山地城市商圈環道信號協同控制方法

中圖分類號：U491.4 文獻標碼：A

本文引用格式：，等.山地城市商圈環道信號協同控制方法[J].華東交通大學學報，2025，42（3）：48-56.

Signal Collaborative Control Method for Ring Roads in Business District of Mountainous City

ChenYang'，XueKaixuan2，LiZimu'，CaiXiaoyu3，ZhuWenbo4 （1.SchoolofspotionogingJotongUesityogingo4，ina;Yuantteoghie andTechnologyug0，ia;3.hlrtCityogigotngUersityogga;4. Wester China Science City Innovation CenterofIntelligentand Connected Vehicles，Chongqing 40o039，China）

Abstract：The ring roads in mountainous city business districts are prone to congestion due to numerous intersections and fluctuating trafic flows.To address this，a cooperative signal control method for managing ring roads entrances and exits is proposed.Road and trafic characteristics were extracted using high-altitude video，checkpointdata，and Internet-based datasets.The control objectives include maximizing vehicle throughput，minimizing entrance queue lengths，and reducing downstream congestion at exit intersections.The optimization model is constrained by signal control parameters，queue lengths，and overall ring roads density.The standard NSGA-ⅡI algorithm was improved in operator design and population size configuration. A MATLAB-VISSIM simulation platform was developed for joint simulation.A case study of the Guanyinqiao business district ring roads in Chongqing was conducted.Results show that，compared to the original scheme，the optimized strategy increases ring roads capacity by 8.9% during peak hours， reduces entrance lane queue length by 31.7% ，and decreases exit lane queue length by 15.0% .These findings validate the effectiveness of the proposed multi-objective optimization and cooperative signal control method.By enhancing coordination among multiple intersections，this approach provides valuable guidance for alleviating regional traffic congestion during peak hours.

Key words：traic engineering;signal cooperative control; multi-objective optimization; ring roads in business districts of mountainous city; NSGA-II algorithm

Citation format：CHENY， XUE K X，LI Z M，et al.Signal collaborative control method for ring roads in business district of mountainous city[J].JournalofEast China Jiaotong University，2025，42（3）： 48-56.

山地城市商圈集商業、商務、住宅于一體，人流車流密集。對環道出入口交通特性實施信號協同控制，以提升路網通行能力，已成為研究熱點。在信號控制場景下，要達到整體路網運行效率的提高需對多交叉口進行信號協同控制[13]。龍瓊等提出一種融合交通管理策略的多交叉口信號協同控制優化模型及其算法。Wang等提出一種自適應道路交叉口信號協同控制模型，實現了對多個交叉口交通流的高效調控。馬成元等等提出一種兼顧多交叉口協同效益和單交叉口控制優化的路網信號配時設計方法。Huo等等針對多交叉通信號的協同控制問題，建立了一種新型的端到端學習模型。

對于環道這種特殊場景下的信號控制，蔣賢才等建立了環道交通信號與進口道交通信號協調控制的環形交叉口信號控制方法。陳曉利等針對城市環道交通信號控制問題，提出環道交叉口協調控制方法。Stupin等[針對環道及環道內交通信號燈，提出協同控制策略，改善流量同時最大化環道路口交通量來優化環道系統容量。

學者多采用多目標優化方法解決城市道路交通信號協同控制問題[1]。Kim等[12]在深入研究基于Webster提出的最小化延誤的停止補償系數時，構建了雙目標信號配時模型。鄭喆等[13]考慮了進出口車道數、主預信號綠燈時長、排序區長度等約束條件建立了多目標信號控制協同優化模型。Zhang等[14考慮交叉口的通行能力、延誤和廢氣排放指標作為約束條件，建立了信號配時的多目標優化模型。Ma等[15]以過飽和相位數和平均車輛延遲分別作為主要目標和次要目標，構建了一種層次化多目標優化模型。在多目標優化算法求解方面。陳小紅等[運用遺傳算法求解建立的交叉口信號配時多目標優化模型。Jovanovic等[利用超啟發式蜂群優化算法（BCO）求解多目標優化模型。Pang等[1修改NSGA-ⅡI中的目標值來補救顯性抗解的負面影響，實驗結果表明，改進的NSGA-II在多目標測試問題上效果很好。綜上所述，現有信號協同控制多目標優化研究主要針對一般城市場景，而山地城市商圈環道因地形復雜、流量動態性強及交叉口交互復雜，現有方法適用性受限。此外，現有模型對目標權重分析不足，限制了控制效果和實際應用。本文針對山地商圈環道，提出山地城市商圈環道多目標信號協同優化模型，采用改進NSGA-I算法，并通過MATLAB-VISSIM仿真驗證，彌補現有研究的不足。

