城市交叉口群信號(hào)協(xié)調(diào)控制范圍動(dòng)態(tài)劃分方法

楊 潔，過秀成，劉 迎，梁 浩

（東南大學(xué)，南京210096）

城市交叉口群信號(hào)協(xié)調(diào)控制范圍動(dòng)態(tài)劃分方法

楊 潔＊，過秀成，劉 迎，梁 浩

（東南大學(xué)，南京210096）

考慮交叉口群交通關(guān)聯(lián)特征，本文提出了交叉口群信號(hào)協(xié)調(diào)控制范圍動(dòng)態(tài)劃分方法.為響應(yīng)實(shí)時(shí)交通需求，采用交叉口通行能力利用率指標(biāo)識(shí)別道路網(wǎng)絡(luò)中的瓶頸區(qū)域.根據(jù)協(xié)調(diào)系數(shù)與不均衡系數(shù)兩類路段關(guān)聯(lián)度指標(biāo)，搜索瓶頸區(qū)域的影響范圍.應(yīng)用自組織映射神經(jīng)網(wǎng)絡(luò)，作為路段關(guān)聯(lián)度“強(qiáng)”與“弱”的臨界劃分工具.使用二分法逐步縮小搜索范圍，斷開關(guān)聯(lián)度較弱的路段連接，在余下的連通網(wǎng)絡(luò)中繼續(xù)分類直到滿足交叉口群協(xié)調(diào)控制規(guī)模約束的大小為止.仿真結(jié)果表明，交叉口群范圍的合理劃分有助于提高路網(wǎng)信號(hào)協(xié)調(diào)控制的效率.

交通工程；范圍動(dòng)態(tài)劃分；自組織映射神經(jīng)網(wǎng)絡(luò)；交叉口群；關(guān)聯(lián)度

1 引 言

城市交通原發(fā)性擁堵往往產(chǎn)生于某個(gè)路段或某個(gè)交叉口，隨著原發(fā)性擁堵持續(xù)時(shí)間的增長，在擁堵區(qū)域上游產(chǎn)生繼發(fā)性擁堵，最終可能在局部路網(wǎng)形成飽和循環(huán).解決關(guān)鍵的幾個(gè)大型交叉口或關(guān)聯(lián)交叉口組成的交叉口群的交通阻塞問題可以很大程度上緩解整個(gè)路網(wǎng)的交通擁堵.交叉口群是城市道路網(wǎng)絡(luò)中地理位置相鄰且存在較強(qiáng)關(guān)聯(lián)性的若干交叉口的集合[1].相較于傳統(tǒng)的分層或分布式城市區(qū)域信號(hào)協(xié)調(diào)控制系統(tǒng)中的控制子區(qū)，交叉口群是道路網(wǎng)絡(luò)中的一個(gè)特殊群體，兩者的識(shí)別與劃分有顯著差別：控制子區(qū)的生成是通過將整個(gè)網(wǎng)絡(luò)劃分為若干個(gè)子網(wǎng)，而交叉口群則需要根據(jù)交叉口間的關(guān)聯(lián)特征從路網(wǎng)中予以識(shí)別.控制子區(qū)的劃分側(cè)重于將具有相似交通流特征的交叉口歸為一組，交叉口群范圍識(shí)別更強(qiáng)調(diào)搜索路網(wǎng)中的瓶頸區(qū)域及其影響范圍.

與部分控制子區(qū)動(dòng)態(tài)劃分方法相類似，交叉口群范圍的識(shí)別以路段動(dòng)態(tài)關(guān)聯(lián)特征的分析為基礎(chǔ)，此外還需要解決另外兩個(gè)關(guān)鍵問題：一是在路網(wǎng)中尋找瓶頸點(diǎn)，用于對(duì)外搜索其影響范圍，二是確定關(guān)聯(lián)度指標(biāo)“強(qiáng)”與“弱”的臨界值，以界定具有強(qiáng)關(guān)聯(lián)性的交叉口群范圍的邊界.本文探討交叉口群信號(hào)協(xié)調(diào)控制范圍動(dòng)態(tài)劃分方法，通過識(shí)別路網(wǎng)的瓶頸區(qū)域，根據(jù)路段關(guān)聯(lián)特征搜索其影響范圍，使交叉口交通信號(hào)控制器能響應(yīng)時(shí)變的交通流需求動(dòng)態(tài)地進(jìn)行組合與分散，為路網(wǎng)信號(hào)協(xié)調(diào)控制提供一種新的思路.

