基于雾计算的自适应交通信号灯控制制造技术

本发明专利技术涉及一种基于雾计算的区域级自适应交通信号灯控制方案，宏观和微观调控相结合来调节交通信号灯来控制城市的交通流量。包括：宏观上，对城市的交通路网进行建模，划分为多个六边形子区域，我们可以得到区域之间的紧密程度。微观上，通过车辆信息素来量化道路的拥塞水平，自适应地调控交通信号灯。此外，当交通拥堵发生时，雾服务器通过区域之间的协作来实时控制信号灯，有效地引导交通流以缓解和疏通交通拥塞。本发明专利技术相较于传统的基于云计算的模型具有低延时、高扩展、支持移动性。支持移动性。

【技术实现步骤摘要】
基于雾计算的自适应交通信号灯控制


[0001]本专利技术属于智能交通系统领域，具体涉及一种雾计算区域协调交通信号灯控制方法。

技术介绍

[0002]定时信号配时方法，国际上主要有英国的韦伯斯特(Webster)配时法，在其基础上，澳大利亚的ARRB(Australian Road Research Board)配时法考虑了超饱和交通情况，是Webster延误模型的修正及扩展。美国的HCM(Highway CapacityMan)配时法运用也较为广泛。但是这些配时方法都是静态的。
[0003]随着城市中车辆数量的快速增长，城市的交通拥堵现像已经变得越来越普遍。交通拥堵会导致各种社会、经济和环境问题。当前，随着无线通信技术的飞速发展，车联网(IoV)已经成为车、人、路边基础设施之间必不可少的信息交流平台。车联网提高了道路安全和交通效率，极大地促进了智能交通系统(ITS)的发展，智能交通系统可以有效地避免甚至解决交通拥堵。因此，许多研究者提出了基于云计算的车联网框架。因此，动态交通信号灯配时方法显得尤为重要。
[0004]传统的车联网面临着延迟高、可扩展性底、不支持移动性等缺点，许多研究者提出了基于雾计算的车联网框架。如图1所示，给出了基于雾计算的三层车联网架构。雾计算是将云计算的计算、存储等功能从网络中心转移到网络边缘的一种新型架构。与云计算相比，雾计算虽然具有相对较低的计算和存储能力，但其处理网络边缘数据的延迟较低。因此，在车联网中引入雾计算体系结构为交通数据的处理和分析提供了一个很好的选择。在该组合架构中，每辆车都被视为一个带有多个传感器(如车载单元、OBU)的移动智能设备，所有雾服务器部署在车辆网络的边缘，通过道路侧单元(RSU)实时获取、处理和存储交通数据。基于雾计算的车联架构通过车对车(V2V)和车对rsu(V2R)提高了交通数据的交互和分析效率。因此，基于雾计算的车联可以进一步帮助智能交通系统改善交通管理。
[0005]目前针对交通拥堵的智能交通系统解决方案也分为两类:1)一种方法是将部分车辆改道远离拥堵区；2)另一种方法是智能交通灯控制策略，以有效利用道路资源。然而，由于城市路网交通管理是一种全局范围的管理，微观交通管理模式存在一定的局限性。例如，一些局部交通管理方案很难从整体上有效地协调和控制城市路网的大规模拥堵。因此，在全局范围内大规模城市路网中构建有效的交通拥堵控制与管理方法是一个重要的研究挑战。由于城市区域可以划分为多个区域进行管理，网格化管理在改善大规模城市道路网络交通管理方面具有很大的潜力。在交通领域中，基于网格化管理，提出了交通系统宏观基本图(MFD)的概念，用于模拟交通网络和交通流。因此，本专利技术在基于雾计算的车联网的基础上，构建了一种适用于大规模城市路网的智能交通系统的交通灯控制方案。