1數據采集與處理

1.1 高空視頻數據

提取重慶市觀音橋環道區域路網2021年11月一12月的高空視頻數據，主要包括高空球機監控與高空全景監控。

1.2 視頻卡口數據

提取2021年11月—12月觀音橋環道視頻卡口數據，共22個卡口，實現環道主要進出口全覆蓋，全面監測機動車流量。表1為處理后卡口數據示例。

1.3 互聯網數據

從高德智慧交通公共服務平臺獲取2021年11月—12月，以 10min 為間隔的擁堵延時指數與路段平均速度數據。

2 特性分析

2.1山地城市商圈環道道路特性分析

1）環道路網特征分析。

環狀路網主干道較長，具備高效中轉能力，但次級道路占比低，易在交匯節點形成瓶頸，影響交通疏散，成為潛在擁堵點。

2）商圈環道出入口特征性分析。

① 環道各出入口間距小。受地形限制，環道出入口間距緊湊，有利于商圈內外交通高效流動。

② 道路等級不均衡。部分出入口連接主干道，部分連接次級道路，導致環道部分路段擁堵、部分暢通，整體負載分布不均。

2.2山地城市商圈環道交通運行特性分析

1）環道出入口交通特性分析。

交通流量方面，早晚高峰環道流量較高，晚高峰略高于早高峰，平峰時段雖下降但差異不大。OD方面，環道流量較大的OD對沿環道行駛方向分布，出口流量主要來源于上游相鄰入口。

2）環道斷面交通運行特性分析。

根據環道出入口位置將環道分為7個區段，具體區段分布如圖1所示。

環道出入口特性與進出流量差異較大，導致負載不均衡，部分區段擁堵嚴重，部分區段通行順暢。

以高德擁堵延時指數TPI為自變量，時刻在網車 N 為因變量，基于觀音橋商圈環道歷史數據，采用趨勢線擬合建立量化模型。多種擬合分布中，對數擬合精度最高（決定系數 R² 最大），具體模型見式（1），擬合情況見表2。

式中： N 為時刻在網車； a，b 為固定參數（與選定的路網特性有關）。

3商圈環道多目標信號協同控制優化模型 構建

3.1 商圈環道總體信號控制策略

根據環道內的時刻在網車輛數、進環通道的排隊長度以及出環通道下游交叉口的排隊長度，設計了一種考慮環道入口車輛排隊長度與環道出口下游交叉口車輛排隊長度的多目標信號協同控制策略。信號協同控制原理如圖2所示。

3.2信號協同控制多目標優化模型構建

基于商圈環道通過的車輛數最大、各進環通道排隊長度最小、各出環通道下游交叉口排隊長度最小的目標，構建多目標的函數模型。

3.2.1 控制目標

1）商圈環道通過的車輛數最大。

時段內環道通過的車輛數最大化作為優化目標之一，時段內環道通過的車輛數計算如下

式中： Q_λ 為 λ 時段環道通過的車輛數； χ_t 時刻為 λ 統計時段的初始時刻； Q_t 為 t 時刻環道時刻在網車輛數； qe_λⁱ 為 λ 時段環道入口 i 的進環車輛數； S_i 為環道入口 i 的飽和流率； g_i 為一個周期內環道入口i 處信號燈的有效綠燈時長； C_i 為入口 i 的信號周期時長； f_i 為入口 i 實際進環流量的折減系數； n 為環道入口個數，此處取7。

