一种基于无线传感器网络的单点自组织交通信号控制方法技术

一种基于无线传感器网络的单点自组织交通信号控制方法，包括：１）将车载节点安置于行进车辆内部，信息采集节点布设在路边，汇聚节点布设在交叉口；２）｛η，θ｝表示车辆所在的车道，每一车道分配一个相位ｐ（η，θ），构成候选相位集；３）实时采集交通数据；４）对交叉口的交通状态进行判别，如判定处于非拥挤状态，按照原信号配时方案执行，否则转为步骤５）；５）当某些流向的等待时间超过等待时间上限时，选择其中等待时间最大的流向作为关键流向，否则需要通过计算确定关键流向ｐ↓［ｋｅｙ］（η，θ），并为关键流向所在的拟放行相位分配绿灯时间，给予绿灯通行权。本发明专利技术能够实时精确的检测交通数据，在拥挤条件下实现良好的控制效果。

【技术实现步骤摘要】

本专利技术涉及交通控制领域，尤其是一种交通信号控制方法。
技术介绍
交通信号控制能够有效地改善道路交通的秩序和效率，交通信号控制方式已由单点固定配时信号控制发展到联网自适应信号控制，在城市道路交通发展过程中发挥了举足轻重的作用。目前，交通信号控制系统面临的最大问题是难以对拥挤交通流进行有效疏导，其主要原因在于 (1)缺乏充足的实时交通数据 现有技术中，动态交通信号控制主要是基于环形感应线圈数据。由于线圈的布设位置通常限于路段的上游或交叉口停车线附近，所采集的交通数据较为有限，导致已有信号配时优化算法只能通过估算相应交通参数的方式进行优化计算。在拥挤条件下，依赖于估算的交通参数进行信号配时，其结果与实际交通状况相比误差较大。而增设及维修成本则相对较高，因而阻碍了动态交通信号控制的功能扩展，导致现有交通控制方法在控制拥挤交通流时效果不佳。 (2)局限于传统的信号配时理念 现有技术中，通常在固定的最大信号周期、固定的相位相序以及最大绿灯延时等概念下进行拥挤交通流的疏导，影响了控制效果的进一步提高。其影响主要体现在 ①周期时长的限制。由于存在最大的周期时长，限定了可分配的时间资源，进而限制了各相位绿灯时间的可调空间。当各方向交通需求均增大时，各相位的绿灯时长调节率将达到极限，此时无法再为需求更大的相位争得绿灯时间，因而无法对急迫需要放行的车流进行有效疏导。 ②固定的相序限制。由于各相位的执行顺序在整个控制过程中始终保持不变，因此当各相位对绿灯请求权的紧迫程度差异较大时，已有控制方式无法改变相位的显示顺序，因而亦无法及时地对急迫请求绿灯的相位做出实时响应。在这种情况下，现有信号控制方法是一种延迟满足，不利于对拥挤交通流的及时疏导。 ③固定的相位限制。由于各相位，即不同车流方向在同一时间获得绿灯通行权的组合方式始终不变，因此当不同车流方向的交通需求不平衡时，现有信号控制方法无法重新组合不同的车流方向，并对拥挤的方向优先放行。 ④同等优先权限制。在交通拥挤条件下，通常各相位的交通流对绿灯的渴求程度不同，优先疏导哪一股交通流将直接影响该交叉口甚至整个路网的运行效率。在现有信号控制方法中，各相位具有同等优先权，导致配时结果无法照顾特殊流向交通疏导的需求。 由于缺乏实时精确的交通数据，且没有突破传统信号配时理论方法的束缚，因此现有交通信号控制技术在非拥挤条件下控制效果较好，但在拥挤条件下控制效果不佳。
技术实现思路
为了克服已有交通信号控制方法缺乏实时精确的交通数据、在拥挤条件下控制效果差的不足，本专利技术提供一种能够实时精确的检测交通数据，在拥挤条件下实现良好的控制效果的基于无线传感器网络的单点自组织交通信号控制方法，简记为DTSC-WSN。 本专利技术解决其技术问题所采用的技术方案是 ，包括以下步骤 1)布设无线传感器网络中的信息采集节点、信息汇聚节点和车载节点将车载节点安置于行进车辆内部，信息采集节点布设在路边，汇聚节点布设在交叉口； 2)设计候选相位集所述交叉口有东、南、西、北四个进口方向，可将进口方向表示为η∈{E，S，W，N}，其中E表示东，S表示南、W表示西，N表示北；车辆的运行方向可表示为θ∈{L，T，R}，其中L表示左转，T表示直行，R表示右转，{η，θ}表示车辆所在的车道，每一车道分配一个相位p(η，θ)； 3)实时采集交通数据行进车辆上的车载节点计算出自身的位置信息(x，y)和速度信息v，并将状态信息(x，y，v)发送给对应的信息采集节点，信息采集节点收到车载节点发送的状态信息后，便能够计算出该行进车辆所在的车道，以及该行进车辆与交叉口停车线的距离，并计算各车道排队车辆数Q(η，θ)； 4)以各车道排队车辆数为基础，计算路段排队长度，并采用模糊聚类方法对交叉口的交通状态进行判别，如判定处于非拥挤状态，按照原信号配时方案执行，如判定处于拥挤，转为步骤5)； 5)当前某相位绿灯结束，即将发放下一相位绿灯通行权时，计算当前各流向的等待时间，若等待时间超过其上限值，则选择其中等待时间最大的流向作为关键流向，否则，按照下面的方法确定关键流向 请求绿灯通行权迫切程度最高的关键流向筛选方法为 pkey(η，θ)＝max{Q(η，θ)×ω(η，θ)}(1) pkey(η，θ)为请求绿灯通行权最迫切的关键车流方向，即关键流向，Q(η，θ)×ω(η，θ)为车道(η，θ)的排队车辆数与该车道的权重值乘积； 关键流向的车流即是需要优先放行的车流，在当前时刻应给予关键流向所在的相位绿灯通行权； 确定关键流向后，计算出关键流向各车道的平均排队车辆数QP(η，θ)和关键流向所需的绿灯时间Gp。 在所述步骤5)中，等待时间上限Wmax根据城市大小规模不同，交叉口的等级不同而相对地为其赋值。 在所述步骤5)中，如果关键流向的车流同属于几个候选相位，则通过优化计算从中选择并给予绿灯放行，具体过程为 (5.1)对于各个关键流向所在的拟放行相位P，计算所需的绿灯时间，由下式 Gp＝Lp+(QP(η，θ)+QNP(η，θ))h (2) 这里假设绿灯放行期间车辆的到达率与红灯期间车辆的到达率相同，即 其中，Gp为相位P的绿灯时间，Lp为起动损失时间，h为饱和车头时距，QNP(η，θ)为排队车辆放行期间到达并加入关键流向的车辆数，R(η，θ)为η方向θ车道所在相位的红灯时间。 (5.2)对于各个关键流向所在的拟放行相位P，在确定了绿灯时间Gp后，交叉口绿灯期间可放行的最大车辆数Nmax由下式计算 如果Q(η，θ)为拟放行相位的关键流向排队，则QN(η，θ)＝QNP(η，θ)；如果Q(η，θ)不是拟放行相位的关键流向排队，则QN(η，θ)可由公式(5)计算得到 (5.3)在确定放行相位时，所遵循的原则是使交叉口的时空利用率最大化，拟放行相位P获得通行权期间交叉口的有效利用率Up由下式计算 对关键流向所在的所有拟放行相位计算Up，并选择Up值最大的相位作为当前的放行相位，给予其绿灯通行权。 在所述步骤4)中，基于模糊聚类的交通状态判别方法包括下列步骤 (4.1)按照指定的时间间隔t获取某路段信息采集节点的历史数据，采样数据中要包括不同时间段的各种交通状态； (4.2)计算各车道排队长度，取其最大排队长度作为该路段的排队长度； (4.3)进行模糊聚类，将所有历史数据样本分为3类，即顺畅、阻滞和拥挤三种状态，得到聚类中心和隶属度函数； (4.4)按照时间间隔t获取各车道排队长度，计算当前路段排队长度数值； (4.5)计算该数据距离各类中心的隶属度数值； (4.6)按照隶属度最大原则判定当前路段的交通状态，并将其结果传给信号控制机； (4.7)t＝t+1，转步骤(4.4)。 在所述步骤3)中，计算各车道排队车辆数Q(η，θ)的具体步骤为 a.左转车道排队车辆数计算方法为假设当前第t次绿灯结束时路边停车线前信息采集节点和左转车道末端信息采集节点之间排队车辆数为Q(η，L，t)，左转车道末端信息采集节点继续对新到车辆进行检测，则车道上的车流获得t+1次绿灯通行权时，上述两个信息采集节点间的排队车辆数为原本文档来自技高网...

