一种基于车辆轨迹数据的区域交通信号实时优化控制方法

摘要

本发明公开了一种基于车辆轨迹数据的区域交通信号实时优化控制方法，包括如下步骤：(1)初始信号配时参数设置；(2)车辆轨迹数据获取；(3)行程时间提取；(4)信号控制子区划分；(5)控制子区周期长度优化；(6)单交叉口绿信比优化；(7)相邻交叉口相位差优化。本发明方法采用车辆轨迹数据作为数据来源，不需要在交通路网上安装任何设备，来源易得，丰富，且数据格式简单统一，处理方便，质量可靠。本发明可以应对交通系统状态的快速变化，保障交通信号配时参数的全局优化，保证交通系统状态变化的连续性，实施效率高。

说明书

技术领域

本发明涉及一种基于车辆轨迹大数据的区域交通信号实时优化控制方法，属于交通工程中的智能交通控制系统领域。

背景技术

区域交通信号控制方法是缓解城市交通拥堵，提高城市出行效率主要手段。目前，针对区域交通信号控制研究领域主要从离线系统和在线系统两个方面开展。离线的区域交通信号控制系统以区域交通信号配时参数为优化对象，给定某一特定的交通系统运行状态条件，依托自定义的交通流传播模型，计算在此交通状态条件下，某一组交通信号配时参数作用下的交通路网运行性能指标，从而可以利用优化方法求解得到该路网运行状态条件下的最优交通信号配时参数；在线的区域交通信号控制系统以区域交通信号优化控制实施为目标，典型的有英国的SCOOT系统和澳大利亚的SCATS系统，采用小步长递增式和方案选择式工作方式，如SCOOT系统采用小步长增量方式，按照子区控制→单点信号配时→信号协调的顺序，分别对周期、单交叉口的绿信比及相邻交叉口信号相位间的相位差进行控制系统的优化，而SCATS系统采用方案选择的工作方式，针对实时交通系统运行状态，按照关键交叉口的类饱和度指标，确定控制子区的周期长度，并在给定的周期长度下，依据实际的实时交通状态，从预定的各种交通信号配时方案中选择合适的方案，作为优化后的信号配时。

在区域交通控制研究领域，离线优化方法在学术界得到了较多的关注，但实用性不足；在线优化方法有利于实际应用，但目前相关的实用的国外产品主要是SCOOT和SCATS系统，国内缺乏相应的可实际应用的区域交通控制系统产品。考虑到目前国内城市交通系统管控的需求日益强烈，开发我国自主知识产权的、实用的区域交通信号实时优化控制系统非常迫切。

发明内容

技术问题：本发明提供一种避免了传统区域信号控制系统中利用交通传播模型的试算优化过程，实现了区域交通信号优化控制过程的实时调节的基于车辆轨迹数据的区域交通信号实时优化控制方法。

技术方案：本发明的基于车辆轨迹数据的区域交通信号实时优化控制方法，包括以下步骤：

(1)设置初始信号配时参数

选取当前时间之前的任一固定时间长度为历史时间，查询该历史时间内的信号控制参数数据，包括交通信号控制子区周期长度、单交叉口绿灯时间及相邻交叉口的相位差，将该历史时间内的信号控制参数的平均值作为初始信号配时参数，计算方法如下；

式中，c₀为初始控制子区的周期长度；λ₀为交叉口初始绿信比；g₀为交叉口绿灯时长；offset₀为相邻交叉口初始相位差；n为该历史时间内的交叉口信号控制周期总数；i为计数参数；c_i为周期长度；g_i为绿灯时长；offset_i为相位差；

(2)按照时间顺序，以固定的时间间隔，将时间划分为连续的控制时段，当前时间点所处的控制时段定义为控制时段t；

(3)获取车辆行驶轨迹数据集和车辆轨迹数据

针对控制时段t，采集车辆在各个时刻的经纬度数据、车辆行驶速度数据及车辆运动方向角度数据，将上述数据作为车辆行驶轨迹数据集，然后将车辆的经纬度数据按照采集的时刻顺序排列，构成车辆轨迹数据；

