基于多源數(shù)據(jù)的干線協(xié)調(diào)控制策略

蔡 茜，臧照奇，周 圍，周清雅

（同濟大學(xué) 交通運輸工程學(xué)院，上海 201804）

基于多源數(shù)據(jù)的干線協(xié)調(diào)控制策略

蔡 茜，臧照奇，周 圍，周清雅

（同濟大學(xué) 交通運輸工程學(xué)院，上海 201804）

為針對不同的交通流狀態(tài)選取合適的干線協(xié)調(diào)控制策略，基于線圈、視頻、微波獲取的多源實時交通數(shù)據(jù)，利用車隊離散模型和卡爾曼濾波模型獲取各轉(zhuǎn)向流量，采用HCM（Highway Capacity Manual）公式計算排隊長度和延誤，并根據(jù)干道交叉口排隊長度界定干線交通流狀態(tài)：欠飽和、接近飽和、過飽和，從而選擇相應(yīng)的干線協(xié)調(diào)控制策略：在欠飽和狀態(tài)下采用最大綠波帶法，在接近飽和狀態(tài)下采用改進的多帶寬協(xié)調(diào)模型，在過飽和狀態(tài)下采用排隊占比最小模型。以青島市香港中路為例，通過VISSIM仿真軟件對算法和策略進行仿真測試和評價，結(jié)果表明：不同交通狀態(tài)下的干線協(xié)調(diào)策略與原始控制方案相比，平均延誤減少了19.4%，平均停車次數(shù)減少了22.8%，平均排隊長度減少了7.4%。

多源數(shù)據(jù)；車隊離散模型；卡爾曼濾波；干線協(xié)調(diào)；平均排隊占比最小

0 引言

城市干道作為城市道路網(wǎng)的骨架，是城市交通的主要承擔(dān)者，在城市道路網(wǎng)絡(luò)中發(fā)揮著至關(guān)重要的作用，其運行效率與城市交通的整體運行效率密切相關(guān)，而城市干線協(xié)調(diào)控制策略的好壞則對城市干道運行效率的高低起決定性作用。

目前學(xué)術(shù)界對于干線協(xié)調(diào)控制策略的研究集中在3個方面：①準(zhǔn)確獲取城市干道交通流數(shù)據(jù)；②界定城市干道交通流狀態(tài)；③探討不同交通流狀態(tài)下的控制策略。對于如何準(zhǔn)確獲取城市干道交通流數(shù)據(jù)這一問題，Li Baibing等人通過建立適用于處理多源數(shù)據(jù)（包括來源于線圈、微波、雷達、視頻等的數(shù)據(jù)）的卡爾曼濾波模型，較為準(zhǔn)確地獲取城市干道交叉口各轉(zhuǎn)向的流量[1-2]。對于干線交通流狀態(tài)的研究主要集中在對過飽和狀態(tài)的判別方面，其中以HCM2010為代表，將到達率超過通行能力的狀態(tài)定義為過飽和狀態(tài)[3]；Longley等人認(rèn)為是否存在排隊溢出是交叉口處于過飽和狀態(tài)的關(guān)鍵判別指標(biāo)[4-6]。目前研究中涉及的干線信號控制策略主要有2類，一種是基于延誤最小的控制策略，如TRANSYT-7F、SIGOPⅢ等方法[7-8]，適用于飽和狀態(tài)；另一種是基于最大綠波帶寬的控制策略，如MAXBAND和MULTIBAND模型[9-10]，適用于欠飽和狀態(tài)。

綜上，以往的研究中缺乏對3種交通流狀態(tài)的準(zhǔn)確界定和針對3種交通流狀態(tài)的干線協(xié)調(diào)控制策略的綜合研究，大多的研究集中在某一種交通流狀態(tài)和該交通流狀態(tài)下的控制策略，而城市干道的交通流并非一成不變的，一般會在欠飽和、接近飽和、過飽和3種狀態(tài)間相互轉(zhuǎn)變[11-13]。因此本文的研究側(cè)重點為準(zhǔn)確界定出城市干道交通流的不同狀態(tài)，并提出不同交通流狀態(tài)下的干線協(xié)調(diào)策略，希望能夠為城市交通干道交通流判別和城市干道不同交通流狀態(tài)下的干線協(xié)調(diào)控制策略提供理論依據(jù)。

