本發(fā)明涉及交通信號(hào)控制領(lǐng)域，尤其是一種尋找信號(hào)控制交叉口群關(guān)鍵路徑的方法。

背景技術(shù)：

我國(guó)在城市道路網(wǎng)干道上的交叉口多為信號(hào)控制交叉口，分別進(jìn)行單點(diǎn)信號(hào)控制。進(jìn)行單點(diǎn)信號(hào)控制時(shí)車輛在交叉口處頻繁停車，因此導(dǎo)致路網(wǎng)運(yùn)行效率低下、出行延誤增大等交通問(wèn)題。為減少車輛在各個(gè)交叉口上的停車時(shí)間，交叉口群時(shí)空資源優(yōu)化系統(tǒng)通過(guò)實(shí)時(shí)監(jiān)測(cè)交通量，將多個(gè)交叉口作為一個(gè)整體進(jìn)行協(xié)調(diào)控制，以減少交叉口群的擁堵。

現(xiàn)有的交叉口群協(xié)調(diào)控制系統(tǒng)分為五個(gè)部分，包含目標(biāo)交叉口識(shí)別、交叉口群范圍劃定、關(guān)鍵路徑檢索、時(shí)空資源優(yōu)化和在線實(shí)時(shí)調(diào)整五個(gè)步驟。其中，關(guān)鍵路徑搜索模塊采用的模型中，路徑關(guān)聯(lián)度的計(jì)算有一個(gè)去量綱步驟，使得每個(gè)路徑的關(guān)聯(lián)度計(jì)算取決于所有路徑阻滯性關(guān)聯(lián)度與離散型關(guān)聯(lián)度的極值，遍歷交叉口所有路徑不可避免，致使該模塊計(jì)算耗費(fèi)大量時(shí)間，常常達(dá)到數(shù)分鐘，這一時(shí)段內(nèi)交通流量已經(jīng)發(fā)生了變化，削弱了整個(gè)協(xié)調(diào)控制系統(tǒng)的實(shí)時(shí)性，影響調(diào)整效果。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題在于，提供一種尋找信號(hào)控制交叉口群關(guān)鍵路徑的方法，能夠減少運(yùn)算量，增大可以處理的交叉口群規(guī)模。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種尋找信號(hào)控制交叉口群關(guān)鍵路徑的方法，包括如下步驟：

(1)獲取交叉口群的各項(xiàng)數(shù)據(jù)，包括交叉口群的范圍X、交叉口數(shù)量N、關(guān)鍵交叉口K、交叉口與路段的連接方式以及各交叉口每個(gè)進(jìn)口道的車道數(shù)、渠化方案、排隊(duì)長(zhǎng)度、車速、各流向的交通量；

(2)遍歷所有邊緣交叉口的數(shù)據(jù)，計(jì)算得到交叉口群內(nèi)所有路徑的離散性關(guān)聯(lián)度I₁，計(jì)算公式如下：

I₁＝n_d/n₀

n_d——車隊(duì)在路徑起點(diǎn)綠燈時(shí)間內(nèi)通過(guò)的車輛數(shù)(veh)

n_o——車隊(duì)在路徑終點(diǎn)綠燈時(shí)間內(nèi)通過(guò)的車輛數(shù)(veh)；

(3)遍歷交叉口群內(nèi)所有路段，計(jì)算得出其兩端交叉口的阻滯性關(guān)聯(lián)度I₂，單向N車道路段m的阻滯性關(guān)聯(lián)度計(jì)算公式為：

L——路段長(zhǎng)度(m)

——該路段第n個(gè)車道的功能區(qū)長(zhǎng)度(m)

——路段m第n條車道的車輛排隊(duì)長(zhǎng)度(m)

——減速距離(m)

——感知-反應(yīng)距離(m)；

(4)然后通過(guò)遺傳算法得出路網(wǎng)中總體關(guān)聯(lián)度I最大的路徑，有M條路段的路徑，其總體關(guān)聯(lián)度如下：

優(yōu)選的，步驟(4)中，遺傳算法的具體步驟為：

(41)為各交叉口編號(hào)，即X＝{0,1,…,N}，用編號(hào)序列表示一條路徑，即R＝{x_n}，R為一條路徑，x_n表示該路徑第n個(gè)交叉口；從關(guān)鍵交叉口開始向外隨機(jī)搜索，生成一條兩端處于交叉口群邊界的路徑R，重復(fù)生成多個(gè)R，構(gòu)成初始種群

