本發(fā)明屬于智能交通領(lǐng)域，尤其涉及施工區(qū)車流引導(dǎo)與速度協(xié)同控制系統(tǒng)。

背景技術(shù)：

1、近年來(lái)，隨著城市道路施工頻率的增加，施工區(qū)交通管理面臨嚴(yán)峻挑戰(zhàn)，由于施工區(qū)域空間狹小、人車混雜、工況動(dòng)態(tài)變化復(fù)雜，傳統(tǒng)依賴人工指揮與靜態(tài)標(biāo)識(shí)的管理方式難以適應(yīng)實(shí)時(shí)車流波動(dòng)，易引發(fā)交通擁堵與安全隱患；現(xiàn)有技術(shù)中，固定式限速標(biāo)志與車道指示牌無(wú)法根據(jù)施工區(qū)動(dòng)態(tài)參數(shù)靈活調(diào)整引導(dǎo)策略，導(dǎo)致車輛在車道變窄區(qū)域因速度突變或無(wú)序變道產(chǎn)生連鎖式急剎，進(jìn)一步加劇通行效率下降與事故風(fēng)險(xiǎn)。同時(shí)，傳統(tǒng)交通信號(hào)控制系統(tǒng)與車輛導(dǎo)航功能相互獨(dú)立，缺乏車流與車速的協(xié)同優(yōu)化機(jī)制，難以實(shí)現(xiàn)施工區(qū)車輛的平滑過(guò)渡控制；此外，現(xiàn)有系統(tǒng)對(duì)多源異構(gòu)數(shù)據(jù)的實(shí)時(shí)感知與處理能力不足，在突發(fā)事故或惡劣天氣下難以快速響應(yīng)。這些技術(shù)瓶頸使得施工區(qū)交通組織長(zhǎng)期面臨效率低下、安全性不足的雙重困境，亟待通過(guò)智能化協(xié)同控制手段實(shí)現(xiàn)突破。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出了施工區(qū)車流引導(dǎo)與速度協(xié)同控制系統(tǒng)，該系統(tǒng)通過(guò)區(qū)域感知模塊、分布式引導(dǎo)模塊、通信模塊和應(yīng)急反應(yīng)模塊的協(xié)同運(yùn)作實(shí)現(xiàn)車流精準(zhǔn)控制；區(qū)域感知模塊基于三維建模與數(shù)字孿生技術(shù)，融合實(shí)時(shí)交通流量、車輛狀態(tài)及環(huán)境數(shù)據(jù)，構(gòu)建目標(biāo)區(qū)域三維模擬空間；分布式引導(dǎo)模塊利用分布式強(qiáng)化學(xué)習(xí)算法建立引流控制模型，結(jié)合車-路-云三級(jí)通信節(jié)點(diǎn)，動(dòng)態(tài)優(yōu)化子區(qū)域擁堵調(diào)控策略，實(shí)時(shí)調(diào)整車輛加速度與速度；應(yīng)急反應(yīng)模塊通過(guò)異常分析算法與策略庫(kù)，快速生成應(yīng)急指令并反饋至引導(dǎo)模型，解決突發(fā)異常事件，本技術(shù)整合多源數(shù)據(jù)實(shí)時(shí)感知、分布式?jīng)Q策優(yōu)化與多級(jí)通信架構(gòu)，實(shí)現(xiàn)施工區(qū)車流動(dòng)態(tài)分流和智能交通控制。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、施工區(qū)車流引導(dǎo)與速度協(xié)同控制系統(tǒng)，包括：區(qū)域感知模塊、分布式引導(dǎo)模塊、通信模塊與應(yīng)急反應(yīng)模塊；

4、所述區(qū)域感知模塊，根據(jù)區(qū)域地圖層結(jié)合實(shí)時(shí)采集的交通流量、車輛狀態(tài)、區(qū)域環(huán)境及目標(biāo)區(qū)域出入信息，通過(guò)三維建模算法結(jié)合孿生算法，獲取目標(biāo)區(qū)域三維模擬空間；