【技术保护点】
一种基于无线传感器网络的单点自组织交通信号控制方法，其特征在于：所述交通信号控制方法包括以下步骤：　１）布设无线传感网络中的信息采集节点、信息汇聚节点和车载节点：将车载节点安置于行进车辆内部，信息采集节点布设在路边，汇聚节点布设在交叉口；　２）设计候选相位集：所述交叉口有东、南、西、北四个进口方向，可将进口方向表示为η∈｛Ｅ，Ｓ，Ｗ，Ｎ｝，其中Ｅ表示东，Ｓ表示南、Ｗ表示西，Ｎ表示北；车辆的运行方向可表示为θ∈｛Ｌ，Ｔ，Ｒ｝，其中Ｌ表示左转，Ｔ表示直行，Ｒ表示右转，｛η，θ｝表示车辆所在的车道，每一车道分配一个相位ｐ（η，θ）；　３）实时采集交通数据：行进车辆上的车载节点计算出自身的位置信息（ｘ，ｙ）和速度信息ｖ，并将状态信息（ｘ，ｙ，ｖ）发送给对应的信息采集节点，信息采集节点收到车载节点发送的状态信息后，便能够计算出该行进车辆所在的车道，以及该行进车辆与交叉口停车线的距离，并计算各车道排队车辆数Ｑ（η，θ）；　４）以各车道排队车辆数为基础，计算路段排队长度，并采用模糊聚类方法对交叉口的交通状态进行判别，如判定处于非拥挤状态，按照原信号配时方案执行，如判定处于拥挤，转为步骤５）；　５）计算当前各流向的等待时间，若等待时间超过其上限值，则选择其中等待时间最大的流向作为关键流向，否则，按照下面的方法确定关键流向：　请求绿灯通行权迫切程度最高的关键流向筛选方法为：　ｐ↓［ｋｅｙ］（η，θ）＝ｍａｘ｛Ｑ（η，θ）×ω（η，θ）｝　（１）　ｐ↓［ｋｅｙ］（η，θ）为请求绿灯通行权最迫切的关键车流方向，即关键流向，Ｑ（η，θ）×ω（η，θ）为车道（η，θ）的排队车辆数与该车道的权重值乘积；　关键流向的车流即是需要优先放行的车流，在当前时刻应给予关键流向所在的相位绿灯通行权；　确定关键流向后，计算出关键向流各车道的平均排队车辆数ＱＰ（η，θ）和关键流向所需的绿灯时间Ｇ↓［ｐ］。...

