WO2010040649A2 - Verkehrsadaptive netzsteuerung und verfahren zur optimierung der steuerungsparameter - Google Patents

Verkehrsadaptive netzsteuerung und verfahren zur optimierung der steuerungsparameter Download PDF

Info

Publication number
WO2010040649A2
WO2010040649A2 PCT/EP2009/062485 EP2009062485W WO2010040649A2 WO 2010040649 A2 WO2010040649 A2 WO 2010040649A2 EP 2009062485 W EP2009062485 W EP 2009062485W WO 2010040649 A2 WO2010040649 A2 WO 2010040649A2
Authority
WO
WIPO (PCT)
Prior art keywords
traffic
signal
computer
lsa
control
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/EP2009/062485
Other languages
English (en)
French (fr)
Other versions
WO2010040649A3 (de
Inventor
Carsten Kemper
Robert Braun
Peter Maier
Florian Weichenmeier
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GEVAS SOFTWARE SYSTEMENTWICKLUNG und VERKEHRSINFORMATIK GmbH
Original Assignee
GEVAS SOFTWARE SYSTEMENTWICKLUNG und VERKEHRSINFORMATIK GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GEVAS SOFTWARE SYSTEMENTWICKLUNG und VERKEHRSINFORMATIK GmbH filed Critical GEVAS SOFTWARE SYSTEMENTWICKLUNG und VERKEHRSINFORMATIK GmbH
Priority to EP09783452.7A priority Critical patent/EP2345020B1/de
Priority to PL09783452T priority patent/PL2345020T3/pl
Publication of WO2010040649A2 publication Critical patent/WO2010040649A2/de
Publication of WO2010040649A3 publication Critical patent/WO2010040649A3/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control

Definitions

  • the invention relates to a traffic control with online optimization of the control parameters of signal plans of traffic signal systems, a method for their implementation and a computer program product.
  • the object of the invention is to provide a traffic control with a traffic computer in which signal plans of controllers of all traffic signal systems of a traffic network can be updated in order to achieve an optimal traffic flow within the traffic network. Furthermore, it is an object of the invention to provide a method for operating the traffic control system according to the invention as well as a computer program product.
  • the object is achieved in a traffic control according to claim 1, by influencing a traffic flow within a limited road or traffic network with intersections, z. B. of a city, with one of the intersection number N corresponding number of traffic signal systems LSA with individual controls, is provided to direct the control process currently determining signal plans to a traffic computer, wherein detectors DE are provided in connection with the traffic signal LSA, can be detected by the traffic data DA and forwarded to the traffic computer, the traffic computer by implementing evolutionary algorithms (possibly AIg.) Or genetic algorithms (gen.
  • AIg. With an associated termination criterion (Abbruch) can operate so that the traffic computer to update all N traffic signal systems LSA on the basis of the traffic flow of the road network ascertained via the acquired traffic data DA signal plans within a suitable time frame to all N traffic signal LSA to optimize the flow of traffic, to achieve the appropriate time frame, within desse n the phase transitions, which are part of a signal plan, allowed to take place, a repair mechanism with relative coding or a sequential coding are used.
  • the object is achieved in a method for operating the traffic control system according to claim 5, in that the following steps for optimizing are provided for operating a traffic control system:
  • the computer program product of claim 10 takes into account that it is loadable directly into a memory area, at least a subsection of the traffic computer or a separate computer, with program code means destined to perform any or all steps of the method described above when the computer program product is executed on the corresponding computer of traffic control.
  • the traffic computer has an area with sub-areas of the Evolutionary Algorithms (possibly AIg.) Or genetic algorithms (gen. AIg.), A Abbruchkriterium (Abbruch) and relative coding the repair mechanism or the embodied sequential encoding and that the area can be formed by a separate computer, which is in communication with the computer.
  • the further development of the method involves, in particular, decoding individuals from the new population into signal plans that are subject to the further loop through, with a significant number of individuals representing signal plans being generated, depending on the computing power of the computer. Good results were achieved, for example, with 100 individuals.
  • T times are defined for each chromosome, and each T time is checked to see if they are within the interval
  • T-times T 1 are calculated sequentially, the first T-time T 1 corresponding to the local offset coming directly from the gene
  • T 1 ( ⁇ TM * + Q ⁇ - (er * - ⁇ TM * )) and furthermore for all times T, it is provided that they each time in the interval
  • T mnv 7 and analogously as T 1 are calculated via the associated gene Q 1 .
  • the invention will be explained in more detail below with reference to exemplary embodiments. Show it:
  • FIG. 2 shows a block diagram with light signal systems, detectors and traffic computer
  • FIG. 3 shows a functional diagram for the optimization of signal plans with the aid of evolutionary algorithms
  • FIG. 4 shows a phase diagram with T-time limits for the local traffic-dependent control
  • FIG. 5 shows a phase diagram for the relative coding of circulation time and release times
  • FIG. 6 shows a phase diagram showing the restriction of the interval limits for T, in connection with a sequential coding according to the invention.
  • Fig. 1 shows a networked control or traffic control of traffic signal systems LSA in a schematic diagram with four intersections of a total road network, z. B. of a city with N traffic lights, according to N intersections (n nodes), whose traffic flow is to be favorably influenced.
  • Traffic data DA are for this purpose obtained from the detectors DE and evaluated centrally by a traffic computer 1. Subsequently, the expected network-wide traffic situation is calculated.
  • the optimized new light signal plans or control parameters PA n which the traffic computer gains from the previously existing control parameters PA V , are sent to the individual traffic light systems LSA in the network and thus influence the current traffic situation.
  • Fig. 2 the connection of the traffic computer 1 to the individual controls S of traffic lights of a traffic or road network, assigned to the traffic VE or the real world, shows.
  • the controllers S are able to implement the optimized signal plan assigned to the individual traffic signal LSA by the traffic computer 1, for which purpose further explanations follow, on the basis of the transmitted newly updated parameters PA n , so that the traffic light system can be operated thereafter. It is intended to influence all traffic signals N of all N intersections of the transport network.
  • the traffic computer 1 has a region 1a which embodies the actual invention, namely subregions of the region 1a which have suitable memory contents in order to implement the - also described below - evolutionary / genetic algorithms "ev. AIG. /gene. AIg. "As well as the termination criteria" abort "- to be able to record, in particular in the relative coding by means of a repair mechanism or alternatively directly formed by suitable application of a sequential encoding. It is also possible that the area 1a of the transport computer 1 is formed by a separate computer, which then directly and directly embodies the claimed invention.
  • the invention is embodied by a computer program product which can be loaded directly into a memory area 1a, at least a subarea of 1a of the traffic computer 1 or a separate computer, with program code means which are intended for individual or all steps of the method described above, when the computer program product is executed on the corresponding computer of the traffic control.
  • model-based control method realized with a conventional traffic computer, externally as shown above traffic computer 1, partly on the existing Lichtsignal horrungshabilit (fixed-time or traffic-dependent control logic, assigned to an individual control of a traffic signal) sit down and the parameters that optimize the signal plans created during the planning of the control with the help of more or less complex mathematical procedures, without being able to speak of a consistent online control.
  • Lichtsignal horrungshabilit fixed-time or traffic-dependent control logic, assigned to an individual control of a traffic signal
  • a signal plan runs completely once within the circulation time.
  • the offset time describes the time offset of the reference point of the local signal plan to the global (network-wide) time scale.
  • the phase sequence indicates which phases are switched in which order.
  • the phase durations or the start times of the phase transitions indicate the duration of a phase.
  • the network-wide optimization of these parameters for all traffic signals represents a complex problem with a very high number of degrees of freedom.
  • the optimization problem belongs to the class of NP-complete problems and can not be solved analytically, because no closed mathematical formulation is possible.
  • an evolutionary algorithm is to be understood as the translation of the (in this case) signal plans (phenotype) into an individual (genotype) processable for the evolutionary algorithm.
  • the back translation of an individual into the signal plans is thus referred to as decoding.
  • the individual consists of individual genes that represent the control parameters.
  • the genes are not encoded as usual binary, but real. Really encoded genes have the advantage that they can be interpreted directly as numerical value and also have the highest number of degrees of freedom with respect to recombination and mutation.
  • real coding ie by the use of real numbers (floating point numbers)
  • the algorithms used can achieve stable solutions faster.
  • the current signal plan is evaluated.
  • the traffic flow 2 is measured (see Fig. 3) via the detectors DA and transferred to the traffic model 3, ie a mathematical model for mapping traffic flows in the computer 1.
  • the current signal plans 7 'of all the traffic signal systems to be optimized are available to the traffic model 3 via the network supply 4 or via the traffic network, as a result of which the effect of the signal plans on the traffic flow 2 is determined.
  • the traffic flow 2 is assessed by a mathematical description of the destination, the objective function 5.
  • the aim of the optimization can be, for example, to minimize the waiting times, the number of stops, the tailback periods and / or the fuel consumption in the entire traffic network.
  • the result of the evaluation is a scalar value hereinafter referred to as fitness 6.
  • This first-time evaluation of the signal plans 7a is used as a reference for the optimization taking place in the following, ie the optimization attempts to minimize according to the objective function, eg the waiting times, the number of stops, the rest periods and / or the fuel consumption in the entire traffic network thereby achieving a lower scalar value compared to the reference value.
  • the objective function eg the waiting times, the number of stops, the rest periods and / or the fuel consumption in the entire traffic network thereby achieving a lower scalar value compared to the reference value.
  • FIG. 3 shows a functional diagram for optimizing the signal plans with the aid of evolutionary algorithms.
  • an initial population 9 is generated, that is to say a certain number of individuals, which in each case represent the signal plans of all traffic signals in coded form.
  • These individuals of the initial population 9 are either randomly generated or read from a file / database if good individuals already representing good signal plans are already known.
  • the individuals are decoded into signal plans 7a and evaluated with the aid of the traffic model 3 with regard to the objective function 5.
  • the fitness values 6 of the signal plans are assigned to their respective representatives (coded individuals) in the population. With the help of the fitness 6 then a selection of parents takes place, the so-called selection 10. By the recombination 1 1 of the selected parents offspring, thus new individuals (individual 1 1) are produced.
  • the genes of these offspring are now randomly mutated with a certain probability (see mutation 13). Together with the best or the best individuals of the parent generation, a new population 14 is thus formed whose individuals are in turn decoded into signal plans 7a with the decoding 15 and evaluated with the aid of the traffic model 3.
  • This optimization 8 of the signal plans runs until a set termination criterion (abort) is met.
  • Cancellation criteria are e.g. maximum number of generations, no change in fitness over generations, achieved fitness value or duration of optimization. If this is satisfied, the decoded signal plans 7 are sent to the traffic signal systems LSA. It has also been recognized and it is taken into account that there is a correlation "alternating demand / environmental influences" between traffic flow 2 and the traffic model 3, which is denoted by 16. This means that the traffic model 3 reacts to external influences.
  • boundary conditions to be met in the optimization of the control parameters represent the greatest difficulty in the coding and decoding.
  • hard boundary conditions ie those which must be met
  • soft boundary conditions ie their fulfillment is desirable. Solutions that do not meet a hard constraint are called invalid.
  • signal plan optimization is to be understood as meaning the split times and minimum release periods. These temporal portions of the signal plan are thus not available for optimization.
  • the existing local (ie at a single node) traffic-dependent controls and public transport prioritization, ie prioritization of public transport must also be taken into account.
  • Previous attempts have already been made in the case of a reading-based time-gap control, and a frame has been specified for the abort of a phase within which the abort can take place.
  • the termination of a phase is synonymous with the start of a phase transition, cf. Fig. 4, which shows a phase diagram with T-time value limits for the local, traffic-dependent control, with, for example, intersections K1 to K4. This Fig.
  • phase diagrams are subject to guidelines of the field, for. B. Guidelines for traffic lights, FGSV Verlag Cologne, Revised 1998 reprint and Operaverspreparing 2003.
  • the solid line of a red line that the dotted area of a green area and the hatched area of a red Hatching should match on a green background.
  • the optimization task consists in determining the latest starts of the phase transitions T, B for all LSAs in the considered network so that the target function value, ie the scalar desired for the optimization target, becomes minimal.
  • T lB is an interval
  • T lB ⁇ T ⁇ m ; T ⁇ ax ⁇ , within which limits T lB must be located.
  • two parameters of the light signal control are optimized: the offset time and the phase sequence.
  • hard-core violations are often penaltied so that the individual is judged poor by the genetic algorithm and is unlikely to continue or be picked out, which, however, can not be guaranteed.
  • the already known method of online optimization of the light signal control in which two parameters are optimized was optimized for each Offset time introduced a penalty function to penalize violations of boundary conditions.
  • control parameters circulation time, offset time, phase sequence and phase durations (or start times of the phase transitions) already described are coded for genetic algorithms in an individual of any length:
  • the individual contains a gene ⁇ for the common orbital period and n so-called chromosomes for n nodes of the network to be optimized.
  • Each chromosome consists of a gene ⁇ for determining the phase sequence, a global offset gene CO, and m genes ⁇ for the maximum number of possible phase transitions.
  • Each gene assumes a real value between 0.0 and 1.0.
  • t u can be adopted directly. Otherwise, the calculated t u is rounded to the nearest possible turnaround time.
  • the phase sequence is selected by converting the gene into an index number which is assigned to one of the possible phase sequences.
  • T-times For the coding of the phase durations or the start times of the phase transitions, in the following called T-times, there are different approaches in the field. Common to all, however, is the non-observance of the hard boundary conditions with regard to the local traffic-dependent control, whereby the solution of the technical problem can be solved satisfactorily while maintaining a maximum computing time.
  • the relative coding initially ignores the boundary conditions of the local traffic-dependent control. Thereafter the phase durations are calculated
  • Z is the minimum distance between two adjacent T times, resulting from the authoritative sum of split time and minimum enable time.
  • the minimum phase lengths are thus already contained in Z in this formula, ie P 1 is only the optimizable portion of the phase.
  • FIG. 5 A related representation is made in Figure 5, in which a phase diagram is added with representation of the relative coding of orbital times and release times.
  • T-time limits are then calculated as:
  • a practical solution in compliance with problem-specific boundary conditions for coding the control parameters for optimizing the light signal control is a repair mechanism for the relative coding.
  • T ⁇ For each T-time, it is checked whether they are within the interval [T ⁇ ; T ⁇ ] is located. If this is not the case, the entire signal plan is shifted by means of the local offset O such that the invalid T-time of the next limit of the interval
  • Another practical solution while adhering to problem-specific boundary conditions for coding the control parameters for optimizing the light signal control is a sequential coding.
  • a sequential coding was developed to convert an individual into a signal plan, which directly takes into account the constraints of the local traffic control, so that neither penalty functions have to be defined nor a so-called repair (a posteriori shifting of the signal plans into valid areas) has to be carried out.
  • the decisive advantage here is that the computation time for the decoding of the individual in signal plans is reduced to a minimum, which is of crucial importance for online operation.
  • the first T-time T 1 which corresponds to the local offset, is calculated directly from the gene Q 1 :
  • T ⁇ m is the condition for the lower interval limit x TM 11 resulting from the minimum T-time constraint condition T TM m .
  • Z 1 denotes the minimum distance between two adjacent T times, ie the
  • X 1 Wm [T 1 , r i
  • T-time limits condition T max yields.
  • m ⁇ % ⁇ x + t u if ⁇ TM ⁇ 0 or ⁇ TM ⁇ TM ⁇ n ⁇
  • T times T 1 are calculated sequentially. They are each in the interval T ⁇ VIaX T 1 + t ⁇ - ⁇ Z 1 and are then analogous to T 1 via the associated gene ⁇ ; calculated.
  • Fig. 6 illustrates the restriction of the interval limits for T 1 .
  • the maximum of T ⁇ and the previously calculated T-time T 1-1 plus the minimum distance Z 1-1 between T 1-1 and T 1 is decisive.
  • the minimum of T all of the following T-time limits are conditions less the minimum distances therebetween, and T 1 + t ⁇ minus all remaining minimum distances.
  • the used coding of a signal plan can be used in various model-based control methods that use evolutionary / genetic algorithms to optimize the control parameters. LIST OF REFERENCE NUMBERS
  • PA V parameter available (eg from plant configuration)

