[发明专利]配时方案确定方法及装置

说明书

本公开提供了一种配时方案确定方法及装置。该方法包括：获取当前客流量数据对应的当前时间维度特征向量、当前空间维度特征向量，其中，当前时间维度特征向量包括采集当前客流量数据时的时间信息、配时方案信息中至少一个，当前空间维度特征信息包括采集当前客流量数据时的地理信息、交通路网信息、兴趣点信息、交通流信息和路口信息中的至少一个；将当前配时方案、当前时间维度特征向量、当前空间维度特征向量输入到预定模型中，获取预定旅行时间，其中，预定模型为表示配时方案、时间维度特征向量、空间维度特征向量和旅行时间的关系的函数；调整当前配时方案直至预定旅行时间最小；将最小的预定旅行时间对应的当前配时方案确定为目标配时方案。

技术领域

本申请涉及智能交通领域，以下描述涉及一种配时方案确定方法及装置。

背景技术

随着机动车保有量与日俱增，城市道路建设速度远远滞后机动车的增长速度，道路建设和机动车增长产生供需矛盾，造成了通勤时间延长，交通拥堵等一系列问题。但是单纯地通过道路建设，加密路网等缓慢的硬件措施不能快速释放社会原有生产力。而传统的固定配时方案也早已不能应对当前瞬息万变的交通流，新的智慧控制方案成为未来交通规划的迫切需求，因此，信号灯的配时优化成为目前行之有效并且性价最高的措施。而且，据报道，2019年北京的每日平均通勤时间为56分钟，按照每天八小时的工作时间来算，通勤时间占到了将近1/8的时间。而北京2019年的GDP总值为35371亿元人民币。则可认为通勤时间所占用的社会生产力约为35371/8，即约为4421亿。如果根据全国的总GDP值来算，则是一个更大的通勤代价。因此，通过优化信号灯的配时方案，来提高交通的效率以及释放原有的社会生产力，也具有非常重要的社会意义和实际价值。

目前，韦伯斯特(Webster)配时法是交通信号控制中较为常见的计算方法，其是以车辆延误时间最小为目标来计算信号配时的方法。韦伯斯特(Webster)配时法的核心内容是根据车辆延误时间和最佳周期时长来计算的，而其中的周期时长需要建立在车辆延误时间的基础之上。因此，该配时法对交通流量大小比较敏感，当交通量过小容易造成信号周期过短，不利于交通安全，而当交通流量过大的时候，则会造成信号周期较大，车辆延误时间会骤然增大。而且交通流量这一参数往往是通过人为固定设置的，而现实场景中，交通流量(也就客流量)是具有多样性和变化性的，故现在配时方法无法应对。

发明内容

本公开的示例性实施例可至少解决上述问题，也可不解决上述问题。

根据本公开的第一方面，提供了一种配时方案确定方法，该方法包括：获取当前客流量数据对应的当前时间维度特征向量、当前空间维度特征向量，其中，当前时间维度特征向量包括采集当前客流量数据时的时间信息、配时方案信息中至少一个，当前空间维度特征向量包括采集当前客流量数据时的地理信息、交通路网信息、兴趣点信息、交通流信息和路口信息中的至少一个；将当前配时方案、当前时间维度特征向量、当前空间维度特征向量输入到预定模型中，获取预定旅行时间，其中，预定模型为表示配时方案、时间维度特征向量、空间维度特征向量和旅行时间的关系的函数；调整当前配时方案直至预定旅行时间最小；将最小的预定旅行时间对应的当前配时方案确定为目标配时方案。

可选地，将当前配时方案、当前时间维度特征向量、当前空间维度特征向量输入到预定模型中，获取预定旅行时间包括：获取预定时间内不同场景的客流量数据对应的时间维度特征向量、空间维度特征向量，其中，时间维度特征向量包括采集客流量数据时的时间信息、配时方案信息，空间维度特征信息包括采集客流量数据时的地理信息、交通路网信息、兴趣点信息、交通流信息和路口信息；将不同场景的客流量数据、不同配时方案以及采集客流量数据时的地图信息数据输入交通仿真软件中，获取旅行时间集，其中，旅行时间集包括不同场景的客流量数据、不同配时方案任意组合对应的旅行时间；根据不同配时方案、时间维度特征向量、空间维度特征向量、旅行时间集对预定模型进行训练；将当前配时方案、当前时间维度特征向量、当前空间维度特征向量输入到训练后的预定模型中，获取预定旅行时间。