本发明涉及交通信号控制，具体涉及一种基于电警数据的长干道多路径协调绿波优化方法及系统。
背景技术：
1、多年来，全球各地的城市都在持续探索提升道路交通流畅性和减轻交通拥堵的有效方法。最初的单点交叉口交通信号控制系统设计便是为了这一目的而逐步发展起来的，其中涵盖了对信号周期时长、绿信比以及相位切换顺序等参数进行调整的各种模型研发。然而，单一交叉口的运行效率并非孤立存在，其表现深受相邻路口交通状况的影响。这一认识促使交通管理领域提出了区域交通信号联动控制的理念。在此理念指导下，不再单独优化单个路口的信号配置，而是将其置于更大的交通网络中进行统筹考虑。信号协调技术由此应运而生，并被长期视作提升整体交通效能及经济效益的关键手段之一。通过协调不同路口信号灯，能够在整个区域内形成一种有序且连贯的交通流，从而显著减少车辆停滞时间和不必要的加减速和停车，有效提升道路通行能力，缓解交通拥堵现象。
2、随着城市化进程的不断加快和城市空间范围的持续扩展，干道系统的总延伸长度呈现出显著增长态势，这使得长距离干道日益成为现代城市交通基础设施的核心组成部分。现有对于长干道协调的研究存在两点局限性：首先，研究主要关注干道中的直行车流，而对其他方向如左转车流的需求和特性关注度不足，导致在实际交通流中可能出现左转车流溢出以致干扰直行车流顺畅行驶的问题；其次，现有长干道分区方法缺少对于分区成本的考虑，对干道子区划分和协调控制策略的整体优化尚不充分，这导致难以获取理想的协调绿波带宽。
技术实现思路
1、针对现有技术的不足，本发明提供了一种基于电警数据的长干道多路径协调绿波优化方法及系统，能够应用于城市长干道场景，为多条路径提供独立绿波，提高城市干道车流通行效率。
2、为实现上述目的，本发明提供如下技术方案：
3、第一方面，本发明提供一种基于电警数据的长干道多路径协调绿波优化方法，该方法包括以下步骤：
4、第一方面，本发明提出了一种基于电警数据的长干道多路径协调绿波优化方法，包括：
5、获取实时的长干道道路结构、交叉口信号配时参数和电警数据；
6、将实时的长干道道路结构、交叉口信号配时参数和电警数据输入预先构建好的优化模型中，求解优化模型，输出优化后的信号控制参数；根据优化后的信号控制参数对实际路段的信号控制参数进行调整，得到长干道多路径协调绿波的优化结果；
7、其中，所述优化模型的构建方法为：
8、获取历史的长干道道路结构、交叉口信号配时参数和电警数据；
9、基于历史的电警数据获取目标干道中的路径流量和路径平均行程时间；
10、基于路径信息识别目标干道中的关键路径；
11、所述优化模型包括目标函数和约束条件；以最大化关键路径的绿波带宽的加权和为目标，得到优化模型的目标函数；所述优化模型的约束条件包括交叉口分组约束、带宽约束、循环整数约束以及相位顺序约束。
12、结合第一方面，进一步地，所述长干道道路结构包括交叉口数目、相邻交叉口间距、各交叉口车道类型以及数目；所述交叉口信号配时参数包括各交叉口周期、绿信比、相位结构、相位顺序和相位差；所述相位结构包括信号相位；所述电警数据包括所有车辆在长干道中起点位置、终点位置、车辆经过起点位置的时间和车辆到达终点位置的时间。
13、结合第一方面，进一步地，所述基于历史的电警数据获取目标干道中的路径流量的方法为：
14、基于历史的电警数据，提取各车辆在目标干道中的起始位置和终点位置，即得到各车辆的车辆od数据；
15、将所有的车辆od数据进行汇总，得到各路径在观测时间内的观测车辆数和各路径在观测时间内的观测路径流量；
16、所述对所有的车辆od数据进行汇总，得到各路径在观测时间内的观测车辆数和各路径在观测时间内的观测路径流量的方法为：
17、选择一特定od对，对应路径，计算具有相同该od对的车辆样本个数，即为该od对在观测时间内的观测车辆数；
18、计算路径的观测路径流量，计算公式为：
19、
20、式中，为路径在观测时间内的观测路径流量；为路径在观测时间内的观测车辆数；为观测时间，单位为s；
21、依次计算剩余其他路径在观测时间内的观测车辆数，进而得到剩余其他路径在观测时间内的观测路径流量，所述观测路径流量即为电警数据识别流量；
22、根据电警车辆识别率计算得到修正后的路径流量，其中电警车辆识别率为电警产品性能参数之一，所述修正后的路径流量的计算公式为：
