專利名稱：基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法
技術領域：
本發(fā)明涉及的是一種交通運輸技術領域的控制方法，尤其涉及一種基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法。
背景技術：
從城市交通信號控制方法和應用技術的角度，當前城市交通信號控制的背景技術主要有大系統(tǒng)觀點地簡化方法；人工智能觀點的智能化方法；自組織觀點的復雜性方法?；诖笙到y(tǒng)觀點的簡化方法由于其考慮的因素較多，求解時計算量太大，維數(shù)高，難以實現(xiàn)實時控制，而且存在著舍棄了城市汽車流交通控制復雜性本質(zhì)的問題，實際應用效果極不理想?；谌斯ぶ悄苣Ｐ偷慕煌ㄏ到y(tǒng)控制方法中，模糊變量的分檔，神經(jīng)網(wǎng)路的拓撲結(jié)構(gòu)、類型和訓練的數(shù)據(jù)，專家知識表達的質(zhì)量等等，都直接影響到系統(tǒng)的運行效率、實時性和穩(wěn)定性。
經(jīng)對現(xiàn)有技術文獻的檢索發(fā)現(xiàn)，楊煜普等在“基于再勵學習和遺傳算法的交通控制信號自組織控制”(自動化學報，2002，28(4)564-568)將遺傳再勵學習算法應用于城市交通信號控制中，但該算法的計算十分復雜，難以實現(xiàn)路口汽車流的實時響應控制。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術中存在的不足，提出一種基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法，使其解決城市交通控制存在的不確定性和車流量平衡問題，以提高城市交通控制系統(tǒng)的性能和實時性。
本發(fā)明是通過以下技術方案實現(xiàn)，本發(fā)明一方面將城市交通信號控制系統(tǒng)作為交通網(wǎng)絡處理，每個路口作為具有自主采集和處理信息功能的智能體，而且每一路口同時有兩套元胞自動機進行演化來實現(xiàn)每個路口交通信號控制的動態(tài)決策；另一方面利用交通流與流體流存在天然的相似性，在元胞自動機的基礎上引進流體動力學來建立交通流的平衡模型，同時制定了基于四相位順序切換的城市交通信號自組織控制規(guī)則，并相應地制定了交通路口相位判別規(guī)則，實現(xiàn)交通系統(tǒng)信號模式的實時決策。
本發(fā)明包括以下步驟
1)各交通路口的實時信息采集處理
將現(xiàn)有的交通網(wǎng)絡中的每個路口均通過簡單改造，使其具有可以自主采集和處理簡單信息的能力；
所述的簡單改造，是指①在每個路口進車路段安裝車輛檢測傳感器，檢測進入路口等待車輛數(shù)以及當前車輛運行狀態(tài)，使路口具有檢測自身當前狀態(tài)的能力；②本地路口與其相鄰路口之間通過有線或無線的方式相互連接，實行雙向?qū)崟r通信，為自組織控制決策提供實時的確定信息，實現(xiàn)路口信息共享；③使每個路口具有信息處理能力。
2)基于納維—斯托克斯方程基本形式的交通流運動進行重構(gòu)
納維—斯托克斯方程，是用來描述粘性流體運動的。納維—斯托克斯方程的基本形式如下
用矢量的形式表示，則為
式(2)中稱為拉普拉斯算子，式(1)和式(2)就是常粘性系數(shù)的不可壓縮流體的納維—斯托克斯方程。其中四項依次為作用于單位質(zhì)量流體的慣性力
質(zhì)量力(fb)、
壓強梯度力
和粘性力
由于在交通流中的所謂單個“分子”是車輛，而車輛是由發(fā)動機發(fā)出的能量來克服重力來行駛的。也就是說相對于車輛本身的運動來說，質(zhì)量力的作用是可以被完全被忽略的。所以將(2)式引入到交通流中，可得到用于交通流的納維—斯托克斯方程的簡化形式
