陳百旺

摘要： 為了獲得更準(zhǔn)確的信號(hào)交叉口延誤，為評(píng)價(jià)信號(hào)交叉口的運(yùn)行效率和服務(wù)水平提供精確的評(píng)價(jià)指標(biāo)，論述了利用線圈檢測(cè)器和浮動(dòng)車(chē)數(shù)據(jù)來(lái)估計(jì)信號(hào)交叉口延誤的方法。在對(duì)BP神經(jīng)網(wǎng)絡(luò)作簡(jiǎn)要介紹的基礎(chǔ)上提出基于改進(jìn)BP算法的信號(hào)交叉口延誤估計(jì)模型。把通過(guò)線圈檢測(cè)器和浮動(dòng)車(chē)數(shù)據(jù)估計(jì)的信號(hào)交叉口平均延誤進(jìn)行融合，得到更為精確的信號(hào)交叉口平均延誤。最后通過(guò)實(shí)例對(duì)該模型進(jìn)行了驗(yàn)證，分析結(jié)果表明：采用數(shù)據(jù)融合方法得到的信號(hào)交叉口延誤的相對(duì)誤差明顯低于基于線圈檢測(cè)器和浮動(dòng)車(chē)數(shù)據(jù)估計(jì)的信號(hào)交叉口延誤的相對(duì)誤差，因此采用數(shù)據(jù)融合方法估計(jì)信號(hào)交叉口的延誤可以提高延誤估計(jì)的精度，論證了該模型的實(shí)用性和有效性。

Abstract： In order to obtain the more accurate delays at signalized intersection， and to provide accurate evaluating index for the evaluation of operational efficiency and service levels of signalized intersections， the methods of using loop detectors and floating car data to estimate delays at signalized intersections are described. After a brief presentation of BP neural network， the model of estimating delays at signalized intersections based on improved-BP algorithm are proposed. The model fuses the average delays at signalized intersections estimated by using loop detectors and floating car data to get the more accurate delays at signalized intersections. Finally， the model is validated through an actual example， the results show that： the relative error of delays at signalized intersection achieved by fusion method was significantly lower than which is achieved based on loop detectors and floating car data， so the delays estimation accuracy at signalized intersection can be improved by using data fusion methods， which demonstrates the practicality and effectiveness of the model.

關(guān)鍵詞： 交通工程；延誤估計(jì)；數(shù)據(jù)融合；信號(hào)交叉口；BP神經(jīng)網(wǎng)絡(luò)

Key words： traffic engineering；delays estimation；data fusion；signalized intersection；BP neural network

中圖分類(lèi)號(hào)：U491.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2017）10-0187-05

0 引言

信號(hào)交叉口的平均延誤不僅是評(píng)價(jià)信號(hào)交叉口運(yùn)行效率的主要指標(biāo)[1]，也是評(píng)價(jià)交叉口信號(hào)控制方案和參數(shù)是否最佳的重要指標(biāo)[2]。因此研究信號(hào)交叉口延誤的快速獲取方法對(duì)評(píng)價(jià)信號(hào)交叉口的控制方案和提高交叉口的運(yùn)行效率具有現(xiàn)實(shí)指導(dǎo)意義。但是，目前國(guó)內(nèi)對(duì)于延誤的獲取方法只是局限于模型公式計(jì)算法和單一檢測(cè)器估計(jì)法。模型公式計(jì)算法所限定的假設(shè)條件太多，使得延誤計(jì)算過(guò)于理想化，很難得到準(zhǔn)確性比較高的延誤數(shù)據(jù)；而單一檢測(cè)器估計(jì)法由于檢測(cè)器本身的功能限制和受到使用環(huán)境及檢測(cè)器自身故障的影響，檢測(cè)器采集到的數(shù)據(jù)一般存在數(shù)據(jù)缺失、數(shù)據(jù)失真等問(wèn)題[3]，這將直接導(dǎo)致延誤估計(jì)會(huì)出現(xiàn)一定程度的偏差。因此本文提出了一種基于多源數(shù)據(jù)融合的信號(hào)交叉口延誤估計(jì)模型，將兩種估計(jì)方法的優(yōu)缺點(diǎn)進(jìn)行融合互補(bǔ)，提高信號(hào)交叉口延誤估計(jì)的準(zhǔn)確性。

