System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于信号控制交叉口交通,尤其涉及一种感应信号控制交叉口交通信号预测方法。
技术介绍
1、随着互联网技术的迅猛发展,万物互联的概念让传统的交通系统发生了翻天覆地的变化,v2i技术应运而生,逐渐被业界认为是下一个发展方向。在此背景下,车辆可以与交通信号灯、路边传感器、高速公路收费站等基础设施进行无线通信,从而实现实时的数据传输和信息共享。这种交互使得车辆可以及时获取超视距信息,从而让车辆更加安全、智能、高效。
2、基于v2i技术,车辆在接近交叉口时,可以及时获取交通信号相关数据,从而合理规划速度,避免在红灯前等待时间过长,减少了急刹车和加速,降低了燃油消耗和车辆排放。同时,由于车辆知道红绿灯的状态,驾驶员可以更加平稳地驾驶,避免了突然地停车和启动,提供了更舒适的乘车体验,也避免了追尾等交通事故。
3、但是,这一切的前提是,车辆可以准确获取交通信号的相关信息,面对感应信号控制交叉口,控制策略取决于道路交通状态,以主路优先的感应信号控制交叉口为例,主路的绿灯时长一般会随着主路交通流量的增加而增加,直至达到最大绿灯时长。面对这种类型的交叉口,车辆无法获取准确的交通信号信息。此时,对交通信号进行预测,意义重大。
4、然而,传统的交叉口交通信号预测方法,一般使用神经网络进行预测,预测速度较慢,难以满足车辆行驶过程中的时效性要求,同时,传统方法没有有效利用感应信号控制的控制逻辑,导致预测精度较低,也难以在实际中应用。因此,传统的交叉口交通信号预测方法具有显著缺点。
技术实
1、本专利技术的目的在于,提供一种感应信号控制交叉口交通信号预测方法,其特征在于,包括如下步骤:
2、s1:采集道路交通流数据和交通信号数据,并将采集的数据保存至本地;
3、s2:基于s1采集的数据,构建马尔科夫转移概率矩阵;
4、s3:基于s2构建的马尔科夫转移概率矩阵,预测未来的交通信号。
5、进一步地,s1中,道路交通流数据的采集具体为:采集交叉口上游每辆车的坐标。
6、进一步地,s1中,交通信号数据的采集具体为:采集交通信号灯的颜色,即灯色;采集在当前交通信号周期内,交通信号的已运行时长,即灯值。灯值表征了当前交通信号周期已运行时长,例如某交通信号的周期时长为tdemo=100s,若从tdemo时刻起,40秒后,本周期即将结束,则tdemo时刻的灯值为60,即100-40=60。
7、进一步地,s2中,马尔科夫转移概率矩阵的构建,包括如下步骤:
8、s21:对s1所采集的数据进行“二进制化”处理;
9、s22:基于“二进制化”后的数据,构建马尔科夫转移概率矩阵。
10、进一步地,s21中,对s1所采集的数据进行“二进制化”处理,包括如下步骤:
11、s211:对交通信号数据进行“二进制化”处理;
12、s212:对道路交通流数据的采集区域进行“单元化”处理;
13、s213:对道路交通流数据进行“二进制化”处理;
14、s214:合并“二进制化”处理后的交通信号数据与道路交通流数据。
15、进一步地,s211中,对交通信号数据进行“二进制化”处理,具体为:
16、
17、其中,t为灯值,t∈{0,1,2,...,t-1};t为交通信号周期时长;xs(t)为交通信号灯在灯值为t时的状态,具体为:当交通信号灯不为绿灯时,xs(t)=0;当交通信号灯为绿灯时,xs(t)=1。
18、进一步地,s212中,对道路交通流数据的采集区域进行“单元化”处理,具体为:将采集区域内,每条车道分割为若干“单元路段”,单元路段的总数为n,其中,l为采集区域总长度,n为每个单元路段的长度,l与n在实施过程中根据实际情况而定。
19、进一步地,s213中,对道路交通流数据进行“二进制化”处理,具体为:
20、
21、其中,i为不同单元路段的索引,i∈{0,1,2,...,n};为第i个单元路段在灯值为t时的状态,具体为:当第i个单元路段内没有车时,当第i个单元路段内有车时,
22、进一步地,s214中,合并“二进制化”处理后的交通信号数据与道路交通流数据,具体为:
23、
24、其中,x(t)为在灯值为t时的复合交通状态。
25、进一步地,s22中,基于“二进制化”后的数据,构建马尔科夫转移概率矩阵,具体为:
26、
