过饱和多交叉口协同控制优化方法
过饱和多交叉口协同控制优化方法
【技术领域】
[0001] 本发明涉及一种过饱和多交叉口协同控制优化方法。
【背景技术】
[0002] 随着我国社会经济的快速发展及城市化进程的不断加速，带来了城市的高度繁 荣，但与此同时城市交通拥堵日益严峻，尤其是早晚高峰时期城区常出现大规模交通"瘫 痪"。近年来全国城市汽车保有量年均增长为15%-20%，有的城市更高达30%，而在有限的 城市空间下道路供给资源增长缓慢，交通供需矛盾日益突出。
[0003] 交叉口信号控制是通过信号相位对交叉口有限通行资源进行时间分配，但如果交 叉口流量超过通行能力，则传统的信号控制方法效果不理想，此时交叉口处于过饱和状态。 当区域内多个交叉口均处于过饱和状态，则该区域属于多交叉口过饱和。已有研究表明过 饱和多交叉口信号控制与非饱和状态相比，在控制目标排序、多控制目标的优化协调、协调 方式的动态变化等有其自身的特点，且常出现车流回溢或相邻车道阻塞导致通行能力降低 等现象[1-2]。过饱和交叉口的识别可通过高分辨率的交叉口信号数据，主要以最小化交叉 口车辆排队长度、均衡路网排队长度或交叉口总交通通行量最大为过饱和交叉口信号控制 目标。控制模型与算法主要有基于交通波理论建立的单交叉口过饱和协调控制模型、离散 时间切换方法模型、采用散波理论与模糊控制相结合的动态相位组合算法。但也有部分研 究认为过饱和单交叉口更适合采用多时段定时控制或交警人工指挥效果比信号控制更好。 在过饱和多交叉口方面TONG等以车辆延误最小为目标函数，构建了过饱和交叉口群随机规 划模型。雷磊等基于方法工程视角，建立了过饱和的交叉口群控制模型，并设计了该模型的 求解算法，实现了交通方法的最优控制。SUN等设计了针对过饱和交叉口群的简化型连续流 交叉口方案，实例分析结果表明该方案有90%的概率提升交叉口通行效率[14]。粗糙集是 由波兰数学家Z.Pawlak于1982年提出，能够利用不太完整、不太准确的信息，找到适合决策 判断的规则，从而进行人工智能决策。虽然发展历史较短但无论在理论研究还是智能控制、 数据挖掘、故障诊断、电力负荷等都取得了丰硕的成果。粗糙集在交通领域的应用还处于起 步发展阶段，目前主要体现在区域路网交通信息的提取、交通流拥堵状态的识别、客运量预 测等方面。
[0004] 已有成果中大多针对交叉口非饱和交通流状态展开，对于饱和与过饱和状态下的 交叉口信号控制研究较少，涉及区域过饱和多交叉口的研究成果更为有限，尚未将模糊控 制的方法运用于过饱和多交叉口控制中。本文将研究对象拓展为过饱和多交叉口，根据其 交通流特性，从区域交通出行OD期望线角度提出了过饱和主通道控制策略，通过多交叉口 信号协同控制实现区域大容量快速通道，提高区域交通整体通行效能。并基于粗糙集理论， 构建以过饱和交叉口数量、主通道方向车辆最大排队长度、次通道方向车辆最大排队长度 等为条件属性，以绿灯延长方式、绿灯延长相位、绿灯延长时间为决策属性的过饱和多交叉 口模糊控制模型。
【发明内容】
[0005] 针对上述问题，本发明提供一种解决现有模糊智能控制方法仅适用于单交叉口非 饱和状态的问题的过饱和多交叉口协同控制优化方法。
[0006] 为达到上述目的，本发明过饱和多交叉口协同控制优化方法，包括：
[0007] 进行主通道方向、次通道方向划分，其中，主通道方向是整个城市交通出行主要OD 期望线在该区域的通过方向，具体计算通过各交叉口进口道交通流量进行OD反推，次通道 则为交叉口与主通道相交的其它进口道方向；
[0008] 以过饱和交叉口数量、各交叉口主次通道最大车辆排队长度为条件属性，分别以 绿灯延长方式、绿灯延长相位、绿灯延长时间为决策属性；
[0009] 进行属性值模糊化；
[0010]进行决策表构建与属性约简；
[0011]进行评价指标计算。
[0012] 进一步地，所述的属性值模糊化具体包括
[0013] 将第η个交叉口主、次通道方向上最大排队长度qzn和qcn的属性值通过线性分布的 隶属函数进行模糊化处理，在q^Pqc^的论域上定义7个模糊语言子集{很短VS，短S，较短 RS，一般M，较长RL，长L，很长VL}，所对应的属性值为{0，1，2,3,4,5,6}。
[0014] 分别将qzn和qc；n的多组实际数据的最大值和最小值，按等步长离散为7级，记为：
则qzn和9。"对属于第k级的隶属度计算方法如下式，最大隶属度所对应 的级别为q?和q?属性值，
[00?7]其中：qzn为第n个交叉口主通道方向的实际最大排队长度;q cr^n个交叉口次通道 方向的实际最大排队长度；为qZn属于第k级的隶属度；为q?属于第k级的隶属度；ft 为主通道方向第k级的上限值；^丨为次通道方向第k级的上限值。
[0018] 条件属性中交叉口数量，以实际整数值为N的属性值；
[0019] 决策属性中绿灯延长方式W是指哪些交叉口主通道方向绿灯时间延长，根据区域 交叉口交通控制实际情况，绿灯延长方式定义为过饱和交叉口主通道方向绿灯时长延长和 所有交叉口主通道方向绿灯时长都延长两种情况，属性值分别对应为W = O，W= 1;绿灯延长 相位E是指交叉口主通道方向哪些相位绿灯时间延长，定义绿灯延长相位取值E = 0，指主 通道直行相位绿灯时间延长，次通道左转相位绿灯时间减少;E=I，指主通道直行和左转相 位绿灯时间都延长，次通道直行和左转相位绿灯时间减少;绿灯延长时间G属性值为延长时 间的实际值。
[0020] 进一步地，决策表构建与属性约简包括：
[0021] 决策表构建:将条件属性与决策属性数据采集并进行相应模糊化处理，从而形成 含有2N+1个条件属性、3个决策属性的多交叉口过饱和优化控制决策表，对决策表进行一一 约简；
[0022] 基于可辨识矩阵与属性频度的属性约简：
[0023] 1个决策表T=(U，CUD)，|U| =n，决策表T所对应的可辨识矩阵为M=(Cij)nXn， 其中：
[0025] 可辨识矩阵是关于对角线对称的矩阵，且对角线元素均为0,当论域U中的两个元 素 xi和xj所对应的决策属性值相同时，可辨识矩阵中元素取0;反之，可辨识矩阵中元素取 值为二者条件属性中的不同值，同时，通过条件属性a在可辨识矩阵M出现的次数p (a)以表 征属性a的重要程度，p(a)=SGF(a，R，D);