1 基于線圈檢測(cè)器的信號(hào)交叉口延誤估計(jì)方法

1.1 選取定時(shí)信號(hào)交叉口延誤估計(jì)模型

根據(jù)交通流運(yùn)行特性和延誤產(chǎn)生的原因，信號(hào)交叉口延誤又可細(xì)分為三種：均勻延誤、隨機(jī)延誤和過(guò)飽和延誤[6]。人們?cè)诜治鲅诱`時(shí)一般把后兩種延誤定義為增量延誤，所以，常用的延誤公式都由兩項(xiàng)構(gòu)成：均勻延誤和增量延誤，一般用流體理論來(lái)描述均勻延誤，用排隊(duì)模型來(lái)刻畫(huà)增量延誤。

從大量研究延誤的相關(guān)文獻(xiàn)中可以看出，美國(guó)HCM方法是應(yīng)用最為廣泛的，HCM中提出的控制延誤充分體現(xiàn)了車(chē)輛在通過(guò)信號(hào)交叉口所經(jīng)歷的減速、停車(chē)和加速三個(gè)過(guò)程中的行程時(shí)間損失。從其運(yùn)用的模型來(lái)看，該方法是通過(guò)對(duì)韋伯斯特公式的隨機(jī)延誤項(xiàng)加以修改，然后采用了協(xié)調(diào)變換的方法得到的。對(duì)于飽和度較小的情況，HCM 的計(jì)算值與實(shí)測(cè)值基本上差距不大，但隨著飽和度的增大，這種差距呈增大的趨勢(shì)，可見(jiàn)簡(jiǎn)單套用HCM的計(jì)算參數(shù)并不一定符合我國(guó)的實(shí)際交通狀況[7]，因此本文引用文獻(xiàn)[7]中用實(shí)測(cè)數(shù)據(jù)標(biāo)定參數(shù)的HCM延誤模型進(jìn)行延誤計(jì)算，基本模型如下：

d-單車(chē)平均控制延誤，秒/輛；

d1-均勻延誤，秒/輛；

d2-增量延誤，秒/輛；

g-有效綠燈時(shí)間，秒；

C-信號(hào)周期長(zhǎng)度，秒；

c-車(chē)道組通行能力，輛/小時(shí)；

q-車(chē)輛到達(dá)率，輛/小時(shí)；

S-飽和流率，輛/小時(shí)/車(chē)道；

x-車(chē)道組飽和度（v/c比）；

T-分析時(shí)間長(zhǎng)度，分鐘、小時(shí)；

m-回歸參數(shù)；

k-增量延誤參數(shù)，對(duì)定時(shí)信號(hào)控制，k=0.5；

I-校正參數(shù)，對(duì)獨(dú)立信號(hào)交叉口I=1.0。

本文主要研究非飽和條件下的平面定時(shí)信號(hào)交叉口延誤，分析時(shí)長(zhǎng)選為T(mén)=0.25h，k=0.5，I=1.0，對(duì)HCM延誤模型進(jìn)行回歸分析，把回歸參數(shù)標(biāo)定為=16.8[7]，模型簡(jiǎn)化為：

1.2 線圈檢測(cè)器數(shù)據(jù)處理與延誤計(jì)算

本文選取的計(jì)算交叉口為曲靖市主城區(qū)的麒麟南路與南寧西路交叉口，由于數(shù)據(jù)來(lái)源有限，僅對(duì)該交叉口的東進(jìn)口道延誤進(jìn)行計(jì)算分析。

通過(guò)調(diào)查獲取麒麟南路與南寧西路交叉口的渠化信息和信號(hào)配時(shí)方案，交叉口渠化圖和信號(hào)配時(shí)圖如圖1、圖2所示。

調(diào)取該交叉口2015年8月11日從7：00-11：00的檢測(cè)器數(shù)據(jù)，對(duì)東進(jìn)口道的數(shù)據(jù)進(jìn)行相應(yīng)的處理并計(jì)算平均延誤，如表1所示。