(42)在中隨機(jī)選擇兩相交路徑：

rand(set)——在set中隨機(jī)選擇一個(gè)元素

令X₁₂＝R₁∩R₂，若|X₁₂|≥2，隨機(jī)取這兩條路徑的兩個(gè)交點(diǎn)：

x₁＝rand(X₁₂),x₂＝rand(X₁₂)

將R₁、R₂在x₁、x₂之間的部分交換，生成子代路徑R_F1、R_F2；若|X₁₂|＝1，則將交點(diǎn)x∈X₁₂后的部分交換，生成R_F1、R_F2；多次重復(fù)該過(guò)程，將生成的所有子代路徑組成子代種群模擬自然界的交配、繁殖過(guò)程；

(43)計(jì)算所有路徑的關(guān)聯(lián)度I，并在隨機(jī)選取多個(gè)路徑R：

采取自適應(yīng)概率，每個(gè)路徑R的被選取的概率公式如下：

p_min、p_max均為可調(diào)節(jié)參數(shù)

f_max——中所有路徑的f_Rn的最大值

f_min——中f_Rn的最小值

i_R——路徑R的關(guān)聯(lián)度I_R在所有路徑中的降序排名

在被選中的R中隨機(jī)選擇一個(gè)交叉口x_i，若i≠0∧i≠|(zhì)R|，則選取x_i-1的另一個(gè)相鄰交叉口x′_i：

x_i＝rand(R)

x′_i＝rand({x|x∈X∧join(x,x_i-1)})

否則選取另一邊緣交叉口x′_i；

若x′_i與后續(xù)交叉口x_i+i直接相連，則將R中的x_i替換為x′_i；否則搜尋到x_i+i最短的路徑r′＝{x′_i,x′_i+1,…,x′_i+i′}，用r′替換R中的x_i；該步模擬生物基因突變過(guò)程。

(44)重新計(jì)算所有路徑的關(guān)聯(lián)度I，對(duì)其進(jìn)行篩選，僅留下與親代種群數(shù)量相同的一部分路徑，構(gòu)成路徑R被去除的概率為：

(45)若種群的路徑的關(guān)聯(lián)度未達(dá)到收斂條件，也未達(dá)到預(yù)定的最大迭代次數(shù)，令并回到步驟(42)；否則停止迭代并將當(dāng)前關(guān)聯(lián)度最高的路徑R_max作為關(guān)鍵路徑。

本發(fā)明的有益效果為：本發(fā)明對(duì)路徑關(guān)聯(lián)度模型進(jìn)行微調(diào)，每條路徑的關(guān)聯(lián)度與交叉口群其他路徑解耦，可以單獨(dú)計(jì)算，從而可以利用啟發(fā)式算法求取近似解，搜索關(guān)聯(lián)度最高的路徑，不必遍歷所有路徑，大大減少了運(yùn)算量，從而減少了整個(gè)信號(hào)控制交叉口群時(shí)空資源協(xié)調(diào)優(yōu)化系統(tǒng)的運(yùn)算時(shí)間，增強(qiáng)協(xié)調(diào)控制的實(shí)時(shí)性與有效性，增大其可以處理的交叉口群規(guī)模。

附圖說(shuō)明

圖1為本發(fā)明的方法流程示意圖。

具體實(shí)施方式

如圖1所示，一種尋找信號(hào)控制交叉口群關(guān)鍵路徑的方法，包括如下步驟：

(1)調(diào)查獲得交叉口群的各項(xiàng)數(shù)據(jù)，包括交叉口群的范圍X、交叉口數(shù)量N、關(guān)鍵交叉口K、交叉口與路段的連接方式、每個(gè)進(jìn)口道的車道數(shù)M、渠化方案等，并通過(guò)電子設(shè)備獲取各進(jìn)口道的排隊(duì)長(zhǎng)度、車速、各流向的交通量與車速等實(shí)時(shí)交通流信息。

(2)遍歷所有邊緣交叉口的數(shù)據(jù)，計(jì)算得到交叉口群內(nèi)所有路徑的離散性關(guān)聯(lián)度I₁，計(jì)算公式如下：

I₁＝n_d/n₀

n_d——車隊(duì)在路徑起點(diǎn)綠燈時(shí)間內(nèi)通過(guò)的車輛數(shù)(veh)

n_o——車隊(duì)在路徑終點(diǎn)綠燈時(shí)間內(nèi)通過(guò)的車輛數(shù)(veh)

