短時預(yù)測下單點自適應(yīng)公交信號優(yōu)先控制方法

郭海鋒，周 悅，袁鑫良，貢 偉

(1.浙江工業(yè)大學(xué) 信息工程學(xué)院，浙江 杭州 310023；2.杭州通悟科技有限公司，浙江 杭州 310006)

短時預(yù)測下單點自適應(yīng)公交信號優(yōu)先控制方法

郭海鋒1，周 悅1，袁鑫良1，貢 偉2

(1.浙江工業(yè)大學(xué) 信息工程學(xué)院，浙江 杭州 310023；2.杭州通悟科技有限公司，浙江 杭州 310006)

為改善單點自適應(yīng)公交信號優(yōu)先控制存在的配時方案滯后問題，首先依據(jù)短時預(yù)測的交通流量計算交叉口各相位未來時段所需的最短綠燈時間；然后以公交車準(zhǔn)點車頭時距和公交車載客率為指標(biāo)優(yōu)化公交權(quán)重，并以最小化公交車平均等待時間為目標(biāo)構(gòu)建目標(biāo)函數(shù)，既減少非執(zhí)行相位增加的延誤，又提高執(zhí)行相位公交的優(yōu)先通行率.仿真實驗結(jié)果表明：通過短時預(yù)測方式，能夠獲得交叉口交通流發(fā)展趨勢，合理分配各相位的最短綠燈時間，有利于優(yōu)化相位配時模型的計算精度，減少交叉口人均延誤和車均延誤.

交通控制；公交信號優(yōu)先；自適應(yīng)控制；單點信號交叉口

公交優(yōu)先是提高公交運行效率、改善公交服務(wù)水平的有效方法.已有的公交優(yōu)先措施有兩種：道路空間優(yōu)化和信號配時優(yōu)化.前者主要通過設(shè)置公交專用道[1-2]或雙停止線[3]等方式實現(xiàn)，但因其需要滿足多方面的客觀條件，所以在實施中經(jīng)常受到限制；而后者由于簡單易實現(xiàn)經(jīng)常被采用.現(xiàn)有的信號配時優(yōu)化方式可劃分為以下三類：1) 被動公交優(yōu)先[4-5]，是指信號機依據(jù)獲取的歷史交通運行數(shù)據(jù)(車均乘客數(shù)、小時流量等)，分析公交車的到達(dá)規(guī)律，進(jìn)而設(shè)計靜態(tài)的配時來滿足公交優(yōu)先通行，但無法響應(yīng)交通流實時變化；2) 主動公交優(yōu)先[6-10]，是指信號機根據(jù)反饋檢測的公交車輛信息，采用延長綠燈、早斷紅燈或相位跳躍等方法動態(tài)調(diào)整交叉口的信號配時，有利于公交通行；3) 自適應(yīng)公交優(yōu)先[11-14]，信號機動態(tài)的調(diào)整相位配時，滿足公交車優(yōu)先的同時優(yōu)化整個系統(tǒng)的性能指標(biāo).在三類信號配時優(yōu)化方式中，自適應(yīng)公交優(yōu)先能夠平衡社會車輛和公交車輛的效益，更容易在實踐應(yīng)用中被接受和采納.然而，已有的單點自適應(yīng)公交優(yōu)先方法通常是在既定相位相序情況下，以前幾個信號周期獲取的數(shù)據(jù)為基礎(chǔ)，對當(dāng)前信號周期進(jìn)行優(yōu)化，進(jìn)而給出各相位的綠信比.該種方法會使優(yōu)化的配時方案滯后于交通流的發(fā)展變化，影響單點交叉口各相位公交優(yōu)先控制的效果.

針對該問題，提出一種短時預(yù)測下的單點交叉口自適應(yīng)公交優(yōu)先控制策略與相位優(yōu)化配時方法.依據(jù)城市道路交叉口的交通流特性，運用模糊卡爾曼濾波預(yù)測下一個15 min交通流量，計算預(yù)測的各相位所需的最短綠燈時間，滿足各相位基本配時需求.然后依據(jù)采集的公交車載客率、車流狀況等數(shù)據(jù)，通過相位優(yōu)化配時模型，計算下一個執(zhí)行相位的綠燈時間，確保公交車優(yōu)先實時性.

