張婧怡,夏瑋璐

(北京交通大學(xué)理學(xué)院,北京 100044)

基于路口實(shí)時(shí)狀況的交通燈智能動(dòng)態(tài)配時(shí)模型研究*

張婧怡,夏瑋璐

(北京交通大學(xué)理學(xué)院,北京 100044)

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展,城市交通面臨巨大的挑戰(zhàn).傳統(tǒng)的紅綠燈固定配時(shí)方式已經(jīng)不能滿足瞬息萬(wàn)變的道路狀況需求.提出了2種交通燈智能動(dòng)態(tài)配時(shí)模型--以平均排隊(duì)長(zhǎng)度作為路權(quán)影響因子的動(dòng)態(tài)配時(shí)模型和以平均延誤作為路權(quán)影響因子的動(dòng)態(tài)配時(shí)模型,利用VISSIM實(shí)現(xiàn)仿真,比較2種動(dòng)態(tài)配時(shí)模型與固定配時(shí)模型,分析輸出數(shù)據(jù).結(jié)果表明,以平均排隊(duì)長(zhǎng)度作為路權(quán)影響因子的動(dòng)態(tài)配時(shí)模型更能直觀地反映路面擁堵?tīng)顩r,使路口通行能力明顯優(yōu)于以平均延誤作為路權(quán)影響因子的動(dòng)態(tài)配時(shí)模型和傳統(tǒng)的固定配時(shí)模型.

交通信號(hào)燈;通行能力;實(shí)時(shí)配時(shí)模型;交叉路口

1 研究背景

隨著城市的迅速發(fā)展,機(jī)動(dòng)車(chē)輛數(shù)量猛增,交通問(wèn)題也越來(lái)越嚴(yán)重.據(jù)報(bào)道,我國(guó)大城市路面交通普遍出現(xiàn)明顯超負(fù)荷的現(xiàn)象.數(shù)據(jù)顯示,北京高峰擁堵延時(shí)指數(shù)2.06,平均車(chē)速22.61 km/h,即北京駕車(chē)出行的上班族通常要花費(fèi)道路暢通情況下2倍的時(shí)間才能到達(dá)目的地,其他幾個(gè)大城市,比如濟(jì)南、哈爾濱、杭州、上海情況也不容樂(lè)觀.目前,我國(guó)使用的仍是傳統(tǒng)的紅綠燈固定配時(shí)方式,而該方式存在時(shí)間固定、不易調(diào)整等缺點(diǎn),如果有不可預(yù)測(cè)的情況發(fā)生,會(huì)在短時(shí)間內(nèi)造成嚴(yán)重的交通阻塞情況.為了改善城市路面交通擁堵?tīng)顩r,近年來(lái),眾多學(xué)者紛紛提出創(chuàng)建智能交通系統(tǒng),利用紅綠燈動(dòng)態(tài)配時(shí)算法來(lái)充分調(diào)動(dòng)現(xiàn)有交通資源.據(jù)文獻(xiàn)顯示,該領(lǐng)域的相關(guān)研究主要側(cè)重于信號(hào)收集、傳感器設(shè)計(jì)等,算法模型方面的研究文獻(xiàn)并不多見(jiàn),且現(xiàn)有相關(guān)文獻(xiàn)主要基于神經(jīng)網(wǎng)絡(luò)、模糊算法等方式[1-4].而本文選取直觀的迭代算法創(chuàng)建動(dòng)態(tài)配時(shí)模型,它能夠?qū)崟r(shí)反映路面交通狀況.

為了盡可能減少固定配時(shí)方法中某些方向綠時(shí)浪費(fèi),減輕其余方向車(chē)輛嚴(yán)重?fù)矶碌那闆r,本文提出了一種四相位信號(hào)燈實(shí)時(shí)配時(shí)算法,通過(guò)建立中小型三車(chē)道四相位十字路口交通燈智能動(dòng)態(tài)配時(shí)模型,依據(jù)泊松分布的規(guī)律設(shè)置車(chē)流量,以全體車(chē)輛的平均排隊(duì)長(zhǎng)度最短為目標(biāo),根據(jù)平均排隊(duì)長(zhǎng)度和平均延時(shí)的變化來(lái)調(diào)整下一周期內(nèi)的各相位綠燈時(shí)間,盡可能多放行車(chē)輛,減少十字路口滯留的車(chē),以緩解交通壓力.