(3)遍歷交叉口群內(nèi)所有路段，計(jì)算得出其兩端交叉口的阻滯性關(guān)聯(lián)度I₂。單向N車道路段m的阻滯性關(guān)聯(lián)度計(jì)算公式為：

L——路段長(zhǎng)度(m)

——該路段第n個(gè)車道的功能區(qū)長(zhǎng)度(m)

——路段m第n條車道的車輛排隊(duì)長(zhǎng)度(m)

——減速距離(m)

——感知-反應(yīng)距離(m)

(4)然后通過(guò)遺傳算法得出路網(wǎng)中總體關(guān)聯(lián)度I最大的路徑。有M條路段的路徑，其總體關(guān)聯(lián)度如下：

遺傳算法的具體步驟為：

(40)設(shè)置迭代結(jié)束的條件：

并設(shè)置最大迭代次數(shù)T；

(41)令所有交叉口為集合X，為各交叉口編號(hào)，即X＝{0,1,…,N}，用編號(hào)序列表示一條路徑。即R＝{x_n}，R為一條路徑，x_n表示該路徑第n個(gè)交叉口。從關(guān)鍵交叉口開始向外隨機(jī)搜索，生成一條由關(guān)鍵交叉口達(dá)到交叉口群邊界的路徑：

R₁＝{x_n|x_n＝rand(X)∧(n＝0∨join(x_n,x_n-1)}

R₂＝{x_n|x_n＝rand(X)∧join(x_n-1,x_n)}

rand(set)——在set中隨機(jī)選擇一個(gè)元素

重復(fù)生成多個(gè)R，構(gòu)成初始種群

(42)在中隨機(jī)選擇兩相交路徑：

令X₁₂＝R₁∩R₂，若|X₁₂|≥2,隨機(jī)取這兩條路徑的兩個(gè)交點(diǎn)：

x₁＝rand(X₁₂),x₂＝rand(X₁₂)

將R₁、R₂在x₁、x₂之間的部分交換，生成子代路徑R_F1、R_F2。若|X₁₂|＝1，則將交點(diǎn)x∈X₁₂后的部分交換，生成R_F1、R_F2。多次重復(fù)該過(guò)程，將生成的所有子代路徑組成子代種群

(43)計(jì)算所有路徑的關(guān)聯(lián)度I，并在隨機(jī)選取多個(gè)路徑R：

采取自適應(yīng)概率，路徑R的被選中的概率公式如下：

p_min、p_max均為可調(diào)節(jié)參數(shù)

f_max——中所有路徑的f_Rn的最大值

f_min——中f_Rn的最小值

i_R——路徑R的關(guān)聯(lián)度I_R在中所有路徑關(guān)聯(lián)度中的降序排名

在R中隨機(jī)選擇一個(gè)交叉口x_i，若i≠0∧i≠|(zhì)R|，則選取x_i-1的另一個(gè)相鄰交叉口x′_i：

x_i＝rand(R)

x′_i＝rand({x|x∈X∧join(x,x_i-1)})

否則選取另一邊緣交叉口x′_i。

若x′_i與后續(xù)交叉口x_i+i直接相連，則將R中的x_i替換為x′_i；否則搜尋到x_i+i最短的路徑r′＝{x′_i,x′_i+1,…,x′_i+i′}，用r′替換R中的x_i。

(44)重新計(jì)算所有路徑的關(guān)聯(lián)度I，對(duì)其進(jìn)行篩選，僅留下與親代種群數(shù)量相同的一部分路徑，構(gòu)成路徑R被去除的概率為：

(45)若種群的路徑的關(guān)聯(lián)度未達(dá)到收斂條件P，迭代次數(shù)也未達(dá)到預(yù)定的最大迭代次數(shù)T，則令并回到步驟42)；否則停止迭代并將當(dāng)前關(guān)聯(lián)度最高的路徑R_max作為關(guān)鍵路徑。

本方法旨在對(duì)城市道路信號(hào)控制交叉口群時(shí)空資源協(xié)調(diào)系統(tǒng)的關(guān)鍵路徑檢索模塊進(jìn)行針對(duì)性的改進(jìn)，提高求解速度。

盡管本發(fā)明就優(yōu)選實(shí)施方式進(jìn)行了示意和描述，但本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，只要不超出本發(fā)明的權(quán)利要求所限定的范圍，可以對(duì)本發(fā)明進(jìn)行各種變化和修改。