1 公交優(yōu)先信號控制策略

為提高交叉口車輛通行效益和體現(xiàn)公交優(yōu)先原則，權(quán)衡社會車輛和公交車優(yōu)先通行效益，采用滾動相位實時預(yù)測調(diào)整控制策略.該策略由短時流量預(yù)測下相位最短綠燈時間模型(簡稱相位最短綠燈時間預(yù)測模型)和相位優(yōu)化配時模型組成.

相位最短綠燈時間預(yù)測模型是基于短時交通流量預(yù)測[15]未來15 min交通流量數(shù)據(jù)，然后依據(jù)Webster最短信號周期計算公式[16]，預(yù)測得到最短信號周期，再根據(jù)各相位預(yù)測的關(guān)鍵車道流量比，預(yù)測各相位最短綠燈時間.

相位優(yōu)化配時模型是以預(yù)測的相位最短綠燈時間為基礎(chǔ)，綜合考慮交叉口延誤，并根據(jù)采集公交車載客人數(shù)，公交準(zhǔn)晚點等數(shù)據(jù)，確定每輛公交車的權(quán)重.此外，相位優(yōu)化配時模型受到以下條件約束：1) 相位綠燈時間不得大于相位最長綠燈時間；2) 相位綠燈時間不得小于預(yù)測的相位最短綠燈時間；3) 優(yōu)先相位與非優(yōu)先相位相比，前者減少的總延誤必須大于后者增加的總延誤.

公交優(yōu)先自適應(yīng)控制策略如下：

步驟1 采集各相位的公交車數(shù)量、社會車數(shù)量、公交車乘客人數(shù)以及公交車平均車速等參數(shù)數(shù)據(jù).

步驟2 根據(jù)短時交通流預(yù)測算法[15]，預(yù)測各相位未來15 min的交通流量，然后計算預(yù)測的各相位最短綠燈時間.

步驟3 根據(jù)采集的上傳數(shù)據(jù)，依據(jù)公交權(quán)重計算模塊，計算公交車權(quán)重并分類匯總.

步驟4 利用相位優(yōu)化配時模型，計算各相位優(yōu)化后的綠燈時間，滿足公交優(yōu)先通行.

步驟5 當(dāng)前執(zhí)行相位綠燈時間結(jié)束時，檢測該相位綠燈時間前已經(jīng)排隊而未通過交叉口的車輛數(shù)，反饋檢測信息，優(yōu)化計算下一周期該相位優(yōu)化的綠燈時間.

控制策略流程如圖1所示.

圖1 控制策略流程圖Fig.1 Flow of control strategy

2 相位最短綠燈時間預(yù)測模型

2.1 短時交通流量預(yù)測

前述短時交通流量預(yù)測是以檢測器獲取的實時數(shù)據(jù)和歷史數(shù)據(jù)為基礎(chǔ)，以15 min為時間間隔，采用文獻(xiàn)[15]中提出的方法對交叉口各方向的交通流量進(jìn)行預(yù)測，其預(yù)測模型為

(1)

通過模糊卡爾曼濾波對各方向交通流量進(jìn)行預(yù)測，然后以相位最短綠燈時間預(yù)測模型為基礎(chǔ)，計算預(yù)測的各相位最短綠燈時間.

2.2 最短綠燈時間預(yù)測模型

根據(jù)預(yù)測各相位關(guān)鍵車道的交通流量，對所需的最短信號周期進(jìn)行預(yù)測，以獲取各相位所需的最短綠燈時間，用于后續(xù)優(yōu)化計算.最短信號周期的計算采用文獻(xiàn)[16]給出的Webster最短信號周期計算公式，然后按各相位關(guān)鍵車道預(yù)測流量中的最大流量比來分配各個相位的綠燈時間，此綠燈時間記為預(yù)測的相位最短綠燈時間.

