方案選擇式區域協調控制方法及應用

沈國江，陳文峰

(浙江工業大學 計算機科學與技術學院，浙江 杭州 310023)

方案選擇式區域協調控制方法及應用

沈國江，陳文峰

(浙江工業大學 計算機科學與技術學院，浙江 杭州 310023)

摘要：針對方案生成式區域協調控制的不足，提出了一種全新的方案選擇式區域協調控制方法.該方法根據實測交通數據，合理選擇信號周期時間、綠信比和相位差3個控制參數，形成最實用的區域協調控制配時方案.介紹了協調路徑和協調相位的確定方法，重點研究了3個控制參數的選擇算法.其中，信號周期時間基于關鍵路口的飽和度進行選擇與微調；綠信比根據路口的相位飽和度及其均值和均方差進行選擇與優化；相位差的選擇根據下游協調相位飽和度的變化，通過速度選擇來間接實現.實際應用表明：該方法與方案生成式方法相比，平均車輛延誤、平均旅行時間和平均排隊長度均得到了較大改善.

關鍵詞：智能交通系統；交通信號；方案選擇；方案生成；協調控制

區域協調控制是指將區域內多個路口的交通流運行作為一個整體，采用相互關聯、協調運營的區域整體交通信號控制方案，對區域內多個路口進行信號協調控制[1].按控制方式劃分，區域協調控制可以分為方案生成式控制和方案選擇式控制，前者自動計算最佳的區域協調配時方案[2-4]，后者通過交通模式匹配選取最實用的配時方案[5-7].理論上方案生成式控制方案應該是最優的.但在實際應用中，一方面由于受到檢測設備的精度及可靠性影響，往往很難實現最優控制，另一方面由于算法過于復雜，偶爾會出現無解的情況，影響協調控制效果.而方案選擇式區域協調控制是通過交通狀態的模式匹配，總是可以找到一種最實用的控制方案，而且通過模型和參數的自適應修正，能夠實現區域協調的次優控制[8-9].

筆者提出了一種全新的方案選擇式區域交通協調控制方法，該方法包括4個模塊：初始模塊、信號周期模塊、綠信比模塊和相位差模塊.與現有的方案選擇式控制方法不同，不是選擇預設的完整協調配時方案，而是分別選擇合適的信號周期、綠信比及相位差，可明顯增強控制算法的靈活性和魯棒性.

1初始化

根據交通流理論，控制方案的變換間隔不能太小，否則方案變換產生的集結或消散波有可能造成交通絮流，引起進一步的交通阻塞[2].因此，在一個階段(通常為8個信號周期)內，信號周期時間和相位差保持不變或只作微調，而綠信比在每個信號周期末重新選擇.

1.1信號控制時段

根據被控區域內交通特性統計變化，按不同的日期類型(節假日、周末和工作日等)，把一天劃分為若干個時段.典型的時段劃分為：早高峰時段、上午平峰時段、午間高峰時段、下午平峰時段、晚高峰時段、晚間平峰時段和夜間低峰時段.對于時段的劃分，可以根據交通狀態識別算法來確定，但常用的是根據交警按經驗來劃分[10].

1.2信號相位與協調路徑

根據被控區域內各道路等級和交通流分布歷史統計數據，人工事先確定區域協調方向，然后確定各路口的相位組成和協調相位.如圖1所示，某被控區域由三條橫向道路x1，x2和x3以及四條縱向道路y1，y2，y3和y4組成，包含了12個路口，其中6號路口為關鍵路口.一般來講，關鍵路口所在的道路等級肯定是最高的，假定該區域的道路等級如表1所示.

圖1　協調路徑示意圖Fig.1　The structure sketch of coordinated path

序號等級道路編號11級x2,y2,y322級x3,y133級x144級y4

根據道路的等級，從關鍵路口出發確定區域的協調路徑.首先，把關鍵路口所在道路x2和y2均設置為雙向協調路徑；然后，把剩下1級道路也設置為雙向協調路徑，如y3；接著，把2級道路x3和y1設置為雙向協調路徑，但是為了防止形成閉環，可以設置成分段協調，譬如在道路x3中，9號與10號路口以及11號與12號路口兩兩協調；最后，只要不形成閉環，可以繼續把剩下的道路按級別高低依次設置雙向協調路徑，如道路x1上的路口3和路口4.

