基于短時(shí)交通流預(yù)測(cè)的城市區(qū)域交通信號(hào)控制研究

姚平福

（中交公路規(guī)劃設(shè)計(jì)院有限公司，北京 100010）

0 引言

交通信號(hào)燈是道路網(wǎng)絡(luò)中的重要組成部分，在整個(gè)道路交通系統(tǒng)中起著至關(guān)重要的作用。在城市道路交通網(wǎng)絡(luò)中，交叉口信號(hào)控制的主要作用在于：縮短車(chē)輛與行人的通行時(shí)間、提高出行效率，改善城市交通環(huán)境。道路交叉口的交通容量有限，車(chē)流量增長(zhǎng)、車(chē)輛延誤等現(xiàn)象會(huì)導(dǎo)致交叉口擁堵嚴(yán)重，這會(huì)影響正常行駛秩序、行車(chē)安全及乘車(chē)舒適度等，也會(huì)嚴(yán)重降低城市居民的出行質(zhì)量。同時(shí)，當(dāng)前城市中的機(jī)動(dòng)車(chē)數(shù)量不斷增加，加之城市用地緊張問(wèn)題越來(lái)越嚴(yán)重，使得城市內(nèi)部路網(wǎng)日益復(fù)雜化，原有的交通信號(hào)控制方案已經(jīng)不能有效滿足民眾的出行需求。因此，需要對(duì)城市道路路網(wǎng)特性進(jìn)行分析，研究出有效的短時(shí)交通流預(yù)測(cè)方法，加強(qiáng)交通信號(hào)控制效果。

1 基于小波神經(jīng)網(wǎng)絡(luò)算法的短時(shí)交通流預(yù)測(cè)模型

1.1 基于短時(shí)交通流預(yù)測(cè)理論

短時(shí)交通流預(yù)測(cè)理論的核心是，通過(guò)對(duì)路網(wǎng)中各交叉口間車(chē)流量分布和流向情況的分析，確定其主要影響因素，并據(jù)此制定出合理、可行的設(shè)計(jì)方案。該方法具有簡(jiǎn)單、實(shí)用等特點(diǎn)，可應(yīng)用于各種交通流的優(yōu)化協(xié)調(diào)控制。將短時(shí)交通信號(hào)燈時(shí)間序列建模與仿真技術(shù)相結(jié)合，在道路條件相對(duì)較好（一般在8s～10min）的前提下，基于概率論預(yù)測(cè)模型來(lái)實(shí)現(xiàn)對(duì)交通流的預(yù)測(cè)，綜合考慮路網(wǎng)中交叉口間車(chē)流量分布和流向情況，得到各時(shí)段道路交通擁堵?tīng)顩r，對(duì)擁堵路段進(jìn)行交通流控制，提高道路通行能力，降低交通事故發(fā)生率，緩解城市道路交通壓力。

1.2 小波神經(jīng)網(wǎng)絡(luò)輸入輸出模型的建立

在城市道路交叉口，交通流的流量變化主要是由信號(hào)燈周期、交叉路口車(chē)流量和行人及車(chē)輛行駛速度等因素決定的，這些數(shù)據(jù)信息往往具有時(shí)滯性，因此需要對(duì)這些數(shù)據(jù)信息進(jìn)行預(yù)測(cè)，通過(guò)建立交通流交通參數(shù)模型，根據(jù)時(shí)差、周期和交叉路口車(chē)流量的變化趨勢(shì)來(lái)實(shí)現(xiàn)對(duì)交叉口信號(hào)燈紅綠燈時(shí)間的劃分。在該研究中，選用以人工神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為基礎(chǔ)的小波神經(jīng)網(wǎng)絡(luò)，將小波基函數(shù)作為神經(jīng)網(wǎng)絡(luò)中隱含層節(jié)點(diǎn)的傳遞函數(shù)，利用小波神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，對(duì)原始數(shù)據(jù)信息進(jìn)行修正，形成以交通流預(yù)測(cè)為基礎(chǔ)，實(shí)時(shí)性和精度較好的信號(hào)燈紅綠燈時(shí)間劃分模型。小波神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖1 所示。

圖1 小波神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)

當(dāng)輸入信號(hào)序列為xi(i=1，2，…，k）時(shí)，隱含層的輸出如公式(1)所示。該研究主要采用的小波基函數(shù)為Morlet 小波函數(shù)，數(shù)學(xué)公式如公式(2)所示。根據(jù)小波神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)可以得出輸出層的計(jì)算公式，如公式(3)所示。

隱含層的輸出公式（1），()為第個(gè)隱含層節(jié)點(diǎn)輸出值;ω為輸入層和隱含層的連接權(quán)值;b為小波基函數(shù);b為小波基函數(shù)b的平移因子;a為小波基函數(shù)h的伸縮因子。

式（2）中：Morlet 小波函數(shù)的數(shù)學(xué)公式，代表Morlet小波函數(shù)。

式（3）中：隱含層的輸出公式，ω為隱含層到輸出層的權(quán)值;()為第個(gè)隱含層節(jié)點(diǎn)的輸出;為隱含層節(jié)點(diǎn)數(shù);為輸出層節(jié)點(diǎn)數(shù)。

