一种全局交通流优化方法、装置、设备及存储介质与流程

1.本发明涉及智能交通技术领域，尤其涉及一种全局交通流优化方法、装置、设备及存储介质。

背景技术：

2.随着城市交通的快速建设与发展，早晚高峰期间城市居民的出行需求的不断增长逐渐超过一些主干道路的车辆承载量，长时间的车道拥堵增添了居民的出行负担，于是，如何对全局交通流进行优化成为目前亟需解决的问题。

技术实现要素：

3.有鉴于此，本发明提供了一种全局交通流优化方法、装置、设备及存储介质，用以对优化区域的全局交通流进行优化，其技术方案如下：
4.一种全局交通流优化方法，包括：
5.获取优化区域的拓扑路网图，其中，所述拓扑网图中包括用节点表示的交叉口，以及用节点之间的连线表示的路段，所述拓扑路网图中包括第一种路段、重要程度低于第一种路段的第二种路段以及重要程度低于第二种路段的第三种路段；
6.构建用于确定优化路段集中各路段的最优车流量的目标函数，其中，所述优化路段集中包括各第一种路段或者将各第一种路段串接起来的路段，以及各第二种路段；
7.将各第三种路段作为人为堵点路段，针对所述优化路段集中的各路段和各第三种路段构建约束条件；
8.结合所述约束条件对所述目标函数进行求解，得到所述优化路段集中各路段的最优车流量；
9.根据所述优化路段集中各路段的最优车流量，对所述优化区域的车流量进行调配。
10.可选的，所述构建用于确定优化路段集中各路段的最优车流量的目标函数，包括：
11.确定所述优化路段集中各路段分别对应的权重，其中，若所述优化路段集中包括各第一种路段，则每个第一种路段对应的权重大于各第二种路段分别对应的权重，若所述优化路段集中包括将各第一种路段串接起来的路段，则将各第一种路段串接起来的路段对应的权重大于各第二种路段分别对应的权重；
12.构建以所述优化路段集中各路段的车流量为自变量的目标函数，其中，所述目标函数为最小化所述优化路段集中各路段的加权延误时间之和，一路段的加权延误时间通过用该路段对应的权重对根据该路段的车流量确定的总体平均延误时间加权得到。
13.可选的，所述约束条件包括：
14.针对所述优化路段集中的每个路段：该路段的车流量小于或等于该路段能够承载的最大车流量；该路段的总体平均延误时间小于或等于该路段能够接受的最大延误时间；
15.针对每个第三种路段：该路段的车流量小于或等于该路段能够承载的最大车流
量；该路段的总体平均延误时间大于或等于该路段能够制造拥堵的最小延误时间；
16.所述优化路段集中各路段分别对应的权重的和为1；
17.所述优化路段集中各路段的车流量和各第三种路段的车流量之和小于或等于所述优化区域所能承载的最大车流量。
18.可选的，所述确定所述优化路段集中各路段分别对应的权重，包括：
19.针对所述优化路段集中的每个路段，获取该路段在高峰期的车流量数据，并根据该路段在高峰期的车流量数据，确定该路段的总体平均延误时间，以得到优化路段集中各路段的总体平均延误时间；
20.根据所述优化路段集中各路段的总体平均延误时间，确定所述优化路段集中各路段分别对应的权重。
21.可选的，所述根据所述优化路段集中各路段的总体平均延误时间，确定所述优化路段集中各路段分别对应的权重，包括：
22.以所述优化路段集中各路段的总体平均延误时间为依据，利用层次分析模型，生成所述优化路段集中各路段分别对应的权重；
23.以使所述优化路段集中每个第一路段对应的权重或者将各第一种路段串接起来的路段对应的权重大于所述优化路段集中各第二路段分别对应的权重为调整目标，对生成的权重进行调整，调整后得到所述优化路段集中各路段分别对应的最终权重。
24.可选的，所述根据该路段在高峰期的车流量数据，确定该路段的总体平均延误时间，包括：
25.根据该路段的车道在高峰期的车流量数据，确定该路段的车道的平均延误时间；
26.根据该路段的车道在高峰期的车流量数据以及该路段的车道的平均延误时间，确定该路段的总体平均延误时间。
27.可选的，所述根据所述优化路段集中各路段的最优车流量，对所述优化区域的流量进行调配，包括：
28.根据所述优化路段集中各路段的最优车流量，确定所述拓扑路网图中各交叉口的绿信比；
29.根据所述拓扑路网图中各交叉口的绿信比，控制所述优化区域各交叉口的交通信号灯，以对所述优化区域的车流量进行调配。
30.可选的，所述根据所述优化路段集中各路段的最优车流量，确定所述拓扑路网图中各交叉口的绿信比，包括：
31.针对所述拓扑路网图中的每个交叉口，以所述优化路段集中与该交叉口相关的各路段的最优车流量为预测依据，利用预先训练得到的绿信比预测模型，预测该交叉口的绿信比；
32.其中，所述绿信比预测模型采用多条训练车流量数据和所述多条训练车流量数据分别对应的绿信比训练得到，一条训练车流量数据为与一交叉口相关的各路段的历史车流量数据。
33.一种全局交通流优化装置，包括：拓扑路网图获取模块、目标函数构建模块、约束条件构建模块、最优车流量确定模块和车流量调配模块；
34.所述拓扑路网图获取模块，用于获取优化区域的拓扑路网图，其中，所述拓扑网图
中包括用节点表示的交叉口，以及用节点之间的连线表示的路段，所述拓扑路网图中包括第一种路段、重要程度低于第一种路段的第二种路段以及重要程度低于第二种路段的第三种路段；
35.所述目标函数构建模块，用于构建用于确定优化路段集中各路段的最优车流量的目标函数，其中，所述优化路段集中包括各第一种路段或者将各第一种路段串接起来的路段，以及各第二种路段；
