CN101477747A - 一种交通高峰期高密度路网的信号控制方法 - Google Patents

Abstract

交通高峰期高密度路网的信号控制方法根据驶入高密度路网内交通流总量，采集高密度路网基本数据，包括交通静态数据、交通动态数据、决策者的决策数据；其中，交通静态数据和决策者的决策数据均属于静态数据，从高密度路网的静态数据库中获取，交通动态数据属于动态数据，通过交通流检测设备采集，生成具有较长绿灯时长和红灯时长特点的信号控制方案，并将该控制方案统一应用于高密度路网内所有信号交叉口。通过对高密度路网内的交通流总量控制和交叉口之间协调控制，提高高峰期高密度路网内各交叉口的交通流通行效率，减少机动车的交叉口延误，实现高密度路网高效运行。

Description

一种交通高峰期高密度路网的信号控制方法

技术领域

本发明涉及在交通高峰期，根据高密度路网交通流的交通总量，生成具有较长绿灯时长和红灯时长特点的信号控制方案，并将该信号控制方案统一应用于高密度路网的所有信号交叉口。以达到提高高密度路网内机动车的通行效率，避免造成机动车通过交叉口时，频繁出现减速、停车、启动、加速等现象，减少机动车的交叉口延误。属于城市道路交通控制领域。

背景技术

高密度路网主要是指具备道路细而稠密，平均道路间距均小于300m，由2车道至4车道的道路组成的正交棋盘式网络结构，路网密度分布均匀，道路之间无明显等级差异的城市道路网。

高密度路网的主要优点在于路网结构的高度连接性和选择性。高密度路网内，路网密度高、分布均匀，出行者在经过每个交叉口时，均有多种路径选择到达目的地，确保交通路径选择具有多样性。因此，高密度路网结构有助于交通流在路网中的均匀分布，减少高密度路网的拥堵，提高整个路网的通行效率。

目前，高密度路网的建设已经成为城市道路网的主要模式之一。我国已有的高密度路网地区主要集中于大中型城市的商业中心区或老城区。其中，具有代表性的高密度路网地区有上海外滩地区、天津小白楼地区、大连中山广场地区、武汉解放大道地区、南京新街口地区等。这些典型的高密度路网地区的路网平均密度在11.0~17.5km/km²之间，道路平均宽度在12.1~17.9m之间，路网成东西或南北走向、相互交叉，形成棋盘式路网结构。

当交通处于低峰期或平峰期，驶入高密度路网的交通流量较小，高密度路网的交通供给能力高于交通需求，通过定时控制、感应控制、绿波控制等信号控制方式均可实现合理优化、分配交通时空资源，提高高密度路网的通行效率。但是，交通处于高峰期时，驶入高密度路网的交通量大，造成高密度路网内的交通需求远远高于交通供给能力，路网内没有多余的时空资源用于信号控制系统的分配，以致定时控制、感应控制、绿波控制等信号控制方式均不能提高高密度路网内各交叉口的通行效率。

经发明人长期研究发现，造成在交通高峰期，高密度路网内信号控制效果不理想的主要原因：一是高密度路网内的交通需求远远高于交通供给能力，高密度路网内无足够的时空资源用于信号控制调配；二是高密度路网内相邻交叉口之间的关联性大，造成相邻交叉口之间的交通流相互影响，引起交通流通行拥堵，难以提高交叉口的通行效率。如果能够控制高密度路网内的交通流量并实现交叉口之间的协调控制，则能提高高峰期高密度路网内各交叉口的交通流通行效率，减少机动车的交叉口延误，实现高密度路网高效运行。

发明内容

技术问题：本发明的目的是提供一种交通高峰期高密度路网的信号控制方法，该方法根据驶入高密度路网内交通流总量，生成具有较长绿灯时长和红灯时长特点的信号控制方案，并将该控制方案统一应用于高密度路网内所有信号交叉口。通过对高密度路网内的交通流总量控制和交叉口之间协调控制，提高高峰期高密度路网内各交叉口的交通流通行效率，减少机动车的交叉口延误，实现高密度路网高效运行。

技术方案：为达到上述目的，本发明是这样进行的：

1)采集高密度路网的交通静态数据、交通动态数据、决策者的决策数据。其中，交通静态数据和决策者的决策数据均属于静态数据，可从高密度路网的静态数据库中获取。交通动态数据属于动态数据，可通过交通流检测设备采集。

