[发明专利]基于物联网的区域交通边界控制与诱导协同方法及系统

说明书

本发明涉及智能交通领域，更具体地，涉及一种基于物联网的区域交通边界控制与诱导协同方法及系统。所述方法包括：采集和处理多源实时交通数据；根据实时交通数据将中心区与外围区分别分成若干个子区，并对各区和子区进行MFD宏观基本图状态监控；根据交通流量和MFD宏观基本图优化计算得到区域信号控制策略和子区信号控制策略；基于区域和子区的信号控制策略与网络拥堵状况来生成相应的诱导策略。本发明能够解决全局性交通拥堵问题。

技术领域

本发明涉及智能交通领域，更具体地，涉及一种基于物联网的区域交通边界控制与诱导协同方法及系统。

背景技术

随着城市道路交通的快速发展，道路基础设施的升级换代已经远远跟不上私家车的增长速度。城市格局基本形成，这使得道路拓宽成本变得十分巨大。如何利用已有的道路基础设施，通过交通控制、交通诱导等手段，对在途交通流进行合理的控制、管理，以实现出行交通流(需求)在有限路网(供给)中的合理时空分布，从而减少甚至避免交通拥堵已成为广大学者普遍关注的问题。

由于交通路网与交通流自身的复杂性(交通环境不确定性、多模式出行方式、多类型交通路网混合、时空密度不均匀性)，使得城市大规模交通控制管理复杂性与难度增大。因而许多学者将解决全局性交通拥堵问题转向优先解决城市中心区拥堵问题，即将城市划分为中心区与外围区，通过控制边界入口流量的方式优先保障城市中心区内的服务水平。

对交通路网实施交通控制优化管理，交通网络中流量、速度、密度等交通状态数据的采集、处理与分析是基本前提。随着互联网技术的发展，各种数据迅速膨胀，由于数据的分散性与多样性，增加了对数据采集的难度，也使得数据处理与分析更为复杂，这些庞大的数据量对我们的数据处理技术提出了新的挑战。

现有技术中，交通信息数据的采集主要依赖于各种交通信息检测器。交通信息检测器主要有固定微波检测器、感应线圈检测器、视频检测器和移动GPS检测器等。但现实路网中，难以达到检测器对路网的100％覆盖，使得数据采集不全。按照传统的交通控制建模方法，需要采集所有信号交叉口的基础交通流信息，当路口规模增加时此方法实施的难度太大，对路网性能分析出现偏差，从而影响控制方案的实施与优化。为了解决这类问题，Daganzo于2008年提出了宏观基本图(Macroscopic Fundamental Diagram，简称MFD)的概念，并指出MFD是道路网络的基本属性，与交通需求和OD(交通出行量)无关，可以描述网络中移动车辆数和网络运行水平之间的普遍关系，并建立道路网络中的服务水平和交通量的关系。MFD引起交通网络分析、管理和控制等多领域的广泛关注。

在交通管理手段上，交通信号控制、交通诱导、拥堵收费、信息服务、可变车道利用、可变速度控制等，都可作为解决拥堵的技术手段。然而，在大规模复杂路网中，一种交通管理策略的实施可能会引发网络中其他问题的出现，如在交通流超饱和情况下，为了缓解中心区的交通拥堵状态，实施边界控制限制外围车辆进入中心区内，这样可能会导致下游交叉路口排队出现溢出现象。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷(不足)，提供一种能够解决全局性交通拥堵问题的基于物联网的区域交通边界控制与诱导协同方法。

本发明还提供一种能够解决全局性交通拥堵问题的基于物联网的区域交通边界控制与诱导协同系统。

为解决上述技术问题，本发明的技术方案如下：

一种基于物联网的区域交通边界控制与诱导协同方法，包括：

采集和处理多源实时交通数据；

根据实时交通数据将中心区与外围区分别分成若干个子区，并对各区和子区进行MFD宏观基本图状态监控；

根据交通流量和MFD宏观基本图优化计算得到区域信号控制策略和子区信号控制策略；

基于区域和子区的信号控制策略与网络拥堵状况来生成相应的诱导策略。