傳感網(wǎng)中數(shù)據(jù)驅(qū)動(dòng)的多時(shí)段控制方法優(yōu)化研究

徐 琛，董德存，歐冬秀

同濟(jì)大學(xué) 道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海市軌道交通結(jié)構(gòu)耐久與系統(tǒng)安全重點(diǎn)實(shí)驗(yàn)室，上海 201804

1 引言

傳感網(wǎng)是將信息世界與物理世界融為一體的大規(guī)模具有自組織能力的感知網(wǎng)絡(luò)，隨著傳感網(wǎng)技術(shù)的迅猛發(fā)展，交叉口周圍越來越多的交通要素都可納入傳感網(wǎng)大數(shù)據(jù)感知體系，數(shù)據(jù)種類越來越豐富[1]?？赏ㄟ^對海量數(shù)據(jù)的處理與關(guān)聯(lián)性精細(xì)化分析，賦予傳統(tǒng)數(shù)據(jù)更多的屬性，增加數(shù)據(jù)的維度。智慧交通控制是減小交叉口沖突、提高交通運(yùn)行效率的一種有效途徑。本人全程參與多個(gè)城市交通控制系統(tǒng)規(guī)劃以及智能交通控制系統(tǒng)工程建設(shè)，根據(jù)目前的工程實(shí)施效果，感應(yīng)控制對于易堵區(qū)域主要交叉口，特別是當(dāng)交叉口高峰期間流量已經(jīng)接近飽和狀態(tài)時(shí)，其控制策略容易出現(xiàn)沖突與混亂，造成交叉口癱瘓及流量溢出甚至導(dǎo)致主干路或者整個(gè)區(qū)域的大面積擁堵，控制效果往往非常不理想。此時(shí)交通管理者對控制系統(tǒng)穩(wěn)定性的追求往往遠(yuǎn)大于先進(jìn)性。從控制效果和實(shí)施成本等多角度分析，多時(shí)段控制仍是大多數(shù)城市采用的最主流的控制方式。

多時(shí)段控制（Time-of-Day，TOD）是根據(jù)交叉口流量的變化把一天24 h劃分為若干個(gè)時(shí)間段，針對不同的交通時(shí)段采用不同的信號控制方案，交通信號機(jī)根據(jù)預(yù)定設(shè)置的時(shí)段劃分方案自動(dòng)進(jìn)行控制方案的切換。多時(shí)段控制對交通信息采集的依賴程度很低，并且可靠性好。

所謂常峰型交叉口其特點(diǎn)一般為樞紐、商圈周邊等交通流集聚性強(qiáng)的大型交叉口，其交通流大多數(shù)時(shí)間都處于高峰附近震蕩?；诟咚僭鲩L的機(jī)動(dòng)車保有量以及現(xiàn)有交叉口空間改造的種種限制，導(dǎo)致目前“常峰型”交叉口現(xiàn)象非常普遍。研究表明，與交通流高度匹配的多時(shí)段控制時(shí)段劃分方案能顯著提高交通通行能力，有效降低交通延誤[2]。

“常峰型”交叉口多時(shí)段控制不但要關(guān)注交通流量的穩(wěn)定性與有序性，更應(yīng)該重點(diǎn)觀察內(nèi)部流量主方向的瞬息狀態(tài)變化。所以若將交叉口高峰期間的平穩(wěn)時(shí)段歸為一個(gè)信號控制時(shí)段是不合理的，會產(chǎn)生許多不必要的由于分段點(diǎn)劃分設(shè)計(jì)與現(xiàn)實(shí)交通狀況嚴(yán)重不匹配而帶來的可避免的盲目的交通延誤。

綜上所述，傳統(tǒng)總流量劃分方法忽略了兩方面的問題。（1）單純以交叉口總流量為主判斷依據(jù)忽略更加重要的交叉口交通流內(nèi)部方向轉(zhuǎn)換的變化，造成分段點(diǎn)劃分方案與交通流實(shí)際供給能力嚴(yán)重不匹配。（2）傳統(tǒng)CUSUM時(shí)段劃分方法雖然對交通流整體有著一定的把握，但是對于突發(fā)沖突點(diǎn)情況敏感性不強(qiáng)，亟待重構(gòu)優(yōu)化。

