基于控制系數(shù)的交通信號(hào)動(dòng)態(tài)配時(shí)研究

包曉安，胡 星，張 娜，顧小衛(wèi)，桂 寧

（浙江理工大學(xué)信息學(xué)院，杭州310018）

基于控制系數(shù)的交通信號(hào)動(dòng)態(tài)配時(shí)研究

包曉安，胡 星，張 娜，顧小衛(wèi)，桂 寧

（浙江理工大學(xué)信息學(xué)院，杭州310018）

為緩解城市路口處的交通擁擠狀況，針對(duì)路口多相位交通流建立一種實(shí)時(shí)動(dòng)態(tài)模型，提出一種基于控制系數(shù)的交通信號(hào)配時(shí)方法。用隨機(jī)的交通流數(shù)據(jù)模擬路口各個(gè)車(chē)道上監(jiān)測(cè)到的車(chē)輛數(shù)目，在以各個(gè)相位對(duì)應(yīng)車(chē)道上的車(chē)輛數(shù)目按照比例分配相位時(shí)間的基礎(chǔ)上，提出車(chē)輛資源競(jìng)爭(zhēng)公平性問(wèn)題，引入控制系數(shù)，以最大通行能力為路口模型控制性能指標(biāo)，進(jìn)行周期信號(hào)燈配時(shí)的仿真。仿真結(jié)果表明，此方法比定時(shí)控制方法提高了1.7%的通行率，對(duì)于路口的信號(hào)控制是行之有效的。

交通流；控制系數(shù)；相位時(shí)間；信號(hào)控制；動(dòng)態(tài)配時(shí)

0 引 言

交通是城市經(jīng)濟(jì)活動(dòng)的命脈，對(duì)城市的發(fā)展產(chǎn)生重大的影響，交通的暢通與否與人們的生活息息相關(guān)。在現(xiàn)代城市的高速發(fā)展下，車(chē)輛保有量日益增多，人們生活節(jié)奏越來(lái)越快，對(duì)于城市的交通服務(wù)要求不斷提高，交通擁擠會(huì)增加出行者的出行時(shí)間，提高汽車(chē)尾氣排放量，造成社會(huì)經(jīng)濟(jì)損失和環(huán)境生態(tài)污染。而路口在交通運(yùn)行中擔(dān)任著重要作用，是交通車(chē)輛的匯聚地。交通信號(hào)燈又是交叉路口必不可少的交通控制手段，所以城市交通路口處信號(hào)配時(shí)的研究對(duì)于人們的生活意義十分重大。

交叉路口信號(hào)控制的歷史由來(lái)已久。國(guó)內(nèi)外學(xué)者為提高交叉口的通行效率，做過(guò)不懈地努力并提出了很多方法［1-7］。2001年，黃輝先等［4］運(yùn)用遺傳算法實(shí)時(shí)分配相位時(shí)間，對(duì)路口的時(shí)間分配進(jìn)行優(yōu)化，提高了車(chē)輛通行率。2003年，高海軍等［5］基于先放行所在車(chē)道車(chē)輛數(shù)最多的方法，靈活調(diào)節(jié)相位順序、相位時(shí)間以及相位組合。之后，Karakuzu等［7］用硬件實(shí)現(xiàn)了交叉口處各方向的紅綠黃信號(hào)燈，并用模糊控制對(duì)信號(hào)燈的信號(hào)配時(shí)進(jìn)行智能地、實(shí)時(shí)動(dòng)態(tài)調(diào)節(jié)。近幾年，還有很多人將智能控制算法，如遺傳算法用于對(duì)交通路網(wǎng)的控制并取得了不錯(cuò)的效果［8-10］。

一直以來(lái)，交通信號(hào)的控制都是研究的熱點(diǎn)，現(xiàn)在大多學(xué)者都是運(yùn)用人工智能控制的方法實(shí)現(xiàn)路口交通流數(shù)據(jù)的自適應(yīng)控制，提高通行能力，減少延誤時(shí)間。本文提出了一種信號(hào)配時(shí)的方法，主要是在各相位對(duì)應(yīng)車(chē)道上的車(chē)輛數(shù)目按照比例分配相位時(shí)間的基礎(chǔ)上，引入控制系數(shù)進(jìn)行加權(quán)，重新分配相位時(shí)間，從而取得對(duì)各個(gè)周期信號(hào)配時(shí)的結(jié)果。

