基于元胞自动机的城市交通信号自组织控制方法技术

一种基于元胞自动机的城市交通信号自组织控制方法，将城市交通信号控制系统作为交通网络处理，每个路口作为具有自主采集和处理信息功能的智能体，系统依靠网络的自组织实现每个路口交通信号控制的动态决策。用属性矩阵表达本地路口及其相邻路口的状态信息，相连路口的关系用相对方位进行描述，将交通信号控制系统建立为一个具有元胞自动机特征的虚拟网络模型，系统中的任意当前路口根据其本身以及相邻路口的路况信息，在控制规则驱动下实现路口信号状态的动态迁移，完成交通信号的自组织控制。本发明专利技术实现了城市交通信号动态自组织实时控制，优化了城市交通运营环境，提高了城市道路利用率。（*该技术在2023年保护过期，可自由使用*）

Self organizing control method for urban traffic signal based on Cellular Automata

A self-organizing control method of cellular automaton traffic signal based on the city, the city traffic signal control system as a traffic network, as each intersection agent with independent information collection and processing function, the system relies on a network of self-organization to achieve each road dynamic decision, control oral communication. The expression of state information for local intersection and its adjacent intersection with the attribute matrix, the relationship with the relative orientation of intersection is described, the traffic signal control system for a cellular automaton has the characteristics of virtual network model, any system in the body according to the current intersection and adjacent intersection traffic information, realize the dynamic migration of crossing signal in a state of control rule driven, self - organizing traffic signal control. The invention realizes the real-time dynamic self-organization control of urban traffic signal, optimizes the urban traffic operation environment, and improves the utilization ratio of the urban road. \ue5cf

【技术实现步骤摘要】

本专利技术涉及一种城市交通信号自组织控制方法，尤其涉及一种，属于交通工程
2)人工智能观点的智能化方法。Pappis和洪伟等对城市交通系统采用模糊控制的方法；Min Chee choy，Ella Binghamde等用模糊神经方法对交通系统建模；M.Patel的IDUTC更是将人工神经网路、模糊逻辑的专家系统结合在一起实现城市交通系统的智能控制等等，但是基于人工智能模型的交通系统控制方法中，模糊变量的分档，神经网路的拓扑结构、类型和训练的数据，专家知识表达的质量等等，都直接影响到系统的运行效率、实时性和稳定性。3)自组织观点的复杂性方法。为实现城市交通系统的自组织控制，日本学者Kosuke Sekiyama等在“Self-Organizing Control of Urban Traffic SignalNetwork”(2001 IEEE 2481-2486)中提出采用非线性耦合振荡器(nonlinearcoupling oscillator)描述城市交通信号网络，但是由于非线性耦合振荡器本身的强非线性特征，计算复杂，计算量巨大；杨煜普等在“基于再励学习和遗传算法的交通控制信号自组织控制”(自动化学报，2002，28(4)564-568)将遗传再励学习算法应用于城市交通信号控制中，但该算法的计算十分复杂，难以实现路口汽车流的实时响应控制。本专利技术的基本内容是，针对具有复杂性特征的城市交通信号实时控制问题，利用元胞自动机的自组织演化机理，实现交通系统信号模式的实时决策。本专利技术方法中提出的基于元胞自动机的城市交通信号自组织控制策略，是将车辆延误时间最小化的评价、路口原型模式和环境经验等关系以规则的形式予以表达，通过二维的元胞自动机提供了一种离散的网格化虚拟相图模型，描述依赖于路口当前压力空间变量的具有复杂系统的交通流动力学行为。这种元胞自动机的离散化模型，在系统一定离散时间内的状态迁移，可以提供大致但充分的决策信息，以实现路口道路使用最优的交通信号控制。本专利技术的技术特征是将城市交通信号控制系统作为交通网络处理，每个路口作为具有自主采集和处理信息功能的智能体，系统依靠网络的自组织实现每个路口交通信号控制的动态决策。用属性矩阵表达本地路口及其相邻路口的状态信息，相连路口的关系用相对方位进行描述，将交通信号控制系统建立为一个具有元胞自动机特征的虚拟网络模型，系统中的任意当前路口根据其本身以及相邻路口的路况信息，在控制规则驱动下实现路口信号状态的动态迁移，完成交通信号的自组织控制。本专利技术所采用的技术方案具体如下1、各交通路口的实时信息采集处理将现有的交通网络中的每个路口均通过以下简单改造，使其具有可以自主采集和处理简单信息的能力，定义其具有以下可实现的基本功能a)路口具有检测自身当前状态的能力。在每个路口进车路段安装车辆检测传感器(如CCD等)，检测进入路口等待车辆数以及当前车辆运行状态，其检测范围由车辆检测传感器的有效距离确定，一般为100～150m。b)本地路口与其相邻路口之间通过有线或无线的方式相互连接，实行双向实时通信，为自组织控制决策提供实时的确定信息，实现路口信息共享。c)每个路口具有简单的信息处理能力。2、交通信号自组织控制模型的建立将系统内每一个路口视为一个单元，其属性用一个矩阵表达，描述本地路口及其相邻路口的状态信息。相连路口的关系用相对方位进行描述，将整个交通系统表达为一个时间、空间离散的、具有元胞自动机特征的虚拟自组织网络，所有演化过程都在以属性矩阵为基础的虚拟元胞自动机网络上运行。3、交通信号自组织控制规则的制定交通信号控制系统将任意本地路口与其相邻路口的信号、交通流量、道路状况等信息之间的相互嵌套、相互连结、相互影响和作用的关系，以演化规则的形式予以表达。在路口获得其相邻路口当前状态基础上，以演化规则驱动系统状态的迁移，实现系统的自组织控制。由于城市交通控制系统本身的复杂性，其控制策略采用两套规则即单路口独立控制规则和多路口自组织控制规则。单路口独立控制规则反映本地路口状态决策的机理，而多路口自组织控制规则反映路口间压力缓解的演化机理。单路口独立控制规则反映本地路口状态决策的机理，实现路口交通需求的响应控制，是对整个城市交通信号控制系统的个体孤立性描述。多路口自组织控制规则是城市交通信号自组织控制策略的核心，反映路口间压力缓解的演化机理。本专利技术的自组织控制规则采用分层递进的方法，以简化此复杂演化规则的表达，将城市交通信号的元胞自动机模型分为三层即信息层、状态层和信号灯层，相应的自组织规则分为信息规则和状态规则。路口基本信息包括路长、车道数、绿灯开放的相位和时间以及路口等待或运行的车辆数等，演化状态为本地路口及其相邻路口对其的车流压力。在已有路口基本信息的基础上，通过信息规则产生路口的状态，各路口再遵循状态规则进行有限次(时间)的演化，其演化结果用来决策系统交通路口的信号模式。1)信息规则 对于交通系统中任意路口，各进车路段等待或运行的车辆数与相应路段容量的比值定义为路口该方向的运行压力，并作为交通系统元胞自动机模型演化的状态；2)状态规则 假定城市交通信号控制系统中每个路口承受来自东西和南北两个方向所受的平均车流压力，将其自组织演化规则分为东西规则和南北规则。自组织的原则是在缓解压力过大路口的同时，提高空闲路口的道路利用率。因此，用本地路口自组织演化后的虚拟状态与下一采样周期内的本地路口初始状态进行比较，并且，比较仅在初始状态绿灯相位空闲的路口上进行，然后根据状态的差值和连接路段的距离来决策交通系统的信号模式。城市交通信号自组织控制系统的采样周期为TS，决策周期为TD，且TS＝TD。在时序上，决策过程滞后于采样过程τ。系统在各采样时刻获取各路口的基本信息，并进行双向通讯。信号模式决策的作用域为一个决策周期。本专利技术根据城市交通流控制问题的复杂性以及其状态变化具有不能用传统的科学理论直接还原的特征，采用自下而上、自组织的方法的科学原理，建立了基于元胞自动机的城市交通信号自组织控制的微观模型。从建模方法上，根据当前路口与其相邻路口的关系，将城市交通控制转化为二维元胞自动机(CA，Cellular Automata)问题，城市交通信号状态的迁移通过演化规则来驱动，演化规则中每一分量都依赖于空间和时间而存在。每个单元与其相邻的上下左右四个单元相互影响，系统内的任何一个单元都依此原则在每次演化时并行的处理，在有限的时间步长内，实现信息的交换和自组织控制。这种自组织控制的方法，从协同学的役使原理使我们能够大幅度地减小系统的自由度；通过自组织控制的近似，演化规则以特殊的形式表达了系统的复杂性机理。在自组织控制过程中，交通信号的状态模式通过竞争、演化机制实现其自组织控制的决策，形成宏观的交通信号模式。需要指出的是，这里所讲的城市交通信号自组织控制，用现有的人工智能类型的专家系统为基础的推理模型是难以实现的。因为人工智能类型的专家系统，其精确的串行程序行为是不容出错、没有灵活性的，难以用确定的形式化专家知识来进行控制。本专利技术实现了城市交通信号动态自组织实时控制，优化了城市交通运营环境，缓解车流堵塞，减少网络内车辆的平均延误时间，提高了城市道路利用率，模型和算法简单，实时性好，本文档来自技高网...

