车联网环境下考虑车内人数的交叉口信号优化控制方法技术

本申请涉及一种车联网环境下考虑车内人数的交叉口信号优化控制方法。该方法包括：通过在车联网环境下，根据当前交叉口的上游交叉口的车辆离去信息，基于训练好的长短时记忆神经网络模型实时预测当前交叉口的预计到达车辆数；根据当前交叉口的预计到达车辆数进行分析，确定当前交叉口未来时刻的排队车辆数；根据当前交叉口的未来时刻的排队车辆数，构建以当前交叉口的滞留人数为核心因素的信号优化模型；采用粒子群算法对信号优化模型进行分析，获得当前交叉口所有相位的最优绿灯持续时间；根据当前交叉口所有相位的最优绿灯持续时间，对当前交叉口的交叉口信号进行滚动优化控制，提高交叉口的通行效率，缓解道路交通压力。缓解道路交通压力。缓解道路交通压力。

【技术实现步骤摘要】
车联网环境下考虑车内人数的交叉口信号优化控制方法


[0001]本申请涉及城市交通管理控制
，特别是涉及一种车联网环境下考虑车内人数的交叉口信号优化控制方法。

技术介绍

[0002]随着中国经济的发展和城市规模的扩张，交通需求快速增长，由此导致城市交通供需失衡，交通拥堵问题日趋严重。在城市内，交通信号交叉口的控制管理对城市区域交通通行效率及居民出行时间起着至关重要的作用，合理的信号配时方案能够有效地分配道路交叉口地时空资源，根据各个进口道的交通状态及流量信息，为居民的生活和工作提供良好的出行服务体验。
[0003]传统的道路交叉口交通管理信号控制的方式主要有固定式信号控制和感应式信号控制等。固定式信号控制，也称定时信号控制，是目前城市道路交通管理系统中最常用的一种信号控制方式，但由于其信号周期是固定不变的，实际上信号方案的设计会受到道路交叉口地理位置及不同时间段内道路交通流量等诸多因素的影响，当交通流的运行状态在一段时间内变化时，固定式信号控制的效果较差。感应式信号控制在一定程度上弥补了固定式信号控制的不足，通过检测车辆的到达从而对是否切换该相位的绿灯做出决策，但感应式控制策略中每次检测到车辆的绿灯延长时间是固定的。
[0004]因此，目前的道路交叉口交通管理信号控制方案，对于交叉口信号控制灵活性不够，容易出现绿灯时间利用不充分，使得交叉口的通行效率低。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够解决交叉口的通行效率低的车联网环境下考虑车内人数的交叉口信号优化控制方法。
[0006]一种车联网环境下考虑车内人数的交叉口信号优化控制方法，所述方法包括：
[0007]在车联网环境下，根据当前交叉口的上游交叉口的车辆离去信息，基于训练好的长短时记忆神经网络模型实时预测当前交叉口的预计到达车辆数，所述车辆离去信息包括车流量、车速和加速度；
[0008]根据所述当前交叉口的预计到达车辆数进行分析，确定当前交叉口未来时刻的排队车辆数；
[0009]根据所述当前交叉口的未来时刻的排队车辆数，构建以当前交叉口的滞留人数为核心因素的信号优化模型；
[0010]采用粒子群算法对所述信号优化模型进行分析，获得当前交叉口所有相位的最优绿灯持续时间；
[0011]根据所述当前交叉口所有相位的最优绿灯持续时间，对所述当前交叉口的交叉口信号进行滚动优化控制。
[0012]在其中一个实施例中，所述根据所述当前交叉口的预计到达车辆数进行分析，确
定当前交叉口未来时刻的排队车辆数的步骤，包括：
[0013]根据所述当前交叉口的预计到达车辆数，采用增量排队累积延误算法对排队车辆数进行分析，获得确定当前交叉口未来时刻的排队车辆数。
[0014]在其中一个实施例中，所述增量排队累积延误算法为：
[0015]L
t
＝L
t
‑1+A
t
‑
D
t
[0016][0017][0018]式中，为当前交叉口未来时刻t各个行驶方向的排队车辆数；L
t
‑1为未来时刻t的上一时刻各个行驶方向的排队车辆数；A
t
为当前交叉口的预计到达车辆数；D
t
为当前交叉口未来时刻的预计离去车辆数；t∈[1，T
′
]为当前交叉口的预计到达车辆数，p为行驶方向总个数，T
′
为预测区间的长度；为预测区间内未来时刻t各个行驶方向的信号灯状态，x
i，t
为在预测区间内未来时刻t的行驶方向编号为i的信号灯状态，x
i，t
＝0，1，2分别表示红灯、绿灯和黄灯；为各个行驶方向的饱和流率；l
i，t
‑1为未来时刻t的上一时刻行驶方向编号为i的排队车辆数；i为形式方向编号，i∈1，2，3
……
p。
[0019]在其中一个实施例中，所述信号优化模型为：
