一种道路交通规划方法与流程

本发明涉及道路交通控制，具体涉及一种道路交通规划方法。

背景技术：

1、随着社会的发展，城市内机动车数量呈现不断上升的趋势，城市的交通负荷也在对应增长，需要基于不同的交通问题合理规划道路交通。例如，路口红绿灯的时间设定不合理或对于不同时段车流量改变不适应，将导致路口交叉饱和度上升，当等待红路灯的车辆过多时，排队长度增加，其影响相邻交叉口和路段的通行能力，造成更广泛的交通拥堵。为了克服上述存在的交通问题，对城市内所有路口进行k-means聚类，获取关系较为密切的路口关系，并基于路口聚类结果实现路口预先调控。

2、现有的路口聚类仅考虑路口之间的距离或道路等级等，但是在实际场景中，实现路口预先调控考虑更多的是路口之间的车流量变化情况，因此现有交通规划过程中的路口聚类结果的准确性低下，交通规划的合理性较差，也就是道路交通控制能力低下。

技术实现思路

1、为了解决上述路口聚类结果的准确性低下，导致交通规划合理性较差的技术问题，本发明的目的在于提供一种道路交通规划方法，所采用的技术方案具体如下：

2、本发明一个实施例提供了一种道路交通规划方法，该方法包括以下步骤：

3、获取待规划城市区域的每条道路在若干天内每个单位时间的历史车流量，进而确定每条道路在每天内的历史车流量曲线；其中，相邻两个路口之间的路段构成一条道路，历史车流量为道路上同一驾驶方向的历史车流量；

4、将一天划分成相同长度的时段，根据每条道路在每天内的历史车流量曲线在同一时段下曲线段的各个极值点和曲线段的历史车流量均值，确定每条道路在同一时段下的车流量保持度；

5、根据任意两条道路在每天内的历史车流量曲线之间的差异情况和任意两条道路在同一时段下的车流量保持度，确定任意两条道路的车流量关联度；

6、根据任意两条道路的车流量关联度，确定任意两个路口的聚类优化权重；结合任意两个路口的聚类优化权重，对待规划城市区域的所有路口进行聚类，获得最优路口聚类结果；

7、根据最优路口聚类结果，调控待规划城市区域内的路口红绿灯。

8、进一步地，所述根据每条道路在每天内的历史车流量曲线在同一时段下曲线段的各个极值点和曲线段的历史车流量均值，确定每条道路在同一时段下的车流量保持度，包括：

9、对于任意一条道路和任意一个时段，将道路在每天内的历史车流量曲线在该时段下曲线段作为目标曲线段，获得道路在该时段下对应的各个目标曲线段；

10、确定各个目标曲线段的各个极值点，进而确定各个极值点与其相邻的下一个极值点之间的时间跨度，获得各个目标曲线段的各个极值点对应的时间跨度；

11、根据各个目标曲线段的各个极值点及其对应的时间跨度，确定道路在该时段下对应的各个目标曲线段的车流量保持权重；

12、根据道路在该时段下对应的各个目标曲线段的历史车流量均值和车流量保持权重，确定道路在该时段下的车流量保持度。

13、进一步地，道路pq在第n个时段下对应的第m个目标曲线段的车流量保持权重的计算公式为：

14、；式中，为道路pq在第n个时段下对应的第m个目标曲线段的车流量保持权重，p和q为待规划城市区域内相邻的两个路口，路口p和路口q组成道路pq，为归一化函数，z为道路pq在第n个时段下对应的第m个目标曲线段的极值点序号，z为道路pq在第n个时段下对应的第m个目标曲线段的极值点个数，为道路pq在第n个时段下对应的第m个目标曲线段的第z个极值点对应的时间跨度，为道路pq在第n个时段下对应的第m个目标曲线段的所有极值点对应的时间跨度均值，为道路pq在第n个时段下对应的第m个目标曲线段的第z个极值点的历史车流量与第m个目标曲线段的历史车流量均值之间的差异。

15、进一步地，所述根据道路在该时段下对应的各个目标曲线段的历史车流量均值和车流量保持权重，确定道路在该时段下的车流量保持度，包括：

16、对于任意一个目标曲线段，先计算目标曲线段的历史车流量均值与道路在该时段下对应的所有目标曲线段的历史车流量均值的平均值之间的差异，记为目标差异；再计算所述目标差异与目标曲线段的车流量保持权重的乘积，记为第一乘积；

17、获得道路在该时段下对应的各个目标曲线段的第一乘积，将道路在该时段下对应的各个目标曲线段的第一乘积的平均值作为道路在该时段下的车流量保持度。

18、进一步地，所述根据任意两条道路在每天内的历史车流量曲线之间的差异情况和任意两条道路在同一时段下的车流量保持度，确定任意两条道路的车流量关联度，包括：

19、对任意两条道路在同一天内的历史车流量曲线进行dtw匹配，获得匹配后的各对数据点，进而确定各对数据点中两个数据点的数据采集时间在所属时段下的目标曲线段的车流量保持度；

