一种智慧交通与柔性车道调控方法及设备技术

本发明专利技术公开了一种智慧交通与柔性车道调控方法及设备，包括数据采集单元、预测模块以及控制模块。数据采集单元包括多个交通测速仪以及车流相机，采集各路段某一时间段内的平均车速，各车道承载量、前一段时间内每小时的车流量信数据、各车道占用率、日期因素以及天气情况；预测模块采用的金豺优化算法对改进小波神经网络初始参数进行优化，并采用误差二次提取方法提高预测准确性；控制模块通过预测数据对交通指示灯时长以及柔性车道路段不同方向的车道数进行智能调控。与现有技术相比，本发明专利技术在保证交通秩序的同时有效减少了交通拥堵的状况，有效减少了路段平均通过时间，充分利用道路资源，有效解决交通拥堵的问题。有效解决交通拥堵的问题。有效解决交通拥堵的问题。

【技术实现步骤摘要】
一种智慧交通与柔性车道调控方法及设备


[0001]本专利技术涉及交通车流量预测以及智能控制
，具体涉及一种智慧交通与柔性车道调控方法及设备。

技术介绍

[0002]近年来，我国城镇化、机动化、现代化进入快速发展阶段，但随着社会经济的迅速发展，城市规模不断扩大，小汽车快速进入家庭，城市交通机动化趋势明显，行车难、停车难现象突出，公共交通发展相对滞后，交通问题越来越成为制约城市发展的主要问题之一，不仅影响居民出行效率和体验，当前大多数城市交通供给难以满足城市快速增长的交通需求，城市交通基础设施建设、交通管理水平无法适应城市发展的需要，交通拥堵问题显著，所以打造高质量交通系统，提高居民出行效率和品质，增强人民生活幸福感、获得感和满足感的重要途径之一，是当下亟须解决的城市发展难题。
[0003]交通指示灯时间都是提前设置的，无法通过实际情况进行灵活调整，不可避免的造成的时间的浪费，再有就是目前的车道也是固定的，时长会出现某个方向的车道十分拥堵，而另一个方向十分稀疏，这也就造成了道路资源的浪费。
[0004]面对以上提到的交通拥堵的问题，就需要一种智能交通调节设备，对未来一段时间的车流量进行预测，并通过预测结果，对路口的交通指示灯的时长进行智能调节，在保证交通秩序的同时，提高单位时间内路口的通行车辆数目，设置柔性车道，充分利用交通道路资源。