2）環道各進環通道車輛排隊長度最小。

結合實際運行情況建立進環通道排隊模型預測車輛排隊長度，并優化信號配時。

環道各進環通道車輛排隊長度計算公式如下

qr_λⁱ=λ×qa_i

式中： $L P _ { ＼tplus }$ 為 t+λ 時刻環道各進環通道排隊車輛數之和； lp_t+λⁱ 為 t+λ 時刻進環通道 i 的排隊車輛數； lp_tⁱ 為 t 時刻進環通道 i 的排隊車輛數； qr_λⁱ 為 λ 時段到達環道入口 i 上游的車輛數； qa_i 為環道入口 i 上游的車輛到達率。

3）環道各出環通道下游交叉口車輛排隊長度最小。

考慮各出環通道的實際運行情況，建立各出環通道的排隊模型來預估出環通道下游交叉口的實際車輛排隊長度，并根據該排隊模型對各出環通道下游交叉口的綠信比進行優化。

出環通道下游交叉口車輛排隊長度的計算公式如下

ql_λⁱ=c_i×γ_i×F_i

qo_λⁱ=λ×ε_i×qw_λⁱ

式中： LO_t+λ 為 t+λ 時刻環道各出環通道下游交叉口排隊車輛數之和； lo_t+λⁱ 為 t+λ 時刻環道出口 i 下游交叉口的排隊車輛數； lo_tⁱ 為 t 時刻環道出口 i 下游交叉口的排隊車輛數； ql_λⁱ 為 λ 時段從出環通道 i 下游交叉口沿出環方向離開的車輛數； qo_λⁱ 為 λ 時段環道出口 i 的出環車輛數； c_i 為出環通道 i 下游交叉口沿出環方向的通行能力； γ_i 為出環通道 i 下游交叉口沿出環方向的綠信比； F_i 為出口 i 下游交叉口沿出環方向實際流率的折減系數； ε_i 為從環道出口 i 銜接上游交織區駛向 i 出口的車輛數占該交織段通過車輛數的比例； qw_λⁱ 為 λ 時段內出口 i 銜接上游交織區通過車輛數； ρ_tⁱ 為 t 時刻出口 i 銜接上游交織區的車流密度； u_λⁱ 為 λ 時段出口 i 銜接上游交織區內車輛的平均運行速度； N_tⁱ 為 t 時刻出口i 銜接上游交織區的時刻在網車輛數； l_i 為出口 i 銜接上游交織區段的道路長度。

3.2.2 約束條件

為制定最優的信號配時方案，需針對環道入口及下游交叉口的實際交通狀況設定約束條件

1）信號控制參數約束。

① 信號周期。多目標優化模型中一個完整的信號周期限定條件如下

C_min?C_i?C_max

式中： C_min 為環道出入口信號燈的最小周期時間，s;

C_max 為環道出入口信號燈的最大周期時間，s。

② 綠燈時長。各進環入口綠燈時間的限定條件如下

g_i，min?g_i?g_i，max

式中： g_i，min 為環道第 i 入口信號燈的最少綠燈時間，s； g_i，max 為環道第 i 入口信號燈的最多綠燈時間，s。

2）進出環通道排隊空間約束。

多目標優化模型關于進出環通道的車輛排隊長度約束條件如下

l_i?l_i，max

L_i?L_i，max

式中： Φ_li 為進環通道 i 的車輛排隊長度； L_i 為出環通道 i 的車輛排隊長度； l_i，max 為進環通道 i 的最大

允許接受車輛排隊長度，根據道路實際情況而定；L_i，max 為出環通道 i 的最大允許接受車輛排隊長度，道路實際情況而定。

3）環道整體區段密度約束。

通過以環道區段密度為約束調節人口車流量，使其逼近最佳臨界密度，從而提升通行效率。環道整體區段密度的計算公式如下

式中： K_t 為 t 時刻環道整體區段的密度； N_t^j 為 t 時刻環道整體區段的時刻在網車輛數； TPI_t^j 為 t 時刻交織區 j 的擁堵延時指數； l 為整個環道的長度；a_j，b_j 為環道 j 交織區段時刻在網車輛數與擁堵延時指數對數擬合的參數。

