一种低渗透率分布式差分信号控制的边缘计算方法及系统技术方案

本发明专利技术公开了一种低渗透率分布式差分信号控制的边缘计算方法及系统，应用于城市交通技术领域。方法包括以下步骤：车载单元实时采集车辆信息并发送至路边单元；路边单元基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；路边单元基于不同车道的排队长度，通过最大差分协调压算法计算最大差分协调压强对应的车道信息；路边信号机接收车道信息对信号灯进行控制。本发明专利技术能够基于输入的低渗透率样本实时估算出每个车道的总体排队长度；在没有增加目标复杂度的基础上，改善了控制效果，交叉口通行率得到进一步提升。步提升。步提升。

【技术实现步骤摘要】
一种低渗透率分布式差分信号控制的边缘计算方法及系统


[0001]本专利技术涉及城市交通
，更具体的说是涉及一种低渗透率分布式差分信号控制的边缘计算方法及系统。

技术介绍

[0002]随着城市化进程的加快，汽车的数量在快速增长，交通拥堵以及交通安全等问题愈演愈烈，交通质量关乎城市的效率和居民的生活质量，如何减少城市交通道路的拥堵现象，提高城市交通道路的通行效率，是人们渴望解决的技术问题；先进的交通信号控制方法是缓解城市交通拥堵的重要举措，其中，交通状态感知是自适应交通信号控制的基础，而现有技术中传统的固定检测器所检测的数据难以实时估计交叉口的车辆排队长度，从而降低了交叉口信号自适应控制的效果，影响了城市交通道路的通行效率，因此，如何提供一种能够实时计算车道数据的信号控制方法是本领域技术人员亟需解决的问题。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种低渗透率分布式差分信号控制的边缘计算方法及系统，应用历史和实时的车联网车辆速度、加速度和位置信息对交叉口车辆协调排队压强和差分协调长度进行估计，优化了交通信号控制。
[0004]为了实现上述目的，本专利技术提供如下技术方案：一种低渗透率分布式差分信号控制的边缘计算方法，包括以下步骤：S1、车载单元实时采集车辆信息并发送至路边单元；S2、路边单元基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；S3、路边单元接收S2中得到的不同车道的排队长度，通过最大差分协调压算法计算最大差分协调压强对应的车道信息；S4、路边信号机接收S3的车道信息对信号灯进行控制。
[0005]可选的，S1具体为：车载单元采集本车速度、加速度、位置信息发送至路边单元，路边单元将位置信息与地图匹配，得到车辆所属车道。
[0006]可选的，S2具体为：基于历史数据通过机器学习算法建立低渗透率车流状态模型，通过低渗透率车流状态模型算法计算出每个车道的排队长度。
[0007]可选的，S3具体为：S31、计算上游车道的协调排队压强和下游车道的协调排队压强；S32、顺时针计算每个车道的差分协调排压强；S33、获得交叉口最大差分协调排压强及对应的车道i，发送至路边信号机，其中i为正整数。
[0008]可选的，不考虑历史排队长度时，S31中协调排队压强的计算方法为：
式中，为车道i的协调排队压强，，I为所有车道的集合，为时刻的瞬时排队车辆数目，b为当前信号周期C下的时长内到达的总车辆数目；时长等于当前时刻减去当前信号周期C的开始时刻，，为信号周期时长；考虑历史排队长度时，S31中协调排队压强的计算方法为：式中，为时长内历史排队长度，是历史积累效应权重值，进一步调整大流量二次排队时的控制器效果；S32中差分协调排压强的计算方法为：式中，为车道i的差分协调排压强，为上游车道的协调排队压强，为下游车道的协调排队压强。
[0009]可选的，S4具体为：路边信号机接收车道信息，对交叉口最大差分协调排压强及对应的车道进行控制，如果对应的车道已经是绿灯，保持绿灯；如果对应的车道不是绿灯，切换为绿灯。
[0010]一种低渗透率分布式差分信号控制的边缘计算系统，应用上述任一项所述的一种低渗透率分布式差分信号控制的边缘计算方法，包括：车载单元、路边单元、路边信号机；车载单元，与路边单元连接，用于实时采集车辆信息并发送至路边单元；路边单元，与路边信号机连接，基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；通过最大差分协调压算法计算最大差分协调压强对应的车道；路边信号机，用于接收路边单元的车道信息对信号灯进行控制。