(4)针对控制时段t，根据节点间路段相连情况构造任一交叉口都可作为出行的起点或终点的交通路网邻接矩阵，同时，计算车辆轨迹数据的每一个车辆位置和交通路网中路段的距离，按照所得距离最小的原则，将车辆轨迹数据中的所有位置和交通路网建立匹配，并利用车辆行驶轨迹数据集，查询并记录每一车辆进入和驶出各个节点间连接路段的时刻，根据提取所述控制时段t中任一连接路段l上的平均行程时间T_tl，并将此平均行程时间T_tl记入所述交通路网邻接矩阵；

(5)在同一控制时段t，按照如下步骤动态调整交通信号控制子区：

Step1根据下式计算每一交叉口的平均行程时间：

式中，T_ti为第i个交叉口在控制时段t内的平均行程时间；T_tik为该控制时段t、交叉口i、进口道/出口道k的平均行程时间；M为第i个交叉口包含的进口道和出口道的总数量；

Step2计算信号控制子区的平均行程时间

根据每一交叉口的平均行程时间T_ti，使用下式计算当前控制子区路网中所有交叉口的平均行程时间

式中，为当前控制子区内所有交叉口的平均行程时间；K为当前控制子区内交叉口总数；i为计数参数；

Step3确定关键交叉口

由每一交叉口平均行程时间与当前控制子区路网中所有交叉口的平均行程时间之间的关系，确定关键交叉口，即，如果则判定该交叉口为关键交叉口，否则，判定该交叉口为非关键交叉口；

其中，γ为每一交叉口平均行程时间与当前子区路网中所有交叉口的平均行程时间之间的比例关系系数，该系数中采用当前子区路网中重要交叉口占子区中所有交叉口的比例确定，所述重要交叉口根据相交道路等级进行判定，即相交道路含有主干道的交叉口判定为重要交叉口；

Step4根据下式计算关键交叉口与其他交叉口之间的关联度W_ij：

式中，W_ij为关键交叉口j与其他交叉口i之间的关联度；T_ti为非关键交叉口的平均行程时间；T_tj为关键交叉口的平均行程时间；L_ij为交叉口i与交叉口j之间的距离；

Step5动态划分交通信号控制子区

根据关键交叉口与其他交叉口之间的关联度W_ij，调整当前信号控制子区，即选择将W_ij≥0.8的交叉口划分到一个控制子区，同时，将这些交叉口之间相互连接的道路所覆盖的交叉口划入同一个控制子区，以保持控制子区划分的连续性；

Step6遍历交通路网中所有的控制子区，实现对所有控制子区的动态调整，最后将交通路网中未划入任何控制子区的交叉口，划入与该交叉口直接相连且距离该交叉口最近的控制子区；

(6)优化调整控制子区周期长度

在同一控制时段t，选择某一控制子区作为当前控制子区，并根据当前控制时段t对应的交通路网邻接矩阵，查询当前控制子区中所有路段的行程时间，相加后得到当前控制子区的总行程时间TT_t，除以当前控制子区的路段总数，计算得到当前控制子区的平均行程时间，然后再根据周期长度与平均行程时间之间的最优化函数关系，计算当前交通信号控制子区平均行程时间对应的周期长度；

遍历所有的控制子区，完成所有控制子区周期长度的优化调整；

(7)优化调整单交叉口绿信比

在同一控制时段t，选择某一控制子区作为当前控制子区，并针对当前控制子区内的单交叉口，利用当前控制时段的交通路网邻接矩阵，查询得到该交叉口连线上的路段平均行程时间T_t，根据该单交叉口绿信比与平均行程时间之间的最优化函数关系，计算T_t对应的该交叉口的绿信比；

根据该交叉口的绿信比，利用所处控制子区的周期长度计算得到该交叉口所有相位的绿灯时长；

遍历当前控制子区内的所有单交叉口，完成该控制子区内所有单交叉口绿信比以及绿灯时长的优化调整；

遍历所有的控制子区，完成所有控制子区中所有单交叉口的绿信比及绿灯时长的优化调整；

(8)针对当前控制子区中的单一路段，利用控制时段t的交通路网邻接矩阵，查询获得其在同一控制时段t的行程时间T_t，并根据相邻交叉口相位差与行程时间之间的最优化函数关系，计算T_t对应的相邻交叉口的相位差；