關于環道整體區段密度約束的計算公式如下

K_t?K_t，max

3.3數值求解方法

從新的初始化種群、動態調整種群規模、概率選擇算子、自適應交叉算子等方面對標準NSGA-I算法進行改進完成模型的求解。

本文采用模糊集合理論對上述NSGA-I改進算法所得到的Pareto解進行選優。定義隸屬度函數和支配函數見式（16）式（17）。

式中： f_x^min 為解集中第 x 目標的最小值； f_x^max 為解集中第 x 目標的最大值； f_x^y 為第 y 個解中第 x 個目標的當前值； S_x^y 為第 y 個解中第 x 個目標的隸屬度值； 為第 Ψ_a 個解的支配值； l 為解集中解的個數，由模型的優化結果得到。

改進NSGA-II算法求解商圈環道多目標信號協同控制優化模型詳細步驟如下所示。

Step1：輸入初始數據，包括各進出環流量、初始進出環通道排隊長度等數據。

Step2：參數設置，設置最大迭代次數 T ，所有個體數目為 N ， P₀ 的規模為 N₀=1.5N～2N ，概率選

擇算子的 η 。

Step3：隨機產生 N_o 個個體作為父代種群 P₀ ，令當前進化代數 t=0 ，對 P₀ 進行概率選擇和混合交叉，然后對其進行變異，生成 Q₀ 。

Step4：把父子代種群的所有個體組成新種群R_t ，即 R_t=P_t∪Q_t ，同時對 R_t 的每個個體賦予非支配序以及擁擠距離。

Step5：使用精英策略生成 P_t+1 ， P_t+1 個體是從R_t 中根據個體的非支配序以及擁擠距離選擇出來的。

Step6：判斷當前迭代次數 t 是否不小于最大迭代次數 T 如果是，計算非劣解集中各解的支配值，輸出支配值最大的Pareto解所對應的適應度值以及各出入口信號配時方案，算法結束；否則 t=t+1 ，并進入下一步判斷。

Step7：當算法迭代次數達到預設的閾值 a 后，每進行一次迭代，就選取前代的最優個體。隨后進行算法所處階段的判斷，若判斷已達算法尋優后期，則返回Step3繼續執行，否則進入下一步。

Step8：隨機產生 N 個種群，與父代種群 P_t+1 合并形成種群 P_r ，對新種群 P_r 進行快速非支配排序、精英策略，找出最優的 N 個個體，返回Step3。

4實例分析

4.1 實例概況

重慶市觀音橋商圈環道是重慶市交通網絡的重要樞紐，由8條匯集于此的主要道路以及7個環道出入口組成。建新北路、建新南路、建新東路、建新西路、建北一支路、建北二支路、小苑路、興塔路8條道路和 ① 建新西路一建新東路一建新南路、② 建新東路一觀音橋東環路、 ③ 建北一支路一觀音橋東環路、 ④ 興塔路一觀音橋東環路、 ⑤ 建新北路一觀音橋東環路、 ⑥ 建北二支路一觀音橋東環路—觀音橋西環路、 ⑦ 建新西路一小苑路—觀音橋西環路等7個交叉口組成的逆時針單向環道，環道總長 2.1km ，環道相鄰出入口之間的間距如表3所示。

4.2基于MATLAB-VISSIM的聯合仿真平臺搭建

MATLAB通過COM接口調用VISSIM運行仿真。實驗參數配置： ① 算法參數配置。設置算法的最大迭代次數為100，種群規模定為50，概率選擇算子 η=0.1 。并且環道路網交通的部分約束數據也進行統一設置： C_max=150s ， C_min=60s ， g_max=60s ，g_min=20s ② 仿真參數配置。各個出入口的車流量選取經卡口過車數據處理的真實環道出入口早高峰、平峰、晚高峰數據，車輛路徑規劃、車流分配按照實際出入口OD數據進行設置，在MATLAB中為上述商圈環道出入口信號協同控制模型及其優化算法編寫程序，設置仿真時長為 3600s 。

