基于大数据分析平台的交通信号动态控制方法及系统与流程

本发明涉及一种公路交通管理与控制系统，更具体地说是涉及一种基于大数据分析平台的交通信号控制方法及系统。

背景技术：

城市道路交叉口交通信号的控制对于交通流的分配，和道路交通通行流量具有重要作用。现有城市区域道路交叉口信号控制主要采用单点控制、干线绿波带控制，以及区域协同控制，大多数基于稀疏交通流的前提条件。随着城市人口拥有车辆数的快速增长与城市规模的的不断扩大，交通流越来越呈现高密度的重交通流情况，城市交通道路的发展难以满足交通流量需求的不断增长，拥堵问题日益严重。

一方面，随着城市交通系统的信息化发展，交通管理与控制系统趋于大型化、复杂化发展，系统涉及的信息和数据已经具备大数据的特点。现有城市交叉口信号控制系统不能满足城市交通的发展，急需发展新的交通管理控制方法与系统，对高密度的城市交通流进行管理与控制。

另一方面，随着计算机与网络技术的不断发展，特别是智能计算、数据挖掘、大数据分析算法等技术的不断发展，计算机系统处理海量信息和大数据的能力不断提高，使得通过云计算、大数据等的信息技术手段实现智能化的交通管理与控制成为可能。

技术实现要素：

本发明的目的是基于现代城市道路交通发展管理控制系统的需要，结合智能计算、大数据分析等信息技术，提出的技术方案能够实现多个交叉口信号灯的协同联动控制，解决目前高密度交通状态下多交叉口的联动控制，以达到城市道路交通区域优化控制的目的。

本发明为了解决现有技术中存在的问题，提供了一种基于大数据分析平台的交通信号动态控制方法及系统。

为了实现上述的目的，本发明采用以下技术方案：

一种大数据分析的交通信号动态控制方法，包括如下步骤：

1、通过对城市交通区域内每个交叉口各相位信号灯状态信息，各交叉口人、车，以及每条路段、环境信息的实时数据采集，获得当前区域内的人流、车流、排队和拥堵状态。采集得到的数据信息包括人流密度、速度、人流量、车辆密度、速度、车流量、车辆排队长度、排队等侯时间、短时拥堵队列长度、延误时间、停车次数、道路饱和度、车道总体流量及其分布。

2、导入区域内一段时间内每个交叉口的人、车，每条路段、环境的历史信息及规律，便于下一步的区域交通拥堵状态和行为的趋势的分析与预测。历史信息及规律包括该段区域内过去一小时、十二小时、一天二十四小时、一周、一月、一季度、半年、一整年、以及过去两年内的人、车、路、环境的人流量、车流量，道路交通流量、发生事故率、道路与环境的通行能力与状态变化等统计信息与得到的历史趋势规律。

3、在一定的统计分析方法，智能算法及大数据分析平台等的支撑下，结合当前城市交通区域内每个交叉口人、车，以及每条路段、环境信息的实时数据，以及历史信息及规律，进行当天区域内的交通拥堵状态和行为趋势进行分析与预测。通过预测与分析，可以得到该区域下一时间周期内，如一天、一周等的交通流量趋势，拥堵态势等可能的发展趋势与规律。

