一种自适应交通信号控制方法

1.本发明涉及人工智能、数学优化、交通工程领域，更具体地说，它涉及一种自适应交通信号控制方法。

背景技术：

2.随着城市的不断发展，人们出行的交通需求量日益增加，尤其早晚高峰期时，车流量的急剧增加给交通系统的运行带来很大负担。导致车辆延误增加、出行不便等现象的出现。提高交通效率，缓解交通拥堵是当务之急。由于交叉路口是城市交通网络中的关键节点，对交叉路口交通流进行合理的疏导和控制是有效提高城市交通效率的重要途径。交通信号控制(traffic signal control，简称tsc)交叉路口的交通流是目前交叉路口交通控制的主要方法，主要包括信号相位和时间调整。信号相位方案是交叉口信号控制的结构框架，既决定交叉口内交通流的运行秩序，同时也对交叉口的通行效率起决定性作用；信号配时是对交叉口通行权分配给予更加精细化的设计，对于交叉口的通行效率甚至整个路网的通行状态都发挥着重要作用。
3.目前交通信号控制方法主要分为基于传统和基于强化学习两种方式。传统方法严重依赖于专家设计的交通信号方案，如果没有专家的先验知识，这些传统的方法无法轻易适应复杂的动态交通流。基于强化学习的控制方式可以根据来自实验环境的反馈直接学习和调整策略，表现出了优于传统方法的性能。该方法将每个交集建模为一个代理。代理观察其交通状态(例如，车辆数量)，并根据选择动作(即更改交通信号)后从交通环境接收到的反馈优化其奖励(例如，队列长度)。然而，tsc仍然是一个具有挑战性的问题。因为传统的方法由于缺乏适应动态交通运动的能力而表现不佳；尽管基于强化学习的tsc方法发展迅速，但基于强化学习的方法需要有漫长的训练过程和大量的计算资源，大多数方法在现实世界中的部署能力有限，而在适当的训练设置中，它们的性能甚至不能超过传统的控制方法。
4.因此，为解决上述问题，仅根据目前单路口现有的车流量检测设备，开发一套根据实时交通流量自适应交通信号灯控制的方法。

