交通信号调度计划和时段优化方法及装置与流程

1.本发明涉及交通控制技术领域，具体涉及一种交通信号调度计划和时段优化方法及装置。


背景技术：

2.交通出行具有一定的时空规律，通过识别交通出行的时空规律，可以对交通进行控制，以保证交通顺畅，减少拥堵。交通信号控制指交叉路口信号灯控制，在进行交通信号控制时，通常只分为工作日（周一到周五）和休息日（周六、周日），即工作日使用一套交通信号控制方案，休息日使用另一套交通信号控制方案。这种调度计划更多是基于生活经验而得，并不能保证对所有交叉口都是最优选择，例如，某些路口可能周一和周五的交通出行特征和其他工作日不一样，若与其他工作日使用同一套交通信号控制方案，则使用的交通信号控制方案效果不佳。


技术实现要素：

3.本发明解决的问题是现有的调度计划可能导致各交叉口交通信号控制方案效果不佳。
4.本发明提出一种交通信号调度计划和时段优化方法，包括：获取交叉口的车道级流量数据，其中，所述车道级流量数据包含所述交叉口在每个样本天的流量；对所述车道级流量数据进行主成分分析，得到每个样本天的主成分系数，对各样本天的主成分系数进行聚类，基于聚类结果对样本天进行分组，每组样本对应各自的日期类型；获取所述交叉口的转向流量序列数据，其中，所述转向流量序列数据包含所述交叉口在每个样本天的所有转向的流量；基于所述转向流量序列数据，采用fisher最优分割法对每组样本对应日期类型进行时段划分，得到每组样本对应日期类型的时段划分结果；根据每组样本对应日期类型的时段划分结果，得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表。
5.可选地，所述对所述车道级流量数据进行主成分分析，得到每个样本天的主成分系数包括：将每个样本天作为一个变量，计算出每个样本天之间的相关系数矩阵；由所述相关系数矩阵计算特征值及主成分的贡献率，再结合预设的主成分累积贡献率阈值确定主成分个数，基于所述主成分个数确定有效主成分；计算每个样本天在所述有效主成分上的载荷，作为每个样本天的主成分系数。
6.可选地，所述根据每组样本对应日期类型的时段划分结果，得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表包括：
获取所述交叉口的现有相位结构；根据所述现有相位结构生成与所述现有相位结构匹配的时段划分约束；通过所述时段划分约束对每组样本对应日期类型的时段划分结果进行再次划分，得到每组样本对应日期类型的二次划分结果；根据所述二次划分结果得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表。
7.可选地，所述根据所述二次划分结果得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表包括：获取所述交叉口的现有时段表，以预设最小时段长为步长将所述二次划分结果与所述现有时段表进行对比；将所述二次划分结果中相对所述现有时段表调整量小于预设值的时段去除，保留所述现有时段表相对应的时段，得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表。
8.可选地，所述fisher最优分割法包含总变差目标函数，所述基于所述转向流量序列数据，采用fisher最优分割法对每组样本对应日期类型进行时段划分，得到每组样本对应日期类型的时段划分结果包括：获取时段数的取值范围；计算不同时段数取值下所述总变差目标函数的目标函数值，得到目标函数值随时段数变化的曲线，基于曲线拐点确定最优时段数；基于所述最优时段数，对每组样本对应日期类型进行时段划分，得到每组样本对应日期类型的时段划分结果。
9.可选地，所述总变差目标函数包括：其中，为时段数，、、为流量数据，、为段内数据变差，、为总变差目标函数，为时间序列数据长度。
10.可选地，所述fisher最优分割法以段内方差最小且段间方差最大为优化目标，其目标函数为：目标函数为：目标函数为：其中，
其中，时段数，时段下标为；时间序列数据长度，数据下标；为将个数据划分为段的划分结果，为将个数据划分为段时，第段的段内数据集合；为将个数据划分为段时，第段的段内数据变差，为段内数据均值，为段内样本数；为将个数据划分为段时，第段的段间数据变差，为所有数据均值，为段间数据变差均值，为段内数据变差均值。
11.可选地，所述根据每组样本对应日期类型的时段划分结果，得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表包括：获取所述交叉口的现有时段表，以预设最小时段长为步长将所述时段划分结果与所述现有时段表进行对比；将所述时段划分结果中相对所述现有时段表调整量小于预设值的时段去除，保留所述现有时段表相对应的时段，得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表。