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Genetics & Genomics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft eine Verkehrssteuerung zur Beeinflussung eines Verkehrsflusses innerhalb eines beschränkten Straßen- bzw. Verkehrsnetzes mit Kreuzungen, z. B. von einer Großstadt, mit einer der Kreuzungs-Anzahl N entsprechenden Anzahl von Lichtsignalanlagen LSA mit individuellen Steuerungen, deren den Steuerungsablauf aktuell bestimmende Signalpläne an einen Verkehrsrechner weitergeleitet werden. Detektoren sind im Zusammenhang mit den Lichtsignalanlagen LSA vorgesehen durch die Verkehrsdaten erfasst und an den Verkehrsrechner weitergeleitet werden können. Der Verkehrsrechner kann durch Implementierung von evolutionären Algorithmen bzw. genetischen Algorithmen mit einem zugeordneten Abbruchkriterium (Abbruch) so operieren, dass an alle N Lichtsignalanlagen LSA aufgrund des über die erfassten Verkehrsdaten ermittelten Verkehrsflusses des Straßennetzes aktualisierte Signalpläne innerhalb eines geeigneten Zeitrahmens zur Optimierung des Verkehrsflusses zugeführt werden können, wobei zur Erreichung des geeigneten Zeitrahmens, innerhalb dessen die Phasenübergänge, die Bestandteil eines Signalplanes sind, stattfinden dürfen, ein Reparaturmechanismus bei relativer Kodierung oder eine sequentielle Kodierung zum Einsatz gelangen. Ferner werden ein Verfahren zum Betrieb der Verkehrssteuerung zur Beeinflussung des Verkehrsflusses und ein Computerprogrammprodukt angegeben.

