[发明专利]基于低渗透率网联车轨迹数据的交叉口信号配时方法

权利要求书

1.基于低渗透率网联车轨迹数据的交叉口信号配时方法，其特征在于，包括如下步骤：

步骤1，基于SUMO仿真平台构建一个有交叉口信号配时优化需求的低渗透率网联车路网；

步骤2，向步骤1构建的路网中输入数据，包括：高峰小时流量、平均车速、路网结构、路段长度、车道数、道路限速和进口道方向，默认SUMO仿真平台定义的车流模型，包括：Krauss跟驰模型和LC2013换道模型，设计低渗透率网联车路网场景，模拟路网车流情况；

步骤3，在模拟的路网车流情况中，对于每个信号周期，随机选取网联车轨迹数据作为样本数据，且选取的网联车轨迹数据占整个路网车流轨迹数据的3％-5％；

步骤4，根据选取的网联车轨迹数据，在上一个信号周期结束时确定下一个信号周期的交通信号计划；

所述步骤4中，在第k^j个信号周期结束时确定第k^j+1个信号周期的交通信号计划，具体过程如下：

步骤41，计算交叉口每个进口道最大排队率

定义路网为由路段连接的交叉口组成，对于交叉口j，进入的进口道s集合表示为S_j，则进口道s在第k^j个周期的最大排队率r_s(k^j)为：

其中，x_s(k^j)表示第k^j个周期中的最大排队长度，L_s(k^j)表示进口道s的长度；

步骤42，对于第k^j个信号周期，计算交叉口四个相位的溢出压力

对于路段x，定义一个临界排队率来表示溢出的风险，即路段x的排队率大于临界排队率，则该路段具有溢出风险；定义车流的直行和左转均为运动m，运动m的溢出压力为：

其中，δ_m(k^j)表示在k^j个信号周期运动m的溢出压力，表示第k^j个周期m上游路段的排队率，表示第k^j个周期m下游路段的排队率，为m上游路段的临界排队率，为m下游路段的临界排队率；

对于南北直行相位，选取南直行和北直行的溢出压力中较大的那个作为南北直行相位的溢出压力；

对于南北左转相位，选取南左转和北左转的溢出压力中较大的那个作为南北左转相位的溢出压力；

对于东西直行相位，选取东直行和西直行的溢出压力中较大的那个作为东西直行相位的溢出压力；

对于东西左转相位，选取东左转和西左转的溢出压力中较大的那个作为东西左转相位的溢出压力；

步骤43，对于第k^j个信号周期，计算交叉口四个相位的溢出压力权重

用一个指数函数来计算交叉口运动m的溢出压力权重：

其中，w_m(k^j)表示在k^j个信号周期运动m的溢出压力权重，η是参数；当δ_m(k^j)为负值，即运动m的下游路段有溢出风险，则w_m(k^j)接近于0；如果δ_m(k^j)为正值，即运动m的上游路段有溢出风险，则w_m(k^j)为正值；如果δ_m(k^j)等于0，即运动m的上下游路段溢出风险一致，则w_m(k^j)等于1；

步骤44，对于第k^j个信号周期，计算交叉口进口道的服务车辆数

在第k^j个信号周期内为运动m服务的车辆数量表示为Q_m(k^j)：

Q_m(k^j)＝f_m(k^j)·g_m(k^j+1)

其中，f_m(k^j)表示运动m的平均流速，g_m(k^j+1)表示第k^j+1个信号周期中运动m的绿灯持续时间；

步骤45，计算第k^j+1个信号周期最优分配绿灯时间

设计非线性凸优化控制算法计算各交叉口不同相位最佳绿灯时间：

约束条件：

其中，M_j表示直行和左转的集合，ε是误差项，表示第k^j+1个信号周期中运动m在相位p的绿灯分配时间，分别为相位p绿灯时间的最小值和最大值，g_p(k^j+1)、g_p(k^j)分别为第k^j+1和k^j周期中相位p的绿灯分配时间，为相邻周期相位p绿灯时间允许调整的最大值；

步骤5，根据下一个信号周期的交通信号计划修改SUMO仿真平台中路网的信号配时，直至仿真结束。

2.根据权利要求1所述的基于低渗透率网联车轨迹数据的交叉口信号配时方法，其特征在于，所述步骤1中，构建的路网具有如下特征：1)路网上车流流量超过饱和流量的90％；2)路网交叉口上下游存在流量差；3)路网存在溢流情况。