其一維的形式
注意這里都假設相互正交的兩路口的流體動力粘性系數(shù)相同，其實并不一定。
3)對交通流納維—斯托克斯方程進行有限差分來獲得元胞自動機本地規(guī)則
雖然涉及的城市交通控制問題是兩維的，但根據(jù)上述的分析，其實用到納維—斯托克斯簡化方程則是一維的，對(4)式進行有限差分得到元胞自動機本地規(guī)則
(其中
由上式知每次通過演化后，會得到在各個路口處車流的速度的情況，如何得到這時的車流密度，較為實際的算法Greenshields提出的速度—密度線形模型(1935)
式中μf—自由流速度；
kf—堵塞密度。
得到演化后的車流密度，這個量用于各路口紅綠燈判別的相關法則中。
4)通過劃分相位來簡化交通模型并制定相應的演化規(guī)則
在考慮車輛在實際路口的行駛狀態(tài)后，總結(jié)包含有四個相位的紅綠燈(包括轉(zhuǎn)向燈)切換的轉(zhuǎn)向規(guī)則相位1Y方向的左轉(zhuǎn)向燈亮，X方向的紅燈亮；相位2Y方向的綠燈亮，X方向的紅燈亮；相位3X方向的左轉(zhuǎn)向燈亮，Y方向的紅燈亮；相位4X方向的綠燈亮，Y方向的紅燈亮。
隨著相位的演化，每次的相位切換后實際路口車輛流行駛模型對應于兩套同時進行演化的元胞自動機模型。
所述的相位切換是指
①Y方向的左轉(zhuǎn)向燈亮，X方向的紅燈亮。
這時，X方向本身沒有車輛流動，這里所滿足的元胞自動機規(guī)則是針對Y方向的
使用元胞自動機的相關演化方法來得到若干步數(shù)后的Y方向的車流速度uy1，uy2。這里須引入描述車流左轉(zhuǎn)的左轉(zhuǎn)系數(shù)β11，β12，用來約束轉(zhuǎn)向燈控制的路口的車流流動。這時X方向的車流密度kx1，kx2為
Lx1＝Kxo1+kxin1
，其中kxo1，kxo2為演化前X方向的車流量(由測控系統(tǒng)得到)，
kx2＝kxo2+kxin2這時由于進入X方向的車流不對本路口造成壓力，而是對其相鄰路口產(chǎn)生壓力；由其相鄰路口進入該路口的車流密度為kxin1，kxin2。
而這時Y方向的車流密度ky1，ky2為
ky1＝kyo1-β11ky1+kyin1
，其中，kyo1，kyo2為演化前Y方向的車流密度(由測
ky2＝kyo2-β12ky2+kyin2控系統(tǒng)得到)。ky1，ky2為由演化后得到的Y方向的車流速度uy1，uy2而推算出的Y方向的車流密度；同理這時由其相鄰路口進入該路口的車流密度為kyin1，kyxin2。
②Y方向的綠燈亮，X方向的紅燈亮。
這時，X方向本身沒有車輛流動，由Y方向經(jīng)直行和右轉(zhuǎn)向后有一部分車沿著Y方向繼續(xù)行駛，一部份車則進入X方向車道。同樣的引入描述車流右轉(zhuǎn)的右轉(zhuǎn)系數(shù)βr1，βr2和車流直行的直行系數(shù)βs1，βs2。車流Y方向的元胞自動機規(guī)則
使用元胞自動機的相關演化方法來得到若干步數(shù)后的Y方向的車流速度uy1，uy2。這時X方向的車流密度kx1，kx2為
kx1＝kxo1+kxin1
，原因同上。
kx2＝kxo2+kxin2
而這時Y方向的車流密度ky1，ky2為
ky1＝kyo1-(βs1+βr1)ky1+kyin1]
，ky1，ky2為由演化后得到的Y方向的車流速度
ky2＝kyo2-(βs2+βr2)ky2+kyin2uy1，uy2而推算出的Y方向的車流密度。由其相鄰路口進入該路口的車流密度為kyin1，kyin2。
③X方向的左轉(zhuǎn)向燈亮，Y方向的紅燈亮。
這時，Y方向本身沒有車輛流動，這里所滿足的元胞自動機規(guī)則是針對X方向的