1 問題描述及模型建立

1.1 城市干道交叉口轉(zhuǎn)向交通流數(shù)據(jù)的獲取

城市干道檢測器布置位置如圖1所示，通常情況下，城市主干道的定點檢測器（如微波或線圈）位于路段中間，交叉口處則設(shè)置有視頻檢測器。對于線圈或微波檢測器，由于布置位置處于路段中間，距離交叉口有一定距離，所以其獲取的交通流數(shù)據(jù)無法準(zhǔn)確代表交叉口處的交通流數(shù)據(jù)。對于視頻檢測器，雖然能通過提取視頻檢測器數(shù)據(jù)來獲取準(zhǔn)確的交通流量和相應(yīng)參數(shù)，但此工作量巨大，耗時較長，無法滿足實時信號控制的要求。本文根據(jù)路段檢測器數(shù)據(jù)和交叉口處視頻數(shù)據(jù)，采用車隊離散模型和卡爾曼濾波模型得到交叉口處各轉(zhuǎn)向流量，數(shù)據(jù)融合的具體步驟為：①通過提取路段檢測器數(shù)據(jù)獲取路段流量；②通過車隊離散模型推算出交叉口處的交通流量；③每隔一段時間，利用視頻獲取的真實數(shù)據(jù)對車隊離散模型中的車流離散系數(shù)進行修正。具體融合過程如圖2所示。

圖1 城市干道檢測器布置示意圖

圖2 數(shù)據(jù)融合過程

1.1.1 車隊離散模型：羅伯遜幾何分布

首先通過路段中間檢測器獲取檢測器所在位置的車輛通過率，然后通過車隊羅伯遜幾何分布計算交叉口處的車輛到達率，并用視頻數(shù)據(jù)修正。計算公式為：

1.1.2 OD反推：卡爾曼濾波狀態(tài)空間模型

根據(jù)獲取的交叉口交通流量，利用OD反推技術(shù)獲取各轉(zhuǎn)向交通流量。通過建立卡爾曼濾波模型，獲取各進口道的轉(zhuǎn)向比，同時利用視頻數(shù)據(jù)進行修正。其關(guān)鍵方程如下：

根據(jù)轉(zhuǎn)向比bij求出下一階段交叉口各進口道的轉(zhuǎn)向流量：

式（2）～式（4）中：w(k)為過程方差；e(k)為觀測方差；qi(k)為時段k自進口道i流入交叉口的流量，i=1,2,3,4；yj(k)為時段k自出口道j流出交叉口的流量，j=1,2,3,4；bij(k)為時段k的劃分參數(shù)，即qi(k)中自出口道j流出yj(k)所占的比例，bij(k)≥0。

Y(k)=[y1(k),y2(k),y3(k),y4(k)]T，即時刻k自出口道j流出交叉口的流量矩陣；Q(k)=[q1(k),q2(k),q3(k),q4(k)]T，即時刻k自進口道i流入交叉口的流量矩陣；b(k)=[b11(k),b12(k),…,b14(k),b21(k),…,b44(k)]T，即時刻k的轉(zhuǎn)向比矩陣。

1.2 干線交通流判別方法

1.2.1 干線交通流狀態(tài)分類

干線交通流狀態(tài)的區(qū)分是所有干線協(xié)調(diào)控制策略的依據(jù)，本文引入了蓄車空間的概念，即交叉口進口道右轉(zhuǎn)拓寬空間或進口道停車線至右轉(zhuǎn)專用道分岔口的空間，根據(jù)干線各交叉口車輛在進口道的排隊長度，將交通狀態(tài)分為三類：欠飽和狀態(tài)、接近飽和狀態(tài)、過飽和狀態(tài)。

當(dāng)所有交叉口進口道的排隊長度小于蓄車空間時，干線交通狀態(tài)為欠飽和狀態(tài)。當(dāng)出現(xiàn)某一交叉口進口道排隊長度介于蓄車空間與路段長度間時，干線交通狀態(tài)為接近飽和狀態(tài)。當(dāng)干線交叉口群內(nèi)存在2個及以上交叉口排隊長度介于蓄車空間與路段長度間或存在交叉口排隊長度超過路段長時，干線交通狀態(tài)為過飽和狀態(tài)。