技术实现要素：

5.本发明的目的是提供一种自适应交通信号控制方法，该控制方法不需要安装高昂地的检测设备，也不需要长时间的训练，既可以有效地降低交通压力，提高交通效率，缓解交通拥堵，也可以减少用户等车时间和出行时间。
6.本发明的上述技术目的是通过以下技术方案得以实现的：一种自适应交通信号控制方法，具体包括以下步骤：
7.s1：通过交通状态感应模块获取待处理车辆的信息，再通过信息处理及控制决策模块接收交通状态感应模块发送的待处理的车辆信息，并将其保存至指定的储存区域；
8.s2：根据改进的mp算法对得到的测量信息进行融合处理，得到每个相位的压力，再根据当前的交通状态参数和相位压力，输出下一时刻交通状态；
9.s3：通过信号灯控制模块获取下一时刻的交通状态信息，根据该信息进行相位设置和绿灯时间设置。
10.进一步的：所述s2的具体步骤是：
11.s2-1：输入车辆信息，预先设定的相位集为交叉口的各个车道红绿信号组合，根据算法计算不同相位的压力p，公式为：
12.p＝p
stop
+p
running
13.其中，p
stop
表示队列车辆权重，p
running
表示行驶车辆的权重。
14.s2-2：判断是否需要延长相位时间，需要延长相位时间进入s2-3，不需要延长相位时间进入s2-4；
15.s2-3：根据当前相位测量信息，计算得到相位绿灯延长时间值；
16.s2-4：获取最大压力序号，根据当前交通状态，选择下一时刻相序和绿灯持续时长。
17.进一步的：所述s2-2的具体步骤是：
18.s2-21：获取当前放行相位行驶车辆信息，以最小化车辆旅行延误为依据，计算有效感知范围内所有车辆的对应权重并累加；
19.s2-22：对当前相位计算所得的权重与最大相位压力进行大小判断，当所得的权重大于等于相位最大压力值，执行s2-23，反之执行s2-24；
20.s2-23：保持当前相位不变，等待下一步计算最优绿灯延长时间；
21.s2-24：改变相位信息，等待下一步选择相序和最优相位持续时间。
22.进一步的：所述s2-4的具体步骤是：
23.s2-41：获取当前交通状态信息；
24.s2-42：判断是否存在等待时长超过α的相位，当等待时长大于等于α时，执行s2-44，反之执行s2-43；
25.s2-43：判断是否存在等待时长在[β,α]范围内的相位，当等待时长在该范围内时，执行s2-46，反之，执行s2-45；
[0026]
s2-44：相位i获取下一个时刻的绿灯通行时间，然后执行s2-48；
[0027]
s2-45：选取道路压力最大的相位作为下一个绿灯获得相位；
[0028]
s2-46：判断相位i是否存在等候车辆作为选择依据，当相位i队列车辆大于0时，执行s2-44，反之执行s2-47；
[0029]
s2-47：判断其它相位压力是否过大，当相位最大压力小于γ时，执行s2-44，否则执行s2-45；
[0030]
s2-48：基于遗传算法的多目标优化配时模型计算得到最优的相位绿灯持续时间。
[0031]
进一步的：所述s2-48中多目标优化配时模型的目标函数采用webster信号交叉口延误公式作为延误模型，即：
[0032][0033]
c＝∑
i g
ei
+n*(yellow+red)；
[0034][0035][0036]
其中，为路口给定进道口处第i相位车辆的平均延误；g
ei
为遗传算法中迭代所得第i相位的有效绿灯时间；q
ij
为第i个相位第j个进道口实际到达的当前交通量，x
ij
为第i个相位，c为信号周期时长，n表示周期内的相位数，yellow为绿灯后的黄灯时间，red为相邻相位之间的全红时间；length
路
为道路横截面长度，v
人
为一般行人速度，δ为偏置系数。
[0037]
综上所述，本发明具有以下有益效果：
[0038]
1、该控制方法将交通运动简化为一个有效的队列长度，包括探究复合路线下的压力计算方法，让通行需求较大的相位可以多次获得绿灯通行时间，提高通行效率；
[0039]
2、该控制方法综合考虑运行和排队两种车辆形态，同时创新性地根据运行车辆状态设计成不同的权重表示，以降低延误和停车次数为目标来决定是否改变当前阶段；
[0040]
3、该控制方法通过实时监测交叉口各相位车道的队列长度和相位红灯时间，改进mp中低交通需求的延迟可以任意大的问题，确保不同运动车辆和行人通行需求的公平性，提高驾驶员和行人是舒适度；
[0041]
4、该控制方法通过权衡多个交通效益的评价指标建立目标函数，使用浮点数编码的遗传算法模型求解相位绿灯持续时间，提高交通通行效率。
附图说明
[0042]
图1是本发明实施例中一种基于优化方案的自适应交通信号控制的应用场景示意图；
[0043]
图2是本发明实施例中一种自适应交通信号控制方法的流程图；
[0044]
图3是本发明实施例中交通信息融合细节与控制策略的流程图；
[0045]
图4是本发明实施例中判断是否需要延长相位时间的流程图；
[0046]
图5是本发明实施例中计算相位绿灯持续时间的流程图；
