一种基于路网状态信息的交通诱导屏调用控制方法及系统与流程

1.本发明属于交通工程的控制技术领域，具体地，涉及一种基于路网状态信息的交通诱导屏调用控制方法及系统。


背景技术：

2.交通诱导屏通过发布交通信息，合理诱导交通流，进而缓解城市交通拥堵，降低车辆的单位行驶距离、排放和节约能源的消耗。当交通拥堵时，安装在路网中的交通诱导点的交通诱导屏正确发布避堵最优诱导路径信息，可提高路网的交通运行效率；当路网处于非拥挤状态时，交通诱导屏可以熄屏节约用电或用于交通宣传。而现有交通诱导屏的开闭和信息发布与交通诱导信息的需求没有很好的结合，诱导屏通常是全时段开启发布路况信息。当道路畅通，不需要进行路况诱导时，诱导屏仍然显示各条道路都是通畅的信息，发布的信息没有价值，就会造成设备资源和电能的浪费。
3.因此，需要在对路网状态信息检测的条件下，建立诱导屏的优化控制算法，同时满足路网交通诱导信息发布需求和节能环保综合利用的目标，实现交通诱导屏的最优化使用。


技术实现要素：

4.有鉴于此，本发明的目的是提供一种基于路网状态信息的交通诱导屏调用控制方法及系统。
5.本发明的目的是通过以下技术方案实现的：
6.本发明提供了一种基于路网状态信息的交通诱导屏调用控制方法，包括：
7.实时获取路网中各诱导屏指示区域内的交通状态信息和环境信息；
8.利用交通状态信息和环境信息，根据设定的诱导模型以及求解算法确定诱导屏指示区域内的各诱导屏需要发布的诱导内容和初始诱导方案，其中，诱导模型以诱导屏影响下的路网的诱导总时间效益作为诱导模型的目标函数，并根据路段、路径和时间效益建立约束；
9.根据诱导模型，确定各诱导屏指示区域内的交通在诱导情况下的路网诱导时间效益和车均诱导时间效益；
10.根据交通状态信息，确定未诱导情况下的路网未诱导时间效益和车均未诱导时间效益；
11.根据路网诱导时间效益和路网未诱导时间效益，确定路网诱导时间效益差；
12.根据路网诱导时间效益差以及车均诱导时间效益和车均未诱导时间效益，确定初始诱导方案的延时程度；
13.基于所述延时程度和初始诱导方案，控制诱导屏指示区域内的诱导屏的状态，并对诱导屏的工作状态信息进行实时反馈。
14.本发明还提供了一种基于路网状态信息的交通诱导屏调用控制系统，包括：
15.交通环境信息采集模块，用于实时获取诱导屏指示区域内的交通运行状态和环境信息；诱导信息处理模块，用于
16.接收交通运行状态和环境信息，并根据设定的诱导模型，并利用设定的模型求解算法确定诱导屏指示区域内的各诱导屏需要发布的交通诱导内容和初始诱导方案，其中，诱导模型以诱导屏影响下的路网的诱导总时间效益作为诱导模型的目标函数，并根据路段、路径和时间效益建立约束；
17.根据诱导模型，确定各诱导屏指示区域内交通在诱导情况下的路网诱导时间效益和车均诱导时间效益；
18.根据交通状态信息，确定未诱导情况下的路网未诱导时间效益和车均未诱导时间效益；
19.根据路网诱导时间效益和路网未诱导时间效益，确定路网诱导时间效益差；
20.诱导信息发布模块，用于监控各个诱导屏的运行情况和诱导内容的发布，以及根据路网诱导时间效益差以及车均诱导时间效益和车均未诱导时间效益确定初始诱导方案的延时程度；
21.诱导屏控制云平台，用于基于延时程度，控制诱导屏指示区域内的诱导屏的状态，并对诱导屏的工作状态信息进行实时反馈。
22.进一步地，所述约束包括路径约束、路段约束和路段时间效益约束，其中，路径约束是将诱导路径的流量作为评价指标，路段约束是将各路段的饱和度的均值和方差以及通过该路段的所有路径的流量和作为评价指标，路段时间效益约束是将诱导交通路段时间效益作为评价指标，其中，诱导路径的流量用公式表示为：