5、基于所述目標(biāo)區(qū)域三維模擬空間結(jié)合所述分布式引導(dǎo)模塊內(nèi)置的分布式引流控制模型及所述通信模塊中基于窄帶物聯(lián)網(wǎng)技術(shù)構(gòu)建的車-路-云三級(jí)通信節(jié)點(diǎn)空間對(duì)目標(biāo)區(qū)域所有車輛運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)控制，并實(shí)時(shí)監(jiān)測(cè)目標(biāo)區(qū)域異常數(shù)據(jù)，同時(shí)將所述目標(biāo)區(qū)域異常數(shù)據(jù)反饋到所述應(yīng)急反應(yīng)模塊內(nèi)置的異常分析算法及應(yīng)急處理策略庫(kù)，獲得應(yīng)急處理策略，將所述應(yīng)急處理策略反饋到所述分布式引流控制模型對(duì)異常狀態(tài)車輛運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)調(diào)整；

6、所述車-路-云三級(jí)通信節(jié)點(diǎn)空間通過(guò)目標(biāo)區(qū)域內(nèi)車輛數(shù)據(jù)、道路分布數(shù)據(jù)、人流數(shù)據(jù)及環(huán)境狀態(tài)數(shù)據(jù)及監(jiān)測(cè)設(shè)備位置與數(shù)據(jù)傳輸關(guān)系結(jié)合圖算法構(gòu)建得到；

7、所述分布式引流控制模型是通過(guò)不同目標(biāo)子區(qū)域擁堵程度分布狀態(tài)、車輛運(yùn)行加速度與速度及車距、車輛與車輛或環(huán)境之間發(fā)生異常的概率分布及車輛行駛路徑結(jié)合分布式強(qiáng)化學(xué)習(xí)算法構(gòu)建得到。

8、具體地，區(qū)域感知模塊包括數(shù)據(jù)采集單元、三維建模單元和孿生模擬單元；

9、所述數(shù)據(jù)采集單元，基于預(yù)設(shè)的數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)結(jié)合預(yù)設(shè)的分布式濾波模型實(shí)時(shí)采集目標(biāo)區(qū)域三維點(diǎn)云圖變化信息、車輛運(yùn)行數(shù)據(jù)、車輛及人流及道路分布信息，獲得目標(biāo)區(qū)域?qū)崟r(shí)狀態(tài)集；

10、所述三維建模單元，基于目標(biāo)區(qū)域?qū)崟r(shí)狀態(tài)集的靜態(tài)信息子集結(jié)合三維建模算法，獲得目標(biāo)區(qū)域靜態(tài)三維模型；所述靜態(tài)信息子集包括目標(biāo)區(qū)域建筑分布、道路分布、路面屬性及基礎(chǔ)設(shè)施信息；

11、所述孿生模擬單元，基于目標(biāo)區(qū)域靜態(tài)三維模型結(jié)合目標(biāo)區(qū)域?qū)崟r(shí)狀態(tài)集的動(dòng)態(tài)信息子集，通過(guò)孿生模擬算法對(duì)目標(biāo)區(qū)域?qū)崟r(shí)車輛、人流及設(shè)備變化信息進(jìn)行實(shí)時(shí)模擬，獲得目標(biāo)區(qū)域動(dòng)態(tài)模擬信息集。

12、具體地，分布式引導(dǎo)模塊包括邊緣計(jì)算單元與引導(dǎo)控制單元；所述通信模塊包括通信構(gòu)建單元與通信傳輸單元；所述分布式引流控制模型包括分布式邊緣優(yōu)化子模型與分布式邊緣控制子模型；

13、所述邊緣計(jì)算單元，用于根據(jù)目標(biāo)區(qū)域動(dòng)態(tài)模擬信息集結(jié)合預(yù)設(shè)的分布式邊緣優(yōu)化子模型，獲得目標(biāo)區(qū)域內(nèi)所有道路對(duì)應(yīng)每一車輛的運(yùn)行優(yōu)化參數(shù)；

14、所述每一車輛的運(yùn)行優(yōu)化參數(shù)包括每一車輛對(duì)應(yīng)的運(yùn)行速度、加速度與前后車輛對(duì)應(yīng)的車距及指令發(fā)射間隔分布；

15、所述引導(dǎo)控制單元，基于每一車輛的運(yùn)行優(yōu)化參數(shù)結(jié)合分布式邊緣控制子模型獲得每一車輛對(duì)應(yīng)的引導(dǎo)控制指令；

