基于事件驅(qū)動(dòng)的城市交通信號(hào)控制方法

王大珊，王松浩，趙玉娟，饒眾博

（公安部道路交通安全研究中心，北京100084）

WANG Da-shan,WANG Song-hao,ZHAO Yu-juan,RAO Zhong-bo

(Traffic Safety Research Center,Ministry of Public Security,Beijing 100084,China)

0 引言

交通信號(hào)控制是當(dāng)今城市交通管理系統(tǒng)的核心組成部分。當(dāng)前，國(guó)內(nèi)使用的交通信號(hào)控制系統(tǒng)多為國(guó)外引進(jìn)，如SCOOT 系統(tǒng)、ACTRA 系統(tǒng)和SCATS系統(tǒng)等。而以北京為例，現(xiàn)使用中的交通信號(hào)機(jī)主要包括：SCOOT系統(tǒng)的T700、T800、MCU-6 信號(hào)機(jī)；ACTRA 系統(tǒng)的2070 信號(hào)機(jī)。此外還有HSC-100、BE320、BJZX-F 等多種類(lèi)型信號(hào)機(jī)[1]。這些不同系統(tǒng)不同型號(hào)的信號(hào)機(jī)共同運(yùn)轉(zhuǎn)而構(gòu)成了北京市的交通信號(hào)控制系統(tǒng)。而從其信號(hào)機(jī)的數(shù)量及在北京的分布區(qū)域來(lái)看，SCOOT系統(tǒng)和ACTRA 系統(tǒng)在北京的信號(hào)控制系統(tǒng)中均占據(jù)了重要地位。

SCOOT 系統(tǒng)的邏輯結(jié)構(gòu)分為兩層，分別是中心層和路口層。中心計(jì)算機(jī)負(fù)責(zé)生成各個(gè)路口的配時(shí)方案；下端的信號(hào)機(jī)完成數(shù)據(jù)采集、處理以及信號(hào)控制。SCOOT 模型及優(yōu)化原理均是在TRANSYT 的基礎(chǔ)上發(fā)展起來(lái)的，主要包括周期、綠信比、相位差等三個(gè)優(yōu)化過(guò)程[2-5]。

ACTRA 系統(tǒng)是西門(mén)子美國(guó)公司開(kāi)發(fā)第三代的交通控制系統(tǒng)，主要由中心控制模塊、通信模塊及路口信號(hào)控制模塊組成。交通響應(yīng)模式使得系統(tǒng)根據(jù)交通變化或非典型交通進(jìn)行系統(tǒng)范圍的優(yōu)化配時(shí)方案的執(zhí)行[5-7]。而該系統(tǒng)的2070ATC 信號(hào)機(jī)具有自適應(yīng)和多種靈活的控制戰(zhàn)略。

雖然上述兩種系統(tǒng)在國(guó)外均取得較好的控制效果，但是從北京市信號(hào)控制系統(tǒng)及信號(hào)機(jī)使用情況來(lái)看，二者在北京市交通環(huán)境下均體現(xiàn)出了一定的問(wèn)題及不適應(yīng)之處。這些問(wèn)題主要體現(xiàn)在以下幾點(diǎn)：

（1）SCOOT 系統(tǒng)及ACTRA 系統(tǒng)模型均按照國(guó)外交通流特性建立，對(duì)于北京市機(jī)非混合交通流適應(yīng)性較差，導(dǎo)致系統(tǒng)的控制效果急劇降低；

（2）對(duì)于北京市交通流量的龐大和明顯的時(shí)空特性，在早晚高峰期間極其容易出現(xiàn)擁堵的情況，雖然SCOOT 系統(tǒng)提供了額外的限流等控制手段，但是對(duì)于過(guò)飽和的交通流量其實(shí)際效果較差；

（3）不同系統(tǒng)的不同信號(hào)機(jī)之間無(wú)法進(jìn)行通訊及協(xié)調(diào)優(yōu)化控制，雖然不同系統(tǒng)的信號(hào)機(jī)分布在不同區(qū)域，但是在其交界處往往成為協(xié)調(diào)控制的盲區(qū)。

另一方面，在交通信號(hào)控制的理論研究上，針對(duì)國(guó)內(nèi)交通流特性及特殊控制需求，為提高信號(hào)控制效果，很多學(xué)者對(duì)控制策略與控制算法進(jìn)行了大量的研究工作，取得了豐富的成果。如模糊控制[8-9]、神經(jīng)網(wǎng)絡(luò)控制[10-11]、遺傳算法控制[12-13]、強(qiáng)化學(xué)期控制[14-15]等智能控制算法在信號(hào)控制理論研究及仿真中均得到較好的控制效果，且各種控制算法的改進(jìn)及優(yōu)化一直在不斷的進(jìn)行。

為解決現(xiàn)有交通信號(hào)控制器程序固化、擴(kuò)展性差等不足，本文提出一種基于事件調(diào)度的信號(hào)控制模型（ED-Model）。該模型以事件調(diào)度為核心，根據(jù)事件檢測(cè)定義與事件解析定義使得不同算法在該模型內(nèi)通過(guò)統(tǒng)一模式實(shí)現(xiàn)。ED-Model 將狀態(tài)檢測(cè)與請(qǐng)求調(diào)度分離，前者將常規(guī)狀態(tài)檢測(cè)抽象為統(tǒng)一的事件檢測(cè)機(jī)制，而后者引入交通信號(hào)控制請(qǐng)求操作系統(tǒng)概念實(shí)現(xiàn)多請(qǐng)求的綜合決策。ED-Model 可以有效地提高交通信號(hào)控制器的適用性與擴(kuò)展性，為城市交通信號(hào)控制系統(tǒng)的協(xié)同運(yùn)行和及時(shí)更新提供可靠保障。

