陳小紅，藍秋雨

(廣西大學(xué)，數(shù)學(xué)與信息科學(xué)學(xué)院，南寧 530004)

0 引言

交通系統(tǒng)是典型的不確定性系統(tǒng)，交通流的不確定性嚴重擾亂城市交通管理與控制，直接影響交通控制參數(shù)設(shè)置與控制效果評價。交通數(shù)據(jù)是控制策略制定和控制算法設(shè)計的基礎(chǔ)，決定了交通控制系統(tǒng)的適用性、可靠性及先進性[1]，是控制系統(tǒng)實現(xiàn)對城市交通最佳控制的關(guān)鍵基礎(chǔ)。隨著交通數(shù)據(jù)采集途徑和方法的不斷革新，交通控制已逐步轉(zhuǎn)向面向數(shù)據(jù)驅(qū)動的智能控制，快速響應(yīng)交通流的變化和預(yù)測控制效果，從而處理交通流的不確定性[2]。劉紅紅等[2]針對交通流的時變性與動態(tài)性，提出分布式多智能體控制；溫惠英等[3]提出了一種基于學(xué)習(xí)的模糊交通控制方法；LIANG等[4]提出了一種基于網(wǎng)聯(lián)車技術(shù)的以公平與效率為目標的單交叉口信號控制方法。此類方法主要圍繞獲取及處理實時數(shù)據(jù)的手段和方法，解決交通系統(tǒng)的時變性與動態(tài)性，并未從本質(zhì)上反映交通流到達規(guī)律的變化。TONG 等[5]針對過飽和交叉口，提出了使車均延誤期望最小的信號配時參數(shù)隨機優(yōu)化模型；WADA 等[6]基于變分理論，提出隨機需求下干道協(xié)調(diào)控制優(yōu)化模型。模糊優(yōu)化與隨機優(yōu)化雖然在一定程度上彌補了精確數(shù)學(xué)模型的缺陷，但在實際工程中，不確定參數(shù)的概率分布函數(shù)和隸屬度函數(shù)的確定需采集大量實時交通數(shù)據(jù)，成本高、難度大，且對于由檢測環(huán)境差異導(dǎo)致的數(shù)據(jù)誤差和道路上不同類型交通流間的交叉干擾等，不管分布函數(shù)或隸屬度函數(shù)怎樣假設(shè)，都無法準確刻畫實際交通流頻率。為有效解決交通需求波動，張萌萌等[7]提出基于延誤均值與標準差的交叉口信號配時魯棒優(yōu)化模型；YIN[8]提出了過飽和狀態(tài)下，基于情景的交叉口定時控制魯棒優(yōu)化模型；趙靖等[9]針對排陣式交叉口，考慮交通需求、飽和流率及運行車速這3 個客觀因素的波動，構(gòu)建基于情景的幾何設(shè)計和交通控制協(xié)同魯棒優(yōu)化等。魯棒優(yōu)化方法已廣泛地應(yīng)用到干線協(xié)調(diào)控制和網(wǎng)絡(luò)控制，但魯棒優(yōu)化模型是一個NP難問題，需要確定不確定集與其等價模型，并進行參數(shù)估計，模型敏感且計算量大，易出現(xiàn)過度保守的情況。

近年來，隨著區(qū)間數(shù)越來越多地被用來描述參數(shù)的不確定性，區(qū)間優(yōu)化作為非概率不確定性優(yōu)化的有效處理方法，已發(fā)展成為繼隨機優(yōu)化和模糊優(yōu)化的第三大類不確定優(yōu)化方法，在諸多實際工程領(lǐng)域展現(xiàn)出較強的應(yīng)用價值。在交通控制優(yōu)化中，盧凱等[10]引入?yún)^(qū)間集對分析方法，研究面向速度區(qū)間的干道綠波協(xié)調(diào)控制方案，該方法主要討論了面向速度區(qū)間的干道協(xié)調(diào)控制方案，但是并未直接考慮交通流量和飽和流率等關(guān)鍵基礎(chǔ)參數(shù)的不確定性對交通信號控制系統(tǒng)的影響。有鑒于此，本文針對不確定交通需求下交叉口混合交通信號配時優(yōu)化問題，利用區(qū)間數(shù)理論分析交通量和飽和流率兩個不確定參數(shù)，構(gòu)建交通控制信號配時參數(shù)區(qū)間優(yōu)化模型，響應(yīng)交通流的波動對交通控制系統(tǒng)的影響，提高控制方案的適應(yīng)性和可靠性。