【技术特征摘要】
1、一种基于无线传感器网络的单点自组织交通信号控制方法，其特征在于所述交通信号控制方法包括以下步骤1)布设无线传感网络中的信息采集节点、信息汇聚节点和车载节点将车载节点安置于行进车辆内部，信息采集节点布设在路边，汇聚节点布设在交叉口；2)设计候选相位集所述交叉口有东、南、西、北四个进口方向，可将进口方向表示为η∈{E，S，W，N}，其中E表示东，S表示南、W表示西，N表示北；车辆的运行方向可表示为θ∈{L，T，R}，其中L表示左转，T表示直行，R表示右转，{η，θ}表示车辆所在的车道，每一车道分配一个相位p(η，θ)；3)实时采集交通数据行进车辆上的车载节点计算出自身的位置信息(x，y)和速度信息v，并将状态信息(x，y，v)发送给对应的信息采集节点，信息采集节点收到车载节点发送的状态信息后，便能够计算出该行进车辆所在的车道，以及该行进车辆与交叉口停车线的距离，并计算各车道排队车辆数Q(η，θ)；4)以各车道排队车辆数为基础，计算路段排队长度，并采用模糊聚类方法对交叉口的交通状态进行判别，如判定处于非拥挤状态，按照原信号配时方案执行，如判定处于拥挤，转为步骤5)；5)计算当前各流向的等待时间，若等待时间超过其上限值，则选择其中等待时间最大的流向作为关键流向，否则，按照下面的方法确定关键流向请求绿灯通行权迫切程度最高的关键流向筛选方法为pkey(η，θ)＝max{Q(η，θ)×ω(η，θ)} (1)pkey(η，θ)为请求绿灯通行权最迫切的关键车流方向，即关键流向，Q(η，θ)×ω(η，θ)为车道(η，θ)的排队车辆数与该车道的权重值乘积；关键流向的车流即是需要优先放行的车流，在当前时刻应给予关键流向所在的相位绿灯通行权；确定关键流向后，计算出关键向流各车道的平均排队车辆数QP(η，θ)和关键流向所需的绿灯时间Gp。2、如权利要求1所述的一种基于无线传感器网络的单点自组织交通信号控制方法，其特征在于在所述步骤5)中，如果关键流向的车流同属于几个候选相位，则通过优化计算从中选择并给予绿灯放行，具体过程为(5.1)对于各个关键流向所在的拟放行相位P，计算所需的绿灯时间，由下式Gp＝Lp+(QP(η，θ)+QNP(η，θ))h (2)其中，Gp为相位P的绿灯时间，Lp为起动损失时间，h为饱和车头时距，QNP(η，θ)为排队车辆放行期间到达并加入关键流向的车辆数。这里假设绿灯放行期间车辆的到达率与红灯期间车辆的到达率相同，即(5.2)对于各个关键流向所在的拟放行相位P，在确定了绿灯时间Gp后，交叉口绿灯期间可放行的最大车辆数Nmax由下式计算如果Q(η，θ)为拟放行相位的关键流向排队，则QN(η，θ)＝QNP(η，θ)；如果Q(η，θ)不是拟放行相位的关键流向排队，则QN(η，θ)由公式(5)计算得到其中，R(η，θ)为η方向θ车道所在相位的红灯时间；(5.3)在确定放行相位时，所遵循的原则是使交叉口的时空利用率最大化，拟放行相位P获得通行权期间交叉口的有效利用率Up由下式计算对关键流向所在的所有拟放行相位计算Up，并选择Up值最大的相位作为当前的放行相位，给予其绿灯通行权。3、如权利要求1或2所述的一种基于无线传感器网络的单点自组织交通信号控制方法，其特征在于在所述步骤4)中，基于模糊聚类的交通状态判别方法包括下列步骤(4....

【专利技术属性】
技术研发人员：郭海锋，张贵军，俞立，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：86[中国|杭州]