根據(jù)短時交通流預(yù)測第n車道交通流量qn與其飽和流量Sn之比，得第n車道預(yù)測流量比率yn，即

(2)

相位i對應(yīng)車道的預(yù)測流量比集合oi={yn,…,yk|n,k∈i}，選取oi中最大值作為關(guān)鍵車道相位i預(yù)測的最大流量比yi.max，即

yi.max=max{yn,…,yk|yn,yk∈oi}

(3)

當(dāng)滿足條件Y<0.6時，借鑒Webster最短信號周期計算公式[16]，計算交叉口多相位最短預(yù)測周期Cmin為

(4)

(5)

式中Y為多相位交叉口的關(guān)鍵車道預(yù)測最大流量比率之和.

當(dāng)滿足條件Y≥0.6時，Webster最短信號周期計算公式計算結(jié)果與實際值偏差較大，會導(dǎo)致相位最短預(yù)測周期偏差較大.因此，采用文獻(xiàn)[17]的方法，計算交叉口多相位最短預(yù)測周期Cmin為

Cmin=1.23Le(2.46-0.02L)Y

(6)

式中L為交叉口信號損失時間(通常設(shè)置為每相位黃燈時間總和).

由此可得預(yù)測的相位i最短綠燈時間gi.min為

(7)

3 相位優(yōu)化配時模型

首先，通過各相位最短綠燈時間預(yù)測模型，能夠得到預(yù)測的各相位最短綠燈時間；然后，通過相位優(yōu)化配時模型的優(yōu)化計算來獲得執(zhí)行相位的綠燈時間.根據(jù)公交的自身屬性，如車輛載客人數(shù)、車輛平均速度、車輛晚點狀況等，給予各公交車自身權(quán)重，參與相位優(yōu)化配時模型計算，分配相位優(yōu)化綠燈時間，滿足符合條件的公交優(yōu)先通行，降低交叉口人均延誤.

相位i綠燈可達(dá)區(qū)(圖2)是指從進(jìn)口道上游某處至停止線的區(qū)域li，當(dāng)相位i顯示綠燈時，進(jìn)入該區(qū)域的機動車都能夠順利通過交叉口.相位i綠燈可達(dá)區(qū)域分為兩個部分：1)相位i綠燈最短配時區(qū)li.min(圖2中Green區(qū)域)；2)相位i綠燈延長區(qū)li.inc(圖2中Red區(qū)域).

圖2 交叉口直行相位i綠燈可達(dá)區(qū)Fig.2 Green time attainable district of intersection straight phase i

相位i綠燈可達(dá)區(qū)長度li定義為在執(zhí)行相位i最長綠燈時間內(nèi)，進(jìn)入該區(qū)域的機動車可以通過交叉口的最大距離長度.相位i最短綠燈配時區(qū)長度li.min定義為在執(zhí)行相位i最短綠燈時間內(nèi)，進(jìn)入該區(qū)域的機動車可以通過交叉口的最大距離長度.相位i綠燈延長區(qū)長度li.inc定義為在執(zhí)行相位i綠燈延長時間內(nèi)，進(jìn)入該區(qū)域的機動車可以通過交叉口的最大距離長度.相位i最短綠燈配時區(qū)長度li.min為

(8)

相位i綠燈延長區(qū)長度li.inc，根據(jù)不同環(huán)境狀況，可分為三類：1) 相位i進(jìn)口道上的車輛平均停車的最大長度在相位i最短綠燈配時區(qū)內(nèi)，即pi·td≤gi.min；2) 相位i進(jìn)口道上的車輛平均停車的最大長度在相位i綠燈延長區(qū)內(nèi)，即gi.mingi.max-gi.min.li.inc為

(9)

相位i綠燈可達(dá)區(qū)長度li為

li=li.min+li.inc

(10)

式中：td為排隊離散飽和平均車頭時距；gi.max為相位i最長綠燈時間；vi.arr為相位i車輛平均到達(dá)速率；pi為相位i車道上平均最大停車數(shù)量；Hh.w為停車車輛平均車頭間距.

執(zhí)行相位i綠燈前，如果車輛位于相位i綠燈最短配時區(qū)內(nèi)，執(zhí)行相位i的最短綠燈時間將滿足該車輛通行；如果車輛位于相位i綠燈延長區(qū)內(nèi)，執(zhí)行相位i需要根據(jù)車輛具體位置延長相應(yīng)的綠燈時間才能滿足該車輛順利通行；如果車輛位于相位i可達(dá)區(qū)以外，執(zhí)行相位i不能通過延長綠燈時間的條件滿足該車輛通行.