1.2.2 交叉口排隊長度和延誤的計算

本文采用美國公路通行能力手冊（HCM）中的方法估算排隊長度和延誤。其把信號交叉口平均排隊長度Q分為2部分，一部分是由均勻到達的車流產(chǎn)生的，另一部分是由于交通流的隨機擾動產(chǎn)生的，故Q的計算公式為：

第一部分排隊長度Q1，其值可由下式得到：

式中：PF2為連續(xù)車流影響的調(diào)整因子；vL為車道組每車道流量（veh/h），XL為流量與通行能力的比（vL/cL）；C為信號周期時長（s）；g為有效綠燈時間（s）。

第二部分排隊長度Q2是一個增量項，與到達流率的隨機性和由于短暫崩潰造成的排隊溢出相關(guān)，這種情況在交通需求小于通行能力時也可能出現(xiàn)。

式中：T為分析時段長度（h），一般取0.25h；cL為平均每條車道的通行能力（veh/h）；kB為第二部分與提前到達相關(guān)的調(diào)整系數(shù)；QbL為分析時段初平均每車道初始排隊長度（veh）。

對于信號周期時長為C，有效綠燈時間為g，到達流率為q的情況，交叉口延誤計算公式為：

式中：n為車道組數(shù)目；λi為車道組i的有效綠信比；xi為車道組i的飽和度；qi為車道組i的到達率（pcu/h）；ci為車道組i的通行能力（pcu/h）。

1.3 干線協(xié)調(diào)控制策略

在欠飽和狀態(tài)下，最常采用的干線最優(yōu)控制方法是最大綠波帶法。本文直接采用經(jīng)典的多帶寬干線協(xié)調(diào)模型，目標(biāo)為綠波帶最寬。

在飽和狀態(tài)下，只有單個交叉口排隊較長，此時信號控制的目標(biāo)主要是保證該路段的排隊在下一周期可以盡快消散并且保證主線的車流有完整的綠波帶，從而使得該路段的排隊車輛到下一路口后不會產(chǎn)生繼續(xù)排隊，避免再次形成接近飽和狀態(tài)。因此，對原始的多帶寬干線協(xié)調(diào)模型略做改變，目標(biāo)函數(shù)仍是綠波帶最寬，增加約束條件，保證有飽和趨勢的路段排隊可以在下一信號周期消散，不會產(chǎn)生二次排隊。

式中：i為有擁堵趨勢的交叉口；為上行（下行）總排隊消散時間（s）；為時間內(nèi)到達車流全部通過交叉口所需要的時間（s）。

在過飽和狀態(tài)下，干道的交通狀況整體較差，交通信號控制的效用將不斷減弱，通行效率嚴(yán)重下降，如果不及時采取有效措施，交叉口排隊會上溯到上游交叉口，甚至波及區(qū)域范圍內(nèi)的交通，直至路網(wǎng)整體鎖死，嚴(yán)重影響到整體路網(wǎng)的通行情況。此時需要調(diào)整控制策略，盡量避免過飽和狀態(tài)的產(chǎn)生。針對這一問題，在強調(diào)優(yōu)化交叉口每個相位排隊長度的同時，考慮排隊長度占路段長度的比例，盡量使得各交叉口的排隊均勻分布在各個路段，避免出現(xiàn)某幾個交叉口車輛排隊特別集中的情況，更加符合對交叉口信號參數(shù)優(yōu)化的要求。模型目標(biāo)是各交叉口排隊占比最?。?/p>

2 實證研究與仿真評價

本文數(shù)據(jù)主要由香港中路（山東路—福州路）的固定線圈、微波檢測器和視頻探測器所采集。數(shù)據(jù)采集時段為2014年11月3日6：50—8：59。固定檢測器具體布設(shè)方式見圖3。

圖3 香港中路檢測器布設(shè)圖

2.1 轉(zhuǎn)向交通流和排隊長度

2.1.1 交叉口流量

通過提取線圈數(shù)據(jù)和人工計數(shù)（視頻）獲得研究路段中間段和交叉口處的真實交通流數(shù)據(jù)，再用車隊離散模型計算交叉口流量，期間不斷用視頻數(shù)據(jù)修正車隊離散模型的車流離散系數(shù)。圖4為視頻流量、校正流量對比示例，實驗表明誤差小于5%。

