一种城市快速路智慧交通管控方法和系统技术方案

本发明专利技术公开了一种城市快速路智慧交通管控方法和系统，观测快速路主路、快速路辅路的交通状态，对所述交通状态采用人工智能算法进行自适应控制，同时对快速路辅路的多个匝道进行协同控制，以控制通过匝道进入快速路主路的车流量。一种城市快速路智慧交通管控方法和系统，通过控制匝道进入快速路主路的车流量，以提高交通系统的运行效率，解决快速不快的交通困局。

An intelligent traffic control method and system for Urban Expressway

【技术实现步骤摘要】
一种城市快速路智慧交通管控方法和系统
本专利技术涉及快速路交通控制
，尤其涉及一种快速路匝道的交通管控方法和系统。
技术介绍
快速路是城市中具有较高车速、为长距离交通服务的重要道路，主要连接市区各主要地区、主要近郊区、主要对外公路。目前，世界上许多大城市内都建有完善的仅供车辆通行的快速公路系统，快速路交通已逐渐成为市内交通的主要类型之一，对于缓解市内道路交通压力起着重要作用。随着城市人民群众物质生活水平不断提高和出行机动化进程加快，越来越多的汽车进入普通家庭，城市道路建设和管控已经滞后于周边区域发展，不能满足人们日常生活的需求。尤其是现有的快速路交通安全事故与拥堵时常发生，严重影响快速路的通行效率，“快速不快”成为交通困局。由于快速路通行的便捷性，加上区域路网对交通信号的管控不合理，居民更多的选择快速路出行，这使沿线交通不堪重负。因此，基于当下城市道路现状，为破解“快速不快”的交通困局，提高交通系统的运行效率，对快速路匝道管控势在必行。
技术实现思路
本专利技术主要解决以上问题，提供一种用于城市快速路交通管控的方法和系统。为解决上述技术问题，本专利技术采用的技术方案是：一种城市快速路智慧交通管控方法，包括：观测快速路主路、快速路辅路的交通状态，对所述交通状态采用人工智能算法进行自适应控制，同时对快速路辅路的多个匝道进行协同控制，以控制通过匝道进入快速路主路的车流量。进一步，所述匝道的车辆只能从最靠近所述快速路主路的车道进入所述快速路主路，在距停止线一定距离范围内，匝道车道间设有虚实分界线，车辆可以从虚线侧变道到直线侧，不可从直线侧变道到虚线侧。进一步，所述交通状态包括流量f、速度v、密度，所述流量f可以通过微波、地磁、雷达、电警获取，并进行数据时间空间多维度融合处理，所述速度v可以通过微波、地磁、雷达、互联网获取，并进行数据时间空间多维度融合处理。进一步，所述人工智能算法为强化学习算法，所述对所述交通状态采用人工智能算法进行自适应控制的具体步骤包括：步骤一，根据获取的所述流量f、速度v计算快速路通行能力S，计算公式如下：S＝F(f,v)(1)所述快速路通行能力S为红绿灯灯态动作；步骤二，根据所述快速路通行能力S计算控制策略执行的奖惩回报值r，计算公式如下：r＝G(S)(2)；步骤三，某时段内的总回报值Rk为各奖惩回报值的期望，计算公式如下：所述总回报值Rk为当前拥堵等级，并将所述交通状态、快速路通行能力S、总回报值Rk存入记忆库；步骤四，自适应控制器根据所述交通状态、总回报值Rk学习调整。进一步，所述对快速路辅路的多个匝道可通过协同控制装置进行协同控制，所述协同控制装置包括信号灯和诱导屏，所述信号灯设置在匝道入口前，所述诱导屏设置在距匝道入口一定距离处。一种城市快速路智慧交通管控系统，包括：数据采集系统、自适应控制器和协同控制装置，所述数据采集系统用于观测快速路主路、快速路辅路的交通状态，所述交通状态输送至所述自适应控制器，所述自适应控制器采用人工智能算法计算控制策略执行的奖惩回报值用于自适应控制，所述协同控制装置可根据所述奖惩回报值实现对快速路辅路的多个匝道进行协同控制，以控制通过匝道进入快速路主路的车流量。进一步，所述交通状态包括流量f、速度v、密度，所述流量f、速度v、密度分别通过流量接入模块、速度接入模块和密度接入模块和数据采集系统对接获取。进一步，所述数据采集系统包括流量f观测装置、速度v观测装置和密度观测装置，所述流量f观测装置包括微波、地磁、雷达、电警，所述速度v观测装置包括微波、地磁、雷达、互联网。进一步，所述人工智能算法为强化学习算法，所述自适应控制器输入所述交通状态，通过所述强化学习算法，计算得出快速路通行能力S、总回报值Rk，所述快速路通行能力S为红绿灯灯态动作，所述总回报值Rk为当前拥堵等级，所述自适应控制器并将所述交通状态、快速路通行能力S、总回报值Rk存入记忆库。进一步，所述协同控制装置包括信号灯和诱导屏，所述信号灯设置在匝道入口前，所述诱导屏设置在距匝道入口一定距离处，同时在匝道还设有电子警察抓拍系统，所述电子警察抓拍系统对不按交通规则驾驶行为进行抓拍。本专利技术具有的优点和积极效果是：一种城市快速路智慧交通管控方法和系统，通过控制匝道进入快速路主路的车流量，以提高交通系统的运行效率，解决快速不快的交通困局。本专利技术以快速路通行能力最大化为控制目标，将人工智能强化学习模型应用于快速路交通管控领域，通过程序自学习自优化，输出适合当前路况的控制方案。此外，本专利技术中协同控制装置中的诱导屏和信号灯协同变化发布内容，可以让车主提前知晓前方路况和信号控制情况，避免长时间在匝道排队。系统中匝道虚实车道线设计，可以有效减少车辆不合理变道带来的交通拥堵，提升快速路通行效率。附图说明图1是一种城市快速路智慧交通管控方法流程图；图2是匝道入口示意图图。1.快速路主路；2.快速路辅路；3.匝道入口；4.诱导屏；5.电子警察抓拍系统；6.停止线；7.信号灯；8.虚实分界线。具体实施例下面结合附图1-2对本专利技术的具体实施例做详细说明。一种城市快速路智慧交通管控方法，包括：观测快速路主路1、快速路辅路2的交通状态，对所述交通状态采用人工智能算法进行自适应控制，同时对快速路辅路2的多个匝道进行协同控制，以控制通过匝道进入快速路主路1的车流量。所述匝道的车辆只能从最靠近所述快速路主路1的车道进入所述快速路主路1，在距停止线一定距离范围内，匝道车道间设有虚实分界线8，车辆可以从虚线侧变道到直线侧，不可从直线侧变道到虚线侧。所述交通状态包括流量f、速度v、密度，所述流量f可以通过微波、地磁、雷达、电警获取，并进行数据时间空间多维度融合处理，所述速度v可以通过微波、地磁、雷达、互联网获取，并进行数据时间空间多维度融合处理。所述人工智能算法为强化学习算法，所述对所述交通状态采用人工智能算法进行自适应控制的具体步骤包括：步骤一，根据获取的所述流量f、速度v计算快速路通行能力S，计算公式如下：S＝F(f,v)(1)所述快速路通行能力S为红绿灯灯态动作；步骤二，根据所述快速路通行能力S计算控制策略执行的奖惩回报值r，计算公式如下：r＝G(S)(2)；步骤三，某时段内的总回报值Rk为各奖惩回报值的期望，计算公式如下：所述总回报值Rk为当前拥堵等级，并将所述交通状态、快速路通行能力S、总回报值Rk存入记忆库；步骤四，自适应控制器根据所述交通状态、总回报值Rk学习调整。所述对快速路辅路的多个匝道可通过协同控制装置进行协同控制，所述协同控制装置包括信号灯7和诱导屏4，所述信号灯7设置在匝道入口3前，所述诱导屏4设置在距匝道入口3一定距离处。一种城市快速路智慧交通管控系统，包括：数据采集系统、自适应控制器和协同控制本文档来自技高网...