1 信號配時參數(shù)區(qū)間優(yōu)化模型

1.1 混合飽和流率區(qū)間測算

飽和流率是設(shè)置配時方案和確定服務(wù)水平的重要參數(shù)，其大小受車輛構(gòu)成類型、車道性質(zhì)、車輛間相互關(guān)系及非機動車干擾等影響，這些因素與交通流實時狀態(tài)有著密切關(guān)系，表現(xiàn)出較強的不確定性[11]。關(guān)于其測算的研究已取得一定的成果，例如，美國通行能力手冊(HCM2010)[12]提出的在理想飽和車頭時距的基礎(chǔ)上乘以各種影響因素的折減系數(shù)；王殿海等[11]提出的面向數(shù)據(jù)驅(qū)動的實時估計方法，能較好地適用于實時交通信號控制，但未考慮非機動車的干擾。本文修正HCM2010中提出的混合交通飽和流率計算公式，討論混合交通量為區(qū)間數(shù)時，飽和流率區(qū)間確定方法，描述混合交通飽和流率不確定參數(shù)。

縱觀飽和流率計算公式的校正系數(shù)，飽和流率參數(shù)與實時機動車交通量和非機動車(行人)交通量有關(guān)。為了能合理確定飽和流率，有效優(yōu)化配時方案，本文以控制時段重型車輛區(qū)間、機動車左轉(zhuǎn)彎車輛區(qū)間及非機動車(行人)流量區(qū)間計算相關(guān)校正系數(shù)的區(qū)間取值，進而探討飽和流率區(qū)間，即s(I)。

1.2 配時參數(shù)區(qū)間優(yōu)化模型構(gòu)建

以控制時段各進口道機動車交通流率區(qū)間為控制輸入，選取機動車平均控制延誤作為成本型指標，交叉口通行能力作為效益型指標，優(yōu)化信號配時參數(shù)周期時長與各相位綠燈時長，提高交叉口運行效率。信號配時多目標優(yōu)化模型為

式中：上標(I)、(L)、(U)分別為區(qū)間、區(qū)間下界、區(qū)間上界；fk為不確定目標函數(shù)，用區(qū)間向量描述，k為目標函數(shù)個數(shù)，k=1,2；Qi為第i相位機動車通行能力(veh·h-1)，用區(qū)間數(shù)描述，，Qi公式為

式中：m為第i相位進口道數(shù)；θi為第i相位綠信比，；C為周期時長(s)，C≤Cmax；Cmax為最大周期時長(s)；L為損失時長(s)；xi為第i相位綠燈時長(s)；x為n維設(shè)計向量，其取值范圍為n維向量空間，記為Ωn；n為交叉口相位數(shù)；gmin為每相位最小綠燈時長(s)；R 為實數(shù)集；sij為第i相位第j進口道機動車飽和流率(veh·h-1)，用區(qū)間數(shù)描述；為交叉口機動車平均延誤，，其

中，為第i相位機動車平均延誤(s·veh-1)，用區(qū)間數(shù)描述，公式為

式中：qi為第i相位機動車交通流率(veh·h-1)，為第i相位第j進口道機動車交通流率(veh·h-1)，用區(qū)間數(shù)描述；q,s分別為n+m維不確定向量，用區(qū)間向量q(I),s(I)描述，；α為交叉口飽和度，用區(qū)間數(shù)α(I)描述，，其計算過程為

式中：αi為第i相位飽和度，用區(qū)間數(shù)描述；yi為第i相位交通流量比，為第i相位第j進口道交通流量比，yi，yij為一維不確定向量，分別用區(qū)間數(shù)，來描述，

1.3 模型修正

依據(jù)信號配時原則，交通平峰期要求盡可能減少車輛在交叉口的延誤，而在交通高峰期則著重提高交叉口的通行能力，盡可能地提高交叉口通過率，使道路使用率達到最大(逼近飽和流率)。因此，結(jié)合多目標規(guī)劃模型理論及其優(yōu)選法和交通控制原理，對模型的目標函數(shù)式(1)與式(2)進行修正，選取交叉口各相位飽和流率和通行能力差值最小為主要優(yōu)化目標，以車均延誤滿足管理者預(yù)期要求為約束條件，在保證通行能力達到最優(yōu)的同時，確保機動車平均延誤滿足預(yù)期要求，模型修正為

