本發(fā)明屬于智能交通燈調(diào)度算法技術(shù)領(lǐng)域，尤其涉及到一種融合自回歸預(yù)測模型的智能交通調(diào)度方法。

背景技術(shù)：

城市交通問題，諸如道路交通阻塞、尾氣污染和交通事故等，已經(jīng)成為世界性的難題之一，各國政府以及交通領(lǐng)域?qū)W者專家們正在積極努力地尋找解決該問題的方案，而我國早在2006年就提出并制定了交通科技發(fā)展戰(zhàn)略目標(biāo)。在交通系統(tǒng)研究領(lǐng)域中，其中一個重要的研究領(lǐng)域就是智能交通系統(tǒng)(Intelligent Traffic System,ITS)，ITS系統(tǒng)被認(rèn)為是解決城市道路交通問題的有效方法之一。我國的交通需求增長迅速，交通對于人們生活也來越重要。同時，便利的交通也是一個國家或者區(qū)域經(jīng)濟繁榮和科學(xué)技術(shù)發(fā)達的標(biāo)志。然而，越來越便利的交通條件在帶動經(jīng)濟的同時，城市道路交通阻塞現(xiàn)象越來越常見，給環(huán)境、個人出行安全以及社會經(jīng)濟發(fā)展帶來不良的影響。因此，城市交通系統(tǒng)的改革和優(yōu)化勢在必行。

城市交通信號燈的本質(zhì)就是保障交通秩序，確保車輛通行安全。城市交通燈的使用可以追溯到1868年，它通過交通信號的循環(huán)轉(zhuǎn)換來控制和調(diào)度各個路口的交通流量。然而，原有的城市交通燈系統(tǒng)已無法解決日益常見的城市交通道路擁堵問題。傳統(tǒng)交通信號燈狀態(tài)轉(zhuǎn)換時間無法動態(tài)改變，交通燈的顯示時間不能根據(jù)各個路口的實時車流量來動態(tài)調(diào)整。因此通常會發(fā)生這樣的情形：在一個交通路口，水平車道已發(fā)生車流擁堵，垂直車道車流卻十分稀少，然而交通信號燈只是機械的變換，不能優(yōu)先考慮擁堵車道實時調(diào)度交通燈。另外，一些大客運量的公共交通(如：有軌電車)是解決城市交通擁堵的重要手段，是未來城市交通的發(fā)展趨勢，由于該類交通載客數(shù)量巨大，應(yīng)優(yōu)先確保其等待時間盡可能短。

目前已有一些關(guān)于智能調(diào)度算法的研究工作，可以用來使交通燈有更加靈活的調(diào)度區(qū)間，這些算法旨在提高整個路網(wǎng)的交通效率。目前最常用的方法之一就是根據(jù)實時交通流來設(shè)置交通燈狀態(tài)。最佳調(diào)度方案可以明顯減少路網(wǎng)各個路口的交通阻塞情況，各個路口的平均滯留車輛數(shù)越少，表明該調(diào)度算法越有效。將智能調(diào)度算法融入交通燈調(diào)度場景中形成智能交通燈調(diào)度算法，對明顯改善我國日益嚴(yán)重的交通問題有著重大意義。

為了更好地調(diào)度交通燈，優(yōu)化路網(wǎng)交通流，交通流預(yù)測十分重要。交通流預(yù)測一直被視為ITS系統(tǒng)的一大難點。為了尋求最佳的預(yù)測效果，許多機器學(xué)習(xí)算法被拿來研究作為預(yù)測模型。機器學(xué)習(xí)是一種通過利用數(shù)據(jù)，訓(xùn)練出模型，然后使用模型預(yù)測的方法。機器學(xué)習(xí)是利用數(shù)據(jù)價值的關(guān)鍵技術(shù)，通過使用機器學(xué)習(xí)算法對交通流歷史數(shù)據(jù)進行建模，可以很好的實現(xiàn)交通流的預(yù)測。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是針對現(xiàn)有技術(shù)存在的不足而提供的一種融合自回歸預(yù)測模型的智能交通調(diào)度方法，該方法根據(jù)各個路口實時交通流來智能靈活地調(diào)度各個路口交通燈狀態(tài)，從而緩解交通壓力，提高城市路網(wǎng)各路口通行能力。