Description

Verkehrsadaptive Netzsteuerung und Verfahren zur Optimierung der Steuerungsparameter
Die Erfindung betrifft eine Verkehrssteuerung mit Online-Optimierung der Steuerungsparameter von Signalplänen von Lichtsignalanlagen, ein Verfahren zu deren Durchführung sowie ein Computerprogramm-Produkt.
Es ist z. B. aus der DE 10 2005 041 067 A1 bekannt, die Lichtsignalanlage an einer Kreuzung von zwei Straßen autonom ablaufen zu lassen, indem jeweils die Verkehrsströme auf der sich kreuzenden Straßen erfasst werden und die Steuerung der Lichtsignalanlage der Kreuzung entsprechend momentaner und langfristiger Beobachtung erfolgt, um den Ver- kehrsfluss zu optimieren. Es kann somit auch mit einer gewissen Wahrscheinlichkeit eine so genannte grüne Welle erreicht werden. Die Verbindung zu anderen Lichtsignalanlagen eines innerstädtischen Straßennetzes, womit in höherem Maße ein optimierter Verkehr- fluss einhergehen könnte, erfolgt jedoch nicht.
In der DE 10 2005 035 213 A1 wird die Kommunikation zwischen benachbarten Verkehrssteuerungsanlagen beschrieben. Hierbei wird jedoch keine Erweiterbarkeit auf ein gesamtes Straßennetz einer Großstadt beschrieben. Ferner ist es erforderlich, dass die Fahrzeuge selbst auch noch mit Kommunikationsgeräten ausgerüstet sind.
Es hat auch nicht an Versuchen gefehlt, die Lichtsignalanlagen eines gesamten Straßennetzes einer Großstadt über einen Verkehrsrechner zu beeinflussen (vgl. z. B. DE 10 2005 044 888 B4). Bei einem größeren Straßennetz ist es jedoch bis jetzt erst gelungen, den Verkehrszustand als Schatz-Ergebnis auszuweisen. Für die einzelnen Lichtsignalsteuerungen wurde zum Teil ein autonomer Betrieb vorgesehen.
Es ist im Fachgebiet auch bekannt, dass verkehrsabhängige Lichtsignalsteuerungen in Ballungsgebieten seit geraumer Zeit im Einsatz sind. Ihre Wirkungen wurden bereits in verschiedenen Untersuchungen analysiert und mit denen von Festzeitsteuerungen verglichen. Die Ergebnisse zeigen, dass durch die Verkehrsabhängigkeit der Verkehrsfluss in Städten verbessert wird, insbesondere bei geringer bis mittlerer Auslastung der Knotenpunkte und bei wechselnder Verkehrsnachfrage. Weiterhin wurde herausgefunden, dass gewöhnliche, verkehrsabhängige Steuerungsverfahren bei hohen Auslastungen zu Festzeitsteuerungen auflaufen und dadurch keinen Vorteil mehr gegenüber der kostengünstig zu realisierenden Festzeitsteuerung bieten.
Aus diesem Grund wurden in der Vergangenheit verschiedene modellbasierte Steuerungsverfahren entwickelt, die in der Lage sind, mit der begrenzten Information der Datenerfassung die Verkehrssituation nahezu richtig zu prognostizieren und die Wirkungen auf den Verkehrsfluss in Abhängigkeit der Lichtsignalsteuerung zu berechnen.
Die Aufgabe der Erfindung besteht darin, eine Verkehrsteuerung mit einem Verkehrsrechner bereitzustellen, bei der Signalpläne von Steuerungen aller Lichtsignalanlagen eines Verkehrsnetzes aktualisiert werden können, um einen optimalen Verkehrsfluss innerhalb des Verkehrsnetzes zu erreichen. Des Weiteren ist es Aufgabe der Erfindung ein Verfahren zum Betrieb der erfindungsgemäßen Verkehrssteuerung sowie ein Computerprogrammprodukt anzugeben.
Die Aufgabe wird bei einer Verkehrssteuerung nach Anspruch 1 gelöst, indem zur Beeinflussung eines Verkehrsflusses innerhalb eines beschränkten Straßen- bzw. Verkehrsnetzes mit Kreuzungen, z. B. von einer Großstadt, mit einer der Kreuzungs- Anzahl N entsprechenden Anzahl von Lichtsignalanlagen LSA mit individuellen Steuerungen, vorgesehen ist, deren den Steuerungsablauf aktuell bestimmende Signalpläne an einen Verkehrsrechner weiter zu leiten, wobei Detektoren DE im Zusammenhang mit den Lichtsignalanlagen LSA vorgesehen sind, durch die Verkehrsdaten DA erfassbar und an den Verkehrsrechner weiterleitbar sind, wobei der Verkehrsrechner durch Implementierung von evolutionären Algorithmen (ev. AIg.) bzw. genetischen Algorithmen (gen. AIg.) mit einem zugeordneten Abbruchkriterium (Abbruch) so operieren kann, dass der Verkehrsrechner an alle N Lichtsignalanlagen LSA aufgrund des über die erfassten Verkehrsdaten DA ermittelten Verkehrsflusses des Straßennetzes aktualisierte Signalpläne innerhalb eines geeigneten Zeitrahmens an alle N Lichtsignalanlagen LSA zur Optimierung des Verkehrsflusses zuzuführen vermag, wobei zur Erreichung des geeigneten Zeitrahmens, innerhalb dessen die Phasenübergänge, die Bestandteil eines Signalplanes sind, stattfinden dürfen, ein Reparaturmechanismus bei relativer Kodierung oder eine sequentielle Kodierung zum Einsatz gelangen.
Ferner wird die Aufgabe bei einem Verfahren zum Betrieb der Verkehrssteuerung nach Anspruch 5 gelöst, indem zum Betrieb einer Verkehrssteuerung folgende Schritte zur Optimierung vorgesehen sind:
Bewerten des Verkehrsflusses mit einem Verkehrsmodell innerhalb des
Rechners, Eingeben der Daten DA von Detektoren DE von Kreuzungen des Verkehrsnetzes,
Anwendung evolutionärer bzw. genetischer Algorithmen, Eingeben der Signalpläne der Lichtsignalanlagen LSA, Bilden einer Wirkungsgröße mittels des Verkehrsmodells, Bewerten der Wirkungsgröße mit einer Zielfunktion zur Gewinnung einer Fitness,
Ausgeben neuer Signalpläne bei Vorliegen eines geeigneten Fitnesswerts an die Lichtsignalanlagen LSA des Verkehrsnetzes, bei Nichtvorliegen eines geeigneten Fitnesswertes Durchlauf zur Optimierung von einer Verarbeitungsschleife mit Selektion, Rekombination, Mutation, Neuer Population, und Dekodierung, zusätzliche Zuführung einer Anfangpopulation,
Bildung eines Individuums mit Genen als Steuerungsparameter im Optimierungsbereich entsprechend evolutionärer bzw. genetischer Algorithmen, Rückübersetzung mit der Dekodierung in einen Signalplan, Durchlaufen der Schleife Optimierung solange, bis durch ein Abbruchkriterium (Abbruch) ein neuer Signalplan an die Lichtsignalanlagen LSA ausgegeben werden kann,
Vorsehen einer eingrenzbaren Anzahl von Schleifendurchläufen zur Einhaltung eines geeigneten Zeitrahmens zur Ausgabe aller Signalpläne an alle Lichtsignalanlagen LSA, und
Bereitstellen eines Reparaturmechanismus bei einer relativen Kodierung oder Bereitstellen einer sequentiellen Kodierung.
Das Computerprogrammprodukt nach Anspruch 10 berücksichtigt, das dieses direkt in einen Speicherbereich, mindestens einen Unterbereich des Verkehrsrechners oder eines separaten Rechners, ladbar ist, mit Programmcode- Mitteln, die dazu bestimmt sind, einzelne oder alle Schritte des vorstehen beschriebenen Verfahrens auszuführen, wenn das Computerprogrammprodukt auf dem entsprechenden Rechner der Verkehrssteuerung ausgeführt wird.
Mit der Erfindung ist es möglich, einen eindeutig verbesserten Verkehrsfluss in einem städtischen Verkehrsnetz zu erreichen. Die Stauungen im Verkehrsnetz sind beachtlich geringer, womit ein geringerer Kraftstoffverbrauch der Fahrzeuge der Verkehrteilnehmer einhergeht und weniger schädliche Abgase die Umwelt belasten. Mit der Erfindung wird es ferner möglich, in einem Optimierungszeitintervall von fünf bis zehn Minuten die Signalpläne aller Lichtsignalanlagen des Verkehrsnetzes auszugeben. Zweckmäßige und weiterhin vorteilhafte Weiterbildungen der Verkehrsteuerung und des Verfahrens zum Betrieb der Verkehrssteuerung sind in den abhängigen Ansprüchen angegeben.
Für die Verkehrssteuerung ist ferner vorgesehen, dass der Verkehrsrechner einen Bereich mit Unterbereichen aufweist, der die Evolutionären Algorithmen (ev. AIg.) bzw. genetischen Algorithmen (gen. AIg.), ein Abbruchkriterium (Abbruch) und bei relativer Kodierung den Reparaturmechanismus oder die sequentielle Kodierung verkörpert sowie dass der Bereich durch einen separaten Rechner gebildet werden kann, der in Datenaustausch mit dem Rechner steht.
Zur Weiterbildung des Verfahrens gehört insbesondere, dass Individuen aus der neuen Population in Signalpläne dekodiert werden, die dem weiteren Schleifendurchlauf unterliegen, wobei in Abhängigkeit von der Rechenleistung des Rechners eine erhebliche Anzahl von Individuen, die Signalpläne repräsentieren, erzeugt werden. Gute Ergebnisse wurden beispielsweise mit 100 Individuen erreicht.
