過飽和狀態下城市路網控制子區動態劃分方法

，

(浙江工業大學 計算機科學與技術學院，浙江 杭州 310023)

過飽和狀態下城市路網控制子區動態劃分方法

沈國江，吳佳浩

(浙江工業大學 計算機科學與技術學院，浙江 杭州 310023)

過飽和狀態下城市路網的控制子區劃分是實施高效信號控制的必要基礎.根據城市路網過飽和狀態下交通流的特點，結合路口飽和度和車輛排隊情況，提出了一種路口過飽和狀態識別方法，并進一步將過飽和路口劃分為三個不同的擁堵等級.在引入路段車輛容量比和路段交通需求影響度的基礎上，采用模糊控制算法對相鄰路口關聯度大小進行計算.基于路口擁堵等級劃分與相鄰路口關聯度提出一種子區分級動態劃分策略，并給出一個完整的動態子區劃分流程，最后通過算例說明了該控制子區劃分方法的可行性.

過飽和；擁堵等級；關聯度；模糊控制；動態劃分

經濟的快速發展和人民生活水平的不斷提高帶來了機動車保有量的高速增長，城市交通網絡已經成為人們關注和研究的熱點[1].過飽和交通流導致的車輛擁堵在大城市路網已成為常態.處于過飽和交通狀態下的城市路網，其內部各區域有著不同交通特性(包括交通方式構成、交通量和流向等).為了取得更好的控制效果，需要將城市大規模路網劃分為多個小范圍的控制子區域[2].對此，國內外相關研究人員做出了許多研究：美國學者Walinchus[3]在1971年最先提出交通控制子區的概念，此后Yagoda[4]在子區劃分指標問題上引入了“耦合度”的概念來判斷兩個路口是否需要進行協調，Chang[5]認為上游路口所采用的控制策略對下游相鄰路口的關聯度影響較大，并據此建立了關聯度模型.隨著控制要求的提高，研究內容從靜態子區劃分逐步轉向對動態子區劃分，王學堂[6]將整個區域復雜系統分解為若干個簡單系統，再對各個子系統進行研究.尚德申等[7]以靜態分區為出發點，實現了動態分區的過程.段后利等[8]提出了可協調度的概念并引進超圖理論將其用于子區劃分算法中.盧凱等[9]采用子區劃分模型進行子區劃分，并以遺傳算法為基礎，采用降維方法對劃分方案的解進行快速尋優.以上研究主要針對非過飽和交通狀態，隨著交通堵塞現象變得越來越頻繁，主要體現在城市出行高峰時主干道的車輛擁堵等.楊曉光等[10]對路網設定了消散、過渡、阻塞和常態四個控制區域，進而提出過飽和狀態下交通控制小區的動態劃分方法.李軼舜等[11]提出了以交通需求超過通行能力的關鍵路口為中心的多層邊界控制策略，動態確定控制邊界.

筆者主要依據路口飽和度和路段進口道車輛排隊情況，提出了一種對路口過飽和狀態的識別方法，并進一步給出了一種過飽和路口按擁堵等級分類的方法.在計算相鄰路口關聯度的過程中，提出路段交通需求影響度的概念，并結合路段車輛容量比，采用模糊控制算法完成對相鄰路口關聯度大小的計算.提出一種子區分級動態劃分策略，并給出一個完整的動態子區劃分流程，最后進行算例分析.

1 研究思路

路網中的區域擁堵一般是從單個路口的交通擁堵開始，路口長時間處于過飽和狀態引起車輛排隊長度不斷增長，進而引起路段的阻塞，因此需要對路網中的路口進行過飽和狀態識別，并且需要根據這種識別方法對路口擁堵等級進行分級.相鄰路口關聯度是定量描述相鄰路口間交通流相關性的一個交通參數，反映了不同信號控制方案及路段交通狀態對相鄰路口間關聯程度的客觀影響[12].結合實時路段車輛容量比與路段交通需求大小來分析相鄰路口關聯度的高低.城市路網處于過飽和狀態時交通流特性較為復雜，需要將區域內所有路口作為一個整體進行協調[13-14]，各區域的擁堵程度各不相同，為取得較好的控制效果，考慮根據劃分起點路口的擁擠度將路網劃分為不同擁堵等級的控制子區，以便于在實施信號控制時采取不同的控制策略.

過飽和控制子區劃分總體流程如圖1所示.

