一种基于雷达和视频数据融合的智能交通信号控制方法

1.本发明涉及智能交通信号控制技术领域，具体涉及一种基于雷达和视频数据融合的智能交通信号控制方法。


背景技术：

2.交叉口是城市路网的关键节点，其运行效率是制约整个城市交通系统运行的重要节。单个交叉口的交通信号控制是城市交通管控的最基本单元，也是实现区域交通协调控制的基础。单点交通信号控制目前主要包括固定配时控制、感应控制、自适应控制这三种控制方式。近年来，随着大数据、人工智能技术的快速发展，交通信号控制的理论与方法体系也产生了深刻的变革。在交通控制系统的数据采集方面，车辆身份信息、车联网数据以及轨迹数据等多源大数据不断应用于交通信号控制系统。在控制模型方面，以强化学习为代表的数据驱动的控制方法不断应用于单点及区域交通信号控制。这些技术的深度应用，进一步提升了交通信号控制的效果。
3.从最早的韦伯斯特最佳周期模型开始，许多学者从控制论、优化理论、感应控制、强化学习等方面进行了大量的研究，也取得了重要的成果。随着交通检测技术的不断发展，针对非机动车的检测技术水平也日益提升。因此，部分学者在考虑混合交通流检测的基础上提出了混合交通流的感应控制逻辑及相关方法。智能网联汽车的快速发展使得智能网联环境下的交通信号控制理论研究逐渐成为热点，许多学者考虑车路协同环境、智能网络汽车、低样本网联车、混合驾驶环境等多种智能网联环境，分别构建了交通信号优化控制算法与智能网联车辆的轨迹优化方法。以深度强化学习为代表的人工智能控制算法的引入，将传统的以模型驱动为主的交通信号控制研究转向以数据驱动为主。近年来，基于深度强化学习的交通信号控制理论研究方兴未艾，孙浩等提出了一种分布式深度强化学习框架的交通信号控制方法。此外，国内外许多学者在学习框架、奖励函数、动作集等方面进行了深度改造，以提升深度强化学习下的信号控制的性能，这些研究为信号控制与强化学习深度结合做出了重要贡献。
4.从交通信号控制方法研究的发展历程可以看出，不同的感知技术应用促进了交通信号控制理论的创新与发展。近年来，以多目标雷达与视频检测设备为代表的交通流感知技术在实践中广泛应用并逐渐开始取代传统的线圈检测器和地磁检测器。区别于传统的断面检测器仅能某一断面处获取流量、时间占有率等信息，这类新型检测器可以获取整个面域区间范围内的交通流运行参数以及车辆轨迹等信息，有效提升交叉口区域的交通感知能力。感知技术的提升促进交通信号控制技术的转变，相关学者也开展了基于多目标雷达数据的交通信号控制方法的探索研究，但是大多只是仅依靠雷达或是视频单一一种检测器进行信息的采集，未将二者相互融合使用。