3.1 公交車權(quán)重計算

針對單點交叉口多相位公交優(yōu)先控制方法，采用了以下兩類重要的指標(biāo)計算公交車權(quán)重.

(11)

式中Hk為相同線路公交車之間的車頭時距.

公交車乘客實際平均等待時間與公交車準(zhǔn)點乘客平均等待時間之差作為公交晚點乘客平均多等待時間EWT[18]，其表達(dá)式為

(12)

將EWT簡化后，可得公交晚點乘客平均多等待指標(biāo)系數(shù)ηn[18]為

ηn=2PnKn(Hn.br-Hn.af1)

(13)

式中Kn為公交晚點乘客平均多等待系數(shù)ηn中的一個系數(shù)[18]，其表達(dá)式為

(14)

2) 計算公交車權(quán)重指標(biāo)之二是公交車載客率.采用《美國公路2000手冊》中計算公交車載客率rn為

(15)

結(jié)合上述兩個計算公交車權(quán)重指標(biāo)，計算公交車線路n的權(quán)重wn(《美國公路2000手冊》)為

wn=ηnfnrn

(16)

式中fn為影響公交線路n的其他影響因子，如右轉(zhuǎn)影響、BRT和混合交通參數(shù)等影響因素.

隨著新的可獲取WiFi熱點和藍(lán)牙信號等各類傳感器技術(shù)的出現(xiàn)，將可以采集相對較多的參數(shù)數(shù)據(jù)，如公交車載客人數(shù)，公交車的前方實時路況等.公交權(quán)重計算需要利用每輛公交車采集的數(shù)據(jù)信息，運用式(11～16)計算各輛公交車權(quán)重.檢測器采集并上傳公交車線路n的通訊信息，如表1所示.

表1 上傳公交線路n通訊信息

上傳的公交車通訊信息經(jīng)公交車權(quán)重計算模塊處理后，針對不同相位的數(shù)據(jù)計算結(jié)果，按與交叉口的距離排序并進(jìn)行對應(yīng)編號，以供相位優(yōu)化模塊使用.以相位i為例，整理后相位i信息如表2所示.

表2 相位i信息

3.2 相位延誤計算

公交優(yōu)先控制針對不同相位產(chǎn)生的不同延誤影響.其延誤可分為：1)優(yōu)先相位減少的總延誤；2)非優(yōu)先相位增加的總延誤.

如果相位i不執(zhí)行綠燈時間延長Δti，則該時間段內(nèi)到達(dá)進(jìn)口道的車輛需要等待下一次相位i的綠燈時間才能離開交叉口，因此有可能會產(chǎn)生相位i上的延誤.圖3中四邊形陰影部分面積表示相位i沒有延長綠燈時間Δti的延誤，如果相位i綠燈延長Δti時間，則等同于相位i一個進(jìn)口道k上減少的延誤[19]，其表達(dá)式為

(17)

圖3 優(yōu)先相位i第k進(jìn)口道車輛達(dá)到與離開過程Fig.3 Vehicle to arrive and leave process of the import road k of priority Phase i

式(17)計算結(jié)果為社會車輛減少車輛延誤，然而，需要的是社會車輛位于相位i綠燈延長區(qū)減少人均總延誤公式，對式(17)進(jìn)行相應(yīng)的修改，得到相位i綠燈延長時間Δti一個進(jìn)口道k上減少的預(yù)測人均總延誤，即

(18)

公交車的延誤計算相對比較精確，計算公交車線路n位于相位i綠燈延長區(qū)內(nèi)，利用延長相位i綠燈時間Δti，能夠通過交叉口的公交車線路n的人均總延誤，其表達(dá)式為

(19)

式中：CT-1為上一個信號周期時長；gi.min為短時最短綠燈預(yù)測時間.

