車聯(lián)網(wǎng)環(huán)境下基于可變相位的公交優(yōu)先信號控制方法

宋現(xiàn)敏 冷寧 姜景玲 袁咪莉

(1.吉林大學 交通學院，吉林 長春 130022；2.交通運輸部科學研究院，北京 100029)

公交信號優(yōu)先技術可以減少公交車在交叉口處的延誤，提高公交車運行效率，進而增大居民公交出行比例，對于緩解城市交通擁堵具有重要意義。傳統(tǒng)的公交優(yōu)先控制包括被動優(yōu)先控制、主動優(yōu)先控制和自適應控制[1- 3]。其中，基于歷史交通數(shù)據(jù)的被動優(yōu)先控制不能適應交通量波動大、公交車不能按固定時刻和間隔到達等隨機情況；而基于固定檢測器的主動優(yōu)先和自適應控制難以評判檢測點至停止線間的路段狀態(tài),從而無法準確預測公交到達時間[4- 5]。

近年來，車聯(lián)網(wǎng)技術的興起為解決上述問題提供了數(shù)據(jù)支持。在車聯(lián)網(wǎng)環(huán)境下，車輛與控制機之間可實現(xiàn)信息的實時、雙向傳遞，控制系統(tǒng)能夠準確獲悉交叉口交通狀況和公交車運行狀態(tài)，根據(jù)實時數(shù)據(jù)對其到達時間進行精準預測[6- 7]。因此，許多學者利用車聯(lián)網(wǎng)環(huán)境進行了一系列公交優(yōu)先信號控制方法的研究。Hu等[8]將公交相位綠燈時間窗口自動滑動的思路應用到公交信號優(yōu)先策略中，并用微觀模擬進行了方法評估；Christofa等[9]基于實時獲取的公交乘客占有率，建立了混合整數(shù)非線性規(guī)劃模型，在實現(xiàn)公交車通行權(quán)優(yōu)先分配的同時，社會車輛乘客的延誤增加幅度較?。籜u等[10]引入公交優(yōu)先策略、公交線路等級和過境方式的權(quán)重表達式，建立了公交信號優(yōu)先的優(yōu)化模型，并以公交車站的人均延誤和乘客等待時間為指標評價模型的有效性；Zeng等[11]通過建立隨機混合整數(shù)模型來確定公交信號優(yōu)先策略中的最佳綠燈時間；Zamani-pour等[12]提出了一種多模態(tài)信號控制統(tǒng)一決策框架，該框架同時考慮了不同出行方式乘客的需求，并用數(shù)學優(yōu)化模型來求解；王永勝等[13]通過插入短相位的方法讓公交優(yōu)先通行，實現(xiàn)了公交優(yōu)先，但是該方法插入的短相位均為設定好的自然相位。

以往研究多基于固定相序或相位組合進行公交優(yōu)先控制，缺乏靈活性，而在車聯(lián)網(wǎng)環(huán)境下，可以實時獲取交叉口信息，允許動態(tài)調(diào)整信號相序與相位時長以適應交通需求變化[14]，因此，本文采取可變相位的方法進行公交優(yōu)先信號控制。在動態(tài)相位算法的評價指標選取方面，Kari等[15]建立了一個具有有效性度量隊列的車輛自適應控制優(yōu)化器，用車輛排隊長度來評價算法的有效性；Wunderlich等[16- 17]以排隊長度為公交信號優(yōu)先選擇指標,提出基于最大權(quán)重匹配算法的動態(tài)信號調(diào)度方法，實現(xiàn)了最長排隊方向的公交優(yōu)先調(diào)度；Chen等[18]應用車聯(lián)網(wǎng)技術,實時處理車輛轉(zhuǎn)彎比例和車輛位置信息,以車輛通過流量最大為目標,提出了交叉口動態(tài)交通控制框架。