交通静态数据包括：高密度路网横向长度L_WE、高密度路网纵向长度L_NS、横向路段平均长度L_WE、纵向路段平均长度L_NS、与高密度路网东侧直接相连的最短连接路段长度L_E、与高密度路网西侧直接相连的最短连接路段长度L_W、与高密度路网南侧直接相连的最短连接路段长度L_S、与高密度路网北侧直接相连的最短连接路段长度L_N、交通拥堵密度K_jam、非机动车在交叉口处最长忍耐的红灯等待时间T_bike，高峰期高密度路网直行总流量最低标准Q_min，非机动车的平均行驶速度V_bike，交叉口转弯饱和流量q。

交通动态数据包括：自西向东单车道平均直行车流量Q_W、自东向西单车道平均直行车流量Q_E、自南向北单车道平均直行车流量Q_S、自北向南单车道平均直行车流量Q_N，交叉口的平均转向直行比β。计算横向单车道平均直行车流量Q_WE＝(Q_W+Q_E)/2；纵向单车道平均直行车流量Q_NS＝(Q_S+Q_N)/2。

决策者的决策数据包括：高密度路网的理想平均车速V，相连路段的安全保护系数δ、机动车理想的最短行驶距离L_cr。

2)高密度路网信号控制目标生成方法根据高密度路网横向长度L_WE、高密度路网纵向长度L_NS、横向单车道平均直行车流量Q_WE、纵向单车道平均直行车流量Q_NS、高密度路网的理想平均车速V，生成基于停车次数最少的控制目标O_stop和基于平均排队延误最小的控制目标O_delay：

$O_{\mathrm{stop}}=\frac{Q_{\mathrm{WE}}{L}_{\mathrm{WE}}}{G_{\mathrm{WE}}V}+\frac{Q_{\mathrm{NS}}{L}_{\mathrm{NS}}}{G_{\mathrm{NS}}V}$

$O_{\mathrm{delay}}=\frac{Q_{\mathrm{WE}}{L}_{\mathrm{WE}}}{V}{G}_{\mathrm{NS}}+\frac{Q_{\mathrm{NS}}{L}_{\mathrm{NS}}}{V}{G}_{\mathrm{WE}}$

G_WE、G_NS为交通信号控制的优化参数：G_WE为高密度路网的横向直行相位绿灯时长；G_NS为高密度路网的纵向直行相位绿灯时长。

3)高密度路网信号优化目标函数生成方法将基于停车次数最少的控制目标O_stop和基于平均排队延误最小的控制目标O_delay进行叠加，生成高密度路网直行信号优化目标函数O：

$O=\min [\frac{Q_{\mathrm{WE}}{L}_{\mathrm{WE}}}{V}(G_{\mathrm{NS}}+\frac{1}{G_{\mathrm{WE}}})+\frac{Q_{\mathrm{NS}}{L}_{\mathrm{NS}}}{V}(G_{\mathrm{WE}}+\frac{1}{G_{\mathrm{NS}}})]$

4)高密度路网外围路段约束条件生成方法根据与高密度路网直接相连的东、西、南、北各个方向的最短连接路段长度L_E、L_W、L_S、L_N，东、西、南、北各个方向的单车道平均直行车流量Q_E、Q_W、Q_S、Q_N，交通拥堵密度K_jam，相连路段的安全保护系数δ建立路网四个不同方向的外围路段约束条件：

$\frac{G_{\mathrm{WE}}{Q}_W}{3600K_{\mathrm{jam}}}\≤\mathrm{\δ}{L}_E,$ $\frac{G_{\mathrm{EW}}{Q}_E}{3600K_{\mathrm{jam}}}\≤\mathrm{\δ}{L}_W,$ $\frac{G_{\mathrm{NS}}{Q}_N}{3600K_{\mathrm{jam}}}\≤\mathrm{\δ}{L}_S,$ $\frac{G_{\mathrm{SN}}{Q}_S}{3600K_{\mathrm{jam}}}\≤\mathrm{\δ}{L}_N$

5)高密度路网非机动车等待约束条件生成方法根据非机动车在交叉口处最长忍耐的红灯等待时间T_bike，非机动车的平均行驶速度V_bike，横向路段平均长度L_WE和纵向路段平均长度L_NS，建立非机动车等待约束条件：