1.3 小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的參數(shù)修正

在進(jìn)行交通信號(hào)預(yù)測(cè)的時(shí)候，通常情況下需要對(duì)原始數(shù)據(jù)建立相應(yīng)的數(shù)學(xué)模型。但由于時(shí)間序列是連續(xù)變化的，時(shí)變性和隨機(jī)性很強(qiáng)且具有不確定因素，因此要根據(jù)道路實(shí)際條件選擇合適的參數(shù)作為樣本訓(xùn)練集，訓(xùn)練好后得到最終結(jié)果，如果參數(shù)調(diào)整不當(dāng)，則會(huì)出現(xiàn)誤差甚至產(chǎn)生反效果，從而影響網(wǎng)絡(luò)性能指標(biāo)與預(yù)測(cè)目標(biāo)之間的匹配程度。所以，在選取初始數(shù)據(jù)之前，需要對(duì)原始交通流進(jìn)行適當(dāng)修正，以提高預(yù)測(cè)精度。小波神經(jīng)網(wǎng)絡(luò)的輸入輸出模型是預(yù)測(cè)模型的基礎(chǔ)框架，依據(jù)算法和數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練才能使模型具有預(yù)測(cè)能力。小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型計(jì)算流程如圖2 所示。

圖2 小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

2 城市區(qū)域交通信號(hào)控制技術(shù)及控制策略

2.1 城市區(qū)域交通信號(hào)控制結(jié)構(gòu)

根據(jù)交通控制的目的和道路情況，對(duì)信號(hào)控制系統(tǒng)進(jìn)行結(jié)構(gòu)設(shè)計(jì)。一般可分為兩大類(lèi)：一類(lèi)是基于時(shí)間序列模型預(yù)測(cè)方法；另一類(lèi)是非靜態(tài)特性分析法。在道路流量數(shù)據(jù)中，由于受城市用地類(lèi)型、人口數(shù)量及土地利用狀況等因素的影響，導(dǎo)致不同路段上機(jī)動(dòng)車(chē)與非機(jī)動(dòng)車(chē)流的運(yùn)行速度有較大差異（P＜0.05）時(shí)（見(jiàn)表1），交通控制目標(biāo)和行車(chē)安全指標(biāo)相差很大且不確定性大。因此，需要建立一種動(dòng)態(tài)交通信號(hào)控制系統(tǒng)，實(shí)現(xiàn)對(duì)交叉口車(chē)流的預(yù)測(cè)與監(jiān)控管理。區(qū)域交通信號(hào)控制系統(tǒng)按控制結(jié)構(gòu)可分為集中控制、遞階控制和分布式控制三種。

表1 常規(guī)交通工具在不同路況中的運(yùn)行速度對(duì)比（km/h）

2.1.1 集中控制

集中控制是指對(duì)道路的交通流進(jìn)行合理分配，在不影響道路交通運(yùn)行的情況下，將所有交叉口作為一個(gè)統(tǒng)一協(xié)調(diào)的整體，通過(guò)設(shè)置不同路段信號(hào)燈的相位，實(shí)現(xiàn)對(duì)交通流運(yùn)行方向的控制，從而達(dá)到減少車(chē)輛延誤、提高道路通行效率和增強(qiáng)城市整體競(jìng)爭(zhēng)力等目的。

2.1.2 遞階控制

城市交通信號(hào)控制的主要任務(wù)是解決交通流在不同交叉口以及路段上出現(xiàn)的車(chē)流量不穩(wěn)定、相位錯(cuò)配等問(wèn)題，因此需要對(duì)道路路網(wǎng)進(jìn)行合理分配，使各交叉口及路段協(xié)調(diào)運(yùn)作。遞階控制系統(tǒng)通常把整個(gè)控制系統(tǒng)分成若干層，每一層系統(tǒng)都承擔(dān)不同的控制任務(wù)，通過(guò)不同系統(tǒng)的協(xié)調(diào)合作，達(dá)到各交叉口及路段協(xié)調(diào)運(yùn)作的目標(biāo)，從而提高道路通行能力，減少交通事故，實(shí)現(xiàn)城市綠色發(fā)展。

2.1.3 分布式控制

分布式交通流預(yù)測(cè)控制主要是對(duì)交通信號(hào)的分配和流向進(jìn)行分析，根據(jù)不同路段之間的差異，確定出各交叉口信號(hào)燈的運(yùn)行時(shí)間間隔及車(chē)輛平均行駛速度。在分布算法中，比較常用的算法有隨機(jī)交通流法（EPC）和模糊—尼龍卡路口擁堵評(píng)價(jià)準(zhǔn)則，但這些方法的預(yù)測(cè)精度不是很高，且隨機(jī)交通流法的計(jì)算量大，需要耗費(fèi)大量的人力和時(shí)間等資源。而該研究在概率論、灰色模型以及智能優(yōu)化技術(shù)等相關(guān)理論的基礎(chǔ)上，提出了一種新方法，即利用人工神經(jīng)網(wǎng)絡(luò)或者其他非監(jiān)督學(xué)習(xí)算法，對(duì)信號(hào)燈時(shí)長(zhǎng)與相位差進(jìn)行預(yù)測(cè)。