36.所述约束条件构建模块，用于将各第三种路段作为人为堵点路段，针对所述优化路段集中的各路段和各第三种路段构建约束条件；
37.所述最优车流量确定模块，用于结合所述约束条件对所述目标函数进行求解，得到所述优化路段集中各路段的最优车流量；
38.所述车流量调配模块，用于根据所述优化路段集中各路段的最优车流量，对所述优化区域的车流量进行调配。
39.可选的，所述目标函数构建模块包括：权重确定子模块和目标函数构建子模块；
40.所述权重确定子模块，用于确定所述优化路段集中各路段分别对应的权重，其中，若所述优化路段集中包括各第一种路段，则每个第一种路段对应的权重大于各第二种路段分别对应的权重，若所述优化路段集中包括将各第一种路段串接起来的路段，则将各第一种路段串接起来的路段对应的权重大于各第二种路段分别对应的权重；
41.所述目标函数构建子模块，用于构建以所述优化路段集中各路段的车流量为自变量的目标函数，其中，所述目标函数为最小化所述优化路段集中各路段的加权延误时间之和，一路段的加权延误时间通过用该路段对应的权重对根据该路段的车流量确定的总体平均延误时间加权得到。
42.可选的，所述所述车流量调配模块包括：绿信比确定子模块和车流量调配子模块；
43.所述绿信比确定子模块，用于根据所述优化路段集中各路段的最优车流量，确定所述拓扑路网图中各交叉口的绿信比；
44.所述车流量调配子模块，用于根据所述拓扑路网图中各交叉口的绿信比，控制所述优化区域各交叉口的交通信号灯，以对所述优化区域的车流量进行调配。
45.一种全局交通流优化设备，包括：存储器和处理器；
46.所述存储器，用于存储程序；
47.所述处理器，用于执行所述程序，实现上述任一项所述的全局交通流优化方法的各个步骤。
48.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述任一项所述的全局交通流优化方法的各个步骤。
49.本发明提供的全局交通流优化方法、装置、设备及存储介质，首先获取优化区域的拓扑路网图(拓扑网图中包括第一种路段、重要程度低于第一种路段的第二种路段和重要程度低于第二种路段的第三种路段)，然后构建用于确定优化路段集(优化路段集中包括各第一种路段或者将各第一种路段串接起来的路段，以及各第二种路段)中各路段的最优车流量的目标函数，接着将各第三种路段作为人为堵点路段，针对优化路段集中的各路段和各第三种路段构建约束条件，然后结合约束条件对目标函数进行求解，得到优化路段集中各路段的最优车流量，最后根据优化路段集中各路段的最优车流量，对优化区域的车流量
进行调配，以实现对优化区域的全局交通流的优化。本发明提供的全局交通流优化方法，针对优化区域可确定出最优的车流量配置方案，根据最优的车流量配置方案对优化区域的车流量进行调配，能够最大化优化区域中较为重要路段的通畅，本发明提供的全局交通流优化方法具有较好的优化效果。
附图说明
50.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
51.图1为本发明实施例提供的全局交通流优化方法的流程示意图；
52.图2为本发明实施例提供的一区域的拓扑路网图的示例；
53.图3为本发明实施例提供的构建用于确定优化路段集中各路段的最优车流量的目标函数的流程示意图；
54.图4为本发明实施例提供的根据优化路段集中各路段的最优车流量，对优化区域的车流量进行调配的流程示意图；
55.图5为本发明实施例提供的交叉口的示例；
56.图6为本发明实施例提供的信号灯配时方案的一示例；
57.图7为本发明实施例提供的全局交通流优化装置的结构示意图；
58.图8为本发明实施例提供的全局交通流优化设备的结构示意图。
具体实施方式
59.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。根据本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
60.为了实现对优化区域的全局交通流进行优化，本案发明人进行了研究，起初的思路是：构建混合整数线性规划模型，根据构建的模型确定全局交通流优化方案，根据全局交通流优化方案对优化区域的全局交通流进行优化。
61.其中，构建的模型包括目标函数和约束条件，目标函数以交叉口通行能力最大化为目标，约束条件主要包括车道渠化、流量分配和信号配时等方面的相关约束，车道渠化约束主要引入二进制变量，表示进口方向是否允许交通流，其次约束同一进口方向不同转向车流的内部冲突，流量分配约束主要保证多个许可车道的交通流服从排队理论，即饱和度相等，信号配时约束约束每个绿灯时长的取值范围，且需要保证冲突交通流通过信号相序分离。
62.本案发明人对上述的全局交通流优化方法进行研究发现，上述方法存在诸多缺陷，比如，约束条件的设置中缺少最小值约束的精确定义，导致对应解的求解范围不够精确，对于关键路段的优化程度不够等等，诸多缺陷导致上述的全局交通流优化方法效果不佳。鉴于上述的全局交通流优化方法效果不佳，本案发明人继续进行研究，通过不断研究，
最终提出了一种效果较好的全局交通流优化方法。
63.本发明提供的全局交通流优化方法可应用于具有数据处理能力的电子设备，该电子设备可以为用户侧使用的终端，比如智能手机、pc、笔记本电脑、平板电脑、掌上电脑等，电子设备也可以为服务器，服务器可以是一台服务器，也可以是由多台服务器组成的服务器集，或者是一个云计算服务器中心，服务器可以包括处理器、存储器以及网络接口等，上述的终端或服务器可按本发明提供的全局交通流优化方法对优化区域的全局交通流进行优化。
