一种基于贝叶斯优化的信号交叉口车道分配方法及装置

本发明涉及智能交通，尤其涉及一种基于贝叶斯优化的信号交叉口车道分配方法及装置。

背景技术：

1、社会经济的高速发展刺激了居民出行需求的不断增长，引发了日渐凸显的交通拥堵问题。提升道路供给能力能够缓解交通供需之间失衡的矛盾，进而改善交通拥堵现状。信号交叉口是交通路网中的关键节点，合理的车道功能分配有利于提升交叉口通行能力，减少车辆通过交叉口的等待时间。针对交通需求的随机特性，现有的交叉口车道分配方法构建了两阶段随机规划模型，并提出求解算法来获取合理可行的基准车道分配方案。但是由于两阶段随机规划问题的复杂性，现有的求解算法容易陷入局部最优解，计算精度有待进一步提升。

2、现有技术的缺点：第一，在随机交通需求场景中，信号交叉口的车道分配问题可建模为两阶段随机规划问题，这类问题的传统求解算法容易陷入局部最优解；而贝叶斯优化方法属于一种全局优化方法，目前未被应用于求解这类问题。第二，两阶段随机规划问题具有计算复杂度较高的问题，常规的贝叶斯优化方法未能有效利用车道分配问题中蕴含的交通物理信息，需要耗费高昂的计算资源才能收敛至全局最优解。

技术实现思路

1、本发明实施例的主要目的在于提出一种精确且高效的，基于贝叶斯优化的信号交叉口车道分配方法及装置，能够提高信号交叉口的车辆通行效率。

2、为实现上述目的，本发明实施例的一方面提出了一种基于贝叶斯优化的信号交叉口车道分配方法，包括以下步骤：

3、获取待分配交通需求；

4、根据所述待分配交通需求，构建针对信号交叉口车道分配问题的两阶段随机规划模型；

5、采用改进贝叶斯优化方法对所述两阶段随机规划模型进行求解，得到基准车道分配方案结果；

6、其中，第一阶段随机规划模型的优化目标为最小化k个场景的延误期望值，所述第一阶段随机规划模型为第二阶段提供基准控制方案；第二阶段随机规划模型的优化目标为最小化各个场景的车辆平均延误，并为第一阶段提供延误评价结果，其中第k个场景的车流随机性通过调整基准信号配时方案来应对；

7、其中，所述改进贝叶斯优化方法包含概率代理模型和采集函数两个核心部分，根据车道分配问题的特点分别采用高斯过程模型和期望改进准则来具体实现；将待观测控制方案对应的近似延误值作为先验交通物理信息，改进所述高斯过程模型中的核函数设计，加速算法收敛至全局最优解。

8、可选地，所述两阶段随机规划模型的表达式为：

9、

10、其中，

11、d表示所有交通需求场景的延误期望值；e表示取期望的操作；κ表示交通需求的场景编号；drκ(·)表示场景κ的平均延误；pκ表示场景κ出现的可能性，统一设定为1/k；n*为基准车道分配方案；gb为基准信号配时方案；gκ为场景κ的执行信号配时方案；θκ为场景κ的交通需求方案；φ表示周期编号；i表示交叉口的进口编号；k表示交叉口的车道编号；表示场景κ周期φ中进口i车道k的车流量；cκ,φ表示场景κ周期φ的周期时长；表示场景κ周期φ中进口i车道k的车辆延误；

12、其中，所述车辆延误采用阴影面积法来计算，计算公式为：

13、

14、其中，表示场景κ周期φ中进口i车道k的饱和流率；表示场景κ周期φ中进口i车道k的剩余排队车辆数。

15、可选地，所述两阶段随机规划模型满足三个车道分配约束和两个信号配时约束；

16、其中，第一个车道分配约束为：进口i内各种转向功能的车道数总和等于进口车道总数；

17、第二个车道分配约束为：进口i内各种转向功能的车道数不应该超过对应的出口车道总数；

18、第三个车道分配约束为：约束车道流量比等于车道流量总和除以饱和流率，约束设置合用车道时相应的转向流量比应相等；

19、第一个信号配时约束为：约束两相位方案中相同进口的左转、直行和右转的绿灯时间应该相等；约束某一进口的左转绿灯时间与对向进口的左转绿灯时间应该相等；约束绿灯时间与相位间隔时间之和等于信号周期时长；

