【技术实现步骤摘要】
本申请涉及交通信号控制，具体地，涉及一种基于wi-fi探针的城市单点交叉口多目标配时优化方法。
技术介绍
1、城市道路交叉口是城市路网中的咽喉所在，也因其复杂的交通需求，很容易出现拥堵、延误等问题，是制约城市道路网高效有序运行的瓶颈。交通信息检测是优化交叉口信号控制的基础，目前交通信息检测技术主要包括地磁检测、感应线圈检测、红外检测和视频检测等，大多数检测技术都存在检测器安装不便、检测器造价高昂和数据传输存储不易等问题，在使用上也难以做到对机动车转向信息的跟踪记录，不便于控制系统实时调整信号控制方案。
技术实现思路
1、为了克服现有技术中的至少一个不足，本申请提供一种基于wi-fi探针的城市单点交叉口多目标配时优化方法。
2、第一方面，提供一种基于wi-fi探针的城市单点交叉口多目标配时优化方法，包括：
3、根据历史时间段内的交叉口的wi-fi数据对历史时间段内每个道路目标的出行方式进行划分；出行方式包括私家车出行、公交车出行、步行及非机动车出行；
4、根据私家车出行和公交车出行分别包含的道路目标的个数，以及每个道路目标的行程速度，确定历史时间段内交叉口空间平均速度和车辆转向比例信息；
5、根据历史时间段内交叉口空间平均速度和车辆转向比例信息，采用lstm神经网络预测模型，预测未来时间段内交叉口空间平均速度和车辆转向比例信息；
6、将未来时间段内交叉口空间平均速度，采用速度-流量多元线性回归模型方程转换为未来时间段内的交叉
7、基于未来时间段内的交叉口流量和未来时间段内的车辆转向比例信息，构建多目标配时优化模型；多目标配时优化模型的优化目标包括机动车平均延误、机动车平均停车率和交叉口通行能力；
8、采用多目标遗传算法求解多目标配时优化模型，得到交叉口的配时方案的最优解。
9、在一个实施例中，根据历史时间段内的交叉口的wi-fi数据对历史时间段内每个道路目标的出行方式进行划分，包括：
10、步骤s11，根据历史时间段内的交叉口的wi-fi数据确定所有的道路目标，以及每个道路目标通过交叉口进口路段的行程速度、通过交叉口出口路段的行程速度；
11、步骤s12，若道路目标通过交叉口进口路段的行程速度和通过交叉口出口路段的行程速度中任一项超过机动车速度阈值vthr，则将道路目标的出行方式标记为机动车出行；
12、步骤s13，将剩余未标记的道路目标进行k-means聚类，将聚类后聚类中心的特征值最大的一类包含的道路目标的出行方式标记为机动车出行，其余的道路目标标记为步行及非机动车出行；
13、步骤s14，所有标记为机动车出行的道路目标构成数据集obj-dataset；选取数据集obj-dataset中某一道路目标，记为当前道路目标，计算当前道路目标经过交叉口的上游、交叉口的下游和交叉口这三个采集点的时间戳与数据集obj-dataset中其他道路目标经过对应的采集点的时间戳的差值；
14、步骤s15，若三个采集点的时间戳的差值均小于3s，则将当前道路目标的出行方式标记为私家车出行，否则，将当前道路目标的出行方式标记为公交车出行；
15、步骤s16，删除数据集obj-dataset中标记过私家车出行或者公交车出行的道路目标，得到更新后的数据集obj-dataset′，返回步骤s14，选取数据集obj-dataset′中的某一道路目标，记为当前道路目标；直到所有的道路目标均被标记为私家车出行或者公交车出行。
16、在一个实施例中，历史时间段内交叉口空间平均速度和车辆转向比例信息，采用以下公式：
17、
18、
19、其中，vt为第t-1时间周期内交叉口空间平均速度，vi为第i辆标记为私家车出行的道路目标经过交叉口的行程速度，ncar为第t-1时间周期内标记为私家车出行的道路目标的数量，vbus为具象化后标记为公交车出行的道路目标经过交叉口的行程速度，nbus为第t-1时间周期内公交车数量，vj为乘坐同一辆公交车出行的第j个道路目标经过交叉口的行程速度，n为乘坐同一辆公交车出行的道路目标的数量；
20、
21、n＝ncar+nbus
22、其中，bt-1为第t-1时间周期内交叉口进口路段的车辆转向比例，和分别为第t-1时间周期内交叉口进口路段车辆左转、直行和右转的比例，n为第t-1时间周期内通过交叉口的全部车辆数量，nl、nt和nr分别为车辆中左转、直行和右转的数目。
23、在一个实施例中，速度-流量多元线性回归模型方程为：