[0023][0024][0025]
其中，m表示第m条路径；ω表示第ω个od对；w表示诱导区域内od对的集合；r
ω
表示连接od对ω的所有可行路径的集合；表示od对ω上路径m的流量；q
ω
表示od对ω的总流量；
[0026]
饱和度s
l
表示路段l上的车辆的拥挤程度，用公式表示为：
[0027][0028]
其中，x
l
表示路段l的路段流量；c
l
表示路段l的最大通行能力；
[0029]
路段l的饱和度均值和饱和度方差用公式分别表示为：
[0030][0031][0032]
其中，n表示路网上的路段数；
[0033]
路段流量x
l
表示通过路段l的所有路径的流量之和，用公式表示为：
[0034][0035][0036]
其中，表示路径与路段的拓扑关系，表示路径m使用路段l连接od对ω，反之，l表示诱导屏指示区域中路段的集合；
[0037]
诱导交通路段时间效益t
l1
表示受诱导信息影响下路段l的平均通行时间，用公式表示为：
[0038][0039]
其中，x
l1
表示路段l在诱导屏开启的情况下的交通量，t
l0
表示路段l的自由通行时间；a和b表示标定参数，分别取0.15和4.0。
[0040]
进一步地，所述诱导模型为：
[0041][0042][0043]
其中，f表示受诱导信息影响下的交通量诱导时间效益的目标函数，α1和α2为饱和度均值的上下阈值，β1和β2为饱和度方差的上下阈值。
[0044]
进一步地，根据诱导模型，确定各诱导屏指示区域内交通在诱导情况下的路网诱导时间效益和车均诱导时间效益，包括：
[0045]
根据诱导模型，确定诱导情况下路段l的配流交通量x
l1
以及诱导交通路段时间效益t
l1
；
[0046]
根据配流交通量x
l1
以及诱导交通路段的时间效益t
l1
，确定路网诱导时间效益t1和车均诱导时间效益t
1_a
，用公式表示为：
[0047][0048]
[0049]
进一步地，根据交通状态信息，确定未诱导情况下的路网未诱导时间效益和车均未诱导时间效益包括：
[0050]
根据交通状态信息，确定未诱导情况下路段l的交通量x
l2
以及路段时间效益t
l2
；
[0051]
根据交通量x
l2
以及路段时间效益t
l2
，确定路网未诱导时间效益t2和车均未诱导时间效益t
2_a
，用公式表示为：
[0052][0053][0054]
进一步地，根据路网诱导时间效益差以及车均诱导时间效益和车均未诱导时间效益确定初始诱导方案的延时程度包括：
[0055]
当路网诱导时间效益差tr≤0时，不进行诱导，控制诱导屏关闭；
[0056]
当路网诱导时间效益差tr》0时，确定延时程度g；
[0057]
当μ1≤g《μ2时，则实时发布诱导内容，
[0058]
当μ2≤g《μ3时，则适当延时1～10分钟发布诱导内容，
[0059]
当g≥μ3时，则重新制定诱导方案，
[0060]
其中，tr＝t
2-t1，g＝t
2_a-t
1_a
，μ1、μ2和μ3表示延时程度判断阈值。
[0061]
进一步地，所述求解算法为遗传算法，具体包括如下步骤：
[0062]
s1：初始化种群，包括设置种群的进化代数以及最大进化代数并随机生成一个种群作为初始种群；
[0063]
s2：计算适应度，即计算种群中每个个体的适应度，判断是否满足预设的终止条件，若满足所述终止条件，则输出最优个体和最终解，求解结束，如果没有满足所述终止条件，则继续执行s3；
[0064]
s3：选择，即根据预设的选择概率ps，将选择算子作用于种群，通过选择操作，选择适应度高的个体进入下一代种群；
[0065]
s4：交叉，即按照预设的交叉概率pc，进行交叉操作；
