基于車流量的智能交通信號優(yōu)化控制研究

邱建東 解小平 湯旻安 佘 飛

1(蘭州交通大學機電工程學院 甘肅 蘭州 730070) 2(蘭州交通大學新能源與動力工程學院 甘肅 蘭州 730070)

0 引 言

隨著汽車工業(yè)的發(fā)展和城市化進程的加速，我國城市常住人口和汽車數(shù)量呈現(xiàn)出了爆炸性增長的局面，交通擁堵問題日益嚴峻。特別是在交通高峰時段，一些城市交通路網(wǎng)甚至會出現(xiàn)局部癱瘓的現(xiàn)象，嚴重的影響了城市生活的質量，制約城市發(fā)展。各大城市在努力擴大交通設施建設的同時也在積極研究如何通過合理控制交通流，提高現(xiàn)有路網(wǎng)的利用率來緩解交通擁堵。城市道路呈現(xiàn)網(wǎng)狀結構，十字路口多、通行效率低，加強十字路口交通管控是減少交通擁堵的關鍵環(huán)節(jié)，對緩解城市交通擁堵有著極其重要的現(xiàn)實意義。因此，城市交通信號燈的優(yōu)化控制已經(jīng)成為城市智能交通研究的重要課題之一[1-5]。而目前城市交通燈的控制主要還是固定配時控制，即根據(jù)統(tǒng)計到的各路口歷史車流量數(shù)據(jù)而分配的相對比較合理的固定配時方案。固定配時方案存在靈活性差，不能根據(jù)路網(wǎng)的實際車流量進行動態(tài)調節(jié)等缺點，一定程度上造成了道路資源的浪費。

隨著智能交通技術的發(fā)展，一些學者對交通信號燈的優(yōu)化控制也做了許多研究。衛(wèi)星等提出了基于遺傳算法的交通燈自適應控制策略[6]；Zhang等提出并建模求解了獨立路口綠燈持續(xù)時間的動態(tài)范圍優(yōu)化設置問題[7]；但這些方法都是基于單一路口的交通燈控制，并且需要經(jīng)過多次迭代才能確定最優(yōu)配時，在線控制效果較差。Dai[8]等提出了基于機器學習的自適應交通燈控制模型；張國剛研究了城市雙交叉口交通信號協(xié)調模糊控制與優(yōu)化算法[9]；但隨著交通網(wǎng)絡的增大，模型建立和求解都比較困難，很難高效地應用與實際交通網(wǎng)絡中[10]。針對目前智能交通信號燈控制方法的不足，根據(jù)相鄰交叉路口車流量具有相關性[11]的特點，本文提出一種基于車流量的智能交通燈優(yōu)化控制方法。建立了基于門限服務策略的交通燈輪詢控制模型，利用馬爾科夫鏈和概率母函數(shù)分析了交叉口車輛平均排隊長度和信號燈配時方案，并且計算復雜度不會隨著交通網(wǎng)絡的增大而增加，簡單高效地實現(xiàn)了智能交通系統(tǒng)的分布式控制。通過仿真實驗驗證了該控制方法的正確性和有效性，能夠極大地緩解城市交叉路口的交通擁堵情況。

1 交叉路口交通網(wǎng)絡模型的建立與分析

1.1 交叉路口交通網(wǎng)絡模型的建立

在城市交通控制研究中，中心路口的控制是首要考慮的問題，而與中心路口相鄰路口的車流量直接決定了中心路口的交通情況[12]，本文以中心路口O為研究對象，建立的交叉路口交通網(wǎng)絡模型如圖1所示。

圖1 交叉路口模型

如圖1所示，設與中心路口相鄰的有4個交叉路口，分別記為A、B、C和D，為了建模方便，假設交叉口之間的道路均為雙向6車道，在到達中心路口前，在右轉車道的車輛只能右拐彎，中間車道的車輛只能直行，左轉車道的車輛只能左拐彎，為了統(tǒng)計車流量，在每個交叉口的上游和下游分別安裝有車流量檢測器。每個交叉口交通燈都采用四相位控制，相位圖如圖2所示。

圖2 交通燈四相位圖

1.2 中心交叉口車流量控制模型

如圖1所示，中心交叉路口與交叉路口A、B、C、D相鄰，設在t時間內，從交叉口K駛向中心交叉口O的車輛數(shù)用Qko表示，從交叉口K的Kb方向M車道駛向中心路口O的車輛數(shù)用Qk-b-m(t)來表示，其中K為A、B、C、D，b為1、2、3、4，M為1、2、3。

