匝道控制方法及装置与流程

本申请涉及交通控制技术领域，具体而言，涉及一种匝道控制方法及装置。

背景技术：

目前，从拥堵的成因上，可以把城市交通拥堵分为两类：一类是常发性交通拥堵，即在上下班节假日高峰时段，由流量突增且无法及时疏散而在道路或交叉口形成的交通瓶颈；另一类是偶发性交通拥堵，即由道路突发事件造成道路交通容量减少或由于大型活动等事件吸引交通量过多引起的交通拥培。针对不同原因形成的交通拥堵，需要采用不同的疏导方法。城市交通拥堵疏导是从道路供给和流量控制的角度，恢复或提高道路和交叉口的通行能力，或通过管理手段影响出行者的决策，从而达到疏导目的。

在高速公路的主动交通管理领域，匝道控制作为的主要手段之一，以高速公路主线道路的交通流为优先，对进入车辆进行调节与控制，以确保主线道路畅通，减少车辆行程时间，缓解合流部的冲突，从而实现高速公路主线道路交通流的平稳。然而，经发明人研究发现，目前针对匝道汇入口拥堵疏导匝道控制策略中缺乏对不同交通流状态下不同匝道控制效果的客观分析，缺乏不同交通流状态下不同匝道调节值与其控制效果之间信息的挖掘，导致匝道调节值的确定过程缺乏理论性。

技术实现要素：

为了克服现有技术中的上述不足，本申请的目的在于提供一种匝道控制方法及装置，以解决或者改善上述问题。

为了实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供一种匝道控制方法，应用于服务器，所述服务器与公路匝道汇入路段及匝道控制路段上设置各个交通流检测装置和公路匝道汇入节点的控制信号灯通信连接，所述方法包括：

获取所述各个交通流检测装置检测到的交通流数据；

根据预设的匝道控制状态数据库对所述交通流数据进行分析，划分主道交通流状态和匝道交通流状态；

采用预先训练的匝道控制策略预测矩阵选择所述主道交通流状态和所述匝道交通流状态下的匝道控制策略，所述匝道控制策略包括目标匝道调节量；

根据所述目标匝道调节量生成对应的匝道控制指令，并将所述匝道控制指令发送给所述控制信号灯以使所述控制信号灯根据所述匝道控制指令执行对应的信号控制。

在一种可能的实施方式中，所述方法还包括：

预先训练所述匝道控制策略预测矩阵。

在一种可能的实施方式中，所述预先训练所述匝道控制策略预测矩阵的步骤，包括：

获取在预设时间段内所述公路匝道汇入路段的交通流数据；

确定用于训练所述匝道控制策略预测矩阵的匝道控制状态数据库，所述匝道控制状态数据库包括交通流状态集和交通流动作集，所述交通流状态集包括用于描述各个交通状态的变量信息，所述交通流状态集包括主道上游交通量、主道与匝道之间的交织区交通量、匝道流入交通量、主道下游交通量、主道上游密度、匝道密度、主道上游平均速度以及匝道平均速度，所述交通流动作集包括不同状态下的匝道调节量；

根据所述匝道控制状态数据库确定主道上游主线进入交织区的交通量、每个控制周期进入匝道的交通量、主道下游主线驶离交织区的交通量以及每个控制周期驶离匝道的交通量；

根据所述主道上游主线进入交织区的交通量、每个控制周期进入匝道的交通量、主道下游主线驶离交织区的交通量以及每个控制周期驶离匝道的交通量计算各个状态下的状态行为回报函数值；

根据所述状态行为回报函数值、所述交通流数据和所述匝道控制状态数据库训练所述匝道控制策略预测矩阵。

在一种可能的实施方式中，所述根据所述主道上游主线进入交织区的交通量、每个控制周期进入匝道的交通量、主道下游主线驶离交织区的交通量以及每个控制周期驶离匝道的交通量计算各个状态下的状态行为回报函数值的步骤，包括：

根据所述主道上游主线进入交织区的交通量、每个控制周期进入匝道的交通量、主道下游主线驶离交织区的交通量以及每个控制周期驶离匝道的交通量确定当前的交通拥堵状态；

根据所述当前的交通拥堵状态确定对应的奖励值或者惩罚值；

根据确定的奖励值或者惩罚值以及所述主道上游主线进入交织区的交通量、每个控制周期进入匝道的交通量、主道下游主线驶离交织区的交通量以及每个控制周期驶离匝道的交通量，计算得到各个状态下的状态行为回报函数值。