64.本领域技术人员应能理解，上述终端和服务器仅为举例，其它现有的或今后可能出现的终端或服务器如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。
65.接下来通过下述实施例对本发明提供的全局交通流优化方法进行介绍。
66.请参阅图1，示出了本发明实施例提供的全局交通流优化方法的流程示意图，可以包括：
67.步骤s101：获取优化区域的拓扑路网图。
68.其中，拓扑网图中包括用节点表示的交叉口，以及用节点之间的连线表示的路段。
69.其中，拓扑路网图中包括第一种路段、第二种路段和第三种路段，第二种路段的重要程度低于第一种路段，第三种路段的重要程度低于第二种路段，即，第一种路段的重要程度最高，其为需要重点关注的路段，第二路段的重要程度次之，其为一般路段，第三种路段的重要程度最低。需要说明的是，对优化区域交通影响越大的路段重要程度越高。
70.可选的，在获取优化区域的拓扑路网图时，可采用对偶法中的交叉口连续性判断法(icn)呈现城市道路网络拓扑结构，然后选定交叉口为节点，根据交叉口间路段的方向在选定的节点间连线，从而得到拓扑路网图。请参阅图2，示出了一区域的拓扑路网图的示例。
71.步骤s102：构建用于确定优化路段集中各路段的最优车流量的目标函数。
72.在一种可能的实现方式中，优化路段集中包括各第一种路段和各第二种路段。
73.在另一种可能的实现方式中，优化路段集中包括将各第一种路段串接起来的路段，以及各第二种路段。为了能够对各第一种路段的车流量进行统一调配，可将拓扑路网图中的各第一种路段串接成联通连续的路段。
74.需要说明的是，在将拓扑路网图中的各第一种路段串接成联通连续的路段时，将拓扑路网图中的各第三种路段作为禁行路段，即只利用第二种路段实现各第一种路段的串接。
75.另外需要说明的是，在将各第一种路段串接成联通连续的路段时，需要考虑车流方向，在考虑车流方向的前提下，若无法将各第一种路段串接成一条联通连续的路段，则可将各第一种路段串接成多条联通连续的路段。
76.可选的，利用遗传算法将拓扑路网图中的各第一种路段串接成联通连续的路段。遗传算法是以自然遗传机制和自然选择等生物进化理论为基础，构造的一类随机化搜索算法，其利用选择、交叉和变异等遗传操作来培养控制机构的计算过程，在某种程度上对生物进化过程做数学方式的模拟，其特点为对参数的编码进行操作而不是参数本身，同时，作为并行算法，在某种程度上适用于全局搜索并且由于用的是随机搜索过程，对于待优函数基本上没有任何要求，只需要利用适应度信息。在利用遗传算法进行路段串接时，可利用遗传
算法寻连接各个第一路段的最短有向路径，以形成连贯的路段。
77.本发明在构建目标函数，只考虑优化路段集中的路段，不考虑第三种路段，即，仅将优化路段集中的路段作为优化路段进行目标函数的构建。
78.步骤s103：将各第三种路段作为人为堵点路段，针对优化路段集中的各路段和各第三种路段构建约束条件。
79.本发明在构建目标函数时，只考虑优化路段集中的路段，但在针对目标函数构建约束条件时，会考虑第三种路段，即，在针对目标函数构建约束条件时，除了考虑优化路段集中的路段外，还会将各第三种路段作为人为堵点路段进行考虑，针对优化路段集中的各路段和各第三种路段构建约束条件。
80.在约束条件中引入人为堵点路段的目的在于，控制一些路段使其比重要路段相对拥堵，从而最大化重要路段的通畅。
81.步骤s104：结合约束条件对目标函数进行求解，得到优化路段集中各路段的最优车流量。
82.结合约束条件求得使目标函数的值最小时各路段的车流量，即优化路段集中各路段的最优车流量，优化路段集中各路段的最优车流量即为指定区域的最优车流量配置。
83.步骤s105：根据优化路段集中各路段的最优车流量，对优化区域的车流量进行调配。
84.对优化区域的车流量进行调配，使优化路段集中各路段的车流量为最优车流量。
85.本发明实施例提供的全局交通流优化方法，首先获取优化区域的拓扑路网图，然后构建用于确定优化路段集(优化路段集中包括拓扑网图中各第一种路段或者将各第一种路段串接起来的路段，以及各第二种路段)中各路段的最优车流量的目标函数，接着将各第三种路段作为人为堵点路段，针对优化路段集中的各路段和各第三种路段构建约束条件，然后结合约束条件对目标函数进行求解，得到优化路段集中各路段的最优车流量，最后根据优化路段集中各路段的最优车流量，对优化区域的车流量进行调配，以实现对优化区域的全局交通流的优化。本发明实施例提供的全局交通流优化方法，针对优化区域可确定出最优的车流量配置方案，根据最优的车流量配置方案对优化区域的车流量进行调配，能够最大化优化区域中较为重要路段的通畅，本发明提供的全局交通流优化方法具有较好的优化效果。
86.在本发明的另一实施例中，对上述实施例中的“步骤s102：构建用于确定优化路段集中各路段的最优车流量的目标函数”以及“步骤s103：将各第三种路段作为人为堵点路段，针对优化路段集中的各路段和各第三种路段构建约束条件”的具体实现过程进行介绍。
87.请参阅图3，示出了构建用于确定优化路段集中各路段的最优车流量的目标函数的流程示意图，可以包括：
88.步骤s301：确定优化路段集中各路段分别对应的权重。
89.其中，若优化路段集包括各第一种路段和各第二种路段，则每个第一种路段对应的权重大于各第二种路段分别对应的权重，若优化路段集包括将各第一种路段串接起来的路段和各第二种路段，则将各第一种路段串接起来的路段对应的权重大于各第二种路段对应的权重。