[0011]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种低渗透率分布式差分信号控制的边缘计算方法及系统，具有以下有益效果：提出低渗透率车流状态模型，将实时低渗透率车辆网微观数据转换为总体车流状态数据，通过模型算法，能够基于输入的低渗透率样本实时估算出每个车道的总体排队长度；将协调排队压强和差分协调排压强作为复合分布式控制目标，在没有增加目标复杂度的基础上，改善了控制效果，交叉口通行率得到进一步提升。
附图说明
[0012]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，还可以根据提供的附图获得其他的附图。
[0013]图1为本专利技术的一种低渗透率分布式差分信号控制的边缘计算方法流程图；图2为本专利技术的交叉口车道示意图；
图3为本专利技术的一种低渗透率分布式差分信号控制的边缘计算系统原理图。
具体实施方式
[0014]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做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。
[0015]本专利技术实施例公开了一种低渗透率分布式差分信号控制的边缘计算方法，如图1所示，包括以下步骤：S1、车载单元实时采集车辆信息并发送至路边单元；S2、路边单元基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；S3、路边单元接收S2中得到的不同车道的排队长度，通过最大差分协调压算法计算最大差分协调压强对应的车道信息；S4、路边信号机接收S3的车道信息对信号灯进行控制。
[0016]其中，交叉口如图2所示，车辆上载有车载单元，路边设置路边单元，交叉口处设置路边信号机。
[0017]可选的，S1具体为：车载单元采集本车速度、加速度、位置信息发送至路边单元，路边单元将位置信息与地图匹配，得到车辆所属车道。
[0018]可选的，S2具体为：基于历史数据通过机器学习算法建立低渗透率车流状态模型，通过低渗透率车流状态模型算法计算出每个车道的排队长度。在本实施例中，路边单元基于历史数据，通过无监督或者有监督的机器学习算法，例如卡尔曼滤波方法、强化学习方法，学习生成低渗透率下的车流状态模型，即低渗透率车流状态模型，将车载单元传输的实时数据输入到低渗透率车流状态模型中，即可估算出车流总体数据，得到排队长度。
[0019]可选的，S3具体为：S31、计算上游车道的协调排队压强和下游车道的协调排队压强；S32、顺时针计算每个车道的差分协调排压强；S33、获得交叉口最大差分协调排压强及对应的车道i，发送至路边信号机，其中，i为正整数。
[0020]可选的，不考虑历史排队长度时，S31中协调排队压强的计算方法为：式中，为车道i的协调排队压强，，I为所有车道的集合，为时刻的瞬时排队车辆数目，b为当前信号周期C下的时长内到达的总车辆数目；时长等于当前时刻减去当前信号周期C的开始时刻（begin of the current cycle），，为信号周期时长；考虑历史排队长度时，S31本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低渗透率分布式差分信号控制的边缘计算方法，其特征在于，包括以下步骤：S1、车载单元实时采集车辆信息并发送至路边单元；S2、路边单元基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；S3、路边单元接收S2中得到的不同车道的排队长度，通过最大差分协调压算法计算最大差分协调压强对应的车道信息；S4、路边信号机接收S3的车道信息对信号灯进行控制。2.根据权利要求1所述的一种低渗透率分布式差分信号控制的边缘计算方法，其特征在于，S1具体为：车载单元采集本车速度、加速度、位置信息发送至路边单元，路边单元将位置信息与地图匹配，得到车辆所属车道。3.根据权利要求1所述的一种低渗透率分布式差分信号控制的边缘计算方法，其特征在于，S2具体为：基于历史数据通过机器学习算法建立低渗透率车流状态模型，通过低渗透率车流状态模型算法计算出每个车道的排队长度。4.根据权利要求1所述的一种低渗透率分布式差分信号控制的边缘计算方法，其特征在于，S3具体为：S31、计算上游车道的协调排队压强和下游车道的协调排队压强；S32、顺时针计算每个车道的差分协调排压强；S33、获得交叉口最大差分协调排压强及对应的车道i ，发送至路边信号机，其中i 为正整数。5.根据权利要求4所述的一种低渗透率分布式差分信号控制的边缘计算方法，其特征在于，不考虑历史排队长度时，S31中协调排队压强的计算方法为：式...

【专利技术属性】
技术研发人员：李江晨，彭理群，刘凯枫，
申请(专利权)人：杭州中交智行科技有限公司，
类型：发明
国别省市：