于濤， 袁小剛， 龐溟舟

(上海交大 高新技術(shù)股份有限公司， 上海 200235)

城市快速路信號(hào)控制系統(tǒng)動(dòng)態(tài)分析及算法

于濤， 袁小剛， 龐溟舟

(上海交大 高新技術(shù)股份有限公司， 上海 200235)

城市快速路通過(guò)出入口匝道與地面道路相連，對(duì)于出入口匝道進(jìn)行合理的智能交通控制，采用固定配時(shí)調(diào)節(jié)系統(tǒng)和交通信號(hào)感應(yīng)式調(diào)節(jié)系統(tǒng)的優(yōu)化的控制算法，可以顯著提高城市快速路的效益，緩解交通擁擠，為車輛提供安全、快速、方便的行駛環(huán)境。

智能交通； 信號(hào)控制； 神經(jīng)網(wǎng)絡(luò)

0 引言

本文提出了城市快速路與信號(hào)控制的普通地面道路整合控制的策略，把復(fù)雜的問(wèn)題簡(jiǎn)化為多控制措施優(yōu)化的問(wèn)題，如匝道調(diào)節(jié)，交叉口信號(hào)控制，城市快速路主線道路控制，VMS路徑誘導(dǎo)等控制與管理措施，控制的目標(biāo)是實(shí)現(xiàn)一般標(biāo)準(zhǔn)的最小化，如延誤最小，總遠(yuǎn)行時(shí)間最小。

通過(guò)對(duì)城市快速路匝道，地面道路交通狀態(tài)的演變過(guò)程進(jìn)行分段處理，采用目標(biāo)函數(shù)并將下匝道處理成一個(gè)特殊的交叉口，使得行程時(shí)間最短，對(duì)綠信比、匝道調(diào)節(jié)率和分流優(yōu)化進(jìn)行動(dòng)態(tài)分析。

針對(duì)出入口匝道優(yōu)化控制的特點(diǎn)提出了一種基于BP神經(jīng)網(wǎng)絡(luò)控制方法來(lái)研究匝道控制問(wèn)題。

本專利所屬技術(shù)領(lǐng)域：智能交通、信號(hào)控制、神經(jīng)網(wǎng)絡(luò)。

1 背景技術(shù)及實(shí)施目標(biāo)

目前我國(guó)的一些主要城市，如北京、上海、廣州、天津等，都修建了相當(dāng)數(shù)量的城市快速道路，形成了以快速道路為主骨架的道路交通網(wǎng)絡(luò)。但是由于規(guī)劃設(shè)計(jì)或者城市道路發(fā)展等因素，在高峰時(shí)段經(jīng)常會(huì)出現(xiàn)嚴(yán)重的交通擁堵現(xiàn)象，尤其是城市快速路中一些匯流或者上下匝道的特殊區(qū)域，因此有必要對(duì)城市快速道路的一些節(jié)點(diǎn)，進(jìn)行針對(duì)性的智能交通控制策略的研究。

本專利在國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上，針對(duì)我國(guó)城市快速路的現(xiàn)狀，通過(guò)對(duì)城市快速路的流量、速度、占有率等數(shù)據(jù)的收集分析和探討。深入分析所采集到的原始交通數(shù)據(jù)，并根據(jù)線上預(yù)測(cè)未來(lái)一段時(shí)間城市快速路的交通流的狀態(tài)，為決策提供依據(jù)，使之能更有效緩解交通擁堵的現(xiàn)象，增加交通安全提供保障。將先進(jìn)的控制技術(shù)、計(jì)算機(jī)仿真技術(shù)，共享平臺(tái)等技術(shù)結(jié)合起來(lái)。應(yīng)用到城市快速路交通控制中，使智能交通ITS發(fā)展的一個(gè)重要方向，它將不斷的推動(dòng)社會(huì)的發(fā)展。

