基于VISSIM仿真的交通多源信息融合與干線交叉口線控系統研究

摘" 要：該文針對道路交叉口線控系統因流量數據不準確導致整體延誤增大的問題，通過對不同采集設備獲取的數據進行融合處理，提高數據準確度，并通過VISSIM仿真對具體案例的指標數據進行對比分析，說明基于多源數據融合的干道綠波控制技術能提高系統效率，降低整體延誤，提高道路運行服務水平。

關鍵詞：多源信息；線控系統；VISSIM；干道綠波控制技術；線控模型

中圖分類號：TP274" " " "文獻標志碼：A" " " " " 文章編號：2095-2945（2023）21-0097-04

Abstract： In this paper， aiming at the problem of the increase of the overall delay caused by the inaccurate flow data in the line control system of road intersections， the data accuracy is improved by fusing the data obtained by different acquisition equipment， and the index data of specific cases are compared and analyzed by VISSIM simulation， which shows that the road green wave control technology based on multi-source data fusion can improve the system efficiency， reduce the overall delay and improve the service level of road operation.

Keywords： multi-source information; on-line control system; VISSIM; road green wave control technology; on-line control model

近年來，隨著我國城市化的推進，機動車保有量也快速增長，城市交通擁堵問題日益嚴重，交通問題已經嚴重影響城市發展，交通管理部門一方面對城市道路網絡進行優化，另一方面通過交叉口組織與管理來提升路網容量、緩解交通壓力，是目前提高道路服務水平的重要措施。城市交通干線往往承擔了大量的交通壓力，干線的交通暢行對緩解城市交通擁堵具有很大的幫助。目前城市道路中的大部分交叉口信號控制采用的是單點控制，部分采用線控的信號交叉口受流量數據來源單一的影響，數據準確度不夠，導致線控配時方案跟道路實際交通流量不匹配，反而增大了道路交通延誤，沒有發揮線控系統的優勢。

為了解決線控系統流量數據準確性問題，對多種流量數據采集方式進行分析，對不同采集方式獲取的數據進行融合處理，提高線控系統流量數據精度，確保線控系統最大程度緩解城市道路交通擁堵情況，減少停車等待次數，降低車輛平均延誤?；赩ISSIM仿真對平頂山市建設路實際案例進行分析，通過具體指標評價線控系統優化情況。

1" 交通多源信息采集與融合研究

1.1" 多源交通信息數據融合處理流程

多源交通數據融合是對來自不同傳感器的數據進行綜合處理，從而得到的交通流信息比單個傳感器獲取的更全面、精準。如圖1所示。

1.2" 多源數據采集技術

1.2.1" 獨立采集方式下的多源數據獲取技術

獨立采集方式下的數據采集設備是指能夠通過信息檢測獲取車輛數據的一系列傳感器，主要分為電磁、波頻和視頻3種類型。

1）電磁檢測。電磁檢測是根據電磁感應的相關原理，當車輛經過時，傳感器內的電流就會產生較大幅度上升，當電流上升到預定值的時候，就會引發記錄，對通過的車輛數和時間進行記錄。在進行動態交通流信息采集的時候，使用的電磁檢測采集設備包括線圈傳感器和地磁傳感器，最常用的采集設備是線圈傳感器。

2）波頻檢測。微波傳感器和紅外線傳感器是當前使用最多的2種波頻檢測設備。微波檢測的原理是通過向路面發射微波，然后反射回來，進而完成對交通流量、車輛行駛速度、車輛長度等交通數據的采集。紅外線檢測可以分為主動式檢測和被動式檢測2種，主動式檢測器是通過向路面發射低能量的紅外線，然后反射回來，進而完成交通數據的采集。被動式檢測器的檢測方式跟主動式不同，檢測器本身不會發射紅外線，只是接收來自道路設施和通過車輛發射的紅外線來完成對車輛信息的檢測。

3）視頻檢測。視頻檢測設備在智能交通系統中較為常用，比如對通行的車輛信息、交通設施占用信息等數據進行提取，目前的圖像信息提取方法有背景差分法、光留法和幀間差分法。幀間差分法是通過對連續的2個幀之間的圖像進行差分來判斷通過車輛，該類算法相對簡單，運算速度較快，適應能力較強，但不適用于通行速度緩慢或停止不動的車輛檢測。