Bei dem Reparaturmechanismus bei relativer Kodierung sind T-Zeiten für jedes Chromosom definiert, und es wird jede T-Zeit überprüft, ob sie sich innerhalb des Intervalls |- jmm . jTmax j befindet und falls dies nicht der Fall ist, wird der gesamte Signalplan mit Hilfe des lokalen Versatzes O so verschoben, so dass die ungültige T-Zeit der nächsten Grenze des Intervalls |T;™n ; T™* ] entspricht, wobei anschließend alle T-Zeiten erneut überprüft werden müssen.
Ferner ist hervorzuheben, dass bei der sequentiellen Kodierung T-Zeiten T1 sequentiell berechnet werden, wobei die erste T-Zeit T1 , die dem lokalen Versatz entspricht, sich dabei direkt aus dem Gen
Q1 berechnet:
T1 = (τ ™* +Qι - (er* -τ ™* )) und ferner für alle Zeiten T, vorgesehen ist, dass sie sich jeweils im Intervall
T mnv 7
Figure imgf000006_0001
befinden und analog wie T1 über das zugehörige Gen Q1 berechnet werden. Die Erfindung wird nachfolgend im Einzelnen und anhand von Ausführungsbeispielen weiter erläutert. Es zeigen:
Fig. 1 : eine vernetzte Steuerung von Lichtsignalanlagen in Prinzipdarstellung, Fig. 2. ein Blockschaltbild mit Lichtsignalanlagen, Detektoren und Verkehrsrechner, Fig. 3: ein Funktionsdiagramm zur Optimierung von Signalplänen mit Hilfe von Evolutionären Algorithmen,
Fig. 4: ein Phasendiagramm mit T-Zeitgrenzen für die lokale verkehrsabhängige Steuerung, Fig. 5: ein Phasendiagramm für die relative Kodierung von Umlaufzeit und Freigabezeiten, und
Fig. 6: ein Phasendiagramm mit Darstellung der Einschränkung der Intervallgrenzen für T, im Zusammenhang mit einer erfindungsgemäßen sequentiellen Kodierung.
Die Fig. 1 zeigt eine vernetzte Steuerung bzw. Verkehrssteuerung von Lichtsignalanlagen LSA in einer Prinzipdarstellung mit vier Kreuzungen eines insgesamten Straßennetzes, z. B. von einer Großstadt mit N Lichtsignalanlagen, entsprechend N Kreuzungen (n Knoten), deren Verkehrsfluss günstig zu beeinflussen ist. Verkehrsdaten DA werden dazu aus den Detektoren DE gewonnen und zentral von einem Verkehrsrechner 1 ausgewertet. Anschließend wird die erwartete netzweite Verkehrslage berechnet. Als Ergebnis werden die optimierten neuen Lichtsignalpläne bzw. Steuerungsparameter PAn, die der Verkehrsrechner aus den zuvor vorliegenden Steuerungsparameters PAV gewinnt an die einzelnen Lichtsignalanlagen LSA im Netz gesendet und so die aktuelle Verkehrssituation beein- flusst. Soweit in Fig. 1 der bidirektionale Datenfluss bezüglich der Steuerungsparameter DA nicht differenziert erkennbar ist, so geht dies eindeutig aus Fig. 2 hervor, die die Anbindung des Verkehrsrechners 1 an die einzelnen Steuerungen S von Lichtsignalanlagen eines Verkehrs- bzw. Straßennetzes, zugeordnet dem Verkehrsgeschehen VE bzw. der realen Welt, zeigt. Die Steuerungen S sind in der Lage, den der einzelnen Lichtsignalanlage LSA vom Verkehrsrechner 1 zugewiesenen, optimierten Signalplan, wozu nachstehend noch weitere Erläuterungen folgen, aufgrund der übertragenen neu aktualisierten Parameter PAn umzusetzen, so dass die Lichtsignalanlage danach betrieben werden kann. Es ist eine Beeinflussung aller Lichtsignalanlagen N aller N Kreuzungen des Verkehrsnetzes vorgesehen. Im Übrigen wird noch ergänzt, dass der Verkehrsrechner 1 einen Bereich 1a aufweist, der die eigentliche Erfindung verkörpert, nämlich Unterbereiche des Bereichs 1a, die geeignete Speicherinhalte aufweisen, um die - auch nachfolgend beschriebenen - evolutionären/genetischen Algorithmen „ev. AIg. /gen. AIg." als auch die Abbruchkriterien „Abbruch"-, im Besonderen bei der relativen Kodierung mittels eines Reparaturmechanismus oder alternativ unmittelbar gebildet durch geeignete Anwendung einer sequentiellen Kodierung, aufnehmen zu können. Es ist auch möglich, dass der Bereich 1a des Verkehrs- rechners 1 durch einen separaten Rechner gebildet wird, der dann unmittelbar und direkt die beanspruchte Erfindung verkörpert. Ebenso wird die Erfindung durch ein Computer- prog ramm produkt verkörpert, das direkt in einen Speicherbereich 1a, mindestens Unterbereich von 1 a des Verkehrsrechners 1 oder eines separaten Rechners, ladbar ist, mit Programmcode-Mitteln, die dazu bestimmt sind, einzelne oder alle Schritte des vorstehend beschriebenen Verfahrens auszuführen, wenn das Computerprogrammprodukt auf dem entsprechenden Rechner der Verkehrssteuerung ausgeführt wird.
Zum Verständnis der Erfindung wird erläutert, dass modellbasierten Steuerungsverfahren, realisiert mit einem herkömmlichen Verkehrsrechner, äußerlich wie obig dargestelltem Verkehrsrechner 1 entsprechend, zum Teil auf die vorhandenen Lichtsignalsteuerungsver- fahren (Festzeit- oder verkehrsabhängige Steuerungslogik, zugeordnet zu einer individuellen Steuerung einer Lichtsignalanlage) aufsetzen und die Parameter, der bei der Planung der Steuerung entstandenen Signalpläne mit Hilfe mehr oder weniger komplexer mathematischer Verfahren optimieren, ohne dass von einer konsequenten Online-Steuerung gesprochen werden könnte.
Die Kodierung der Steuerungsparameter für die individuellen Steuerungen der Lichtsignalanlagen des Verkehrsnetzes soll nun erläutert werden. Dazu wird wie folgt ausgeführt. Ein Signalplan lässt sich über folgende Steuerungsparameter beschreiben:
• Umlaufzeit
• Versatzzeit
• Phasenfolge
• Phasendauern (bzw. Startzeitpunkte der Phasenübergänge)
Ein Signalplan läuft innerhalb der Umlaufzeit einmal komplett ab. Die Versatzzeit beschreibt den zeitlichen Versatz des Referenzpunkts des lokalen Signalplans zur globalen (netzweit gültigen) Zeitskala. Die Phasenfolge gibt an, welche Phasen in welcher Reihenfolge geschaltet werden. Die Phasendauern bzw. die Startzeitpunkte der Phasenübergänge geben die Dauer einer Phase an.
Die netzweite Optimierung dieser Parameter für alle Lichtsignalanlagen stellt ein komplexes Problem mit einer sehr hohen Anzahl von Freiheitsgraden dar. Das Optimierungsproblem gehört zur Klasse der NP-vollständigen Probleme und ist analytisch nicht zu lösen, da keine geschlossene mathematische Formulierung möglich ist.
Es ist bekannt, bei in der Online-Optimierung von Steuerungsparametern, die bestimmend sind für die Signalpläne, insbesondere für die Steuerung von Lichtsignalanlagen, die Verwendung von mathematisch exakten Verfahren wie Analytische Optimierungsverfahren und Optimierungsverfahren mit endlichem Rechenprozess sowie mathematischer Näherungsverfahren, wie der Hill-Climbing Algorithmus und das Gradientenverfahren heranzuziehen. Für die Offline-Optimierung werden seit einiger Zeit heuristische Verfahren angewendet, um die Steuerungsparameter zu optimieren. Zu den heute bekannten und verwendeten heuristischen Verfahren zählen z.B.
• Complex-Methode
• Simulierte Abkühlung
• Ameisenkolonieoptimierung
• Partikelschwarmoptimierung
• Evolutionäre Algorithmen
• Memetische Algorithmen
Der bei der Erfindung gewählte, letztlich erfolgreich ausgestaltete, Ansatz zählt zu den Evolutionären Algorithmen. Evolutionäre Algorithmen werden immer häufiger dort eingesetzt, wo große Lösungsräume effizient nach einem Optimum durchsucht werden müssen. Nachteil dieser Verfahren ist jedoch der enorm hohe Rechenzeitaufwand, weshalb diese Verfahren bislang ausschließlich offline, zumeist in der Planung von Lichtsignalanlagen eingesetzt werden.
Im Vorfeld der Erfindung wurde herausgefunden, dass die Kodierung der Steuerungsparameter von entscheidender Bedeutung für die Qualität und Funktionsfähigkeit der Optimierung ist. Unter Kodierung ist bei einem evolutionären Algorithmus die Übersetzung der (in diesem Fall) Signalpläne (Phänotyp) in ein für den evolutionären Algorithmus verarbeitbares Individuum (Genotyp) zu verstehen. Die Rückübersetzung eines Individuums in die Signalpläne wird folglich als Dekodierung bezeichnet. Das Individuum besteht aus einzelnen Genen, die die Steuerungsparameter repräsentieren.
Die Gene werden nicht wie üblich binär, sondern reell kodiert. Reell kodierte Gene haben den Vorteil, dass sie direkt als numerischer Wert interpretiert werden können und außerdem über die höchste Zahl an Freiheitsgraden bezüglich Rekombination und Mutation verfügen. Durch die reelle Kodierung, also durch die Nutzung reeller Zahlen (Fließkommazahlen) können die verwendeten Algorithmen schneller stabile Lösungen erreichen.
