基于多源數(shù)據(jù)的干線協(xié)調(diào)控制策略

蔡 茜，臧照奇，周 圍，周清雅

（同濟(jì)大學(xué) 交通運(yùn)輸工程學(xué)院，上海 201804）

基于多源數(shù)據(jù)的干線協(xié)調(diào)控制策略

蔡 茜，臧照奇，周 圍，周清雅

（同濟(jì)大學(xué) 交通運(yùn)輸工程學(xué)院，上海 201804）

為針對(duì)不同的交通流狀態(tài)選取合適的干線協(xié)調(diào)控制策略，基于線圈、視頻、微波獲取的多源實(shí)時(shí)交通數(shù)據(jù)，利用車隊(duì)離散模型和卡爾曼濾波模型獲取各轉(zhuǎn)向流量，采用HCM（Highway Capacity Manual）公式計(jì)算排隊(duì)長(zhǎng)度和延誤，并根據(jù)干道交叉口排隊(duì)長(zhǎng)度界定干線交通流狀態(tài)：欠飽和、接近飽和、過(guò)飽和，從而選擇相應(yīng)的干線協(xié)調(diào)控制策略：在欠飽和狀態(tài)下采用最大綠波帶法，在接近飽和狀態(tài)下采用改進(jìn)的多帶寬協(xié)調(diào)模型，在過(guò)飽和狀態(tài)下采用排隊(duì)占比最小模型。以青島市香港中路為例，通過(guò)VISSIM仿真軟件對(duì)算法和策略進(jìn)行仿真測(cè)試和評(píng)價(jià)，結(jié)果表明：不同交通狀態(tài)下的干線協(xié)調(diào)策略與原始控制方案相比，平均延誤減少了19.4%，平均停車次數(shù)減少了22.8%，平均排隊(duì)長(zhǎng)度減少了7.4%。

多源數(shù)據(jù)；車隊(duì)離散模型；卡爾曼濾波；干線協(xié)調(diào)；平均排隊(duì)占比最小

0 引言

城市干道作為城市道路網(wǎng)的骨架，是城市交通的主要承擔(dān)者，在城市道路網(wǎng)絡(luò)中發(fā)揮著至關(guān)重要的作用，其運(yùn)行效率與城市交通的整體運(yùn)行效率密切相關(guān)，而城市干線協(xié)調(diào)控制策略的好壞則對(duì)城市干道運(yùn)行效率的高低起決定性作用。

目前學(xué)術(shù)界對(duì)于干線協(xié)調(diào)控制策略的研究集中在3個(gè)方面：①準(zhǔn)確獲取城市干道交通流數(shù)據(jù)；②界定城市干道交通流狀態(tài)；③探討不同交通流狀態(tài)下的控制策略。對(duì)于如何準(zhǔn)確獲取城市干道交通流數(shù)據(jù)這一問(wèn)題，Li Baibing等人通過(guò)建立適用于處理多源數(shù)據(jù)（包括來(lái)源于線圈、微波、雷達(dá)、視頻等的數(shù)據(jù)）的卡爾曼濾波模型，較為準(zhǔn)確地獲取城市干道交叉口各轉(zhuǎn)向的流量[1-2]。對(duì)于干線交通流狀態(tài)的研究主要集中在對(duì)過(guò)飽和狀態(tài)的判別方面，其中以HCM2010為代表，將到達(dá)率超過(guò)通行能力的狀態(tài)定義為過(guò)飽和狀態(tài)[3]；Longley等人認(rèn)為是否存在排隊(duì)溢出是交叉口處于過(guò)飽和狀態(tài)的關(guān)鍵判別指標(biāo)[4-6]。目前研究中涉及的干線信號(hào)控制策略主要有2類，一種是基于延誤最小的控制策略，如TRANSYT-7F、SIGOPⅢ等方法[7-8]，適用于飽和狀態(tài)；另一種是基于最大綠波帶寬的控制策略，如MAXBAND和MULTIBAND模型[9-10]，適用于欠飽和狀態(tài)。