90.具体的，确定优化路段集中各路段分别对应的权重的过程可以包括：
91.步骤a1、针对优化路段集中的每个路段，获取该路段在高峰期的车流量数据，并根据该路段在高峰期的车流量数据，确定该路段的总体平均延误时间，以得到优化路段集中各路段的总体平均延误时间。
92.其中，根据该路段在高峰期的车流量数据，确定该路段的总体平均延误时间的过程可以包括：根据该路段的车道在高峰期的车流量数据，确定该路段的车道的平均延误时间；根据该路段的车道在高峰期的车流量数据和该路段的车道的平均延误时间，确定该路段的总体平均延误时间。
93.可选的，优化路段集中第r个路段的第i个车道的平均延误时间可通过下式计算得到：
[0094][0095]
其中，c表示统计车流量周期时长，b表示分析时长，g
ir
表示优化路段集中第r个路段的第i个车道的有效绿灯时间，y
ir
表示优化路段集中第r个路段的第i个车道的流量比，s
ir
表示优化路段集中第r个路段的第i个车道的饱和流量。
[0096]
优化路段集中第r个路段的总体平均延误时间dr可通过下式计算得到：
[0097][0098]
其中，q
ir
表示优化路段集中第r个路段的第i个车道的车流量。q
ir
以及上述的y
ir
、s
ir
、g
ir
等数据可从交管部门的系统获得。
[0099]
步骤a2、根据优化路段集中各路段的总体平均延误时间，确定优化路段集中各路段分别对应的权重。
[0100]
可选的，根据优化路段集中各路段的总体平均延误时间，确定优化路段集中各路段分别对应的权重的过程可以包括：
[0101]
步骤a21、以优化路段集中各路段的总体平均延误时间为依据，利用层次分析模型，生成优化路段集中各路段分别对应的权重。
[0102]
本发明可将层次分析法应用于优化路段集中各路段分别对应的权重的确定。层次分析法的基本思路是将所要分析的问题层次化，根据问题的性质和所要达成的总目标，将问题分解为不同的组成因素，并按照这些因素的关联影响及其隶属关系，将因素按不同层次凝聚组合，形成一个多层次分析结构模型，对问题进行优劣比较并排列。层次分析法中构造判断矩阵的方法是一致矩阵法，即不把所有因素放在一起比较，而是两两相互比较，对此采用相对尺度，以尽可能减少性质不同因素相互比较的困难。
[0103]
步骤a22、以使优化路段集中每个第一路段对应的权重或者将各第一种路段串接起来的路段对应的权重大于优化路段集中各第二路段分别对应的权重为调整目标，对生成的权重进行调整，调整后得到优化路段集中各路段分别对应的最终权重。
[0104]
鉴于第一种路段的重要程度高于第二种路段，本发明通过使每个第一路段对应的权重或者将各第一种路段串接起来的路段对应的权重大于各第二路段分别对应的权重，加大对更为重要的路段的优化程度。
[0105]
步骤s302：构建以优化路段集中各路段的车流量为自变量的目标函数。
[0106]
其中，目标函数为最小化优化路段集中各路段的加权延误时间之和，一路段的加权延误时间通过用该路段对应的权重对根据该路段的车流量确定的总体平均延误时间加权得到，目标函数可表示为：
[0107][0108]
其中，第一路段子集中包括各第一种路段，或者，包括将各第一种路段串接起来的路段，表示第一路段子集中第k个路段的第j个车道的平均延误时间，q
mjk
表示第一路段子集中第k个路段的第j个车道的车流量，表示第一路段子集中第k个路段的总体平均延误时间，w
mk
表示第一路段子集中第k个路段对应的权重，第二路段子集中包括各第二路段，表示第二路段子集中第k个路段的第j个车道的平均延误时间，q
njk
表示第二路段子集中第k个路段的第j个车道的车流量，表示第二路段子集中第k个路段的总体平均延误时间，w
nk
表示第二路段子集中第k个路段对应的权重。
[0109]
在构建出目标函数后，将各第三种路段作为人为堵点路段，针对优化路段集中的各路段和各第三种路段构建约束条件。
[0110]
具体的，针对优化路段集中的各路段和各第三种路段构建的约束条件包括：(1)针对优化路段集中的每个路段：该路段的车流量小于或等于该路段能够承载的最大车流量；该路段的总体平均延误时间小于或等于该路段能够接受的最大延误时间；(2)针对每个第三种路段：该路段的车流量小于或等于该路段能够承载的最大车流量；该路段的总体平均延误时间大于或等于该路段能够制造拥堵的最小延误时间；(3)优化路段集中各路段分别对应的权重的和为1；(4)优化路段集中各路段的车流量和各第三种路段的车流量之和小于或等于优化区域所能承载的最大车流量。
[0111]
针对优化路段集中的各路段和各第三种路段构建的约束条件可表示为：
[0112][0113]
上式(4)中的qm表示第一路段子集(包括各第一种路段，或者，将各第一种路段串接起来的路段)中路段的车流量，q
mmax
表示第一路段子集中的路段能够承载的最大车流量，上式(4)表示第一路段子集中每个路段的车流量不超过该路段能够承载的最大车流量。
[0114]
上式(5)中的qn表示第二路段子集(包括各第二种路段)中路段的车流量，q
nmax
表示第二路段子集中的路段能够承载的最大车流量，上式(5)表示第一路段子集中每个路段的车流量不超过该路段能够承载的最大车流量。
[0115]
上式(6)中的q
l
表示人为堵点路段集(包括各第三种路段)中路段的车流量，q
lmax