式中：si為第i相位機動車飽和流率區(qū)間(v eh·h-1)，用區(qū)間數(shù)s(iI)描述，為性能區(qū)間，即車均延誤預(yù)期要求，可依據(jù)管理者需求進行設(shè)置，此處，借鑒交叉口服務(wù)水平等級劃分標準，選取一級～三級對應(yīng)的車均延誤取值區(qū)間，即V(I)=[0,60]，且與飽和度小于0.9 的條件對應(yīng)。通過分析，式(7)為區(qū)間值非線性規(guī)劃模型，其中，包含兩個不確定參數(shù)交通流量q與飽和流率s，目標函數(shù)與約束條件均含有區(qū)間數(shù)，且目標函數(shù)具有非負性。

根據(jù)交叉口交通流需求特性和模型性質(zhì)，當交叉口為非飽和狀態(tài)時，通行能力隨著綠燈時長的增加而增加，但當綠燈時長達到某一閾值時，通行能力減少，此時，配時方案達到最優(yōu)，該閾值即為最優(yōu)綠燈時長。

2 模型轉(zhuǎn)換及算法

2.1 模型轉(zhuǎn)換

2.1.1 區(qū)間可能度及約束條件轉(zhuǎn)換模型

信號配時優(yōu)化模型式(7)中車均延誤和飽和度約束條件為區(qū)間不確定約束，此處，采用隨機機會約束規(guī)劃中隨機約束轉(zhuǎn)換思路對其進行轉(zhuǎn)換，即通過使不確定約束條件的概率滿足某一置信水平λ[8]。對于車均延誤不大于性能區(qū)間V(I)的約束條件，使其可能度不小于可能度水平參數(shù)λ1，轉(zhuǎn)換公式為

同理，對于飽和度α(I)不大于0.9 的約束條件，使其可能度不小于可能度水平參數(shù)λ2。飽和度約束條件等價轉(zhuǎn)換形式為

式中：當α(U)≤0.9 時，P(α(I)≤0.9)=1，飽和度α(I)絕對不大于0.9；λ2為飽和度小于0.9 的可能度水平參數(shù)，0≤λ2≤1，一般為0.8。

2.1.2 區(qū)間序關(guān)系及不確定目標函數(shù)的轉(zhuǎn)換

當飽和流率為區(qū)間數(shù)時，信號配時優(yōu)化模型式(7)為區(qū)間值非線性規(guī)劃模型，其目標函數(shù)的可能取值為一區(qū)間而非確定的實數(shù)值。區(qū)間序關(guān)系常用于定性判斷某區(qū)間是否優(yōu)于或劣于另一區(qū)間[8]，因此，本文利用區(qū)間序關(guān)系處理不確定目標函數(shù)。區(qū)間序關(guān)系的表示形式有很多，考慮到工程問題計算的直觀性，此處選擇基于區(qū)間中點和半徑偏好的區(qū)間序關(guān)系≤cw將不確定目標函數(shù)轉(zhuǎn)換成確定性目標函數(shù)。具體地，對于最小化優(yōu)化問題，序關(guān)系等價關(guān)系[8]為

式中：X*為最小化優(yōu)化問題的最優(yōu)解；f(I)(X)為區(qū)間值目標函數(shù)；f(c)(X)為f(I)(X)的中點值；f(w)(X)為f(I)(X)的半徑，具體計算公式為

式中：f(L)(X)，f(U)(X)分別為區(qū)間值函數(shù)f(I)(X)的上、下界，可通過兩次優(yōu)化過程求解不確定目標函數(shù)f(I)(X)獲得，即

利用區(qū)間序關(guān)系≤cw，結(jié)合式(10)～式(12)，將模型式(7)的區(qū)間值目標函數(shù)轉(zhuǎn)化為使中點最小和半徑最小的多目標函數(shù)，具體轉(zhuǎn)換模型為