23、
24、其中，表示观测时段内路径的修正后的路径流量；表示经过电警覆盖处的车辆被识别到的概率，即电警车辆识别率；为观测时段内路径的电警数据识别流量。
25、结合第一方面，进一步地，所述基于历史的电警数据获取目标干道中的路径平均行程时间的计算方法为：
26、基于历史的电警数据，提取车辆在经过目标干道中的起始位置的时间和到达终点位置的时间；
27、计算车辆的行程时间，所述车辆的行程时间的计算公式为：
28、
29、其中，表示车辆处于目标干道中的起始位置的时间，表示车辆到达目标干道中的终点位置的时间；
30、计算路径所有车辆的平均行程时间，所述路径上所有车辆的平均行程时间的计算公式为：
31、
32、其中，表示路径上所有车辆的平均行程时间；表示路径上的第辆车的行程时间；表示路径的路径车辆数，分别表示路径上的第一辆车、第二辆车、……、第辆车。
33、结合第一方面，进一步地，所述路径信息包括各路径的流量分担率和各路径的行程时间分担率，所述基于路径信息识别目标干道中的关键路径的具体方法为：
34、所述各路径的流量分担率的计算公式如下：
35、
36、其中，指路径的流量分担率；
37、所述各路径的行程时间分担率的计算公式如下：
38、
39、其中，指路径的行程时间分担率，指路径上所有车辆的平均行程时间；
40、基于路径的流量分担率和路径的行程时间分担率计算路径的重要度，所述路径的重要度的计算公式如下：
41、
42、其中，指路径的重要度；指流量权重系数；指行程时间权重系数；
43、取各路径的重要度中排名前五位的路径为关键路径。
44、结合第一方面，进一步地，所述优化模型的目标函数为：
45、
46、其中，指上行关键路径的流量权重系数；指下行关键路径的流量权重系数；指上行关键路径在子区的子路径需要经过的路段数目；指下行关键路径在子区的子路径需要经过的路段数目；指上行关键路径在子区内的绿波带宽；指下行关键路径在子区内的绿波带宽；表示交叉口子区。
47、所述交叉口分组约束表示为：
48、；
49、；
50、；
51、其中，为二进制变量，表征交叉口是否属于子区，1表示是，0表示否；表示交叉口1属于子区1；表示子区集合；为交叉口；表示关键路径经过的交叉口集合。
52、所述带宽约束表示为：
53、
54、
55、其中，指上行关键路径在交叉口处的绿波带偏移量；指下行关键路径在交叉口处的绿波带偏移量；为二进制变量，表征关键路径是否能够在交叉口的相位获取绿灯，1表示是，0表示否；表示交叉口的相位的绿灯时长；指上行关键路径集合；指下行关键路径集合；表示足够大的正数,下限为10000。
56、所述循环整数约束表示为：
57、
58、
59、其中，指交叉口的相位差；指关键路径在交叉口处的绿波带左侧红灯时长；指关键路径在交叉口处的绿波带右侧红灯时长；指车辆以绿波速度运行从交叉口到下游交叉口所需行程时间；表示关键路径上交叉口处周期的倍数，为正整数；指关键路径在交叉口的排队清空时长。
60、所述相位顺序约束表示为：
61、；
62、；
63、；
64、；
65、；
66、；
67、；
68、其中，为二进制变量，表示交叉口处相位和相位的位置关系，1表示相位在之前，0表示相位在之后；，，均表示相位；表示交叉口处相位和相位的位置关系，1表示相位在之前，0表示相位在之后；同理可知、、、的字符含义，不再赘述；表示交叉口的相位的绿灯时长；为二进制变量，表征关键路径是否能够在交叉口的相位获取绿灯，1表示是，0表示否，同理，、的定义不再赘述。
69、结合第一方面，进一步地，利用求解器求解优化模型。
70、结合第一方面，进一步地，所述信号控制参数包括各交叉口相位差（比如交叉口的相位差）、相位顺序（比如表征相位顺序的，表示交叉口处相位和相位的位置关系，1表示相位在之前，0表示相位在之后）和利用显示设备进行公示的绿波速度。交叉口相位差（）和相位顺序（）是模型决策变量，绿波速度是模型参数，根据经验和实际场景设置。根据所述优化模型的输出结果来调整实际路段的交叉口相位差，根据所述优化模型的输出结果来调整实际路段的交叉口信号机信号相位顺序。公示的绿波速度为优化模型的绿波速度，可以根据获取，。