2 模型構(gòu)建

本文以中小型三車(chē)道十字路口為例,選擇對(duì)四相位紅綠燈通行規(guī)則進(jìn)行研究,如圖1所示,即在一個(gè)周期內(nèi)依次以東西向直行-東西向左轉(zhuǎn)-南北向直行-南北向左轉(zhuǎn)的順序放行,以保證不發(fā)生沖撞.由于右轉(zhuǎn)車(chē)輛不會(huì)與任何其他方向的車(chē)流發(fā)生沖突,因此,不限制右轉(zhuǎn)車(chē)道.

在實(shí)際生活中,主次通行方向的路權(quán)優(yōu)先等級(jí)往往不同.車(chē)輛較為密集的通行方向通常具有較高的優(yōu)先級(jí),以達(dá)到平衡.在交通流研究領(lǐng)域,常常以平均排隊(duì)長(zhǎng)度或者平均延誤作為反映道路狀況的評(píng)判標(biāo)準(zhǔn).而通過(guò)Nagel和Schreckenberg以及許多其他學(xué)者關(guān)于元胞自動(dòng)機(jī)交通流的研究,分析引入隨機(jī)慢化因素的NS模型的時(shí)空?qǐng)D可知,交通流具有一定的連續(xù)性和滯后性[5].因此,選取平均排隊(duì)長(zhǎng)度Q和平均延誤D作為路權(quán)影響因子,即收集前一周期的路面交通數(shù)據(jù)作為下一周期分配紅綠燈配時(shí)的評(píng)判依據(jù),在此基礎(chǔ)上分別建立平均排隊(duì)長(zhǎng)度模型和平均延誤模型進(jìn)行仿真.相關(guān)符號(hào)含義解釋如表1所示.

圖1 四相位紅綠燈通行規(guī)則

設(shè)一個(gè)周期的總時(shí)長(zhǎng)為T(mén)0,總黃燈時(shí)長(zhǎng)為Y0,總綠燈時(shí)長(zhǎng)為G0,i表示第i周期,則一個(gè)信號(hào)周期內(nèi)總綠燈時(shí)長(zhǎng)G0可用式(1)表示,即:

設(shè)初始周期各相位路權(quán)相等,即g1,1=g1,2=g1,3=g1,4.根據(jù)收集到的動(dòng)態(tài)數(shù)據(jù),秉承"自我修正"的原則,對(duì)路權(quán)影響因子建立如下關(guān)系.

模型一:

從第二個(gè)周期開(kāi)始,以平均排隊(duì)長(zhǎng)度為路權(quán)影響因子,則:

模型二:

從第二個(gè)周期開(kāi)始,以平均延誤作為路權(quán)影響因子,則:

將前一周期所得的各相位平均排隊(duì)長(zhǎng)度或平均延誤應(yīng)用于后一周期的綠燈時(shí)長(zhǎng)計(jì)算之中,以此類(lèi)推,依次迭代,形成自我修正,即可得到趨于穩(wěn)定狀態(tài)的動(dòng)態(tài)配時(shí)模型.考慮到路面交通狀況的隨機(jī)性和安全性,設(shè)置每一相位的最短綠燈時(shí)長(zhǎng)為3 s,此時(shí),有效通行時(shí)長(zhǎng)為6 s(包含黃燈時(shí)常),與實(shí)際情況接近.

表1 符號(hào)含義解釋表

3 結(jié)果與分析

3.1 交通燈配時(shí)模型仿真

本文采用VISSIM4.3進(jìn)行仿真.由排隊(duì)論相關(guān)理論可知,車(chē)輛的到達(dá)在某種程度上具有隨機(jī)性.當(dāng)車(chē)輛不受其他干擾因素影響,且平均到達(dá)率小于0.4 veh/s時(shí),每一時(shí)刻到達(dá)路口的車(chē)輛數(shù)服從泊松分布,即:

式(4)中:P(x)為在計(jì)數(shù)間隔T0內(nèi)到達(dá)x輛車(chē)的概率;分布參數(shù)λ為車(chē)輛的平均到達(dá)率,即一個(gè)信號(hào)周期內(nèi)平均到達(dá)路口的車(chē)輛數(shù).