交叉口設(shè)有n個相位，優(yōu)先相位i執(zhí)行延長綠燈時間Δti，且優(yōu)先相位i綠燈最短配時區(qū)不受延長綠燈時間的影響，然而延長綠燈時間減少相位i綠燈延長區(qū)內(nèi)的公交車輛與社會車輛的延誤.優(yōu)先相位i延長綠燈時間Δti減少人均總延誤ΔDpriority(i,Δti)，其表達(dá)式為

(20)

式中：o{i}為相位i進(jìn)口車道的總集合；h{i}為位于相位i綠燈延長區(qū)內(nèi)的公交車輛在綠燈延長時間Δti內(nèi)能夠通過交叉口的集合.

在優(yōu)先相位i執(zhí)行延長綠燈時間Δti時，非優(yōu)先相位的車輛需要多等待Δti時間才能通行，因此增加了非優(yōu)先相位的延誤.圖4中四邊形陰影部分面積表示非優(yōu)先相位i+1由于優(yōu)先相位i綠燈延長Δti時間產(chǎn)生的延誤，相當(dāng)于相位i+1延長了綠燈時間Δti，使非優(yōu)先相位在該段內(nèi)的相位延誤減少(圖3).其非優(yōu)先相位i+1進(jìn)口道k上增加的人均延誤[19]，其表達(dá)式為

圖4 非優(yōu)先相位i+1第k進(jìn)口道車輛達(dá)到與離開過程Fig.4 Vehicle to arrive and leave process of the import road k of non-priority phase i+1

(21)

式(21)計算結(jié)果為非優(yōu)先相位i+1的社會車輛增加車輛延誤，需要根據(jù)非優(yōu)先相位i+m綠燈可達(dá)區(qū)的范圍，對社會車輛增加人均總延誤公式進(jìn)行分類，計算由于優(yōu)先相位i延長綠燈Δti時間，非優(yōu)先相位i+m增加的人均預(yù)測總延誤.根據(jù)其綠燈可達(dá)區(qū)的范圍，計算延誤分為兩類：

(22)

式中：e{i+m}為非優(yōu)先相位i+m的公交車在相位i綠燈延長Δti內(nèi)，由行駛狀態(tài)變?yōu)榈群驙顟B(tài)的公交車編號集合；s{i+m}為非優(yōu)先相位i+m的公交車在相位i綠燈延長時間段Δti內(nèi)，停車等待Δti的編號集合；h{i+m}為位于非優(yōu)先相位i+m綠燈延長區(qū)內(nèi)的公交車輛在綠燈延長時間Δti內(nèi)能夠通過交叉口的集合；o{i+m}為非優(yōu)先相位i+m所有進(jìn)口車道的總集合.

式(22)中的第一項為非優(yōu)先相位i+m的公交車在相位i綠燈延長時間段Δti內(nèi)由行駛狀態(tài)變?yōu)橥＼嚑顟B(tài)增加的停車時間延誤；第二項為非優(yōu)先相位i+m的公交車在相位i綠燈延長時間段Δti，停車多等候Δti的延誤；第三項為由于相位i綠燈時間延長了Δti導(dǎo)致相位i+m的綠燈時間也延長了Δti，從而減少了公交車在該延長時段通過交叉口的延誤；第四項為由于相位i綠燈延長時間Δti導(dǎo)致相位i+m上社會車輛的延誤；第五項為由于相位i綠燈延長時間Δti導(dǎo)致相位i+m延長綠燈時間Δti，社會車輛在該延長時間通過交叉口而減少社會車輛的延誤.

(23)

式(23)中，第一項表示非優(yōu)先相位i+m的公交車在相位i綠燈延長時間段Δti，停車多等候Δti的延誤；第二項表示在非優(yōu)先相位的綠燈可達(dá)區(qū)內(nèi)，社會車輛停車多等待Δti的延誤.

