Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 大连理工大学钟绍鹏获国家专利权

大连理工大学钟绍鹏获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉大连理工大学申请的专利基于模型预测控制与信赖域贝叶斯优化交通信号优化方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121459595B

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202610009826.7,技术领域涉及:G08G1/01;该发明授权基于模型预测控制与信赖域贝叶斯优化交通信号优化方法是由钟绍鹏;吴建军;洪思雨;陈实;徐乐设计研发完成,并于2026-01-06向国家知识产权局提交的专利申请。

基于模型预测控制与信赖域贝叶斯优化交通信号优化方法在说明书摘要公布了:本发明属于交通信号控制领域,涉及基于模型预测控制与信赖域贝叶斯优化交通信号优化方法。本发明首先基于交叉口视频数据,使用目标检测和目标跟踪算法,实现不同转向的车流量自动化采集;然后基于雷达数据、视频数据、地图数据三类异构数据,设计基于交通流理论的路段流量和交叉口转向比估计方法;最后基于交通状态重构结果建立微观交通仿真模型,并设计基于集中式模型预测控制与信赖域贝叶斯优化的交通信号优化组合框架,根据交通流的动态变化,求解实时的最优区域交通信号配时方案。本发明能够有效地降低网络中的车均延误,在解决大规模信号优化问题时具有高效性与可扩展性。