[0047]
图6是本发明实施例中获得最优绿灯配时的具体流程图；
[0048]
图7是本发明实施例中信息处理及控制决策模块整体流程图；
[0049]
图8是本发明实施例中模拟仿真交叉口渠化图；
[0050]
图9是本发明实施例中路口车道的交通流量图。
具体实施方式
[0051]
以下结合附图1-9对本发明作进一步详细说明。
[0052]
实施例：一种自适应交通信号控制方法，如图1至图9所示，具体包括以下步骤：
[0053]
s1：通过交通状态感应模块获取待处理车辆的信息，再通过信息处理及控制决策模块接收交通状态感应模块发送的待处理的车辆信息，并将其保存至指定的储存区域；
[0054]
在本实施例中，交通状态感应模块由多个雷视一体机组成，获取的待处理车辆信息包括车辆速度和当前距离，并以车道id作为标识进行统计；
[0055]
s2：根据改进的mp(max pressure)算法对得到的测量信息进行融合处理，得到每个相位的压力，再根据当前的交通状态参数和相位压力，输出下一时刻交通状态；
[0056]
在本实施例中，改进的mp算法进一步地对交通信息进行融合处理，通过平衡网络中的队列长度，实现了最小的平均行驶时间，更加简单有效的表示了当前交通状态；
[0057]
s3：通过信号灯控制模块获取下一时刻的交通状态信息，根据该信息进行相位设置和绿灯时间设置。
[0058]
如图3所示，s2的具体步骤是：
[0059]
s2-1：输入车辆信息，预先设定的相位集为交叉口的各个车道红绿信号组合，根据算法计算不同相位的压力p，公式为：
[0060]
p＝p
stop
+p
running
[0061]
该公式表示进行相位选择时，应同时考虑两种车辆状态。其中，p
stop
表示队列车辆权重，公式为：
[0062][0063]
式中，road
in
指进入车道，road
out
指退出车道。l、m代表车道数。p
stop
是指进入车道road
in
的平均队列长度与退出车道road
out
的平均队列长度之间的差值。因为根据交通规则，司机在通过交叉口时应保持车道行驶，直到进入下游车道，然而，车辆经常在不违反交通规则的情况下，在十字路口中间变道，这种行为常被忽略，其次，司机的交通移动时进出车道的队列长度差，而不是车道，上述公式可以完全描述进入车道和退出车道的车容量不平衡，同时保证了下游车道不会发生流量溢出现象。
[0064]
p
running
表示行驶车辆的权重，公式为：
[0065][0066]
式中，g
min
表示最小绿灯时间，t
delay
为车辆的预估延误时刻，公式为：
[0067][0068]
式中，α表示车辆的一般减速度。再对延误时间做归一化，累加得到行驶车辆的权重值，d
res
表示行驶中车辆剩余可自由行驶的有效距离，根据该距离和车辆的瞬时速度v，可以得到车辆预期的延误时间t
delay
。d
res
计算公式为：
[0069]dres
＝x-ql-hd
[0070]
式中，x表示行驶车辆距离交叉口的距离，ql是停车等待的队列长度(单位：m)，hd为路段中统计的平均车头时距。
[0071]
s2-2：自适应交通信号控制的出发点是减少车辆停车次数，降低交叉口整体的交通延误时间，所以需要判断是否需要延长相位时间，需要延长相位时间进入s2-3，不需要延长相位时间进入s2-4；
[0072]
s2-3：根据当前相位测量信息，计算得到相位绿灯延长时间值；
[0073]
在本实施例中，根据需要延长相位车道的交通流信息，本方法保证的是感受野内连续车流能够安全的通过路口，因此只需要估算车流最后一辆车通过人行道的时间即可，
考虑车辆位置和行驶速度，计算得到的一个合理的相位绿灯延长时间值，既保证连续交通流顺利的通过路口，最大化利用车道通行力，同时将相位总绿灯时间记为t，将t限制在相位最长绿灯时间内，防止让其它相位陷入长时间等待。
[0074]
s2-4：获取最大压力序号，根据当前交通状态，选择下一时刻相序和绿灯持续时长。
[0075]
如图4所示，s2-2的具体步骤是：
[0076]
s2-21：获取当前放行相位行驶车辆信息，以最小化车辆旅行延误为依据，计算有效感知范围内所有车辆的对应权重并累加，记为w；
[0077]
s2-22：对当前相位计算所得的权重与最大相位压力进行大小判断，当所得的权重大于等于相位最大压力值，执行s2-23，反之执行s2-24；
[0078]
s2-23：保持当前相位不变，等待下一步计算最优绿灯延长时间；
[0079]
s2-24：改变相位信息，等待下一步选择相序和最优相位持续时间。
[0080]“零堵塞、零事故、零死亡”是理想的交通管控状态，交通连续是搞好交通秩序管理的根本保障，保持交通连续即保证大多数人在交通活动过程中，在时间、空间、交通方式上不产生间断，对相位进行延时判断，是在探讨行驶中车辆密度、位置、速度和队列中车辆的关系，目的是减少交通时间的延误、事故的发生和提高道路交通设施的使用效率。