Bevor die Optimierung beginnt, wird der aktuelle Signalplan bewertet. Dazu wird (vgl. Fig. 3) der Verkehrsfluss 2 über die Detektoren DA gemessen und an das Verkehrsmodell 3, also einem mathematischen Modell zur Abbildung von Verkehrsströmen im Rechner 1 , übergeben. Über die Netzversorgung 4 bzw. über das Verkehrsnetz stehen dem Verkehrsmodell 3 die aktuellen Signalpläne 7' aller zu optimierenden Lichtsignalanlagen zur Verfügung, wodurch die Wirkung der Signalpläne auf den Verkehrsfluss 2 bestimmt wird. Bewertet wird der Verkehrsfluss 2 durch eine mathematische Beschreibung des Ziels, der Zielfunktion 5. Ziel der Optimierung kann z.B. sein, die Wartezeiten, die Zahl der Halte, die Rückstaulängen und/oder den Kraftstoffverbrauch im gesamten Verkehrsnetz zu minimieren. Das Ergebnis der Bewertung ist ein skalarer Wert im Folgenden mit Fitness 6 bezeichnet. Diese erstmalige Bewertung der Signalpläne 7a wird als Referenz für die im Folgenden ablaufende Optimierung verwendet, d.h. durch die Optimierung wird versucht, gemäß der Zielfunktion, z.B. die Wartezeiten, die Zahl der Halte, die Rückstaulängen und/oder den Kraftstoffverbrauch im gesamten Verkehrsnetz zu minimieren und dadurch im Vergleich zum Referenzwert einen geringeren skalaren Wert zu erreichen.
Zum weiteren Verständnis ist wieder die schon erwähnte Fig. 3 heranzuziehen, die ein Funktionsdiagramm zur Optimierung der Signalpläne mit Hilfe von evolutionären Algorithmen zeigt.
Zu Beginn der Optimierung 8 wird eine Anfangspopulation 9 erzeugt, also eine bestimmte Anzahl von Individuen, die jeweils die Signalpläne aller Lichtsignalanlagen in kodierter Form repräsentieren. Diese Individuen der Anfangspopulation 9 werden entweder zufällig generiert oder aus einer Datei/Datenbank gelesen, sofern bereits gute Individuen, die gute Signalpläne repräsentieren, bekannt sind. Die Individuen werden in Signalpläne 7a dekodiert und mit Hilfe des Verkehrsmodells 3 hinsichtlich der Zielfunktion 5 bewertet. Die Fitnesswerte 6 der Signalpläne werden ihren entsprechenden Repräsentanten (kodierte Individuen) in der Population zugeordnet. Mit Hilfe der Fitness 6 findet dann eine Auswahl von Eltern statt, die so genannte Selektion 10. Durch die Rekombination 1 1 der ausgesuchten Eltern werden Nachkommen, also neue Individuen (Individuum 1 1 ) erzeugt. Die Gene dieser Nachkommen werden nun zufällig mit einer bestimmten Wahrscheinlichkeit mutiert (vgl. Mutation 13). Zusammen mit dem oder den besten Individuen der Elterngeneration wird so eine neue Population 14 gebildet, deren Individuen wiederum in Signalpläne 7a mit der Dekodierung 15 dekodiert und mit Hilfe des Verkehrsmodells 3 bewertet werden. Diese Optimierung 8 der Signalpläne läuft solange ab, bis ein gesetztes Abbruchkriterium (Abbruch) erfüllt ist. Abbruchkriterien sind z.B. maximale Anzahl Generationen, keine Veränderung der Fitness über n Generationen, erreichter Fitnesswert oder die Zeitdauer der Optimierung. Ist dieses erfüllt, so werden die dekodierten Signalpläne 7 an die Lichtsignalanlagen LSA geschickt. Es wurde auch erkannt und wird berücksichtigt, dass zwischen Verkehrsfluss 2 und dem Verkehrsmodell 3 eine Wechselbeziehung „wechselnde Nachfrage / Umwelteinflüsse" besteht, die mit 16 bezeichnet ist. Dies bedeutet, dass das Verkehrsmodell 3 auf externe Einflüsse reagiert.
Die konsequente Nutzung evolutionärer/genetischer Algorithmen in der Online- Optimierung der Lichtsignalsteuerung ist wesentlicher Bestandteil vorliegender Erfindung. Die einzuhaltenden Randbedingungen bei der Optimierung der Steuerungsparameter stellen die größte Schwierigkeit bei der Kodierung und Dekodierung dar. Dabei wird unterschieden zwischen harten Randbedingungen, also denen die zwingend erfüllt sein müssen, und weichen Randbedingungen, also deren Erfüllung wünschwert ist. Lösungen, die eine harte Randbedingung nicht einhalten, werden als ungültig bezeichnet.
Unter zwingenden Randbedingungen sind bei der Signalplanoptimierung die Zwischenzeiten und Mindestfreigabedauern zu verstehen. Diese zeitlichen Anteile des Signalplans stehen somit nicht für die Optimierung zur Verfügung. Ferner müssen zusätzlich die bereits vorhandenen lokalen (d.h. an einem einzelnen Knotenpunkt) verkehrsabhängigen Steuerungen und ÖPNV-Priorisierungen, d.h. Priorisierungen des öffentlichen Nahverkehrs, berücksichtigt werden. Es wurden zurückliegend bei einer messwertbasierten Zeitlückensteuerung schon Versuche unternommen, für den Abbruch einer Phase einen Rahmen vorgegeben, innerhalb dessen der Abbruch erfolgen kann. Der Abbruch einer Phase ist gleichbedeutend mit dem Start eines Phasenübergangs, vgl. Fig. 4, die ein Phasendiagramm mit T-Zeitwertgrenzen für die lokale, verkehrsabhängige Steuerung, mit beispielsweise Kreuzungen K1 bis K4 zeigt. Diese Fig. 4 dient auch zum Verständnis folgender, weiterer Ausführungen. Es soll hier auch eingeschoben werden, dass die Darstellung von Phasendiagrammen Richtlinien des Fachgebietes unterliegt, z. B. Richtlinien für Lichtsignalanlagen, FGSV- Verlag Köln, Berichtigter Nachdruck 1998 und Teilfortschreibung 2003. In der Darstellung in der Fig. 4 ist vorgesehenen, dass die durchgezogene Linie einer roten Linie, dass der gepunktete Bereich einer grünen Fläche und der schraffierte Bereich einer roten Schraffur auf grünem Hintergrund entsprechen soll. Zum Wesen der Erfindung gehört, dass die Optimierungsaufgabe darin besteht, die spätesten Starts der Phasenübergänge T,B für alle LSA im betrachteten Netz so zu bestimmen, dass der Zielfunktionswert, d.h. das für das Optimierungsziel angestrebte Skalar, minimal wird. Um die Funktionalität der lokalen verkehrsabhängigen Steuerung sicherzustellen, ist für TlB ein Intervall
\ T^m;T^ax \ vorgegeben, innerhalb dessen Grenzen sich TlB befinden muss.
Bei einem Verfahren, das zum Vorfeld der Erfindung gehört, werden zwei Parameter der Lichtsignalsteuerung optimiert: die Versatzzeit und die Phasenfolge. Bei der Verwendung genetischer / evolutionärer Algorithmen in der Praxis werden Verletzungen der harten Randbedingungen häufig mit hohen Strafwerten (Penality) beaufschlagt, damit das Individuum vom genetischen Algorithmus als schlecht bewertet und mit großer Wahrscheinlichkeit nicht weitergeführt und ausselektiert wird, was allerdings nicht garantiert werden kann. Auch in dem bereits bekannten Verfahren der Online-Optimierung der Lichtsignalsteuerung in dem zwei Parameter optimiert werden, wurde für jede zu optimierende Versatzzeit eine Straffunktion eingeführt, um Verletzungen der Randbedingungen zu bestrafen.
Hinsichtlich der Kodierung der Steuerungsparameter wird noch auf die weiteren Ausführungen, die zum Verständnis der Erfindung erforderlich sind, hingewiesen. Die bereits beschriebenen Steuerungsparameter Umlaufzeit, Versatzzeit, Phasenfolge und Phasendauern (bzw. Startzeitpunkte der Phasenübergänge) werden für genetische Algorithmen in ein Individuum beliebiger Länge kodiert:
Figure imgf000012_0001
Das Individuum enthält ein Gen φ für die gemeinsame Umlaufzeit sowie n sogenannte Chromosomen für n Knotenpunkte des zu optimierenden Netzes. Jedes Chromosom besteht aus einem Gen σ zur Festlegung der Phasenfolge, einem Gen CO für den globalen Versatz, sowie m Genen θ für die maximale Anzahl von möglichen Phasenübergängen. Jedes Gen nimmt einen reellen Wert zwischen 0,0 und 1 ,0 an. Die Umlaufzeit tυ wird üblicherweise und wie auch bekannt, errechnet zu tu = ^nnn +9 - (^mat - ^nnn ) ( 1 )
Kann die Umlaufzeit innerhalb des zu optimierenden Netzes frei gewählt werden, so kann tu direkt übernommen werden. Andernfalls wird das berechnete tu kaufmännisch auf die nächst mögliche Umlaufzeit gerundet.
Die Phasenfolge wird über eine Umrechnung des Gens in eine Kennziffer ausgewählt, die einer der möglichen Phasenfolgen zugeordnet ist.
/ =σ s (2) mit s = Anzahl der verfügbaren Phasenfolgen Die globale Versatzzeit wird generell wie folgt berechnet: tr = ω - tσ (3)
Für die Kodierung der Phasendauern bzw. der Startzeitpunkte der Phasenübergänge, im Folgenden als T-Zeiten benannt, gibt es verschiedene Ansätze im Fachgebiet. Allen gemein ist jedoch die Nichteinhaltung der harten Randbedingungen hinsichtlich der lokalen verkehrsabhängigen Steuerung, wodurch die Lösung der technischen Aufgabe unter Einhaltung einer maximalen Rechenzeit nicht zufrieden stellend gelöst werden kann.
Beispiel einer solchen relativen Kodierung:
Die relative Kodierung lässt die Randbedingungen der lokalen verkehrsabhängigen Steuerung zunächst unberücksichtigt. Danach berechnen sich die Phasendauern zu
Figure imgf000013_0001
Z ist der minimale Abstand zwischen zwei benachbarten T-Zeiten, der sich aus der maßgebenden Summe von Zwischenzeit und Mindestfreigabezeit ergibt. Die Mindestphasen- dauern sind damit in dieser Formel bereits in Z enthalten, d.h. P1 ist nur der optimierbare Anteil der Phase.
Eine diesbezügliche Darstellung ist in Figur 5 erfolgt, in der ein Phasendiagramm mit Darstellung der relativen Kodierung von Umlaufzeiten und Freigabezeiten aufgenommen ist.
Für die Position des Signalplans bezüglich der lokalen Zeitskala - auf die sich auch T™n und T™* beziehen (Randbedingungen aus der lokalen verkehrsabhängigen Steuerung) - ist ein zusätzliches Gen o für den lokalen Versatz erforderlich. Das Individuum wird daher um dieses Gen erweitert:
{φ/σ/,ω/,o/,θ//,...,θ/mj ;/σ2,ω2,o2,θ2/,...,θ2m2 Λ-/σ„,ω„,o„,θ„/,...,θ„mj} Die T-Zeit-Grenzen errechnen sich dann zu:
T-T jyimin Λ_ r\ I T-'inax τ-τrmn \\
1 IB - K1 IB "l" υ Vi lB ~ 1 \B Il
Alle weiteren T-Zeiten TιB berechnen sich dann in Abhängigkeit von TιB und Z .
Figure imgf000013_0002
Durch die relative Kodierung sind die zwingenden Randbedingungen immer eingehalten. Allerdings ist damit noch nicht sichergestellt, dass auch die Randbedingungen der lokalen verkehrsabhängigen Steuerung eingehalten werden. Die übliche Vorgehensweise ist daher bei Nichteinhaltung die Nutzung der bereits genannten Straffunktion.
Eine praktische Lösung unter Einhaltung problemspezifischer Randbedingungen zur Kodierung der Steuerungsparameter zur Optimierung der Lichtsignalsteuerung stellt ein Reparaturmechanismus für die relative Kodierung dar.
Sämtliche T-Zeiten werden für jedes Chromosom hinsichtlich der Randbedingungen [^™n ; T1^ ] überprüft. Für den Fall der Nichteinhaltung kommt ein neuer Reparaturmechanismus zum Einsatz, der das Chromosom so verändert, dass die Randbedingungen der lokalen verkehrsabhängigen Steuerung eingehalten werden. Sofern die Reparatur nicht funktioniert, wird das Chromosom zufällig neu erzeugt. Der Reparaturmechanismus ist, wie die Erfinder herausgefunden haben, in seiner Ausführung ein neuer Ansatz und funktioniert wie folgt:
Für jede T-Zeit wird überprüft, ob sie sich innerhalb des Intervalls [T^ ; T^ ] befindet. Ist das nicht der Fall, wird der gesamte Signalplan mit Hilfe des lokalen Versatzes O so verschoben, dass die ungültige T-Zeit der nächsten Grenze des Intervalls |T;™n ; T™* ] entspricht. Anschließend müssen alle T-Zeiten erneut überprüft werden. Sobald der Signalplan einmal verschoben wurde, darf er nur noch in die gleiche Richtung weiter verschoben werden. Bei einem Widerspruch ist das Chromosom nicht zu reparieren und muss neu erzeugt werden. Der Signalplan darf immer nur komplett verschoben werden, da andernfalls nicht mehr sichergestellt wäre, dass die zwingenden Randbedingungen noch eingehalten sind.
Eine andere praktische Lösung unter Einhaltung problemspezifischer Randbedingungen zur Kodierung der Steuerungsparameter zur Optimierung der Lichtsignalsteuerung stellt eine sequentielle Kodierung dar.
Entwickelt wurde eine sequentielle Kodierung zur Umrechnung eines Individuums in einen Signalplan, der die Randbedingungen der lokalen verkehrabhängigen Steuerung direkt mit berücksichtigt, sodass weder Straffunktionen definiert werden müssen, noch eine so genannte Reparatur (a posteriori Verschieben der Signalpläne in gültige Bereiche) durchgeführt werden muss. Entscheidender Vorteil hierbei ist, dass die Rechenzeit für die Dekodierung des Individuums in Signalpläne auf ein Minimum reduziert wird, was für den Online-Betrieb von entscheidender Bedeutung ist.
Bei der sequentiellen Kodierung ist das Gen O, also der lokale Versatz nicht notwendig, da die Startzeitpunkte der Phasenübergänge (T-Zeiten) direkt kodiert werden. In den folgenden Formeln wird aus Gründen der Übersichtlichkeit auf den Index B verzichtet (z.B.
Figure imgf000014_0001
).
Die erste T-Zeit T1 , die dem lokalen Versatz entspricht, berechnet sich dabei direkt aus dem Gen Q1 :
T1 = (τ1 mn +θ1 - (τrx -τrn )) Sie liegt also zwingend im Intervall
Figure imgf000014_0002
wobei sich die Intervallgrenzen τ ™11 und X^ aus den als bekannt vorausgesetzten Einschränkungen der T-Zeit-Grenzen ergeben. Für die untere Intervallgrenze x ™11 gilt: mm I rp mm 7-τmm 7-τmm 7-τmm |
X 1 - max^ j , i 1|2 , i 1|3 , . . . , J 1^ ; mit
Figure imgf000015_0001
wobei T^m die Bedingung für die untere Intervallgrenze x ™11 ist, die sich aus der minimalen T-Zeit-Grenzen Bedingung T™m ergibt.
Z1 bezeichnet den minimalen Abstand zwischen zwei benachbarten T-Zeiten, also den
Mindestabstand zwischen zwei Phasenübergängen und berechnet sich unter der Voraussetzung, dass bei der Planung der Lichtsignalanlage die Zwischenzeiten korrekt eingehalten wurden, zu:
Z1 = max(t™n SG + ton SG - toff SG ) t™"SG bezeichnet die Mindestgrünzeit einer Signalgruppe, ton SG ist der Einschaltzeitpunkt der Signalgruppe innerhalb des Phasenübergangs zur aktuellen Phase, toff SG der Ausschaltzeitpunkt der Signalgruppe innerhalb des nächsten Phasenübergangs. Zu prüfen ist immer die Bedingung: wenn τTn < 0)
Figure imgf000015_0002
sonst]
Für die obere Intervallgrenze X^ gilt:
_ max „ • /τ-τmax τ-τmax τ-τmax τ-τmax \
X1 = Wm[T1 , ri|2 , Tl{3 ,... ,T11n ) mit κ-1
7;^ = TJ max ~ ∑Zt für alle J = 2..n ι=\ wobei T^ die Bedingung für die obere Intervallgrenze ist, die sich aus der maximalen
T-Zeit-Grenzen Bedingung !Tmax ergibt. Zusätzlich ist zu prüfen: m \%γx + tu wenn τ™ < 0 oder τ™ < τ™ιn }
[τ, sonst
Alle weiteren T-Zeiten T1 werden sequentiell berechnet. Sie befinden sich jeweils im Intervall T ≡ VIaX T1 + tυ - ^ Z1
Figure imgf000016_0001
und werden dann analog wie T1 über das zugehörige Gen θ; berechnet.
Fig. 6 verdeutlicht die Einschränkung der Intervallgrenzen für T1 . Für die untere Intervallgrenze x ™11 ist das Maximum aus T^ und der zuvor berechneten T-Zeit T1-1 zuzüglich des Mindestabstands Z1-1 zwischen T1-1 und T1 maßgebend. Für die obere Intervallgrenze T^ ist das Minimum aus T^ , aller noch folgenden T-Zeit-Grenzen Bedingungen abzüglich der dazwischen liegenden Mindestabstände, und T1 + tσ abzüglich aller noch fehlenden Mindestabstände.
Sonderfall:
Bei Anlagen mit nur zwei Phasen und gleichen T-Zeit-Grenzen gilt für die untere Intervallgrenze τm : min rγimin
Für die obere Intervallgrenze τ^ gilt:
Es ist wichtig zu beachten:
Bei allen Intervallen und "min/max Betrachtungen" ist zu berücksichtigen, dass es sich bei der Signalsteuerung um einen zyklischen Ablauf handelt, d.h. mit Ablauf der Umlaufzeit beginnt die Zeitskala üblicherweise wieder bei 0. Das Ergebnis des Ausdrucks max(Ti;T2) ist deshalb in obigen Formeln der zeitlich später liegende Zeitpunkt und nicht notwendigerweise der höhere skalare Wert. Daher ist zu berücksichtigen, dass vor den Berechnungen sämtliche Intervallgrenzen und T-Zeiten in die richtige (aufsteigende) Reihenfolge gebracht werden.
Die verwendete Kodierung eines Signalplans kann in verschiedenen modellbasierten Steuerungsverfahren, die evolutionäre / genetische Algorithmen zur Optimierung der Steuerungsparameter anwenden, verwendet werden. Bezugszeichenliste
Bezuqsziffern:
1 Verkehrsrechner
1 a erfindungsgemäße Bereiche des Verkehrsrechners
2 Verkehrsfluss
3 Wirkungen
3a Wirkungsgrößen
4 Verkehrsnetz
5 Zielfunktion
6 Fitness
7 neue Signalpläne, z.B. durch aktualisierte Parameter 7' vorliegende Signalpläne, z.B. durch Projektierung
7a erzeugte Signalpläne vor Verkehrsmodell 3
8 Optimierung
9 Anfangspopulation
10 Selektion
1 1 Rekombination
12 Individuum
13 Mutation
14 neue Population
15 Dekodierung
16 Beziehung wechselnde Nachfrage, Umwelteinflüsse, externe Einflüsse
17 frühester Start des Phasenüberganges
18 spätester Start des Phasenüberganges
19 Puffer für lokale Steuerung
20 Rahmensignalplan
Andere Bezuqszeichen: ev. AIg . Evolutionärer Algorithmus gen. AIg. Genetischer Algorithmus
LSA Lichtsignalanlage
DE Detektor
DA Verkehrsdaten, Detektormesswerte
PA Parameter
PAn Parameter neu bzw. aktualisiert
PAV Parameter vorliegend (z. B. aus Anlagenprojektierung)
S Steuerung der LSA (arbeitend z.B. mit neuem Signalplan 7 bzw. mit PAn)
VE Verkehrsgeschehen, reale Welt