2 控制范圍劃分原則

交叉口群信號(hào)協(xié)調(diào)控制范圍劃分基于兩項(xiàng)基本原則：①交叉口群范圍內(nèi)的交叉口關(guān)聯(lián)性相對(duì)較強(qiáng)；②交叉口群邊界的交叉口與群外相鄰的交叉口關(guān)聯(lián)性相對(duì)較弱.

定義交叉口群信號(hào)協(xié)調(diào)控制范圍界定的背景交通網(wǎng)絡(luò)為一個(gè)無向圖G={V,E}，其中頂點(diǎn)為交叉口的集合，用V={v1,v2,…}表示，頂點(diǎn)之間的連接路段稱為邊的集合，用E={e1,e2,…}表示.將G的頂點(diǎn)分割為兩個(gè)不交子集V1和V2，進(jìn)行信號(hào)協(xié)調(diào)控制的交叉口群瓶頸區(qū)域位于子集V1中.將一端在V1中而另一端在V2中的邊的全體稱為網(wǎng)絡(luò)G的一個(gè)完全截集，記為Cc(V1,V2)={e|vi(e)∈V1,vj(e)∈V2}.

各路段關(guān)聯(lián)度值是識(shí)別交叉口群協(xié)調(diào)控制范圍的關(guān)鍵指標(biāo).任取ek∈E（k=1,2,…,K），K為交通網(wǎng)絡(luò)G中的路段個(gè)數(shù)，各路段存在唯一的關(guān)聯(lián)度指標(biāo)I(ek).引入表示關(guān)聯(lián)度指標(biāo)強(qiáng)弱屬性的二進(jìn)制判別值C(ek)，用0與1表示；采用二分法對(duì)路段關(guān)聯(lián)值I(ek)進(jìn)行強(qiáng)、弱劃分后，隸屬于“關(guān)聯(lián)對(duì)相對(duì)較強(qiáng)”集合的C(ek)值為1，隸屬于“關(guān)聯(lián)對(duì)相對(duì)較弱”集合的C(ek)值被賦為0.

對(duì)應(yīng)原則①，對(duì)于連接頂點(diǎn) vi,vj∈V1的邊[vi,vj]，其判別值C(ek)均為1；對(duì)應(yīng)原則②，任取ek∈Cc(V1,V2)，C(ek)=0.

3 控制范圍動(dòng)態(tài)劃分流程

交叉口群信號(hào)協(xié)調(diào)控制范圍界定流程圖如圖1所示.

圖1 交叉口群信號(hào)協(xié)調(diào)控制范圍界定流程Fig.1 The procedure of traffic coordination control scope identification for intersection group

交叉口群信號(hào)協(xié)調(diào)控制范圍動(dòng)態(tài)劃分流程總結(jié)如下：

步驟0確定待識(shí)別交叉口群范圍的背景交通網(wǎng)絡(luò)G和交叉口群分析范圍內(nèi)交叉口個(gè)數(shù)的上限值M，計(jì)算網(wǎng)絡(luò)G內(nèi)各交叉口通行能力利用率指標(biāo)（Intersection Capacity Utilization，ICU），確定目標(biāo)交叉口vc，以此為基點(diǎn)，對(duì)外尋找與其有較強(qiáng)關(guān)聯(lián)性的交叉口.

步驟1計(jì)算網(wǎng)絡(luò)G中邊集合E內(nèi)所有元素的I(ek)值，并對(duì)各條邊的屬性判別值C(ek)賦初始值為1.

步驟2對(duì)邊集合E中所有元素的C(ek)值進(jìn)行檢驗(yàn)，若C(ek)值為0，則邊集合E中去除元素ek，選擇vc所在的連通部分，構(gòu)成判別網(wǎng)絡(luò)G'.

