基于SUMO分析模型的单路口信号灯最优配时实现方法、控制装置、电子设备及存储介质
技术领域
本发明涉及智能交通技术领域，尤其涉及基于SUMO分析模型的单路口信号灯最优配时实现方法、控制装置、电子设备及存储介质。
背景技术
目前，现有技术是通过统计学模型根据早高峰和晚高峰的路况，定时配置信号灯方案。其存在的问题是：根据统计模型，单纯的从历史车流量入手，根据大范围时间段的车流量来对信号灯进行固定配置，方法不够灵活，很容易造成交通拥堵，无法实时、最优的匹配车流变化情况。
发明内容
本发明为了弥补现有技术的不足，提供基于SUMO分析模型的单路口信号灯最优配时实现方法、控制装置、电子设备及存储介质，SUMO全称Simulation of Urban Mobility，是一种开源、微观、多模态的交通模拟，它允许模拟由单个车辆组成的给定交通需求如何在给定的道路网络中移动。本技术方案通过部署 SUMO分析模型，研究单路口信号灯的最优配时方案，根据实时车流量、实时排队长度和车辆的具体参数信息，实时计算出一个信号周期内全局的最优配时解决方案。
本发明的实施例是这样实现的：
第一方面，本发明实施例提供了基于SUMO分析模型的单路口信号灯最优配时实现方法，应用于服务器，该方法包括如下步骤：
计算整个车流在一个信号周期内的数据，建立单路口SUMO分析模型；采集车辆在车道上的位置和速度的数据，代入跟车模型运用模拟退火算法进行计算，得到单路口最优配时解决方案；采集路口间的车流量数据，代入SUMO分析模型进行实时信号周期配时，动态地修改和调整单路口最优配时解决方案；建立固定配时方案并进行比较；判断能否让整个模拟信号周期内的等待车辆数降低；若能，定量分析得到全局最优配时解决方案，否则，重新调整模型参数。
进一步地，如果车辆存在左右转弯的行为时，即使确定了左右转弯的车流量，仍无法估计出当前排队车辆中每个车辆的行进方向，现实中车辆也不会严格按照各个车道的方向等待信号灯变成绿灯，所以当前建立的SUMO分析模型是十字路口中，仅限单路口直行车辆的模型。
进一步地，根据道路状况的复杂性，SUMO分析模型不限于十字路口的直行车辆模型，还可以是T字形路口、Y字形路口、□字形路口等不规则、多方向路口的转弯、掉头车辆。
进一步地，建立整个四个方向车道的车辆行进行为的跟车模型；分析车辆加速度、减速度、驾驶员的敏感系数，以及车辆距离较近时候的跟车行为数据；对等待通行、正在通行和下个信号周期内将要进入车道的车辆的三种运动形态进行数学建模；最终建立目标函数，计算出一个信号周期内平均每秒通过路口起始白线并成功通过对面终止白线的车辆数。
第二方面，本发明实施例还提供了一种实现单路口信号灯最优配时的 SUMO分析模型，该模型部署方法如下：
建立两个数组list1、list2，分别表示当前车道的车辆距离信号灯路口起始白线的距离，之后分别分析每一秒车辆的三种运动模型对list1、list2的影响变化情况：第一种运动模型是等待信号灯变成绿灯的等待车辆，SUMO分析模型的判定标准是车速小于0.1m/s的车辆，假设第一个车辆的加速是匀加速运动，第二个车辆设置一个延迟时间一般是1s，之后也开始匀加速运动，后续车辆都是延迟一个固定延迟时间后开始匀加速运动；第二种运动模型是信号灯变成绿灯瞬间还在车道上飞驰的车辆，也就是车速大于0.1m/s的车辆，这个运动模型需要估算出近似的车辆从进入车道至当前位置经过的时间，假设车辆进入车道的时间是按照相同时间均匀分布，利用跟车模型计算出当前车辆在车道上的位置和速度，把位置和速度信息加入list1和list2中存储；第三种运动模型是信号灯变成绿灯之后再进入车道的车辆，这些车辆同第二种运动模型的计算规律相似，模拟车辆在车道的位置和速度，区别在于初始位置是设置在车道的最远点。综合分析每一秒车辆的三种运动模型和四个方向流入车道的车辆的运动情况，就可以建立SUMO 分析模型进行模拟。最后建立目标函数，是取一个信号周期内平均通过信号灯路口的车辆数量的最大值。
第三方面，本发明实施例还提供了基于SUMO分析模型的单路口信号灯最优配时控制装置，应用于服务器，该装置包括如下结构：
交通状态感知模块：采集各路口各车道上的车流量数据，车辆在车道上的位置和速度；
