摘 要：隨著城市化進(jìn)程的不斷推進(jìn)，交通擁堵問(wèn)題成為影響城市居民生活和企業(yè)運(yùn)營(yíng)的主要挑戰(zhàn)之一。文章旨在通過(guò)優(yōu)化城市交叉口紅綠燈時(shí)序，改善城市交通擁堵?tīng)顩r，提高交通流暢性和安全性。紅綠燈作為交通控制的關(guān)鍵因素，其時(shí)序規(guī)劃的合理性直接關(guān)系到城市交通系統(tǒng)的運(yùn)行效率。為了應(yīng)對(duì)城市交通的復(fù)雜性和多樣性，文章構(gòu)建了一個(gè)綜合考慮機(jī)動(dòng)車(chē)、行人和非機(jī)動(dòng)車(chē)等多種交通參與者的微觀交通仿真模型，通過(guò)數(shù)學(xué)公式和遺傳算法進(jìn)行優(yōu)化，旨在找到最佳的紅綠燈時(shí)序配置，以實(shí)現(xiàn)交通系統(tǒng)的最優(yōu)化。文章的仿真實(shí)驗(yàn)選取了城市實(shí)際交叉口為案例，通過(guò)調(diào)整紅綠燈時(shí)序觀察交通流的變化，驗(yàn)證了模型和算法的有效性。通過(guò)研究發(fā)現(xiàn)，優(yōu)化紅綠燈時(shí)序不僅能夠改善交通擁堵問(wèn)題，提高交通流暢性，還能保障行人及非機(jī)動(dòng)車(chē)的交通安全，這為未來(lái)城市的可持續(xù)發(fā)展和居民的出行提供了有益的參考和指導(dǎo)。

關(guān)鍵詞：紅綠燈時(shí)序；交通系統(tǒng)；運(yùn)行效率；仿真實(shí)驗(yàn)；可持續(xù)發(fā)展

中圖分類號(hào)：F49；U491 文獻(xiàn)標(biāo)志碼：A DOI：10.13714/j.cnki.1002-3100.2024.18.023

Abstract： With the continuous advancement of urbanization， traffic congestion has become one of the main challenges affecting the lives of urban residents and business operations. The aim of this study is to improve urban traffic congestion， traffic smoothness， and safety by optimizing the timing of traffic lights at urban intersections. As a key factor in traffic control， the rationality of the timing planning of traffic lights directly affects the operational efficiency of urban transportation systems. In order to address the complexity and diversity of urban traffic， this paper constructs a micro traffic simulation model that comprehensively considers various traffic participants such as motor vehicles， pedestrians， and non motor vehicles. Through mathematical formulas and genetic algorithms， the model is optimized to find the optimal timing configuration of traffic lights and achieve the optimization of the transportation system. The simulation experiment in this article selected an actual urban intersection as a case study， and verified the effectiveness of the model and algorithm by adjusting the timing of traffic lights to observe changes in traffic flow. Through research， it has been found that optimizing the timing of traffic lights can not only improve traffic congestion and smoothness， but also ensure the safety of pedestrians and non motorized vehicles. This provides useful reference and guidance for the sustainable development of cities and the travel of residents in the future.

Key words： traffic light timing; transportation system; operating efficiency; simulation experiments; sustainable development