[0026] 规则提取:根据约简集合B中的条件属性元素构成及所对应的决策属性，提取多交 叉口过饱和优化控制决策规则。
[0027] 进一步地，基于可辨识矩阵与属性频度的属性约简的算法具体包括步骤如下：
[0028] stepl:如果决策表中的条件属性值与决策属性值存在连续变量，则进行离散化处 理。属性约简集合B= 0，Core= 0。
[0029] step2:生成可辨识矩阵M。
[0030] s tep3:找出可辨识矩阵的核集合Core，属性组合数为1，并更新约简集合B = Core。
[0031] step4:删除可辨识矩阵中与B交集不为空的元素，
并且从条件属性集合C中删除B中元素 ，C = C_B。
[0032] step5:计算条件属性集合C中剩余的所有元素在可辨识矩阵M中出现的次数p(C)， 将最大次数所对应的元素添加入约简属性集合8中，8 = 8+〇9 4(〇9)=11^1化((3)}。
[0033] step6:如果]V1=0，则输出约简集合B;否则，返回step3。
[0034] 进一步地，所述的评价指标为：
[0035] Support(Xi^Dj) = | Xi Π Dj
[0036] Accuracy(Xi^Dj) = | Xi Π Dj | / | Xi
[0037] Coverage (Xi^Dj) = | Xi Π Dj | / | Dj
[0038] 其中，I · I表示集合中的元素个数，该元素是指论域中的数据项即决策表中的一 行，将评价指标中精度低于50 %的规则剔除。
[0039]有益效果
[0040] 本发明过饱和多交叉口协同控制优化方法具备如下有益效果：
[0041] 本发明在粗糙集知识推理基础上，构建了以多交叉口状态信息为条件属性，以绿 灯延长方式、绿灯延长相位、绿灯延长时间3个参数为决策属性的多决策属性模糊控制模 型。运用可辨识矩阵与属性频度的属性约简方法对模型进行约简，提取决策规则。解决了现 有模糊智能控制方法仅适用于单交叉口非饱和状态的问题，满足区域交通过饱和多交叉口 信号协同联动控制的需要。
【附 图说明】
[0042]图1是本发明某一路交叉口仿真建模。
【具体实施方式】
[0043]下面结合附图对本发明做进一步的描述。
[0044] 本发明过饱和多交叉口协同控制优化方法，具体包括
[0045] 通道划分:过饱和多交叉协同优化模型是通过延长区域某方向绿灯相位时长以打 通城市交通出行重要主通道，减少也已经饱和的次通道绿灯相位时长的控制策略。其中，主 通道方向是整个城市交通出行主要OD期望线在该区域的通过方向，具体计算可通过各交叉 口进口道交通流量进行OD反推，次通道则为交叉口与主通道相交的其它进口道方向。主通 道控制策略是将交叉口时间资源向某一方向通行倾斜，从而激活区域交通关键方向通路， 实现区域整体交通的畅通。主通道控制策略不同于干道绿波带，绿波带是从通行速度的角 度对交叉口信号配时进行优化，而主通道策略是以区域交通整体效能(效率与能力)最大化 为目标进行信号控制。
[0046] 属性选择:模型以过饱和交叉口数量、各交叉口主次通道最大车辆排队长度为条 件属性，分别以绿灯延长方式、绿灯延长相位、绿灯延长时间为决策属性，从而构建同一条 件属性不同决策属性的三个决策表。模型不采用高峰时间交叉口各进口道流量之和作为条 件属性，是考虑各交叉口进口道通行能力不一致，如果单纯以进口道流量为条件属性将导 致信号控制失实。交叉口主次通道最大车辆排队长度分别如下式所示：
[0047] qzn - max { qznl, Qzn2 QznI} ； (4)
[0048] qcn - max { Qcnl，Qcn2，···，QcnJ } · ( 5 )
[0049] 其中，区域内过饱和交叉口总数量为N;qzni为第n个交叉口主通道方向红灯时段内 第i个车道的车辆排队长度，〇 < i <I;qcnj为第η个交叉口次通道方向红灯时段内第j个车道 的车辆排队长度，OS j<J。
[0050] 决策属性值的确定是以条件属性值为基础参数，以区域多交叉口总延误最小为目 标函数，在Synchro平台多次仿真比较从而确定的最优值。所构建的协同优化控制模型重要 作用在于从每一行条件属性数据仿真得到一次最优值的繁琐计算或是交警人工经验决策 的基础上，通过粗糙集工具提取抽象决策规则，从而为不同城市不同区域的多交叉口过饱 和智能控制提供决策建议。
[0051] 属性值模糊化:为避免属性值的连续性，将第η个交叉口主、次通道方向上最大排 队长度qzn和qm的属性值不再采用其实际排队长度值，而是通过线性分布的隶属函数进行 模糊化处理，在q zn和q?的论域上定义7个模糊语言子集{很短VS，短S，较短RS，一般M，较长 RL，长L，很长VL}，所对应的属性值为{0，1，2,3,4,5,6}。
[0052]分别将qzn和qcn的多组实际数据的最大值和最小值，按等步长离散为7级，记为： A和< ~見7?，贝1Jqzn和qcn对属于第k级的隶属度计算方法如式(6)、（7)所示 [2Q]，最大隶 属度所对应的级别为q?和q?属性值。
[0055] 其中：qzn为第η个交叉口主通道方向的实际最大排队长度;(!^第!!个交叉口次通道 方向的实际最大排队长度；/^ rSqzn属于第k级的隶属度；/<"为q?属于第k级的隶属度； 为主通道方向第k级的上限值；为次通道方向第k级的上限值。
[0056] 条件属性中交叉口数量已经为离散型数据，则以实际整数值为N的属性值，如：区 域内过饱和交叉口数量为1，则N=I。
[0057]决策属性中绿灯延长方式W是指哪些交叉口主通道方向绿灯时间延长，根据区域 交叉口交通控制实际情况，模型中绿灯延长方式定义为过饱和交叉口主通道方向绿灯时长 延长和所有交叉口主通道方向绿灯时长都延长两种情况，属性值分别对应为W = O，W= 1。绿 灯延长相位E是指交叉口主通道方向哪些相位绿灯时间延长，定义绿灯延长相位取值E = 0，指主通道直行相位绿灯时间延长，次通道左转相位绿灯时间减少;E = 1，指主通道直行和 左转相位绿灯时间都延长，次通道直行和左转相位绿灯时间减少。绿灯延长时间G属性值为 延长时间的实际值。
[0058] 决策表构建与属性约简包括:决策表构建、基于可辨识矩阵与属性频度的属性约 简、规则提取。