$G_{\mathrm{WE}}\≤T_{\mathrm{bike}}[\frac{G_{\mathrm{NS}}{\stackrel{\‾}{V}}_{\mathrm{bike}}}{{\stackrel{\‾}{L}}_{\mathrm{NS}}}+1],$ $G_{\mathrm{NS}}\≤T_{\mathrm{bike}}[\frac{G_{\mathrm{WE}}{\stackrel{\‾}{V}}_{\mathrm{bike}}}{{\stackrel{\‾}{L}}_{\mathrm{WE}}}+1]$

6)高密度路网稳定通行约束条件生成方法根据高密度路网的理想平均车速V和机动车理想的最短行驶距离L_cr，建立车流稳定通行约束条件：

G_WEV≥L_cr，G_NSV≥L_cr

7)高密度路网直行信号寻优方法根据以建立的高密度路网直行信号优化目标函数、路网外围路段的约束条件、非机动车等待约束条件、车流稳定通行约束条件，通过粒子群优化算法计算高密度路网横向和纵向直行相位绿灯时长。为便于交叉口信号灯的信号实施，将优化的高密度路网直行相位绿灯时长取为5的整数倍，得出高密度路网的优化的横向直行相位绿灯时长和优化的纵向直行相位绿灯时长

8)高密度路网转弯相位绿灯时长生成方法根据优化的横向直行绿灯时长

和优化的纵向直行绿灯时长

横向单车道平均直行车流量Q_WE和纵向单车道平均直行车流量Q_NS，交叉口的平均转向直行比β，交叉口转弯饱和流量q，确定优化的横向转弯相位绿灯时长 $G_{\mathrm{WE}}^L=\mathrm{\β}{Q}_{\mathrm{WE}}{G}_{\mathrm{WE}}^{*}/14400q$ 和优化的纵向转弯相位绿灯时长 $G_{\mathrm{NS}}^L=\mathrm{\β}{Q}_{\mathrm{NS}}{G}_{\mathrm{NS}}^{*}/14400q.$

9)高密度路网信号控制方案生成方法根据由高密度路网直行信号寻优方法和高密度路网转弯相位信号时长生成方法获得的优化的横向直行相位绿灯时长

优化的纵向直行相位绿灯时长优化的横向转弯相位绿灯时长

优化的纵向转弯相位绿灯时长

按优化的横向直行相位绿灯时长

优化的横向转弯相位绿灯时长

优化的纵向直行相位绿灯时长优化的纵向转弯相位绿灯时长

的相位顺序，将四个相位组成高密度路网内信号交叉口的信号控制方案。

10)高密度路网信号控制方案更新方法通过计时器确定信号控制方案实施时间，当信号控制方案实施时间超过30分钟，则通过交通流检测设备重新采集交通动态数据，判断高密度路网内单车道平均直行车辆流量(Q_W+Q_E+Q_S+Q_N)/4是否大于或等于高峰期高密度路网单车道平均直行总流量最低标准Q_min。如果(Q_W+Q_E+Q_S+Q_N)/4≥Q_min，则转入2)，重新优化、生成信号控制方案；如果(Q_W+Q_E+Q_S+Q_N)/4<Q_min，结束通过交通高峰期高密度路网的信号控制方法优化、生成信号控制方案。

有益效果：

1.本发明方法在交通高峰期，对高密度路网内所有交叉口采用统一的信号控制方案。高密度路网边缘处的交叉口通过该信号控制方案可控制各个方向驶入高密度路网的交通流量，有助于降低高密度路网内的交通需求。高密度路网内部的交叉口通过该信号控制方案可控制高密度路网内部各交叉口等待车辆排队长度，避免等待车辆排队过长，影响到相邻的上游交叉口车辆正常通行。

2.本发明方法生成的信号控制方案具有横向直行相位绿灯时长和纵向直行相位绿灯信号时长较长的特点。当横向或纵向信号灯为绿灯时，确保横向或纵向的交通流能够保持稳定的车速，行驶较长的距离，顺利通过若干个信号交叉口，减少车辆通过高密度路网内交叉口的停车次数；同时，运动交通流的垂直方向交通流均处于停车状态，可以有效控制高密度路网内每个交叉口处停车车辆的排队长度。

3.本发明方法对高密度路网内交叉口采取统一的信号控制方案，确保高密度路网内交通流具有可控性和预测性，实现了高密度路网内相邻交叉口之间协调控制，提高了高密度路网的通行效率，减少了高密度路网的交通延误，降低了高密度路网内交叉口拥堵的可能性。

