楊留輝，曾連蓀，周煜軒

(上海海事大學信息工程學院，上海 201306)

1 引言

隨著科技和經(jīng)濟的發(fā)展，我國車輛數(shù)量在不斷攀升，這對道路交通帶來了巨大的壓力，各種交通問題屢見不鮮。在智能交通系統(tǒng)中(ITS)，利用EasiTia[1]、圖像識別等技術(shù)可收集交通信息[2]。目前，減輕交通擁堵的方法有兩種：1)車輛改道；2)交通燈的控制策略。通過深入研究發(fā)現(xiàn)，目前交通的控制主要停留在了主干道路，而忽略了人行道。交通擁堵不僅是由車輛數(shù)量的增加引起的，交通事故更容易引起交通擁堵。本文提出了一種新型的交通架構(gòu)來減少交通擁堵[3]或事故[4]以及行人的不必要等待時間。通過對道路信息的獲取以及行人信息。當?shù)缆窊矶禄虬l(fā)生事故時，該架構(gòu)利用k-最短路徑算法[5-6]找出不同合適路線對需要改道車輛采用主動改道策略，并通過交通燈的控制策略(考慮下游交通、不考慮下游交通的控制)加以輔助。利用密度圖[2]來識別斑馬線附近的行人與車輛的關(guān)系來判斷交通燈的配時，減少行人的不必要等待時間。

2 交通架構(gòu)

本文提出的架構(gòu)由三部分組成，如圖1，分別是：1)交通信息獲取、模型的建立與交通預測；2)車輛改道策略；3)兩種交通燈的控制策略。其目的是實時獲取道路信息，來進行車輛的改道和交通燈的控制。通過圖像識別，判斷道路是否發(fā)生事故與行人的數(shù)量。一旦發(fā)生擁堵，該架構(gòu)就會采用主動改道策略，通過k-最短路徑算法[5-6]，計算改道的優(yōu)選路徑，在進入擁堵之前進行改道，同時交通燈策略為擁堵路段進行動態(tài)的配時。在車輛較少的路段，它會以行人與車輛的行駛狀態(tài)決策出交通燈的狀態(tài)。在接下來的章節(jié)中，將詳細的介紹本框架。

圖1 交通管理架構(gòu)

3 模型的建立

為了對車輛改道與交通燈的控制進行仿真，必須建立對交通狀況的評價模型。首先是關(guān)于靜態(tài)道路信息模型的建立，定義靜態(tài)道路覆蓋率為

(1)

NV表示在某段道路上的車輛數(shù)，La表示車輛的平均長度(包括與前車的行車間距)，Lp表示該路段的長度，Np表示該路段的車道數(shù)。I1越大表示在該路段的車輛越多，越容易發(fā)生擁堵。根據(jù)實際的車輛行駛規(guī)律定義動態(tài)的道路覆蓋率為

(2)

NI與NO分別表示該道路的輸入與輸出車輛數(shù)。車輛的輸入表達式為

(3)

Vi表示第i輛的平均速度，Tg表示在某時刻該車輛行駛到停車線以前的綠燈時間，Nstop表示車輛因事故停止的車輛數(shù)。輸出與輸入的表達式相似。

為了提高道路信息的準確性，判斷是否有事故發(fā)生，本文利用殘差神經(jīng)網(wǎng)絡模型[7]，來識別車輛是否發(fā)生事故。在收集了10000張圖片作為數(shù)據(jù)集之后，經(jīng)過訓練得出了訓練集與測試集的精度圖和損失變化圖如圖2和圖3。

圖2 精度圖 圖3 損失變化圖

4 控制策略

4.1 車輛的改道策略

一旦預測前方道路交通擁堵或識別出前方事故發(fā)生，將進行車輛改道。根據(jù)不同的車輛指定不同的改道策略。

4.1.1 車輛的選擇

如果某路段發(fā)生交通擁堵，不同車道的車進入此路段時，就會增加行駛時間。因此，通過車輛重路由改變車輛預期行駛的路線[8-9]，不僅減小道路的擁堵程度，還能減少行駛時間。然而對于那些不經(jīng)過事故或擁堵路段的車輛來說，改道是沒有必要的。如圖4，在P0路段出現(xiàn)交通事故或者擁堵，可以知道C2、C5、C8等遠離P0路段的車輛改道不僅增加行駛時間，有可能造成其它路段的擁堵，而C9、C10等將行駛在P0路段的車輛改道，將減小道路擁堵，縮短行駛時間。