2 預(yù)備知識

根據(jù)《中國智能交通行業(yè)發(fā)展年鑒（2018）》中重點(diǎn)城市智能交通控制系統(tǒng)建設(shè)與發(fā)展內(nèi)容表述，目前我國大多數(shù)城市交叉口多時(shí)段控制方案主要是人工經(jīng)驗(yàn)劃分，即交通工程技術(shù)人員根據(jù)采集的交叉口交通流量，繪制流量時(shí)間曲線圖，結(jié)合曲線的控制特征人工來劃分交叉口多時(shí)段控制方案。傳統(tǒng)的多時(shí)段控制人工劃分方法主要依據(jù)工程技術(shù)人員的主觀判斷，其劃分結(jié)果具有很大的主觀性和片面性，對時(shí)段劃分的客觀合理性存在影響，也難以滿足新一代城市交通的隨機(jī)性與突發(fā)性的需求。近些年，利用傳感網(wǎng)結(jié)合大數(shù)據(jù)技術(shù)對多時(shí)段控制方法進(jìn)行精細(xì)化的優(yōu)化已經(jīng)成為傳感網(wǎng)與智慧交通控制結(jié)合應(yīng)用研究的熱點(diǎn)問題。國內(nèi)外諸多學(xué)者為此展開了大量的卓有成效的研究工作，并取得一定豐碩成果。為解決傳統(tǒng)人工經(jīng)驗(yàn)劃分方法的不足，文獻(xiàn)[3]將每15 min采集一次的交叉口交通流量數(shù)據(jù)按照時(shí)間序列排序，采用交叉口交通流量分級指標(biāo)的時(shí)間變量確定聚類族群數(shù)，提出消減算法結(jié)合K-means算法的方式尋找最優(yōu)分段點(diǎn)，并且利用Synchro7仿真軟件驗(yàn)證其有效性，但是對噪聲無抗干擾能力。文獻(xiàn)[4]以交叉口交通延誤為評價(jià)指標(biāo)，基于大量的交叉口交通流量歷史數(shù)據(jù)通過Kohenen聚類算法與K-means算法對比分析，證明K-means算法在聚類分析中的卓越效益，但K-means算法需提前制定聚類個(gè)數(shù)以及初始聚類中心，容易導(dǎo)致陷入局部最優(yōu)。文獻(xiàn)[5]基于交通數(shù)據(jù)進(jìn)行修補(bǔ)的基礎(chǔ)上，通過混合聚類算法確定多時(shí)段控制分段點(diǎn)個(gè)數(shù)和相應(yīng)的最佳切換時(shí)刻，利用K-means算法收斂快的優(yōu)勢，對歷史交通流量數(shù)據(jù)進(jìn)行初始聚類，以改進(jìn)立方群準(zhǔn)則作為聚類終止條件，再運(yùn)用系統(tǒng)聚類的方法進(jìn)行分析和詳細(xì)聚類。為減少分段點(diǎn)方案頻繁切換對交通狀態(tài)的擾動(dòng)，算法加入對交通數(shù)據(jù)時(shí)序性的考慮，并對分段點(diǎn)中的歧義點(diǎn)進(jìn)行處理，具有一定效果。

