城市交通干線相鄰交叉口動態(tài)綠波控制優(yōu)化技術(shù)

曹交交，韓印*，姚佼

(上海理工大學(xué) 管理學(xué)院，上海 200093)

摘要：針對現(xiàn)狀城市交通干線協(xié)調(diào)控制無法適應(yīng)交通流隨機(jī)性和不確定性的問題，首先，通過對交通干線系統(tǒng)的描述以及基于交通流的到達(dá)情況，在滿足基本配時約束的前提下，建立了以控制周期內(nèi)干線方向相鄰交叉口上行和下行相位差與理論相位差之間的誤差最小為目標(biāo)的交通干線信號動態(tài)優(yōu)化控制模型，其次，采用遺傳算法對模型進(jìn)行求解，從而得出交通信號相位的動態(tài)配時方案，實現(xiàn)城市交通干線動態(tài)綠波控制，避免了交通擁擠和堵塞。最后，以常州市主干路星港路沿線兩個相鄰交叉口為研究對象，在動態(tài)的交通需求模式下對文中方法和傳統(tǒng)的定時協(xié)調(diào)控制方法進(jìn)行了比較，結(jié)果表明，本文提出的控制方案實際有效綠波帶寬增加27.2%，主干方向車輛總延誤減少14.5%，是進(jìn)行城市交通干線控制有效且實用的方法。

關(guān)鍵詞：交通工程；交通干線；信號優(yōu)化；雙向綠波；遺傳算法

中圖分類號：S 773；U 491

文獻(xiàn)標(biāo)識碼：A

文章編號：1001-005X(2015)02-0159-05

Abstract：Aiming at the problem of the timing signal coordination control that cannot adapt to the randomness and uncertainty of traffic flow，first of all，through the description of the traffic system and based on the situation of the arrival traffic flow，the traffic signal dynamic optimization control model are designed with the goal of minimizing the error between the up-run offset，down-run offset and theory phase offset for neighboring intersections during the control cycle on the premise of meeting the basic timing constraints.Second，the optimal solution is obtained using genetic algorithm，then the dynamic distributing time for traffic signal phases and two-direction green wave signal control is realized and traffic congestion is avoided.Finally，two neighboring intersections on Xinggang Road in Changzhou city are used as examples，and comparisons are made between the method proposed in this paper and traditional timing coordinated control methods under the dynamic traffic demand.The results indicate that the model can increase the effective green-wave band-width by 27.2%，and decrease the total arterial delay by 14.5%，which is an effective and practical method.

Keywords：traffic engineering；traffic arterial roads；signal timings optimization；two-direction green wave；genetic algorithm

收稿日期：2014-10-16

基金項目：國家自然科學(xué)基金資助項目(60974093)；上海市一流學(xué)科項目資助(S1201YLXK)；上海高校青年教師培養(yǎng)資助計劃(slg12009)；同濟(jì)大學(xué)道路與交通工程教育部重點實驗室開放基金課題(K201303，K201208)

作者簡介：第一曹交交，碩士研究生。研究方向：智能交通控制。

通訊作者：*韓印，博士，教授。研究方向：智能交通控制。E-mail:hanyin2000@126.com

Dynamic Green Wave Control Optimization Techniquefor Neighboring Intersections on Traffic Arterial Roads

Cao Jiaojiao，Han Yin*，Yao Jiao

(Business School，University of Shanghai for Science and Technology，Shanghai 200093)

引文格式：曹交交，韓印，姚佼.城市交通干線相鄰交叉口動態(tài)綠波控制優(yōu)化技術(shù)[J].森林工程，2015，31(2)：159-163.

隨著城市機(jī)動化的迅速發(fā)展，交通問題日益嚴(yán)重，相應(yīng)的交通控制的主要研究方向也轉(zhuǎn)向系統(tǒng)控制即線控和面控，城市干線綠波控制是城市交通協(xié)調(diào)控制中應(yīng)用廣泛的一種控制方式，該控制方式可以有效減少干線上車流的交通延誤和停車率，對改善整個交通狀況具有重要意義，目前受到了交通參與者、工程設(shè)計師及專家學(xué)者的普遍重視。