遍历当前控制子区中的所有路段，完成对该控制子区中所有相邻交叉口相位差的计算；

遍历所有的控制子区，完成对整个交通路网中所有相邻交叉口相位差的计算。

进一步的，本发明方法中，所述步骤(4)中根据下式提取所述控制时段t中任一连接路段l上的平均行程时间T_tl：

式中，t_tl(j₀)为在控制时段t中第j辆车进入路段l的时刻；t_tl(j₁)为在控制时段t中第j辆车驶出路段l的时刻；Δt_tlj为车辆j在控制时段t、路段l的行程时间；T_tl为该控制时段t、路段l上所有车辆的平均行程时间。

进一步的，本发明方法中，所述步骤(6)中的周期长度与平均行程时间之间的最优化函数关系如下式所示：

c_t+1＝αc_t+βT_t

式中，c_t为控制子区调整前控制时段t的周期长度；c_t+1为控制子区调整后的下一个控制时段t+1的周期长度；T_t为控制时段t的控制子区调整前的平均行程时间；α和β为周期长度与平均行程时间之间的最优化参数，采用历史数据回归计算获得。

进一步的，本发明方法中，所述步骤(7)中的该单交叉口绿信比与平均行程时间之间的最优化函数关系如下式所示：

λ_t+1＝uλ_t+vT_t

式中，λ_t为该交叉口在控制时段t的绿信比；λ_t+1为该交叉口在下一个控制时段t+1的绿信比；T_t为计算得到的控制时段t的控制子区的平均行程时间；μ和v为该单交叉口绿信比与行程时间之间的最优化参数，采用基于历史数据的线性回归计算获得。

进一步的，本发明方法中，所述步骤(8)中的相邻交叉口相位差与行程时间之间的最优化函数关系如下式所示：

offset_t+1＝moffset_t+nT_t

式中，offset_t为控制时段t的相位差；off3et_t+1为调整后下一个控制时段t+1的相位差；T_t为控制时段t的当前控制子区平均行程时间；m和n为相邻交叉口相位差与行程时间之间的最优化参数，采用基于历史数据的线性回归计算获得。

本发明利用车辆轨迹数据获取在控制时段t内的平均行程时间，并对控制子区、周期长度、单交叉口绿信比、相邻交叉口相位差等参数进行实时的优化和调整。在数据来源上，本发明方法采用车辆轨迹数据作为数据来源，不需要在交通路网上安装任何设备，来源易得，丰富，且数据格式简单统一，处理方便，质量可靠。在工作方式上，本方法以小时段为滚动窗口，进行信号配时的实时优化和调整，可以应对交通系统状态的快速变化。在核心优化算法上，本发明方法应用交通信号配时参数和交通系统全局状态之间的优化方程进行信号配时计算，揭示了交通系统全局状态对信号配时参数的影响，保障了交通信号配时参数的全局优化。在实施效率上，本发明方法采用递归的方式进行配时参数计算，通过对交通系统逐步调整，达到适应交通状态变化的目的，保证了交通系统状态变化的连续性，实施效率高。

本发明方法通过实时计算获得路网行程时间T_t，按照基于历史数据回归得到的最优化信号配时参数计算公式，进行交通信号配时的优化调整，避免了传统区域信号控制系统中利用交通传播模型的试算优化过程，实现了区域交通信号优化控制过程的实时调节。

有益效果：本发明与现有技术相比，具有以下优点：

(1)在数据来源上，当前的交通信号控制系统采用传统交通数据，如线圈数据、微波检测器数据等，为获得上述数据，需要在交通路网中安装大量的检测设备，开发相关的数据采集和传输系统，资金投入量大，数据量及数据质量也受到各种检测技术本身的限制，数据融合困难。本发明方法采用车辆轨迹数据作为数据来源，该数据属于互联网数据，不需要在交通路网上安装任何设备，来源易得，丰富，且数据格式简单统一，处理方便，质量可靠。