使用元胞自動機的相關演化方法來得到若干步數(shù)后的X方向的車流速度ux1，ux2。這里須引入描述車流左轉(zhuǎn)的左轉(zhuǎn)系數(shù)β11，β12，用來約束轉(zhuǎn)向燈控制的路口的車流流動。這時Y方向的車流密度ky1，ky2為
ky1＝kyo1+kyin1
，其中kyo1，kyo2為演化前Y方向的車流密度(由測控系統(tǒng)得
ky2＝kyo2+kyin2到)，這時由于進入Y方向的車流不對本路口造成壓力，而是對其相鄰路口產(chǎn)生壓力；由其相鄰路口進入該路口的車流密度為kyin1，kyin2。
而這時X方向的流量kx1，kx2為
kx1＝kxo1-βl1kx1+kxin1
，其中，kxo1，kxo2為演化前X方向的車流量(由測控
kx2＝kxo2-βl2kx2+kxin2系統(tǒng)得到)。kx1，kx2為由演化后得到的X方向的車流速度ux1，ux2而推算出的X方向的車流密度。由其相鄰路口進入該路口的車流密度為kxin1，kxin2。
④X方向的綠燈亮，Y方向的紅燈亮。
這時，Y方向本身沒有車輛流動，由X方向經(jīng)直行和右轉(zhuǎn)向后有一部分車沿著X方向繼續(xù)行駛，一部分車則進入Y方向車道。同樣的引入描述車流右轉(zhuǎn)的右轉(zhuǎn)系數(shù)βr1，βr2和車流直行的直行系數(shù)βs1，βs2。車流Y方向的元胞自動機規(guī)則
使用元胞自動機的相關演化方法來得到若干步數(shù)后的X方向的車流速度ux1，ux2。這時Y方向的車流密度ky1，ky2為
ky1＝kyo1+kyin1
，原因同上。
ky2＝kyo2+kyin2
而這時X方向的車流密度kx1，kx2為
kx1＝kxo1-(βs1+βr1)kx1+kxin1
，kx1，kx2為由演化后得到的X方向的車流速度
kx2＝kxo2-(βs2+βr2)kx2+kxin2ux1，ux2而推算出的X方向的車流密度。由其相鄰路口進入該路口的車流密度為kxin1，kxin2。
注意由相鄰路口流入本地路口的車流密度與相鄰路口的相位有關，與元胞自動機的演化法則情況有關，所以具體形式?jīng)]有必要細究，只是在每次計算時須記得加上這一項。
本發(fā)明涉及具體參數(shù)的原理如下
1、車流動力粘性系數(shù)
在流體動力學方程中，流體的運動粘性系數(shù)
是一個非常重要的參數(shù)。
一般取決于流體的性質(zhì)、溫度和壓強，它隨壓強(幾個大氣壓時)的變化不大，但與溫度有較大的關系。因此在流體力學中，運動粘性系數(shù)的概念反映了流體環(huán)境對流體運動的影響，在一定的條件下，它是一個確定值。
將流體動力學的N-S方程應用于車流分析時，需引入車流動力粘性系數(shù)
這個概念和參數(shù)，車流的動力粘性系數(shù)
與一般流體的定義一致，只是影響其變化的因素有所不同。車流的動力粘性系數(shù)
隨車流的混車率(車流中各種車輛的比例，如小車、輕型車、重型車等)、路道形態(tài)(車道數(shù)、車道寬度)、車流密度(自由流和阻塞流等)以及車流與其下游路口的距離(交通路口的瓶頸作效應)等而變化。
1)整個交通流中各種車輛的一個比例系數(shù)(整個車流以哪一種車輛為主，又附以哪幾種車輛)，這類似于先建立一個表格，然后再科學地定義出以那種車輛為主體的交通流所對應的交通流動力粘性因子
2)路道狀況(車道數(shù))，對于具有一定數(shù)量路口的區(qū)域，其各條道路的道路狀況也不盡相同，以此為根據(jù)，同樣可以建立一個表格，然后再科學地定義出以那種車輛為主體的交通流所對應的交通流動力粘性因子
3)整個交通流中車輛的車流密度，同樣也決定了交通流動力粘性系數(shù)可以想象，在交通擁擠的時候，交通流的動力粘性系數(shù)較大，而在交通舒緩的時候，交通流的動力粘性系數(shù)較小，同樣可以建立一個表格，然后再科學地定義出以那種車輛為主體的交通流所對應的交通流動力粘性因子