單因素時(shí)段劃分方法已經(jīng)取得一系列的長足進(jìn)步，但是仍不能滿足實(shí)際需求。因而，文獻(xiàn)[6]以交通流量與信號周期兩個(gè)變量進(jìn)行多因素劃分應(yīng)用在多個(gè)交叉口多時(shí)段協(xié)調(diào)控制。提出交通成本作為算法評價(jià)指標(biāo)的重要因素。與之前的研究僅考慮分段點(diǎn)之間的交通成本不同，其充分考慮兩個(gè)不同控制方案切換期間的過度階段的交通成本。文獻(xiàn)[7]提出一個(gè)先進(jìn)的聚類分析方法應(yīng)用在協(xié)調(diào)控制系統(tǒng)。此方法基于交通數(shù)據(jù)中心提供的大量實(shí)時(shí)數(shù)據(jù)，以交通流突變時(shí)間作為時(shí)段劃分的主要因素，以交通延誤與平均車速為評價(jià)指標(biāo)，對交叉口交通流量、信號控制配時(shí)方案周期、相位差等進(jìn)行時(shí)段劃分多因素聚類分析，取得一定效果。文獻(xiàn)[8]提出以交通流流量和交通流方向?yàn)橹饕袛嘁罁?jù)，基于極坐標(biāo)建立流量與向量的二維模型，同時(shí)結(jié)合CUSUM算法進(jìn)行聚類。通過對極坐標(biāo)之下向量距離的聚類分析，在總流量相似的情況下，區(qū)分各分流量的差異，提出新的時(shí)段劃分方案。以蘇州工業(yè)園區(qū)的107個(gè)交叉口的數(shù)據(jù)做測試與仿真，實(shí)驗(yàn)證明交叉口的延誤和停車時(shí)間都有不同程度的改善。本文作者于文獻(xiàn)[9]提出以交叉口交通流總流量、總流向、與下游沖突點(diǎn)的時(shí)間頻度構(gòu)建三維向量，并對相鄰三維向量間距離進(jìn)行遞歸與合并確定多時(shí)段控制方案各個(gè)分段點(diǎn)。以紹興市越城區(qū)155個(gè)交叉口實(shí)際交通流量數(shù)據(jù)為測試數(shù)據(jù)，利用創(chuàng)新五數(shù)概括法對測試數(shù)據(jù)進(jìn)行處理，將交通流的不同特征分為不同類型的交叉口，測試結(jié)果表明該方法運(yùn)用在符合“駝峰型”交通流特征的交叉口時(shí)，與傳統(tǒng)單因素總流量時(shí)段劃分模型相比其控制方案能夠有效降低車輛的平均延誤，具有一定的工程實(shí)施效果。但是對于“常峰型”和“多峰型”交叉口，其延誤反而略有上升，說明其專有性較強(qiáng)。

上述研究中單因素時(shí)段劃分模型中僅僅單一利用一種數(shù)據(jù)是無法精準(zhǔn)掌握交叉口交通流實(shí)際狀況，而多因素時(shí)段劃分方法，雖然克服了單因素提取對象單一的問題，但是過多的影響因素參與算法，不僅計(jì)算復(fù)雜，而且造成時(shí)段劃分過于瑣碎，嚴(yán)重影響控制效率。特別是隨著傳感網(wǎng)大數(shù)據(jù)理論與技術(shù)越來越成熟，構(gòu)建的新模型的專有性越來越顯著，其有可能只是針對于某一種特定交通特征條件下的深度應(yīng)用，這種模型并不適用于大多數(shù)情況。故本文將重點(diǎn)研究“常峰型”交叉口的交通特性，進(jìn)一步改進(jìn)與優(yōu)化多時(shí)段控制時(shí)段劃分模型。同時(shí)將設(shè)計(jì)全新的時(shí)間序列自回歸滑動(dòng)平均模型對其時(shí)段劃分方案進(jìn)行重構(gòu)與歸并優(yōu)化[10-18]。

3 模型構(gòu)建

“常峰型”交叉口交通流三維向量時(shí)段劃分模型構(gòu)建：本文建立交通流三維向量時(shí)段劃分模型，其中交通流三維向量包括15 min內(nèi)該交叉口交通流總量、交通流的總流向、與下一個(gè)沖突點(diǎn)的時(shí)間長度三個(gè)要素。

目前傳統(tǒng)主流的“常峰型”交叉口多時(shí)段控制時(shí)段劃分模型是以交叉口全天交通流總流量為主要判斷因素、信號配時(shí)周期以及其他因素作為輔助判斷依據(jù)，同時(shí)利用聚類算法對關(guān)聯(lián)度高的時(shí)段進(jìn)行遞歸，邊界點(diǎn)就是多時(shí)段控制分段點(diǎn)。本文對上述傳統(tǒng)分段點(diǎn)劃分模型進(jìn)行深入挖掘研究，發(fā)現(xiàn)一些問題。以某城市交叉口交通流量數(shù)據(jù)為例進(jìn)行說明。

