技术领域
[0001] 本
发明属于智能交通技术领域，尤其涉及一种城市路口交通灯智能配时控制方法及控制系统。
背景技术
[0003]
智能交通系统(Intelligent Transportation System，简称ITS)是未来交通系统的发展方向，它是将先进的信息技术、数据通讯传输技术、
电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。ITS可以有效地利用现有交通设施、减少交通负荷和环境污染、保证交通安全、提高运输效率，因而，日益受到各国的重视。21世纪将是公路交通智能化的世纪，人们将要采用的智能交通系统，是一种先进的一体化交通综合管理系统。在该系统中，车辆靠自己的智能在道路上自由行驶，公路靠自身的智能将交通流量调整至最佳状态，借助于这个系统，管理人员对道路、车辆的行踪将掌握得一清二楚。
[0004] 在目前的城市交通中最典型的问题就是在主干道的十字路口的红绿灯时间长度和比例的配时问题.合理的设置红绿灯的时间的长度可以减少拥堵，使得通行顺畅。反之不合理的配时方案会增加拥堵的问题给出行的人们造成不便。
[0005] 综上所述，现有技术存在的问题是：
[0006] (1)在目前的城市交通中最典型的问题就是在主干道的十字路口的红绿灯时间长度和比例的配时问题.合理的设置红绿灯的时间的长度可以减少拥堵，使得通行顺畅。反之不合理的配时方案会增加拥堵的问题给出行的人们造成不便。
[0007] 红绿灯的时长的配时方案就非常值得去研究，这个问题国内国外都有了不少研究的成果，但是许多研究并没有实际应用到城市的交通控制中。
[0008] 解决上述技术问题的难度：
[0009] (1)交通灯配时不仅仅是一个路口的局部问题，而是一个城市交通路线全局的问题，一个路口的交通灯配时得到解决，不能解决这个道路的拥堵问题；
[0010] (2)交通灯配时涉及4个方向交通车辆放行问题，同一条直线上，不同方向的拥堵程度不同，因此配时方案是否最优，非常关键；
[0011] (3)还有一个技术问题是，交通拥堵的判断手段还不完善，无法及时判断路口的拥堵情况，做出交通灯的最佳配时。
[0012] 解决上述技术问题的意义：
[0013] 目前随着城市车辆数量的快速增长，城市交通问题成为必须解决的重大民生问题，本发明就将使用一种道路延迟函数取最小值的方法来得到配时方案。使用这种配时方式后能改善城市的交通拥堵情况。
发明内容
[0014] 针对现有技术存在的问题，本发明提供了一种城市路口交通灯智能配时控制方法及控制系统。
[0015] 本发明是这样实现的，一种城市路口交通灯智能配时控制方法，所述城市路口交通灯智能配时控制方法包括：
[0016] 建立车辆平均延误时间函数，将路口交通灯最佳配时转化为求目标函数最小值时的红绿灯分配时间。使用遗传
算法求出d取最小值时，就是红绿灯分配时间。
[0017] 进一步，使用
遗传算法求出d取的最小值时的红绿灯分配时间前，设置一个周期的总时间C，以及绿灯时间的最小值和最大值。
[0018] 进一步，建立车辆平均延误时间函数中，构建4个
相位的红绿的时间，q，p，N，M,S1,S2,Q1,Q2均为4元向量，每个分量是对应相位的参数，p,q是进口道到达车流率。N,M是道路通行能
力。S1，S2是饱和流率。Q1，Q2是本周期开始时，路口的排队车辆。T是过饱和延续时间。其中p和q。N和M。S1和S2。Q1和Q2是一对。表示一个相位路口中的相对的2个车流。g1,g2,g3,g4表示每个相位的绿灯时间。
[0019] 进一步，车辆等待延迟函数建立的方法包括：
[0020] 首先，约定以下符号：
[0021] q：进口道到达车流率，单位：辆/秒。
[0022] N:道路通行能力，单位：辆/秒。
[0023] S：饱和流率，单位：辆/秒。
[0024] Q0：本周期开始时，路口的排队车辆，单位：辆。
[0026] G：相位绿灯时间，单位：秒。
[0027] λ：对应相位绿信比，计算公式
[0029] 已知正常相位延误D1是由于红灯期间车辆受阻排队而导致的车辆延误，对应饱和状况下的小时车辆延误：
[0030]
[0031] 过饱和延误D2是由于车流到达率q大于通行能力N而出现的车辆延误，其值与饱和度x和持续时间T有关，即：
[0032]
[0033] 在过饱和延续时间T内，车辆延误等于正常相位延误D1和过饱和延误D2两部分之和，即：
[0034]
[0035] F·韦伯斯特运用排队论，并通过计算机模拟与试验建立韦伯斯特延误模型。
[0036] 综合D1和D2，韦伯斯特延误模型表达为:
[0037]
[0038] 在韦伯斯特延误模型的
基础上，给出综合延误模型。正常相位延误D1和随机延误与过饱和延误D2.综合延误模型为D＝D1+D2，即：
