城市交通信號優化控制平臺設計與應用

李德文,沈 斌,黃少澤,馬建國,丁高博,劉 志

(1.浙江中控信息產業股份有限公司,浙江 杭州 310053;2.浙江工業大學 計算機科學與技術學院,浙江 杭州 310023)

隨著城市化水平和汽車產業的高速發展,城市私家車數量迅猛增加,導致交通需求持續增長,進一步加劇了交通擁堵等問題。交通信號控制系統作為緩解交通擁堵的重要工具,在城市交通管理領域已得到廣泛研究和應用。在研究層面,通過將模糊控制、車路協同、效能評價、ITS體系框架、模型預測控制和深度強化學習等技術與交通信號控制系統結合[1-12],可以有效提升控制效果;在應用層面,英國的SCOOT[13]、澳大利亞的SCATS[14]、國內的Intellific[15]和HiCon[16]等產品在北京、上海和杭州等城市部署實施,有力保障了城市交通高效運行,并在應用過程中逐步形成信號控制與信號優化智能協同的一體化解決方案。

筆者在已有研究工作的基礎上,設計并實現了基于微服務模式[17]的信號優化控制平臺。該平臺以實時交通感知數據為支撐,利用場景驅動的信號優化控制技術,向交警、配時員等交通管理人員提供交通信號優化控制服務,具有架構層次清晰、服務劃分明確、資源動態管理、數據高效存儲以及算法智能控制等特點,最終實現人機協同的城市全域交通信號閉環優化目標。

1 平臺設計

信號優化控制平臺的設計面向城市道路、高架匝道等全域交通應用場景,利用交通大數據和人工智能方法,提供信號控制與配時優化服務[18-19]。在架構設計時充分考慮應用場景特點,針對平臺核心功能需求構建平臺業務架構和技術架構,形成完整的信號優化控制平臺架構設計。

1.1 業務架構

信號優化控制平臺可以從接口、數據、算法和應用4個層面進行業務架構設計,將平臺從業務角度劃分為數據接口層、信息處理層、控制優化層和業務應用層,并確定各層包含的業務組件,業務架構如圖1所示。

圖1 信號優化控制平臺的業務架構設計

數據接口層負責平臺與其他系統之間的雙向數據交互,包括實時數據接入和信控方案下發,通過API應用網關開放平臺功能;信息處理層負責交通數據的加工處理和存儲管理,融合生成交通態勢描述信息和管控效果評價信息,向上層提供數據業務服務;控制優化層負責基于交通場景結合交通態勢產生信號控制方案,實現交通信號控制和優化;業務應用層整合各層功能,面向用戶提供業務應用支撐。

1.1.1 數據接口層

數據接口層是信號優化控制平臺與其他系統之間的唯一交互接口,包括與數據中臺之間的實時交通數據和算法輸出數據交互,與算法中臺之間的算法調度觸發和算法配置信息交互,與GIS系統之間的路網地理信息交互,并向其他應用系統提供信號控制和信號優化服務。一旦其他系統的外部接口發生變化(例如增加訪問鑒權要求),只需要變更數據接口層,不會影響到上層組件。

1.1.2 信息處理層

信息處理層對接入的實時交通感知數據進行重構診斷修復、質量巡檢分析、多維指標計算與態勢精細評估,并統一配置和管理路網模型數據,向控制優化層和業務應用層提供實時高效的交通數據服務。信息處理層一方面對接入數據按需進行加工處理,形成上層可用的數據形態和格式;另一方面基于接入數據融合生成多維度的交通態勢信息,全面刻畫數據質量和交通狀態,輸出到業務應用層進行整合與展示。

1.1.3 控制優化層

控制優化層基于信息處理層提供的路網模型數據和交通態勢信息,結合算法配置參數,通過算法中臺統籌調度單點信控算法、子區信控算法、可變車道算法和高架匝道算法等各類信號控制算法,并利用數據接口層的信控方案下發接口,將自動生成或手動配置的信號控制方案下發到路口信號機執行。同時,控制優化層通過方案知識庫和閉環反饋機制進行持續迭代,自動優化算法效果。