目前提出了城市快速路上的信號(hào)控制與城市地面道路的整合控制的策略，把復(fù)雜的問(wèn)題簡(jiǎn)化為多控制措施的優(yōu)化問(wèn)題，如匝道調(diào)節(jié)、交叉口信號(hào)控制、城市快速道路主線道路控制，VMS路徑誘導(dǎo)等控制與管理措施。

近十年來(lái)，我國(guó)多個(gè)城市都紛紛開(kāi)展了智能交通系統(tǒng)建設(shè)，但在交通控制方面，控制手段單一，系統(tǒng)彼此孤立，雖然對(duì)改善各地的交通狀況起到一定的作用，但卻遠(yuǎn)遠(yuǎn)沒(méi)有發(fā)揮它們的潛能，比如地面道路和城市快速道路分離控制，城市道路與郊區(qū)高速公路沒(méi)有協(xié)調(diào)，信號(hào)控制和誘導(dǎo)相互獨(dú)立，公交與其他交通方式信息不共享，不能協(xié)調(diào)控制，尤其是發(fā)生擁堵或其他突發(fā)事件時(shí)，救援系統(tǒng)、道路疏散、資源配置等方面互相脫節(jié)，延長(zhǎng)了事件響應(yīng)時(shí)間，帶來(lái)很大的經(jīng)濟(jì)損失。

隨著城市的發(fā)展，城市快速路面臨的問(wèn)題在整個(gè)城市交通問(wèn)題中顯得越來(lái)越突出，交通擁堵是快速路運(yùn)行中的主要問(wèn)題。最優(yōu)先的解決方法是對(duì)快速路交通區(qū)域進(jìn)行控制管理，城市快速路的交通信號(hào)控制是智能交通系統(tǒng)(ITS)的一個(gè)重要分支。

“城市快速路”特指在城市道路中設(shè)有分離帶，具有4條以上的車道，全部或者部分采用立體交叉和控制出入供車輛以較高的速度行使的道路。一般有配套的交通安全和管理措施，并能保證連續(xù)的交通流，是城市中大容量快速交通干道。

“城市快速路”是城市交通網(wǎng)絡(luò)的骨架，承載著城市內(nèi)各主要區(qū)域及輻射周邊的極大部分快速交通出行。通行效率直接決定著所在城市交通網(wǎng)絡(luò)的性能，對(duì)于緩解日益增長(zhǎng)的城市交通壓力起著重要的作用，它也是城市道路的主動(dòng)脈，也是疏導(dǎo)跨區(qū)交通的主要通道，保障其安全暢通，是整個(gè)交通城市控制的關(guān)鍵環(huán)節(jié)。所以一旦城市快速路發(fā)生交通堵塞，就有可能造成中心區(qū)道路甚至整個(gè)市區(qū)的交通混亂。因此，各個(gè)國(guó)家近來(lái)一直致力于“城市快速路”的智能交通控制系統(tǒng)的建設(shè)，它主要目的是提高城市道路的交通容量，緩解交通擁擠，為車輛提供安全、快速、方便的行駛環(huán)境。

為了實(shí)現(xiàn)上述目標(biāo)，提高城市快速路的通行能力，不斷將新理論、新技術(shù)應(yīng)用到城市快速路的智能交通控制系統(tǒng)中去。

