城市快速路入口匝道控制方法綜述

林昱辰，王嘉文，鄒林志，周溪召

（上海理工大學 管理學院，上海 200093）

0 引言

城市快速路系統作為連接城市各地區之間的重要交通樞紐，有效的加強了各地區之間的聯系，推動了城市的發展以及空間架構的實時化轉變[1]。在一些特大城市中快速路的作用無可替代，是城市道路的主體，城市之間主要的交通運行及貨物運輸都離不開快速路系統，但其舒適性、便捷性在某些地區正在逐步減弱，早晚高峰期間的車輛擁堵更是頻發事件[2]。因此，如何使用合理的控制手段有效提高快速路系統的整體交通運行水平，已經成為各方關注的焦點。快速路交通控制手段主要包括入口匝道控制、出口匝道控制、主線交通控制、網絡路由控制和通道集成控制。其中入口匝道控制是應用最為廣泛，也是最為有效的控制措施[3]。本文對當前入口匝道控制研究的研究脈絡（如圖1所示）、理論體系進行梳理和總結，特別是對入口匝道控制方法及影響因素進行評述，并梳理出具有潛在價值的研究方向和問題，推動快速路入口匝道與地面相關研究成果在城市信號控制交叉口的應用。

圖1 快速路入口匝道控制整體研究脈絡

1 城市快速路入口匝道控制理論

入口匝道控制的基本原理可以理解為將快速路作為容器，及時調整進入快速路的車輛數，使其作為容器的指標在最佳并非最大的狀態時即可。入口匝道作為連接器的作用，若有車輛準備進入主路，則排隊等待，不想排隊等待，則可選擇地面道路行駛，到下一個入口匝道進入主路，即選擇替代路線[3]。所以，使用合理的控制方法，將快速路主路及地面的交通運行維持在最佳狀態附近，對二者來說都有益處。

2 入口匝道控制影響因素分析

無控制匝道的交通情況參差不齊，與有控制的匝道有不小的差距，而控制效果的提升多少依賴于交通需求水平。匝道控制涵蓋內容較多,如交通流模型、控制算法、交通條件、道路狀況等,因此不同的影響因素給入口匝道造成控制效果各有差異。本文主要從交通條件、理論條件和其他條件三個方面分析影響因素對入口匝道控制造成的不同差異。

2.1 道路及交通條件的影響

道路條件會在一定程度上影響通行能力的變化。一般來說，匝道與主路的連接形式一般有：入口-出口、入口-入口、出口-入口和出口—出口四種情況。為了提高通行能力，一般采用出口-入口的組合形式，上游來的車輛恰好在出口駛出，入口匝道上來的車輛可以減少對主線車輛的干擾。通行能力的影響包括主線通行能力以及匝道通行能力兩個方面的影響。主線通行能力與其設計速度等相關,匝道通行能力與其設計速度和坡度相關，不同的匝道設計容量會造成排隊的延誤不同。通行能力也是交通條件的主要影響因素之一。

2.2 理論條件的影響

2.2.1 交通流模型的影響。交通流模型有三大類，分別為宏觀交通流模型、中觀交通流模型。微觀交通流模型，宏觀的交通流模型主要有格林希爾德、格林伯格等模型，然而應用最多且最經典的模型為METANET模型和元胞傳輸模型。Papageorgiou[4-7]在匝道控制方面作為先驅，有許多經典的交通流模型創造性研究。在交通流模型方法，通過改進Payne模型，提出了現在廣泛應用的宏觀交通流穩態METANET模型。1994年美國專家Daganzo[8-10]創立了原始的元胞傳輸模型（CTM）來研究宏觀交通流。與數學解析模型不同的是，CTM作為仿真模型，規則更加簡單并且易于在計算機上編程實現，具有排隊形成、消散等真實的交通特性。Spiliopoulou，等[11]以某一匝道為研究對象，證明了METANET模型模擬效果更好。

2.2.2 控制算法的影響。不同的算法對匝道控制效果也有較大的影響。根據控制范圍的大小，可以將匝道控制分為單點控制與協調控制。單點控制的算法有需求-容量控制法、OCC控制法、ALINEA算法等。Greguri，等[12]對比了三種匝道控制算法發現，ALINEA算法平均延誤最大，原因是該算法比較適合單點控制而不適合各匝道間的協同控制；SWARM算法平均行程時間最短，但延誤較二者來說更多；HELPER算法延誤及總行程時間都為最小。當然不同地區的不同匝道使用不同的算法都會有差異，不能直接照搬使用。

2.3 突發條件的影響

突發條件主要包括不良天氣情況和緊急事件不良的天氣情況有陰雨天氣、大霧天氣、雪天等等。不良的天氣會對快速路系統造成一些潛在性的事故，原因其一，降低了道路的能見度及摩擦阻力;其二，車輛行駛速度減小，導致行程時間增加，更容易造成延誤的發生。緊急事件是指可能導致快速路系統路段通行能力下降的事件，比如事故、路面維護等。這二類情況都會對快速路系統控制效果造成影響。

3 入口匝道控制方法比較

3.1 定時控制

匝道控制理論起源于1965年，最先應用于匝道控制的方法為Wattlewortht[13]提出的定時控制方法，將路段分段，通過調節進入主線交通量，以防止交通流量超過主線每一段的通行能力。由于交通數據的非實時性，該方法反而會在平峰時間導致擁堵延誤或交通設施使用不充分的情況。因此，定時控制方法一般只應用于高峰時期。

入口匝道是主路與輔路的交匯，一般采用單點信號控制，用紅綠兩種顏色對車流進行引導。在確定整個信號控制周期后，根據道路車流組成、單位時間內通過道路的主路以及輔路車流量，來確定信號周期的綠燈時間，而紅燈時長則為周期剩余時間[15]。

