[0001] 本发明涉及信号控制时段划分技术领域，具体为一种考虑极端场景常发时段的信号控制时段划分方法。

[0002] 机动车保有量的迅速增长使得城市交通拥堵尤其是交叉口处的交通拥堵问题愈发严重，随着近年来通信技术和信号控制技术的发展，分时段信号控制有望成为提高交叉口效率、缓解交通拥堵问题的有效交通控制方法，而时段划分结果的质量对于分时段信号控制的效果尤为重要。

[0003] 目前的信号控制时段划分方法多以交叉口进口道级流量作为特征，使用fisher最优分割法或其它机器学习方法进行时段划分，部分方法考虑了进口道处的集结波速度、排队长度等指标。这些方法应用于相位相序、绿时方案设置合理的非饱和路口，可获得质量较高的时段划分结果，但对于易发生出口道溢出、排队不均衡、进口道空放等极端场景的路口，由于划分特征无法识别这些问题，导致时段划分结果无法反映极端场景典型问题的常发时段，因此本方案提出一种考虑极端场景常发时段的信号控制时段划分方法。

[0018]  下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0019] 实施例1参照图1，一种考虑极端场景常发时段的信号控制时段划分方法，包括以下步骤：
S1.采集交叉口历史交通流数据；
其中，历史交通流数据覆盖工作日、非工作日以及节假日三种日期状态；
S2.采用fisher最优分割法，基于历史交通流数据对三种日期状态进行基础时段划分，为每种日期状态划定多个基础信号控制时段；
S3.使用交叉口总流量对基础信号控制时段进行修正，解决fisher最优分割法的划分结果中早晚高峰划分时段过长的问题；
S4.基于历史交通流数据，识别三种日期状态下出口道溢出、排队不均衡以及绿灯空放极端场景典型问题的常发时段；
S5.融合极端场景典型问题常发时段和修正信号控制时段，作为考虑极端场景常发时段识别的信号控制时段。

[0020] 识别了流量特征相似的基础时段内更深层次的典型问题常发时段，对基于流量的基础时段划分结果进行修正，有效提高了各时段内的交通流特征相似性。

[0021]  S2中fisher最优分割法具体为：其中，使用5分钟粒度的相位级流量作为时段划分特征；
设有 个样本按顺序排列 ，对于第 组样本 ，组内样本
差异使用方差表示为：
；
；
式中， 为第 组样本的组内方差， 为第 个样本的特征向量， 为第 组
样本的均值；
用 表示将 个有序样本分为 组的一种方法；
定义损失函数为：
，
使损失函数最小的分类方法即为最优分割，记为 。

[0022] 对于最优分割 ，最右侧的类别 的直径为 ，此时最优分割的损失函数为：，
其中 表示前面 个样本划分为 组的最优分割，采用该
公式依次向前递推，确定各个类别的最优分割；
然后 个样本划分为一组，此时 的损失函数为：
；
在得到不同样本数 划分为不同组数 的损失函数后，从分组数 开始递增，若增加一个分组数损失函数下降幅度过低，则分组数不再增加，并输出当前分组数对应的分组结果，作为最终的时段划分结果。

[0023] 采用fisher最优分割法，根据历史交通流数据对三种日期状态进行基础时段划分，为每种日期状态划定多个基础信号控制时段。

[0024]  S3中使用交叉口总流量对基础信号控制时段进行修正具体包括以下步骤：a.使用交通流数据集计计算各时间单元的交叉口总流量 ；
b.对于某一基础信号控制时段 ，提取其时段起始时间单元的交叉口总流量 ，时段中最大流量 及其对应时间单元 ；
c.从时间单元 开始向后遍历基础信号控制时段 内每个时间单元 的流量
，若 递减至起始时间单元流量 ，则将时间单元 作为基础信号控制时段的早断时间单元；
d.若直至基础信号控制时段末尾仍未查询到早断时间单元 ，则该时段不早断；
e.查询各个基础信号控制时段的早断时间单元，并基于早断时间单元修正各基础信号控制时段；
f.若修正后的基础信号控制时段小于15分钟，则将其合并至相邻时段。

[0025] 各时间单元的交叉口总流量为5分钟粒度的相位级流量。

[0026] 基于流量的基础时段划分结果进行修正，有效提高了各时段内的交通流特征相似性。

[0027] 在识别三种日期状态下出口道溢出、排队不均衡以及绿灯空放极端场景典型问题的常发时段时：若出口道的时间占有率高于60%且平均车速低于8km/h，识别为出口道溢出；
记各进口道排队长度最大值和最小值分别为 和 ，若 且
，识别为排队不均衡；
若进口道的绿灯利用率低于10%，识别为进口道绿灯利用率低；
统计各个极端场景典型问题 在各个时间单元 的发生次数 ；
若 ，认为典型问题 在时间单元 内常发，记 ，否则
；
遍历时间单元 ，若 且 ，则将
时间单元序列 记为典型问题 的一个常发时段 ，统计各个典型问题
的各个常发时段；
若多个典型问题的常发时段重叠，则根据问题重要程度仅保留最重要问题的重叠常发时段，删除其它问题的重叠常发时段，此时问题重要程度为：出口道溢出>排队不均衡>绿灯空放；
统计各个典型问题常发时段的时间单元序列及其对应的问题类型。