[0059] 其中，决策表构建:将条件属性与决策属性数据采集并进行相应模糊化处理，从而 形成含有2N+1个条件属性、3个决策属性的多交叉口过饱和优化控制决策表，由于3个决策 属性无法同时约简，需要一一约简，实则相当于3个决策表。
[0060] 基于可辨识矩阵与属性频度的属性约简:假设1个决策表T=(U，CUD)，|U| =n，决 策表T所对应的可辨识矩阵为M =( Ci j) η X η，其中：
[0062] 可辨识矩阵是关于对角线对称的矩阵，且对角线元素均为0。当论域U中的两个元 素 XjPxj所对应的决策属性值相同时，可辨识矩阵中元素取0;反之，可辨识矩阵中元素取值 为二者条件属性中的不同值。同时，通过条件属性a在可辨识矩阵M出现的次数p(a)以表征 属性a的重要程度，p(a) = SGF(a，R，D)。
[0063] 基于可辨识矩阵与属性频度的属性约简的算法思想是将决策表转化为可辨识矩 阵，以获得所有非核条件属性在可辨识矩阵出现的次数，从而将次数最大的非核条件属性 纳入约简集合中，删除包含该属性的所有属性组合 [21<2]。具体算法步骤如下：
[0064] stepl:如果决策表中的条件属性值与决策属性值存在连续变量，则进行离散化处 理。属性约简集合5= 0，Core=氣
[0065] step2:根据决策表与式(8)生成可辨识矩阵M。
[0066] step3 :找出可辨识矩阵的核集合Core (属性组合数为1 )，并更新约简集合B = Core0
[0067] step4:删除可辨识矩阵中与B交集不为空的元素，
并且从条件属性集合C中删除B中元素，C = C_B。
[0068] step5:计算条件属性集合C中剩余的所有元素在可辨识矩阵M中出现的次数p(C)， 将最大次数所对应的元素添加入约简属性集合8中，8 = 8+〇(14(〇(1)=11^{?((3)}。
[0069] step6:如果M=0，则输出约简集合B;否则，返回step3。
[0070] 规则提取:根据约简集合B中的条件属性元素构成及所对应的决策属性，提取多交 叉口过饱和优化控制决策规则。
[0071] 评价指标计算
[0072] 规则提取后的评价指标计算是检验规则准确、信息涵盖量的重要依据，采用规则 支持度、精确度和覆盖度三个指标进行衡量。具体指标为 [2<)]:
[0073] Support(Xi^Dj) = | Xi Π Dj (9)
[0074] Accuracy(Xi^Dj) = | Xi Π Dj | / | Xi (10)
[0075] Coverage (Xi^Dj) = | Xi Π Dj | / | Dj (11)
[0076] 式中：I · I表示集合中的元素个数，该元素是指论域中的数据项即决策表中的一 行。将评价指标中精度低于50%的规则剔除，以保证规则的有效性。
[0077]具体实例分析
[0078]以某一路4个连续交叉口为实例分析对象，改路是贯穿江北区东西方向的重要主 干道，周边分布有大型住宅、商业、办公等多种业态。其中交叉口 4为新南路与星光大道交叉 口，星光大道是江北区南北方向主干道，早晚高峰时期，新南路该4个交叉口均处于过饱和 状态。由于重庆市江北区主要交通出行OD期望线为东西方向，因此确定新南路为主通道方 向，与之垂直的各道路方向为次通道方向。
[0079] 通过多天晚高峰交叉口实际数据连续调查，并根据式(4)至式(7)得到4个交叉口 过饱和优化控制的10种情景条件属性值。将各种情景中的交叉口进口道流量数据输入 Synchro仿真软件，优化得出信号配时方案。人工多次实验调整交叉口主通道方向绿灯延长 方式、绿灯延长相位及绿灯延长时间，当总延误时长指标最优时，该次实验参数值即为决策 属性值，具体决策表见表1。
[0080] 表1多交叉口过饱和优化控制决策表
[0082] 以W为决策属性，根据决策表约简算法，得到约简集合为{qz2，qz3，qz4}。将相同决策 规则合并，并通过式(9)至式(11)计算各决策规则评价指标值见表2。
[0083] 表2以W为决策属性的决策表约简结果
[0085] 同理，以E为决策属性，得到约简集合为{qzl，qz4}。将相 同决策规则合并，最终约简 结果见表3。
[0086] 表3以E为决策属性的决策表约简结果
[0088] 以G为决策属性，得到约简集合为{q。!，qz3，qz4}。将相同决策规则合并，最终约简结 果见表4。
[0089] 表4以dg为决策属性的决策表约简结果
[0091 ]根据三组决策表约简结果提取得出4个过饱和交叉口的模糊控制决策规则见表5。 [0092]表5模糊控制决策规则
[0094] 对表5的模糊决策规则进行分析讨论：（1)当交叉口 1、2、3主通道方向排队长度级 别为一般(M)以上时，交叉口绿灯信号延长的方式可以从仅过饱和交叉口主通道方向绿灯 时间延长扩展到与过饱和交叉口相邻的其它交叉口相同方向绿灯时间也相应延长;绿灯延 长相位也可从延长主通道直行相位绿灯时间、减少次通道左转相位绿灯时间扩展到主通 道直行与左转相位绿灯时间都延长、次通道直行和左转相位绿灯时间减少的控制策略，这 进一步丰富和完善了文献[10]的研究结论。（2)交叉口主通道方向绿灯时间延长的具体数 值在3~8秒为宜，具体数值与饱和度最高的交叉口 3、4主通道方向排队长度紧密相关，也与 交叉口 1的次通道方向排队长度有直接关系。同时，绿灯延长时间还与绿灯延长方式、绿灯 延长相位两个决策属性存在关联性，表现为W、E为0时，绿灯相位延长时间较短，W、E为1时， 绿灯相位延长时间较长;交叉口主通道方向排队长度越长，绿灯相位延长时间越长的模糊 控制规律。
[0095] 过饱和多交叉口协同优化模型具有信息量大、复杂性高、随机性强等特点，传统确 定性优化模型效果有限。虽然国内外近年来运用模糊控制方法对单个过饱和交叉口进行了 大量研究，但过饱和多交叉口智能信号控制不是简单的单个模糊控制模型叠加，应从区域 过饱和多交叉口方法协同优化角度研究。本文在分析过饱和多交叉口智能控制特点的基础 上，提出了主通道控制策略以实现过饱和多交叉口间决策关联，从而提高区域整体通行效 能。并根据区域交叉口控制的实际情况构建以过饱和交叉口数量、主次通道排队长度为条 件属性，以绿灯延长方式、绿灯延长相位、绿灯延长时间为决策属性的粗糙集模糊控制模 型，运用可辨识矩阵与属性频度的属性约简方法分别以相同条件属性、不同决策属性对3组 粗糙集进行约简，提取决策规则并计算评价指标。
