交叉通信号智能控制的仿真研究

【摘 要】本文针对城市交通控制中存在的问题和特征，围绕如何实现合理有效的交叉路通信号智能控制问题，对交通信号的优化与控制进行了仿真研究和探讨。以matlab作为仿真软件，通过采集实时交通流数据，建立合理数学模型，进行多次仿真实验，模拟出合理的信号周期时长及绿信比，为解决实际的城市交通问题提供有益的方法和途径。

【关键词】交叉口；交通控制；matlab

0 引言

城市数量随着社会的发展不断增多。大多数城市的基本框架、城市布局与市区道路在历史上早己形成，在我国城市的网格状、环型放射状、自由网络状和混合状几种城市交通网中，普遍存在着中心地区道路狭窄、人口集中、房屋林立的状况，加之市中心大多数又是商业繁华地区、干道汇集之处，存在交通拥挤亦是在所难免。交通拥挤现象日益突出。调查结果显示，目前我国多数城市的行车速度只能维持在10-20km/h左右，有的甚至更低。随着城市化进程的大大加快，交通需求随之急剧增长，供需矛盾不断激化，严重的交通问题也随之而来，而交通拥堵问题是城市道路交通最为迫切的问题。

交通拥堵中一个最重要的表现就是交叉口问题，对交叉口的有效管理是解决交通拥挤问题的关键。最有效的方法之一就是交通信号控制；交叉口必要的、合理的信号控制对于提高路口通行能力、保障交通安全具有重要意义。

1 交通信号控制参数

交通控制[1]是指通过对城市交叉路口信号灯持续时间进行合理控制，使得交通流能够高效驶离交通路口，达到疏导、改善交通流的目的。其主要参数[2]有周期、相位、绿信比、饱和度等。

1.1 周期

用于指挥交通的信号一个循环内所经历的时间称为信号周期长度，简称周期。用C表示。信号周期长度的大小取决于被控交叉口的交通流特性和所采用的控制方式。一般是交通量越大，周期就应该越长；它是一次绿灯（G）、黄灯（A）和红灯（R）显示时间之和，C=G+A+R。

周期的长短是根据车流的稀疏程度来确定的；最小周期、最大周期根据具体的情况取值，整个控制过程中的最佳周期就是使车辆在路口总延误时间最短的周期，也就是每一个相位的绿灯时间刚好能够使该相位各入口处等待车队放行完毕。

1.2 相位

图1 二相位车流图

一个周期内，平面交叉口上某一方向或几个方向的交通流所获得的通行权称为信号相位，常常简称为信号相或相位。一个周期内有几个信号相位，就称该信号系统为几相位系统。交叉口选用二相位，如图1所示。

1.3 绿信比

绿信比一般用λ表示，λ=Ge/C。Ge――有效绿灯时间；绿灯信号时段内能充分被利用的时间称为有效绿灯时间，它等于绿灯信号时段减去前后损失时间（起动停车损失时间）。

1.4 排队长度

某一相位红灯期间等待在停止线前的车辆数称为排队长度。

1.5 饱和流量

在一次连续的绿灯信号时间内，交叉口进口道上车队能够连续通过停车线最大流量。单位是pcu/h。

1.6 流量比

流量比为各进口道实际车流量同该车道饱和流量之比。各个相位的流量比之和为整个交叉口的流量比；通常车道流量比率最高的相位称之为关键相位，它对整个交叉口的通过能力和信号配时起决定作用。

2 交叉口信号控制仿真

单交叉口信号控制，又称“点控”，是指对单一交叉口或一条干线上或某一区域内的城市道路平面交叉口、高速公路匝道口独立进行信号控制。这种控制的最大特点是每个交叉口的交通控制信号只按照该交叉口的交通情况独立运行，不与其它交叉口的控制信号有任何联系，互不影响；其控制的目的，寻找最佳信号周期时长和交叉口两方向的绿信比，尽可能减少本交叉口车辆的延误时间和停车次数。

