[发明专利]一种基于数据驱动的单交叉口动态交通信号控制方法

摘要

本发明公开了一种基于数据驱动的单交叉口动态交通信号控制方法，包括以下几个步骤：步骤1：高精度数据的采集；步骤2：信号控制器控制执行；步骤3：交叉口性能指标评价；步骤4：信号配时迭代优化。本发明基于传感器检测到的高精度数据，该数据可以准确记录车辆踏上和离开检测器的准确时间，从而可以推算绿灯时长以及检测器空闲时间，使得动态交通信号控制的效能得到更大的发挥，保证了交叉口内部区域始终可被利用，一定程度上为城市路网的通达性提供了保障。

主权项

一种基于数据驱动的单交叉口动态交通信号控制方法，包括以下几个步骤：步骤1：高精度数据的采集；1)确定单交叉口的相位数及相位分布；2)设置检测器；检测器成组安装，每个相位至少一组检测器，每组包含两个检测器，每个检测器编号为i,p,q，依次代表相位号i，组号p，检测器号q，其中，q＝1或2，q＝1时为停车线检测器，位于停车线下游，q＝2时为路段检测器，安装在路口上游；每个检测器设置一个权重系数，代表其测量值在本组所占的权重，每组检测器的权重系数和满足若某一相位包含多条车道，则选取车流量最大的一条安装一组检测器；若某一相位包含多个方向的车流，则需对每个方向均安装一组检测器；3)按交叉口每天的早高峰时段、午低峰时段、晚高峰时段及一般平峰时段划分各时段，采集N个信号周期内绿灯时间内的各个进口道的交通量，换算为小时交通量，将第k次优化后得到的相位i的交通量记为整个交叉口各进口道的交通量之和为并绘制以小时为横轴以交通量比值为纵轴的曲线，确定各个相位的实时交通状态变化；4)检测器采集高精度数据，采集第k个优化周期内，每个停车线车辆检测器采集的第m个信号周期第i相位的红灯启亮时刻第m个信号周期第i相位的绿灯启亮时刻第m‑1个信号周期第i相位的红灯启亮时刻第m‑1个信号周期第i相位的绿灯启亮时刻则交叉口第k次优化后第i相位的绿灯时间为：$u_{k,i}=T_r^{i,m,k}-T_g^{i,m-1,k},$某辆车在第k次优化后，每个周期每辆车在相位i的绿灯时间内，踏上p组q号检测器的时间为t_on(i,p,q)^k，离开该检测器的时间t_off(i,p,q)^k，假定在第k次优化后，运行N个信号周期，在相位i的绿灯时间内通过了n辆车，则得到该检测器在第k次优化后，相位i的绿灯信号结束时的占用时间为：$t_{occ}{(i,p,q)}^k=\underset{N}{\&Sigma;}\underset{n}{\&Sigma;}(t_{off}{\left(i,p,q\right)}^k-t_{on}{\left(i,p,q\right)}^k),$设第k次优化后的N个信号周期内，每m个信号周期相位i停车线前第一辆车在绿灯起亮后踏上p组1号检测器的时刻为m<N，则第k次优化后N个信号周期内第i相位的车辆延误为：${t_d}^{i,k}=\underset{N}{\&Sigma;}\underset{p}{\&Sigma;}(t_{*on}{\left(i,p,1\right)}^{m,k}-T_g^{i,m,k}),$5)通过采集的高精度数据计算得到了检测器占有率t_occ(i,p,q)^k和车辆延误t_d^i,k以及相位当量交通量和交叉口当量交通量采集的高精度数中的信号灯灯色变化和各相位灯色时长，传输到信号控制器，作为初始信号交叉口各相位的配时方案，对交叉口的车流进行控制；步骤2：信号控制器控制执行；在路口控制车流通行的交通信号灯，均连接一个控制交通灯指示切换和相位切换的信号控制器，信号控制器初始执行步骤1采集得到的初始信号交叉口各相位的配时方案，控制交叉口各相位的车流通行，同时将绿灯信号配时参数存储在后台系统；当得到优化后的信号灯配时参数时，信号控制器按照优化后的信号灯配时参数控制交叉口各相位绿信比，同时将优化后的配时参数存储在后台数据存储系统；步骤3：交叉口性能指标评价；1)交叉口的信号配时方案由信号控制器执行，N个信号周期后，即可对交叉口性能进行评价；交叉口性能指标评价是指在当前相位绿灯期间对该交叉口所测的相位i的性能进行评估，即当相位i绿灯时间结束后，获取步骤1中的相位i多组检测器所测数据，主要是检测器占有率t_occ(i,p,q)^k和车辆延误t_d^i,k；2)计算交叉口相位i性能指标数据：其中，k为当前优化周期；i为相位号；y_k,i为交叉口相位i性能指标；为当前绿灯时间内相位i的检测器占有率之和，将绿灯时间内输出的占有率数据加和求平均；t_d^i,k为当前绿灯时间内相位i上的车辆延误；C_k为第k次优化得到的信号周期；3)性能指标y_k,i∈[0,1]，将得到的相位i的性能指标数据y_k,i与实时获取的交通流量求差值，得到如果Δy_k,i<ε，ε为预先设定的阈值，则相位i当前信号配时方案能够适应实时交通需求变化，不需要进行优化；否则，进入步骤4，进行信号配时迭代优化；步骤4：信号配时迭代优化；1)信号配时迭代优化是