本發(fā)明的目的是這樣實現(xiàn)的：

一種融合自回歸預(yù)測模型的智能交通調(diào)度方法，該方法包括以下步驟：

步驟1：進行基因編碼，用二進制代碼中的‘0’代表水平車流，用‘1’代表垂直車流，然后初始化，定義包含數(shù)個個體的初始種群；

步驟2：進行適應(yīng)度評價，用變量P代表適應(yīng)度，定義P為路口等待車輛的數(shù)量，其中大客運量公交的權(quán)重大于其他車輛；定義適應(yīng)度函數(shù)，使得各個路口的P之和最??；適應(yīng)度函數(shù)如下：

min{Σmax(VP(t_i+1),HP(t_i+1))}

其中，t_i+1表示當(dāng)前單位時間的下一個單位時間，VP和HP分別代表垂直和水平的等待車輛數(shù)量，通過自回歸模型進行預(yù)測得到；

步驟3：操作遺傳算子，包括選擇、交叉和變異；

步驟4：判斷是否滿足迭代終止條件，若不滿足，則繼續(xù)迭代，若滿足則退出迭代，并進行解碼，將每個字符轉(zhuǎn)換成該路口的交通燈調(diào)度方案。

本發(fā)明步驟2所述的自回歸模型，如下所示：

其中，y_t表示t單位時間的車流量，θ_i表示第i個參數(shù)，y_t-i表示t-i單位時間的車流量，ε_t是具備均值為0、方差為δ的高斯白噪音；

本發(fā)明步驟3所述的選擇：指確保最好的基因被選擇出來并傳給下一代的種群，每一代都是一個交通調(diào)度方案，根據(jù)適應(yīng)度對每一代進行排序，淘汰那些適應(yīng)度低的；所述的交叉：指通過結(jié)合和破壞個體的基因，來進行個體間基因信息的交換；所述的變異：是小概率事件，如果發(fā)生，會在個體基因串上的某個基因值上作變動。

若發(fā)生變異，隨機選取一點：‘1’變‘0’，‘0’變‘1’；變異操作后，產(chǎn)生一個新的個體。

所述的種群指要解決問題可能潛在的解集，也即初始代，如“010101010001111100000111000010111100001111000”便是一個種群，而其中的每個0或1便是一個個體，一個種群經(jīng)過一次遺傳算子操作后就得到一代。

本發(fā)明的有益效果：本發(fā)明在綜合考慮所有車輛等待時間的情況下，優(yōu)先考慮大客運量公交的等待時間，同時通過模型預(yù)測，可以得到使下一個單位時間交通流達到最優(yōu)的當(dāng)前交通燈調(diào)度方案，從而提高了路口通行效率，降低了車輛尤其是大客運量車輛的平均等待時間，壓縮了車流通過交通燈路口的時間，優(yōu)化了交通流。本發(fā)明提高完善了智能交通系統(tǒng)技術(shù)框架體系，改善市民出行質(zhì)量以及緩解交通堵塞等諸多問題。

附圖說明

圖1為實施本發(fā)明的架構(gòu)示意圖；

圖2為本發(fā)明流程圖；

圖3為本發(fā)明具體實施流程圖；

圖4為本發(fā)明中某地區(qū)部分區(qū)域街道路口簡化示意圖；

圖5為本發(fā)明中交通流主體方向示意圖；

圖6為本發(fā)明中交通路口類型圖；

圖7為本發(fā)明中自回歸模型FPE準(zhǔn)則函數(shù)曲線示意圖；

圖8為本發(fā)明中s->k路徑下一單位時間車流量示意圖；

圖9為本發(fā)明路口滯留交通流示意圖。

具體實施方式

結(jié)合以下具體實施例和附圖，對本發(fā)明作進一步的詳細(xì)說明。實施本發(fā)明的過程、條件、實驗方法等，除以下專門提及的內(nèi)容之外，均為本領(lǐng)域的普遍知識和公知常識，本發(fā)明沒有特別限制內(nèi)容。