所述统计分析方法主要包括：主成分分析、多元统计分析、均值、方差、标准差分析以及参数估计、非参数估计等各种统计学方法。

所述智能算法主要包括：人工神经网络算法、决策树算法、贝叶斯学习算法、机器学习算法以及数据挖掘算法等。

所述大数据分析平台具体实现各种智能算法，同时具备交通系统各种大数据的分析处理能力，包括交通视频、图像、文本等数据信息的分析处理。

4、结合当前区域内的每条路段道路设计标准规范、道路通行能力，进行动态预测、预警；同时，依据相应的控制措施调整预案，对红绿灯配时、分流、诱导等控制策略的动态决策。当预测得到交通流量趋势以及拥堵态势趋势规律超安全交通与畅行交通的饱和条件，进行预警，同时，根据预测结果与设计能力的差异大小，启动相应调控策略预案，进行优化管理和控制。具体控制过程为如果车辆队列排队长度超过允许的长度阈值，则调整当前队列下游交叉口车队方向交通相位绿灯时间；具体配时根据动态变化的车辆排队长度，以及单点配时控制方式进行计算，动态配置绿灯时间。同理，如果人流队列密度和长度超过运行的阈值，则调整当前队列交叉口行人方向交通相位绿灯时间；具体配时根据动态变化的人流排队密度、长度以及单点配时控制方式进行计算，动态配置绿灯时间。其余各交通相位状态按照此方式进行动态调整。在高密度情况下，下游交叉口的车流密度或车辆排队长度过长，则会进一步影响上游路段的交通。因此，这里需要一种区域流量分配策略或预案，比如整体区域网络均衡策略，要求区域内交通流量尽量保持各路段平衡分配，来对区域内整体交通进行管理和控制。如此，即可基于该流量分配策略或预案，进一步对下游和上游交叉口的信号灯进行配时控制，完成对红绿灯配时、分流、诱导等控制策略的动态决策。

所述预案主要包括红绿灯配时调整策略、交通诱导分流预案，临时交通管制措施等。

5、实施控制措施之后，车流量等交通状态在一定的时间周期内会有一定的变化，可能改善或恶化。通过将控制措施实施后得到的交通状态的改善与恶化效果以及信号系统状态反馈到实时数据采集阶段，动态优化和调整下一阶段的流程和步骤，形成闭环的反馈控制过程。

本发明还提供了一种基于大数据分析平台的交通信号动态控制系统，主要通过大数据分析平台实现对城市交通区域的信号进行管理与控制。其主要组成包括：

1、用户交互模块。主要完成分析平台与用户的输入输出、智能算法库等的交互。

2、数据采集模块。完成城市各交通区域内每个交叉口单点人、车以及每条路段、环境信息的实时数据采集，获得当前城市交通区域内的人流、车流、排队和拥堵状态信息。由于交通数据具有大数据特征，数据采集模块具有相应的数据预处理能力。

3、视频、图像、文本数据库。对数据采集模块采集得到的各类信息数据进行存储，包括历史数据的存储，具有大数据平台的数据预处理等操作支持能力和提供数据支持。

4、大数据决策模块。在智能算法库的支持下，完成基于实时采集的数据信息与历史信息的综合分析与决策，得到分析结果、发展趋势以及控制决策结果以及结合相应控制预案，对红绿灯配时、分流、诱导等控制策略的动态决策。

5、智能算法库。主要包含交通大数据分析用到的各种统计分析、智能计算、数据挖掘等算法，可以通过用户接口进行补充和完善。

6、动态反馈控制模块。将控制措施实施后得到的交通状态的改善与恶化效果反馈到实时数据采集阶段，动态优化和调整下一阶段的流程和步骤，形成闭环的反馈控制过程。

所述大数据分析平台的操作步骤如下：

F1、人流数据、车流数据、单点交叉口信号灯状态数据、外部数据等采集与预处理；

F2、分布式数据库对数据进行存储；

F3、结构化数据的批处理；

F4、流数据的处理；

F5、结构化数据的大数据分析；

F6、流数据的实时分析等；

F7、流量预测、拥堵预警、信号灯控制、诱导与信息发布。

本发明提供了一种基于大数据分析平台的交通信号动态控制方法及系统，通过实时采集区域内人流、车流、排队和拥堵情况，以及道路、环境的实际情况，根据最大交通流量需要，以及道路网络交叉口的信号灯状态，动态调整多个道路交叉口信号灯的配时时间，达到最优控制效果。同时，提供了一种实现该方法的系统，在大数据分析平台的支持下，实现多个交叉口信号灯的协同联动控制。通过该方法和系统的实施，可以解决目前高密度交通状态下多交叉口的联动控制，以达到区域优化控制的目的。

