基于宏观基本图的干线协调控制方法、系统、装置及介质制造方法及图纸

本发明专利技术公开了一种基于宏观基本图的干线协调控制方法、系统、装置及介质，方法包括：构建干线协调控制的多目标优化模型，多目标优化模型以MFD上升段斜率最大化、路网承载力最大化、路网车辆平均延误最小化以及路网排队系数最小化为优化目标，以干线公共周期、相位有效绿灯时长以及交叉口相位差为待优化参数；获取待优化干线的车流量数据，根据车流量数据通过多目标粒子群算法结合遗传算法对多目标优化模型进行优化，得到待优化参数的最优参数组合；根据最优参数组合进行对待优化干线进行干线协调控制。本发明专利技术使得干线协调控制能够兼顾宏观与微观的交通效率，提高了干线协调控制的控制效果和车辆通行效率，可应用于道路交通信号控制技术领域。号控制技术领域。号控制技术领域。

【技术实现步骤摘要】
基于宏观基本图的干线协调控制方法、系统、装置及介质


[0001]本专利技术涉及道路交通信号控制
，尤其是一种基于宏观基本图的干线协调控制方法、系统、装置及介质。

技术介绍

[0002]在干线协调控制方面，Morgan首次提出双向绿波协调控制模型，绿波概念得到广泛应用；LITTLE等人利用最大绿波带相位差优化方法开发了干线信号设计优化程序MAXBAND，即数解法，该方法被认为是最经济有效的干线控制策略被沿用至今，但其基本假设是所有交叉口均具有相同的通过带宽；张奕源等根据绿波带的设计速度，插入叠加相位，更好地匹配车流到达时间；潘媛等增加了速度波动区间约束，建立了考虑速度波动区间的干线协调控制模型；王晨卫等以干线区域总延误最小为目标，构建双层延误模型进行求解。目前，大部分干线协调控制策略从延误最小化、绿波带最大化、多目标模型等思路出发进行建模，通过智能优化算法求解。
[0003]总体而言，现有方法更多着眼于若干传统评价指标的优化、或考量具体的应用场景。城市干线及其联通道路作为局部路网，仅从延误、停车次数等微观集计型指标难以表征网络全局运行状态，而饱和交通流下以通行能力、路网输出流量、行驶速度等作为评价指标则会导致数值差异小，难以评判，影响了干线控制效果和车辆通行效率。

