基于占有率的信號相位交通狀態(tài)實時判別模型

聶建強，徐大林

(江蘇自動化研究所，江蘇 連云港 222006)

交通擁擠已經(jīng)成為中國眾多城市一個普遍的問題。及時、可靠的交通狀態(tài)信息對于在交通擁擠狀態(tài)下制定合理的交通疏導(dǎo)策略至關(guān)重要。因此交通狀態(tài)的判別成為了一個重要的研究課題。大量研究人員對該問題進行了深入的研究［1-4］。在文獻［2］中，提出了一種基于路段飽和度、排隊長度和平均車速的路段交通狀態(tài)模糊綜合評判模型。通過仿真分析認(rèn)為該模型可以獲得不錯的效果，但是在國內(nèi)目前普遍應(yīng)用的檢測手段下排隊長度和平均車速這兩個交通狀態(tài)指標(biāo)并不容易獲得，即便可以獲得，準(zhǔn)確率也很低，難以滿足實用的要求。文獻［3］提出了一種基于時間占有率-流量比率的路段交通狀態(tài)判別方法，該方法在實用程度上有了一定的提高，但是對于占有率值和流量比率值的震蕩過于敏感，導(dǎo)致判定出的交通狀態(tài)波動性很大，并不符合人們對交通狀態(tài)的實際判斷。另外，該方法并沒有考慮固定檢測器的布設(shè)位置，紅燈時間的存在對占有率值和流量比率值的影響，從而導(dǎo)致流量比率指標(biāo)值對實際交通狀態(tài)的反映與實際情況存在完全相反的情況，因此該方法并不具有實用性。文獻［4］根據(jù)浮動車數(shù)據(jù)提取路段時間區(qū)間內(nèi)的平均車速來進行路段交通狀態(tài)的實時判別，該方法考慮了狀態(tài)變化的連續(xù)性，針對交通狀態(tài)參數(shù)的波動性對傳統(tǒng)閾值判別法進行了改進。但是在現(xiàn)實情況下，國內(nèi)大部分地區(qū)浮動車數(shù)據(jù)基本不能獲取，從而導(dǎo)致該方法在實際應(yīng)用中大打折扣?？紤]到線圈檢測技術(shù)已經(jīng)很成熟且性價比高，且線圈檢測器是目前交通控制系統(tǒng)中應(yīng)用最廣的檢測手段，本文提出了基于線圈檢測器占有率的更加實用可靠的相位交通狀態(tài)判別模型。

1 基于占有率的相位交通狀態(tài)判別

1.1 典型路口固定檢測器布設(shè)

目前，最為成熟可靠的交通檢測手段為固定檢測器檢測，最為常用的檢測器有環(huán)形線圈檢測器和地磁檢測器兩種。針對當(dāng)前檢測技術(shù)的現(xiàn)實情況及結(jié)合本文要采用的狀態(tài)判別方法，對于典型路口的檢測器布設(shè)如圖1所示，路口各個路段分別布設(shè)戰(zhàn)術(shù)檢測器和戰(zhàn)略檢測器。路段各個車道距離停車線1m～2m內(nèi)布設(shè)戰(zhàn)術(shù)檢測器，路段戰(zhàn)略檢測器的布設(shè)位置與路段長度L有關(guān)，通過調(diào)查分析，在距離路段停車線0.2L距離處(只適用于長度為400m到1000m的路段)的各個車道布設(shè)戰(zhàn)略檢測器［5］。

圖1 典型路口檢測器布設(shè)

1.2 交通狀態(tài)判別指標(biāo)分析

時間占有率的計算公式如下:

其中，tim為路口相位i第m輛車占據(jù)檢測器的時間，單位s;Ti為路口相位i的觀測時段長，單位s，Oi為路口相位i在Ti內(nèi)的時間占有率。時間占有率值除了與通過檢測器的車流量有關(guān)，還與通過檢測器的車輛速度有關(guān)。車流量和車流速度都是進行道路交通狀態(tài)判定需要考慮的指標(biāo)，時間占有率將兩者很好地統(tǒng)一了起來，因此時間占有率是很好的道路交通狀態(tài)判別指標(biāo)。

戰(zhàn)略檢測器即安裝在距離路口0.2L處的路段上的檢測器。戰(zhàn)略檢測器時間占有率稱為戰(zhàn)略占有率，受排隊長度影響。戰(zhàn)略占有率顯著上升時，說明戰(zhàn)略檢測器被車輛長時間占據(jù)，可以認(rèn)為路段排隊長度已經(jīng)過長，路段交通狀態(tài)已經(jīng)擁擠。戰(zhàn)略占有率越大，路段交通擁擠越嚴(yán)重。