16、同時(shí)根據(jù)指令發(fā)射間隔分布將每一車輛對(duì)應(yīng)的引導(dǎo)控制指令通過(guò)所述車-路-云三級(jí)通信節(jié)點(diǎn)空間發(fā)送到對(duì)應(yīng)的車輛節(jié)點(diǎn)，每一車輛節(jié)點(diǎn)通過(guò)接受的引導(dǎo)控制指令對(duì)車輛運(yùn)行狀態(tài)及運(yùn)行路徑進(jìn)行實(shí)時(shí)控制調(diào)整。

17、具體地，目標(biāo)區(qū)域?qū)崟r(shí)狀態(tài)集的獲取過(guò)程包括：

18、基于目標(biāo)區(qū)域內(nèi)設(shè)置的所有靜態(tài)監(jiān)測(cè)設(shè)備對(duì)應(yīng)的位置點(diǎn)作為所述數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)中的靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)、目標(biāo)區(qū)域內(nèi)所有車輛對(duì)應(yīng)的動(dòng)態(tài)位置點(diǎn)作為所述數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)中的動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)；

19、同時(shí)以所有靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)之間的數(shù)據(jù)傳輸路徑關(guān)系構(gòu)建靜態(tài)監(jiān)測(cè)連接序列，并以所有靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)與動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)之間的數(shù)據(jù)傳輸路徑關(guān)系建立第一動(dòng)態(tài)監(jiān)測(cè)連接序列，并以所有動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)之間的數(shù)據(jù)傳輸路徑關(guān)系構(gòu)建第二動(dòng)態(tài)監(jiān)測(cè)連接序列；

20、基于所有靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)、動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)及對(duì)應(yīng)的靜態(tài)監(jiān)測(cè)連接序列與動(dòng)態(tài)監(jiān)測(cè)連接序列，通過(guò)圖算法構(gòu)建得到數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)。

21、具體地，目標(biāo)區(qū)域?qū)崟r(shí)狀態(tài)集的獲取過(guò)程還包括：

22、基于每一所述靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)對(duì)應(yīng)可監(jiān)測(cè)距離，對(duì)目標(biāo)區(qū)域進(jìn)行劃分并獲取所有靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)對(duì)應(yīng)的監(jiān)測(cè)重疊區(qū)域；

23、當(dāng)任一所述動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)處于任一監(jiān)測(cè)重疊區(qū)域時(shí)，則選擇與當(dāng)前動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)對(duì)應(yīng)信號(hào)傳輸時(shí)間最短的靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)建立第一動(dòng)態(tài)監(jiān)測(cè)連接；

24、當(dāng)任一動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)與任一靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)或動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)的間距大于對(duì)應(yīng)的可監(jiān)測(cè)距離時(shí)，則斷開(kāi)對(duì)應(yīng)的動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)的第一動(dòng)態(tài)監(jiān)測(cè)連接或第二動(dòng)態(tài)監(jiān)測(cè)連接；

25、根據(jù)對(duì)應(yīng)動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)當(dāng)前所處位置及與任一靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)或動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)的間距關(guān)系更新當(dāng)前動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)的第一動(dòng)態(tài)監(jiān)測(cè)連接或第二動(dòng)態(tài)監(jiān)測(cè)連接；

26、當(dāng)任一動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)離開(kāi)目標(biāo)區(qū)域時(shí)，則直接斷開(kāi)當(dāng)前動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)對(duì)應(yīng)的第一動(dòng)態(tài)監(jiān)測(cè)連接和第二動(dòng)態(tài)監(jiān)測(cè)連接并刪除當(dāng)前動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)；

27、當(dāng)存在新的動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)進(jìn)入目標(biāo)區(qū)域，則重復(fù)上述第一動(dòng)態(tài)監(jiān)測(cè)連接和第二動(dòng)態(tài)監(jiān)測(cè)連接構(gòu)建及更新過(guò)程，以更新數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)。

28、具體地，目標(biāo)區(qū)域?qū)崟r(shí)狀態(tài)集的獲取過(guò)程還包括：

29、基于卡爾曼濾波與靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)個(gè)數(shù)，構(gòu)建分布式濾波模型并將所述分布式濾波模型按照分布式框架部署到所述數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)中的每一個(gè)靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)中；