1 模型結(jié)構(gòu)

圖1 顯示了基于事件調(diào)度的交通信號(hào)控制模型結(jié)構(gòu)。 該模型由Detection & Analysis Unit（DAU）、Request Dispatcher Unit （RDU）、Plan Execute Unit （PEU） 和 Status Observation Unit（SOU）等單元組成。對(duì)外提供一個(gè)算法編輯接口（DDat）和三個(gè)控制接口，即OSig、ISig 和PDat。相關(guān)的符號(hào)說(shuō)明見(jiàn)表1。下文將說(shuō)明模型的基本運(yùn)行流程。

圖1 交通信號(hào)控制平臺(tái)系統(tǒng)結(jié)構(gòu)

表1 符號(hào)說(shuō)明

首先，PDat 是模型基本運(yùn)行方案，在沒(méi)有OSig和ISig情況下，直接輸如RDU以執(zhí)行。ISig是信號(hào)機(jī)運(yùn)行狀態(tài)信號(hào)，主要指當(dāng)前時(shí)間、通訊連接狀態(tài)等；OSig 是信號(hào)機(jī)外部輸入信號(hào)，包括IO量、通訊量和統(tǒng)計(jì)量等內(nèi)容。ISig和OSig共同構(gòu)成了對(duì)默認(rèn)方案PDat 的控制輸入（合稱(chēng)Sig）。然后，對(duì)于輸入信號(hào)的檢測(cè)是第二步內(nèi)容。在EDModel 中，Event 的識(shí)別及調(diào)度是核心內(nèi)容。所謂Event是指系統(tǒng)內(nèi)部（ISig）或外部（OSig）試圖對(duì)當(dāng)前信號(hào)控制方案（PDat）產(chǎn)生影響的狀態(tài)。除了傳統(tǒng)意義上的交通流狀態(tài)觀(guān)測(cè)外，ISig和OSig更是一種廣義上的狀態(tài)觀(guān)測(cè)結(jié)果。而從檢測(cè)的角度來(lái)說(shuō)，Event 是多種Sig 變量的時(shí)空組合，當(dāng)Sig 滿(mǎn)足一定條件時(shí)，即認(rèn)為該類(lèi)Event已經(jīng)觸發(fā)。

之后，當(dāng)Event由DAU檢測(cè)成立時(shí)，DAU將會(huì)根據(jù)解析規(guī)則生成該時(shí)刻的Req（t），即該Event 對(duì)應(yīng)的請(qǐng)求操作，并將其送至EDU。EDU 根據(jù)當(dāng)前管理下的Req（t）隊(duì)列和SOU采集的當(dāng)前信號(hào)機(jī)控制狀態(tài)（CPS（t-1）），通過(guò)請(qǐng)求調(diào)度機(jī)制決策產(chǎn)生新的控制方案（CSP（t））。最后該方案由PEU 執(zhí)行輸出。

ED-Model中，Event的檢測(cè)識(shí)別和控制需求解析是模型的一項(xiàng)重要內(nèi)容，該部分提供通用的對(duì)外數(shù)據(jù)接口，將控制算法與信號(hào)機(jī)內(nèi)控制管理程序分離，通過(guò)數(shù)據(jù)的編輯即實(shí)現(xiàn)不同信號(hào)控制算法中狀態(tài)觀(guān)測(cè)與控制輸出需求。另一方面，事件請(qǐng)求的調(diào)度決策是ED-Model 的核心內(nèi)容。在該模型中，采用基于信號(hào)控制請(qǐng)求操作系統(tǒng)的調(diào)度策略實(shí)現(xiàn)多請(qǐng)求的協(xié)同處理。

下文將從系統(tǒng)輸入和內(nèi)部單元具體闡述其運(yùn)作機(jī)制。

1.1 系統(tǒng)輸入

系統(tǒng)輸入是指系統(tǒng)核心處理模塊的輸入，分為基礎(chǔ)數(shù)據(jù)錄入、外部信號(hào)輸入和內(nèi)部配置輸入信號(hào)。這些信號(hào)數(shù)據(jù)流共同構(gòu)成該系統(tǒng)穩(wěn)定高效運(yùn)行的驅(qū)動(dòng)來(lái)源。

1.1.1 PDat

該系統(tǒng)以方案數(shù)據(jù)為運(yùn)行基礎(chǔ)，任何時(shí)刻系統(tǒng)維持一個(gè)當(dāng)前執(zhí)行方案。在沒(méi)有其他事件產(chǎn)生時(shí)，系統(tǒng)將按照方案參數(shù)穩(wěn)定運(yùn)行；當(dāng)系統(tǒng)檢測(cè)到事件發(fā)生且產(chǎn)生請(qǐng)求數(shù)據(jù)流，調(diào)度器根據(jù)調(diào)度規(guī)則對(duì)當(dāng)前方案內(nèi)容進(jìn)行更新，以滿(mǎn)足請(qǐng)求要求。因此，方案是整個(gè)系統(tǒng)運(yùn)行與優(yōu)化的基礎(chǔ)數(shù)據(jù)。符號(hào)及參數(shù)說(shuō)明見(jiàn)表2。