由圖1可知，實(shí)線代表交叉口總流量為四個(gè)進(jìn)口方向進(jìn)入該交叉口內(nèi)部的流量之和；大虛線代表南北方向分流量為南進(jìn)口方向流量與北進(jìn)口方向流量之和；小虛線代表東西方向分流量為東進(jìn)口方向流量與西進(jìn)口方向流量之和；數(shù)據(jù)采集頻率為每15 min采集一次，全天共96條數(shù)據(jù)。處于在序號37至73之間的交通流量總體平穩(wěn)，如果按照傳統(tǒng)交叉口總流量劃分方法，此交通流量區(qū)間段應(yīng)該劃分為一個(gè)控制時(shí)段。然而在對其總流量下東西方向和南北方向流量進(jìn)行數(shù)據(jù)分析與挖掘，會發(fā)現(xiàn)在此區(qū)間東西方向與南北方向發(fā)生多次剪刀式交叉產(chǎn)生多個(gè)交叉點(diǎn)，本文定義為沖突點(diǎn)，如圖1黑色圓點(diǎn)表示。此沖突點(diǎn)的產(chǎn)生說明在交叉口總流量穩(wěn)定的條件下，其南北方向與東西方向流量在大方向上發(fā)生交錯(cuò)，總流向產(chǎn)生根本性轉(zhuǎn)變，前半段是南北方向流量較大，后半段是東西方向流量較大，內(nèi)部交通流量方向轉(zhuǎn)變差異性明顯。

圖1 某市交叉口交通總流量與分流量分布圖

3.1 模型變量定義

根據(jù)交叉口交通流進(jìn)出流量平衡原理，將交叉口總流量分為交叉口四個(gè)方向的進(jìn)口交通流量，定義變量Xe、Xw、Xs、Xn表示交叉口東、西、南、北四個(gè)進(jìn)口方向的分流量，其中Xe、Xw、Xs、Xn均為正值。數(shù)據(jù)每15 min采集一次，故單交叉口全天交通流量數(shù)據(jù)為96條，如圖2所示。

圖2 變量定義示意圖

Ti表示第i個(gè)時(shí)間段，i=1,2,…,96。

Xni表示該時(shí)間段Ti內(nèi)的北進(jìn)口交通流向量。

Xsi表示該時(shí)間段Ti內(nèi)的南進(jìn)口交通流向量。

Xei表示該時(shí)間段Ti內(nèi)的東進(jìn)口交通流向量。

Xwi表示該時(shí)間段Ti內(nèi)的西進(jìn)口交通流向量。

3.2 交通流總量與總流向計(jì)算

由圖2可知，交通流總量Hi表示該時(shí)間段Ti內(nèi)四個(gè)進(jìn)口方向的流量之和。

交通流總流向定義：該時(shí)間段Ti內(nèi)交叉口四個(gè)進(jìn)口方向交通分流量最終擬合的總向量Oi與原點(diǎn)右側(cè)橫坐標(biāo)軸相交的交叉的角度θi。

步驟1東西向進(jìn)口交通流量擬合向量Yi計(jì)算（橫坐標(biāo)）：該時(shí)間段Ti內(nèi)東進(jìn)口交通流向量Xei?西進(jìn)口交通流向量Xwi，即Yi=(0,Xei-Xwi)。

步驟2南北向進(jìn)口交通流量擬合向量Zi計(jì)算（縱坐標(biāo)）：該時(shí)間段Ti內(nèi)北進(jìn)口交通流向量Xni?南進(jìn)口交通流向量Xsi，即Zi=(Xni-Xsi,0)。

步驟3該時(shí)間段Ti內(nèi)交叉口四個(gè)進(jìn)口方向交通分流量最終擬合的總向量Oi計(jì)算。

步驟4最終擬合的總向量Oi與原點(diǎn)右側(cè)橫坐標(biāo)軸相交的交叉的角度θi計(jì)算，如圖3所示。

圖3 交通流總流向θi定義示意圖

3.3 平均時(shí)間距離計(jì)算

Tk表示第k個(gè)時(shí)間段，k=2,3,…,95。

滿足公式（4）中兩種條件下的一種，那么判定Tk為下游沖突點(diǎn)時(shí)間。同理，則定義Ti為當(dāng)前時(shí)間段，Tj為當(dāng)前時(shí)間段Ti前一個(gè)沖突點(diǎn)時(shí)間。那么當(dāng)前時(shí)間段Ti與上下游沖突點(diǎn)的平均時(shí)間距離計(jì)算Si：