圖4 車輛與道路信息

4.1.2 道路選擇概率

關(guān)于車輛重路由，在道路發(fā)生擁堵時，給部分車輛的行駛路線重新規(guī)劃，在這種情況下，可能會導致重新規(guī)劃的路段發(fā)生擁堵，最好的方法就是為車輛提供多條優(yōu)選路段。本文進行了幾種最短路徑的算法比較[5，10-13]，最終選擇了k-最短路徑算法[5](Yen’s算法)。在獲取路段信息后，給出更適合行駛的最短路徑，本文在利用k-最短路徑算法給出幾條選擇路線以后，計算出選擇某條路徑的概率，概率是根據(jù)其最短路徑下游路段的車輛信息來計算的，得到概率為

(4)

λ表示該道路的重量系數(shù)，l表示最短路徑的和，i表示第i條路徑。根據(jù)公式與實際情況可知，道路車輛越多信息量越大，該架構(gòu)選擇該道路的可能性就越小。受路段信息的影響，在擁堵路段產(chǎn)生的概率較小，但是在該路段擁堵現(xiàn)象或者事故排除以后，將供車輛正常行駛。

4.2 交通燈的控制策略

除重路由策略以外，交通燈的動態(tài)配時也是解決交通擁堵的有效辦法。在交通運輸系統(tǒng)中，交通燈是安裝在交叉路口上的有效控制車流的必要裝置[14-15]。交通燈系統(tǒng)的組成分為兩部分[2]：一、交通燈的顏色變化；二、顏色的持續(xù)時間。本節(jié)就針對交通燈顏色持續(xù)時間進行動態(tài)改變。在進行動態(tài)改變交通燈配時的過程中出現(xiàn)兩個問題。

4.2.1 不考慮下游交通狀況

如圖5，假設(shè)在交叉路口處，交通燈的持續(xù)時間，根據(jù)路況進行動態(tài)配時(T1，T2)，道路(P1，P2)信息(I1，I2)，在P1為綠燈時，P2必定為紅燈。其路燈持續(xù)時間表述為

圖5 不考慮下游信息的交通燈控制

(5)

(6)

在這里15是路燈持續(xù)的靜態(tài)時間，LP1是路段P1的長度，單位為m，V(P1)是車輛在P1的限定速度，單位m/s。當該路段輸入輸出相等時，n=1；當輸入大于輸出時，n=2。路段P2紅燈的持續(xù)時間Tr(P2)=Tg(P1)。

4.2.2 考慮下游交通狀況

如圖6，假設(shè)路燈持續(xù)時間(T1，T2)下游路段(P3，P4)信息(I3，I4)可以獲取，為了使模型更容易理解，假設(shè)(P1，P2)是直行道路(不轉(zhuǎn)彎且單向)。在不考慮下游時，如果P1的路面覆蓋率較大時，Tg(P1)就會增大，當下游交通狀況差時，Tg(P1)的持續(xù)時間變長，將導致下游情況更差。在這樣的情況下，P1與P2和P3有競爭關(guān)系，P2與P1和P4也有競爭關(guān)系，因此其路燈持續(xù)時間定義為

圖6 考慮下游信息的交通燈控制

(7)

(8)

在這γ∈[0.5，1]是加權(quán)信息，其它參數(shù)同上式(5)，路段P2紅燈的持續(xù)時間Tr(P2)=Tg(P1)。

4.3 人行道上交通燈的控制策略

現(xiàn)實生活中，在交叉口處，持續(xù)的紅燈不僅影響行車司機的心情；在各個方向沒有車輛行駛時，持續(xù)的紅燈同樣還影響行人的心情，因為增加了行人的不必要等待時間，這就有可能出現(xiàn)闖紅燈現(xiàn)象，同時出現(xiàn)不可預知的交通狀況。這種情況下，本文提出了人行道上交通燈的控制策略。當系統(tǒng)利用攝像機通過圖像識別等技術(shù)判斷當前道路上(如南北與東西方向)無行駛車輛或者僅在與行人行駛方向相同時(如圖7，8)，斑馬線上與交叉口上的紅燈停止綠燈亮起重新進入計時。這樣既能解決行人與車輛司機的不必要等待時間問題，也能降低事故的發(fā)生達到節(jié)省資源目的。路燈的實現(xiàn)形式如Tr(P3)→Tg(P3)。