【技术保护点】
1.一种城市快速路智慧交通管控方法，其特征在于：包括观测快速路主路、快速路辅路的交通状态，对所述交通状态采用人工智能算法进行自适应控制，同时对快速路辅路的多个匝道进行协同控制，以控制通过匝道进入快速路主路的车流量。/n

【技术特征摘要】
1.一种城市快速路智慧交通管控方法，其特征在于：包括观测快速路主路、快速路辅路的交通状态，对所述交通状态采用人工智能算法进行自适应控制，同时对快速路辅路的多个匝道进行协同控制，以控制通过匝道进入快速路主路的车流量。


2.根据权利要求1所述的一种城市快速路智慧交通管控方法，其特征在于：所述匝道的车辆只能从最靠近所述快速路主路的车道进入所述快速路主路，在距停止线一定距离范围内，匝道车道间设有虚实分界线，车辆可以从虚线侧变道到直线侧，不可从直线侧变道到虚线侧。


3.根据权利要求2所述的一种城市快速路智慧交通管控方法，其特征在于：所述交通状态包括流量f、速度v、密度，所述流量f可以通过微波、地磁、雷达、电警获取，并进行数据时间空间多维度融合处理，所述速度v可以通过微波、地磁、雷达、互联网获取，并进行数据时间空间多维度融合处理。


4.根据权利要求3所述的一种城市快速路智慧交通管控方法，其特征在于：所述人工智能算法为强化学习算法，所述对所述交通状态采用人工智能算法进行自适应控制的具体步骤包括：
步骤一，根据获取的所述流量f、速度v计算快速路通行能力S，计算公式如下：
S＝F(f,v)(1)
所述快速路通行能力S为红绿灯灯态动作；
步骤二，根据所述快速路通行能力S计算控制策略执行的奖惩回报值r，计算公式如下：
r＝G(S)(2)；
步骤三，某时段内的总回报值Rk为各奖惩回报值的期望，计算公式如下：



所述总回报值Rk为当前拥堵等级，并将所述交通状态、快速路通行能力S、总回报值Rk存入记忆库；
步骤四，自适应控制器根据所述交通状态、总回报值Rk学习调整。


5.根据权利要求4所述的一种城市快速路智慧交通管控方法，其特征在于：所述对快速路辅路的多个匝道可通过协同控制装置进行协...

【专利技术属性】
技术研发人员：何晓楠，张凡，赵华，
申请(专利权)人：天津易华录信息技术有限公司，
类型：发明
国别省市：天津;12