干道雙向綠波協(xié)調(diào)控制信號配時優(yōu)化方法由Morgan J.T.與 Little J.D.C[1]于1981年提出，其建立了最大綠波帶寬的混合整數(shù)線性規(guī)劃模型—MAXBAND 模型；Gartner等[2]在MAXBAND方法的基礎(chǔ)上提出了復(fù)合綠波帶寬的MULTIBAND模型，適應(yīng)了交通信號控制實時性的要求。在國內(nèi)，王俊剛等[3]建立了以綠波帶寬度為目標(biāo)函數(shù)、以時差為決策變量的變帶速干線協(xié)調(diào)控制的數(shù)學(xué)模型，大大提高了綠波控制的效率。盧凱等[4]通過引入綠波帶寬分配影響因子與帶寬需求比例系數(shù)，構(gòu)造了一種新的綠波協(xié)調(diào)控制模型性能指標(biāo)函數(shù)通式，針對MAXBAND(MULTIBAND)模型與通用雙向綠波協(xié)調(diào)控制模型，分別建立了面向雙向不同帶寬需求的最大綠波協(xié)調(diào)控制優(yōu)化模型，并對是否可以獲得雙向綠波帶寬的兩種情況，比較了控制模型改進(jìn)前后的設(shè)計效果。

本文將針對動態(tài)雙向綠波控制的特點，結(jié)合實際的交通流狀況，提出了一種新的城市交通干線動態(tài)雙向綠波優(yōu)化協(xié)調(diào)控制方案，并通過算例分析驗證該方案的有效性與實用性。

1問題描述

MAXBAND算法采用Little建立的混合整數(shù)規(guī)劃模型通過對公共周期、綠信比、最佳速度、相位差以及相序方案等因子進(jìn)行優(yōu)化以獲得最大帶寬。Gartner等人提出的MULTIBAND模型，這種方法根據(jù)路段上的流量計算出與交通流量相適應(yīng)的帶寬，可以得到最大帶寬的干道協(xié)調(diào)效果，增大相鄰交叉口間的協(xié)調(diào)率。值得注意的是這些算法都是以求取最大綠波帶寬度為主要優(yōu)化目標(biāo)，首先，模型中忽略了左轉(zhuǎn)交通流的影響，設(shè)計者考慮到交通干線負(fù)荷較大，假定不存在左轉(zhuǎn)綠燈，這與實際的交通需求不符；其次，對于排隊長度的動態(tài)變化對綠波控制的影響亦考慮不足，造成實際應(yīng)用中的效果不甚理想；最后，由于雙向綠波控制的實現(xiàn)需要相對苛刻的條件，許多研究者都集中于實現(xiàn)單向綠波，降低了城市干道的服務(wù)水平?；诖吮疚耐ㄟ^對左轉(zhuǎn)相位的優(yōu)化以及構(gòu)建動態(tài)的雙向綠波控制相位差優(yōu)化模型并通過仿真算例得到優(yōu)化效果。

2模型構(gòu)建

2.1　基本假設(shè)

干道動態(tài)綠波控制主要應(yīng)用于低飽和度，交叉口間距適中的情況下，其根本原因是要求車流在交叉口間行駛時能夠保證有穩(wěn)定的平均速度，避免由于車流量太大或車流離散度太大導(dǎo)致車速的降低。因此需要假設(shè)。

(1)非機(jī)動車跟隨交通信號控制通行，人為的或其他非機(jī)動車輛的干擾忽略不計。

(2)干線的每個交通控制信號周期中的相序和相位數(shù)量是確定不變的。

(3)路口各車流分為左轉(zhuǎn)、直行和右轉(zhuǎn)3股車流，右轉(zhuǎn)車輛不受信號相位的單獨控制，在確定的某一時段里，轉(zhuǎn)彎車流的比率固定且轉(zhuǎn)向選擇服從泊松分布。

(4)相鄰的兩路口有一定距離，一般情況下都是假定在800 m左右，當(dāng)兩個交叉口較近同時車流量較大時，可把兩交叉路口視為一個交叉口。

2.2　干線系統(tǒng)基本描述

假定某城市交通干線有m個交叉口，本文考慮由東向西方向的兩個相鄰交叉口n和n+1，東西向道路為主干道，南北向道路為支路dn，n+1，表示交叉口n和交叉口n+1之間的距離，選擇典型的十字路口，每個方向有直行、左轉(zhuǎn)、右轉(zhuǎn)車道，每個車道都埋設(shè)有兩個感應(yīng)線圈，同一車道前、后兩個環(huán)形線圈相距80~300 m，可檢測車流量及排隊長度，每個路口的紅綠燈以三相位控制為例，如圖1所示。