研究方向大致可以分為以下幾個(gè)階段：

1) 交通監(jiān)控系統(tǒng)，對(duì)車流量、車速的信息進(jìn)行監(jiān)控；

2) 快速路交通特征的分析，運(yùn)用檢測(cè)技術(shù)進(jìn)行統(tǒng)計(jì)分析匯總；

3) 城市快速道路匝道設(shè)置及控制系統(tǒng)的研究，針對(duì)擁堵的節(jié)點(diǎn)進(jìn)行分析處理及控制研究；

4) 城市快速路與地面道路交通整合控制分析。

從全局出發(fā)，綜合考慮快速路及地面交通的不同點(diǎn)，通過(guò)整合控制以保證城市交通整體暢通，安全運(yùn)行。

針對(duì)我國(guó)快速路交通現(xiàn)狀，通過(guò)對(duì)城市快速路的流量、速度、占有率數(shù)據(jù)的收集、分析和探討，以上海為例，總結(jié)我國(guó)城市快速路的交通流基本特征，對(duì)城市快速路及其匝道區(qū)域控制策略展開(kāi)研究，深入分析所采集到的原始交通數(shù)據(jù)，并以上述分析預(yù)測(cè)作為依據(jù)，為解決城市快速路區(qū)域交通控制問(wèn)題提供新思路和智能交通控制策略，使之能更有效的緩解城市快速路交通擁堵，增加交通安全提供保障。

2 出入口匝道控制策略

城市快速路是一個(gè)相對(duì)封閉的系統(tǒng)，通過(guò)出入口匝道和地面道路相連這一特性，決定了城市快速路交通狀況，很大程度上取決于出入口匝道，因此對(duì)出入口匝道進(jìn)行合理的智能交通控制，可以顯著提高城市快速路的效益。

我國(guó)早期城市快速路由于在規(guī)劃上存在不足，往往直線距離較短、出入口間距小、進(jìn)出快速路車流量大，在快速路交叉交織區(qū)交織嚴(yán)重。因此自由流速低，服務(wù)的交通流量較小。由于這些特點(diǎn)，出入口匝道的主線車流量要大，快速路某路段匝道區(qū)域示意圖，如圖1所示。

城市快速路主線道路控制VMS、路徑誘導(dǎo)等控制與管理措施，控制的目標(biāo)是實(shí)現(xiàn)最小化，如總延誤最小，區(qū)域中的總旅行時(shí)間最小，目的是尋找一種地面與匝道控制的算法，為此我們提出了一種基于BP神經(jīng)網(wǎng)絡(luò)控制方法來(lái)研究出入口匝道控制問(wèn)題。

圖1 城市快速路某路段出入口匝道區(qū)域示意圖

流量速度和占有率之間的關(guān)系就是交通流的模型，近似的計(jì)算如式(1)。

(1)

根據(jù)式(1)，流量等于速度與密度的乘積，來(lái)解釋如果速度不變，流量與密度是成正比的。

3 基于神經(jīng)網(wǎng)絡(luò)BP算法

神經(jīng)網(wǎng)絡(luò)是一種新興的數(shù)學(xué)建模方法，它具有識(shí)別復(fù)雜非線性系統(tǒng)的特性，比較適合于交通流參數(shù)的預(yù)測(cè)。

神經(jīng)網(wǎng)絡(luò)實(shí)際上是由大量簡(jiǎn)單元件相互連接而成的復(fù)雜網(wǎng)絡(luò)，具有高度的非線性，能夠進(jìn)行復(fù)雜的邏輯操作和非線性關(guān)系實(shí)現(xiàn)的系統(tǒng)。神經(jīng)網(wǎng)絡(luò)吸取了生物神經(jīng)網(wǎng)絡(luò)的許多優(yōu)點(diǎn)，因而有其固有的特點(diǎn)：

1) 高度的并行性

BP神經(jīng)網(wǎng)絡(luò)是由許多相同的簡(jiǎn)單處理單元并聯(lián)組合而成，雖然每個(gè)單元的功能簡(jiǎn)單，但大量簡(jiǎn)單處理單元的并行活動(dòng)，使其對(duì)信息的處理能力與效果驚人。

2) 高度的非線性全局作用

神經(jīng)網(wǎng)絡(luò)每個(gè)神經(jīng)元接收大量其他神經(jīng)元的輸入，并通過(guò)并行網(wǎng)絡(luò)產(chǎn)生輸出，影響其他神經(jīng)元。網(wǎng)絡(luò)之間的這種相互制約和相互影響，實(shí)現(xiàn)了從輸入狀態(tài)到輸出狀態(tài)空間的非線性映射。從全局的觀點(diǎn)來(lái)看，網(wǎng)絡(luò)整體性能不是網(wǎng)絡(luò)局部特性的簡(jiǎn)單迭加，而表現(xiàn)出某種集體性的行為。