0 引 言

隨著城市化進(jìn)程的不斷推進(jìn)，城市交通問(wèn)題逐漸嚴(yán)峻。交通擁堵、交通事故和環(huán)境污染等問(wèn)題不僅嚴(yán)重影響著居民的出行體驗(yàn)，還對(duì)城市的可持續(xù)發(fā)展提出了挑戰(zhàn)。根據(jù)中國(guó)社會(huì)科學(xué)院和其他相關(guān)機(jī)構(gòu)的研究，交通擁堵對(duì)城市經(jīng)濟(jì)和社會(huì)造成的成本因多種因素而異。這些因素包括城市的規(guī)模、交通擁堵的程度、交通管理措施的效果等。具體成本會(huì)根據(jù)這些因素而有所不同。一般來(lái)說(shuō)，交通擁堵會(huì)產(chǎn)生時(shí)間浪費(fèi)、燃料消耗增加、環(huán)境污染加劇、交通事故風(fēng)險(xiǎn)增加等，從而對(duì)城市的經(jīng)濟(jì)和生活質(zhì)量產(chǎn)生負(fù)面影響。這些影響會(huì)導(dǎo)致直接和間接的成本。其中直接成本包括交通時(shí)間損失、燃料費(fèi)用增加、運(yùn)輸成本增加等。而間接成本包括環(huán)境污染治理費(fèi)用、醫(yī)療費(fèi)用、交通事故處理費(fèi)用等。紅綠燈作為交通控制的城市道路“指揮官”，對(duì)交通的流暢性和安全性起著關(guān)鍵作用。其中包含通過(guò)指示紅綠燈狀態(tài)，控制道路上車(chē)輛的流動(dòng)，協(xié)調(diào)不同方向的交通流量，以防止交通擁堵和事故發(fā)生，幫助車(chē)輛和行人有序通行，避免交通混亂；它們提供清晰的信號(hào)，確保車(chē)輛和行人在適當(dāng)?shù)臅r(shí)候停車(chē)和通行，減少了交通沖突和碰撞的機(jī)會(huì)；它們提供行人過(guò)馬路的安全時(shí)機(jī)，可以優(yōu)化交通流動(dòng)，減少交通擁堵，提高道路通行效率，這有助于節(jié)省時(shí)間和燃料成本；同時(shí)，也可以降低車(chē)輛的怠速時(shí)間，從而減少尾氣排放和環(huán)境污染。因此，尋求一種智能、綠色和低碳的城市交通管理理念變得至關(guān)重要。

1 相關(guān)研究回顧

1.1 交通信號(hào)燈控制系統(tǒng)相關(guān)研究

城市交通擁堵已經(jīng)成為國(guó)內(nèi)外交通管理者和學(xué)者的研究焦點(diǎn)，在現(xiàn)有的研究上面，主要分為兩個(gè)方面，一是交通信號(hào)燈控制系統(tǒng)研究方面，張健提出了基于ZigBee在交通信號(hào)燈上的應(yīng)用，在固定配時(shí)的基礎(chǔ)上，對(duì)信號(hào)燈配時(shí)及機(jī)動(dòng)車(chē)道路選擇提供方案，可以改善道路的擁堵情況，但該方法適用于宏觀調(diào)控，不適用于單條或幾條道路的調(diào)控[1]；趙曉華等將混雜系統(tǒng)理論應(yīng)用在交通信號(hào)燈系統(tǒng)控制上，通過(guò)仿真尋找最佳燈色切換時(shí)刻和最佳次序，但該算法只局限探究平均排隊(duì)時(shí)長(zhǎng)，并沒(méi)有綜合考慮每相位車(chē)道不同方向的燈色時(shí)間[2]；張迪提出交通信號(hào)燈控制的智能算法，即車(chē)流量越大，綠燈時(shí)間越長(zhǎng)的算法以保證交通暢通，但該觀點(diǎn)只適用于城市非主干路，對(duì)輻射交通網(wǎng)絡(luò)沒(méi)有影響[3]；陳漢祿等研究干線協(xié)調(diào)下行人固定請(qǐng)求的信號(hào)燈控制應(yīng)用，為保證行人安全過(guò)街，且對(duì)機(jī)動(dòng)車(chē)影響較小而設(shè)計(jì)了請(qǐng)求控制算法并進(jìn)行仿真，該研究對(duì)象主要為行人，并對(duì)緩解交通擁堵起顯著作用[4]。

1.2 交通信號(hào)燈配時(shí)相關(guān)研究

二是交通信號(hào)燈配時(shí)研究方面，Wei等通過(guò)大量實(shí)地調(diào)研和仿真實(shí)驗(yàn)，采用傳統(tǒng)調(diào)度方法嘗試優(yōu)化交通，但面對(duì)城市交通的復(fù)雜性，效果不是十分顯著[5]；Loder等提出TRRL配時(shí)法，重點(diǎn)考慮車(chē)輛延誤時(shí)間，對(duì)紅綠燈進(jìn)行固定配時(shí)，但不適用于擁堵路段[6]；李巖等基于NSGA算法研究過(guò)飽和狀態(tài)下的交通信號(hào)燈配時(shí)，但并未考慮行人及非機(jī)動(dòng)車(chē)的安全通行情況[7]；陶超等以降低車(chē)輛延誤為目標(biāo)，采用模糊控制理論對(duì)交通信號(hào)燈的順序和燈色進(jìn)行配時(shí)調(diào)整，并設(shè)計(jì)算法以彌補(bǔ)模糊控制理論的缺陷，但不能兼顧更多的交通參數(shù)[8]；吳妮提出一種車(chē)輛擁堵路口自適應(yīng)信號(hào)燈配時(shí)的框架，以二氧化碳排放量最低為目標(biāo)進(jìn)行優(yōu)化求解，運(yùn)用遺傳算法，對(duì)不同交通情況的路口設(shè)計(jì)相應(yīng)的交通信號(hào)燈配時(shí)方案，但該方法需要多次迭代實(shí)驗(yàn)進(jìn)行動(dòng)態(tài)調(diào)整，并不適用于目前城市道路的實(shí)際情況[9]。