不同時段內各路口相位組成和區域內協調方向可以不同.此外，還需根據各流向交通流大小，確定各相位的優先級，一般來講，協調相位的優先級最高.

1.3信號周期方案庫

根據每個時段內關鍵路口歷史交通流量統計，確定該時段的最大周期時間Tmax、最小周期時間Tmin和周期間隔時間ΔT，每個可選信號周期被選中的初始頻率fT.各時段信號周期方案要有重疊，確保時段切換時信號周期平穩過渡.譬如，早高峰時段的信號周期方案可選周期時間分別為100,120,140,160,180,200s，初始選中頻率分別為1,3,5,6,4,2，Tmax=200s，Tmin=100s，ΔT=20s；平峰時段的信號周期方案可選周期時間分別為60,75,90,105,120,135s，初始選中頻率分別為1,3,5,6,4,2，Tmax=135s，Tmin=60s，ΔT=15s.

1.4綠信比方案庫

根據每個時段內各路口交通流歷史統計數據，事先配置各個時段每個路口可選的綠信比方案以及每個可選綠信比被選中的初始頻率fλ.譬如，對于某個由3個相位組成的路口，其中1號相位為協調相位，則早高峰時段的綠信比方案可選綠信比分別為(0.6，0.2，0.2),(0.5，0.3，0.2),(0.4，0.3，0.3),(0.4，0.4，0.2)，初始選中頻率分別為2,4,3,1.

1.5速度方案庫

根據每個時段被控區域內各路段的交通流歷史統計數據以及路段限速值vL，事先配置各個時段每個路段可選的速度方案以及每個可選速度被選中的初始頻率fv.譬如，某條路段vL=60km/h，則早高峰時段的速度可選方案可選速度分別為10,15,20,25,30,35km/h，初始選中頻率分別為1,2,3,6，5，3.

2控制策略

2.1信號周期選擇與微調

根據交通控制理論，如果周期時間過大，飽和度較低，反之，則飽和度過大.據此，可根據關鍵路口飽和度的大小來選擇合理的周期時間，使飽和度維持在0.7附近.圖2為信號周期選擇與微調流程圖，圖中mT為信號周期微調間隔，mT∈{0，2，4}.mT>0表示在一個階段內，每隔mT個信號周期微調周期時間1次；mT=0表示周期時間不作微調.

圖2　信號周期選擇與微調流程Fig.2　The process of Signal cycle selection and adjustment

啟動時，選擇對應時段的信號周期方案中被選中頻率最高的值作為即將采用的周期時間T，即

max{fT,1,fT,2,…,fT,N1}

(1)

式中：fT,i和Ti分別為最高的被選中頻率和對應的周期時間；NT為可選周期時間數目.

在同一階段內，對周期時間進行微調，可以按式

(2)

式中：x為關鍵路口的飽和度；xmin和xmax為用于周期時間微調的飽和度上、下限值，建議xmin=0.65，xmax=0.75.

當一個階段執行完后，對周期時間進行重新選擇，分兩種情況：

1) 同時段內選擇

周期時間根據關鍵路口的飽和度在同一時段內的可選信號周期方案中進行選擇，并對選中的周期時間所對應的被選頻率進行更新，即

(3)

2) 跨時段選擇

周期時間在新時段的可選信號周期方案中進行選擇，同樣需對選中周期時間對應的被選頻率進行更新，即

(4)

式中：i為上時段結束時周期時間值在新時段可選信號周期方案中對應的序號.

如果區域內存在半周期路口，為了盡可能獲得協調效果，第二個周期時間為各相位最小綠燈時間、黃燈時間和全紅清空時間之和，第一個周期時間為公共周期時間減去第二個周期時間的差，即

(5)

式中：tg,min,j，ty,j和tr,j分別為相位j的最小綠燈時間、黃燈時間和全紅時間；n為相位數.

2.2綠信比選擇與優化

在周期時間一定的情況下，路口綠信比的分配主要是為了使各相位通行能力均衡.據此，可根據各相位飽和度的差異來選擇合理的綠信比，如圖3所示.