步驟3通過自組織映射神經(jīng)網(wǎng)絡(luò)對(duì)判別網(wǎng)絡(luò)G'中所有邊元素的I(ek)值進(jìn)行強(qiáng)弱劃分，根據(jù)各元素的隸屬集合對(duì)C(ek)值重新賦值，將屬于弱集合的邊的C(ek)值賦為0.

步驟4設(shè)定控制范圍動(dòng)態(tài)劃分過程的終止條件為：任取ek∈Cc(V1,V2)，C(ek)=0且m＜=M（m為V1中交叉口個(gè)數(shù)）.對(duì)終止條件進(jìn)行檢驗(yàn)，若滿足，則結(jié)束流程輸出范圍界定結(jié)果，否則，轉(zhuǎn)至步驟2.

4 控制范圍動(dòng)態(tài)劃分關(guān)鍵技術(shù)

4.1 目標(biāo)交叉口確定

相鄰交叉口高度關(guān)聯(lián)是實(shí)施信號(hào)協(xié)調(diào)控制的先決條件，但假如流量過載或信號(hào)配時(shí)方案不合理易導(dǎo)致滯留排隊(duì)、排隊(duì)溢流等負(fù)面交通效應(yīng)[2].在交叉口群瓶頸區(qū)域的識(shí)別中，選擇交叉口通行能力利用率指標(biāo)ICU作為衡量指標(biāo)，當(dāng)ICU值大于或等于1時(shí)，交叉口處于過載狀態(tài)，是潛在的交通瓶頸區(qū)域.確定背景交通網(wǎng)絡(luò)G中具有最大ICU值的交叉口作為目標(biāo)交叉口vc，以此為基點(diǎn)對(duì)外尋找其影響范圍.交叉口通行能力利用率ICU計(jì)算公式如下[3]：

ICU=sum(max(tMin,(v/s)i×CL)+tLi)/CL (1)式中 CL為交叉口周期時(shí)長（s）；(v/s)i為第i個(gè)相位的交通流量與飽和流率比值；tLi為第i個(gè)相位的綠燈損失時(shí)間（s）；tMin為相位最短綠燈持續(xù)時(shí)間（s）.

4.2 關(guān)聯(lián)指標(biāo)選取

以往對(duì)相鄰交叉口關(guān)聯(lián)度模型的研究主要用于解決信號(hào)控制子區(qū)劃分或線性協(xié)調(diào)控制的分段問題，如耦合指數(shù)模型[4,5]、引力模型[5]、協(xié)調(diào)系數(shù)[3]、互連指數(shù)[6-8]等.上述模型考慮了相鄰交叉口間距、交通流量、平均速度、車道數(shù)、車隊(duì)離散、車輛排隊(duì)、周期長度、主次流向流量分布的不均衡性8項(xiàng)主要因素.在交通信號(hào)協(xié)調(diào)及配時(shí)優(yōu)化軟件Synchro中應(yīng)用協(xié)調(diào)系數(shù)（Coordinatability Factor，CF）確定相鄰交叉口是否需要進(jìn)行信號(hào)協(xié)調(diào)控制，CF指標(biāo)考慮了影響相鄰交叉口關(guān)聯(lián)程度的前7項(xiàng)主要因素，新增流量分布不均衡系數(shù)（Imbalance Index，IB），共同作為相鄰交叉口關(guān)聯(lián)度的衡量指標(biāo)，即關(guān)聯(lián)度指標(biāo)I(ek)=[CF(ek),IB(ek)].

4.2.1 協(xié)調(diào)系數(shù)

協(xié)調(diào)系數(shù)CF由行程時(shí)間協(xié)調(diào)系數(shù)CF1、流量密度協(xié)調(diào)系數(shù)CF2、車隊(duì)離散調(diào)整系數(shù)Ap、流量調(diào)整系數(shù)Av和信號(hào)周期調(diào)整系數(shù)Ac共同組成[9]，如式（2）所示：

