結(jié)合信號控制的交通狀態(tài)及其真實性判別方法

陳兆盟，劉小明，吳文祥，唐少虎

(北方工業(yè)大學(xué) 城市道路交通智能控制技術(shù)北京市重點實驗室，北京 100144)

結(jié)合信號控制的交通狀態(tài)及其真實性判別方法

陳兆盟，劉小明，吳文祥，唐少虎

(北方工業(yè)大學(xué) 城市道路交通智能控制技術(shù)北京市重點實驗室，北京 100144)

過飽和交通狀態(tài)的判別是對過飽和交通信號控制的首要條件，提出了一種結(jié)合信號控制優(yōu)化的交通狀態(tài)及其真實性的判別方法，避免了由于交通信號控制不合理,尤其是協(xié)調(diào)控制不合理導(dǎo)致的“假飽和”。利用車頭時距的方差和時間占有率作為判別參數(shù)結(jié)合周期內(nèi)排隊車輛的消散對交通狀態(tài)進行判別。通過算例和仿真分析結(jié)果表明：該方法可以準(zhǔn)確、有效地判斷過飽和交通狀態(tài)。

交通運輸工程；交通狀態(tài)判別；過飽和；信號控制優(yōu)化；車頭時局方差；時間占有率

0 引 言

隨著經(jīng)濟的不斷發(fā)展，城市規(guī)模逐步擴大，城市機動車保有量也持續(xù)激增，導(dǎo)致國內(nèi)大部分大中城市存在交通擁擠現(xiàn)象，尤其像北京、上海、深圳等特大城市面臨著更嚴(yán)峻的“堵車”考驗。為此，近年來國內(nèi)外學(xué)者對過飽和交通信號控制展開了一些研究。對過飽和交通信號控制研究的前提是對過飽和交通狀態(tài)的定義和判別。主要判別方法有以下幾種：利用數(shù)據(jù)分析結(jié)合智能方法對交通狀態(tài)進行判別[1-10]; 通過設(shè)置戰(zhàn)術(shù)和戰(zhàn)略檢測器檢測時間占有率，并設(shè)置占有率閥值，判斷某相位的交通狀態(tài)[11]；基于線圈檢測數(shù)據(jù)，運用交通波理論，從交叉口綠燈結(jié)束滯留排隊長度、下游交叉口溢流等方面判別過飽和交通狀態(tài)[12-15]；HCM 2000手冊中定義車輛到達流率超過通行能力即認(rèn)為是過飽和狀態(tài)。

上述文獻對交通狀態(tài)的判別都是基于現(xiàn)有交通信號配時而研究的，如果存在交通信號控制不合理的情況，尤其是相位差設(shè)置不合理而導(dǎo)致的關(guān)聯(lián)交叉口不協(xié)調(diào)，上游路口綠燈期間放行車輛在下游路口如果遇到紅燈，極易產(chǎn)生路段間的排隊溢出現(xiàn)象，以此判斷為過飽和交通狀態(tài)顯然是不準(zhǔn)確的。根據(jù)筆者所述的判別方法進行交通狀態(tài)判別后，如果出現(xiàn)過飽和交通狀態(tài)，對其發(fā)生的原因進行分析，如果是由于相位差等交通信號控制優(yōu)化參數(shù)不合理導(dǎo)致的，則調(diào)整相關(guān)參數(shù)后繼續(xù)以車頭時距的方差和時間占有率作為判別參數(shù)，結(jié)合周期內(nèi)排隊車輛的消散對交通狀態(tài)進行判別，最終判斷是否為過飽和交通狀態(tài)，以此避免“假飽和”交通狀態(tài)的誤判。

