[發明專利]一種信息引導下的可變信息情報板協調控制方法及系統

在審

• 申請號: 201710467946.2
• 申請日: 2017-06-20
• 公開（公告）號: CN107437339A
• 公開（公告）日: 2017-12-05
• 發明（設計）人: 朱廣宇;于昕明;張靜萱;趙蕾;班偉杰
• 申請（專利權）人: 北京交通大學
• 主分類號: G08G1/09
• 分類號: G08G1/09;G06F19/00
• 代理公司: 北京正理專利代理有限公司11257
• 代理人: 付生輝,毛唯鳴

1.一種信息引導下的可變信息情報板協調控制方法，其特征在于，該方法包括以下步驟：

S1：采集區域路網中交通信息參數值，所述交通信息參數值包括交通流量密度、行程時間、道路平均車速和道路占有率；

S2：利用隱馬爾可夫模型建立區域路網中交通流狀態的傳遞模型；

S3：對建立的隱馬爾可夫模型采用EM算法求解，得到路網交通狀態信息；

S4：根據路網交通狀態信息生成交通誘導信息；

S5：通過可變信息情報板對所述交通誘導信息進行發布；

S6：發布的交通信息影響路網交通流狀況。

2.根據權利要求1所述協調控制方法，其特征在于，所述步驟S1中交通信息參數值來源包括：快速路檢測系統采集的斷面交通流數據、牌照識別系統采集的路段上游路口車輛牌照信息及下游路口捕捉的檢測數據信息、線圈檢測系統采集的交通流量及道路平均車速與道路占有率和122報警系統采集的路段報警通知信息。

3.根據權利要求1所述協調控制方法，其特征在于，所述步驟S2中利用隱馬爾可夫模型建立區域路網中交通流狀態的傳遞模型，如下式所示：

λ＝(C,M,π,A,B)

式中：λ為隱馬爾科夫模型，π為初始狀態矩陣，A為狀態轉移矩陣，B為狀態轉移概率，C表示區域路網中路段的個數，同時也表示交通信息發布終端的最大數量，M是可劃分的交通流狀態的最大數量，模型參數的計算公式如下所示：

交通流狀態序列中第i個狀態的初始值為

π‾i=1LΣl=1Lα1*(l)(i)β1*(l)(i),1≤i≤C]]>

訓練后的狀態轉移矩陣A中的第i行j列的元素為

訓練后在j個狀態觀測到k的概率為

b‾jk=Σl=1LΣt=1Ot=VkTlαt*(l)(j)βt*(l)(j)Σl=1LΣt=1Tlαt*(l)(j)βt*(l)(j),1≤j≤C,1≤k≤M]]>

O_t＝V_k的含義為t時刻觀察到的觀察值O_t等于V_k，其中，k是觀察值集合{V₁,...V_M}中第k個元素V_k的角標；

t時刻的區域路網上C條路段所有潛在狀態值的發生概率組成概率向量P(s_t)：

P(st)=(P(st(1)),...,P(st(C)))=(P(st(1)=1),...,P(st(1)=m1),...,P(st(c)=1),...,P(st(c)=mC))]]>

初始化向量π^(c)：

π(c)=(π1(c),...,πmc(c))]]>

初始狀態矩陣π：

π=(π(1),...,π(C))=(π1(1),...,πm1(1),π1(c),...,πmC(c))]]>

為編號為c的路段在t＝m_c時刻潛在狀態值等于1的概率值；

影響矩陣H：

H=D⊗{Ac1,c2}1≤c1,c2≤C=(dc1,c2A(c1,c2))1≤c1,c2≤C]]>

P(s_t)潛在狀態分布變化：

P(s₁)＝π

P(s_t+1)＝P(s_t)×H

觀測狀態的值等于1,…,m_c的概率值記為一個m_c×1的行向量：

bt(c)=(P(yt(c)|st(c)=1),...,P(yt(c)|st(c)=mc))]]>

為t時刻觀測狀態的值等于1,…,m_c的概率值組成的一個m_c×1的行向量；

將它們串聯成一個1×(Σ_cm_c)的行向量b_t，作為的概率分布；

其中，為第l個訓練序列經過比例處理后的前向變量，為第l個訓練序列經過比例處理后的后向變量，π_i是初值，是將變量π_i訓練后所得到的值，a_ij為訓練前狀態轉移矩陣A中的第i行j列的元素；為t+1時刻第j個狀態的觀察值為l的觀察概率；表示t+1時刻觀察值為l，表示由模型λ產生觀察值為l的概率；T_l(1≤l≤L)為路網中第l個信息發布終端，l為終端的序號，L為區域路網中信息發布終端的總個數，t表示交通流狀態觀測值采集和發布的時間和交通信息發布的周期數，其中t∈N且1≤t≤T，T為截止到t時刻時發布交通流狀態的總次數，為t時刻時序號為l的終端所在路段的交通流狀態潛在值，為序號為l的終端發布的t時刻交通流狀態的觀測值，為t時刻路網中所有路段的交通流狀態的潛在值，{1,…,m_C}為C個路段上可劃分的潛在交通流狀態的總數量，為t時刻路段c的潛在狀態值取值為i(1≤i≤m_C)的發生概率，為路段c(1≤c≤C)t時刻潛在交通流狀態發生概率的向量，即：記矩陣D_C×C為路網的矩陣，矩陣每一列之和為1，記馬爾可夫矩陣為內部過程狀態傳遞矩陣，其每一行之和為1，H為一個分塊矩陣，行c₁和列c₂的子矩陣為其中每個元素P(s_t)的概率分布是由一系列相關聯的數據組成的向量，D的每一列及的每一行之和都為1。