[发明专利]一种基于车路协同的智能交通诱导方法

说明书

技术领域

本发明涉及一种智能交通诱导方法，具体的说，涉及了一种基于车路协同的智能交通诱导方法。

背景技术

城市化和机动化的发展导致交通拥堵成为诸多城市面临的棘手问题。在宏观交通网络中，尽管许多复杂算法应用于解决路网交通控制问题，但由于很难获得精确的OD数据，导致这些方法难以应用在实时的控制环境中，路网宏观基本图(Macroscopic Fundamental Diagram，MFD)恰好可以规避这一问题，而且其存在性被证实为在交通控制领域的推广应用提供了契机。

在传统的交通控制系统中，仅仅把按一定原则划分好的控制子区作为一个交通控制子区，只注重控制子区内的通行效率，在诱导与控制策略上不进行子区与子区间的协同。

为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

发明内容

本发明的目的是针对现有技术的不足，从而提供了一种基于车路协同的智能交通诱导方法。

为了实现上述目的，本发明所采用的技术方案是：一种基于车路协同的智能交通诱导方法，包括以下步骤：

步骤1，采用浮动车数据和固定检测器检测城市路网中拥堵路区内各个路段与交叉口时空数据，依据电子地图的相关数据，获得道路网络时空交通数据；

步骤2，采用基于MFD的城市路网诱导子区划分方法对城市路网进行划分；

步骤3，采用基于MFD的城市路网交通诱导与边界控制协同策略获得协同诱导信息；

步骤4，采用多终端协同诱导信息时空发布策略发布协同诱导信息。

基于上述，步骤2的具体步骤为：

步骤2.1，将城市路网中的每条路段表示成四维的信息向量，包含路段的空间位置信息和自身属性信息；

步骤2.2，应用meanshift算法对路段进行初始聚类，将城市路网划分成数量较多的规模较小的子区域；

步骤2.3，计算城市路网运行车辆数和路段长度信息；

步骤2.4，根据步骤2.3获得的城市路网运行车辆数和路段长度信息计算每一个小区域城市路网的平均密度；

步骤2.5，将每一个小区域城市路网作为一个独立的簇，以城市路网平均密度作为每一个簇的参数值，应用层次聚类算法对其进行二次聚类合并，得到最终的城市路网诱导子区动态划分结果。

基于上述，步骤2.3中计算城市路网运行车辆数和路段长度信息的步骤为：

令城市路网运行车辆数为N，路网内浮动车数量为N_probe，一定时间间隔内路段某一断面观测到的全部车辆数为N’，相同时间间隔内路段某一断面观测到的浮动车数量为N’_probe，得到：

则城市路网运行车辆数为：

基于上述，步骤3的具体步骤为：

步骤3.1，针对MFD子区系统，建立的整个路网旅行车辆完成流率最大的目标函数为：

式中，G_i(x_i(k)为旅行车辆完成流率；

步骤3.2，建立MFD之间的行程时间最小的模型：

式中，t_ij(k)为形成时间；

步骤3.3，建立MFD子区系统内平均延误的目标函数：

式中，D_iq为MFD子区系统内任意i子区中第w个信号交叉口平均时间延误，q＝{1,2,...,Q}；

步骤3.4，根据这些指标，建立的MFD子区系统交通诱导与边界控制协同的综合目标函数：

z＝max(λ₁J₁-λ₂J₂-λ₃J₃)

λ₁+λ₂+λ₃＝1

式中，z为加权求和后的目标函数，λ1为旅行车辆完成率在模型中的权重；λ2为MFD子区之间的行程时间在模型中的权重；λ3为MFD子区内平均延误在模型中的权重；

步骤3.5，以边界交叉口控制率矩阵中相对应的绿信比和控制率为决策变量，进行编码，满足边界交叉口控制方法中相对应的约束条件；

步骤3.6，设置Ea个个体构成一个种群，初始进化代数计数器t＝0，最大进化代数计数器t＝Tmax，随机生成的初始群体P(0)；