附图说明：

图1为交通高峰期高密度路网的信号控制方法基本流程图。

图2为高密度路网基本结构示意图。

具体实施方式

结合附图，对本发明做进一步说明：

1)采集高密度路网的基本数据，包括交通静态数据、交通动态数据、决策者的决策数据。其中，交通静态数据和决策者的决策数据均属于静态数据，可从高密度路网的静态数据库中获取。交通动态数据属于动态数据，可通过交通流检测设备采集。

交通静态数据包括：高密度路网横向长度L_WE＝900米、高密度路网纵向长度L_NS＝660米、横向路段平均长度L_WE＝225米、纵向路段平均长度L_NS＝220米、与高密度路网东侧直接相连的最短连接路段长度L_E＝500米、与高密度路网西侧直接相连的最短连接路段长度L_w＝500米、与高密度路网南侧直接相连的最短连接路段长度L_S＝500米、与高密度路网北侧直接相连的最短连接路段长度L_N＝500米、交通拥堵密度K_jam＝200辆/千米、非机动车在交叉口处最长忍耐的红灯等待时间T_bike＝80秒，高峰期高密度路网直行总流量最低标准Q_min＝1200辆/小时，非机动车的平均行驶速度V_bike＝15千米/小时，交叉口转弯饱和流量q＝1200辆/小时。

交通动态数据采集情况见表1所示：

表1 交通动态数据采集情况

决策者的决策数据包括：高密度路网的理想平均车速V＝50千米/小时，相连路段的安全保护系数δ＝0.8、机动车理想的最短行驶距离L_cr＝600米。

2)高密度路网信号控制目标生成方法建立基于停车次数最少的控制目标 $O_{\mathrm{stop}}=\frac{Q_{\mathrm{WE}}{L}_{\mathrm{WE}}}{G_{\mathrm{WE}}V}+\frac{Q_{\mathrm{NS}}{L}_{\mathrm{NS}}}{G_{\mathrm{NS}}V}$ 和基于平均排队延误最小的控制目标 $O_{\mathrm{delay}}=\frac{Q_{\mathrm{WE}}{L}_{\mathrm{WE}}}{V}{G}_{\mathrm{NS}}+\frac{Q_{\mathrm{NS}}{L}_{\mathrm{NS}}}{V}{G}_{\mathrm{WE}}.$

3)高密度路网信号优化目标函数生成方法将基于停车次数最少的控制目标O_stop和基于平均排队延误最小的控制目标O_delay进行叠加，生成高密度路网直行信号优化目标函数 $O=\min [\frac{Q_{\mathrm{WE}}{L}_{\mathrm{WE}}}{V}(G_{\mathrm{NS}}+\frac{1}{G_{\mathrm{WE}}})+\frac{Q_{\mathrm{NS}}{L}_{\mathrm{NS}}}{V}(G_{\mathrm{WE}}+\frac{1}{G_{\mathrm{NS}}})].$

4)由高密度路网外围路段约束条件生成方法生成路网外围路段的约束条件：

$\frac{G_{\mathrm{WE}}{Q}_W}{3600K_{\mathrm{jam}}}\&le;\mathrm{\&delta;}{L}_E,$ $\frac{G_{\mathrm{EW}}{Q}_E}{3600K_{\mathrm{jam}}}\&le;\mathrm{\&delta;}{L}_W,$ $\frac{G_{\mathrm{NS}}{Q}_N}{3600K_{\mathrm{jam}}}\&le;\mathrm{\&delta;}{L}_S,$ $\frac{G_{\mathrm{SN}}{Q}_S}{3600K_{\mathrm{jam}}}\&le;\mathrm{\&delta;}{L}_N$

5)高密度路网非机动车等待约束条件生成方法建立非机动车等待约束条件：

$G_{\mathrm{WE}}\&le;T_{\mathrm{bike}}[\frac{G_{\mathrm{NS}}{\stackrel{\&OverBar;}{V}}_{\mathrm{bike}}}{{\stackrel{\&OverBar;}{L}}_{\mathrm{NS}}}+1],$ $G_{\mathrm{NS}}\&le;T_{\mathrm{bike}}[\frac{G_{\mathrm{WE}}{\stackrel{\&OverBar;}{V}}_{\mathrm{bike}}}{{\stackrel{\&OverBar;}{L}}_{\mathrm{WE}}}+1]$

