車聯(lián)網(wǎng)環(huán)境下干線交通信號(hào)協(xié)調(diào)控制方法

蔣賢才， 金 宇， 謝志云

(哈爾濱工業(yè)大學(xué) 交通科學(xué)與工程學(xué)院, 哈爾濱 150090)

干線交通信號(hào)協(xié)調(diào)控制是解決城市道路交通堵塞的有效途徑之一. 傳統(tǒng)的研究方法主要圍繞基于延誤最小的優(yōu)化模型和基于帶寬最大的優(yōu)化模型兩方面展開. 在傳統(tǒng)的干線協(xié)調(diào)控制中，綠波設(shè)計(jì)速度與運(yùn)行速度往往固定，干線信號(hào)協(xié)調(diào)控制難以取得令人滿意的綠波帶寬. 為此，文獻(xiàn)[1]根據(jù)檢測到的交通數(shù)據(jù)，提出了一種能夠?qū)崟r(shí)動(dòng)態(tài)調(diào)整綠波帶寬的干線信號(hào)協(xié)調(diào)控制方法；文獻(xiàn)[2]建立了一種不均勻雙循環(huán)模型，能夠有效減少干線上小交叉口的過度延誤等問題，對(duì)提高干線信號(hào)協(xié)調(diào)效果起到了積極作用. 而更多的學(xué)者則提出了車速誘導(dǎo)策略，引導(dǎo)駕駛員調(diào)整其駕駛行為，通過車速的動(dòng)態(tài)引導(dǎo)來減少車輛的延誤和排隊(duì)、減少燃油消耗與環(huán)境污染物的排放并提高干線交通的安全性[3-5]. 近年來，干道協(xié)調(diào)車速誘導(dǎo)模型的研究主要包括：考慮車輛平均延誤和停車時(shí)間的模型[6]、基于公交優(yōu)先策略的模型[7]和減少出行時(shí)間的模型[8]. 文獻(xiàn)[9]以公交車的延誤與停車次數(shù)加權(quán)最小為目標(biāo)，以周期時(shí)長和相位飽和度為約束條件，建立了公交車速引導(dǎo)和交叉口信號(hào)配時(shí)集成優(yōu)化的整數(shù)線性規(guī)劃模型. 文獻(xiàn)[10]提出了一種基于動(dòng)態(tài)速度引導(dǎo)和動(dòng)態(tài)信號(hào)配時(shí)的交通管理方法，在路段中以必要的速度動(dòng)態(tài)引導(dǎo)車輛通過交叉口，并根據(jù)車輛檢測數(shù)據(jù)，調(diào)整前一交叉口的信號(hào)配時(shí)，該策略使車輛盡量在不停車的情況下通過交叉口. 然而，這些研究的車速引導(dǎo)方案往往基于車輛檢測或預(yù)測數(shù)據(jù)得到，面向群體發(fā)布而非針對(duì)個(gè)體車輛的定制車速引導(dǎo)，控制成效仍有待于進(jìn)一步提高. 在車聯(lián)網(wǎng)環(huán)境下，利用車輛和路側(cè)設(shè)施之間雙向信息交互，可實(shí)時(shí)建立單車的定制速度引導(dǎo)方案，為提高干線協(xié)調(diào)的綠波帶寬奠定了技術(shù)基礎(chǔ). 如文獻(xiàn)[11]將速度誘導(dǎo)策略引入到車輛跟馳模型中，有效降低了單車道多信號(hào)交叉口的油耗和停車次數(shù); 文獻(xiàn)[12]提出了一種城市道路網(wǎng)動(dòng)態(tài)速度協(xié)調(diào)的非線性數(shù)學(xué)模型，通過速度協(xié)調(diào)來減少行程時(shí)間、速度方差和停車次數(shù)；文獻(xiàn)[13]進(jìn)一步提出了分布式協(xié)調(diào)優(yōu)化算法，用于路網(wǎng)中網(wǎng)聯(lián)車輛的動(dòng)態(tài)速度優(yōu)化，來保證系統(tǒng)的可擴(kuò)展性和實(shí)時(shí)性; 文獻(xiàn)[14]基于速度引導(dǎo)和交叉口信號(hào)調(diào)整，提出了一種在V2I環(huán)境下的高頻公交專用道動(dòng)態(tài)車頭時(shí)距控制方法，用來提高車輛的運(yùn)行效率; 文獻(xiàn)[15]將被引導(dǎo)車輛及其后的普通車輛視為一個(gè)車隊(duì)，通過分析車輛位置和速度等信息確定誘導(dǎo)速度，使得車輛能夠不停車通過交叉口; 文獻(xiàn)[16]提出了一種動(dòng)態(tài)速度引導(dǎo)與動(dòng)態(tài)信號(hào)配時(shí)的集成優(yōu)化控制模型，對(duì)進(jìn)行車速誘導(dǎo)后仍不能在綠燈相位通過交叉口的車輛給予綠燈時(shí)間補(bǔ)償; 文獻(xiàn)[17]提出了車聯(lián)網(wǎng)環(huán)境下信號(hào)交叉口車速控制策略，在提高交叉口通行效率的基礎(chǔ)上兼顧了駕駛舒適性與環(huán)境友好性; 文獻(xiàn)[18]基于車聯(lián)網(wǎng)技術(shù)提出了一種針對(duì)混合車流通過信號(hào)交叉口的車速誘導(dǎo)控制方法，能夠降低車輛的燃油消耗并提高駕駛舒適性. 然而，這些研究大多著眼于單個(gè)交叉口的速度引導(dǎo)控制，協(xié)調(diào)控制優(yōu)化模型仍為非全局的、完全動(dòng)態(tài)的優(yōu)化模型. 基于此，本文考慮車速引導(dǎo)與信號(hào)控制方案的雙向調(diào)整，提出一種新的車聯(lián)網(wǎng)環(huán)境下干線交通信號(hào)協(xié)調(diào)控制方法，期望能對(duì)上述問題的解決提供一些思路.