指在第k次优化后执行N个信号周期的配时方案，且在当前相位绿灯时间刚结束时，若该相位的性能指标不能满足实时交通状态，则以该相位的历史的性能指标数据和历史的绿灯时间数据，对该相位的配时方案进行优化，得到新的信号配时方案；2)设某一相位的输入历史性能指标数据和历史绿灯时间数据y_k‑n,i为第k‑n次优化后相位i的性能指标，u_k‑n,i为第k‑n次优化后相位i的绿灯时长；3)模糊PD迭代学习控制算法是加入模糊环节对Δy_k,i和y_k,i进行模糊控制，对绿灯变化速率θ确定模糊规则及隶属度函数，再设计模糊PD迭代学习控制算法的控制器的结构；最后采用一般的模糊PD迭代学习控制算法的计算公式，对信号交叉口的绿时方案进行迭代优化，具体如下；(1)模糊PD迭代学习律为：u_k+1,i＝f({u_k,i},{y_k,i,y_k‑1,i})+ω_k,i＝u_k,i+K_p×e_k,i+K_d×(e_k,i‑e_k‑1,i)+ω_k,i，其中，ω_k,i为该相位绿灯期间车辆启动驾驶员的反应时间总和，ω_k,i近似等于t_d^i,k，i为相位编号；对第k次优化所得的历史性能指标数据y_k,i以及与第k‑1次优化的评价指标差值e_k,i进行模糊逻辑控制，确定y_k,i的隶属度函数，采用分档次适配法，模糊子集为{NB,NM,NS,ZE,PS,PM,PB}，表示{负大，负中，负小，零，正小，正中，正大}，模糊论域为{y₁,y₂,y₃,y₄,y₅,y₆,y₇}，其中，ZE为三角形隶属度函数，NB,NM,NS,PS,PM,PB均为梯形隶属度函数；确定Δy_k,i的隶属度函数，模糊子集为{S,M,B}，表示{小，中，大}，论域为{Δy₁，Δy₂,Δy₃}；(2)模糊PD迭代学习公式定义为：$\begin{array}{c}{u}_{k+1,i}=f\left(\left\{u_{k,i}\right\},\left\{y_{k,i},y_{k-1,i}\right\}\right)+{\mathrm{\&omega;}}_{k,i}\\ =u_{k,i}+K_p\&times;e_{k,i}+K_d\&times;\left(e_{k,i}-e_{k-1,i}\right)+{\mathrm{\&omega;}}_{k,i}\\ =\max \left\{\min \left\{h\left(\left\{u_{k,i}\right\},\left\{y_{k,i},y_{k-1,i}\right\}\right),G_{\max }\right\},G_{\min }\right\}+{\mathrm{\&omega;}}_{k,i}\end{array},$设输入变量关系函数$h\left(\left\{u_{k,i}\right\},\left\{y_{k,i},y_{k-1,i}\right\}\right)=\left\{\begin{array}{cc}{u}_{k,i}+\left(u_{k,i}-G_{\min }\right)\&times;\mathrm{\&theta;},& \mathrm{\&theta;}\&lt;0\\ u_{k,i},& \mathrm{\&theta;}=0\\ u_{k,i}+\left(G_{\max }-u_{k,i}\right)\&times;\mathrm{\&theta;},& \mathrm{\&theta;}\&gt;0\end{array}\right.,$其中θ是绿灯时间变化率，θ∈[0,1]，G_min为最小绿灯时间,G_max为最大绿灯时间；(3)绿灯时间变化率θ的模糊规则表如下，其中，θ₁为绿灯增长速率，θ₂为绿灯衰减速率：表1 绿灯时间变化率θ的模糊规则表(4)迭代过程满足严格重复的初始重置条件，即x_k(0)＝u_k,0，其中x_k(0)为输入状态的初值，即初始信号配时下相位i绿灯时长u_k,0,y_k(0)为期望输出的初值，即初始信号配时下检测器输出的相位i实时交通流量与初始交叉口实时交通流量之和的比值，k代表迭代学习控制的迭代次数；(5)模糊PD迭代学习控制系统的控制对象为信号交叉口，控制输入为历史性能指标数据和历史绿灯时间数据，通过模糊PD迭代学习律，得到当前优化后的性能指标数据y_k,i，与期望输出的该相位实时交通状态参数进行对比，而模糊控制器是对二者的差值进行模糊控制，遵循上述过程中提到的模糊规则，进行模糊化和去模糊化过程，最终得到更新后的绿灯配时参数，作为下一次模糊迭代优化的输入；重复进行上述步骤，形成闭环控制系统；(6)每次迭代优化后，重复步骤1,2,3，由控制器执行信号配时参数，进而获取检测器的数据，根据计算得到的性能指标数据，判断与实时获取的交通流量的差值是否满足收敛条件若满足，则认为该信号配时达到最优收敛点，迭代过程结束；若没有，则要继续重复上述迭代优化过程，并将当前优化所得的绿灯时间数据和评价性能指标数据存储到信号控制器的后台数据处理系统。