1 交通狀態(tài)判別

綜合車頭時距方差和時間占有率波動性為判別標(biāo)準(zhǔn)對交通狀態(tài)進行綜合判別，如圖1。檢測器分別布設(shè)在路口出口處和進口停車線處，路口i的出口檢測器為Di1，其距出口處的距離為lia，路口i的進口檢測器為Di2；路口j的出口檢測器為Dj1，其距出口處的距離為lja，路口j的出口檢測器為Dj2；兩個路口間的路段長度為Lij，路口i放行西向東的相位為Pia，路口j放行西向東的相位為Pja，Pia和Pja之間的相位差為Oija。

圖1 路口模型Fig.1 Intersection model

車頭時距為兩輛車之間的行車時間間隔，根據(jù)車頭時距的變化可以有效地判別出車流為連續(xù)交通流還是間斷交通流。無論何種交通狀態(tài)，車頭時距都有可能出現(xiàn)相似值，為了更準(zhǔn)確地對交通狀態(tài)進行判別，此處采用車頭時距的方差值來作為判別參數(shù)對交通狀態(tài)進行判別。當(dāng)車頭時距數(shù)據(jù)分布比較分散時，各個數(shù)據(jù)與平均數(shù)的差的平方和較大，方差就較大；當(dāng)數(shù)據(jù)分布比較集中時，各個數(shù)據(jù)與平均數(shù)的差的平方和較小。因此方差越大，數(shù)據(jù)的波動越大；方差越小，數(shù)據(jù)的波動就越小。

(1)

(2)

為了研究車頭時距的波動性，對車頭時距數(shù)據(jù)進行了調(diào)查、采樣、統(tǒng)計和分析，結(jié)果見圖2。

圖2 車頭時距波動及方差波動Fig.2 Headway variance fluctuation and variance fluctuation

由圖2可見，前4輛車的車頭時距由于起始延誤原因略大于平均值，當(dāng)車輛以飽和流通過時，車頭時距基本一致，平均在2 s左右浮動，此時的車頭時距方差值接近為0；當(dāng)出現(xiàn)拐點A后，車流為自由流狀態(tài)，此時的車頭時距較大，隨機性也大。自由流狀態(tài)下的車頭時距方差值在4～40范圍內(nèi)，與臨界飽和流時的方差值差異明顯，所以，利用此種方法計算所得的車頭時距方差值能很好地反映交通流狀態(tài)。

利用車頭時距作為判別參數(shù)進行交通狀態(tài)判別時，在過飽和和欠飽和交通狀態(tài)下車頭時距的方差都和臨界狀態(tài)時的值差異較大，并且兩者很難區(qū)分。所以，僅僅以車頭時距方差作為判別參數(shù)，難以準(zhǔn)確地區(qū)分過飽和和欠飽和交通狀態(tài)。文章引入時間占有率作為另一個判別參數(shù)，時間占有率能反映一段時間內(nèi)車輛通行的密集度，欠飽和和過飽和交通狀態(tài)下的時間占有率差別非常大。所以，結(jié)合車頭時距方差和時間占有率的波動可以準(zhǔn)確有效地對交通狀態(tài)進行判別。

將Pia相位綠燈時間分為n份，那么可以得到n個時間占有率值，即Oi(i=1,2,…,n)。根據(jù)時間占有率數(shù)據(jù)的調(diào)查、取樣、統(tǒng)計和分析，得到結(jié)果見圖3。

圖3 時間占有率波動 Fig.3 Fluctuation of time occupancy

由圖3(a)可見，當(dāng)出現(xiàn)拐點B時，時間占有率明顯下降，說明Pia相位飽和流結(jié)束，出現(xiàn)了自由流放行，上游為欠飽和交通狀態(tài)。為了更準(zhǔn)確統(tǒng)計車流以自由流交通狀態(tài)通行時的時間占有率統(tǒng)計結(jié)果，筆者采用仿真的形式分別在Pia相位綠燈時輸入飽和交通流和符合泊松分布的隨機車流，統(tǒng)計結(jié)果如圖3(b)。由圖3可以看出，時間占有率方差值能很直觀很準(zhǔn)確地反映交通流狀態(tài)。