圖7 識別前 圖8 識別后

4.4 交通燈的控制策略擴展

在上述的兩種情況下，如果發(fā)生交通事故，交通信息量必會增加，這時延長交通燈的持續(xù)時間，無疑會給此路段造成嚴重后果。當系統(tǒng)判斷出此路段是由于發(fā)生交通事故產(chǎn)生的擁堵，此路段的路燈色相將持續(xù)為紅色，直至事故處理結(jié)束。這樣既避免了二次事故，也為上游要經(jīng)過此路段的車輛節(jié)省了行駛時間。

5 實驗

在實驗中，對交通擁堵程度、行人與駕駛者的出行時間以及到達車輛數(shù)進行比較。

5.1 實驗設(shè)置

在微觀仿真平臺VISSIM上進行仿真。VISSIM是一種微觀的、基于時間與駕駛行為的仿真平臺，可以運用各種控制邏輯[16]。路網(wǎng)是由VISSIM中的各種工具根據(jù)現(xiàn)實交通規(guī)則(如右行原則)畫出。VISSIM的COM端口為仿真(控制車輛改道和交通燈的策略)提供了方便。

改道車輛配置如下：

1)車輛平均長度為4.5m，最小間距為2m。

2)車輛數(shù)為1500輛，行人數(shù)量為500人，行程隨機。

3)車輛到達目的地后，相當于行使出路網(wǎng)，不影響當前仿真路網(wǎng)。

4)穿過馬路后，不影響其它人行走。

5)交通擁堵閾值θ=0.6，目的地的個數(shù)den=2，最短路徑k=3。

最大仿真時間為1500秒，設(shè)定上下班高峰期。對每一個參數(shù)的變化做了50次的重復實驗，并記錄數(shù)據(jù)，求取平均值。在靜態(tài)交通中，本文設(shè)定路燈持續(xù)時間為15秒。為了驗證最終結(jié)論，本文將不同方法的結(jié)論記錄以下道路評價標準：1)道路的平均覆蓋率；2)到達目的地(小區(qū)、商場等)的車輛數(shù)量(駛出路網(wǎng)例外的車輛不在計數(shù)內(nèi))以及行人的數(shù)量；3)到達目的地車輛與行人的平均行駛時間。

5.2 車輛改道評價

針對車輛改道，有幾個參數(shù)將影響其性能，下面將研究這些參數(shù)對其性能的影響。

1)擁堵閾值[2]與目的地的增加：擁堵閾值θ={0.5，0.6，0.7}、目的地的個數(shù)den={1，2}。最短路徑k={2，3，4}在路網(wǎng)上仿真。用道路的平均覆蓋率、到達目的地的車數(shù)和重路由車輛數(shù)作為研究參數(shù)的參考依據(jù)。首先用靜態(tài)的配時策略，采用線性模型與深度學習預測模型。結(jié)果見表1?？梢詮谋碇杏^察到當θ=0.6、den=2與k=3時，道路覆蓋率最小。較小的擁堵閾值將使改道更加頻繁，預防交通擁堵。較多的目的地，縮短行駛時間。較多的路線抉擇，可以緩解交通擁堵。同時道路覆蓋率將會降低。多條規(guī)劃路徑與多個目的地將對駕駛者駕駛安全造成一定程度的影響。

表1 不同參數(shù)的重路由指標結(jié)果

2)路段擁堵是否被識別TJ=(0，1)、事故是否被識別TA=(0，1)與兩者是否被處理HT=(0，1)對車輛行駛中參數(shù)的影響。在實驗中利用VISSIM二次開發(fā)[17]設(shè)定隨機車輛減速為0與車身變紅來代替事故的發(fā)生，仿真數(shù)據(jù)見表2。本部分用道路的平均覆蓋率、到達目的地的車數(shù)和平均行駛時間指標對其進行對比分析。