表2 基礎(chǔ)數(shù)據(jù)符號(hào)說(shuō)明

方案二是覆蓋控制路口所有相位的相序結(jié)構(gòu)及時(shí)間的組合，其包括周期（Cycle）、階段（Stage）、相位（Phase）和安全約束（Restriction）四個(gè)對(duì)象。方案為三層結(jié)構(gòu)，分別是相位層、階段層和周期層。

相位（Phase）：相位參數(shù)是一個(gè)方案的基礎(chǔ)數(shù)據(jù)，包括：相位類(lèi)型（機(jī)動(dòng)車(chē)、非機(jī)動(dòng)車(chē)、行人、特殊標(biāo)志；主相位、從相位）、空間屬性（來(lái)向、轉(zhuǎn)向等）、最小綠（Min）、最大綠（Max）。

階段（Stage）：階段是同一時(shí)段獲得通行權(quán)的相位的集合。其參數(shù)由相位參數(shù)運(yùn)算得到，主要包括階段最小綠（該階段所有相位最小綠的最大值）、階段最大綠（該階段所有相位最大綠的最大值）、階段時(shí)間（即指階段實(shí)際持續(xù)時(shí)間長(zhǎng)度Stage_Len）。

周期（Cycle）：周期由階段按照一定次序排列組合而成。周期參數(shù)由階段參數(shù)計(jì)算而得，包括周期時(shí)長(zhǎng)（Cycle_Len）、周期解空間（各階段可能時(shí)長(zhǎng)組合構(gòu)成的一位向量）。

設(shè)周期包含有n個(gè)階段，第i階段有mi個(gè)相位，則相位通行時(shí)間可以用下式表達(dá)。其中，為相位使能因子，0 ≤λ(j)≤1 為相位時(shí)長(zhǎng)修正因子。

根據(jù)相位時(shí)間參數(shù)可以得到階段和周期時(shí)間參數(shù)值。其中：

基礎(chǔ)數(shù)據(jù)中，方案數(shù)據(jù)是信號(hào)機(jī)運(yùn)行的基礎(chǔ)，而安全數(shù)據(jù)則是保障交通安全的重要約束條件，是維護(hù)交通秩序的重要保障。安全約束分為空間沖突約束和過(guò)渡時(shí)間約束兩類(lèi)。其中，空間沖突約束保障具有嚴(yán)重沖突點(diǎn)的兩個(gè)相位不能同時(shí)獲得通行權(quán)；而過(guò)渡時(shí)間約束是為了保證相位通行權(quán)切換時(shí)，上一個(gè)相位車(chē)輛完全通過(guò)路口，以避免和下一相位車(chē)輛競(jìng)爭(zhēng)的現(xiàn)象出現(xiàn)。二者數(shù)據(jù)定義如下：

式中：Phase為沖突的相位組合；Class為沖突的類(lèi)型，分為直接沖突、匯聚點(diǎn)沖突、人車(chē)沖突和無(wú)沖突四類(lèi)；Yellow，Red為相位過(guò)渡時(shí)間的參數(shù)定義，一般要求Yellow＞3，Red＞2。

方案數(shù)據(jù)和安全約束數(shù)據(jù)相互配合，共同構(gòu)成了系統(tǒng)安全穩(wěn)定與運(yùn)行的基礎(chǔ)。

1.1.2 OSig

系統(tǒng)輸入的三部分?jǐn)?shù)據(jù)中，外部信號(hào)是實(shí)現(xiàn)信號(hào)機(jī)動(dòng)態(tài)算法的重要手段。在外部信號(hào)基礎(chǔ)上定義的事件觀(guān)測(cè)規(guī)則為各類(lèi)控制功能和算法提供了有效地接口。在該系統(tǒng)中，對(duì)外信號(hào)包括了IO信號(hào)和通訊信號(hào)兩部分。

IO 信號(hào)是最常用和便捷的外部輸入信號(hào)，設(shè)系統(tǒng)配置M個(gè)IO設(shè)備，其中第j個(gè)設(shè)備有Nj個(gè)IO口，用Xji表示，則IO信號(hào)可表示為：

在IO 信號(hào)的基礎(chǔ)上可進(jìn)行時(shí)空組合，以檢測(cè)識(shí)別特定信號(hào)信息；而在原始信號(hào)基礎(chǔ)上進(jìn)行數(shù)據(jù)統(tǒng)計(jì)得到一次統(tǒng)計(jì)量，包括流量、密度、車(chē)頭時(shí)距等數(shù)據(jù)；進(jìn)一步通過(guò)特定模型可以得到估計(jì)的二次統(tǒng)計(jì)量，包括車(chē)速、延誤、旅行時(shí)間等參數(shù)：