式中 CF1將屬于靜態(tài)關(guān)聯(lián)度影響因素的交叉口間距結(jié)合平均速度轉(zhuǎn)換為行程時(shí)間之后變?yōu)閯?dòng)態(tài)的關(guān)聯(lián)度影響因素，若行程時(shí)間較長，則下游交叉口的排隊(duì)車輛難以影響到上游交叉口的放行車輛，無需采用信號(hào)協(xié)調(diào)控制.CF2用于檢驗(yàn)一個(gè)信號(hào)控制周期內(nèi)相鄰交叉口連接路段的存儲(chǔ)空間能否滿足到達(dá)車輛數(shù)的需要，以避免排隊(duì)溢流的發(fā)生.Ap反映了車隊(duì)駛離上游交叉口停車線后到達(dá)下游交叉口的集聚狀態(tài)，若從上游交叉口駛離的車隊(duì)能在綠燈時(shí)間以集聚狀態(tài)通過下游交叉口，采用信號(hào)協(xié)調(diào)控制易取得良好的效果.Av計(jì)算了相鄰交叉口之間路段的雙向交通小時(shí)流量值v2（vph），v2值越大則更適宜于采用信號(hào)協(xié)調(diào)控制.AC用于研究各交叉口為延長至公用周期時(shí)長所需要增加的周期時(shí)間，周期時(shí)長越相近，則信號(hào)協(xié)調(diào)控制效果越好.各項(xiàng)系數(shù)的具體計(jì)算方法可參見參考文獻(xiàn)[3].

4.2.2 不均衡系數(shù)

交叉口通過多條路段與相鄰交叉口連接，為反映該交叉口與不同路段聯(lián)系強(qiáng)度的差異性，將相鄰兩個(gè)交叉口及其相連的路段視為一個(gè)整體，設(shè)外部對(duì)該整體輸入的小時(shí)交通流量為QOUT（vph），不均衡系數(shù)IB計(jì)算方式如下：

IB值越小，表示較多車輛通過各自交叉口駛?cè)肫渌范?，兩個(gè)交叉口聯(lián)系強(qiáng)度較弱；IB值越大，說明該路段對(duì)相鄰兩個(gè)交叉口的聯(lián)系有重要作用.

4.3 關(guān)聯(lián)度強(qiáng)弱劃分

交叉口群信號(hào)協(xié)調(diào)控制范圍劃分需要多次對(duì)路段關(guān)聯(lián)度強(qiáng)弱進(jìn)行比較，以使控制范圍滿足控制規(guī)模約束為止，但在每次比較過程中“強(qiáng)”與“弱”的分類標(biāo)準(zhǔn)均不一致.自組織映射神經(jīng)網(wǎng)絡(luò)（Self-Organizing Maps，SOM）是一種神經(jīng)網(wǎng)絡(luò)聚類方法，其以若干個(gè)神經(jīng)元共同反映分類結(jié)果，能夠通過神經(jīng)元之間的自組織尋找各類別之間的內(nèi)在特征[10]，因此不需要指定特定類別的度量指標(biāo)即能滿足相鄰交叉口關(guān)聯(lián)度強(qiáng)弱界定的要求.

4.3.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

SOM神經(jīng)網(wǎng)絡(luò)由競爭層（Kohonen層）與輸入層組成，如圖2所示.在競爭層中神經(jīng)元被排列成為矩形或蜂窩形，每個(gè)神經(jīng)元被賦予坐標(biāo)值（x，y）.輸入層中的每個(gè)神經(jīng)元通過N維權(quán)重矢量與競爭層中的各神經(jīng)元相聯(lián)系，權(quán)重矢量定義為Wxy=(wxy1,wxy2,...,wxyn,..,wxyN)，其中，N為輸入矢量A=(a1,a2,...,an,...,aN)中分量個(gè)數(shù).將背景交通網(wǎng)絡(luò)G中任意兩個(gè)相鄰交叉口的連接路段ek視為SOM神經(jīng)網(wǎng)絡(luò)輸入層的獨(dú)立神經(jīng)元，輸入矢量為路段的關(guān)聯(lián)度指標(biāo)，每個(gè)輸入矢量包括2個(gè)分量，即協(xié)調(diào)系數(shù)CF與不均衡系數(shù)IB.由于僅需要?jiǎng)澐株P(guān)聯(lián)度指標(biāo)值的“強(qiáng)”與“弱”，所以在競爭層也僅需要2個(gè)神經(jīng)元分別代表強(qiáng)集合與弱集合，構(gòu)建2×1的矩形網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu).