[0066]
s5：变异，即根据预设的变异概率pm，将变异算子作用于种群，得到新一代的种群，并返回s2。
[0067]
本发明的有益效果是：
[0068]
本发明提出了以诱导时间效益建立规划诱导屏开启与关闭控制优化模型(即诱导模型，也可称为诱导控制模型)，综合考虑了路网及交通信息发布需求、诱导时间效益要素，使得建立的诱导模型达到的综合效益更优；另外，本发明在根据模型确定了最优解，即初始诱导方案之后，又确定了在诱导屏影响下的诱导效益和不受诱导屏影响下的效益，通过将二者比较来进一步确定初始诱导方案的延时程度，从而来判断是否需要诱导，在需要进行诱导的情况下，进一步通过判断诱导情况下的车均时间效益以及非诱导情况下的车均时间效益来确定是否实时发布诱导内容，或者适当延时发布诱导内容，又或者重新制定诱导方案。因此，通过本发明的方法可以使得最终确定的诱导方案更加合理也更加环保节能。同时，通过设置诱导屏，可以诱导车辆选择通行能力较好的路径和路段，降低了拥堵事件以及
其他交通事故发生的可能，也减少了因拥堵造成的燃料不充分燃烧导致的环境问题；并且，通过对不同道路交通状态下的诱导屏的开启或者关闭，使得诱导屏能够得到合理的使用，从而减少资源的浪费，更加节能环保。
[0069]
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0070]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
[0071]
图1是根据本技术的一个实施例所示基于路网状态信息的交通诱导屏调用控制系统模块图；
[0072]
图2是根据本技术的一个实施例所示的基于路网状态信息的交通诱导屏调用控制方法的示意性流程图；
[0073]
图3是根据本技术的一个实施例所示的约束条件的示意图；
[0074]
图4是根据本技术的一个实施例所示的遗传算法的示意性流程图。
具体实施方式
[0075]
以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
[0076]
图1a和1b是根据本技术的一个实施例所示的基于路网状态信息的交通诱导屏调用控制系统模块图。如图1a和图1b所示，交通诱导屏调用控制系统100可以包括：交通环境信息采集模块(也可称为“信息采集模块”)110、诱导信息处理模块(也可称为“信息处理模块”)120、诱导信息发布模块(也可称为“信息发布模块”)130和诱导屏控制云平台140。其中，交通环境信息采集模块110可以用于实时采集诱导屏指示区域内的路段的交通信息和环境信息。在一些事实施例中，诱导屏控制云平台140可以首先获取其所控制的诱导屏的指示区域，即这些诱导屏所关联的一些路段的集合，接着，交通环境信息采集模块110可以获取所述指示区域内的交通状态信息和环境信息。在一些实施例中，交通环境信息采集模块110可以包括一些数据采集设备，例如：路段地磁检测器、交通状态识别摄像头、交通雷达检测器等。交通状态信息可以包括各路段的交通流量、交通拥堵情况、各车辆的的速度、位置等。环境信息可以包括各路段的分布关联情况、诱导屏的分布情况等。交通环境信息采集模块110采集的信息可以通过数据传输设备通过无线或有线的通信方式进行数据传送，并发送给诱导信息处理模块进行信息处理。
[0077]
诱导信息处理模块120可以用于对信息进行处理，生成诱导屏的启动方案(例如初始启动方案，也称为“初始诱导方案”)。在一些实施例中，诱导信息处理模块120可以接收信息采集模块采集到的交通运行状态和环境信息，并根据设定的诱导模型，并利用设定的模型求解算法确定诱导屏指示区域内的各诱导屏需要发布的交通诱导内容和初始诱导方案，其中，诱导模型以诱导屏影响下的路网的诱导总时间效益作为诱导模型的目标函数，并根