附图说明

图1示出了本发明的交通信号动态控制方法的流程图；

图2示出了本发明的交通信号动态控制系统的框架图；

图3示出了本发明的交通信号动态控制系统的流程图。

具体实施方式

为了使本发明解决的技术问题、采用的技术方案、取得的技术效果易于理解，下面结合具体的附图，对本发明的具体实施方式做进一步说明。

一种大数据分析的交通信号动态控制方法，包括如下步骤：

1、通过对城市交通区域内每个交叉口各相位信号灯状态信息，各交叉口人、车，以及每条路段、环境信息的实时数据采集，获得当前区域内的人流、车流、排队和拥堵状态。采集得到的数据信息包括人流密度、速度、人流量、车辆密度、速度、车流量、车辆排队长度、排队等侯时间、短时拥堵队列长度、延误时间、停车次数、道路饱和度、车道总体流量及其分布。

2、导入区域内一段时间内每个交叉口的人、车，每条路段、环境的历史信息及规律，便于下一步的区域交通拥堵状态和行为的趋势的分析与预测。历史信息及规律包括该段区域内过去一小时、十二小时、一天二十四小时、一周、一月、一季度、半年、一整年、以及过去两年内的人、车、路、环境的人流量、车流量，道路交通流量、发生事故率、道路与环境的通行能力与状态变化等统计信息与得到的历史趋势规律。

3、在一定的统计分析方法，智能算法及大数据分析平台等的支撑下，结合当前城市交通区域内每个交叉口人、车，以及每条路段、环境信息的实时数据，以及历史信息及规律，进行当天区域内的交通拥堵状态和行为趋势进行分析与预测。通过预测与分析，可以得到该区域下一时间周期内，如一天、一周等的交通流量趋势，拥堵态势等可能的发展趋势与规律。

所述统计分析方法主要包括：主成分分析、多元统计分析、均值、方差、标准差分析以及参数估计、非参数估计等各种统计学方法。

所述智能算法主要包括：人工神经网络算法、决策树算法、贝叶斯学习算法、机器学习算法以及数据挖掘算法等。

所述大数据分析平台具体实现各种智能算法，同时具备交通系统各种大数据的分析处理能力，包括交通视频、图像、文本等数据信息的分析处理。

4、结合当前区域内的每条路段道路设计标准规范、道路通行能力，进行动态预测、预警；同时，依据相应的控制措施调整预案，对红绿灯配时、分流、诱导等控制策略的动态决策。当预测得到交通流量趋势以及拥堵态势趋势规律超安全交通与畅行交通的饱和条件，进行预警，同时，根据预测结果与设计能力的差异大小，启动相应调控策略预案，进行优化管理和控制。具体控制过程为如果车辆队列排队长度超过允许的长度阈值，则调整当前队列下游交叉口车队方向交通相位绿灯时间；具体配时根据动态变化的车辆排队长度，以及单点配时控制方式进行计算，动态配置绿灯时间。同理，如果人流队列密度和长度超过运行的阈值，则调整当前队列交叉口行人方向交通相位绿灯时间；具体配时根据动态变化的人流排队密度、长度以及单点配时控制方式进行计算，动态配置绿灯时间。其余各交通相位状态按照此方式进行动态调整。在高密度情况下，下游交叉口的车流密度或车辆排队长度过长，则会进一步影响上游路段的交通。因此，这里需要一种区域流量分配策略或预案，比如整体区域网络均衡策略，要求区域内交通流量尽量保持各路段平衡分配，来对区域内整体交通进行管理和控制。如此，即可基于该流量分配策略或预案，进一步对下游和上游交叉口的信号灯进行配时控制，完成对红绿灯配时、分流、诱导等控制策略的动态决策。

所述预案主要包括红绿灯配时调整策略、交通诱导分流预案，临时交通管制措施等。

5、实施控制措施之后，车流量等交通状态在一定的时间周期内会有一定的变化，可能改善或恶化。通过将控制措施实施后得到的交通状态的改善与恶化效果以及信号系统状态反馈到实时数据采集阶段，动态优化和调整下一阶段的流程和步骤，形成闭环的反馈控制过程。

本发明还提供了一种基于大数据分析平台的交通信号动态控制系统，主要通过大数据分析平台实现对城市交通区域的信号进行管理与控制。其主要组成包括：

1、用户交互模块。主要完成分析平台与用户的输入输出、智能算法库等的交互。

2、数据采集模块。完成城市各交通区域内每个交叉口单点人、车以及每条路段、环境信息的实时数据采集，获得当前城市交通区域内的人流、车流、排队和拥堵状态信息。由于交通数据具有大数据特征，数据采集模块具有相应的数据预处理能力。

