一种公交优先的红绿灯实时配时优化方法、系统、装置

1.本发明属于智能交通领域，具体涉及一种公交优先的红绿灯实时配时优化方法、系统、装置。


背景技术：

2.随着电子信息技术的发展和城市交通的进步，立体化的交通系统的构建日趋完善。但在微观层面的技术与交通三要素(人、车、道路)的协调程度不足，这严重阻碍了城市交通系统的发展，降低了货物和行人的流通效率，尤其是在车流好恶人留的高峰期，道路的拥堵情况较为严重。这不仅降低了交通参与者的体验，也产生了更大的道路事故安全风险。
3.智能交通系统(intelligent traffic system，its)是未来交通系统的发展方向，它是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等计算机技术等有效地集成运用于整个地面交通管理系统，进而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。目前智能交通系统的发展仍处于早期研发和测试的阶段，很多新技术的发展还没有成熟，并没有进行大规模的推广应用。
4.以路口红绿灯为例，在成熟的智能交通系统，路口的红绿灯应当能够根据路面车流量进行自适应调整，以最大化提升路面的车辆通行能力。但是，在现阶段的道路中，红绿灯的时长主要由交通管理部门根据路面车流量的时空分布特征进行综合调整和预先设定。调试完毕后的交通信号灯系统中红绿灯的时长会保持固定。这种传统的路口信号灯管理方式至少存在以下缺点：(1)不能区分不同类型的车辆的通行密度，无法对社会车辆和城市公交系统的路权进行合理分配，导致路面交通的运量无法有效提升。(2)路口信号灯配时无法根据高峰或常规时段进行动态调整，导致高峰期道路拥堵严重，限制了道路的通行效率。(3)部分道路结构不规则的地段容易因道路拥堵而发生交通事故，降低道路交通的安全性。


技术实现要素：

5.为了解决现有交通信号灯配时无法与车流量时空分布相适应，进而降低道路通行效率和安全性的问题；
6.本发明采用以下技术方案实现：
7.一种公交优先的红绿灯实时配时优化方法，其用于以公共汽车优先为原则，在每个路口根据实时交通流量对各个相位上的绿灯时长进行实时调整，进而实现通行量最大化的优化目标。本发明提供的红绿灯配时优化方法包括如下步骤：
8.一、预设路口的通行规则，预设绿灯灯控时长的范围和红绿灯变换顺序，并确定初始的交通信号相位时长。
9.二、通过安装的视频监控设备实时监测路口各来向上的车辆，区分其中的公共汽车和社会车辆并进行数量统计；进而计算出公共汽车在第i个相位第j个方向上的到达率以及社会车辆在第i个相位第j个方向上的到达率
10.三、利用修正的韦伯斯特模型来计算路口不同相位和方向上的平均延误时间d
ij
：
[0011][0012]
其中，t表示灯控信号周期的周期长度；λ表示有效的绿灯时长；q表示车流量；x表示道路中的车辆饱和度。
[0013]
四、根据公共汽车和社会车辆在第i个相位第j个方向上的到达率和以及平均延误时间d(i,j)，计算出单位时间t内各相位和方向上的总延误时间d
ij
：
[0014][0015]
其中，ps表示社会车辆的平均承载人数；pb表示公共汽车的平均承载人数。
[0016]
五、预设调整周期ts，在每个调整周期ts到达后，基于上步骤计算出的各相位和方向上的总延误时间d
ij
，按照延误时间越大绿灯时长越长的原则，对灯控信号周期t内对各相位和方向上的起始绿灯时长t
ij
进行重新分配。
[0017]
六、在任意灯控信号周期t内，根据监测到的道路来向上的公共汽车位置，确定满足公共汽车连续通过的绿灯时长，并适时对绿灯进行延长，确定延长时间te：
[0018][0019]