圖3　綠信比方案選擇與優化流程Fig.3　The process of split selection and optimization

啟動時，選擇對應時段的綠信比方案中被選中頻率最高的值作為即將采用的綠信比λ，即

max(fλ,1,fλ,2,…,fλ,i,…,fλ,Nλ)→λ=λi

(6)

式中：fλ,i和λi分別為最高的被選中頻率和對應的綠信比方案；Nλ為可選綠信比方案數目.

當一個信號周期執行完后，先計算在各可選綠信比方案下路口各相位的飽和度、飽和度均值及均方誤差，即

(7)

式中：i為可選綠信比方案的序號；j為路口相位序號；n為路口相位數；yj為相位j的關鍵車道流量比；λi,j和xi,j為第i個可選綠信比方案下相位j的綠信比和飽和度；μi和σi為第i個可選綠信比方案下相位飽和度均值和均方誤差.

假定在所有可選綠信比方案中，第i個可選綠信比方案下飽和度均方誤差最小.若σi≤σth(建議σth=0.18)，則第i個可選綠信比方案被選中，且fλ,i=fλ,i+1；若σi>σth，則表示所有可選綠信比方案都不滿足控制要求，需對綠信比方案進行優化，生成臨時的綠信比方案.具體過程如下：

1) 將第i個綠信比方案下各相位的飽和度進行排序.

2) 將飽和度最小的相位綠信比減小Δλ(一般取該相位綠信比的10%)，并將飽和度最大的相位綠信比增加Δλ.

3) 按式(7)重新計算調整后的綠信比方案下相位飽和度的均方誤差，若該方差不大于σth，則說明調整后的綠信比方案符合控制要求，把它作為臨時綠信比方案存儲，并按該綠信比方案執行.若該方差仍大于σth，則重復第1步.

當該臨時綠信比方案多次被選中后，可將該臨時方案替換該時段中被選中頻率最低的綠信比方案.

2.3相位差選擇

根據交通流理論：路段速度與路段上的車輛數有關，路段車輛數越多，車速就越慢.而路段上的車輛最終都要到達下游路口，從而影響下游路口飽和度的變化.圖4為路段速度選擇的流程圖.

圖4　速度選擇流程Fig.4　The process of speed selection

啟動時，選擇對應時段的速度方案中被選中頻率最高的值作為即將采用的速度v，即

max(fv,1,fv,2,…,fv,i,…,fv,Nv)→v=vi

(8)

式中：fv,i和vi分別為最高的被選中頻率和對應的速度；Nv為可選速度數目.

當一個階段執行完后，先計算下游路口協調相位的平均飽和度及平均飽和度變化，其表達式為

(9)

速度選擇和被選中頻率更新公式為

(10)

式中：Δxth為飽和度變化的臨界值，建議Δxth=0.1；若i-1<1，則i-1=1,若i+1>Nv，則i+1=Nv.

3實際應用

筆者提出的控制方法已于2014年下半年某市進行了實際應用.圖5為被控區域路網結構示意圖，帶箭頭的虛線表示協調路徑.該區域交通流具有以下特點：1) 潮汐交通較為明顯，持續時間約半小時，早高峰主要流向為由東向西和由南向北，晚高峰流向反之；2) 平峰時段流量隨機性較大，易引起短時間擁擠；3) 流量主要集中在錢陶公路、湖中路和湖東路；4) 車輛類型基本上都是小汽車，非機動車流量較少，交通混合特征不明顯.

圖5　被控區域路網結構Fig.5　The road network structure of controlled region

性能指標結果對比早高峰晚高峰平峰平均車輛延誤實施前/(min·pcu-1)8.29.33.1實施后/(min·pcu-1)6.87.92.9改進/%17.115.16.4平均旅行時間實施前/(min·pcu-1)13.214.77.1實施后/(min·pcu-1)10.812.26.8改進/%18.217.04.2平均排隊長度實施前/m677834實施后/m475729改進/%29.926.914.7

系統連續運行半年多來，總體穩定可靠.經第三方檢測，與系統實施前采用的方案生成式干線綠波帶協調控制方法相比，平均車輛延誤減少6.4%～17.1%；平均旅行時間減少4.2%～12.2%；平均排隊長度縮短14.7%～29.9%.由表2可知：高峰時段控制效果的改進明顯大于平峰時段，一方面是由于綠波帶協調控制方法本身在交通欠飽和狀態的平峰時段應用效果突出，另一方面是相對于平峰時段流量主要集中在錢陶公路、湖中路和湖東路，高峰時段其他道路流量也比較大.

