一种车联网场景下的车速管控方法、系统、装置和介质与流程
- 国知局
- 2024-07-31 21:18:26
本申请涉及智慧交通,特别是涉及一种车联网场景下的车速管控方法、系统、装置和介质。
背景技术:
1、快速路可变限速控制技术(variable speed limits,vsl)是一种区别于传统限速方法的动态限速方法,其可以根据所采集到的交通流数据或者道路环境特征实时改变道路限速。通过实施可变限速,达到提高瓶颈段通行能力的目的;传统的vsl方法包括有模型方法和无模型的方法。
2、无模型方法通常基于一定规则,如specialist控制策略,该策略通过检测上游所产生的激波来生成一定的限速值;有模型方法通常基于交通流宏观模型,如元胞传输模型。但由于交通环境复杂多变,而传统的vsl方法难以反映路网中车辆的真实情况,容易造成维度灾难问题。
3、目前针对相关技术中现有车辆限速控制方案存在着可靠性低的问题,尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种车联网场景下的车速管控方法、系统、装置和介质,以至少解决相关技术中现有车辆限速控制方案存在着可靠性低的问题。
2、第一方面,本申请实施例提供了一种车联网场景下的车速管控方法,所述方法包括:
3、构建仿真交通路网;
4、采集所述仿真交通路网中的交通流数据,其中,所述交通流数据包括车辆位置数据和车辆速度数据;
5、对所述车辆位置数据和所述车辆速度数据进行矩阵化处理,得到状态矩阵;
6、基于所述状态矩阵,通过训练好的车辆速度管控模型生成速度管控动作,其中,所述速度管控动作用于管控所述仿真交通路网中网联车辆和非网联车辆的速度。
7、在其中一些实施例中,对所述车辆位置数据和所述车辆速度数据进行矩阵化处理,得到状态矩阵包括:
8、对所述仿真交通路网中的交通路段进行栅格化,得到交通栅格图;
9、基于所述车辆位置数据,对所述交通栅格图进行车辆占有的赋值,得到车辆占有矩阵;
10、基于所述车辆速度数据,对所述车辆占有矩阵进行对应车辆占有位置的车速赋值,得到状态矩阵。
11、在其中一些实施例中,基于所述状态矩阵,通过训练好的车辆速度管控模型生成速度管控动作包括:
12、根据各条车道的历史平均车速,通过预设聚类算法进行聚类得到若干车道组;
13、基于所述状态矩阵,通过训练好的车辆速度管控模型或根据各车道空间位置划分生成各个所述车道组对应的速度管控动作。
14、在其中一些实施例中,在基于所述状态矩阵,通过训练好的车辆速度管控模型生成速度管控动作之后,所述方法包括:
15、通过车道上的可变限速指示牌,显示所述速度管控动作中对应车道的最优限速值,其中,所述显示的最优限速值用于指示非网联车辆进行限速;
16、将所述速度管控动作中的最优限速值发送给对应的网联车辆,其中,所述发送的最优限速值用于直接管控所述网联车辆的速度。
17、在其中一些实施例中,采集所述仿真交通路网中的交通流数据包括:
18、通过所述仿真交通路网中的网联车辆,实时采集所述仿真交通路网中的交通流数据。
19、在其中一些实施例中,通过所述仿真交通路网中的网联车辆,实时采集所述仿真交通路网中的交通流数据包括:
20、在所述仿真交通路网中网联车辆的渗透率高于预设阈值的情况下,所述网联车辆的感知范围的半径为第一预设值;
21、在所述仿真交通路网中网联车辆的渗透率低于所述预设阈值的情况下,所述网联车辆的感知范围的半径为第二预设值,其中,所述第二预设值大于所述第一预设值;
22、基于所述感知范围,通过所述网联车辆进行所述仿真交通路网中交通流数据的实时采集。
23、在其中一些实施例中,在基于所述状态矩阵,通过训练好的车辆速度管控模型生成速度管控动作之前,所述方法包括:
24、获取所述仿真交通路网中的历史交通流数据,得到历史状态矩阵;
25、根据各个所述车道组,构建速度管控动作集;
26、基于所述历史状态矩阵和所述速度管控动作集,通过贪心算法对车辆速度管控模型进行强化学习训练,使得回报函数r(t)=outflow(t)-inflow(t)的值趋向于更大,得到训练好的车辆速度管控模型,其中,outflow(t)为在时间段t内所述仿真交通路网中的车辆出流量,inflow(t)为在时间段t内所述仿真交通路网中的车辆入流量。
27、在其中一些实施例中,所述方法包括:
28、在车辆速度管控模型的训练过程中,执行某一状态下对应的动作后,将当前状态矩阵、车辆速度管控模型生成的当前速度管控动作和对应奖励值,以及下一状态矩阵,存储到轻量级优先经验回放缓冲区;
29、基于所述轻量级优先经验回放缓冲区中的数据,通过经验回放来更新所述车辆速度管控模型的神经网络参数。
30、第二方面,本申请实施例提供了一种车联网场景下的车速管控系统,所述系统包括环境仿真模块、数据采集模块、数据处理模块和模型运用模块;
31、所述环境仿真模块,用于构建仿真交通路网;
32、所述数据采集模块,用于采集所述仿真交通路网中的交通流数据,其中,所述交通流数据包括车辆位置数据和车辆速度数据;
33、所述数据处理模块,用于对所述车辆位置数据和所述车辆速度数据进行矩阵化处理,得到状态矩阵;
34、所述模型运用模块,用于根据所述状态矩阵,通过训练好的车辆速度管控模型生成速度管控动作,其中,所述速度管控动作用于管控所述仿真交通路网中网联车辆和非网联车辆的速度。
35、第三方面,本申请实施例提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。
36、第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的方法。
37、相比于相关技术,本申请实施例提供的一种车联网场景下的车速管控方法、系统、装置和介质,其中,该方法通过构建仿真交通路网;采集仿真交通路网中的交通流数据,其中,交通流数据包括车辆位置数据和车辆速度数据;对车辆位置数据和车辆速度数据进行矩阵化处理,得到状态矩阵;基于状态矩阵,通过训练好的车辆速度管控模型生成速度管控动作,其中,速度管控动作用于管控仿真交通路网中网联车辆和非网联车辆的速度,实现了对获取到的车辆位置数据和车辆速度数据进行矩阵化处理,能够反映出交通路网中车辆的真实情况,提高后续车辆速度管控模型作出限速决策的可靠性,解决了现有车辆限速控制方案存在着可靠性低的问题。
技术特征:1.一种车联网场景下的车速管控方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,对所述车辆位置数据和所述车辆速度数据进行矩阵化处理,得到状态矩阵包括:
3.根据权利要求1所述的方法,其特征在于,基于所述状态矩阵,通过训练好的车辆速度管控模型生成速度管控动作包括:
4.根据权利要求1所述的方法,其特征在于,在基于所述状态矩阵,通过训练好的车辆速度管控模型生成速度管控动作之后,所述方法包括:
5.根据权利要求1所述的方法,其特征在于,采集所述仿真交通路网中的交通流数据包括:
6.根据权利要求5所述的方法,其特征在于,通过所述仿真交通路网中的网联车辆,实时采集所述仿真交通路网中的交通流数据包括:
7.根据权利要求3所述的方法,其特征在于,在基于所述状态矩阵,通过训练好的车辆速度管控模型生成速度管控动作之前,所述方法包括:
8.根据权利要求7所述的方法,其特征在于,所述方法包括:
9.一种车联网场景下的车速管控系统,其特征在于,所述系统包括环境仿真模块、数据采集模块、数据处理模块和模型运用模块;
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至8中任一项所述的方法。
技术总结本申请涉及一种车联网场景下的车速管控方法、系统、装置和介质,其中,该方法包括:构建仿真交通路网;采集仿真交通路网中的交通流数据,其中,交通流数据包括车辆位置数据和车辆速度数据;对车辆位置数据和车辆速度数据进行矩阵化处理,得到状态矩阵;基于状态矩阵,通过训练好的车辆速度管控模型生成速度管控动作,其中,速度管控动作用于管控仿真交通路网中网联车辆和非网联车辆的速度。通过本申请,实现了对获取到的车辆位置数据和车辆速度数据进行矩阵化处理,能够反映出交通路网中车辆的真实情况,提高后续车辆速度管控模型作出限速决策的可靠性,解决了现有车辆限速控制方案存在着可靠性低的问题。技术研发人员:孔桦桦,宋力,李士杰,柳乐,陈婷婷,张学全,蒋立靓受保护的技术使用者:银江技术股份有限公司技术研发日:技术公布日:2024/7/18本文地址:https://www.jishuxx.com/zhuanli/20240731/189191.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。