非優(yōu)先相位以車輛的排隊長度作為參考，依據(jù)上述兩類條件，將其分類，符合(1)類的非優(yōu)先相位集合為α，符合(2)類的非優(yōu)先相位集合為β，對所有非優(yōu)先相位求和即非優(yōu)先相位增加延誤總和，其表達(dá)式為

(24)

3.3 相位優(yōu)化綠燈時間模型

(25)

提出的算法以公交優(yōu)先通行能力為主，建立最優(yōu)目標(biāo)函數(shù)J(i,Δti)，優(yōu)化執(zhí)行優(yōu)先相位的綠燈延長時間，同時降低對非優(yōu)先相位延誤增加的影響，保障優(yōu)先相位公交車輛優(yōu)先通行，降低交叉口的總體延誤.此算法采用滾動相位實時控制，對即將要執(zhí)行的綠燈相位進(jìn)行實時預(yù)測并計算各個權(quán)重值，以確定該相位所需最優(yōu)的綠燈延長時間，得到優(yōu)化的該相位綠燈時間.在此過程中對各相位的公交優(yōu)先請求進(jìn)行處理，不會出現(xiàn)公交優(yōu)先請求沖突的情況.此外模型還具有自適應(yīng)性.首先，利用短時流量預(yù)測的結(jié)果確定各相位最短綠燈預(yù)測時間，然后，利用相位優(yōu)化配時模型確定相位最優(yōu)綠燈配時時間，其目的是保障交叉口自適應(yīng)性.

目標(biāo)函數(shù)J(i,Δti)為

maxJ(i,Δti)=ΔDdelay(i,Δti)-ΔDdelay(i,Δti-1)

gi,min≤Δti+gi≤gi.max

J>0

Δti≥1

(26)

利用相位綠燈時間優(yōu)化模型，計算出綠燈最優(yōu)延長時間Δti.由此得到優(yōu)先相位優(yōu)化綠燈時間gi.best為

gi.best=gi.min+Δti+ε

(27)

優(yōu)化綠燈時間計算公式中又引入反饋調(diào)節(jié)參數(shù)ε，其目的是增加模型魯棒性，減少模型不穩(wěn)定性增加交叉口的延誤，其表達(dá)式為

(28)

(29)

3.4 模型算法的實現(xiàn)

1)初始化.根據(jù)交叉口每個相位短時流量預(yù)測未來15 min的交通流量，用其確定預(yù)測的相位最短綠燈時間.

2)判斷相位i是否即將獲得通行權(quán)，如果是，進(jìn)行3)步，否則，繼續(xù)執(zhí)行原方案.

3)利用相位優(yōu)化模型計算相位i優(yōu)化的綠燈時間.

4)信號機執(zhí)行相位i優(yōu)化的綠燈配時.

5)判斷相位綠燈是否結(jié)束，結(jié)束進(jìn)行6)，否則返回2).

6)檢測未通過在此相位i執(zhí)行綠燈時間的剩余車輛排隊長度.

模型算法流程如圖5所示.

圖5 模型算法流程圖Fig.5 Flow of model algorithm

4 仿真實驗

4.1 實驗方案設(shè)計

實驗基于VISSIM仿真環(huán)境，通過VISSIM提供的COM接口，采用VS C++ 2008編程實現(xiàn).以杭州市慶春路—中河路典型4相位交叉口為實驗路網(wǎng)(圖6)，交通背景數(shù)據(jù)如表3所示.

圖6 典型交叉口示意圖Fig.6 A classic intersection

進(jìn)口方向轉(zhuǎn)向車道數(shù)飽和流率/(veh·h-1)西進(jìn)口右11550直34950左23100北進(jìn)口右11550直34950左11550東進(jìn)口右23100直23300左11550南進(jìn)口右11550直34950左11550

仿真總共3 h，共14 400仿真秒.仿真期間路網(wǎng)的流量呈泊松分布的隨機分布狀態(tài)，車輛的期望速度為40 km/h.各進(jìn)口方向流量分布如表4所示.

表4 仿真期間交通流量分布

4.2 實驗結(jié)果分析

實驗中的信號配時分別采用筆者提出的單點交叉口自適應(yīng)公交優(yōu)先方法和單點交叉口固定配時，其中，單點交叉口固定配時方案已經(jīng)根據(jù)獲取的各個相位實際交通流量，得到了單點最優(yōu)配時方案，配時方案如表5所示.黃燈時間為3 s，即各相位損失時間3 s，公交車隨機分配載客人數(shù).實驗一是多相位輸入公交車輛，各相位輸入公交車輛狀況如表6所示.實驗二是單相位輸入公交車輛，公交車輛輸入只有西進(jìn)口直行方向，公交車輸入頻率分別為30，60，90，120 s/次，延誤時間0～120 s.