圖1　相位設(shè)置 Fig.1 Phase setting

2.3　最佳公共信號周期與綠信比的確定

在城市交通干線綠波控制系統(tǒng)中，為了使聯(lián)動交叉口的交通信號取得協(xié)調(diào)，首先需要保障聯(lián)動交叉口各個交叉口信號周期時長相等，即獲得公共信號周期，通常聯(lián)動交叉口選取關(guān)鍵交叉口信號周期時長作為公共信號周期，而對于少數(shù)交叉口，也可采用不同的周期，但必須與共同周期成倍數(shù)關(guān)系，本文研究的干線交叉口采用關(guān)鍵交叉口所需的最佳周期長度，關(guān)鍵交叉口信號所需周期co的確定是以車輛總延誤時間最小為前提的，采用Webster提出的車輛平均延誤時間的計算方法：

(1)

式中：cn為交叉口n的周期時長，s；L為一個信號周期內(nèi)的損失時間，其包括黃燈時間和相位的綠燈損失時間，s；Y為周期內(nèi)所有相位的關(guān)鍵車道組的流率比之和。

公共信號周期co確定以后，便可以根據(jù)進(jìn)口的交通流量計算各個相位的綠信比。當(dāng)交叉口支路車流量比較少時，其對應(yīng)支路相位應(yīng)以最小綠燈時間gmin放行，gmin的確定要根據(jù)該相位的實際車流狀況綜合決定。對于關(guān)鍵交叉口，各進(jìn)口的交通流量與總的進(jìn)口車流量之比，計算出每一相位應(yīng)該分配的有效綠燈時間，然后根據(jù)其相位最小綠燈時間，再求出各相位的實際綠燈時間。其計算公式為：

(2)

式中：ym為關(guān)鍵車流的流量比率；gm為關(guān)鍵交叉口的有效綠燈時間，s。

對于非關(guān)鍵交叉口首先根據(jù)交叉口的實際交通狀況確定所需周期cd，如果支路車流量比較少則對應(yīng)的支路相位給予最小綠燈時間gmin，反之按照等比例方法分配支路所需的綠燈時間，再將剩余的綠燈時間分給干線方向的相位：

(3)

(4)

式中：gn為非關(guān)鍵交叉口的有效綠燈時間，s；ge為干線綠燈時間，s；∑I為整個信號周期的綠燈相位間隔時間之和，s。

2.4　綠波控制的相位差動態(tài)優(yōu)化

依據(jù)雙向綠波信號控制的特點，本文通過對相位差的動態(tài)優(yōu)化，實現(xiàn)交通信號相位的動態(tài)配時，使配時得到的干線方向相鄰交叉口的相位差與理論相位差之間的誤差最小，從而實現(xiàn)城市干道動態(tài)雙向綠波控制。假定協(xié)調(diào)相位為東西直行相位，從n到n+1定義為下行，交叉口的相位集合為B={1，2，3}，分別用于表示由西向東、由東向西、南北三個信號相位?？紤]東西向和西東向兩個方向?qū)崿F(xiàn)綠波控制，則可定義綠波控制相位集合I={1，2}，由東向西方向的車流受相位i=1的信號控制，設(shè)?tn為交叉口n和n+1的對于相位i的綠波控制理論相對相位差，?tn的取值受到交叉口的排隊長度、損失時間、紅燈時長、路段平均行駛時間約束，則：

(5)

(6)

則可通過如下模型來對干線進(jìn)行雙向綠波實時控制：

(7)

其中，An,n+1+An+1,n=1。

(8)

cmin≤co≤cmax。

(9)

gmin≤gm,gn,ge≤gmax。

(10)