12.可选地，所述根据每组样本对应日期类型的时段划分结果，得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表包括：将每组样本对应日期类型的时段划分结果直接作为所述交叉口在每组样本对应日期类型的所有转向的推荐时段表。
13.本发明还提出一种交通信号调度计划和时段优化装置，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的交通信号调度计划和时段优化方法。
14.本发明通过获取历史流量数据，即交叉口的车道级流量数据，对其进行主成分分析，对各样本天的主成分系数进行聚类，基于聚类结果对样本天进行分组，再对每组样本分别进行时段划分，每组样本对应的日期类型采用一套日计划，进而实现基于交叉口实际流量数据，根据出行特征对不同日期进行划分分组，以实现对调度计划的优化。随后对每组样
本采用fisher最优分割法进行时段划分，得到每组样本对应日期类型的时段划分结果，进而基于优化后的调度计划进一步进行时段划分，以使最终得到的时段划分结果更为吻合实际交通状况，使时段划分方案更精准。
附图说明
15.图1为本发明交通信号调度计划和时段优化方法一实施例示意图；图2为本发明交通信号调度计划和时段优化方法另一实施例示意图。
具体实施方式
16.为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
17.如图1所示，本发明一实施例中交通信号调度计划和时段优化方法包括：步骤s100，获取交叉口的车道级流量数据，其中，所述车道级流量数据包含所述交叉口在每个样本天的流量。
18.此处的交叉口车道级流量数据，为待优化的交叉口的流量的时间序列数据，时间粒度可人为设定，取5
‑
15min。交叉口车道级流量数据为历史流量数据，包含多天的流量数据，可通过道路感应线圈感应获得，也可通过图像识别方法或车辆检测算法获得。
19.步骤s200，对所述车道级流量数据进行主成分分析，得到每个样本天的主成分系数，对各样本天的主成分系数进行聚类，基于聚类结果对样本天进行分组，每组样本对应各自的日期类型。
20.此处的车道级流量数据包含多天的数据样本，采用主成分分析，处理多天的数据样本，对样本天进行聚类，实现对调度计划的优化。一般信号控制只分为工作日（周一到周五）和休息日（周六、周日），但不同的路口受周边用地类型的影响，可能周一和周五的交通出行特征和其他工作日是不一样的。为了实现更精细化的信号控制，首先对车道级流量数据进行主成分分析，通过对主成分系数进行聚类，基于聚类结果对样本天进行分组，以将日期进行划分和归类，同组的样本天具有时序特征相似性，因而同一类型的日期将采用同一套日计划，由此，可发现样本天中特征不一致的样本，将其单独进行时段划分，以实现调度计划优化。例如，将日期划分为四类：周一；周二至周四；周五；周六至周日。在对样本天进行分组后，对每组样本对应日期类型进行时段划分，即对每组样本分别执行如下的步骤s300
‑
s500。
21.可选地，所述对所述车道级流量数据进行主成分分析，得到每个样本天的主成分系数包括：将每个样本天作为一个变量，计算出每个样本天之间的相关系数矩阵；由所述相关系数矩阵计算特征值及主成分的贡献率，再结合预设的主成分累积贡献率阈值确定主成分个数，基于所述主成分个数确定有效主成分；计算每个样本天在所述有效主成分上的载荷，作为每个样本天的主成分系数。
22.其中，将每个样本天作为一个变量，每个样本天的流量数据作为变量数据，进行主成分分析。预设的主成分累积贡献率阈值为80%
‑
90%。通过对主成分系数进行聚类，实现对样本天的分组，同组的样本天具有时序特征相似性，将时序特征不相似的样本分开，分别进
行时段划分，进而完成调度计划的优化。
23.步骤s300，获取所述交叉口的转向流量序列数据，其中，所述转向流量序列数据包含所述交叉口在每个样本天的所有转向的流量。
24.此处的转向流量序列数据指交叉口流量的时间序列数据，其时间粒度可取5
‑
15min。可选地，在获取交叉口的转向流量序列数据后，对其进行滤波平滑，以避免转向流量序列数据受周期影响波动大。
25.此处的转向流量序列数据包含所有转向的流量，以便后文中基于交叉口的所有转向的流量同时进行时段划分，体现转向之间的比例关系差异，使得出的时段方案更为精准。基于所述转向流量序列数据，采用fisher最优分割法对每组样本对应日期类型进行时段划分，得到每组样本对应日期类型的时段划分结果。
26.fisher最优分割法为适用于有序数据的分割方法，将每组样本分别作为有序数据集给到fisher最优分割法，以采用fisher最优分割法分别基于每组样本进行时段划分，其时段数可为预先指定的最优时段数，也可自动计算出时段数，具体可根据目标函数与时段数的关系曲线，确定最优时段数。