本发明授权基于模型预测控制与信赖域贝叶斯优化交通信号优化方法在权利要求书中公布了:1.一种基于模型预测控制与信赖域贝叶斯优化交通信号优化方法,其特征在于,包括交通数据采集、交通状态重构、交通信号优化三个步骤;其中,交通数据采集部分使用目标检测算法进行车辆检测,并使用目标跟踪算法进行车辆跟踪,提取视频中交叉口不同转向的车流量;交通状态重构部分使用研究区域的部分雷达数据、视频数据、地图数据,构建宏观交通流模型,对缺失的路段流量和交叉口转向比进行估计,还原整个研究区域的交通流运行状态;交通信号优化部分基于重构的交通流运行状态使用微观交通仿真软件建立研究区域交通仿真模型,使用宏观交通流模型对交通流运行状态进行预测,并结合集中式模型预测控制构建信号优化模型,利用信赖域贝叶斯优化算法对模型进行求解,获得最优信号控制方案;具体步骤如下: 步骤1、交通数据采集,具体如下: 步骤1.1、数据准备: 获取研究区域中有监控的交叉口进口道视频数据;对交叉口的图像进行数据增强与归一化处理; 步骤1.2、基于目标检测算法的车辆检测: 执行目标检测算法,检测并标记出每帧图像中的所有车辆; 步骤1.3、基于目标跟踪算法的车辆跟踪: 首先,基于步骤1.2的车辆检测结果,执行目标跟踪算法,进行运动特征提取与跟踪,输出跟踪得到的车辆运动轨迹,获得交叉口不同转向的车流量; 步骤2、交通状态重构,具体如下: 步骤2.1、数据准备: 首先,基于步骤1得到研究区域中有监控的交叉口不同转向的车流量数据;其次,获取研究区域中有雷达路段的雷达数据,对其进行处理得到路段流量数据;最后,使用地图获取研究区域中所有路段建成环境数据、平均速度数据以及所有交叉口排队长度数据;环境数据包括车道数和交通热点数; 步骤2.2、路段流量估计: 步骤2.2.1、路段分类;基于建成环境数据,使用聚类算法对研究区域中的所有路段进行分类; 步骤2.2.2、流量-速度模型构建;针对每个路段类别,分别建立Greenshields、Greenberg、Underwood流量-速度模型,具体计算公式如1-3所示: 1 2 3 其中,表示路段r的流量;表示路段r的阻塞密度;表示路段r的平均速度;表示路段r的临界密度;表示路段r的自由流速度,根据道路等级确定取值; 步骤2.2.3、数据集划分;将路段平均速度数据和流量数据分为两部分,一部分作为训练集,用于模型参数的标定;另一部分作为验证集,用于模型精度的验证; 步骤2.2.4、模型参数标定;将训练集中的流量和平均速度代入三种流量-速度模型,并分别对模型中的参数、进行标定; 步骤2.2.5、模型选择;针对每个路段类别,将验证集中的平均速度代入标定好的流量-速度模型,计算相应的流量,将计算结果与验证集中的真实流量进行对比,分别计算三种模型的误差,选择误差最小的模型用于该路段类别的流量估计; 步骤2.2.5、估计研究区域中其余路段流量;对于研究区域中其余路段,根据分类结果,选择所属类别的模型,将其平均速度数据代入流量-速度模型,对流量进行估计; 步骤2.3、交叉口转向比估计: 步骤2.3.1、确定模型参数取值; 首先,基于步骤1获得的交叉口不同转向车流量,确定直左合用车道的左转比例、直右合用车道的右转比例,待估算的进口道的、取值选择渠化类型相似的有视频进口道的、取值;然后,通过交通调查确定其余参数,包括绿灯损失时间、各车道车头时距和相位绿灯时长; 步骤2.3.2、估计车道的通行能力;根据不同车道类型,对车道通行能力进行估算,具体计算公式如下: 步骤2.3.2.1、直行车道绿灯期间通过车辆计算公式: 设置直行专用信号时: 4 其中,表示设置直行专用信号时直行车道绿灯期间通过车辆;表示该进口道直行相位的绿灯时长;表示绿灯损失时间,主要是由车辆启动造成的损失;表示直行车头时距; 未设置直行专用信号时: 5 其中,表示未设置直行专用信号时直行车道绿灯期间通过车辆;表示直行流量折减系数,由于受到左转车流的干扰,直行流量会小于设置直行专用信号时的流量; 步骤2.3.2.2、左转车道绿灯期间通过车辆计算公式: 设置左转专用信号时: 6 其中,表示设置左转专用信号时左转车道绿灯期间通过车辆;表示该进口道左转相位的绿灯时长;表示左转车头时距; 未设置左转专用信号时: 7 其中,表示未设置左转专用信号时左转车道绿灯期间通过车辆;表示左转流量折减系数,由于受到直行车流的干扰,左转流量会小于设置左转专用信号时的流量; 步骤2.3.2.3、右转车道绿灯期间通过车辆计算公式: 8 其中,表示右转车道绿灯期间通过车辆;表示该进口道右转相位的绿灯时长;表示右转车头时距;其余参数同前; 步骤2.3.2.4、直左合用车道绿灯期间通过车辆计算公式: 当左转比例时,计算公式为: 9 当左转比例时,计算公式为: 10 当左转比例时,计算公式为: 11 由此可得,直左合用车道通过的左转车辆计算公式: 12 直左合用车道通过的直行车辆计算公式: 13 其中,表示直左合用车道绿灯期间通过的直行车辆;表示该进口道直行与左转相位的绿灯时长;表示直左合用车道的车头时距;表示直左合用车道中的左转车流量比例;表示折减系数; 步骤2.3.2.5、直右合用车道绿灯期间通过车辆计算公式: 当右转比例时,计算公式为: 14 当右转比例时,计算公式为: 15 当右转比例时,计算公式为: 16 由此可得,直右合用车道通过的直行车辆计算公式: 17 其中,表示直右合用车道绿灯期间通过的直行车辆;表示该进口道直行与右转相位的绿灯时长;表示直右合用车道的车头时距;表示直右合用车道中的转车流量比例;表示折减系数; 步骤2.3.3、估计排队车辆数;根据地图上排队长度数据,计算进口道各转向排队车辆数,计算公式如下: 18 其中,表示进口道各转向的排队车辆;表示排队长度;表示车间距;表示标准小汽车长度; 步骤2.3.4、估计单个信号周期的流量;基于各转向的通行能力,结合排队车辆数,计算各转向单个周期流量,计算公式如下: 当,流量计算公式如下: 19 其中,,分别代表左转、直行、右转;表示单个信号周期的流量;为折减系数; 当,流量计算公式如下: 20 步骤2.3.5、计算研究时段总流量;根据单周期流量,计算研究时段内各个转向总流量,计算公式如下: 21 其中,表示研究时段总流量;表示研究时段的总时间;表示该进口道所在交叉口的信号周期时长; 步骤2.3.6、计算各进口道转向比;计算交叉口各个进口道转向比,即左转、直行、右转流量的比值; 步骤3、交通信号优化,具体如下: 步骤3.1、构建交通仿真模型: 基于研究区域的信号配时方案与步骤2得到的交通状态数据,使用微观交通仿真软件构建研究区域的交通仿真模型,模拟真实交通流运行过程; 步骤3.2、构建交通流预测模型: 根据宏观交通流模型对区域交通流运行状态进行模拟,以预测执行当前信号配时方案后的路段流量状态; 步骤3.3、构建区域交通信号优化模型: 假设路段集合为I,交叉口集合为J,交叉口j的相位集合为、周期时长为,模型预测控制器的当前控制时间步为k,时间步长为,控制时域为N,路段i在控制时间步k的流量为,交叉口j的相位p的绿灯时间为、最小绿灯时间为、最大绿灯时间为、绿灯间隔时间为、周期时长为,控制输入即决策变量为控制时域内各时间步的所有相位绿灯时长,在每个控制步骤中,定义并求解以下问题: 22 23 其中,公式23中表示目标函数,旨在最小化控制时域内所有时间步的路段剩余流量之和;公式23为约束条件,为已知的网络初始状态约束,每个控制时间步从步骤3.1中构建的交通仿真模型获取;交叉口的相位的绿灯时间为、绿灯间隔时间为;、分别为决策变量的上下界约束,即最小绿灯时长、最大绿灯时长;为周期时长约束,即每个交叉口各相位绿灯时长与绿灯间隔时间之和等于该交叉口周期时长; 步骤3.4、求解区域信号优化模型: 使用信赖域贝叶斯优化算法求解步骤3.3中构建的区域信号优化模型,得到当前控制时间步k各相位的最优绿灯时长; 步骤3.5、判断是否终止优化;为最大控制时间步,如果当前控制时间步,则终止信号优化;否则,更新道路网络初始状态,进行下一时间步,令,返回步骤3.1,并将步骤3.4得到的信号配时方案输入步骤3.1的交通仿真模型。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人大连理工大学,其通讯地址为:116024 辽宁省大连市甘井子区凌工路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。