分段式优化数解法智能交通绿波带算法

摘 要：在传统数解法交通绿波带算法的基础上，根据道路情况实行分段，对传统数解法模型进行了优化。优化后的绿波带协调算法运算量得到较大减少，以便其利用EXCEL表即可得到较为准确的交通绿波带控制参数，以适合手持嵌入式设备的处理，并在感知车流的基础上对实时绿波带控制进行了一定的探索。

关键词：绿波带协调算法；分段式；数解法；优化

中图分类号：TP273 文献标识码：A 文章编号：2095-1302（2013）08-0082-03

0 引 言

最近十年，随着汽车数量的剧增，无论是发达国家还是发展中国家，都不同程度地受交通问题的困扰。在现代城市交通信号控制中，为了保证主要路线的畅通，经常会使用干线协调控制，即绿波带控制模式。有了绿波带，那么其优先保持畅通的车流，就可以一路绿灯地通过道路控制区域，尽量减少路口的停留时间。

对干道绿波协调控制算法研究常见的有图解法和数解法。图解法对于路口较多的干道，作图复杂，实现困难。数解算法是通过计算理想交叉路口间距的集合，从而寻找与实际交叉路口间距最为匹配的理想交叉路口间距，来确定绿波协调控制的最佳公共信号周期与各交叉路通信号的相位差，使干道绿波协调控制系统能获得尽可能大的绿波带宽度和较为理想的绿波协调控制效果。此模型是MAXBAND核心模型形式，求解此问题时，软件编程复杂，编程效率低，实时性差等，所以传统的数解法实用性不强，且宜受道路流量情况影响而无法进行实时优化。

1 数解法优化思路

在以往的绿波带协调控制算法中，通常是对整条道路进行统一计算，一条主干道往往有十几个至几十个路口，当路口较多时，分析与计算比较复杂。其次，即使同一条主干道，往往各段的交通情况也是不同的，限速也是不同的。在双向绿波带协调控制数解法优化中，首先对道路流量、车道、路口情况进行分析，把道路特性相近的多个路口作为一个对象分析，对这个对象进行双向绿波带协调控制，这样数解法的计算量就相对减小了；然后在这多个对象间通过微调绿波带车速、车辆分流等方法，实现双向绿波带协调控制；最后把这多个对象通过一定的方法衔接起来，从而实现整条主干道的双向绿波带协调控制。同时，在控制的过程中，采用地磁、RFID等传感器，感知路面车流情况，来调整绿波带控制参数，实现绿波带的实时智能控制。

2 优化步骤

2.1确定公共信号周期的允许变化范围

根据现有的交通灯控制方案，观察主干道上各个交叉路口的车流情况，在各个路口独立的情况下，车流能否基本满足路口车流的通行。如果基本能满足，假定主干道上有m个分段，共有n个交叉路口，则第i个交叉路口的信号周期变化范围取[Cmini，Cmaxi]，可得此主干道双向绿波协调控制的公共信号周期允许变化范围[Cmin，Cmax]，应根据集合[max{Cmin1， Cmin2，…， Cminn}，min{Cmax1， Cmax2，…， Cmaxn}]来确定。

2.2 确定各交叉路口的绿信比和相序

根据各个交叉路口的特点和不同的车流情况，分配各相位绿灯相位的时间。

计算不同公共信号周期取值与不同交通信号相序下的理想交叉路口间距。其方法是根据已确定的公共信号周期变化范围，在此范围内，取不同长度的步长，来逐个计算在不同交通信号相序情况下的理想交叉路口的间距。一般步长可取1 s、2 s或3 s，步长不能取太大，否则计算误差较大。

确定不同的入口方式和交通信号相序。假定交叉路口A和交叉路口B为东西干道的相邻交叉路口，交叉路口A位于交叉路口B以东；A、B二个路口公共信号周期为C，A、B二个路口的交通灯顺序为直行绿灯，左转绿灯，直行左转均为红灯（简称为红灯）。在此计算中，由于对主干道进行了有选择的分段，所以近似认为非主干道左转或右转汇入的车流等于下一路口左转或右转流出的车流，而主干道的车流近似不变。在绿波控制方向，路口A的信号灯相位如下：直行绿色箭头灯亮，持续时间为tAgd；左转绿色箭头灯亮，持续时间为tAgl；直行左转均为红色箭头灯，持续时间为tAr。路口B的信号灯相位如下：直行绿色箭头灯亮，持续时间为tBgd；左转绿色箭头灯亮，持续时间为tBgl；直行左转均为红色箭头灯，持续时间为tBr。A、B各交通信号相位之间的间隔时间均为ti；绿波带速度取vgw。针对交叉路口A和B，利用时距图可以计算出相应的理想交叉路口间距。当交叉路口A与交叉路口B之间的距离为理想交叉路口间距时，将能获得较好的绿波协调控制效果。某些交叉路口如果在计划相位情况下无法实现双向绿波协调控制，则在保证公共信号周期不变的情况下，微调交叉路口的放行方式和放行相位。图1所示是交叉路口计划相位图。