3模型求解

本文采用遺傳算法來進(jìn)行優(yōu)化，在遺傳算法優(yōu)化過程中，首先初始交叉概率pc=80%、變異概率pm=10%。為了防止出現(xiàn)局部搜索能力差的問題，提高遺傳算法的收斂性能，本文在遺傳算法優(yōu)化時，比較本次及相關(guān)的前兩次的最優(yōu)個體的適應(yīng)度，如果它們都相等，則在保留當(dāng)前最優(yōu)個體的前提下，將交叉概率減去系數(shù)λ=0.01，變異概率加上系數(shù)θ=0.01，即，pc=pc=λ,pm=pm+θ。通過這種適當(dāng)增大變異概率而減少交叉概率的方法，可以提高遺傳算法的局部收斂能力，避免出現(xiàn)未成熟收斂現(xiàn)象。

4案例分析

以江蘇省常州市東西走向干道星港路為研究對象，通過相關(guān)數(shù)據(jù)的調(diào)查和分析，對本研究的模型進(jìn)行驗證。星港路是一條集政府辦公、居民住宅及企業(yè)等為一體的干線道路。東西向全線采用雙向四車道，無機(jī)非隔離帶，兩邊具有隔離的行人道，全線以東西向交通流量為主，南北向交通流量為輔，其中南北向為雙向兩車道混合車道，高峰、平峰車流量變化不大，實際平均車速60 km/h。本研究選取東西流量較大的櫻花路和桂花路兩個路口，如圖2所示。已知這兩個交叉口路口間距，各路口的車道功能和現(xiàn)狀交通流量需求等信息見表1。

圖2　星港路與櫻花路、桂花路交叉口示意圖 Fig.2 Road network structure on Xinggang Road， Yinghua Road，and Guihua Road

表1　櫻花路、桂花路交叉口各車道功能及交通流量需求表 Tab.1 Lane function and traffic demand in the intersection of Yinghua Road and Guihua Road

本案例遺傳算法的種群大小設(shè)置為80，終止代數(shù)為100，相應(yīng)的本研究模型的運(yùn)行結(jié)果如下所示，從中可以看出：

(1)如圖3所示兩種控制方式下各個交叉口的延誤情況，與原來的定時控制方式相比，星港路—櫻花路交叉口實行動態(tài)雙向綠波控制后，延誤由原來的421 s下降為361 s，改善度14.2%，而星港路—桂花路交叉口，延誤也由原來的352 s下降為323 s，改善度為8%。

圖3　星港路-櫻花路、星港路-桂花路交叉口平均延誤對比 Fig.3 Average intersection delay

(2)如圖4所示系統(tǒng)綠波帶寬優(yōu)化前后的情況，圖4(a)為實行單向綠波控制下干線綠波時距圖，總帶寬為19.5 s，圖4(b)為優(yōu)化后實行動態(tài)雙向綠波控制下干線綠波時距圖，從圖4中可以看出，雙向干線的綠波帶寬遠(yuǎn)遠(yuǎn)小于單向干線的綠波帶寬，但是總帶寬卻增加到24.8 s，盡管雙向交通干道較難實現(xiàn)綠波，但是仍能大大提高干線的通行能力。

圖4(a)　優(yōu)化前系統(tǒng)綠波帶寬

圖4(b)　優(yōu)化后系統(tǒng)綠波帶寬 Fig.4 Intersection dual-direction green wave band width

(3)主干道星港路采用本文的方法與定時控制方法進(jìn)行比較后的結(jié)果見表2，這些數(shù)據(jù)表明動態(tài)雙向綠波帶控制策略使總延誤時間改善14.5%，平均停車率改善9.54%，平均排隊長度改善21.52%，效果十分明顯，是進(jìn)行城市交通控制有效且實用的方法。

表2　仿真結(jié)果比較 Tab.2 Comparison of simulation results

5結(jié)束語

本文建立了相鄰交叉口交通流動態(tài)模型，提出了以控制周期內(nèi)干線方向相鄰交叉口的相位差與理論相位差之間的誤差最小為目標(biāo)的交通干線信號動態(tài)優(yōu)化控制算法，并采用遺傳算法進(jìn)行求解，從而實現(xiàn)了城市干道動態(tài)雙向綠波控制，避免了交通擁擠和堵塞，從仿真實驗中可以得出，該算法可以根據(jù)實時的交通狀況，動態(tài)確定公共周期，相位差及綠信比，要優(yōu)于靜態(tài)綠波帶控制方法，具有廣闊的應(yīng)用前景。