[0096] 根据该路4个过饱和交叉口的实例分析，总结了过饱和多交叉口控制的基本规律， 研究结论不仅可以为交警在早晚高峰时期区域大面积过饱和交通状态下指挥交通提供决 策参考，也可为大城市高峰时期区域交通协同联动控制提供新的思路。但多决策属性间的 关联性对粗糙集属性约简的影响及多决策属性的一次性约简算法还有待进一步研究，决策 属性的具体取值还有改进空间。
[0097] 本发明，多交叉口主通道绿灯时间延长3-8秒能够有效提高区域交通整体通行效 能，同时延长时间不仅与过饱和状态车辆最大排队长度有关，还与绿灯延长方式、绿灯延长 相位存在关联，这与交警经验总结的控制规律一致。
[0098] 对本发明应当理解的是，以上所述的实施例，对本发明的目的、技术方案和有益效 果进行了进一步详细的说明，以上仅为本发明的实施例而已，并不用于限定本发明，凡是在 本发明的精神原则之内，所作出的任何修改、等同替换、改进等，均应包含在本发明的保护 范围之内，本发明的保护范围应该以权利要求所界定的保护范围为准。
【主权项】
1. 一种过饱和多交叉口协同控制优化方法，其特征在于，包括： 进行主通道方向、次通道方向划分，其中，主通道方向是整个城市交通出行主要OD期望 线在该区域的通过方向，具体计算通过各交叉口进口道交通流量进行OD反推，次通道则为 交叉口与主通道相交的其它进口道方向； 以过饱和交叉口数量、各交叉口主次通道最大车辆排队长度为条件属性，分别以绿灯 延长方式、绿灯延长相位、绿灯延长时间为决策属性； 进行属性值模糊化； 进行决策表构建与属性约简； 进行评价指标计算。2. 根据权利要求1所述的过饱和多交叉口协同控制优化方法，其特征在于，所述的属性 值模糊化具体包括 将第η个交叉口主、次通道方向上最大排队长度qzn和属性值通过线性分布的隶属 函数进行模糊化处理，在的论域上定义7个模糊语言子集{很短VS，短S，较短RS，一 般M，较长RL，长L，很长VL}，所对应的属性值为{0，1，2,3,4,5,6}。 分别将qzn和q?的多组实际数据的最大值和最小值，按等步长离散为7级，记为： 和'~，则^"和9。"对属于第k级的隶属度计算方法如下式，最大隶属度所对应的级别为 qzn和q?属性值，其中：qzn为第η个交叉口主通道方向的实际最大排队长度;。^第]!个交叉口次通道方向 的实际最大排队长度；为Qzn属于第k级的隶属度；/4.为q?属于第k级的隶属度；'.为主 通道方向第k级的上限值；为次通道方向第k级的上限值。 条件属性中交叉口数量，以实际整数值为N的属性值； 决策属性中绿灯延长方式W是指哪些交叉口主通道方向绿灯时间延长，根据区域交叉 口交通控制实际情况，绿灯延长方式定义为过饱和交叉口主通道方向绿灯时长延长和所有 交叉口主通道方向绿灯时长都延长两种情况，属性值分别对应为W=0，W= 1;绿灯延长相位 E是指交叉口主通道方向哪些相位绿灯时间延长，定义绿灯延长相位取值E = 0，指主通道直 行相位绿灯时间延长，次通道左转相位绿灯时间减少;E= 1，指主通道直行和左转相位绿灯 时间都延长，次通道直行和左转相位绿灯时间减少;绿灯延长时间G属性值为延长时间的实 际值。3. 根据权利要求1所述的过饱和多交叉口协同控制优化方法，其特征在于，决策表构建 与属性约简包括： 决策表构建:将条件属性与决策属性数据采集并进行相应模糊化处理，从而形成含有 2N+1个条件属性、3个决策属性的多交叉口过饱和优化控制决策表，对决策表进行一一约 简； 基于可辨识矩阵与属性频度的属性约简： 1个决策表T = (U，C U D)，IUI = η，决策表T所对应的可辨识矩阵为M = (Ci j)η X η，其中：可辨识矩阵是关于对角线对称的矩阵，且对角线元素均为〇,当论域U中的两个元素xi 和xj所对应的决策属性值相同时，可辨识矩阵中元素取0;反之，可辨识矩阵中元素取值为 二者条件属性中的不同值，同时，通过条件属性a在可辨识矩阵M出现的次数ρ (a)以表征属 性a的重要程度，p(a)=SGF(a，R，D); 规则提取:根据约简集合B中的条件属性元素构成及所对应的决策属性，提取多交叉口 过饱和优化控制决策规则。4. 根据权利要求3所述的过饱和多交叉口协同控制优化方法，其特征在于， 基于可辨识矩阵与属性频度的属性约简的算法具体包括步骤如下： stepl:如果决策表中的条件属性值与决策属性值存在连续变量，则进行离散化处理。 属性约简集合step2:生成可辨识矩阵M; step3:找出可辨识矩阵的核集合Core，属性组合数为1，并更新约简集合B = Core; step4:删除可辨识矩阵中与B交集不为空的元素：并且从条 件属性集合C中删除B中元素，C = C-B; step5:计算条件属性集合C中剩余的所有元素在可辨识矩阵M中出现的次数p(C)，将最 大次数所对应的元素添加入约简属性集合8中，8 = 8+〇9 4(〇9)=11^1化((3)}; step6:如果.M=0_:，则输出约简集合B;否则，返回step3。5. 根据权利要求1所述的过饱和多交叉口协同控制优化方法，其特征在于，所述的评价 指标为： Support (Xi^Dj) = I Xi Π Dj Accuracy (Xi-Dj) = I Xi Π Dj I / I Xi I Coverage (Xi-Dj) = I Xi Π Dj I / I Dj I 其中，I · I表示集合中的元素个数，该元素是指论域中的数据项即决策表中的一行，将 评价指标中精度低于50%的规则剔除。
【专利摘要】本发明公开一种过饱和多交叉口协同控制优化方法，包括进行主通道方向、次通道方向划分，其中，主通道方向是整个城市交通出行主要OD期望线在该区域的通过方向，具体计算通过各交叉口进口道交通流量进行OD反推，次通道则为交叉口与主通道相交的其它进口道方向；以过饱和交叉口数量、各交叉口主次通道最大车辆排队长度为条件属性，分别以绿灯延长方式、绿灯延长相位、绿灯延长时间为决策属性；进行属性值模糊化；进行决策表构建与属性约简；进行评价指标计算。
【IPC分类】G08G1/081
【公开号】CN105489028
【申请号】CN201510956738
【发明人】陈坚, 陈健, 邵毅明, 邓天民
【申请人】重庆交通大学
【公开日】2016年4月13日