2.1.2 交叉口流量轉(zhuǎn)向比

以香港中路—山東路交叉口為研究對象，各進出口道編號如圖5所示。將2014年11月3日6：50— 8：55的早高峰數(shù)據(jù)分為25組（每5min為一組），通過之前獲取的進口道交通流量，反推相應(yīng)時段各進出口道的轉(zhuǎn)向比，選取各時段轉(zhuǎn)向比反推值與真實值的均方差（Root Mean Square Error，簡稱RMS）作為評價指標(biāo)，均方差越小，表示反推值越準(zhǔn)確。RMS計算公式如下：

式中：brij為真實值（視頻提?。?；bij為反推值；n為時段組數(shù)。

圖4 視頻流量、校正流量對比示例

圖5 香港中路—山東路交叉口

選取b13來考察轉(zhuǎn)向比反推的精確度，結(jié)果見圖6。其中，RMS的計算結(jié)果為0.041 9，實驗表明，反推誤差較小，能夠滿足實際應(yīng)用需求的精度。

圖6 轉(zhuǎn)向比反推結(jié)果

2.1.3 交叉口排隊長度

針對各進口道，根據(jù)獲取的轉(zhuǎn)向交通流，使用HCM算法計算排隊長度，圖7所示為香港中路與其他道路4個交叉口的排隊長度與真實排隊長度的對比，誤差較小。圖8所示為香港中路—南京路交叉口西向東方向的進口道，直行方向不同時段的計算排隊長度與實際排隊長度的誤差，其平均值為5.85%。

圖7 排隊長度計算值（虛線）與真實值（實線）對比

圖8 直行方向計算值（虛線）與真實值（實線）對比

2.2 干線協(xié)調(diào)控制策略的仿真評價

依照香港中路（山東路—福州路）的實際道路情況，在VISSIM中構(gòu)建如圖9所示的路網(wǎng)模型。

在圖9所示的4個位置設(shè)置檢測器，其地理位置與實際的線圈或微波檢測器相吻合，通過比較流量與速度的擬合程度來確定整個模型是否真實可靠。

圖9 VISSIM仿真模型

以每60s為間隔，事先輸入各進口道流量，該流量是根據(jù)線圈、微波等檢測器數(shù)據(jù)結(jié)合流量反推計算得到的，模擬了青島市2014年9月1日6：30—6：45、6：45—7：00以及8：45—9：00的真實情況。經(jīng)過排隊長度的計算，這3個時段分別對應(yīng)了欠飽和狀態(tài)、接近飽和狀態(tài)以及過飽和狀態(tài)，使用這樣的流量數(shù)據(jù)可以充分展現(xiàn)不同交通狀態(tài)下基于多源數(shù)據(jù)融合的干線協(xié)調(diào)信號控制方案的有效性。

結(jié)果顯示流量的平均誤差為5.27%，速度的平均誤差為4.3%，檢測器實測得到的速度范圍約為30～60km/h，仿真模型中設(shè)置的范圍為40～60km/ h，與真實情況相近，故速度分布比較合理。

仿真輸入的信號燈配時包括2種情況：一是原始的信號配時方案；二是本文提出的新的干線協(xié)調(diào)控制方案，對應(yīng)于前面輸入的3種不同飽和狀態(tài)。根據(jù)前文的計算模型，得到了不同狀態(tài)對應(yīng)的信號燈配時方案，如圖10所示。

計算及仿真結(jié)果如表1所示。由表1可以看出，相比于原來的信號配時，本文提出的新的干線協(xié)調(diào)信號控制方案在交通延誤和停車次數(shù)上分別減少了19.4%和22.8%，而平均排隊長度也得到了改善，減少了7.4%。這充分說明基于多源數(shù)據(jù)融合的干線協(xié)調(diào)信號控制策略是有效的，能夠提高交叉口的運行效率。

