本發(fā)明涉及交通信號控制，具體涉及一種基于反饋控制的路網(wǎng)邊界交叉口信號配時方案設計。
背景技術(shù)：
1、隨著城市的發(fā)展，交通路網(wǎng)規(guī)模擴大，城市車輛不斷增加，區(qū)域性擁堵頻發(fā)，使得本就復雜的交通網(wǎng)更加難以管理。為應對城市交通問題，城市交通協(xié)調(diào)控制策略被提出并不斷完善，交通流的空間分布情況決定了協(xié)調(diào)控制策略必須有合理的目標區(qū)域，交通子區(qū)劃分在協(xié)調(diào)控制中扮演著重要角色，直接影響到交通協(xié)調(diào)控制策略的效率與性能；現(xiàn)有的紅綠燈控制系統(tǒng)主要依賴靜態(tài)數(shù)據(jù)，缺乏實時監(jiān)測與反饋，導致響應速度慢、預測能力不足，以及在突發(fā)交通流變化時的靈活性和適應性差，這些不足使得傳統(tǒng)信號控制難以有效應對高峰期和交通擁堵問題。
2、針對上述問題，本發(fā)明提出了一種基于反饋控制的紅綠燈信號調(diào)節(jié)方法，通過實時監(jiān)測路網(wǎng)內(nèi)車輛數(shù)量，設定合理的閾值并允許波動，同時預測下一時間間隔的車輛流量，當預測到下一階段進入路網(wǎng)的車輛數(shù)量較多時，自動調(diào)整紅綠燈信號配時，以優(yōu)化交通流，提升通行效率。
技術(shù)實現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種基于反饋控制的路網(wǎng)邊界交叉口信號配時方案設計。包括：將路網(wǎng)中各個路段作為節(jié)點構(gòu)建路網(wǎng)無向圖；對路網(wǎng)無向圖中的節(jié)點進行劃分得到多個子區(qū)域；根據(jù)各個子區(qū)域的勻質(zhì)度和密度確定出劃分后子區(qū)域的數(shù)量；獲取每個子區(qū)域當前時刻內(nèi)部的車流量確定每個子區(qū)域的交通狀態(tài)；根據(jù)每個子區(qū)域的交通狀態(tài)建立對應的反饋控制措施；利用機器學習算法對每個子區(qū)域內(nèi)部下一時刻的車流量進行預測，并確定下一時刻對應每個子區(qū)域的交通狀態(tài)；根據(jù)每個交通狀態(tài)對應的反饋控制措施，調(diào)控對應交通狀態(tài)下子區(qū)域中的邊界交叉口信號。本發(fā)明建立的反饋控制機制能夠優(yōu)化路網(wǎng)邊界的紅綠燈信號配時，從而提高交通流量的效率。
2、本發(fā)明采用如下技術(shù)方案，一種基于反饋控制的路網(wǎng)邊界交叉口信號配時方案設計，包括：
3、將路網(wǎng)中各個路段作為節(jié)點構(gòu)建路網(wǎng)無向圖；
4、利用ncut算法對路網(wǎng)無向圖中的節(jié)點進行劃分，得到多個子區(qū)域；
5、根據(jù)各個子區(qū)域的勻質(zhì)度和密度對子區(qū)域進行評價，以確定出劃分后子區(qū)域的數(shù)量；
6、獲取每個子區(qū)域當前時刻內(nèi)部的車流量，并根據(jù)當前時刻內(nèi)部的車流量確定每個子區(qū)域的交通狀態(tài)；
7、根據(jù)每個子區(qū)域的交通狀態(tài)建立每個交通狀態(tài)對應的反饋控制措施；
8、利用機器學習算法對每個子區(qū)域內(nèi)部下一時刻的車流量進行預測，并確定下一時刻對應每個子區(qū)域的交通狀態(tài)；
9、根據(jù)每個交通狀態(tài)對應的反饋控制措施，調(diào)控對應交通狀態(tài)下子區(qū)域中的邊界交叉口信號。
10、進一步的，將路網(wǎng)中各個路段作為節(jié)點構(gòu)建路網(wǎng)無向圖，具體為：
11、根據(jù)路網(wǎng)中每個路段的密度獲取路網(wǎng)中相鄰路段的交通運行相似度；
12、根據(jù)路網(wǎng)中相鄰路段的交通運行相似度建立路網(wǎng)的拉普拉斯矩陣；
13、根據(jù)所述拉普拉斯矩陣得到路網(wǎng)無向圖。
14、進一步的，利用ncut算法對路網(wǎng)無向圖中的節(jié)點進行劃分，具體為：
15、利用ncut算法獲取路網(wǎng)無向圖中節(jié)點之間的相似度；
16、根據(jù)路網(wǎng)無向圖中節(jié)點之間的相似度計算路網(wǎng)無向圖中節(jié)點的組間相似度和組間相關(guān)性；
17、建立節(jié)點劃分目標的數(shù)學模型，并根據(jù)所述組間相似度和組間相關(guān)性對數(shù)學模型進行求解，得到劃分后的多個子區(qū)域；
18、進一步的，對路網(wǎng)無向圖中的節(jié)點進行劃分，得到多個子區(qū)域之后，還包括：
