徐盛:基于多源数据融合的逻辑关联控制

赛文交通网 2020-09-01 14:09

8月中旬,由赛文交通网主办的第九届(2020)中国智能交通市场年会在杭州顺利召开,在同期举行的“第四届(2020)中国交通信号控制发展年会”上,重庆攸亮科技股份有限公司技术总监徐盛发表了《基于多源数据融合的逻辑关联控制》主题演讲。

图片1-1.png

 

图片2.png 

http://v.qq.com/x/page/y3142q1qppu.html(现场演讲视频)

本文为徐盛的演讲实录,赛文交通网进行了不改变原意的整理(有删减)。

我今天主要从三个方面来介绍:

第一个方面是数据源。

图片3.png 

现在的数据种类繁多,一类是本地检测数据,包括地磁、线圈,这些检测数据类型较少,主要是存在型的数据。视频检测可以提供较多种类数据,包括时间占有率、空间占有率、车头时距等。雷达也可以再提供排队长度、平均速度等数据,这些数据都可以传到信号机。

后台有各种各样的数据,包括电子警察、卡口、RFID、ETC、GPS等数据,可以应用于信号控制。

互联网大数据也有很多可以运用到交通控制上,比如路况数据、轨迹数据、平均速度、排队长度、行程时间、拥堵指数等。

数据有了后,我们还有其他疑惑,比如不同路口外部条件不一样,选用什么检测合适?一个路口能够同时接入多种类型的检测数据吗?各种检测数据如何进行融合,应用于信号控制优化?后台智能控制和前端信号机实时控制能够同时进行吗?

图片4.png 

接下来我用一个简单的例子来说明根据路口条件选择合适的检测设备:

(如上图)这个是重庆的一个路口,这个路口东西向是比较直的,道路条件也比较好,比较宽,南北向有一个下穿道,到平交路口的时候就有弯道,坡度比较大。在选择的时候,因为东西向车流量大,排队较长,最终我们的选择是东西向采用雷达检测;南北向由于检测纵深短,交通需求较少,主要车流都从下穿道通过了,采用视频检测。

图片5.png 

各种检测数据拿到之后,就需要数据融合。信号机“信号控制系统”是数据融合的两个融合点。信号机可以把各种检测数据,包括雷达、视频等各类数据融合,然后进行分析,在前端进行战术控制。

同时后台可以接入前端数据进行分析以及接入其他外部系统的数据,包括二次分析的数据,互联网大数据等。将前端和后端的数据融合分析进行后台的战略控制,实现前端战术控制与后台战略控制的结合。

第二个方面是区域控制。

图片6.png 

(如上图)这是在重庆两江新区,我们攸亮科技和振业优控一起对整个区域进行的控制优化。这是一个十字交叉型的区域,东西向和南北向都是主干道,车流量很大,南北向的各类检测都不好安装,根据区域的实际情况,选择的是利用互联网大数据。东西向采用了视频检测+雷达检测+互联网大数据对整个区域进行控制。

图片7.png 

技术思路分为了三层,第一层是区域调控,然后是分段协调,最后是路口优化。

高峰区域调控分为了几级:

溢出控制:对区域内易出现溢出的方向安装检测设备,实时检测出口溢出情况,当检测到溢出时,立即截断往溢出方向的绿灯,转为放行其他不冲突的方向,周期不变,保证未溢出方向的协调。

区域控制:以关键路口为核心,向周边发散,进行区域均衡控制,当区域内交通流量或者排队达到设定值,区域内路口运行对应的基础方案,对区域进行整体管控。

自适应控制:关键路口根据各方向车流情况和排队情况,根据管控需求,在出口畅通的情况下,进行自适应控制,提高路口通行效率,避免空放现象。

感应控制:对于区域外围的未饱和的路口,非管控方向进行感应控制,尽可能的提高非管控方向的通行效率,减少车辆延误。

互联网+控制:对于未安装检测设备的路口,利用互联网大数据进行控制。当出口拥堵时,降低往出口方向的绿灯时间。根据管控需求,以排队长度为目标,均衡各方向排队长度。

平峰进行自适应+感应协调控制,根据子区车流量情况,自适应选择子区协调周期;根据子区是否有某个方向拥堵,自适应调整相位差进行单向协调控制;根据路口各方向车流量情况,在公共周期下进行内部绿信比调整,实现感应协调控制。

通过虚拟检测技术+逻辑运算,对交通流进行分析,判断溢出;信号机根据实时检测到的溢出信息,立即截断往该方向的绿灯,转为放行其他不冲突方向,保证周期不变;后续其他相位往该方向放行时,如果溢出仍未消散,可选择不放行该方向;一个路口的溢出状态可实时传给上下游路口,触发上游路口缩短绿灯或者下游路口延长绿灯,进行联动控制。

区域道路复杂,汇流口、分流口繁多,且距离很近;南北向主干道车流量大,存在大量汇流,出口易拥堵;区域大部分道路都属于立交或者匝道,安装检测设备困难;区域检测点位多,整个区域有数十个需要检测的位置,尤其是汇流点和分流点;对区域进行互联网+信号控制,根据区域路况,触发对应条件下的各路口的放行方案。控制目标是尽可能让排队均衡,同时让排队不要封住各分流口。

图片8.png 

这是(如上图)最后优化的一个效果,整个区域的通行速度提高比较明显,整个区域的排队大幅减少。

第三个方面是应用案例。

第一个案例是重庆市北碚区蔡家片区区域控制。

图片9.png 

区域呈网格状,在区域内安装了视频检测、雷视一体检测、地磁检测、卡口检测。

根据区域内的车流量以及交通情况,确定区域控制策略。当车流量较小,区域较畅通时,进行区域自适应协调控制;当部分区域车流量大,有拥堵情况时,对拥堵区域及周边进行区域均衡控制。

对于未安装检测设备的路口,根据卡口数据,确定各方向绿信比。

根据卡口数据,分析路段各时段平均通行速度,优化基础方案时长,同时用于优化效果评估。

优化之后,区域高峰平均通行速度提高8.76%,平峰平均通行速度提高10.3%。

第二个案例是重庆市江北区北滨路区域控制。

图片10.png 

区域内安装了视频检测、雷视一体检测。区域呈带状,在车流量较小时,协调是主要控制目标,对区域进行自适应协调。

在车流量大,区域拥堵时,区域均衡控制是主要目标,将车辆分段排队在各路口,防止车辆回溢,同时适当限制由周边道路进入主干道的车流量,同时对易溢出点位进行溢出控制。

区域潮汐现象明显,在对一个方向进行区域均衡控制时,保证反方向的协调。优化之后,区域高峰平均通行速度提高11.2%。

第三个案例是路口多场景混合控制。

图片11.png 

通过虚拟检测+逻辑运算,对交通流进行分析,判断溢出。根据检测数据对路口进行自适应控制,调整各方向绿灯时间。

根据直行和左转的排队情况,智能调整可变车道的流向。特有的防波动算法,在可变车道变化时,结合直行左转的排队长度和车流量,自动调整左转和直行的绿信比,防止可变车道变化后出现直行和左转的排队波动。

溢出控制优先级最高,北边道路出现溢出时,可变车道自动变为直行,同时进行溢出控制。

第四个案例是基于窗口的逻辑运算控制。

图片12.png 

路口高峰时各个方向车流量大,三条道路排队都较长。将一个车道设置为共享转换车道,同时对车道进行检测。共享转换车道有2个入口,利用窗口技术,根据检测,确定共享转换车道各入口是否允许进入,什么时候允许进入,什么时候停止进入,提高效率的同时保证安全。