27.时段划分以时间环为单位划分，即一天24小时中0点和24点是首尾连接点，例如可存在时段划分结果：晚上23点到第二天1点。这种划分更符合实际交通状况，因而使时段划分结果更符合实际交通状态，更为准确。
28.本发明实施例中的时段划分结果不受数据粒度限制，支持划分到分钟。
29.步骤s500，根据每组样本对应日期类型的时段划分结果，得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表。
30.一实施方式中，得到每组样本对应日期类型的时段划分结果后，直接将其作为推荐时段表，即直接将优化方案作为推荐结果。
31.另一实施方式中，得到每组样本对应日期类型的时段划分结果后，获取所述交叉口的现有时段表，以预设最小时段长为步长将所述时段划分结果与所述现有时段表进行对比；将所述时段划分结果中相对所述现有时段表调整量小于预设值的时段去除，保留所述现有时段表相对应的时段，得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表，若对于某一时段，时段划分结果相对现有时段表调整量小于预设阈值，则保留现有时段表的原时段作为推荐时段，若对于某一时段，时段划分结果相对现有时段表调整量大于或等于预设阈值，则将时段划分结果中的新时段作为推荐时段。其中，预设最小时段长度可选为15
‑
20min。
32.在本实施例中，通过获取历史流量数据，即交叉口车道级流量数据，对其进行主成分分析，对各样本天的主成分系数进行聚类，基于聚类结果对样本天进行分组，再对每组样本分别进行时段划分，每组样本对应的日期类型采用一套日计划，进而实现基于交叉口实际流量数据，根据出行特征对不同日期进行划分分组，以实现对调度计划的优化；随后对每组样本采用fisher最优分割法进行时段划分，得到每组样本对应日期类型的时段划分结果，进而基于优化后的调度计划进一步进行时段划分，以使最终得到的时段划分结果更为吻合实际交通状况，使时段划分方案更精准。
33.可选地，步骤s500包括：获取所述交叉口的现有相位结构。
34.在本实施例中，因适用的实际交叉口可能已有时段划分方案，为兼容已有的时段划分方案，本实施例获取交叉口的现有相位结构，通过现有相位结构实现对优化后时段的约束，以避免优化后时段与现有相位结构之间的冲突，实现二者兼容。其中，交叉口的现有相位结构，包含交叉口当前采用的相位结构及对应时段，比如，0:00
‑
6:00对应相位结构一，6:01
‑
12:00对应相位结构二，其中，一套相位结构方案，包含相位及其组合、相位放行顺序，例如一个4相位的交叉口，4个相位分别由哪些方位信号灯组成，以及该4个相位同行的先后顺序。
35.根据所述现有相位结构生成与所述现有相位结构匹配的时段划分约束，通过所述时段划分约束对每组样本对应日期类型的时段划分结果进行再次划分，得到每组样本对应日期类型的二次划分结果。
36.具体地，与现有相位结构匹配的时段划分约束，指优化后的一个时段仅能对应一个相位结构，比如，现有相位结构为0:00
‑
6:00对应相位结构一，6:01
‑
12:00对应相位结构二，则优化后时段不能出现5:00
‑
7:00，因为5:00
‑
7:00对应两个相位结构，而优化后时段要么对应相位结构一，要么对应相位结构二，只能择其一。
37.通过时段划分约束对每组样本的时段划分结果进行再次划分，例如，时段划分结果包含5:00
‑
7:00，现有相位结构为0:00
‑
6:00对应相位结构一，6:01
‑
12:00对应相位结构二，则根据现有相位结构将5:00
‑
7:00再次划分，可得5:00
‑
6:00，6:01
‑
7:00。
38.对于时段划分结果中的某一时段，在现有时段表中寻找起止时间最接近的时段对应的相位结构，基于该相位结构对应的时段划分约束对每组样本的时段划分结果进行再次划分。
39.根据所述二次划分结果得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表。具体地，可将二次划分结果直接作为推荐时段表。另一可选实施方式中，得到每组样本对应日期类型的二次划分结果后，获取交叉口的现有时段表，以预设最小时段长为步长将二次划分结果与现有时段表进行对比，若对于某一时段，二次划分结果相对现有时段表调整量小于预设阈值，则保留现有时段表的原时段作为推荐时段，若对于某一时段，二次划分结果相对现有时段表调整量大于或等于预设阈值，则将二次划分结果中的新时段作为推荐时段。其中，预设最小时段长度可选为15
‑
20min。
40.通过交叉口的现有相位结构生成时段划分约束，以使优化后时段兼容交叉口现有的相位结构方案，提高本发明实施例的适用性。