綜上所述，目前國(guó)內(nèi)外學(xué)者對(duì)交通信號(hào)燈的研究對(duì)象多為系統(tǒng)控制及配時(shí)，鮮有綜合考慮四相車(chē)道并且每相車(chē)道具有不同方向交通信號(hào)燈配時(shí)的問(wèn)題，故本文旨在研究考慮多個(gè)車(chē)道方向，且兼顧行人和非機(jī)動(dòng)車(chē)通行問(wèn)題，合理分配各信號(hào)燈配時(shí)及次序，以降低交通擁堵，改善城市交通。

2 問(wèn)題描述

隨著城市化進(jìn)程的不斷推進(jìn)，城市交通擁堵問(wèn)題逐漸凸顯，因此，尋找有效的交通管理手段成為當(dāng)前城市規(guī)劃和發(fā)展的迫切需求之一。紅綠燈作為城市交通控制系統(tǒng)的重要組成部分，直接影響車(chē)輛、行人和非機(jī)動(dòng)車(chē)在路口的通行效率。合理優(yōu)化紅綠燈時(shí)間，不僅可以有效提高交通流暢性，減少擁堵，還有助于增加交通安全性和改善城市交通效率。因此，本研究旨在通過(guò)優(yōu)化紅綠燈時(shí)間，探索一種可行的方法來(lái)改善城市交通擁堵情況。

首先，本文考慮了城市交通系統(tǒng)的復(fù)雜性，包括機(jī)動(dòng)車(chē)、行人和非機(jī)動(dòng)車(chē)等多種交通參與者。在這個(gè)多元化的背景下，本文重點(diǎn)關(guān)注紅綠燈時(shí)序規(guī)劃對(duì)不同交通參與者的影響，以及如何通過(guò)調(diào)整時(shí)序來(lái)實(shí)現(xiàn)交通流暢和交通安全的平衡。然后，綜合考慮車(chē)輛流量、車(chē)道數(shù)、行人數(shù)量、非機(jī)動(dòng)車(chē)數(shù)量以及機(jī)動(dòng)車(chē)數(shù)量等多個(gè)因素，構(gòu)建微觀交通仿真模型，并考慮不同車(chē)輛的通行速度、流量等動(dòng)態(tài)因素。最后進(jìn)行算法設(shè)計(jì)及仿真實(shí)驗(yàn)。

因此，本文的問(wèn)題可描述為：針對(duì)某個(gè)車(chē)流量較大的交通路口，在一個(gè)紅綠燈時(shí)間周期之內(nèi)（從某一個(gè)方向的紅燈剛熄滅，綠燈剛亮起的瞬間開(kāi)始計(jì)時(shí)，期間所有紅綠燈均經(jīng)歷綠燈亮起、紅燈亮起的過(guò)程，直到計(jì)時(shí)的第一個(gè)綠燈再次亮起時(shí)為一個(gè)交通周期），已知該路口在整個(gè)交通周期的機(jī)動(dòng)車(chē)數(shù)量、非機(jī)動(dòng)車(chē)數(shù)量及行人數(shù)量、車(chē)輛及行人行駛最低速度和平均速度、車(chē)道數(shù)量及方向等相關(guān)信息，以單個(gè)交通周期內(nèi)保證絕大多數(shù)的車(chē)輛及行人均能通過(guò)路口的前提下，交通時(shí)間周期最短、各路口紅綠燈時(shí)間安排合理為目標(biāo)函數(shù)，建立微觀交通仿真模型，最終給出為保證各個(gè)路口的車(chē)輛通過(guò)率，各個(gè)方向指示綠燈時(shí)間安排及道路指向的規(guī)劃。

3 數(shù)學(xué)模型

3.1 模型假設(shè)