1.1.4 業務應用層

業務應用層依托信息處理層的數據業務服務,以及控制優化層的交通管控服務,向交警、配時員等用戶提供路口管家、信號監控、特勤保障、指標研判、智能優化、管控評價和報警干預等業務應用,將各類交通態勢描述信息、信號運行監控信息、管控效果評價信息和問題研判報警信息在終端界面可視化展示,并支持授權用戶隨時按需進行靈活、高效的操作處置,最終實現人機協同的交通信號閉環優化目標。

1.2 技術架構

信號優化控制平臺采用微服務技術架構,根據業務上下文進行服務拆分,每個業務組件實現為單個微服務。平臺基于B/S模式,前后端分離,外部數據統一接入,通過API應用網關開放對外接口。各服務自身的業務職責與功能角色專一,服務之間通過輕量級的RESTful HTTP接口進行交互調用。

信號優化控制平臺的技術架構可以劃分為資源、數據和服務3個部分,分別對應于平臺的資源管理、數據管理和服務管理。資源管理面向服務器集群的硬件資源和算法資源,構建虛擬的分布式“操作系統”。數據管理面向交通實時數據和路網模型數據,例如過車記錄、排隊長度等,構建從接入、處理到存儲的數據流水線。服務管理面向各類業務應用實例,采用微服務解決方案進行治理,包括服務發現、配置管理、日志分析和訪問鑒權等。

信號優化控制平臺的技術架構設計如圖2所示。

圖2 信號優化控制平臺的技術架構設計

1.2.1 資源管理

資源管理部分主要包括容器管理平臺和算法調度框架,前者用于管理集群資源,后者用于管理算法資源。

針對業務架構劃分的多個微服務,如何進行高效的服務部署運維,關系到系統的穩定性和易用性。信號優化控制平臺采用容器化解決方案,充分利用主流的容器編排管理系統將基于容器的大量微服務部署到服務器集群,并對這些業務應用實例進行水平伸縮、服務自愈等自動化管理,從而極大地減輕了微服務應用與基礎設施集成,以及微服務應用管理的負擔。

算法調度框架需要判斷并決定各類信號優化控制算法的運行時段、觸發時刻、降級調度方案,以及對應的算法運行實例。算法調度框架是對算法和算力資源的協調管理,包括算法觸發器、算法調度器和算法協調器3類核心組件。算法觸發器用于決定算法的執行時機,算法調度器用于關聯觸發器和算法運行實例,算法協調器用于管理多個算法運行實例的協調調度。

1.2.2 數據管理

數據管理部分主要包括數據連接器、流式計算引擎和交通數據存儲,分別用于數據的接入、處理和持久化。

數據連接器采用插件式設計,支持開發、上傳、配置和啟停面向不同數據源的插件,這些插件分為輸入插件、轉換插件和輸出插件3類,構成單條或多條數據鏈路。輸入插件從數據中臺或第三方數據源實時接入過車記錄、排隊長度等各類異構數據,轉換插件進行字段映射、內容過濾等數據實時轉換操作,輸出插件將轉換后的數據發送到指定的消費者或存儲庫。

流式計算引擎負責流式時序數據的清洗、重構、診斷和修復,通過不同函數算子的組合構建響應式數據實時處理鏈路,實現由原始采集數據到算法輸入數據之間的轉換。由于數據全鏈路對于上層應用的重要性,流式計算引擎必須具有高可用性和彈性擴展能力。針對不同類型的交通實時數據,提供相應的重構算法和診斷修復算法,輸出質量更高的目標類型數據。

交通數據存儲基于關系數據庫、圖數據庫和時序數據庫進行路網模型數據與交通實時數據的持久化。由于路網數據本身具有多層嵌套、網狀關聯等特點,導致關系模式的設計復雜,面向上層應用的關聯查詢效率不高。因此,使用圖數據庫作為路網數據的存儲基礎設施。交通實時數據大多屬于時間序列數據,數據規模隨時間增加而快速增長,主要面向時間范圍查詢,適合選用時序數據庫進行存儲。

