基于路網(wǎng)預(yù)測與仿真的交通主動控制系統(tǒng)研究

羅明照 馬鈞

摘 要：經(jīng)濟社會的發(fā)展使城市路網(wǎng)中交通過飽和的現(xiàn)象愈發(fā)嚴重。作為緩解城市交通擁堵的重要舉措，交通信號主動控制能主動干預(yù)交通流的演化過程，提高區(qū)域交通運行效率。本文首先闡述目前城市交通管理中抑制交通流過飽和的各種措施及信號控制系統(tǒng)的使用現(xiàn)狀，然后分析城市交通存在的問題，接下來利用卡爾曼濾波算法建立短時交通流預(yù)測模型，對區(qū)域路網(wǎng)進行建模，并結(jié)合統(tǒng)計學模型與神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)路網(wǎng)的仿真推演，給出基于交通流預(yù)測的主動信號控制算法，最后開發(fā)出一套基于路網(wǎng)預(yù)測、建模與仿真的交通主動控制系統(tǒng)。本文所開發(fā)的系統(tǒng)為緩解區(qū)域交通擁堵提供了參考。

關(guān)鍵詞：信號主動控制;交通流預(yù)測;路網(wǎng)建模;交通擁堵

中圖分類號：U491.54文獻標識碼：A文章編號：1003-5168（2018）32-0103-04

Traffic Active Control System Based on Road

Network Prediction and Simulation

LUO Mingzhao MA Jun

（Traffic Police Brigade， Jiangning Branch of Nanjing Public Security Bureau，Nanjing Jiangsu 210000）

Abstract： With the development of economy and society， the phenomenon of traffic oversaturation in urban road network becomes more and more serious. As an important measure to alleviate urban traffic congestion， active traffic signal control can actively intervene in the evolution of traffic flow and improve the efficiency of regional traffic operation. Firstly， this paper expounded various measures to restrain traffic flow over-saturation in urban traffic management and the application status of signal control system， then analysed the problems existing in urban traffic， and then used Kalman filtering algorithm to establish short-term traffic flow prediction model， to model regional road network， and to realize the simulation and deduction of road network by combining statistical model and neural network model. An active signal control algorithm based on traffic flow prediction was proposed. Finally， an active traffic control system based on road network prediction， modeling and simulation was developed. The system developed in this paper provides a reference for alleviating regional traffic congestion.

Keywords： active control signal;traffic flow forecast;road network modeling;traffic congestion

1 城市交通管理系統(tǒng)概述

城市化進程的加快使得城市交通系統(tǒng)供需失衡的問題日趨嚴重[1]。緩解城市交通擁堵的關(guān)鍵在于交通管理方法和交通組織方式的優(yōu)化[2]。當前，緩解城市交通擁堵的方法主要分為3類：加大道路基礎(chǔ)設(shè)施建設(shè)、采用人為的交通管理手段和使用智能化的交通管理與控制系統(tǒng)[3-5]。其中，第一類方法具體包括：通過拓寬道路寬度來提高道路的通行能力;增加城市地鐵運營里程和高架橋的數(shù)量以實現(xiàn)有效分流;增加公交車專用車道以提高公共交通分擔率。第二類方法是指通過擁堵收費、單雙號限行、設(shè)置潮汐車道、設(shè)置機非隔離車道、交警人工疏導(dǎo)等緩解交通擁堵。第三類方法主要結(jié)合計算機、通信、GPS等高新技術(shù)，通過獲取的交通狀況信息形成相應(yīng)的交通控制方案，優(yōu)化路網(wǎng)上的交通流時空分布，達到提高路網(wǎng)運行效率和緩解路網(wǎng)擁堵的目的。典型的智能交通管理系統(tǒng)由交通監(jiān)控、交通誘導(dǎo)、電子警察、公交管理和突發(fā)事件響應(yīng)等子系統(tǒng)組成。而實現(xiàn)交通智能化管理的關(guān)鍵在于自適應(yīng)信號控制。依照控制策略的不同，信號控制系統(tǒng)可分為兩類：第一類是以TRANSYT和MAXBAND為代表的離線控制系統(tǒng);第二類是以SCATS和SCOOT為代表的在線控制系統(tǒng)。