1 交叉路口交通流數(shù)學(xué)模型

交叉路口的交通流數(shù)學(xué)模型分布如圖1所示，一個(gè)路口有東南西北4個(gè)方向，每個(gè)方向上均存在著左轉(zhuǎn)，直行，右轉(zhuǎn)的車(chē)輛，每一個(gè)方向上都可以簡(jiǎn)化為3個(gè)車(chē)道。通過(guò)對(duì)路口各個(gè)車(chē)道車(chē)流量進(jìn)行實(shí)時(shí)檢測(cè)，從而獲取車(chē)流量信息，由于車(chē)流量是隨機(jī)變化的，很難用數(shù)學(xué)方法描述其規(guī)律，本文采用隨機(jī)矩陣模擬車(chē)道上的車(chē)流量實(shí)時(shí)數(shù)據(jù)，以路口流通能力最大，即排隊(duì)長(zhǎng)度最小為優(yōu)化目標(biāo)函數(shù)，對(duì)相位進(jìn)行信號(hào)配時(shí)。

圖2所示為單交叉路口四相位信號(hào)控制的交通圖。本文只考慮路口車(chē)道上左轉(zhuǎn)和直行的車(chē)輛是否允許通行，因?yàn)樽筠D(zhuǎn)和直行是可能產(chǎn)生沖突的交通流，為保證安全，所以需要將產(chǎn)生沖突的車(chē)流分配到不同相位上，右轉(zhuǎn)是常綠狀態(tài)。針對(duì)一個(gè)四相位不斷交替運(yùn)行的交叉路口，為了表示不同相位，不同車(chē)道上的車(chē)輛放行狀態(tài)，引入一個(gè)系數(shù)矩陣pe。

圖1 單交叉路口

圖2 四相位交通

式（1）中：i為相位序號(hào)，取值為1，2，3，4，分別表示第一，第二，第三，第四相位；j表示路口的方向，取值為1，2，3，4，分別表示東、南、西、北方向；k為車(chē)道序號(hào)，取值為1，2，3，分別表示左轉(zhuǎn)、直行、右轉(zhuǎn)車(chē)道；

對(duì)于圖2中四相位的交通圖，放行狀態(tài)控制系數(shù)矩陣為：

設(shè)：tni（i=1，2，3，4）為交叉路口第n個(gè)周期，第i個(gè)相位的信號(hào)配時(shí)；λnijk為第n個(gè)周期、第i個(gè)相位、第j個(gè)方向、第k個(gè)車(chē)道上的車(chē)輛到達(dá)率，則可以得出第n個(gè)周期中、第i個(gè)相位、第j個(gè)方向、第k個(gè)車(chē)道上的車(chē)輛到達(dá)數(shù)目為

記第n個(gè)周期、第i個(gè)相位的車(chē)輛到達(dá)矩陣為

假設(shè)在綠燈期間內(nèi)，unijk為放行車(chē)輛在第n個(gè)周期、第i相位、第j個(gè)方向、第k個(gè)車(chē)道上的車(chē)輛離開(kāi)率，則在第n個(gè)周期、第i相位、第j個(gè)方向、第k個(gè)車(chē)道上的車(chē)輛離開(kāi)數(shù)目

記第n個(gè)周期、第i個(gè)相位的車(chē)輛離開(kāi)矩陣為

式（7）中，i=1，2，3，4；j=1，2，3，4；k=1，2，3。

記第n個(gè)周期、第i個(gè)相位結(jié)束時(shí)，車(chē)輛數(shù)目矩陣為，

式（9）中i=1，2，3，4；j=1，2，3，4；k=1，2，3。

為了使路口通行能力達(dá)到最大，路口上滯留車(chē)輛數(shù)目最少，滿(mǎn)足

優(yōu)化過(guò)程也就是對(duì)路口各個(gè)周期的4個(gè)相位進(jìn)行實(shí)時(shí)分配相位時(shí)間，在固定周期T的約束下，各個(gè)相位的時(shí)間滿(mǎn)足

考慮到行人過(guò)馬路以及車(chē)輛啟動(dòng)時(shí)間等，每一相位設(shè)定一個(gè)最短時(shí)間e（這里e取10 s），因此每一個(gè)相位的配時(shí)必須滿(mǎn)足

2 算法優(yōu)化動(dòng)態(tài)配時(shí)控制

路口處相位的時(shí)間分配主要是由路口上的交通流分布決定的，與路口各個(gè)時(shí)刻各個(gè)車(chē)道到達(dá)的車(chē)輛數(shù)目，以及由各相位各車(chē)道上的滯留車(chē)輛數(shù)目都密切相關(guān)。本文中，設(shè)定的路口下一個(gè)相位時(shí)間是由當(dāng)前相位結(jié)束時(shí)，車(chē)輛數(shù)目矩陣計(jì)算得到的。為保證相位不出現(xiàn)空放現(xiàn)象，每個(gè)相位的時(shí)間不小于e，定義第n個(gè)周期、第i相位時(shí)間為：