仿真開(kāi)始前,設(shè)置每個(gè)進(jìn)車(chē)路口的平均到達(dá)率λ=600輛/時(shí),周期T0=120 s,每個(gè)相位黃燈時(shí)長(zhǎng)y0=3 s,數(shù)據(jù)輸出間隔為120 s.各進(jìn)車(chē)道的平均到達(dá)率設(shè)置如圖2所示,初始周期紅綠燈配時(shí)表如圖3所示.

3.2 數(shù)據(jù)對(duì)比與分析

由于仿真的初始狀態(tài)并不穩(wěn)定,所以,選取第6~15周的數(shù)據(jù)進(jìn)行分析.第6~15周期仿真數(shù)據(jù)對(duì)比情況如表2和圖4所示.

圖2 各進(jìn)車(chē)道的平均到達(dá)率設(shè)置

圖3 初始周期紅綠燈配時(shí)表

表2 第6~15周期仿真數(shù)據(jù)對(duì)比

圖4 第6~15周期仿真數(shù)據(jù)對(duì)比圖

由表2和圖4可知,在第6~15周期內(nèi):①以平均排隊(duì)長(zhǎng)度作為路權(quán)影響因子的模型一和以平均延誤作為路權(quán)影響因子的模型二的平均排隊(duì)長(zhǎng)度均有所縮短,分別比固定配時(shí)模型縮短17.68%和1.36%,通行能力均有一定的提高.兩動(dòng)態(tài)模型相比較,模型一的優(yōu)化效果更顯著.②分析總體趨勢(shì)可知,模型一的優(yōu)化效果隨著時(shí)間的推移而增強(qiáng),自我修正能力也隨之逐漸增強(qiáng).模型一在接下來(lái)的若干周期內(nèi)平均排隊(duì)長(zhǎng)度趨于穩(wěn)定,且始終低于固定配時(shí)曲線.此現(xiàn)象說(shuō)明,以平均排隊(duì)長(zhǎng)度作為路權(quán)影響因子的模型一更能適應(yīng)實(shí)時(shí)變化的路面交通狀況,其適應(yīng)性更好.

4 結(jié)束語(yǔ)

由實(shí)驗(yàn)仿真數(shù)據(jù)可知,動(dòng)態(tài)配時(shí)模型能夠顯著改善路面擁堵?tīng)顩r,提高路面通行能力.而模型一、模型二相比,以平均排隊(duì)長(zhǎng)度作為路權(quán)影響因子的動(dòng)態(tài)配時(shí)模型更能直觀地反映出路面擁堵?tīng)顩r,使路口通行能力明顯優(yōu)于以平均延誤作為路權(quán)影響因子的動(dòng)態(tài)配時(shí)模型和傳統(tǒng)的固定配時(shí)模型.綜上所述,通過(guò)獲取實(shí)時(shí)排隊(duì)長(zhǎng)度數(shù)據(jù)和迭代計(jì)算來(lái)構(gòu)建自我修正能力的動(dòng)態(tài)配時(shí)模型具有一定的科學(xué)性和可行性,能夠顯著提高路口的通行能力,從而為緩解城市交通壓力提供可行方案.

[1]王娜,楊俊,李艷萍.基于自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的智能交通信號(hào)燈控制[J].電腦開(kāi)發(fā)與應(yīng)用,2008(10):63-65.

[2]李馳新,陳少山,曹潔.基于自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的智能交通相位控制[J].蘭州工業(yè)高等專(zhuān)科學(xué)校學(xué)報(bào),2006(01):21-24.

[3]趙玲玲.基于模糊控制技術(shù)的智能交通設(shè)計(jì)[D].杭州:浙江理工大學(xué),2014.

[4]蘇玉萍.基于模糊邏輯的路口交通燈控制算法的研究[D].蘭州:蘭州理工大學(xué),2007.

[5]鄭英力,翟潤(rùn)平,馬社強(qiáng).交通流元胞自動(dòng)機(jī)模型綜述[J].公路交通科技,2006(01):110-115.

張婧怡(1997-),女,主要研究方向?yàn)榻y(tǒng)計(jì)學(xué).夏瑋璐(1998-),女,主要研究方向?yàn)樾畔⑴c計(jì)算科學(xué).

〔編輯:白潔〕

U491.5+1

A

10.15913/j.cnki.kjycx.2017.22.026

2095-6835(2017)22-0026-03

*[項(xiàng)目名稱(chēng)]北京交通大學(xué)大學(xué)生科研訓(xùn)練資助項(xiàng)目(項(xiàng)目編號(hào):201710004064)