其中，sv表示视频监控设备距监测到的车辆的距离；s表示相邻路口的距离；v表示车辆的平均速度；ts表示车辆的平均启动时长。
[0020]
作为本发明进一步的改进，步骤一中，针对十字路口，将直行记为s，左转记为l，东西方向记为1，南北方向记为2，则路口通行过程中灯控信号的相位和方向编码分别包括：东西向直行s1、东西向左转l1；南北向直行s2、南北向左转l2；一个完整的灯控信号周期内的绿灯显示顺序为：s1
→
l1
→
s2
→
l2。
[0021]
作为本发明进一步的改进，步骤一中，预设的通行规则中，右转车辆不受灯控信号限制。初始交通相位时长中，同一方向上的左转和直线车辆的绿灯时长相等，且各相位中，绿灯的最短时长设置为20秒，最长时长设置为120秒。
[0022]
作为本发明进一步的改进，步骤二中，公共汽车和社会车辆在第i个相位第j个方向上的到达率和均通过如下的公式计算：
[0023][0024]
作为本发明进一步的改进，步骤五中，各相位和方向上的起始绿灯时长t
ij
的分配方法如下：
[0025]
(1)确定当前路段各相位和方向上的原始绿灯总时长t0。
[0026]
(2)获取各相位和方向上的总延误时间d
ij
。
[0027]
(3)对各相位和方向上的总延误时间d
ij
进行归一化处理，得到各相位和方向上的权重σ
ij
。
[0028]
(4)以各相位和方向上的绿灯时长t
ij
均不超出预设的绿灯灯控时长范围为第一约束，以所有相位和方向上的绿灯时长总和不超出原始绿灯总时长t0为第二约束；根据权重系数σ
ij
对各相位和方向上的绿灯时长t
ij
进行调整。
[0029]
作为本发明进一步的改进，步骤五中，各相位和方向上的起始绿灯时长t
ij
的分配过程采用的优化函数如下：
[0030][0031]
本发明包括一种公交优先的红绿灯实时配时优化系统，其采用如前述的公交优先的红绿灯实时配时优化方法，在一个预设的交通管控范围内，对每个路口各个相位的绿灯时长进行实时调整。该型红绿灯实时配时优化系统包括：视频监控设备、图像处理模块、目标跟踪模块、到达率统计模块、延误时间生成模块；绿灯时长更新模块，以及绿灯时长微调模块。
[0032]
其中，视频监控设备安装在交通管控范围的每个路口的车辆来向上，用于获取路口各个车辆来向上的路况图像。
[0033]
图像处理模块用于获取视频监控设备采集到的路况图像，然后对路况图像进行图像识别和目标分类，进而识别出道路上经过的公共汽车和社会车辆。
[0034]
目标跟踪模块用于基于图像处理模块的图像识别结果对道路上的公共汽车进行位置跟踪，并确定车辆的速度v和距离sv。
[0035]
到达率统计模块用于统计出预设采样周期内当前路段的公共汽车和社会车辆的实际到达数量，然后计算出公共汽车和社会车辆在第i个相位第j个方向上的到达率和
[0036]
延误时间生成模块用于根据到达率统计模块计算出的公共汽车和社会车辆在第i个相位第j个方向上的到达率和以及利用修正的韦伯斯特模型计算出的路口不同相位和方向上的平均延误时间d
ij
，生成单位时间t内路口各相位和方向上的总延误时间d
ij
。
[0037]
绿灯时长更新模块用于根据延误时间生成模块确定个路口每个相位的总延误时间d
ij
对各个相位的绿灯初始时长进行周期性调整。并保证各相位的绿灯初始时长不超出预设的上下限，且每个相位上新调整后的绿灯初始时长与上一采样周期内的总延误时间呈正相关。
[0038]
绿灯时长微调模块用于获取目标跟踪模块的输出，并在公共汽车接近路口时对当前相位的绿灯时长进行延长，在不超过绿灯时长上限的基础上，保证接近路口的公共汽车快速通过。
[0039]
作为本发明进一步的改进，延误时间生成模块的数据生成策略如下：
[0040]
先利用修正的韦伯斯特模型来计算路口不同相位和方向上的平均延误时间d