在一种可能的实施方式中，所述根据所述主道上游主线进入交织区的交通量、每个控制周期进入匝道的交通量、主道下游主线驶离交织区的交通量以及每个控制周期驶离匝道的交通量计算各个状态下的状态行为回报函数值的计算公式包括：

r(t)＝-[(qin(t)+din(t))-(qout(t)+dout(t))]

其中，r(t)为状态行为回报函数值，qin(t)为所述主道上游主线进入交织区的交通量，din(t)为t控制周期进入匝道的交通量，qout(t)为主道下游主线驶离交织区的交通量，dout(t)为t控制周期驶离匝道的交通量。

在一种可能的实施方式中，所述根据所述状态行为回报函数值、所述交通流数据和所述匝道控制状态数据库训练所述匝道控制策略预测矩阵的步骤，包括：

初始化初始匝道控制策略预测矩阵中的核心矩阵q值，所述核心矩阵q值用于表征不同交通流状态下选择不同匝道控制策略的回报率，其中，所述匝道控制策略包括匝道调节量；

根据所述核心矩阵q值在所述交通流数据对应的每个交通状态下的入口匝道调节量调节过程中，采用softmax动作选择策略计算当前交通流状态下选择各个匝道控制策略的概率；

执行每个匝道控制策略，并计算执行每个匝道控制策略后的状态行为回报函数值以及执行后更新的交通流状态；

根据执行的匝道控制策略、所述状态行为回报函数值以及所述执行后更新的交通流状态更新每个交通状态下的核心矩阵q值，并返回根据所述核心矩阵q值在所述交通流数据对应的每个交通状态下的入口匝道调节量调节过程中，采用softmax动作选择策略计算当前交通流状态下选择各个匝道控制策略的概率的步骤，判断是否达到训练终止条件，并在判定满足训练终止条件时判断所述核心矩阵q值是否收敛；

若判定所述核心矩阵q值收敛，则将每个交通流状态下的最大核心矩阵q值对应的匝道控制策略作为每个交通流状态下的最优匝道控制策略，以训练得到匝道控制策略预测矩阵，所述匝道控制策略预测矩阵包括各个交通流状态下的匝道控制策略。

在一种可能的实施方式中，所述采用softmax动作选择策略计算当前交通流状态下选择各个匝道控制策略的概率的计算公式包括：

其中，p(s,a)为在交通流状态s下选择匝道控制策略a的概率，t为退火温度，qt(s,a)为当前时刻状态行为对应的核心矩阵q值。

在一种可能的实施方式中，所述根据执行的匝道控制策略、所述状态行为回报函数值以及所述执行后更新的交通流状态更新每个交通状态下的核心矩阵q值的计算公式，包括：

qt(st,at)＝r(t)+0.8*qt(st',at')

其中，qt(s,a)为t时刻对应的核心矩阵q值，r(t)为t时刻对应的状态行为回报函数值，at表示t时刻的执行后更新的交通流状态与之前的交通流状态的交通流减少量。

在一种可能的实施方式中，所述根据所述目标匝道调节量生成对应的匝道控制指令，并将所述匝道控制指令发送给所述控制信号灯以使所述控制信号灯根据所述匝道控制指令执行对应的信号控制的步骤之后，所述方法还包括：

根据所述目标匝道调节量以及所述控制信号灯根据所述匝道控制指令执行对应的信号控制之后所述各个交通流检测装置检测到的交通流数据返回根据所述核心矩阵q值在所述交通流数据对应的每个交通状态下的入口匝道调节量调节过程中，采用softmax动作选择策略计算当前交通流状态下选择各个匝道控制策略的概率的步骤，继续训练所述匝道控制策略预测矩阵。

第二方面，本申请实施例还提供一种匝道控制装置，应用于服务器，所述服务器与公路匝道汇入路段及匝道控制路段上设置各个交通流检测装置和公路匝道汇入节点的控制信号灯通信连接，所述装置包括：

数据获取模块，用于获取所述各个交通流检测装置检测到的交通流数据；

状态划分模块，用于根据预设的匝道控制状态数据库对所述交通流数据进行分析，划分主道交通流状态和匝道交通流状态；

策略选择模块，用于采用预先训练的匝道控制策略预测矩阵选择所述主道交通流状态和所述匝道交通流状态下的匝道控制策略，所述匝道控制策略包括目标匝道调节量；

指令发送模块，用于根据所述目标匝道调节量生成对应的匝道控制指令，并将所述匝道控制指令发送给所述控制信号灯以使所述控制信号灯根据所述匝道控制指令执行对应的信号控制。