戰(zhàn)術(shù)檢測器即安裝在路段出口處距離停車線1m～2m處的檢測器。戰(zhàn)術(shù)檢測器時間占有率稱為戰(zhàn)術(shù)占有率，主要受相位綠燈時間內(nèi)車流量和路段入口前方交通狀況影響，兩者都將影響戰(zhàn)術(shù)占有率值的大小。在戰(zhàn)略占有率值大到一定程度時，戰(zhàn)術(shù)占有率值基本保持不變，所以戰(zhàn)術(shù)占有率值只有在戰(zhàn)略占有率值小于一定值時才起作用。

傳統(tǒng)的交通狀態(tài)判別往往傾向于采用飽和度作為交通狀態(tài)參數(shù)，通過對同一實際路口進行交通仿真發(fā)現(xiàn)，如圖2所示，飽和度和戰(zhàn)術(shù)占有率對于擁擠狀態(tài)和非擁擠狀態(tài)區(qū)分度不明顯，而戰(zhàn)略占有率的區(qū)分度非常明顯，所以采用戰(zhàn)略占有率來判別擁擠狀態(tài)與非擁擠狀態(tài)是極為有效的。在非擁擠狀態(tài)下，路段調(diào)查的實際戰(zhàn)略占有率往往不能反映路段的實際交通狀況，但從圖2中不難看出，戰(zhàn)術(shù)占有率與戰(zhàn)略占有率的變化趨勢基本一致，相對于飽和度能更好地表現(xiàn)路段交通狀態(tài)。因此，戰(zhàn)術(shù)占有率作為非擁擠狀態(tài)下交通狀態(tài)參數(shù)是合理且合適的。

圖2 飽和度、戰(zhàn)術(shù)占有率和戰(zhàn)略占有率隨時間變化曲線

2 相位交通狀態(tài)實時判別

2.1 方法概述

基于占有率的相位交通狀態(tài)實時判別由四部分組成:交通狀態(tài)預(yù)判別，臨界值判別，戰(zhàn)術(shù)占有率變化判別，狀態(tài)跳躍判別。該方法針對交通狀態(tài)參數(shù)在閾值附近波動性以及狀態(tài)的跳躍做了優(yōu)化，方法流程圖如圖3所示。

圖3 交通狀態(tài)判別流程

2.2 閾值的確定與交通狀態(tài)預(yù)判別

在本文中，路口某個信號相位在周期時間內(nèi)的交通狀態(tài)根據(jù)該周期戰(zhàn)略時間占有率Oik和周期戰(zhàn)術(shù)時間占有率O'ik來判定，圖4為交通狀態(tài)判定原理圖。擁擠狀態(tài)與非擁擠狀態(tài)的臨界值用表示，若Oik大于，則相位交通狀態(tài)判定為擁擠狀態(tài)。在擁擠狀態(tài)下，戰(zhàn)術(shù)占有率與戰(zhàn)略占有率不再存在線性關(guān)系，此時到達路口交通流量很大，已經(jīng)接近甚至超過飽和流量，交通流波動性也增強，幾乎所有到達路口的車輛都需要停車排隊才能通過路口，而且紅燈時間排隊過長，駕駛員通過路口感到自由度低，并且有一部分車輛需要二次排隊［6］。若 Oik小于，則相位交通狀態(tài)判定為非擁擠狀態(tài)。Oik、O'ik和的計算公式如下:

其中，Oik為路口信號相位i的第k個周期的戰(zhàn)略時間占有率，O'ik為路口信號相位i的第k個周期的戰(zhàn)術(shù)時間占有率，tikm為路口相位i第k個周期第m輛車占據(jù)戰(zhàn)略檢測器的時間，t'ikm為路口相位i第k個周期第m輛車占據(jù)戰(zhàn)術(shù)檢測器的時間為路口信號相位i的第k個周期的擁擠與非擁擠狀態(tài)的時間占有率臨界值，Cik為路口信號相位i的第k個周期時間，gik為路口信號相位i的第k個周期的綠燈時間，Nmax為路口信號相位i關(guān)鍵車道檢測區(qū)間所能容納的最大標(biāo)準(zhǔn)車輛數(shù)，Ti為路口信號相位i的標(biāo)準(zhǔn)檢測器占有時間，ti為路口信號相位i的標(biāo)準(zhǔn)檢測器空檔時間。