計(jì)算第n個(gè)周期、第i相位的時(shí)間，根據(jù)式（14）可以看出是由第n個(gè)周期、第i-1相位綠燈時(shí)間結(jié)束以后矩陣車(chē)輛數(shù)目矩陣進(jìn)行計(jì)算的，這樣就導(dǎo)致此時(shí)第n個(gè)周期、第i-1相位綠燈車(chē)道上對(duì)應(yīng)的車(chē)輛數(shù)目相對(duì)來(lái)說(shuō)是最少的，很有可能為0，為了保證在后面一個(gè)周期上對(duì)前面一個(gè)相位分配時(shí)間的公平性，也就是在第n+1個(gè)周期、個(gè)相位上的時(shí)間分配合理性和公平性，需要引入加權(quán)系數(shù)ω對(duì)前一個(gè)相位的車(chē)輛數(shù)目進(jìn)行加權(quán)等價(jià)當(dāng)前綠燈結(jié)束時(shí)所在車(chē)道上的車(chē)輛，將此加權(quán)系數(shù)ω定義為控制系數(shù)。式（14）應(yīng)該修正為：

依據(jù)以上分析，可以得到計(jì)算方法如下：

a）依據(jù)車(chē)輛數(shù)目矩陣確定當(dāng)前相位時(shí)間；

b）依靠隨機(jī)矩陣生成在當(dāng)前相位時(shí)間內(nèi)的車(chē)輛平均到達(dá)率，計(jì)算得到各個(gè)車(chē)道上的車(chē)輛數(shù)目；

c）根據(jù)相位時(shí)間以及當(dāng)前相位，計(jì)算離開(kāi)的車(chē)輛數(shù)目矩陣；

d）保存當(dāng)前相位對(duì)應(yīng)的車(chē)道上的車(chē)輛數(shù)目總和；

e）引入控制系數(shù)，根據(jù)式（15）計(jì)算下一相位的時(shí)間；

f）判斷仿真周期是否已經(jīng)完成，沒(méi)有，則將下一相位賦值為當(dāng)前相位，轉(zhuǎn)至步驟a）；否則結(jié)束。

程序流程圖的步驟如圖3所示。

圖3 仿真流程圖

3 仿真研究

單路口交通信號(hào)配時(shí)控制算法采用Matlab進(jìn)行編程，在路口東、南、西、北方向的左轉(zhuǎn)、直行、右轉(zhuǎn)車(chē)輛可以由平均車(chē)輛到達(dá)率進(jìn)行模擬，平均車(chē)輛到達(dá)率利用Matlab中的rand（4，3）進(jìn)行編寫(xiě)得到。能較好地模擬現(xiàn)實(shí)生活中的車(chē)輛運(yùn)行情況。

路口各個(gè)方向各個(gè)車(chē)道上通行時(shí)車(chē)輛通過(guò)率為1輛/s，固定周期時(shí)間T=100 s，仿真程序采用設(shè)計(jì)的算法和傳統(tǒng)定時(shí)算法進(jìn)行計(jì)算，比較10個(gè)周期的通行情況，通過(guò)計(jì)算，結(jié)果如表1所示。

m表示每個(gè)周期，路口各個(gè)方向，各個(gè)車(chē)道在綠燈時(shí)，通過(guò)總的車(chē)輛數(shù)目。表格1中給出了10個(gè)周期，4個(gè)相位的時(shí)間分配，對(duì)比了定時(shí)控制和本文算法中通行量m參數(shù)的情況，得出了兩種控制算法下的相位時(shí)間調(diào)配以及在多個(gè)周期內(nèi)通過(guò)的車(chē)輛數(shù)目m。因?yàn)檐?chē)輛到達(dá)率是采用隨機(jī)均勻分布的，所以定時(shí)控制在每個(gè)相位分配的時(shí)間都是25 s，可以看出，大多數(shù)周期上，本文算法都比定時(shí)控制算法有著優(yōu)勢(shì)。通過(guò)的車(chē)輛數(shù)都多于定時(shí)控制。

從Matlab仿真圖中（圖4）可以更清楚地觀察10個(gè)周期中本文算法和定時(shí)算法的車(chē)輛到達(dá)、車(chē)輛離開(kāi)、車(chē)輛滯留車(chē)道上的情況，大多數(shù)情況下本算法通過(guò)的車(chē)輛數(shù)都多于定時(shí)控制，在滯留的車(chē)輛數(shù)上，定時(shí)控制都要多于本文設(shè)計(jì)的算法。

表1 定時(shí)控制與本文算法比較 單位：s

圖4 定時(shí)算法和設(shè)計(jì)算法比較仿真圖

4 結(jié) 語(yǔ)