20、根据匹配后的各对数据点的历史车流量和各对数据点中两个数据点在所属时段下的目标曲线段的车流量保持度，确定任意两条道路对应的匹配后的各对数据点的实际距离；

21、确定任意两条道路中的起始道路和终止道路，获取起始道路对应的各条分流道路，进而确定终止道路与起始道路对应的各条分流道路对应的匹配后的各对数据点的实际距离；

22、根据任意两条道路对应的匹配后的各对数据点的实际距离、终止道路与起始道路对应的各条分流道路对应的匹配后的各对数据点的实际距离和各对数据点的历史车流量差异，确定任意两条道路在同一天时的车流量关联度；

23、将任意两条道路在每天时的车流量关联度的平均值作为任意两条道路的车流量关联度。

24、进一步地，任意两条道路沿着同一驾驶方向所构成的路线中的第一条道路为起始道路，起始道路的第一个路口为起始路口；任意两条道路沿着同一驾驶方向所构成的路线中的最后一条道路为终止道路，终止道路的第一个路口为终止路口；将与任意两条道路沿着同一驾驶方向所构成的路线相连通的、且相邻的各条道路作为起始道路对应的各条分流道路。

25、进一步地，道路pq与道路wv对应的匹配后的第h对数据点的实际距离的计算公式为：

26、；式中，为道路pq与道路wv对应的匹配后的第h对数据点的实际距离，w和v为待规划城市区域内相邻的两个路口，路口w和路口v组成道路wv，为道路pq与道路wv对应的匹配后的第h对数据点的历史车流量差异，为归一化函数，为道路pq与道路wv对应的匹配后的第h对数据点中两个数据点的数据采集时间在所属时段下的目标曲线段的车流量保持度的平均值，为道路pq与道路wv对应的匹配后的第h对数据点中两个数据点的数据采集时间在所属时段下的目标曲线段的车流量保持度的差异，为道路pq与道路wv对应的匹配后的第h对数据点的历史车流量均值。

27、进一步地，道路pq与道路wv在同一天时的车流量关联度的计算公式为：

28、；式中，为道路pq与道路wv在同一天时的车流量关联度，为道路pq与道路wv对应的匹配后的第h对数据点的实际距离，h为两条道路对应的匹配后的各对数据点的序号，h为两条道路对应的匹配后的数据点对数，为归一化函数，i为起始道路对应的各条分流道路的序号，i为起始道路对应的所有分流道路的个数，为终止道路与起始道路对应的第i条分流道路对应的匹配后的第h对数据点的实际距离，与道路pq与道路wv对应的匹配后的第h对数据点的实际距离之间的差异，为终止道路与起始道路对应的第i条分流道路对应的匹配后的第h对数据点的历史车流量差异。

29、进一步地，所述根据任意两条道路的车流量关联度，确定任意两个路口的聚类优化权重，包括：

30、获取任意两个路口沿着驾驶方向构成的所有条路线；

31、对于任意两个路口的任意一条路线，计算路线中所经过的除终止道路之外的各条道路与终止道路的车流量关联度的累加和，记为路线的初始车流量关联度；计算路线中所经过的道路条数的倒数，将路线的初始车流量关联度与路线中所经过的道路条数的倒数的乘积，作为路线的第一车流量关联度；

32、将任意两个路口的每条路线的第一车流量关联度的平均值，作为该两个路口沿着驾驶方向构成的所有条路线的第二车流量关联度；计算该两个路口沿着不同驾驶方向构成的所有条路线的第二车流量关联度的平均值，对不同驾驶方向对应的第二车流量关联度的平均值进行归一化处理，将归一化处理后的数值作为该两个路口的聚类优化权重。

33、进一步地，所述结合任意两个路口的聚类优化权重，对待规划城市区域的所有路口进行聚类，获得最优路口聚类结果，包括：

34、确定任意两个路口的初始距离度量特征和任意两个路口的聚类优化权重的反比例值，将任意两个路口的初始距离度量特征与对应两个路口的聚类优化权重的反比例值的乘积作为对应两个路口的优化距离度量特征；

35、基于任意两个路口的优化距离度量特征，对待规划城市区域的所有路口进行k-means聚类处理，获得聚类结果，将所述聚类结果作为最优路口聚类结果。

36、本发明具有如下有益效果：

37、常规对于路口之间的关系仅考虑了路口之间的距离或道路等级，并没有顾虑到路口之间的车流量变化趋势差异对于路口聚类结果的影响，导致路口聚类结果的准确性低下。本发明提供了一种道路交通规划方法，该方法通过更加可靠的红绿灯调控，进一步提升了交通规划合理性；具体，基于相邻路口构成道路的若干天的历史车流量曲线，量化道路在同一时段下的车流量保持度，并将车流量保持度作为调控参考度，其可以准确反映道路在局部时段下的车流量变化稳定情况，其主要用于后续确定车流量关联度；为了进一步提升车流量关联度的准确性，不仅要分析局部时段下的车流量变化稳定情况，还要分析全天的车流量变化的差异情况，进而确定任意两条道路的车流量关联度，在计算车流量关联度时考虑多个方面的计算因素，可以有效提高车流量关联度的计算准确性；基于车流量关联度确定的两个路口的聚类优化权重，可以有效提高所有路口聚类结果的准确性；确定最优路口聚类结果，有利于提高待规划城市区域内的路口红绿灯调控的可靠程度，有助于避免出现广泛的交通拥堵的特殊情况。