ij
：
[0041][0042]
其中，t表示灯控信号周期的周期长度；λ表示有效的绿灯时长；q表示车流量；x表示道路中的车辆饱和度。
[0043]
再通过下式计算出单位时间t内各相位和方向上的总延误时间d
ij
：
[0044][0045]
其中，ps表示社会车辆的平均承载人数；pb表示公共汽车的平均承载人数。
[0046]
作为本发明进一步的改进，绿灯时长微调模块生成各相位绿灯的延长时间te的公式如下：
[0047][0048]
其中，sv表示视频监控设备距监测到的车辆的距离；s表示相邻路口的距离；v表示车辆的平均速度；ts表示车辆的平均启动时长。
[0049]
本发明还包括一种公交优先的红绿灯实时配时优化装置，其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序。处理器执行计算机程序时，实现如前述的公交优先的红绿灯实时配时优化方法的步骤；进而实现根据上一调整周期内各相位的总延误时间，对下一调整周期内各相位的绿灯时长进行周期性调整；以及在每个灯控信号周期内，根据公共汽车与路口的接近状态对相应相位上的绿灯时长进行适当延长，以保证接近路口的公共汽车快速通过的目的。
[0050]
本发明提供的技术方案，具有如下有益效果：
[0051]
1、该方案克服了传统红绿灯无法为不同车辆赋予不同的通行优先级，进而导致道路在单位时间内的乘客运载量难以得到提升的问题。通过本发明中面向对象的绿灯微调策略，可以在信号灯配时层面实现公交优先战略，大大缓解出行压力和提高通行。
[0052]
2、本发明提供的方案能够凭借道路视频监控系统实时上传的交通路况信息对红绿灯配时进行优化，通过对信号的的绿灯时长进行适应性调整以匹配道路上车流量的时空分布不均问题，进而最大程度地利用道路车辆通行能力。
[0053]
3、通过对比模拟实验可以发现：本发明通过信号灯配时优化让公交车优先通过能够提高一定时间内的通行量，符合以人为本的要求。此外，由于提高了道路通行效率，本发明的方案有助于降低道路拥堵的发生率，提高车辆驾驶的安全性。
附图说明
[0054]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0055]
图1为本发明实施例1中提供的一种公交优先的红绿灯实时配时优化方法的步骤流程图。
[0056]
图2为十字路口中相位编码为s1的东西向直行车流的状态图。
[0057]
图3为十字路口中相位编码为l1的东西向左转车流的状态图。
[0058]
图4为十字路口中相位编码为s2的南北向直行车流的状态图。
[0059]
图5为十字路口中相位编码为l2的南北向左转车流的状态图。
[0060]
图6为本发明实施例1中对各相位和方向上的起始绿灯时长进行重新分配的分配方法流程图。
[0061]
图7为本发明实施例1的仿真过程中创建的十字路口的模型图。
[0062]
图8为本发明实施例1的仿真过程中车流的通行效果图。
[0063]
图9为本发明实施例2中提供的一种公交优先的红绿灯实时配时优化系统的架构图。
具体实施方式
[0064]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0065]
实施例1
[0066]
