依赖于未成熟的智能算法，缺乏检验过程。
技术实现思路
本专利技术所要解决的技术问题是提供一种适用多种检测设备、控制指标简单且可靠性强的适用多设备的信控方案实施优化方法及其系统和装置。为解决上述技术问题，本专利技术的技术方案是：一种适用多设备的信控方案实施优化方法，包括以下步骤：通过终端检测设备获取各车道的车辆通过信号；根据所述车辆通过信号解析出各分车道的车头时距数据得到原始的信控方案数据，所述信控方案数据具体包括：通过对所述车头时距数据进行时间序列分析，得到的信控方案的多个相位、各相位所包括的通行车道组、各相位的相序和时长、信控方案的周期时长；将各车道的车头时距进行集计分析，得到各车道的车头时距分布情况和车头时距占比数据，根据信控方案数据排除因等红灯造成车头时距占比数据，得出绿灯期间各个车道实际的车头时距分布与占比数据；设置理想车头时距形态模型和理想车道特征，对各车道的车头时距形态模型进行判断，以及对各车道进行特征标记；对所述信控方案数据进行优化和测试，使优化后的信控方案数据实施后，各车道的车头时距形态模型和各车道的特征标记与所述理想车头时距形态模型和理想车道特征相符。作为优选的技术方案，所述车辆通过信号是带有时间戳的车辆通过记录数据。作为优选的技术方案，还包括将非结构化的车辆通过信号转换为带有时间戳的车辆通过记录数据。作为优选的技术方案，所述车头时距形态模型包括理想型、无排队过车稀疏型、有排队后期浪费型、有排队饱和型和干扰型，所述车道特征标记包括理想车道、干扰车道、过饱和车道和低效车道，所述方法还包括：判断所述过饱和车道是否聚集在同一相位，得出所述过饱和车道聚集的过饱和相位；判断所述低效车道是否聚集在同一相位，得出所述低效车道聚集的低效相位。作为优选的技术方案，判断车头时距形态模型和进行车道特征标记的具体步骤包括：生成各车道的车头时距随时间变化的车头时距曲线；当所述通行车道组包括多个车道时，在信控方案的一个周期内，若车辆的车头时距等于或略大于设定的安全车头时距，且车头时距曲线无明显波动，则所述车道的车头时距形态模型是理想型；若车辆的车头时距明显大于设定的安全车头时距，车头时距曲线有波动且全周期维持在高值，则所述车道的车头时距形态模型是无排队过车稀疏型；若前期车辆的车头时距接近安全车头时距，车头时距曲线稳定无显著波动，后期车头时距明显大于安全车头时距，则所述车道的车头时距形态模型是有排队后期浪费型；若整个周期内车头时距均接近或小于安全车头时距，且偶尔小于安全车头时距的水平，车头时距曲线波动小，则所述车道的车头时距形态模型是有排队饱和型；若初期车头时距明显大于安全车头时距，且车头时距曲线有较大波动，后期车头时距逐渐接近安全车头时距，车头时距曲线逐渐稳定，则所述车道的车头时距形态模型是干扰型；若所述车道的车头时距形态模型是理想型，则所述车道是理想车道；若所述车道的车头时距形态模型是干扰型，则所述车道是干扰车道；若所述车道的车头时距形态模型是无排队过车稀疏型或有排队后期浪费型，则所述车道是低效车道；若所述车道的车头时距形态模型是有排队饱和型，则所述车道是过饱和车道。作为优选的技术方案，进行车道特征标记的的具体步骤还包括：当所述通行车道组是单车道时，若车头时距小于5s的车头时距个数占同周期内车头时距个数的比例小于第一设定阈值，或车头时距大于15s的车头时距个数占同周期内车头时距个数的比例大于第二设定阈值，则所述车道是低效车道；若车头时距小于3s的车头时距加和占同周期该车道分配绿灯时间总比例大于第三设定阈值，则所述车道是过饱和车道。作为优选的技术方案，还包括将优化后的信控方案数据发送至控制中心或信号控制机，以及所述控制中心对优化后的信控方案数据进行测试后发送信号控制机的步骤。一种适用多设备的信控方案实施优化系统，包括：用于检测车辆通过信号的终端检测设备；接收所述车辆通过信号，并通过解析出的各分车道的车头时距数据得到原始的信控方案数据，以及绿灯期间各个车道实际的车头时距分布与占比数据的数据处理模块；对各车道的车头时距形态模型进行判断，以及对各车道进行特征标记，得到过饱和车道聚集的过饱和相位和低效车道聚集的低效相位的逻辑处理模块；对原始的信控方案数据进行优化和测试的优化和测试模块；接收优化后的信控方案数据，对优化后的信控方案数据进行测试后发送信号控制机的控制中心；信号控制机，接收并执行优化后的信控方案数据；用于各组成部分之间的数据接收和发送的通信模块。作为优选的技术方案，所述终端检测设备是地感线圈、无线地磁、能同时检测多个车道的微波设备或有虚拟线圈功能的视频检测设备。一种适用多设备的信控方案实施优化装置，包括：接收所述车辆通过信号，并通过解析出的各分车道的车头时距数据得到原始的信控方案数据，以及绿灯期间各个车道实际的车头时距分布与占比数据的数据处理模块；对各车道的车头时距形态模型进行判断，以及对各车道进行特征标记，得到过饱和车道聚集的过饱和相位和低效车道聚集的低效相位的逻辑处理模块；对原始的信控方案数据进行优化和测试的优化和测试模块；用于与其他设备进行数据接收和发送的通信模块。由于采用了上述技术方案，本专利技术的有益效果是：(1)适用多种终端检测设备，不局限于传统易受损的感应线圈或价格高昂的视频设备，可应用于交通智能化本文档来自技高网...