且與三者對應的影響因素分別為
滿足關系式
其中，αi的值應根據(jù)上述三個因素的影響程度來分別定義。對于既定交通流的運動，
為一常粘性系數(shù)。
2、壓強梯度力
壓強梯度力，它表征了路口交通流的在壓力場作用下的行駛方向。由于路口交通流的壓力值和車輛的擁擠程度有直接關系，對于常規(guī)十字路口的設定，定義了在距離各路口150米(即CCD相機所擺放的位置)內(nèi)車輛數(shù)與所在路口的車道數(shù)作為表達車輛的擁擠程度的參數(shù)，各路口各不相同。
在壓強梯度力公式中，有兩個參數(shù)ρ，p，其中
ρ表示有CCD相機在各路口150米內(nèi)側(cè)得的車輛數(shù)n0(veh)，p表示為一維元胞自動機中的沿單方向流入路口的車流壓力值，它的單位為veh·km/h2，所以
的單位為km/h2，是加速度的量綱。根據(jù)對p的單位得
p＝q0·u0＝k0·u02 (8)
其中k0，u0，n0分別為元胞自動機演化前的由CCD相機得到的路口車流密度、車流速度和車輛數(shù)。它們的這個組合也同時提供了元胞自動機用于演化的初始條件。
3、納維—斯托克斯方程的有限差分
不失一般性，我們定義城市交通為一個X-Y的平面。以X方向為例，來說明規(guī)則的推導過程。如前所述，X方向的納維—斯托克斯方程可如下所示
在此用有限差分法來對其進行分解，以轉(zhuǎn)換成規(guī)則的形式。在問題的解空間上做如下的網(wǎng)格劃分在x軸上以為步長將
上J等分，y軸上以將
K等分。時間軸上以Δt為步長劃分，網(wǎng)格點(jΔx，kΔy，nΔt)記為(xj，yk，tn)，用表示u，f(x，y，t)在(xj，yk，tn)處的值，根據(jù)泰勒展開取線性近似
忽略等式右邊的無窮小量，，將式(10)、(11)代入式(4)得
整理可得式(5)
(其中
4、車流的轉(zhuǎn)向比例系數(shù)(包括左轉(zhuǎn)、右轉(zhuǎn)和直行系數(shù))
根據(jù)路口車流轉(zhuǎn)向的大致特性設定車流的轉(zhuǎn)向比例系數(shù)，分別為左轉(zhuǎn)系數(shù)βl、右轉(zhuǎn)系數(shù)βr和直行系數(shù)βs，它們滿足關系βli+βri+βsi＝1。這三個系數(shù)雖表征的是一個統(tǒng)計量，但將其來描述即時路口車流流動的趨勢還是有一定科學性的。
本發(fā)明使系統(tǒng)中的任意當前路口根據(jù)其本身以及相鄰路口的路況信息，在控制規(guī)則驅(qū)動下實現(xiàn)路口信號狀態(tài)的動態(tài)遷移，完成交通信號的自組織控制，優(yōu)化了城市交通運營環(huán)境。
具體實施例方式
實施例
1、城市目標路網(wǎng)的選擇
選擇上海中心城區(qū)的某個局部區(qū)域作為研究對象，將其抽象為對應的自組織虛擬網(wǎng)絡。
2、設定仿真的必要情景
1)對于整個區(qū)域的每個路口，其長度、車道數(shù)等物理性質(zhì)是一定的，而且用于表征路口各分叉性質(zhì)的參數(shù)都分別作為全局變量設定在每個子模塊中。
2)作為一個開放區(qū)域的仿真，車流從邊界區(qū)域進入該系統(tǒng)，同時設定橫向流量和縱向流量，它們分別為
橫向流量＝2000輛/小時，縱向流量＝1400輛/小時
3)作為非邊界區(qū)域，其輸入、輸出完全按照前文的相關算法進行，使得車流在流入該系統(tǒng)后，能夠充分地擴散。
4)將車流量分為小流量(飽和度＝0.2)、中流量(飽和度＝0.5)、大流量(飽和度＝1.0)，同時對比使用基于元胞自動機自組織的城市智能控制和一般的定時信號燈控制(感應控制)對路口車流壓力的影響情況。