綜上，以往的研究中缺乏對(duì)3種交通流狀態(tài)的準(zhǔn)確界定和針對(duì)3種交通流狀態(tài)的干線協(xié)調(diào)控制策略的綜合研究，大多的研究集中在某一種交通流狀態(tài)和該交通流狀態(tài)下的控制策略，而城市干道的交通流并非一成不變的，一般會(huì)在欠飽和、接近飽和、過(guò)飽和3種狀態(tài)間相互轉(zhuǎn)變[11-13]。因此本文的研究側(cè)重點(diǎn)為準(zhǔn)確界定出城市干道交通流的不同狀態(tài)，并提出不同交通流狀態(tài)下的干線協(xié)調(diào)策略，希望能夠?yàn)槌鞘薪煌ǜ傻澜煌髋袆e和城市干道不同交通流狀態(tài)下的干線協(xié)調(diào)控制策略提供理論依據(jù)。

1 問(wèn)題描述及模型建立

1.1 城市干道交叉口轉(zhuǎn)向交通流數(shù)據(jù)的獲取

城市干道檢測(cè)器布置位置如圖1所示，通常情況下，城市主干道的定點(diǎn)檢測(cè)器（如微波或線圈）位于路段中間，交叉口處則設(shè)置有視頻檢測(cè)器。對(duì)于線圈或微波檢測(cè)器，由于布置位置處于路段中間，距離交叉口有一定距離，所以其獲取的交通流數(shù)據(jù)無(wú)法準(zhǔn)確代表交叉口處的交通流數(shù)據(jù)。對(duì)于視頻檢測(cè)器，雖然能通過(guò)提取視頻檢測(cè)器數(shù)據(jù)來(lái)獲取準(zhǔn)確的交通流量和相應(yīng)參數(shù)，但此工作量巨大，耗時(shí)較長(zhǎng)，無(wú)法滿足實(shí)時(shí)信號(hào)控制的要求。本文根據(jù)路段檢測(cè)器數(shù)據(jù)和交叉口處視頻數(shù)據(jù)，采用車隊(duì)離散模型和卡爾曼濾波模型得到交叉口處各轉(zhuǎn)向流量，數(shù)據(jù)融合的具體步驟為：①通過(guò)提取路段檢測(cè)器數(shù)據(jù)獲取路段流量；②通過(guò)車隊(duì)離散模型推算出交叉口處的交通流量；③每隔一段時(shí)間，利用視頻獲取的真實(shí)數(shù)據(jù)對(duì)車隊(duì)離散模型中的車流離散系數(shù)進(jìn)行修正。具體融合過(guò)程如圖2所示。

圖1 城市干道檢測(cè)器布置示意圖

圖2 數(shù)據(jù)融合過(guò)程

1.1.1 車隊(duì)離散模型：羅伯遜幾何分布

首先通過(guò)路段中間檢測(cè)器獲取檢測(cè)器所在位置的車輛通過(guò)率，然后通過(guò)車隊(duì)羅伯遜幾何分布計(jì)算交叉口處的車輛到達(dá)率，并用視頻數(shù)據(jù)修正。計(jì)算公式為：

1.1.2 OD反推：卡爾曼濾波狀態(tài)空間模型

根據(jù)獲取的交叉口交通流量，利用OD反推技術(shù)獲取各轉(zhuǎn)向交通流量。通過(guò)建立卡爾曼濾波模型，獲取各進(jìn)口道的轉(zhuǎn)向比，同時(shí)利用視頻數(shù)據(jù)進(jìn)行修正。其關(guān)鍵方程如下：

根據(jù)轉(zhuǎn)向比bij求出下一階段交叉口各進(jìn)口道的轉(zhuǎn)向流量：

式（2）～式（4）中：w(k)為過(guò)程方差；e(k)為觀測(cè)方差；qi(k)為時(shí)段k自進(jìn)口道i流入交叉口的流量，i=1,2,3,4；yj(k)為時(shí)段k自出口道j流出交叉口的流量，j=1,2,3,4；bij(k)為時(shí)段k的劃分參數(shù)，即qi(k)中自出口道j流出yj(k)所占的比例，bij(k)≥0。

Y(k)=[y1(k),y2(k),y3(k),y4(k)]T，即時(shí)刻k自出口道j流出交叉口的流量矩陣；Q(k)=[q1(k),q2(k),q3(k),q4(k)]T，即時(shí)刻k自進(jìn)口道i流入交叉口的流量矩陣；b(k)=[b11(k),b12(k),…,b14(k),b21(k),…,b44(k)]T，即時(shí)刻k的轉(zhuǎn)向比矩陣。