當(dāng)車流在路段ij上出現(xiàn)交通擁堵時，車速降低，車頭時距增大，由于計算車頭時距方差時采取的平均值為臨界飽和交通狀態(tài)下的車頭時距平均值，所以，此時的車頭時距方差非常大，接近于自由流交通下的車頭時距方差。但是，此狀態(tài)下的時間占有率也增大，明顯高于自由流交通狀態(tài)下的時間占有率，見圖4。由此分析，通過車頭時距方差和時間占有率可以準(zhǔn)確地判別出過飽和交通狀態(tài)。

圖4 過飽和狀態(tài)下的車頭時距方差和時間占有率Fig.4 Headway variance and time occupancy under oversaturated state

根據(jù)上述分析，對車頭時距方差和時間占有率進行模糊處理，再對其進行解模糊得到交通狀態(tài)判別結(jié)果，輸入變量以及輸出變量的模糊隸屬度函數(shù)根據(jù)人工經(jīng)驗來選擇。

1.1 車頭時距方差的模糊隸屬函數(shù)

由實際路口采集的數(shù)據(jù)發(fā)現(xiàn)，臨界飽和情況下，車頭時距的方差較小，反應(yīng)車頭時距的波動性較??；在自由流的情況下，車頭時距方差較大，這是由車輛到達的隨機性導(dǎo)致的；在過飽和交通狀態(tài)下，由于車速較低，車頭時距方差也較大。參考經(jīng)典模糊控制算法的輸入輸出隸屬度函數(shù)，采用三角形隸屬函數(shù)作為車頭時距方差的隸屬函數(shù)，并且分為SMALL和BIG兩個模糊集，其表達式如式(3):

(3)

1.2 時間占有率的模糊隸屬函數(shù)

對于時間占有率的模糊隸屬函數(shù)仍然采用經(jīng)典的三角形隸屬函數(shù)，并且分為3個模糊集Small，Middle，Big，其表達式如式(4):

μOccupancy=

(4)

1.3 輸出飽和度的模糊隸屬函數(shù)

同樣，輸出飽和度的隸屬函數(shù)仍然采用三角形隸屬函數(shù)，將飽和度分為3個模糊集Small，Middle，Big，其表達式如式(5):

(5)

1.4 交通狀態(tài)判別規(guī)則

其中解模糊方法采用重心法，見表1。具體步驟如下。

Step1：定義輸入變量與輸出變量，輸入變量為車頭時距方差和時間占有率，輸出變量為飽和度。

Step2：定義輸入變量的模糊隸屬度函數(shù)，采用三角形隸屬函數(shù)。

Step3：定義輸出變量的模糊隸屬度函數(shù)，采用三角形隸屬函數(shù)。

Step4：定義模糊規(guī)則。

Step5：使用重心法解模糊，輸出飽和度。

表1 交通狀態(tài)判別規(guī)則

2 信號控制優(yōu)化對交通狀態(tài)判別影響分析

在利用上述方法進行交通狀態(tài)判別時，容易出現(xiàn)由于信號配時不合理導(dǎo)致的交通過飽和狀態(tài)，此種過飽和實際為“假飽和”。通過配時調(diào)整優(yōu)化后再次使用文章算法進行判別后，可能會出現(xiàn)欠飽和或臨界飽和狀態(tài)，為了更好地對交通信號控制進行優(yōu)化調(diào)整，首先分析信號控制優(yōu)化對交通狀態(tài)判別的影響。

以從路口i到路口j行車方向為例分析信號控制優(yōu)化對交通狀態(tài)判別的影響。

2.1 相位差設(shè)置不合理

路口j相位Pja上的初始排隊長度為Qj0， 它主要由本路口有效綠燈時間內(nèi)剩余的排隊車輛和上游路口協(xié)調(diào)相位紅燈期間其他相位放行車輛組成。Pia相位放行車輛行駛至Qj0隊尾長度所需平均旅行時間為tij，via為車輛到達率。如果Oija>tij，PHia放行車輛行駛至Qj0隊尾時就會產(chǎn)生停車和二次排隊。如果Δt>tP，則會產(chǎn)生路口i出口處的車流溢出。

