一种多时段交通信号配时方法及系统

本技术涉及智能交通，特别是涉及一种多时段交通信号配时方法及系统。

背景技术：

1、在现代城市交通管理中，交通信号控制系统扮演着至关重要的角色。正确而高效的信号配时能够显著提升道路通行能力，减少交通拥堵，降低车辆排放，提高路网的整体运行效率。然而，由于国内的交通状态复杂多变，道路设备条件各异，以及经济性考虑，城市交通信号控制普遍采用定时式控制系统。

2、定时式控制系统通常采用固定周期的信号配时方案，这些方案在一定时间内保持不变。尽管这种控制方式简单且易于实施，但它无法适应一天中交通流量的动态变化。因此，为应对不同时间段的交通流变化，大多数路口采用了多时段控制策略，通过在不同时间段切换不同的信号配时方案来尝试适应交通流的变化。

3、目前，这种多时段控制的定时控制主要依靠人工调控方法，即交通信号配时管控人员根据经验进行信号配时的调整。这种方式存在明显的局限性：首先，它高度依赖于管控人员的主观判断和个人经验，缺乏科学性和一致性；其次，它无法实现实时响应交通流量的即时变化，因此难以达到最优的交通流控制效果；最后，人工调整信号配时耗时耗力，且难以应对突发事件或特殊状况导致的交通流急剧变动。

4、因此，现有的交通信号控制系统存在效率不高和控制不精准的问题，迫切需要一种更加科学、自动化和精确的信号配时技术，以适应城市交通的复杂多变需求，提高城市交通管理的智慧化水平。

技术实现思路

1、有鉴于此，本发明提供了一种多时段交通信号配时方法及系统，通过结合实时数据处理、智能化算法和模糊逻辑控制，能够实现对城市交通信号的动态优化控制。不仅能提升路口的通行效率，还能确保配时方案的科学性和可操作性，同时减少对人工操作的依赖。

2、为此，本发明采用以下技术方案：

3、一方面，本发明提供了一种多时段交通信号配时方法，所述方法包括：

4、获取预设时间周期的路口车流量数据；

5、对获取的路口车流量数据进行处理；

6、基于处理后的路口车流量数据，运用模糊c均值fcm算法，根据工作日和休息日路口车流量特点，将工作日的车流量对应的采样时间分为5类：低谷期、上升期和下降期、早高峰、晚高峰、平峰，将休息日的车流量对应的采样时间分为3类：低谷期、上升期和下降期、平峰，进而得到早晚高峰时间段；

7、基于早晚高峰时间段进行时间分段，根据每个时段给出配时。

8、进一步地，对路口车流量数据处理，包括：

9、将所述路口车流量数据每一个采样时间点进行分类，再删除异常值，求得平均值，得到每个采样时间点的车流量平均值。

10、进一步地，运用模糊c均值fcm算法，根据工作日和休息日路口车流量特点，分为5类和3类，进而得到早晚高峰时间段，包括：

11、fcm把96个向量xi，i＝1，2，…，n，分为3个模糊组，工作日分为5个模糊组，并求每组的聚类中心，使得非相似性指标的价值函数达到最小，使得每个给定数据点用值在0，1间的隶属度来确定其属于各个组的程度，隶属矩阵u允许有取值在0，1间的元素。

12、进一步地，fcm用下列步骤确定聚类中心ci和隶属矩阵u，包括：

13、s2-1、用值在0，1间的随机数初始化隶属矩阵u，使其满足约束条件；所述约束条件为：一个数据集的隶属度的和总等于1；

14、s2-2、使用聚类中心计算公式计算c个聚类中心ci，i＝1，2，…，c；所述聚类中心计算公式包括：

15、

16、s2-3、计算价值函数值，如果价值函数值小于预设第一阀值，或相对上次价值函数值的改变量小于预设第二阀值，则算法停止；所述价值函数为：

17、

18、

19、

20、s2-4、使用隶属度计算公式计算新的u矩阵，返回s2-2；所述隶属度计算公式为：

21、

22、其中，uij为隶属度矩阵对应位置隶属度的值，介于0、1间；xk为位样本点，k为第k个样本点，i为类号，j为样本号，u为隶属矩阵，j为价值函数的值，ci为模糊组i的聚类中心，dij＝||ci-xj||为第i个聚类中心与第j个数据点间的欧几里德距离；且m∈[1,∞)是一个加权指数，一般取2；xj为第j个样本点，λj为对目标函数每个样本点求导得到的系数，n为样本点总数。