1 問題描述與模型假設(shè)

城市主干道上的車輛以平均行駛速度行駛到下游交叉口時(shí)，會(huì)遇到3種情況：信號(hào)燈為綠燈，入口無排隊(duì)；信號(hào)燈為綠燈，入口有排隊(duì)車輛；信號(hào)燈為紅燈. 為了實(shí)現(xiàn)車輛盡可能多地通過交叉口的目標(biāo)，現(xiàn)有的控制策略通過引導(dǎo)車輛的行駛速度來改變車隊(duì)到達(dá)下游交叉口的時(shí)間. 一般的控制方法是設(shè)置可變速度引導(dǎo)標(biāo)，根據(jù)信號(hào)燈的狀態(tài)判斷進(jìn)入路段的車輛是否需要速度引導(dǎo). 此時(shí)，將遇到以下問題:1)主干道上的車輛被動(dòng)地根據(jù)信號(hào)燈的狀態(tài)來進(jìn)行速度引導(dǎo)，車輛在交叉口不能形成飽和車隊(duì)；因引導(dǎo)路段長度的限制，調(diào)節(jié)效果相對(duì)有限，優(yōu)化效果不理想. 2)當(dāng)大多數(shù)可引導(dǎo)的車輛通過交叉口時(shí)，綠燈相位仍未結(jié)束，導(dǎo)致綠燈利用率低. 3)綠燈結(jié)束時(shí)，車輛未完全通過下游交叉口，導(dǎo)致車輛延誤增加.

在車聯(lián)網(wǎng)環(huán)境下，如果能根據(jù)交通流狀態(tài)進(jìn)行實(shí)時(shí)的交叉口信號(hào)控制方案調(diào)整和車速誘導(dǎo)控制，則能最大程度地提高綠燈時(shí)間的利用效率，并可以減少車輛排隊(duì)，提高交叉口的交通效率. 為了量化本文所建立的車聯(lián)網(wǎng)環(huán)境下的干線協(xié)調(diào)控制模型的潛在效益，以干線直行車流作為關(guān)鍵車流進(jìn)行車速誘導(dǎo)控制，并進(jìn)行交叉口的信號(hào)控制方案調(diào)整，提出如下假設(shè)：1)道路上的車輛為網(wǎng)聯(lián)車輛，裝備有車聯(lián)網(wǎng)通信設(shè)備，具備車輛定位、實(shí)時(shí)通信和信息顯示等功能. 2)所有車輛都按照交叉口交通控制系統(tǒng)提供的車速誘導(dǎo)策略信息行駛并通過信號(hào)交叉口. 3)各個(gè)交叉口信號(hào)相位方案不變，干線方向直行相位為第1相位. 4)所有車輛進(jìn)入路段后及時(shí)完成車道變換. 5)暫不考慮非機(jī)動(dòng)車和行人對(duì)機(jī)動(dòng)車的影響.