當飽和流率波動較小時，其變化區(qū)間可近似為實數(shù)，模型式(7)的目標函數(shù)為實數(shù)，無需進行目標函數(shù)轉(zhuǎn)換。

2.1.3 確定性轉(zhuǎn)換模型

當飽和流率為區(qū)間數(shù)時，綜合目標函數(shù)與約束條件的轉(zhuǎn)換模型式(13)、式(8)、式(9)，信號配時區(qū)間優(yōu)化模型式(7)轉(zhuǎn)換成等價的確定型多目標優(yōu)化模型，即

為了便于求解，利用多目標優(yōu)化中的線性加權(quán)法將多目標優(yōu)化模型式(14)轉(zhuǎn)換成單目標優(yōu)化模型，即

式中：fd為多目標評價函數(shù)；0≤β≤1 為權(quán)系數(shù)；ξ為確保目標函數(shù)非負的參數(shù)，考慮到實際工程問題，一般取ξ=0；φ,φ為多目標函數(shù)的正則化因子，理論上通過優(yōu)化過程獲得，即

2.2 求解算法

考慮到模型式(15)為多層遞階優(yōu)化模型，本文采用遺傳算法進行求解。為了簡化計算，便于參數(shù)選取，在求解過程中先對模型式(7)中的目標函數(shù)進行量綱處理，即多目標正則化因子φ,φ可以根據(jù)具體問題大致取與各自目標同一量級的值，經(jīng)多次測算，φ=1.3，φ=0.5，控制性能指標的權(quán)重參數(shù)β=0.5。

算法的具體迭代過程如下：

Step 1 初始化種群。確定染色體編碼方案，采用實數(shù)向量編碼，構(gòu)造初始化種群。

Step 2 計算適應(yīng)度函數(shù)。針對每個種群個體，計算目標函數(shù)與約束條件的區(qū)間上、下界，構(gòu)造適應(yīng)度函數(shù)。

Step 2.1 賦初值。給定初始設(shè)計向量X(1)，X(1)為轉(zhuǎn)換后確定型模型式(15)的可行解，滿足，且X(1)≥gmin。

Step 2.2 計算多目標評價函數(shù)與約束條件。依據(jù)式(12)計算目標函數(shù)相對于流量區(qū)間在X(1)處的區(qū)間值并依據(jù)式(11)計算不確定目標函數(shù)的中點值f(c)(C,X(1))與半徑f(w)(C,X(1))，進而計算多目標評價函數(shù)fd(X(1))(或f(X(1)))；計算原不確定約束條件在X(1)處的區(qū)間與，并依此計算約束的可能度與

Step 3 父體選擇。采用輪盤賭選擇方法，使得適應(yīng)度函數(shù)值小的個體被優(yōu)先選擇進入下一代，繼續(xù)進行計算。

Step 4 設(shè)置相關(guān)參數(shù)。選取控制參數(shù)，經(jīng)過對不同參數(shù)進行試算，確定算法的種群規(guī)模N=20，交叉概率pc=0.5 和變異概率pm=0.05。其中，交叉算子采用常規(guī)算子，變異算子則采用非一致性變異，使得在搜索末期能以一定的概率跳出當前搜索區(qū)，防止陷入局部最優(yōu)。

Step 5 終止準則判斷。確定算法的終止準則，本文選取迭代次數(shù)達到500代或目標函數(shù)差值10-6為算法終止條件。若進化代數(shù)滿足上述終止條件，則輸出最優(yōu)解；否則，對父代種群實施選擇、交叉及變異操作，形成子代種群個體，然后，依據(jù)個體適應(yīng)度形成下一代種群，并返回Step 2。

3 模型驗證及適應(yīng)性分析

3.1 模型驗證

3.1.1 數(shù)據(jù)準備

為了驗證信號配時區(qū)間優(yōu)化模型的可行性，首先，選取道路等級相差較大，各進口道重型車輛占比較大，非機動車左轉(zhuǎn)占比較大，且無左轉(zhuǎn)專用相位的兩相位信號交叉路口進行數(shù)據(jù)采集，其中，東、西相位各進口道數(shù)為4，南、北相位各進口道為單車道，車道寬度均為3.5 m，具體幾何構(gòu)型如圖1所示，未對非機動車道進行詳細描述。

圖1 交叉口1的幾何構(gòu)型Fig.1 Plan of intersection 1

交叉口各進口道5 min 采集標段交通量數(shù)據(jù)，考慮到實際情況與模型需求，僅給出各進口道機動車直左5 min交通量，非機動車左、右轉(zhuǎn)、直行5 min交通量。因為，行人交通無左轉(zhuǎn)，本文中主要為非機動車左轉(zhuǎn)交通量。交通量統(tǒng)計如表1所示。