1.2.3 服務管理

服務管理部分主要包括微服務管理、微服務實例、微服務監控和微服務安全,共同構成微服務模式的技術實現。

微服務管理提供服務發現、配置管理和流量路由等核心管理功能。服務發現用于路口管家、信號監控等各個微服務實例的注冊和發布;配置管理用于信號控制算法參數等基礎配置信息的統一集中存儲、管理和查詢;流量路由用于訪問流量的負載均衡、失效實例的流量熔斷和超載流量的限流控制。

微服務實例包括數據微服務、算法微服務、應用微服務和消息總線。各類微服務實例運行時通過消息總線進行異步消息交互,實現多服務協同的業務流程。例如,多個交通指標統計算法的觸發計算均依賴于信號周期到達事件,這些算法服務可以通過消息總線訂閱對應的消息,從而在收到消息通知后及時處理。

微服務監控負責服務運行過程的狀態監控,通過日志分析進行系統運行問題和算法邏輯問題排查,通過鏈路跟蹤完成跨服務事務調用鏈的分析和可視化,通過服務監控對各個微服務實例的運行狀態、資源占用和載入配置等實時信息進行展示和預警。微服務監控在信號優化控制平臺的運維過程中起到關鍵作用。

微服務安全主要涉及身份驗證、訪問鑒權和用戶管理。身份驗證用于平臺訪問者的身份確認;訪問鑒權用于判斷用戶的當次訪問操作(特別是配時方案下發等關鍵操作)是否合法有效;平臺還提供基于組織單位、用戶角色等的多維度、多層級用戶管理,將角色、權限和用戶進行關聯對應。

2 核心技術

場景驅動的信號優化控制技術基于實時交通感知數據,輸出不同交通場景下的信號配時方案,并進行不斷迭代優化,實現全天候自動調度、多場景自動切換的城市全域智能信號控制,主要包括方案總調度、方案生成器和方案知識庫技術,以子區信號優化控制為例進行具體說明。

2.1 方案總調度

將方案生成器和方案知識庫有機結合,形成完整的方案構建流程,基于當前交通場景輸出信號配時方案,具體步驟為

步驟1通過天氣信息(晴天、雨天等)、日期屬性(工作日、節假日等)、交通態勢(擁堵、緩行等)等類型對當前交通場景進行歸類,輸出歸類后的多維場景標簽。

步驟2如果存在預設的調度策略(調度方案生成器或方案知識庫),則應用預設的調度策略,否則默認調度方案生成器。

步驟3方案生成器基于實時交通感知數據生成對應的信號配時方案,如果生成成功,標記該方案的場景標簽,轉步驟5;如果因數據質量、覆蓋率等問題導致方案生成不成功,轉步驟4。

步驟4方案知識庫基于當前交通場景,調度知識庫中最為匹配的方案;如果匹配失敗,則調度預設的單點定時方案作為降級方案。

步驟5輸出信號配時方案到控制下發模塊。

方案總調度流程如圖3所示。

圖3 方案總調度流程

2.2 方案生成器

基于實時交通感知數據選擇關鍵路口,確定子區協調策略,通過子區信號配時方案優化模型對公共周期、綠信比和相位差等參數進行優化,下發到信號機執行。由效果評價模塊對控制效果進行評價,實現閉環反饋。具體步驟為

