一种红绿灯配时控制方法及系统技术方案

本发明专利技术公开了一种红绿灯配时控制方法及系统，其包括如下步骤：S1、完成车流量监控，并记录每一数据采集时间段内的车流量数据并存储；S2、将历史数据集划分为样本PA以及样本PB，并进行拥挤程度赋值；S3、分别获取每一车流量数据的绿灯配时时长；S4、根据绿灯配时时长生成初步分类模型；S5、对车流量进行绿灯配时时长预测，以及根据预测得到的绿灯配时时长对该绿灯所在交通灯上的红灯进行红灯配时时长预测；S6、根据预测获得的绿灯配时时长、红灯配时时长对同一交通灯上的红绿灯进行绿灯、红灯配时控制。本发明专利技术可以动态调整不同时期、不同拥堵情况的绿灯配时时长，同时针对真实路况调整数据采集时间段时长，使得最终获得的绿灯配时控制方案更能满足真实的交通管控需求。控制方案更能满足真实的交通管控需求。控制方案更能满足真实的交通管控需求。

【技术实现步骤摘要】
一种红绿灯配时控制方法及系统


[0001]本专利技术涉及公共交通
，特别涉及一种红绿灯配时控制方法及系统。

技术介绍

[0002]生活中的红绿灯时长均采用固定时长进行调节，这便导致市民在低峰时段出行，因红灯时间过长而漫长等待；而在高峰时段出行，因绿灯时间过短而浪费时间，甚至造成交通拥堵和交通事故。