5)作為評價所選擇的局部區(qū)域交通控制性能指標，引入車輛平均延誤時間的概念，同時分別在小流量、中流量、大流量的情況下對比分析自組織控制和感應控制對整個系統(tǒng)車輛平均延誤時間的影響。
針對上述的情景，選擇該區(qū)域中非邊界的某個路口作為分析對象，進行仿真，仿真代數(shù)S(Srep)為100代，即對應的時間為500s。
3、仿真結(jié)果及其分析
為驗證該規(guī)則的有效性，在作者已編制的基于WIN2K的Visual C++的交通信號控制仿真平臺上，以15分鐘內(nèi)車輛的平均延誤時間及路口擁擠強度變化作為系統(tǒng)性能的評價指標進行仿真試驗。車輛進入該系統(tǒng)的數(shù)量(車流到達率)
在相同的隨機初始狀態(tài)條件下，對交通信號感應控制和自組織控制(基于流體運動狀態(tài)的自組織規(guī)則)策略進行仿真。設主干道的邊界路口車流到達率為Q1(輛/時)，其余道路為Q2(輛/時)，根據(jù)車流到達率的不同，進行3次仿真實驗。仿真結(jié)果如下
由于交通信號控制的CA模型考慮了相鄰路口的交通信息，并且利用流體運動的流量平衡特性建立狀態(tài)演化的自組織規(guī)則，有效的均衡了交通網(wǎng)絡中的車流量，緩解了網(wǎng)絡中的擁擠，減少了車輛的平均延誤時間。從仿真結(jié)果看出，對于小流量、中流量和大流量3種不同的情況，基于流體運動規(guī)則的自組織信號控制較傳統(tǒng)的感應控制在路口擁擠控制以及性能(車輛平均延誤)上有較大程度的提高。當車輛到達率較小時，相鄰路口的流量對本地路口幾乎不形成影響，兩種策略的性能相差不大，但使用自組織控制時能較好地緩解擁擠情況；隨著流量的增加，相鄰路口流量之間相互協(xié)調(diào)，自組織控制策略在性能上顯示出較強的優(yōu)越性，雖然大的車流量無法迅速通過單個路口，但就路網(wǎng)中道路的整體利用率而言是提高的。隨時間變化，且服從泊松分布；各路口的車流粘性系數(shù)
和轉(zhuǎn)車率γ由實測數(shù)據(jù)統(tǒng)計得到，系統(tǒng)仿真的其他參數(shù)如下所示
權(quán)利要求
1.一種基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法，其特征在于，將城市交通信號控制系統(tǒng)作為交通網(wǎng)絡處理，每個路口作為具有自主采集和處理信息功能的智能體，而且每一路口同時有兩套元胞自動機進行演化來實現(xiàn)每個路口交通信號控制的動態(tài)決策；另一方面，利用交通流與流體流存在天然的相似性，在元胞自動機的基礎上引進流體動力學來建立交通流的平衡模型，同時制定了基于四相位順序切換的城市交通信號自組織控制規(guī)則，并相應地制定了交通路口相位判別規(guī)則，實現(xiàn)交通系統(tǒng)信號模式的實時決策。
2.根據(jù)權(quán)利要求1所述的基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法，其特征是，包括以下步驟
1)各交通路口的實時信息采集處理
將現(xiàn)有的交通網(wǎng)絡中的每個路口均通過簡單改造，使其具有可以自主采集和處理簡單信息的能力；
2)基于納維—斯托克斯方程基本形式的交通流運動進行重構(gòu)
納維—斯托克斯方程的基本形式如下
用矢量的形式表示，則為
式(2)中其中四項依次為作用于單位質(zhì)量流體的慣性力
質(zhì)量力(fb)、壓強梯度力
和粘性力
相對于車輛本身的運動來說，質(zhì)量力的作用是可以被完全被忽略的，將(2)式引入到交通流中，得到用于交通流的納維—斯托克斯方程的簡化形式