71、第二方面，本发明提供一种基于电警数据的长干道多路径协调绿波优化系统，包括：
72、数据获取模块，被配置用于获取实时的长干道道路结构、交叉口信号配时参数和电警数据；
73、优化模块，被配置用于将实时的长干道道路结构、交叉口信号配时参数和电警数据输入预先构建好的优化模型中，求解优化模型，输出优化后的信号控制参数；根据优化后的信号控制参数对实际路段的信号控制参数进行调整，得到长干道多路径协调绿波的优化结果；
74、其中，所述优化模型的构建方法为：
75、获取历史的长干道道路结构、交叉口信号配时参数和电警数据；
76、基于历史的电警数据获取目标干道中的路径流量和路径平均行程时间；
77、基于路径信息识别目标干道中的关键路径；
78、所述优化模型包括目标函数和约束条件；以最大化关键路径的绿波带宽的加权和为目标，得到优化模型的目标函数；所述优化模型的约束条件包括交叉口分组约束、带宽约束、循环整数约束以及相位顺序约束。
79、第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述的基于电警数据的长干道多路径协调绿波优化方法的步骤。
80、第四方面，本发明提供一种计算机设备，包括：
81、存储器，用于存储计算机程序；
82、处理器，用于执行所述计算机程序以实现上述的基于电警数据的长干道多路径协调绿波优化方法的步骤。
83、第五方面，本发明提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的基于电警数据的长干道多路径协调绿波优化的步骤。
84、与现有技术相比，本发明提供了一种基于电警数据的长干道多路径协调绿波优化方法及系统，具备以下有益效果：
85、（1）本发明以城市长距离干道为研究对象，利用电警数据获取关键车流信息，以关键路径加权带宽最大为优化目标，考虑子区划分、绿波带宽、循环整数、相位顺序等约束，建立考虑子区划分和子区内部协调控制的整合优化模型，模型能够应用于城市长干道场景，为多条路径提供独立绿波，提高城市干道车流通行效率。
86、（2）本发明利用车辆电警数据获取路径信息并识别干道关键车流，构建子区划分和协调控制优化模型，实现长干线子区划分和多条关键路径的协调控制。相比传统的绿波优化技术，本发明可以同时为识别到的多条关键路径提供绿波带。相比传统的子区划分技术，本发明将考虑了分区的绿波损失成本，并将子区划分和协调控制两个步骤纳入到同一模型中，可以获取理想的协调绿波带宽。
1.一种基于电警数据的长干道多路径协调绿波优化方法，其特征在于，包括：
2.根据权利要求1所述的基于电警数据的长干道多路径协调绿波优化方法，其特征在于：所述长干道道路结构包括交叉口数目、相邻交叉口间距、各交叉口车道类型以及数目；所述交叉口信号配时参数包括各交叉口周期、绿信比、相位结构、相位顺序和相位差；所述相位结构包括信号相位；所述电警数据包括所有车辆在长干道中起点位置、终点位置、车辆经过起点位置的时间和车辆到达终点位置的时间。
3.根据权利要求1所述的基于电警数据的长干道多路径协调绿波优化方法，其特征在于：所述基于历史的电警数据获取目标干道中的路径流量的方法为：
4.根据权利要求1所述的基于电警数据的长干道多路径协调绿波优化方法，其特征在于：所述基于历史的电警数据获取目标干道中的路径平均行程时间的计算方法为：
5.根据权利要求1所述的基于电警数据的长干道多路径协调绿波优化方法，其特征在于，所述路径信息包括各路径的流量分担率和各路径的行程时间分担率，所述基于路径信息识别目标干道中的关键路径的具体方法为：
6.根据权利要求1所述的基于电警数据的长干道多路径协调绿波优化方法，其特征在于，所述优化模型的目标函数为：
7.一种基于电警数据的长干道多路径协调绿波优化系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该计算机程序被处理器执行时，实现权利要求1～6中任一所述的基于电警数据的长干道多路径协调绿波优化方法的步骤。
9.一种计算机设备，其特征在于，包括：
10.一种计算机程序产品，包括计算机程序，其特征在于：该计算机程序被处理器执行时实现权利要求1～6中任一项所述的基于电警数据的长干道多路径协调绿波优化方法的步骤。