27、其中,从灯值t开始,δt秒以后的灯值记为(t+δt);δt∈{1,2,...tp};tp为预测时域,tp≤t;灯值为(t+δt)时的复合交通状态记为x(t+δt);x(t)转移到x(t+δt)的概率记为在所有历史数据中,从x(t)转移到x(t+δt)的总次数记为在所有历史数据中,x(t)出现的总次数记为hx(t)。
28、进一步地,s3中,预测未来的交通信号,具体为:
29、
30、其中,tc为当前灯值;t*为未来任意时刻灯值;为在灯值t*处,预测得到的交通信号灯为绿灯的概率;代表,对所有中,xs(t*)=1的情况下的概率的加和。
31、与现有技术相比,本专利技术的有益效果主要体现在:本专利技术考虑了实时的交通流状态,因此预测精度较高,同时由于计算过程相对简单,因此计算效率较高。本专利技术适用于绝大部分的感应信号控制交叉口交通信号预测。
本文档来自技高网...【技术保护点】
1.一种感应信号控制交叉口交通信号预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述S1中,所述道路交通流数据的采集具体为:采集交叉口上游每辆车的坐标;所述交通信号数据的采集具体为:采集交通信号灯的颜色,即灯色;采集在当前交通信号周期内,交通信号的已运行时长,即灯值。
3.根据权利要求1所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述S2中,所述马尔科夫转移概率矩阵的构建,包括如下步骤:
4.根据权利要求3所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述S21中,对S1所采集的数据进行“二进制化”处理,包括如下步骤:
5.根据权利要求4所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述S211中,对交通信号数据进行“二进制化”处理,表示为:
6.根据权利要求4所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述S212中,对道路交通流数据的采集区域进行“单元化”处理,表示为:将采集区域内,每条车道分割为多个“单元路段”,单元
7.根据权利要求4所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述S213中,对道路交通流数据进行“二进制化”处理,表示为:
8.根据权利要求4所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述S214中,合并“二进制化”处理后的交通信号数据与道路交通流数据,表示为:
9.根据权利要求3所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述S22中,基于“二进制化”后的数据,构建马尔科夫转移概率矩阵,表示为:
10.根据权利要求1所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述S3中,预测未来的交通信号,表示为:
...【技术特征摘要】
1.一种感应信号控制交叉口交通信号预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述s1中,所述道路交通流数据的采集具体为:采集交叉口上游每辆车的坐标;所述交通信号数据的采集具体为:采集交通信号灯的颜色,即灯色;采集在当前交通信号周期内,交通信号的已运行时长,即灯值。
3.根据权利要求1所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述s2中,所述马尔科夫转移概率矩阵的构建,包括如下步骤:
4.根据权利要求3所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述s21中,对s1所采集的数据进行“二进制化”处理,包括如下步骤:
5.根据权利要求4所述的感应信号控制交叉口交通信号预测方法,其特征在于,所述s211中,对交通信号数据进行“二进制化”处理,表示为:
6.根据权利要求4所述的感应信号控制交叉口交通...
【专利技术属性】
技术研发人员:胡笳,李朔远,王浩然,杜豫川,暨育雄,
申请(专利权)人:同济大学,
类型:发明
国别省市:
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。