城市交通干線動態(tài)雙向綠波控制能夠適應(yīng)實時動態(tài)交通演變，具有較強(qiáng)的實用性，而本文的研究屬于局部綠波控制，車輛運(yùn)行在機(jī)動車道上，不受非機(jī)動車及行人的影響而能保持一定的運(yùn)行速度，實際車輛的駛?cè)腭偝鲚^為離散而本研究把車輛的駛?cè)腭偝鲆暈檫B續(xù)運(yùn)行狀態(tài)，能夠與其他車輛較為銜接，研究的交通運(yùn)行條件相對于實際復(fù)雜情況較為理想，同時文中是以兩個交叉口為例，隨著干線交叉口數(shù)量的增加，本研究的雙向協(xié)調(diào)模型的效益與交叉口數(shù)量間的關(guān)系也有待進(jìn)一步研究。

【參考文獻(xiàn)】

[1]Little J D C，Kelson M D，Gartner N H.Maxband：A program for setting signals on arteries and triangular networks[J].Transportation Research Record，1981(795)：40-46.

[2]Gartner N H，Assmann S F，Lasage F，et al.Multiband：A variable-bandwidth arterial progression scheme [J].Transportation Research Record，1990(1287)：212-222.

[3]王俊剛，于泉，高穎，等.變帶速干線協(xié)調(diào)控制模型研究[J].公路交通科技，2005，22(4)：108-111.

[4]盧凱，鄭淑鑒，徐建閩，等.面向雙向不同帶寬需求的綠波協(xié)調(diào)控制優(yōu)化模型[J].交通運(yùn)輸工程學(xué)報，2011，11(5)：101-108.

[5]德國道路與交通工程研究學(xué)會編.交通信號控制指南—德國現(xiàn)行規(guī)范[M].李克平，譯.北京：中國建筑工業(yè)出版社，2006：47-51.

[6]邵娟，程琳.基于Synchro系統(tǒng)的干線綠波控制優(yōu)化技術(shù)[J].公路交通科技，2013，30(9)：116-121.

[7]臧利林，賈磊，羅永剛.交通干線相鄰交叉口動態(tài)協(xié)調(diào)控制研究[J].公路交通科技，2007，24(7)：103-106.

[8]唐克雙，孔濤，王奮，等.一種改進(jìn)的多帶寬干線協(xié)調(diào)控制模型[J].同濟(jì)大學(xué)學(xué)報，2013，41(7)：1002-1008.

[9]陳小鋒，史忠科.城市交通干線信號動態(tài)優(yōu)化控制方法[J].西北工業(yè)大學(xué)學(xué)報，2010(4)：579-584.

[10]曹鵬.城市道路交通信號實時控制的數(shù)學(xué)模型[D].北京：北京交通大學(xué)，2010.

[11]郭海鋒.綠波協(xié)調(diào)控制系統(tǒng)運(yùn)行狀態(tài)的動態(tài)監(jiān)控方法[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版)，2011，35(2)：333-336.

[12]盧凱，徐建閩，葉瑞敏.經(jīng)典干道協(xié)調(diào)控制信號配時數(shù)解算法的改進(jìn)[J].公路交通科技，2009，26(1)：120-124，129.

[13]吳恩，楊曉光，吳震，等.基于遺傳算法的干線協(xié)調(diào)控制參數(shù)共同優(yōu)化[J].同濟(jì)大學(xué)學(xué)報，2008，36(7)：921-926.

[14]沈國江，錢曉杰.主干道動態(tài)協(xié)調(diào)控制技術(shù)[J].控制與決策，2013，28(12)：1907-1911.

[15]胡光明，胡鵬.關(guān)于改進(jìn)信號交叉口行人過街信號燈的構(gòu)想[J].公路工程，2008，33(1)：142-146.

[16]郭旭明，李瑞敏，張雄飛.基于遺傳算法的交叉口信號控制可靠性優(yōu)化模型研究[J].公路工程，2012，37(4)：44-46.

[17]France J，Ghorbani A A.A multiagent system for optimizing urban traffic[A].IEEE/WIC International Conference on Intelligent Agent Technology[C].Beijing，2003：411-414.

[18]Shoufeng L，Ximin L，Shiqiang D.Revised Maxband model for bandwidth optimization of traffic flow dispersion[A].2008 ISECS International Colloquium on Computing，Communication，Control，and Management[C]，Guangzhou，2008：85-89.

[責(zé)任編輯：董希斌]