[0028]  S5中，融合典型问题常发时段和修正信号控制时段具体包括以下步骤：记修正信号控制时段中各时段起始时间单元为 ；
记典型问题常发时段中各时段起始及终止时间单元为
；
若第 个修正信号控制时段起始时间单元 位于 个典型问题常发时段内，即，则删除 ；
顺序排列所有的修正信号控制时段起始时间单元 和典型问题常发时段中各时段起始及终止时间单元 ，并向前合并短于15分钟的时段；
若第 个修正信号控制时段起始时间单元 两侧均为典型问题常发时段，即存在使得 且 ，若第 个和第 个典型问题常发时段的表现
问题相同，则认为 为无效划分点，删除 ；
根据剩余的修正信号控制时段起始时间单元 和典型问题常发时段中各时段起始及终止时间单元 ，输出时段划分结果。

[0029] 实施例2参照图1‑图5，一种考虑极端场景常发时段的信号控制时段划分方法，包括以下步骤：
S1.采集交叉口历史交通流数据，覆盖工作日、非工作日以及节假日三种日期状态的多天数据；
本例中以广州市白云区的G106国道‑方华路为例，通过雷视感知设备采集时间粒度为5分钟的历史交通流数据。

[0030]  G106国道‑方华路交叉口渠化，以及各车道信号灯相位号如图2所示。

[0031]  S2.采用fisher最优分割法，基于历史交通流数据对三种日期状态进行基础时段划分，为每种日期状态划定多个基础信号控制时段；本例中使用fisher最优分割法根据S1中采集的历史交通流数据为工作日划定了6个应用时段;
分别为:07:20—11:10、11:10—12:20、12:20—17:35、17:35—20:35、20:35—22:
15以及22:15—07:20，如图3所示，其中不同折线表示交叉口不同相位的车道总流量，虚线表示时段分界点。

[0032] 其中，07:20—11:10和17:35—20:35分别为早高峰和晚高峰，但这两个时段的结束时刻过晚。

[0033]  S3.使用交叉口总流量对基础信号控制时段进行修正，解决fisher最优分割法的划分结果中早晚高峰划分时段过长的问题；对于07:20—11:10时段，其最大流量出现在08:55时间单元，从08:55时间单元向后遍历，10:20为递减至07:20流量的时间单元，将其作为早断时间单元；
对于10:20—12:20时段，其最大流量出现在10:20时间单元，从10:20时间单元向后遍历，未发现早断时间单元；
对于12:20—17:35时段，其最大流量出现在17:35时间单元，从17:35时间单元向后遍历，未发现早断时间单元；
对于17:35—20:35时段，其最大流量出现在18:50时间单元，从18:50时间单元向后遍历，19:20为递减至17:35流量的时间单元，将其作为早断时间单元；
对于19:20—22:15时段，其最大流量出现在19:20时间单元，从19:20时间单元向后遍历，未发现早断时间单元；
对于22:15—07:20时段，其最大流量出现在07:20时间单元，从07:20时间单元向后遍历，未发现早断时间单元；
修正后的工作日6个应用时段，分别为： 07:20—10:20、10:20—12:20、12:20—
17:35、17:35—19:20、19:20—22:15以及22:15—07:20，如图4所示，其中不同折线表示交叉口不同相位的车道总流量，虚线表示时段分界点。

[0034] 其中，07:20—10:20和17:35—18:50分别为早高峰和晚高峰，相比S2所得的早晚高峰，时段长度分别减少了50分钟和75分钟。

[0035]  S4.基于历史交通流数据，识别三种日期状态下出口道溢出、排队不均衡、绿灯空放等典型问题的常发时段；各时间单元未识别出排队不均衡和进口道空放问题，出口道溢出在各时间单元的发生次数如下表所示：
时间单元 08:00 08:05 08:20 08:25 08:55 09:00 09:05 09:10 17:40
发生次数 1 3 11 16 12 15 12 13 5
时间单元 17:50 18:10 18:15 18:20 18:25 18:30 18:35 18:40 18:45
发生次数 16 12 11 16 12 15 12 13 9
根据上表统计，时间单元08:00、08:05、17:40、18:45的发生频率过低，为出口道溢出非常发时间单元，其余为出口道溢出常发时间单元；
08:20‑08:25、17:50时段过短，08:55‑09:10和18:10‑18:40为出口道溢出常发时段；
S5.融合极端场景典型问题常发时段和修正信号控制时段，作为考虑极端场景常发时段识别的信号控制时段；
修正信号控制时段中各时段起始时间单元为{07:20, 10:20, 12:20, 17:35, 
19:20, 22:15}，典型问题常发时段中各时段起始及终止时间单元为{08:55, 09:10, 18:
10, 18:40}；
07:20, 10:20, 12:20, 17:35, 19:20, 22:15均不在典型问题常发时段中，不进行删除；
顺序排列修正信号控制时段中各时段起始时间单元和典型问题常发时段中各时段起始及终止时间单元，得到：{07:20, 08:55, 09:10, 10:20, 12:20, 17:35, 18:10, 
18:40, 19:20, 22:15}，不存在过短时段，不进行合并；
融合结果共包括10个时段，分别为07:20‑08:55, 08:55‑09:10(出口道溢出), 
09:10‑10:20, 10:20‑12:20, 12:20‑17:35, 17:35‑18:10, 18:10‑18:40(出口道溢出), 
18:40‑19:20, 19:20‑22:15, 22:15‑07:20，如图5所示，其中不同折线表示交叉口不同相位的车道总流量，虚线表示时段分界点。

[0036] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

[0037] 以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。