图2给出了理想交叉路口间距的计算过程。在图2中，PA是交叉路口A的实际位置，L1、L2、L3、L4分别为上行和下行的双向车流，双向车流速度为双向绿波协调控制的绿波速度vgw， PB1为路口B经公共周期C后正好是直行绿灯的理想位置，PB3为路口B经3倍公共周期C后正好是直行绿灯的理想位置，而PB2为经2倍公共周期C后的路口B的位置，此时为直行红灯，所以此位置的相位要调整，即初相偏移一定时间后也能使双向车流经过此理想路口时也为双向绿灯。所以，在同一相序设置下，相邻可选相向交叉路口的间距为

对于式（3），m取相邻值时，可得到理想交叉路口B的相邻间距为。

2.3 计算不同步长时的理想路口间距

根据公共信号周期范围，可计算不同步长时的理想路口间距，寻求干道交叉路口的最佳公共信号周期。偏移绿信比是由于实际交叉路口绿灯中心时刻点与理想交叉路口绿灯中心时刻线不重合，产生了时间的偏移。根据绿波速度，这个时间偏移量与公共信号周期的比值也就是偏移绿信比。

计算偏移绿信比，首先选取基准交叉路口，如以路口A进行讨论，按照路口A的相序设置，分别计算在不同信号周期取值情况下的最佳相序组合与最大偏移绿信比，寻找对应最大偏移绿信比最小的信号周期取值。

2.4 计算各个交叉路口与基准路口的相位差时间

根据已经计算得到的各个交叉路口的实际位置与理想位置的偏移量及绿波速度，就可以确定各个实际路口的绿灯点亮的起始时间。

具体计算时，首选要确定参考对象，也就是基准方向和基准时间。以基准路口向另一方向行驶为基准方向，即上行方向，相关的行驶方向即为下行方向；时间基准以基准路口的基准方向放行相位绿灯中心时刻为时间基准点。再根据各交叉路口的信号相序设置、最接近的理想交叉路口位置和基准方向放行相位的绿信比大小，计算各个交叉路口的相位差大小。

第i个交叉路口的相位差Oi可由下式进行计算：

（0≤Oi

式中，SRi为与交叉路口i的信号相序相同，并且与实际距离最近的理想交叉路口与基准交叉路口间的距离；λUi为交叉路口i的基准方向放行相位绿信比。

2.5 求取双向绿波协调控制的绿波时间宽度

根据已经计算得到的上、下行方向和各交叉路口的偏移绿信比，对每个路口分别计算绿灯中心时刻线上方绿信比与下方绿信比。绿波带的宽度就是绿灯中心时刻线上方最小绿信比与下方最小绿信比之和。

偏移绿信比可能为正，也可能为负。当偏移绿信比为正时，即交叉路口的实际位置处于相应最近理想交叉路口位置的下游，所以绿灯中心时刻线的上方绿信比应减去一个单位的偏移绿信比，而下方绿信比应加上一个单位的偏移绿信比；当偏移绿信比为负时，即交叉路口的实际位置是位于最近理想交叉路口的上游，那么绿灯中心时刻线的上方绿信比应加上一个单位的偏移绿信比，而下方绿信比应减去一个单位的偏移绿信比。

2.6 验证和调整

根据计算结果，可画时距图验证，并对个别路口情况进行调整。由于上述计算得到的距离均为理想距离，实际情况有可能与理想距离差别太大，正好处于相邻信号周期的中间；如果采用与其他路口相同的信号相位，则偏移绿信比较大，会大大影响整条道路的绿波带宽度，导致绿波控制失败。