2 基于浮動(dòng)車(chē)數(shù)據(jù)的信號(hào)交叉口延誤估計(jì)方法

2.1 確定信號(hào)交叉口范圍

平面交叉口范圍包括該交叉口各條道路相交部分及其進(jìn)出口道（展寬段和漸變段）以及行人、自行車(chē)過(guò)街設(shè)施所圍成的空間[8]。根據(jù)道路交叉口進(jìn)口道規(guī)劃長(zhǎng)度，并考慮交叉口實(shí)際情況以及延誤現(xiàn)場(chǎng)試驗(yàn)中對(duì)于交叉口范圍的選取標(biāo)準(zhǔn)140～180（m）， 初步定為以交叉口轉(zhuǎn)角緣石曲線的端點(diǎn)為計(jì)算起點(diǎn)，進(jìn)口道向上游計(jì)算，出口道向下游計(jì)算，160m范圍內(nèi)為交叉口范圍[9]。

2.2 確定信號(hào)交叉口暢行速度

暢通行駛是車(chē)輛在道路上的一種運(yùn)行狀態(tài)，而國(guó)內(nèi)外對(duì)道路交通運(yùn)行狀態(tài)常用的評(píng)價(jià)指標(biāo)主要有服務(wù)水平、平均延誤、平均車(chē)速、車(chē)道占用率等[10]。文獻(xiàn)[11]在分析不同類(lèi)型道路特征車(chē)速的基礎(chǔ)上，通過(guò)對(duì)駕駛員出行感受調(diào)查，并借鑒道路服務(wù)水平的劃分標(biāo)準(zhǔn)，確定了特大城市和中小城市基本路段交通流運(yùn)行狀態(tài)的劃分標(biāo)準(zhǔn)，如表2所示。

曲靖市屬于中小城市的范疇，麒麟南路和南寧西路都屬于主干道，因此根據(jù)上表確定車(chē)輛通過(guò)麒麟南路與南寧西路交叉口的暢行車(chē)速為34 km/h。

2.3 基于浮動(dòng)車(chē)數(shù)據(jù)的信號(hào)交叉口延誤計(jì)算方法2.3.1 浮動(dòng)車(chē)數(shù)據(jù)在交叉口范圍弧段端點(diǎn)的時(shí)間估計(jì)

通過(guò)觀察浮動(dòng)車(chē)數(shù)據(jù)與地圖的匹配情況發(fā)現(xiàn)，GPS點(diǎn)的分布具有一定的波動(dòng)性，一般不會(huì)正好匹配到目標(biāo)點(diǎn)上。但是車(chē)輛在一定路線上的較短區(qū)間內(nèi)的行駛速度總是在較小的范圍內(nèi)變化，波動(dòng)變化不大，在此區(qū)間，車(chē)輛行駛距離與行駛時(shí)間的關(guān)系可近似認(rèn)為是線性正比關(guān)系[12]，因此可以用簡(jiǎn)單的線性插值方法來(lái)估計(jì)浮動(dòng)車(chē)在經(jīng)過(guò)弧段端點(diǎn)Pi時(shí)的時(shí)間Ti，如圖3所示。

假設(shè)浮動(dòng)車(chē)在點(diǎn)P1和P2處上傳時(shí)間數(shù)據(jù)為T(mén)1和T2，上傳點(diǎn)距離路段端點(diǎn)Pi的距離分別為L(zhǎng)1和L2。

2.3.2 確定浮動(dòng)車(chē)經(jīng)過(guò)交叉口的實(shí)際運(yùn)行時(shí)間Ta

為了計(jì)算浮動(dòng)車(chē)經(jīng)過(guò)交叉口的實(shí)際運(yùn)行時(shí)間，本文引用文獻(xiàn)[9]中計(jì)算交叉口范圍起終點(diǎn)的浮動(dòng)車(chē)回傳時(shí)間算法，如圖4所示。在圖4中，Tvi表示浮動(dòng)車(chē)上傳數(shù)據(jù)的時(shí)刻；Ts表示浮動(dòng)車(chē)駛?cè)虢徊婵诜秶瘘c(diǎn)的時(shí)刻；Te表示浮動(dòng)車(chē)駛離交叉口范圍終點(diǎn)的時(shí)刻，直行軌跡取交叉口范圍長(zhǎng)度L，左轉(zhuǎn)軌跡長(zhǎng)度為L(zhǎng)z。

