[发明专利]通过交通状态的时空扩展搜索空间控制交通信号

说明书

本发明涉及一种通过交通信号对一个或多个交叉路口的车辆进行交通控制的装置和方法。每个交叉路口可以有多条车道，一条车道可以包括交通信号和交通信号配时，以限定车道的状态。对于第一交叉路口的多个状态中的每个状态，获取交通数据。所述交通数据可以包括与所述第一交叉路口相邻的交叉路口的车道的交通数据。所述获取到的交通数据用于预测每个状态的交通信号的多个预定义配时的交通数据。在所述预定义配时中，通过优化所有车道的预测交通数据的预定义函数，为每条车道确定交通信号配时。然后，所述交通信号配时用于控制一条或多条车道的交通信号。

技术领域

本发明涉及使用优化交通信号顺序进行交通控制。

背景技术

交通拥堵正在成为大多数国家城市和大都市区的主要问题。人们已经查明造成交通拥堵的各种因素，例如，道路条件恶劣、交通流量控制效率低下、道路上的车辆增加，甚至道路使用者有时存在不文明行为。随着人口和交通量的增加，交通拥堵对城市基础设施提出了严峻的挑战，同时由于等待交通浪费时间还影响人们的社会经济生活。统计数据显示，2014年美国的年平均交通拥堵成本为每位汽车通勤者1433美元，或者说，对于非常大的城区，每个城市的交通拥堵成本超过50亿美元。

一般而言，交通包括城市、农村地区或(州际)高速公路的街道/道路上的汽车、面包车、摩托车等车辆的流量，所有这些都产生参与车辆的总流量。此外，一条道路上的交通可能会直接或间接受到其它相邻道路上的交通的影响，也可能取决于特定的交通时间，例如，早高峰或晚高峰。因此，交通已经通过交通流量抽象化，交通流量是由交通各方的驾驶行为产生的一个复杂的空间和时间过程。交通流量可以具有各种特征，例如，交通量、平均车速和车速分布、时间车距和行驶时间等。这些不同交通流量特征之间关系的形式数学描述称为“交通流量”模型。

虽然为了解决这一问题，已经开发了各种根据交通流量模型优化交通的技术方案，但没有一种技术方案在概括和适应新情况的能力、交通预测精度、快速反应时间(交通数据实时处理)和系统复杂度方面表现很好。

发明内容

本发明实施例由独立权利要求的特征定义，而这些实施例的其它有利实现方式由从属权利要求的特征定义。

具体地，本发明涉及交通控制系统领域，增强以通过利用实时引擎来优化交通，所述实时引擎应用统计机器学习进行大数据分布式流处理。交通度量作为交通数据流接收，所述交通数据流为从各种来源(例如，汽车、传感器、交通灯摄像头、街道感应传感器等)按时间顺序采集的事件顺序(即包括以车辆数量、车速等交通度量为依据的各种数据的元组)。流处理范式涉及将业务分析或更复杂的学习函数应用于流中的事件，例如，预测道路上随时间推移的交通流量。典型的流处理方法假设给定时间内在一些边界内累积此类事件，并将业务分析函数应用于采集到的事件。

根据本发明的一方面，提供了一种在第一交叉路口进行交通信号控制的装置，所述第一交叉路口包括多条车道和所述多条车道中的每条车道的交通信号。所述装置包括处理电路，用于：获取多个状态中的一个状态的交通数据，其中，所述状态为属于所述第一交叉路口的一条或多条车道和所述一条或多条车道的交通信号的相同交通信号配时的组合；根据所述获取到的交通数据，预测所述多个状态中的每个状态的交通数据；通过优化所述预测交通数据的预定义函数，为所述多个状态中的每个状态确定多个预定义交通信号配时中的第一交通信号配时；根据所述确定的第一交通信号配时，控制所述多条车道中的每条车道的第一交通信号。

使用状态描述(状态空间方法)，状态包括一条或多条车道和所述一条或多条车道的相同交通信号定时，提供了以下优点：减少了进行交通流量预测和优化而必须管理的状态。因此，以这种方式执行的状态简化最终减少了要存储和/或需要保持可用的数据量，以便实时执行交通流量优化。同时，由于获取交通数据的状态减少，因此硬件(例如，用于存储数据)成本可以得到降低。因此，由于数据是根据减小的状态空间获取的，所以可以更快地执行交通流量预测。