[0081]
如图5所示，s2-4的具体步骤是：
[0082]
s2-41：获取当前交通状态信息；该信息包括每个信号相位已等待绿灯的红灯时长以及相位的队列长度信息；
[0083]
s2-42：判断是否存在等待时长超过α的相位，当等待时长大于等于α时，执行s2-44，反之执行s2-43；在大部分理想算法中，相位等待时间是经常被忽略的一个问题，然而在真实世界交通状态中，可能存在互斥相位交通流量悬殊过大现象，交通流量较大的相位长时间获得绿灯通行时间，而流量过小的相位因队列长度过短在绿灯竞争中处于劣势，甚至发生一直等待现象，这种现象在显示世界无法被人类情绪忍受，是一种不合理现象，因此需要对相位设置等待时长上限，当该现象发生时，强制发生此现象的相位获得下一个绿灯时间。
[0084]
s2-43：判断是否存在等待时长在[β,α]范围内的相位，当等待时长在该范围内时，执行s2-46，反之，执行s2-45；此时，该相位处于一个较为矛盾的阶段，如果相位内存在等候车辆，从行人通过人行道的需求以及车辆通行需求上进行考虑，相位应该获得绿灯通行时间。然而，当相位内队列长度为0，即不存在等候车辆时，更应该将绿灯通行时间分配给压力较大的相位。
[0085]
s2-44：相位i获取下一个时刻的绿灯通行时间，然后执行s2-48；
[0086]
s2-45：选取道路压力最大的相位作为下一个绿灯获得相位；
[0087]
s2-46：判断相位i是否存在等候车辆作为选择依据，当相位i队列车辆大于0时，执行s2-44，反之执行s2-47；
[0088]
s2-47：判断其它相位压力是否过大，当相位最大压力小于γ时，执行s2-44，否则执行s2-45；判断其它相位压力是否过大，交通堵塞的严重程度，否则相位获取绿灯通行时间以满足行人通过人行横道的需求。
[0089]
s2-48：根据选取相位的交通信息，在保证行人安全通过人行横道的最小绿灯时间
基础上，基于遗传算法的多目标优化配时模型计算得到最优的相位绿灯持续时间。
[0090]
s2-48中，多目标优化配时模型的目标函数包括两部分，一部分为交叉口车辆的平均延误；另一部分为交叉口的平均随机延误，表示交通流饱和度大于1时出现超载现象以及车辆随机到达的延误，测量的延误时间为正常情况下与受阻情况下通过交叉口的时间之差，在本实施例中，多目标优化配时模型的目标函数采用webster信号交叉口延误公式作为延误模型，即：
[0091][0092]
其中，为路口给定进道口处第i相位车辆的平均延误；g
ei
为遗传算法中迭代所得第i相位的有效绿灯时间；q
ij
为第i个相位第j个进道口实际到达的当前交通量，x
ij
为第i个相位，c为信号周期时长；
[0093]
c＝∑
igei
+n*(yellow+red)；
[0094]
n为周期划分的相位数，yellow为绿灯后的黄灯时间，red为相邻相位之间的全红时间，g
ei
限制在最小绿灯时长和最大绿灯时长之间，最小绿灯时间为：
[0095][0096]
length
路
为道路横截面长度，v
人
为一般行人速度，在考虑不同路口行人流量不同，以及受天气影响等情况下，加上偏置系数δ，取值可视路口具体情况而定，则目标函数为：
[0097][0098]
最后通过浮点数编码的遗传算法得到最优绿灯配时，流程如图6所示。
[0099]
在本实施例中，对于几个超参数的取值不做具体的限定，用户可以根据实际应用的路况需求自行设定，值得注意的是，最小绿灯通行时间可以根据行人数量以及车道宽度进行设定，以保证交通安全。
[0100]
在本实施例中，为了探究将真实世界下的交通状态表示与抽象模型进行结合和优化，深度探索不同交通状态对交通压力的缓解作用，综合考虑影响交通安全以及真实世界的因素，信息处理及控制决策模块整体流程如图7所示。
[0101]
在本实施例中，采用sumo作为实验仿真平台，设定最小绿灯通行时间为15s，最大绿灯时间为60s，黄灯时间为3s，全红时间为0s，倒入长度为450m，测量平均行驶速度为40km/h。
[0102]
选取真实世界交通入口作为参考，通过雷视一体机进行实时信息采集并统计交通流量，形成真实世界交通车流数据集，并以此为分析对象进行仿真实验。模拟仿真交叉口渠化如图8所示。
[0103]
选取一周工作日下午17-18时统计交通流量，取平均值后，路口车道的交通流量如图9所示。
[0104]
作为比较，本实施例在仿真结果中另外采用了传统方法、mp算法以及本算法对交通进行控制，利用sumo对控制效果进行采集，三者比较结果如下表1所示：
[0105]
表1不同算法模拟结果统计(取小数点后4位)
[0106][0107]
分析模拟车辆信息和表格可以看出，使用基于mp的改进交通信号控制算法后，在单路口下，车辆总体旅行延误时间大约有11s的降低。另外在排队长度上上也优于传统的控制方法。
[0108]
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