第三方面，本申请实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述的匝道控制方法。

相对于现有技术而言，本申请具有以下有益效果：

本申请实施例提供一种匝道控制方法及装置，通过获取各个交通流检测装置检测到的交通流数据，并根据预设的匝道控制状态数据库对交通流数据进行分析，划分主道交通流状态和匝道交通流状态，接着采用预先训练的匝道控制策略预测矩阵选择主道交通流状态和匝道交通流状态下的匝道控制策略，最后根据目标匝道调节量生成对应的匝道控制指令，并将匝道控制指令发送给控制信号灯以使控制信号灯根据匝道控制指令执行对应的信号控制。由此，通过匝道控制策略预测矩阵能够对不同交通流状态下的不同匝道控制效果进行客观分析，从而确定不同交通流状态下具有最优控制效果的匝道控制策略，有效提升了匝道控制的效果和合理性，减少匝道路段内的通行时间。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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它相关的附图。

图1为本申请实施例提供的匝道控制方法的应用场景示意图；

图2为本申请实施例提供的匝道控制方法的流程示意图；

图3为一种主道和匝道的交汇路段示意图；

图4为本申请实施例提供的匝道控制装置的功能模块图；

图5为本申请实施例提供的用于实现上述匝道控制方法的服务器的结构示意框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

请参阅图1，在对本实施例提供的匝道控制方法进行阐述之前，下面首先对本实施例提供的匝道控制方法的应用场景进行说明。如图1所示，该应用场景可包括服务器100以及与服务器100通信连接的各个交通流检测装置300以及控制信号灯500。详细地，各个交通流检测装置300可以设置在公路匝道汇入路段及匝道控制路段上，用于对经过公路匝道汇入路段及匝道控制路段的交通流进行检测。控制信号灯500可以设置在公路匝道汇入节点，用于经过的交通流进行进行控制。

本实施例中，所述服务器100应被理解为提供处理、资料库、通讯设施的业务点。举例而言，服务器100可以指具有相关通信和资料存储和资料库设施的单个的物理处理器，或它可以指联网或集聚的处理器、相关网路和存放装置的集合体，并且对软体和一个或多个资料库系统和支援服务器100所提供的服务的应用软体进行操作。服务器100可以在配置或性能上差异很大，但是服务器100一般可以包括一个或多个中央处理单元和存储单元。服务器100还可以包括一个或多个大型存放区设备、一个或多个电源、一个或多个有线或无线网络组件、一个或多个输入/输出组件、或一个或多个作业系统，诸如，windowsserver、macosx、unix、linux、freebsd等等。

请参阅图2，为本申请实施例提供的匝道控制方法的一种流程示意图，所述匝道控制方法可以由图1中所示的服务器100执行。所应说明的是，本申请实施例提供的匝道控制方法不以图2及以下的具体顺序为限制。该方法的具体流程如下：

步骤s210，获取所述各个交通流检测装置300检测到的交通流数据。

本实施例中，交通流数据可以包括主道上游交通量、主道与匝道之间的交织区交通量、匝道流入交通量、主道下游交通量、主道上游密度、匝道密度、主道上游平均速度以及匝道平均速度等，本实施例对此不作任何限制。

上述主道和匝道的关系请参照图3所示的应用场景，qin为主道上游，qout为主道下游，din为匝道流入，dout为主道与匝道之间的交织区。

步骤s220，根据预设的匝道控制状态数据库对所述交通流数据进行分析，划分主道交通流状态和匝道交通流状态。

本实施例中，预设的匝道控制状态数据库可以包括交通流状态集和交通流动作集，所述交通流状态集包括用于描述各个交通状态的变量信息，例如所述交通流状态集包括各个交通状态的主道上游交通量、主道与匝道之间的交织区交通量、匝道流入交通量、主道下游交通量、主道上游密度、匝道密度、主道上游平均速度以及匝道平均速度，所述交通流动作集可以包括不同状态下的匝道调节量，该匝道调节量的值域应在当前路段允许的最高节值和最低调节值之间。例如，在车辆由停车线起步初期，可以设定第一辆车通过停车线的时间为2秒，通过调整红灯和绿灯时间来达到控制效果。高速公路交通流密度的范围为0veh/m～100veh/m，划分为自由流、同步流和拥堵流。自由流密度的范围为0veh/m～30veh/m，同步流密度的范围为30veh/m～60veh/m，拥堵流密度的范围为60veh/m～100veh/m。高速公路匝道交通流状态划分的范围为0veh/m～45veh/m，以5veh/m为步长划分交通流状态。匝道调节量空间可以选择离散化的行为空间，范围为0veh/m～40veh/m，以4veh/m为步长划分行为空间。

