基于流量数据实现信号配时方案组划分处理的方法与流程

本发明涉及智能交通领域，尤其涉及智能信号控制领域，具体是指一种基于流量数据实现信号配时方案组划分处理的方法。

背景技术：

随着社会经济的高速发展，城市交通问题愈发突出，这给交通管理职能部门带来了巨大的压力。目前缺少一种通过分析交叉口流量在一周内的变化规律，来进一步优化路口信号控制方案时段划分的方法。

现阶段，信号控制的方法比较简单，主要依据交通管理部门或者交通优化从业人员，通过现场简单的数据调查，依据交通工程方法进行配时计算。然而，由于交通流量变化的复杂性和不确定性，城市交通状态变化频繁、复杂，为了缓解城市交通状况，基于不同属性日的特点，就需要配置不同的方案组来疏通道路。因此，以周为单位，对于交通规律差异大的不同属性日时段划分的准确性和有效性显得尤为重要。但目前，在无配时优化需求时，后一天通常只是延续使用前一天的配时方案，存在一定的局限性，难以精确适应交通流的变化态势。

本发明通过处理原始流量数据，可进一步科学、精细地优化现有的信号控制，是公安交通管理部门的强烈需求，更是实现智慧路口的助推器。

技术实现要素：

本发明的目的是克服了上述现有技术的缺点，提供了一种满足精确、高效、适用范围广泛的基于流量数据实现信号配时方案组划分处理的方法。

为了实现上述目的，本发明的基于流量数据实现信号配时方案组划分处理的方法如下：

该基于流量数据实现信号配时方案组划分处理的方法，其主要特点是，所述的方法包括以下步骤：

(1)取属性相同的每笔流量数据的平均值；

(2)计算流量变化幅度；

(3)在时段内统计每个时间间隔的流量变化幅度，并统计不同流量变化幅度的时间间隔总数；

(4)判断时段内不同流量变化幅度的时间间隔总数是否小于预设值，如果是，则时段内流量情况具有相似性；否则，时段内流量情况具有明显差异性；

(5)以周为单位，确定采用同一时段划分方案组的属性日。

较佳地，所述的步骤(1)具体包括以下步骤：

(1.1)获取所选日期前一个月、三个月、半年或一年的流量数据；

(1.2)筛选出与所选日期属性相同的日期及其所有对应的流量；

(1.3)根据筛选出的日期取指数加权平均值。

较佳地，所述的步骤(2)具体包括以下步骤：

(2.1)确定基准线日期；

(2.2)找出低平峰时间段的最大流量；

(2.3)找出高峰时间段的中位流量，得到流量变化幅度的汇总表。

较佳地，所述的步骤(3)具体为：

统计相比前一天每个时间间隔的流量变化幅度，并统计流量变化幅度分别大于10％、15％和20％的时间间隔总数。

较佳地，所述的步骤(5)具体包括以下步骤：

(5.1)判断任意n是否均小于限定值，如果是，则流量曲线相似；否则，流量曲线差异较大；

(5.2)根据流量变化走势，确定一周中各天采用的配时方案组，合并采用相同方案组的属性日，并统计该周信号配时方案组。

采用了本发明的基于流量数据实现信号配时方案组划分处理的方法，基于交叉口车辆的原始过车数据，通过二维计算分析，更有效地研判交叉口在不同属性日的交通规律；精准分析路口规律，为其配置更为精细的信号方案；为路口信号控制的优化提供新角度，更加科学地缓解城市交通拥堵问题。

附图说明

图1为本发明的基于流量数据实现信号配时方案组划分处理的方法的流程图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