技术实现要素：

5.本发明针对当前雷视多源数据融合应用缺乏的问题，利用雷视一体机的优点深入
分析采集数据的特性。在此基础上，构建以密度为判断指标的单点交通信号控制的基本逻辑与控制算法，有效提升了交叉口信号控制的通行效率。本发明具体采用如下技术方案：
6.一种基于雷达和视频数据融合的智能交通信号控制方法，该方法包括如下步骤：
7.step1、通过检测到的道路交通数据计算当前检测范围内的车辆密度；
8.step2、判断当前车辆密度是否小于第一密度阈值k1，若小于第一密度阈值k1则执行感应控制策略，否则继续step3；
9.step3、判断当前车辆密度是否小于第二密度阈值k2，若小于第二密度阈值k2则执行自适应控制策略，否则继续step4；
10.step4、当前车辆密度大于密度阈值k2，执行固定配时策略；
11.step5、执行完控制策略判断是否延长绿灯时长，若延长则继续step1，否则结束。
12.优选的，所述步骤step1中计算车辆密度的具体方式为：
13.以15min为间隔，统计连续4周左转、直行和右转流量，计算历史不同时段的转相比如下:
[0014][0015][0016]
其中，为历史前j周周d第t统计间隔的左转流量；为历史前j周周d第t统计间隔的直行流量；为历史周d第t统计间隔的左转转向比；为历史周d第t统计间隔的直行转向比；
[0017]
按照单车道分别计算，取最大值作为该相位的当前密度，检测区域内的车辆密度k计算如下：
[0018][0019][0020]
式中，n
p
相位p的车道数，p
p
为相位p的转向比，n为车道平均车辆数，ni为车道i的车辆数，d为检测区域长度。
[0021]
优选的，所述步骤step2中计算第一密度阈值k1的具体方式为：
[0022][0023]
hs1＝ht1*v1
[0024]
式中,hs1为车辆车头间距，v1为上游段绿灯期间车辆均值速度；
[0025]
所述感应控制策略，是在信号灯配时运行到设定最小绿灯时间后，结合检测到的
机动车的请求，决定是否延长绿灯时间以及根据需要多少车辆通过路口的时间来确定延长多少时间，若机动车没有感应需求，会结束当前相位的绿灯；若机动车有需求，会延长绿灯时间，并判断其是否达到最大绿灯时间，当一个方向无机动车请求后，还会继续判断是否有同断相位，再决定是否放行下一相位。
[0026]
优选的，所述步骤step3中计算第二密度阈值k2的具体方式为：
[0027][0028]
hs2＝ht2*v2
[0029]
式中,hs2为饱和车头间距，v2为检测到的饱和状态下的平均车速；
[0030]
所述自适应控制策略，根据实时检测的路况，确保对路口各进口道的车流量大小进行实时、准确地监测，并及时将车流量情况反馈给交通信号控制系统，根据检测到的车流量大小，自动增加或减少绿灯配时，并且能够根据各个进口道的排队长度的长短重新设置放行顺序。
[0031]
优选的，所述步骤step4中，所述固定配时策略，是在道路上的车辆密度已达到饱和状态或过饱和状态时，通过较为平等的分配各个进口一定时间内的通行权，使得各个进口道均取最大饱和流量。
附图说明
[0032]
图1是本发明的控制逻辑的流程图。
具体实施方式
[0033]
不同于传统的断面检测器，雷视一体机可以获得整个面域范围内更加丰富的交通流信息，比如流量、速度、占有率、车头时距、车间距等，并且具有低延迟的优点，提高了实时控制交通信号的精准度。本发明的基本控制思想是利用进口道车辆密度检测值与设置的阈值比较，将道路态势划分为畅通、缓行、拥挤三种情况分别进行控制。
[0034]
当前道路态势为畅通状态时，采用感应控制方案，通过雷达和视频检测器进行二次检测，依据车辆速度及到停车线的距离分析当前通行时间内是否有车辆到达停车线，若有车辆到达，则相应的延长通行时间，若没有车辆到达，则切换相位，解决存在的绿灯空放问题。感应控制策略，是在信号灯配时运行到设定最小绿灯时间后，结合雷视一体机检测到的机动车的请求，决定是否延长绿灯时间以及根据需要多少车辆通过路口的时间来确定延长多少时间，若机动车没有感应需求，会结束当前相位的绿灯；若机动车有需求，会延长绿灯时间，并判断其是否达到最大绿灯时间。当一个方向无机动车请求后，还会继续判断是否有同断相位，再决定是否放行下一相位。雷视一体机可以观测一段路段内的车辆情况，相较于传统的断面检测器其检测范围更大，因此每个相位的绿灯调节时间也更灵活，比如说：可以以停车线前30米为检测区域，也可以以停车线前50米或更远处为检测区域。
[0035]