1.2 干線交通流判別方法

1.2.1 干線交通流狀態(tài)分類

干線交通流狀態(tài)的區(qū)分是所有干線協(xié)調(diào)控制策略的依據(jù)，本文引入了蓄車空間的概念，即交叉口進(jìn)口道右轉(zhuǎn)拓寬空間或進(jìn)口道停車線至右轉(zhuǎn)專用道分岔口的空間，根據(jù)干線各交叉口車輛在進(jìn)口道的排隊(duì)長(zhǎng)度，將交通狀態(tài)分為三類：欠飽和狀態(tài)、接近飽和狀態(tài)、過(guò)飽和狀態(tài)。

當(dāng)所有交叉口進(jìn)口道的排隊(duì)長(zhǎng)度小于蓄車空間時(shí)，干線交通狀態(tài)為欠飽和狀態(tài)。當(dāng)出現(xiàn)某一交叉口進(jìn)口道排隊(duì)長(zhǎng)度介于蓄車空間與路段長(zhǎng)度間時(shí)，干線交通狀態(tài)為接近飽和狀態(tài)。當(dāng)干線交叉口群內(nèi)存在2個(gè)及以上交叉口排隊(duì)長(zhǎng)度介于蓄車空間與路段長(zhǎng)度間或存在交叉口排隊(duì)長(zhǎng)度超過(guò)路段長(zhǎng)時(shí)，干線交通狀態(tài)為過(guò)飽和狀態(tài)。

1.2.2 交叉口排隊(duì)長(zhǎng)度和延誤的計(jì)算

本文采用美國(guó)公路通行能力手冊(cè)（HCM）中的方法估算排隊(duì)長(zhǎng)度和延誤。其把信號(hào)交叉口平均排隊(duì)長(zhǎng)度Q分為2部分，一部分是由均勻到達(dá)的車流產(chǎn)生的，另一部分是由于交通流的隨機(jī)擾動(dòng)產(chǎn)生的，故Q的計(jì)算公式為：

第一部分排隊(duì)長(zhǎng)度Q1，其值可由下式得到：

式中：PF2為連續(xù)車流影響的調(diào)整因子；vL為車道組每車道流量（veh/h），XL為流量與通行能力的比（vL/cL）；C為信號(hào)周期時(shí)長(zhǎng)（s）；g為有效綠燈時(shí)間（s）。

第二部分排隊(duì)長(zhǎng)度Q2是一個(gè)增量項(xiàng)，與到達(dá)流率的隨機(jī)性和由于短暫崩潰造成的排隊(duì)溢出相關(guān)，這種情況在交通需求小于通行能力時(shí)也可能出現(xiàn)。

式中：T為分析時(shí)段長(zhǎng)度（h），一般取0.25h；cL為平均每條車道的通行能力（veh/h）；kB為第二部分與提前到達(dá)相關(guān)的調(diào)整系數(shù)；QbL為分析時(shí)段初平均每車道初始排隊(duì)長(zhǎng)度（veh）。

對(duì)于信號(hào)周期時(shí)長(zhǎng)為C，有效綠燈時(shí)間為g，到達(dá)流率為q的情況，交叉口延誤計(jì)算公式為：

式中：n為車道組數(shù)目；λi為車道組i的有效綠信比；xi為車道組i的飽和度；qi為車道組i的到達(dá)率（pcu/h）；ci為車道組i的通行能力（pcu/h）。

1.3 干線協(xié)調(diào)控制策略

在欠飽和狀態(tài)下，最常采用的干線最優(yōu)控制方法是最大綠波帶法。本文直接采用經(jīng)典的多帶寬干線協(xié)調(diào)模型，目標(biāo)為綠波帶最寬。

