基于动态交通流短时预测的施工区域交通控制与诱导方法与流程

1.本发明涉及交通控制，具体涉及基于动态交通流短时预测的施工区域交通控制与诱导方法。


背景技术：

2.随着我国经济发展、城市化进程的加快，我国私家车拥有量及交通流量急剧增加。随着机动车保有量持续快速增长，上下班高峰期交通拥堵状况加剧甚至出现交通瘫痪的情况，这也给城市交通管理提出了更高的要求，交通管理效率需要大幅度提升。为了减少交通事故发生，控制交通违法行为，避免交通拥堵，使交通基础设施发挥最大的效能，多个城市都启动了城市交通综合管控系统的建设项目。
3.城市的交通拥堵状况加剧，除了车辆多，还与城市化建设有较大关联，很多具有发展潜力的城市都在市区进行城市化施工建设，并且在施工区域周边易发生拥堵路口的交通信号灯，其配时方案基本上是固定不变的，需要交警、协警和交通管理员进行人为干预。此外，驾驶人员无法了解下周围路口的拥堵情况，只能通过广播电台等信息延迟性较大的渠道获取交通信息，局限性大。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术所存在的上述缺点，本发明提供了基于动态交通流短时预测的施工区域交通控制与诱导方法，能够有效克服现有技术所存在的无法对施工区域周边易发生拥堵路口的交通信号灯进行配时优化、无法对驾驶人员进行有效诱导的缺陷。
6.(二)技术方案
7.为实现以上目的，本发明通过以下技术方案予以实现：
8.基于动态交通流短时预测的施工区域交通控制与诱导方法，包括以下步骤：
9.s1、构建施工区域周边道路网络拓扑关系，基于对道路网络拓扑关系的分析，科学划定施工交通影响区域范围；
10.s2、采集施工交通影响区域的交通流数据，并进行多源数据融合分析，对施工交通影响区域的交通流特征进行解析；
11.s3、对交通流数据与道路网络拓扑关系进行综合分析，得到施工交通影响区域的流量时空汇聚关键点位分布；
12.s4、根据交通流特征解析结果，利用神经网络模型构建流量时空汇聚关键点位的交通流短时预测模型，并对交通流短时预测模型进行在线训练和迭代优化；
13.s5、将流量时空汇聚关键点位作为区域控制关键交叉口，通过算法遍历搜索关键路径，对关键路径进行线性协调控制，并与非关键路径交叉口进行相位差优化，最终实现区域信号智能控制，并根据信号智能控制方案同步制定动态诱导方案，对交通进行智能诱导。
14.优选地，s4中对交通流短时预测模型进行在线训练和迭代优化，包括：
15.利用长短记忆模型lstm对流量时空汇聚关键点位进行包括交通流量流向、平均车速、排队长度在内的交通流短时预测，对交通流短时预测模型的短时预测结果进行仿真，并将短时预测结果与实测交通流数据进行对比分析，对交通流短时预测模型进行反馈，实现对交通流短时预测模型的在线训练和迭代优化。
16.优选地，s5中将流量时空汇聚关键点位作为区域控制关键交叉口，通过算法遍历搜索关键路径，对关键路径进行线性协调控制，并与非关键路径交叉口进行相位差优化，最终实现区域信号智能控制，包括：
17.将流量时空汇聚关键点位作为区域控制关键交叉口，通过算法遍历搜索关键路径，依据流量时空汇聚关键点位的短时预测结果，计算关键交叉口的周期时间，并以此作为关键路径所有交叉口的周期时间，在设定流量时空汇聚关键点位饱和度、平均车速、车均延误的目标条件下，对关键路径进行线性协调控制，并与非关键路径交叉口进行相位差优化，最终实现区域信号智能控制，引导交通流在施工交通影响区域内部各路段和交叉口均衡分配，动态控制流量时空汇聚关键点位的饱和度。
18.优选地，s5中根据信号智能控制方案同步制定动态诱导方案，对交通进行智能诱导，包括：
19.在车辆出行时间最短、施工影响车均延误最小的约束条件下，对经过施工交通影响区域的交通流进行路径选择实时优化，动态生成流量时空汇聚关键点位的交通诱导方案。
20.优选地，所述交通流数据包括车牌号、交通流量流向、车速、车头时距、占有率、排队长度、车型比例；
21.所述交通流数据通过设置于施工交通影响区域边界，以及内部各主要路段和交叉口的卡口式电警、视频流量检测器、微波流量检测器进行采集。