4結論

筆者提出的方法根據實測交通信息，在方案庫中實時選擇最佳的信號周期、綠信比和相位差，形成最為實用的區域協調控制方案，并根據實施效果對控制參數進行微調和優化.該方法不僅計算簡單、應用方便，而且控制效果明顯.需要說明的是，方案選擇式和方案生成式這兩種不同的區域協調控制方式，各有不同的特色和應用場景，在當今智能交通工程領域中都得到了廣泛應用.利用先進的信號優化控制理論，綜合這兩種區域協調控制方式優點，開發更加先進的交通控制技術，或許是一種發展方向.

參考文獻：

[1]隋亞剛,李正熙,劉小明,等.城市智能交通控制理論與應用[M].北京:中國水利水電出版社,2011.

[2]沈國江,錢曉杰.主干道動態協調控制技術[J].控制與決策,2013,28(12):1907-1911.

[3]LEE J H, LEE H K. Distributed and cooperative fuzzy controllers for traffic intersections group[J]. IEEE transactions on systems, man, and cybernetics, part C: applications and reviews,1999,29(2):263-271.

[4]ROBERTSON D I，BRETHERTON R D. Optimizing networks of traffic signals in real time: the SCOOT method[J]. IEEE transactions on vehicular technology,1991,40(1):11-15.

[5]DUTTA U, MCAVOY D S, LYNCH J, et al. Evaluation of the SCATS control system[R]. Michigan: Ohio University Transportation Center,2008.

[6]盧凱,吳煥,楊興,等.綠波協調控制方案的速度區間適應性分析與評價[J].華南理工大學學報(自然科學版),2014,42(5):60-66.

[7]LOWRIC P R. The sydney coordinated adaptive traffic system-principles, methodology, algorithms[C]. London:IEEE International Conference on Road Traffic Signaling,1982:67-70.

[8]沈國江,張偉.城市道路智能交通控制技術[M].北京:科學出版社,2015.

[9]STEVANOVIC A, KERGAYE C, MARTIN P T. SCOOT and SCATS: closer look into their operations[R]. Washington D C: 88th Annual Meeting of the Transportation Research Board,2009.

[10]KONG Q J, LI Z P, CHEN Y K，et al. An approach to urban traffic state estimation by fusing multisource information[J]. IEEE transactions on intelligent transportation systems,2009,10(3):499-511.

(責任編輯：劉巖)

Regional coordinated control method based on decision-selection and its application

SHEN Guojiang, CHEN Wenfeng

(College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, China)

Abstract:Aiming at the existing problem in the regional decision-generation coordinated control, a novel regional coordination control method based on decision-selection method is proposed. According to real-time traffic data, the three control parameters including signal cycle time, green signal ratio and phase difference can be selected properly and the most practical regional coordinated control scheme is formed. Firstly, the determining method of coordination path and the coordination phase is introduced, and then the selection algorithms of three control parameters are studied emphatically. The signal cycle time can be selected and adjusted according to the saturation of key intersections. The green signal ratio can be selected and optimized according to the saturation of key intersections, its mean and variance. The phase difference can be selected through speed selection according to the change of coordination phase saturation in the downstream indirectly. The practical application shows that the proposed method can improve significantly the average vehicle delay, average travel time and average queue length compared to the decision-generation method.

Keywords:intelligent transportation system; traffic signal; decision-selection; decision-generation; coordinated control

收稿日期：2015-11-23

基金項目：國家自然科學基金資助項目(61174174);浙江省科技廳公益技術研究工業項目(2015C31059)；浙江省交通運輸廳科研計劃項目(2014T08)

作者簡介：沈國江(1975—)，男，浙江紹興人，教授，研究方向為城市道路交通建模、優化與控制技術等，E-mail:gjshen1975@zjut.edu.cn.

中圖分類號：TP273

文獻標志碼：A

文章編號：1006-4303(2016)03-0237-05