技术实现思路

[0005]专利技术目的：针对
技术介绍
中指出的问题，本专利技术公开了一种智慧交通与柔性车道调控方法及设备，对交通信号指示灯时长进行智能调控，并对柔性车道两侧的车道控制灯进行控制，有效减少了交通拥堵的状况，有效减少了路段平均通过时间，充分利用道路资源，有效解决交通拥堵的问题。
[0006]技术方案：本专利技术提供了一种智慧交通与柔性车道调控方法，该调控方法基于预设的柔性车道进行，定义中间两车道为柔性车道，终端控制器根据实时车流量数据，智能控制柔性车流开启的时间，包括如下步骤：
[0007]步骤1：采集包括日期因素、天气情况、各车道承载量、各路段的平均车速、各车道占用率以及前一段时间内每小时的车流量数据的数据并对其进行预处理；
[0008]步骤2：构建GJO
‑
IWNN车流量预测模型，所述GJO
‑
IWNN车流量预测模型采用金豺优化算法对改进小波神经网络初始参数进行优化，利用步骤1采集的预处理数据作为GJO
‑
IWNN车流量预测模型输入层的节点数据，对未来短期内的车流量进行训练预测，并采用误差二次提取方法降低预测误差；
[0009]步骤3：根据步骤2预测的短期内的车流量数据，智能调控交通指示灯时长以及柔性车道路段不同方向的车道数。
[0010]进一步地，所述步骤1中采集的数据通过多个定点安装的交通测速仪，获取各路段某个时间段内的平均车速；通过多个定点安装的车流相机，获取当前车流量情况并计算当前各车道占用率。
[0011]进一步地，所述步骤2中改进小波神经网络具体为：
[0012]21)选取小波基函数，小波基函数公式如下所示：
[0013][0014]22)构建小波神经网络的输入层、隐含层和输出层，隐含层的输出公式如下所示：
[0015][0016]其中，w
ij
为输入层与隐含层之间的权重系数，a
j
为小波基函数的伸缩因子，b
j
为平移因子，h
j
为隐含层神经元输出；x
11
,x
12
…
x
1j
为各路段平均速度；x
21
,x
22
…
x
2j
为车道承载量；x
31
,x
32
…
x
3j
为前一段时间内每小时的车流量数据；x
41
,x
42
…
x
4j
为各车道占用率；x
51
,x
52
…
x
5j
和x
61
,x
62
…
x
6j
分别为日期因素和天气因素，且数值为0或1，数值为0表示：非节假日、天气非晴，数值为1表示：节假日、天气晴；
[0017]23)输出层构建公式如下所示：
[0018][0019]其中，w
jk
为隐含层与输出层之间的权重系数，该系数会在网络训练过程中不断更新，y
k
为小波神经网络第k个神经元的输出值；
[0020]24)计算网络误差指标函数，计算函数如下所示：
[0021][0022]其中，y
′
k
表示真实值，y
k
表示小波神经网络预测值，E表示误差指标函数，用来衡量真实值与误差值之间的偏差程度；
[0023]25)计算第d+1次训练后参数需要调整的变化量以及计算公式如下所示：
[0024][0025][0026][0027][0028]其中，η表示设定的学习速率，E为误差指标函数；
[0029]26)采用误差反向传播算法更新权值以及小波因子，更新公式如下所示：
[0030][0031][0032][0033][0034]其中，d代表参数更新当的代数，以及表示第d+1次训练后参数需要调整的变化量。
[0035]进一步地，对所述步骤26)中的更新公式进行改进，改进公式如下所示：
[0036][0037][0038][0039][0040]其中，α是在[0,1]之间的常数。
[0041]进一步地，所述步骤2中采用金豺优化算法对改进小波神经网络初始参数进行优化，具体为：
[0042]51)确定初始解，初始解是随机均匀分布在搜索空间上的，初始解公式如下所示：
[0043]Y0＝Y
min
+rand(Y
max
‑
Y
min
)
[0044]其中，Y
min
和Y
max
是变量的上界和下界，rand是范围在[0,1]之间的随机数；
[0045]52)创建初始化矩阵猎物，初始化矩阵公式如下所示：
[0046][0047]其中，Y
i,j
表示第i个猎物的第j维值，n为猎物的数量，d为变量的数量；
[0048]53)应用适应度目标函数估计每个猎物的适应度值，适应度值矩阵如下所示：
[0049][0050]其中，F
OA
是保存每个猎物适应度的矩阵，f是目标函数，适应度最优的为雄豺，适应度次优的为雌豺；
[0051]54)更新雄性豺与雌性豺的位置，更新公式如下所示：
[0052]Y1(t)＝Y
M
(t)
‑
E
·
|Y本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧交通与柔性车道调控方法，该调控方法基于预设的柔性车道进行，定义中间两车道为柔性车道，终端控制器根据实时车流量数据，智能控制柔性车流开启的时间，其特征在于，包括如下步骤：步骤1：采集包括日期因素、天气情况、各车道承载量、各路段的平均车速、各车道占用率以及前一段时间内每小时的车流量数据的数据，并对其进行预处理；步骤2：构建GJO
‑
IWNN车流量预测模型，所述GJO
‑
IWNN车流量预测模型采用金豺优化算法对改进小波神经网络初始参数进行优化，利用步骤1采集的预处理数据作为GJO
‑
IWNN车流量预测模型输入层的节点数据，对未来短期内的车流量进行训练预测，并采用误差二次提取方法降低预测误差；步骤3：根据步骤2预测的短期内的车流量数据，智能调控交通指示灯时长以及柔性车道路段不同方向的车道数。2.根据权利要求1所述的智慧交通与柔性车道调控方法，其特征在于，所述步骤1中采集的数据通过多个定点安装的交通测速仪，获取各路段某个时间段内的平均车速；通过多个定点安装的车流相机，获取当前车流量情况并计算当前各车道占用率。3.根据权利要求1所述的智慧交通与柔性车道调控方法，其特征在于，所述步骤2中改进小波神经网络具体为：21)选取小波基函数，小波基函数公式如下所示：22)构建小波神经网络的输入层、隐含层和输出层，隐含层的输出公式如下所示：其中，w
ij
为输入层与隐含层之间的权重系数，a
j
为小波基函数的伸缩因子，b
j
为平移因子，h
j
为隐含层神经元输出；x
11
,x
12
…
x
1j
为各路段平均速度；x
21
,x
22
…
x
2j
为车道承载量；x
31
,x
32
…
x
3j
为前一段时间内每小时的车流量数据；x
41
,x
42
…
x
4j
为各车道占用率；x
51
,x
52
…
x
5j
和x
61
,x
62
…
x
6j
分别为日期因素和天气因素，且数值为0或1，数值为0表示：非节假日、天气非晴，数值为1表示：节假日、天气晴；23)输出层构建公式如下所示：其中，w
jk
为隐含层与输出层之间的权重系数，该系数会在网络训练过程中不断更新，y
k
为小波神经网络第k个神经元的输出值；24)计算网络误差指标函数，计算函数如下所示：其中，y
′
k
表示真实值，y
k
表示小波神经网络预测值，E表示误差指标函数，用来衡量真实值与误差值之间的偏差程度；
25)计算第d+1次训练后参数需要调整的变化量以及计算公式如下所示：计算公式如下所示：计算公式如下所示：计算公式如下所示：其中，η表示设定的学习速率，E为误差指标函数；26)采用误差反向传播算法更新权值以及小波因子，更新公式如下所示：26)采用误差反向传播算法更新权值以及小波因子，更新公式如下所示：26)采用误差反向传播算法更新权值以及小波因子，更新公式如下所示：26)采用误差反向传播算法更新权值以及小波因子，更新公式如下所示：其中，d代表参数更新当的代数，以及表示第d+1次训练后参数需要调整的变化量。4.根据权利要求3所述的智慧交通与柔性车道调控方法，其特征在于，对所述步骤26)中的更新公式进行改进，改进公式如下所示：中的更新公式进行改进，改进公式如下所示：中的更新公式进行改进，改进公式如下所示：中的更新公式进行改进，改进公式如下所示：其中，α是在[0,1]之间的常数。5.根据权利要求3或4所述的智慧交通与柔性车道调控方法，其特征在于，所述步骤2中采用金豺优化算法对改进小波神经网络初始参数进行优化，具体为：51)确定初始解，初始解是随机均匀分布在搜索空间上的，初始解公式如下所示：Y0＝Y
min
+rand(Y
max
‑
Y
min
)其中...

【专利技术属性】
技术研发人员：郭仁威，周孟雄，王夫诚，纪捷，陈帅，章浩文，黄佳惠，殷庆媛，林张楠，谢滢琦，谢金博，温文潮，纪润东，汤健康，苏姣月，秦泾鑫，张佳钰，孙娜，黄慧，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：