道路信号交叉口智能型交通控制方法研究

　　摘要：本文以模糊理论为基础，在借鉴既有定时交通信号控制方法，并在对具体交叉口的实际交通状况进行调查、分析的基础上，建立单个道路信号交叉口的交通控制方法。本方法考虑道路交通流变化的不确定性，通过实时配时方案调整适应交通流的变化。研究结果表明，智能型交通控制方法更能适应交叉口复杂多变的交通状况，对减少车辆延误具有效果明显。

　　随着城市化进程的加快，城市道路交通拥挤阻塞和环境问题已经成为倍受社会关注的热点问题之一。道路信号交叉口的交通控制方法是从管理角度缓解交通拥挤问题的有效措施之一。因此，积极探索新的、智能化、行之有效的交通控制方法十分必要。

　　目前，单个道路信号交叉口的交通控制方法主要采用基于Webster延误公式的配时模型，预先设定各时段的配时方案。然而，这些模型都只考虑了平均小时交通流量而忽视了交叉口交通流的不确定性。实际的交通流量往往随时间不断变化，且具有不确定性。既有的感应控制方法虽然能在一定程度上适应交通流的变化，但其主要是根据前一时段的交通流量选择一种相对合适的配时方案，因此其结果不能很好地适应当前交通流情况，也缺乏实时性。

　　本文建立单个道路信号交叉口的智能型交通控制方法，使道路信号交叉口的信号配时考虑道路中交通流变化的不确定性，使道路信号交叉口交通控制方案更具有自适应性，以减少车辆延误、提高通行能力。

　　1单个道路信号交叉口的控制方法

　　单个道路信号交叉口的交通控制是道路交通系统的基本、也是最重要的控制方法。对于其控制方法，主要有以下几种：

　　（1）TRRL方法

　　TRRL方法的考察断面是停车线，所以计算参数都以停车线断面为准。该方法基于Webster延误公式，在交通流量不大，即饱和度低时，能够得到理想的结果，但当饱和度接近1时，算得的延误不正确，更无法计算超饱和交通情况下的延误。

　　（2）ARRB方法

　　ARRB方法考虑了饱和交通情况，尤其是饱和时的停车因素，改进了延误方程，因此能够用于饱和与超饱和状态下的交通信号配时计算。

　　（3）“冲突点”法

　　该方法把考察的断面移到了冲突点，更符合车流存在冲突点时的交通流实际情况。

　　（4）响应式控制

　　该方法目的是使绿灯时间长度与实际交通状况相适应。分为两种形式：

　　基于到达车辆车头距的控制：在一个给定的最小绿灯时间内，绿灯无条件开启。该时间过后，若位于停车线前方一定距离处的检测器检测到一辆车到达，则追加一小段绿灯时间。若一直检测到有车辆到达，则绿灯一直被延长，直到最大绿灯时间终了为止。若在追加绿灯时间终了时未检出到达车辆，则绿灯被切换，黄灯亮，然后变成红灯。

　　基于排队长度的控制：为了有效地利用绿灯时间，在排队车辆被疏散后，绿灯立即停止。在绿灯时间内，通过交叉口的流量总保持在饱和值左右。该方法的关键在于如何设置检测器，需要检测和比较什么数据以及如何根据检测到的数据制定和调整配时方案。

　　（5）自寻优控制

　　该方法可分为两种：宏观控制和微观控制。前者对周期和约束条件进行选择，例如确定适当的相位差，以保证系统同步运行，但控制参数，尤其是周期长度不能经常改变，它们取决于平均交通状态。而后者在每个控制周期内都可以调整相序及各相位的绿信比，以最优的控制方式适应短时间内的交通变化。

　　（6）Robust最优化方法[1]

　　该方法能够利用交通流的平均值和变化量产生相应的信号配时方案。Robust最优化方法在到达车流率随时间变化的时候，无论在交通量适中还是拥挤的条件下，都明显比基于Webster延迟方程的传统模型效果好，且使用Robust方法的效益随着交通量大小和到达流率变化程度的增加而增大。这种方法的主要优点是用于计算配时方案的模型可以适用于更多的交通量情况，而不仅仅局限于交通量较小或较大的情况。虽然这种信号配时模型适用范围更广，但仍不满足根据交通流变化实时调整配时方案的智能化要求。

　　2智能型交通控制方法模型[2]

　　智能型交通控制方法的信号配时周期和实际绿灯显示时间随车流量变化，其基本思想是通过比较有通行权的一组交通流中关键车流未来t秒内到达交叉口的车辆数和另外两组无通行权交通流中关键车流的排队等待车辆数，决定是延长本相位绿灯时间还是切换到下一个相位。因此，有以下三个主要控制参数：