圖2 自組織映射神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖（以矩形網(wǎng)絡(luò)結(jié)構(gòu)為例）Fig.2 SOM network structure(grid-top)

4.3.2 權(quán)重矢量更新

SOM聚類就是為每個(gè)輸入層的神經(jīng)元尋找對(duì)應(yīng)的競爭層的神經(jīng)元，通過尋找輸入矢量與權(quán)重矢量的最佳匹配確定唯一的獲勝神經(jīng)元.一般最優(yōu)匹配方式選擇兩者之間具有最近的歐式距離，對(duì)于每個(gè)輸入神經(jīng)元，對(duì)應(yīng)映射網(wǎng)絡(luò)各單元的匹配屬性值bxy記為

式中 ‖‖表示歐式距離計(jì)算.若bxy=1，則在該坐標(biāo)的競爭層神經(jīng)元為獲勝神經(jīng)元.

在對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，為了使靠近獲勝神經(jīng)元的鄰近單元的權(quán)值向獲勝單元靠近，而使遠(yuǎn)離獲勝單元的神經(jīng)元的權(quán)值進(jìn)一步遠(yuǎn)離，需要通過競爭學(xué)習(xí)依據(jù)輸入的分布對(duì)權(quán)重矢量集合WXY進(jìn)行不斷調(diào)整.在設(shè)置權(quán)重矢量的初始值時(shí)，首先計(jì)算全體輸入向量的質(zhì)心，再在質(zhì)心的基礎(chǔ)上疊加小隨機(jī)值作為初始權(quán)重矢量；對(duì)于第t步權(quán)值矢量，其迭代方式如式（5）所示：

式中 hxy,XY(t)為關(guān)于學(xué)習(xí)率的鄰域函數(shù).神經(jīng)元（x，y）與獲勝單元（X，Y）的距離 dxy,XY越大，則hxy,XY(t)值越??；同時(shí)，為保證迭代運(yùn)算的收斂，當(dāng)t→∞時(shí)，hxy,XY(t)→0，關(guān)于鄰域函數(shù)的內(nèi)容詳見參考文獻(xiàn)[11].

定義競爭層強(qiáng)集合的權(quán)重矢量為W1=( w1CF,w1IB)，弱 集 合 的 權(quán) 重 矢 量 為. W2=(w2CF,w2IB) ,因此有每次關(guān)聯(lián)度強(qiáng)弱劃分的權(quán)重矢量都會(huì)有所不同，隨著劃分次數(shù)的增加，強(qiáng)、弱集合的權(quán)重矢量也會(huì)愈加相似.

5 示例

選擇Synchro 7中應(yīng)用協(xié)調(diào)控制的示例路網(wǎng)作為背景路網(wǎng)進(jìn)行算例分析，交通流量、路段尺寸、渠化方式、速度、信號(hào)配時(shí)參數(shù)等數(shù)據(jù)均取自于Synchro 7.如圖3所示，路網(wǎng)中共有8個(gè)交叉口，圓圈中數(shù)字為交叉口編號(hào).將交叉口群分析范圍內(nèi)交叉口個(gè)數(shù)的上限值M定為6.

首先計(jì)算各交叉口的ICU指標(biāo)，如表1所示，將具有最高ICU指標(biāo)值的交叉口③定為目標(biāo)交叉口vc，對(duì)外尋找其影響范圍.7條路段的關(guān)聯(lián)度指標(biāo)如表2所示，在輸入SOM模型之前對(duì)關(guān)聯(lián)度指標(biāo)進(jìn)行無量綱化處理，所有數(shù)據(jù)都被線性縮放至區(qū)間[0,1]之間.

表1 背景路網(wǎng)各交叉口通行能力利用率ICU計(jì)算值Table1 ICU values of the intersections in the background road network

表2 背景路網(wǎng)路段關(guān)聯(lián)度指標(biāo)計(jì)算值Table2 Traffic correlation degrees of the links in the background network

對(duì)背景路網(wǎng)采用Matlab軟件中的SOM工具箱進(jìn)行關(guān)聯(lián)度強(qiáng)弱劃分，得強(qiáng)集合的權(quán)重矢量W1為[0.654,0.596]，弱集合的權(quán)重矢量W2為[0,0].依據(jù)式（4）可知，除路段③-④外，其余6個(gè)路段均隸屬于強(qiáng)集合，即在SOM神經(jīng)網(wǎng)絡(luò)的競爭層中有6條路段的輸入矢量與強(qiáng)集合的權(quán)重矢量距離更為接近，落入強(qiáng)集合中；1條路段的輸入矢量與弱集合更為接近，落入弱集合中（圖4）.