本实施例提供一种公交优先的红绿灯实时配时优化方法，其用于以公共汽车优先为原则，在每个路口根据实时交通流量对各个相位上的绿灯时长进行实时调整，进而实现通行量最大化的优化目标。本实施例提供的红绿灯实时配时优化方法的主要调整策略包括周期性调控和面向对象的调控两种。其中，“周期性调控”指的是分析在一个预设采样周期内，路口各相位的实时车流量是否与预设的绿灯时长分配方案对应的理想车流量(本实施例将公共汽车和社会车辆分开计)相符，如果相符则在下一采样周期保持当前的绿灯时长分配方案；如果不相符则在下一采样周期内针对实时车流量对各相位的绿灯时长进行重新分配。以保证车流量越多的相位获得的通行权限越大，即：绿灯时长越长。而“面向对象的调控”指的是在每个路口对靠近的车辆进行识别和分类，当判断有公共汽车到达时，则适当增加绿灯时长，保证公共汽车可以快速通过，这本质上相当于是赋予了公共汽车更大的“路口通过”权限。
[0067]
具体地，如图1所示，本实施例提供的红绿灯配时优化方法包括如下步骤：
[0068]
步骤一、预设路口的通行规则，预设绿灯灯控时长的范围和红绿灯变换顺序，并确定初始的交通信号相位时长。
[0069]
其中，为了更好的对不同方向的车流进行区分，本实施例针对十字路口对不同方向的车辆进行相位编码。具体地，将直行记为s，左转记为l，东西方向记为1，南北方向记为2，如图2-5所示，路口通行过程中灯控信号的相位和方向编码分别包括：东西向直行s1、东西向左转l1；南北向直行s2、南北向左转l2。
[0070]
为了更好的对本实施例的方案进行展开，本实施例针对十字路口的灯控通行场景作出如下的一般性假设：
[0071]
(1)在初始化状态下，绿灯的最长时间为120秒，而最短时间为20秒。同时，车辆左转与直行过程的绿灯时长相同；黄灯时长保持固定。一个完整的灯控信号周期内的绿灯显示顺序为：s1
→
l1
→
s2
→
l2。
[0072]
(2)由于公交优先的原则，当某一相位有公交出现时，该相位的绿灯时间应该增
长，且我们期望增长的时间，可以让这一公交车恰好从视频监测的边缘成功行驶过该绿灯。
[0073]
(3)这一路段行驶的公共汽车均能被准确识别，公共汽车与社会车辆的启动时长相等，且公共汽车与社会车辆在该十字路口中行驶速度相等且保持匀速。
[0074]
步骤二、通过安装的视频监控设备实时监测路口各来向上的车辆，区分其中的公共汽车和社会车辆并进行数量统计；进而计算出公共汽车在第i个相位第j个方向上的到达率以及社会车辆在第i个相位第j个方向上的到达率
[0075]
在本实施例中，每个相位上的绿灯时长都是根据估计出的理论车流量设定的，而公共汽车和社会车辆在第i个相位第j个方向上的到达率和均通过如下的公式计算：
[0076][0077]
步骤三、利用修正的韦伯斯特模型来计算路口不同相位和方向上的平均延误时间d
ij
：
[0078][0079]
其中，t表示灯控信号周期的周期长度；λ表示有效的绿灯时长；q表示车流量；x表示道路中的车辆饱和度。
[0080]
步骤四、根据公共汽车和社会车辆在第i个相位第j个方向上的到达率和以及平均延误时间d(i,j)，计算出单位时间t内各相位和方向上的总延误时间d
ij
：
[0081][0082]
其中，ps表示社会车辆的平均承载人数；pb表示公共汽车的平均承载人数。
[0083]
步骤五、预设调整周期ts，在每个调整周期ts到达后，基于上步骤计算出的各相位和方向上的总延误时间d
ij
，按照延误时间越大绿灯时长越长的原则，对灯控信号周期t内对各相位和方向上的起始绿灯时长t
ij
进行重新分配。
[0084]
在本实施例中，如图6所示，各相位和方向上的起始绿灯时长t
ij
的分配方法如下：
[0085]
(1)确定当前路段各相位和方向上的原始绿灯总时长t0。
[0086]
(2)获取各相位和方向上的总延误时间d
ij
。
[0087]
(3)对各相位和方向上的总延误时间d
ij
进行归一化处理，得到各相位和方向上的权重σ
ij
。
[0088]
(4)以各相位和方向上的绿灯时长t
ij
均不超出预设的绿灯灯控时长范围为第一约束，以所有相位和方向上的绿灯时长总和不超出原始绿灯总时长t0为第二约束；根据权重系数σ
