一种考虑交叉口信号灯随机延误影响的出行路径确定方法与流程

本发明属于智能交通技术领域，涉及一种考虑交叉口信号灯随机延误影响的出行路径确定方法。

背景技术：

随着城市中的车辆越来越多，为了更好地维护城市的交通安全，在交叉口设置的信号灯也越来越多。交通诱导系统可根据驾驶员的意愿为其提供最佳行驶路径来达到诱导出行行为，减少在道路上的行驶时间。信号灯延误的影响已经成为城市中搜寻最短路径的一个重要因素，在其上花费的时间已经无法被人忽视。目前，确定最短路径的方法有两种，第一种是只考虑路段行驶时间，不考虑交叉口时间。这个方法虽然简单，但交叉口的时间被忽视，且交叉口时间占比很大，这样求得的最短路径很难让人信服。第二种是考虑路段行驶时间和交叉口时间，但交叉口时间仅仅考虑信号灯的平均延误时间，这种方法忽略了车辆到达交叉口时的随机性和信号灯延误的随机性，从而其结果与现实情况不符，也很难采用。

技术实现要素：

本发明的目的在于提供一种考虑交叉口信号灯随机延误影响的最短路径确定方法，考虑了在不同时间段出行时各交叉口信号灯状态不同的随机情况，改进了不考虑出行时间随机性在出行路径确定时带来的误差问题。

为实现上述目的，本发明采用以下技术方案：

本发明提供一种考虑交叉口信号灯随机延误影响的出行路径确定方法，包括以下步骤：

a：构建含有n×m个节点的路网；

b：随机设定第一次模拟时各交叉口信号灯状态、交叉口信号灯各种状态的持续时间、出行人员或车辆在交叉口信号灯各种状态下的通过时间，构建第一次模拟时出行人员或车辆在各交叉口的水平向转向时间和竖直向转向时间表；

c：根据水平向转向时间和竖直向转向时间表，得到第一次模拟时出行人员或车辆到达并经过某一交叉口所用的时间；

d：通过弧标号法的dijkstra算法，为起始节点和终点节点增加虚拟路段，构建第一次模拟时出行人员或车辆通过各邻接路段的时间表；

e：列出从起始节点到达目的节点经过路段时间最少的所有路径，设定模拟次数，运用蒙特卡洛法计算每次模拟时选择每条路径的次数，再通过收敛曲线确定每条路径的概率，确定概率最高的路径为出行路径。

优选地，所述交叉口信号灯为两相位圆头灯或四相位圆头灯。

优选地，在交叉口信号灯为所述两相位圆头灯时，所述交叉口信号灯状态包括水平向的绿灯、黄灯、红灯和竖直向的绿灯、黄灯、红灯。

优选地，在交叉口信号灯为所述四相位圆头灯时，所述交叉口信号灯状态包括水平向的直行绿灯、直行黄灯、直行红灯、左转绿灯、左转黄灯、左转红灯和竖直向的直行绿灯、直行黄灯、直行红灯、左转绿灯、左转黄灯、左转红灯。

优选地，所述模拟次数至少为14000次。

相比现有技术，本发明的有益效果在于：

本发明考虑了在不同时间段出行时各交叉口信号灯状态不同的随机情况，改进了不考虑出行时间随机性在出行路径确定时带来的误差问题；考虑了因信号灯状态影响而在交叉口停止或等待的情况，改进了不考虑信号灯状态在出行路径确定时带来的误差问题；考虑了各个备选路径的顺序和占比问题，使出行路径选择更加合理，弥补了现有路网最短路径搜索结果与实际情况不符的缺点。

附图说明

图1为本发明实施例1路网的示意图。

图2为本发明实施例1路网增加虚拟路段后的示意图。

图3为本发明实施例1一号路径占比概率图。

图4为本发明实施例1二号路径占比概率图。

图5为本发明实施例1四号路径占比概率图。

图6为本发明实施例2一号路径占比概率图。

图7为本发明实施例2二号路径占比概率图。

图8为本发明实施例2三号路径占比概率图。

图9为本发明实施例2四号路径占比概率图。

图10为本发明实施例2六号路径占比概率图。

具体实施方式

以下实施例用于说明本发明，但不用来限定本发明的保护范围。若未特别指明，实施例中所用技术手段为本领域技术人员所熟知的常规手段。下述实施例中的试验方法，如无特别说明，均为常规方法。