3、视频、图像、文本数据库。对数据采集模块采集得到的各类信息数据进行存储，包括历史数据的存储，具有大数据平台的数据预处理等操作支持能力和提供数据支持。

4、大数据决策模块。在智能算法库的支持下，完成基于实时采集的数据信息与历史信息的综合分析与决策，得到分析结果、发展趋势以及控制决策结果以及结合相应控制预案，对红绿灯配时、分流、诱导等控制策略的动态决策。

5、智能算法库。主要包含交通大数据分析用到的各种统计分析、智能计算、数据挖掘等算法，可以通过用户接口进行补充和完善。

6、动态反馈控制模块。将控制措施实施后得到的交通状态的改善与恶化效果反馈到实时数据采集阶段，动态优化和调整下一阶段的流程和步骤，形成闭环的反馈控制过程。

参考图3，所述大数据分析平台的操作步骤如下：

F1、人流数据、车流数据、单点交叉口信号灯状态数据、外部数据等采集与预处理；

F2、分布式数据库对数据进行存储；

F3、结构化数据的批处理；

F4、流数据的处理；

F5、结构化数据的大数据分析；

F6、流数据的实时分析等；

F7、流量预测、拥堵预警、信号灯控制、诱导与信息发布。

参考图1-2，本发明的方法及系统所采用的计算机软件流程操作步骤如下：

(1)、启动计算机，大数据平台启动，并启动该控制系统。

(2)、数据与参数初始化。大数据平台非结构化数据库初始化，系统其他参数初始化，如图1步骤A1中需要采集的各种参数列表，状态参数列表、控制措施与预案列表等。

(3)、智能算法库由预先实现的各种算法导入。

(4)、动态反馈控制方法的循环过程。

所述动态反馈控制方法的循环过程如下：

1)、城市区域每个交叉口的实时状态信息采集，路口信号状态采集启动，得到的数据存储到数据库中，其中有结构化的数据，也有非结构化的交通视频流等数据。该步骤可以得到当前区域每个交叉口的人流密度、速度、人流量、车辆密度、速度、车流量、车辆排队长度、排队等侯时间、短时拥堵队列长度、延误时间、停车次数、道路饱和度、车道总体流量及其分布数据。

2)、引入对应区域内各个交叉口的人、车，每条路段、环境的历史信息及规律数据。可以由历史数据库导入，或由外部系统通过接口连入。

3)、由城市区域路段当前实时采集的交通数据与该路段历史数据进行统计与对比分析，得到当前交通状态态势发展趋势规律以及与历史交通记录的差异。整个分析过程需要数据挖掘、智能计算等大数据分析算法的支持。

4)、根据区域路段道路交通设计通行能力，标准规范等，进行当前区域道路交通趋势畅行与拥堵的预测、预警和决策；对于预警路段和路口，根据相关周边交叉口信号状态，采取一定的控制策略与措施，进行动态的协同联动、调整和控制。该步骤完成后即输出具体信号配时、分流与诱导等控制措施到信号终端等进行输出和显示。

5)、将控制措施实施后得到的交通状态的改善与恶化效果以及信号系统状态反馈到实时数据采集阶段，动态优化和调整下一阶段的流程和步骤。

参照图2-3，在一个具体的实施例中，对城市交通交叉口其中一条干道车辆排队过长，影响下一个交叉口交通的情况进行动态信号红绿灯配时进行动态优化调整。

首先，本发明提供的控制系统已正常安装并调试完毕，如图2所示的城市道路交通网络模块S1区域的各交叉口信号终端已经与本发明提供的控制系统连接，系统能够正常运行。该实施例按如下流程实施：

(1’)、启动本发明提供的控制系统。如图2所示的大数据平台模块S2启动，模块S21-S26的各模块功能正常运行。

(2’)、数据与参数初始化。将如图1步骤A1中需要采集的各种参数列表，状态参数列表、控制措施与预案列表等常量与变量初始化。

(3’)、智能算法库由预先实现的各种算法导入。将人工神经网络算法如误差反向传播算法，以及决策树算法等机器学习算法、数据挖掘算法集成的算法库导入到系统中，存储在模块S23中。