技术实现思路

[0003]鉴于上述现有技术的不足之处，本专利技术的目的在于提供一种红绿灯配时控制方法及系统，其可以动态调整不同时期、不同拥堵情况的绿灯配时时长，同时针对真实路况调整数据采集时间段时长，使得最终获得的绿灯配时控制方案更能满足真实的交通管控需求。
[0004]一方面，本申请提供了一种红绿灯配时控制方法，其包括如下步骤：
[0005]S1、完成某一路段车流量的监控，并记录N个数据采集时间段中、每一数据采集时间段内的车流量数据并存储，以获得包含N个车流量数据样本的历史数据集；每一数据采集时间段内的车流量数据包括：记录起始时间、该时间段内的车流量以及是否拥堵；
[0006]S2、根据是否拥堵将历史数据集划分为含M个拥堵数据的样本PA以及含(N
‑
M)个不拥堵数据的样本PB；并对样本PA以及样本PB中的每一个车流量数据进行拥挤程度赋值；
[0007]S3、分别获取样本PA以及样本PB中每一车流量数据的绿灯配时时长；
[0008]S4、根据绿灯配时时长生成初步分类模型A
i
；
[0009]S5、获取当前时刻下的车流量数据，并根据所述初步分类模型A
i
或初步分类模型A
i
的优化分类模型A
i+1
对车流量进行绿灯配时时长预测，以及根据预测得到的绿灯配时时长对该绿灯所在交通灯上的红灯进行红灯配时时长预测；
[0010]以及S6、根据预测获得的绿灯配时时长、红灯配时时长对同一交通灯上的红绿灯进行绿灯、红灯配时控制。
[0011]另一方面，还提供了一种红绿灯配时控制系统，其包括：数据存储单元，其用于记录某一路段在N个数据采集时间段中、每一数据采集时间段内的车流量数据并存储；
[0012]赋值单元，其用于对含M个拥堵数据的样本PA以及含(N
‑
M)个不拥堵数据的样本PB中的每一个车流量数据进行拥挤程度赋值；
[0013]配时单元，其用于分别获取样本PA以及样本PB中每一车流量数据的绿灯配时时长；
[0014]模型生成单元，其用于根据绿灯配时时长生成初步分类模型A
i
；
[0015]模型优化单元，其用于对初步分类模型A
i
进行优化，以获得优化分类模型A
i+1
；
[0016]配时预测单元，其用于根据当前时刻下的车流量数据以及初步分类模型A
i
或初步分类模型A
i
的优化分类模型A
i+1
对车流量进行绿灯配时时长预测；
[0017]配时控制单元，其用于根据预测获得的绿灯配时时长对红绿灯进行绿灯配时控
制。
[0018]本申请至少具有如下技术效果或优点：
[0019]本专利技术为可结合历史拥堵情况动态调整不同时期、不同拥堵情况的绿灯配时时长，并在此基础上得出预测模型，保证绿灯配时结果更加符合实际情况；同时针对真实路况调整数据采集时间段时长，由此进一步优化绿灯配时时长的调控节奏，使得最终获得的绿灯配时控制方案更能满足真实的交通管控需求。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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。
[0021]图1为本专利技术实施例提供的红绿灯配时控制方法的步骤流程示意图；
[0022]图2为本专利技术实施例提供的初步分类模型A
i
示意图；
[0023]图3为本专利技术实施例提供的红绿灯配时控制方法系统的结构示意图。
具体实施方式
[0024]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0025]实施例1：
[0026]如图1所示，本实施例提供了一种红绿灯配时控制方法，其包括如下步骤：
[0027]S1、通过摄像头等设备完成某一路段车流量的监控，并记录N个数据采集时间段(Gap)中、每一数据采集时间段内的车流量数据并存储，以获得包含N个车流量数据样本的历史数据集P{(Time1,Flow1,Crowd1),(Time2,Flow2,Crowd2),...,(Time
N
,Flow
N
,Crowd
N
)}；
[0028]本实施例中，N个时间段中，每一数据采集时间段的时长可以相同或不同，如N个时间段中，每个时间段均为5分钟，进一步的，每一数据采集时间段内的车流量数据包括：记录起始时间(Time)、该时间段内的车流量(Flow)以及是否拥堵(Crowd)；
[0029]进一步的，记录起始时间(Time)为Datetime数据类型，例如，若每一时间段均为5分钟，则一周(7天)可以收集到2016条记录(一小时12条，一周共收集12*24*7条记录)，则记录起始时间(Time)标记为1
‑
2016的整数值，“1”代表周一0:00
‑
0:05，“2”代表周一0:06
‑
0:10...，以此类推，同时，是否拥堵(Crowd)可通过摄像头等设备，通过统计车流量判定获得，如预定时间段车流量大于预定值，则为拥堵，否则为不拥堵，是否拥堵(Crowd)可为Bool类型数据(即1代表是，0代表否)；
[0030]S2、根据是否拥堵将历史数据集P划分为含M个拥堵数据的样本PA{(Time1,Flow1,Crowd1),(Time2,Flow2,Crowd2),...,(Time
M
,Flow
M
,Crowd
M
)}以及含(N
‑
M)个不拥堵数据的样本PB{(Time1,Flow1,Crowd1),(Time2,Flow2,Crowd2),...,(Time
N
‑
M
,Flow
N
‑
M
,Crowd
N
‑
M
)}；
[0031]并对样本PA以及样本PB中的每一个车流量数据进行拥挤程度(Level)赋值；
[0032]具体的，对样本PA中的每一个车流量数据进行拥挤程度(Level)赋值包括如下步骤：
[0033]根据公式(1)获取样本PA中的每一个车流量数据在单位时间内的平均车辆延误时间
...