20、第二个信号配时约束为：绿灯时间、周期时长的最大值、最小值约束。

21、可选地，所述第一个车道分配约束的表达式为：

22、ni,l+ni,ls+ni,s+ni,sr+ni,r+ni,lsr＝ki,max

23、ni,ls≤1,ni,sr≤1,ni,lsr≤1

24、(ni,ls+ni,s+ni,sr)·ni,lsr＝0

25、

26、其中，ni,l,ni,ls,ni,s,ni,sr,ni,r,ni,lsr分别表示进口i的专用左转车道数、直左合用车道数、专用直行车道数、直右合用车道数、专用右转车道数与直左右合用车道数；qi,1,qi,2,qi,3分别表示进口i的左转、直行和右转的车流量，m是一个充分大的正数；

27、所述第二个车道分配约束的表达式为：

28、

29、其中，ei,1,ei,2,ei,3分别表示进口i的左转、直行和右转车流对应的出口车道总数；

30、所述第三个车道分配约束的表达式为：

31、

32、

33、其中，j表示车流转向，j＝3/2/1分别表示左转/直行/右转；表示场景κ周期φ中进口i车道k的转向j的车流量；表示场景κ周期φ中进口i车道k的车道流量比；表示场景κ周期φ中进口i转向j的转向流量比；

34、所述第一个信号配时约束的表达式为：

35、

36、其中，aκ,φ表示场景κ周期φ中的相位间隔时间；

37、所述第二个信号配时约束的表达式为：

38、

39、其中，表示场景κ周期φ中进口i转向j的转向绿灯时间，且分别对应转向绿灯时间最小值/最大值；分别对应周期时长的最小值/最大值。

40、可选地，所述采用改进贝叶斯优化方法对所述两阶段随机规划模型进行求解，包括以下步骤：

41、构建信号交叉口车道分配问题的两阶段随机规划模型；设置目标迭代次数tmax、初始点数量t0、每次迭代的输入点数量n等参数；通过拉丁超立方抽样方法抽取满足约束的t0组控制方案作为初始观测点，并根据计算得到的延误期望值作为观测值；令当前迭代次数t＝t0；

42、当满足算法迭代次数未达到目标迭代次数时，执行下一步骤，直至完成目标迭代次数的迭代；

43、判断t>t0是否成立，若成立则计算得到新观测点的延误期望值作为其观测值，并执行下一步骤；若不成立，则直接进入下一步骤；

44、计算所有观测点的交通物理信息，更新当前的高斯过程模型；

45、通过插值法随机抽取n个满足约束条件的输入点，计算各个输入点的交通物理信息；计算各个输入点对应的目标函数的预测均值和方差；计算各个输入点的期望改进值，并确定下一次迭代的观测点。

46、可选地，所述采用改进贝叶斯优化方法对所述两阶段随机规划模型进行求解，还包括以下步骤至少之一：

47、根据车道分配问题的特性，采用高斯过程模型作为概率代理模型，其中，高斯过程的先验概率分布由多元正态分布表示，对于一个新的输入点，高斯过程通过对多元正态分布的估计来预测目标函数的均值和方差；