本文在主干路交通信號(hào)燈調(diào)控優(yōu)化的過(guò)程中，由于單個(gè)路口的交通情況所產(chǎn)生的影響會(huì)輻射一片區(qū)域，甚至整個(gè)交通網(wǎng)絡(luò)，故本文作出如下假設(shè)。

第一，模型所優(yōu)化的交通信號(hào)燈只對(duì)該路口的交通情況產(chǎn)生主要影響，因控制整個(gè)交通周期總長(zhǎng)波動(dòng)較小，所以不考慮對(duì)周邊輻射區(qū)域的影響；

第二，模型中機(jī)動(dòng)車(chē)輛、非機(jī)動(dòng)車(chē)輛、行人反應(yīng)及速度基本保持一致；

第三，模型中不考慮特殊情況，例如肇事、車(chē)輛拋錨等影響交通的情況；

第四，所有車(chē)輛、行人均遵守交通信號(hào)燈指揮通行。

3.2 符號(hào)參數(shù)

3.3 模型構(gòu)建

3.3.1 目標(biāo)函數(shù)

其中，目標(biāo)函數(shù)是最小化車(chē)輛、行人和非機(jī)動(dòng)車(chē)的通行時(shí)間，同時(shí)確保絕大多數(shù)車(chē)輛可以在保證安全的前提下通過(guò)路口；代表機(jī)動(dòng)車(chē)輛的通行時(shí)間；代表行人的通行時(shí)間；代表非機(jī)動(dòng)車(chē)的通行時(shí)間。

3.3.2 約束條件

其中，式（2）表示交通周期約束，即所有車(chē)道的周期時(shí)間之和不應(yīng)超過(guò)交通周期；式（3）表示綠燈時(shí)間足夠長(zhǎng)的約束：確保每個(gè)車(chē)道的綠燈時(shí)間足夠長(zhǎng)，以滿足機(jī)動(dòng)車(chē)的通行時(shí)間，同時(shí)不浪費(fèi)時(shí)間，確保行人和非機(jī)動(dòng)車(chē)有足夠的時(shí)間通行，緩解交通壓力。其中，是每個(gè)車(chē)道的最小綠燈時(shí)間，以確保行人和非機(jī)動(dòng)車(chē)有足夠的時(shí)間來(lái)通行；式（4）為交通流量平衡：確保每個(gè)車(chē)道上的車(chē)輛流量在合理范圍內(nèi)；式（5）為交通安全約束：考慮交通安全，確保通行時(shí)間不會(huì)導(dǎo)致交通事故。添加約束，限制車(chē)道上的通行速度。是每個(gè)車(chē)道上的最大允許速度，以確保安全通行；式（6）為通行時(shí)間差異約束：考慮不同車(chē)道上車(chē)輛通行時(shí)間的差異，約束以限制通行時(shí)間差異。和分別表示車(chē)道上通行時(shí)間的最大值和最小值，是允許的通行時(shí)間差異；式（7）為紅綠燈協(xié)調(diào)約束：確保機(jī)動(dòng)車(chē)、行人和非機(jī)動(dòng)車(chē)的綠燈時(shí)間協(xié)調(diào)，以避免通行沖突；式（8）為行人和非機(jī)動(dòng)車(chē)綠燈時(shí)間約束：當(dāng)紅燈亮起時(shí)，行人和機(jī)動(dòng)車(chē)綠燈時(shí)間應(yīng)足夠長(zhǎng)，以確保行人通行。

4 算法設(shè)計(jì)

本文的數(shù)學(xué)模型為混合整數(shù)線性規(guī)劃模型，考慮到本文計(jì)算量較大，依據(jù)模型的特點(diǎn)，設(shè)計(jì)了改進(jìn)遺傳算法，通過(guò)考慮違反交通周期、綠燈通行時(shí)間、交通安全等約束條件的程度形成新種群，再進(jìn)行交叉變異，最后得出結(jié)果，具體流程見(jiàn)圖1。

在設(shè)計(jì)遺傳算法的染色體編碼時(shí)，需要將問(wèn)題的解表示為染色體的一部分。因本文為交通信號(hào)時(shí)序規(guī)劃問(wèn)題，因此可以使用實(shí)數(shù)編碼，其中每個(gè)染色體代表一個(gè)車(chē)道的綠燈時(shí)間。