23、进一步地，基于早晚高峰时间段进行时间分段，根据每个时段给出配时，包括：

24、针对每个时段，利用模糊控制模型计算绿信比，根据绿信比得出相应的配时；其中模糊控制模型以该时段的双向车流量差值，以及双向距上一个路口距离最小值的差值为输入，输出绿信比。

25、进一步地，利用模糊控制模型计算绿信比，包括：

26、创建东-西与南-北双向车流量差值ef和东-西与南北双向距上一个路口距离最小值的差值ed，以及绿信比u模糊论域；

27、采用尺度变换，将东-西与南-北双向车流量差值输入量、东-西与南北双向距上一个路口距离最小值的差值输入量变换到要求的模糊论域范围；

28、采用三角形作为东-西与南-北双向车流量差值、东-西与南北双向距上一个路口距离最小值的差值以及绿信比模糊集合隶属度函数；

29、基于专家知识和控制目标，制定模糊规则表；

30、采用最大-最小法，根据模糊规则表求得每条规则关系矩阵和

31、由ra和rb得到绿信比输出为：

32、采用加权平均法对模糊量绿信比进行清晰化计算；

33、在求得绿信比清晰值后，将绿信比尺度变换为实际的控制量。

34、进一步地，所述模糊规则表为：

35、

36、

37、其中，nmef、nsef、zoef、psef、pmef分别代表东-西与南-北双向车流量差值ef的负中、负小、零、正小、正中；nmed、nsed、zoed、psed、pmed分别代表东-西与南北双向距上一个路口距离最小值的差值ed的负中、负小、零、正小、正中；nmu、nsu、zou、psu、pmu分别代表绿信比u的负中、负小、零、正小、正中。

38、又一方面，本发明还提供了一种多时段交通信号配时系统，所述系统包括：

39、输入模块，获取预设时间周期的路口车流量数据；

40、处理模块，对获取的路口车流量数据进行处理；

41、时段确定模块，基于处理后的路口车流量数据，运用模糊c均值fcm算法，根据工作日和休息日路口车流量特点，分为5类和3类，进而得到早晚高峰时间段；

42、配时模块，基于早晚高峰时间段进行时间分段，根据每个时段给出配时。

43、进一步地，所述时段确定模块具体用于：

44、fcm把96个向量xi，i＝1，2，…，n，分为3个模糊组，工作日分为5个模糊组，并求每组的聚类中心，使得非相似性指标的价值函数达到最小，使得每个给定数据点用值在0，1间的隶属度来确定其属于各个组的程度，隶属矩阵u允许有取值在0，1间的元素。

45、进一步地，所述配时模块具体用于：

46、针对每个时段，利用模糊控制模型计算绿信比，根据绿信比得出相应的配时；其中模糊控制模型以该时段的双向车流量差值，以及双向距上一个路口距离最小值的差值为输入，输出绿信比。

47、本发明的优点和积极效果：

48、1、提升路口通行效率：本发明能够一次性提供多个时段的配时方案，无需依赖传统人工观测和经验判断。通过自动化和智能化的配时方案生成，确保了方案的科学性和准确性，从而显著提高路口的通行效率。

49、2、数据更新及时准确：与现有技术中每天处理数据的方式不同，本发明提出根据采样时间点对数据进行重新处理。这种方法更加科学，能够更准确地反映实际的交通流量变化，为信号配时提供更为精确的数据支持。

50、3、智能化时间段划分：本发明采用fcm(模糊c均值)算法进行早晚高峰时间段的划分。通过fcm算法，可以根据模糊流量值对时间点进行聚类，这一过程更加精细和科学。结合模糊算法，本发明能够为实际工作提供具体和可操作的配时方案，进一步增强了信号配时的科学性和实用性。

51、综上所述，本发明为城市交通管理系统提供了一种高效、智能且响应迅速的信号配时解决方案，有助于缓解交通拥堵，提高城市交通的整体运行效率。