姚斐 宋芳

摘 要：由于城市交通信號燈控制存在著非線性動態(tài)特性，對其進行控制時很難進行精確的數(shù)學(xué)建模，同時路口交通流具有重復(fù)性特點，呈現(xiàn)明顯的周期性特征。為了減少路口車輛等待時間、提高通行效率，利用迭代學(xué)習控制方法，對信號燈周期和各個相位有效綠燈時間進行優(yōu)化，從而對路口綠燈進行最大化利用，保證車輛在路網(wǎng)中能夠高效、平穩(wěn)地通行。仿真結(jié)果表明，在迭代次數(shù)達到15次之后，排隊長度相位差和誤差都趨于零，減少了交通擁堵時間。

關(guān)鍵詞：交通信號燈; 交通信號控制;迭代學(xué)習; 有效綠燈時間

DOI：10. 11907/rjdk. 192392 開放科學(xué)（資源服務(wù)）標識碼（OSID）：

中圖分類號：TP301文獻標識碼：A 文章編號：1672-7800（2020）008-0095-05

Abstract：There are nonlinear dynamic characteristics for urban traffic signal control. It is difficult to carry out accurate mathematical modeling when controlling it. At the same time， the traffic flow at the intersection has repetitive characteristics and presents obvious periodic characteristics. In order to reduce the waiting time of intersection vehicles， the iterative learning control method is used to optimize the period of the signal lamp and the effective green time of each phase， so that the green light of the intersection can be maximized and the vehicle can be efficiently and smoothly traversed in the road network. After the number of iterations reaches 15 times， the phase difference and error of the queue length go to zero， reducing the time of traffic congestion.

Key Words： traffic signal light; traffic signal control;iterative learning; effective green time

0 引言

交通信號控制是改變城市道路交通狀況、提升道路通行能力的有效方法。由于目前交通系統(tǒng)具有復(fù)雜性、多變性、不確定性等特點，且隨機性較強，很難創(chuàng)建精確的數(shù)學(xué)模型[1-2]。當前對路口交通信號的控制是將一天分為若干時段，每個時段內(nèi)周期長度固定不變，但由于路段的交通流隨機性較強，階段性交通擁堵現(xiàn)象難以避免，而且也無法根據(jù)具體情況進行實時調(diào)節(jié)[3]。若能對各個相位的綠信比進行控制，實時響應(yīng)交通流變化，將能最大限度減少車輛等待時間。

迭代學(xué)習控制[4-5]（iterative learning control，ILC）是針對重復(fù)性運動過程的控制方法。在相同時間和地點，路口交通流會近似呈現(xiàn)重復(fù)性狀態(tài)。文獻[6]針對不同路網(wǎng)的情況，改變區(qū)域內(nèi)的交通條件和選擇行為，建立組合型前饋反饋迭代學(xué)習控制模型，對系統(tǒng)干擾進行有效控制，從宏觀層面針對不同路網(wǎng)情況進行仿真分析，以提高跟蹤誤差精度，但選取的交通模型相對簡單，不能應(yīng)用于復(fù)雜的城市路口;文獻[7]以主輔路交通密度為控制目標，提出的宏觀交通流模型簡化了存儲轉(zhuǎn)發(fā)模型，將迭代學(xué)習應(yīng)用于主輔路之間，在局部路段實現(xiàn)均衡控制，令均衡控制誤差收斂，但缺點是該模型忽略了變換車道對交通狀況的影響，不能應(yīng)用于日常生活中的交通路口;文獻[8]針對快速路入口，使用PD型迭代控制律控制交通流擴散模型，然后采用重心法建模調(diào)節(jié)迭代學(xué)習增益，使系統(tǒng)輸出具有更好的跟蹤性能，不足之處是其采用的3種交通流模型都是宏觀交通流模型，在微觀特性下會影響結(jié)果的準確性。

當前迭代學(xué)習控制主要應(yīng)用在交通流相對固定、車況相對簡單的快速路口，而將迭代學(xué)習控制應(yīng)用在日常路口交通燈控制方面的研究較少。本文首先采用TRRL法對日常生活的道路進行配時，然后利用迭代學(xué)習控制方法確定各相位最佳有效綠燈時間，最后通過仿真對某一路段的交通燈綠信比進行驗證。仿真結(jié)果表明，該控制方法可有效減少車輛排隊現(xiàn)象，對于提高通行效率可起到很大作用。

3.2 仿真研究

本文仿真對象是莘建東路和廣賢路組成的路口，共有3個相位，相位設(shè)計如圖2所示，各路口交通需求參考表3。各相位到達率分別為：[0.5veh/s]、[0.15veh/s]、[0.25veh/s]，各相位飽和流率都為[0.28veh/s]。學(xué)習增益取-0.85，每個相位損失時間為[2s]，信號周期為[115s]，3個相位綠燈時間分別為[51s]、[15s]和[34s]?？紤]實際情況，用MATLAB仿真得到的綠燈時間和排隊長度都應(yīng)為整數(shù)值。仿真結(jié)果如圖4-圖6所示。

通過圖4、圖5不難發(fā)現(xiàn)，當?shù)螖?shù)超過15次之后，車輛排隊長度差和誤差趨于0，整個信號配時系統(tǒng)處于均衡狀態(tài)。圖6顯示了3個相位的綠燈時間變化曲線。采用ILC信號控制可根據(jù)實時交通需求調(diào)整相應(yīng)相位綠燈時間，并對相應(yīng)綠燈時間進行合理配時，證明了該迭代學(xué)習控制方法的實時性和有效性。