41.可选地，所述根据所述二次划分结果得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表包括：获取所述交叉口的现有时段表，以预设最小时段长为步长将所述二次划分结果与所述现有时段表进行对比，将所述二次划分结果中相对所述现有时段表调整量小于预设值的时段去除，保留所述现有时段表相对应的时段，得到所述交叉口在每组样本对应日期类型的所有转向的推荐时段表。
42.其中，预设最小时段长度可选为15
‑
20min。
43.将二次划分结果与现有时段表进行对比，若对于某一时段，二次划分结果相对现有时段表调整量小于预设值，则保留现有时段表的原时段作为推荐时段，若对于某一时段，二次划分结果相对现有时段表调整量大于或等于预设值，则将二次划分结果中的新时段作
为推荐时段。例如，预设值为10分钟，二次划分结果中的时段为8:00
‑
10:00，现有时段表的时段为8:05
‑
10:00，其仅调整了5分钟，小于预设值，则保留现有时段表的原时段，不对该时段进行调整。
44.因为对交叉口的现有时段进行调整，需要联动调整其他时段，而调整量较小时，其优化效果并不值得过大的调整工作量，因而不进行调整，在优化效果和调整工作量之间达成平衡。
45.可选地，所述fisher最优分割法包含总变差目标函数，所述基于所述转向流量序列数据，采用fisher最优分割法对每组样本对应日期类型进行时段划分，得到每组样本对应日期类型的时段划分结果包括：获取时段数的取值范围。计算不同时段数取值下所述总变差目标函数的目标函数值，得到目标函数值随时段数变化的曲线，基于曲线拐点确定最优时段数。
46.具体可设置最大时段数t，时段数k分别取2，3，
…
，t（最大时段数），计算不同时段数取值下的目标函数。以总变差变小为优化目标，时段数越多总变差越小，但实际运行和配时过程中并不希望时段数太多，因而通过目标函数值随时段数的变化曲线，可发现存在曲线拐点，当时段数继续增大，对目标函数值的改变很小，因此，可选取曲线拐点为最佳时段数。
47.总变差目标函数如下：其中，为时段数，、、为流量数据，、为段内数据变差，、为总变差目标函数，为时间序列数据长度。
48.基于所述最优时段数，对每组样本对应日期类型进行时段划分，得到每组样本对应日期类型的时段划分结果。
49.确定最优时段数后，基于fisher最优分割法对每组样本对应日期类型进行时段划分。时段划分结果不受数据粒度限制，支持划分到分钟。
50.通过目标函数随时段数的曲线拐点确定最优时段数，可得到最优的时段数量，进而得到最优的时段划分结果。
51.可选地，所述fisher最优分割法以段内方差最小且段间方差最大为优化目标。其目标函数为：目标函数为：目标函数为：其中，
其中，时段数，时段下标为；时间序列数据长度，数据下标；为将个数据划分为段的划分结果，为将个数据划分为段时，第段的段内数据集合；为将个数据划分为段时，第段的段内数据变差，为段内数据均值，为段内样本数；为将个数据划分为段时，第段的段间数据变差，为所有数据均值，为段间数据变差均值，为段内数据变差均值。
52.给出一如图2所示的实施方法：获取车道级流量数据；判断是否有多天的流量数据；若有多天的流量数据，则对其进行主成分分析，对每个样本的主成分系数进行聚类，基于聚类结果对样本天进行分组，再分别对每组样本对应的日期类型进行时段划分，即对每组样本对应日期类型分别执行后续的时段划分步骤；若没有多天的流量数据，则直接执行后续的时段划分步骤：获取所述交叉口的转向流量序列数据；获取交叉口的现有相位结构，基于现有相位结构生成与其匹配的时段划分约束；同时，判断是否有指定时段数，若有，则直接使用fisher最优分割法对每组样本对应日期类型进行时段划分，若无，则先计算出最优时段数后再使用fisher最优分割法对每组样本对应日期类型进行时段划分，得到每组样本对应日期类型的时段划分结果；通过时段划分约束对每组样本的时段划分结果进行再次划分，得到每组样本对应日期类型的二次划分结果；判断是否存在已有时段表，若是，则对比现有时段表，以预设最小时段长为步长，过滤调整量很小的时段，再输出推荐时段表，若否，则直接将二次划分结果作为推荐时段表输出。
53.一实施例中，本发明交通信号调度计划和时段优化装置包括存储有计算机程序的
计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的交通信号调度计划和时段优化方法。本发明交通信号调度计划和时段优化装置相对于现有技术所具有的有益效果与上述交通信号调度计划和时段优化方法一致，此处不赘述。
54.读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
55.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。