2 干線協(xié)調(diào)交通信號(hào)控制優(yōu)化模型

2.1 優(yōu)化目標(biāo)

交叉口停車是造成交叉口運(yùn)行效率和能耗低下的重要原因. 與其他方法相比，當(dāng)采用車速誘導(dǎo)控制時(shí)，交叉口的停車次數(shù)和延誤都會(huì)發(fā)生變化. 為全面反映本文建立優(yōu)化模型的性能，將車均延誤和平均停車次數(shù)加權(quán)形成一個(gè)綜合性能評(píng)價(jià)指標(biāo)(PI)，來優(yōu)化干線協(xié)調(diào)信號(hào)控制參數(shù). 一般來說，PI越大，延誤也就越大，停止次數(shù)也越多，PI的計(jì)算公式為

PI=w1·d+w2·n.

(1)

式中：d為車均延誤，s/pcu；n為停車次數(shù)；w1、w2分別為延誤和停車的權(quán)重.

信號(hào)控制參數(shù)優(yōu)化目標(biāo)為

(2)

內(nèi)進(jìn)入路段的車輛為i號(hào)交叉口第k周期第p相位要處理的到達(dá)交通量為

(3)

誘導(dǎo)車速區(qū)間的最大值一般取城市道路最高限速值. 國內(nèi)相關(guān)規(guī)范中并無城市道路最低限速的規(guī)定，誘導(dǎo)車速區(qū)間的最小值可從車輛行駛的舒適性、經(jīng)濟(jì)性等考慮，參照文獻(xiàn)[19]中的方法予以確立.

2.2 約束條件

2.2.1 一般約束

相位綠燈時(shí)長應(yīng)滿足條件：

(4)

最小綠燈時(shí)長應(yīng)滿足行人過街的需要，即

(5)

2.2.2 相位差策略

首先以關(guān)鍵交叉口周期時(shí)長作為公共周期時(shí)長C，以i-1和i交叉口為例，設(shè)i-1至i交叉口方向?yàn)橄滦蟹较?，根?jù)以下3種情況分別進(jìn)行討論.

(6)

2)當(dāng)交叉口間距相當(dāng)短時(shí)，將相鄰交叉口視為一個(gè)交叉口，進(jìn)行同步式協(xié)調(diào)控制. 為使控制效果最佳，應(yīng)使雙向車流一半以上的車輛能成功在綠燈相位不停車通過交叉口，否則僅誘導(dǎo)其中一股車流時(shí)效果更好，交叉口間距應(yīng)滿足：

(7)

3)當(dāng)交叉口間距滿足：

(8)

2.2.3 信號(hào)控制方案調(diào)整策略

(9)

當(dāng)存在j≥x且第j輛車通過i號(hào)交叉口的時(shí)間滿足：

(10)

(11)

2.3 綜合評(píng)價(jià)指標(biāo)模型

信號(hào)控制方案調(diào)整后i號(hào)交叉口第k周期第p相位綠燈開啟時(shí)間為

(12)

則在時(shí)間區(qū)間

(13)

第p相位r方向綠燈時(shí)間內(nèi)最多可通行的車輛數(shù)為

(14)

第j輛車到達(dá)交叉口時(shí)的排隊(duì)長度為

(15)

i號(hào)交叉口第k周期第p相位r方向的第j輛車到達(dá)交叉口時(shí)的誘導(dǎo)速度為

(16)

i號(hào)交叉口第k周期第p相位r方向的第j輛車到達(dá)交叉口時(shí)的PI值為

(17)

i號(hào)交叉口第k周期第p相位車輛的總PI值為

(18)

w1、w2根據(jù)一次停車過程的損失時(shí)間與延誤的等效換算關(guān)系進(jìn)行折算. 車輛從原車速減速—停止—加速到原車速這一過程所需的時(shí)間為

(19)

式中：t1為一次停車過程所需的時(shí)間，s；a1為期望減速度，m/s2；a2為期望加速度，m/s2；λ為駕駛員平均反應(yīng)時(shí)間，s.