技术特征：

1.一种自适应交通信号控制方法，其特征是：具体包括以下步骤：s1：通过交通状态感应模块获取待处理车辆的信息，再通过信息处理及控制决策模块接收交通状态感应模块发送的待处理的车辆信息，并将其保存至指定的储存区域；s2：根据改进的mp算法对得到的测量信息进行融合处理，得到每个相位的压力，再根据当前的交通状态参数和相位压力，输出下一时刻交通状态；s3：通过信号灯控制模块获取下一时刻的交通状态信息，根据该信息进行相位设置和绿灯时间设置。2.根据权利要求1所述的一种自适应交通信号控制方法，其特征是：所述s2的具体步骤是：s2-1：输入车辆信息，预先设定的相位集为交叉口的各个车道红绿信号组合，根据算法计算不同相位的压力p，公式为：p＝p
stop
+p
running
其中，p
stop
表示队列车辆权重，p
running
表示行驶车辆的权重。s2-2：判断是否需要延长相位时间，需要延长相位时间进入s2-3，不需要延长相位时间进入s2-4；s2-3：根据当前相位测量信息，计算得到相位绿灯延长时间值；s2-4：获取最大压力序号，根据当前交通状态，选择下一时刻相序和绿灯持续时长。3.根据权利要求2所述的一种自适应交通信号控制方法，其特征是：所述s2-2的具体步骤是：s2-21：获取当前放行相位行驶车辆信息，以最小化车辆旅行延误为依据，计算有效感知范围内所有车辆的对应权重并累加；s2-22：对当前相位计算所得的权重与最大相位压力进行大小判断，当所得的权重大于等于相位最大压力值，执行s2-23，反之执行s2-24；s2-23：保持当前相位不变，等待下一步计算最优绿灯延长时间；s2-24：改变相位信息，等待下一步选择相序和最优相位持续时间。4.根据权利要求2所述的一种自适应交通信号控制方法，其特征是：所述s2-4的具体步骤是：s2-41：获取当前交通状态信息；s2-42：判断是否存在等待时长超过α的相位，当等待时长大于等于α时，执行s2-44，反之执行s2-43；s2-43：判断是否存在等待时长在[β,α]范围内的相位，当等待时长在该范围内时，执行s2-46，反之，执行s2-45；s2-44：相位i获取下一个时刻的绿灯通行时间，然后执行s2-48；s2-45：选取道路压力最大的相位作为下一个绿灯获得相位；s2-46：判断相位i是否存在等候车辆作为选择依据，当相位i队列车辆大于0时，执行s2-44，反之执行s2-47；s2-47：判断其它相位压力是否过大，当相位最大压力小于γ时，执行s2-44，否则执行s2-45；s2-48：基于遗传算法的多目标优化配时模型计算得到最优的相位绿灯持续时间。
5.根据权利要求4所述的一种自适应交通信号控制方法，其特征是：所述s2-48中多目标优化配时模型的目标函数采用webster信号交叉口延误公式作为延误模型，即：c＝∑
i
g
ei
+n*(yellow+red)；+n*(yellow+red)；其中，为路口给定进道口处第i相位车辆的平均延误；g
ei
为遗传算法中迭代所得第i相位的有效绿灯时间；q
ij
为第i个相位第j个进道口实际到达的当前交通量，x
ij
为第i个相位，c为信号周期时长，n表示周期内的相位数，yellow为绿灯后的黄灯时间，red为相邻相位之间的全红时间；length
路
为道路横截面长度，v人为一般行人速度，δ为偏置系数。

技术总结

本发明公开了一种自适应交通信号控制方法，涉及人工智能、计算机视觉技术领域，其技术方案要点是：具体包括以下步骤：S1：通过交通状态感应模块获取待处理车辆的信息，再通过信息处理及控制决策模块接收交通状态感应模块发送的待处理的车辆信息，并将其保存至指定的储存区域；S2：根据改进的MP算法对得到的测量信息进行融合处理，得到每个相位的压力，再根据当前的交通状态参数和相位压力，输出下一时刻交通状态；S3：通过信号灯控制模块获取下一时刻的交通状态信息，根据该信息进行相位设置和绿灯时间设置。该控制方法既可以有效地降低交通压力，提高交通效率，缓解交通拥堵，也可以减少用户等车时间和出行时间。少用户等车时间和出行时间。少用户等车时间和出行时间。