3.4 三維向量坐標(biāo)體系構(gòu)建

三維向量βi定義：以三維向量的形式表示在某一交叉口某一段時(shí)間內(nèi)的交通總流量的大小、方向、當(dāng)前時(shí)間段與上下游沖突點(diǎn)的平均時(shí)間距離。三維向量βi包括三個(gè)要素：（1）時(shí)間段Ti內(nèi)交通總流量大小Hi；（2）時(shí)間段Ti內(nèi)交通流總流向θi；（3）當(dāng)前時(shí)間段與上下游沖突點(diǎn)的平均時(shí)間距離Si，具體表示如下：

Hi可由公式（1）計(jì)算，θi可由公式（2）、（3）得出，Si可由上述公式（4）、（5）推算歸納。

（1）相鄰三維向量之間的距離計(jì)算

本文定義三維坐標(biāo)下相鄰三維向量之間的距離為mi。因?yàn)樗腥S向量的起點(diǎn)都是坐標(biāo)軸原點(diǎn)，所以計(jì)算相鄰向量間距離就是計(jì)算三維空間兩個(gè)向量終點(diǎn)間距離即可，如公式（7）所示：

公式（7）中相鄰交通流三維向量之間的距離mi不僅將傳統(tǒng)模型中的交通流量數(shù)值大小考慮在內(nèi)，還將交通流總流量的方向性以及內(nèi)部沖突點(diǎn)的分布情況也充分囊括。

4 ARMA算法實(shí)現(xiàn)

4.1 ARMA算法基本原理

自回歸滑動(dòng)平均模型（Autoregressive Moving Average model，ARMA）是研究時(shí)間序列型數(shù)據(jù)的重要方法，本文ARMA模型輸入數(shù)據(jù)源為上述的相鄰三維向量距離mi（其本身基于自然時(shí)間數(shù)據(jù)前后排序，非常適合ARMA預(yù)測），同時(shí)AMRA算法與CUSUM算法相比，其優(yōu)勢在于通過前后預(yù)測值與真實(shí)值之間的誤差，可挖掘交叉口交通流沖突點(diǎn)的真實(shí)分布情況，對交叉口內(nèi)部交通流沖突點(diǎn)的捕捉更為敏感。ARMA模型由自回歸模型（簡稱AR模型）與移動(dòng)平均模型（簡稱MA模型）為基礎(chǔ)“混合”構(gòu)成。

AR模型稱為自回歸模型，它的預(yù)測方式是通過過去的觀測值和現(xiàn)在的干擾值的線性組合預(yù)測。自回歸模型的數(shù)學(xué)公式如公式（8）所示：

p為自回歸模型的階數(shù)；?t(i=1,2,…,p)為模型的待定系數(shù)；εt為誤差；為相鄰三維向量距離mi經(jīng)過差分平穩(wěn)化后的平穩(wěn)序列值。

MA模型稱為滑動(dòng)平均模型，它的預(yù)測方式是通過過去的干擾值和現(xiàn)在的干擾值的線性組合預(yù)測?；瑒?dòng)平均模型的數(shù)學(xué)公式如公式（9）所示：

q為模型的階數(shù)；θj(j=1,2,…,q)為模型的待定系數(shù)；εt為誤差。

ARMA模型為自回歸模型和滑動(dòng)平均模型的組合。其數(shù)學(xué)公式如公式（10）所示：

p為自回歸階數(shù)，q為移動(dòng)平均階數(shù)。φ、θ是不為零的待定系數(shù)，εi是獨(dú)立的誤差項(xiàng)。

4.2 ARMA算法流程

ARMA模型預(yù)測的邏輯框架主要包括幾個(gè)方面：（1）數(shù)據(jù)處理；（2）模型識別；（3）模型定階；（4）參數(shù)估計(jì)；（5）數(shù)據(jù)預(yù)測；（6）評價(jià)對比；（7）分段點(diǎn)確定，如圖4所示。

步驟1對mi進(jìn)行逐階段差分（差分次數(shù)最多不超過兩次），利用自相關(guān)函數(shù)和偏相關(guān)函數(shù)進(jìn)行計(jì)算，判斷新序列是否平穩(wěn)，將數(shù)據(jù)轉(zhuǎn)換成一個(gè)均值為0的平穩(wěn)化序列。