表1是一個(gè)示例染色體的編碼方式，其中每個(gè)基因的值是車(chē)道的綠燈時(shí)間/秒。表示第個(gè)車(chē)道的綠燈時(shí)間，其中代表的具體值，且在[0，Gmax]范圍內(nèi)。

每個(gè)染色體代表一個(gè)可能的交通信號(hào)時(shí)序規(guī)劃方案。通過(guò)遺傳算法的選擇、交叉和變異操作，進(jìn)行搜索和優(yōu)化染色體，進(jìn)而找到最佳的紅綠燈時(shí)序規(guī)劃，以達(dá)到最小化車(chē)輛、行人和非機(jī)動(dòng)車(chē)的通行時(shí)間，同時(shí)確保交通安全和協(xié)調(diào)。

初始化種群：首先，創(chuàng)建一個(gè)初始的種群，其中每個(gè)個(gè)體代表一個(gè)可能的紅綠燈時(shí)序規(guī)劃方案。每個(gè)個(gè)體由一組參數(shù)構(gòu)成，包括每個(gè)車(chē)道的綠燈時(shí)間。

適應(yīng)度函數(shù)：定義適應(yīng)度函數(shù)，用于評(píng)估每個(gè)個(gè)體的性能。適應(yīng)度函數(shù)應(yīng)該基于目標(biāo)函數(shù)和約束條件，以確定每個(gè)規(guī)劃方案的優(yōu)劣程度。該模型的適應(yīng)度函數(shù)如下。

其中：表示候選解的目標(biāo)函數(shù)值，即目標(biāo)函數(shù)中的，即最小化車(chē)輛、行人和非機(jī)動(dòng)車(chē)的通行時(shí)間；表示違反約束條件的程度，如果候選解符合所有約束條件，則，否則為一個(gè)正數(shù)。根據(jù)約束條件的違反程度進(jìn)行計(jì)算：其中，表示超過(guò)交通周期的約束的程度，表示綠燈時(shí)間不足的約束的程度，表示交通安全約束的違反程度。是權(quán)重系數(shù)，用于平衡不同約束條件的重要性。見(jiàn)表2和表3。

在實(shí)施這個(gè)改進(jìn)的遺傳算法時(shí)，應(yīng)設(shè)置合適的參數(shù)，以確保算法能夠有效地搜索解空間，進(jìn)而找到最佳的紅綠燈時(shí)序規(guī)劃方案，以實(shí)現(xiàn)交通流的優(yōu)化和緩解城市交通壓力。

5 仿真模型

5.1 微觀交通仿真模型設(shè)計(jì)

依據(jù)模型及算法的特點(diǎn)，本文采用微觀交通仿真模型[11]，微觀交通仿真模型是一種用于模擬城市道路交通中各種交通參與者（如車(chē)輛、行人、自行車(chē)等）的行為和互動(dòng)的復(fù)雜計(jì)算模型。它模擬交通系統(tǒng)中每個(gè)個(gè)體的行動(dòng)，以便更好地了解交通流量、擁堵、事故等情況，用于優(yōu)化交通控制策略和基礎(chǔ)設(shè)施規(guī)劃。微觀交通仿真模型通常使用計(jì)算機(jī)程序來(lái)實(shí)現(xiàn)[12]，以模擬大規(guī)模的交通網(wǎng)絡(luò)并分析不同情景下的交通表現(xiàn)。這些模型對(duì)于城市規(guī)劃師、交通工程師和交通管理部門(mén)來(lái)說(shuō)是強(qiáng)大的工具，可以幫助他們制定更有效的交通控制策略，提高道路安全性，減少擁堵，提高交通效率，以滿足不斷增長(zhǎng)的城市交通需求。

以下是一些微觀交通仿真模型所使用的關(guān)鍵元素和原理[13]。

車(chē)輛模型：微觀交通仿真模型通常包括車(chē)輛模型，模擬車(chē)輛的運(yùn)動(dòng)和駕駛行為。這些模型考慮了車(chē)輛的加速、減速、換道、速度限制等因素，以模擬車(chē)輛在道路上的行駛。

行人模型：如果仿真模型考慮了行人的影響，它還會(huì)包括行人模型，模擬行人的行走行為和交叉路口的穿越。行人模型通常涉及行人的速度、密度、目標(biāo)位置和行走路徑選擇等因素。