在飽和狀態(tài)下，只有單個(gè)交叉口排隊(duì)較長(zhǎng)，此時(shí)信號(hào)控制的目標(biāo)主要是保證該路段的排隊(duì)在下一周期可以盡快消散并且保證主線的車流有完整的綠波帶，從而使得該路段的排隊(duì)車輛到下一路口后不會(huì)產(chǎn)生繼續(xù)排隊(duì)，避免再次形成接近飽和狀態(tài)。因此，對(duì)原始的多帶寬干線協(xié)調(diào)模型略做改變，目標(biāo)函數(shù)仍是綠波帶最寬，增加約束條件，保證有飽和趨勢(shì)的路段排隊(duì)可以在下一信號(hào)周期消散，不會(huì)產(chǎn)生二次排隊(duì)。

式中：i為有擁堵趨勢(shì)的交叉口；為上行（下行）總排隊(duì)消散時(shí)間（s）；為時(shí)間內(nèi)到達(dá)車流全部通過(guò)交叉口所需要的時(shí)間（s）。

在過(guò)飽和狀態(tài)下，干道的交通狀況整體較差，交通信號(hào)控制的效用將不斷減弱，通行效率嚴(yán)重下降，如果不及時(shí)采取有效措施，交叉口排隊(duì)會(huì)上溯到上游交叉口，甚至波及區(qū)域范圍內(nèi)的交通，直至路網(wǎng)整體鎖死，嚴(yán)重影響到整體路網(wǎng)的通行情況。此時(shí)需要調(diào)整控制策略，盡量避免過(guò)飽和狀態(tài)的產(chǎn)生。針對(duì)這一問(wèn)題，在強(qiáng)調(diào)優(yōu)化交叉口每個(gè)相位排隊(duì)長(zhǎng)度的同時(shí)，考慮排隊(duì)長(zhǎng)度占路段長(zhǎng)度的比例，盡量使得各交叉口的排隊(duì)均勻分布在各個(gè)路段，避免出現(xiàn)某幾個(gè)交叉口車輛排隊(duì)特別集中的情況，更加符合對(duì)交叉口信號(hào)參數(shù)優(yōu)化的要求。模型目標(biāo)是各交叉口排隊(duì)占比最小：

2 實(shí)證研究與仿真評(píng)價(jià)

本文數(shù)據(jù)主要由香港中路（山東路—福州路）的固定線圈、微波檢測(cè)器和視頻探測(cè)器所采集。數(shù)據(jù)采集時(shí)段為2014年11月3日6：50—8：59。固定檢測(cè)器具體布設(shè)方式見(jiàn)圖3。

圖3 香港中路檢測(cè)器布設(shè)圖

2.1 轉(zhuǎn)向交通流和排隊(duì)長(zhǎng)度

2.1.1 交叉口流量

通過(guò)提取線圈數(shù)據(jù)和人工計(jì)數(shù)（視頻）獲得研究路段中間段和交叉口處的真實(shí)交通流數(shù)據(jù)，再用車隊(duì)離散模型計(jì)算交叉口流量，期間不斷用視頻數(shù)據(jù)修正車隊(duì)離散模型的車流離散系數(shù)。圖4為視頻流量、校正流量對(duì)比示例，實(shí)驗(yàn)表明誤差小于5%。

2.1.2 交叉口流量轉(zhuǎn)向比

以香港中路—山東路交叉口為研究對(duì)象，各進(jìn)出口道編號(hào)如圖5所示。將2014年11月3日6：50— 8：55的早高峰數(shù)據(jù)分為25組（每5min為一組），通過(guò)之前獲取的進(jìn)口道交通流量，反推相應(yīng)時(shí)段各進(jìn)出口道的轉(zhuǎn)向比，選取各時(shí)段轉(zhuǎn)向比反推值與真實(shí)值的均方差（Root Mean Square Error，簡(jiǎn)稱RMS）作為評(píng)價(jià)指標(biāo)，均方差越小，表示反推值越準(zhǔn)確。RMS計(jì)算公式如下：

式中：brij為真實(shí)值（視頻提取）；bij為反推值；n為時(shí)段組數(shù)。

圖4 視頻流量、校正流量對(duì)比示例

圖5 香港中路—山東路交叉口

選取b13來(lái)考察轉(zhuǎn)向比反推的精確度，結(jié)果見(jiàn)圖6。其中，RMS的計(jì)算結(jié)果為0.041 9，實(shí)驗(yàn)表明，反推誤差較小，能夠滿足實(shí)際應(yīng)用需求的精度。

