[发明专利]一种基于交通流预测的城市交通信号控制系统

权利要求书

1.一种基于交通流预测的城市交通信号控制系统，其特征在于，包括：

数据中心，用于存放城市道路的历史交通数据和实时监测的交通数据、预测模块的神经网络训练以及下一时间间隔交通数据的预测；数据中心在每一次实时交通数据传入前将原先的实时交通数据添加进历史交通数据中，并更新实时交通数据；

预测模块，用于神经网络训练以及预测交通流量；

优化模块，根据道路中的信号灯配时方案和预测模块输出的预测数据对城市的拥堵程度进行评估；

预测模块采用BP神经网络进行预测，预测模块中的预测数据包括路段ID、相邻信号灯ID、车流方向以及一个时间间隔内驶入的累计车辆数，对于一个多路口路段，待预测路段为i，假设当前时刻在时间间隔k中，则待预测量为下一时间间隔的车流量，记为C_i(k+1)，预测依据为已知的路段i及所有与之相邻的上或下游路段j在过去p个时间间隔的车流量，记为C_i(k-2)、C_i(k-1)、C_i(k)和C_j(k-2)、C_j(k-1)、C_j(k)；

所述BP神经网络包括输入层、隐藏层和输出层，隐藏层为一层或多层神经元节点，神经元节点之间的连接都对应一个权重w，相邻的两层神经元之间是全连接的；所述BP神经网络包括信号的前向传播和误差的反向传播两个过程；所述前向传播时，输入信号通过隐藏层作用于输出节点，经过非线性变换，产生输出信号；若实际输出与期望输出不相符，则转入误差的反向传播过程；

误差反传是将输出误差通过隐藏层向输入层逐层反传，并将误差分摊给各层所有节点，以从各层获得的误差信号作为调整各节点权重的依据，通过调整输入节点与隐层节点的连接权重和隐层节点与输出节点的连接权重，使误差沿梯度方向下降；

所述优化模块的评估过程分为两步：首先遍历交通网络中所有信号灯路口，计算在当前配时方案下所有交通流在路口处的停车排队总数B_x，再执行判断B_x＜B_x-1，若判断结果为真，则对信号灯执行控制优化策略，获得新的信号灯配时方案重新评估，首次评估时B₀＝0；否则输出当前信号灯配时方案；

信号灯控制优化策略包括以下步骤：

(1)遍历交通网络中所有信号灯路口，分析通过当前路口每一条车流的停车排队原因，采用基于元胞传输模型的交通流离散时间模型进行分析，根据信号灯路口处的车辆通过量受限于车流行驶方向上游流量、信号灯通行能力以及车流行驶方向下游剩余容量这三者中的最小值，对应标记引起停车排队的原因的车流为1、2或3；

(2)若当前路口存在标记为2的车流，则将所有1和3方向车流的信号灯绿灯持续时间减小一个单位时间。