技术实现思路

[0004]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0005]为此，本专利技术实施例的一个目的在于提供一种基于宏观基本图的干线协调控制方法，该方法提高了干线协调控制的控制效果和车辆通行效率。
[0006]本专利技术实施例的另一个目的在于提供一种基于宏观基本图的干线协调控制系统。
[0007]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0008]第一方面，本专利技术实施例提供了一种基于宏观基本图的干线协调控制方法，包括以下步骤：
[0009]构建干线协调控制的多目标优化模型，所述多目标优化模型以MFD上升段斜率最大化、路网承载力最大化、路网车辆平均延误最小化以及路网排队系数最小化为优化目标，以干线公共周期、相位有效绿灯时长以及交叉口相位差为待优化参数；
[0010]获取待优化干线的车流量数据，根据所述车流量数据通过多目标粒子群算法结合遗传算法对所述多目标优化模型进行优化，得到所述待优化参数的最优参数组合；
[0011]根据所述最优参数组合进行对所述待优化干线进行干线协调控制；
[0012]其中，在所述多目标优化模型的优化过程中，各个粒子对应的路网车辆平均延误和路网排队系数通过仿真确定，各个粒子对应的MFD上升段斜率和路网承载力通过聚类拟合得到的宏观基本图确定。
[0013]进一步地，在本专利技术的一个实施例中，所述多目标优化模型的目标函数为：
[0014][0015]其中，F(C,G,offset)表示目标函数，表示路网车辆平均延误，表示路网排队系数，A1表示MFD上升段斜率，q
max
表示路网承载力；
[0016]所述多目标优化模型的约束条件为：
[0017][0018]其中，queue
i
表示第i个车道的排队长度，L
i
表示第i个车道的车道长度，C表示干线公共周期，C
min
和C
max
分别表示C的上限和下限，表示第i个交叉口第j个相位的有效绿灯时长，和分别表示的上限和下限，offset
i
表示第i个交叉口与第一个交叉口的相位差。
[0019]进一步地，在本专利技术的一个实施例中，所述根据所述车流量数据通过多目标粒子群算法结合遗传算法对所述多目标优化模型进行优化，得到所述待优化参数的最优参数组合这一步骤，其具体包括：
[0020]确定粒子群中各个粒子的位置和速度的初始值、粒子群的初始解集以及收敛条件；
[0021]根据所述车流量数据以及初始粒子群中的各个粒子的位置和速度进行仿真，得到各个粒子对应的路网车辆平均延误、路网排队系数以及MFD数据点集，所述MFD数据点集中的数据点的横坐标和纵坐标分别为路网加权密度和路网加权流量；
[0022]对所述MFD数据点集进行聚类拟合得到宏观基本图，并根据所述宏观基本图确定各个粒子对应的MFD上升段斜率和路网承载力；
[0023]对各个粒子分别进行非支配排序确定各个粒子的个体最优位置，对粒子群进行非支配排序确定粒子群的群体最优位置；
[0024]根据所述个体最优位置和所述群体最优位置更新各个粒子的位置和速度；
[0025]对粒子群进行选择、交叉以及变异操作得到优化后的粒子群；
[0026]若满足所述收敛条件，将粒子群的历史群体最优位置的参数取值组合作为最优参数组合，若不满足所述收敛条件，则返回根据所述车流量数据以及初始粒子群中的各个粒子的位置和速度进行仿真这一步骤。
[0027]进一步地，在本专利技术的一个实施例中，所述对所述MFD数据点集进行聚类拟合得到宏观基本图，并根据所述宏观基本图确定各个粒子对应的MFD上升段斜率和路网承载力这
一步骤，其具体包括：
[0028]通过井字形边界提取法对所述MFD数据点集进行边界搜寻，并根据搜寻到的边界点生成初始MFD图；
[0029]对所述初始MFD图进行聚类，得到两个或三个类别的数据样本集；
[0030]对各所述数据样本集进行分段线性拟合，得到宏观基本图，所述宏观基本图至少包括上升段结构和平稳段结构；
[0031]根据所述上升段结构的路网加权流量与路网加权密度的比值确定当前粒子对应的MFD上升段斜率；
[0032]根据所述平稳段结构的路网加权流量确定当前粒子对应的路网承载力。
[0033]进一步地，在本专利技术的一个实施例中，所述对所述初始MFD图进行聚类，得到两个或三个类别的数据样本集这一步骤，其具体包括：
[0034]以3为聚类数对所述初始MFD图进行聚类，得到三个类别的待定样本集；