圖6 轉(zhuǎn)向比反推結(jié)果

2.1.3 交叉口排隊(duì)長(zhǎng)度

針對(duì)各進(jìn)口道，根據(jù)獲取的轉(zhuǎn)向交通流，使用HCM算法計(jì)算排隊(duì)長(zhǎng)度，圖7所示為香港中路與其他道路4個(gè)交叉口的排隊(duì)長(zhǎng)度與真實(shí)排隊(duì)長(zhǎng)度的對(duì)比，誤差較小。圖8所示為香港中路—南京路交叉口西向東方向的進(jìn)口道，直行方向不同時(shí)段的計(jì)算排隊(duì)長(zhǎng)度與實(shí)際排隊(duì)長(zhǎng)度的誤差，其平均值為5.85%。

圖7 排隊(duì)長(zhǎng)度計(jì)算值（虛線）與真實(shí)值（實(shí)線）對(duì)比

圖8 直行方向計(jì)算值（虛線）與真實(shí)值（實(shí)線）對(duì)比

2.2 干線協(xié)調(diào)控制策略的仿真評(píng)價(jià)

依照香港中路（山東路—福州路）的實(shí)際道路情況，在VISSIM中構(gòu)建如圖9所示的路網(wǎng)模型。

在圖9所示的4個(gè)位置設(shè)置檢測(cè)器，其地理位置與實(shí)際的線圈或微波檢測(cè)器相吻合，通過(guò)比較流量與速度的擬合程度來(lái)確定整個(gè)模型是否真實(shí)可靠。

圖9 VISSIM仿真模型

以每60s為間隔，事先輸入各進(jìn)口道流量，該流量是根據(jù)線圈、微波等檢測(cè)器數(shù)據(jù)結(jié)合流量反推計(jì)算得到的，模擬了青島市2014年9月1日6：30—6：45、6：45—7：00以及8：45—9：00的真實(shí)情況。經(jīng)過(guò)排隊(duì)長(zhǎng)度的計(jì)算，這3個(gè)時(shí)段分別對(duì)應(yīng)了欠飽和狀態(tài)、接近飽和狀態(tài)以及過(guò)飽和狀態(tài)，使用這樣的流量數(shù)據(jù)可以充分展現(xiàn)不同交通狀態(tài)下基于多源數(shù)據(jù)融合的干線協(xié)調(diào)信號(hào)控制方案的有效性。

結(jié)果顯示流量的平均誤差為5.27%，速度的平均誤差為4.3%，檢測(cè)器實(shí)測(cè)得到的速度范圍約為30～60km/h，仿真模型中設(shè)置的范圍為40～60km/ h，與真實(shí)情況相近，故速度分布比較合理。

仿真輸入的信號(hào)燈配時(shí)包括2種情況：一是原始的信號(hào)配時(shí)方案；二是本文提出的新的干線協(xié)調(diào)控制方案，對(duì)應(yīng)于前面輸入的3種不同飽和狀態(tài)。根據(jù)前文的計(jì)算模型，得到了不同狀態(tài)對(duì)應(yīng)的信號(hào)燈配時(shí)方案，如圖10所示。

計(jì)算及仿真結(jié)果如表1所示。由表1可以看出，相比于原來(lái)的信號(hào)配時(shí)，本文提出的新的干線協(xié)調(diào)信號(hào)控制方案在交通延誤和停車次數(shù)上分別減少了19.4%和22.8%，而平均排隊(duì)長(zhǎng)度也得到了改善，減少了7.4%。這充分說(shuō)明基于多源數(shù)據(jù)融合的干線協(xié)調(diào)信號(hào)控制策略是有效的，能夠提高交叉口的運(yùn)行效率。

圖10 信號(hào)配時(shí)方案

表1 計(jì)算及仿真結(jié)果

3 結(jié)語(yǔ)

本文提出了一套城市干道交通流不同狀態(tài)下的信號(hào)控制策略：通過(guò)融合線圈、微波和視頻等多源數(shù)據(jù)，利用車隊(duì)離散模型和OD反推技術(shù)，獲取城市干道交叉口運(yùn)行狀態(tài)，并基于不同城市干道交通流狀態(tài)研究相應(yīng)的信號(hào)控制策略。實(shí)例分析表明，改進(jìn)的信號(hào)控制策略能夠有效地減少停車延誤、停車次數(shù)和排隊(duì)長(zhǎng)度。該模型的關(guān)鍵在于干線交通狀態(tài)的識(shí)別，本文采取的判別方法相對(duì)較簡(jiǎn)單，如何科學(xué)合理地界定城市干線3種交通狀態(tài)有待進(jìn)一步研究。

[1]LI B B,MOOR B D.Recursive Estimation Based on the Equality-Constrained Optimization for Intersection Origin-Destination Matrices[J].Transportation Research Part B: Methodological,1999,33(3):203-214.