Δt=Oija-tij

tp=(Lij-Qj0-lia)/via

在此情況下使用傳統(tǒng)的交通狀態(tài)判別方法，通過車流溢出或者Di1檢測器的占有率來判斷，則認(rèn)為路段的交通狀態(tài)為過飽和狀態(tài)。通過調(diào)整信號控制優(yōu)化參數(shù)的方式，使Pja相位有效綠燈時間內(nèi)放行車輛在路口j進口處不產(chǎn)生二次停車，有可能路口i出口不會產(chǎn)生車流溢出現(xiàn)象，由此可知，此種情況下利用傳統(tǒng)的交通狀態(tài)判別方法得出的過飽和狀態(tài)實際為“假飽和”狀態(tài)。

2.2 綠信比和周期設(shè)置不合理

為了研究綠信比和周期的設(shè)置對過飽和交通狀態(tài)判斷的影響，此處假設(shè)路口i的相位Pia以飽和交通流放行車輛，其有效綠燈時間為tgia，飽和流率為sia；路口j的相位Pja有效綠燈時間為tgja，飽和流率為sja，其初始排隊長度為Qj0。周期內(nèi)路口j的相位Pja交通需求為Vja，路口i到路口j路段間的最大排隊長度為Qmij。

Vja=max(tgia×sia+Qj0,Qmij)

如果Vja>tgja×sja，說明路口j在有效綠燈時間內(nèi)未完全清空進口交通需求，產(chǎn)生了剩余排隊，此時按照傳統(tǒng)判別方法有可能認(rèn)為此路段處于過飽和狀態(tài)，然而如果減少tgja時間以減少上游放行車輛數(shù)，或者通過調(diào)整子區(qū)周期時間以增加Pja相位的有效綠燈時間，都有可能會避免Pja相位進口產(chǎn)生剩余排隊，從而避免做出過飽和交通狀態(tài)的判斷。

通過上述分析可知，交通狀態(tài)判別的傳統(tǒng)方法通常為交叉口是否發(fā)生排隊剩余、車輛到達率是否超過通行能力和車流溢出等，顯然這些判別方法在上述情況下對交通狀態(tài)判別上存在誤差，所以，為了準(zhǔn)確地判別交通狀態(tài)，應(yīng)該先對信號控制進行相應(yīng)的優(yōu)化。

3 信號控制優(yōu)化

為了避免對交通狀態(tài)判別過程中把“假飽和”狀態(tài)誤判為過飽和狀態(tài)，筆者提出的優(yōu)化方法是針對飽和狀態(tài)或者臨近飽和狀態(tài)做出的優(yōu)化，不適用于欠飽和交通信號優(yōu)化，但是最有利于清空在交通不協(xié)調(diào)或者交通不均衡情況下的擁堵車流，對消散“假飽和”交通流非常有效，可以更準(zhǔn)確地對交通狀態(tài)進行判別。

3.1 相位差優(yōu)化

如果Oija>tij，路口i放行車輛在路段上會產(chǎn)生二次停車和排隊，容易產(chǎn)生Di1檢測器處的車輛溢出，顯然此種情況下的相位差需要優(yōu)化。如果Oija≤tij，綜合考慮路口i的車輛啟動延誤和路口j的排隊車輛消散情況，為了避免路口i放行車輛在路段上會產(chǎn)生二次停車和排隊，同樣需考慮相位差的優(yōu)化。綜上兩種情況對兩個路口間的相位差做如下優(yōu)化：