參閱圖1和圖2，實施本發(fā)明架構(gòu)的實例圖，包含三大模塊：交通燈網(wǎng)絡(luò)、交通流數(shù)據(jù)云和調(diào)度器。交通燈網(wǎng)絡(luò)中各個路口的傳感器會實時采集各個路口的交通流情況，并實時傳給交通流數(shù)據(jù)云存儲下來。接收器則接收來自調(diào)度器的交通燈調(diào)度策略，同時設(shè)置各個路口的交通燈狀態(tài)。交通流數(shù)據(jù)云中存儲三個數(shù)據(jù)集合：實時交通流數(shù)據(jù)集、訓(xùn)練集和預(yù)測集。實時交通流數(shù)據(jù)集顧名思義，存儲來自傳感器的實時數(shù)據(jù)，并向調(diào)度器實時提供算法所需要的實時交通流數(shù)據(jù)。已過期的歷史數(shù)據(jù)則作為訓(xùn)練數(shù)據(jù)存儲在訓(xùn)練集中。訓(xùn)練集可以向預(yù)測模型提供歷史數(shù)據(jù)來訓(xùn)練預(yù)測模型參數(shù)。預(yù)測集則存儲來自預(yù)測算法所預(yù)測的下一個單位時間的交通流數(shù)據(jù)，并提供給調(diào)度器中的適應(yīng)度函數(shù)。調(diào)度器是整個調(diào)度架構(gòu)的核心。它通過控制算法來處理來自交通流數(shù)據(jù)云中的實時交通流數(shù)據(jù)和預(yù)測數(shù)據(jù)，同時產(chǎn)生調(diào)度方案并將之傳送給交通燈網(wǎng)絡(luò)的接收器。本發(fā)明流程如下：1)進行基因編碼，用二進制代碼中的‘0’代表水平車流，用‘1’代表垂直車流，然后初始化，定義包含數(shù)個個體的初始種群；2.進行適應(yīng)度評價,其中適應(yīng)度函數(shù)中的參數(shù)由預(yù)測模型計算得到；3)操作遺傳算子，包括選擇、交叉和變異；4)判斷是否滿足迭代終止條件，若不滿足，則繼續(xù)迭代，若滿足則退出迭代，并進行解碼，將每個字符轉(zhuǎn)換成該路口的交通燈調(diào)度方案。對應(yīng)的數(shù)據(jù)流程如下：傳感器傳送實時交通流數(shù)據(jù)，存儲在交通流數(shù)據(jù)云中。云中實時交通流數(shù)據(jù)集一方面向本發(fā)明提供數(shù)據(jù)，一方面將歷史數(shù)據(jù)放入訓(xùn)練集中。調(diào)度器中的預(yù)測算法利用數(shù)據(jù)云中訓(xùn)練集的歷史數(shù)據(jù)來訓(xùn)練預(yù)測模型參數(shù)，并將預(yù)測數(shù)據(jù)存儲在數(shù)據(jù)云中的預(yù)測集。預(yù)測集向調(diào)度算法提供預(yù)測數(shù)據(jù)。調(diào)度器產(chǎn)生最優(yōu)調(diào)度方案，并傳送給交通燈網(wǎng)絡(luò)的接收器，從而轉(zhuǎn)換交通燈狀態(tài)。

參閱圖3，本發(fā)明實驗時段從早上六點到晚上八點，一共十四個小時，每三十秒為一個單位時間T，共1680T。在每個單位時間T中，調(diào)度器都會利用本發(fā)明來計算得到最優(yōu)的交通燈調(diào)度方案。本發(fā)明在每個單位時間中都會產(chǎn)生最優(yōu)的交通調(diào)度方案，這可以看作是實時調(diào)度控制各個路口的交通燈狀態(tài)。

參閱圖4，交通場景一共包含45個路口，路口類型分為十字路口和T字路口。為了在該交通場景中使用本發(fā)明，對45個路口采用二進制進行初始化編碼，‘0’表示該路口車流主體方向是水平的，‘1’表示該路口車流主體方向是垂直的。首先，實驗中的45個路口都已經(jīng)有了各自標(biāo)識名，為了方便編碼，需對這45個路口分別賦予一個順序ID，通過順序ID可以得知路口對應(yīng)的字符在編碼字符串中的位置。舉例說明：tl4順序ID為3，則表明編碼字符串中第4個字符(編碼字符串第一個字符下標(biāo)從0開始)解碼后所對應(yīng)的是路口tl4的表現(xiàn)型。其次，采用二進制編碼，實現(xiàn)從表現(xiàn)型到基因型的映射。“010101010001111100000111000010111100001111000”是種群中一個隨機初始化個體所對應(yīng)的二進制編碼，包含45個字符，分別對應(yīng)實驗場景中45個路口。字符串中每個字符解碼后的表現(xiàn)型對應(yīng)的就是路網(wǎng)中各個路口的車流量方向狀態(tài)，然后根據(jù)每個路口的車流量方向就可以設(shè)置該路口的交通燈狀態(tài)。