4.3 仿真結果分析

經多目標信號協同控制優化的觀音橋商圈環道信號燈會在研究時段內根據運行情況產生多套信號配時方案，展示其中一組優化前后信號配時方案，如下表4所示。

4.3.1環道路網整體交通運行效益評價

由圖3、圖4可知，在早晚高峰期間，協調控制后，各進出環通道排隊長度減少，通行效率提高。其中，早高峰環道通行能力提升 8.9% ，早高峰進環通道總排隊長度減少 31.7% ，出環通道總排隊長度減少15.0% ；晚高峰進出環通道總排隊長度分別減少16.9% 和 16.2% 。結果表明，經過本文方法協同控制之后，環道以及進出環通道的通行效率均有所提高。

4.3.2 環道出入口交通運行效益評價

對兩個時段環道各出入口的交通運行效益進行對比分析，主要包括各進出環通道的排隊長度優化情況，圖5、圖6分別為早高峰、晚高峰環道各出入口交通運行效益對比圖。

由圖5可知，早高峰時段建新東路、建新西路、建新南路等進環通道及建新北路、建北二支路等出環通道排隊較長，反映出較大交通需求。采用本文信號協同控制方法后，這些通道排隊長度明顯減少，交通流動性提升。例如，建新東路進環通道排隊長度由最高約 150m 降至 80m ，優化效果顯著。

由圖6可知，晚高峰時段，進環通道（如建新東路、建新南路）和出環通道（如建新北路、建北二支路）的排隊長度顯著增加，接近環道路網設計飽和流量。本文信號協同控制方法實施后，雖優化效果不及早高峰，但排隊長度仍有所減少，交通流動性得以提升。

5 結論

1）通過多源數據分析環道交通特性，量化擁堵指數與在網車輛數關系，為信號協同控制提供依據。2）構建基于多目標優化的信號協同控制模型，優化環道通行能力及進出環通道排隊長度，并采用改進NSGA-II算法求解。3）仿真結果表明，該方法相比原方案使早高峰環道通行能力提升 8.9% ，進環通道總排隊長度減少31.7% ，出環通道總排隊長度減少 15.0% ，驗證了方法的有效性。

參考文獻：

[1]NGKM，REAZM，MOHDALI MA.Model-based controlstrategy foroversaturated trafficregimesbasedonthe LWR-IMtraffic model[J]. IET Intelligent Transport Systems，2019，13（5）：896-904.

[2]鄧明君，胡辛瑕，李響，等.基于車速引導和感應控制的 干線協調優化方法[J].系統仿真學報，2024，36（6）： 1309-1321. DENGMJ，HUXX，LIX，etal.Arterial coordination optimization method based on vehicle speed guidance and inductive control[J]. Journal of System Simulation， 2024，36（6）：1309-1321.

[3]曹悅.面向系統最優狀態的區域交通信號協同控制策

略[D].西安：長安大學，2023. CAOY.Regionalcoordinated traffic signal control strategy for system optimal state[D].Xi'an： Chang'an University，2023.

[4]龍瓊，胡列格，張謹帆，等.考慮交通管理策略的交叉口 信號控制多目標優化[J].中南大學學報（自然科學版）， 2014，45（7）： 2503-2508. LONG Q， HU L G， ZHANG JF， et al. Multi-objective optimization based on traffic management strategy for intersection signal controlling[J]. Journal of Central South University （Scienceand Technology），2014，45（7）：2503- 2508.

[5] WANG T， CAO JH， HUSSAIN A.Adaptive traffic signal control for large- scale scenario with cooperative groupbasedmulti-agent reinforcement learning[J].Transportation Research Part C： Emerging Technologies，2021，125： 103046.