圖1 過飽和控制子區劃分總體流程Fig.1 Overall flow of subarea division under oversaturated condition

2 路口過飽和狀態識別與分級

2.1 基本判別指標定義

以往的研究[10-11]主要將識別路段過飽和狀態作為子區劃分起始步驟，而對路段的飽和狀態識別主要基于排隊長度，筆者將以對路口過飽和狀態的識別作為子區劃分的切入點，并結合路口飽和度與車輛排隊長度對路口過飽和狀態進行識別.單路口結構與部分排隊車輛如圖2所示，并假設：同一個流向不會在一個周期中不同的兩個相位中出現.

圖2 路口飽和狀態識別示意Fig.2 Recognition of intersection’s saturation

定義相位i流向j的飽和度為

(1)

式中：qi,j為相位i的流向j到達路口的交通流量，veh/h；Ci,j為相位i流向j的通行能力，veh/h；λi為相位i的綠信比；qs,i,j為相位i流向j的飽和流量，veh/h.

繼而可以計算相位飽和度xi與路口飽和度x，即

(2)

(3)

式中：J為相位i的流向總數；I為路口信號方案的相位總數.

取綠燈結束時，相位i流向j對應進口道車輛排隊比，即

(4)

2.2 路口過飽和狀態識別方法與擁堵分級

對路網中所有路口進行過飽和狀態識別，并進一步將路網中達到過飽和狀態的路口按各自擁堵情況進行分類，主要將過飽和路口分為Ⅰ，Ⅱ，Ⅲ三個等級，擁堵級別依次降低，沒有達到過飽和狀態的路口不對其劃分等級.

當路口飽和度x超過一定上限時，表明路口已經達到飽和狀態.依據直接影響路口飽和度x的進口道車輛排隊比的大小，將路口分為兩個飽和程度不同的等級，假定：

由此得判別路口等級大小的充分必要條件為

3 相鄰路口關聯度分析

路口關聯度是子區進行擴散的重要指標，關聯度計算直接影響子區劃分效果，而路段中車流飽和程度反映了城市道路空間的使用情況，過飽和狀態下路段中車流飽和程度較大，會造成較大范圍的車輛延誤[15].在此引入路段車輛容量比這個指標來衡量路段中車流的飽和程度，將其作為計算關聯度的一個因子.此外，分析路口間關聯度大小還需考慮短時內(1～2個周期)進入該路段的車輛數，在此引入路段交通需求影響度這個指標來衡量短時內即將進入路段的車輛數，并將其作為計算關聯度的另一個因子.還應考慮路段過短或過長都對路口關聯度有較大的影響.將路口間關聯度記為D，路段車輛容量比記為C，路段交通需求影響度記為I.

3.1 關聯度分析總體路線

首先判斷路段長度LR是否小于一個路段長度極小值LR,min(通常為200 m)，若小于則將關聯度設為1；同時設定一個路段長度極大值LR,max(通常介于800～1 000 m之間)，超過極大值則關聯度設為零.當路段長度處于一般區間(LR,min,LR,max)之內，將路段車輛容量比C和交通需求影響度I作為輸入，通過模糊算法得到輸出值，作為路口關聯度大小.總體路線如圖3所示.

圖3 關聯度分析總體路線Fig.3 Overall path of correlation analysis

3.2 路段交通需求影響度計算

筆者將路段交通需求影響度I與其所有進口的排隊車輛數與當前路段剩余容量相關聯，如圖4所示，路段交通需求影響度I分別定義為

(5)

(6)

I=maxI1→2,I2→1

(7)

圖4 路段交通需求影響度分析Fig.4 Influence degree of traffic demand analysis

3.3 路段車輛容量比計算

路段車輛容量比反應了當前路段車流所達到的飽和程度，主要與路段當前車輛數以及路段車輛容量有關.

路段車輛容量比C定義為

(8)

式中：x，y為兩個相鄰路口的各自編號；Nx→y為路口x到路口y方向路段容量；Nx→y,V為路口x到路口y方向路段上已存在車輛總數.

為了凸顯路段交通需求的重要性，計算路段車輛容量比之前需要參照上行和下行路段各自的交通需求影響度，若該路段I=I1→2，則在計算時令x=1，y=2，否則取反.

3.4 路口間關聯度模糊算法

將3.2與3.3中得到的路段車輛容量比以及路段交通需求影響度作為模糊控制器的2個輸入參數，其各自模糊分割如圖5(a，b)所示.圖5(a)中將路段車輛容量比分割為{很小，小，較小，中等，較大，大，很大}7個模糊語言，圖5(b)將路段交通需求影響度分割為{很低，低，中等，較高，高，很高}6個模糊語言.將路口關聯度作為模糊控制器的輸出，分割為5個模糊語言：{低，較低，中等，較高，高}，如圖5(c)中所示.模糊規則如表1所示，C，I分別為路段車輛容量比和路段交通需求影響度.