本文以平面交叉路口為研究對(duì)象，用隨機(jī)矩陣模擬檢測(cè)到的車(chē)輛數(shù)為輸入，綜合考慮了當(dāng)前相位車(chē)輛數(shù)在所有車(chē)道上所占的比例進(jìn)行配時(shí)。為了保證公平性，減少車(chē)輛等待時(shí)間，引入了加權(quán)系數(shù)，使得路口上的配時(shí)更加合理。仿真結(jié)果表明，提出的方法是有效的。該算法比較簡(jiǎn)單，不需要經(jīng)過(guò)大量的計(jì)算，具有較好的實(shí)時(shí)性，操作起來(lái)更加方便，可以擴(kuò)展到可變周期上進(jìn)行控制。后續(xù)工作上需要學(xué)習(xí)一些人工智能算法，并將這些算法的優(yōu)點(diǎn)相結(jié)合，應(yīng)用到多路口的動(dòng)態(tài)配時(shí)研究中。

［1］徐冬玲，方建安，邵世煌.交通系統(tǒng)的模糊控制及其神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)［J］.信息與控制，1992，21（2）：74-79.

［2］陳 洪，陳森發(fā).單路口交通實(shí)時(shí)模糊控制的一種方法［J］.信息與控制，1997，26（3）：68-74.

［3］劉智勇，朱 勁.單交叉口的多相位模糊控制［J］.信息與控制，1999，28（6）：453-458.

［4］黃輝先，史忠科.城市單交叉路口交通流實(shí)時(shí)遺傳算法優(yōu)化控制［J］.系統(tǒng)工程理論與實(shí)踐，2001，21（3）：102-106.

［5］高海軍，李靈犀，陳 龍.交通路口可變相位信號(hào)控制［J］.交通運(yùn)輸工程學(xué)報(bào)，2003，3（3）：79-83.

［6］趙忠杰，劉小強(qiáng)，謝光秋.單交通路口變相位變周期信號(hào)控制［J］.長(zhǎng)安大學(xué)學(xué)報(bào)：自然科學(xué)版，2005，25（6）：70-72.

［7］Karakuzu C，Demirci O.Fuzzy logic based smart traffic light simulator design and hardware implementation［J］. Applied Soft Computing，2010，10（1）：66-73.

［8］Zhao D，Dai Y，Zhang Z.Computational intelligence in urban traffic signal control：a survey［J］.Systems，Man，and Cybernetics，Part C：Applications and Reviews，IEEE Transactions on，2012，42（4）：485-494.

［9］Zhang L，Yin Y，Chen S.Robust signal timing optimization with environmental concerns［J］.Transportation Research Part C：Emerging Technologies，2013，29：55-71.

［10］Schm?cker J D，Ahuja S，Bell M G H.Multi-objective signal control of urban junctions-framework and a London case study［J］.Transportation Research Part C：E-merging Technologies，2008，16（4）：454-470.

Research on Traffic SignaI Dynamic Timing Based on ControI Coefficient

BAO Xiao-an，HU Xing，ZHANG Na，GU Xiao-wei，GUI Ning
（The School of Information Science and Technology，Zhejiang Sci-Tech University，Hangzhou 310018，China）

In order to alleviate urban traffic congestion at the junction，a real-time dynamic model in allusion to multiphase traffic flows is set up.This paper proposes a traffic signal timing method based on control coefficient.The number of vehicles detected in every lane is simulated by random traffic flow data. On the basis of allocating phase time according to the proportion for the number of vehicles on the corresponding lane of each phase，this paper put forward vehicle resource competition justice，introduces control coefficient and simulates periodic signal lamp timing with the maximum traffic capacity as intersection model control performance index.The simulation results show that this method improves 1.7%traffic rate compared with the timing control method and it is effective for intersection signal control.

traffic flow；control coefficient；phase time，signal control；dynamic timing

TP391.9

A

（責(zé)任編輯：陳和榜）

1673-3851（2014）05-0517-04

2014-02-18

國(guó)家自然科學(xué)基金（61202050，61379036，11347125）；浙江省自然科學(xué)基金（LY12F02041，Y13F020175）；浙江省錢(qián)江人才計(jì)劃項(xiàng)目（2013R10064，2012R10009）；浙江理工大學(xué)521人才培養(yǎng)計(jì)劃，浙江省新苗計(jì)劃項(xiàng)目（2012R406071，2013R406070，2014R406073）

包曉安（1973-），男，浙江東陽(yáng)人，教授，主要從事智能交通、自適應(yīng)軟件及軟件測(cè)試等領(lǐng)域研究。

張 娜，E-mail：zhangna@zstu.edu.cn