【技术保护点】
1.一种适用多设备的信控方案实施优化方法，其特征在于，包括以下步骤：通过终端检测设备获取各车道的车辆通过信号；根据所述车辆通过信号解析出各分车道的车头时距数据得到原始的信控方案数据，所述信控方案数据具体包括：通过对所述车头时距数据进行时间序列分析，得到的信控方案的多个相位、各相位所包括的通行车道组、各相位的相序和时长、信控方案的周期时长；将各车道的车头时距进行集计分析，得到各车道的车头时距分布情况和车头时距占比数据，根据信控方案数据排除因等红灯造成车头时距占比数据，得出绿灯期间各个车道实际的车头时距分布与占比数据；设置理想车头时距形态模型和理想车道特征，对各车道的车头时距形态模型进行判断，以及对各车道进行特征标记；对所述信控方案数据进行优化和训练测试，使优化后的信控方案数据实施后，各车道的车头时距形态模型和各车道的特征标记与所述理想车头时距形态模型和理想车道特征相符。

【技术特征摘要】
1.一种适用多设备的信控方案实施优化方法，其特征在于，包括以下步骤：通过终端检测设备获取各车道的车辆通过信号；根据所述车辆通过信号解析出各分车道的车头时距数据得到原始的信控方案数据，所述信控方案数据具体包括：通过对所述车头时距数据进行时间序列分析，得到的信控方案的多个相位、各相位所包括的通行车道组、各相位的相序和时长、信控方案的周期时长；将各车道的车头时距进行集计分析，得到各车道的车头时距分布情况和车头时距占比数据，根据信控方案数据排除因等红灯造成车头时距占比数据，得出绿灯期间各个车道实际的车头时距分布与占比数据；设置理想车头时距形态模型和理想车道特征，对各车道的车头时距形态模型进行判断，以及对各车道进行特征标记；对所述信控方案数据进行优化和训练测试，使优化后的信控方案数据实施后，各车道的车头时距形态模型和各车道的特征标记与所述理想车头时距形态模型和理想车道特征相符。2.如权利要求1所述的一种适用多设备的信控方案实施优化方法，其特征在于：所述车辆通过信号是带有时间戳的车辆通过记录数据。3.如权利要求2所述的一种适用多设备的信控方案实施优化方法，其特征在于：还包括将非结构化的车辆通过信号转换为带有时间戳的车辆通过记录数据。4.如权利要求1所述的一种适用多设备的信控方案实施优化方法，其特征在于：所述车头时距形态模型包括理想型、无排队过车稀疏型、有排队后期浪费型、有排队饱和型和干扰型，所述车道特征标记包括理想车道、干扰车道、过饱和车道和低效车道，所述方法还包括：判断所述过饱和车道是否聚集在同一相位，得出所述过饱和车道聚集的过饱和相位；判断所述低效车道是否聚集在同一相位，得出所述低效车道聚集的低效相位。5.如权利要求4所述的一种适用多设备的信控方案实施优化方法，其特征在于：判断车头时距形态模型和进行车道特征标记的具体步骤包括：生成各车道的车头时距随时间变化的车头时距曲线；当所述通行车道组包括多个车道时，在信控方案的一个周期内，若车辆的车头时距等于或略大于设定的安全车头时距，且车头时距曲线无明显波动，则所述车道的车头时距形态模型是理想型；若车辆的车头时距明显大于设定的安全车头时距，车头时距曲线有波动且全周期维持在高值，则所述车道的车头时距形态模型是无排队过车稀疏型；若前期车辆的车头时距接近安全车头时距，车头时距曲线稳定无显著波动，后期车头时距明显大于安全车头时距，则所述车道的车头时距形态模型是有排队后期浪费型；若整个周期内车头时距均接近或小于安全车头时距，且偶尔小于安全车头时距的水平，车头时距曲线波动小，则所述车道的车头时距形态模型是有排队饱和型；若初期车头时距明显大于安全车头时距，且车头...

【专利技术属性】
技术研发人员：李君羡，
申请(专利权)人：上海羡通交通科技有限公司，
类型：发明
国别省市：上海,31