其一維的形式
3)對交通流納維—斯托克斯方程進行有限差分來獲得元胞自動機本地規(guī)則
對(4)式進行有限差分得到元胞自動機本地規(guī)則
其中
由上式知每次通過演化后，會得到在各個路口處車流的速度的情況，應用Greenshields提出的速度—密度線形模型
式中uf-自由流速度，kf-堵塞密度，
得到演化后的車流密度，這個量用于各路口紅綠燈判別的相關法則中；
4)通過劃分相位來簡化交通模型并制定相應的演化規(guī)則
在考慮車輛在實際路口的行駛狀態(tài)后，總結(jié)包含有四個相位的紅綠燈切換的轉(zhuǎn)向規(guī)則，隨著相位的演化，每次的相位切換后實際路口車輛流行駛模型對應于兩套同時進行演化的元胞自動機模型。
3.根據(jù)權(quán)利要求2所述的基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法，其特征是，所述的簡單改造，是指①在每個路口進車路段安裝車輛檢測傳感器，檢測進入路口等待車輛數(shù)以及當前車輛運行狀態(tài)，使路口具有檢測自身當前狀態(tài)的能力②本地路口與其相鄰路口之間通過有線或無線的方式相互連接，實行雙向?qū)崟r通信，為自組織控制決策提供實時的確定信息，實現(xiàn)路口信息共享；③使每個路口具有信息處理能力。
4.根據(jù)權(quán)利要求2所述的基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法，其特征是，所述的包含有四個相位的紅綠燈切換的轉(zhuǎn)向規(guī)則，是指①相位1Y方向的左轉(zhuǎn)向燈亮，X方向的紅燈亮；②相位2Y方向的綠燈亮，X方向的紅燈亮；③相位3X方向的左轉(zhuǎn)向燈亮，Y方向的紅燈亮；④相位4X方向的綠燈亮，Y方向的紅燈亮。
5.根據(jù)權(quán)利要求2所述的基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法，其特征是，所述的相位切換，是指當Y方向的左轉(zhuǎn)向燈亮，X方向的紅燈亮時，X方向本身沒有車輛流動，這里所滿足的元胞自動機規(guī)則是針對Y方向的
使用元胞自動機的相關演化方法來得到若干步數(shù)后的Y方向的車流速度uy1，uy2引入描述車流左轉(zhuǎn)的左轉(zhuǎn)系數(shù)βl1，βl2，用來約束轉(zhuǎn)向燈控制的路口的車流流動，這時X方向的車流密度kx1，kx2為
kx1＝kxo1+kxin1
kx2＝kxo2+kxin2，
而這時Y方向的車流密度ky1，ky2為
ky1＝kyo1-βl1ky1+kyin1
ky2＝kyo2-βl2ky2+kyin2，其中，kyo1，kyo2為演化前Y方向的車流密度，ky1，ky2為由演化后得到的Y方向的車流速度uy1，uy2而推算出的Y方向的車流密度，同理這時由其相鄰路口進入該路口的車流密度為kyin1，kyxin2。
6.根據(jù)權(quán)利要求2或者5所述的基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法，其特征是，所述的相位切換，是指當Y方向的綠燈亮，X方向的紅燈亮時，X方向本身沒有車輛流動，由Y方向經(jīng)直行和右轉(zhuǎn)向后有一部分車沿著Y方向繼續(xù)行駛，一部份車則進入X方向車道，引入描述車流右轉(zhuǎn)的右轉(zhuǎn)系數(shù)βr1，βr2和車流直行的直行系數(shù)βs1，βs2，車流Y方向的元胞自動機規(guī)則
使用元胞自動機的相關演化方法來得到若干步數(shù)后的Y方向的車流速度uy1，uy2，這時X方向的車流密度kx1，kx2為
kx1＝kxo1+kxin1
