[发明专利]一种行动-评价机制下信号灯优化配时方法

说明书

本发明涉及一种行动‑评价机制下信号灯优化配时方法，包括：根据交通轨迹数据建立模拟单个机动车的机动车微观交通模型，根据交通流数据和交通监控视频建立模拟交叉口道路通行状况的交叉口全局交通模型；以机动车微观交通模型为状态空间，以交通信号控制方案为行动空间，以交叉口全局交通模型为行动评价指标，建立单交叉口交通信号控制模型；以判定区域内的各个交叉口为单位进行优化控制，根据各个单交叉口交通信号控制模型建立使判定区域所有机动车的评价指标达到最优的区域交通信号控制模型。提取其中隐藏的以机动车为单位的微观交通模型以及以交叉口为单位的交叉口全局交通模型，实现对多模态交通数据的更充分利用。

技术领域

本发明涉及道路交通技术领域，尤其涉及一种行动-评价机制下信号灯优化配时方法。

背景技术

城市交通在城市化进程中发挥着越来越大的作用，交通拥堵也渐渐成为了困扰世界各大城市的重要难题。寻求解决交通拥堵问题的方法成为了当下社会的共识。

纷繁复杂的大城市交通网中的交叉口交通问题，一直是国内外解决城市拥堵问题的研究重点。然而，我国大多数城市交叉口的交通信号控制方案采用的是传统定时控制的方式。传统交通信号控制系统是将每个路口的各个方向的信号灯相位计时器设置为相同的固定时间，这导致车流量相差悬殊的状况下仍然保持旧的信号周期，严重降低了交叉口通行效率，造成更加严重的交通拥堵。

20世纪初交通信号灯发明以来，国内外的交通信号灯控制研究取得了一定的成果。其中，较为成功的交通信号灯控制系统主要为国外的SCOOT(Split,Cycle,OffsetOptimising Technique，绿信比、周期、相位差优化技术)、SCAT(SydneyCoordinated Adaptive Traffic System，悉尼自适应交通控制系统)系统等。其中，SCOOT系统具有无法调整相位、安装繁琐以及无法有效处理随机波动较大交通流的缺点；SCATS系统单纯的从预选方案中选择最优的控制方案，无法对实时车流进行有效反馈。

发明内容

本发明针对现有技术中存在的技术问题，提供一种行动-评价机制下信号灯优化配时方法，解决现有技术中交通信号灯控制无法对实时车流进行有效反馈的问题。

本发明解决上述技术问题的技术方案如下：一种行动-评价机制下信号灯优化配时方法，包括：步骤1，根据交通轨迹数据建立模拟单个机动车的机动车微观交通模型，根据交通流数据和交通监控视频建立模拟交叉口道路通行状况的交叉口全局交通模型；

步骤2，以所述机动车微观交通模型为状态空间，以交通信号控制方案为行动空间，以所述交叉口全局交通模型为行动评价指标，建立单交叉口交通信号控制模型；

步骤3，以判定区域内的各个交叉口为单位进行优化控制，根据各个所述单交叉口交通信号控制模型建立使所述判定区域所有机动车的评价指标达到最优的区域交通信号控制模型。

本发明的有益效果是：行动-评价机制为无监督情况下的自学习过程，能够实现对海量交通数据的实时处理；通过对多模态交通数据的不同处理，提取其中隐藏的以机动车为单位的微观交通模型以及以交叉口为单位的交叉口全局交通模型，实现对多模态交通数据的更充分利用；以单个交叉口作为一个智能体Agent,采用通过该交叉口的机动车微观模型作为其状态空间，经过对交叉口信号控制方案的行动选择，最终采用全部车辆平均延误指标及交叉口全局交通模型联合表示行动效果，从车辆及道路状态两个层面实现了对交叉口配时优化的评价。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述步骤1中建立所述机动车微观交通模型的过程包括：

采用深度学习的方法从所述交通轨迹数据中提取时空轨迹特征数据，所述时空轨迹特征数据包括描述机动车在所述交叉口的通行状态的位置、加速度、方向角和速度。