基于5G+ 智慧燈桿的區域交通協調優化控制系統功能分析與研究

步春江

[上海市政工程設計研究總院（集團）有限公司，上海市200092]

0 引 言

隨著城市私家車的數量越來越多，城市道路擁堵的情況屢見不鮮。智能交通系統以交通流理論為核心，系統地運用現代信息和控制技術以顯著提高既有交通基礎設施的使用效率和安全水平，減少交通流的盲目性。未來的智慧交通應該是真正做到全過程管理、依據策略性和戰術性的經驗，提供確實可行的解決方案，并且有著多領域（交通系統、車輛、行人）共同約定的框架支持。

5G+ 智慧燈桿恰恰是最適合成為智能交通管理系統底層感知層面的基礎設施。其每30～35 m 的布設間距的先天優勢，使得其更容易搭載一些交通管理感知設備，如車流量傳感器、高清監控設備等。通過5G 網絡組網，能夠輕松地在城市的大街小巷布置出智慧交通的感知網絡。這些感知信息也能夠更快地傳遞給綜合交通管理平臺，供城市管理者們更快地作出相應的決策，緩解交通擁堵的情況。

智能交通系統主要分為三個不同的階段：信息感知（采集）、信息處理、信息服務。

首先，通過智慧路燈對于路況及路網容量進行數據采集，實時傳輸至中央控制中心；通過人工智能預測算法預測未來幾小時內某段路發生擁堵，以及堵車的幾率進行預測分析；最后通過這些預測數據，及時提示，以及建議駕駛員們的行車路線。其信息服務有別于普遍的車載導航軟件，真正的智能交通系統的信息服務，應做到定點、定向投放。通過智慧燈桿，記錄某一段行車的車牌號，定向投放給這一段的駕駛者，讓其按照預測算法的結果變道行駛。有別于普遍的導航軟件，其不會產生無差別疏導而導致的更多的擁堵的現象。

隨著城市化的進程，如何在有限的道路路況條件下，借助有限的公共基礎設施創造出最大化的交通體驗是當今智能交通管理系統需要去研究的方向。

未來的智能交通系統一定是車路協同的交通系統，通過5G+ 智慧燈桿對路況數據的采集，對定向定點車輛通行路徑進行局部管控；通過強大的人工智能預測算法對道路路況進行決策分析，對駕駛者進行交通誘導。其中，誘導策略實施網絡化：在尋求誘導資源與動態交通流時空耦合性的基礎上，注重誘導主體的智能化設計與布設，強調動靜態誘導主體信息的一體化時空關聯與協同聯動，以及誘導與信號控制系統的協同控制。在更大的時空范圍內，對于現狀路況進行信息服務的科學決策，對車流量進行更加智能的控制。

綜上，當前國內外學者就交通流預測及信號控制設計進行了大量的研究[1]，但是從時空維度針對協同交通疏導方面去進行定向交通誘導與交通控制針對所進行的研究工作還比較少。現基于前人研究的基礎，以上海市合桿整治工程為背景，利用現有模糊徑向基神經網絡模型進行改良，增添了區域交通協調優化控制系統及評分體系。通過動靜態誘導主體信息的一體化時空關聯與協同聯動來解決交通擁堵的實際問題。

1 工程概況

上海市合桿整治工程針對現狀道路桿件（公安、交警監控桿、路燈桿、標志標牌等）進行綜合化改造，集約城市照明、監控桿件、配套管線資源。通過對綜合桿件進行5G 設備改造，配套搭載5G 設備頂桿倉，用以對道路兩側進行5G 信號覆蓋。通過搭載各種路況監測傳感器，對現有的城市道路感知網絡進行信息化升級改造（見圖1）。

圖1 城市道路感知網絡示意圖

依托工程背景，選取2019 年合桿整治工程虹口區北外灘板塊作為系統試點區。工程范圍西起天潼路，東至平涼路，北起哈爾濱路，南至黃浦路。其中共涉35 條路，全長15.64 km。

經過上海市交通管理局提供的實時路況數據分析，北外灘板塊擁堵情況主要集中在外白渡橋、北蘇州路、長治路及東長治路、吳淞路等路段。故該系統設計的核心聚焦在解決國際客運中心周邊網格化區域。通過建立基于車路協同模式的區域交通協調優化控制系統，從時空維度解決交通擁堵的實際問題。

2 區域交通協調優化控制系統構成及模型建立

2.1 區域交通協調優化控制系統構成（見圖2）

具體協調優化控制系統方法及過程為：

（1）首先根據交通擁堵的實際情況，聚焦擁堵核心主體，對擁堵主體周邊的信控路口進行網格化劃分。

（2）依托5G+ 智慧燈桿的道路基礎設施，對路況數據（現狀路況綠信比、相鄰網格化路口車流量及平均車速監測）進行采集。

（3）通過搭建徑向基神經網絡模型（RBF）對相鄰網格化路口中短期（5 mins-30 mins）的交通流進行預測，并借助系統的評價準則對預測方案進行評價，預測出的最優交通控制方案將作為下一網格化路口的輸入量進行迭代運算，最終得到這一網格化區域內該預測時間內最優交通誘導方案。

（4）依托5G+ 智慧燈桿及系統得出的最優交通誘導方案，及時調整信控路口控制參數（四個相位綠信比及總信號周期）作為定向交通誘導的手段。

圖2 區域交通協調優化控制系統簡圖

2.2 交通流預測模型的建立

模糊神經網絡模型被廣泛地運用在交通信號控制中。其原理可理解為模擬交警思維，根據四個相位的車量排隊情況，調整各個相位允許通行的時長。由此，即可建立一個神經網絡模型，以四個相位的車流量l 為輸入，四個相位綠信比λ 及總信號周期T 為輸出[2，3]。根據往期歷史數據，可將相同時間段的交通流數據作為訓練樣本以得到相關相位的綠信比的最優方案。