圖4 ARMA算法流程圖

步驟2利用AIC（Akaike Information Theoretic Criterion）最小信息準(zhǔn)則函數(shù)對上述p和q進(jìn)行定階確定。用模型參數(shù)的估計(jì)方法計(jì)算ARMA(p,q)的模型參數(shù)和殘差的方差及準(zhǔn)側(cè)函數(shù)值A(chǔ)IC(p,q)，選取AIC(p,q)最小值相應(yīng)的階數(shù)和參數(shù)為最終確定的理想模型的階數(shù)和參數(shù)。

步驟3對步驟2中確定p和q值的ARMA(p,q)模型進(jìn)行參數(shù)估計(jì)，求解公式（8）中φ和θ，使得殘差平方和達(dá)到最小，得到的ARMA(p,q)的預(yù)測函數(shù)。

步驟4利用上述確定的ARMA(p,q)預(yù)測函數(shù)算出預(yù)測值，利用預(yù)測值與真實(shí)值的差值來確定時(shí)段劃分的分段點(diǎn)。若存在時(shí)間段寬度小于等于ti=30 min，則轉(zhuǎn)步驟5；否則，終止。

步驟5分析該時(shí)間段的相鄰時(shí)間段的寬度，若存在時(shí)間段寬度小于等于tj=30 min，則與相鄰處較短的時(shí)間段合并（若該時(shí)間段處于整個(gè)時(shí)間序列首尾邊界處，則直接與相鄰的時(shí)間段合并），轉(zhuǎn)步驟4；否則，轉(zhuǎn)步驟6。

步驟6分析該時(shí)間段交通流總流量均值和總流向均值，與相鄰處時(shí)間段總流量均值和角度均值作比較，如果<σ且<μ，則將兩個(gè)時(shí)間段Ti+1，Ti合并，否則轉(zhuǎn)步驟5（若分割的時(shí)間段中存在時(shí)間寬度小于等于ti=30 min，則考慮合并）。

5 體系評估

5.1 測試數(shù)據(jù)分析

某城市19個(gè)交叉口；數(shù)據(jù)采集時(shí)間：2016全年366天；數(shù)據(jù)量：667 584條（96條/天/個(gè)×19個(gè)×366天）。單條數(shù)據(jù)格式：15 min內(nèi)單個(gè)交叉口交通流總量（單位：pcu/h）（單個(gè)交叉口一天共96條數(shù)據(jù)）。

本文利用上述3章中的模型推算出該交叉口在三維坐標(biāo)下的全天各個(gè)時(shí)間段內(nèi)的交叉口交通流三維向量，并基于Matlab軟件三維散點(diǎn)展示，如圖5所示。一個(gè)數(shù)據(jù)點(diǎn)表示該時(shí)間段Ti內(nèi)交通流三維向量的終點(diǎn)，起點(diǎn)是原點(diǎn)。數(shù)據(jù)點(diǎn)對應(yīng)在X軸的數(shù)值表示該時(shí)間段Ti內(nèi)交通總流量大小Hi（pcu/h）；對應(yīng)Y軸的數(shù)值表示該時(shí)間段Ti內(nèi)交通流總流向θi（rad）；對應(yīng)Z軸的數(shù)值表示與沖突點(diǎn)的平均時(shí)間距離Si。每一個(gè)數(shù)據(jù)點(diǎn)上的序號則表示數(shù)據(jù)采集時(shí)間段Ti的先后順序(i=1,2,…,96)。并利用公式（7）求出相鄰三維向量之間的距離，如圖6所示。

圖5 某市交叉口全天交通流三維向量分布圖

圖6 某市交叉口相鄰三維向量間距分布圖

5.2 評估算法分析

上述相鄰交叉口交通流三維向量間距借助MATLAB軟件mi經(jīng)過差分平穩(wěn)化后處理轉(zhuǎn)換成平穩(wěn)序列值借助MATLAB軟件利用AIC最小信息準(zhǔn)則函數(shù)對模型參數(shù)p和q進(jìn)行定階確定。通過計(jì)算得出，p=3,q=2時(shí)AIC(p,q)值最低。確定模型階數(shù)后，對ARMA(3,2)模型進(jìn)行參數(shù)估計(jì)。通過求解，使ARMA(3,2)殘差平方和達(dá)到最小，模型參數(shù)估計(jì)如公式（11）所示：