3) 良好的容錯(cuò)性與聯(lián)想記憶功能

神經(jīng)網(wǎng)絡(luò)通過(guò)自身的網(wǎng)絡(luò)結(jié)構(gòu)能夠?qū)崿F(xiàn)對(duì)信息的記憶。而所記憶的信息是存儲(chǔ)在神經(jīng)元之間的權(quán)值中。從單個(gè)權(quán)值中看不出所存儲(chǔ)的信息內(nèi)容，因而是分布式的存儲(chǔ)方式。這使得網(wǎng)絡(luò)具有良好的容錯(cuò)性，并能進(jìn)行聚類分析、特征提取、缺損模式復(fù)原等模式信息處理工作；又宜于做模式分類、模式聯(lián)想等模式識(shí)別工作。

4) 十分強(qiáng)大的自適應(yīng)、自學(xué)習(xí)功能

神經(jīng)網(wǎng)絡(luò)可以通過(guò)訓(xùn)練和學(xué)習(xí)來(lái)獲得網(wǎng)絡(luò)大的權(quán)值與結(jié)構(gòu)，呈現(xiàn)出很強(qiáng)的自學(xué)習(xí)能力和對(duì)環(huán)境的自適應(yīng)能力。

神經(jīng)元是人工神經(jīng)網(wǎng)絡(luò)的基本處理單元，它一般是一個(gè)多輸入/單輸出的非線性元件，實(shí)質(zhì)體現(xiàn)了網(wǎng)絡(luò)輸入和其輸出之間的一種函數(shù)關(guān)系。通過(guò)選取不同的模型結(jié)構(gòu)與激活函數(shù)，可以形成各個(gè)不同的神經(jīng)網(wǎng)絡(luò)，得到不同的輸入/輸出關(guān)系式，并達(dá)到不同的設(shè)計(jì)目的，完成不同的任務(wù)。

神經(jīng)元輸出除受輸入信號(hào)的影響外，同時(shí)也受到神經(jīng)元內(nèi)部其他因素影響，所以在人工神經(jīng)元的建模中，常常還加入一個(gè)額外輸入信號(hào)，稱為偏移或者閾值，具有R個(gè)輸入神經(jīng)元，如圖2所示。

圖2 單個(gè)神經(jīng)元模型

神經(jīng)元的輸出，如式(2)。

(2)

式(2)中，p是輸入量；W為權(quán)值矩陣；b為偏差；a為輸出；n=Wp+b為凈輸入。

激活函數(shù)是一個(gè)神經(jīng)元網(wǎng)絡(luò)的核心，網(wǎng)絡(luò)解決問(wèn)題的能力和功效，除了與網(wǎng)絡(luò)結(jié)構(gòu)有關(guān)，很大程度上取決于網(wǎng)絡(luò)所采用的激活函數(shù)，其基本作用是：

1) 控制輸入對(duì)輸出的激活作用；

2) 對(duì)輸入、輸出進(jìn)行函數(shù)轉(zhuǎn)換；

3) 將可能無(wú)限閾值的輸入變換成指定的有限范圍內(nèi)的輸出。

BP算法的主要設(shè)計(jì)思想是，將輸入信號(hào)通過(guò)隱層和輸出層節(jié)點(diǎn)的處理計(jì)算得到的網(wǎng)絡(luò)實(shí)際輸出進(jìn)一步與期望輸出相比較，并計(jì)算實(shí)際輸出與期望輸出的誤差，將誤差作為修改權(quán)值的依據(jù)反向傳播至輸入層，再修正各層的權(quán)系數(shù)，并且反復(fù)這一過(guò)程，直到實(shí)際輸出與期望輸出的誤差達(dá)到預(yù)先設(shè)定的誤差收斂標(biāo)準(zhǔn)，從而獲得最終的網(wǎng)絡(luò)權(quán)值。