信號(hào)控制模型：微觀交通仿真模型通常還包括信號(hào)控制模型，模擬紅綠燈和交通信號(hào)的運(yùn)作。這些模型決定交通信號(hào)何時(shí)變化，以及每個(gè)方向的綠燈和紅燈的時(shí)間。

道路網(wǎng)絡(luò)模型：道路網(wǎng)絡(luò)模型用于表示城市道路網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和連接關(guān)系。這有助于確定車(chē)輛和行人的路徑選擇以及模擬道路容量和擁堵情況。

交互行為：微觀交通仿真模型考慮了交通參與者之間的相互作用。這包括車(chē)輛之間的交互、車(chē)輛與行人之間的交互，以及交通信號(hào)與交通參與者之間的交互。這有助于模擬復(fù)雜的交通場(chǎng)景，如擁堵、事故等。

數(shù)據(jù)輸入：仿真模型需要大量的輸入數(shù)據(jù)，如道路屬性、交通流量、速度限制、事故數(shù)據(jù)等。這些數(shù)據(jù)用于初始化模型和進(jìn)行仿真實(shí)驗(yàn)。

輸出和評(píng)估：模型輸出包括模擬交通流量、擁堵情況、行程時(shí)間、事故概率等信息。這些輸出用于評(píng)估不同策略的效果，優(yōu)化交通控制和基礎(chǔ)設(shè)施規(guī)劃。

5.2 仿真流程

STEP1：數(shù)據(jù)收集和預(yù)處理。仿真的第一步是收集所需的數(shù)據(jù)，包括道路網(wǎng)絡(luò)信息、交通流量數(shù)據(jù)、速度限制、信號(hào)控制信息等。這些數(shù)據(jù)通常來(lái)自交通監(jiān)測(cè)設(shè)備、地理信息系統(tǒng)（GIS）、歷史交通數(shù)據(jù)等。數(shù)據(jù)預(yù)處理包括清理和格式化數(shù)據(jù)以供仿真使用。

STEP2：模型構(gòu)建。根據(jù)收集到的數(shù)據(jù)，構(gòu)建微觀交通仿真模型，包括道路網(wǎng)絡(luò)、車(chē)輛模型、行人模型、信號(hào)控制模型等。這些模型用于模擬交通參與者的行為和道路網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。

STEP3：仿真實(shí)驗(yàn)設(shè)計(jì)。在仿真實(shí)驗(yàn)之前，需要明確研究的目標(biāo)和問(wèn)題。確定實(shí)驗(yàn)的輸入?yún)?shù)，如交通流量、信號(hào)時(shí)序、道路容量等，以及模擬的時(shí)間段和區(qū)域。

STEP4：仿真運(yùn)行。利用仿真工具運(yùn)行模型，模擬交通參與者的行為和道路交通的演變。模擬運(yùn)行的時(shí)間可以是分鐘、小時(shí)，甚至是一天的交通情景，具體取決于研究的范圍和問(wèn)題。

STEP5：數(shù)據(jù)分析。在仿真運(yùn)行完成后，收集和分析輸出數(shù)據(jù)。這包括交通流量、擁堵情況、行程時(shí)間、事故率等信息。分析結(jié)果用于評(píng)估不同策略和情景的效果。

STEP6：策略優(yōu)化?；诜抡娼Y(jié)果，可以進(jìn)行策略優(yōu)化，如調(diào)整信號(hào)時(shí)序、道路規(guī)劃、交通管理策略等，以改善交通效率、安全性和流暢性。

STEP7：報(bào)告和決策支持。最終的仿真結(jié)果和優(yōu)化策略可以用于報(bào)告編制和決策支持。城市規(guī)劃師、交通工程師和交通管理部門(mén)可以根據(jù)仿真結(jié)果來(lái)制定政策和規(guī)劃基礎(chǔ)設(shè)施。

依據(jù)本文模型特點(diǎn)及算法流程，具體仿真操作如圖2所示。

建立道路網(wǎng)絡(luò)：定義道路網(wǎng)絡(luò)，包括道路段的長(zhǎng)度、車(chē)道數(shù)、速度限制等信息。這可以用矩陣或數(shù)據(jù)結(jié)構(gòu)來(lái)表示。