【申请日】2015年12月17日
【技术领域】
[0001] 本发明涉及一种过饱和多交叉口协同控制优化方法。
【背景技术】
[0002] 随着我国社会经济的快速发展及城市化进程的不断加速，带来了城市的高度繁 荣，但与此同时城市交通拥堵日益严峻，尤其是早晚高峰时期城区常出现大规模交通"瘫 痪"。近年来全国城市汽车保有量年均增长为15%-20%，有的城市更高达30%，而在有限的 城市空间下道路供给资源增长缓慢，交通供需矛盾日益突出。
[0003] 交叉口信号控制是通过信号相位对交叉口有限通行资源进行时间分配，但如果交 叉口流量超过通行能力，则传统的信号控制方法效果不理想，此时交叉口处于过饱和状态。 当区域内多个交叉口均处于过饱和状态，则该区域属于多交叉口过饱和。已有研究表明过 饱和多交叉口信号控制与非饱和状态相比，在控制目标排序、多控制目标的优化协调、协调 方式的动态变化等有其自身的特点，且常出现车流回溢或相邻车道阻塞导致通行能力降低 等现象[1-2]。过饱和交叉口的识别可通过高分辨率的交叉口信号数据，主要以最小化交叉 口车辆排队长度、均衡路网排队长度或交叉口总交通通行量最大为过饱和交叉口信号控制 目标。控制模型与算法主要有基于交通波理论建立的单交叉口过饱和协调控制模型、离散 时间切换方法模型、采用散波理论与模糊控制相结合的动态相位组合算法。但也有部分研 究认为过饱和单交叉口更适合采用多时段定时控制或交警人工指挥效果比信号控制更好。 在过饱和多交叉口方面TONG等以车辆延误最小为目标函数，构建了过饱和交叉口群随机规 划模型。雷磊等基于方法工程视角，建立了过饱和的交叉口群控制模型，并设计了该模型的 求解算法，实现了交通方法的最优控制。SUN等设计了针对过饱和交叉口群的简化型连续流 交叉口方案，实例分析结果表明该方案有90%的概率提升交叉口通行效率[14]。粗糙集是 由波兰数学家Z.Pawlak于1982年提出，能够利用不太完整、不太准确的信息，找到适合决策 判断的规则，从而进行人工智能决策。虽然发展历史较短但无论在理论研究还是智能控制、 数据挖掘、故障诊断、电力负荷等都取得了丰硕的成果。粗糙集在交通领域的应用还处于起 步发展阶段，目前主要体现在区域路网交通信息的提取、交通流拥堵状态的识别、客运量预 测等方面。
[0004] 已有成果中大多针对交叉口非饱和交通流状态展开，对于饱和与过饱和状态下的 交叉口信号控制研究较少，涉及区域过饱和多交叉口的研究成果更为有限，尚未将模糊控 制的方法运用于过饱和多交叉口控制中。本文将研究对象拓展为过饱和多交叉口，根据其 交通流特性，从区域交通出行OD期望线角度提出了过饱和主通道控制策略，通过多交叉口 信号协同控制实现区域大容量快速通道，提高区域交通整体通行效能。并基于粗糙集理论， 构建以过饱和交叉口数量、主通道方向车辆最大排队长度、次通道方向车辆最大排队长度 等为条件属性，以绿灯延长方式、绿灯延长相位、绿灯延长时间为决策属性的过饱和多交叉 口模糊控制模型。
【发明内容】
[0005] 针对上述问题，本发明提供一种解决现有模糊智能控制方法仅适用于单交叉口非 饱和状态的问题的过饱和多交叉口协同控制优化方法。
[0006] 为达到上述目的，本发明过饱和多交叉口协同控制优化方法，包括：
[0007] 进行主通道方向、次通道方向划分，其中，主通道方向是整个城市交通出行主要OD 期望线在该区域的通过方向，具体计算通过各交叉口进口道交通流量进行OD反推，次通道 则为交叉口与主通道相交的其它进口道方向；
[0008] 以过饱和交叉口数量、各交叉口主次通道最大车辆排队长度为条件属性，分别以 绿灯延长方式、绿灯延长相位、绿灯延长时间为决策属性；
[0009] 进行属性值模糊化；
[0010]进行决策表构建与属性约简；
[0011]进行评价指标计算。
[0012] 进一步地，所述的属性值模糊化具体包括
[0013] 将第η个交叉口主、次通道方向上最大排队长度qzn和qcn的属性值通过线性分布的 隶属函数进行模糊化处理，在q^Pqc^的论域上定义7个模糊语言子集{很短VS，短S，较短 RS，一般M，较长RL，长L，很长VL}，所对应的属性值为{0，1，2,3,4,5,6}。
[0014] 分别将qzn和qc；n的多组实际数据的最大值和最小值，按等步长离散为7级，记为：
则qzn和9。"对属于第k级的隶属度计算方法如下式，最大隶属度所对应 的级别为q?和q?属性值，
[00?7]其中：qzn为第n个交叉口主通道方向的实际最大排队长度;q cr^n个交叉口次通道 方向的实际最大排队长度；为qZn属于第k级的隶属度；为q?属于第k级的隶属度；ft 为主通道方向第k级的上限值；^丨为次通道方向第k级的上限值。
[0018] 条件属性中交叉口数量，以实际整数值为N的属性值；
[0019] 决策属性中绿灯延长方式W是指哪些交叉口主通道方向绿灯时间延长，根据区域 交叉口交通控制实际情况，绿灯延长方式定义为过饱和交叉口主通道方向绿灯时长延长和 所有交叉口主通道方向绿灯时长都延长两种情况，属性值分别对应为W = O，W= 1;绿灯延长 相位E是指交叉口主通道方向哪些相位绿灯时间延长，定义绿灯延长相位取值E = 0，指主 通道直行相位绿灯时间延长，次通道左转相位绿灯时间减少;E=I，指主通道直行和左转相 位绿灯时间都延长，次通道直行和左转相位绿灯时间减少;绿灯延长时间G属性值为延长时 间的实际值。
[0020] 进一步地，决策表构建与属性约简包括：
[0021] 决策表构建:将条件属性与决策属性数据采集并进行相应模糊化处理，从而形成 含有2N+1个条件属性、3个决策属性的多交叉口过饱和优化控制决策表，对决策表进行一一 约简；
[0022] 基于可辨识矩阵与属性频度的属性约简：
[0023] 1个决策表T=(U，CUD)，|U| =n，决策表T所对应的可辨识矩阵为M=(Cij)nXn， 其中：
[0025] 可辨识矩阵是关于对角线对称的矩阵，且对角线元素均为0,当论域U中的两个元 素 xi和xj所对应的决策属性值相同时，可辨识矩阵中元素取0;反之，可辨识矩阵中元素取 值为二者条件属性中的不同值，同时，通过条件属性a在可辨识矩阵M出现的次数p (a)以表 征属性a的重要程度，p(a)=SGF(a，R，D);
[0026] 规则提取:根据约简集合B中的条件属性元素构成及所对应的决策属性，提取多交 叉口过饱和优化控制决策规则。
