交通信号控制优化方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种交通信号控制优化方法、装置、设备及介质。所述优化方法包括：获取感知数据；基于所述感知数据，标定驾驶风格模型、车辆跟驰模型以及流量分布模型；基于所述驾驶风格模型、所述车辆跟驰模型、所述流量分布模型以及初始配时数据建立仿真模型；基于所述仿真模型对优化模型进行训练，直至获得目标优化模型。本发明专利技术能够提高仿真模型的准确性和目标优化模型的可靠度，还可快速响应交通设施变化实现优化模型的更新。现优化模型的更新。现优化模型的更新。

【技术实现步骤摘要】
交通信号控制优化方法、装置、设备及介质


[0001]本专利技术涉及智能交通
，具体涉及一种交通信号控制优化方法、装置、设备及介质。

技术介绍

[0002]交通信号灯的目的是通过可控制的路权分配保证城市交通的平稳运行，合理的信号灯配时方案能够提升道路运行的安全和效率。目前的信号控制类型包含定时控制、感应控制和自适应控制三类，其中自适应控制能够实时对交通流的变化进行响应，是控制效果最好的方案。
[0003]然而，现有技术的自适应控制方案在感知判断的可靠性、准确性和/或灵活性方面存在不足并因此影响控制质量，交通信号控制可能面临采集数据和/或模型的精度及可靠性方面的挑战。
[0004]基于此，现有技术仍存在进一步改进的空间。