　　①有通行权的一组交通流中关键车流平均每车道的未来t秒内到达交叉口的车辆数A；

　　②无通行权交通流中关键车流的平均每车道的排队等待车辆数Q；

　　③绿灯延长时间1T。

　　本文中，相位最初绿灯时间t0和预测时间t的设定，参考TRRL方法计算的信号配时值。针对北京“光华路－东三环辅路”交叉口的现行控制方案,各相位的最初绿灯时间t0取为各相位三个时段实际绿灯时间的最小值。计算得到各相位的最初绿灯时间t0 为：相位一最初绿灯时间t0=47s；相位二最初绿灯时间t0=26s；相位三最初绿灯时间t0=28s对于相位预测时间t，由于绿灯延长时间1T的最大值与预测时间t相同，考虑到信号周期最大值不宜超过180秒，以免延误太大，超过交通参与者能够接受的等待限度，现设置预测时间t为20秒，且在实际应用中各相位只预测一次。

　　1)模糊语言值的设定

　　①A的模糊语言值定为：很少、少、中等、多、很多；

　　②Q的模糊语言值设定为与A相同；

　　③1T的模糊语言值设定为：很短、短、中、长、很长。

　　2)隶属度函数的确定

　　3)模糊控制规则

　　规定模糊控制规则如下表：

　　表1 模糊控制规则表[2]

　　A Q 很少 少 中等 多 很多

　　很少 很短 很短 很短 很短 很短

　　少 短 很短 很短 很短 很短

　　中等 中 短 很短 很短 很短

　　多 长 中 短 很短 很短

　　很多 很长 长 中 短 很短

　　表1对应5×5=25条模糊控制规则，每条规则对应一个模糊关系。所有模糊控制规则可归纳为：

　　每条规则对应的模糊关系可统一用下面的矩阵运算式表示：

　　（1）总的模糊关系可由上式得到的25个矩阵求“并”得到，即取对应元素的最大值，计算公式如下：

　　（2）对于检测到的某一具体值A’和Q’，通过其对应的模糊集Ai和Qj与R合成运算，便得到相应的一个或多个绿灯延长时间1T的模糊集，计算公式如下：

　　（3）对于求得的多个模糊集可通过模糊集的求“并”运算将其合成一个模糊集。例如，当 时，在A的论域上对应的模糊集为A1、A2,在Q的论域上对应的模糊集为Q3，可对应两条模糊控制规则的条件“若A1且Q3”和“若A2且Q3”，即（A1×Q3）和（A2×Q3），由式(3)可得1T的两个模糊集，然后将这两个模糊集求“并”，得到一个绿灯延长时间1T的模糊集。

　　(4)确定绿灯延长时间1T的精确值

　　按照最大隶属度方法，即选取隶属度最大的论域元素?T0作为最终的控制量，用于绿灯信号延长时间的控制。

　　3智能型交通控制方法控制效果评价

　　本文以北京“光华路－东三环辅路”交叉口的实际交通流量调查数据为基础，进行了交通流的模拟计算。为了说明方法的有效性，对新建立的智能型交通控制方法与经典的TRRL交通控制方法的控制效果进行比较。

　　对交通控制效果进行模拟计算，得到在7:00～19:00这段时间的大多数时段内，智能型控制方法比TRRL控制方法造成的时间延误少，其平均减少约为7.9%，并且在7:00～9:00的早高峰和16:00～19:00的晚高峰期间，智能型控制方法比TRRL控制方法造成的时间延误减少特别明显，早高峰时平均减少约11.5%，晚高峰时平均减少约23.4%。

　　4结束语

　　本文在收集现有的道路信号交叉口交通控制方法的基础上，采用人工智能中的模糊理论，结合“光华路－东三环辅路”交叉口的实际交通状况，给出了单个道路信号交叉口的智能型交通控制方法，并同经典的TRRL交通控制方法进行比较研究。具体研究成果如下：

　　(1)建立了智能型交通控制方法模型

　　在分析“光华路－东三环辅路”交叉口的实际交通状况基础上，以直行和左转机动车流为主要研究对象，先用TRRL方法计算定时信号配时方案，以便获得建立智能型交通控制方法所需的一些参考数据，并将此定时信号配时方案作为比较和评价智能型交通控制方法控制效果的参照对象。然后，运用模糊控制理论建立了适合该交叉口交通流特性的智能型交通控制方法模型。

　　(2)模拟控制效果计算及评价

　　计算TRRL交通控制方法和智能型交通控制方法的模拟控制效果，表明了智能型交通控制方法对减少车辆延误的有效性。

　　最后，本文仅智能型交通控制方法与TRRL的方法进行了比较，与其他方法的控制效果比较尚需进一步研究