表5 單交叉口固定配時

表6 各方向公交車輸入狀況

圖7 多相位公交輸入相位時間變化圖Fig.7 Variation figure of phase time of multiphase bus input

Table 7 The average delay comparison between two methods of multiphase bus input

延誤方案固定配時優(yōu)化算法公交車總延誤/s55083762公交車均延誤/s22．66716．146車均延誤/s22．10317．600車均停車數(shù)/次0．9280．916人均延誤/s10．3368．251

圖8 單相位公交輸入頻率30 s/次相位時間變化圖Fig.8 Variation figure of phase time of single phase bus input rate 30 s/times

Table 8 The average delay comparison between two methods of single phase bus input rate 30 s/time

延誤方案固定配時優(yōu)化算法公交車總延誤/s86114762公交車均延誤/s22．42415．411車均延誤/s21．94519．189車均停車數(shù)/次0．9190．892人均延誤/s9．5028．299

圖9 公交輸入頻率不同第一相位時間變化圖Fig.9 Variation figure of first phase time of bus input of different ratio

Table 9 The average delay comparison among bus input of different ratio

延誤公交輸入頻率30s/次60s/次90s/次120s/次公交車均延誤/s15．41110．53116．46114．827車均延誤/s19．18917．91316．96116．398車均停車數(shù)/次0．8920．8690．8850．868人均延誤/s8．2998．3288．0087．872

從仿真結(jié)果可知：自適應(yīng)公交優(yōu)先控制方法適用于多相位公交車輛到達(dá)情況，其控制效果十分滿意.與固定配時控制方法相比，其人均延誤和車均延誤均得到了降低.自適應(yīng)公交優(yōu)先控制方法也適用于單相位上公交車輛以不同頻率抵達(dá)的情況，其控制效果也比較令人滿意，除公交車到達(dá)頻率為90 s/次以外，自適應(yīng)控制方法降低了公交車均延誤，車均延誤和人均總延誤.并且人均延誤隨著公交單向到達(dá)頻率降低而降低.

提出的自適應(yīng)控制方法在降低車均延誤和人均延誤上效果明顯.其原因一是采用了滾動相位綠燈優(yōu)化控制，降低了計算優(yōu)化周期的時間復(fù)雜度，提高了相位優(yōu)化綠燈時間的實時性；二是采用模糊卡爾曼濾波預(yù)測短時流量，掌握未來15 min的流量趨勢，保證了預(yù)測的相位最短綠燈時間的準(zhǔn)確性；三是相位優(yōu)化模型運用各自公交車屬性權(quán)重，并且掌握各輛公交車在交叉口中的運行情況，使?jié)M足條件公交車輛優(yōu)先通行，從而降低整個交叉口的延誤.

5 結(jié) 論

通過模糊卡爾曼濾波預(yù)測交通流量，能夠反映未來15 min的交通流變化趨勢，合理分配相位最短綠燈預(yù)測時間，同時依據(jù)采集公交車實時屬性的數(shù)據(jù)，準(zhǔn)確計算公交車的自身權(quán)重，有利于相位優(yōu)化配時模型的計算精度.此外，以相位作為控制步長，能夠降低模型的時間復(fù)雜度，減少交通環(huán)境不確定性因素的干擾，提高模型的魯棒性.此方法綜合權(quán)衡公交優(yōu)先與社會車輛增加延誤的利弊，有效提高相位綠燈時間的利用率，減少交叉口的人均延誤和車均延誤.

[1] VEGAS J, LU B. The intermittent bus lane signals setting within an area[J]. Transportation research part C,2004,12(6):453-469.

[2] 陸建,王煒,陳學(xué)武.公交專用車道設(shè)置條件與效益分析[J].東南大學(xué)學(xué)報(自然科學(xué)版),1998,28(3):103-107.

[3] 何必勝,宋瑞，何世偉.交叉口公交預(yù)信號感應(yīng)控制策略仿真實驗[J].系統(tǒng)仿真學(xué)報,2011,23(9):1909-1944.

[4] 別一鳴,朱慧,王殿海.一種單點被動公交優(yōu)先控制算法及其效益評價[J].北京工業(yè)大學(xué)學(xué)報,2011,37(4):522-528.