ij
对各相位和方向上的绿灯时长t
ij
进行调整；
[0089]
具体地，各相位和方向上的起始绿灯时长t
ij
的分配过程采用的优化函数如下：
[0090][0091]
步骤六、在任意灯控信号周期t内，根据监测到的道路来向上的公共汽车位置，确定满足公共汽车连续通过的绿灯时长，并适时对绿灯进行延长，确定延长时间te：
[0092][0093]
其中，sv表示视频监控设备距监测到的车辆的距离；s表示相邻路口的距离；v表示车辆的平均速度；ts表示车辆的平均启动时长。
[0094]
仿真测试
[0095]
为了对比本实施例提供的红绿灯配时优化方案是否能够对路口的车辆通行效率进行提升，本实施例还在交通模型仿真工具sumo中，利用traci接口分别对本实施例的方案和传统的固定时长的灯控通行方案进行仿真测试，并对二者的测试结果进行统计和分析。
[0096]
1、传统方案
[0097]
所有车辆按照既定信号的通行，信号灯时长保持固定，路口中车辆左转与直行过程的绿灯时长相同；黄灯时长保持固定；右转车辆不受信号控制。
[0098]
2、红绿灯配时优化方案
[0099]
使用traci控制信号灯在南北方向监测到bus类车辆时减少相位3的时间或者增加相位1的时间，当未监测到南北方向的bus类车辆时，信号灯正常。
[0100]
(2.1)周期性调控的规则为：
[0101]
取采样时长为10分钟，即每隔10分钟对路口各相位的绿灯时长完成一轮更新。结束相位s1时开始重新计时；在绿灯处于相位s2时，记录监测范围内l2相位的公共车辆与社会车辆的到达率。在绿灯处于相位l2时，记录监测范围内其他三个相位的到达率，并自动计算出总延误，依据总延误确定权重，重新初始化绿灯时长。
[0102]
(2.2)面向对象调控的规则为：
[0103]
期间始终监测公交距路口的接近状态，并适时延长绿灯时间，并保证最短绿灯时间和最长等待时间。
[0104]
3、车辆通行过程仿真
[0105]
在仿真软件中创建路网和十字路口，其中十字路口的模型如图7所示。自定义车流，东西方向为passenger，南北方向为bus，且bus量远小于passenger；假设一辆passenger类车载客量为单位载客量，一辆bus类车载客量为passenger类车载客量的四倍。进行一般型仿真，记录下半小时通行量。仿真过程的效果图如图8所示。
[0106]
最后，统计两种不同的策略下的车辆通行数据为：传统方案的通行量为59辆bus类车和308辆passenger类车，544单位载客。而本实施例提供的方案的通行量为126辆bus类车
和259辆passenger类车，763单位载客。分析上述数据库可知：本实施例提供的方案的公共汽车通行量相对于传统方案增长了113.6％，社会车辆的通行量下降了15.9％，但是单位载客量40.3％。因此本实施例提供的方案实际上提升了道路的通行效率，具有更高的社会价值。
[0107]
实施例2
[0108]
在实施例1方案的基础上，本实施例进一步提供一种公交优先的红绿灯实时配时优化系统，其采用如实施例1中的公交优先的红绿灯实时配时优化方法，在一个预设的交通管控范围内，对每个路口各个相位的绿灯时长进行实时调整。如图9所示，该型红绿灯实时配时优化系统包括：视频监控设备、图像处理模块、目标跟踪模块、到达率统计模块、延误时间生成模块；绿灯时长更新模块，以及绿灯时长微调模块。
[0109]
其中，视频监控设备安装在交通管控范围的每个路口的车辆来向上，用于获取路口各个车辆来向上的路况图像。图像处理模块用于获取视频监控设备采集到的路况图像，然后对路况图像进行图像识别和目标分类，进而识别出道路上经过的公共汽车和社会车辆。目标跟踪模块用于基于图像处理模块的图像识别结果对道路上的公共汽车进行位置跟踪，并确定车辆的速度v和距离sv。
