【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。