停車過程的損失時(shí)間為

(20)

式中t2為車輛停車過程損失時(shí)間，s.

w1為交叉口車輛延誤的權(quán)重，一般取1，根據(jù)等效換算關(guān)系，則有

w2=w1·t2.

(21)

2.4 求解算法

本文信號(hào)控制參數(shù)優(yōu)化模型待優(yōu)化變量為各個(gè)相位的綠燈顯示時(shí)間，優(yōu)化目標(biāo)為車均綜合性能指標(biāo)(PI)最小，屬于典型的非線性整數(shù)優(yōu)化模型，為解決這一問題，可采用遺傳算法求解. 然而遺傳算法涉及交叉、變異、終止條件判斷等，運(yùn)算規(guī)模大、耗時(shí)長. 鑒于各個(gè)相位的綠燈時(shí)間均有最大、最小值限制，通過有限窮舉就能快速得到優(yōu)化結(jié)果，較遺傳算法能節(jié)省大量的運(yùn)算時(shí)間. 因此，本文優(yōu)化模型的求解算法采取窮舉法，優(yōu)化算法步驟如下.

步驟1在滿足約束條件下，確定交叉口可能的信號(hào)控制方案數(shù)m與優(yōu)化結(jié)束時(shí)間，令i=1、j=1、 PI0=1 000.

步驟2根據(jù)上游交叉口的信號(hào)控制方案和交通狀況確定車輛進(jìn)入路段的時(shí)間分布.

步驟3計(jì)算交叉口第i周期第j方案的車均PI值，若PI

步驟4判斷j是否小于m+1，若是，返回步驟3；否則，進(jìn)入步驟5.

步驟5以當(dāng)前存儲(chǔ)的信號(hào)控制參數(shù)作為第i周期的信號(hào)輸出方案，并令i=i+1、j=1、 PI0=1 000，進(jìn)入下一步，開始下一周期的信號(hào)控制方案優(yōu)化.

步驟6是否已到結(jié)束時(shí)間，若否，進(jìn)入步驟2；若是，結(jié)束優(yōu)化流程.

3 算例分析與仿真驗(yàn)證

3.1 仿真交叉口

以哈爾濱市祥安北大街(龍軒路—龍盛路)為例，將其從南到北的3個(gè)交叉口分別命名為A、B、C，均為4相位控制方案，南北直行相位為協(xié)調(diào)相位. 以B交叉口為研究對(duì)象，該交叉口次要道路方向相鄰交叉口為D、E，干線道路進(jìn)口道設(shè)置有3條直行車道(含直右)、1條左轉(zhuǎn)車道，其余道路均為兩條直行車道(含直右)、1條左轉(zhuǎn)車道，車道寬度均為3.5 m；LAB=380 m，LBC=360 m，LBD=640 m，LBE=750 m. 各交叉口調(diào)查的平峰流量(2019年6月11日9:00—10:00)見表1.

表1 交叉口流量

計(jì)算各交叉口初始信號(hào)配時(shí)方案，確定公共周期時(shí)長為100 s，并以公共周期時(shí)長為基礎(chǔ)對(duì)干線各交叉口現(xiàn)狀信號(hào)方案進(jìn)行調(diào)整. 根據(jù)式(19)～(21)及交通調(diào)查結(jié)果，按期望加速度(減速度)為3 m/s2、車輛啟動(dòng)反應(yīng)時(shí)間為1.4 s[20]計(jì)算，則停車過程損失時(shí)間為5.5 s，由此確定w1=1、w2=5.5.