(2)在工作方式上，当前的交通信号控制系统主要是离线式，即针对早高峰、晚高峰和平峰等不同时段，预先进行信号配时的优化调整，不能适应交通系统状态的快速变化。本方法的工作方式设计为在线式，即以小时段，如5分钟为滚动窗口，实时进行信号配时的优化和调整，可以应对交通系统状态的快速变化。

(3)在核心优化算法上，当前的交通控制系统主要采用方案选择式，及根据不同的交通时段，选择预先确定的信号控制策略，缺少针对交通系统全局的优化。本发明方法中信号系统配时参数的计算建立于主要交通信号配时参数和交通系统全局状态之间的优化方程之上，这些方程揭示了交通系统全局状态对信号配时参数的影响，保障了交通信号配时参数的全局优化。

(4)在实施效率上，当前的交通信号控制系统在进行配时方案下发时，需要研发及实施辅助系统，以配合信号配时参数的转换过程，过程复杂，且较大幅度的信号配时参数调整容易损害交通系统控制的连续性。本发明方法在信号配时计算的时候，采用了递归的方式，直接在当前控制时段基础上调整信号配时参数，限制了信号配时参数的调整幅度，这样，通过对交通系统逐步调整，达到适应交通状态变化的目的，保证了交通系统的连续性，实施效率高，

附图说明

图1为系统总流程图。

图2为初始信号配时参数设置流程图。

图3为行程时间提取流程图。

图4为信号控制子区划分流程图。

图5为控制子区周期长度优化流程图。

图6为单交叉口绿信比优化流程图。

图7为相邻交叉口相位差优化流程图。

具体实施方式

本发明的基于车辆轨迹数据的区域交通信号实时优化控制方法，采用车辆轨迹数据作为数据来源，利用车辆轨迹数据获取在控制时段t内的平均行程时间，并对控制子区、周期长度、单交叉口绿信比、相邻交叉口相位差等参数进行实时的优化和调整。以小时段为滚动窗口，进行信号配时的实时优化和调整，应用交通信号配时参数和交通系统全局状态之间的优化方程进行信号配时计算。

本发明方法的一种实施例中，基本流程和步骤为：

(1)初始信号配时参数设置模块，选取连续一周内的历史交通信号控制参数数据，包括控制子区周期长度、单交叉口绿灯时间及相邻交叉口的相位差，由该段历史时间信号控制参数的平均值作为初始信号配时参数。

(2)按照时间顺序，以固定的5分钟时间间隔，将时间划分为连续的控制时段，当前时间点所处的控制时段定义为控制时段t。

(3)通过车辆轨迹数据获取模块获取车辆行驶轨迹数据集和车辆轨迹数据。车辆轨迹数据获取模块包括车载终端及服务器，其中车载终端由车载定位、存储及运算处理三部分组成，车载定位与运算处理连接，运算处理与存储连接，并连接服务器。车载定位采集车辆经纬度数据、车辆行驶速度数据及车辆运动方向角度数据，运算处理获得存储模块的储存情况，将存储模块中的数据作为车辆行驶轨迹数据集，通过通信模块发送至服务器。

(4)针对某一控制时段t，假定交通路网中的任一交叉口都可作为出行的起点或终点，根据交叉口间路段相连情况构造该路网的邻接矩阵，记录每一车辆进入和驶出连接路段的时刻，由此提取该控制时段t中任一连接路段l上的平均行程时间T_tl，并赋入交通路网邻接矩阵。

(5)根据交通路网邻接矩阵，计算每一交叉口i在同一控制时段t内的平均行程时间T_ti，及该控制时段内控制子区的平均行程时间若满足则判定该交叉口为关键交叉口，进一步计算关键交叉口与其他交叉口之间的关联度W_ij，当满足W_ij≥0.8条件时，将交叉口划分到一个控制子区。

(6)在同一控制时段t，对当前控制子区应用统一的周期长度，根据交通路网邻接矩阵，计算得到子区的平均行程时间，根据周期长度与平均行程时间之间的最优化函数关系，确定该行程时间对应的控制子区周期长度。

(7)在同一控制时段t，针对控制子区内的单交叉口，根据交通路网邻接矩阵，计算交叉口连线路段上的行程时间T_t，根据单交叉口绿信比与行程时间之间的最优化函数关系，确定T_t对应的该交叉口的绿灯相位时长。