[2]XU F Z,SU Y Q,LIU H.Research of Optimized Adaptive Kalman Filtering[C]//Proceeding of The 26th Chinese Con?trol and Decision Conference(2014 CCDC).Changsha: IEEE,2014:1210-1214.

[3]Transportation Research Board.Highway Capacity Manual [Z].Washington D.C.:Transportation Research Board, 2010.

[4]陳力.城市道路交通擁擠實(shí)時(shí)判別及其擴(kuò)散范圍估計(jì)方法研究[D].廣州：廣東工業(yè)大學(xué)，2011.

[5]錢喆，徐建閩.基于線圈檢測(cè)的過(guò)飽和交通狀態(tài)判別[J].華南理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，41（8）：93-98.

[6]LONGLEY D.A Control Strategy for a Congested Comput?er-Controlled Traffic Network[J].Transportation Research, 1968,2(4):391-408.

[7]LO H,CHOW A.Control Strategies for Oversaturated Traf?fic[J].Journal of Transportation Engineering,2004,130(4): 466-478.

[8]HAJBABAIE A,MEDINA J C,BENEKOHAL R F.Traffic Signal Coordination and Queue Management in Oversaturat?ed Intersection[R].Urbana:University of Illinois at Urbana Champaign,2011.

[9]唐克雙，孔濤，王奮，等.一種改進(jìn)的多帶寬干線協(xié)調(diào)控制模型[J].同濟(jì)大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，41（7）：1002-1008.

[10]李林.連續(xù)流綠波交通控制理論與方法研究[D].廣州：華南理工大學(xué)，2011.

[11]李琦.基于多源數(shù)據(jù)的交通狀態(tài)監(jiān)測(cè)與預(yù)測(cè)方法研究[D].長(zhǎng)春：吉林大學(xué)，2013.

[12]孫曉亮.城市道路交通狀態(tài)評(píng)價(jià)和預(yù)測(cè)方法及應(yīng)用研究[D].北京：北京交通大學(xué)，2013.

[13]焦朋朋，陸化普，楊珊珊.動(dòng)態(tài)OD反推理論中的關(guān)鍵問(wèn)題研究[J].公路交通科技，2004，21（12）：93-95.

Arterial Coordinate Control Strategy Based on Multi-Source Data

CAI Xi,ZANG Zhao-qi,ZHOU Wei,ZHOU Qing-ya
(School of Transportation Engineering,Tongji University,Shanghai 201804,China)

In order to select appropriate arterial coordinate control strategies for different traffic flow states,based on the multi-source data from coil,video and microwave,the turning flows were obtained by using Platoon Dispersion Model and Kalman Filter Model,while the queue length and delay were cal?culated through the formula in Highway Capacity Manual.Traffic flow states,including under-saturated, near-saturated and over-saturated,were identified according to queue length and then corresponding ar?terial coordination strategies were chosen.The MAX Green Wave Band Model was used in the undersaturated state,the improved Bandwidth Coordination Model in the near-saturated state and the Minimal Queue Proportion Model in the over-saturate state.Taking Hong Kong Road in Qingdao as the example, simulation assessment results of VISSIM show the proposed model decreases the average delay by 19.4%,average number of stops by 22.8%and average queue length by 7.4%compared with original strategies.

multi-source data;Platoon Dispersion Model;Kalman Filter Model;arterial coordina?tion;minimum average queue ratio

U491

：A

：2095-9931（2015）05-0037-07

10.16503/j.cnki.2095-9931.2015.05.006

2015-07-17

蔡茜（1993—），女，湖南益陽(yáng)人，研究方向?yàn)榻煌ㄒ?guī)劃設(shè)計(jì)與管理。E-mail:408255183@qq.com。