2 城市交通存在的問題

經(jīng)濟社會的發(fā)展使我國汽車保有量逐年增加，但是，不合理的早期路網(wǎng)結(jié)構(gòu)規(guī)劃、落后的道路基礎(chǔ)設(shè)施與滯后的交通管理手段仍跟不上車輛的增長速度，使交通供需失衡導(dǎo)致城市交通過飽和的問題難以得到解決。近年來，機非干擾的影響及共享單車的亂停亂放使得有限的道路時空資源損耗得更為嚴重，城市道路的擁堵狀況進一步惡化。加大道路基礎(chǔ)設(shè)施建設(shè)可以有效分流，對緩解城市交通擁堵起到了一定的作用，但此種方式投入巨大，且短時間內(nèi)見不到效果。此外，高峰時期極端惡化的交通狀況使交警人工疏導(dǎo)、設(shè)置機非車道等人為手段獲得的實際效果不明顯。同時，已有的從國外移植過來的自適應(yīng)信號控制系統(tǒng)適應(yīng)性不佳[5]，主要表現(xiàn)在以下兩方面：一方面系統(tǒng)在檢測到交通數(shù)據(jù)之后，再調(diào)整對應(yīng)的控制策略，不能起到提前預(yù)防交通擁堵的作用;另一方面，僅憑安裝在交叉口處的有限線圈采集的交通數(shù)據(jù)不能反映整個路段的交通狀況，排隊長度、車輛延誤、排隊次數(shù)等評估交通擁堵狀況的全息信息也難以獲得[2]。

與被動式信號控制系統(tǒng)相比，主動式信號控制系統(tǒng)的優(yōu)點在于其能提前獲得交通流的時空演化方向，在此基礎(chǔ)上形成的以預(yù)防交通流過飽和能力最強的交通控制策略能有效緩解路網(wǎng)的交通擁堵狀況。因此，開發(fā)一套能提前預(yù)防交通擁堵的主動信號控制系統(tǒng)具有重要的實用價值[5]。

3 短時交通流預(yù)測

卡爾曼濾波用狀態(tài)空間概念來描述其數(shù)學公式。該公式由狀態(tài)方程和觀測方程組成，采用遞推算法求得狀態(tài)變量的最優(yōu)估計[6]?？柭鼮V波具有較好的魯棒性和穩(wěn)定性，既適用于平穩(wěn)環(huán)境，也適用于非平穩(wěn)環(huán)境。由于卡爾曼濾波模型能用于預(yù)測模型的參數(shù)，因此選擇其來做短時交通流預(yù)測是合適的[7]。

以十字形交叉口為例，城市中典型的相鄰路口的路口渠化圖如圖1所示。

其中，線圈安裝在交叉口的下游斷面處，用于檢測斷面處各車道的流量。設(shè)[qFdt+1]是下游路口斷面處第t+1周期的流量，基于相鄰路口的上下游流向關(guān)系，可以認為下游路口斷面處第t+1周期的流量與下游路口前3個周期的流量、上游路口前一個周期的流量有關(guān)。所建立的流量預(yù)測模型如下：

[rdt+1=P0tVdt+P1tVdt-1+P2tVdt-2+P3tVut+ωt]? ? ? ? ? ? （1）

其中， [P0t]、[P1t]、[P2t]、[P3t]為相關(guān)系數(shù);[Vdt]、[Vdt-1]、[Vdt-2]是下游路口斷面處在t、[t-1]、[t-2]周期的流量比值;[rdt+1]是下游路口斷面處在[t+1]周期的流量預(yù)測值與其歷史均值的比值;[Vdt]是下游路口斷面處在第[t]個周期的流量觀測值與歷史均值的比值;[Vut]是上游路口在第[t]個周期的流量觀測值與其歷史均值的比值;[ωt]為零均值的、協(xié)方差矩陣為[Rt]的白噪聲。將模型變換如下：