假設(shè)浮動(dòng)車(chē)在交叉口范圍起點(diǎn)前后最鄰近的兩點(diǎn)V1和V2處分別傳回時(shí)間數(shù)據(jù)為T(mén)v1和Tv2，Tv1和Tv2回傳點(diǎn)距交叉口范圍起點(diǎn)的距離分別為L(zhǎng)1s和L2s，在交叉口范圍終點(diǎn)前后最鄰近的兩點(diǎn)Vn和V（n-1）處分別傳回時(shí)間數(shù)據(jù)為T(mén)v2和Tv （n-1），Tvn和Tv （n-1）回傳點(diǎn)距交叉口范圍終點(diǎn)的距離分別為L(zhǎng)ne 和L （n-1）e，由公式（8）可分別算出Ts和Te，并得到浮動(dòng)車(chē)經(jīng)過(guò)交叉口的實(shí)際運(yùn)行時(shí)間Ta的計(jì)算公式：

調(diào)取麒麟南路與南寧西路交叉口范圍的浮動(dòng)車(chē)數(shù)據(jù)，并進(jìn)行相應(yīng)處理，計(jì)算東進(jìn)口道的平均延誤，如表3所示。

3 基于改進(jìn)BP算法的信號(hào)交叉口延誤估計(jì)模型

人工神經(jīng)網(wǎng)絡(luò)是模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)，吸取了生物神經(jīng)網(wǎng)絡(luò)的許多優(yōu)點(diǎn)，具有高度的并行性、良好的容錯(cuò)性與聯(lián)想記憶功能、十分強(qiáng)的自適應(yīng)、自學(xué)習(xí)功能等特點(diǎn)[13]。BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)[14]，為了克服傳統(tǒng)BP算法的不足，本文采用自適應(yīng)學(xué)習(xí)速率BP算法對(duì)多源數(shù)據(jù)進(jìn)行融合，基于改進(jìn)BP算法的信號(hào)交叉口延誤估計(jì)模型如圖6所示。

注：da—線圈檢測(cè)器延誤估計(jì)值；

db—浮動(dòng)車(chē)數(shù)據(jù)延誤估計(jì)值；

d—融合后的延誤估計(jì)值；

Ni—隱含層輸出信息；

v—輸入層與隱含層之間的連接權(quán)重系數(shù)；

w—隱含層與輸出層之間的連接權(quán)重系數(shù)。

考慮到模型的需要和樣本數(shù)據(jù)的特性，激活函數(shù)選用Sigmoid函數(shù)，即

輸入層共有2個(gè)神經(jīng)元，分別是線圈檢測(cè)器延誤估計(jì)值和浮動(dòng)車(chē)數(shù)據(jù)延誤估計(jì)值；隱含層所含神經(jīng)元的個(gè)數(shù)可以在對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)，通過(guò)反復(fù)試驗(yàn)來(lái)得到[15]，經(jīng)過(guò)試驗(yàn)隱含層個(gè)數(shù)為3時(shí)，可以得到較好的效果；輸出層有一個(gè)神經(jīng)元，為多源數(shù)據(jù)融合后的延誤估計(jì)值。在確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)后，利用輸入輸出樣本集對(duì)它進(jìn)行訓(xùn)練，對(duì)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行調(diào)整，以使網(wǎng)絡(luò)實(shí)現(xiàn)預(yù)期的輸入輸出映射關(guān)系。

4 驗(yàn)證與分析

通過(guò)微觀仿真軟件VISSIM7.0對(duì)實(shí)驗(yàn)交叉口進(jìn)行建模，設(shè)置仿真時(shí)間為4h（14400仿真秒），仿真運(yùn)行效果如圖7所示，把通過(guò)仿真獲得的該交叉口東進(jìn)口道的平均延誤作為模型的期望值，記為dp；第二章和第三章已分別求得基于線圈檢測(cè)器的平均延誤da和基于浮動(dòng)車(chē)數(shù)據(jù)的平均延誤db，把它們作為自適應(yīng)學(xué)習(xí)速率BP算法的輸入值。輸入值和期望值如表4所示。

本文將從分析時(shí)間段7：00：00-9：00：00的8個(gè)樣本作為訓(xùn)練樣本，將從9：00：00-11：00：00的8個(gè)樣本作為測(cè)試樣本，連接權(quán)重系數(shù)和閾值初始值由MATLAB軟件系統(tǒng)隨機(jī)給出，設(shè)定的學(xué)習(xí)速率增加的系數(shù)為1.5，學(xué)習(xí)速率遞減的系數(shù)為0.5，仿真1000次，誤差精度為0.0001，模型的訓(xùn)練曲線圖如圖8所示。

