专利名称：一种网络化分层递阶公交优先信号协调控制方法
一种网络化分层递阶公交优先信号协调控制方法技术领域
本发明属于交通信号控制技术领域，涉及到一种网络化分层递阶公交优先信号协 调控制方法。
背景技术：
大力发展公共交通是解决大中城市交通拥堵的重要手段，有助于改善环境、节能 减排。公交优先作为公共交通发展方向之一受到广泛重视，具有公交信号优先功能的信号 控制系统设计具有很高的效费比，是各国发展公共交通的重要措施。
在现有的公交优先系统设计中，大多是针对给定的公交线路进行设计，针对信号 配时进行离线优化，在信号优先的相位控制方法上多采用绿灯延长、绿灯提前的方式。研究 表明在交通流量变化不大的情况下采用静态离线优化方式可取得较好效果，但离线优化学 习计算量较大且较费时间，不能满足交通流量变化实时应用需求。此外，通过给公交车信号 相位的优先之后对社会交通会造成一定影响。现有系统在平衡公交和社会车辆方面缺乏评 价指标体系，缺乏动态调节能力。
现阶段已有包括SCOOT、SCAT等交通信号控制系统，具备一定区域性、网络化的公 交信号优先控制功能，具备一定的在线协调能力。但这些系统由于商业保密性不能开放接 口，多是需要针对不同交通环境进行大量调查，由专业人员进行实施，缺乏对不同交通环境 的可定制性、自适应性和智能性，不能很好地满足我国特有的复杂的交通环境的需求。发明内容
(一)要解决的技术问题
本发明的目的是要克服单路口和基于干线协调的公交优先的不足，在网络范围内 以较小的对社会交通影响代价，实现公交优先信号控制，最大限度地发挥信号控制系统的 调节作用，为此本发明一种基于网络化分层递阶控制技术的信号控制方法。
( 二)解决问题的技术方案
为了实现所述的目的，本发明提供一种网络化分层递阶公交优先信号协调控制方 法，所述方法包括
步骤SA 使用网络化分层递阶公交优先信号协调控制系统，所述系统分为中心组 织层、区域协调层和现场执行层；
步骤SB 中心组织层进行公交优先控制任务规划和目标分解，中心组织层中的离 线学习模块结合交通知识库和信号控制算法与路口特征库进行学习，将控制任务分解为区 域协调参数及区域控制目标，结合在线学习模块学习结果从信号控制算法与路口特征库中 选择区域内路口适应度最大的信号控制算法，并同区域协调参数及区域控制目标下发到区 域协调层；同时，中心组织层从区域交通信息获取模块获取各区域交通流量信息放入交通 知识库，进行离线学习；
步骤SC:区域协调层的协调控制学习与评估模块接收中心组织层的区域控制目标，控制算法缓存接收区域内适用的信号控制算法，协调控制学习与评估模块完成区域协 调控制的在线学习与控制效果评估功能，结合区域交通信息获取模块所接收的现场执行层 各路口交通拥堵改善趋势和相邻路口各相位的最大拥堵级别差和公交延误情况来确定是 否进行信号控制算法调整，并计算区域内路口各相位最大绿灯时间，按最大绿灯时间之比 来调整路口定时控制周期各相位信号配时；通过区域协调控制算法处理模块给现场执行层 分派控制参数和控制算法，实现对区域内的路口信号进行协调控制，完成公交优先区域协 调控制功能；交通信息获取模块获取各区域交通流量信息并发送给中心组织层；
步骤SD 现场执行层运行默认的定时信号控制算法，信号控制算法容器接收区域 协调层发送的信号控制算法与控制参数并提供信号控制算法在线切换功能，通过接收添加 公交优先支持的模糊控制和感应控制以及排队长度控制算法来进行公交优先信号控制，通 过信号控制执行模块完成路口的交通信号控制并实现公交优先功能支持，路口交通信息获 取模块完成交通信息采集并将提交区域协调层。
其中，离线学习模块针对不同路口在M小时典型时段下交通流的信号控制算法 的控制效果进行离线学习，根据学习结果对信号控制算法进行调度来实现按路口需求优化 控制；采用遗传算法将运行默认的定时控制算法、模糊控制算法、感应控制算法以及排队长 度控制算法效果归一化，并分别给予0. 25的权系数来计算信号控制算法分配的适应度，所 述适应度的计算步骤如下
步骤SBl 对运行默认的定时控制算法、模糊控制算法、感应控制算法以及排队长 度控制算法效果的系数做初始化，生成四个22位的二进制数串；
步骤SB2 分别计算四个二进制数串的适应度
若适应度的种群代数达到150代，取出适应度最大的二进制数串作为最后适应度 的结果，结束；
若适应度的种群代数小于150代，取出适应度最大的两个二进制数串作为父本， 继续步骤SB3 ；
步骤SB3 随机产生一个小于22的随机数，将两父本在随机数位置上交叉生成新 的两个二进制数串；
步骤SB4 随机产生一个随机数
若随机数大于阀值，触发步骤SB4，随机产生一个不大于22的随机数，将新生成的 二进制数串在该随机数位置上取反，转步骤SB2 ；若随机数小于阀值，转步骤SB2。