据路段、路径和时间效益建立约束。在一些实施例中，诱导信息处理模块120还可以根据诱导模型，确定各诱导屏指示区域内交通在诱导情况下的路网诱导时间效益和车均诱导时间效益。在一些实施例中，诱导信息处理模块120还可以根据交通状态信息，确定未诱导情况下的路网未诱导时间效益和车均未诱导时间效益。在一些实施例中，诱导信息处理模块120还可以根据路网诱导时间效益和路网未诱导时间效益，确定路网诱导时间效益差。
[0078]
在一些实施例中，诱导信息处理模块120还可以用于利用求解算法对诱导模型进行求解以确定诱导屏的初始启动方案。对于诱导模型的求解可以使用任意求解最优解的算法，例如，遗传算法、粒子群算法、蚁群算法、模拟退火算法等。下面以遗传算法为例进行说明，具体可参见图4及其相关描述。
[0079]
在一些实施例中，如图1b所示，诱导信息处理模块120可以包括数据服务器、数据发布/接收服务器、运算服务器和外部接口服务器(例如，可以包括城市交通服务平台、gis服务平台、互联网出行平台等)。该模块包括数据处理功能、数据运算功能和一定的数据发布功能。数据服务器可以用于数据存储，其可以存储实时数据和历史数据，还可以提供远程数据查询。实时数据可以包括获取的交通状态信息，例如，实时获取交通流量、交通拥堵情况、各车辆的速度、位置等信息。历史上数据可以包含路段的历史交通流信息等。数据服务器还可以与外部接口服务器数据交换。数据处理服务器可以接收来自信息采集模块采集到的和/或交换来的数据。运算服务器可以进行诱导计算，发布服务器可以处理诱导屏的控制和信息发布。例如，运算服务器可以基于诱导屏现状点位布设情况和交通信息，按照预设求解算法，根据诱导模型计算出约束条件下的诱导屏启用方案，并传递给诱导信息发布服务器。外部接口服务器既可以作为辅助数据源为运算服务器提供辅助数据源，也可以通过外部接口服务器获取所需诱导信息提供服务。
[0080]
诱导信息发布模块130可以监控系统中各个诱导屏的运行状态并用于控制发布诱导信息。在一些实施例中，诱导信息发布模块130还可以确定所述启动方案的延时程度，从而根据延时程度和初始诱导方案从而确定最终的诱导方案。例如，诱导信息发布模块130可以用于监控路网中各个诱导屏的运行情况和诱导内容的发布，以及根据路网诱导时间效益差以及车均诱导时间效益和车均未诱导时间效益确定初始启动方案的延时程度。在确定了诱导屏初始启动方案和延时方案之后，可以将该诱导屏启动方案和延时方案发送给诱导屏控制云平台140，诱导屏控制云平台140，基于所述延时方案，控制诱导屏指示区域内的诱导屏的状态，对道路状态进行实时反馈。
[0081]
图2是根据本技术的一个实施例所示的基于路网状态信息的交通诱导屏调用控制方法的示意性流程图。
[0082]
在步骤210，可以实时获取交通状态信息和环境信息。该步骤可以由交通环境信息采集模块110执行。交通环境信息采集模块110可以用于实时采集诱导屏指示区域内的路段的交通信息和环境信息。在一些实施例中，诱导屏控制云平台140可以首先获取其所控制的诱导屏的指示区域，即这些诱导屏所关联的一些路段的集合，接着，交通环境信息采集模块110可以获取所述指示区域内的交通状态信息和环境信息。在一些实施例中，交通环境信息采集模块110可以包括一些数据采集设备，例如：地磁、摄像头、雷达等。交通状态信息可以包括各路段的交通流量、交通拥堵情况、各车辆的速度、位置等。环境信息可以包括各路段的分布关联情况、诱导屏的分布情况等。
[0083]