表示人为堵点路段集中的路段能够承载的最大车流量，上式(6)表示人为堵点路段集中每个路段的车流量不超过该路段能够承载的最大车流量。
[0116]
上式(7)中的表示第一路段子集中路段的总体平均延误时间，a表示第一路段子集中的路段能够接受的最大延误时间，上式(7)表示第一路段子集中路段的总体平均延误时间的范围，即第一路段子集中每个路段的总体平均延误时间不超过该路段能够接受的最大延误时间。
[0117]
上式(8)中的表示第二路段子集中路段的总体平均延误时间，b表示第二路段子集中的路段能够接受的最大延误时间，上式(8)表示第二路段子集中路段的总体平均延误时间的范围，即第二路段子集中每个路段的总体平均延误时间不超过该路段能够接受的最大延误时间。
[0118]
上式(9)中的表示人为堵点路段集中路段的总体平均延误时间，c表示人为堵点路段集中路段能够制造拥堵的最小延误时间，上式(9)表示人为堵点路段集中路段的总体平均延误时间的范围，即人为堵点路段集中每个路段的总体平均延误时间不小于该路段能够制造拥堵的最小延误时间。
[0119]
上式(10)中的wm表示第一路段子集中路段对应的权重，wn表示第二路段子集中路段对应的权重，上式(10)表示第一路段子集中各路段分别对应的权重与第二路段子集中各路段分别对应的权重的和为1。
[0120]
上式(11)中的q表示优化区域能够承载的最大车流量，上式(11)表示第一路段子集中各路段的车流量、第二路段子集中各路段的车流量、人为堵点路段集中各路段的车流量之和不超过优化区域能够承载的最大车流量。
[0121]
在本发明的另一实施例中，对上述实施例中的“步骤s105：根据优化路段集中各路段的最优车流量，对优化区域的车流量进行调配”的具体实现过程进行介绍。
[0122]
请参阅图4，示出了根据优化路段集中各路段的最优车流量，对优化区域的车流量进行调配的流程示意图，可以包括：
[0123]
步骤s401：根据优化路段集中各路段的最优车流量，确定拓扑路网图中各交叉口的绿信比。
[0124]
绿信比是指一个交通信号灯配时周期内各相位的有效绿灯时间与周期的比值，若用λ表示绿信比，则：
[0125][0126]
其中，ge为有效绿灯时间，c为信号灯周期。
[0127]
上式中，0《λ《1，如果信号灯周期c确定，通过绿信比可以计算出各个相位的有效绿灯时间。
[0128]
可选的，根据优化路段集中各路段的最优车流量，确定拓扑路网图中各交叉口的绿信比的过程可以包括：针对拓扑路网图中的每个交叉口，以优化路段集中与该交叉口相关的各路段的最优车流量为预测依据，利用预先训练得到的绿信比预测模型，预测该交叉口的绿信比。
[0129]
其中，绿信比预测模型采用多条训练车流量数据和多条训练车流量数据分别对应的绿信比训练得到，一条训练车流量数据为与一交叉口相关的各路段的历史车流量数据。在训练绿信比预测模型时，以使根据训练车流量数据预测的绿信比与训练车流量数据对应的绿信比趋于一致为目标进行训练。
[0130]
可选的，绿信比预测模型可以采用神经网络模型，神经网络模型是一种计算模型，由大量的节点(或神经元)直接相互关联而构成，其每个节点(除输入节点外)代表一种特定的输出函数(或者认为是运算)，称为激励函数，每两个节点的连接都代表该信号在传输中所占的比重(即认为该节点的“记忆值”被传递下去的比重)，称为权重，网络的输出由于激励函数和权重的不同而不同，是对于某种函数的逼近或是对映射关系的近似描述。
[0131]
步骤s402：根据拓扑路网图中各交叉口的绿信比，控制优化区域各交叉口的交通信号灯，以对优化区域的车流量进行调配。
[0132]
在确定出交叉口的绿信比后，可根据确定出的绿信比确定优化区域中交叉口的信号灯配时方案，进而可根据信号灯配时方案控制交叉口的交通信号灯，以控制交叉口的平均延误时间，使其满足根据目标函数求得的最优车流量，从而实现对优化区域车流量的调配，即优化区域全局交通流的优化。请参阅图6，示出了信号灯配时方案的一示例，其为图5示出的交叉口的信号灯配时方案，图6中的g表示绿灯时间，a表示黄灯时间，图6中的相位表示路段，即图中的4个相位表示交叉口的四个路段。
[0133]
可选的，除了可根据信号灯配时方案控制交叉口的交通信号灯来实现对优化区域的车流量进行调配外，还可基于确定出的各路段的最优车流量在地图app中推送道路引导信息，将信息推送与信号灯配时相结合，以使指定区域的车流量配置尽可能达到最优车流量配置。
[0134]
本发明实施例还提供了一种全局交通流优化装置，下面对本发明实施例提供的全局交通流优化装置进行描述，下文描述的全局交通流优化装置与上文描述的全局交通流优化方法可相互对应参照。
[0135]
请参阅图7，示出了本发明实施例提供的全局交通流优化装置的结构示意图，该全局交通流优化装置可以包括：拓扑路网图获取模块701、目标函数构建模块702、约束条件构建模块703、最优车流量确定模块704和车流量调配模块705。
[0136]
拓扑路网图获取模块701，用于获取优化区域的拓扑路网图。
[0137]
其中，所述拓扑网图中包括用节点表示的交叉口，以及用节点之间的连线表示的路段，所述拓扑路网图中包括第一种路段、重要程度低于第一种路段的第二种路段以及重要程度低于第二种路段的第三种路段；
[0138]
目标函数构建模块702，用于构建用于确定优化路段集中各路段的最优车流量的目标函数。
[0139]
其中，所述优化路段集中包括各第一种路段或者将各第一种路段串接起来的路段，以及各第二种路段。