[0027] 进一步地，基于可辨识矩阵与属性频度的属性约简的算法具体包括步骤如下：
[0028] stepl:如果决策表中的条件属性值与决策属性值存在连续变量，则进行离散化处 理。属性约简集合B= 0，Core= 0。
[0029] step2:生成可辨识矩阵M。
[0030] s tep3:找出可辨识矩阵的核集合Core，属性组合数为1，并更新约简集合B = Core。
[0031] step4:删除可辨识矩阵中与B交集不为空的元素，
并且从条件属性集合C中删除B中元素 ，C = C_B。
[0032] step5:计算条件属性集合C中剩余的所有元素在可辨识矩阵M中出现的次数p(C)， 将最大次数所对应的元素添加入约简属性集合8中，8 = 8+〇9 4(〇9)=11^1化((3)}。
[0033] step6:如果]V1=0，则输出约简集合B;否则，返回step3。
[0034] 进一步地，所述的评价指标为：
[0035] Support(Xi^Dj) = | Xi Π Dj
[0036] Accuracy(Xi^Dj) = | Xi Π Dj | / | Xi
[0037] Coverage (Xi^Dj) = | Xi Π Dj | / | Dj
[0038] 其中，I · I表示集合中的元素个数，该元素是指论域中的数据项即决策表中的一 行，将评价指标中精度低于50 %的规则剔除。
[0039]有益效果
[0040] 本发明过饱和多交叉口协同控制优化方法具备如下有益效果：
[0041] 本发明在粗糙集知识推理基础上，构建了以多交叉口状态信息为条件属性，以绿 灯延长方式、绿灯延长相位、绿灯延长时间3个参数为决策属性的多决策属性模糊控制模 型。运用可辨识矩阵与属性频度的属性约简方法对模型进行约简，提取决策规则。解决了现 有模糊智能控制方法仅适用于单交叉口非饱和状态的问题，满足区域交通过饱和多交叉口 信号协同联动控制的需要。
【附 图说明】
[0042]图1是本发明某一路交叉口仿真建模。
【具体实施方式】
[0043]下面结合附图对本发明做进一步的描述。
[0044] 本发明过饱和多交叉口协同控制优化方法，具体包括
[0045] 通道划分:过饱和多交叉协同优化模型是通过延长区域某方向绿灯相位时长以打 通城市交通出行重要主通道，减少也已经饱和的次通道绿灯相位时长的控制策略。其中，主 通道方向是整个城市交通出行主要OD期望线在该区域的通过方向，具体计算可通过各交叉 口进口道交通流量进行OD反推，次通道则为交叉口与主通道相交的其它进口道方向。主通 道控制策略是将交叉口时间资源向某一方向通行倾斜，从而激活区域交通关键方向通路， 实现区域整体交通的畅通。主通道控制策略不同于干道绿波带，绿波带是从通行速度的角 度对交叉口信号配时进行优化，而主通道策略是以区域交通整体效能(效率与能力)最大化 为目标进行信号控制。
[0046] 属性选择:模型以过饱和交叉口数量、各交叉口主次通道最大车辆排队长度为条 件属性，分别以绿灯延长方式、绿灯延长相位、绿灯延长时间为决策属性，从而构建同一条 件属性不同决策属性的三个决策表。模型不采用高峰时间交叉口各进口道流量之和作为条 件属性，是考虑各交叉口进口道通行能力不一致，如果单纯以进口道流量为条件属性将导 致信号控制失实。交叉口主次通道最大车辆排队长度分别如下式所示：
[0047] qzn - max { qznl, Qzn2 QznI} ； (4)
[0048] qcn - max { Qcnl，Qcn2，···，QcnJ } · ( 5 )
[0049] 其中，区域内过饱和交叉口总数量为N;qzni为第n个交叉口主通道方向红灯时段内 第i个车道的车辆排队长度，〇 < i <I;qcnj为第η个交叉口次通道方向红灯时段内第j个车道 的车辆排队长度，OS j<J。
[0050] 决策属性值的确定是以条件属性值为基础参数，以区域多交叉口总延误最小为目 标函数，在Synchro平台多次仿真比较从而确定的最优值。所构建的协同优化控制模型重要 作用在于从每一行条件属性数据仿真得到一次最优值的繁琐计算或是交警人工经验决策 的基础上，通过粗糙集工具提取抽象决策规则，从而为不同城市不同区域的多交叉口过饱 和智能控制提供决策建议。
[0051] 属性值模糊化:为避免属性值的连续性，将第η个交叉口主、次通道方向上最大排 队长度qzn和qm的属性值不再采用其实际排队长度值，而是通过线性分布的隶属函数进行 模糊化处理，在q zn和q?的论域上定义7个模糊语言子集{很短VS，短S，较短RS，一般M，较长 RL，长L，很长VL}，所对应的属性值为{0，1，2,3,4,5,6}。
[0052]分别将qzn和qcn的多组实际数据的最大值和最小值，按等步长离散为7级，记为： A和< ~見7?，贝1Jqzn和qcn对属于第k级的隶属度计算方法如式(6)、（7)所示 [2Q]，最大隶 属度所对应的级别为q?和q?属性值。
[0055] 其中：qzn为第η个交叉口主通道方向的实际最大排队长度;(!^第!!个交叉口次通道 方向的实际最大排队长度；/^ rSqzn属于第k级的隶属度；/<"为q?属于第k级的隶属度； 为主通道方向第k级的上限值；为次通道方向第k级的上限值。
[0056] 条件属性中交叉口数量已经为离散型数据，则以实际整数值为N的属性值，如：区 域内过饱和交叉口数量为1，则N=I。
[0057]决策属性中绿灯延长方式W是指哪些交叉口主通道方向绿灯时间延长，根据区域 交叉口交通控制实际情况，模型中绿灯延长方式定义为过饱和交叉口主通道方向绿灯时长 延长和所有交叉口主通道方向绿灯时长都延长两种情况，属性值分别对应为W = O，W= 1。绿 灯延长相位E是指交叉口主通道方向哪些相位绿灯时间延长，定义绿灯延长相位取值E = 0，指主通道直行相位绿灯时间延长，次通道左转相位绿灯时间减少;E = 1，指主通道直行和 左转相位绿灯时间都延长，次通道直行和左转相位绿灯时间减少。绿灯延长时间G属性值为 延长时间的实际值。
[0058] 决策表构建与属性约简包括:决策表构建、基于可辨识矩阵与属性频度的属性约 简、规则提取。