Claims

Patentansprüche
1. Verkehrssteuerung zur Beeinflussung eines Verkehrsflusses (2) innerhalb eines beschränkten Straßen- bzw. Verkehrsnetzes (4) mit Kreuzungen, z. B. von einer Großstadt, mit einer der Kreuzungs- Anzahl N entsprechenden Anzahl von Lichtsignalanlagen (LSA) mit individuellen Steuerungen (S), deren den Steuerungsablauf aktuell bestimmende Signalpläne (7') an einen Verkehrsrechner (1 ) weiterleitbar sind, wobei Detektoren (DE) im Zusammenhang mit den Lichtsignalanlagen (LSA) vorgesehen sind, durch die Verkehrsdaten (DA) erfassbar und an den Verkehrsrechner (1 ) weiterleitbar sind, wobei der Verkehrsrechner (1 ) durch Implantierung von evolutionären Algorithmen (ev. AIg.) mit einem zugeordneten Abbruchkriterium (Abbruch) so operieren kann, dass der Verkehrsrechner (1 ) an alle N Lichtsignalanlagen (LSA) aufgrund des über die erfassten Verkehrsdaten (DA) ermittelten Verkehrsflusses (2) des Straßennetzes aktualisierte Signalpläne (7) innerhalb eines geeigneten Zeitrahmens an alle N Lichtsignalanlagen (LSA) zur Optimierung des Verkehrsflusses (2) zuzuführen vermag, wobei zur Erreichung des geeigneten Zeitrahmens, innerhalb dessen die Phasenübergänge, die Bestandteil eines Signalplanes sind, stattfinden dürfen, ein Reparaturmechanismus bei relativer Kodierung oder eine sequentielle Kodierung zum Einsatz gelangen.
2. Verkehrssteuerung nach Anspruch 1 , dadurch gekennzeichnet, dass der Verkehrsrechner (1 ) einen Bereich (1a) mit Unterbereichen aufweist, der die Evolutionären Algorithmen (ev. AIg.) bzw. genetischer Algorithmus (gen. AIg.), ein Abbruchkriterium (Abbruch) und bei relativer Kodierung den Reparaturmechanismus oder die sequentielle Kodierung verkörpert.
3. Verkehrssteuerung nach Anspruch 2, dadurch gekennzeichnet, dass der Bereich (1a) durch einen separaten Rechner gebildet wird, der in Datenaustausch mit dem Rechner (1 ) steht.
4. Verkehrssteuerung nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als geeigneter Zeitrahmen für die Optimierung des Verkehrsflusses (2) ein Bereich von fünf bis zehn Minuten erreichbar ist.
5. Verfahren zum Betrieb einer Verkehrssteuerung, insbesondere nach einem der vorhergehenden Ansprüche, mit den Schritten zur Optimierung:
Bewerten des Verkehrsflusses (2) mit einem Verkehrsmodell (3) innerhalb des Rechners (1 ), Eingeben der Daten (DA) von Detektoren (DE) von Kreuzungen des Verkehrsnetzes (4),
Anwendung evolutionärer Algorithmen, Eingeben der Signalpläne (7') der Lichtsignalanlagen (LSA), Bilden einer Wirkungsgröße (3a) mittels des Verkehrsmodells (3), Bewerten der Wirkungsgröße (3a) mit einer Zielfunktion (5) zur Gewinnung einer Fitness (6),
Ausgeben neuer Signalpläne (7) bei Vorliegen eines geeigneten Fitnesswerts an die Lichtsignalanlagen (LSA) des Verkehrsnetzes (4), bei Nichtvorliegen eines geeigneten Fitnesswertes Durchlauf zur Optimierung (8) von einer Verarbeitungsschleife mit Selektion (10), Rekombination (1 1 ), Mutation (13), Neuer Population (14), und Dekodierung (15), zusätzliche Zuführung einer Anfangpopulation (9),
Bildung eines Individuums (12) mit Genen als Steuerungsparameter im Bereich (9, 10, 1 1 , 13 - 15) entsprechend evolutionärer Algorithmen, Rückübersetzung mit der Dekodierung (15) in einen Signalplan (7a), Durchlaufen der Schleife Optimierung (8) solange, bis durch ein Abbruchkriterium (Abbruch) ein neuer Signalplan (7) an die Lichtsignalanlagen (LSA) ausgegeben werden kann,
Vorsehen einer eingrenzbaren Anzahl von Schleifendurchläufen zur Einhaltung eines geeigneten Zeitrahmens zur Ausgabe aller Signalpläne (7) an alle Lichtsignalanlagen (LSA), und
Bereitstellen eines Reparaturmechanismus bei relativer Kodierung oder Bereitstellen einer sequentiellen Kodierung.
6. Verfahren zum Betrieb einer Verkehrssteuerung nach Anspruch 5, dadurch gekennzeichnet, dass Individuen, aus der neuen Population (14) in Signalpläne (7a) dekodiert werden, die dem weiteren Schleifendurchlauf unterliegen.
7. Verfahren zum Betrieb einer Verkehrssteuerung nach Anspruch 6, dadurch gekennzeichnet, dass in Abhängigkeit von der Rechenleistung des Rechners eine erhebliche Anzahl von Individuen, die Signalpläne (7a) repräsentieren, erzeugt werden.
8. Verfahren zum Betrieb einer Verkehrssteuerung nach Anspruch 5 bis 7, dadurch gekennzeichnet, dass bei dem Reparaturmechanismus bei relativer Kodierung T- Zeiten für jedes Chromosom definiert sind, dass jede T-Zeit überprüft wird, ob sie sich innerhalb des Intervalls [T^ ; T^ ] befindet und falls dies nicht der Fall ist, der gesamte Signalplan mit Hilfe des lokalen Versatzes O so verschoben wird, so dass die ungültige T-Zeit der nächsten Grenze des Intervalls [T^ ; T1^ ] entspricht, wobei anschließend alle T-Zeiten erneut überprüft werden müssen.
9. Verfahren zum Betrieb einer Verkehrssteuerung nach Anspruch 5 bis 7, dass bei der sequentiellen Kodierung T-Zeiten T1 sequentiell berechnet werden, wobei die erste T-Zeit T1 , die dem lokalen Versatz entspricht, sich dabei direkt aus dem Gen Q1 berechnet:
T1 = (τ1 mn +G1 - (T1 1^ -τ^ JJund ferner für alle Zeiten T1 vorgesehen ist, dass sie sich jeweils im Intervall
T e max T1 , T1^ + Z2-1 j, min T1 , Tl]l+ι ,Tl]l+2 ,... ,Tl]n , T1 + tσ - ^ Z1 befinden l=i und analog wie T1 über das zugehörige Gen θ; berechnet werden.
10. Computerprogrammprodukt, das direkt in einen Speicherbereich (1a), mindestens Unterbereich von (1a) des Verkehrsrechners (1 ) oder eines separaten Rechners, wie insbesondere in Anspruch 3 angegeben, ladbar ist, mit Programmcode- Mitteln, die dazu bestimmt sind, einzelne oder alle Schritte des vorstehend beschriebenen Verfahrens gemäß den Ansprüchen 5 bis 9 auszuführen, wenn das Computerprogrammprodukt auf dem entsprechenden Rechner der Verkehrssteuerung ausgeführt wird.
PCT/EP2009/062485 2008-10-08 2009-09-28 Verkehrsadaptive netzsteuerung und verfahren zur optimierung der steuerungsparameter Ceased WO2010040649A2 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP09783452.7A EP2345020B1 (de) 2008-10-08 2009-09-28 Verkehrsadaptive netzsteuerung und verfahren zur optimierung der steuerungsparameter
PL09783452T PL2345020T3 (pl) 2008-10-08 2009-09-28 Układ sterowania siecią z możliwością dostosowania do natężenia ruchu oraz sposób optymalizacji parametrów sterowania

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102008050822A DE102008050822A1 (de) 2008-10-08 2008-10-08 Verkehrsadaptive Netzsteuerung und Verfahren zur Optimierung der Steuerungsparameter
DE102008050822.5 2008-10-08

Publications (2)

Publication Number Publication Date
WO2010040649A2 true WO2010040649A2 (de) 2010-04-15
WO2010040649A3 WO2010040649A3 (de) 2010-06-24

Family

ID=41821171

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2009/062485 Ceased WO2010040649A2 (de) 2008-10-08 2009-09-28 Verkehrsadaptive netzsteuerung und verfahren zur optimierung der steuerungsparameter

Country Status (4)

Country Link
EP (1) EP2345020B1 (de)
DE (1) DE102008050822A1 (de)
PL (1) PL2345020T3 (de)
WO (1) WO2010040649A2 (de)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2492886A1 (de) 2011-02-28 2012-08-29 Siemens Aktiengesellschaft Verfahren und Lichtsignalanlagen-Steuerungssystem zur Steuerung von Lichtsignalanlagen
US20140091232A1 (en) * 2011-05-20 2014-04-03 Hitachi High-Technologies Corporation Charged particle beam apparatus and electrostatic chuck apparatus
CN104751652A (zh) * 2015-04-14 2015-07-01 江苏物联网研究发展中心 基于遗传算法的绿波优化算法
CN114944057A (zh) * 2022-04-21 2022-08-26 中山大学 一种路网交通流量数据的修复方法与系统
CN116758763A (zh) * 2023-05-06 2023-09-15 西藏金采科技股份有限公司 一种基于车联网的交通数据处理系统及方法
CN120338435A (zh) * 2025-06-12 2025-07-18 山西风行测控股份有限公司 一种基于动态电价的配电网运行优化方法及系统