[0140]
约束条件构建模块703，用于将各第三种路段作为人为堵点路段，针对所述优化路段集中的各路段和各第三种路段构建约束条件。
[0141]
最优车流量确定模块704，用于结合所述约束条件对所述目标函数进行求解，得到所述优化路段集中各路段的最优车流量。
[0142]
车流量调配模块705，用于根据所述优化路段集中各路段的最优车流量，对所述优化区域的车流量进行调配。
[0143]
可选的，目标函数构建模块702可以包括：权重确定子模块和目标函数构建子模块。
[0144]
所述权重确定子模块，用于确定所述优化路段集中各路段分别对应的权重。
[0145]
其中，若所述优化路段集中包括各第一种路段，则每个第一种路段对应的权重大于各第二种路段分别对应的权重，若所述优化路段集中包括将各第一种路段串接起来的路段，则将各第一种路段串接起来的路段对应的权重大于各第二种路段分别对应的权重；
[0146]
所述目标函数构建子模块，用于构建以所述优化路段集中各路段的车流量为自变量的目标函数。
[0147]
其中，所述目标函数为最小化所述优化路段集中各路段的加权延误时间之和，一
路段的加权延误时间通过用该路段对应的权重对根据该路段的车流量确定的总体平均延误时间加权得到。
[0148]
可选的，约束条件构建模块703，用于将各第三种路段作为人为堵点路段，针对所述优化路段集中的各路段和各第三种路段构建的约束条件包括：
[0149]
针对所述优化路段集中的每个路段：该路段的车流量小于或等于该路段能够承载的最大车流量；该路段的总体平均延误时间小于或等于该路段能够接受的最大延误时间；
[0150]
针对每个第三种路段：该路段的车流量小于或等于该路段能够承载的最大车流量；该路段的总体平均延误时间大于或等于该路段能够制造拥堵的最小延误时间；
[0151]
所述优化路段集中各路段分别对应的权重的和为1；
[0152]
所述优化路段集中各路段的车流量和各第三种路段的车流量之和小于或等于所述优化区域所能承载的最大车流量。
[0153]
可选的，所述权重确定子模块在确定所述优化路段集中各路段分别对应的权重时，具体用于：
[0154]
针对所述优化路段集中的每个路段，获取该路段在高峰期的车流量数据，并根据该路段在高峰期的车流量数据，确定该路段的总体平均延误时间，以得到优化路段集中各路段的总体平均延误时间；
[0155]
根据所述优化路段集中各路段的总体平均延误时间，确定所述优化路段集中各路段分别对应的权重。
[0156]
可选的，所述权重确定子模块在根据所述优化路段集中各路段的总体平均延误时间，确定所述优化路段集中各路段分别对应的权重时，具体用于：
[0157]
以所述优化路段集中各路段的总体平均延误时间为依据，利用层次分析模型，生成所述优化路段集中各路段分别对应的权重；
[0158]
以使所述优化路段集中每个第一路段对应的权重或者将各第一种路段串接起来的路段对应的权重大于所述优化路段集中各第二路段分别对应的权重为调整目标，对生成的权重进行调整，调整后得到所述优化路段集中各路段分别对应的最终权重。
[0159]
可选的所述权重确定子模块在根据该路段在高峰期的车流量数据，确定该路段的总体平均延误时间时，具体用于：
[0160]
根据该路段的车道在高峰期的车流量数据，确定该路段的车道的平均延误时间；
[0161]
根据该路段的车道在高峰期的车流量数据以及该路段的车道的平均延误时间，确定该路段的总体平均延误时间。
[0162]
可选的，车流量调配模块705可以包括：绿信比确定子模块和车流量调配子模块。
[0163]
所述绿信比确定子模块，用于根据所述优化路段集中各路段的最优车流量，确定所述拓扑路网图中各交叉口的绿信比。
[0164]
所述车流量调配子模块，用于根据所述拓扑路网图中各交叉口的绿信比，控制所述优化区域各交叉口的交通信号灯，以对所述优化区域的车流量进行调配。
[0165]
可选的，所述绿信比确定子模块在根据所述优化路段集中各路段的最优车流量，确定所述拓扑路网图中各交叉口的绿信比时，具体用于：
[0166]
针对所述拓扑路网图中的每个交叉口，以所述优化路段集中与该交叉口相关的各路段的最优车流量为预测依据，利用预先训练得到的绿信比预测模型，预测该交叉口的绿
信比；
[0167]
其中，所述绿信比预测模型采用多条训练车流量数据和所述多条训练车流量数据分别对应的绿信比训练得到，一条训练车流量数据为与一交叉口相关的各路段的历史车流量数据。
[0168]
本发明实施例提供的全局交通流优化装置，首先获取优化区域的拓扑路网图，然后构建用于确定优化路段集(优化路段集中包括拓扑网图中各第一种路段或者将各第一种路段串接起来的路段，以及各第二种路段)中各路段的最优车流量的目标函数，接着将各第三种路段作为人为堵点路段，针对优化路段集中的各路段和各第三种路段构建约束条件，然后结合约束条件对目标函数进行求解，得到优化路段集中各路段的最优车流量，最后根据优化路段集中各路段的最优车流量，对优化区域的车流量进行调配，以实现对优化区域的全局交通流的优化。本发明实施例提供的全局交通流优化装置，针对优化区域可确定出最优的车流量配置方案，根据最优的车流量配置方案对优化区域的车流量进行调配，能够最大化优化区域中较为重要路段的通畅，本发明提供的全局交通流优化装置具有较好的优化效果。
[0169]
本发明实施例还提供了一种全局交通流优化设备，请参阅图8，示出了该全局交通流优化设备的结构示意图，该全局交通流优化设备可以包括：处理器801、通信接口802、存储器803和通信总线804；