3.2 仿真環(huán)境構(gòu)建

本文借助VISSIM進(jìn)行交通仿真. 首先，在VISSIM中建立5個(gè)交叉口的布局模型. 然后，根據(jù)哈爾濱市的實(shí)際調(diào)查結(jié)果，對(duì)VISSIM中的仿真參數(shù)進(jìn)行標(biāo)定，結(jié)果是：直行車道和左轉(zhuǎn)車道的飽和流率分別為1 450 pcu/h和1 350 pcu/h，啟動(dòng)損失時(shí)間為3 s，平均行程速度暫定為45 km/h，最大加速度(減速度)為5 m/s2，期望加速度(減速度)為3 m/s2，靜止?fàn)顟B(tài)平均停車距離為1.5 m，行駛狀態(tài)最小距離為1.2 m. 最后，在VISSIM中建立了兩種信號(hào)協(xié)調(diào)控制方案進(jìn)行對(duì)比分析. 方案1為僅實(shí)施速度引導(dǎo)的協(xié)調(diào)信號(hào)控制方案[17]，方案2為本研究提出的協(xié)調(diào)信號(hào)控制方案.

方案1和方案2使用動(dòng)態(tài)鏈接庫(DLL)進(jìn)行編程. 通過VISSIM中的API接口，將定制的信號(hào)控制方案連接到VISSIM紅綠燈控制器上. 在每條車道的兩端分別設(shè)置交通流檢測器，記錄每輛車的到達(dá)時(shí)間，動(dòng)態(tài)采集到達(dá)交通量. 在仿真過程中，每0.5 s對(duì)每個(gè)檢測器的狀態(tài)進(jìn)行檢測，得到到達(dá)和駛離的交通量，以此為基礎(chǔ)來優(yōu)化協(xié)調(diào)相位的信號(hào)控制參數(shù).

3.3 仿真結(jié)果分析

在仿真參數(shù)和各方向輸入交通量不變的情況下，以PI為評(píng)價(jià)指標(biāo)，根據(jù)不同的誘導(dǎo)速度范圍進(jìn)行仿真，仿真時(shí)長均為1 h，仿真結(jié)果如圖1所示.

圖1 不同的誘導(dǎo)車速范圍下的仿真結(jié)果對(duì)比

由圖1可以看出，當(dāng)誘導(dǎo)速度范圍較大時(shí)，交叉口的平均PI相對(duì)較低. 與僅實(shí)施速度引導(dǎo)策略的方案相比，本文提出的干線道路協(xié)調(diào)控制方法實(shí)施后，交叉口車均PI值有一定程度的降低. 分析交叉口不同相位車均PI值的差異后發(fā)現(xiàn)，由于本文根據(jù)干道直行方向的車流狀態(tài)進(jìn)行下游信號(hào)方案的調(diào)整，并進(jìn)行車速誘導(dǎo)控制，干道直行相位車均PI值較小，而其他相位車輛是被動(dòng)的根據(jù)交叉口信號(hào)方案進(jìn)行車速誘導(dǎo)控制，且次要道路方向相鄰交叉口的周期時(shí)長存在差異，導(dǎo)致車均PI值較大.

本文案例路段為城市主干路，限速60 km/h，因此誘導(dǎo)車速的最大值為60 km/h；誘導(dǎo)車速的最小值從車輛行駛的舒適性、經(jīng)濟(jì)性等考慮，根據(jù)文獻(xiàn)[19]中的方法設(shè)定為25 km/h；調(diào)查得到該道路的平均行程車速為45 km/h. 綜上，以誘導(dǎo)速度為25～60 km/h、平均行程車速為45 km/h進(jìn)行仿真，仿真結(jié)果見表2、3.

表2 平均PI值對(duì)比分析

表3 性能指標(biāo)變化情況

對(duì)比表2、3中的仿真結(jié)果，本研究提出的優(yōu)化方法將每輛車的平均PI值從28.72降低到25.51，與僅在相同交通條件下實(shí)施速度引導(dǎo)策略的方案相比降低了11.2%. 同時(shí)，車均延誤和平均停車次數(shù)兩個(gè)仿真性能指標(biāo)的變化與每輛車PI值的變化相一致，說明PI能總體反映車均延誤和平均停車次數(shù)的變化趨勢. 南北直行關(guān)鍵車流形成車隊(duì)，綠燈時(shí)間的利用效率提高，當(dāng)個(gè)別周期到達(dá)車輛數(shù)較大時(shí)，延長綠燈時(shí)間能使車均PI值減少. 多數(shù)情況下，由于南北直行相位綠燈時(shí)間利用效率提高，綠燈時(shí)長縮短，其他相位綠燈時(shí)間增加且開啟時(shí)間提前，從而其他相位車均PI值也有一定程度的下降. 結(jié)果表明：本文提出的干線交通信號(hào)協(xié)調(diào)控制方法是可行和有效的.