QAO=t1QA-1-1(t)+t2QA-3-2(t)+t3QA-2-3(t)

(1)

QBO=t1QB-4-1(t)+t2QB-1-2(t)+t3QB-3-3(t)

(2)

QCO=t1QC-2-1(t)+t2QC-4-2(t)+t3QC-1-3(t)

(3)

QDO=t1QD-3-1(t)+t2QD-2-2(t)+t3QD-4-3(t)

(4)

QO=QAO+QBO+QCO+QDO

(5)

由式(5)可以看出，QO表示在t時間內從相鄰交叉口駛向中心交叉口O的車流量之和，QO越大表示在下一時段交叉口O的交通流量壓力越大。

如果要控制從交叉口K駛向中心交叉口O的車流量，只要調整交叉口K通往交叉口O方向的綠燈時間即可。設交叉口K通往交叉口O方向的綠燈時間為Tko，則此方向的車流量變化方程為：

(6)

如果把與中心交叉口O相鄰的所有路口都考慮在內，則中心交叉口O的車流量變化方程為：

(7)

由式(7)可以看出，只要調整各路口通往交叉口O的綠燈時間Tko就可以控制交叉口O的車流量。這也充分體現(xiàn)了交通路網(wǎng)中任何一個交叉路口的車流量均與相鄰交叉路口有著很強的相關性。下面利用輪詢控制模型來分析交叉口車輛平均排隊長度和交通燈配時方案。

2 智能交通交叉口信號燈控制模型

2.1 交叉口信號燈輪詢控制模型

輪詢系統(tǒng)理論是排隊論中多隊列顧客共享服務資源的理論，由于其具有公平性、靈活性、高效性和實用性等特點，輪詢理論在通信網(wǎng)絡系統(tǒng)、物流系統(tǒng)和交通控制等領域得到了廣泛的應用[13]。輪詢系統(tǒng)的基本模型可以描述為，一個服務器按照某種服務規(guī)則依次對每一個隊列進行服務，服務完最后一個隊列再返回第一個隊列，這樣就實現(xiàn)了N個隊列按照一定的服務規(guī)則共享一個或多個資源。在城市交叉路口的信號控制中，不同相位的排隊車輛可以看成是不同隊列，交通信號燈可以看作是輪流給不同相位的車輛提供服務使其獲得通行權的服務器，交叉口內的道路空間即為公共資源。因此，輪詢系統(tǒng)的理論研究結果可用于城市交叉口信號燈的配時優(yōu)化分析與設計，4相位的交通燈可以看作是一個由4個隊列和1個服務器組成的輪詢控制系統(tǒng)，控制模型如圖3所示。

圖3 交通燈輪詢控制基本模型

2.2 輪詢控制模型的門限服務策略

輪詢控制模型的典型服務策略包括完全服務、限定服務和門限服務[14]。其中限定服務的公平性較好，但平均等待時間較長；完全服務系統(tǒng)平均等待時間最短，但公平性較差；為了兼顧平均等待時長和不同相位之間的公平性，本文采取綜合服務性能較好的門限服務策略來研究分析交叉口信號燈的優(yōu)化配時問題。即根據(jù)各個相位的車流量對城市交叉口信號燈的配時進行動態(tài)調整，門限服務策略控制交通信號燈按照以下規(guī)則進行切換：

(1) 各相位車輛在通過路口時都必須遵循門限輪詢服務規(guī)則，即一次綠燈服務時間需持續(xù)到上一周期內到達的對應相位排隊等待的車輛(不超出設定的上限值L)全部通過才能切換，此綠燈服務時間內到達的車輛需等到下一周期綠燈時才能通行；

(2) 為了避免某一相位車輛排隊過長而導致交通擁堵同時兼顧各相位之間的公平性，當某一相位的排隊車輛數(shù)大于L時，每次綠燈服務時間內通過車輛L后進行相位切換。

2.3 交叉口交通燈動態(tài)配時分析

從前文對輪詢控制系統(tǒng)的分析可知，交通燈的門限服務輪詢控制系統(tǒng)主要包括以下三個獨立的過程，即隊列中對員(不同相位車輛)的到達過程、服務器(交通燈)對隊員的服務過程(某一相位車輛獲得通行權)和隊列(不同相位)間的轉換過程。為此，以下采用隨機過程理論來分析交通燈的動態(tài)配時問題。