3.1.2 模型計算

由表1計算出飽和流率相關(guān)校正系數(shù)，其余系數(shù)為1。其中，機動車左、右轉(zhuǎn)校正系數(shù)適用于共用車道，左、右轉(zhuǎn)專用道上的左、右轉(zhuǎn)校正系數(shù)取值為0.95。各進口道飽和流率相關(guān)校正系數(shù)如表2所示。

依據(jù)表1和表2，各進口道飽和流率區(qū)間與交通量區(qū)間如表3所示。其中，東西相位為關(guān)鍵相位，飽和流率區(qū)間距離較大，說明高峰期東西進口道受車道間左、右轉(zhuǎn)車輛以及非機動車等因素的干擾較大。

表1 交叉口1的5 min時段交通量Table 1 Traffic flow at intersection 1 within 5 minutes

表2 交叉口1各進口道飽和流率相關(guān)校正系數(shù)Table 2 Correction coefficient of saturated flow rate of entrance road at intersection 1

表3 交叉口1交通量區(qū)間和飽和流率區(qū)間Table 3 Calculation results of traffic flow interval and saturated flow rate interval at intersection 1

經(jīng)過多次測算，相關(guān)參數(shù)設(shè)置如下：β=0.5，ξ=0，φ=1.3，φ=0.5，ε=10-6，初始設(shè)計向量x(1)=[1 5,15]T。經(jīng)計算，得到各信號配時方案，其中，全紅時長為2 s，黃閃時長為3 s。方案1為考慮飽和流率區(qū)間的配時參數(shù)多目標區(qū)間優(yōu)化模型；方案2 表示飽和流率為均值的配時參數(shù)多目標區(qū)間優(yōu)化模型；方案3為以車均延誤與通行能力為控制性能指標的多目標信號配時；魯棒優(yōu)化采用盒式不確定集，即晚高峰期17:00-19:00 的交通量，間隔為10 min，選取每間隔機動車延誤與標準差最小作為魯棒優(yōu)化目標函數(shù)[7]。

在表4中，方案1和方案2可行，且車均延誤區(qū)間介于[0,60]滿足預(yù)期要求。計算結(jié)果表明，6 種方案均可行，且方案1 和方案2 適用于表3所示的交通量區(qū)間。

表4 交叉口1各種配時方案計算結(jié)果Table 4 Calculation results of signal timing parameters in intersection 1

3.1.3 仿真比較

為了分析信號配時區(qū)間優(yōu)化方法的有效性，進一步利用VISSIM 軟件對各方案進行仿真比較，結(jié)果如圖2和圖3所示。圖2為交叉口1 各方案的車均延誤對比圖，方案1優(yōu)于其他方案；圖3為各方案通行能力對比圖，方案1 優(yōu)于其他方案，較Webster方法的優(yōu)化程度如表5所示。

圖2 交叉口1各方案平均延誤對比Fig.2 Comparison of average delays for all methods at intersection 1

圖3 交叉口1各方案通行能力對比Fig.3 Comparison of capacities for all methods at intersection 1

表5 交叉口1控制指標優(yōu)化程度Table 5 Degrees of optimization for all control indexes at intersection 1

結(jié)果表明：方案1平均延誤減少了35.9%，通行能力提高了14.9%，表現(xiàn)出較強的有效性；方案2，車均延誤增加了2.7%，通行能力降低了4.6%；方案3車均延誤增加了29.7%，通行能力降低了18.7%；魯棒優(yōu)化車均延誤減少了36.5%，通行能力提高了9.5%。說明，信號配時區(qū)間優(yōu)化模型是有效的，當考慮飽和流率區(qū)間時，表現(xiàn)出更優(yōu)的控制效果(方案1較魯棒優(yōu)化在通行能力上略提高了4.9%)。

3.2 模型適應(yīng)性分析

為驗證模型的適應(yīng)性，選取存在左轉(zhuǎn)專用相位的三相位信號交叉路口進行交通數(shù)據(jù)采集，其幾何構(gòu)型如圖4所示，其中，南北進口道為5 車道，西進口道為4 車道，東進口為單車道，車道寬度為3.5 m。