kx2＝kxo2+kxin2，
而這時Y方向的車流密度ky1，ky2為
ky1＝kyo1-(βs1+βr1)ky1+kyin1
ky2＝kyo2-(βs2+βr2)ky2+kyin2，ky1，ky2為由演化后得到的Y方向的車流速度uy1，uy2而推算出的Y方向的車流密度，由其相鄰路口進入該路口的車流密度為kyin1，kyin2。
7.根據(jù)權(quán)利要求2或者6所述的基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法，其特征是，所述的相位切換，是指當x方向的左轉(zhuǎn)向燈亮，Y方向的紅燈亮時，Y方向本身沒有車輛流動，這里所滿足的元胞自動機規(guī)則是針對X方向的
使用元胞自動機的相關演化方法來得到若干步數(shù)后的X方向的車流速度ux1，ux2，引入描述車流左轉(zhuǎn)的左轉(zhuǎn)系數(shù)βl1，βl2，用來約束轉(zhuǎn)向燈控制的路口的車流流動，這時Y方向的車流密度ky1，ky2為
ky1＝kyo1+kyin1
ky2＝kyo2+kyin2，
而這時X方向的流量kx1，kx2為
kx1＝kxo1-βl1kx1+kxin1
kx2＝kxo2-βl2kx2+kxin2，其中，kxo1，kxo2為演化前X方向的車流量，kx1，kx2為由演化后得到的X方向的車流速度ux1，ux2而推算出的X方向的車流密度，由其相鄰路口進入該路口的車流密度為kxin1，kxin2。
8.根據(jù)權(quán)利要求2或者7所述的基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法，其特征是，所述的相位切換，是指當X方向的綠燈亮，Y方向的紅燈亮時，Y方向本身沒有車輛流動，由X方向經(jīng)直行和右轉(zhuǎn)向后有一部分車沿著X方向繼續(xù)行駛，一部分車則進入Y方向車道，引入描述車流右轉(zhuǎn)的右轉(zhuǎn)系數(shù)βr1，βr2和車流直行的直行系數(shù)βs1，βs2，車流Y方向的元胞自動機規(guī)則
使用元胞自動機的相關演化方法來得到若干步數(shù)后的X方向的車流速度ux1，ux2，這時Y方向的車流密度ky1，ky2為
ky1＝kyo1-kyin1
ky2＝kyo2+kyin2，
而這時X方向的車流密度kx1，kx2為
kx1＝kxo1-(βs1+βr1)kx1+kxin1
kx2＝kxo2-(βs2+βr2)kx2+kxin2，kx1，kx2為由演化后得到的X方向的車流速度ux1，ux2而推算出的X方向的車流密度，由其相鄰路口進入該路口的車流密度為kxin1，kxin2。
全文摘要
一種基于流體動力學的城市交通信號自組織規(guī)則的構(gòu)建方法，屬于交通工程技術領域。本發(fā)明將城市交通信號控制系統(tǒng)作為交通網(wǎng)絡處理，每個路口作為具有自主采集和處理信息功能的智能體，而且每一路口同時有兩套元胞自動機進行演化來實現(xiàn)每個路口交通信號控制的動態(tài)決策；另一方面，利用交通流與流體流存在天然的相似性，在元胞自動機的基礎上引進流體動力學來建立交通流的平衡模型，同時制定了基于四相位順序切換的城市交通信號自組織控制規(guī)則，并相應地制定了交通路口相位判別規(guī)則，實現(xiàn)交通系統(tǒng)信號模式的實時決策。本發(fā)明解決城市交通控制存在的不確定性和車流量平衡問題，以提高城市交通控制系統(tǒng)的性能和實時性。
文檔編號G08G1/00GK1731467SQ20051002756
公開日2006年2月8日 申請日期2005年7月7日 優(yōu)先權(quán)日2005年7月7日
發(fā)明者王安麟, 魏俊華, 余宗寶, 杜念慈 申請人:上海交通大學