對(duì)于外部信號(hào)的事件檢測(cè)是建立在原始信號(hào)、一次統(tǒng)計(jì)量和二次統(tǒng)計(jì)量的基礎(chǔ)之上，通過(guò)上述參量的邏輯組合，事件檢測(cè)程序可對(duì)事件的發(fā)生與否進(jìn)行實(shí)時(shí)的檢測(cè)和識(shí)別，以實(shí)現(xiàn)各類(lèi)算法的觀(guān)測(cè)狀態(tài)輸入，作為控制平臺(tái)的驅(qū)動(dòng)來(lái)源。事件可采用下述表示方式：

式中：Command-ID表示某類(lèi)通訊協(xié)議。

不同于IO 信號(hào)，通訊信號(hào)可以直接傳遞上述統(tǒng)計(jì)量的數(shù)據(jù)而無(wú)需本地計(jì)算，從而減輕處理器的負(fù)荷，實(shí)現(xiàn)分布式處理。

1.1.3 ISig

內(nèi)部信號(hào)是提供用戶(hù)定義的若干規(guī)則集，可以通過(guò)內(nèi)部信號(hào)產(chǎn)生事件以驅(qū)動(dòng)多時(shí)段方案切換、星期切換方案、日期切換方案等功能。該信號(hào)為可選部分，可由用戶(hù)自由定義，該信號(hào)同外部信號(hào)一樣都通過(guò)解析器產(chǎn)生Request 數(shù)據(jù)流，然后輸入調(diào)度器管理。內(nèi)部信號(hào)的規(guī)則定義如下：

式中：Time為時(shí)基參數(shù)，Date為日期基礎(chǔ)參數(shù)。

多時(shí)段方案切換的實(shí)現(xiàn)可通過(guò)定義Time類(lèi)參數(shù)實(shí)現(xiàn)；而不同日期的方案切換可通過(guò)Date類(lèi)參數(shù)實(shí)現(xiàn)；而二者結(jié)合又可實(shí)現(xiàn)日期、時(shí)間的雙重方案切換功能。

1.2 內(nèi)部模塊

1.2.1 DAU

解析器是根據(jù)Signal數(shù)據(jù)流進(jìn)行事件檢測(cè)并按照解析規(guī)則產(chǎn)生Request 數(shù)據(jù)流的模塊。解析器的事件檢測(cè)規(guī)則和解析規(guī)則是實(shí)現(xiàn)不同算法的有效有段。通過(guò)定義數(shù)據(jù)型的檢測(cè)規(guī)則和解析規(guī)則將算法潛入解析器，從而實(shí)現(xiàn)算法與管理程序的分離。

解析器自身為開(kāi)放式模塊，通過(guò)客戶(hù)端可由外部直接修改其解析規(guī)則。而Request 設(shè)計(jì)為統(tǒng)一標(biāo)準(zhǔn)結(jié)構(gòu)，該結(jié)構(gòu)提供強(qiáng)大的信號(hào)控制操作功能，以便新算法的植入。Request 的數(shù)據(jù)結(jié)構(gòu)如下式所示：

Source 表示數(shù)據(jù)源類(lèi)，包含3 個(gè)參數(shù)：（1）Signal Time：信號(hào)到達(dá)時(shí)間；（2）Signal Type：信號(hào)類(lèi)別；（3）Signal ID：信號(hào)編號(hào)Type表示請(qǐng)求的類(lèi)型。

Type 表示請(qǐng)求類(lèi)型，根據(jù)對(duì)信號(hào)系統(tǒng)功能需求的分析，將信號(hào)機(jī)控制功能抽象為4 類(lèi)基本操作：

（1）Phase On（A）：某相位獲得通行權(quán)；

（2） Phase Off（B）：某相位禁止獲得通行權(quán)；

（3）Plan Modify（C）：方案更新；

（4）Parameter Modify（D）：方案參數(shù)修改。

Action Time表示請(qǐng)求響應(yīng)的起始時(shí)間：

（1）絕對(duì)時(shí)刻：時(shí)分秒表示的具體時(shí)刻；

（2）相對(duì)時(shí)間：請(qǐng)求響應(yīng)的時(shí)間相對(duì)于當(dāng)前時(shí)間的秒數(shù)；

（3）結(jié)構(gòu)性時(shí)間：

①Cycle End，周期結(jié)束響應(yīng)；

②Stage End，階段結(jié)束響應(yīng)。

（4）描述性時(shí)間：

①I(mǎi)mmediately，立刻響應(yīng)；

②ASAP，盡快響應(yīng)；

③Normal，正常響應(yīng)。

Parameter 表示該請(qǐng)求持續(xù)的時(shí)間長(zhǎng)度，對(duì)不同類(lèi)型有不同的意義：

（1）A 型請(qǐng)求：請(qǐng)求某相位通行權(quán)的持續(xù)時(shí)間；

（2）B型請(qǐng)求：禁止某相位獲得通行權(quán)的持續(xù)時(shí)間；

（3）C型請(qǐng)求：需要修改的參數(shù)及其值；

（4）D型請(qǐng)求：新方案結(jié)構(gòu)及參數(shù)（結(jié)構(gòu)詳見(jiàn)

1.1.1基礎(chǔ)數(shù)據(jù)）。

Validity 表示該請(qǐng)求的有效期，超出有效期而未被響應(yīng)的請(qǐng)求將會(huì)被調(diào)度器丟棄；該參數(shù)保證了請(qǐng)求的有效管理。