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT510248B1 (de) * 2010-07-29 2023-01-15 Dr Kuhn Andreas Verfahren zur verkehrsregelung eines strassenzuges
AT510247B1 (de) * 2010-07-29 2023-01-15 Dr Kuhn Andreas Verfahren zur regelung einer signalanlage
DE102011005495A1 (de) * 2011-03-14 2012-09-20 Siemens Aktiengesellschaft Verfahren und Steuerungssystem zur Verkehrsflusssteuerung
DE102012110099B3 (de) * 2012-10-23 2014-01-09 Deutsches Zentrum für Luft- und Raumfahrt e.V. Prädiktionseinheit einer Lichtsignalanlage zur Verkehrssteuerung, Lichtsignalanlage und Computerprogramm
CN104091451B (zh) * 2014-07-08 2016-06-29 公安部交通管理科学研究所 交通干线信号协调控制的过渡调整方法
CN106558226B (zh) * 2016-11-23 2021-07-02 浩鲸云计算科技股份有限公司 信号灯配时评估与实时调整方法
CN106600990B (zh) * 2016-11-23 2021-12-03 浩鲸云计算科技股份有限公司 基于遗传算法的动态信号灯评估方法与系统
CN106971566B (zh) * 2017-05-04 2020-03-24 无锡安邦电气股份有限公司 基于遗传算法的自适应控制方法
EP3627472B1 (de) 2018-09-19 2025-03-12 Deutsche Telekom AG Verfahren und anordnung zur automatisierten lokalen steuerung von multi-modalen städtischen verkehrsflüssen
CN110223513A (zh) * 2019-05-24 2019-09-10 宋爽 基于人工智能双向绿波的交通信号控制方法和系统
CN110766956B (zh) * 2019-10-11 2021-12-17 南京理工大学 基于模糊逻辑的交通信号控制方法
DE102020116669A1 (de) * 2019-11-06 2021-05-06 Fujitsu Technology Solutions Intellectual Property Gmbh Verfahren zur Steuerung eines Verkehrssystems, Vorrichtung, Computerprogramm, und computerlesbares Speichermedium
DE102020204979A1 (de) 2020-04-20 2021-10-21 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Verkehrssteuerung
CN111785014B (zh) * 2020-05-26 2021-10-29 浙江工业大学 一种基于dtw-rgcn的路网交通数据修复的方法
DE102020211698A1 (de) 2020-09-18 2022-03-24 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Steuern eines Verkehrsflusses
DE102021208015A1 (de) 2021-07-26 2023-01-26 Universität Paderborn Körperschaft des Öffentlichen Rechts Verkehrsleitsystem für die Steuerung von Lichtsignalanlagen

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19841457A1 (de) 1997-09-10 1999-03-11 Siemens Ag Verfahren zur Ermittlung eines verkehrsabhängigen Signalprogrammes für Signalgruppen von Lichtsignalanlagen
DE102005035213A1 (de) 2005-07-27 2007-02-08 Siemens Ag Verkehrssteuerungsanlage und Verfahren zur Kommunikation zwischen benachbarten Verkehrssteuerungsanlagen
DE102005041067A1 (de) 2005-08-30 2007-03-01 Siemens Ag Verfahren und Vorrichtung zur Steuerung von Lichtsignalanlagen für den Aufbau einer grünen Welle
DE102005044888B4 (de) 2005-09-20 2007-12-13 Siemens Ag Verfahren, Anordnung und Simulationseinheit für ein Verkehrszustands-Schätzsystem

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3380882B2 (ja) * 1994-12-19 2003-02-24 株式会社日立製作所 交通信号制御方法及び制御装置
JP3358780B2 (ja) * 1996-02-02 2002-12-24 富士通株式会社 最適解探索装置
JP4003054B2 (ja) * 2002-05-15 2007-11-07 学校法人日本大学 信号制御装置、及び、信号制御方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19841457A1 (de) 1997-09-10 1999-03-11 Siemens Ag Verfahren zur Ermittlung eines verkehrsabhängigen Signalprogrammes für Signalgruppen von Lichtsignalanlagen
DE102005035213A1 (de) 2005-07-27 2007-02-08 Siemens Ag Verkehrssteuerungsanlage und Verfahren zur Kommunikation zwischen benachbarten Verkehrssteuerungsanlagen
DE102005041067A1 (de) 2005-08-30 2007-03-01 Siemens Ag Verfahren und Vorrichtung zur Steuerung von Lichtsignalanlagen für den Aufbau einer grünen Welle
DE102005044888B4 (de) 2005-09-20 2007-12-13 Siemens Ag Verfahren, Anordnung und Simulationseinheit für ein Verkehrszustands-Schätzsystem

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2492886A1 (de) 2011-02-28 2012-08-29 Siemens Aktiengesellschaft Verfahren und Lichtsignalanlagen-Steuerungssystem zur Steuerung von Lichtsignalanlagen
DE102011004841A1 (de) * 2011-02-28 2012-08-30 Siemens Aktiengesellschaft Verfahren und Lichtsignalanlagen-Steuerungssystem zur Steuerung von Lichtsignalanlagen
US20140091232A1 (en) * 2011-05-20 2014-04-03 Hitachi High-Technologies Corporation Charged particle beam apparatus and electrostatic chuck apparatus
US9077264B2 (en) * 2011-05-20 2015-07-07 Hitachi High-Technologies Corporation Charged particle beam apparatus and electrostatic chuck apparatus
CN104751652A (zh) * 2015-04-14 2015-07-01 江苏物联网研究发展中心 基于遗传算法的绿波优化算法
CN114944057A (zh) * 2022-04-21 2022-08-26 中山大学 一种路网交通流量数据的修复方法与系统
CN116758763A (zh) * 2023-05-06 2023-09-15 西藏金采科技股份有限公司 一种基于车联网的交通数据处理系统及方法
CN116758763B (zh) * 2023-05-06 2024-02-20 西藏金采科技股份有限公司 一种基于车联网的交通数据处理系统及方法
CN120338435A (zh) * 2025-06-12 2025-07-18 山西风行测控股份有限公司 一种基于动态电价的配电网运行优化方法及系统

Also Published As

Publication number Publication date
DE102008050822A1 (de) 2010-04-15
EP2345020B1 (de) 2016-02-24
EP2345020A2 (de) 2011-07-20
WO2010040649A3 (de) 2010-06-24
PL2345020T3 (pl) 2016-08-31

Similar Documents

Publication Publication Date Title
EP2345020A2 (de) Verkehrsadaptive netzsteuerung und verfahren zur optimierung der steuerungsparameter
CN110032782B (zh) 一种城市级智能交通信号控制系统及方法
EP2206023B1 (de) Verfahren zur rechnergestützten exploration von zuständen eines technischen systems
DE102021133415A1 (de) Sicheres und skalierbares modell für kultursensitives fahren durch automatisierte fahrzeuge
Jahanishakib et al. Land use change modeling through scenario-based cellular automata Markov: improving spatial forecasting
DE102018111070B4 (de) Verfahren zum Betreiben eines Kraftfahrzeugs zur Verbesserung von Arbeitsbedingungen von Auswerteeinheiten des Kraftfahrzeugs, Steuersystem zum Durchführen eines derartigen Verfahrens sowie Kraftfahrzeug mit einem derartigen Steuersystem
DE102015111105A1 (de) Massenbeschaffung zur vorhersage von fahrzeug-energieverbrauch
AT512977A2 (de) Methode zur Ermittlung eines Modells einer Ausgangsgröße eines technischen Systems
DE102017213350A1 (de) Verfahren zur Vorhersage eines Schaltzeitpunktes einer Signalgruppe einer Signalanlage
DE102004061636A1 (de) Zur Implementierung in ein Computersystem vorgesehenes Verfahren zur Ermittlung optimierter Bahnen eines Fahrzeugs sowie System zur Ermittlung optimierter Soll-Bahnen
WO2020207789A1 (de) Verfahren und vorrichtung zum ansteuern einer technischen einrichtung
WO2014072054A1 (de) System zur analyse und steuerung von energieflüssen
CN110021168A (zh) 一种车联网下实现实时智能交通管理的分级决策方法
DE102022004321A1 (de) Verfahren zur Verbrauchsschätzung von Elektrofahrzeugen und dessen Verwendung zum Ermitteln einer Navigationsroute
DE102022003079A1 (de) Verfahren zu einer automatisierten Generierung von Daten für rasterkartenbasierte Prädiktionsansätze
CN115762128B (zh) 一种基于自注意力机制的深度强化学习交通信号控制方法
DE102017221011B4 (de) Verfahren und Vorrichtung zum dynamischen Steuern einer Lichtsignalanlage
DE102022207041A1 (de) Verfahren zum Planen von Bewegungstrajektorien durch ein Modell für maschinelles Lernen
Mills Using group technology, simulation and analytic modeling in the design of a cellular manufacturing facility
EP2418632A1 (de) Verfahren zur Regelung einer Signalanlage
EP3953908A1 (de) Verfahren zur bestimmung einer belastungsvorhersage für ein bauteil eines kraftfahrzeugs
WO2021063568A1 (de) Verfahren zur parameteridentifikation eines black-box-modells für eine oder mehrere energietechnische anlagen eines energiesystems
DE112020006532T5 (de) Computersystem und verfahren mit ende-zu-ende modellierung für einen simulierten verkehrsagenten in einer simulationsumgebung
CN120494234B (zh) 基于混合强化学习的轨道交通平面线-站协同优化方法及系统
DE102023208451A1 (de) Computerimplementiertes Verfahren zum Erzeugen eines Steuerbefehls für ein autonomes Fahrzeug

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 09783452

Country of ref document: EP

Kind code of ref document: A2

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2009783452

Country of ref document: EP