[0170]
在本发明实施例中，处理器801、通信接口802、存储器803、通信总线808的数量为至少一个，且处理器801、通信接口802、存储器803通过通信总线804完成相互间的通信；
[0171]
处理器801可能是一个中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
[0172]
存储器803可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器；
[0173]
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
[0174]
获取优化区域的拓扑路网图，其中，所述拓扑网图中包括用节点表示的交叉口，以及用节点之间的连线表示的路段，所述拓扑路网图中包括第一种路段、重要程度低于第一种路段的第二种路段以及重要程度低于第二种路段的第三种路段；
[0175]
构建用于确定优化路段集中各路段的最优车流量的目标函数，其中，所述优化路段集中包括各第一种路段或者将各第一种路段串接起来的路段，以及各第二种路段；
[0176]
将各第三种路段作为人为堵点路段，针对所述优化路段集中的各路段和各第三种路段构建约束条件；
[0177]
结合所述约束条件对所述目标函数进行求解，得到所述优化路段集中各路段的最优车流量；
[0178]
根据所述优化路段集中各路段的最优车流量，对所述优化区域的车流量进行调配。
[0179]
可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0180]
本发明实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：
[0181]
获取优化区域的拓扑路网图，其中，所述拓扑网图中包括用节点表示的交叉口，以及用节点之间的连线表示的路段，所述拓扑路网图中包括第一种路段、重要程度低于第一种路段的第二种路段以及重要程度低于第二种路段的第三种路段；
[0182]
构建用于确定优化路段集中各路段的最优车流量的目标函数，其中，所述优化路段集中包括各第一种路段或者将各第一种路段串接起来的路段，以及各第二种路段；
[0183]
将各第三种路段作为人为堵点路段，针对所述优化路段集中的各路段和各第三种路段构建约束条件；
[0184]
结合所述约束条件对所述目标函数进行求解，得到所述优化路段集中各路段的最优车流量；
[0185]
根据所述优化路段集中各路段的最优车流量，对所述优化区域的车流量进行调配。
[0186]
可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0187]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0188]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0189]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：

1.一种全局交通流优化方法，其特征在于，包括：获取优化区域的拓扑路网图，其中，所述拓扑网图中包括用节点表示的交叉口，以及用节点之间的连线表示的路段，所述拓扑路网图中包括第一种路段、重要程度低于第一种路段的第二种路段以及重要程度低于第二种路段的第三种路段；构建用于确定优化路段集中各路段的最优车流量的目标函数，其中，所述优化路段集中包括各第一种路段或者将各第一种路段串接起来的路段，以及各第二种路段；将各第三种路段作为人为堵点路段，针对所述优化路段集中的各路段和各第三种路段构建约束条件；结合所述约束条件对所述目标函数进行求解，得到所述优化路段集中各路段的最优车流量；根据所述优化路段集中各路段的最优车流量，对所述优化区域的车流量进行调配。2.根据权利要求1所述的全局交通流优化方法，其特征在于，所述构建用于确定优化路段集中各路段的最优车流量的目标函数，包括：确定所述优化路段集中各路段分别对应的权重，其中，若所述优化路段集中包括各第一种路段，则每个第一种路段对应的权重大于各第二种路段分别对应的权重，若所述优化路段集中包括将各第一种路段串接起来的路段，则将各第一种路段串接起来的路段对应的权重大于各第二种路段分别对应的权重；构建以所述优化路段集中各路段的车流量为自变量的目标函数，其中，所述目标函数为最小化所述优化路段集中各路段的加权延误时间之和，一路段的加权延误时间通过用该路段对应的权重对根据该路段的车流量确定的总体平均延误时间加权得到。3.根据权利要求1所述的全局交通流优化方法，其特征在于，所述约束条件包括：针对所述优化路段集中的每个路段：该路段的车流量小于或等于该路段能够承载的最大车流量；该路段的总体平均延误时间小于或等于该路段能够接受的最大延误时间；针对每个第三种路段：该路段的车流量小于或等于该路段能够承载的最大车流量；该路段的总体平均延误时间大于或等于该路段能够制造拥堵的最小延误时间；所述优化路段集中各路段分别对应的权重的和为1；所述优化路段集中各路段的车流量和各第三种路段的车流量之和小于或等于所述优化区域所能承载的最大车流量。4.根据权利要求2所述的全局交通流优化方法，其特征在于，所述确定所述优化路段集中各路段分别对应的权重，包括：针对所述优化路段集中的每个路段，获取该路段在高峰期的车流量数据，并根据该路段在高峰期的车流量数据，确定该路段的总体平均延误时间，以得到优化路段集中各路段的总体平均延误时间；根据所述优化路段集中各路段的总体平均延误时间，确定所述优化路段集中各路段分别对应的权重。5.根据权利要求4所述的全局交通流优化方法，其特征在于，所述根据所述优化路段集中各路段的总体平均延误时间，确定所述优化路段集中各路段分别对应的权重，包括：以所述优化路段集中各路段的总体平均延误时间为依据，利用层次分析模型，生成所述优化路段集中各路段分别对应的权重；
