基于短时交通流预测的干线绿波信号控制方法及系统

本公开涉及交通预测及信号控制，具体涉及基于短时交通流预测的干线绿波信号控制方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

2、随着现有的私家车以及各种车辆的增多，造成城市中通勤高峰拥堵与平峰拥堵之间的差异的增大，并说明城市的通勤高峰拥堵有很大的改善空间，为了缓解这一问题，短时交通流预测和城市干线绿波信号控制作为提高车辆通行效率的重要方法而备受关注。司机或交通管理部门可以通过短时交通流量预测得出的结果做出更好的行为决策避免长时间的交通拥堵。

3、现有的短时交通流预测方法大致可以分为两大类：(1)参数化方法，包括状态空间方法、卡尔曼滤波方法、光谱分析方法等等；(2)非参数化方法，旨在搜索出特征学习能力强的模型，例如非参数回归技术、k近邻模型、模糊技术、神经网络以及支持向量机等。

4、近年来，在交通协调控制优化领域，基于模糊时间序列预测已经进行深入研究，传统框架中的时间序列模型相比于其他预测模型计算更加方便，不需要大量的历史数据，但在对论域的划分以及模糊规则的建立上仍有很多不足；另外，传统的一些协调控制模型仅考虑双向车流量相近时的状态，以及虽对行驶速度上下限进行了约束，但只是以参数的形式出现，仅是“平均车速”的固定值，并没有结合实际驾驶过程中车辆会因转向、驶入驶出道路而造成的速度变化，在交通预测以及协调控制优化方面仍然会有一些偏差，控制的效果并不是很好。

技术实现思路

1、本公开为了解决上述问题，提出了基于短时交通流预测的干线绿波信号控制方法及系统，通过自适应模糊时间序列预测模型预测交叉口下一时间段交通流状况，并通过改进的am-band协调控制模型，构建双向绿波带宽最大和各路段行驶时间最短的多目标函数，将实际值与预测值分别带入改进后的am-band协调控制模型进行求解并控制，提高干线的通行效率。

2、根据一些实施例，本公开采用如下技术方案：

3、基于短时交通流预测的干线绿波信号控制方法，包括：

4、获取目标交叉口高峰拥堵时的历史车流量数据；

5、基于自适应模糊时间序列模型对所述历史车流量数据进行预测，得到预测值；

6、获取预测情况下交叉口的信号灯时间周期以及实际的交叉口信号灯时间周期，基于改进后的am-band模型，构建双向绿波带宽最大和各路段行驶时间最小的多目标函数，增加对主要方向绿波带宽和行驶速度波动区间的约束条件，对实际值与预测值进行模型求解，以此对干线交叉口的交通进行协调控制。

7、根据一些实施例，本公开采用如下技术方案：

8、基于短时交通流预测的干线绿波信号控制系统，包括：

9、数据获取模块，用于获取目标交叉口高峰拥堵时的历史车流量数据；

10、预测模块，用于基于自适应模糊时间序列模型对所述历史车流量数据进行预测，得到预测值；

11、模型构建与求解模块，用于获取预测情况下交叉口的信号灯时间周期以及实际的交叉口信号灯时间周期，基于改进后的am-band模型，构建双向绿波带宽最大和各路段行驶时间最小的多目标函数，增加对主要方向绿波带宽和行驶速度波动区间的约束条件，对实际值与预测值进行模型求解，以此对干线交叉口的交通进行协调控制。

12、根据一些实施例，本公开采用如下技术方案：

13、一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现所述的基于短时交通流预测的干线绿波信号控制方法。

14、根据一些实施例，本公开采用如下技术方案：

15、一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现所述的基于短时交通流预测的干线绿波信号控制方法。

16、与现有技术相比，本公开的有益效果为：

17、本公开提出了一种基于短时交通流预测的干线绿波信号控制方法，对传统时间序列模型进行改进，加入自适应方法，所谓自适应就是根据外部环境的变化，自身不断调整优化参数、方法以及约束条件，使得模型与真实情况更加贴合，从而提高模型对数据处理的准确性，使得预测结果达到相对最优的状态。