当前道路态势为缓行状态时，采用自适应控制来调节不同方向车流的通行时间，不过此时已经很少使用二次检测，因为此时交通状态已经趋近饱和，很少存在绿灯空放问题。自适应控制策略，是利用雷视一体机具备实时检测路况的特点，确保对路口各进口道的车流量大小进行实时、准确地监测，并及时将车流量情况反馈给交通信号控制系统，根据检
测到的车流量大小，自动增加或减少绿灯配时，并且能够根据各个进口道的排队长度的长短重新设置放行顺序以此达到缓解交通拥堵，提高通行效率的目的，彻底解决了有些车道排队等待过红绿灯时间过长，有些车道闲置浪费的问题。为了确保车辆及行人能够有序安全通过，自适应控制策略设置了配时下限：每个车道的通行时间最低不会低于15秒，斑马线通行时间不会少于20秒，确保了行人能够安全通过。考虑到其他方向车辆的通行，单一相位绿灯放行的时间最多不会超过35秒，最少不会低于15秒。不同的交叉口可根据实际情况对配时下限进行调节。
[0036]
当前道路态势为拥挤状态时，此时交通状况已经过饱和，各个方向的需求是需要获得足够且相对均衡的通行时间，所以直接采用固定配时方案。固定配时策略，是适用于道路拥挤下的场景决策，在此场景下，道路上的车辆密度已达到饱和状态或过饱和状态，此时道路交叉口各个进口方向已极为拥堵，采用固定配时策略控制方案较为合适。通过较为平等的分配各个进口一定时间内的通行权，达到缓解交通拥堵的目的。此时的配时方案根据韦伯斯特算法算出最佳配时方案，各个进口道均取最大饱和流量。
[0037]
本发明控制逻辑的流程图如图1所示，主要包含以下5个步骤：
[0038]
step1、通过检测到的数据计算当前检测范围内的车辆密度
[0039]
step2、判断当前车辆密度是否小于密度阈值k1，若小于密度阈值k1则执行感应控制策略，否则继续step3
[0040]
step3、判断当前车辆密度是否小于密度阈值k2，若小于密度阈值k2则执行自适应控制策略，否则继续step4
[0041]
step4、当前车辆密度大于密度阈值k2，执行固定配时策略。
[0042]
step5、执行完控制策略判断是否延长绿灯时长，若延长则继续step1，否则结束。
[0043]
车辆密度计算与阈值确定
[0044]
不同车型在道路上行驶时所占用的时间和空间大不相同。检测区域内的密度计算需将不同车型的交通量换算成某一标准车型的交通量。通过多目标雷达检测器获取的车辆类型信息，根据车辆换算系数表将其转换为标准小汽车。
[0045]
同时，进口道的实时转向比值取历史同时段的转向比均值。以15min为间隔，统计连续4周左转、直行和右转流量，得到和，计算历史不同时段的转相比如下:
[0046][0047][0048]
其中，为历史前j周周d第t统计间隔的左转流量；为历史前j周周d第t统计间隔的直行流量；为历史周d第t统计间隔的左转转向比；为历史周d第t统计间隔
的直行转向比。
[0049]
相位为p密度为k，按照单车道分别计算，取最大值作为该相位的当前密度，下述的车辆数都为换算后的标准车辆数。
[0050]
检测区域内的车辆密度k计算如下：
[0051][0052][0053]
式中，n
p
相位p的车道数，p
p
为相位p的转向比，n为车道平均车辆数，ni为车道i的车辆数，d为检测区域长度。
[0054]
(1)畅通状态与缓行状态密度阈值k1
[0055]
根据密度临界阈值判断是否进行控制方案转变。这时主要以车辆是否处于跟驰状态进行临界密度阈值的确定。一般情况下，跟驰状态的车头时距ht1＝3～5s，此时车辆车头间距hs1＝ht1*v1，v1可取上游段绿灯期间车辆均值速度。所以畅通状态与缓行状态密度阈值k1为：
[0056][0057]
式中,k1为畅通状态与缓行状态密度阈值，单位：veh/km
[0058]
(2)缓行状态与拥挤状态密度阈值k2
[0059]
当车辆密度大于k2时，此时交叉口已处于过饱和状态，通过雷达检测车辆车头时距，发现饱和状态下车辆饱和车头时距ht2基本在2s～2.5s之间，饱和车头间距hs2＝ht2*v2，v2为检测到的饱和状态下的平均车速，所以缓行状态与拥挤状态密度阈值k2为：
[0060][0061]
式中,k2为缓行状态与拥挤状态密度阈值，单位：veh/km.
[0062]
考虑通行效率，在不造成次路排队上溯的情况下，适当增加主路绿灯时间可提高交叉口的整体运行效率。因此，在确定密度阈值时需根据车道数量进行临界阈值调整，具体权重取值可以参考表1
[0063][0064][0065]
式中，m
p
为交叉口相位数；为权重系数
[0066]
表1权重确定方法
[0067]

