用于预测和最大化交通流量的系统和方法技术方案

一种交通流通量最大化方法和系统，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。考虑到道路网络中的其他车辆，车辆被重定向以最小化每个车辆的行驶时间。

【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最小化每个车辆的行驶时间。根据交通控制系统的至少一个实施例，车辆的重新分配考虑道路网络中的其他车辆，并寻求避免车辆被重新分配到的区域中的交通流通量最小化。所公开的方法和系统寻求在给定时间点和选择的位置最大化交通流通量。与所寻求的交通流通量相关联的速度限制可能不是允许的速度限制，但是可能小于道路路段的允许速度限制，这至少部分取决于交通状况。例如，与交通堵塞相比，每个车辆的速度为10英里/小时，即使指定的速度限制为25英里/小时，车辆也是完全没有移动的。根据交通控制系统的至少一个实施例，车辆以固定持续时间(例如，五秒)的时间间隔发送位置数据。交通流量最大化系统重新计算目标区域中在考虑中的所有车辆的最佳分配。为了解决经典计算的局限性，根据公开的实施例使用量子退火系统。该方法允许在几毫秒内确定最优解或接近最优的解，并且可以在任何给定时间点实现交通流量最大化。量子计算的实施方式提高了计算速度，因为量子计算是概率性的，而经典计算是确定性的。根据交通控制系统的至少一个实施例，交通流通量优化被重新表述为二次无约束二元优化(quadraticunconstrainedbinaryoptimization，QUBO)问题，这形成了该方法的基础。在考虑了说明性实施例的情况下，本公开的附加特征对于本领域技术人员将变得显而易见，该说明性实施例例示了如目前所理解的实施本公开的最佳实施例。附图说明具体实施方式具体参考附图，这些附图描绘了说明性实施例，其中：图1是用于控制交通流量的方法的公开实施例的说明性流程图。图2是用于识别交通流通量最小化发生的地方的说明性方法的流程图。图3是用于确定替代路线的说明性实施例的流程图。图4是示出如何可以最小化给定区域中的街道占用率的流程图。图5是描绘交通流通量最大化系统的示意图。图6是包含中央处理单元和量子处理单元的交通流通量最大化计算系统的示意图。图7是示出节点和路段的地图的一部分。图8描绘了由1-量子位(Qbit)量子退火系统的最小能量表示的初始叠加状态。图9描绘了量子退火过程的一阶段，其中势垒被升高，将能量图转变成双阱势。图10描绘了量子退火过程的另一阶段，其示出了通过施加外部磁场来倾斜双阱势。图11A和图11B分别描绘了在给定时间未被优化的地图的区域上的交通状况、以及在给定时间连续优化的地图的相同区域的交通状况。具体实施方式这里提供的附图和描述可能已经被简化，以说明与对这里描述的设备、系统和方法的理解相关的方面，同时为了清楚起见，省去了在典型的设备、系统和方法中可以发现的其他方面。普通技术人员可以认识到，其他元件或操作对于实现这里描述的设备、系统和方法可能是期望的或必要的。因为这样的元件和操作在本领域中是熟知的，并且因为它们不利于更好地理解本公开，所以这里可能不提供对这样的元件和操作的讨论。然而，本公开被认为固有地包括本领域普通技术人员可以实施的对所描述的方面的所有这些元素、变化和修改。所公开的方法允许在任何给定时间点最大化交通流量(流通量)。改善一区域(诸如城市)内的整体交通流量，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，不能用经典计算机有效地解决。所公开的实施例可以结合机动车辆中包括的自动驾驶系统和驾驶员辅助系统的组件来实施。尽管某些实施例已经以具有一定程度特殊性的示例性形式进行了描述和图示，但是应当注意，这些描述和图示仅是通过示例的方式进行的。部件和操作的构造、组合和布置的细节可能会有许多变化。因此，这种变化意图包括在本公开的范围内，本公开的保护范围由权利要求书限定。图1是用于控制交通流量的方法的说明性实施例的流程图。该方法包括使用经典计算中的机器学习在交通流通量最小化发生之前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。经典计算被用于步骤102、104、106。在步骤102中，识别交通流通量最小化发生的区域。在步骤104中，确定空间和时间上有效的替代路线。在步骤106中，该问题表述为能量矩阵，其中矩阵的元素是成本函数的项的系数。该方法在步骤108中使用量子退火而进行，其中通过最小化所选择的整个交通图中的时间而找到最小能量解，该最小能量解表示车辆的理想分配。整个交通图是最大化交通流通量时要考虑的区域。然后，经典计算被用于步骤110、112。在步骤110中，基于产生的矩阵重新分配车辆。在步骤112中，重复步骤102-110，以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。这里使用的术语“车辆”可以包括汽车、卡车、摩托车或其他可以在道路上的车辆。因为车辆的大小会影响交通密度，所以在根据说明性实施例的计算中可以考虑它们。图2是用于识别交通流通量最小化发生的地方的说明性方法的流程图。在步骤202中，多条道路被划分为多个路段。在步骤204中，定义重叠的时间窗口，每个时间窗口具有相同的时间量。在步骤206中，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。在步骤208中，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交通流通量最小化。在说明性示例中，在交通流通量最小化发生之前的选择的时间量是15分钟。说明性的选择的时间在大于0本文档来自技高网...

【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