Priority 是該請(qǐng)求的優(yōu)先級(jí)，系統(tǒng)在啟動(dòng)時(shí)會(huì)初始化若干默認(rèn)的優(yōu)先級(jí)，以保障系統(tǒng)的正常運(yùn)轉(zhuǎn)。而用戶(hù)可以通過(guò)自定義解析規(guī)則來(lái)實(shí)現(xiàn)自己的優(yōu)先調(diào)度，以此完成新算法的實(shí)現(xiàn)。系統(tǒng)默認(rèn)分為三個(gè)層次的優(yōu)先級(jí)區(qū)域：

（1）1-5級(jí)：該類(lèi)優(yōu)先級(jí)的請(qǐng)求不受到最大綠的限制，但是受到基本安全約束的限制，包括：①最小綠保護(hù)；②過(guò)渡約束保護(hù)；③沖突保護(hù)。

（2）5級(jí)以上：除了基本的安全約束，該類(lèi)優(yōu)先級(jí)的請(qǐng)求還受到最大綠的限制。

圖2 顯示了解析器工作流程。解析器接收OSig 和ISig 的信號(hào)，根據(jù)Control Algorithm 定義下的Detection Rules （DDat 決定） 對(duì)Event 進(jìn)行檢測(cè)。若Event 成立則根據(jù)Analysis Rules（DDat 決定）解析產(chǎn)生對(duì)應(yīng)的Req（t）。

圖2 DAU數(shù)據(jù)流圖

解析器作為該系統(tǒng)開(kāi)放性接口模塊，是實(shí)現(xiàn)算法移植的重要途徑。對(duì)于不同的控制功能和算法，可以通過(guò)定義解析器的事件檢測(cè)規(guī)則和解析規(guī)則，產(chǎn)生不同效應(yīng)的請(qǐng)求隊(duì)列，從而對(duì)調(diào)度器的決策實(shí)現(xiàn)控制，以實(shí)現(xiàn)控制算法的優(yōu)化和更新。

1.2.2 EDU

EDU內(nèi)部結(jié)構(gòu)如圖3所示。

圖3 EDU內(nèi)部結(jié)構(gòu)

調(diào)度器是處理Request 數(shù)據(jù)流，并最終產(chǎn)生控制結(jié)果的模塊。調(diào)度器內(nèi)部包括請(qǐng)求管理器、請(qǐng)求存儲(chǔ)器和決策器三部分。

其中，請(qǐng)求管理器用于管理請(qǐng)求隊(duì)列及其狀態(tài)；請(qǐng)求存儲(chǔ)器用于存儲(chǔ)當(dāng)前有效的所有請(qǐng)求；CSP生成器根據(jù)基礎(chǔ)配置、前一時(shí)刻的請(qǐng)輸出相序（CSP（t-1））和請(qǐng)求隊(duì)列按照調(diào)度規(guī)則生成新的相序隊(duì)列（CSP（t））。

（1）RMU

請(qǐng)求管理器接收解析器產(chǎn)生的請(qǐng)求數(shù)據(jù)，并對(duì)其進(jìn)行管理，以供GSP生成器使用。

請(qǐng)求管理器用于維護(hù)一個(gè)請(qǐng)求隊(duì)列，該隊(duì)列包含t時(shí)刻前所有處于有效期內(nèi)且尚未響應(yīng)完成的請(qǐng)求。請(qǐng)求管理器包括以下功能。

①容量管理：用于維護(hù)管理器存儲(chǔ)請(qǐng)求數(shù)量；

②維護(hù)狀態(tài)：請(qǐng)求狀態(tài)包括：

a）未響應(yīng)：請(qǐng)求超過(guò)有效期仍未響應(yīng)；

b）等待相應(yīng)：請(qǐng)求在有效期內(nèi)等待響應(yīng)；

c）正在響應(yīng)：請(qǐng)求正在被執(zhí)行器響應(yīng)；

d）響應(yīng)掛起：正在響應(yīng)的請(qǐng)求被打斷；

e）響應(yīng)結(jié)束：請(qǐng)求已經(jīng)響應(yīng)結(jié)束。

③添加請(qǐng)求：t時(shí)刻的請(qǐng)求若在當(dāng)前隊(duì)列中沒(méi)有出現(xiàn)，添加該請(qǐng)求到隊(duì)列。

④刪除請(qǐng)求：

a）t時(shí)刻隊(duì)列中某一請(qǐng)求超時(shí)未響應(yīng)；

b）t時(shí)刻隊(duì)列中某一請(qǐng)求已經(jīng)響應(yīng)；

c）t時(shí)刻收到刪除請(qǐng)求，取消某請(qǐng)求。

⑤更新請(qǐng)求：t時(shí)再次受到隊(duì)列中處于非正在響應(yīng)狀態(tài)的請(qǐng)求，則更新該請(qǐng)求。

（2）DOU

交通信號(hào)控制器最基本可控單位為相位，不同相位在時(shí)間軸上延伸形成相序CSP。控制器的控制結(jié)果完全反映在相序及其屬性上。

相位從獲得通行權(quán)到失去通行權(quán)需要經(jīng)過(guò)的黃燈時(shí)間（Yellow）、紅燈時(shí)間（Red）的序列稱(chēng)之為過(guò)渡序列（Transition Sequence）；同一段時(shí)間內(nèi)獲得通行權(quán)的相位組合稱(chēng)之為階段（Stage）；包含了所有相位的最小階段序列稱(chēng)之為周期（Cycle）。