3.2 綠信比和周期優(yōu)化

從路口i的出口溢出和路口j的排隊車輛清空兩方面綜合考慮綠信比和周期的優(yōu)化。路口i的相位Pia以飽和流率放行車輛的時間為tsi，綠燈期間放行總車輛數(shù)為Qia，Qiaf為綠燈期間以自由流放行的車輛數(shù)。

Qia=tsi×sia+Qiaf

式中：tj1為檢測器Dj1自tgja結(jié)束至連續(xù)4 s檢測到被車輛占有所用時間。

在相位Pia給予綠燈通行權(quán)期間，如果檢測到檢測器Di1連續(xù)4 s被車輛占有，需要結(jié)束其通行權(quán)，否則路口i會發(fā)生車流溢出。相位Pia通行權(quán)結(jié)束后，通行權(quán)按相序切換至其他相位，保持周期不變。

通過上述信號控制參數(shù)的優(yōu)化，避免了由于相位差或者綠信比不合理導(dǎo)致的交通擁堵。信號控制優(yōu)化后再次使用筆者所述的交通判別算法對交通狀態(tài)進行判別，可以有效地避免“假飽和”交通狀態(tài)的判別。

4 仿 真

為驗證筆者所提的交通狀態(tài)判別方法和信號控制優(yōu)化的有效性，采集北京市阜石路與恩濟西街交叉口、阜石路與恩濟東街交叉口兩個路口的調(diào)查數(shù)據(jù)，利用微觀交通仿真軟件Paramics對其進行仿真驗證，如圖5。

圖5 仿真路口模型Fig.5 Simulation model of intersection

1)相位差優(yōu)化方法驗證。根據(jù)本文方法計算得19 s為最佳相位差，設(shè)定錯誤相位差為64 s，對以上兩種情況進行仿真得到路網(wǎng)的延誤、旅行時間、停車次數(shù)等評價指標(biāo)，見圖6，圖7。

圖6 不同相位差時平均延誤與平均旅行時間對比Fig.6 Comparison of average delay and average travel time with different offsets

圖7 不同相位差時平均停車次數(shù)對比Fig.7 Comparison of average stops with different offsets

2) 綠信比和周期優(yōu)化方法驗證。不合理的協(xié)調(diào)相位綠信比和周期分別為27.6%和145 s，本文方法綠信比為自適應(yīng)控制綠信比和周期均為動態(tài)，同樣進行仿真得到路網(wǎng)的延誤、旅行時間、停車次3組評價指標(biāo)，見圖8，圖9。

圖8 不同綠信比時平均延誤與平均旅行時間對比Fig.8 Comparison of average delay and average travel time with different splits

圖9 不同綠信比時平均停車次數(shù)對比Fig.9 Comparison of average stops with different splits

通過對比不難發(fā)現(xiàn)，在相位差、綠信比設(shè)置不合理時，路網(wǎng)的延誤以及停車次數(shù)會急劇增加，從而造成路網(wǎng)十分的擁堵，造成“假飽和”的現(xiàn)象。使用筆者所述交通信號優(yōu)化方法，對相位差和綠信比分別進行優(yōu)化調(diào)整，路網(wǎng)的壓力明顯減小；此時再根據(jù)論文算法對交通狀態(tài)進行判別時，能準(zhǔn)確有效的反應(yīng)真實的交通狀態(tài)，判別結(jié)果如表2。

表2 不同信號控制狀況下車頭時距方差與時間占有率對比

由表2可見，不合理的相位差、綠信比和周期設(shè)置確實會導(dǎo)致路口“假飽和”現(xiàn)象的產(chǎn)生。采用筆者所述的交通信號控制優(yōu)化方法對信號配時進行優(yōu)化后，通過對車流量輸入的調(diào)整，再次使用筆者判別算法對交通狀態(tài)進行50個周期的仿真判別，以驗證判別方法的有效性和準(zhǔn)確性。判別結(jié)果如表3，統(tǒng)計結(jié)果取3種交通狀態(tài)下的仿真平均值。