表2 交通路況的識別與處理結(jié)果

5.3 交通燈的控制評價

本節(jié)分為兩部分：第一部分是關(guān)于車行道上的交通燈的控制。此部分分為三個評價因素：1)靜態(tài)交通燈策略；2)不考慮下游交通流量的交通燈策略；3)考慮下游交通流量的交通燈策略。仿真數(shù)據(jù)見表3：

表3 不同交通燈的控制策略結(jié)果

對三組數(shù)據(jù)進行對比分析發(fā)現(xiàn)動態(tài)交通燈策略均優(yōu)于靜態(tài)交通燈策略，因為靜態(tài)交通燈策略不能根據(jù)實際交通狀況改變交通配時，導致行駛時間、擁堵道路數(shù)量等均增加?？紤]下游交通流量的交通燈的控制策略優(yōu)于不考慮下游交通燈的控制策略，原因在于前者能根據(jù)下游交通流量適當?shù)脑黾勇窡舻某掷m(xù)時間，大大降低了交通擁堵等現(xiàn)象，改善了路網(wǎng)中的各項指標。第二部分是關(guān)于人行道上交通燈的控制。通過系統(tǒng)檢測人行道與車道情況，來控制交通燈的配時。本節(jié)以靜態(tài)的斑馬線交通燈策略與動態(tài)的斑馬線交通燈策略，來評價兩種策略的效果。行人的平均出行時間是從路邊穿過馬路到另一邊來計算的。仿真數(shù)據(jù)見表4。

表4 人行道交通燈的控制策略結(jié)果

從數(shù)據(jù)分析可知，斑馬線上動態(tài)的交通燈策略優(yōu)于靜態(tài)的交通燈策略。

5.3 架構(gòu)的整體評價

在本節(jié)中，將車輛重路由與交通燈的控制相結(jié)合的框架進行整體評估，數(shù)據(jù)見表5。本節(jié)將該框架與其它三種交通策略進行比較：

表5 車輛重路由與交通燈的控制結(jié)果

1)基本交通策略

2)動態(tài)交通燈的控制策略

3)車輛重路由策略

觀察表5不難發(fā)現(xiàn)本文架構(gòu)的數(shù)據(jù)明顯優(yōu)于其它三種策略。

在交通路網(wǎng)中運用不同策略的仿真結(jié)果，見圖9，圖10。平均繪制次數(shù)為50次，時間間隔按需求設(shè)定。圖中可以清楚地看出車輛重路由策略比基本交通策略要好。動態(tài)交通燈的控制策略在上下班高峰期表現(xiàn)較差。在聯(lián)合結(jié)構(gòu)策略比其它三種策略整體上要好(表5的數(shù)據(jù)平均中可以看出)，但是在上下班高峰期也同樣會差一些。

圖9 車輛的不同策略對比仿真結(jié)果

圖10 行人的不同策略對比仿真結(jié)果

6 結(jié)論

本文提出了一種新型的車輛改道以及交通燈的控制架構(gòu)，首次將人行道與車道的交通燈的動態(tài)配時相結(jié)合，緩解交通擁堵與減少不必要的等待時間；利用單目標向多目標轉(zhuǎn)換，以緩解擁堵道路壓力；將單行單向車道歸入路徑優(yōu)化方法中，增寬整體的道路行駛面積減緩道路壓力。

利用路邊基礎(chǔ)設(shè)施獲取相關(guān)信息，在微觀交通仿真平臺(VISSIM)上對統(tǒng)一交通管理架構(gòu)進行了仿真，人行道上交通的仿真結(jié)果比本文架構(gòu)仿真結(jié)果略優(yōu)，但整體上可以看出本文架構(gòu)的整體表現(xiàn)較優(yōu)，已經(jīng)達到了減少行人的不必要等待時間、交通擁堵與事故的發(fā)生的目的，充分說明本方案的可行性。