【技术保护点】
一种基于元胞自动机的城市交通信号自组织控制方法，其实现包括如下步骤：１）各交通路口的实时信息采集处理：利用每个路口进车路段安装的车辆检测传感器，检测进入路口等待车辆数以及当前车辆运行状态，通过有线或无线的方式在本地路口与相邻路口之间实行 双向实时通信，实现路口信息的共享；２）交通信号自组织控制模型的建立：将系统内每个路口视为一个单元，用属性矩阵表达本地路口及其相邻路口的状态信息，相连路口的关系用相对方位进行描述，将交通系统表达成一个时空离散的、具有元胞自动机特征的虚拟自 组织网络，所有演化过程都在以属性矩阵为基础的虚拟元胞自动机网络上运行；３）交通信号自组织控制规则的制定：交通信号控制系统采用单路口独立控制和多路口自组织控制等两套规则，单路口独立控制规则反映本地路口状态决策的机理，实现路口交通需求的响应 控制，多路口自组织控制规则反映路口间压力缓解的演化机理，自组织控制规则采用分层递进的方法，将交通信号的元胞自动机模型分为信息层、状态层和信号灯层，相应的自组织规则分为信息规则和状态规则，信息规则是将路口各进车路段等待或运行的车辆数与相应路段容量的比值定义为路口该方向的运行压力，并作为交通系统元胞自动机模型演化的状态，状态规则的原则是在缓解压力过大路口的同时，提高空闲路口的道路利用率，用本地路口自组织演化后的虚拟状态与下一采样周期内的本地路口初始状态进行比较，并且，比较仅在初始状态绿灯相位空闲的路口上进行，然后根据状态的差值和连接路段的距离来决策交通系统的信号模式。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王安麟，魏俊华，朱灯林，姜涛，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]