【技术实现步骤摘要】
本公开涉及交通预测及信号控制，具体涉及基于短时交通流预测的干线绿波信号控制方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
2、随着现有的私家车以及各种车辆的增多，造成城市中通勤高峰拥堵与平峰拥堵之间的差异的增大，并说明城市的通勤高峰拥堵有很大的改善空间，为了缓解这一问题，短时交通流预测和城市干线绿波信号控制作为提高车辆通行效率的重要方法而备受关注。司机或交通管理部门可以通过短时交通流量预测得出的结果做出更好的行为决策避免长时间的交通拥堵。
3、现有的短时交通流预测方法大致可以分为两大类：(1)参数化方法，包括状态空间方法、卡尔曼滤波方法、光谱分析方法等等；(2)非参数化方法，旨在搜索出特征学习能力强的模型，例如非参数回归技术、k近邻模型、模糊技术、神经网络以及支持向量机等。
4、近年来，在交通协调控制优化领域，基于模糊时间序列预测已经进行深入研究，传统框架中的时间序列模型相比于其他预测模型计算更加方便，不需要大量的历史数据，但在对论域的划分以及模糊...
【技术保护点】
1.基于短时交通流预测的干线绿波信号控制方法，其特征在于，包括：
2.如权利要求1所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，基于自适应模糊时间序列模型对所述历史车流量数据进行预测的步骤包括：
3.如权利要求2所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，设置权重矩阵，并获取去模糊化矩阵，所述去模糊化矩阵与权重矩阵具有一一对应的模糊逻辑关系，将去模糊化矩阵与权重矩阵进行合成运算得出预测值，并对预测值进行修订。
4.如权利要求1所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，所述改进后的AM-...
【技术特征摘要】
1.基于短时交通流预测的干线绿波信号控制方法，其特征在于，包括：
2.如权利要求1所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，基于自适应模糊时间序列模型对所述历史车流量数据进行预测的步骤包括：
3.如权利要求2所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，设置权重矩阵，并获取去模糊化矩阵，所述去模糊化矩阵与权重矩阵具有一一对应的模糊逻辑关系，将去模糊化矩阵与权重矩阵进行合成运算得出预测值，并对预测值进行修订。
4.如权利要求1所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，所述改进后的am-band模型为：考虑双向车流量差异大时的状态，将拥堵方向称为主要方向，不拥堵方向称为次要方向，增加上行、下行方向的最小绿波带宽约束，建立最大绿波带宽和各路段行驶时间最短的多目标干线绿波协调优化目标函数，并根据车速波动情况，增加速度波动区间约束。
5.如权利要求4所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，车速服从正态分布，车辆在短时间内围绕一个中心值上下波动，设置一定置信水平下的速度波动区间，采用由改进后的am-band模型求解出来的绿波带速度作为车辆的平...
【专利技术属性】
技术研发人员：李敏，白雪，张顺安，张西龙，贺思宇，李扬，李琦，
申请(专利权)人：青岛理工大学，
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。