表3 交通狀態(tài)判別仿真結(jié)果統(tǒng)計

由表3可見，采用車頭時距方差和時間占有率作為判別參數(shù)進行合同狀態(tài)判斷的結(jié)果與paramics仿真評價指標(biāo)反應(yīng)出的交通狀態(tài)相吻合，說明了筆者判別方法的準(zhǔn)確性。

5 結(jié) 語

交通狀態(tài)的準(zhǔn)確判別對交通信號控制意義重大，尤其是對過飽和交通狀態(tài)的判別。傳統(tǒng)的交通狀態(tài)判別方法多以車流是否溢出或剩余排隊能否清空等作為判別標(biāo)準(zhǔn)。交通信號配時對此類方法的影響較大，尤其是在相位差設(shè)置不合理時。筆者提出的交通狀態(tài)判別方法是結(jié)合交通信號控制優(yōu)化而進行的，消除了信號配時不合理對交通狀態(tài)判別的干擾，可以更準(zhǔn)確真實地反應(yīng)交通狀態(tài)。筆者采用車頭時距的方差和時間占有率作為交通狀態(tài)判別參數(shù)，為了更好地反映交通狀態(tài)同飽和交通流的偏離程度，在計算方差時，車頭時距平均值均采取飽和交通流狀態(tài)下的平均值，從而直觀地體現(xiàn)出車頭時距的波動性。筆者創(chuàng)新性的提出了利用方差理論作為判別標(biāo)準(zhǔn)，避免了由于駕駛行為等原因引起個別車輛的臨時延誤而導(dǎo)致的誤判，方差的大小也更直觀地表征了交通狀態(tài)的波動性，因此，利用車頭時距的方差和時間占有率作為交通狀態(tài)判別參數(shù)是有效并且非常準(zhǔn)確的。

[1] ZHANG Hesheng, ZHANG Yi. Spatial-temporal traffic data analysis based on global data management using MAS[J].IEEETransactionsonIntelligentTransportationsystem,2004,5(4):267-275.

[2] WANG Yibing, PAPAGEOGERGIOU M. Real-rime freeway traffic state estimation based on extended Kalman filter: a general approach[J].TransportationResearchPartB:Methodological,2005,39(2):141-167.

[3] TUBAISHAT M, PENG Z, QI Q, et al. Wireless sensor networks in intelligent transportation systems[J].WirelessCommunicationsandMobileComputing,2009,9(3):287-302.

[4] TACCONI D, MIORANDI D, CARRERAS I, et al. Using wireless sensor networks to support intelligent transportation systems[J].AdHocNetworks,2010,8(5):462-473.

[5] HERRERA J C, WORK D B, HERRING R, et al. Evaluation of traffic data obtained via GPS-enabled mobile phones: the Mobile Century field experiment[J].TransportationResearchPartC:EmergingTechnologies,2010,18(4):568-583.

[6] BACON J, BEJAN A I, BERESFORD A R, et al. Using real-time road traffic data to evaluate congestion[C]//DependableandHistoricComputing. Berlin Heidelberg: Springer ,2011.

[7] 馬萬經(jīng)，謝涵洲，安琨. 信號控制交叉口過飽和狀態(tài)識別研究綜述[J]. 交通信息與安全,2011,29(5):1-4. MA Wanjin, XIE Hanzhou, AN Kun. Methodological review for identification of the oversaturated condition of signalized intersections[J].JournalofTransportInformationandSafety,2011,29(5):1-4.

[8] 郭偉，姚丹亞. 區(qū)域交通流特征提取與交通狀態(tài)評估方法研究[J].公路交通科技,2005,22(7):101-104. GUO Wei, YAO Danya. Study on the method for regional traffic flow feature extraction and traffic status evaluation[J].JournalofHighwayandTransportationResearchandDevelopment,2005,22(7):101-104.