(8)针对单一路段，根据交通路网邻接矩阵，获得其在同一控制时段t的行程时间T_t，并根据相邻交叉口相位差与行程时间之间的最优化函数关系，确定T_t对应的相邻交叉口的相位差。

本发明方法中，在初始控制时段中，需先进行步骤(1)和步骤(2)的的初始设置，然后进行后续步骤的实时优化控制，即完成步骤(1)至步骤(8)的整个流程。在初始控制时段及后续控制时段中，步骤(8)结束后，等待时间推进到下一个控制时段后，从步骤(3)开始进行后续控制时段的区域交通信号实时优化控制。

本发明实施例具体按照如下步骤进行优化控制：

(1)初始信号配时参数设置

如图2所示，选取连续一周内的历史交通信号控制参数数据，包括控制子区周期长度、单交叉口绿灯时间及相邻交叉口的相位差，由该段历史时间内信号控制参数的平均值作为初始信号配时参数。

式中，c₀为初始控制子区的周期长度；λ₀为交叉口初始绿信比；g₀为交叉口绿灯时长；offset₀为相邻交叉口初始相位差；n为该历史时间内的交叉口信号控制周期总数；i为计数参数；c_i为周期长度；g_i为绿灯时长；offset_i为相位差。

(2)按照时间顺序，以固定的5分钟时间间隔，将时间划分为连续的控制时段，当前时间点所处的控制时段定义为控制时段t。

(3)车辆轨迹数据获取

车辆轨迹数据获取模块包括车载终端及服务器，其中车载终端由车载定位、存储及运算处理三部分组成，车载定位与运算处理连接，运算处理与存储连接，并连接服务器。车载定位采集各类数据，包括经纬度数据、车辆行驶速度数据及车辆运动方向角度数据；运算处理根据存储模块的储存情况，判断存储模块是否为空，若判断为“是”，则将数据直接存储入存储模块，若判断为“否”，则将数据与存储模块内已缓存的数据进行回溯算法对比，再次判断是否存储，若“是”，则直接存储，若“否”则将坐标数据作为冗余数据舍弃；运算处理模块将存储模块中最终读入的数据作为车辆行驶轨迹数据，通过通信模块发送至服务器。

针对控制时段t，采集车辆在各个时刻的经纬度数据、车辆行驶速度数据及车辆运动方向角度数据，将上述数据作为车辆行驶轨迹数据集，然后将车辆的经纬度数据按照采集的时刻顺序排列，构成车辆轨迹数据。

(4)行程时间提取

如图3所示，针对某一控制时段t，假定交通路网中的任一交叉口都可作为出行的起点或终点，根据交叉口间路段相连情况构造该路网的邻接矩阵，记录每一车辆进入和驶出连接路段的时刻，由此提取该控制时段t中任一连接路段l上的平均行程时间T_tl，获取方式如下所示：

式中，t_tl(j₀)为在控制时段t中第j辆车进入路段l的时刻；t_tl(j₁)为在控制时段t中第j辆车驶出路段l的时刻；Δt_tlj为车辆j在控制时段t、路段l的行程时间；T_tl为该控制时段t、路段l上所有车辆的平均行程时间，并赋入交通路网邻接矩阵。

(5)信号控制子区划分

如图4所示，在同一控制时段t，信号控制子区的动态划分遵循步骤如下：

Step1计算每一交叉口的平均行程时间

每一交叉口均包含进口道和出口道，计算每一交叉口的平均行程时间。

式中，T_ti为第i个交叉口在控制时段t的平均行程时间；T_tik为该控制时段t、交叉口i，进口道(出口道)k的平均行程时间；M为第i个交叉口包含的进口道和出口道的总的数量。