如图1所示，本发明的该基于流量数据实现信号配时方案组划分处理的方法，其中包括以下步骤：

(1)取属性相同的每笔流量数据的平均值；

(1.1)获取所选日期前一个月、三个月、半年或一年的流量数据；

(1.2)筛选出与所选日期属性相同的日期及其所有对应的流量；

(1.3)根据筛选出的日期取指数加权平均值；

(2)计算流量变化幅度；

(2.1)确定基准线日期；

(2.2)找出低平峰时间段的最大流量；

(2.3)找出高峰时间段的中位流量，得到流量变化幅度的汇总表；

(3)在时段内统计每个时间间隔的流量变化幅度，并统计不同流量变化幅度的时间间隔总数；

(4)判断时段内不同流量变化幅度的时间间隔总数是否小于预设值，如果是，则时段内流量情况具有相似性；否则，时段内流量情况具有明显差异性；

(5)以周为单位，确定采用同一时段划分方案组的属性日；

(5.1)判断任意n是否均小于限定值，如果是，则流量曲线相似；否则，流量曲线差异较大；

(5.2)根据流量变化走势，确定一周中各天采用的配时方案组，合并采用相同方案组的属性日，并统计该周信号配时方案组。

作为本发明的优选实施方式，所述的步骤(3)具体为：

统计相比前一天每个时间间隔的流量变化幅度，并统计流量变化幅度分别大于10％、15％和20％的时间间隔总数。

本发明的具体实施方式中，本发明通过提取近一周，近一个月，近三个月，近半年，近1年的每15min的路口总流量、各进口道的流量、各个流向的流量，按时间段这一字段初步处理原始数据，主要解决数据异常及丢失等问题；取属性相同的每笔流量数据的平均值；计算流量变化幅度；统计流量变化幅度(粗分时段)；以周为单位，精细划分不同属性日的时段。具体采用的技术方案如下：

一、取属性相同的每笔流量数据的平均值

取所选日期倒推的前一个月、三个月、半年、一年的流量数据，从中筛选出与所选日期属性相同(星期几)的日期及其所有对应的流量，取指数加权平均值。

按属性取指数加权平均后的数据表

二、计算流量变化幅度

指以周一为基准线，观察到的周n(n＝2，3，4，5)在第m时段的变化幅度(％)；分别以周二，周三，周四为基准线。以周一为基准线，计算的周二流量变化幅度为例(粗分时段，各时段取不同底基数)。

0：00-6：00，

6：15-10：00，

10：15-15：00，

15：15-19：00，

19：15-21：00，

21：15-23：45，

最终得到以下流量变化幅度的汇总表。

三、流量变化幅度统计(粗分时段)

上一步骤大体划分了6个时段。统计时，每一时段对应有以±10％、±15％、±20％为界的3张表。以±10％为例，简要介绍时段0：00-6：00中n1的计算。

n1为在时段0：00-6：00里，周二每个时间间隔的流量相对于周一的变化幅度(即)大于等于10％的总数。

四、相似度分析(时段级)

0：00-6：00(25)，如果ni＞9(i＝1，2，…，10)，则该时段有明显差异性；

6：15-10：00(16)，如果ni＞3(i＝1，2，…，10)，则该时段有明显差异性；

10：15-15：00(20)，如果ni＞5(i＝1，2，…，10)，则该时段有明显差异性；

15：15-19：00(16)，如果ni＞3(i＝1，2，…，10)，则该时段有明显差异性；

19：15-21：00(8)，如果ni＞2(i＝1，2，…，10)，则该时段有明显差异性；

21：15-23：45(11)，如果ni＞2(i＝1，2，…，10)，则该时段有明显差异性。

注：以上界定界限，为观察常州市多个不同类型的路口后标定的。为保证更高的研判准确率，需观察更多路口的流量情况。

五、以周为单位，确定可以采用同一时段划分方案组的属性日

当满足任何时段的ni均小于对应时段给出的上限值时，则可推断两两相似。再由此推断三者及以上的相似性。

分析工作日及周末的24小时流量变化，按流量变化走势，确定一周中各天采用的配时方案组，合并采用相同方案组的属性日，并统计该周信号配时方案组。

采用了本发明的基于流量数据实现信号配时方案组划分处理的方法，基于交叉口车辆的原始过车数据，通过二维计算分析，更有效地研判交叉口在不同属性日的交通规律；精准分析路口规律，为其配置更为精细的信号方案；为路口信号控制的优化提供新角度，更加科学地缓解城市交通拥堵问题。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。