通過仿真得到結(jié)果如圖7、表1、表2所示。

由圖7可知，傳統(tǒng)總流量CUSUM時(shí)段劃分模型將交叉口多時(shí)段控制方案分為四個(gè)時(shí)間段，而本文創(chuàng)新三維向量時(shí)段劃分模型分為五個(gè)時(shí)間段。以上兩種方法其時(shí)間段大致分布基本上保持一致。唯一的區(qū)別就是本文創(chuàng)新方法將傳統(tǒng)方法下的時(shí)序號40至序號64區(qū)間段（換算成時(shí)間為10點(diǎn)至16點(diǎn)）分為兩個(gè)時(shí)間段（序號56是分段點(diǎn)），更加精細(xì)，不但考慮到總流量的交叉口供給匹配能力，同時(shí)也充分考慮到期間交通流方向的根本性轉(zhuǎn)換。

由表1、表2對比可知，傳統(tǒng)總流量CUSUM方法全天總延誤時(shí)間為87.7 h，而本文創(chuàng)新時(shí)段劃分方法全天總延誤時(shí)間為82.4 h。本文創(chuàng)新時(shí)段劃分方法與傳統(tǒng)總流量CUSUM時(shí)段劃分方法相比，在全天總延誤時(shí)間上減少了5.3 h，下降約6.04%。特別是在臨近高峰的緩沖期間10：00至16：00這一時(shí)間段，本文創(chuàng)新方法下總延誤時(shí)間為9.75+11.4=21.15 h，而傳統(tǒng)總流量方法為26.45 h，與傳統(tǒng)方法相比，本文創(chuàng)新方法在延誤時(shí)間上減少了5.3 h，相當(dāng)于在此區(qū)間段延誤降低約20.04%，優(yōu)化效果明顯。

圖7 本文創(chuàng)新方法與傳統(tǒng)總流量方法對比圖

表1 某交叉口在傳統(tǒng)總流量方法下的方案

表2 某交叉口在本文創(chuàng)新方法下的方案

6 結(jié)束語

常峰型交叉口特點(diǎn)大多數(shù)時(shí)間總體流量較大，低峰幾乎不存在或者時(shí)間較短。以紹興市平江路與人民東路交叉口為例，在這種類型交叉口中，內(nèi)部沖突點(diǎn)幾乎存在于整個(gè)平穩(wěn)期內(nèi)，期間發(fā)生多起沖突點(diǎn)躍遷現(xiàn)象。根據(jù)此交叉口特點(diǎn)利用傳感網(wǎng)感知技術(shù)本文創(chuàng)新構(gòu)建道路交叉口多時(shí)段控制分段點(diǎn)劃分雙階優(yōu)化模型，并對傳統(tǒng)經(jīng)典模型進(jìn)行逐階深度優(yōu)化。一階優(yōu)化（模型輸入數(shù)據(jù)深度優(yōu)化），利用數(shù)據(jù)驅(qū)動(dòng)方法賦予交通流量的方向性，增加傳統(tǒng)交通流量數(shù)據(jù)的維度并對傳統(tǒng)經(jīng)典模型進(jìn)行重構(gòu)與優(yōu)化。以三維向量的形式表示在某一交叉口某一段時(shí)間內(nèi)的交通總流量的大小、方向以及內(nèi)部沖突點(diǎn)分布情況。二階優(yōu)化（算法設(shè)計(jì)深度優(yōu)化）運(yùn)用ARMA自回歸滑動(dòng)平均算法對相鄰三維向量間距離進(jìn)行遞歸與合并確定多時(shí)段控制方案各個(gè)分段點(diǎn)。最后以某城市19個(gè)常峰型交叉口實(shí)際交通流量數(shù)據(jù)為測試數(shù)據(jù)，基于Synchro7仿真軟件以本文創(chuàng)新時(shí)段劃分模型與傳統(tǒng)總流量CUSUM時(shí)段劃分模型進(jìn)行評價(jià)對比分析。結(jié)果表明，基于傳感網(wǎng)感知技術(shù)本文創(chuàng)新時(shí)段劃分模型運(yùn)用在符合“常峰型”交通流特征的交叉口時(shí)，與傳統(tǒng)單因素總流量時(shí)段劃分模型相比其控制方案能夠有效降低車輛的平均延誤，具有一定的工程實(shí)施效果。