在步骤220，可以建立诱导模型(也称为“诱导控制模型”)。该步骤可以由诱导信息处理模块120完成。例如，可以利用交通状态信息和环境信息，根据设定的诱导模型以及求解算法确定诱导屏指示区域内的各诱导屏需要发布的诱导内容和初始诱导方案，其中，诱导模型以诱导屏影响下的路网的诱导总时间效益作为诱导模型的目标函数，并根据路段、路径和时间效益建立约束。图3是根据本技术的一个实施例所示的约束条件的示意图。如图3所示，所述约束包括路径约束、路段约束和路段时间效益约束。其中，路径约束是将诱导路径的流量作为评价指标。路段约束是将各路段的饱和度的均值和方差以及通过该路段的所有路径的流量和作为评价指标。对于同一路段，该路段的饱和度越高，表示路段拥挤程度越大，则相应的道路服务水平越低，即通过该路段所需的时间越长。饱和度的均值与方差较大时，说明路网中的车流分布不平衡，局部路网会存在交通拥堵，为交通运行状态限制条件。路段时间效益约束是将诱导交通路段时间效益作为评价指标。
[0084]
诱导路径的流量用公式表示为：
[0085][0086][0087]
其中，m表示第m条路径；ω表示第ω个od对；w表示诱导区域内od对的集合；r
ω
表示连接od对ω的所有可行路径的集合；表示od对ω上路径m的流量；q
ω
表示od对ω的总流量。
[0088]
饱和度s
l
表示路段l上的车辆的拥挤程度，用公式表示为：
[0089][0090]
其中，x
l
表示路段l的路段流量；c
l
表示路段l的最大通行能力。
[0091]
路段l的饱和度均值和饱和度方差用公式分别表示为：
[0092][0093][0094]
其中，n表示路网上的路段数；
[0095]
路段流量x
l
为od对出行量之间的动态映射关系，其表示通过路段l的所有路径的流量之和，用公式可以表示为：
[0096][0097][0098]
其中，表示路径与路段之间的拓扑关系，表示路径m使用路段l连接od对ω，反之，l表示诱导屏指示区域中路段的集合。
[0099]
诱导交通路段时间效益t
l1
表示受诱导信息影响下(即诱导屏开启的情况下)路段l的平均通行时间，表明诱导方案的时间效益，其可以通过路段阻抗函数计算得到，用公式可
以表示为：
[0100][0101]
其中，x
l1
表示路段l在诱导屏开启的情况下的交通量，t
l0
表示路段l的自由通行时间；a和b表示标定参数，分别取0.15和4.0。
[0102]
在一些实施例中，所述诱导模型用公式表示为：
[0103][0104][0105]
其中，f表示受诱导信息影响下的交通量诱导时间效益的目标函数，α1和α2为饱和度均值的上下阈值，β1和β2为饱和度方差的上下阈值。该模型以诱导屏影响下路网的诱导总时间效益作为模型的目标函数，通过对路段、路径和时间效益等参数进行约束，进行诱导情况下配流。
[0106]
在步骤230，可以对诱导模型进行求解，从而确定各诱导屏初始启动方案以及各诱导屏需要发布的交通诱导内容。该步骤可以由诱导信息处理模块120完成。在一些实施例中，对于诱导屏控制模型的求解可以使用任意求解最优解的算法，例如，遗传算法、粒子群算法、蚁群算法、模拟退火算法等。下面以遗传算法为例进行说明，具体可参见图4及其相关描述。
[0107]
在步骤240，可以确定初始启动方案的延时程度。该步骤可以由诱导信息处理模块120或者信息发布模块130完成。在一些实施例中，根据诱导屏的初始启动方案，通过计算区域交通在诱导路径(即诱导情况下)和正常路径下(即未进行诱导的情况下)的诱导效益，确定诱导屏启动方案的延时程度。在一些实施例中，可以先根据诱导模型，确定各诱导屏指示区域内的交通在诱导情况下的路网诱导时间效益和车均诱导时间效益；然后，根据交通状态信息，确定未诱导情况下的路网未诱导时间效益和车均未诱导时间效益；接着，根据路网诱导时间效益和路网未诱导时间效益，确定路网诱导时间效益差；最后，根据路网诱导时间效益差以及车均诱导时间效益和车均未诱导时间效益，确定初始诱导方案的延时程度。需要说明的是，以上示出的步骤只是示例性的，并不用来限制本发明。在一些实施例中，一些步骤的先后顺序是可以变化的，也可以是同时执行的，这里不做限制。