圖5 模糊變量分割圖Fig.5 Fuzzy variable segmentation

IC很大大較大中等較小小很小很高很高很高很高高較高中等中等高很高很高高較高中等中等中等較高很高高較高較高中等中等較低中等很高高較高中等中等較低低低高較高中等中等較低低低很低中等中等中等較低低低低

設定Dmax為路口關聯度的一個臨界值,一般取值為0.65.當D≥Dmax時，則認為對應兩個相鄰路口呈關聯狀態，繼而在劃分子區過程中將被無條件劃分到同一個過飽和子區中.若D

4 過飽和控制子區劃分方法

4.1 過飽和控制子區劃分基本原則

上述將過飽和路網中的過飽和路口劃分為三個擁堵等級，擁堵等級由大到小為Ⅰ級，Ⅱ級，Ⅲ級.將這三個擁堵等級的路口作為子區劃分的起點，劃分的優先權大小與其擁堵等級成正比，即先以路網中的Ⅰ級路口為劃分起點進行子區劃分，且一個路口只能被進行一次劃分，不可重復；當所有Ⅰ級路口都劃入子區后，再以剩下的Ⅱ級路口為起點開始進行劃分，最后以Ⅲ級路口作為起點進行劃分.與以往過飽和子區劃分不同的是：由于要以輸出不同擁堵等級的子區為最終目標，筆者根據子區劃分起點路口擁堵等級大小而采用適合自身的子區擴散閾值，即以Ⅰ級路口，Ⅱ級路口分別作為劃分起點劃分時，Dmax的取值可能各不相同，選用各自的路口關聯度閾值作為子區擴散條件.

4.2 過飽和控制子區劃分算法具體流程

具體流程如下：

Step1獲取路網實時數據，采用上述單路口過飽和狀態識別方法分別識別路網中的Ⅰ，Ⅱ，Ⅲ級路口，放入到一個集合Mk中.對所有路段進行關聯度分析，計算關聯度值.令j=k=0.

Step2令s=i=0.

Step3取Mk中任意一個等級最高的路口mk作為劃分起點，將mk放入集合Ai.

Step4取Ai中任意路口ai,s的相連路口關聯度的值.

Step5將關聯度超過閾值的路段的相連路口放入集合B.

Step6判斷Ai是否完成全部遍歷，若沒有，則s=s+1并回到Step 4，若已經遍歷完畢，則進入Step 5.

Step7令集合C=B-Ai∪Ai-1∪…∪A0，判斷集合C是否不為空，若為空則進入Step 6，否則進入Step 7.

Step8令i=i+1，將集合C中路口放入集合Ai，清空集合B，C，令s=0，回到Step 4.

Step9令Tj=A0∪A1∪…∪Ai，再將A0,A1,…,Ai都置為空.

Step10依據劃分起點的擁堵等級判斷Tj的等級.

Step11k++，j++，令Mk=Mk-1-Mk-1∩Tj-1，判斷Mk是否為空，如果不為空，則回到Step 2，如果為空，則子區劃分結束，得到的子區分別為T1,T2,…,Tj-1.

基于過飽和子區劃分基本原則，得出具體過飽和子區劃分流程如圖6所示，識別子區Tj等級的具體步驟：查找中擁擠度等級最高的路口，若最高屬于Ⅰ級路口，則對應為高過飽和控制子區，若Ⅱ級路口則對應為中過飽和子區，若Ⅲ級路口則對應為低過飽和子區.

圖6 過飽和控制子區具體劃分流程Fig.6 Process of oversaturated control subarea division

5 劃分算法算例分析

5.1 算例描述

本算例采用VISSIM 4.3交通仿真軟件，基于某市的部分路網及檢測到的流量數據，路網內主要路段長度位于210～540 m之間，該路網結構如圖7所示，劃分子區前的信號方案為實際路網實時所用方案，所取用的是早高峰內30 min的流量數據.13個流量輸入，q按下標1～13分別為1 101,804,1 249，783，1 588，847，1 500，1 139，1 454，1 607，1 433,1 128，1 440 veh/h，各個路口的車流轉向比基本采用實際檢測數據.此外用Matlab軟件對子區劃分算法進行編程實現.

圖7 路網結構及流量輸入Fig.7 Road network and the flow input

5.2 算例劃分算法分析

在仿真過程中，從路口r6發生溢出狀態時進行子區劃分算法的分析，取出各路段在該時刻的道路容量比及交通需求影響度進行計算，分析所得各路段關聯度如圖8所示.

