[发明专利]交通信号泛弦控制方法及其系统

权利要求书

1.一种道路网络交通信号泛弦控制方法即“A-A”方法，其特征至少包括步骤:

S1获取信号参数、路网参数；

S2检测各路口各流向d或/和相位j车队尾q即滞留车数、或/和流向路段车源出入车数即出入量s、或还含路口驶出车数即流出量x、或/和队头位置q0信息及相变量子用时⊿t^Th0；

S3各路口元预测其下时段各方向或/和相位车队Q及其变化⊿Q、驶出车数x及其剩余绿灯时间，即余时

S4各初判元分析确定下时段的路口间信号时间差变化的涨落、或/和区域车流两个交叉大流量变化引起的时间差原点移动初判，即初判等，或/和结合得到的相关各路口方向或/和和相位余时一起进一步为上述车队Q及其变化⊿Q测算出信号临时配时的孤波初判；

S5统筹各初判取舍、先后、时间，制发指令；

S6根据指令和预测出信号时间差变化或/和临时配时决定下时段的信号配时；

所述车队Q计量单位是米或标准车数，标准车数队长包括车间距，与米长有换算率，非标准车与标准车换算率，通过这些换算率可将车队折算成标准车数或米；

所述车数指折算后等效标准车数；

所述下时段包括多倍信号周期C，如1C、2C、4C、8C，通用任何信号路网车队预测。

2.根据权利要求1所述方法，其特征是所述步骤S3进一步包括：

S3-1所述下时段各路口方向或/和相位车队Q及其变化⊿Q预测步骤：(1)将路口流向d上游实测的路段驶入车数或/和该上游路口x_±1汇入该流向d的各方向相位流出量x_±1,d1,j1,x_±1,d2,j2,x_±1,d3,j3之和,加上该上游路段车源的出入车数S_d(c)，没有流向d车源的加0，得到路口预测流入车数a_±0,d，(2)再与该路口方向相位流量分布μ_d(c)相乘得到该路口方向相位预测到达车数a_d,j(c)，(3)再用到达量a_d,j(c)减去流出量x_±0,d,j得到各相位排队变化⊿Q，(4)将预测得的车队变化⊿Q加上时段的车队Q_d,j(c-1)得到预测Q_d(c)；

所述x_±0,d,j下角标：±k,d,j,按其位置顺序“±”号表示上游、表示k段上游路口、d车流方向、j信号相位，k＝0段代表本路口，k＝1相邻路口，k＝2级是相邻后下一个上游等等，本路口简记为q_d,j(c)或q(c)或q_±0(c)或q_m,n,d,j(c)，‘m,n’代表路口坐标位置，上游路口驶出车数x_±1,d1,j1,x_±1,d2,j2,x_±1,d3,j3中‘d#,j#’表示上游路口驶出汇入下游d流向的方向相位，‘d2,j2’表示左转汇入d流向的方向相位，‘d3,j3’表示右转汇入d流向的方向相位，‘d1,j1’或‘d,j’表示直行汇入d流向的方向相位，相位j＝1表示直行、j＝2左转、j＝3右转，其(c)代表下时段、(c-1)代表前时段，以下依此类推及至各变量；

所述车源的流出量S_d(c)是预测值，用该车源流量智能函数根据实测值S_d(c-1)预测得到，智能函数是用统计学习或/和其它智能方法和过去数据培训或/和在线学习得到的；

所述方向相位交通量共用车道的，仍用相位分布μ_d(c)决定；

所述路段车源包括多车源的按它们流向到车源到路口平均距离决定其时间差，常用平均值或0估计；

所述智能方法包括综合使用神经网络ann、混沌时序、小波理论、统计回归与支撑向量机svm、遗传优化ga、粒子群优化pso、模糊分析与信息粒化等等智能学习及时序分析方法，以下提到智能方法均同此意；

所述流出量x_±0,d,j、x_±1,d1,j1,x_±1,d2,j2,x_±1,d3,j3等可以用下面权利4方法预测得到；

或加装路口方向相位驶出检测器实测得到。