1.2.2" 協同采集方式下的多源信息獲取技術

協同式信息采集方式指的是車輛的數據采集設備與路上的數據采集系統產生信息交互，主要包括GPS采集技術、RFID采集技術和手機信令采集技術。

1）GPS數據采集技術。該技術主要是通過按照在車上的GPS接收器來獲取車輛運行速度、車輛行駛位置等信息。通過在大多數車上安裝GPS接收設備，便可獲取大面積區域路網信息，安裝了GPS接收器的車輛統稱為浮動車，通常是利用出租車GPS接收器來進行數據采集。這種采集技術的主要缺陷在于容易受高大建筑物遮擋，影響衛星信號接收，從而導致定位精度下降。

2）RFID數據采集技術。RFID檢測技術采用的是無線射頻原理，通過安裝在路側的接收設備，當車輛通過時，掃描車上的射頻標簽，獲取車輛信息。在智能交通應用方案中，RFID射頻技術主要應用于貨物跟蹤、道路電子收費、貨物識別等方面。

3）手機信令數據采集技術。手機信令數據是伴隨手機用戶在通話、發送短信和位置移動過程中，被通信運營商通過基站獲取的信令軌跡數據，通過脫敏、脫密、擴樣之后，可進行居民出行偏好、出行軌跡、空間布局等研究，手機信令數據覆蓋面廣，只要用戶開啟手機便可捕獲出行信息，但是也存在數據量大、運算量大、運算時間長等劣勢。

1.3" 多源數據融合技術

1.3.1" 二級數據融合模式

二級數據融合模式指的是在實際應用過程中，多源數據自動融合無法真實有效反映路段交通運行情況的時候，需要人工參與校對。

1）第一級——多源數據的自動融合。數據自動融合模式指的是通過數據處理程序和算法計算，實現對線圈檢測數據（交通量、占有率、運行速度）、微波檢測數據（交通量、占有率、運行速度）、射頻數據（行程時間、行程速度）、地磁檢測數據（交通量、占有率、運行速度）、卡口采集數據（交通量、占有率）和GPS數據（交通量、占有率、運行速度）等融合分析，判定道路交通運行狀態。

2）第二級——自動融合和人工管控互補性融合。在有些道路交通條件受限制的路段，如彎道、坡道等，自動融合效果不理想的情況下，需要人工參與輔助，通過自動監控與人工輔助的結合，提高數據精度。

1.3.2" 動態權值調整機制

多源數據融合的結果是通過對不同采集方式獲取的數據進行加權輸出，以此判斷道路交通運行狀態，把從不同采集方式獲取的數據輸入道路交通狀態評價模型，參考上一個時間段道路交通狀態評估數據對各方式的權重進行動態調整，然后進行數據融合，進而通過人工校對、與歷史數據進行對比，來實現道路交通狀態評價異常數據的反饋，進而實現權重的動態調整，以確保道路交通數據評估的準確性。

1.3.3" 數據融合模型

1）融合算法模型介紹。對每5 min采集的車輛點速度數據進行預處理，計算得到平均車速，針對采集數據不夠的路段，通過歷史數據或相鄰時段內采集的交通數據進行補充，確保樣本量充足。

2）多源數據融合算法模型構建。多源交通數據融合，指的是對2種以上采集方式獲取數據進行融合處理的方式

式中：q（t）為t時段內融合后的車流量數據，t取15 min作為統計時段；wi（t）為采用第i種數據采集方式的權重值；qi（t）為采用第i種數據采集方式獲得的車流量數據。

同時引入動態誤差反比例方法作為反饋控制信號，來實現多源數據權值的動態調整和分配功能。

并對上式進行歸一化處理，如下式

2" 道路流量線控模型研究

2.1" 基于數解法的綠波控制模型

2.1.1" 計算道路各個交叉口周期

結合現場調研了解的主干道上每一個信號控制交叉口的渠化設計方案、信號控制方案、交通流量等信息，計算每個交叉口單點信號控制方案，得出其需要的信號周期時間T1、T2、T3……Ti。

2.1.2" 確定系統備選公共周期

將周期時間最大的信號控制交叉口定義為關鍵交叉口，并將此周期時間作為干道綠波控制系統備選公共周期時間

式中：Tm為綠波控制系統備選公共周期時間（s）；Ti為綠波控制系統中交叉口i的周期時間（s）。

2.1.3" 確定理想交叉口間距范圍

通過系統備選公共周期Tm和主干道平均車速V，利用相位差L=VTm/2算出理想信號位置的距離，將相位差的數值在允許的范圍內上下波動10 m，則可計算出理想交叉口間距c的范圍區間為