4 結(jié)語

本文被控對象是交叉路口紅綠燈，根據(jù)TRRL法配時方案確定合理的信號周期，再根據(jù)迭代學(xué)習控制律思想，構(gòu)建控制信號燈的方法，避免建立復(fù)雜的交通流模型，可以用很少的先驗知識，通過實時交通流數(shù)據(jù)對交叉路口的信號燈進行控制。迭代學(xué)習控制實驗結(jié)果表明，本算法的控制方式比較合理，可根據(jù)交通流的變化而改變，具有自適應(yīng)調(diào)節(jié)的效果，提高了通行效率。采用迭代算法優(yōu)化后的效果遠優(yōu)于傳統(tǒng)定時、定周期的交通系統(tǒng)，其能自適應(yīng)調(diào)節(jié)周期時長和每個相位的綠燈時間，在相同時間內(nèi)能通過更多車輛，并且不需要額外的設(shè)備支持及額外花費，即能減少人們不必要的等待時間，從而節(jié)省了人們的出行時間，提高了工作效率。但是本文適用范圍存在一定局限性，當路口車輛很少或很多時，調(diào)節(jié)效果并不明顯。

參考文獻：

[1] 馬文閣. ?基于模糊控制的單交叉口信號控制方法與算法研究[D]. ?大連：大連海事大學(xué)，2008.

[2] 趙佳文. ?基于車輛誘導(dǎo)的交通燈動態(tài)配時優(yōu)化算法研究[D]. ?沈陽：沈陽理工大學(xué)，2017.

[3] 趙辛. 西安市城市交通擁堵分析及治理策略研究[D]. ?西安：長安大學(xué)，2018.

[4] ARIMOTO S， KAWAMURA S， MIYAZAKI F. Bettering operation of robots by learning[J]. ?Journal of Field Robotics， 2010 （2）：123-140.

[5] 池榮虎，侯忠生，黃彪. 間歇過程最優(yōu)迭代學(xué)習控制的發(fā)展：從基于模型到數(shù)據(jù)驅(qū)動[J]. 自動化學(xué)報，2017，43（6）：917-932.

[6] 丁瑩. ?城市交通區(qū)域的迭代學(xué)習邊界控制[D]. ?北京：北京交通大學(xué)，2017.

[7] 梅景. ?城市快速路系統(tǒng)的無模型自適應(yīng)迭代學(xué)習控制研究[D]. 北京：北京交通大學(xué)， 2018.

[8] 楊峰. ?幾類快速路交通流模型的迭代學(xué)習控制研究[D]. 柳州：廣西科技大學(xué)，2015.

[9] 周昊， 阮太元， 劉智勇. ?定周期單路口綠信比的迭代學(xué)習控制方法[J]. 五邑大學(xué)學(xué)報（自然科學(xué)版）， 2015（4）：57-61.

[10] 羅彥博. ?廣義系統(tǒng)的迭代學(xué)習控制算法研究[D]. 廣州：華南理工大學(xué)，2016.

[11] 呂慶，方勇純，任逍. 加速抑制隨機初態(tài)誤差影響的迭代學(xué)習控制[J]. 自動化學(xué)報，2014，40（7）：1295-1302.

[12] 朱亞華，劉秉瀚. 城市平面交叉路口微觀仿真軟件設(shè)計[J]. 福州大學(xué)學(xué)報（自然科學(xué)版），2008（1）：64-68.

[13] 徐文龍，郭杜杜，馬倩雯，等. 平交口信控配時方案的優(yōu)化與驗證[J]. 西部交通科技，2015（2）：62-65.

[14] 韓吉志. ?城市交叉口信號配時算法設(shè)計及其VISSIM仿真研究[D]. ?青島：青島科技大學(xué)，2015.

[15] 張自荷. 基于VISSIM仿真的平面信號交叉口交通組織優(yōu)化[J]. 山東工業(yè)技術(shù)，2018（21）：143.

[16] 張劍，董力耘. 考慮預(yù)期效應(yīng)和交通燈影響的城市道路交通元胞自動機模型[J]. 上海大學(xué)學(xué)報（自然科學(xué)版），2011，17（5）：642-647.

[17] 李娣娜，黃同，薛娓娓. 一種十字路口交通燈智能控制系統(tǒng)的設(shè)計[J]. 科技資訊，2016，14（22）：1，3.

[18] 李茜，李鐵柱. 公交專用道綠波信號設(shè)置及仿真模擬分析[J]. 佛山科學(xué)技術(shù)學(xué)院學(xué)報（自然科學(xué)版），2009，27（1）：38-42.

[19] 肖智中. ?干道交叉口控制群組決策與動態(tài)優(yōu)化研究[D]. 重慶：重慶交通大學(xué)，2016.

[20] 王靜波. 交通控制信號優(yōu)化模型的仿真研究[J]. 計算機仿真，2011，28（4）：353-357.

[21] 戈軍，周蓮英. 面向交通信號的兩層遞階控制解決方案[J]. 計算機工程與應(yīng)用，205，51（20）：246-252.

（責任編輯：黃 健）