(4’)、动态反馈控制方法的循环过程如下：

1’)、该实施例指定的各个交叉口的实时状态信息采集，路口信号状态采集，得到的数据存储到数据库中。主要由用户交互模块S21启动数据采集模块S24的功能，得到的数据存储到视频、图像、文本数据库模块S22中。该步骤可以得到当前区域每个交叉口的人流密度、速度、人流量、车辆密度、速度、车流量、车辆排队长度、排队等侯时间、短时拥堵队列长度、延误时间、停车次数、道路饱和度、车道总体流量及其分布数据。表现为这些实时数据列表得到填充。本例中主要考虑依指定干道相位方向上的车队长度参数超过阈值，对信号灯进行配时调整的过程。

2’)、引入对应区域内各个交叉口的人、车，每条路段、环境的历史信息及规律数据。可以由历史数据库导入，或由外部系统通过接口连入。通过引入历史数据，可以得到本例指定干道相位方向上的车队长度的历史规律，如每小时、每天、每周的车队长度数据曲线。

3’)、由城市区域路段当前实时采集的交通数据与该路段历史数据进行统计与对比分析，得到当前交通状态态势发展趋势规律以及与历史交通记录的差异。整个分析过程需要数据挖掘、智能计算等大数据分析智能算法库模块S23的支持。

4’)、根据区域路段道路交通设计通行能力，标准规范等，进行当前区域道路交通趋势畅行与拥堵大的预测、预警和决策；对于预警路段和路口，大数据分析决策模块S25根据相关周边交叉口信号状态，采取一定的控制策略与措施，进行动态的协同联动、调整和控制。本例检测到指定干道有一个相位方向上的车队长度过长，并且已影响该相位方向上游的最近一个交叉口车辆的驶入情况。系统会检测到该参数值超过该路段车辆队列排队长度的历史规律曲线，并超过允许的长度阈值，发布预警信息；同时，将车辆排队长度参数到大数据分析决策模块S25，根据当前相位方向信号绿灯配时时间t1，以及当前车辆排队在该路段通过需要的时间计算t2，调整当前相位方向绿灯显示时长时间为t1+t2。该配时值即为需要调整的输出具体信号配时，该措施调整可由终端信号机输出、显示和执行。

5’)、动态反馈控制模块S26将控制措施实施后得到的交通状态的改善与恶化效果以及信号系统状态反馈到实时数据采集阶段，动态优化和调整下一阶段的流程和步骤。在本例中即为根据当前交叉口绿灯时长配置，控制系统动态调整了绿灯显示时长。在一个调整后的绿灯时长周期后，进一步采集当前相位方向上的车辆排队长度信息。根据该车辆排队长度参数与阈值的比较以及与调整前的车辆排队长度进行比较，可以得到动态控制措施实施后的改善效果是增大了车辆排队长度还是减小了车辆排队长度。动态反馈控制模块S26将该结果反馈给数据采集模块S24，形成闭环反馈控制过程。

上述实施例只是本发明实施的最简单情况。一般情况下，在决策模块S25决策过程中，对于交通情况是否有超过允许的阈值情况的判断，往往需要综合多种参数，多种状态，多种标准进行判断，要比上述实施例复杂的多。该过程由人工来进行是不现实的。但是，该过程在大数据分析平台的帮助下，有计算机网络系统自动进行，则在一定计算能力支持下，是容易做到的。因此，本发明提出的方法与系统是很容易在实际交通中实现的。

本发明提供了一种基于大数据分析平台的交通信号动态控制方法及系统，通过实时采集区域内人流、车流、排队和拥堵情况，以及道路、环境的实际情况，根据最大交通流量需要，以及道路网络交叉口的信号灯状态，动态调整多个道路交叉口信号灯的配时时间，达到最优控制效果。同时，提供了一种实现该方法的系统，在大数据分析平台的支持下，实现多个交叉口信号灯的协同联动控制。通过该方法和系统的实施，可以解决目前高密度交通状态下多交叉口的联动控制，以达到区域优化控制的目的。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。