[0039]
[0040] 其中，第一项为正常相位延误D1，与韦伯斯特延误模型的相同。第二项随机与过饱和交通延误D2，用平均过剩滞留车辆数N0与饱和度x的乘积表达式描述，即：
[0041] D2＝N0x(veh/h)。
[0042] 其中
[0043]
[0044] 进一步，优化目标函数为：
[0045] 若q＜N(即x＜1)，0≤Q0＜(N-q)C
[0046]
[0047] 其中
[0048] 若q＜N，Q0≥(N-q)C，将此相位绿灯时间设为最长时间，令G＝Gmax。
[0049] 若q≥N，x≥1，
[0050] 其中T＝C，单位：秒。
[0051] 加权后， 其中
[0052] 本发明的另一目的在于提供一种实施所述城市路口交通灯智能配时控制方法的城市路口交通灯智能配时控制控制系统。
[0053] 本发明的另一目的在于提供一种实施所述城市路口交通灯智能配时控制方法的城市道路交通路口交通灯智能配时控制设备。
[0054] 综上所述，本发明的优点及积极效果为：
[0055] 本发明考虑的是典型的4个相位的红绿的时间，所以q，p，N，M,S1,S2,Q1,Q2都是4元向量，每个分量是对应相位的参数，p,q是进口道到达车流率；N,M是道路通行能力；S1，S2是饱和流率；Q1，Q2是本周期开始时，路口的排队车辆；T是过饱和延续时间。其中p和q；N和M；S1和S2；Q1和Q2是一对。它们表示了一个相位路口中的相对的2个车流.g1,g2,g3,g4表示每个相位的绿灯时间.本发明运行结果合理，路口配时达到最优化。
附图说明
[0056] 图1是本发明
实施例提供的城市路口交通灯智能配时控制方法
流程图。
[0057] 图2是本发明实施例提供的典型的主干道路口图。
具体实施方式
[0058] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0059] 在目前的城市交通中最典型的问题就是在主干道的十字路口的红绿灯时间长度和比例的配时问题.合理的设置红绿灯的时间的长度可以减少拥堵，使得通行顺畅。反之不合理的配时方案会增加拥堵的问题给出行的人们造成不便。红绿灯的时长的配时方案就非常值得去研究，这个问题国内国外都有了不少研究的成果，但是许多研究并没有实际应用到城市的交通控制中。
[0060] 为解决上述问题，下面结合具体方案对本发明作详细描述。
[0061] 如图1所示，本发明实施例提供的城市路口交通灯智能配时控制方法包括：
[0062] S101,使用遗传算法求出d取的最小值时的红绿灯分配时间前，设置一个周期的总时间C，以及绿灯时间的最小值和最大值。
[0063] S102,建立车辆平均延误时间函数，将路口交通灯最佳配时转化为求目标函数最小值时的红绿灯分配时间。
[0064] S103,使用遗传算法求出d取的最小值时的红绿灯分配时间。
[0065] 在本发明实施例中，对图2中红星所在的十字路口设置红绿灯时间的时候，可以基于这个路口前面一条路的来车的速度，道路通行能力等值的测量来建立这个路口的测量总的等待延误的时长函数。然后对这个函数求最小值，就能得到总的延误最小的配时方案.为此，本发明要在这条路的前一条街的3个
位置设置3个
传感器1，2，3如图2所示.需要测得的参数如下：
[0066] 1)q，进口道到达车流率，获取方式：在‘1’处监测上个周期时间段C(单位：秒)内的到达车辆数V到(单位：辆)，得 (单位：辆/秒)。
[0067] 2)N，道路通行能力，获取方式：分别在‘1’、‘2’、‘3’处监测上个周期时间段的三个点平均车速vi(单位：米/秒)，得此路段平均车速 (单位：米/秒)，进而得 (单位：辆/秒)，其中 (单位：米)表示此路段正常行驶中前后车头的平均距离，n表示车道的数量。
[0068] 3)S，饱和流率，获取方式：在‘3’处监测车速v3(单位：米/秒)，进而得 (单位：辆/秒)，其中l车(单位：米)表示平均车长，n表示车道的数量。
[0069] 4)Q0，本周期开始时，路口的排队车辆，获取方式：在‘3’处监测上个周期时间段C(单位：秒)内驶离的车辆数V离(单位：辆)，再利用‘1’处监测的到达车辆数V到，得Q0＝V到-V离(单位：辆)。
[0070] 在本发明实施例中，车辆等待延迟函数包括：
[0071] 首先，约定以下符号：
[0072] q：进口道到达车流率，单位：辆/秒。
[0073] N:道路通行能力，单位：辆/秒。
[0074] S：饱和流率，单位：辆/秒。
[0075] Q0：本周期开始时，路口的排队车辆，单位：辆。
[0076] C：交叉口信号周期，单位：秒。
[0077] G：相位绿灯时间，单位：秒。