訓(xùn)練后的模型輸出與期望值的擬合情況如圖9所示。

利用剩下的8個(gè)樣本對(duì)模型進(jìn)行測(cè)試，測(cè)試結(jié)果如圖10所示。

根據(jù)不同方法估計(jì)的信號(hào)交叉口延誤相對(duì)誤差如圖11所示。

通過(guò)以上分析表明，采用數(shù)據(jù)融合方法估計(jì)的信號(hào)交叉口延誤的相對(duì)誤差明顯低于基于線圈檢測(cè)器和浮動(dòng)車(chē)數(shù)據(jù)估計(jì)的信號(hào)交叉口延誤的相對(duì)誤差，因此采用數(shù)據(jù)融合方法估計(jì)信號(hào)交叉口的延誤可以提高延誤估計(jì)的精度。

5 結(jié)論

本文主要介紹了信號(hào)交叉口的延誤產(chǎn)生過(guò)程，分析了基于線圈檢測(cè)器和浮動(dòng)車(chē)數(shù)據(jù)估計(jì)信號(hào)交叉口延誤的方法以及這兩種方法所存在的不足之處，提出了基于改進(jìn)BP算法的信號(hào)交叉口延誤估計(jì)模型。最后通過(guò)仿真軟件VISSIM和MATLAB對(duì)模型進(jìn)行了驗(yàn)證，結(jié)果表明采用數(shù)據(jù)融合方法估計(jì)的信號(hào)交叉口延誤比用單一來(lái)源數(shù)據(jù)估計(jì)的延誤更加精準(zhǔn)可靠，能更好的為優(yōu)化信號(hào)交叉口交通組織與控制方案提供決策支撐。

參考文獻(xiàn)：

[1]吳瑤.平面信號(hào)交叉口優(yōu)化設(shè)計(jì)與效果評(píng)價(jià)研究[D].西安：長(zhǎng)安大學(xué)，2013.

[2]裴玉龍，劉廣萍，自適應(yīng)信號(hào)控制下交叉口延誤計(jì)算方法研究[J].公路交通科技，2005，22（7）：111-112.

[3]焦德軍.基于數(shù)據(jù)融合的城市道路行程時(shí)間預(yù)測(cè)模型研究[D].大連：大連海事大學(xué)，2014.

[4]GB 50220-95，城市道路交通規(guī)劃設(shè)計(jì)規(guī)范[S].

[5]蔡美玲.平面信號(hào)交叉口通行效益分析及綜合評(píng)價(jià)[D].成都：西南交通大學(xué)，2008.

[6]邵長(zhǎng)橋.平面信號(hào)交叉口延誤分析[D].北京：北京工業(yè)大學(xué)，2002.

[7]鄭遠(yuǎn).信號(hào)交叉口延誤估計(jì)方法研究[D].上海：同濟(jì)大學(xué)，2008.

[8]CJJ152-2010，城市道路交叉口設(shè)計(jì)規(guī)程[S].

[9]孫玲.基于浮動(dòng)車(chē)調(diào)查方法的信號(hào)交叉口延誤估計(jì)研究[D].北京：北京工業(yè)大學(xué)，2007.

[10]孫超.城市道路交通狀態(tài)評(píng)價(jià)分析研究[D].廣州：華南理工大學(xué)，2010.

[11]梁穎.大城市道路交通系統(tǒng)運(yùn)營(yíng)狀態(tài)評(píng)價(jià)[D].北京：北京工業(yè)大學(xué)，2002.

[12]董均宇.基于GPS浮動(dòng)車(chē)的城市路段平均速度估計(jì)技術(shù)研究[D].重慶：重慶大學(xué)，2006.

[13]鄒亮，徐建閩.基于融合技術(shù)的道路交通狀態(tài)判別模型[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，47（S2）：1824-1825.

[14]劉天舒.BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)研究及應(yīng)用[D].哈爾濱：東北農(nóng)業(yè)大學(xué)，2011.

[15]徐桂鑫.基于數(shù)據(jù)融合的路段行程時(shí)間估計(jì)[D].濟(jì)南：山東大學(xué)，2012.