模型构建和分析模块：根据车辆在车道上的位置和速度的数据，建立四个方向车道的车辆行进行为的跟车模型和三种运动模型，计算整个车流一个信号周期内的数据，建立单路口SUMO分析模型，对通过路口的车辆数量进行计算，最终建立目标函数；
单路口优化控制模块：根据车辆在车道上的位置和速度的数据，代入跟车模型运用模拟退火算法进行计算，建立目标函数，计算出一个信号周期内平均每秒通过路口起始白线并成功通过路口终止白线的车辆数，得到单路口最优配时解决方案；
路口间协调控制模块：采集路口间的车流量数据，代入SUMO分析模型中进行实时信号周期配时，动态地修改调整单路口最优配时解决方案，建立固定配时方案并进行比较；
配时方案输出模块：判断能否让整个模拟信号周期内的等待车辆数降低，定量分析输出全局最优配时解决方案，并通过信号灯作用于受控车流；
受控车流：是控制系统最终调控对象。
进一步地，该模型构建和分析模块进一步包括模型模拟器和计算子模块。
第四方面，本发明实施例还提供了一种电子设备，包括：存储器和处理器，存储器与处理器连接，存储器用于存储程序代码指令，处理器用于调用存储器中存储的程序代码指令，按照获得的程序执行如第一、二方面实施例所提供的方法。
第五方面，本发明实施例还提供了一种存储介质，该存储介质存储有处理器可执行的程序代码指令，存储介质包括多条程序代码指令，多条指令被配置成使处理器执行如第一、二方面实施例所提供的方法。
本发明实施例提供的基于SUMO分析模型的单路口信号灯最优配时实现方法、控制装置、电子设备及存储介质，相比于现有技术具有以下优点：
本发明关键技术是对于车辆流动的整体数学建模，数学建模的准确与否直接影响最终效果。建模过程采用了实时分析的方法，更精确的计算出每秒每个车辆的速度和位置情况，从而达到更好的模拟效果，实时计算出一个信号周期内全局的最优配时解决方案，有效引导交通车流，均衡交通负载，提高路网的交通效率。
附图说明
图1为实施例一的基于SUMO分析模型的单路口信号灯最优配时实现方法的流程示意图。
图2为实施例二的一种实现单路口信号灯最优配时的SUMO分析模型的部署示意图。
图3为实施例三的基于SUMO分析模型的单路口信号灯最优配时控制装置的结构示意图。
图4为实施例四的一种电子设备的结构示意图。
图5为实施例五的一种网络系统的交互示意图。
具体实施方式
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可以找说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和有点能够更明显易懂，以下为本发明的具体实施方式。
实施例一
参见图1，为本实施例提供的基于SUMO分析模型的单路口信号灯最优配时实现方法，所举实例只用于解释本发明，并非用于限定本发明的范围。具体实现步骤如下：
S1、计算整个车流一个信号周期内的数据，建立单路口SUMO分析模型；
S2、采集车辆在车道上的位置和速度的数据，代入跟车模型运用模拟退火算法进行计算，得到单路口最优配时解决方案；
S3、采集路口间的车流量数据，代入SUMO分析模型中进行实时信号周期配时，动态地修改调整单路口最优配时解决方案；
S4、建立固定配时方案并进行比较；
S5、判断能否让整个模拟信号周期内的等待车辆数降低；
S6、若是，定量分析得到全局最优配时解决方案，否则，重新调整模型参数。
其中，S1中所述“单路口SUMO分析模型”是指：如果车辆存在左右转弯的行为时，即使确定了左右转弯的车流量，仍无法估计出当前排队车辆中每个车辆的行进方向，现实中车辆也不会严格按照各个车道的方向等待信号灯变成绿灯，所以当前建立的SUMO分析模型是十字路口中，仅限单路口直行车辆的模型。
其中，根据道路状况的复杂性，所述SUMO分析模型不限于十字路口的直行车辆模型，还可以是T字形路口、Y字形路口、□字形路口等不规则、多方向路口的转弯、掉头车辆。
其中，所述S2进一步包括如下步骤：
S2.1、建立四个方向车道的车辆行进行为的跟车模型；
S2.2、分析车辆加速度、减速度和驾驶员的敏感系数，以及车辆距离较近时候的跟车行为数据；
S2.3、对等待通行、正在通行和下个信号周期内将要进入车道的车辆的三种运动形态进行数学建模；
S2.4、确立目标函数，计算出一个信号周期内平均每秒通过路口起始白线并成功通过路口终止白线的车辆数。
其中，S2.1中所述“跟车模型”部署方法如下：