其中，结合步骤SB中在线学习模块学习结果从控制算法与路口特征库中选择适 应度最大的信号控制算法，由中心组织层获取不同路口在每日典型交通流下包含时间、信 号控制算法类型和控制效果的控制信息，按照路口车辆平均速度、路口交通饱和度和路口 平均车辆延误时间的控制效果评价指标对信号控制算法进行学习，通过设置评价指标阀值 来选取特定路口特定时段最优信号控制算法，如果有多个可选或没有最优选时，则选择使 用频率最高的信号控制算法。
其中，步骤SC中区域协调层计算区域内各路口各相位的最大绿灯时间是给每个 路口初始设定绿灯时间调整经验基础值，通过获取拥堵情况和公交延迟得到路口各相位拥 堵级别作为绿灯时间调整的参数，结合调整步长进行最大绿灯时间计算，通过与最小最大 绿灯时间做比较，得出路口各相位的最大绿灯时间计算公式如下
权利要求
1.一种网络化分层递阶公交优先信号协调控制方法，其特征在于，所述方法包括步骤SA:使用网络化分层递阶公交优先信号协调控制系统，所述系统分为中心组织层、区域协调层和现场执行层；步骤SB 中心组织层进行公交优先控制任务规划和目标分解，中心组织层中的离线学 习模块结合交通知识库和信号控制算法与路口特征库进行学习，将控制任务分解为区域协 调参数及区域控制目标，结合在线学习模块学习结果从信号控制算法与路口特征库中选择 区域内路口适应度最大的信号控制算法，并同区域协调参数及区域控制目标下发到区域协 调层；同时，中心组织层从区域交通信息获取模块获取各区域交通流量信息放入交通知识 库，进行离线学习；步骤SC:区域协调层的协调控制学习与评估模块接收中心组织层的区域控制目标，控 制算法缓存接收区域内适用的信号控制算法，协调控制学习与评估模块完成区域协调控制 的在线学习与控制效果评估功能，结合区域交通信息获取模块所接收的现场执行层各路口 交通拥堵改善趋势和相邻路口各相位的最大拥堵级别差和公交延误情况来确定是否进行 信号控制算法调整，并计算区域内路口各相位最大绿灯时间，按最大绿灯时间之比来调整 路口定时控制周期各相位信号配时；通过区域协调控制算法处理模块给现场执行层分派控 制参数和控制算法，实现对区域内的路口信号进行协调控制，完成公交优先区域协调控制 功能；交通信息获取模块获取各区域交通流量信息并发送给中心组织层；步骤SD 现场执行层运行默认的定时信号控制算法，信号控制算法容器接收区域协调 层发送的信号控制算法与控制参数并提供信号控制算法在线切换功能，通过接收添加公交 优先支持的模糊控制和感应控制以及排队长度控制算法来进行公交优先信号控制，通过信 号控制执行模块完成路口的交通信号控制并实现公交优先功能支持，路口交通信息获取模 块完成交通信息采集并将提交区域协调层。
2.如权利要求1所述的方法，其特征在于，离线学习模块针对不同路口在M小时典型 时段下交通流的信号控制算法的控制效果进行离线学习，根据学习结果对信号控制算法进 行调度来实现按路口需求优化控制；采用遗传算法将运行默认的定时控制算法、模糊控制 算法、感应控制算法以及排队长度控制算法效果归一化，并分别给予0. 25的权系数来计算 信号控制算法分配的适应度，所述适应度的计算步骤如下步骤SBl 对运行默认的定时控制算法、模糊控制算法、感应控制算法以及排队长度控 制算法效果的系数做初始化，生成四个22位的二进制数串；步骤SB2 分别计算四个二进制数串的适应度若适应度的种群代数达到150代，取出适应度最大的二进制数串作为最后适应度的结 果，结束；若适应度的种群代数小于150代，取出适应度最大的两个二进制数串作为父本，继续 步骤SB3 ；步骤SB3 随机产生一个小于22的随机数，将两父本在随机数位置上交叉生成新的两 个二进制数串；步骤SB4 随机产生一个随机数若随机数大于阀值，触发步骤SB4，随机产生一个不大于22的随机数，将新生成的二进 制数串在该随机数位置上取反，转步骤SB2 ；若随机数小于阀值，转步骤SB2。
3.如权利要求1所述的方法，其特征在于，结合步骤SB中在线学习模块学习结果从控 制算法与路口特征库中选择适应度最大的信号控制算法，由中心组织层获取不同路口在每 日典型交通流下包含时间、信号控制算法类型和控制效果的控制信息，按照路口车辆平均 速度、路口交通饱和度和路口平均车辆延误时间的控制效果评价指标对信号控制算法进行 学习，通过设置评价指标阀值来选取特定路口特定时段最优信号控制算法，如果有多个可 选或没有最优选时，则选择使用频率最高的信号控制算法。