[6]馬成元，朱際宸，賴金濤，等.基于群體決策的多交叉口 協同控制方法[J].交通運輸工程學報，2022，22（3）：152- 161. MACY，ZHUJC，LAIJT，etal.Multi-intersectioncoordinated control method based on group decision-making[J]. Journal of Traffic and Transportation Engineering， 2022， 22（3）：152-161.

[7]HUO Y S， TAO Q H， HU J M. Cooperative control for multi-intersection traffic signal based on deepreinforce2020，8：199573-199585.

[8] 蔣賢才，張龍洋，高蘇.環形交叉口待行區設置與信號控 制方法[J].中國公路學報，2020，33（5）：143-152. JIANG X C，ZHANG LY，GAO S.Design and signal control method for waiting areas of round about[J]. China Journal of Highway and Transport，2020，33（5）： 143-152.

[9]陳曉利，韓鋒斌.基于多智能體的城市環道交通信號控 制算法[J].重慶大學學報，2021，44（1）：37-45. CHEN XL，HANFB.An urban ring road traffic signal controlalgorithm based on multi-agents[J]. Journal ofChongqing University，2021，44（1）： 37-45.

[10] STUPIN A，KAZAKOVTSEV L， STUPINA A.Control of traffic congestion by improving the rings and optimizing the phase lengths of traffic lights with the help of anylogic[J]. Transportation Research Procedia，2022，63：1104- 1113.

[11] ADRIANA S M， LAURENT D， MAURICIO C. Multi-objective traffic signal optimization using 3D mesoscopic simulation and evolutionary algorithms[J]. Simulation Modelling Practice and Theory，2018，86： 120-138.

[12] KIM K O，RILETT LR.2001 IEEE Intelligent Transportation Systems Proceedings，August 25-29，2001[C]. Oakland： IEEE，2001.

[13]鄭喆，袁見，安琨，等.排陣式交叉口車道功能-信號控制 協同優化及效益分析[J].中國公路學報，2023，36（10）： 238-250. ZHENG Z， YUAN J，AN K， et al. Integrated optimization model of lane function and signal control for tandem intersections[J]. China Journal of Highway and Transport， 2023，36（10）： 238-250.

[14] ZHANG X H， FAN X M， YU S Y， et al. Intersection signal timing optimization： a multi-objective evolutionary algorithm[J]. Sustainability，2022，14（3）：1506.

[15] MAWJ，WANLJ，YUCH， etal.Multi-objective optimization of traffic signals based on vehicle trajectory data at isolated intersections[J].Transportation Research Part C： Emerging Technologies，2020，120：102821.

[16]陳小紅，錢大琳，石冬花.基于慢行交通的交叉口信號配 時多目標優化模型[J].交通運輸系統工程與信息， 2011，11（2）： 106-111. CHEN XH，QIANDL， SHI D H. Multi-objective optimization of signal timing forthe non-motorized transport atinterseition[J]. Journal of Transpovtation systems Engineering and Information Technology，2011，11（2）：106-111.

[17] JOVANOVIC A， TEODOROVIC D. Multi-objective optimization of a single intersection[J].Transportation Planning and Technology，2021，44（2）：139-159.

[18]PANGLM，ISHIBUCHIH，SHANGK.NSGA-II with simple modification workswell on awide variety of manyobjective problems[J].IEEE Access，2020，8：190240- 190250.

[19]ASLANIM，MESGARIMS，WIERINGM.Adaptive trafficsignal control with actor-critic methods inareal-world trafficnetwork with different traffic disruption events[J]. Transportation Research Part C：Emerging Technologies， 2017，85：732-752.

第一作者：陳洋 （2000-） ，男，碩士研究生，研究方向為交通管理與控制。E-mail：622220110017@mails.cqjtu.edu.cn。

通信作者：李子木（1997一），男，博士研究生，研究方向為交通管理與控制。E-mail：611220110005@mails.cqjtu.edu.cn。

（責任編輯：熊玲玲）