实施例一

1.1利用python软件，构建一个含有3×3个节点的路网，如图1所示。

以机动车辆为出行工具，以水平向为主行驶方向。以i表示横向节点数，以j表示纵向节点数，m表示节点，则用m1,2表示第一行第二列的交叉口。该路网中每个路段长度均为3km。

本实施例路网中各交叉口信号灯均为两相位圆头灯，交叉口信号灯状态包括水平向的绿灯、黄灯、红灯和竖直向的绿灯、黄灯、红灯，水平向绿灯、黄灯亮和竖直向红灯亮为第一相位，此时水平向可以右转、直行、左转，竖直向只能右转；水平向红灯亮为第二相位，即竖直向绿灯亮，此时竖直向可以右转、直行、左转，水平向只能右转。

1.2随机设定第一次模拟时各交叉口信号灯状态、交叉口信号灯各种状态的持续时间、机动车辆在交叉口信号灯各种状态下的通过时间，构建第一次模拟时机动车辆在各交叉口的水平向转向时间和竖直向转向时间表。

本实施例设定第一次模拟时各交叉口信号灯状态如下：m1,1为水平向绿灯，m1,2为竖直向黄灯，m1,3为水平向绿灯，m2,1为竖直向绿灯，m2,2为水平向黄灯，m2,3为竖直向绿灯，m3,1为竖直向绿灯，m3,2为竖直向绿灯，m3,3为竖直向绿灯。设定第一次模拟时信号灯的绿信比为0.5，水平向的绿灯、黄灯、红灯的持续时间分别为t1、t2和t3，t1＝0.20min，t2＝0.05min，t3＝0.25min。

考虑车辆在停车线前加速启动通过交叉口所用时间和等信号灯情况，以及自由情况下右转时间小于直行时间，直行时间小于左转时间的因素，本实施例设定机动车辆在交叉口信号灯各种状态下的通过时间如下：1)水平向绿灯和黄灯亮时，水平向右转时间为0.5min，水平向直行时间为1min，水平向左转时间为1.5min；2)水平向红灯亮时，竖直向右转时间为0.5min，竖直向直行时间为1.5min t等，竖直向左转时间为2min t等。第一次模拟时机动车辆在各交叉口的水平向转向时间和竖直向转向时间表如表1所示。

表1第一次模拟时机动车辆在各交叉口的水平向转向时间和竖直向转向时间表

注：“/”为此次路线不经过的交叉口。

1.3根据机动车辆在各交叉口的水平向转向时间和竖直向转向时间表，得到第一次模拟时机动车辆到达并经过某一交叉口所用的时间。

1.4通过弧标号法的dijkstra算法，为起始节点m1,1和终点节点m3,3增加虚拟路段(如图2所示)，并对路段进行编号，即路段编号为1,2，……，14，将机动车辆通过各路段的时间与通过相邻路段交叉口的转向时间tmi,j视为一个整体，构建第一次模拟时机动车辆通过各邻接路段的时间表(如表2所示)。

以机动车辆行驶速度为60km/小时计，则每个路段的行驶时间为3min。

表2机动车辆通过各邻接路段的时间表

1.5列出从起始节点到达目的节点经过路段时间最少的所有路径，设定模拟次数，重复步骤1.2～1.4，运用蒙特卡洛法计算每次模拟时选择每条路径的频率，再通过收敛曲线确定每条路径的概率，选择概率最高的路径为出行路径。

从起始节点到达目的节点经过路段时间最少的所有路径如下：一号路径经过路段编号为1、2、3、6、11、14；二号路径经过路段编号为1、2、5、8、11、14；三号路径经过路段编号为1、2、5、10、13、14；四号路径经过路段编号为1、4、7、8、11、14；五号路径经过路段编号为1、4、7、10、13、14；六号路径经过路段编号为1、4、9、12、13、14。

本实施例设定模拟次数为20000次，将每1000次模拟得到的每条路径的频率通过收敛曲线收敛得到一个概率值。三号、五号、六号路径的占比概率均为0，为不可能选择的路径。一号、二号、四号路径的占比概率图如图3～图5所示。从图3～图5可知，一号路径占比为31.10％，二号路径占比为50.80％，四号路径占比为18.10％，故确定二号路径为出行路径。

实施例二

2.1利用python软件，构建一个含有3×3个节点的路网。

以机动车辆为出行工具，以水平向为主行驶方向。同样以i表示横向节点数，以j表示纵向节点数，m表示节点，则用m1,2表示第一行第二列的交叉口。该路网中每个路段长度均为3km。