假設中心交叉口O的第l相位在tn時刻為綠燈，當在tn時刻之前到達的車輛全部通過后再經(jīng)過一個黃燈時間，第l+1相位變?yōu)榫G燈，在tn時刻第l相位排隊等待通過中心交叉口的車輛用隨機變量Qol(n)來表示，則具有N個相位的中心交叉口在tn時刻車輛排隊狀態(tài)的變量可表示為[Qo1(n)，Qo2(n)，…，Qoi(n)，…，QoN(n)]。此時系統(tǒng)狀態(tài)變量的概率分布為P[Qol(n)=xl;l=1,2,…,N]，概率分布函數(shù)為πl(wèi)(x1,x2,…,xl,…,xN)；在tn+1時刻車輛的排隊狀態(tài)變量可表示為[Qo1(n+1)，Qo2(n+1)，…，Qoi(n+1)，…，QoN(n+1)],此時系統(tǒng)的狀態(tài)變量概率分布為P[Qol(n+1)=yl;l=1,2,…,N]，概率分布函數(shù)為πl(wèi)(y1,y2,…,yl,…,yN)。

在上述交叉口交通控制系統(tǒng)中，tn+1時刻的系統(tǒng)狀態(tài)變量只與tn時刻的系統(tǒng)狀態(tài)有關，是一個無后效性的馬爾科夫(Markov)過程，因此在交通燈綠燈從i相位轉換至i+1相位時，即在tn+1時刻各相位車輛的排隊數(shù)量可以表示為：

(8)

式中：vi(n)表示i相位的綠燈時長；ui(n)表示黃燈時長；ηj(vi)表示在vi(n)期間到的j相位的車輛數(shù)；μj(ui)表示在ui(n)期間到達j相位的車輛數(shù)。

(9)

概率母函數(shù)為：

Gi(z1,…,zl,…,zN)=

(l=1,2,…,N)

(10)

在tn+1時刻，由式(8)可知各相位排隊車輛數(shù)量的概率母函數(shù)為：

(11)

其中Al(□),Bl(□),和Rl(□)的含義如前文中所述。

定義在tn時刻當i相位的綠燈亮起時，第j(j≠i)相位車輛的排隊數(shù)量為gi(j)，由式(8)可知，相位j(j≠i)中車輛的排隊數(shù)量為在tn時刻j相位中已有的排隊車輛加上在i相位綠燈和黃燈時間內到達的車輛，根據(jù)門限服務策略和隨機變量概率母函數(shù)的性質對其所對應的概率母函數(shù)求一階偏導可得：

(12)

定義gi(i)為當i相位交通燈變?yōu)榫G燈時該相位排隊等待通過的車輛數(shù)，將式(8)代入式(11)并將計算結果求一階偏導化簡得到在該輪詢模型控制下，交叉口某一相位的車輛平均排隊長度為：

(13)

定義T為交通燈的配時周期，即交通燈按照門限服務策略對N個相位依次服務一遍的時間，由各相位綠燈通行時間和黃燈等待時間之和所組成[16]。根據(jù)輪詢控制模型中的門限服務策略可知，相位i中在該交通燈配時周期內到達的車輛都要等待到下一次綠燈才能通過，因此，根據(jù)平均循環(huán)周期和車輛排隊長度的關系可得交通燈配時周期為：

(14)

根據(jù)門限服務策略可知，在一個交通燈配時周期內相位i的綠燈時長為：

Ti=βiargmin(gi(i),Lth)

(15)

3 仿真實驗

為了驗證上述理論分析的正確性和優(yōu)化控制策略的有效性，本文根據(jù)蘭州市安寧區(qū)興安路—萬新北路交叉口的實際交通情況進行實例仿真，統(tǒng)計連續(xù)兩周工作日的交叉口高峰期交通流量的平均值如表1所示。

表1 高峰時段交通流量統(tǒng)計

從表中數(shù)據(jù)可以發(fā)現(xiàn)，該交叉口各方向的總車流量均小于設計時的最大交通流量，但在統(tǒng)計數(shù)據(jù)的高峰時段各方向都出現(xiàn)了不同程度的交通擁堵現(xiàn)象，這說明該路口交通燈現(xiàn)有固定配時方法已經(jīng)不能滿足現(xiàn)有交通需求，交通路網(wǎng)無法得到最大效率的利用。為此，本文根據(jù)興安路—萬新北路交叉口的實際交通路網(wǎng)和采集到的交通流量，利用微觀交通仿真軟件VISSIM建立仿真模型，以車輛通過交叉口的平均延誤和車輛平均排隊長度為評價指標，從交叉口車流量400輛/h到飽到車流量2 200輛/h，分別對基于車流量的信號控制方法和固定配時信號控制方法進行仿真，仿真10個周期，兩種控制方法的仿真結果對比如圖4和表2所示。