技术实现思路

[0005]本专利技术的主要目的在于提供一种交通信号控制优化方法、装置、设备及介质，以解决上述技术问题的至少一个方面。
[0006]根据本专利技术的一个方面，提出一种交通信号控制优化方法，包括：获取感知数据；基于所述感知数据，标定驾驶风格模型、车辆跟驰模型以及流量分布模型；基于所述驾驶风格模型、所述车辆跟驰模型、所述流量分布模型以及初始配时数据建立仿真模型；基于所述仿真模型对优化模型进行训练，直至获得目标优化模型。
[0007]根据本专利技术的一个实施例，所述感知数据由路侧设备获得，所述路侧设备包括摄像头、激光雷达以及补盲雷达中的一种或多种。
[0008]根据本专利技术的一个实施例，所述感知数据包括以下的一种或多种：时间、车辆身份标识、车辆位置、车辆速度、车辆加速度。
[0009]根据本专利技术的一个实施例，所述基于所述感知数据，标定驾驶风格模型、车辆跟驰模型以及流量分布模型，包括：基于所述感知数据，确定车辆位置随时间变化数据；基于所述车辆位置随时间变化数据，标定驾驶风格模型、车辆跟驰模型以及流量分布模型。
[0010]根据本专利技术的一个实施例，所述基于所述车辆位置随时间变化数据，标定驾驶风格模型，包括：按照以下公式标定驾驶风格模型：
其中，为车辆的减速度，为全部车辆的减速度，和为权重，，表示取最大值，表示取平均值，表示全部车辆的数量。
[0011]根据本专利技术的一个实施例，所述基于所述车辆位置随时间变化数据，标定车辆跟驰模型，包括：按照以下公式标定车辆跟驰模型：其中，为安全速度，为前车速度，g为车间距，v为当前车速，为车辆的减速度，为车辆的驾驶员反应时间，表示取最大值。
[0012]根据本专利技术的一个实施例，所述基于所述车辆位置随时间变化数据，标定流量分布模型，包括：确定不同时间段下每个交通流向的流量情况。
[0013]根据本专利技术的一个实施例，所述基于所述仿真模型对优化模型进行训练，直至获得目标优化模型，包括：利用优化模型控制所述仿真模型的交通信号配时数据，并基于所述仿真模型的仿真样本训练所述优化模型，其中所述仿真样本包括交通状态参数以及反馈数据。
[0014]根据本专利技术的一个实施例，所述反馈数据基于奖励函数确定，所述奖励函数为：其中，、、、分别为区域所有交叉口的延误时间之和、排队长度之和、停车次数之和、平均通行速度，、、、为权重，。
[0015]根据本专利技术的一个实施例，所述基于所述仿真模型对优化模型进行训练，直至获得目标优化模型，包括：当整体行驶速度提升预定百分比并且延误下降预定百分比时，完成训练并获得所述目标优化模型。
[0016]根据本专利技术的一个实施例，所述方法还包括：响应于感知到交通设施发生变化，修改所述仿真模型并重新训练所述优化模型。
[0017]根据本专利技术的另一方面，提出一种交通信号控制优化装置，包括：获取单元，配置为获取感知数据；标定单元，配置为基于所述感知数据，标定驾驶风格模型、车辆跟驰模型以及流量分布模型；建模单元，配置为基于所述驾驶风格模型、所述车辆跟驰模型、所述流量分布模型以及初始配时数据建立仿真模型；训练单元，配置为基于所述仿真模型对优化模型进行训练，直至获得目标优化模型。
[0018]根据本专利技术的另一方面，提出一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如以上任一实施例所述的方法。
[0019]根据本专利技术的另一方面，提出一种计算机可读存储介质，其上存储有计算机程序，
所述计算机程序被处理器执行时实现如以上任一实施例所述的方法。
[0020]在根据本专利技术的实施例的交通信号控制优化方法中，基于感知数据来标定驾驶风格模型、车辆跟驰模型以及流量分布模型，并基于所述驾驶风格模型、所述车辆跟驰模型、所述流量分布模型以及初始配时数据建立仿真模型，从而可以实现精细化地对人、车、路进行建模，提升仿真模型的准确性并提升目标优化模型的可靠度。
附图说明
[0021]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获得其他的附图。
[0022]图1示出根据本专利技术一个实施例的交通信号控制优化方法的流程图；图2示出示例性道路网的示意图，其中示出了交叉口的放大示意图；图3示出根据本专利技术另一实施例的交通信号控制优化方法的流程图；图4示出在示例性跟驰模式下，前车和后车的速度变化示意图；图5示出根据本专利技术实施例的交通信号控制优化装置的示意图。
具体实施方式
[0023]为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术实施例进一步详细说明。
[0024]需要说明的是，本专利技术实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本专利技术实施例的限定，后续实施例对此不再一一说明。
[0025]图1示出根据本专利技术一个实施例的交通信号控制优化方法的流程图，如图1所示，所述优化方法包括如下步骤：步骤S1，获取感知数据；步骤S2，基于所述感知数据，标定驾驶风格模型、车辆跟驰模型以及流量分布模型；步骤S3，基于所述驾驶风格模型、所述车辆跟驰模型、所述流量分布模型以及初始配时数据建立仿真模型；步骤S4，基于所述仿真模型对优化模型进行训练，直至获得目标优化模型。
[0026]在根据本专利技术的实施例的交通信号控制优化方法中，基于感知数据来标定驾驶风格模型、车辆跟驰模型以及流量分布模型，并基于所述驾驶风格模型、所述车辆跟驰模型、所述流量分布模型以及初始配时数据建立仿真模型，从而可以实现精细化地对人、车、路进行建模，提升仿真模型的准确性并提升目标优化模型的可靠度。
[0027]本申请的专利技术人意识到，现有的交通信号自适应控制方案存在以下几方面的问题：第一、可靠度差，传统自适应控制强烈依赖于道路中安装的检测器获取的流量/速度数据，由于缺乏冗余设计，检测器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通信号控制优化方法，其特征在于，包括：获取感知数据；基于所述感知数据，标定驾驶风格模型、车辆跟驰模型以及流量分布模型；基于所述驾驶风格模型、所述车辆跟驰模型、所述流量分布模型以及初始配时数据建立仿真模型；基于所述仿真模型对优化模型进行训练，直至获得目标优化模型。2.根据权利要求1所述的方法，其特征在于，所述感知数据由路侧设备获得，所述路侧设备包括摄像头、激光雷达以及补盲雷达中的一种或多种。3.根据权利要求1所述的方法，其特征在于，所述感知数据包括以下的一种或多种：时间、车辆身份标识、车辆位置、车辆速度、车辆加速度。4.根据权利要求1所述的方法，其特征在于，所述基于所述感知数据，标定驾驶风格模型、车辆跟驰模型以及流量分布模型，包括：基于所述感知数据，确定车辆位置随时间变化数据；基于所述车辆位置随时间变化数据，标定驾驶风格模型、车辆跟驰模型以及流量分布模型。5.根据权利要求4所述的方法，其特征在于，所述基于所述车辆位置随时间变化数据，标定驾驶风格模型，包括：按照以下公式标定驾驶风格模型：其中，为车辆的减速度，为全部车辆的减速度，和为权重，，表示取最大值，表示取平均值，表示全部车辆的数量。6.根据权利要求4所述的方法，其特征在于，所述基于所述车辆位置随时间变化数据，标定车辆跟驰模型，包括：按照以下公式标定车辆跟驰模型：其中，为安全速度，为前车速度，g为车间距，v为当前车速，为车辆的减速度，为车辆的驾驶员反应时间，表示取最大值。7.根据权利要求4所述的方法，其特征在于，所述基于所述车辆位置随时间变化数据，标定流量分布模型，包括：确定不同时间段下每个交通流向的流量情况。8.根据权利要求1所述的方法，其特征在于，所述基于所述...

【专利技术属性】
技术研发人员：于壮，田希雅，
申请(专利权)人：天翼交通科技有限公司，
类型：发明
国别省市：