30、基于所述數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)實(shí)時(shí)采集目標(biāo)區(qū)域?qū)?yīng)環(huán)境數(shù)據(jù)、車輛運(yùn)行數(shù)據(jù)、道路狀態(tài)數(shù)據(jù)及行人分布數(shù)據(jù)，并將每一動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)采集的車輛運(yùn)行數(shù)據(jù)通過(guò)建立的第一動(dòng)態(tài)監(jiān)測(cè)連接傳輸?shù)綄?duì)應(yīng)的靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)上；

31、每一所述靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)通過(guò)部署的分布式濾波模型對(duì)自身與動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)上傳的監(jiān)測(cè)數(shù)據(jù)進(jìn)行濾波處理，獲得目標(biāo)區(qū)域?qū)崟r(shí)狀態(tài)集。

32、具體地，車-路-云三級(jí)通信節(jié)點(diǎn)空間的構(gòu)建過(guò)程包括：

33、基于所述數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)中的靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)及對(duì)應(yīng)的靜態(tài)監(jiān)測(cè)連接構(gòu)建引導(dǎo)優(yōu)化子網(wǎng)，同時(shí)基于所述數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)中的動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)及對(duì)應(yīng)的第二動(dòng)態(tài)監(jiān)測(cè)連接構(gòu)建引導(dǎo)控制子網(wǎng)；

34、基于每一所述靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)對(duì)應(yīng)的第一動(dòng)態(tài)監(jiān)測(cè)連接映射得到所述引導(dǎo)優(yōu)化子網(wǎng)中每一引導(dǎo)優(yōu)化節(jié)點(diǎn)與所述引導(dǎo)控制子網(wǎng)中對(duì)應(yīng)引導(dǎo)控制節(jié)點(diǎn)之間的優(yōu)化映射連接。

35、具體地，指令發(fā)射間隔分布的構(gòu)建過(guò)程包括：

36、在所述目標(biāo)區(qū)域三維模擬空間通過(guò)數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)實(shí)時(shí)模擬采集所述目標(biāo)區(qū)域每一路徑對(duì)應(yīng)車輛密度、車距、每一車輛密度下對(duì)應(yīng)的車速及加速度信息、每一車輛密度下引導(dǎo)控制指令發(fā)射的頻次和每一引導(dǎo)控制指令發(fā)射的頻次下每一路徑上車輛發(fā)生異常概率，獲得模擬目標(biāo)區(qū)域?qū)崟r(shí)狀態(tài)集；

37、基于每一車輛密度下引導(dǎo)控制指令發(fā)射的頻次和每一引導(dǎo)控制指令發(fā)射頻次下每一路徑上車輛發(fā)生異常概率，通過(guò)支持向量機(jī)構(gòu)建得到指令發(fā)射間隔分布函數(shù)；

38、將所述模擬目標(biāo)區(qū)域?qū)崟r(shí)狀態(tài)集輸入到所述車-路-云三級(jí)通信節(jié)點(diǎn)空間，并以指令發(fā)射間隔分布函數(shù)對(duì)應(yīng)的異常概率最小化為優(yōu)化目標(biāo)結(jié)合優(yōu)化算法進(jìn)行指令發(fā)射間隔優(yōu)化模擬，獲得在每一車輛密度及車速下最小化異常概率對(duì)應(yīng)的最優(yōu)指令發(fā)射間隔分布函數(shù)及車輛密度與車速的分布函數(shù)。

39、具體地，車-路-云三級(jí)通信節(jié)點(diǎn)空間的構(gòu)建過(guò)程還包括：

40、將所述最優(yōu)指令發(fā)射間隔分布函數(shù)內(nèi)置到每一引導(dǎo)優(yōu)化節(jié)點(diǎn)與對(duì)應(yīng)引導(dǎo)控制節(jié)點(diǎn)之間的優(yōu)化映射連接中，并將車輛密度與車速的分布函數(shù)內(nèi)置到每一引導(dǎo)控制節(jié)點(diǎn)中的分布式邊緣控制子模型中；