圖4 不同交通狀態(tài)下車輛平均延誤

交叉口總的車流量/(輛·h-1)車流量控制/輛定時控制/輛400-10002.132.681000-16004.758.561600-220010.1216.71

從圖4和表2可以看出，在車流量較小時，基于車流量的交通控制方法略優(yōu)于定時控制方式，在車流量等于1 000輛/h時，兩種控制方式下的車輛平均延誤幾乎相等。但隨著車流量的增加，基于車流量的交通控制方式遠遠優(yōu)于定時控制，使得車輛平均延誤時間減少10.92%，在車流量接近飽和車流量時，更是將車輛平均排隊長度由16.71輛減少到10.12輛。因此，基于車流量的智能交通信號控制方法比傳統(tǒng)的定時信號控制方法能更加合理的控制交叉口的交通，在車流量相等的情況下能有效地降低車輛通過交叉路口時的平均延誤時長和排隊長度，提高通行效率。

4 結 語

本文提出了一種基于車流量的城市智能交通信號控制方法。根據(jù)相鄰交叉路口車流量具有相關性的特點，提出一種基于車流量的智能交通信號控制方法，建立基于門限服務策略的交通燈輪詢控制模型，利用馬爾科夫鏈和概率母函數(shù)分析了交叉口車輛平均排隊長度和信號燈配時方案，并根據(jù)實際交通情況進行仿真實驗。結果表明，基于車流量的智能交通信號控制方法比傳統(tǒng)的定時控制方法更加合理，能有效地降低車輛通過交叉路口時的平均延誤時長和排隊長度，達到了緩解城市交通擁堵，提高城市交叉路口車輛通行效率的目的。

[1] 楊照峰,張睿哲.實時自適應交通信號倒計時顯示控制方法[J].計算機系統(tǒng)應用,2014,23(8):101-104.

[2] 劉臍鍾,李兵.基于改進遺傳算法的區(qū)域交通信號優(yōu)化控制[J].西華大學學報(自然科學版),2014,33(6):48-52.

[3] 王維松,章偉,王金生.基于FPGA的一種智能交通紅綠燈設計[J].計算機應用與軟件,2013,30(1):200-204.

[4] 趙庶旭,懂亮.城市交通GPS數(shù)據(jù)可視化分析[J]. 計算機應用與軟件,2016,33(10):279-283.

[5] 錢偉,孫玉娟.城市干線交通信號的模糊協(xié)調控制研究[J].河南理工大學學報(自然科學版),2014,33(5):621-624.

[6] 衛(wèi)星,張利,魏振春,等.交通信號自適應遺傳控制算法及仿真研究[J].系統(tǒng)仿真學報,2012,24(11):2255-2258.

[7] Zhang G,Wang Y.Optimizing Minimum and Maximum Green Time Settings for Traffic Actuated Control at Isolated Intersections[J]. IEEE Transactions on Intelligent Transportation Systems, 2011, 12(1):164-173.

[8] Dai Y, Zhao D, Yi J. A comparative study of urban traffic signal control with reinforcement learning and Adaptive Dynamic Programming[C]// International Joint Conference on Neural Networks. IEEE, 2010:1-7.

[9] 張國剛.城市雙交叉口信號協(xié)調模糊控制與優(yōu)化算法的研究[D].西南交通大學，2010.

[10] 李欣,李海華.基于模糊控制理論的交通信號控制算法研究[J].電子設計工程,2012,20(2):75-77.

[11] 陳小鋒,史忠科.城市交通干線信號動態(tài)優(yōu)化控制方法[J].西北工業(yè)大學學報: 自然科學版,2010,28(4):579-584.

[12] 王秋平,舒勤,黃宏觀.關于交通流量數(shù)據(jù)預測建模研究[J].計算機仿真, 2016,33(2):194-197.

[13] 何忠賀,陳陽舟,石建軍.切換服務系統(tǒng)的穩(wěn)定性及交叉口信號配時[J].控制理論與應用,2013,30(2):194-200.

[14] 賴裕平.多級門限服務輪詢系統(tǒng)性能分析[D].云南大學,2015.

[15] 郭超勇,劉建強,鄭瓊林.350km/h動車組TCN網(wǎng)絡周期輪詢優(yōu)化算法研究[J].鐵道學報,2011,33(12):46-50.

[16] 王潤芳,時慶濤.車輛擁堵狀態(tài)下的最優(yōu)路徑規(guī)劃建模研究[J]. 計算機仿真, 2016,33(2):204-206.