[發明專利]基于隱語義模型的交通信號優化方法

有效

• 申請號: 201410360312.3
• 申請日: 2014-07-25
• 公開（公告）號: CN104112366B
• 公開（公告）日: 2017-02-22
• 發明（設計）人: 王飛躍;趙一飛;呂宜生;朱鳳華
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G08G1/07
• 分類號: G08G1/07
• 代理公司: 中科專利商標代理有限責任公司11021
• 代理人: 宋焰琴

技術領域

本發明涉及交通信號控制、信息處理和數據挖掘等技術領域，更具體地，涉及一種基于隱語義模型的交通信號優化方法。

背景技術

城市機動車保有量的不斷增長，導致很多城市問題，如交通擁堵、環境污染、交通事故等。單純依賴于增建交通基礎設施，如擴張道路等，既耗財較大，又需面對樓房拆遷和城市已有規劃等現實問題。交通信號控制已在實踐中被證明是一種有效的緩解交通問題的方式，主要通過給各種復雜多變的路況提供實時的配時方案來實現。理論研究上的交通信號控制，試圖分析實際交通環境中的各種可能影響交通狀況的因素，通過理想化或假設性建模，用數學語言描述盡可能貼近實際的交通環境，進一步預測下一時段的路況，以提前配置出合適的紅綠燈配時方案，以盡可能的減輕交通擁堵。基于理論研究，目前的交通信號控制策略可大致分為定時控制、感應控制、智能控制等；但受限于實際交通環境的復雜性和隨機性等，實際應用中以初級的定時控制策略為主。而導致其復雜性、隨機性等的主要因素，就是實際交通環境中有大量的不確定性因素，這些因素難以用數學語言準確建模、甚至有相當一部分不確定因素無法建模，這就導致理論上的理想化假設在實際應用中無法達到令人滿意的程度。

推薦系統目前主要應用在電子商務、電影網站、音樂網站、視頻網站、廣告等領域；個性化推薦系統通過建立用戶與信息產品之間的二元關系，利用已有的選擇過程或相似性關系挖掘每個用戶潛在感興趣的對象，進而進行個性化推薦。而隱語義模型(Latent?Factor?Model)是近幾年在推薦系統領域最為熱門的研究話題，它的核心思想是通過隱含特征(latent?factor)聯系用戶興趣和物品；隱語義模型取得很好的效果并被廣泛應用，其主要原因是它能較好的處理用戶興趣與物品之間相互影響的很多不確定性因素，即隱含特征。隱語義模型試圖通過分析用戶對物品的評分，將用戶和物品都映射到一個隱語義空間；物品和用戶均由一個向量表示，向量元素即為各種不確定性因素。例如，以電影為例，有些因素是顯性的，如喜劇片、動作片、驚悚片等，有些因素是很難定義明確的，如道德深度、詭異程度等等，還有很多因素根本就無法解釋，但這些因素都是影響用戶對電影的喜好程度，對用戶與電影之間的相互影響起著關鍵性的作用。用戶喜好這些元素的程度越高，且電影擁有這些元素的程度越高，則用戶越容易喜歡這些電影。隱語義模型，從機器學習和數據挖掘的角度，很好的處理了用戶與物品之間的難以用數學精確建模的不確定性因素，很好的建立起了用戶與物品的最佳匹配的連接。

隨著檢測技術的日益成熟，交通中的數據量也與日俱增，使得在交通中應用機器學習和數據挖掘技術成為可能；且交通中也存在一些指標可以反映交通狀態對交通信號的“喜好程度”，如交通狀態在對應交通信號配時方案下的延時、流量等。如何將隱語義模型無縫連接的應用到交通信號推薦中，處理好復雜交通環境中難以建模但又對實際交通狀況有影響的不確定性因素，是一個極大的挑戰和極具意義的研究點。

發明內容

針對當前實際交通環境中存在大量難以用數學精確建模、甚至根本無法建模的不確定因素，以及這些因素造成理論研究成果和實際應用之間的差距問題，本發明的目的是提供一種基于隱語義模型的交通信號優化方法，以解決理論成果和實際應用的無縫連接問題。

為了實現上述目的，本發明提出了一種基于隱語義模型的交通信號優化方法，包括以下步驟：

選定相關交通指標，為評分建模；

為基本交通狀態和配時方案建模；

結合實際交通情況，考慮交通狀態和配時方案本身特性，進一步細化精確所述評分預測模型；

利用數據庫的數據和優化方法，從機器學習的角度訓練所述評分預測模型的參數，以得到交通狀態對配時方案的評分預測公式參數；

利用得到的所述評分預測公式參數，結合所述評分預測模型，預測交通狀態對未使用過的配時方案的評分；

對比得到的所述最佳配時方案和該交通狀態歷史使用過的配時方案，得出最終最優配時方案。

其中，所述數據庫的數據采集既可以通過技術采集，也可以通過交管局獲取；以及所述數據庫中的配時方案既可以通過采集得到，又可以由經典算法生成。

其中，作為評分的交通指標，選取延時作為評分。

其中，所述為基本交通狀態和配時方案建模的步驟包括：將交通狀態和配時方案以向量的形式映射到隱語義空間，用數學語言表述為：

q_t∈R^f，p_s∈R^f，