18、本公开的一种基于短时交通流预测的干线绿波信号控制方法中，对传统的am-band模型进行改进，传统的am-band模型仅考虑双向车流量相近时的状态，本公开对其进行改进，考虑双向车流量差异较大时的状态，将较为拥堵方向称为主要方向，不拥堵方向称为次要方向。增加上行(下行)方向的最小绿波带宽约束，建立最大绿波带宽和各路段行驶时间最短的多目标干线绿波协调优化控制模型。而且本公开还根据车速波动情况，增加速度波动区间约束，使得车速具有现实意义，更加符合实际情况。

19、本公开的一种基于短时交通流预测的干线绿波信号控制方法，基于传统的am-band模型进行改进，构建双向绿波带宽最大和各路段行驶时间最小的多目标函数，增加对主要方向绿波带宽和行驶速度波动区间的约束条件。利用lingo软件对实际值与预测值进行模型求解，将得到结果输入synchro软件进行仿真验证，而且实验证明，改进后的am-band模型相比于传统am-band模型有效的降低控制延误和停车次数，提高干道的通行效率，验证了该方法的可行性。

技术特征：

1.基于短时交通流预测的干线绿波信号控制方法，其特征在于，包括：

2.如权利要求1所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，基于自适应模糊时间序列模型对所述历史车流量数据进行预测的步骤包括：

3.如权利要求2所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，设置权重矩阵，并获取去模糊化矩阵，所述去模糊化矩阵与权重矩阵具有一一对应的模糊逻辑关系，将去模糊化矩阵与权重矩阵进行合成运算得出预测值，并对预测值进行修订。

4.如权利要求1所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，所述改进后的am-band模型为：考虑双向车流量差异大时的状态，将拥堵方向称为主要方向，不拥堵方向称为次要方向，增加上行、下行方向的最小绿波带宽约束，建立最大绿波带宽和各路段行驶时间最短的多目标干线绿波协调优化目标函数，并根据车速波动情况，增加速度波动区间约束。

5.如权利要求4所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，车速服从正态分布，车辆在短时间内围绕一个中心值上下波动，设置一定置信水平下的速度波动区间，采用由改进后的am-band模型求解出来的绿波带速度作为车辆的平均速度，在一定置信水平下的速度波动区间边界值作为绿波带速度的最大值与最小值。

6.如权利要求1所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，根据路口时间差、上下行行程时间以及红绿灯时间来确定最佳相位相序，并计算各个交叉口的相位差。

7.如权利要求1所述的基于短时交通流预测的干线绿波信号控制方法，其特征在于，改进后的am-band模型为混合整数线性规划模型，将所有以秒为单位的时间参数转化为公共信号周期的时间参数，使用lingo软件进行模型求解。

8.基于短时交通流预测的干线绿波信号控制系统，其特征在于，包括：

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-7任一项所述的基于短时交通流预测的干线绿波信号控制方法。

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-7任一项所述的基于短时交通流预测的干线绿波信号控制方法。

技术总结本公开提供了基于短时交通流预测的干线绿波信号控制方法及系统，涉及交通预测及信号控制技术领域，包括：获取目标交叉口高峰拥堵时的历史车流量数据；基于自适应模糊时间序列模型对所述历史车流量数据进行预测，得到预测值；获取预测情况下交叉口的信号灯时间周期以及实际的交叉口信号灯时间周期，基于改进后的AM‑BAND模型，构建双向绿波带宽最大和各路段行驶时间最小的多目标函数，增加对主要方向绿波带宽和行驶速度波动区间的约束条件，对实际值与预测值进行模型求解，以此对干线交叉口的交通进行协调控制。技术研发人员：李敏,白雪,张顺安,张西龙,贺思宇,李扬,李琦受保护的技术使用者：青岛理工大学技术研发日：技术公布日：2024/6/26