22.优选地，所述交通流特征包括施工交通影响区域内部各路段和交叉口的交通流量流向、交通流od、出行时间特征、路径选择特征。
23.优选地，s1中构建施工区域周边道路网络拓扑关系，包括：
24.基于图论知识，将施工区域周边道路网络抽象为具有n个节点、m条边的图结构g(n,m)；
25.其中，节点代表交叉口，边为两个节点之间的连接路段，节点之间的邻接矩阵代表两个节点的可达性，0代表两个节点之间不可达，1代表两个节点之间可达。
26.优选地，s1中基于对道路网络拓扑关系的分析，科学划定施工交通影响区域范围，包括：
27.根据施工区域所在位置、占用车道情况、道路属性、交通运行特性，利用复杂网络传播动力学知识，分析施工区域对交通流的影响作用机制，从而科学划定施工交通影响区域范围。
28.优选地，s6、通过信号控制与优化平台下发信号智能控制方案，实现对流量时空汇聚关键点位的智能控制，通过信息发布平台和安装在流量时空汇聚关键点位的提示装置，实现对交通的智能诱导。
29.优选地，所述通过信号控制与优化平台下发信号智能控制方案，实现对流量时空汇聚关键点位的智能控制，包括：
30.通过信号控制与优化平台将智能优化后的信号配时方案下发到前端联网信号机，实现对流量时空汇聚关键点位信号配时的动态优化调整；
31.所述通过信息发布平台和安装在流量时空汇聚关键点位的提示装置，实现对交通的智能诱导，包括：
32.在流量时空汇聚关键点位设置led交通诱导屏，实时发布施工交通影响区域路网动态路况和交通诱导方案，引导交通流按最优路径运行，并将施工交通影响区域路况信息、交通诱导方案与互联网地图进行实时信息交互，对互联网地图导航方案进行实时优化和调整。
33.(三)有益效果
34.与现有技术相比，本发明所提供的基于动态交通流短时预测的施工区域交通控制与诱导方法，具有以下有益效果：
35.1)采集施工交通影响区域的交通流数据，并进行多源数据融合分析，对施工交通影响区域的交通流特征进行解析，根据交通流特征解析结果，构建流量时空汇聚关键点位的交通流短时预测模型，并且能够基于交通流短时预测模型的短时预测结果对流量时空汇聚关键点位的信号配时方案进行智能优化，通过信号控制引导交通流在施工交通影响区域内部各路段和交叉口均衡分配，动态控制流量时空汇聚关键点位的饱和度；
36.2)根据信号配时方案同步制定动态诱导方案，对经过施工交通影响区域的交通流进行路径选择实时优化，动态生成流量时空汇聚关键点位的交通诱导方案，实时发布施工交通影响区域路网动态路况和交通诱导方案，并将施工交通影响区域路况信息、交通诱导方案与互联网地图进行实时信息交互，对互联网地图导航方案进行实时优化和调整，实现对驾驶人员的有效诱导。
附图说明
37.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的前提下，还可以根据这些附图获得其他的附图。
38.图1为本发明的流程示意图。
具体实施方式
39.为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
40.基于动态交通流短时预测的施工区域交通控制与诱导方法，如图1所示，s1、构建施工区域周边道路网络拓扑关系，基于对道路网络拓扑关系的分析，科学划定施工交通影响区域范围。
41.其中，构建施工区域周边道路网络拓扑关系，包括：
42.基于图论知识，将施工区域周边道路网络抽象为具有n个节点、m条边的图结构g
(n,m)。
43.节点代表交叉口，边为两个节点之间的连接路段，节点之间的邻接矩阵代表两个节点的可达性，0代表两个节点之间不可达，1代表两个节点之间可达。
44.其中，基于对道路网络拓扑关系的分析，科学划定施工交通影响区域范围，包括：
45.根据施工区域所在位置、占用车道情况(占用车道数量、占用车道长度)、道路属性、交通运行特性，利用复杂网络传播动力学知识，分析施工区域对交通流的影响作用机制，从而科学划定施工交通影响区域范围。
46.s2、采集施工交通影响区域的交通流数据，并与互联网地图等进行多源数据融合分析，对施工交通影响区域的交通流特征进行解析。