由此，根据上述预设的匝道控制状态数据库对所述交通流数据进行分析，可以划分主道交通流状态和匝道交通流状态。

步骤s230，采用预先训练的匝道控制策略预测矩阵选择所述主道交通流状态和所述匝道交通流状态下的匝道控制策略。

在对本步骤s230进行进一步阐述之前，下面首先对匝道控制策略预测矩阵的训练过程进行说明。

首先，获取在预设时间段内所述公路匝道汇入路段的交通流数据，并确定用于训练所述匝道控制策略预测矩阵的匝道控制状态数据库，也即上述的交通流状态集和交通流动作集。

接着，根据所述匝道控制状态数据库确定主道上游主线进入交织区的交通量、每个控制周期进入匝道的交通量、主道下游主线驶离交织区的交通量以及每个控制周期驶离匝道的交通量。

而后，根据所述主道上游主线进入交织区的交通量、每个控制周期进入匝道的交通量、主道下游主线驶离交织区的交通量以及每个控制周期驶离匝道的交通量计算各个状态下的状态行为回报函数值。

其中，根据所述主道上游主线进入交织区的交通量、每个控制周期进入匝道的交通量、主道下游主线驶离交织区的交通量以及每个控制周期驶离匝道的交通量计算各个状态下的状态行为回报函数值的计算公式可以包括：

r(t)＝-[(qin(t)+din(t))-(qout(t)+dout(t))]

其中，r(t)为状态行为回报函数值，qin(t)为所述主道上游主线进入交织区的交通量，din(t)为t控制周期进入匝道的交通量，qout(t)为主道下游主线驶离交织区的交通量，dout(t)为t控制周期驶离匝道的交通量。

在一种可能的实施方式中，为了加快后续的强化学习收敛速度，可以在确定状态行为回报函数值时对关键密度状态附近的交通流状态设置相应比例的额外奖励值，对严重拥堵状态设置相应比例的额外惩罚值。例如，可以根据所述主道上游主线进入交织区的交通量、每个控制周期进入匝道的交通量、主道下游主线驶离交织区的交通量以及每个控制周期驶离匝道的交通量确定当前的交通拥堵状态，并根据所述当前的交通拥堵状态确定对应的奖励值或者惩罚值。最后，根据确定的奖励值或者惩罚值以及所述主道上游主线进入交织区的交通量、每个控制周期进入匝道的交通量、主道下游主线驶离交织区的交通量以及每个控制周期驶离匝道的交通量，计算得到各个状态下的状态行为回报函数值。例如，可以对关键密度状态附近的交通流状态设置10％的额外奖励值，对严重拥堵状态设置10％的额外惩罚值，也即在计算上述各个状态下的状态行为回报函数值时增加10％的额外奖励值或者扣除10％的额外惩罚值。

最后，根据所述状态行为回报函数值、所述交通流数据和所述匝道控制状态数据库训练所述匝道控制策略预测矩阵。

在一种可能的实施方式中，首先初始化初始匝道控制策略预测矩阵中的核心矩阵q值，所述核心矩阵q值用于表征不同交通流状态下选择不同匝道控制策略的回报率，其中，所述匝道控制策略包括匝道调节量。

接着，根据所述核心矩阵q值在所述交通流数据对应的每个交通状态下的入口匝道调节量调节过程中，采用softmax动作选择策略计算当前交通流状态下选择各个匝道控制策略的概率。

上述根据所述核心矩阵q值在所述交通流数据对应的每个交通状态下的入口匝道调节量调节过程中，采用softmax动作选择策略计算当前交通流状态下选择各个匝道控制策略的概率的计算公式可以包括：