由于車輛排隊長度為最易檢測且準確性較高的交通參數(shù)，因此文獻多以排隊長度作為相位動態(tài)調(diào)整指標，忽略了社會車輛與公交車輛的運載差異性,未充分體現(xiàn)公交優(yōu)先主旨。本文提出了一種基于可變相位的公交信號優(yōu)先控制策略，建立了確定相位、相序的優(yōu)先決策框架。在考慮到公交車進入車聯(lián)網(wǎng)檢測范圍時的初始狀態(tài)的基礎上，建立了公交車到達時間預測模型，以乘客通過率作為優(yōu)化目標，設計了公交信號優(yōu)先算法及求解流程；最后利用VISSIM仿真平臺的COM接口與Python搭建了車聯(lián)網(wǎng)仿真平臺，在不同交通條件下對本文提出的公交優(yōu)先控制方法進行了測試。

1 基于可變相位信號控制的基本思想

1.1 交叉口雙環(huán)信號控制方法

信號交叉口最常用的信號控制方法是雙環(huán)信號控制。如圖1所示，雙環(huán)信號控制策略包含兩個環(huán)：環(huán)1(相位1、4、5、8)和環(huán)2(相位2、3、6、7)。其信號相位順序是固定的，在適應動態(tài)變化的交通需求方面缺乏靈活性，這會造成綠燈時間的浪費和車輛延誤等問題，無法保證交通條件實時變化的情況下車輛順利通過交叉口。

1.2 交叉口相序和相位組合模型的構(gòu)建

針對上述問題，本文提出了一種基于車聯(lián)網(wǎng)環(huán)境下信息獲取的自適應信號控制策略。假設所有車輛都裝置了聯(lián)網(wǎng)設備，當車輛進入交叉口的通信范圍時，車輛可以實時向中央控制器傳輸交通信息，例如車輛的位置信息、速度信息、載客量信息、車輛編號信息、車輛類型信息等。同時，中央控制器將一個周期的固定相位轉(zhuǎn)換為可變相位，其相位序列與相位時長可進行動態(tài)調(diào)整。通過收集到的交叉口的實時信息來求解交叉口可變相位控制目標函數(shù)，選取使得乘客通過率最大的方案，以最大限度地增加單位綠燈時間內(nèi)通過的排隊人數(shù)。

圖1 定相位雙環(huán)控制策略

本文用信號相位矩陣描述信號相位狀態(tài)，比如具有n個進口道的交叉口，就用n×n矩陣描述其相位狀態(tài)，則所有相位矩陣的集合組成了該交叉口全部可選相位方案。其中，用“1”表示允許通行，用“0”表示不允許通行。例如用一個4×4矩陣來描述具有4個進口道(A′、B′、C′、D′)的十字交叉口的信號相位狀態(tài)，如圖2所示，在{1,2}相位下，A′進口道通往B′進口道的車輛行駛方向(即由西向東直行)允許通行，由B′進口道通往A′進口道的車輛行駛方向(即由東向西直行)允許通行，以及A′、B′、C′、D′進口道的右轉(zhuǎn)運動允許通行，其他行駛方向則不允許通行。需要注意的是，在相位矩陣中，默認所有進口道的右轉(zhuǎn)方向與其他方向不發(fā)生沖突，因而所有右轉(zhuǎn)運動都表示為1。

圖2 主路相位矩陣示例

基于上述規(guī)則，可以得到主路候選相位矩陣集合A={Aj}(j∈{1,2,3,4}),以及次路候選相位矩陣集合B={Bj}(j∈{1,2,3,4})。其中，A1為東西直行相位，A2為東西左轉(zhuǎn)相位，A3為西進口道直左相位，A4為東進口道直左相位，B1為南北直行相位，B2為南北左轉(zhuǎn)相位，B3為從南進口道直左相位，B4為北進口道直左相位。本文提出的可變相位方法允許在每個階段中，相位組合與相位序列根據(jù)交叉口的實時狀況進行動態(tài)調(diào)整。交通控制器根據(jù)實時交通條件從候選相位矩陣選擇下一相位矩陣。需要注意的是，在1個周期中，1個方向僅能獲取1次綠燈時間，1個相位也只能被選擇 1次。圖3以主路為例，給出了確定相位次序的邏輯規(guī)則，次路的相位次序的確定方法同理。