在交通狀態(tài)判定為非擁擠狀態(tài)的情況下，對應(yīng)相位的戰(zhàn)略檢測器的時間占有率值的可靠性較低。采用戰(zhàn)術(shù)檢測器時間占有率值與其變化率值相結(jié)合的方法，可以更加準(zhǔn)確地細(xì)分對應(yīng)相位的空閑狀態(tài)和順暢狀態(tài)。根據(jù)我國道路服務(wù)水平分級［7-8］，在飽和度低于0.42的情況下，道路為空閑狀態(tài)。根據(jù)理論推導(dǎo)，在飽和情況下，戰(zhàn)術(shù)檢測器時間占有率值為Of:

圖4 交通狀態(tài)判定原理

同理，當(dāng)O'ik小于0.42·Of時，相位交通狀態(tài)可以判定為空閑，當(dāng)O'ik大于0.42·Of時，相位交通狀態(tài)判定為順暢。在空閑狀態(tài)下，戰(zhàn)術(shù)占有率與戰(zhàn)略占有率呈線性關(guān)系，戰(zhàn)術(shù)占有率隨著戰(zhàn)略占有率的上升而呈現(xiàn)急劇上升的態(tài)勢，此時交通流量小，交通流為自由流，駕駛員進入路口進口道時基本不受交通流中其他車輛的影響，車流波動情況小，且綠燈期間到達的車輛不用尾隨排隊，可以直接通過路口。在順暢狀態(tài)下，戰(zhàn)術(shù)占有率與戰(zhàn)略占有率不再呈現(xiàn)線性關(guān)系，而是呈現(xiàn)戰(zhàn)術(shù)占有率隨戰(zhàn)略占有率增加而緩慢上升的關(guān)系，到達路口的車輛數(shù)開始增加，進入路口進口道的車輛開始受其它車輛的影響，可能要減速通過路口，車流的隨機性增強，在一個周期內(nèi)，到達路口的車輛多數(shù)能在綠燈時間內(nèi)全部通過，偶爾出現(xiàn)過飽和排隊車輛。綜上所述，相位交通空閑時對應(yīng)交通狀態(tài)值S=1，相位交通順暢時對應(yīng)交通狀態(tài)值S=2，相位交通擁擠時對應(yīng)交通狀態(tài)值S=3。

2.3 近閾值修正

近閾值修正的目標(biāo)在于判斷交通狀態(tài)參數(shù)在閾值附近時的交通狀態(tài)，避免交通狀態(tài)值的劇烈波動，因此，本文通過結(jié)合占有率和占有率變化趨勢來進行相位交通狀態(tài)判定。假設(shè)上一周期的戰(zhàn)略占有率為Oi-1，戰(zhàn)術(shù)占有率為O'i-1，實際判別的交通狀態(tài)值為Si-1;當(dāng)前周期的戰(zhàn)略占有率Oi，戰(zhàn)術(shù)占有率為O'i，對應(yīng)交通狀態(tài)預(yù)判值為Si，記擁擠狀態(tài)集為S'，非擁擠狀態(tài)集為S″，則一次修正交通狀態(tài)值S'i的計算如下:

當(dāng) Oi≥，Oi-1≥，Oi-Oi-1≥0 時，當(dāng)前交通狀態(tài)預(yù)判值為擁擠，上一個交通狀態(tài)預(yù)判值也為擁擠，并且交通狀態(tài)參數(shù)戰(zhàn)略占有率呈上升趨勢，因此，修正交通狀態(tài)值與上一實際交通判別值無關(guān)，與當(dāng)前交通預(yù)判值一致。

當(dāng) Oi≤，Oi-1≤，O'i≤，O'i-1≤，O'i-2≤時，當(dāng)前交通狀態(tài)預(yù)判為非擁擠狀態(tài)，并且上一個交通狀態(tài)也預(yù)判為非擁擠狀態(tài)，同時連續(xù)三個周期的戰(zhàn)術(shù)占有率都低于空閑與順暢狀態(tài)的戰(zhàn)術(shù)占有率閾值，則修正交通狀態(tài)值與上一周期實際交通判別值無關(guān)，與當(dāng)前交通預(yù)判值一致。