其中，p(s,a)为在交通流状态s下选择匝道控制策略a的概率，t为退火温度，qt(s,a)为当前时刻状态行为对应的核心矩阵q值。

在上述基础上，执行每个匝道控制策略，并计算执行每个匝道控制策略后的状态行为回报函数值以及执行后更新的交通流状态。

而后，根据执行的匝道控制策略、所述状态行为回报函数值以及所述执行后更新的交通流状态更新每个交通状态下的核心矩阵q值，并返回根据所述核心矩阵q值在所述交通流数据对应的每个交通状态下的入口匝道调节量调节过程中，采用softmax动作选择策略计算当前交通流状态下选择各个匝道控制策略的概率的步骤。在整个过程中，判断是否达到训练终止条件，例如判断是否已执行预设次数(例如20次)每个交通状态下的核心矩阵q值的状态更新，若是，则判定达到训练终止条件，并在判定满足训练终止条件时判断所述核心矩阵q值是否收敛。

其中，根据执行的匝道控制策略、所述状态行为回报函数值以及所述执行后更新的交通流状态更新每个交通状态下的核心矩阵q值的计算公式可以包括：

qt(st,at)＝r(t)+0.8*qt(st',at')

其中，qt(s,a)为t时刻对应的核心矩阵q值，r(t)为t时刻对应的状态行为回报函数值，at表示t时刻的执行后更新的交通流状态与之前的交通流状态的交通流减少量。

若判定所述核心矩阵q值收敛，则将每个交通流状态下的最大核心矩阵q值对应的匝道控制策略作为每个交通流状态下的最优匝道控制策略，以训练得到匝道控制策略预测矩阵，所述匝道控制策略预测矩阵包括各个交通流状态下的匝道控制策略。

由此，本实施例通过学习匝道控制策略对通行效率改善的规律，确定不同交通流状态下具有最优控制效果的匝道控制策略。在学习各个交通流状态下的匝道控制策略的过程中，根据当前交通流状态选择各个匝道控制策略，计算每个匝道控制策略导致的状态转移的状态行为回报函数值，并遍历所有匝道控制策略导致的状态转移的状态行为回报函数值，直到所有匝道控制策略导致的状态转移的状态行为回报函数值收敛，从而实现对不同交通流状态下不同匝道调节值与其控制效果之间信息的挖掘，为匝道调节值的确定过程提供客观理论依据，弥补了现有技术中的高速公路匝道控制下交通流状态和匝道调节之间对应关系确定的随意性，提高了交通控制过程中的稳定性。

在上述基础上，通过匝道控制策略预测矩阵选择所述主道交通流状态和所述匝道交通流状态下的匝道控制策略，从而实现自主选择所述主道交通流状态和所述匝道交通流状态下对应的最优匝道控制调节量，并将最优匝道控制调节量作为匝道控制策略中的目标匝道调节量。

步骤s240，根据所述目标匝道调节量生成对应的匝道控制指令，并将所述匝道控制指令发送给所述控制信号灯500以使所述控制信号灯500根据所述匝道控制指令执行对应的信号控制。

本实施例通过匝道控制策略预测矩阵能够对不同交通流状态下的不同匝道控制效果进行客观分析，从而确定不同交通流状态下具有最优控制效果的匝道控制策略，有效提升了匝道控制的效果和合理性，减少匝道路段内的通行时间，改善交通通行效率。

进一步地，在一种可能的实施方式中，本实施例还可以根据所述目标匝道调节量以及所述控制信号灯500根据所述匝道控制指令执行对应的信号控制之后所述各个交通流检测装置300检测到的交通流数据返回根据所述核心矩阵q值在所述交通流数据对应的每个交通状态下的入口匝道调节量调节过程中，采用softmax动作选择策略计算当前交通流状态下选择各个匝道控制策略的概率的步骤，继续训练所述匝道控制策略预测矩阵。

由此，通过基于控制后的各个交通流检测装置300检测到的交通流数据和目标匝道调节量对匝道控制策略预测矩阵进行持续优化，持续分析匝道调节量对通行效率改善的影响规律，使得匝道控制策略预测矩阵可以实现依据实时交通流数据对匝道调节量进行反馈调节，进一步提升高速公路的通行效率。

进一步地，请参阅图4，本申请实施例还提供一种匝道控制装置200，该匝道控制装置200实现的功能可以对应上述方法执行的步骤。该匝道控制装置200可以理解为上述服务器100，或服务器100的处理器，也可以理解为独立于上述服务器100或处理器之外的在服务器100控制下实现本申请功能的组件，如图4所示，该匝道控制装置200可以包括数据获取模块210、状态划分模块220、策略选择模块230以及指令发送模块240，下面分别该匝道控制装置200的各个功能模块的功能进行详细阐述。