以使所述优化路段集中每个第一路段对应的权重或者将各第一种路段串接起来的路段对应的权重大于所述优化路段集中各第二路段分别对应的权重为调整目标，对生成的权重进行调整，调整后得到所述优化路段集中各路段分别对应的最终权重。6.根据权利要求4所述的全局交通流优化方法，其特征在于，所述根据该路段在高峰期的车流量数据，确定该路段的总体平均延误时间，包括：根据该路段的车道在高峰期的车流量数据，确定该路段的车道的平均延误时间；根据该路段的车道在高峰期的车流量数据以及该路段的车道的平均延误时间，确定该路段的总体平均延误时间。7.根据权利要求1～6中任一项所述的全局交通流优化方法，其特征在于，所述根据所述优化路段集中各路段的最优车流量，对所述优化区域的流量进行调配，包括：根据所述优化路段集中各路段的最优车流量，确定所述拓扑路网图中各交叉口的绿信比；根据所述拓扑路网图中各交叉口的绿信比，控制所述优化区域各交叉口的交通信号灯，以对所述优化区域的车流量进行调配。8.根据权利要求7所述的全局交通流优化方法，其特征在于，所述根据所述优化路段集中各路段的最优车流量，确定所述拓扑路网图中各交叉口的绿信比，包括：针对所述拓扑路网图中的每个交叉口，以所述优化路段集中与该交叉口相关的各路段的最优车流量为预测依据，利用预先训练得到的绿信比预测模型，预测该交叉口的绿信比；其中，所述绿信比预测模型采用多条训练车流量数据和所述多条训练车流量数据分别对应的绿信比训练得到，一条训练车流量数据为与一交叉口相关的各路段的历史车流量数据。9.一种全局交通流优化装置，其特征在于，包括：拓扑路网图获取模块、目标函数构建模块、约束条件构建模块、最优车流量确定模块和车流量调配模块；所述拓扑路网图获取模块，用于获取优化区域的拓扑路网图，其中，所述拓扑网图中包括用节点表示的交叉口，以及用节点之间的连线表示的路段，所述拓扑路网图中包括第一种路段、重要程度低于第一种路段的第二种路段以及重要程度低于第二种路段的第三种路段；所述目标函数构建模块，用于构建用于确定优化路段集中各路段的最优车流量的目标函数，其中，所述优化路段集中包括各第一种路段或者将各第一种路段串接起来的路段，以及各第二种路段；所述约束条件构建模块，用于将各第三种路段作为人为堵点路段，针对所述优化路段集中的各路段和各第三种路段构建约束条件；所述最优车流量确定模块，用于结合所述约束条件对所述目标函数进行求解，得到所述优化路段集中各路段的最优车流量；所述车流量调配模块，用于根据所述优化路段集中各路段的最优车流量，对所述优化区域的车流量进行调配。10.根据权利要求9所述的全局交通流优化装置，其特征在于，所述目标函数构建模块包括：权重确定子模块和目标函数构建子模块；所述权重确定子模块，用于确定所述优化路段集中各路段分别对应的权重，其中，若所
述优化路段集中包括各第一种路段，则每个第一种路段对应的权重大于各第二种路段分别对应的权重，若所述优化路段集中包括将各第一种路段串接起来的路段，则将各第一种路段串接起来的路段对应的权重大于各第二种路段分别对应的权重；所述目标函数构建子模块，用于构建以所述优化路段集中各路段的车流量为自变量的目标函数，其中，所述目标函数为最小化所述优化路段集中各路段的加权延误时间之和，一路段的加权延误时间通过用该路段对应的权重对根据该路段的车流量确定的总体平均延误时间加权得到。11.根据权利要求9所述的全局交通流优化装置，其特征在于，所述所述车流量调配模块包括：绿信比确定子模块和车流量调配子模块；所述绿信比确定子模块，用于根据所述优化路段集中各路段的最优车流量，确定所述拓扑路网图中各交叉口的绿信比；所述车流量调配子模块，用于根据所述拓扑路网图中各交叉口的绿信比，控制所述优化区域各交叉口的交通信号灯，以对所述优化区域的车流量进行调配。12.一种全局交通流优化设备，其特征在于，包括：存储器和处理器；所述存储器，用于存储程序；所述处理器，用于执行所述程序，实现如权利要求1～8中任一项所述的全局交通流优化方法的各个步骤。13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1～8中任一项所述的全局交通流优化方法的各个步骤。

技术总结

本发明提供了一种全局交通流优化方法、装置、设备及存储介质，方法包括：获取优化区域的拓扑路网图，拓扑路网图中包括第一种路段、重要程度低于第一种路段的第二种路段和重要程度低于第二种路段的第三种路段；构建用于确定优化路段集中各路段的最优车流量的目标函数，优化路段集中包括各第一种路段或者将各第一种路段串接起来的路段，以及各第二种路段；将各第三种路段作为人为堵点路段，针对优化路段集中的各路段和各第三种路段构建约束条件；结合约束条件对目标函数进行求解，得到优化路段集中各路段的最优车流量；根据优化路段集中各路段的最优车流量，对优化区域的车流量进行调配。本发明提供的全局交通流优化方法具有较好的优化效果。的优化效果。的优化效果。