過飽和交叉口群信號優化研究

任義凡 楊曉芳

摘要：為緩解過飽和交叉口群擁堵問題，克服單目標或線性組合優化得不到最優解的問題，建立了多目標優化模型，并應用改進的非支配遺傳算法求解模型。在對過飽和狀態進行識別的基礎上，選取了交叉口群內總的交通量、平均車輛延誤和平均排隊占比作為優化目標，建立優化模型。將算法得到的優化結果和配時軟件得到的配時方案分別在VIS-SIM仿真軟件中運行。交叉口群仿真驗證表明，按建立的多目標優化模型求解得到的方案與配時優化軟件得到的方案對比，多目標優化方案通過交叉口群的總交通量增加了13%，車輛平均延誤下降了11%，平均排隊占比下降了14.8%，改善了過飽和交叉口群的運行狀況。

關鍵詞：城市交通;過飽和交叉口群;多目標優化;信號優化;NSGA-II算法

中圖分類號：F570文獻標識碼：A

近年來，緩解交通擁堵的重點從擴大供應轉向更好地利用現有交通基礎設施資產和需求管理。由于與成本、可用的通行權以及環境和社會因素有關的問題，修建新道路或擴建現有設施通常是不切實際的。因此，工程師、規劃師和開發人員正在尋找通過將需求隨時間和空間擴展來優化現有設施使用的方法。交通信號優化被認為是最大限度地減少高峰時段區域性擁擠的一種選擇。

交叉口群內的供需不平衡是造成過飽和的根本原因，而且交叉口處是間斷交通流，往往過飽和就是從一個關鍵交叉口處引起的。由于供需不平衡，造成過飽和排隊的形成，最終造成交叉口群的擁堵。從1960年起，國外的專家，就開始對孤立交叉口的過飽和狀態展開研究，并逐漸發展為對交叉口群的研究，研究的重點也轉為辨別和疏解過飽和狀態交叉口群。隨著ITS智能交通系統的不斷進步，區域交通協調控制成為了各國學者研究的重點。李巖（2012）為提升過飽和狀態下小區域交叉口群交通信號控制的效率提出了一種基于NSGA-Ⅱ算法的信號配時優化方法四。趙盼明（2018）利用模糊控制技術，對小區域過飽和交叉口群進行信號協調優化。安思穎（2018）將微粒群算法應用于過飽和狀態交叉口群信號協調優化當中，并通過VISSIM仿真評價驗證了算法的有效性。

1過飽和狀態識別

過飽和狀態的識別是進行信號優化的前提，只有對交叉口或交叉口群的狀態有個準確的識別，才能對其進行優化控制。單點交叉口的過飽和狀態一般是指車輛到達率超過了交叉口的通行能力，而交叉口群的過飽和狀態往往指群內某個或幾個關鍵交叉口的過飽和現象已經擴散，并造成了交叉口群整體的阻塞。以往的過飽和識別以交叉口的飽和度作為是否過飽和的依據，但是路段的飽和度主要是基于道路上的排隊長度。所以本文將從過飽和交叉口群內的飽和交叉口人手，通過計算交叉口的飽和度和車輛排隊占比，進而定量的識別交叉口的過飽和狀態。交叉口布局與車輛排隊車輛如圖1所示：

但是在過飽和狀態下，對穩態交通流適用的優化目標往往不再適用。在交叉口群發生過飽和時，會出現排隊溢出這類現象，很難去準確地計算出飽和度。當出現過飽和現象時，首先是要避免交叉口群“卡死”，需要盡快地清除滯留的擁堵車輛，避免擁堵的進一步擴散。使用信號優化的方法使過飽和交叉口群實現正常運行的實質是：通過調整交叉口群內各個交叉口的綠燈時間和相位差來快速地疏散滯留車輛。所以選取交叉口群內部的通行量最大，延誤最小和平均排隊占比作為過飽和狀態交通信號控制的優化目標。

2.2建立多目標優化模型

假定一個包含Ⅳ個交叉口的交叉口群，主要通過優化交叉口群內各個交叉口的信號控制方案里的綠燈時間、相位差和交叉口群的公共周期時長，我們可以用如下列向量ψ來表示這些優化變量。

2.3多目標優化模型求解

對于本文這種維數較高的非線性的多目標優化問題，目前已經提出了多種的基于遺傳算法來求解Pareto最優解。NSGA-II算法是目前較為流行的多目標遺傳算法之一，它克服了非劣排序遺傳算法復雜性高的缺點，擁有運行速度快和解集收斂性高的優點，現已成為其他多目標規化算法評價性能的基準。此算法是改進第一代非支配排序遺傳算法得來的，加入了快速非支配排序算法、引進了精英策略和采用了擁擠度和擁擠度比較算子，提高了算法的運算效率和魯棒性。NSGA-II算法詳細的過程描述如下：

Step1進行參數設置，并隨機產生初始種群po，對其進行非劣排序，并計算目標函數值。

Step2再對初始種群進行選擇、交叉和變異，形成新種群QO，令t=0。

Step3形成新群體Rt，再次進行非劣排序，得到新種群非劣前端F1，F2…。

Step4對得到的F1進行根據擁擠度比較的排序，最后選擇Ⅳ個最優的個體組成種群Pt+1。Step5對種群pt+1進行復制、交叉與變異，最終產生新的種群Qt+1。

Step6如果結果達到設定的終止條件，那么終止交叉變異;否則，令t=t+1，回轉到Step3，繼續循環。

本文通過應用過飽和交叉口群通過車輛數、平均延誤和平均排隊占比，建立優化模型，輸入信號控制參數，并利用算法求解。可通過改進的算法直接對各交叉口的信號配時進行優化，得到最優配時方案。算法的流程圖如圖2所示：

3仿真驗證與分析

交通信號控制模型和算法的驗證一般有兩種方法：仿真應用驗證和現場應用驗證。由于仿真應用實驗具有易于實現和調試靈活的優點。而現場應用僅適用于工程運用階段，所以本文采用仿真驗真的方法。

3.1路網及參數設置

設置的路網結構如圖3所示，具體的參數設置如表1所示：

3.2仿真結果

根據上文建立的交叉口群配時優化模型最后得到的各交叉口的配時方案，見表2。同時利用Synchro信號配時優化軟件得到一組過飽和交叉口群的優化方案，用兩種優化方案對比評價指標，來驗證多目標優化的先進性。Syn-chro配時優化方案見表3。

將得到的兩種配時方案輸入VISSIM仿真軟件中，通過檢測器的設置，得到兩種控制方案的評價指標對比如表4所示：

由圖4可以看出，在基于改進的遺傳算法得到的信號配時方案下，在建立的交叉口群內總通行車輛數提高了13%，車輛平均延誤下降了11%，平均排隊占比下降了14.8%。說明建立的模型對整個交叉口群層面的優化是有效的，驗證了算法對于過飽和交叉口群信號優化的適用性和準確性。

4研究結論

對交叉口群的過飽和狀態進行了識別，在此基礎上，建立了適用于過飽和交叉口群的多目標優化模型。通過仿真評價，表明了本文模型和算法的有效性，實現了對過飽和交叉口群擁堵的疏解。但是仿真用的路網和數據是基于理想條件設置的，后續可以用現實路網和數據進行應用。