47.其中，交通流数据包括车牌号、交通流量流向、车速、车头时距、占有率、排队长度、车型比例。交通流数据通过设置于施工交通影响区域边界，以及内部各主要路段和交叉口的卡口式电警、视频流量检测器、微波流量检测器进行采集。
48.交通流特征包括施工交通影响区域内部各路段和交叉口的交通流量流向、交通流od、出行时间特征、路径选择特征。
49.本技术技术方案中，对施工交通影响区域的交通流特征进行解析包括：
50.根据卡口过车数据，提取设定时间周期内的所有过车数据，包含车辆号牌id、过车时间passtime、过车点位passpoint；所述车辆号牌id，根据过车时间passtime得到过车日期passday，第d天的车辆轨迹按照时间升序处理为序列p_d＝(p_d1,p_d2,
…
,p_di)，其中i是第d天经过的第i个点；
51.对过车点位passpoint的经纬度信息与道路网络路段、交叉口的经纬度信息进行关联匹配，对序列p_d＝(p_d1,p_d2,
…
,p_di)与道路网络进行关联，在道路网络上得到每辆车的车辆运行轨迹；
52.基于所有车辆运行轨迹，分析得到施工交通影响区域内部各路段和交叉口的交通流量流向、交通流od、出行时间特征、路径选择特征等交通流特征。
53.s3、对交通流数据与道路网络拓扑关系进行综合分析，得到施工交通影响区域的流量时空汇聚关键点位分布。
54.本技术技术方案中，可以采用基于p-灰色加权关联，对施工交通影响区域的流量时空汇聚关键点位进行分析，具体步骤如下：
55.①
假设路网中共有n个节点，m个节点评价指标，则第a(1≤a≤n)个节点的比较数列为
56.ya(j)＝[ya(1),ya(2),ya(3),...,ya(m)]
[0057]
其中，ya(j)为第a个节点的第j个主成分；
[0058]
②
综合比较后得出这些节点的评价指标参考序列
[0059]
y＝[y(1),y(2),...,y(m)]
[0060]
其中，该序列中的y(j)是所有节点中第j个主成分的最优值；
[0061]
③
数量无量纲化处理，可以采用spss对数据进行标准化处理，得到比较数据序列
[0062]
ya*(j)＝[ya*(1),ya*(2),ya*(3),...,ya*(m)]
[0063]
无量纲化后得到参考数据序列
[0064]
y*＝[y*(1),y*(2),...,y*(m)]
[0065]
根据
[0066]
δa(j)＝|y*(j)-ya*(j)|
[0067]
分别求出最大值δ
max
和最小值δ
min
；
[0068]
④
确定各指标对应的权重，可由主成分分析中的特征值近似确定各指标对应的权重ω＝ω(j),j＝(1,2，...,m)；
[0069]
⑤
计算判断指标关联系数
[0070][0071]
其中，ρ为分辨系数，取值在0-1之间，通常取0.5；
[0072]
⑥
计算灰色加权关联度，得到交叉口重要度
[0073][0074]
⑦
计算每个节点的灰色加权关联度，关联度越大的节点越重要，关联度最大的节点为关键节点。
[0075]
s4、根据交通流特征解析结果，利用神经网络模型构建流量时空汇聚关键点位的交通流短时预测模型，并对交通流短时预测模型进行在线训练和迭代优化。
[0076]
其中，对交通流短时预测模型进行在线训练和迭代优化，包括：
[0077]
利用长短记忆模型lstm对流量时空汇聚关键点位进行包括交通流量流向、平均车速、排队长度在内的交通流短时预测，利用vissim等交通仿真软件对交通流短时预测模型的短时预测结果进行仿真，并将短时预测结果与实测交通流数据进行对比分析，对交通流短时预测模型进行反馈，实现对交通流短时预测模型的在线训练和迭代优化。
[0078]
本技术技术方案中，可以采用长短记忆模型lstm，对流量时空汇聚关键点位进行交通流短时预测，具体步骤如下：
[0079]
①
对流量时空汇聚关键点位，按5分钟的区间统计车流量，可以表示为q＝{q1,q2,...,qi}，其中qi表示在第i时刻的交通流量；
[0080]