圖3 主路相位次序邏輯規(guī)則

圖3中：Di為信號階段，i=1,2,3；A為所有可選相位的集合；Aj(p,q)為含方向p、q的相位Aj，p=1,2,3,4，q=1,2,3,4；“”表示兩個集合的差集。

1.3 公交車到達時間預測

當?shù)趉輛公交車進入到車聯(lián)網(wǎng)通信范圍，即距離交叉口停止線XA處時，控制系統(tǒng)根據(jù)獲取的時間、位置、速度等信息，結(jié)合實時交通流狀況預測第k輛公交車到達交叉口停止線的時間，并根據(jù)其進入檢測范圍時的不同初始狀態(tài)，將它在檢測區(qū)間的運行情況分為以下3種：以初始速度Vk直接通過交叉口(情形1)、經(jīng)歷停車排隊并跟隨車隊駛離交叉口(情形2)、減速但不排隊后駛離交叉口(情形3)。下面分別對3種運行情況進行分析，以預測第k輛公交車到達時間。

情形1：當j相位p方向的第k輛公交車進入車聯(lián)網(wǎng)范圍(位置XA)時，假設當前相位紅燈開始時刻為t0。若公交車無需減速和停車直接通過交叉口，如圖4所示，則公交車通過停止線的時間滿足：

(1)

(2)

(3)

(4)

圖4 情形1下公交到達情況示意圖

則第k輛公交車不減速和停車直接通過停止線時應滿足如下條件：

(5)

(6)

此時，第k輛公交車通過停止線的時間為

(7)

情形2：當j相位p方向的第k輛公交車進入車聯(lián)網(wǎng)范圍(位置XA)時，設當前相位紅燈開始時刻為t0。若公交車需要停車排隊，并在綠燈期間跟隨車隊駛離交叉口，如圖5所示，則公交車輛總行程時間包括了公交以自由行駛速度從XA行駛到隊列尾端的行程時間、公交排隊等待時間和公交重新起動后駛離交叉口的行程時間。

圖5 情形2下公交到達示意圖

(1)公交行駛到隊列尾端的行程時間

如圖5所示，公交從XA行駛到排隊隊列尾端的時間可以通過求解以下方程得到：

(8)

通過求解式(8)中的聯(lián)立方程組，可得到公交自由行駛到車輛尾端的行程時間和公交行駛至排隊隊列尾端的?？课恢梅謩e為：

(9)

(10)

(2)公交排隊等待時間

當公交車到達隊尾后，在隊列中排隊等待。等待的時間Δt4為起動波傳遞到公交車的時刻與公交車到達隊尾開始排隊的時刻之差：

(11)

(3)公交重新起動后駛離交叉口的行程時間

第k輛公交車起動后，繼續(xù)以排隊車輛的消散波速度行駛。公交車從重新起動到駛離交叉口的行程時間為：

(12)

(4)公交到達交叉口停止線時刻的預測

結(jié)合式(8)-(12)，可推出第k輛公交通過交叉口停止線的時間為：

(13)

(14)

而P點坐標可以由以下聯(lián)立方程確定：

(15)

從而得P點坐標為

由圖6可知，

圖6 情形3下公交到達示意圖

(16)

從而容易算出：

(17)

所以，第k輛公交車經(jīng)過減速排隊不停車時，需滿足：

(18)

此時第k輛公交車通過停止線的時間為：

(19)

2 基于可變相位的公交優(yōu)先信號控制模型

2.1 綠燈時間的確定

(20)

(21)

最終得到j相位所有預測綠燈時間的集合：

(22)

2.2 目標函數(shù)

可變相位信號控制算法旨在最大限度地增加單位時間內(nèi)通過交叉口的排隊人數(shù)，即使乘客的通過率最大化。對于每一次優(yōu)化，在通信范圍內(nèi)到達交叉口的排隊車輛的乘客都包含在該目標函數(shù)中。為了求得最優(yōu)的配時方案，本文提出了一個以交叉口單位綠燈時間內(nèi)通過的排隊人數(shù)最多為目標來求解下一個綠燈相位的公交優(yōu)先信號控制方法，設定此公交優(yōu)先信號控制的目標函數(shù)為:

(23)

2.3 模型求解流程

可變相位控制算法的思想是在候選相位中選取令乘客通過率最大的方案作為下一相位。若信號組的狀態(tài)為紅燈，可變相位信號控制算法將計算所有8種不沖突的綠燈相位下的目標函數(shù)(相位{1,2}、相位{3,4}、相位{1,3}、相位{2,4}、相位{5,6}、相位{7,8}、相位{5,7}、相位{6,8})，以找到在全紅狀態(tài)下最長單位綠燈時間內(nèi)通過的排隊人數(shù)的相位，將目標函數(shù)最大的相位設置為綠燈相位，并標記選定綠燈相位下的所有車道的排隊車輛。

如圖7所示，若信號組的狀態(tài)為綠燈，可變相位信號控制算法將跟蹤綠燈相位下被標記的車輛是否通過交叉口。當所有被標記的車輛已通過交叉口停止線或當前綠燈相位時長大于最長綠燈時間時，將此信號機的狀態(tài)轉(zhuǎn)變?yōu)辄S燈。當前綠燈相位時長小于最短綠燈時間或被標記的車輛還未通過交叉口時，保持此信號機的狀態(tài)仍為綠燈。

3 實驗

3.1 調(diào)查地點的選取

為了評價車聯(lián)網(wǎng)環(huán)境下基于可變相位的公交信號優(yōu)先算法，本文選取長春市光谷大街與飛躍路交叉口作為實驗對象，交叉口平面圖如圖8所示。光谷大街入口有6條進口道，包含2條左轉(zhuǎn)專用道、3條直行車道與1條提前右轉(zhuǎn)車道；飛躍路入口有5條進口道，包含2條左轉(zhuǎn)專用道、2條直行車道與1條提前右轉(zhuǎn)車道。本文用VISSIM的COM接口，結(jié)合Python軟件，進行可變相位下公交信號優(yōu)先仿真試驗。本文通過COM接口控制仿真實驗，獲取地理位置、速度、路線、載客數(shù)等車輛信息，動態(tài)調(diào)整信號相序與相位時長，為公交車輛提供優(yōu)先?？紤]到長春市光谷大街與飛躍路交叉口的各進口道長度、最大排隊長度、各相位時長、車輛行駛速度等綜合因素，將車聯(lián)網(wǎng)通信范圍設定為500 m。依據(jù)現(xiàn)有車聯(lián)網(wǎng)技術的發(fā)展情況，在該范圍內(nèi)既可以保障數(shù)據(jù)采集的即時性，也可以保證數(shù)據(jù)傳輸?shù)馁|(zhì)量[19- 20]。其中，設置黃燈時間為3 s，全紅時間為1 s，最短綠燈時間為18 s，最長綠燈時間為60 s。社會車輛的乘客數(shù)量賦值為1-4的整數(shù)，公交車輛的乘客數(shù)賦值為1-60的整數(shù)。每次實驗中基于車輛編號，實驗組與對照組的所有車輛的乘客數(shù)量賦相同值。

圖7 可變相位求解流程

圖8 飛躍路與光谷大街交叉口平面圖

3.2 不同道路飽和度下的仿真結(jié)果及分析

為了驗證可變相位下的公交優(yōu)先信號控制方法在不同道路飽和度下的效益，本節(jié)分別在飽和度為0.7、0.8、0.9、1.0、1.1的條件下進行仿真實驗。每個飽和度下分別進行10次實驗，每次實驗的仿真時間為1 h，并將結(jié)果取平均值。表1為分別采用無公交優(yōu)先信號控制方法(方法1)與可變相位公交優(yōu)先信號控制方法(方法2)下的交叉口人均延誤、公交車輛人均延誤、社會車輛人均延誤。

