城市復雜軌道交通信號智能配時方法仿真

摘? 要： 傳統的智能配時方法在解決城市復雜軌道交通信號配時問題時，存在時間延誤、實際應用能力差的問題。為了解決上述問題，以仿真方法研究了一種新的城市復雜軌道交通信號智能配時方法。在Hopfield模型的基礎上建立雙層反饋網絡，通過雙層反饋網絡計算出車輛延誤值、飽和流量值，進而開發出能量函數，根據開發的能量函數對雙層反饋網絡進行智能優化，優化過程包括交通數據采集、飽和度計算、優化計算、結果處理、結果發送五步。通過仿真實驗驗證了設計的智能配時方法的性能，結果表明，給出的配時方法可以很好地解決時間延誤的問題，并且可以針對具體情況進行調試。

關鍵詞： 人工智能; 城市復雜軌道; 交通信號; 智能配時; Hopfield模型; 雙層反饋網絡

中圖分類號： TN911.7?34; TP18? ? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）21?0080?05

Simulation of intelligent time distribution method for urban complex rail transit signals

PANG Yanzhi

（Nanning University， Nanning 530200， China）

Abstract： Time delay occurs when the traditional intelligent time distribution method is used for the time distribution of urban complex rail transit signals. Therefore， the performance of practical application is poor. In view of the above， a new intelligent time distribution method for urban complex rail transit signals is studied by simulation method. A double?layer feedback network is established on the basis of Hopfield model. The vehicle delay value and saturated flow value are calculated by the double?layer feedback network， so as to develop the energy function. According to the developed energy function， the double?layer feedback network is intelligently optimized. The optimization process includes five steps， named traffic data collection， saturation calculation， optimization calculation， result processing and result sending. The performance of the designed intelligent time distribution method is verified by simulation experiments. The results show that the proposed time distribution method can avoid the time delay and can be used for debugging as specific conditions.

Keywords： artificial intelligence; urban complex track; traffic signal; intelligent time distribution; Hopfield model; double?layer feedback network

0? 引? 言

道路交通擁堵導致的各種交通事故層出不窮，汽車尾氣排放引起的環境污染問題也日益引起人們的關注[1]。如今大多數地區與國家正在逐漸尋找治理方案，引起交通不暢問題的原因主要是交通指揮問題，而非單純的道路狀況。如今交通信號燈缺乏智能化的特性，無法有效地發揮交通通信控制裝備的性能，由此，城市交通的智能化系統控制便成了一個重要的發展趨勢，同時也構成了智能運輸系統[2]。

近年以來，對城市交通控制方面的研究成果日益增多，傳統的研究方法一般為建立城市交通控制系統的數學模型，并進一步進行最優控制，如今應用較為廣泛的系統分別為SCOOT和TRANSYT，基本建模原理為統計式與算法相結合[3]。由于城市交通系統結構較為復雜，因此，無法有效建立交通系統控制數理模型，并且現今的智能控制算法僅僅處于理論研究階段，無法有效應用于實踐控制領域[4]。

神經網絡方面的研究成果也不斷增加，并被廣泛應用于眾多領域之中，Hopfield作為一種系統較為完善的神經網絡，被應用于優化實踐中，但由于其是單層反饋的網絡結構，依舊無法較好地應用于交通控制系統中[5]。Hopfield神經網絡可從其能量函數的反饋理論中獲取所需要的信息，本文依據神經網絡對Hopfield進行有效的方法改進，將其單層網絡結構拓展為雙層網絡結構，并將其有效應用于道路口交通控制信號智能配時優化系統中。

4） 總結所得計算結果，并加工處理;

5） 將所得最終數據移入交通控制信號裝置中。

4? 仿真實驗

4.1? 仿真對象設置研究

將廣東省江門市某條交通道路口作為仿真實驗的研究對象，由于該路段為過境公路，在其區域經濟發展及城市擴建的過程中成為一條除過境公路功能外較為重要的交通路線。

仿真對象為較為典型的十字型平面路口，交通信號控制運用四相位控制，并在每個相位中穿插兩條交通流道路，進行右轉方向控制。四車道交叉路口平面圖如圖5所示。

連續6天對該路口的交通量進行調查，調查的時間區間為7： 00 am—9： 00 pm，每5 min記錄一次機動車數據。對調查數據進行匯總記錄如表1所示。

將所有的不同車輛折算，記錄成“標準小客車單位”，并對數據進行折算，得到的信號相位圖如圖6所示。

4.2? 仿真計算及分析

為了驗證本文方法的有效性，對比本文研究的交通信號智能配時方法與傳統的單個交叉路口的交通優化控制方法。其運用的主要方法如下：

1） 車輛感應控制：此方法首先進行系統在線檢測，測量出各個道路交叉路口的交通狀況信息，并根據所得的數據進行延長綠燈相位或切換相位的判斷。該方法應用較為流行廣泛，并且是一種較為成熟的交通控制方法。