在其他情況下，修正交通狀態(tài)值與上一周期的實際交通判別值一致，與當(dāng)前交通預(yù)判值無關(guān)。

近閾值修正完畢后獲得一次交通狀態(tài)修正值。

2.4 狀態(tài)跳躍修正

在實際的交通狀態(tài)判別中，由于紅燈時間對交通的影響，往往造成車輛的排隊，導(dǎo)致檢測器占有率值的跳變，從而形成交通狀態(tài)的跳躍，這與實際交通狀態(tài)的變化趨勢是不相符的，因此需要對狀態(tài)跳躍的情況進行修正。同理，設(shè)上一周期的交通狀態(tài)實際判定為Si-1，當(dāng)前交通狀態(tài)的一次修正值為S'i，則交通狀態(tài)的二次修正值S″i計算如下:

式中，m為狀態(tài)跳躍判別參數(shù)，本文中取值為1，當(dāng)|S'i-Si-1|＞m時，表示狀態(tài)變化太劇烈，則取狀態(tài)值的平均值更符合交通狀態(tài)實際變化規(guī)律，否則無須對一次交通狀態(tài)修正值進行調(diào)整，維持不變即可。完成狀態(tài)跳躍修正后即可生成最終交通狀態(tài)發(fā)布。

3 仿真實驗與結(jié)果分析

本文以某城市道路交叉口為分析對象，該路口東西方向和南北方向均為雙向六車道。針對西東向左轉(zhuǎn)相位進行交通狀態(tài)判別，采用VISSIM4.2仿真軟件對該路口進行仿真實驗，仿真交叉口如圖5所示，分別只基于占有率值進行交通狀態(tài)判別和基于占有率值及其修正進行交通狀態(tài)判別，得到交通狀態(tài)判別結(jié)果圖6和圖7。

從圖6和圖7中可以看出，只基于占有率值的交通狀態(tài)判別波動性較大，基于占有率值及其變化率判別的交通狀態(tài)穩(wěn)定性強，更符合路口的實際情況。圖7相對于圖6做了6次修正，基本消除了狀態(tài)的突變及跳躍情況，可以證明本文所提模型對改進交通狀態(tài)判別的有效性。

圖5 仿真交叉口

圖6 基于占有率值的交通狀態(tài)傳統(tǒng)判別結(jié)果

圖7 基于占有率值及其修正的狀態(tài)判別結(jié)果

4 結(jié)束語

相位交通狀態(tài)信息對于制定合理有效的交通疏導(dǎo)策略意義重大。本文提出采用單車道雙檢測器信息采集模型，并且根據(jù)雙檢測器采集的時間占有率信息來進行相位交通狀態(tài)判別。本文的創(chuàng)新之處在于提出了閾值確定模型，閾值的確定不完全靠主觀經(jīng)驗，需要結(jié)合實地調(diào)查與理論公式來計算得出，并且針對交通狀態(tài)參數(shù)在閾值附近的波動和跳躍進行了狀態(tài)修正，使得判別出的交通狀態(tài)連續(xù)性更好。本文通過VISSIM4.2仿真模擬實際路口，對傳統(tǒng)的占有率閾值判別法和本文提出的基于占有率和占有率變化的判別法進行了對比，結(jié)果發(fā)現(xiàn)，后者相對于前者更能準(zhǔn)確有效地判別相位的交通狀態(tài)?？蛇M一步結(jié)合歷史數(shù)據(jù)庫來對當(dāng)前狀態(tài)進行判別，對閾值進行動態(tài)修正等。

［1］王子綱，施鵬飛，胡福喬.基于相位飽和度的城市交通擁塞的定理評價方法［J］.微型電腦應(yīng)用，2002，18(1):16-18.

［2］楊兆升，張茂雷.基于模糊綜合評判的道路交通狀態(tài)分析模型［J］.公路交通科技，2010，27(9):121-126.

［3］陳寧寧.信號控制子區(qū)動態(tài)劃分及區(qū)域自適應(yīng)協(xié)調(diào)控制研究［D］.廣州:中山大學(xué)，2010.

［4］王吟松，王嘉文，張建躍，等.基于浮動車車速數(shù)據(jù)的交通狀態(tài)實時判別系統(tǒng)和方法［J］.交通信息與安全，2011，29(6):97-102.

［5］王春娥.基于數(shù)據(jù)融合的城市道路交通狀態(tài)判別算法研究［D］.長春:吉林大學(xué)，2008.

［6］Yaser E.Hawas.A Fuzzy-based System for Incident Detection in Urban Street Networks［J］.Transportation Research Part C 15(2007)69-95.

［7］Reilly，W.Highway Capacity Manual［M］.Transportation Research Board，National Research Council，1998-4-1.

［8］公安部，建設(shè)部.城市道路交通管理評價指標(biāo)體系［M］.北京:公安部交通管理局、建設(shè)部城市建設(shè)司，2005.