CSP生成器的任務(wù)即調(diào)整CSP（t），使之盡可能多的滿(mǎn)足請(qǐng)求（Request）。其有效調(diào)度算法由以下步驟構(gòu)成：

①將當(dāng)前未處理Request 隊(duì)列按照優(yōu)先級(jí)進(jìn)行排序，包括優(yōu)先級(jí)和內(nèi)部?jī)?yōu)先級(jí)；

②對(duì)相同優(yōu)先級(jí)的請(qǐng)求，若該類(lèi)請(qǐng)求是非互斥請(qǐng)求，則請(qǐng)求到達(dá)時(shí)刻晚的優(yōu)先級(jí)高，否則只保留最新的請(qǐng)求；

③對(duì)未處理隊(duì)列隊(duì)首請(qǐng)求消息進(jìn)行處理，調(diào)整兩個(gè)周期內(nèi)相位使能及通行權(quán)時(shí)間。

④若無(wú)解則將該請(qǐng)求標(biāo)記為等待響應(yīng)狀態(tài)，并移出隊(duì)列；

⑤若有解則根據(jù)評(píng)價(jià)函數(shù)選擇最優(yōu)解，并將請(qǐng)求標(biāo)記為正在響應(yīng)狀態(tài)；

⑥檢查未處理隊(duì)列，若為空，結(jié)束并生成CSP（t）共執(zhí)行器使用；否則返回③。

該調(diào)度算法中對(duì)請(qǐng)求的求解過(guò)程最為重要，該過(guò)程可以用下述方式表述。

CSP（t）可以通過(guò)狀態(tài)空間進(jìn)行描述：CSP(t)而Stage.i的值域?yàn)閧0 }?{( min,max )}。其中0 表示可以跳過(guò)該相位或階段，否則該相位只能在最小綠和最大綠之間獲得通行權(quán)。為滿(mǎn)足請(qǐng)求，通過(guò)狀態(tài)空間的搜索以獲得新的CSP(t)。對(duì)于有解的請(qǐng)求消息，則根據(jù)狀態(tài)空間評(píng)估函數(shù)進(jìn)行選取，其表達(dá)式如下：

其中：

1.2.3 PEU和SOU

執(zhí)行器接受調(diào)度器輸出結(jié)果CSP（t），進(jìn)行實(shí)際相位輸出。觀(guān)測(cè)器將當(dāng)前相位輸出狀態(tài)采集回來(lái)反饋至調(diào)度器和解析器，以協(xié)助其下一時(shí)刻的事件檢測(cè)和輸出狀態(tài)決策CSP（t+1）。

2 特性分析

2.1 ED-Model特點(diǎn)

該模型設(shè)計(jì)的基于事件調(diào)度的控制模式，通過(guò)改變事件定義與檢測(cè)規(guī)則和解析規(guī)則來(lái)實(shí)現(xiàn)不同的控制邏輯。在模型結(jié)構(gòu)及功能上具有以下幾個(gè)特點(diǎn)：

（1）模型將對(duì)當(dāng)前控制方案的任何改變情況統(tǒng)一抽象為事件，通過(guò)事件的檢測(cè)與解析來(lái)決定交通信號(hào)的影響控制狀態(tài)；

（2）事件通過(guò)四大類(lèi)狀態(tài)變量檢測(cè)和識(shí)別，狀態(tài)變量既包含IO 類(lèi)數(shù)據(jù)、統(tǒng)計(jì)類(lèi)數(shù)據(jù)，也包含系統(tǒng)運(yùn)行狀態(tài)變量，大量的狀態(tài)變量為豐富事件的定義與檢測(cè)的前提；

（3）模型將事件檢測(cè)與請(qǐng)求決策分離，由EDU 綜合處理請(qǐng)求隊(duì)列，避免二者功能上的交叉導(dǎo)致的混亂決策；

（4）EDU 提供交通信號(hào)操作系統(tǒng)（OS）的基礎(chǔ)框架，引入給予優(yōu)先級(jí)的請(qǐng)求調(diào)度概念，實(shí)現(xiàn)多條請(qǐng)求狀態(tài)下的有序決策。

總體而言，ED-Model 是一種通用的交通信號(hào)控制模型，其提供了一種通用的交通信號(hào)控制規(guī)則，下文將從模型兼容性、擴(kuò)展性和運(yùn)行效率等方面進(jìn)行特性分析。

2.2 兼容性

ED-Model 的兼容性是指該模型對(duì)現(xiàn)有交通信號(hào)控制需求的實(shí)現(xiàn)能力。當(dāng)前各類(lèi)交通信號(hào)控制系統(tǒng)及信號(hào)機(jī)提供了多種多樣的控制模式，同時(shí)隨著需求的不斷擴(kuò)展各類(lèi)新型控制模式及輔助模塊也不斷出現(xiàn)。雖然各種控制模式具有不同的功能及表述，但是通過(guò)分析可知，信號(hào)控制的功能需求可由四類(lèi)基本操作及Req 對(duì)象的Type 參數(shù)構(gòu)成。

分析現(xiàn)有主流控制模式的功能，可以發(fā)現(xiàn)現(xiàn)有各類(lèi)交通信號(hào)控制模式均可從上述類(lèi)似類(lèi)基本操作來(lái)實(shí)現(xiàn)，如表3 所示。其中A，B，C，D 分別表示上述4種基本請(qǐng)求操作。