圖8 路網關聯度計算結果Fig.8 Result of the correlation analysis

圖9 子區劃分結果Fig.9 Result of the subarea division

記r1與r5之間的橫向路段為D1，記r6與r9之間的橫向路段為D2，實際情況中D1，D2都是所在區域的主干道，不同的是前者的道路較寬，在流量相差不多的情況下其整體的飽和度沒有后者高，且路段D2的高飽和集中表現在流向q12所在流向，因此有必要將其整條路段劃分在同一個子區內，而又因為高峰期期間，r1至r6與r2至r7之間的車流較多，實際上有必要將r1與r2劃分為同一子區.綜上，實際情況與研究所得劃分結果一致，算法經仿真分析較為可靠.

6 結 論

提出的過飽和狀態下交通控制子區劃分方法主要考慮了過飽和路網各局部飽和程度的差異性，實現了過飽和狀態下控制子區動態分級劃分方法的量化與系統化.在設計路口過飽和狀態識別策略以及對相鄰路口間關聯度的分析計算上有所創新，所用

算法簡潔高效，能滿足較高的實時性要求.但是若要在實際運用中更加高效合理，還需對子區劃分閾值的選取進行更多理論與實踐研究.

[1] 楊旭華，李傳告，陳光.基于K-最短路徑的交通網絡傳輸性能分析[J].浙江工業大學學報，2014，43(3)：249-252.

[2] SHU Lin，BART D S，YU G X，et al.Efficient network-wide model-based predictive control for urban traffic networks[J].Transportation research part C，2012(1)：122-140.

[3] WALINCHUS R J.Real-time network decomposition and subnetwork interfacing[M].Washington D C：Transportation Research Board，1971：20-28.

[4] YAGODA H N, PRINCIPE E H, VICK C E, et al.Subdivision of signal systems into control areas[J].Traffic engineering，1973，43(12)：42.

[5] CHANG E C P.How to decide the interconnection of isolated traffic signals[C]//Proceedings of the 17th conference on winter simulation.New York：ACM，1985，445-453.

[6] 王學堂.城市交通信號整體優化理論的概念與方法[J].長安大學學報(自然科學版)，2002，22(5)：92-94.

[7] 尚德申，石建軍.交通控制區域動態劃分研究[J].道路交通與安全，2007(1)：27-29.

[8] 段后利，李志恒，張毅，等.交通控制子區動態劃分模型[J].吉林大學學報(工學版)，2009，39(S2)：13-18.

[9] 盧凱，徐建閩，鄭淑鑒，等.協調控制子區快速動態劃分方法研究[J].自動化學報，2012，38(2)：279-287.

[10] 楊曉光，黃瑋，馬萬經.過飽和狀態下交通控制小區動態劃分方法[J].同濟大學學報(自然科學版)，2010，38(10)：1450-1457.

[11] 李軼舜，徐建閩，王琳虹.過飽和交通網絡的多層邊界主動控制方法[J].華南理工大學學報(自然科學版)，2012，40(7)：27-32.

[12] 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)：1908-1911.

[13] 沈國江，陳文峰.方案選擇式區域協調控制方法及應用[J].浙江工業大學學報，2016，44(3)：237-241.

[14] 李澎林，張獻力，李偉.基于雙字Hash機制的交通信息分詞算法研究[J].浙江工業大學學報，2014，42(6)：596-600.

[15] WANG Ping，JONES L S，YANG Qun，et al.Cell transmission model based traffic csignal timing in oversaturated conditions[J].Journal of central south university，2013，20(4)：1129-1136.

Dynamicdivisionmethodofurbantrafficnetworkcontrolsubareaunderoversaturatedstate

SHEN Guojiang, WU Jiahao

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

The division of subarea is a vital base for implementing the control of traffic signal efficiently under oversaturated state. Based on the features of the oversaturated traffic flow, combining traffic saturation of intersection and the vehicle queue length, this paper proposed a method to recognize the oversaturated state of single intersection, and these oversaturated intersections are divided into three different congestion levels. By introducing the road traffic capacity and road traffic demand impact, the fuzzy control algorithm is used to, calculate the correlation of adjacent intersections. Based on three different congestion levels and the correlation of adjacent intersections, this paper proposed a dynamic division strategy and put out a complete dynamic subarea division process. Finally, the feasibility of the subarea division method is illustrated by an example.

oversaturated state; congestion level; correlation; fuzzy control; dynamic division

2016-12-23

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)

沈國江(1975—)，男，浙江紹興人，教授，博士后，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.

TP273

A

1006-4303(2017)06-0591-06

(責任編輯：陳石平)