生成車(chē)輛：在道路網(wǎng)絡(luò)上生成一定數(shù)量的車(chē)輛，并為它們分配起始位置、目標(biāo)位置、初始速度等信息。

模擬車(chē)輛行為：對(duì)每輛車(chē)輛進(jìn)行模擬，包括車(chē)輛的加速、減速、換道等行為?？梢允褂密?chē)輛動(dòng)力學(xué)模型（如加速度-速度模型）來(lái)描述車(chē)輛的行為。

模擬交通信號(hào)：如果有交通信號(hào)控制，需要模擬信號(hào)的變化，以決定交叉路口的車(chē)輛通行權(quán)。

時(shí)間步進(jìn)：模擬運(yùn)行的時(shí)間步進(jìn)，逐步更新車(chē)輛的位置和速度，同時(shí)考慮交通信號(hào)的變化。

數(shù)據(jù)記錄：記錄仿真期間的各種數(shù)據(jù)，如車(chē)輛位置、速度、行程時(shí)間等。

可視化和分析：利用MATLAB的可視化工具和數(shù)據(jù)分析功能，繪制交通流量、擁堵情況等圖表，以分析仿真結(jié)果。

其中，設(shè)置車(chē)道數(shù)為4條，分別代表十字路口四個(gè)方向的車(chē)道，種群大小為50，迭代最大次數(shù)為100次，交通周期時(shí)間為120秒，機(jī)動(dòng)車(chē)數(shù)量為100輛，車(chē)輛最大速度為60千米/小時(shí)，允許通行時(shí)間差異為10秒，行人數(shù)量和通行速度分別為100人、3千米/小時(shí)，非機(jī)動(dòng)車(chē)數(shù)量和通行速度分別為50輛、6千米/小時(shí)，根據(jù)以上參數(shù)進(jìn)行MATLAB仿真。最優(yōu)解如表4所示。遺傳算法收斂見(jiàn)圖3。

6 算例實(shí)驗(yàn)

以某城市主干路其中一個(gè)交叉口車(chē)流量為例，該交叉路口交通周期共12排車(chē)道，四個(gè)方向車(chē)道共3排，其中每個(gè)方向的車(chē)道分別有左轉(zhuǎn)、直行、直行及右轉(zhuǎn)三條車(chē)道（右轉(zhuǎn)通行不受紅綠燈限制），如圖4所示。

通過(guò)對(duì)該十字路口交通信號(hào)燈的紅綠燈時(shí)間觀察，記錄每個(gè)路口的紅綠燈時(shí)長(zhǎng)，見(jiàn)表5。

自紅燈剛開(kāi)啟至下個(gè)紅燈亮起為單個(gè)周期，統(tǒng)計(jì)出四個(gè)周期各個(gè)車(chē)道內(nèi)綠燈期間通過(guò)的機(jī)動(dòng)車(chē)數(shù)量、行人數(shù)量、非機(jī)動(dòng)車(chē)數(shù)量，以及單個(gè)周期內(nèi)未通過(guò)的機(jī)動(dòng)車(chē)數(shù)量、行人數(shù)量和非機(jī)動(dòng)車(chē)數(shù)量，如表6所示。

假設(shè)該路口紅綠燈時(shí)長(zhǎng)可調(diào)控，且在不影響其他路段交通情況的前提下，將上述數(shù)據(jù)帶入本文的數(shù)學(xué)模型和算法進(jìn)行求解，為保障車(chē)輛通過(guò)率超過(guò)90%，進(jìn)而去求得每個(gè)紅綠燈的綠燈時(shí)長(zhǎng)（見(jiàn)表7）及交通收斂圖（見(jiàn)圖5）。

根據(jù)算例結(jié)果，認(rèn)為低于30秒的綠燈時(shí)間道路可取消單獨(dú)方向紅綠燈，即原為左轉(zhuǎn)專用道，可取消單獨(dú)同行方向，即與直行合并，G3-3和均可取消右轉(zhuǎn)轉(zhuǎn)向燈及右轉(zhuǎn)專用車(chē)道，道路可以與直行道路合并。四個(gè)周期各條主干道機(jī)動(dòng)車(chē)通行率各有顯著提升，通過(guò)仿真實(shí)驗(yàn)，我們發(fā)現(xiàn)動(dòng)態(tài)時(shí)序調(diào)整策略在減少擁堵和提高交通效率方面效果顯著，能有效改善主要道路的通行情況，行人通行時(shí)間的優(yōu)化提高了行人的安全性。具體見(jiàn)表8。