由于車流量存在一定隨機性及變量，故交警指揮時會存在些許變化。在模糊神經網絡模型的基礎之上[4]，該系統使用了小波變換來減少一些交通變量對系統造成的波動影響。

在實際路況中，有許多意外情況會影響交通速度，但只會在很短的時間內產生影響。流量預測的目的是向用戶提供有用的信息，關鍵是要提供合理的平均值估算未來的流量。因此，意外信息可以被視為噪聲。為了濾除這些噪聲，有許多現有方法。

小波變換是一種強大的工具，具有分析非平穩信號的能力信號以獲取其趨勢。在降噪應用中，小波變換具有許多好處。它可以保留信號中的細節，并且不需要任何噪聲假設。基本的降噪過程小波變換描述如下：

（1）通過將所有小波系數設置為零來獲得確定的“強”部分小于某個閾值水平。小波逆變換用于計算相應的時間序列。

（2）通過將所有小波系數設為零來獲得隨機的“弱”部分大于該閾值水平。小波逆變換也在這里使用計算相應的時間序列。

2.3 區域交通協調優化控制系統的建立

區域交通協調控制優化控制模型主要由交通流預測模型、區域評價體系及定向交通誘導系統三方面構成[5-6]。

通過上一節提到的交通流預測模型，可以得到預測精度相對準確的交通流預測數據。每一個信控路口的預測數據，將如圖3 所示，作為下一個信控路口的輸入數據進行迭代預測，以得到該網格化路口最優的綠信比。

圖3 區域交通協調優化控制模型簡圖

為達到最優的響應速率，該系統建立了一套評分體系。通過評分體系對每一個評價周期的平均排隊長度及定向誘導方案進行評估，評判該區域交通協調優化方案的控制效果是否達到舒緩交通的效果。如若未達到預期，則修正該路口信號周期、綠信比及定向誘導方案。具體評價原理如下：

（1）將城市道路中，每九個就近的信控路口分為一個網格化區域，對每個網格化區域進行交通流預測。

（2）設每九個信號周期為一個評價周期，通過交通流預測模型推算一個評價周期結束后，某個相位所有方向（相鄰九個路口）車流排隊長度作為評價的依據（其中包括該評價周期內放行及到達的車輛）。

（3）將定向誘導方案納入評價體系進行模型預測。定向誘導方案的原則：將平均排隊長度最長的相位調整至相同路徑下排隊長度最短的相位，并進行路徑規劃。根據平均車速推算該定向誘導方案的方案可行性，即原路徑到達目的地的時長與定向誘導方案到達目的地的時長對比。如若定向誘導方案縮短了車主到達目的地的時間并且網格化區域內，各個相位的平均車流排隊長度縮短，系統則判定該定向誘導方案成立。

（4）根據平均排隊長度及交通誘導方案，將平均排隊長度作為調整信號周期的重要參數，調整相應信控路口的總信號周期及四個相位綠信比。

通過評分體系能夠加快區域交通協調優化控制模型的響應速率，以達到實際的控制需求。

通過區域交通協調優化控制模型，系統已經得出了最優的區域協調優化方案。從而借助5G+ 智慧燈桿的定向誘導系統，及時調整每一個信控路口信號機的控制參數，用以達到舒緩城市道路擁堵的情況。

3 區域交通協調優化控制系統預測結果與實際對比

依托上海道路合桿整治工程對虹口區北外灘地塊所編織起的城市感知網絡，5G+ 智慧燈桿采集了實時的路況數據，它被作為該系統的訓練樣本進行系統仿真模擬。

結合北外灘板塊擁堵現狀進行分析, 北外灘板塊擁堵情況主要集中在外白渡橋、北蘇州路、長治路及東長治路、吳淞路等路段。故該系統將設計的核心聚焦在解決國際客運中心周邊網格化區域。通過建立基于車路協同模式的區域交通協調優化控制系統，從時空維度去解決交通擁堵的實際問題（見圖4）。

圖4 虹口區北外灘區域工作日早高峰時間段交通量預測熱力圖

通過系統搭建與模擬,將預測結果與往期虹口區北外灘區域交通流監測數據進行數據對比，得到下列表1 的結果。

表1 的數據對比表表明，區域交通協調優化系統在交通流大于1 000（pcu/h）的城市道路車況下有著顯著的優勢。對比往期虹口區北外灘區域交通流監測數據，區域協調控制系統在網格化區域每周平均排隊長度更短，對舒緩城市道路擁堵的效果更佳。

表1 區域交通協調優化系統與S ca ts 系統對比表

4 結語

通過提出區域交通協調優化控制系統構成及模型建立的方法，依據上海道路合桿整治工程實際采集的檢測數據作為模型訓練樣本，用于計算網格化區域的區域交通協調優化控制系統預測結果，并與實際路況采集數據進行對比，得出以下結論：

（1）采用區域交通協調優化控制系統，經實際工程采集的數據驗證是可行的，可供類似工程參考。

（2）采用區域交通協調優化控制系統，通過區域交通流預測用以調節最優綠信比與信號周期，在更大的時空范圍內，對于現狀路況進行信息服務的科學決策，對車流量進行更加智能的控制。