[0110]
到达率统计模块用于统计出预设采样周期内当前路段的公共汽车和社会车辆的实际到达数量，然后计算出公共汽车和社会车辆在第i个相位第j个方向上的到达率和
[0111]
延误时间生成模块用于根据到达率统计模块计算出的公共汽车和社会车辆在第i个相位第j个方向上的到达率和以及利用修正的韦伯斯特模型计算出的路口不同相位和方向上的平均延误时间d
ij
，生成单位时间t内路口各相位和方向上的总延误时间d
ij
。延误时间生成模块的数据生成策略如下：
[0112]
先利用修正的韦伯斯特模型来计算路口不同相位和方向上的平均延误时间d
ij
：
[0113][0114]
其中，t表示灯控信号周期的周期长度；λ表示有效的绿灯时长；q表示车流量；x表示道路中的车辆饱和度。
[0115]
再通过下式计算出单位时间t内各相位和方向上的总延误时间d
ij
：
[0116][0117]
其中，ps表示社会车辆的平均承载人数；pb表示公共汽车的平均承载人数。
[0118]
绿灯时长更新模块用于根据延误时间生成模块确定个路口每个相位的总延误时间d
ij
对各个相位的绿灯初始时长进行周期性调整。并保证各相位的绿灯初始时长不超出预设的上下限，且每个相位上新调整后的绿灯初始时长与上一采用周期内的总延误时间呈正相关。绿灯时长更新模块采用的优化函数如下：
[0119][0120]
绿灯时长微调模块用于获取目标跟踪模块的输出，并在公共汽车接近路口时对当前相位的绿灯时长进行延长，在不超过绿灯时长上限的基础上，保证接近路口的公共汽车快速通过。绿灯时长微调模块生成各相位绿灯的延长时间te的公式如下：
[0121][0122]
其中，sv表示视频监控设备距监测到的车辆的距离；s表示相邻路口的距离；v表示车辆的平均速度；ts表示车辆的平均启动时长。
[0123]
实施例3
[0124]
在实施例1和2的基础上，本实施例进一步提供了一种公交优先的红绿灯实时配时优化装置，其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序。处理器执行计算机程序时，执行如实施例1中的公交优先的红绿灯实时配时优化方法的步骤。
[0125]
本实施例中公交优先的红绿灯实时配时优化装置事实上就用来实现实施例1中方案的数据处理设备，该数据处理设备实际上是一类计算机设备。本实施例中的计算机设备可以是能执行程序的嵌入式终端、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于：可通过系统总线相互通信连接的存储器、处理器。
[0126]
本实施例中，存储器(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，存储器也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。当然，存储器还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，存储器通常用于存储安装于计算机设备的操作系统和各类应用软件等。此外，存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。
[0127]
处理器在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制计算机设备的总体操作。本实施例中，处理器用于运行存储器中存储的程序代码或者处理数据，执行如实施
例1中的公交优先的红绿灯实时配时优化方法的步骤，进而实现根据上一调整周期内各相位的总延误时间，对下一调整周期内各相位的绿灯时长进行周期性调整；以及在每个灯控信号周期内，根据公共汽车与路口的接近状态对相应相位上的绿灯时长进行适当延长，以保证接近路口的公共汽车快速通过的目的。