[0020][0021][0022]式中，P
n
为车内人数为n时的概率，PI为此路口该预测区间内的预计总滞留人数；l
i，t
为当前交叉口未来时刻t行驶方向编号为i的排队车辆数，g
j
为第j相位的绿灯持续时间；y为黄灯持续时间；r为红灯持续时间；k为相位个数；H为优化区间长度；G
min
为最小绿灯时间，G
max
为最长绿灯时间。
[0023]在其中一个实施例中，所述粒子群算法的速度向量更新公式为：
[0024][0025]式中，X
m
为第m个粒子的位置向量，V
m
为第m个粒子的速度向量，为第m
‑
1个粒子在未来时刻t的速度，为第m个粒子在未来时刻t的下一时刻速度，Pbest
m
是粒子m的历史最佳位置，Gbest表示整个种群的历史最佳位置，c1为第一学习因子，c2为第二学习因子，r1和r2为[0，1]范围内的均匀随机数。
[0026]在其中一个实施例中，所述粒子群算法的位置迭代公式为：
[0027][0028]式中，为第m个粒子在未来时刻t的下一时刻的位置向量，为第m个粒子在未来时刻t的位置向量。
[0029]上述车联网环境下考虑车内人数的交叉口信号优化控制方法，通过在车联网环境下，根据当前交叉口的上游交叉口的车辆离去信息，基于训练好的长短时记忆神经网络模型实时预测当前交叉口的预计到达车辆数；根据所述当前交叉口的预计到达车辆数进行分析，确定当前交叉口未来时刻的排队车辆数；根据所述当前交叉口的未来时刻的排队车辆数，构建以当前交叉口的滞留人数为核心因素的信号优化模型；采用粒子群算法对所述信号优化模型进行分析，获得当前交叉口所有相位的最优绿灯持续时间；根据所述当前交叉口所有相位的最优绿灯持续时间，对所述当前交叉口的交叉口信号进行滚动优化控制，实现更加高效、灵活的交叉口信号控制策略，提高了绿灯时间利用率，提高交叉口的通行效率，缓解道路交通压力。
附图说明
[0030]图1为一个实施例中车联网环境下考虑车内人数的交叉口信号优化控制方法的流程示意图；
[0031]图2为一个实施例中车联网环境下考虑车内人数的交叉口信号优化控制方法滚动优化策略示意图。
具体实施方式
[0032]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不
用于限定本申请。
[0033]在一个实施例中，如图1所示，提供了一种车联网环境下考虑车内人数的交叉口信号优化控制方法，包括以下步骤：
[0034]步骤S220：在车联网环境下，根据当前交叉口的上游交叉口的车辆离去信息，基于训练好的长短时记忆神经网络(LSTM)模型实时预测当前交叉口的预计到达车辆数，车辆离去信息包括车流量、车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车联网环境下考虑车内人数的交叉口信号优化控制方法，其特征在于，所述方法包括：在车联网环境下，根据当前交叉口的上游交叉口的车辆离去信息，基于训练好的长短时记忆神经网络模型实时预测当前交叉口的预计到达车辆数，所述车辆离去信息包括车流量、车速和加速度；根据所述当前交叉口的预计到达车辆数进行分析，确定当前交叉口未来时刻的排队车辆数；根据所述当前交叉口的未来时刻的排队车辆数，构建以当前交叉口的滞留人数为核心因素的信号优化模型；采用粒子群算法对所述信号优化模型进行分析，获得当前交叉口所有相位的最优绿灯持续时间；根据所述当前交叉口所有相位的最优绿灯持续时间，对所述当前交叉口的交叉口信号进行滚动优化控制。2.根据权利要求1所述的方法，其特征在于，所述根据所述当前交叉口的预计到达车辆数进行分析，确定当前交叉口未来时刻的排队车辆数的步骤，包括：根据所述当前交叉口的预计到达车辆数，采用增量排队累积延误算法对排队车辆数进行分析，获得确定当前交叉口未来时刻的排队车辆数。3.根据权利要求2所述的方法，其特征在于，所述增量排队累积延误算法为：L
t
＝L
t
‑1+A
t
‑
D
tt
式中，为当前交叉口未来时刻t各个行驶方向的排队车辆数；L
t
‑1为未来时刻t的上一时刻各个行驶方向的排队车辆数；A
t
为当前交叉口的预计到达车辆数；D
t
为当前交叉口未来时刻的预计离去车辆数；交叉口未来时刻的预计离去车辆数；为当前交叉口的预计到达
车辆数，p为行驶方向总个数，T
′
为预测区间的长度；为预测区间内未来时刻t各个行驶方向...

【专利技术属性】
技术研发人员：李大韦，贺崇琦，宋玉晨，张韦华，任刚，杨敏，
申请(专利权)人：东南大学，
类型：发明
国别省市：