3.4 敏感性分析

3.4.1 速度誘導(dǎo)區(qū)間的影響

車輛誘導(dǎo)速度的范圍直接影響到車輛誘導(dǎo)的效果，一般來說，車輛的速度引導(dǎo)范圍越大，車輛越有可能通過速度調(diào)節(jié)來改變到達(dá)下游交叉口的時(shí)間，從而增加誘導(dǎo)車輛數(shù)和減少停車次數(shù). 依次控制道路上車輛的最小誘導(dǎo)速度和最大誘導(dǎo)速度，使最大誘導(dǎo)速度為50、52、54、…、66 km/h，最小誘導(dǎo)速度為18、20、22、…、34 km/h，步長為2 km/h，得到交叉口的平均PI值變化情況，如圖2所示.

圖2 車輛誘導(dǎo)速度范圍的影響

由圖2可以看出，當(dāng)路段最小誘導(dǎo)速度降低時(shí)，車輛有更大的到達(dá)時(shí)間調(diào)整區(qū)間，特別是當(dāng)車輛以較高速度行駛至下游交叉口而相位綠燈仍未開啟時(shí)，可以引導(dǎo)車輛以低速行駛，并在排隊(duì)消散時(shí)通過交叉口，交叉口的平均PI值逐漸減小.

當(dāng)車輛以原平均行程車速行駛而不能在排隊(duì)車輛消散時(shí)到達(dá)交叉口，可以誘導(dǎo)車輛以更大的速度行駛，避免綠燈時(shí)間的損失，因此當(dāng)車輛的最大誘導(dǎo)速度增加時(shí)，車輛的速度調(diào)整范圍更大且車速更高，平均PI值明顯降低. 因此，在滿足安全性和經(jīng)濟(jì)性的前提下，車輛的速度誘導(dǎo)區(qū)間越大，對(duì)主干道實(shí)施協(xié)調(diào)控制的效果就越好.

3.4.2 平均行程車速的影響

本文所述的平均行程車速為進(jìn)行干線協(xié)調(diào)控制之前道路上車輛的實(shí)際行駛速度，反映了進(jìn)行優(yōu)化控制之前道路上的交通運(yùn)行狀態(tài). 從式(17)可以看出，平均行程車速對(duì)車輛PI值的計(jì)算結(jié)果有一定的影響. 當(dāng)平均行程車速較低時(shí)，車輛以較高的誘導(dǎo)速度行駛可顯著縮短路段行駛時(shí)間，從而減少車輛延誤. 當(dāng)平均行程車速較高時(shí)，一些以該速度行駛的車輛會(huì)在排隊(duì)車輛消散之前到達(dá)下游交叉口并排隊(duì)，當(dāng)其以較低的誘導(dǎo)速度行駛時(shí)，路段上的行駛時(shí)間增加，但減少了在交叉口的停車排隊(duì)，車輛延誤基本不變，當(dāng)PI值為負(fù)時(shí)，將其賦值為零，應(yīng)避免計(jì)算車輛的PI值為負(fù). 依次控制道路上平均行程車速為30、32、34、…、50 km/h，步長為2 km/h，得到交叉口各相位的平均PI值，如圖3所示.

當(dāng)平均行程車速較低時(shí)，車輛在路段上的行駛時(shí)間較長，車輛被誘導(dǎo)的機(jī)會(huì)增大，停車次數(shù)能顯著減少. 從仿真結(jié)果可以看出，當(dāng)實(shí)施車輛速度誘導(dǎo)控制時(shí)，隨著平均行程車速的增加，交叉口各相位的平均PI逐漸增大. 因此，當(dāng)平均行程車速較低時(shí)，本文提出的干線協(xié)調(diào)控制方案效果更好.

圖3 車輛平均行程車速的影響

3.4.3 交叉口間距的影響

交叉口間距制約了車輛到達(dá)下游交叉口時(shí)的時(shí)間區(qū)間范圍的大小，對(duì)車速誘導(dǎo)效果的影響明顯. 為研究交叉口間距對(duì)交叉口平均PI值的影響，令LBC=300、400、500、…、1 200 m，LBD=350、400、450、…、650 m，LBE=350、400、450、…、650 m，得到交叉口各相位的平均PI值，如圖4所示.