跟车模型是描述车辆在跟随前面车辆行驶过程中的行为方式，最早是用微分方程来描述的。其含义是：后车驾驶员通过能直接观察到的与前车的距离和相对速度等物理量来决定自身的加速度。跟车模型公式为：
在公式中，
其中，在对车辆的加速度、减速度做了定量分析后，进一步优化跟车模型公式：
本次信号灯排队长度＝上次信号灯后车辆排队长度+车辆进入速度*信号灯时间- 车辆通过平均速度*信号灯时间
在公式中，车辆进入速度指车辆从后方加入排队队伍时的速度，车辆通过平均速度指车辆通过路口起始白线的平均速度，忽略车辆在路口起始白线和终止白线之间的移动过程。
其中，对于车辆各个速度和时间的计算，加入了车辆的加速度、减速度、车辆间距、驾驶员的敏感系数等参数，使计算数据更加贴合实验效果并模拟真实路况。
其中，进一步优化跟车模型公式的目的是：在平均单位时间内，使各个方向通过的车辆数量最大化。
其中，本实施例所述方法是应用于实施例四中所述电子设备200的解调方法。
实施例二
参见图2，为本实施例提供的一种实现单路口信号灯最优配时的SUMO 分析模型的部署方法，所举实例只用于解释本发明，并非用于限定本发明的范围。具体实现步骤和程序代码如下：
S1.1、对等待通行、正在通行和下个信号周期内将要进入车道的车辆的三种运动形态进行数学建模，建立三种运动模型；
S1.2、建立两个数组list1、list2，分别表示当前车道的车辆距离信号灯路口起始白线的距离，之后分别分析每一秒车辆的三种运动模型对list1、list2的影响变化情况，程序代码如下：
S1.3、第一种运动模型是等待信号灯变成绿灯的等待车辆，SUMO分析模型的判定标准是车速小于0.1m/s，假设第一个车辆的加速是匀加速运动，第二个车辆设置一个延迟时间，一般是1s，之后也开始匀加速运动，后续车辆都是延迟一个固定延迟时间后开始匀加速运动，程序代码如下：
S1.4、否则，第二种运动模型是信号灯变成绿灯瞬间还在车道上飞驰的车辆，也就是车速大于0.1m/s的车辆，这个运动模型需要估算出近似的车辆从进入车道至当前位置经过的时间，假设车辆进入车道的时间是按照相同时间均匀分布，利用跟车模型计算出当前车辆应该在车道上的位置和速度，把位置和速度信息加入 list1和list2中存储，程序代码如下：
S1.5、否则，第三种运动模型是信号灯变成绿灯之后再进入车道的车辆，这些车辆同第二种运动模型的计算规律相似，模拟车辆在车道的位置和速度，区别在于初始位置是设置在车道的最远点，程序代码如下：
S1.6、综合分析每一秒车辆的三种运动模型和四个方向流入车道的车辆的运动情况，就可以建立SUMO分析模型进行模拟，程序代码如下：
S1.7、通过对list1和list2进行数组计算，得到通过路口起始白线的车辆数量，当计算的位置结果小于0时，表示车辆距离起始白线是负数，说明车辆已经通过路口；
S1.8、最后建立目标函数，是取一个信号周期内平均通过信号灯路口的车辆数量的最大值。
其中，为模拟信号周期、信号灯固定时长假设两个数值，按照上述步骤带入数值并计算目标函数值，模拟效果如下：
从上述数据可以看出：在一个模拟信号周期内，当信号灯固定50秒时长(也可以是其他正数值)，使用最优配时解决方案的等待车辆数相比一般配时方案的等待车辆数要少20-34％。由此可见，使用最优配时方案的路口，其通行效率更好，车辆的等待时间更少。
其中，本实施例所述方法是对于实施例一中所述建立单路口SUMO分析模型部署方法的详细说明，并通过执行程序代码完成通行车辆的数量计算。
实施例三
参见图3，为本实施例提供的基于SUMO分析模型的单路口信号灯最优配时控制装置210，所举实例只用于解释本发明，并非用于限定本发明的范围。具体模块如下：
交通状态感知模块211：用于采集各路口各车道上的车流量数据，车辆在车道上的位置和速度；
模型构建和分析模块212：用于根据车辆在车道上的位置和速度的数据，建立四个方向车道的车辆行进行为的跟车模型和三种运动模型，计算整个车流一个信号周期内的数据，建立单路口SUMO分析模型，对通过路口的车辆数量进行计算，最终建立目标函数；
单路口优化控制模块213：用于根据车辆在车道上的位置和速度的数据，代入跟车模型运用模拟退火算法进行计算，建立目标函数，计算出一个信号周期内平均每秒通过路口起始白线并成功通过路口终止白线的车辆数，得到单路口最优配时解决方案；