2） 自尋優控制：在本文方法中，將不同的控制器參數與時刻變化的交通狀況進行自動匹配。每個匹配周期內都將進行相位順序的調整及相位綠燈信號比率的調配。該方法的關鍵點在于延長相位綠燈并獲取預期收益，其在相關相位上產生的損失可以經過合理的計算被有效延長，反之則需要切換至相應相位的綠燈中。其主要步驟如圖7所示。

1） 檢測交通路口的交通流信息;

2） 估計同類別的車輛數量;

3） 根據所得數據計算性能指標值;

4） 對以上步驟進行判斷并執行。

對當前相位值進行設定，則性能指標函數用[Q]表示，根據相位綠燈延時[Δt]計算相位方向帶來的益處[G]和對應的損失值[L]，計算公式為：

[Q=G-L] （5）

在計算相位綠燈延時[Δt]對相位方向帶來的益處和損失值時，要參考大型車、中型車、小型車、摩托車和行人通過量。

在分析相位時需要判斷延長時間是否準確。如果[Q>0]，設置延長數據中的相位，參考相對原則，設置的相位為綠時，反之，調節至其他相位。

采用Matlab再次進行開發，并得到仿真結果，為了使結果更加準確，對最小周期值和最大周期值進行設定，設置最小的周期值為50 s，最大的周期值為80 s，紅綠燈顯示的最小綠燈時間為20 s，最大紅燈時間設置為60 s，其中，黃燈的出現時間設置為1 s。最終獲取的實驗仿真結果如表2所示。

由表2數據可知，本文設計的基于雙層反饋網絡智能優化配時方法能夠在較大程度上降低車輛通行路口時的平均延誤時長，可進一步依據實際發展狀況對優化后的結構進行修改，確保配時的合理性。

5? 結? 論

本文通過上述討論，可得如下結論：

1） 與傳統的優化配時方法相比，本文采用了具有雙層反饋網絡結構的智能優化配置方法，可以較好地減少交通交叉路口車輛通行過程中所產生的平均延誤時間，交叉路口車輛延誤減少的平均數值為16%。在一定程度上影響了車輛的通行效率并提升了路口信號設備與交通道路匹配程度。

2） 在本文優化匹配計算中，如何確定約束的條件較為重要，并對計算結果具有深刻的影響。

3） 本文研究的雙層反饋神經網絡也可對其他不同類別的情況進行系統優化。

4） 在當代社會中，城市交通控制的研究日益增加，本課題組也在不斷加深對此方面的研究分析，由于雙層反饋網絡能夠合理運用于道路交通口，因此，其在交通控制領域的作用也不容小覷。

道路交通控制信號的智能化研究對于道路交通的發展狀況具有重大影響，可以進一步優化人們的出行，并進一步對城市的發展起著較為深刻的作用。但在研究過程中需要進一步克服研究對象本身存在的復雜性特點，提供更好的研究結果，促進社會的發展。

參考文獻

[1] 韋清波，何兆成，鄭喜雙，等.考慮多因素的城市道路交通擁堵指數預測研究[J].交通運輸系統工程與信息，2017，17（1）：74?81.

[2] 丁海鷹.基于出租車車載定位數據挖掘下智能化城市交通系統的應用[J].自動化與儀器儀表，2018（9）：177?179.

[3] 王浩，王紅彩.城市交通協調控制系統的相位相序優化設計[J].中國科技論文，2017，12（8）：941?945.

[4] 李穎宏，潘佳琪.基于Optima的實時在線交通流預測方法研究[J].交通運輸系統工程與信息，2017，17（2）：119?125.

[5] 丁肅然.基于小波神經網絡模型的短時交通流低頻數據的預測[J].技術與市場，2017，24（11）：80?81.

[6] 魏化永.基于模糊控制算法的城市軌道交通信號控制系統設計分析[J].許昌學院學報，2018（6）：73?76.

[7] 夏新海，許倫輝.引入MARKOV過程預測的強化學習下的城市交叉口自適應交通信號配時決策[J].公路工程，2018，43（1）：149?153.

[8] 羅蘭花，梁海英，任子亭.基于改進蟻群算法的網絡能量平衡路由策略[J].機械設計與制造，2017（11）：238?241.

[9] 李晉，周曦，周翔，等.基于雙層異構深度神經網絡模型的人臉識別關鍵技術研究[J].電信工程技術與標準化，2017，30（6）：24?29.

[10] 沈家軍，王煒.沖突強度最小時城市道路交叉口的信號配時[J].揚州大學學報（自然科學版），2017，16（1）：75?78.

[11] 王敏，趙金宇，陳濤，等.基于能量函數的極值中值濾波星圖去噪算法[J].電子與信息學報，2017，39（6）：1387?1393.

[12] 劉驍，譚澤飛，陳濤.過飽和交叉口信號配時方法的優化及實證研究[J].科學技術與工程，2018，13（9）：2604?2606.

[13] 王秀旺，毛新娜.優化交通信號配時緩解城市交通擁堵[J].大學數學，2012，28（3）：87?91.

作者簡介：龐彥知（1982—），女，河北衡水人，研究生，工程師，主要從事城市軌道交通、高速鐵路、交通運輸方向的研究工作。