[0108]
在一些实施例中，根据诱导模型，确定各诱导屏指示区域内交通在诱导情况下的
路网诱导时间效益和车均诱导时间效益可以包括：
[0109]
根据诱导模型，确定诱导情况下(即诱导屏开启，诱导屏影响的情况下)路段l的配流交通量x
l1
以及诱导交通路段时间效益t
l1
；
[0110]
根据配流交通量x
l1
以及诱导交通路段的时间效益t
l1
，确定路网诱导时间效益t1和车均诱导时间效益t
1_a
，用公式表示为：
[0111][0112][0113]
在一些实施例中，根据交通状态信息，确定未诱导情况下(即诱导屏未开启，不受诱导屏影响的情况下)的路网未诱导时间效益和车均未诱导时间效益包括：
[0114]
根据交通状态信息，确定未诱导情况下路段l的交通量x
l2
以及路段时间效益t
l2
；
[0115]
根据交通量x
l2
以及路段时间效益t
l2
，确定路网未诱导时间效益t2和车均未诱导时间效益t
2_a
，用公式表示为：
[0116][0117][0118]
在一些实施例中，根据路网诱导时间效益差以及车均诱导时间效益和车均未诱导时间效益确定初始启动方案的延时程度可以包括：
[0119]
当路网诱导时间效益差tr≤0时，则说明诱导方案对路段时间效益影响较小，此时路段处于拥堵或者自由流状态，则不进行诱导，控制诱导屏关闭；
[0120]
当路网诱导时间效益差tr》0时，再确定延时程度g，然后根据延时程度g来确定是否实时发布诱导内容，或者延时发布诱导内容，或者重新制定诱导方案。
[0121]
例如，当μ1≤g《μ2时，则实时发布诱导内容；当μ2≤g《μ3时，则适当延时1～10分钟发布诱导内容；当g≥μ3时，则重新制定诱导方案，其中，tr＝t
2-t1，g＝t
2_a-t
1_a
，μ1、μ2和μ3表示延时程度判断阈值。
[0122]
在步骤250，可以基于所述延时程度和初始诱导方案，可以确定最终的诱导屏控制方案，并根据最终的诱导屏控制方案来控制诱导屏指示区域内的诱导屏的状态。在一些实施例中，可以由交通诱导屏控制云平台来控制交通诱导屏指示区域。在一些实施例中，还可以对诱导屏的工作状态信息进行实时反馈并对诱导信息进行修正。
[0123]
图4是根据本技术的一个实施例所示的遗传算法的示意性流程图。
[0124]
s1：初始化种群，包括对上层模型的决策变量进行编码，设置种群的进化代数以及最大进化代数并随机生成一个种群作为初始种群；
[0125]
s2：计算适应度，即计算种群中每个个体的适应度，判断是否满足预设的终止条件，若满足所述终止条件，则输出最优个体和最终解，求解结束，如果没有满足所述终止条件，则继续执行s3；在一些实施例中，所述终止条件可以是预设数量的迭代次数。
[0126]
s3：选择，即根据预设的选择概率ps，将选择算子作用于种群，通过选择操作，选择适应度高的个体进入下一代种群；
[0127]
s4：交叉，即按照预设的交叉概率pc，进行交叉操作；
[0128]
s5：变异，即根据预设的变异概率pm，将变异算子作用于种群，得到新一代的种群，并返回s2。
[0129]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。