[0059] 其中，决策表构建:将条件属性与决策属性数据采集并进行相应模糊化处理，从而 形成含有2N+1个条件属性、3个决策属性的多交叉口过饱和优化控制决策表，由于3个决策 属性无法同时约简，需要一一约简，实则相当于3个决策表。
[0060] 基于可辨识矩阵与属性频度的属性约简:假设1个决策表T=(U，CUD)，|U| =n，决 策表T所对应的可辨识矩阵为M =( Ci j) η X η，其中：
[0062] 可辨识矩阵是关于对角线对称的矩阵，且对角线元素均为0。当论域U中的两个元 素 XjPxj所对应的决策属性值相同时，可辨识矩阵中元素取0;反之，可辨识矩阵中元素取值 为二者条件属性中的不同值。同时，通过条件属性a在可辨识矩阵M出现的次数p(a)以表征 属性a的重要程度，p(a) = SGF(a，R，D)。
[0063] 基于可辨识矩阵与属性频度的属性约简的算法思想是将决策表转化为可辨识矩 阵，以获得所有非核条件属性在可辨识矩阵出现的次数，从而将次数最大的非核条件属性 纳入约简集合中，删除包含该属性的所有属性组合 [21<2]。具体算法步骤如下：
[0064] stepl:如果决策表中的条件属性值与决策属性值存在连续变量，则进行离散化处 理。属性约简集合5= 0，Core=氣
[0065] step2:根据决策表与式(8)生成可辨识矩阵M。
[0066] step3 :找出可辨识矩阵的核集合Core (属性组合数为1 )，并更新约简集合B = Core0
[0067] step4:删除可辨识矩阵中与B交集不为空的元素，
并且从条件属性集合C中删除B中元素，C = C_B。
[0068] step5:计算条件属性集合C中剩余的所有元素在可辨识矩阵M中出现的次数p(C)， 将最大次数所对应的元素添加入约简属性集合8中，8 = 8+〇(14(〇(1)=11^{?((3)}。
[0069] step6:如果M=0，则输出约简集合B;否则，返回step3。
[0070] 规则提取:根据约简集合B中的条件属性元素构成及所对应的决策属性，提取多交 叉口过饱和优化控制决策规则。
[0071] 评价指标计算
[0072] 规则提取后的评价指标计算是检验规则准确、信息涵盖量的重要依据，采用规则 支持度、精确度和覆盖度三个指标进行衡量。具体指标为 [2<)]:
[0073] Support(Xi^Dj) = | Xi Π Dj (9)
[0074] Accuracy(Xi^Dj) = | Xi Π Dj | / | Xi (10)
[0075] Coverage (Xi^Dj) = | Xi Π Dj | / | Dj (11)
[0076] 式中：I · I表示集合中的元素个数，该元素是指论域中的数据项即决策表中的一 行。将评价指标中精度低于50%的规则剔除，以保证规则的有效性。
[0077]具体实例分析
[0078]以某一路4个连续交叉口为实例分析对象，改路是贯穿江北区东西方向的重要主 干道，周边分布有大型住宅、商业、办公等多种业态。其中交叉口 4为新南路与星光大道交叉 口，星光大道是江北区南北方向主干道，早晚高峰时期，新南路该4个交叉口均处于过饱和 状态。由于重庆市江北区主要交通出行OD期望线为东西方向，因此确定新南路为主通道方 向，与之垂直的各道路方向为次通道方向。
[0079] 通过多天晚高峰交叉口实际数据连续调查，并根据式(4)至式(7)得到4个交叉口 过饱和优化控制的10种情景条件属性值。将各种情景中的交叉口进口道流量数据输入 Synchro仿真软件，优化得出信号配时方案。人工多次实验调整交叉口主通道方向绿灯延长 方式、绿灯延长相位及绿灯延长时间，当总延误时长指标最优时，该次实验参数值即为决策 属性值，具体决策表见表1。
[0080] 表1多交叉口过饱和优化控制决策表
[0082] 以W为决策属性，根据决策表约简算法，得到约简集合为{qz2，qz3，qz4}。将相同决策 规则合并，并通过式(9)至式(11)计算各决策规则评价指标值见表2。
[0083] 表2以W为决策属性的决策表约简结果
[0085] 同理，以E为决策属性，得到约简集合为{qzl，qz4}。将相 同决策规则合并，最终约简 结果见表3。
[0086] 表3以E为决策属性的决策表约简结果
[0088] 以G为决策属性，得到约简集合为{q。!，qz3，qz4}。将相同决策规则合并，最终约简结 果见表4。
[0089] 表4以dg为决策属性的决策表约简结果
[0091 ]根据三组决策表约简结果提取得出4个过饱和交叉口的模糊控制决策规则见表5。 [0092]表5模糊控制决策规则
[0094] 对表5的模糊决策规则进行分析讨论：（1)当交叉口 1、2、3主通道方向排队长度级 别为一般(M)以上时，交叉口绿灯信号延长的方式可以从仅过饱和交叉口主通道方向绿灯 时间延长扩展到与过饱和交叉口相邻的其它交叉口相同方向绿灯时间也相应延长;绿灯延 长相位也可从延长主通道直行相位绿灯时间、减少次通道左转相位绿灯时间扩展到主通 道直行与左转相位绿灯时间都延长、次通道直行和左转相位绿灯时间减少的控制策略，这 进一步丰富和完善了文献[10]的研究结论。（2)交叉口主通道方向绿灯时间延长的具体数 值在3~8秒为宜，具体数值与饱和度最高的交叉口 3、4主通道方向排队长度紧密相关，也与 交叉口 1的次通道方向排队长度有直接关系。同时，绿灯延长时间还与绿灯延长方式、绿灯 延长相位两个决策属性存在关联性，表现为W、E为0时，绿灯相位延长时间较短，W、E为1时， 绿灯相位延长时间较长;交叉口主通道方向排队长度越长，绿灯相位延长时间越长的模糊 控制规律。
[0095] 过饱和多交叉口协同优化模型具有信息量大、复杂性高、随机性强等特点，传统确 定性优化模型效果有限。虽然国内外近年来运用模糊控制方法对单个过饱和交叉口进行了 大量研究，但过饱和多交叉口智能信号控制不是简单的单个模糊控制模型叠加，应从区域 过饱和多交叉口方法协同优化角度研究。本文在分析过饱和多交叉口智能控制特点的基础 上，提出了主通道控制策略以实现过饱和多交叉口间决策关联，从而提高区域整体通行效 能。并根据区域交叉口控制的实际情况构建以过饱和交叉口数量、主次通道排队长度为条 件属性，以绿灯延长方式、绿灯延长相位、绿灯延长时间为决策属性的粗糙集模糊控制模 型，运用可辨识矩阵与属性频度的属性约简方法分别以相同条件属性、不同决策属性对3组 粗糙集进行约简，提取决策规则并计算评价指标。