步驟1獲取子區內各路口的流向流量、協調速度等實時交通感知數據,統一數據量綱和頻率。

步驟2基于流向流量計算路口飽和度,選取飽和度最大的路口作為子區關鍵路口。

步驟3應用基于上下行交通態勢的協調策略決策樹[20]確定子區協調策略,常用的協調策略包括單向綠波、雙向綠波、單向紅波、雙向紅波和一向紅波一向綠波等。

步驟4基于關鍵路口的飽和度進行子區公共周期優化,通過小步距調整公共周期,將關鍵路口的飽和度控制在預設的最佳區間。

步驟5以路口各相位飽和度均衡為目標,結合最大、最小綠約束,迭代調整各路口綠信比,將路口的相位飽和度均方差控制在預設的閾值內。

步驟6以帶寬最大為目標,在既定的協調策略下,基于各路段協調速度依次確定路口間的相位差。

步驟7輸出包含周期、綠信比和相位差的子區信號配時方案,下發到各路口信號機執行。

步驟8基于擁堵指數、停車率和平均延誤等指標進行運行效果評價,并將評價結果作為反饋信息輸入子區信號配時方案優化模型,實現閉環反饋。

方案生成器的算法技術框架如圖4所示。

2.3 方案知識庫

基于方案生成器的信號優化控制技術對數據質量、覆蓋率的要求較高,在實際場景中可能無法滿足上述數據需求。為解決該問題,設計并實現了基于方案知識庫的信號優化控制技術,依據歷史配時方案進行持續的反饋評價和迭代優化,構建迭代式方案知識庫,具體步驟為

步驟1場景匹配模塊通過當前交通場景標簽與知識庫中已有的歷史信號配時方案所標記的場景標簽進行匹配,輸出天氣信息、日期屬性和交通態勢等各類場景標簽均匹配的方案集合;如果方案集合非空,則匹配成功,否則匹配失敗。

步驟2方案選擇模塊基于場景匹配模塊輸出的匹配結果進行判斷,如果匹配成功,則選取上述方案集合中效果評價綜合評分最高的方案進行下發;如果匹配失敗,則選取預設的單點定時方案作為降級方案下發。

步驟3效果評價模塊具備專家評分和智能評分兩級評價機制,其中專家評分由專家對下發方案的運行效果進行評分;智能評分根據當前子區擁堵指數的變化情況進行自動評分,并按照權重系數融合后計算得到效果評價綜合評分。

步驟4知識庫更新模塊將實際下發的信號配時方案(由方案生成器或方案知識庫輸出)、對應的多維場景標簽和效果評價綜合評分更新到知識庫;如果該方案最近N次(N可以配置)效果評價綜合評分的均值低于預設的閾值,則從知識庫中刪除該方案。

具體流程如圖5所示。

圖5 方案知識庫匹配與迭代流程

3 應用案例

目前,信號優化控制平臺已在多個城市落地應用,助力這些城市實現全域交通一體化信號管控,在此選取某市的應用案例進行說明。應用范圍內信號機聯網控制的路口集中,安裝有線圈車輛檢測器、視頻車輛檢測器等傳統交通傳感器,浮動車互聯網感知數據覆蓋齊全,適合實施基于實時交通感知數據的全域交通信號優化控制。

信號優化控制平臺在部署實施后,為上層應用提供交通信號信息和控制支撐;接入傳統交通傳感器數據、浮動車互聯網數據等,實現了多維數據的融合處理,為上層應用提供交通感知數據支撐;全面覆蓋單點感應算法、單點自適應算法、子區自適應算法、可變車道算法、高架匝道算法和報警處置算法等,為上層應用提供強大的智能算法支撐。平臺界面如圖6所示。

圖6 某市運行的信號優化控制平臺界面展示

在應用實施期間,區域范圍內全天擁堵時長占比下降3.32%,高峰擁堵延時指數下降2.44%,高峰擁堵路段里程比下降10.24%,常發擁堵路段里程比下降11.95%,提升了相關區域城市交通管理與信息服務水平,道路通行能力得到了改善,緩解了城市交通擁堵。應用區域優化前和優化后的路網評價指標對比如表1所示。

表1 應用區域優化前和優化后的路網評價指標對比

4 結 論

基于微服務架構模式和場景驅動的信號優化控制技術,設計并實現了城市交通信號優化控制平臺,用于向交警、配時員等交通管理人員提供城市全域交通信號控制與配時優化服務。該平臺通過將信號控制與信號優化進行一體化協同實施,輸出不同交通場景下持續迭代優化的信號控制方案,實現城市全域智能信號控制。某市的應用案例實施效果表明:該平臺可以有效緩解相關區域交通擁堵狀況,改善城市道路通行能力,提升交通管理的信息化、智能化水平和城市居民的乘車出行體驗。