[9] 張曉亮，張可，劉浩,等. 基于FCM-粗糙集的城市快速路交通狀態(tài)判別[J].系統(tǒng)工程,2010,28(8):75-80. ZHANG Xiaoliang, ZHANG Ke, LIU Hao, et al. Identification of urban expressway traffic state based on FCM-Rough sets[J].SystemsEngineering,2010,28(8):75-80.

[10] 曲昭偉，魏強，別一鳴,等. 基于固定檢測器的區(qū)域交通狀態(tài)判別方法[J].中南大學(xué)學(xué)報(自然科學(xué)版), 2013, 44(1): 403-410.

QU Shaowei, WEI Qiang, BIE Yiming, et al. Method for traffic state identification based on fixed detector[J].JournalofCentralSouthUniversity(NaturalScience),2013,44(1):403-410.

[11] 聶建強，徐大林. 基于占有率的信號相位交通狀態(tài)實時判別模型[J].指揮控制與仿真,2013,35(1):123-127. NIE Jianqiang, XU Dalin. A model for signal phase traffic status real-time discrimination based on occupancy[J].CommandControl&Simulation,2013,35(1):123-127.

[12] 錢喆，徐建閩. 基于線圈檢測的過飽和交通狀態(tài)判別[J]. 華南理工大學(xué)學(xué)報(自然科學(xué)版),2013,41(8):93-98. QIAN Zhe, XU Jianmin. Identification of oversaturated traffic conditions based on loop detection[J].JournalofSouthChinaUniversityofTechnology(NaturalScience),2013,41(8):93-98.

[13] 姜桂艷，郭海峰，吳超騰. 基于感應(yīng)線圈數(shù)據(jù)的城市道路交通狀態(tài)判別方法[J]. 吉林大學(xué)學(xué)報(工學(xué)版),2008,38(增刊1):38-42. JIANG Guiyan, GUO Haifeng, WU Chaoteng. Identification method of urban road traffic conditions based on inductive coil data[J].JournalofJilinUniversity(EngineeringandTechnology), 2008, 38(Sup1): 38-42.

[14] 盧凱，徐建閩，李林. 過飽和交通狀態(tài)下的停車延誤協(xié)調(diào)控制模型[J]．控制理論與應(yīng)用,2010(12):1623-1630. LU Kai, XU Jianmin, LI Lin. Coordinated control models for stop and delay under over-saturated traffic conditions[J].ControlTheoryandApplication,2010(12):1623-1630．

[15] 鄭淑鑒.過飽和下的干道協(xié)調(diào)控制方法研究[D]. 廣州: 華南理工大學(xué),2012. ZHENG Shujian.ResearchontheMethodofCoordinateControlforOversaturatedArterials[D]. Guangzhou: South China University of Technology,2012.

Identification Method of Traffic State and Its Authenticity Combined with Signal Control

CHEN Zhaomeng, LIU Xiaoming, WU Wenxiang, TANG Shaohu

(Beijing Key Laboratory of Urban Traffic Control Technology, North China University of Technology, Beijing 100144, P. R. China)

Oversaturated traffic state identification is the first condition of the oversaturated traffic signal control. The identification method of traffic state and its authenticity combined with signal control optimization was proposed, which avoided the “false saturation” due to the unreasonable traffic signal control, especially the unreasonable coordination control. The headway variance and time occupancy were used as identification parameters, combining with the departure of queue vehicles in a cycle to identify the traffic state. Through analyzing a numerical example and simulation, it is indicated that the proposed method can accurately and effectively judge the oversaturated traffic state.

traffic and transportation engineering; traffic state identification; oversaturated; signal control optimization; headway variance; time occupancy

2015-01-18；

2016-05-17

國家自然科學(xué)基金項目(71271004,71471002)

陳兆盟(1984—)，男，河南濮陽人，助理研究員，博士研究生，主要從事交通信號控制方面的研究。E-mail：chenzhaomeng@126.com。

10.3969/j.issn.1674-0696.2016.06.20

U491.3

A

1674-0696(2016)06-095-06