一种基于路口相似度的信号配时方案推荐方法与流程

本发明涉及一种基于路口相似度的信号配时方案推荐方法。

技术背景

良好运转的交通系统与城市的健康发展息息相关。社会经济的发展、城市化进程的加快以及私家车的迅速增加促进了城市交通需求的快速增长，随之而来的交通拥堵问题已然成为了大中型城市发展的瓶颈问题。为了解决上述交通问题，国内外普遍采取的方法有加宽路面，修建立交桥、高架桥等。虽然这些方法能暂时缓解交通压力，但是由于土地资源有限以及经济条件的制约，上述的方法并不是缓解交通拥堵、提高通行效率的长久之计。因此，在道路建设增长极其有限的情况下，如何通过区域交通需求管控策略，对路网进行整体把控，同时实现区域道路交通运行的最优配置，挖掘和充分利用现有道路资源，才是实现城市道路交通高效、有序、安全运行的重要途径。

在城市道路交叉口的管理中采用交叉口信号配时方案可以对交叉口的交通进行有效的调控，是改善城市交通运行状况的重要途径之一。然而传统的信号配时工作，需要配时人员对相关路口进行实时的监控视频观察，根据实际情况制定方案，并持续观察方案效果。这一过程不仅对配时人员经验水平要求较高且耗费时间和精力，同时也影响方案下发的工作效率。另一方面由于交通系统本身所具有的动态特性所产生的时段差异以及路口自身的差异也使得配时工作积累下来的大量配时方案难以准确复用到别的路口上，造成了资源的浪费。

技术实现要素：

为提高配时工作人员的工作效率和准确率，更快的对拥堵路口和新增路口进行配时方案的下发，本发明提供了一种通过输入路口静态地理信息和动态交通流信息来推荐适合当前路口交通状况的信号配时方案的方法。

一种基于路口相似度的信号配时方案推荐方法，包括以下步骤：

1)采集数据，采集路口地理信息，通过scats检测器采集对应路口交通流数据及其对应时段的配时方案数据。

2)预处理数据，在步骤1)的基础上，针对交通流和配时方案数据的缺失和异常进行清洗和修复。针对缺失数据用多重插补的方法进行补全。针对异常数据，首先用统计学中的grubbs检验法判断数据是否为异常值，再针对异常值采用三次样条法进行插值。

3)建立数据库，基于步骤1)和步骤2)建立路口模型和方案模型。

4)推荐算法，在步骤3)的基础上，对目标路口与数据库模块中的路口做相似度的计算，计算公式sim描述如公式(1)所示：

sim＝kd·simd+kf·simf+kb·simb(1)

其中simd是路口空间相似度，kd是路口空间相似度所占的权重；simf是各路段车道数与车道功能类型的相似度，kf是车道数与车道功能类型的相似度所占的权重；simb是计算周围是否有医院、学校、车站等规律性大流量建筑物及建筑物所处位置的相似度，kb是建筑物相似度所占的权重。

选取相似度sim超过阈值的路口(阈值由专家经验得出)，通过目标路口与这些路口的当前动态数据匹配，从这些路口的方案中计算出最适合目标路口的方案进行推荐，计算公式描述如公式(2)所示：

其中s是配时方案推荐度，a(vo,ds)是以目标路口当前各相位对应车道的流量和饱和度构成的特征向量，b(vo,ds)是选中路口的各周期方案中的各相位对应车道的流量和饱和度构成的特征向量，vo表示流量，ds表示饱和度。

选取推荐度s最高的输出到scats控制系统中。

5)评价得分，收集方案运行后几个周期的数据对方案进行评价，计算公式描述如公式(3)所示：

其中scores指方案的评价得分，c代表方案运行后的c个周期，n代表参与评分的n项性能指标，性能指标有平均车辆延误时间，平均车速，路口排队长度等，ks是每项性能指标所占的权重，scores是每项性能指标所占的权重。得分高于阈值则将方案录入至目标路口的方案数据库中，阈值s由专家经验判断。

本发明的优点是：提出了一种基于路口相似度的信号配时方案推荐方法，能够将海量信号配时方案，通过路口相似度的匹配，推荐给目标路口，有效提高信号配时人员的工作效率和准确率。并通过评分机制，以保存优秀配时方案的方式，积累信号配时人员的专家经验。

附图说明

图1是本发明的步骤流程示意图。

图2是本发明的推荐算法结构图。

图3是本发明的评价指标结构图。

具体实施方式

为说明本发明的技术特点，下面结合附图对本发明的具体实施步骤进一步描述，此处所描述的具体实施案例仅仅用于解释本发明，而不是限定本发明。

对于本案例，其信号配时方案推荐方法包括以下所示，如附图1所示：

1)采集数据，采集路口地理信息，通过scats检测器采集对应路口交通流数据及其对应时段的配时方案数据。

2)预处理数据，在步骤1)的基础上，针对交通流和配时方案数据的缺失和异常进行清洗和修复。针对缺失数据用多重插补的方法进行补全。针对异常数据，首先用统计学中的grubbs检验法判断数据是否为异常值，再针对异常值采用三次样条法进行插值。

3)建立数据库，基于步骤1)和步骤2)建立路口模型和方案模型。

4)推荐算法，在步骤3)的基础上，对目标路口与数据库模块中的路口做相似度的计算，计算公式sim描述如公式(1)所示：

sim＝kd·simd+kf·simf+kb·simb(1)

其中simd是路口空间相似度，kd是路口空间相似度所占的权重；simf是各路段车道数与车道功能类型的相似度，kf是车道数与车道功能类型的相似度所占的权重；simb是计算周围是否有医院、学校、车站等规律性大流量建筑物及建筑物所处位置的相似度，kb是建筑物相似度所占的权重。

其中j是路段总数，directiona是目标路口的路段，directionb是路口数据库中的路口的路段，rad计算的是正北方向为起始方向的路段弧度。

其中ai与bi分别是目标路口与路口数据库中路口的车道功能和数量的模糊集，simf是ai与bi之间的模糊相似度，m是相应模糊集的面积。

若路口周围存在医院、学校、车站等规律性大流量建筑物，(x,y)为目标路口的建筑物坐标，(x′,y′)为数据库中路口周边建筑物坐标。

选取相似度sim超过阈值的路口，阈值由专家经验得出，一般取值范围是：75至95，本实施例取80。通过目标路口与这些路口的当前动态数据匹配，从这些路口的方案中计算出最适合目标路口的方案进行推荐，计算公式描述如公式(2)所示：

其中s是配时方案推荐度，a(vo,ds)是以目标路口当前各相位对应车道的流量和饱和度构成的特征向量，b(vo,ds)是选中路口的各周期方案中的各相位对应车道的流量和饱和度构成的特征向量，vo表示流量，ds表示饱和度。

选取推荐度s最高的输出到scats控制系统中。

5)评价得分，收集方案运行后几个周期的数据对方案进行评价，计算公式描述如公式(3)所示：

其中scores指方案的评价得分，c代表方案运行后的c个周期，n代表参与评分的n项性能指标，性能指标有平均车辆延误时间，平均车速，路口排队长度等，ks是每项性能指标所占的权重，scores是每项性能指标所占的权重。得分高于阈值则将方案录入至目标路口的方案数据库中，阈值s由专家经验判断，一般取值范围是大于0.7，本实施例取0.75。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。