3.2 感應控制

由于定時控制具有很大的局限性，無法根據道路的實時狀況做出反饋，眾多國內外學者開始研究感應控制。交通感應控制通過對快速路的交通參數（流量、占有率、速度、進出口匝道排隊長度等）進行實時監測,利用監測到的實時交通信息進行動態閉環最優控制。

Kontorinaki，等[16]發展并提出統一的自適應感應控制方案，該方案的獨特之處在于，它適合與區域管理或干線協調時使用，可以估計一些未知的系統變量。

3.2.1 需求-容量控制。Mashert，等[17]提出的需求-容量模型是以匝道下游的通行能力為參照目的，通過調整匝道進入主路的交通量，使上游車輛與匝道進入主路的和小于參照目標即可，該控制方法在國外應用較廣。該控制方案的算法為：

式中：r(k)—進入主路的車輛數;

qin(k)—上游車輛數;

qcap—匝道下游的通行能力;

Oout—下游測量得到的占有率;

Oer—下游臨界占有率（此時對應的交通流量最大）。

3.2.2 反饋控制。ALINEA算法[18]是最有代表性的占有率控制方法，它是一種基于經典閉環反饋控制的匝道控制策略，其算法如下：

式中:r(k)—k時刻入口匝道調節率；

Oout—匝道下游期望占有率，一般來說它等于臨界占有率或略小于臨界占有率；

KR—調節參數。

在需求-容量模型中，當占有率達到臨界值時，控制率會進行跳躍，直接變為最小值，對交通流的連續與穩定較為不利。而ALINEA算法雖然沒有加強各匝道之間的聯系，但控制率的改變方式較為緩和，也是有效的交通疏導手段。ALINEA但其實現需要是目前應用最廣泛的局部匝道控制策略。與其他策略相比，該算法簡單，實現成本低，保證了目標性能目標，但其實現需要入口匝道有足夠的存儲空間。在協調計量策略中，基于區域的計量實現簡單，易于重新配置。

ALINEA算法由于其匝道間缺乏聯系性，所以有可能造成相鄰路段的延誤，但是對快速路系統而言也能較為有效的緩解交通壓力[18]。因此，諸多ALINEA改進模型被提出來提高效率。如AD-ALINEA算法考慮了天氣情況等對占有率的影響；FL-ALINEA算法使用來自下游檢測器的主線流而不是占用，而當下游檢測器不可用時，UP-ALINEA算法使用來自上游檢測器的占用值。X-ALINEA算法解決了當高速公路飽和時，匝道上的排隊長度過長導致限速行駛的問題。為了使系統達到最優的效果，介于單點和區域之間的控制算法被提出，且具有較高的使用價值，相較多區域協同控制的復雜性也較小[19]。METALINEA算法[20]的參數設置較為復雜，其占有率的準確性直接決定了該控制方法的效果。SWARM算法[21]（System Wide Adaptive Ramp Metering）主要應用于美國，包含兩層相互獨立的匝道控制算法，對校準交通狀態的準確預測更加敏感。HELPER算法[22]即合作型協調控制，分為局部控制層與協調控制層兩個結構。該算法增加了中央超控功能，以實現整個快速路上的全系統交通響應。所有的匝道被分為6組，根據當地交通情況，匝道儀表可選擇6種控制率。如果匝道上的隊列連續三個時間間隔超過指定的閾值，則將計量速率降低一個級別，這個過程一直持續到問題被解決為止。如果隊列持續存在，那么所有上游匝道都將被覆蓋，并將以更嚴格的控制級別運行，將該匝道處交通量連續分配給上游匝道，上游匝道通過降低控制率級別以減小該匝道的交通壓力。

3.2.3 模糊控制。20世紀80年代，Chen[23]提出了單個匝道口的模糊控制問題。Taylor，等[24]將模糊控制應用于Cettle高速公路的匝道控制，現場實驗表明模糊控制比定時控制和需求-容量控制的控制效果都好。模糊控制的優點就是因為模糊性，不需要準確的數據輸入，數學模型也不用十分精確。缺點也正是因為其模糊性，其規則一般來自專家的經驗，需要提前設置大量的參數，并且控制系統的穩定性仍有待解決。尤其針對多匝道的控制，其規則會更為復雜，更難實現。

3.2.4 神經網絡控制。Zhang，等[25]研究了神經網絡在入口匝道控制中的應用，結果表明，神經網絡控制能取得良好的效果。神經網絡控制是一種模擬人腦的控制方法，人的大腦具有很強的學習能力，這也正是該控制方法的優點，對非線性的系統可以直接應用。其缺點也正是因為神經網絡的龐大性，沒有一個精確的數量定值，需要花費較長時間學習，無法滿足實時性較高的匝道控制系統。

匝道控制的幾種典型方法比較見表1。

表1 匝道控制典型方法比較

4 結語

入口匝道控制方法從定時控制發展為感應控制，可以有效地根據不同的時間、事件做出相應的處理，提高控制效率。為加強控制學習的魯棒性，提升實時反饋控制水平，模糊控制、人工神經網絡等智能控制算法也應用于快速路匝道中，有效提升了控制的預見性、可靠性、自適應能力，主要體現在以下兩個方面：主干線通行能力和匝道的排隊情況。目前已有很多入口匝道控制方面的研究成果，將入口匝道控制與城市地面道路控制相結合，將極大地改善整個路網系統。同時實時交通信息的手段不斷提高，一些重要的交通數據，如O-D矩陣等，可以用來估計流量數據，這些數據為實現綜合控制提供了必要的條件，在這些方面可進行更加深入的研究。