6)高密度路网稳定通行约束条件生成方法建立车流稳定通行约束条件：

G_WEV≥L_cr，G_NSV≥L_cr

7)高密度路网直行信号寻优方法根据以建立的高密度路网直行信号优化目标函数、路网外围路段的约束条件、非机动车等待约束条件、车流稳定通行约束条件，通过粒子群优化算法计算高密度路网直行相位绿灯时长，并取为5的整数倍，得出高密度路网的优化的横向直行相位绿灯时长和优化的纵向直行相位绿灯时长

8)高密度路网转弯相位绿灯时长生成方法生成优化的横向转弯相位绿灯时长 $G_{\mathrm{WE}}^L=\mathrm{\&beta;}{Q}_{\mathrm{WE}}{G}_{\mathrm{WE}}^{*}/14400q$ 和优化的纵向转弯相位绿灯时长 $G_{\mathrm{NS}}^L=\mathrm{\&beta;}{Q}_{\mathrm{NS}}{G}_{\mathrm{NS}}^{*}/14400q.$

9)高密度路网信号控制方案生成方法根据优化的横向直行相位绿灯时长

优化的纵向直行相位绿灯时长

优化的横向转弯相位绿灯时长

优化的纵向转弯相位绿灯时长

按优化的横向直行相位绿灯时长

优化的横向转弯相位绿灯时长

优化的纵向直行相位绿灯时长

优化的纵向转弯相位绿灯时长

的相位顺序，将四个相位组成高密度路网内信号交叉口的信号控制方案。各时段建立的信号控制方案如表2所示：

表2 优化的信号控制方案

10)高密度路网信号控制方案更新方法通过计时器确定信号控制方案实施时间，当信号控制方案实施时间超过30分钟，则通过交通流检测设备重新采集交通动态数据，判断高密度路网内单车道平均直行车辆流量(Q_W+Q_E+Q_S+Q_N)/4是否大于高峰期高密度路网单车道平均直行总流量最低标准Q_min。如果(Q_W+Q_E+Q_S+Q_N)/4≥Q_min，则转入2)，重新优化、生成信号控制方案；如果(Q_W+Q_E+Q_S+Q_N)/4<Q_min，结束通过交通高峰期高密度路网的信号控制方法为高密度路网内信号交叉口优化、生成信号控制方案。

Claims (1)

1.一种交通高峰期高密度路网的信号控制方法，其特征是针对高峰期高密度路网特点，通过自动优化、生成具有较长绿灯时长和红灯时长特点的信号控制方法，其具体执行过程为：

1)采集高密度路网基本数据，包括交通静态数据、交通动态数据、决策者的决策数据；其中，交通静态数据和决策者的决策数据均属于静态数据，从高密度路网的静态数据库中获取，交通动态数据属于动态数据，通过交通流检测设备采集，

2)由高密度路网信号控制目标生成方法根据高密度路网横向长度L_WE、高密度路网纵向长度L_NS、横向单车道平均直行车流量Q_WE、纵向单车道平均直行车流量Q_NS、高密度路网的理想平均车速V，建立基于停车次数最少的控制目标 $O_{\mathrm{stop}}=\frac{Q_{\mathrm{WE}}{L}_{\mathrm{WE}}}{G_{\mathrm{WE}}V}+\frac{Q_{\mathrm{NS}}{L}_{\mathrm{NS}}}{G_{\mathrm{NS}}V}$ 和基于平均排队延误最小的控制目标 $O_{\mathrm{delay}}=\frac{Q_{\mathrm{WE}}{L}_{\mathrm{WE}}}{V}{G}_{\mathrm{NS}}+\frac{Q_{\mathrm{NS}}{L}_{\mathrm{NS}}}{V}{G}_{\mathrm{WE}},$ G_WE、G_NS为交通信号控制的优化参数，G_WE为高密度路网的横向直行相位绿灯时长，G_NS为高密度路网的纵向直行相位绿灯时长，

3)高密度路网信号优化目标函数生成方法叠加基于停车次数最少的控制目标O_stop和基于平均排队延误最小的控制目标O_delay，生成高密度路网直行信号优化目标函数 $O=\min [\frac{Q_{\mathrm{WE}}{L}_{\mathrm{WE}}}{V}(G_{\mathrm{NS}}+\frac{1}{G_{\mathrm{WE}}})+\frac{Q_{\mathrm{NS}}{L}_{\mathrm{NS}}}{V}(G_{\mathrm{WE}}+\frac{1}{G_{\mathrm{NS}}})],$