圖10 信號配時方案

表1 計算及仿真結(jié)果

3 結(jié)語

本文提出了一套城市干道交通流不同狀態(tài)下的信號控制策略：通過融合線圈、微波和視頻等多源數(shù)據(jù)，利用車隊離散模型和OD反推技術(shù)，獲取城市干道交叉口運行狀態(tài)，并基于不同城市干道交通流狀態(tài)研究相應(yīng)的信號控制策略。實例分析表明，改進的信號控制策略能夠有效地減少停車延誤、停車次數(shù)和排隊長度。該模型的關(guān)鍵在于干線交通狀態(tài)的識別，本文采取的判別方法相對較簡單，如何科學(xué)合理地界定城市干線3種交通狀態(tài)有待進一步研究。

[1]LI B B,MOOR B D.Recursive Estimation Based on the Equality-Constrained Optimization for Intersection Origin-Destination Matrices[J].Transportation Research Part B: Methodological,1999,33(3):203-214.

[2]XU F Z,SU Y Q,LIU H.Research of Optimized Adaptive Kalman Filtering[C]//Proceeding of The 26th Chinese Con?trol and Decision Conference(2014 CCDC).Changsha: IEEE,2014:1210-1214.

[3]Transportation Research Board.Highway Capacity Manual [Z].Washington D.C.:Transportation Research Board, 2010.

[4]陳力.城市道路交通擁擠實時判別及其擴散范圍估計方法研究[D].廣州：廣東工業(yè)大學(xué)，2011.

[5]錢喆，徐建閩.基于線圈檢測的過飽和交通狀態(tài)判別[J].華南理工大學(xué)學(xué)報：自然科學(xué)版，2013，41（8）：93-98.

[6]LONGLEY D.A Control Strategy for a Congested Comput?er-Controlled Traffic Network[J].Transportation Research, 1968,2(4):391-408.

[7]LO H,CHOW A.Control Strategies for Oversaturated Traf?fic[J].Journal of Transportation Engineering,2004,130(4): 466-478.

[8]HAJBABAIE A,MEDINA J C,BENEKOHAL R F.Traffic Signal Coordination and Queue Management in Oversaturat?ed Intersection[R].Urbana:University of Illinois at Urbana Champaign,2011.

[9]唐克雙，孔濤，王奮，等.一種改進的多帶寬干線協(xié)調(diào)控制模型[J].同濟大學(xué)學(xué)報：自然科學(xué)版，2013，41（7）：1002-1008.

[10]李林.連續(xù)流綠波交通控制理論與方法研究[D].廣州：華南理工大學(xué)，2011.

[11]李琦.基于多源數(shù)據(jù)的交通狀態(tài)監(jiān)測與預(yù)測方法研究[D].長春：吉林大學(xué)，2013.

[12]孫曉亮.城市道路交通狀態(tài)評價和預(yù)測方法及應(yīng)用研究[D].北京：北京交通大學(xué)，2013.

[13]焦朋朋，陸化普，楊珊珊.動態(tài)OD反推理論中的關(guān)鍵問題研究[J].公路交通科技，2004，21（12）：93-95.

Arterial Coordinate Control Strategy Based on Multi-Source Data

CAI Xi,ZANG Zhao-qi,ZHOU Wei,ZHOU Qing-ya
(School of Transportation Engineering,Tongji University,Shanghai 201804,China)

In order to select appropriate arterial coordinate control strategies for different traffic flow states,based on the multi-source data from coil,video and microwave,the turning flows were obtained by using Platoon Dispersion Model and Kalman Filter Model,while the queue length and delay were cal?culated through the formula in Highway Capacity Manual.Traffic flow states,including under-saturated, near-saturated and over-saturated,were identified according to queue length and then corresponding ar?terial coordination strategies were chosen.The MAX Green Wave Band Model was used in the undersaturated state,the improved Bandwidth Coordination Model in the near-saturated state and the Minimal Queue Proportion Model in the over-saturate state.Taking Hong Kong Road in Qingdao as the example, simulation assessment results of VISSIM show the proposed model decreases the average delay by 19.4%,average number of stops by 22.8%and average queue length by 7.4%compared with original strategies.

multi-source data;Platoon Dispersion Model;Kalman Filter Model;arterial coordina?tion;minimum average queue ratio

U491

：A

：2095-9931（2015）05-0037-07

10.16503/j.cnki.2095-9931.2015.05.006

2015-07-17

蔡茜（1993—），女，湖南益陽人，研究方向為交通規(guī)劃設(shè)計與管理。E-mail:408255183@qq.com。