[Bt=Vdt，Vdt-1，Vdt-2，Vut]? ? ? ? ? ? ? ? ? （2）

[Xt=P0t，P1t，P2t，P3tT]? ? ? ? ? ? ? ? ? ? ? （3）

[yt=rdt+1]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （4）

卡爾曼濾波的狀態(tài)方程和觀測方程為：

[Xt=CtXt-1+ut-1]? ? ? ? ? ? ? ? ? ? ? ? （5）

[yt=BtXt+ωt]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （6）

其中，[Bt]是觀測矩陣;[Xt]是狀態(tài)向量;[yt]是觀測向量;[Ct]是狀態(tài)轉(zhuǎn)移矩陣;[ut-1]是過程噪聲;[Qt-1]是[ut-1]的協(xié)方差矩陣。

利用卡爾曼濾波的時間更新方程得到下一周期的狀態(tài)向量的先驗估計，則下游路口斷面處在[t+1]周期的流量預(yù)測值為：

[qFdt+1=rdt+1×qMdt+1=BtXt-1×qMdt+1]? ?（7）

式（7）中，[Xt-1]是狀態(tài)向量的先驗估計，[qMdt+1]是下游路口斷面處歷史同時期在第[t+1]周期的流量平均值。選取MAPE作為誤差評價指標。對杭州市168號交叉口與167號交叉口構(gòu)成的路段斷面處的流量進行預(yù)測，預(yù)測效果如圖2所示。

經(jīng)計算，預(yù)測的MAPE為24.70%，使用卡爾曼濾波模型取得了較高的預(yù)測精度。

4 路網(wǎng)建模與仿真推演

按拓撲結(jié)構(gòu)劃分，城市交叉口可分為十字形、T形、X形、Y形、環(huán)形、錯位和多路口形[8]，本文選取城市道路中最常見的十字路口進行路網(wǎng)建模。建立的城市路網(wǎng)拓撲圖如圖3所示。

作為一種時間遞歸神經(jīng)網(wǎng)絡(luò)，長短時記憶（LSTM）神經(jīng)網(wǎng)絡(luò)用于交通流預(yù)測時能獲得較高的預(yù)測精度。為重現(xiàn)或預(yù)測交通流隨時間推移的時空分布規(guī)律，以達到預(yù)知城市路網(wǎng)擁堵狀況和制定相應(yīng)的信號控制策略的目的，需要建立城市路網(wǎng)的交通流仿真推演模型。

本文對有多個交叉口構(gòu)成的路網(wǎng)進行仿真推演。單個斷面的交通流一步仿真推演流程如圖4所示。

在對路網(wǎng)進行仿真推演之前，使用流量歷史數(shù)據(jù)計算出模型覆蓋區(qū)域中各個交叉口的所有斷面從周一至周日每天288個周期的流量歷史均值，并將計算的歷史均值存至數(shù)據(jù)庫中;使用LSTM模型對所在路段有上游路口的斷面進行流量預(yù)測，得到各斷面歷史同時期的流量預(yù)測值，將得到的流量預(yù)測值也存至數(shù)據(jù)庫中。

流量單步推演的步驟如下。①初始化流量，如果所在周期為仿真推演的首個周期，以歷史同時期的流量均值作為初始值，反之以上一周期的推演值作為當前周期的流量初始值。②利用卡爾曼濾波算法對流量進行單步預(yù)測。③對斷面的情形進行判斷，如果斷面所在路段的上游交叉口位于模型覆蓋的區(qū)域中，使用LSTM神經(jīng)網(wǎng)絡(luò)模型得到的歷史同時期流量預(yù)測值作為卡爾曼濾波模型的狀態(tài)更新方程中的觀測值，對得到的流量預(yù)測值進行校準，校準后的最優(yōu)估計值即為當前周期的流量推演值;若斷面所在路段的上游交叉口不在區(qū)域中，使用歷史同時期的流量均值作為卡爾曼濾波模型的狀態(tài)更新方程的觀測值，對預(yù)測值進行校準，校準后的最優(yōu)估計值即為當前周期的流量推演值。④得到的流量推演值作為下一周期的初始化流量。

5 交通信號燈的主動控制

前文建立的交通流預(yù)測模型和路網(wǎng)仿真推演模型能提供實時的交通流運行信息，在此基礎(chǔ)上，系統(tǒng)可以自適應(yīng)地調(diào)整信號控制策略。在交通流欠飽和時段，制定的信號控制策略以提高路網(wǎng)運行效率為目的;在交通流過飽和時段，制定的信號控制策略以抑制交叉口過飽和為目的[9]。本文提出的信號燈主動控制算法流程如下。