[0078] λ：对应相位绿信比，计算公式
[0079] x：进口道的饱和度，计算公式
[0080] 在本发明实施例中，已知正常相位延误D1是由于红灯期间车辆受阻排队而导致的车辆延误，对应饱和状况下的小时车辆延误：
[0081]
[0082] 过饱和延误D2是由于车流到达率q大于通行能力N而出现的车辆延误，其值与饱和度x和持续时间T有关，即：
[0083]
[0084] 在过饱和延续时间T内，车辆延误等于正常相位延误D1和过饱和延误D2两部分之和，即：
[0085]
[0086] F·韦伯斯特运用排队论，并通过计算机模拟与试验研究，建立了韦伯斯特延误模型。
[0087] 综合D1和D2，韦伯斯特延误模型可表达为:
[0088]
[0089] 在韦伯斯特延误模型的基础上，给出综合延误模型.此模型描述两部分车辆延误：正常相位延误D1和随机延误与过饱和延误D2.综合延误模型为D＝D1+D2，即：
[0090]
[0091] 其中，第一项为正常相位延误D1，与韦伯斯特延误模型的相同.第二项考虑了随机与过饱和交通延误D2，用平均过剩滞留车辆数(或过饱和时溢出车辆数)N0与饱和度x的乘积表达式描述，即：
[0092] D2＝N0x(veh/h)。
[0093] 其中
[0094]
[0095] 所以,本发明最后需要优化的目标函数是：
[0096] 若q＜N(即x＜1)，0≤Q0＜(N-q)C
[0097]
[0098] 其中
[0099] 若q＜N，Q0≥(N-q)C，此时，只需将此相位绿灯时间设为最长时间，即令G＝Gmax。
[0100] 若q≥N(即x≥1)， 其中T＝C，单位：秒。
[0101] 以上是单个相位的，多相位本发明还需考虑加权,即 其中
[0102] 下面结合模拟结果及仿真对本发明作进一步描述。
[0103] 本发明建立了车辆平均延误时间函数，那么路口交通灯最佳配时问题就转化为求目标函数最小值时的红绿灯分配时间的优化问题，就求出d取得最小值时的红绿灯分配时间。在求解前，需根据实际经验提前设置一个周期的总时间C，以及绿灯时间的最小值和最大值.本发明以4个相位单车道为例给出模拟计算方案(这种是最典型的)，仿真工具采用Matlab 7.0。更多相位和车道的实质一样，就是加入更多的延迟项而已.在具体求解的时候，由于以上的关于绿灯时间的函数是非线性的而且很复杂，所以不能用传统算法运算。本发明使用遗传算法进行了计算。如下：
[0104] 1).C＝T＝240秒。
[0105] q＝[0.35,0.35,0.3,0.35]，p＝[0.3,0.3,0.4,0.3](单位：辆/秒)。
[0106] N＝[0.4,0.4,0.4,0.4]，M＝[0.4,0.4,0.4,0.4](单位：辆/秒)。
[0107] S1＝[0.6,0.6,0.6,0.6]，S2＝[0.6,0.6,0.6,0.6](单位：辆/秒)。
[0108] Q1＝[0,0,0,0]，Q1＝[0,0,0,0](单位：辆/秒)。
[0109] 运行结果：[g1,g2,g3,g4]＝[55.6839,55.5114,73.3549,55.4498](秒)。
[0110] 2).C＝T＝240秒。
[0111] q＝[0.32,0.28,0.23,0.35]，p＝[0.33,0.2,0.4,0.23](单位：辆/秒)。
[0112] N＝[0.4,0.4,0.4,0.4]，M＝[0.4,0.4,0.4,0.4](单位：辆/秒)。
[0113] S1＝[0.6,0.6,0.6,0.6]，S2＝[0.6,0.6,0.6,0.6]；(单位：辆/秒)。
[0114] Q1＝[0,10,10,0]，Q1＝[0,10,10,0](单位：辆/秒)。
[0115] 运行结果：[g1,g2,g3,g4]＝[137.8683，10.0040，37.3675，54.7602](秒)。
[0116] 参数说明：其中C是整个周期的时间，也就是每个相位红灯时间加绿灯的总时间。
[0117] 本发明考虑的是典型的4个相位的红绿的时间，所以q，p，N，M,S1,S2,Q1,Q2都是4元向量，每个分量是对应相位的参数，p,q是进口道到达车流率；N,M是道路通行能力；S1，S2是饱和流率；Q1，Q2是本周期开始时，路口的排队车辆；T是过饱和延续时间。其中p和q；N和M；S1和S2；Q1和Q2是一对。它们表示了一个相位路口中的相对的2个车流.g1,g2,g3,g4表示每个相位的绿灯时间。通过上面仿真，本发明运行结果合理，路口配时达到最优化。
[0118] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何
修改、等同替换和改进等，均应包含在本发明的保护范围之内。