將落入弱集合的路段③-④的協(xié)調(diào)控制屬性判別值賦為0，在原有的邊集合中去除該路段，目標(biāo)交叉口③所在的連通部分構(gòu)成判別網(wǎng)絡(luò)G'.此時(shí)，完全截集Cc(V1,V2)={③，④}，V1中交叉口個(gè)數(shù)m為5，小于上限個(gè)數(shù)6，滿足交叉口群范圍劃分過程終止條件，故圖3中虛線環(huán)繞的部分為劃分所得的交叉口群信號(hào)協(xié)調(diào)控制范圍.

Synchro 7軟件使用說明中建議當(dāng)CF>80時(shí)，需要進(jìn)行交叉口協(xié)調(diào)控制以避免溢流現(xiàn)象，當(dāng)CF<20時(shí)可對(duì)單個(gè)交叉口采取獨(dú)立控制[3]，因此在原示例路網(wǎng)中對(duì)8個(gè)交叉口共同進(jìn)行了信號(hào)協(xié)調(diào)控制.在交叉口群信號(hào)協(xié)調(diào)控制范圍劃分以后，對(duì)交叉口群內(nèi)部的5個(gè)交叉口統(tǒng)一進(jìn)行信號(hào)協(xié)調(diào)控制，而對(duì)范圍以外的交叉口采取獨(dú)立信號(hào)控制.采用Synchro軟件對(duì)不同協(xié)調(diào)控制方案下的背景路網(wǎng)交通運(yùn)行效益指標(biāo)進(jìn)行評(píng)估，以車均延誤、車均停車次數(shù)、車均停車延誤為考核指標(biāo)，仿真結(jié)果如圖5和表3所示，路網(wǎng)整體交通運(yùn)行效益得到明顯改善.

表3 背景路網(wǎng)交通運(yùn)行效益指標(biāo)比較Table3 Comparison of traffic operation benefits for background road network

圖3 示例交叉口群范圍劃分結(jié)果Fig.3 The intersection group identification results of the illustrative example

圖4 輸入矢量與權(quán)重矢量分布值Fig.4 The distribution of input vectors and weight vectors

圖5 交叉口交通運(yùn)行效益指標(biāo)比較Fig.5 Comparison of traffic operation benefits for intersections

6 研究結(jié)論

相較于傳統(tǒng)控制子區(qū)的動(dòng)態(tài)劃分方法，城市交叉口群信號(hào)協(xié)調(diào)控制范圍動(dòng)態(tài)劃分有助于識(shí)別路網(wǎng)中的擁堵區(qū)域，根據(jù)擁堵區(qū)域的網(wǎng)絡(luò)結(jié)構(gòu)與交通需求因地制宜，提出有效的信號(hào)協(xié)調(diào)控制方案.本文響應(yīng)實(shí)時(shí)交通需求選擇背景路網(wǎng)中交通負(fù)荷最大的目標(biāo)交叉口為基點(diǎn)，對(duì)外尋找其影響范圍；采用協(xié)調(diào)系數(shù)與不均衡系數(shù)作為相鄰交叉口關(guān)聯(lián)特征的度量指標(biāo)，應(yīng)用自組織映射神經(jīng)網(wǎng)絡(luò)確定關(guān)聯(lián)指標(biāo)“強(qiáng)”與“弱”的臨界點(diǎn)，通過二分法逐步縮小搜索范圍，以此確定城市道路網(wǎng)絡(luò)交叉口群信號(hào)協(xié)調(diào)控制范圍.通過算例比較了在有、無交叉口群范圍識(shí)別情形下路網(wǎng)交通信號(hào)協(xié)調(diào)控制的效果.仿真結(jié)果表明,交叉口群范圍的識(shí)別有助于提高路網(wǎng)信號(hào)協(xié)調(diào)控制的效率.后續(xù)研究將在真實(shí)路網(wǎng)環(huán)境中進(jìn)一步驗(yàn)證該方法的有效性.