(a) C至B直行車輛平均PI值變化

(b) 車輛平均PI值隨交叉口間距變化

由2.2.2節(jié)可知，當(dāng)干線交叉口間距不足時(shí)，僅能實(shí)現(xiàn)部分車流或某一方向車流的成功誘導(dǎo)，交叉口平均PI值較高. 當(dāng)雙向車流均能誘導(dǎo)時(shí)，交叉口間距會(huì)影響到下一周期各相位要處理交通量的時(shí)間區(qū)間大小(即式(3)中的到達(dá)交通量)和綠波帶設(shè)計(jì)速度大小，當(dāng)交叉口間距較短時(shí)，確立的時(shí)間區(qū)間較小，綠波帶設(shè)計(jì)速度較小，后續(xù)進(jìn)入路段的連續(xù)車流不能得到及時(shí)處理，導(dǎo)致協(xié)調(diào)相位綠燈時(shí)間不足，使得停車次數(shù)和延誤增長；而當(dāng)交叉口間距過大時(shí)，確立的時(shí)間區(qū)間過長，又會(huì)導(dǎo)致綠燈時(shí)間過長等待不必要協(xié)調(diào)的交通量，也會(huì)使得車均延誤增長. 因此，交叉口間距與PI之間存在波動(dòng)性，在LBC=750 m時(shí)，二者之間能取得最佳效果，如圖4(a)所示.

由圖4(b)可以得知，當(dāng)次要道路方向交叉口間距增加時(shí)，車輛以誘導(dǎo)車速行駛時(shí)到達(dá)下游交叉口的時(shí)間區(qū)間更大，因此可以更好地通過調(diào)整車速實(shí)現(xiàn)在排隊(duì)車輛消散時(shí)到達(dá)下游交叉口的目標(biāo)，交叉口平均PI值逐漸減小. 而當(dāng)交叉口間距較短時(shí)，通過車速引導(dǎo)改變車輛到達(dá)下游交叉口時(shí)間的能力有限，往往導(dǎo)致誘導(dǎo)失敗，造成車輛平均PI值較大.

4 結(jié) 論

1)提出了一種車聯(lián)網(wǎng)環(huán)境下基于車速誘導(dǎo)的干線信號(hào)協(xié)調(diào)控制方法，相比于常規(guī)的車速誘導(dǎo)方案，可以根據(jù)干線道路上關(guān)鍵車流的實(shí)時(shí)到達(dá)情況，確定合理的車輛誘導(dǎo)速度和下游交叉口的信號(hào)調(diào)整方案. 同時(shí)，根據(jù)調(diào)整后的信號(hào)控制方案，進(jìn)行非關(guān)鍵相位車輛的車速誘導(dǎo)控制，使得車輛能夠形成飽和車隊(duì)，并盡可能不停車通過交叉口，從而提高了交叉口綠燈時(shí)間的利用效率，減少了車輛延誤和停車次數(shù).

2) 建立了車聯(lián)網(wǎng)環(huán)境下的干線協(xié)調(diào)控制相位差方案，為干線交叉口的雙向協(xié)調(diào)控制奠定了基礎(chǔ)；以形成飽和車隊(duì)為目標(biāo)制定了車輛速度誘導(dǎo)控制策略，并確定了交叉口信號(hào)控制方案調(diào)整策略；綜合車輛延誤和停車情況，建立了交叉口運(yùn)行的評(píng)價(jià)指標(biāo)模型，以交叉口車均PI最小為優(yōu)化目標(biāo)，建立了干線協(xié)調(diào)交叉口信號(hào)控制參數(shù)優(yōu)化模型，并給出了求解算法.

3) 案例分析表明，與僅進(jìn)行車速誘導(dǎo)的信號(hào)控制方案相比，所提出的干線協(xié)調(diào)信號(hào)控制方法能使交叉口車均PI降低11.2%. 進(jìn)一步分析表明，速度誘導(dǎo)區(qū)間、平均行程車速、交叉口間距等因素對(duì)信號(hào)控制方案優(yōu)化結(jié)果能產(chǎn)生顯著影響.