表3 控制模式基本控制需求分析表

由此可見(jiàn)，ED-Model 的結(jié)構(gòu)完全可以實(shí)現(xiàn)對(duì)現(xiàn)有控制模式的兼容。

2.3 可擴(kuò)展性

狹義的狀態(tài)觀(guān)測(cè)即指交通流狀態(tài)檢測(cè)，多數(shù)控制算法均建立在狹義狀態(tài)基礎(chǔ)之上；而廣義的狀態(tài)觀(guān)測(cè)即前面所述的事件，除交通流基本狀態(tài)外還包括其他的信號(hào)機(jī)觸發(fā)信號(hào)。算法決策即根據(jù)當(dāng)前或者一段時(shí)間的狀態(tài)趨勢(shì)來(lái)決策當(dāng)前信號(hào)機(jī)的邏輯輸出。具體結(jié)果體現(xiàn)在執(zhí)行輸出的能力上。可見(jiàn)，在2.1小結(jié)基本的信號(hào)機(jī)執(zhí)行能力的基礎(chǔ)上，如何實(shí)現(xiàn)算法的狀態(tài)觀(guān)測(cè)及決策即成為該系統(tǒng)是否具有良好擴(kuò)展性的決定因素。

由ED-Model 的結(jié)構(gòu)可知，該模型的狀態(tài)觀(guān)測(cè)基于信號(hào)輸入與檢測(cè)規(guī)則。在此基礎(chǔ)上產(chǎn)生的Event即是對(duì)不同狀態(tài)的描述。在ED-Model中，包括四個(gè)層次的狀態(tài)變量：

（1）原始IO狀態(tài)；

（2）一次統(tǒng)計(jì)量，包括流量、密度、車(chē)頭時(shí)距等；

（3）二次統(tǒng)計(jì)量，包括速度、延誤、旅行時(shí)間、排隊(duì)長(zhǎng)度等；

（4）系統(tǒng)狀態(tài)量，包括時(shí)間、日期、網(wǎng)絡(luò)狀態(tài)等系統(tǒng)狀態(tài)；

四種類(lèi)型的狀態(tài)變量為ED-Model 的事件描述與檢測(cè)提供了豐富的資源。而從第2部分系統(tǒng)結(jié)構(gòu)可知，該系統(tǒng)的事件定義采用標(biāo)準(zhǔn)Signal數(shù)據(jù)流表示方式，而算法決策采用標(biāo)準(zhǔn)Request 數(shù)據(jù)流表示方式。這樣，不同事件檢測(cè)及決策均以數(shù)據(jù)作為驅(qū)動(dòng)，與信號(hào)機(jī)內(nèi)部程序?qū)崿F(xiàn)了有效地分離。因此，在該系統(tǒng)下，通過(guò)配置不同的Signal 及相應(yīng)Request 解析規(guī)則即可實(shí)現(xiàn)不同的控制算法，無(wú)需更改信號(hào)機(jī)的內(nèi)部控制程序。

下面分別分析Signal 數(shù)據(jù)和Request 數(shù)據(jù)所能實(shí)現(xiàn)的能力。Signal 數(shù)據(jù)（即檢測(cè)事件）標(biāo)準(zhǔn)格式可以定義如下：

式中：Event(j)為第j事件；Orignal(j)為直接的IO信號(hào)；Statistical(j)為一次交通統(tǒng)計(jì)量；Model(j)為二次交通統(tǒng)計(jì)量。詳細(xì)統(tǒng)計(jì)量的內(nèi)容可見(jiàn)1.1.2外部信號(hào)和1.1.3內(nèi)部信號(hào)。

通過(guò)內(nèi)部信號(hào)和外部信號(hào)定義的事件，包含了原始IO 數(shù)據(jù)、一次統(tǒng)計(jì)量、二次統(tǒng)計(jì)量和時(shí)間日期類(lèi)數(shù)據(jù)，可以滿(mǎn)足現(xiàn)有信號(hào)機(jī)的狀態(tài)檢測(cè)需求（見(jiàn)表4），且具有良好的擴(kuò)展能力。

表4 狀態(tài)檢測(cè)對(duì)比分析表

2.4 算法效率

運(yùn)行效率主要指系統(tǒng)的控制算法復(fù)雜度。對(duì)于ED-Model 其運(yùn)行效率主要由兩部分決定：（1）事件的檢測(cè)（檢測(cè)與解析規(guī)則）；（2）請(qǐng)求的調(diào)度（解空間的搜索與決策）。

2.4.1 DAU執(zhí)行效率

解析規(guī)則即指檢測(cè)到特定事件發(fā)生后產(chǎn)生什么樣的Request 數(shù)據(jù)。其原始來(lái)源為事件的定義集。假設(shè)事件集有如下表示：

式中：O，S，M，T，D分別為Original，Statistic，Model，Time，Date 類(lèi)事件；NX為某類(lèi)事件的個(gè)數(shù)。且定義原始檢測(cè)類(lèi)運(yùn)算的消耗為A，統(tǒng)計(jì)類(lèi)運(yùn)算的消耗為T(mén)·A，模型計(jì)算類(lèi)運(yùn)算的消耗為T(mén)·A·B，則解析規(guī)則的總消耗S可以表示為：