[0035]从左至右确定各所述待定样本集的中心点位置分别为第一中心点、第二中心点以及第三中心点；
[0036]当所述第一中心点的路网加权流量和所述第三中心点的路网加权流量均小于所述第二中心点的路网加权流量，确定所述初始MFD图为三段闭合型MFD图，将所述待定样本集作为数据样本集输出，反之，则确定所述初始MFD图为两段非闭合型MFD图，并以2为聚类数对所述初始MFD图重新进行聚类，得到两个类别的数据样本集。
[0037]进一步地，在本专利技术的一个实施例中，所述根据所述个体最优位置和所述群体最优位置更新各个粒子的位置和速度这一步骤中，通过下式更新各个粒子的位置和速度：
[0038]V1＝V0×
w+S
×
r
×
(pbest
‑
x0)+S
×
r
×
(gbest
‑
x0)
[0039]x1＝x0+本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于宏观基本图的干线协调控制方法，其特征在于，包括以下步骤：构建干线协调控制的多目标优化模型，所述多目标优化模型以MFD上升段斜率最大化、路网承载力最大化、路网车辆平均延误最小化以及路网排队系数最小化为优化目标，以干线公共周期、相位有效绿灯时长以及交叉口相位差为待优化参数；获取待优化干线的车流量数据，根据所述车流量数据通过多目标粒子群算法结合遗传算法对所述多目标优化模型进行优化，得到所述待优化参数的最优参数组合；根据所述最优参数组合进行对所述待优化干线进行干线协调控制；其中，在所述多目标优化模型的优化过程中，各个粒子对应的路网车辆平均延误和路网排队系数通过仿真确定，各个粒子对应的MFD上升段斜率和路网承载力通过聚类拟合得到的宏观基本图确定。2.根据权利要求1所述的一种基于宏观基本图的干线协调控制方法，其特征在于，所述多目标优化模型的目标函数为：其中，F(C,G,offset)表示目标函数，表示路网车辆平均延误，表示路网排队系数，A1表示MFD上升段斜率，q
max
表示路网承载力；所述多目标优化模型的约束条件为：其中，queue
i
表示第i个车道的排队长度，L
i
表示第i个车道的车道长度，C表示干线公共周期，C
min
和C
max
分别表示C的上限和下限，表示第i个交叉口第j个相位的有效绿灯时长，和分别表示的上限和下限，offset
i
表示第i个交叉口与第一个交叉口的相位差。3.根据权利要求1所述的一种基于宏观基本图的干线协调控制方法，其特征在于，所述根据所述车流量数据通过多目标粒子群算法结合遗传算法对所述多目标优化模型进行优化，得到所述待优化参数的最优参数组合这一步骤，其具体包括：确定粒子群中各个粒子的位置和速度的初始值、粒子群的初始解集以及收敛条件；根据所述车流量数据以及初始粒子群中的各个粒子的位置和速度进行仿真，得到各个粒子对应的路网车辆平均延误、路网排队系数以及MFD数据点集，所述MFD数据点集中的数据点的
横坐标和纵坐标分别为路网加权密度和路网加权流量；对所述MFD数据点集进行聚类拟合得到宏观基本图，并根据所述宏观基本图确定各个粒子对应的MFD上升段斜率和路网承载力；对各个粒子分别进行非支配排序确定各个粒子的个体最优位置，对粒子群进行非支配排序确定粒子群的群体最优位置；根据所述个体最优位置和所述群体最优位置更新各个粒子的位置和速度；对粒子群进行选择、交叉以及变异操作得到优化后的粒子群；若满足所述收敛条件，将粒子群的历史群体最优位置的参数取值组合作为最优参数组合，若不满足所述收敛条件，则返回根据所述车流量数据以及初始粒子群中的各个粒子的位置和速度进行仿真这一步骤。4.根据权利要求3所述的一种基于宏观基本图的干线协调控制方法，其特征在于，所述对所述MFD数据点集进行聚类拟合得到宏观基本图，并根据所述宏观基本图确定各个粒子对应的MFD上升段斜率和路网承载力这一步骤，其具体包括：通过井字形边界提取法对所述MFD数据点集进行边界搜寻，并根据搜寻到的边界点生成初始MFD图；对所述初始MFD图进行聚类，得到两个或三个类别的数据样本集；对各所述数据样本集进行分段线性拟合，得到宏观基本图，所述宏观基本图至少包括上升段结构和平稳段结构；根据所述上升段结构的路网加权流量与路网加权密度的比值确定当前粒子对应...

【专利技术属性】
技术研发人员：林炫华，林晓辉，谭超健，曹成涛，龙庆文，陈林俊，刘俊，
申请(专利权)人：广东交通职业技术学院，
类型：发明
国别省市：