由表1可知，隨著道路飽和度的增加，兩種信號控制方法下交叉口人均延誤、公交車輛人均延誤與社會車輛人均延誤均呈現(xiàn)增長的趨勢。在各道路飽和度下，對比于無優(yōu)先控制方法，采用可變相位公交優(yōu)先信號控制方法后交叉口人均延誤明顯降低。

表1 不同道路飽和度下可變相位模型仿真結(jié)果Table 1 Simulation results of variable phase model under different road saturations

圖9給出了不同道路飽和度下人均延誤的改善效果。由圖9可知，隨著道路飽和度的增加，采用可變相位模型的人均延誤改善效果(延誤減少率，下同)逐漸降低，且在未飽和狀態(tài)下人均延誤改善效果明顯優(yōu)于飽和與過飽和狀態(tài)。在未飽和的情況下，交叉口人均延誤減少比例分別為59.96%、32.01%、25.45%。當交叉口飽和與過飽和時，可變相位模型下交叉口人均延誤改善比例小于13%。同樣地，隨飽和度的增加，公交車輛人均延誤改善效果從67.10%減少到了10.27%，社會車輛延誤改善比例從52.21%減少到了12.37%。

圖9 不同道路飽和度下人均延誤改善效果

因此，未飽和時，基于可變相位的公交優(yōu)先信號控制方法對減少公共交通人均延誤的效果更為顯著；當?shù)缆愤^飽和時，此方法的交叉口人均延誤、公交車輛人均延誤與社會車輛人均延誤的改善效果并不顯著。這說明可變相位下的公交優(yōu)先方法可以在為載客數(shù)更多的公交車提供優(yōu)先權(quán)的同時，減少了整個交叉口人均延誤，且該方法對于未飽和的道路條件具有更佳的適應性。

3.3 不同公交車比例下的仿真結(jié)果及分析

為了驗證可變相位下的公交優(yōu)先信號控制方法在不同公交車比例下的效益，在道路飽和度為0.9的情況下，對公交車比例從2%到20%變化范圍內(nèi)進行仿真實驗。在每種公交車比例下進行10次實驗，每次實驗的仿真時間為1 h，并將結(jié)果取平均值，仿真結(jié)果如表2所示。

由表2可知，可變相位方法對比于無公交優(yōu)先方法，整體上減少了交叉口人均延誤。采用可變相位方法后，交叉口延誤的改善效果比較穩(wěn)定，不隨公交車比例的變化而發(fā)生較大波動。

從表2中還可以看出，在公交車比例大于10%時，可變相位方法與無公交優(yōu)先方法對于公交車人均延誤的改善效果都比較穩(wěn)定，沒有太大波動。當公交車比例小于8%時，可變相位方法改善效果愈發(fā)明顯，逐漸拉大了與無公交優(yōu)先方法之間的差距，尤其是當公交車比例為2%時，可變相位方法下公交車輛人均延誤降低為13.58 s，幾乎為無公交優(yōu)先方法下公交車輛人均延誤的一半。因為當公交車比例車降低時，優(yōu)先請求沖突的可能性隨之降低。

表2 不同公交車比例下可變相位模型的仿真結(jié)果Table 2 Simulation results of variable phase model under different bus ratios

綜上所述，可變相位方法能更有效地滿足公交車輛的優(yōu)先請求，而不用損失其他方向的公交優(yōu)先請求。

通過表2還可以發(fā)現(xiàn)，當公交車比例在10%～20%之間時，社會車輛人均延誤改善趨于穩(wěn)定；而當公交車比例在2%～8%之間時，可變相位方法下的社會車輛人均延誤略有增長。這表明在公交車比例較低的情況下，為了滿足公交車輛的優(yōu)先請求，可變相位方法可能會為少數(shù)公交車提供優(yōu)先權(quán)而不會明顯改善其他社會車輛的人均延誤。然而這種情況下，可變相位的延誤也小于無公交優(yōu)先方法，說明并未增加其他社會車輛的負擔。