圖4 交叉口2的幾何構(gòu)型Fig.4 Plan of intersection 2

通過計算，各進口道交通量區(qū)間和飽和流率區(qū)間如表6所示，其中，西進口道飽和流率區(qū)間相對波動較大。

表6 交叉口2交通量區(qū)間和飽和流率區(qū)間Table 6 Calculation results of traffic flow interval and saturated flow rate interval at intersection 2

為了能獲得更優(yōu)的目標函數(shù)性能，經(jīng)多次測算，約束條件可能度參數(shù)取值為0.7，擴大模型式(15)的可行域，計算結(jié)果如表7所示，其中，車均延誤區(qū)間上界略大于60 veh·h-1，約束可能度為0.72。

表7 交叉口2各種配時方案計算結(jié)果Table 7 Calculation reslts of signal timing parameters in intersection 2

進一步，利用VISSIM 軟件對交叉口2 各配時方案進行仿真比較，結(jié)果如圖5和圖6所示。圖5為機動車平均延誤對比圖，方案2 優(yōu)于其他方案；圖6為通行能力對比圖，方案2 優(yōu)于其他方案。通過與Webster方法比較，優(yōu)化程度如表8所示。

表8 交叉口2各控制指標優(yōu)化程度Table 8 Degrees of optimization for all control indexes at intersection 2

圖5 交叉口2各方案平均延誤對比Fig.5 Comparison of average delays for all methods in intersection 2

圖6 交叉口2各方案通行能力對比Fig.6 Comparison of capacities for all methods in intersection 2

結(jié)果表明：方案2平均延誤減少了26.2%，通行能力提高了38.4%，表現(xiàn)出較強的有效性；方案1車均延誤減少了25.1%，通行能力提高了35.3%；魯棒優(yōu)化車均延誤減少了14.1%，通行能力提高了16.1%；方案3車均延誤增加了9.6%，通行能力降低了5.8%。顯然，方案1 與方案2 優(yōu)化程度相當，方案2略優(yōu)于方案1。

4 結(jié)論

本文以交通量區(qū)間作為信號控制輸入?yún)?shù)，通過分析飽和流率的不確定性，構(gòu)建信號配時參數(shù)多目標區(qū)間優(yōu)化模型，并與多目標信號配時、Webster方法、魯棒優(yōu)化方法及實測方案進行比較。結(jié)果表明：

(1)信號配時多目標區(qū)間優(yōu)化方法是可行有效的；

(2)帶飽和流率區(qū)間的優(yōu)化方法對于飽和流率波動較大的無左轉(zhuǎn)專用相位的兩相位交叉口，較傳統(tǒng)Webster 方法平均延誤減少了35.9%，通行能力提高了14.9%，略優(yōu)于魯棒優(yōu)化(通行能力略提高4.9%)，控制效果較優(yōu)；

(3)飽和流率為實數(shù)的區(qū)間優(yōu)化方法適用于帶左轉(zhuǎn)專用相位的三相位交叉口，較Webster 方法平均延誤減少了26.2%，通行能力提高了38.4%，且優(yōu)于魯棒優(yōu)化(車均延誤減少了14.2%，通行能力提高了19.3%)；

(4)用區(qū)間數(shù)描述不確定參數(shù)交通量和飽和流率，一方面，界定控制方案的適用范圍，提高控制方案的適用性；另一方面，用區(qū)間數(shù)進行參數(shù)估計，優(yōu)化信號配時，在一定程度上降低交通流實時檢測與預(yù)測的難度，減少參數(shù)估計誤差，為不確定環(huán)境下交通控制系統(tǒng)的研究提供理論基礎(chǔ)，但在模型求解過程中，進行參數(shù)選取時會受到設(shè)計者主觀偏好的干擾，從而影響控制方案的設(shè)計性能。為此，將進一步深入探討區(qū)間非線性規(guī)劃模型及其求解算法，使其更廣泛地適用于城市交通信號控制。此外，本文僅以單交叉口定時控制為背景，對配時參數(shù)區(qū)間優(yōu)化模型進行驗證，并未考慮實時控制方案配時參數(shù)區(qū)間優(yōu)化模型。為此，將進一步從區(qū)間預(yù)測的角度，深入探討實時控制信號配時參數(shù)區(qū)間優(yōu)化模型。