[0128]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种公交优先的红绿灯实时配时优化方法，其特征在于，其用于以公共汽车优先为原则，在每个路口根据实时交通流量对各个相位上的绿灯时长进行实时调整，进而实现通行量最大化的优化目标；所述红绿灯配时优化方法包括如下步骤：一、预设路口的通行规则，预设绿灯灯控时长的范围和红绿灯变换顺序，并确定初始的交通信号相位时长；二、通过安装的视频监控设备实时监测路口各来向上的车辆，区分其中的公共汽车和社会车辆并进行数量统计；进而计算出公共汽车在第i个相位第j个方向上的到达率以及社会车辆在第i个相位第j个方向上的到达率三、利用修正的韦伯斯特模型来计算路口不同相位和方向上的平均延误时间d
ij
：其中，t表示灯控信号周期的周期长度；λ表示有效的绿灯时长；q表示车流量；x表示道路中的车辆饱和度；四、根据公共汽车和社会车辆在第i个相位第j个方向上的到达率和以及平均延误时间d(i,j)，计算出单位时间t内各相位和方向上的总延误时间d
ij
：其中，p
s
表示社会车辆的平均承载人数；p
b
表示公共汽车的平均承载人数；五、预设调整周期ts，在每个调整周期ts到达后，基于上步骤计算出的各相位和方向上的总延误时间d
ij
，按照延误时间越大绿灯时长越长的原则，对灯控信号周期t内对各相位和方向上的起始绿灯时长t
ij
进行重新分配；六、在任意灯控信号周期t内，根据监测到的道路来向上的公共汽车位置，确定满足公共汽车连续通过的绿灯时长，并适时对绿灯进行延长，确定延长时间t
e
：其中，s
v
表示视频监控设备距监测到的车辆的距离；s表示相邻路口的距离；v表示车辆的平均速度；t
s
表示车辆的平均启动时长。2.如权利要求1所述的公交优先的红绿灯实时配时优化方法，其特征在于：步骤一中，针对十字路口，将直行记为s，左转记为l，东西方向记为1，南北方向记为2，则路口通行过程中灯控信号的相位和方向编码分别包括：东西向直行s1、东西向左转l1；南北向直行s2、南北向左转l2；一个完整的灯控信号周期内的绿灯显示顺序为：s1
→
l1
→
s2
→
l2。3.如权利要求1所述的公交优先的红绿灯实时配时优化方法，其特征在于：步骤一中，预设的通行规则中，右转车辆不受灯控信号限制；初始交通相位时长中，同一方向上的左转和直线车辆的绿灯时长相等，且各相位中，绿灯的最短时长设置为20秒，最长时长设置为120秒。4.如权利要求1所述的公交优先的红绿灯实时配时优化方法，其特征在于：步骤二中，
公共汽车和社会车辆在第i个相位第j个方向上的到达率和均通过如下的公式计算：5.如权利要求1所述的公交优先的红绿灯实时配时优化方法，其特征在于：步骤五中，各相位和方向上的起始绿灯时长t
ij
的分配方法如下：(1)确定当前路段各相位和方向上的原始绿灯总时长t0；(2)获取各相位和方向上的总延误时间d
ij
；(3)对各相位和方向上的总延误时间d
ij
进行归一化处理，得到各相位和方向上的权重σ
ij
；(4)以各相位和方向上的绿灯时长t
ij
均不超出预设的绿灯灯控时长范围为第一约束，以所有相位和方向上的绿灯时长总和不超出原始绿灯总时长t0为第二约束；根据权重系数σ
ij
对各相位和方向上的绿灯时长t
ij
进行调整。6.如权利要求5所述的公交优先的红绿灯实时配时优化方法，其特征在于：步骤五中，各相位和方向上的起始绿灯时长t
ij