48、基于延误期望值的目标函数表面光滑程度未知，采用matern核函数来计算两个观测点之间的协方差；

49、根据车道分配问题的特性，采用期望改进准则作为采样策略。

50、可选地，所述matern核函数的表达式为：

51、

52、其中，k(τm,τn)表示观测点τm和观测点τn之间的协方差；r表示观测点τm和观测点τn之间的欧式距离；l是一个超参数；

53、所述采样策略的表达式为：

54、

55、其中，ei(x)表示输入点x的期望改进值；f(x)表示根据概率代理模型计算得到的输入点x的目标函数；f*表示当前已知的全局最优目标函数值；p(f(x)|τ1:t)表示在已知观测点τ1:t的条件下目标函数的后验概率分布。

56、在一些实施例中，所述计算所有观测点的交通物理信息，更新当前的高斯过程模型，包括以下步骤：

57、所述观测点的交通物理信息是指根据基准控制方案计算得到的webster近似延误值，其表达式为：

58、

59、

60、其中，表示给定基准车道分配方案nn和基准信号配时方案作为输入计算得到的webster延误值；表示进口i车道k的基准车道流量；cb表示基准周期时长；表示进口i车道k的基准车道延误；yi,k表示进口i车道k的基准车道流量比，即流量与饱和流率之间的比值；xi,k表示进口i车道k的基准车道饱和度，即流量比与绿信比之间的比值；

61、所述高斯过程模型的更新过程中包含matern核函数的计算，并通过引入观测点的交通物理信息对matern核函数进行改进，其表达式为：

62、

63、其中，r'表示两个观测点之间的相关度；r表示两个观测点之间的欧式距离；drb(τn)表示当观测点为τn时，其对应的基准控制方案通过webster延误公式计算得到的近似延误值；l和h均为超参数。

64、本发明实施例的另一方面还提供了一种基于贝叶斯优化的信号交叉口车道分配装置，包括：

65、第一模块，用于获取待分配交通需求；

66、第二模块，用于根据所述待分配交通需求，构建针对信号交叉口车道分配问题的两阶段随机规划模型；

67、第三模块，用于采用改进贝叶斯优化方法对所述两阶段随机规划模型进行求解，得到基准车道分配方案结果；

68、其中，第一阶段随机规划模型的优化目标为最小化k个场景的延误期望值，所述第一阶段随机规划模型为第二阶段提供基准控制方案；第二阶段随机规划模型的优化目标为最小化各个场景的车辆平均延误，并为第一阶段提供延误评价结果，其中第k个场景的车流随机性通过调整基准信号配时方案来应对；

69、其中，所述改进贝叶斯优化方法包含概率代理模型和采集函数两个核心部分，根据车道分配问题的特点分别采用高斯过程模型和期望改进准则来具体实现；将待观测控制方案对应的近似延误值作为先验交通物理信息，改进所述高斯过程模型中的核函数设计，加速算法收敛至全局最优解。

70、本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；

71、所述存储器用于存储程序；

72、所述处理器执行所述程序实现如前面所述的方法。

73、本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。

74、本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。

75、本发明实施例至少包括以下有益效果：本发明提供一种基于贝叶斯优化的信号交叉口车道分配方法及装置,本发明首先获取待分配交通需求；接着根据所述待分配交通需求，构建针对信号交叉口车道分配问题的两阶段随机规划模型；最后采用改进贝叶斯优化方法对所述两阶段随机规划模型进行求解，得到基准车道分配方案结果；其中，第一阶段随机规划模型的优化目标为最小化k个场景的延误期望值，所述第一阶段随机规划模型为第二阶段提供基准控制方案；第二阶段随机规划模型的优化目标为最小化各个场景的车辆平均延误，并为第一阶段提供延误评价结果，其中第k个场景的车流随机性通过调整基准信号配时方案来应对；所述改进贝叶斯优化方法包含概率代理模型和采集函数两个核心部分，根据车道分配问题的特点分别采用高斯过程模型和期望改进准则来具体实现；将待观测控制方案对应的近似延误值作为先验交通物理信息，改进所述高斯过程模型中的核函数设计，加速算法收敛至全局最优解。本发明精确度高且效率高，有助于提高信号交叉口的车辆通行效率。