由于各類(lèi)事件集為線(xiàn)性結(jié)構(gòu)，因此總消耗與事件集的大小和基礎(chǔ)消耗參數(shù)相關(guān)，復(fù)雜度為其中T為統(tǒng)計(jì)量的統(tǒng)計(jì)周期。

2.4.2 RDU運(yùn)行效率

調(diào)度規(guī)則的效率即指調(diào)度器對(duì)于Request 請(qǐng)求隊(duì)列的處理效率。根據(jù)1.2.2 調(diào)度器中所述調(diào)度規(guī)則，假設(shè)Request隊(duì)列表示為下式：

其中，C/D 類(lèi)Request 是一次性瞬時(shí)操作，不涉及解空間的搜索過(guò)程。

另一方面，假設(shè)該系統(tǒng)當(dāng)前使用的是k階段控制方案。表示第i個(gè)階段的最小綠和最大綠，則第i個(gè)階段的空間集為：

在此基礎(chǔ)上，此方案的解空間可表示為向量：

解空間的大小為：

由于調(diào)度規(guī)則約定優(yōu)先級(jí)順序，則調(diào)度規(guī)則對(duì)于解空間的搜索過(guò)程的復(fù)雜度一定不大于：

3 結(jié)語(yǔ)

本文提出一種基于事件調(diào)度的交通信號(hào)控制模型ED-Model。該模型通過(guò)統(tǒng)一的事件檢測(cè)識(shí)別與調(diào)度決策機(jī)制，將信號(hào)控制算法與信號(hào)機(jī)管理程序分離，有效地將不同控制算法在該模型內(nèi)得以實(shí)現(xiàn)，并具有對(duì)新算法較好的可擴(kuò)展性，為現(xiàn)有交通信號(hào)控制器的算法更新與協(xié)同控制提供有效的保障。

[1] Beijing Traffic Management Bureau. Relative Data since 2012 [EB/OL]. [2004-01-09](2014-04-05). http://www.bjjtgl.gov.cn/publish/portal0/tab118.

[2] Sui Liying,Li Wei,Shi Jianjun,et al.The Analysis and Application Actuality of Traffic Signal Control System——SCOOT and ACTRA in Beijing[J]. Road Traffic & Safety,2007(2):10-13.

[3] Lenné M G,Rudin-Brown C M,Navarro J,et al.Driver Behavior at Rail Level Crossings: Responses to Flashing Lights, Traffic Signals and Stop Signs in Simulated Rural Driving[J].Applied Ergonomics,2011,42(4):548-554.

[4] Zhao X,Shang P,Lin A,et al.Multiracial Fourier Detrended Cross-Correlation Analysis of Traffic Signals[J]. Physical A: Statistical Mechanics and Its Applications, 2011,390(21):3670-3678.

[5] Pérez J, Seco F, Milanés V, et al. An RFID-Based Intelligent Vehicle Speed Controller Using Active Traffic Signals[J].Sensors,2010,10(6):5872-5887.

[6] Asadi B,Vahidi A.Predictive Cruise Control:Utilizing Upcoming Traffic Signal Information for Improving Fuel Economy and Reducing Trip Time[J].Control Systems Technology,IEEE Transactions on,2011,19(3):707-714.

[7] Otterdahl D, Andersson M. New Protocol for ITS-Used in Traffic Signal Control from Cooperative Ideas to Development Requirements for the Swedish Transport Administration[C]// 19th ITS World Congress. Vienna: ERTICO- ITS Europe,2012.

[8] Prashanth L A, Bhatnagar S. Reinforcement Learning with Function Approximation for Traffic Signal Control[J]. Intelligent Transportation Systems,IEEE Transactions on,2011,12(2):412-421.

[9] Gokulan B P, Srinivasan D. Distributed Geometric Fuzzy Multiagent Urban Traffic Signal Control[J]. Intelligent Transportation Systems, IEEE Transactions on, 2010, 11(3):714-727.

[10] Yin H, Wong S C, Xu J, et al. Urban Traffic Flow Prediction Using a Fuzzy-Neural Approach[J]. Transportation Research Part C,2002(10):85-98.

[11] Arel I, Liu C, Urbanik T, et al. Reinforcement Learningbased Multi-agent System for Network Traffic Signal Control[J]. Intelligent Transport Systems, 2010, 4(2): 128-135.

[12] Baniqued P L, Low K A, Fabiani M, et al. Frontoparietal Traffic Signals:a Fast Optical Imaging Study of Preparatory Dynamics in Response Mode Switching[J]. Journal of Cognitive Neuroscience,2013,25(6):887-902.

[13] Ferreira M, Fernandes R, Concei??o H, et al. Self-Organized Traffic Control[C]//Proceedings of the seventh ACM international workshop on VehiculAr Inter NET working.ACM,2010:85-90.

[14] Brynielsson T. Method for controlling traffic signals to give signal priority to a vehicle:USP,8742945[P].2014.

[15] Putha R,Quadrifoglio L,Zechman E.Comparing Ant Colony Optimization and Genetic Algorithm Approaches for Solving Traffic Signal Coordination under Oversaturation Conditions[J]. Computer-Aided Civil and Infrastructure Engineering,2012,27(1):14-28.