技术实现思路

[0006](一)解决技术问题
[0007]针对现有技术的不足，本专利技术提出了一种基于雾计算的交通信号灯局域协作控制方案，可以有效地缓解交通拥堵，并且区别于传统云计算的高时延。
[0008](二)技术方案
[0009]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0010]另外，本专利技术各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。
[0011]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0012]A本专利技术实施例提供了一种雾计算的交通信号灯区域协同控制方案，包括：对城市进行宏观和微观层面的建模，宏观层面即对城市区域级交通流进行建模，由基于区域的交通管理框架，将城市区域划分为一些功能区，这些功能区由一些雾服务器通过相关的rsu进行管理。另外，我们建立了交通流的社会关系模型，通过历史交通数据来反映这些划分的管理区域之间的社会关系。社会关系可以代表这些管理区域的交通紧密程度，以便在交通拥堵发生时引导交通流。微观层面即对十字路口及道路车流进行建模，用来表示路段的拥塞程度。
[0013]B本专利技术构建一个与拥堵道路相关的子路网，即在交通路网中剔除一些受拥堵影响较小的道路。当交通拥堵发生时，如果不及时处理，其影响将迅速蔓延，造成严重的交通瘫痪。
[0014]C本专利技术提出了两种交通信号灯管理方案来控制交通流量。第一种为局部交通灯自适应控制方案，不考虑交通流的社会关系，用于平衡局部交通流。第二种为区域协同控制方案，进一步考虑了划分的管理区域之间交通流的社会特征，用于平衡全局交通流。
[0015]与现有技术相比，本专利技术的有益效果：
[0016]1、本专利技术系基于雾计算的智能交通系统框架，相较于传统的云计算框架，本专利技术具有低延时、支持车辆移动性、分布式、高扩展性等优点。
[0017]2、相较于传统的集中式交通管理框架，本专利技术是分布式框架，能合理的利用计算资源，精确的进行控制。
[0018]3、本专利技术区别于传统的静态交通信号灯和局部的动态信号灯，提出了一种区域协调控制的交通信号灯
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0020]图1为本专利技术的系统架构图，基于雾计算的智能交通系统模型；
[0021]图2为本专利技术提供的基于雾计算的城市交通网络建模图。
[0022]图3为本专利技术提供的受交通拥堵影响的子网络建模图。
具体实施方式
[0023]下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。
[0024]实施例一
[0025]请参见图1，图1为本专利技术提出的基于雾计算的智能交通系统模型图。第一层为雾层，第二层为终端设备层。雾层主要由雾服务器和RSU组成，可以存储历史交通信息。另外，在我们的方案中，它负责计算出发点到目的点之间的最短路径，以及计算区域之间的实时交通紧密程度。终端设备层包括交通监控设备、交通信号灯、车辆(配备OBUs)等。终端设备层通过路边单位收集相关交通信息并发送给雾服务器，并且接收雾服务器的指令控制和管理交通流量。
[0026]请参见图2，图2为基于雾计算的城市交通网络建模图，如图2所示。在城市区域中，交通流具有一定的社会属性，即根据驾驶员的兴趣，某些车辆的目的地可能是相似的。因此，我们将城市区域划分为一些正六边形区域(如网格)。每个区域中有一个雾服务器，负责管理区域内所有相关的rsu。此外，每个区域的 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于雾计算的自适应区域级交通信号灯控制方案，其特征在于，包含：(A)方案建立了一个基于雾计算的区域级的城市路网管理模型。将城市区域划分为若干六边形的子区域，这些子区域由其雾服务器进行管理。另外，在区域模型的基础上，建立了交通流的社会关系模型，通过历史交通数据来反映这些划分的管理区域之间车流的社会关系。社会关系可以代表这些管理区域的动态交通紧密程度。根据路网中的节点与边关系，可以得到区域之间的静态紧密度。静态紧密度结合动态紧密度便可以得到区域之间的紧密度，以便在交通拥堵发生时引导交通流。(B)方案提出了两种交通信号灯管理方案来控制交通流量。第一种为局部交通灯自适应控制方案，不考虑交通流的社会关系，用于平衡局部交通流。第二种为区域协同控制方案，进一步考虑了划分的管理区域之间交通流的社会特征，用于平衡全局交通流。2.在A中，基于区域的雾计算管理模型，如图1，其特征在于，包含：第一层为雾层，第二层为终端设备层。雾层主要由雾服务器和RSU组成，可以存储历史交通信息。另外，在我们的方案中，它负责计算出发点到目的点之间的最短路径，以及计算区域之间的实时交通紧密程度。终端设备层包括交通监控设备、交通信号灯、车辆(配备OBUs)等。终端设备层通过路边单位收集相关交通信息并发送给雾服务器，并且接收雾服务器的指令控制和管理交通流量。3.基于雾计算的区域级自适应交通信号灯控制方法，其特征在于，包括了以下步骤：S1对城市进行宏观上的建模，并且求出其区域之间的紧密度，在本发明中，区域紧密度由动态紧密度及静态紧密度构成。S11、计算区域之间的动态紧密度，取决于从区域之间的的交通车流量。取决于从区域之间的的交通车流量。式中为时间间隔t内通过区域i到达目的区域j的车辆数，从OD矩阵MF(t
i
)中可取得；是在时间t内离开区域A
i
的...

【专利技术属性】
技术研发人员：胡杰宇，谷科，刘振林，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：