Step2计算信号控制子区的平均行程时间

已经获得每一交叉口的平均行程时间T_ti，进一步计算控制子区路网中所有交叉口的平均行程时间公式如下：

式中，为控制子区内所有交叉口的平均行程时间；K为控制子区内交叉口总数。

Step3确定关键交叉口

由每一交叉口平均行程时间与控制子区总平均行程时间之间的关系，确定关键交叉口。

该交叉口判定为关键交叉口。

式中，γ为每一交叉口平均行程时间与子区路网总平均行程时间之间的比例关系系数。该系数的确定方法为：首先，根据相交道路等级判定重要交叉口，即相交道路含有主干道的交叉口判定为重要交叉口，然后，计算重要交叉口占子区中所有交叉口的比例，得到该系数取值。

Step4计算交叉口关联度

计算关键交叉口与其他交叉口之间的关联度W_ij，计算方式如下所示：

式中，W_ij为关键交叉口与其他交叉口之间的关联度；T_ti为非关键交叉口的平均行程时间；T_tj为关键交叉口的平均行程时间；L_ij为交叉口i与交叉口j之间的距离。

Step5动态划分交通信号控制子区

根据计算出来的关联度W_ij，结合关键交叉口位置及路网结构形式，可将信号控制子区进行划分，选择W_ij≥0.8的交叉口划分到一个控制子区。

Step6遍历交通路网中所有的控制子区，实现对所有控制子区的动态调整，最后交通路网中未划入任何控制子区的交叉口，划入与该交叉口直接相连且距离该交叉口最近的控制子区。

(6)控制子区周期长度优化

如图5所示，在同一控制时段t，对当前控制子区应用统一的周期长度，通过T_t计算得到子区的行程时间，再根据如下式的周期长度与行程时间之间的最优化函数关系，确定该行程时间对应的控制子区周期长度；

c_t+1＝αc_t+βT_t

式中，c_t为控制时段t的周期长度；c_t+1为调整后的控制时段t的周期长度；T_t为计算得到控制时段t的子区的平均行程时间；α和β为周期长度与平均行程时间之间的最优化参数，采用历史数据回归计算获得。

遍历所有的控制子区，完成所有控制子区周期长度的优化调整；

为简化计算，提高运算效率，同时为提高方法的易实施性，在计算控制子区的周期长度时，可对所有的控制子区采用同样的周期长度与行程时间之间的最优化函数关系，即采用同一组α和β参数。

(7)单交叉口绿信比优化

如图6所示，在同一控制时段t，针对控制子区内的单个交叉口，计算交叉口连线路段上的平均行程时间T_t时序序列，并根据如下式的单交叉口绿信比与行程时间之间的最优化函数关系，确定T_t对应的该交叉口的绿灯相位时长：

λ_t+1＝μλ_t+vT_t

式中，λ_t为该交叉口在控制时段t的绿信比；λ_t+1为该交叉口在下一个控制时段t+1的绿信比；T_t为计算得到的控制时段t的控制子区的平均行程时间；μ和v为该单交叉口绿信比与行程时间之间的最优化参数，采用基于历史数据的线性回归计算获得；

根据该交叉口的绿信比，利用所处控制子区的周期长度计算得到该交叉口所有相位的绿灯时长；

遍历当前控制子区内的所有单交叉口，完成该控制子区内所有单交叉口绿信比以及绿灯时长的优化调整；

遍历所有的控制子区，完成所有控制子区中所有单交叉口的绿信比及绿灯时长的优化调整；

(8)相邻交叉口相位差优化

如图7所示，针对当前控制子区中的某一路段/连线，获得其在某一控制时段t的行程时间T_t，并根据如下式的相邻交叉口相位差与行程时间之间的最优化函数关系，确定T_t对应的相邻交叉口的相位差：

offset_t+1＝moffset_t+nT_t

式中，offset_t为控制时段t的相位差时长；offset_t+1为调整后控制时段t的相位差时长；T_t为控制时段t的子区平均行程时间；m和n为相邻交叉口相位差与行程时间之间的最优化参数，采用历史数据回归计算获得。

遍历当前控制子区中的所有路段，完成对该控制子区中所有相邻交叉口相位差的计算；

遍历所有的控制子区，完成对整个交通路网中所有相邻交叉口相位差的计算。

上述仅是本发明采取的实施方式，但本领域的技术人员应当理解，只要不超出本发明的权利要求所限定的范围，可以对本发明进行各种变化和修改，这些对本发明权利要求进行改进的技术方案，均落入本发明的保护范围。