2.1.4" 確定最佳理想交叉口間距值與線控系統最大挪移量

將實際信號位置與理想信號位置的挪移量，按照從小到大的順序計算出各相鄰挪移量之差，并將此差值的最大值記入b列，以此類推計算所有的（-10）—（+10）范圍內的b值。通過計算[b1，b2，…，b10]最大值對應的a值為交叉口間的最小挪移量，（a-b）的一半為實際信號距離理想信號的最大挪移量，并用取得最大值的前一個交叉口向前挪，確定實際交叉口跟理想信號位置的距離關系圖，a是最佳理想交叉口間距。

2.1.5" 確定最終選用的最佳公共周期

通過上一步計算的最佳理想交叉口間距a和干道評價車速V，便可計算系統最佳公共周期C，C=。

2.1.6" 確定線控系統中各交叉口各相位綠信比

關鍵交叉口協調相位的綠信比λ=，tegm為線控系統中協調相位的最小綠燈時間（s）

非關鍵交叉口非協調相位的綠信比λ=，tegn非關鍵交叉口非協調相位中第n相的最小有效綠燈時間（s）

2.1.7" 計算綠波帶

計算各交叉口協調相位有效綠信比λei=λi-Δλi，綠波帶帶寬為

式中：λLe為處于理想信號交叉口左邊的實際交叉口的最小有效綠信比；λRe為處于理想信號交叉口右邊的實際交叉口的最小有效綠信比。

2.1.8" 判斷協調相位雙向流量是否平衡

若平衡，則相位差優化結束，否則進行下一步優化。

3" 實際項目應用

平頂山市建設路作為湛河以北、橫貫平頂山市東西向主要干道，交通壓力日益增加，交通擁堵頻發，嚴重影響了平頂山市居民的交通通勤，如何緩解其交通擁堵、提升出行效率成了當務之急。

建設路中段6.5 km，共與5條主干路、7條次干路和4條支路，形成16個交叉口，平均間距400 m。

建設路道路交叉口流量數據采集方式包括視頻采集和線圈采集2種方式，通過2種方式獲取數據的融合處理得到交叉口的流量數據。見表1。

通過對建設路研究路段6個交叉口統一進行信號聯動控制仿真。Synchro仿真軟件確定凌云路-建設路交叉口為關鍵交叉口，其最優周期長為116 s。采用未鎖定關鍵交叉口信控數據，6個交叉口統一進行信號聯動控制優化的方法（關鍵交叉口周期長、相位方案等信控數據在優化中同樣進行改變），得出其時空距離圖如圖2所示。

提取軟件生成的部分綠波參數見表2。

通過VISSIM仿真評價得到各個交叉口的評價數據（見表3），通過多源線控系統優化后，沿線交叉口延誤普遍降低，其中變化最明顯的是新華路-建設路交叉口，延誤由之前的89 s降低至52 s，服務水平由F級提升至D級。

4" 結論

通過采集多種設備數據進行融合分析，提高道路交通流量數據準確度，并將融合后的流量數據輸入線控系統中，獲取道路最優線控方案，有效提高道路交通運行效率，降低路段交通延誤。以平頂山建設路為例，在詳細調查的基礎上，分析建設路交通擁堵的原因，又用VISSIM深入仿真研究擁堵的本質，并根據研究的成果提出改善意見，配合實際路段的調查數據進行VISSIM仿真，通過對比干道綠波控制技術實施前后的評價指標，說明基于多源數據融合的干道綠波控制技術是科學、有效的。

參考文獻：

[1] 曹永軍，李麗麗，呂振林，等.多源交通信息采集、處理與發布系統研究[J].應用技術，2011，32（1）：22-26.

[2] 宋鴻，陳寧，彭建國，等.多源交通信息融合技術在重慶市智能交通誘導系統中的應用研究[J].交通工程，2013（1）：91-95.

[3] 施小春，葉加圣.基于FCD技術的道路交通信息采集與服務系統[J].安徽科技，2007（8）：46-47.

[4] 霍卓群，周琳.基于GPS浮動車的交通信息采集系統研究[J].南陽理工學院學報，2012，4（2）：20-23.