一种交通信号优化控制方法及装置与流程

本发明涉及交通信号控制领域，尤其涉及一种交通信号优化控制方法及装置。

背景技术：

当前世界各国广泛使用的最具代表性且有实效的城市道路交通信号控制系统有英国transyt与scoots交通控制系统和澳大利亚的scats系统。在信号控制的发展历程中，自适应控制理论始终作为信号控制的最高水平而为各个地区所推崇，国外仍偏向于通过自适应理论来解决交通信号控制问题。

近年来，这些信号系统在中国的运行也取得了满意的效果。国内已经有很多的高科技公司开发了自主知识产权的信号控制系统，如海信的信号控制系统和信号控制器，在控制模式、应急方案、硬件事故检测与保护、联网功能、软件人机界面、控制优化算法等方面都有了较大的提高，但是现有技术的交通信号灯控制方法还存在诸多不足，由于交叉路口交通流量复杂多变，控制准确度低、效率不高。

技术实现要素：

本发明提供一种交通信号优化控制方法及装置，解决现有技术中交通灯控制方法因交通流量复杂多变，控制准确度低、效率不高的技术问题。

本发明的目的是通过以下技术方案实现的：

一种交通信号优化控制方法，包括：

获取路口信号机系统的交通流数据、路口电子警察抓拍的历史流量数据及路口的断面交通流数据；

对数据进行预处理，并进行训练样本抽取；

基于训练样本，进行强化学习，以生成交通信号灯配时方案；

根据所述交通信号灯配时方案，进行交通信号灯控制。

一种交通信号优化控制装置，其特征在于，包括：

采集模块，用于获取路口信号机系统的交通流数据、路口电子警察抓拍的历史流量数据及路口的断面交通流数据；

预处理模块，用于对数据进行预处理，并进行训练样本抽取；

建模模块，用于基于训练样本，进行强化学习，以生成交通信号灯配时方案；

控制模块，用于根据所述交通信号灯配时方案，进行交通信号灯控制。

本发明提供一种交通信号优化控制方法及装置，通过获取路口信号机系统的交通流数据、路口电子警察抓拍的历史流量数据及路口的断面交通流数据；对数据进行预处理，并进行训练样本抽取；基于训练样本，进行强化学习，以生成交通信号灯配时方案；根据所述交通信号灯配时方案，进行交通信号灯控制。本发明实现了精确的信号控制时间，有效缓解了由于交通信号的时间控制问题带来的城市道路交通拥堵，进而解决汽车燃油节省、车耗和空气污染的一系列问题，具有很大的社会价值和经济价值。

附图说明

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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可根据这些附图获得其他的附图。

图1为本发明实施例的一种交通信号优化控制方法的流程图；

图2为本发明实施例的一种交通信号优化控制装置的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明实施例提供了一种交通信号优化控制方法，如图1所示，包括：

步骤101、获取路口信号机系统的交通流数据、路口电子警察抓拍的历史流量数据及路口的断面交通流数据；

步骤102、对数据进行预处理，并进行训练样本抽取；

步骤103、基于训练样本，进行强化学习，以生成交通信号灯配时方案；

步骤104、根据所述交通信号灯配时方案，进行交通信号灯控制。

其中，步骤103具体还可以包括：

步骤103-1、基于训练样本，生成逻辑回归模型，以预测路口的拥堵情况；

其中，逻辑回归模型用一个或多个解释性变量对二值输出结果建模。它用逻辑斯蒂函数估计概率值，以此衡量分类依赖变量和一个或多个独立的变量之间的关系，通过构建交叉口流量历史数据库，对不同指标下的交通流对应的交通状态进行分类，以预测不同交通控制参数下的拥堵概率。

步骤103-2、根据道路的拥堵情况，基于训练样本，利用决策树算法计算交通流参数，以生成配时方案。

步骤103-2具体可以包括：

步骤103-2a、根据道路的拥堵情况，基于训练样本，利用流式计算框架运行机器学习决策树算法实时计算的交通流参数，以生成配时方案；

本步骤利用流式计算框架运行机器学习决策树算法实时计算的交通流参数，自动的生成新的配时方案，通过与信号机的通讯协议下发到信号机中，达到完全自动实时的方式，避免了大规模路网调控不及时对交通造成的影响。

步骤103-2b、将配时方案，通过与信号机的通讯协议发送给信号机。

为了对配时方案进行优化设计，还可以包括：

步骤105a、计算拥堵延时指数及路口失衡指数；

步骤105b、根据拥堵延时指数及交叉口失衡指数，计算路口信号灯服务水平；

步骤105c、将路口信号灯服务水平作为生成配时方案的参数。

其中，利用拥堵延时指数与交叉口失衡指数，建立数学模型评价交叉口信号服务水平，对不同指标下交通状态进行评估，来检验配时方案是否合理。并作为步骤103的建模参数，以不断优化建模结果。

本发明实施例提供了一种交通信号优化控制方法，通过获取路口信号机系统的交通流数据、路口电子警察抓拍的历史流量数据及路口的断面交通流数据；对数据进行预处理，并进行训练样本抽取；基于训练样本，进行强化学习，以生成交通信号灯配时方案；根据所述交通信号灯配时方案，进行交通信号灯控制。本发明实现了精确的信号控制时间，有效缓解了由于交通信号的时间控制问题带来的城市道路交通拥堵，进而解决汽车燃油节省、车耗和空气污染的一系列问题，具有很大的社会价值和经济价值。

本发明实施例还提供了一种交通信号优化控制装置，如图2所示，包括：

采集模块210，用于获取路口信号机系统的交通流数据、路口电子警察抓拍的历史流量数据及路口的断面交通流数据；

预处理模块220，用于对数据进行预处理，并进行训练样本抽取；

建模模块230，用于基于训练样本，进行强化学习，以生成交通信号灯配时方案；

控制模块240，用于根据所述交通信号灯配时方案，进行交通信号灯控制。

其中，所述建模模块230，包括：

第一建模单元231，用于基于训练样本，生成逻辑回归模型，以预测路口的拥堵情况；

第二建模单元232，用于根据道路的拥堵情况，基于训练样本，利用决策树算法计算交通流参数，以生成配时方案。

所述第二建模单元232包括：

流计算子单元2321，用于根据道路的拥堵情况，基于训练样本，利用流式计算框架运行机器学习决策树算法实时计算的交通流参数，以生成配时方案；

发送子单元2322，用于将配时方案，通过与信号机的通讯协议发送给信号机。

还包括评价模块250，用于在控制模块在根据所述交通信号灯配时方案，进行交通信号灯控制之后，计算拥堵延时指数及路口失衡指数；根据拥堵延时指数及交叉口失衡指数，计算路口信号灯服务水平；将路口信号灯服务水平作为生成配时方案的参数。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。