[5] XU H F, ZHENG M M. Impact of phase scheme on development and performance of a logic rule-based bus rapid transit signal priority[J]. Journal of transportation engineering,2009,135:953-965.

[6] 張衛(wèi)華,陸華普,石琴,等.公交優(yōu)先的信號交叉口配時優(yōu)化方法[J].交通運輸工程學(xué)報,2004(4):49-53.

[7] LUIZ A K, WERNER J. Simultaneous control of traffic lights and bus departure for priority operation[J]. Transportation research part C,2010,18:288-298.

[8] MICHAEL E, CARLOS F D. Bus lanes with intermittent priority: strategy formulae and evaluation[J]. Transportation research part B,2006,40:731-744.

[9] HESHAM R, ZHANG Y H. Sensitivity analysis of transit signal priority impacts on operation of a signalized intersection[J]. Journal of transportation engineering,2004,130:796-804.

[10] MA W J, YE X C. Optimal offline cycle length model based on online bus priority demand[J]. Journal of transportation engineering and information technology,2013,13:124-129.

[11] 王正武,夏利民,羅大庸.單交叉口自適應(yīng)公交優(yōu)先控制[J].中國公路學(xué)報,2010,23:84-90.

[12] ZHOU G W, GAN A, SHEN L. Optimization of adaptive transit signal priority using parallel genetic algorithm[J]. Tsinghua science and technology,2007,12:131-140.

[13] SHEN G J, KONG X J. Study on road network traffic coordination control technique with bus priority[J]. IEEE transaction on systems, man, and cybernetics-part C: application and reviews,2009,39:343-351.

[14] CHANG X M, ZHEN Y. Bus-priority intersection signal control system based on wireless sensor network and improved particle swarm optimization algorithm[J]. Sensor letters,2012,10:1823-1829.

[15] 郭海鋒,方良君,俞立.基于模糊卡爾曼濾波的短時交通流量預(yù)測方法[J].浙江工業(yè)大學(xué)學(xué)報,2013,41(2):218-221.

[16] 全永燊.城市交通控制[M].北京:人民交通出版社,1989:95-103.

[17] 蔣金勇,云美萍,楊佩昆.基于HCM 2000延誤模型的最佳周期時長估算公式[J].同濟大學(xué)學(xué)報(自然科學(xué)版),2009,37(8):1024-1028.

[18] NICK H, BIRENDRA S. A new approach for cooperative bus priority at traffic signals[J].IEEE transaction on intelligent transportation systems,2012,13:6-14.

[19] 張衛(wèi)華,石琴,劉強.公交優(yōu)先信號交叉口延誤計算與配時優(yōu)化方法[J].華中科技大學(xué)學(xué)報(城市科學(xué)版),2004,21(4):30-33.

Adaptive transit priority control of isolated intersection based on short-term prediction

GUO Haifeng1, ZHOU Yue1, YUAN Xinliang1, GONG Wei2

(1.College of Information Engineering, Zhejiang University of Technology, Hangzhou 310023, China; 2.Hangzhou Tongwu Technology Co., Ltd., Hangzhou 310006, China)

In order to improve the hysteresis problem of adaptive transit priority control of isolated intersection, the predicted minimum green split for each phase in each intersection is computed based on predicted traffic states firstly; then the punctual headway and the passenger occupancy rate are selected as indices to optimize the bus weight on each phase and the objective function is built with minimizing the average bus waiting time as the target. The proposed methods not only reduce delay of competitive phases, but also increase the rates of transit priority. The results show that the traffic trend can be captured through short-term prediction, which can be used to optimize green split for each phase, improve accuracy of phase model and decrease both person and vehicle delay for isolated intersection.

traffic control; transit priority; adaptive control; isolated intersection

(責(zé)任編輯：陳石平)

2016-01-05

浙江省自然科學(xué)基金資助項目(LY14F030012);中國博士后基金資助項目(2012M511387)

郭海鋒(1977—)，男，吉林松原人，副教授，博士，研究方向為智能交通系統(tǒng)，E-mail：guohf@zjut.edu.cn.

U491.232

A

1006-4303(2017)01-0023-09