2.2 城市區(qū)域交通信號(hào)控制策略

區(qū)域交通控制是在單點(diǎn)信號(hào)控制和干線協(xié)調(diào)控制的基礎(chǔ)上逐漸發(fā)展而來(lái)的，主流控制策略大致可分為以下兩類(lèi)：

2.2.1 協(xié)調(diào)控制

市道路的交通流控制是一個(gè)復(fù)雜的過(guò)程，它包括各種信息信號(hào)在時(shí)間和空間上的協(xié)調(diào)分配，目前，道路交通流預(yù)測(cè)方法一般是基于概率算法、灰色模型或神經(jīng)網(wǎng)絡(luò)等算法。但這些方法都有一定的局限性，一是由于交通信號(hào)控制系統(tǒng)具有動(dòng)態(tài)特性及實(shí)時(shí)性特點(diǎn)，二是預(yù)測(cè)時(shí)點(diǎn)變化不明顯、受外界因素影響大會(huì)造成不可預(yù)知的延誤情況，所以不能完全按照傳統(tǒng)的統(tǒng)計(jì)規(guī)律進(jìn)行道路擁堵?tīng)顩r及交通流預(yù)測(cè)。

2.2.2 分散控制

由于城市交通流具有一定的復(fù)雜性，通常采用分散方法進(jìn)行預(yù)測(cè)，在預(yù)測(cè)過(guò)程中往往需要大量的道路數(shù)據(jù)，而這些原始信息又是無(wú)法直接獲得的。因此，基于實(shí)時(shí)交通流模型進(jìn)行城市交叉口擁堵問(wèn)題控制策略研究。這種方法主要是針對(duì)單個(gè)交叉口進(jìn)行交通流預(yù)測(cè)，其優(yōu)點(diǎn)在于可以根據(jù)道路情況和車(chē)流量等因素合理設(shè)置交通信號(hào)燈時(shí)間，但該方式需要建立一個(gè)完善且成熟的模型，用以評(píng)估車(chē)輛行駛狀態(tài)信息及延誤狀況，因此不適用于對(duì)實(shí)時(shí)性要求較高的城市交通流控制。

3 實(shí)驗(yàn)與仿真結(jié)果分析

該研究提出的短時(shí)交通流預(yù)測(cè)算法主要是基于交通信號(hào)控制模型，對(duì)道路交叉口信息素進(jìn)行統(tǒng)計(jì)分析、建立混合模糊控制器，并采用人工神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)。首先，根據(jù)城市道路交通流量分布情況和路段車(chē)流特性確定相鄰時(shí)段各路口之間的綠色信號(hào)燈時(shí)間間隔；其次，利用遺傳算法對(duì)相鄰時(shí)段內(nèi)不同信號(hào)燈色組合下交叉停車(chē)次數(shù)進(jìn)行優(yōu)化；再次，建立公交優(yōu)先級(jí)系統(tǒng)（即綜合考慮延誤問(wèn)題），以達(dá)到最優(yōu)配時(shí)，從而得到最佳效果；最后，利用遺傳算法求解出交通信號(hào)燈色轉(zhuǎn)換矩陣，最終獲得動(dòng)態(tài)交叉口信息素濃度值、車(chē)輛平均行駛速度以及道路總里程等參數(shù)。

城市道路交通信號(hào)控制是一項(xiàng)綜合性比較強(qiáng)、系統(tǒng)性非常高，其中涉及多種因素，包括車(chē)流特性和路網(wǎng)結(jié)構(gòu)，在復(fù)雜多變的道路上各種交通參數(shù)都會(huì)影響道路交通通行能力，因此需要對(duì)道路進(jìn)行交通流預(yù)測(cè)，通過(guò)研究城市交叉口擁堵情況、車(chē)流量及行車(chē)方向等因素實(shí)現(xiàn)有效控制。

4 結(jié)語(yǔ)

城市道路交叉口交通信號(hào)控制是交通信號(hào)控制系統(tǒng)的重要組成部分，其主要功能之一就是通過(guò)有效的方式減少車(chē)輛在交叉口處的等待時(shí)間?；诙虝r(shí)交通流預(yù)測(cè)理論和小波神經(jīng)網(wǎng)絡(luò)，對(duì)城市區(qū)域內(nèi)路網(wǎng)中的車(chē)流量進(jìn)行分析，對(duì)交通流進(jìn)行預(yù)測(cè)，并建立基于短時(shí)交通流量的路網(wǎng)模型，根據(jù)道路交叉口擁堵情況，結(jié)合信號(hào)燈狀態(tài)分析相應(yīng)路段內(nèi)車(chē)流量和延誤分布規(guī)律。短時(shí)交通流預(yù)測(cè)方法會(huì)不斷發(fā)展、成熟，未來(lái)可以更廣泛地應(yīng)用于城市道路交通控制工作。