4)由高密度路网外围路段约束条件生成方法根据与高密度路网直接相连的东、西、南、北各个方向的最短连接路段长度L_E、L_W、L_S、L_N，东、西、南、北各个方向的单车道平均直行车流量Q_E、Q_W、Q_S、Q_N，交通拥堵密度K_jam，相连路段的安全保护系数δ建立路网外围路段的约束条件：

$\frac{G_{\mathrm{WE}}{Q}_W}{3600K_{\mathrm{jam}}}\&le;{\mathrm{\&delta;L}}_E,$ $\frac{G_{\mathrm{EW}}{Q}_E}{3600K_{\mathrm{jam}}}\&le;{\mathrm{\&delta;L}}_W,$ $\frac{G_{\mathrm{NS}}{Q}_N}{3600K_{\mathrm{jam}}}\&le;{\mathrm{\&delta;L}}_S,$ $\frac{G_{\mathrm{SN}}{Q}_S}{3600K_{\mathrm{jam}}}\&le;{\mathrm{\&delta;L}}_N,$

5)由高密度路网非机动车等待约束条件生成方法根据非机动车在交叉口处最长忍耐的红灯等待时间T_bike，非机动车的平均行驶速度V_bike，横向路段平均长度L_WE和纵向路段平均长度L_NS，建立非机动车等待约束条件：

$G_{\mathrm{WE}}\&le;T_{\mathrm{bike}}[\frac{G_{\mathrm{NS}}{\stackrel{\&OverBar;}{V}}_{\mathrm{bike}}}{{\stackrel{\&OverBar;}{L}}_{\mathrm{NS}}}+1],$ $G_{\mathrm{NS}}\&le;T_{\mathrm{bike}}[\frac{G_{\mathrm{WE}}{\stackrel{\&OverBar;}{V}}_{\mathrm{bike}}}{{\stackrel{\&OverBar;}{L}}_{\mathrm{WE}}}+1],$

6)由高密度路网稳定通行约束条件生成方法根据高密度路网的理想平均车速V和机动车理想的最短行驶距离L_cr，建立车流稳定通行约束条件：G_WEV≥L_cr，G_NSV≥L_cr，

7)由高密度路网直行信号寻优方法根据以上步骤3)～6)获得的高密度路网直行信号优化目标函数、路网外围路段的约束条件、非机动车等待约束条件、车流稳定通行约束条件，通过粒子群优化算法计算高密度路网直行相位绿灯时长，为便于交叉口信号灯的信号实施，将获得的高密度路网直行相位绿灯时长取为5的整数倍，得出高密度路网的优化的横向直行相位绿灯时长

和优化的纵向直行相位绿灯时长

8)由高密度路网转弯相位绿灯时长生成方法根据步骤7)得出的优化的横向直行相位绿灯时长

和优化的纵向直行相位绿灯时长

以及由步骤1)获得的横向单车道平均直行车流量Q_WE和纵向单车道平均直行车流量Q_NS，交叉口的平均转向直行比β，交叉口转弯饱和流量q，得出优化的横向转弯相位绿灯时长 $G_{\mathrm{WE}}^L={\mathrm{\&beta;Q}}_{\mathrm{WE}}{G}_{\mathrm{WE}}^{*}/14400q$ 和优化的纵向转弯相位绿灯时长 $G_{\mathrm{NS}}^L={\mathrm{\&beta;Q}}_{\mathrm{NS}}{G}_{\mathrm{NS}}^{*}/14400q,$

9)由高密度路网信号控制方案生成方法按优化的横向直行相位绿灯时长

优化的横向转弯相位绿灯时长优化的纵向直行相位绿灯时长

优化的纵向转弯相位绿灯时长

的相位顺序，将四个相位组成高密度路网内信号交叉口的信号控制方案，

10)由高密度路网信号控制方案更新方法根据计时器控制信号控制方案实施时间；当信号控制方案实施时间超过30分钟，则通过交通流检测设备重新采集交通动态数据，判断高密度路网内单车道平均直行车辆流量(Q_W+Q_E+Q_S+Q_N)/4是否大于高峰期高密度路网单车道平均直行总流量最低标准Q_min；如果(Q_W+Q_E+Q_S+Q_N)/4≥Q_min，则转入步骤2)重新优化、生成信号控制方案；如果(Q_W+Q_E+Q_S+Q_N)/4<Q_min，结束通过交通高峰期高密度路网的信号控制方法对高密度路网交叉口实施信号控制。

Images