①從交叉口實際的渠化形式出發(fā)，以不沖突作為組合原則，將路口的所有交通流向組合成相位集合[φn]。

②通過得到的流量預(yù)測值，結(jié)合已有的排隊長度計算方法，計算出交叉口各流向的排隊長度[Li]，將得到的排隊長度作為該流向的通行需求。

③計算出各相位的通行需求比值：

[Dm=i∈mLi?iLim∈φn]? ? ? ? ? ? ? ? ?（8）

其中，[m]表示相位，[Dm]表示[m]相位的通行需求比值，[Li]表示交叉口各流向的排隊長度。

④在各信號階段，給予通行需求最大的相位以優(yōu)先釋放權(quán)。

以上的信號主動控制算法沒有固定的周期時長、相位時長、相序，但相位切換應(yīng)建立在執(zhí)行完最小綠燈時間的基礎(chǔ)上。

6 基于路網(wǎng)預(yù)測、建模和仿真的交通主動控制系統(tǒng)

基于前文建立的交通流預(yù)測模型、路網(wǎng)仿真推演模型與交通燈主動信號控制算法，筆者所在團隊開發(fā)了一套基于路網(wǎng)預(yù)測、建模和仿真的交通主動控制系統(tǒng)。系統(tǒng)組成如圖5所示。系統(tǒng)由路網(wǎng)流量預(yù)測子系統(tǒng)、路網(wǎng)仿真推演子模塊和主動信號控制子系統(tǒng)組成。首先，預(yù)測出路網(wǎng)各斷面的流量;其次，對路網(wǎng)進行建模與仿真推演，預(yù)知交通流的時空分布規(guī)律;最后，在預(yù)測與仿真推演的基礎(chǔ)上，給出自適應(yīng)信號控制策略。

7 結(jié)語

本文首先簡單介紹了當前國內(nèi)用于城市交通管理的措施和交通管控系統(tǒng)的使用現(xiàn)狀;接著對相關(guān)管控措施與信號控制系統(tǒng)存在的問題進行分析;繼而建立了短時交通流預(yù)測模型，對多交叉口組成的路網(wǎng)進行建模，建立了路網(wǎng)仿真推演模型;接下來提出了基于預(yù)測的主動控制算法;最后介紹了基于路網(wǎng)預(yù)測、建模和仿真的交通主動控制系統(tǒng)。所開發(fā)的系統(tǒng)能為緩解區(qū)域交通擁堵提供技術(shù)指導(dǎo)。

本文所提出的主動控制算法以流量預(yù)測作為基礎(chǔ)，并通過預(yù)測出的流量計算排隊長度，提高流量預(yù)測精度與減小排隊長度累積誤差是未來研究工作的重點。

參考文獻：

[1]張亞飛.我國城市道路交通發(fā)展問題分析及對策[J].智能城市，2017（8）：125.

[2]李亞軍.基于在線仿真的城市大范圍路網(wǎng)主動式信號優(yōu)化控制技術(shù)研究[J].警察技術(shù)，2017（5）：91-94.

[3]周昕.城市智能交通管理系統(tǒng)設(shè)計研究[J].交通世界，2018（22）：18-19.

[4]高美蓉.智能交通管理系統(tǒng)的研究與設(shè)計[J].電子設(shè)計工程，2018（9）：119-127.

[5]江航.基于城市交通擁堵預(yù)測的主動信號控制方法研究[D].南京：東南大學，2016.

[6]楊兆升，朱中.基于卡爾曼濾波理論的交通流量實時預(yù)測模型[J].中國公路學報，1999（3）：63-67.

[7]張一.基于卡爾曼濾波的短時交通流量預(yù)測模型研究[D].沈陽：沈陽工業(yè)大學，2014.

[8]王柏淇.基于模糊控制算法和蟻群算法在交通信號燈配時方案上的研究[D].長春：吉林大學，2018.

[9]徐棱，代磊磊，劉成生.近飽和熱點片區(qū)信號主動優(yōu)化控制[J].中國公共安全（學術(shù)版），2018（1）：70-74.