[0096] 根据该路4个过饱和交叉口的实例分析，总结了过饱和多交叉口控制的基本规律， 研究结论不仅可以为交警在早晚高峰时期区域大面积过饱和交通状态下指挥交通提供决 策参考，也可为大城市高峰时期区域交通协同联动控制提供新的思路。但多决策属性间的 关联性对粗糙集属性约简的影响及多决策属性的一次性约简算法还有待进一步研究，决策 属性的具体取值还有改进空间。
[0097] 本发明，多交叉口主通道绿灯时间延长3-8秒能够有效提高区域交通整体通行效 能，同时延长时间不仅与过饱和状态车辆最大排队长度有关，还与绿灯延长方式、绿灯延长 相位存在关联，这与交警经验总结的控制规律一致。
[0098] 对本发明应当理解的是，以上所述的实施例，对本发明的目的、技术方案和有益效 果进行了进一步详细的说明，以上仅为本发明的实施例而已，并不用于限定本发明，凡是在 本发明的精神原则之内，所作出的任何修改、等同替换、改进等，均应包含在本发明的保护 范围之内，本发明的保护范围应该以权利要求所界定的保护范围为准。
【主权项】
1. 一种过饱和多交叉口协同控制优化方法，其特征在于，包括： 进行主通道方向、次通道方向划分，其中，主通道方向是整个城市交通出行主要OD期望 线在该区域的通过方向，具体计算通过各交叉口进口道交通流量进行OD反推，次通道则为 交叉口与主通道相交的其它进口道方向； 以过饱和交叉口数量、各交叉口主次通道最大车辆排队长度为条件属性，分别以绿灯 延长方式、绿灯延长相位、绿灯延长时间为决策属性； 进行属性值模糊化； 进行决策表构建与属性约简； 进行评价指标计算。2. 根据权利要求1所述的过饱和多交叉口协同控制优化方法，其特征在于，所述的属性 值模糊化具体包括 将第η个交叉口主、次通道方向上最大排队长度qzn和属性值通过线性分布的隶属 函数进行模糊化处理，在的论域上定义7个模糊语言子集{很短VS，短S，较短RS，一 般M，较长RL，长L，很长VL}，所对应的属性值为{0，1，2,3,4,5,6}。 分别将qzn和q?的多组实际数据的最大值和最小值，按等步长离散为7级，记为： 和'~，则^"和9。"对属于第k级的隶属度计算方法如下式，最大隶属度所对应的级别为 qzn和q?属性值，其中：qzn为第η个交叉口主通道方向的实际最大排队长度;。^第]!个交叉口次通道方向 的实际最大排队长度；为Qzn属于第k级的隶属度；/4.为q?属于第k级的隶属度；'.为主 通道方向第k级的上限值；为次通道方向第k级的上限值。 条件属性中交叉口数量，以实际整数值为N的属性值； 决策属性中绿灯延长方式W是指哪些交叉口主通道方向绿灯时间延长，根据区域交叉 口交通控制实际情况，绿灯延长方式定义为过饱和交叉口主通道方向绿灯时长延长和所有 交叉口主通道方向绿灯时长都延长两种情况，属性值分别对应为W=0，W= 1;绿灯延长相位 E是指交叉口主通道方向哪些相位绿灯时间延长，定义绿灯延长相位取值E = 0，指主通道直 行相位绿灯时间延长，次通道左转相位绿灯时间减少;E= 1，指主通道直行和左转相位绿灯 时间都延长，次通道直行和左转相位绿灯时间减少;绿灯延长时间G属性值为延长时间的实 际值。3. 根据权利要求1所述的过饱和多交叉口协同控制优化方法，其特征在于，决策表构建 与属性约简包括： 决策表构建:将条件属性与决策属性数据采集并进行相应模糊化处理，从而形成含有 2N+1个条件属性、3个决策属性的多交叉口过饱和优化控制决策表，对决策表进行一一约 简； 基于可辨识矩阵与属性频度的属性约简： 1个决策表T = (U，C U D)，IUI = η，决策表T所对应的可辨识矩阵为M = (Ci j)η X η，其中：可辨识矩阵是关于对角线对称的矩阵，且对角线元素均为〇,当论域U中的两个元素xi 和xj所对应的决策属性值相同时，可辨识矩阵中元素取0;反之，可辨识矩阵中元素取值为 二者条件属性中的不同值，同时，通过条件属性a在可辨识矩阵M出现的次数ρ (a)以表征属 性a的重要程度，p(a)=SGF(a，R，D); 规则提取:根据约简集合B中的条件属性元素构成及所对应的决策属性，提取多交叉口 过饱和优化控制决策规则。4. 根据权利要求3所述的过饱和多交叉口协同控制优化方法，其特征在于， 基于可辨识矩阵与属性频度的属性约简的算法具体包括步骤如下： stepl:如果决策表中的条件属性值与决策属性值存在连续变量，则进行离散化处理。 属性约简集合step2:生成可辨识矩阵M; step3:找出可辨识矩阵的核集合Core，属性组合数为1，并更新约简集合B = Core; step4:删除可辨识矩阵中与B交集不为空的元素：并且从条 件属性集合C中删除B中元素，C = C-B; step5:计算条件属性集合C中剩余的所有元素在可辨识矩阵M中出现的次数p(C)，将最 大次数所对应的元素添加入约简属性集合8中，8 = 8+〇9 4(〇9)=11^1化((3)}; step6:如果.M=0_:，则输出约简集合B;否则，返回step3。5. 根据权利要求1所述的过饱和多交叉口协同控制优化方法，其特征在于，所述的评价 指标为： Support (Xi^Dj) = I Xi Π Dj Accuracy (Xi-Dj) = I Xi Π Dj I / I Xi I Coverage (Xi-Dj) = I Xi Π Dj I / I Dj I 其中，I · I表示集合中的元素个数，该元素是指论域中的数据项即决策表中的一行，将 评价指标中精度低于50%的规则剔除。
【专利摘要】本发明公开一种过饱和多交叉口协同控制优化方法，包括进行主通道方向、次通道方向划分，其中，主通道方向是整个城市交通出行主要OD期望线在该区域的通过方向，具体计算通过各交叉口进口道交通流量进行OD反推，次通道则为交叉口与主通道相交的其它进口道方向；以过饱和交叉口数量、各交叉口主次通道最大车辆排队长度为条件属性，分别以绿灯延长方式、绿灯延长相位、绿灯延长时间为决策属性；进行属性值模糊化；进行决策表构建与属性约简；进行评价指标计算。
【IPC分类】G08G1/081
【公开号】CN105489028
【申请号】CN201510956738
【发明人】陈坚, 陈健, 邵毅明, 邓天民
【申请人】重庆交通大学
【公开日】2016年4月13日
【申请日】2015年12月17日
最新回复(0)