[1]楊曉光,曾松,杭明升.中國城市道路交通實(shí)時(shí)自適應(yīng)控制與管理系統(tǒng)研究[J].交通運(yùn)輸工程學(xué)報(bào),2001,1 (02):74-77.[YANG X G,ZENG S,HANG M S.Re?search on advanced urban traffic control and manage?ment system for China[J].Journal of Traffic and Trans?portation Engineering,2001,1(02):74-77.]

[2]李巖,過秀成,楊潔,等.過飽和狀態(tài)交叉口群信號(hào)控制機(jī)理及實(shí)施框架[J].交通運(yùn)輸系統(tǒng)工程與信息, 2011,11(04):28-34.[LI Y,GUO X C,YANG J et al. Mechanism analysis and implementation framework for traffic signal control of over-saturated intersection group [J].Journal of Transportation Systems Engineering and Information Technology,2011,11(04):28-34.]

[3]Husch D,Albeck J.Synchro studio 7 user guide[M]. Sugar Land:Trafficware,2006.

[4]Yagoda H N,Principle E H,Vick C E,et al.Subdivision of signal systems into control areas[J].Traffic Engineer?ing,1973,43(12):42-45.

[5]Hook D,Albers A.Comparison of alternative methodolo?gies to determine breakpoints in signal progerssion[C]// The 69th Annual Meeting of Institute of Transportation Engineers.Las Vegas,Nevada，1999.

[6]Chang E C-P.How to decide the interconnection of iso?lated traffic signals[C]//Proceedings of the 1985 Winter Simulation Conference.New York,USA，1985.

[7]Federal Highway Administration,PAWA-Winkelmann，Associates.Traffic control systems handbook,FHWAHOP-06-006[R].Washington,D.C.,USA，2005.

[8]馬萬經(jīng),李曉丹,楊曉光.基于路徑的信號(hào)控制交叉口關(guān)聯(lián)度計(jì)算模型[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2009,37(11):1462-1466.[MA W J,LI X D,YANG X G.Incidence degree model of signalized intersection group based on routes[J].Journal of Tongji University (Natural Science),2009,37(11):1462-1466.]

[9]李瑞敏,陸化普,史其信.交通信號(hào)控制子區(qū)模糊動(dòng)態(tài)劃分方法研究[J].武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版),2008,32(03):381-384.[LI R M,LU H P,SHI Q X.Research on traffic signal control sub-area fuzzy automatic division method[J].Journal of Wuhan Univer?sity of Technology(Transportation Science&Engineer?ing),2008,32(03):381-384.]

[10]Kohonen T.Self-organization and associative memory [M].New York:Springer-Verlag New York,Inc.,1988.

[11]Engelbrecht A P.Computational intelligence[M].USA: John Wiley&Sons Inc,2002.

Dynamic Scope Identification for Urban Intersections Group with Traffic Coordination Control

YANG Jie,GUO Xiu-cheng,Liu Ying,Liang Hao
(Southeast University,Nanjing 210096,China)

The Dynamic scope identification method for intersections group is proposed based on the traffic correlations between the neighboring intersections.The intersection capacity utilization index is adopted to indentify the bottleneck area in the road network according to the real-time traffic demand.The influence scope of the bottleneck area is searched by the traffic correlation measurements,namely the coordinatability factor and the imbalance index.The intersection correlation intensity is divided by the self-organizing map into two sets,the strong and the weak.The bisection method gradually reduces the searching range by disconnecting the weak link before the limited scope of coordination control is reached.Simulation result of an illustrative example shows the intersections group scope identification helps to improve the efficiency of network coordination control.

traffic engineering;dynamic scope identification;self-organizing maps;intersections group; traffic correlation

1009-6744（2014）03-0028-06

U491.5+4

A

2013-09-30

2013-12-08錄用日期：2013-12-23

國家社科基金重大項(xiàng)目(11&ZD160);江蘇省交通科學(xué)研究計(jì)劃項(xiàng)目（2012X09-2）.

楊潔（1984-），女，江蘇常州人，講師.*通訊作者：yangjie.seu.08@gmail.com