技术特征：
1.一种基于雷达和视频数据融合的智能交通信号控制方法，其特征在于，该方法包括如下步骤：step1、通过检测到的道路交通数据计算当前检测范围内的车辆密度；step2、判断当前车辆密度是否小于第一密度阈值k1，若小于第一密度阈值k1则执行感应控制策略，否则继续step3；step3、判断当前车辆密度是否小于第二密度阈值k2，若小于第二密度阈值k2则执行自适应控制策略，否则继续step4；step4、当前车辆密度大于密度阈值k2，执行固定配时策略；step5、执行完控制策略判断是否延长绿灯时长，若延长则继续step1，否则结束。2.如权利要求1所述的一种基于雷达和视频数据融合的智能交通信号控制方法，其特征在于，所述步骤step1中计算车辆密度的具体方式为：以15min为间隔，统计连续4周左转、直行和右转流量，计算历史不同时段的转相比如下:下:其中，为历史前j周周d第t统计间隔的左转流量；为历史前j周周d第t统计间隔的直行流量；为历史周d第t统计间隔的左转转向比；为历史周d第t统计间隔的直行转向比；按照单车道分别计算，取最大值作为该相位的当前密度，检测区域内的车辆密度k计算如下：如下：式中，n
p
相位p的车道数，p
p
为相位p的转向比，n为车道平均车辆数，n
i
为车道i的车辆数，d为检测区域长度。3.如权利要求1所述的一种基于雷达和视频数据融合的智能交通信号控制方法，其特征在于，所述步骤step2中计算第一密度阈值k1的具体方式为：
hs1＝ht1*v1式中,hs1为车辆车头间距，v1为上游段绿灯期间车辆均值速度；所述感应控制策略，是在信号灯配时运行到设定最小绿灯时间后，结合检测到的机动车的请求，决定是否延长绿灯时间以及根据需要多少车辆通过路口的时间来确定延长多少时间，若机动车没有感应需求，会结束当前相位的绿灯；若机动车有需求，会延长绿灯时间，并判断其是否达到最大绿灯时间，当一个方向无机动车请求后，还会继续判断是否有同断相位，再决定是否放行下一相位。4.如权利要求1所述的一种基于雷达和视频数据融合的智能交通信号控制方法，其特征在于，所述步骤step3中计算第二密度阈值k2的具体方式为：hs2＝ht2*v2式中,hs2为饱和车头间距，v2为检测到的饱和状态下的平均车速；所述自适应控制策略，根据实时检测的路况，确保对路口各进口道的车流量大小进行实时、准确地监测，并及时将车流量情况反馈给交通信号控制系统，根据检测到的车流量大小，自动增加或减少绿灯配时，并且能够根据各个进口道的排队长度的长短重新设置放行顺序。5.如权利要求1所述的一种基于雷达和视频数据融合的智能交通信号控制方法，其特征在于，所述步骤step4中，所述固定配时策略，是在道路上的车辆密度已达到饱和状态或过饱和状态时，通过较为平等的分配各个进口一定时间内的通行权，使得各个进口道均取最大饱和流量。

技术总结
本发明提供一种基于雷达和视频数据融合的智能交通信号控制方法，该方法通过检测到的道路交通数据计算当前检测范围内的车辆密度，根据当前车辆密度密度临界阈值判断是否进行控制方案转变，将道路态势划分为畅通、缓行、拥挤三种情况分别进行控制。本发明构建了以密度为判断指标的单点交通信号控制的基本逻辑与控制算法，有效提升了交叉口信号控制的通行效率。率。率。


技术研发人员：郑国荣 赵文芊 王海龙 蔡泽阳 王雪晴
受保护的技术使用者：北方工业大学
技术研发日：2022.12.06
技术公布日：2023/5/16