24、q＝-60.526+52.502v-0.351v2-26238vw-0.361l+443.608s
25、其中，q为交叉口流量数据，v为交叉口空间平均速度，w为车道宽度，s为进口路段车道数。
26、在一个实施例中，多目标配时优化模型为：
27、
28、
29、其中，ct为配时方案的周期时长，gt为各相位有效绿灯时间构成的向量，m为相位数量，为第t时间周期内第k相位的有效绿灯时间，为第t时间周期内误差扰动限值为ε时的目标函数，为第t时间周期内误差扰动限值为ε时的交叉口机动车平均延误，为第t时间周期内误差扰动限值为ε时的交叉口机动车平均停车率，为第t时间周期内误差扰动限值为ε时的交叉口平均通行能力，cmin为配时方案的周期时长的最小值，cmax为配时方案的周期时长的最大值，l为交叉口周期内总损失时间，gmin为有效绿灯时间最小值，为第t时间周期内各流向交叉口饱和度的最大值，λmax为各流向交叉口饱和度的最大值，为第t时间周期内交叉口由i方向流向j方向的流量数据，为第t时间周期内交叉口由i方向流向j方向的流量数据真实值，st为第t时间周期内的交叉口各个流向的流量数据矩阵；
30、第t时间周期内的交叉口各个流向的流量数据矩阵st：
31、
32、其中，st′为第t时间周期内交叉口各个流向进口路段的总流量数据，bt为第t时间周期内交叉口进口路段的车辆转向比例，{s，n，e，w}分别表示南北东西四个方向。
33、第二方面，提供一种基于wi-fi探针的城市单点交叉口多目标配时优化装置，包括：
34、出行方式划分模块，用于根据历史时间段内的交叉口的wi-fi数据对历史时间段内每个道路目标的出行方式进行划分；出行方式包括私家车出行、公交车出行和非机动车出行；
35、速度和转向比例确定模块，用于根据私家车出行和公交车出行分别包含的道路目标的个数，以及每个道路目标的行程速度，确定历史时间段内交叉口空间平均速度和车辆转向比例信息；
36、预测模块，用于根据历史时间段内交叉口空间平均速度和车辆转向比例信息，采用lstm神经网络预测模型，预测未来时间段内交叉口空间平均速度和车辆转向比例信息；
37本文档来自技高网...
【技术保护点】
1.一种基于Wi-Fi探针的城市单点交叉口多目标配时优化方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，其中，根据历史时间段内的交叉口的Wi-Fi数据对所述历史时间段内每个道路目标的出行方式进行划分，包括：
3.如权利要求1所述的方法，其特征在于，其中，历史时间段内交叉口空间平均速度和车辆转向比例信息，采用以下公式：
4.如权利要求1所述的方法，其特征在于，其中，速度-流量多元线性回归模型方程为：
5.如权利要求1所述的方法，其特征在于，其中，多目标配时优化模型为：
6.一种基于Wi-Fi探针的城市单点交叉口多目标配时优化装置，其特征在于，包括：
7.如权利要求6所述的装置，其特征在于，所述出行方式划分模块，还用于：
8.如权利要求6所述的装置，其特征在于，多目标配时优化模型为：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，以实现权利要求1-5任意一项所述的基于Wi-Fi探针的城市单点交叉口多目标配时优
10.一种计算机程序产品，其特征在于，包括计算机程序/指令，所述计算机程序/指令被处理器执行时，以实现权利要求1-5任意一项所述的基于Wi-Fi探针的城市单点交叉口多目标配时优化方法。
...【技术特征摘要】
1.一种基于wi-fi探针的城市单点交叉口多目标配时优化方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，其中，根据历史时间段内的交叉口的wi-fi数据对所述历史时间段内每个道路目标的出行方式进行划分，包括：
3.如权利要求1所述的方法，其特征在于，其中，历史时间段内交叉口空间平均速度和车辆转向比例信息，采用以下公式：
4.如权利要求1所述的方法，其特征在于，其中，速度-流量多元线性回归模型方程为：
5.如权利要求1所述的方法，其特征在于，其中，多目标配时优化模型为：
6.一种基于wi-fi探针的城市单点交叉口多目标配...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。