4.如权利要求1所述的方法，其特征在于，步骤SC中区域协调层计算区域内各路口各 相位的最大绿灯时间是给每个路口初始设定绿灯时间调整经验基础值，通过获取拥堵情况 和公交延迟得到路口各相位拥堵级别作为绿灯时间调整的参数，结合调整步长进行最大绿 灯时间计算，通过与最小最大绿灯时间做比较，得出路口各相位的最大绿灯时间计算公式 如下MaxGIfν χ = Ma.x|BsseT + Step水 J (Rank - BalanceT) + Weight + (Raiik;:fpk — BlanceTj ’ Weightup - ( Rankf|^ri1 - BIanceT)MaxGT-为路口第N个相位(W1N)的最大绿灯时间；Weight表示当前路口参数权值，Weightup和Weightd_分别表示前一个和后一个路口 参数权值，为简单起见此处三者取相同值；Step为调整步长，BaseT为绿灯时间调整经验基值，BlanceT为平衡值，防止最大绿灯 时间控制发散；MinMaxGTk为该相位最小最大绿灯时间；其中=Rank^k = IRanki, j,k*ffeighti +BRanki, j,k*ffeightb ；Rank^k路口各相位拥堵级别，i为路口号，j为方向，k为左转或直行标识，包括路口 拥堵级别IRanki, j, k和公交延迟BRanki, ^ k，Weighti表示路口拥堵权值，Weightb表示公交 延迟权值。
5.如权利要求1所述的方法，其特征在于，还包括区域协调层的区域内路口饱和度所 对应的定时控制周期各相位信号配时长度学习算法是由区域协调层通过学习来设定不同 级别的交通饱和度所对应的信号控制周期长度配时；在给定控制周期长度的基础上，通过 设定最小搜索步长得到新的控制周期长度，并获取反馈的交通饱和度作为控制效果，进行 控制周期的迭代调整，直到获得最好效果停止迭代，所述学习方法的具体步骤如下步骤SCl 给定路口定时控制周期T的搜索范围[Tmin，Tmax]最小的搜索步长^itepmin，学 习过程中一个策略的最大执行次数M，以及初始控制周期Ttl和初始的搜索步长^ ；步骤SC2 当每次出现状态sa时，获取对应的状态sa，执行初始控制周期Ttl，并记录其 控制效果是下一次从现场执行层反馈的最大饱和度代入到评价函数的值；直至状态sa出 现M次后，计算初始控制周期Ttl的M次评价的控制效果，记为％ ；步骤SC3 计算控制周期T+ = T0+Step0,控制周期T_ = T0-Step0,如果T+ > Tfflax或 T_ < Tmin则T+ = Tmax或T_ = Tmin ；对状态sa分别执行控制周期T+和T_各M次，控制效 果为e+, e_ ；步骤SC4 如果e+ > e_，并且e+ < e0,则初始控制周期Ttl等于控制周期T+，转向步骤SC3 ；步骤SC5 如果e+ < e_，并且e_ > eQ，则Ttl = T_，转向步骤SC3 ； 步骤306:如果％>6+，且％>6_，如果I St印。I > St印min，则St印。=M印。/2，转向 步骤SC3，否则搜索停止，最优控制周期为f = Ttl ； 所述控制效果评价函数为
6.如权利要求1所述的方法，其特征在于，还包括现场执行层的支持公交优先信号控 制的信号控制算法并实现算法切换的是在定时控制、感应控制、基于排队长度控制和模糊 控制等路口信号控制算法中集成包括优先判别、交通流预测和控制策略选择算法来实现公 交优先支持，当前信号控制算法退出运行前，会将包括当前路口绿时、最大绿时、当前相位 号、上一相位号等路口控制状态，通过消息发送给默认控制算法，默认控制算法在接收到路 口状态数据后接着上一秒的状态继续计算，当前信号控制算法退出时、在新的信号控制算 法到来之前，由默认定时控制算法进行控制；当新的信号控制算法到达现场执行层并被激 活后，发送到达消息给默认控制算法，然后接收默认控制算法传递的路网状态数据和下一 个信号配时状态数据，接管路口信号控制，默认控制算法退出运行。
全文摘要
本发明是一种网络化分层递阶公交优先信号协调控制方法，包括中心组织层对交通信号控制任务进行分解，发送信号协调控制目标到区域协调层，并根据路口控制效果学习结果调度信号控制算法；区域协调层按中心组织层的控制目标，结合区域内现场执行层的各路口交通拥堵改善趋势和相邻路口各相位的最大拥堵级别差和公交延误情况来确定是否进行现场执行层信号控制算法调整，并计算区域内路口各相位最大绿灯时间，按最大绿灯时间之比来调整各路口定时控制周期各相位信号配时；现场执行层运行默认的定时信号控制算法，并接收添加公交优先支持的模糊控制和感应控制及排队长度信号控制算法来进行公交优先信号控制；通过网络化分层递阶信号协调控制。
文档编号G08G1/087GK102034359SQ20101060308
公开日2011年4月27日 申请日期2010年12月23日 优先权日2010年12月23日
发明者任延飞, 叶佩军, 姚楠, 宋东平, 王飞跃, 陈诚, 黄武陵 申请人:中国科学院自动化研究所