[发明专利]交叉口配时参数优化模型构建、交叉口信号优化方法

说明书

本发明公开了交叉口配时参数优化模型构建、交叉口信号优化方法，其中交叉口配时参数优化模型构建方法包括：获取目标配时时长内的多个训练样本，所述训练样本包括目标间隔时长内的配时方案和所述配时方案对应的配时效果评价数据以及对应的交叉口环境数据以及配时参数；基于所述多个训练样本，对神经网络模型进行迭代训练，直至所述神经网络模型对应的损失函数的损失值满足目标条件，得到交叉口配时参数优化模型。通过构建得到的交叉口配时参数优化模型可快速、准确地对交叉口的配时参数进行优化，根据优化后的配时参数，对交叉口进行配时，提高了交叉口通行能力。

技术领域

本发明涉及交通控制技术领域，具体涉及交叉口配时参数优化模型构建、交叉口信号优化方法。

背景技术

信号交叉口是交通流汇集和分散的重要节点，多个节点形成了城市路网的“咽喉”，信号交叉口的通行情况，决定着城市道路系统的通行能力、行程时间、经济效益和交通安全，信号系统的交叉口控制能力直接决定着信号交叉口的通行情况。如何有效提高交叉口的通行能力，降低路口拥堵情况的发生，是当前城市交通面临的重要问题，故亟待提出一种交叉口交通行优化方法以快速、准确地提高交叉口通行能力。

发明内容

因此，本发明要解决的技术问题在于克服相关技术中交叉口配时优化方法效率低、准确率低的缺陷，从而提供一种交叉口配时参数优化模型构建、交叉口信号优化方法。

根据第一方面，本发明实施例公开了一种交叉口配时参数优化模型构建方法，包括：获取目标配时时长内的多个训练样本，所述训练样本包括目标间隔时长内的配时方案和所述配时方案对应的配时效果评价数据以及对应的交叉口环境数据以及配时参数；基于所述多个训练样本，对神经网络模型进行迭代训练，直至所述神经网络模型对应的损失函数的损失值满足目标条件，得到交叉口配时参数优化模型。

根据第二方面，本发明实施例公开了一种交叉口信号优化方法，包括：获取当前目标间隔时长内所述交叉口的环境数据和配时参数；获取所述当前目标间隔时长内交叉口配时方案以及所述配时方案对应的配时效果评价数据；当所述配时效果评价数据不满足目标条件，基于上述第一方面所述的交叉口配时参数优化模型构建方法得到的交叉口配时参数优化模型，对所述配时参数进行优化；根据优化后的配时参数，重新对对下一个目标间隔时长的各相位绿灯进行配时，直至所述配时效果评价数据满足目标条件。

结合第二方面，在第二方面第一实施方式中，所述获取当前目标间隔时长内交叉口配时方案以及所述配时方案对应的配时效果评价数据，包括：根据所述当前目标间隔时长内所述交叉口的环境数据和配时参数，基于目标配时方法，得到所述当前目标间隔时长内交叉口配时方案；根据所述配时方案，对交叉口信号配时进行优化；获取配时优化后的交叉口的配时效果数据，所述配时效果数据包括交叉口停车次数、平均延误、通行能力和排队长度中的任意一种或多种；基于所述配时方案与所述配时效果数据的映射关系，得到所述配时效果评价数据。

结合第二方面，在第二方面第二实施方式中，所述根据优化后的配时参数，重新对下一个目标间隔时长的各相位绿灯进行配时，直至所述配时效果评价数据满足目标条件之后，所述方法还包括：若当前总配时时长等于所述目标配时时长，获取所述总配时时长内的每一个目标间隔时长对应的配时方案和所述配时方案对应的配时效果评价数据以及对应的交叉口环境数据以及配时参数；根据所述总配时时长内的每一个目标间隔时长对应的配时方案和所述配时方案对应的配时效果评价数据以及对应的交叉口环境数据以及配时参数，对所述交叉口配时参数优化模型进行优化训练。

根据第三方面，本发明实施例公开了一种交叉口配时参数优化模型构建装置，包括：训练样本获取模块，用于获取目标配时时长内的多个训练样本，所述训练样本包括目标间隔时长内的配时方案和所述配时方案对应的配时效果评价数据以及对应的交叉口环境数据以及配时参数；交叉口配时参数优化模型获取模块，用于基于所述多个训练样本，对神经网络模型进行迭代训练，直至所述神经网络模型对应的损失函数的损失值满足目标条件，得到交叉口配时参数优化模型。