【技术保护点】

【技术特征摘要】
1.一种红绿灯配时控制方法，其特征在于，包括如下步骤：S1、完成某一路段车流量的监控，并记录N个数据采集时间段中、每一数据采集时间段内的车流量数据并存储，以获得包含N个车流量数据样本的历史数据集；每一数据采集时间段内的车流量数据包括：记录起始时间、该时间段内的车流量以及是否拥堵；S2、根据是否拥堵将历史数据集划分为含M个拥堵数据的样本PA以及含(N
‑
M)个不拥堵数据的样本PB；并对样本PA以及样本PB中的每一个车流量数据进行拥挤程度赋值；S3、分别获取样本PA以及样本PB中每一车流量数据的绿灯配时时长；S4、根据绿灯配时时长生成初步分类模型A
i
；S5、获取当前时刻下的车流量数据，并根据所述初步分类模型A
i
或初步分类模型A
i
的优化分类模型A
i+1
对车流量进行绿灯配时时长预测，以及根据预测得到的绿灯配时时长对该绿灯所在交通灯上的红灯进行红灯配时时长预测；以及S6、根据预测获得的绿灯配时时长、红灯配时时长对同一交通灯上的红绿灯进行绿灯、红灯配时控制。2.如权利要求1所述的红绿灯配时控制方法，其特征在于，步骤S2中，对样本PA中的每一个车流量数据进行拥挤程度赋值包括如下步骤：根据公式(1)获取样本PA中的每一个车流量数据在单位时间内的平均车辆延误时间根据公式(1)获取样本PA中的每一个车流量数据在单位时间内的平均车辆延误时间其中，L为单位时间，i的取值范围为[1,M]；根据平均车辆延误时间对与之对应的车流量数据进行拥挤程度赋值。3.如权利要求2所述的红绿灯配时控制方法，其特征在于，根据平均车辆延误时间对与之对应的车流量数据进行拥挤程度赋值包括：若则对应车流量数据的拥挤程度被赋值为“缓行”；若则对应车流量数据的拥挤程度被赋值为“拥堵”；若则对应车流量数据的拥挤程度被赋值为“严重拥堵”；且第一阈值＜第二阈值＜第三阈值。4.如权利要求1所述的红绿灯配时控制方法，其特征在于，步骤S2中，样本PB中的每一车流量数据的拥堵程度均被赋值为“畅通”。5.如权利要求1所述的红绿灯配时控制方法，其特征在于，所述步骤S3包括：S31、分别获取样本PA的最优聚类簇数量A
kpoint
以及样本PB的最优聚类簇数量B
kpoint
；S32、分别获取样本PA的簇集以及样本PB的簇集S33、按照公式(2
‑
1)获取簇集中各簇对应的车流量平均值，并对车流量平均值进行排序，以及按照公式(2
‑
2)获取簇集中各簇对应的车流量平均值，并对车流量平均值进行排序；
其中，p
i
为所属簇中第i个车流量数据中车流量的值，n为所属簇中车流量数据的总数；S34、根据车流量平均值排序结果对车流量赋予不同的绿灯配时时长；以及S35、将拥挤程度、绿灯配时时长添加至历史数据集中，已完成对历史数据集的更新。6.如权利要求5所述的红绿灯配时控制方法，其特征在于，所述步骤S34包括：在工作日期间，根据车流量平均值排序结果对簇集中各簇对应的车流量赋予如公式(3
‑
1)所示的不同的绿灯配时时长，以及根据车流量平均值排序结果对簇集中各簇对应的车流量平均值赋予如公式(3
‑
2)所示的不同的绿灯配时时长；长；其中，代表簇集中簇i对应的车流量的绿灯配时时长,代表中簇i对应的车流量的绿灯配时时长；t1＞t3，t2≥t4，单位均为秒或分；i的取值范围为[1,A
kpoint
]、[1,B
kpoint
]。7.如权利要求5所述的红绿灯配时控制方法，其特征在于，所述步骤S34包括：在节假日期间，根据车流量平均值排序结果对簇集中各簇对应的车流量赋予如公式(3
‑
3)所示的不同的绿灯配时时长，以及根据车流量平均值排序结果对簇集中各簇对应的车流量平均值赋予如公式(3
‑
4)所示的不同的绿灯配时时长；长；其中，代表簇集中簇i对应的车流量的绿灯配时时长,代表中簇i对应的车流量的绿灯配时时长；t5＞t7≥t1＞t3，t6≥t8≥t2≥t4，单位均为秒或分；i的取值范围为[1,A
kpoint
]、[1,B
kpoint
]。
8.如权利要求5所述的红绿灯配时控制方法，其特征在于，所述步骤S4包括：S41、将更新后的历史数据集中的车流量，是否拥堵，拥挤程度作为训练特征；S42、根据公式(4)分别计算每一训练特征在不同划分标准下的Gini值，并从中选取最小Gini值及其对应的划分标准，由此获得与该时间段内的车流量、是否拥堵、拥挤程度分别对应的最小Gini值a1、a2、a3；其中，m为某一训练特征A的类别集合，|m|为该集合的元素个数，m
n
为该集合的第n个元素，|D
i
|为训练特征A中某一类别i的数量，|D
m
‑
i
|为训练特征A中除类别i以外的剩余类别的总数，|D|为该训练特征A的类别数量总数；S43、将该时间段内的车流量、是否拥堵、拥挤程度分别对应的最小Gini值a1、a2、a3进行比较，以确定全局最小Gini值min；S44、将与该全局最小Gini值min对应的划分标准确定为当前决策树的分支结点；S45、重复...

【专利技术属性】
技术研发人员：马传香，陈维，张，
申请(专利权)人：湖北大学，
类型：发明
国别省市：