②
利用长短记忆模型lstm进行训练，对长短记忆模型lstm模型层的计算可表示如下：
[0081]
输入节点：g
(t)
＝σ(w
gx
*x
(t)
+w
gh
*h
(t-1)
+bg)；
[0082]
输入门：i
(t)
＝σ(w
ix
*x
(t)
+w
ih
*h
(t-1)
+bi)；
[0083]
忘记门：f
(t)
＝σ(w
fx
*x
(t)
+w
fh
*h
(t-1)
+bf)；
[0084]
输出门：o
(t)
＝σ(w
ox
*x
(t)
+w
oh
*h
(t-1)
+bo)；
[0085]
它们之间关系：s
(t)
＝g
(t)
*i
(t)
+s
(t-1)
*f
(t)
，h
(t)
＝s
(t)
*o
(t)
；
[0086]
其中，x
(t)
是循环层的输入，h
(t)
是循环层的输出，t是时间步骤的值，σ是sigmoid函数，w
gx
、w
ix
、w
fx
、w
ox
是输入和输出之间的关系，w
gh
、w
ih
、w
fh
、w
oh
是输出的历史相关性，bg、bi、bf、bo为偏移；参数的初始值为随机值，h
(t)
的初始值为零。
[0087]
③
使用训练后的长短记忆模型lstm，将历史12个时间间隔(2小时)的交通流量{qi,q
i-1
,...,q
i-11
}作为输入，预测未来1-3个时间间隔(5-15分钟)的交通流量{q
i+1
,q
i+2
,q
i+3
}。
[0088]
s5、将流量时空汇聚关键点位作为区域控制关键交叉口，通过算法遍历搜索关键
路径，对关键路径进行线性协调控制，并与非关键路径交叉口进行相位差优化，最终实现区域信号智能控制，并根据信号智能控制方案同步制定动态诱导方案，对交通进行智能诱导。
[0089]
其中，将流量时空汇聚关键点位作为区域控制关键交叉口，通过算法遍历搜索关键路径，对关键路径进行线性协调控制，并与非关键路径交叉口进行相位差优化，最终实现区域信号智能控制，包括：
[0090]
将流量时空汇聚关键点位作为区域控制关键交叉口，通过算法遍历搜索关键路径，依据流量时空汇聚关键点位的短时预测结果，计算关键交叉口的周期时间，并以此作为关键路径所有交叉口的周期时间，在设定流量时空汇聚关键点位饱和度、平均车速、车均延误的目标条件下，对关键路径进行线性协调控制，并与非关键路径交叉口进行相位差优化，最终实现区域信号智能控制，引导交通流在施工交通影响区域内部各路段和交叉口均衡分配，动态控制流量时空汇聚关键点位的饱和度。
[0091]
本技术技术方案中，关键路径的确定采用广度优先搜索(bfs)，以拥堵指数和速度等为关键指标，确定区域的关键路径，并根据交通流变化情况对关键路径进行动态调整。
[0092]
其中，根据信号智能控制方案同步制定动态诱导方案，对交通进行智能诱导，包括：
[0093]
在车辆出行时间最短、施工影响车均延误最小的约束条件下，对经过施工交通影响区域的交通流进行路径选择实时优化，动态生成流量时空汇聚关键点位的交通诱导方案。
[0094]
s6、通过信号控制与优化平台下发信号智能控制方案，实现对流量时空汇聚关键点位的智能控制，通过信息发布平台和安装在流量时空汇聚关键点位的提示装置，实现对交通的智能诱导。
[0095]
其中，通过信号控制与优化平台下发信号智能控制方案，实现对流量时空汇聚关键点位的智能控制，包括：
[0096]
通过信号控制与优化平台将智能优化后的信号配时方案下发到前端联网信号机，实现对流量时空汇聚关键点位信号配时的动态优化调整。
[0097]
其中，通过信息发布平台和安装在流量时空汇聚关键点位的提示装置，实现对交通的智能诱导，包括：
[0098]
在流量时空汇聚关键点位设置led交通诱导屏，实时发布施工交通影响区域路网动态路况和交通诱导方案，引导交通流按最优路径运行，并将施工交通影响区域路况信息、交通诱导方案与互联网地图进行实时信息交互，对互联网地图导航方案进行实时优化和调整。
[0099]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。