3層BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖，如圖3所示。

圖3 三層BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

BP算法，給出該算法的步驟：

第一步是通過(guò)網(wǎng)絡(luò)輸入向前傳播，

第二步是通過(guò)網(wǎng)絡(luò)將敏感性反正傳播，

第三步是使用近似的最速下降法更行權(quán)值和偏差值。

BP算法的流程圖如圖4所示。

神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)就是根據(jù)給定的輸入層、輸出層神經(jīng)元個(gè)數(shù)及實(shí)際輸入樣本合理確定隱含層神經(jīng)元數(shù)。確定了神經(jīng)網(wǎng)絡(luò)后，可在Matlab軟件平臺(tái)上通過(guò)編程對(duì)BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練的學(xué)習(xí)步長(zhǎng)為0.05，訓(xùn)練次數(shù)為500，綜合考慮算法收斂的時(shí)間和進(jìn)度通過(guò)對(duì)比選擇Levenberg-Marquardt 算法進(jìn)行訓(xùn)練。預(yù)測(cè)一天內(nèi)的流量、速度和占有率的分布，可以用圖形表示出來(lái)。因此，BP網(wǎng)絡(luò)是一種精度相對(duì)較高的預(yù)測(cè)方法。

圖4 BP 算法流程圖

4 總結(jié)

介紹了神經(jīng)元網(wǎng)絡(luò)的特性，用BP神經(jīng)元網(wǎng)絡(luò)的模型及如何應(yīng)用到交通流參數(shù)的預(yù)測(cè)中，這為城市快速路交通狀態(tài)預(yù)測(cè)的工程應(yīng)用提供了理論依據(jù)也為決策提供支持。也為解決城市快速路區(qū)域交通控制提供新思路和智能交通控制策略，使之能更有效地緩解城市快速路交通擁堵，增加交通安全提供保障。

[1] 慈玉生，吳麗娜，裴玉龍，等. 城市快速路入口匝道神經(jīng)模糊控制[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2010，10(3)：

[2] 楊曉芳，韓印，付強(qiáng). 快速路人口匝道與銜接交叉口協(xié)調(diào)控制策略[J]. 計(jì)算機(jī)工程與應(yīng)用，2008，44(29)：

[3] 于泉，城市交通信號(hào)控制基礎(chǔ)[M]. 北京：冶金工業(yè)出版社，2011.

[4] shak, S. and Al-Deek, H. Performance of short-term time series traffic prediction model [J] Journalof Transportation Engineering 2002, 128(6):490-498.

[5] Florio, L. and Mussone, L. Neural network models for classification and forecasting of freeway trafficflow stability [J]. Control Engineering Practice, 1996, 4(2):153-164.

Dynamic analysis and algorithm of urban expressway signal control system

Yu Tao, Yuan Xiaogang, Pang Mingzhou

(Shanghai Jiaotong University hitech Limited by Share Ltd, Shanghai 200235, China)

The city expressway entrance ramp is connected with the road surface. For the ramp intelligent control, an optimizing algorithm is designed. The traffic signal is adjusted by induction with the fixed time. It can significantly improve the efficiency of city expressway, ease traffic congestion, and can provide safe, fast and convenient travel environment for vehicles.

Intelligent traffic; Signal control; Neural networks

于濤(1982-)，男，山東招遠(yuǎn),助理工程師，研究方向：智能交通、信號(hào)控制。 袁小剛(1980-)，男，浙江嘉興，工程師，技術(shù)部副經(jīng)理,研究方向：城市道路交通信號(hào)控制系統(tǒng)。 龐溟舟(1974-),男，上海,工程師，技術(shù)總監(jiān),研究方向：智能交通、無(wú)線網(wǎng)絡(luò)、信號(hào)控制。

1007-757X(2017)08-0062-03

TP311

A

2017.06.01)