參閱圖5，在仿真交通路口場景中，根據(jù)街道簡化示意圖(圖4)，交通流主體方向可以分為兩種：水平車流和垂直車流，該圖顯示的是十字路口交通車流主體方向示意圖。根據(jù)路口車流主體方向就可以來設(shè)置各個路口的交通燈狀態(tài)，可以使用車流主體方向來作為表現(xiàn)型。使用二進制編碼表示基因型，用‘0’代表水平車流，‘1’代表垂直車流。所以，從表現(xiàn)型到基因型的映射就是水平車流對應(yīng)‘0’，垂直車流對應(yīng)‘1’。

參閱圖6，路口的類型分為五種，每一個路口類型不是十字路口就是T字路口。十字路口包含4條路徑，T字路口包含3條路徑。

參閱圖7，實驗采用FPE準(zhǔn)則函數(shù)來確定自回歸模型階數(shù)，具體操作如下：按照從低階到高階的方式建立AR模型，并計算出相應(yīng)的FPE值，從中選擇最小的FPE值所應(yīng)對的階數(shù)作為模型的階數(shù)。隨著模型階數(shù)的升高，F(xiàn)PE值總體趨勢是下降的。

參閱圖8，本發(fā)明的目的就是通過當(dāng)前單位時間的交通燈調(diào)度誘使下一個單位時間路網(wǎng)中全局交通流依然可以達到最優(yōu)。為了提前了解下一個時刻各個路口交通流狀態(tài)，需要預(yù)測出下一個單位時間進入各個路口每條路徑的車流量。從路口s到路口k這條路徑上，其中：

(a)等待車流(SF)表示在該單位時間停留下來的車流量；

(b)直線車流(SIF)、左車流(LF)和右車流(RF)表示在該單位時間在s路口從其它路徑上流到s->k這條路徑上的車流量；

(c)預(yù)測流(PF)表示通過預(yù)測模型所預(yù)測的下一個單位時間此路徑上可能流進來的車流量；

此路徑在當(dāng)前時間單位調(diào)度后的剩余車流量是SF、SIF、LF和RF的和，而下一個單位時間此路徑上可能流進來的車流量是PF。所以綜上，此路徑在下一個單位時間的交通車流量是當(dāng)前時間單位調(diào)度后的剩余車流量與下一個單位時間此路徑上可能流進來的車流量的總和。

路口s到路口k這條路徑在下一個單位時間的交通車流量計算公式如下：

Flow(s->k)(t_i+1)＝SF(t_i)+RF(t_i)

+SIF(t_i)+LF(t_i)

+PF(s->k)(t_i+1)。

參閱圖9，顯示了5個路口，s、k、l、m、n。對于路口k來說，其垂直方向滯留交通車流量的大小是路口m到路口k和路口n到路口k這兩條路徑滯留車輛數(shù)之和，其水平方向滯留交通車流量的大小是路口l到路口k和路口s到路口k這兩條路徑滯留車輛數(shù)之和，其中本發(fā)明定義一輛大客運量車滯留等于五輛非大客運輛車滯留。垂直和水平方向滯留交通車流量計算公式如下：

(1)VP(t_i+1)＝Flow(m->k)(t_i+1)+Flow(n->k)(t_i+1)

(2)HP(t_i+1)＝Flow(s->k)(t_i+1)+Flow(l->k)(t_i+1)

本發(fā)明的保護內(nèi)容不局限于以上實施例。在不背離發(fā)明構(gòu)思的精神和范圍下，本領(lǐng)域技術(shù)人員能夠想到的變化和優(yōu)點都被包括在本發(fā)明中，并且以所附的權(quán)利要求書為保護范圍。