的分配过程采用的优化函数如下：7.一种公交优先的红绿灯实时配时优化系统，其特征在于：其采用如权利要求1-6中任意一项所述的公交优先的红绿灯实时配时优化方法，在一个预设的交通管控范围内，对每个路口各个相位的绿灯时长进行实时调整；所述红绿灯实时配时优化系统包括：视频监控设备，其安装在交通管控范围的每个路口的车辆来向上，用于获取路口各个车辆来向上的路况图像；图像处理模块，其用于获取所述视频监控设备采集到的路况图像，然后对路况图像进行图像识别和目标分类，进而识别出道路上经过的公共汽车和社会车辆；目标跟踪模块，其用于基于图像处理模块的图像识别结果对道路上的公共汽车进行位置跟踪，并确定车辆的速度v和距离s
v
；到达率统计模块，其用于统计出预设采样周期内当前路段的公共汽车和社会车辆的实际到达数量，然后计算出公共汽车和社会车辆在第i个相位第j个方向上的到达率和延误时间生成模块，其用于根据到达率统计模块计算出的公共汽车和社会车辆在第i个相位第j个方向上的到达率和以及利用修正的韦伯斯特模型计算出的路口不同相位和方向上的平均延误时间d
ij
，生成单位时间t内路口各相位和方向上的总延误时间d
ij
；绿灯时长更新模块，其用于根据所述延误时间生成模块确定个路口每个相位的总延误时间d
ij
对各个相位的绿灯初始时长进行周期性调整；保证各相位的绿灯初始时长不超出预设的上下限，且每个相位上新调整后的绿灯初始时长与上一采用周期内的总延误时间呈正相关；以及
绿灯时长微调模块，其用于获取所述目标跟踪模块的输出，并在公共汽车接近路口时对当前相位的绿灯时长进行延长，在不超过绿灯时长上限的基础上，保证接近路口的公共汽车快速通过。8.如权利要求7所述的公交优先的红绿灯实时配时优化系统，其特征在于：所述延误时间生成模块的数据生成策略如下：先利用修正的韦伯斯特模型来计算路口不同相位和方向上的平均延误时间d
ij
：其中，t表示灯控信号周期的周期长度；λ表示有效的绿灯时长；q表示车流量；x表示道路中的车辆饱和度；再通过下式计算出单位时间t内各相位和方向上的总延误时间d
ij
：其中，p
s
表示社会车辆的平均承载人数；p
b
表示公共汽车的平均承载人数。9.如权利要求7所述的公交优先的红绿灯实时配时优化系统，其特征在于：所述绿灯时长微调模块生成各相位绿灯的延长时间t
e
的公式如下：其中，s
v
表示视频监控设备距监测到的车辆的距离；s表示相邻路口的距离；v表示车辆的平均速度；t
s
表示车辆的平均启动时长。10.一种公交优先的红绿灯实时配时优化装置，其特征在于，其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时，实现如权利要求1-6任意一项所述的公交优先的红绿灯实时配时优化方法的步骤，进而实现根据上一调整周期内各相位的总延误时间，对下一调整周期内各相位的绿灯时长进行周期性调整；以及在每个灯控信号周期内，根据公共汽车与路口的接近状态对相应相位上的绿灯时长进行适当延长，以保证接近路口的公共汽车快速通过的目的。

技术总结
本发明属于智能交通领域，具体涉及一种公交优先的红绿灯实时配时优化装置方法、系统、装置。其保障公共汽车优先，在每个路口根据实时交通流量对绿灯时长进行实时调整；该方法包括如下步骤：一、预设路口的通行规则，预设绿灯灯控时长的范围和红绿灯变换顺序，并确定初始的交通信号相位时长；二、通过视频监控设备监测并统计路口各向的车辆到达率；三、利用修正的韦伯斯特模型来计算路口各向的平均延误时间；四、计算出单位时间内路口各向的总延误时间；五、基于总延误时间对起始绿灯时长进行重新分配；六、根据公共汽车位置适时对绿灯进行延长，保障公共汽车通行。本发明解决了灯控通信模式不适应车流变化，通信效率低，易致拥堵的问题。的问题。的问题。


技术研发人员：郭涵 薛向荣 高飞
受保护的技术使用者：内蒙古大学
技术研发日：2023.04.04
技术公布日：2023/6/28