41、基于當(dāng)前時(shí)刻所有引導(dǎo)控制節(jié)點(diǎn)對(duì)應(yīng)位置所屬路徑信息結(jié)合引導(dǎo)優(yōu)化子網(wǎng)、引導(dǎo)控制子網(wǎng)及優(yōu)化映射連接，通過(guò)圖算法結(jié)合休眠喚醒算法與功率控制算法獲得差異性控制的車-路-云三級(jí)通信節(jié)點(diǎn)空間；

42、所述靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)與引導(dǎo)優(yōu)化節(jié)點(diǎn)一一對(duì)應(yīng)；所述動(dòng)態(tài)監(jiān)測(cè)節(jié)點(diǎn)與所述引導(dǎo)控制節(jié)點(diǎn)一一對(duì)應(yīng)；每一所述引導(dǎo)控制節(jié)點(diǎn)與目標(biāo)區(qū)域內(nèi)的每一車輛對(duì)應(yīng)。

43、具體地，每一車輛對(duì)應(yīng)的引導(dǎo)控制指令的獲取過(guò)程包括：

44、基于所述數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)實(shí)時(shí)采集所述目標(biāo)區(qū)域每一路徑對(duì)應(yīng)車輛密度、車距、每一車輛密度下對(duì)應(yīng)的車速及加速度信息及車輛出入信息，獲得實(shí)時(shí)目標(biāo)區(qū)域?qū)崟r(shí)狀態(tài)集；

45、基于實(shí)時(shí)目標(biāo)區(qū)域?qū)崟r(shí)狀態(tài)集，通過(guò)所述車-路-云三級(jí)通信節(jié)點(diǎn)空間中的引導(dǎo)優(yōu)化子網(wǎng)，獲得每一引導(dǎo)優(yōu)化節(jié)點(diǎn)對(duì)應(yīng)所有引導(dǎo)控制節(jié)點(diǎn)的最優(yōu)指令發(fā)射頻次及車速引導(dǎo)參數(shù)序列；

46、基于最優(yōu)指令發(fā)射頻次將車速引導(dǎo)參數(shù)序列發(fā)射到對(duì)應(yīng)引導(dǎo)控制節(jié)點(diǎn)中，并利用對(duì)應(yīng)引導(dǎo)控制節(jié)點(diǎn)中的分布式邊緣控制子模型生成引導(dǎo)控制指令對(duì)對(duì)應(yīng)車輛行駛速度進(jìn)行差異性實(shí)時(shí)控制。

47、本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，通過(guò)多維技術(shù)融合實(shí)現(xiàn)施工區(qū)車流動(dòng)態(tài)協(xié)同控制，具體技術(shù)效果如下：基于數(shù)據(jù)采集節(jié)點(diǎn)網(wǎng)的分布式濾波模型與卡爾曼濾波算法，實(shí)時(shí)融合靜態(tài)監(jiān)測(cè)節(jié)點(diǎn)與動(dòng)態(tài)車輛數(shù)據(jù)，消除環(huán)境噪聲干擾，提升交通狀態(tài)感知精度；通過(guò)三維建模與孿生算法構(gòu)建目標(biāo)區(qū)域靜態(tài)-動(dòng)態(tài)耦合模型，結(jié)合車-路-云三級(jí)通信節(jié)點(diǎn)空間的圖算法優(yōu)化，實(shí)現(xiàn)車輛引導(dǎo)控制指令的低延遲傳輸與差異性控制；利用分布式強(qiáng)化學(xué)習(xí)算法，基于車輛密度、車距及異常概率分布動(dòng)態(tài)生成最優(yōu)指令發(fā)射間隔函數(shù)，同步優(yōu)化車速與加速度參數(shù)，確保車流平滑過(guò)渡；通過(guò)支持向量機(jī)與優(yōu)化算法耦合，將車輛密度-車速分布函數(shù)嵌入邊緣控制子模型，自適應(yīng)調(diào)整路徑規(guī)劃策略，增強(qiáng)系統(tǒng)對(duì)動(dòng)態(tài)交通環(huán)境的響應(yīng)能力；本方法顯著提升施工區(qū)車輛管控的實(shí)時(shí)性、精度與魯棒性。