在进行调整中，要注意整个调整必须保证信号周期与绿波带控制的公共信号周期相同，这样才能保证始终能进行绿波控制。

2.7 实时调整拥堵路口的绿灯放行时间

根据上述计算得到的双向协调绿波带控制算法，在交通高峰时间，通过物联网技术，对道路实际流量进行实时测量，找出关键的拥堵路口，在不破坏绿波控制的前提下，在此路口适当实时调整绿波带方向放行绿灯时间，提高道路交通流量。

由于此算法中，进口是对称放行方式，所以双向绿波带也是对称的。

3 分段间的绿波衔接

在上述提出的分段式数解法绿波带优化算法中，分段间的绿波衔接也是关键之一，涉及到整个绿波带的正常工作。在分段过程中，并不是对主干道进行随便分段的，而是要在衔接路口的上行或下行方向有一个流量较小的路口。同时，二段的公共信号周期不会相差太多，这样，二段绿波协调控制才能较好地衔接。另外，分段计算得到的信号公共周期不能相差太多。

在实施过程中，选取了无锡市的学前路（解放东路至中南路段）进行计算，此路段共5.5 km，穿过无锡的商业中心，道路较长，同时道路情况复杂，比较有代表性，对算法具有较强的验证性。根据上面介绍的方法计算得到分段一（解放东路至解放西路）的信号周期为98 s，初相为82 s；分段二（解放西路至中南路）的信号周期为102 s，初相为87 s。二段是作为一条道路进行绿波协调控制的，必须有一个统一的参考时间，如果以分段一的时间为标准，则分段二各个交叉路口的初相均需要减小5 s。二段的公共信号周期相差4 s，而二段中的各个路口公共信号时间参数不宜独立调整，改变一个路口公共信号周期均会影响整个分段的双向绿波协调。在此例中，绿波衔接路口信号周期选择与分段一相同，即选择98 s，而上行方向的下一个路口的绿信比为0.65，计算得到有36 s的红灯时间，所以有9个公共信号周期在理论上是无法实现上行方向的绿波控制，而其余的16个公共信号周期中，即使二段有周期差，也能实现双向的绿波协调控制，持续时间为30 min左右。可以把这30 min时间放在交通流量最大的时候。通过试验，在此路段实现了整条道路的双向绿波协调控制。

4 结 语

现代化的交通流是人、车、路和外部因素等构成的巨大系统，它具有复杂性、动态性和随机性等特点，所以分析复杂，计算量大。本文主要把一些复杂的道路根据一定的条件进行分段，采用一种简化方式对分段道路进行双向协调绿波带控制，通过简单的EXCEL表格计算就可以得到双向非平衡绿波协调控制的解，计算量小，控制效果好，适应合于手持终端等嵌入式系统。

参 考 文 献

[1] 陈扶昆，吴中.区域高峰时段多向绿波控制策略[J].科技与经济，2008（1）：87-90.

[2] 王廷平，蒋珉.一种实现双向绿波信号控制的方法及其应用实现[J].电子工程师，2003，29 （1）：31-33.

[3] 郑翔骥，陈明凯.一种实现双向绿波信号控制的方法[J].交通与计算机，2004，22 （5）：46-48.

[4] 李林，徐建闽，卢凯.进口单独放行的改进绿波数解法[J].交通信息与安全， 2009，27 （3）： 64-67.

[5] 许卫明，潘国安.城市交通干线双向绿波带智能控制研究[J]. 自动化博览，2008 （2）： 84-87.

[6] 胡霆，王景成 .城市交通干线绿波带全局优化方法[J].计算机与应用化学，2012（10）：1211-1215.

[7]沈国江，许卫明.交通干线动态双向绿波带控制技术研究[J].浙江大学学报：工学版，2008（9）：84-87.

[8]孔祥杰，沈国江，孙优贤.基于多智能体的交通干线动态智能协调控制[J].理工大学学报：自然科学版，2010（5）：544-550.

[9] SUN Zhi-chao， DU Xiao-li， SHAO Chun-fu. Evaluating environmental impacts of major road network improvement in Beijing based on a combined traffic demand and vehicle emission model [J]. Journal of International Development and Cooperation， 2005， 11（2）：1-9.

[10] SRINIVASAN D， CHOY M C， CHEU R L. Neural networks for real-time traffic signal control [J]. IEEE Transactions on Intelligent Transportation， 2006， 7（3） ：261-272.

[11] KOSONEN I. Multi-agent fuzzy signal control based on real-time simulation [J]. Transportation Research Part C： Emerging Technologies， 2003， 11（5）： 389-403.