綜上所述，可變相位方法在公交車比例較低的情況下，公交優(yōu)先的效益更顯著，而對其他社會車輛的人均延誤并無明顯改進；在公交車比例較高的情況下，可變相位方法能夠同時改善交叉口人均延誤、公交車輛人均延誤、社會車輛人均延誤，但無法保證公交車輛的改善效果大于其他車輛。

3.4 交叉口在不同流量波動狀態(tài)下的仿真結(jié)果及分析

本次仿真實驗為比較可變相位方法與定時方法的差異，在VISSIM仿真平臺中，將道路流量設置在特定范圍內(nèi)，使其在流量范圍內(nèi)上下波動。本次仿真實驗共測試了兩種交叉口流量波動狀態(tài)下，可變相位下的公交優(yōu)先信號控制方法的效益。每種波動狀態(tài)下分別進行了10次仿真實驗，并將仿真結(jié)果取均值。波動性實驗的仿真結(jié)果如表3、4、5所示，實驗將道路波動系數(shù)定義為道路飽和度上限與道路飽和度下限的差值。

表3 不同流量波動狀態(tài)下可變相位模型的交叉口人均延誤Table 3 Per person delay of intersection with variable phase model under different flow fluctuation

表4 不同流量波動狀態(tài)下可變相位模型的公交車輛人均延誤Table 4 Per person delay of buses with variable phase model under different flow fluctuation

表5 不同流量波動狀態(tài)下可變相位模型的社會車輛人均延誤Table 5 Per person delay of social vehicles with variable phase model under different flow fluctuation

表3、4、5分別展示了不同道路波動系數(shù)下可變相位模型的交叉口人均延誤、公交車輛人均延誤和社會車輛人均延誤變化情況。由表3可知，道路飽和度大于0.8時，無論道路波動系數(shù)為0.1還是0.2，延誤減少率均小于40%，隨著道路飽和度的下降，可變相位優(yōu)先方法的改善效果越來越明顯，延誤減少率可以達到60%。由表4可知，當?shù)缆凤柡投却笥?.8時，無論道路波動系數(shù)為0.1還是0.2，延誤均減少了35%左右，同樣隨著飽和度的下降，可變相位的優(yōu)化效果最高可以將人均延誤減少70%。由表5可知，當?shù)缆凤柡投却笥?.8時，無論道路波動系數(shù)為0.1還是0.2，社會車輛的人均延誤改善效果都小于40%，當飽和度小于0.8時，延誤改善效果大于40%。以上現(xiàn)象也印證了3.2節(jié)提出的可變相位方法更適用于低飽和度道路條件的結(jié)論?？勺兿辔荒Ｐ团c定時配時方法相比，其交叉口人均延誤、公交車輛人均延誤、社會車輛人均延誤均大幅度降低；在波動系數(shù)為0.1與0.2時，可變相位模型均能夠取得較好的效益，且其人均延誤減少量無顯著差異。

4 結(jié)論

本文提出了一種車聯(lián)網(wǎng)環(huán)境下基于可變相位的公交優(yōu)先信號控制方法，該方法在為公交車提供優(yōu)先通行權(quán)同時，能達到對綠燈時間利用率最大化的目的。該方法的核心是在公交車不同的到達情況下，為下一相位的所有可選方案實時求解出所需綠燈時間，并實施使乘客通過率最大的方案，以達到使交叉口人均延誤最小的目的。通過VISSIM仿真平臺的COM接口與Python編程軟件搭建的車聯(lián)網(wǎng)仿真平臺對該方法進行仿真和評價，結(jié)果表明，當?shù)缆肺达柡蜁r，基于可變相位的公交優(yōu)先信號控制方法對減少公共交通人均延誤的效果更為顯著，更適用于未飽和的道路條件。在公交車比例較低的情況下，該方法取得了更佳的效果，對公交優(yōu)先的效益更顯著；而在公交車比例較高的情況下，可變相位方法能夠同時改善交叉口人均延誤、公交車輛人均延誤、社會車輛人均延誤，但無法保證公交車輛的改善效果大于其他車輛。