数据获取模块210，用于获取所述各个交通流检测装置300检测到的交通流数据。

状态划分模块220，用于根据预设的匝道控制状态数据库对所述交通流数据进行分析，划分主道交通流状态和匝道交通流状态。

策略选择模块230，用于采用预先训练的匝道控制策略预测矩阵选择所述主道交通流状态和所述匝道交通流状态下的匝道控制策略，所述匝道控制策略包括目标匝道调节量。

指令发送模块240，用于根据所述目标匝道调节量生成对应的匝道控制指令，并将所述匝道控制指令发送给所述控制信号灯500以使所述控制信号灯500根据所述匝道控制指令执行对应的信号控制。

可以理解的是，本实施例中的各功能模块的具体操作方法可参照上述方法实施例中相应步骤的详细描述，在此不再重复赘述。

进一步地，请参阅图5，为本申请实施例提供的用于上述匝道控制方法的服务器100100的结构示意框图。本实施例中，所述服务器100100可以由总线110作一般性的总线体系结构来实现。根据服务器100100的具体应用和整体设计约束条件，总线110可以包括任意数量的互连总线和桥接。总线110将各种电路连接在一起，这些电路包括处理器120、存储介质130和总线接口140。可选地，服务器100100可以使用总线接口140将网络适配器150等经由总线110连接。网络适配器150可用于实现服务器100100中物理层的信号处理功能，并通过天线实现射频信号的发送和接收。用户接口160可以连接外部设备，例如：键盘、显示器、鼠标或者操纵杆等。总线110还可以连接各种其它电路，如定时源、外围设备、电压调节器或者功率管理电路等，这些电路是本领域所熟知的，因此不再详述。

可以替换的，服务器100100也可配置成通用处理系统，例如通称为芯片，该通用处理系统包括：提供处理功能的一个或多个微处理器，以及提供存储介质130的至少一部分的外部存储器，所有这些都通过外部总线体系结构与其它支持电路连接在一起。

可替换的，服务器100100可以使用下述来实现：具有处理器120、总线接口140、用户接口160的asic(专用集成电路)；以及集成在单个芯片中的存储介质130的至少一部分，或者，服务器100100可以使用下述来实现：一个或多个fpga(现场可编程门阵列)、pld(可编程逻辑器件)、控制器、状态机、门逻辑、分立硬件部件、任何其它适合的电路、或者能够执行本申请通篇所描述的各种功能的电路的任意组合。

其中，处理器120负责管理总线110和一般处理(包括执行存储在存储介质130上的软件)。处理器120可以使用一个或多个通用处理器和/或专用处理器来实现。处理器120的例子包括微处理器、微控制器、dsp处理器和能够执行软件的其它电路。应当将软件广义地解释为表示指令、数据或其任意组合，而不论是将其称作为软件、固件、中间件、微代码、硬件描述语言还是其它。

在图5中存储介质130被示为与处理器120分离，然而，本领域技术人员很容易明白，存储介质130或其任意部分可位于服务器100100之外。举例来说，存储介质130可以包括传输线、用数据调制的载波波形、和/或与无线节点分离开的计算机制品，这些介质均可以由处理器120通过总线接口140来访问。可替换地，存储介质130或其任意部分可以集成到处理器120中，例如，可以是高速缓存和/或通用寄存器。

所述处理器120可执行上述实施例，具体地，所述存储介质130中可以存储有所述匝道控制装置200，所述处理器120可以用于执行所述匝道控制装置200。

进一步地，本申请实施例还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的匝道控制方法。

综上所述，本申请实施例提供一种匝道控制方法及装置，通过获取各个交通流检测装置检测到的交通流数据，并根据预设的匝道控制状态数据库对交通流数据进行分析，划分主道交通流状态和匝道交通流状态，接着采用预先训练的匝道控制策略预测矩阵选择主道交通流状态和匝道交通流状态下的匝道控制策略，最后根据目标匝道调节量生成对应的匝道控制指令，并将匝道控制指令发送给控制信号灯以使控制信号灯根据匝道控制指令执行对应的信号控制。由此，通过匝道控制策略预测矩阵能够对不同交通流状态下的不同匝道控制效果进行客观分析，从而确定不同交通流状态下具有最优控制效果的匝道控制策略，有效提升了匝道控制的效果和合理性，减少匝道路段内的通行时间。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

可以替换的，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其它可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的电子设备、服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

需要说明的是，在本文中，术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。