本实施例中各交叉口信号灯均为四相位圆头灯，交叉口信号灯状态包括水平向的直行绿灯、直行黄灯、直行红灯、左转绿灯、左转黄灯、左转红灯和竖直向的直行绿灯、直行黄灯、直行红灯、左转绿灯、左转黄灯、左转红灯，水平向直行绿灯和直行黄灯亮为第一相位，水平向左转绿灯和左转黄灯亮为第二相位，竖直向直行绿灯和直行黄灯亮为第三相位，竖直向左转绿灯和左转黄灯亮为第四相位。

2.2随机设定第一次模拟时各交叉口信号灯状态、交叉口信号灯各种状态的持续时间、机动车辆在交叉口信号灯各种状态下的通过时间，构建第一次模拟时机动车辆在各交叉口的水平向转向时间和竖直向转向时间表。

本实施例设定第一次模拟时各交叉口信号灯状态如下：m1,1为水平向直行绿灯，m1,2为水平向直行绿灯，m1,3为竖直向左转绿灯，m2,1为竖直向左转绿灯，m2,2为水平向左转绿灯，m2,3为竖直向直行绿灯，m3,1为竖直向直行黄灯，m3,2为水平向左转黄灯，m3,3为竖直向左转绿灯。设定第一次模拟时信号灯的绿信比为0.5，水平向的直行绿灯、直行黄灯、左转绿灯、左转黄灯和竖直向的直行绿灯、直行黄灯、左转绿灯、左转黄灯的持续时间分别为t1、t2、t3、t4、t5、t6、t7、t8，t1＝0.20min，t2＝0.05min，t3＝0.20min，t4＝0.05min，t5＝0.20min，t6＝0.05min，t7＝0.20min，t8＝0.05min。

同样本实施例设定机动车辆在交叉口信号灯各种状态下的通过时间如下：1)水平向绿灯和黄灯亮时，水平向右转时间为0.5min，水平向直行时间为1min，水平向左转时间为1.5min；2)水平向红灯亮时，竖直向右转时间为0.5min，竖直向直行时间为1.5min t3，竖直向左转时间为2min t3。第一次模拟时机动车辆在各交叉口的水平向转向时间和竖直向转向时间表如表3所示。

表3第一次模拟时机动车辆在各交叉口的水平向转向时间和竖直向转向时间表

注：“/”为此次路线不经过的交叉口。

2.3根据机动车辆在各交叉口的水平向转向时间和竖直向转向时间表，得到第一次模拟时机动车辆到达并经过某一交叉口所用的时间。

2.4通过弧标号法的dijkstra算法，为起始节点m1,1和终点节点m3,3增加虚拟边(如图2所示)，并对路段进行编号，即路段编号为1,2，……，14，将机动车辆通过各路段的时间与通过相邻路段交叉口的转向时间tmi,j视为一个整体，构建第一次模拟时机动车辆通过各邻接路段的时间表(如实施例1中表2)。

2.5列出从起始节点m1,1和终点节点m3,3经过路段时间最少的所有路径，设定模拟次数，重复步骤2.2～2.4，运用蒙特卡洛法计算选择每次模拟时每条路径的频率，再通过收敛曲线确定每条路径的概率，选择概率最高的路径为出行路径。

同样，本实施例从起始节点m1,1和终点节点m3,3经过路段最少的所有路径如下：一号路径经过路段编号为1、2、3、6、11、14；二号路径经过路段编号为1、2、5、8、11、14；三号路径经过路段编号为1、2、5、10、13、14；四号路径经过编号路段为1、4、7、8、11、14；五号路径经过路段编号为1、4、7、10、13、14；六号路径经过路段编号为1、4、9、12、13、14。

本实施例设定模拟次数为20000次，将每1000次模拟得到的每条路径的频率通过收敛曲线收敛得到一个概率值。五号路径的占比概率为0，为不可能选择的路径，一号、二号、三号、四号和六号路径的占比概率图如图6～图10所示。从图6～图10可知，一号路径占比为17.80％，二号路径占比为68.20％，三号路径占比为5.80％，四号路径占比为7.90％，六号路径占比为0.30％，故确定二号路径为出行路径。

以上所述之实施例，只是本发明的较佳实施例而已，仅仅用以解释本发明，并非限制本发明实施范围，对于本技术领域的技术人员来说，当然可根据本说明书中所公开的技术内容，通过置换或改变的方式轻易做出其它的实施方式，故凡在本发明的原理上所作的变化和改进等，均应包括于本发明申请专利范围内。