本文应用matlab软件[3]对单交叉口信号控制进行了仿真研究，使之能对于大量的交叉口进行行之有效的控制。

2.1 数学模型建立

2.1.1 模型假设

（1）无交通事故存在；

（2）无闯红灯现象；

（3）二相位车道；

（4）黄灯时已通过停止线的车辆可继续前行。

2.1.2 目标函数与变量约束关系

交通控制一方面为相位优化，另一方面为时长分配[4]；信号相位设计，这决定了如何引导一个信号交叉口各个方向交通流的运行；信号配时设计，决定各个相位中各信号灯色的运行。对于信号交叉口，某一入口车道上的通行能力可以用下式计算：

式中：A为交叉口某一入口车道的通行能力；q为该车道的饱和流量；Ge为有效绿灯时间；C为信号周期时长。

从疏散交通的角度讲，显然当交通需求越大时，周期应越长，否则一个周期内到达的车辆不能在该周期的绿灯时间内通过交叉口，就会发生堵塞现象。但周期过长，会影响相对通道的车辆等待时长，所以最小周期计算如下：

式中： d两相位的交通到达率，相位相应的通行能力为A，t为红绿灯切换损失时间及车辆绿灯启动时间；由此可计算出保证路口不堵塞的一个最小周期值。交叉口平均延误时间为一个周期内各相位延误时间总和与到达车辆总数的比。

交叉路口不同方向不同车道上延误排队车辆随信号相位的变化关系[5-6]可以用下面的公式来描述：

式中：i表示相位，i=1、2；j表示方向，j=1、2、3、4；l表示车道，l=1、2、3； 表示第k个周期相位i期间j方向车道上实际到达的车辆数；表示第k个周期相位i期间j方向车道上离开的车辆数； 表示第k个周期相位i期间j方向车道上延误的车辆数；交叉路口在信号周期 k 结束时因信号变换未能通过路口而在各车道停车线后面产生的总延误排除车辆数可表示为：

在由k个信号周期组成的控制周期内，找出每个信号周期的控制变量，使得k个信号周期内路口的总延误排队车辆数最小。即（5）式在约束条件下最小。

根据预估的总车流量和最近两个周期的车流变化量，模糊推理得出下一个周期的时长，也可用上式（2）计算周期时长，再利用改进后的自适应遗传算法计算当前可行个体的适应度，迭代计算，直到求出最大适应度个体。

2.2 仿真研究

在matlab环境下，采用自适应遗传算法配时和固定周期遗传算法配时，在相同的中度交通需求状况下，以平均延误车辆数作为评价指标，比较两种方法在一个周期结束时的延误车辆数，衡量两相位的控制。如图2所示。

由图2可知，在两相位控制方式下，自适应的遗传算法优于固定周期遗传算法，对交通信号的控制有改进作用。

图2 两种算法延误车辆数比较

3 结论

我国飞速发展的城市建设，对智能交通有巨大需求，本文选取了三亚市某交叉路口，对交通信号实行优化控制，建立合理的数学模型，对现实车辆运行情况进行了模拟，根据交通状态信息，动态的制定交通控制策略，通过降低车辆的平均延误时间，对交通流量进行优化，实现了实时的交通信号控制，最大限度地提高其通行能力及交通安全，其研究结果可以更好地为我国平安城市建设的推广，以及海南国际旅游岛城市智能交通建设提供服务。

【参考文献】

[1]张飞舟，范耀祖.交通控制工程[M].北京：中国铁道出版社，2005.

[2]陆化普，黄海军.交通规划理论研究前沿[M].北京：清华大学出版社，2007.

[3]黄忠霖.新编控制系统MATLAB仿真实训[M].北京：机械工业出版社，2013.

[4]曲大义.智能交通技术及其应用[M].北京：机械工业出版社，2011.

[5]孙刚，王丰元.可变车道技术对提高交通高峰时段交通流量的研究[J].科技资讯，2006，25：176-177.

[6]刘红红，杨兆升.基于神经网络的实时交通信号控制与仿真研究[J].交通运输系统工程与信息，2008，08.