7 結(jié) 論

城市紅綠燈優(yōu)化仿真研究可以幫助交通管理部門(mén)更好地理解和改進(jìn)城市交通控制系統(tǒng)。本文綜合考慮交通流量、道路容量、安全性等因素，通過(guò)建立數(shù)學(xué)模型并利用改進(jìn)遺傳算法進(jìn)行求解，同時(shí)，建立微觀交通仿真模型進(jìn)行算例檢驗(yàn)，在保證通過(guò)率的前提下，對(duì)路口紅綠燈時(shí)長(zhǎng)進(jìn)行調(diào)控和優(yōu)化，可以更好地提高城市交通的效能，減少擁堵，提高交通安全性。但本文只考慮在盡量不影響交通網(wǎng)絡(luò)的前提下，對(duì)單個(gè)路口的紅綠燈進(jìn)行合理調(diào)控和優(yōu)化，以改善道路的擁堵情況，后續(xù)將進(jìn)一步研究和實(shí)驗(yàn)，繼續(xù)改進(jìn)城市紅綠燈控制系統(tǒng)，以應(yīng)對(duì)不斷增長(zhǎng)的城市交通需求，創(chuàng)造更安全、高效和便捷的城市道路交通環(huán)境。

參考文獻(xiàn)：

[1] 張?。赯igBee無(wú)線網(wǎng)絡(luò)技術(shù)在智能交通信號(hào)燈控制中的應(yīng)用[J]．銅陵學(xué)院學(xué)報(bào)，2013，12（2）：103-106.

[2] 趙曉華，陳陽(yáng)舟．基于混雜系統(tǒng)理論的單交叉口信號(hào)燈控制[J]．北京工業(yè)大學(xué)學(xué)報(bào)，2004（4）：412-416.

[3] 張迪．基于車(chē)流量的交通信號(hào)燈智能控制系統(tǒng)研究[J]．太原學(xué)院學(xué)報(bào)：自然科學(xué)版，2023，41（1）：37-42.

[4] 陳漢祿，趙輝，王振．干線協(xié)調(diào)控制中行人過(guò)街信號(hào)燈應(yīng)用淺析[J]．交通工程，2023，23（2）：54-60.

[5] WEI Hua，ZHENG Guanjie，GAYAH V，et al． A survey on traffic signal control methods[J/OL]．Computer Science，2019：1-32.[2023-12-20]．https：//doi.org/10.48550/arXiv.1904.08117.

[6] LODER A，AMBüHL L，MENENDEZ M，et al．Understanding traffic capacity of urban networks[J/OL]．Scientific reports，2019，9（1）：16283.[2023-11-25]．https：//doi.org/10.1038/s41598-019-51539-5.

[7] 李巖，過(guò)秀成，陶思然，等．基于NSGA-Ⅱ算法的過(guò)飽和狀態(tài)交叉口群交通信號(hào)配時(shí)優(yōu)化[J]．東南大學(xué)學(xué)報(bào)（英文版），2013，29（2）：211-216.

[8] 陶超，李超，趙騫，等．基于模糊控制的城市單交叉口信號(hào)燈配時(shí)優(yōu)化[J]．湖州師范學(xué)院學(xué)報(bào)，2016，38（2）：19-23.

[9] 吳妮．城市過(guò)飽和路口信號(hào)配時(shí)方法研究[D]．武漢：華中師范大學(xué)，2018.

[10] 任年魯，袁逸萍，戴毅，等．基于改進(jìn)遺傳算法的環(huán)形RGV系統(tǒng)調(diào)度優(yōu)化[J]．機(jī)械設(shè)計(jì)與制造，2023（4）：1-5.

[11] ABK K，F(xiàn)UJII H，YOSHIMURA S．Efficient origin-destination estimation using microscopictraffic simulation with restrictedrerouting[J]. Computer Modeling in Engineering & Sciences，2023，135（2）：1091-1109.

[12] CAPEK K，KOSONEN I，LUTTINEN R T．Sink&source – An approach for real-time corrections of an online microcopictraffic simulation[C]//13th World Congress and Exhibition on Intelligent Transport Systems（ITS） and Services．London，UK，8-12 October，2006.

[13] BARCELO J，CASAS J．Heuristic dynamic assignment based on microscopic traffic simulation[J/OL]．Computer Science，Engineering，1964（1）：1-12.[2024-11-25]．https：//api.semanticscholar.org/CorpusID：199409591.