19、根據(jù)每個子區(qū)域中的路段數(shù)量獲取每個子區(qū)域的勻質(zhì)度；
20、根據(jù)每個子區(qū)域中的路段密度獲取每個子區(qū)域內(nèi)部的第一密度差異以及每個子區(qū)域與其相鄰子區(qū)域的第二密度差異；
21、根據(jù)所述勻質(zhì)度、第一密度差異以及第二密度差異獲取每個子區(qū)域的劃分評價指標；
22、對路網(wǎng)無向圖進行多次劃分，根據(jù)每次劃分后所述每個子區(qū)域的劃分評價指標確定最優(yōu)的子區(qū)域數(shù)量。
23、進一步的，根據(jù)當前時刻內(nèi)部的車流量確定每個子區(qū)域的交通狀態(tài)，包括：
24、設定每個子區(qū)域內(nèi)的臨界累積車輛數(shù)，此時子區(qū)域內(nèi)的最大流量為；
25、當子區(qū)域內(nèi)部當前車流量時，該子區(qū)域的交通狀態(tài)為自由流和穩(wěn)定流狀態(tài)；
26、當子區(qū)域內(nèi)部當前車流量時，該子區(qū)域的交通狀態(tài)為不穩(wěn)定流狀態(tài)；
27、當子區(qū)域內(nèi)部當前車流量時，該子區(qū)域的交通狀態(tài)為強制流狀態(tài)。
28、進一步的，根據(jù)每個子區(qū)域的交通狀態(tài)建立每個交通狀態(tài)對應的反饋控制措施，包括：
29、當子區(qū)域處于自由流和穩(wěn)定流狀態(tài)時，無需進行邊界控制；
30、當子區(qū)域處于不穩(wěn)定流狀態(tài)，對子區(qū)域中的部分節(jié)點和路段進行邊界控制，直至交通狀態(tài)轉(zhuǎn)化為自由流和穩(wěn)定流狀態(tài)后，停止邊界控制；
31、當子區(qū)域處于強制流狀態(tài)時，對子區(qū)域中的各個節(jié)點和路段進行邊界控制，直至交通狀態(tài)轉(zhuǎn)化為自由流和穩(wěn)定流狀態(tài)后，停止邊界控制。
32、進一步的，對每個子區(qū)域內(nèi)部下一時刻的車流量進行預測的方法為：采用自回歸積分滑動平均模型對每個子區(qū)域內(nèi)部下一時刻的車流量進行預測；采用均方誤差和平均絕對誤差指標對模型的預測結(jié)果進行評估。
33、本發(fā)明的有益效果是：本發(fā)明以反饋控制為核心，根據(jù)交通同質(zhì)性原則對路網(wǎng)進行子區(qū)域劃分，保證每個子區(qū)域應在內(nèi)部顯示一致的密度水平，同時與相鄰區(qū)域顯示出明顯的密度差異，采用ncut算法能夠有效隔離各個路段，支持均衡分區(qū)的同時避免出現(xiàn)孤立的高密度區(qū)域，進一步引入了拉普拉斯矩陣進行密度相似性度量，有助于確定哪些區(qū)域可能出現(xiàn)類似的交通行為，在反饋控制方面，基于實時數(shù)據(jù)和預測結(jié)果設計了控制算法，當預測的進入車輛數(shù)量超過設定閾值時，自動調(diào)整紅綠燈信號的配時，以延長綠燈時間或縮短紅燈時間，從而控制進入路網(wǎng)的車輛數(shù)量，有效優(yōu)化了交通流，提升通行效率。
1.一種基于反饋控制的路網(wǎng)邊界交叉口信號配時方案設計，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于反饋控制的路網(wǎng)邊界交叉口信號配時方案設計，其特征在于：將路網(wǎng)中各個路段作為節(jié)點構(gòu)建路網(wǎng)無向圖，具體為：
3.根據(jù)權(quán)利要求1所述的一種基于反饋控制的路網(wǎng)邊界交叉口信號配時方案設計，其特征在于：利用ncut算法對路網(wǎng)無向圖中的節(jié)點進行劃分，具體為：
4.根據(jù)權(quán)利要求1所述的一種基于反饋控制的路網(wǎng)邊界交叉口信號配時方案設計，其特征在于，對路網(wǎng)無向圖中的節(jié)點進行劃分，得到多個子區(qū)域之后，還包括：
5.根據(jù)權(quán)利要求1所述的一種基于反饋控制的路網(wǎng)邊界交叉口信號配時方案設計，其特征在于：根據(jù)當前時刻內(nèi)部的車流量確定每個子區(qū)域的交通狀態(tài)，包括：
6.根據(jù)權(quán)利要求5所述的一種基于反饋控制的路網(wǎng)邊界交叉口信號配時方案設計，其特征在于：根據(jù)每個子區(qū)域的交通狀態(tài)建立每個交通狀態(tài)對應的反饋控制措施，包括：
7.根據(jù)權(quán)利要求1所述的一種基于反饋控制的路網(wǎng)邊界交叉口信號配時方案設計，其特征在于：對每個子區(qū)域內(nèi)部下一時刻的車流量進行預測的方法為：采用自回歸積分滑動平均模型對每個子區(qū)域內(nèi)部下一時刻的車流量進行預測；采用均方誤差和平均絕對誤差指標對模型的預測結(jié)果進行評估。