路口间协调控制模块214：用于根据路口间的车流量数据，代入SUMO分析模型中进行实时信号周期配时，动态地修改调整单路口最优配时解决方案，建立固定配时方案并进行比较；
配时方案输出模块215：用于判断能否让整个模拟信号周期内的等待车辆数降低，定量分析输出全局最优配时解决方案，并通过信号灯作用于受控车流；
受控车流：用于控制系统最终调控对象。
其中，该模型构建和分析模块212进一步包括以下内容：
模型模拟器2121：用于为等待通行、正在通行和下个信号周期内将要进入车道的车辆的三种运动形态建立三种运动模型，根据车辆在车道上的位置和速度的数据，建立四个方向车道的车辆行进行为的跟车模型，综合分析三种运动模型和四个方向车道车辆的跟车模型，建立SUMO分析模型进行模拟；
计算子模块2122：用于建立两个数组list1、list2，分别表示当前车道的车辆距离信号灯路口起始白线的距离，之后分别分析每一秒车辆的三种运动模型对list1、 list2的影响变化情况，通过对list1、list2的数组计算，建立目标函数，计算出通过路口起始白线的车辆数量，得到信号周期内平均通过信号灯路口的车辆数量。
其中，本实施例所述信号灯最优配时控制装置210，其实现原理及产生的技术效果与实施例一和实施例二中各所述方法相同，为简要描述，本实施例中未提及之处，可参考前述方法实施例中相应内容。
实施例四
参见图4，为本实施例提供的一种电子设备200，所举实例只用于解释本发明，并非用于限定本发明的范围。所述电子设备200包括：信号灯最优配时控制装置210、存储器220和处理器230。
其中，所述信号灯最优配时控制装置210、存储器220、处理器230各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。
其中，上述各元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述信号灯最优配时控制装置210包括至少一个可以软件或固件 (firmware)的形式存储于所述存储器220中或固化在所述电子设备200的操作系统(OS)中的软件功能模块。所述处理器230用于执行所述存储器220中存储的可执行模块，比如，所述信号灯最优配时控制装置210包括的软件功能模块或计算机程序。
其中，所述存储器220不限于随机存取存储器(RAM)，只读存储器 (ROM)，可编程只读存储器(PROM)，可擦除只读存储器(EPROM)，电可擦除只读存储器(EEPROM)等。
其中，所述存储器220用于存储程序，所述处理器230在接收到执行指令后，执行所述程序。本发明实施例一和实施例二中所执行的方法均可以应用于本实施例所述电子设备200的处理器230中，或者由处理器230实现。
其中，所述处理器230可能是一种集成电路芯片，具有信号的处理能力。所述处理器230可以是通用处理器，包括中央处理器(CPU)、网络处理器(NP) 等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器，或者也可以是任何常规的处理器等。
其中，本实施例所述电子设备200可以是实施例五中所述服务器110。
实施例五
参见图5，为本实施例提供的一种网络系统100，所举实例只用于解释本发明，并非用于限定本发明的范围。所述网络系统100包括：服务器110和终端 120，终端120通过网络与服务器110进行数据交互。
其中，服务器110在监测到网页数据被篡改时，将预设提示信息发送至与所述服务器110通信的客户终端120。
其中，所述服务器110不限于网络服务器、数据库服务器、云端服务器等。所述客户终端120不限于个人电脑(PC)、智能手机、平板电脑、移动上网设备(MID)、个人数字助理(PDA)等电子设备。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。并且，各个实施例公开并不局限于上面已经描述并在附图中示出的精确结构，还可以在不脱离其范围进行各种修改和改变。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围不局限于此，任何熟悉本技术领域的技术人员在本发明的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
