CN101493992B - 一种基于无线传感器网络的单点自组织交通信号控制方法 - Google Patents

Abstract

一种基于无线传感器网络的单点自组织交通信号控制方法，包括：1)将车载节点安置于行进车辆内部，信息采集节点布设在路边，汇聚节点布设在交叉口；2){η，θ}表示车辆所在的车道，每一车道分配一个相位p(η，θ)，构成候选相位集；3)实时采集交通数据；4)对交叉口的交通状态进行判别，如判定处于非拥挤状态，按照原信号配时方案执行，否则转为步骤5)；5)当某些流向的等待时间超过等待时间上限时，选择其中等待时间最大的流向作为关键流向，否则需要通过计算确定关键流向p_key(η，θ)，并为关键流向所在的拟放行相位分配绿灯时间，给予绿灯通行权。本发明能够实时精确的检测交通数据，在拥挤条件下实现良好的控制效果。

Description

一种基于无线传感器网络的单点自组织交通信号控制方法 

技术领域

本发明涉及交通控制领域，尤其是一种交通信号控制方法。 

背景技术

交通信号控制能够有效地改善道路交通的秩序和效率，交通信号控制方式已由单点固定配时信号控制发展到联网自适应信号控制，在城市道路交通发展过程中发挥了举足轻重的作用。目前，交通信号控制系统面临的最大问题是难以对拥挤交通流进行有效疏导，其主要原因在于： 

(1)缺乏充足的实时交通数据 

现有技术中，动态交通信号控制主要是基于环形感应线圈数据。由于线圈的布设位置通常限于路段的上游或交叉口停车线附近，所采集的交通数据较为有限，导致已有信号配时优化算法只能通过估算相应交通参数的方式进行优化计算。在拥挤条件下，依赖于估算的交通参数进行信号配时，其结果与实际交通状况相比误差较大。而增设及维修成本则相对较高，因而阻碍了动态交通信号控制的功能扩展，导致现有交通控制方法在控制拥挤交通流时效果不佳。 

(2)局限于传统的信号配时理念 

现有技术中，通常在固定的最大信号周期、固定的相位相序以及最大绿灯延时等概念下进行拥挤交通流的疏导，影响了控制效果的进一步提高。其影响主要体现在： 

①周期时长的限制。由于存在最大的周期时长，限定了可分配的时间资源，进而限制了各相位绿灯时间的可调空间。当各方向交通需求均增大时，各相位的绿灯时长调节率将达到极限，此时无法再为需求更大的相位争得绿灯时间，因而无法对急迫需要放行的车流进行有效疏导。 

②固定的相序限制。由于各相位的执行顺序在整个控制过程中始终保持不变，因此当各相位对绿灯请求权的紧迫程度差异较大时，已有控制方式无法改变相位的显示顺序，因而亦无法及时地对急迫请求绿灯的相位做出实时响应。在这种情况下，现有信号控制方法是一种延迟满足，不利于对拥挤交通流的及时疏导。 

③固定的相位限制。由于各相位，即不同车流方向在同一时间获得绿灯通行权的组合方式始终不变，因此当不同车流方向的交通需求不平衡时，现有信号控制方法无法重新组合不同的车流方向，并对拥挤的方向优先放行。 

④同等优先权限制。在交通拥挤条件下，通常各相位的交通流对绿灯的渴求程度不同，优先疏导哪一股交通流将直接影响该交叉口甚至整个路网的运行效率。在现有信号控制方法中，各相位具有同等优先权，导致配时结果无法照顾特殊流向交通疏导的需求。 

由于缺乏实时精确的交通数据，且没有突破传统信号配时理论方法的束缚，因此现有交通信号控制技术在非拥挤条件下控制效果较好，但在拥挤条件下控制效果不佳。 

发明内容

为了克服已有交通信号控制方法缺乏实时精确的交通数据、在拥挤条件下控制效果差的不足，本发明提供一种能够实时精确的检测交通数据，在拥挤条件下实现良好的控制效果的基于无线传感器网络的单点自组织交通信号控制方法，简记为DTSC-WSN。 

本发明解决其技术问题所采用的技术方案是： 

一种基于无线传感器网络的单点自组织交通信号控制方法，包括以下步骤： 

1)布设无线传感器网络中的信息采集节点、信息汇聚节点和车载节点：将车载节点安置于行进车辆内部，信息采集节点布设在路边，汇聚节点布设在交叉口； 

2)设计候选相位集：所述交叉口有东、南、西、北四个进口方向，可将进口方向表示为η∈{E，S，W，N}，其中E表示东，S表示南、W表示西，N表示北；车辆的运行方向可表示为θ∈{L，T，R}，其中L表示左转，T表示直行，R表示右转，{η，θ}表示车辆所在的车道，每一车道分配一个相位p(η，θ)； 

3)实时采集交通数据：行进车辆上的车载节点计算出自身的位置信息(x，y)和速度信息v，并将状态信息(x，y，v)发送给对应的信息采集节点，信息采集节点收到车载节点发送的状态信息后，便能够计算出该行进车辆所在的车道，以及该行进车辆与交叉口停车线的距离，并计算各车道排队车辆数Q(η，θ)； 

4)以各车道排队车辆数为基础，计算路段排队长度，并采用模糊聚类方法对交叉口的交通状态进行判别，如判定处于非拥挤状态，按照原信号配时方案执行，如判定处于拥挤，转为步骤5)； 

5)当前某相位绿灯结束，即将发放下一相位绿灯通行权时，计算当前各流向的等待时间，若等待时间超过其上限值，则选择其中等待时间最大的流向作为关键流向，否则，按照下面的方法确定关键流向： 

请求绿灯通行权迫切程度最高的关键流向筛选方法为： 

p_key(η，θ)＝max{Q(η，θ)×ω(η，θ)}    (1) 

p_key(η，θ)为请求绿灯通行权最迫切的关键车流方向，即关键流向，Q(η，θ)×ω(η，θ)为车道(η，θ)的排队车辆数与该车道的权重值乘积； 

关键流向的车流即是需要优先放行的车流，在当前时刻应给予关键流向所在的相位绿灯通行权； 

确定关键流向后，计算出关键流向各车道的平均排队车辆数QP(η，θ)和关键流向所需的绿灯时间G_p。 

在所述步骤5)中，等待时间上限W_max根据城市大小规模不同，交叉口的等 级不同而相对地为其赋值。 

在所述步骤5)中，如果关键流向的车流同属于几个候选相位，则通过优化计算从中选择并给予绿灯放行，具体过程为： 

(5.1)对于各个关键流向所在的拟放行相位P，计算所需的绿灯时间，由下式： 

G_p＝L_p+(QP(η，θ)+QNP(η，θ))h    (2) 

这里假设绿灯放行期间车辆的到达率与红灯期间车辆的到达率相同，即： 

$\mathrm{QNP}(\mathrm{\η},\mathrm{\θ})=\left(\frac{L_p+\mathrm{QP}(\mathrm{\η},\mathrm{\θ})\×h}{R(\mathrm{\η},\mathrm{\θ})}\right)\×\mathrm{QP}(\mathrm{\η},\mathrm{\θ})---\left(3\right)$

其中，G_p为相位P的绿灯时间，L_p为起动损失时间，h为饱和车头时距，QNP(η，θ)为排队车辆放行期间到达并加入关键流向的车辆数，R(η，θ)为η方向θ车道所在相位的红灯时间。 

(5.2)对于各个关键流向所在的拟放行相位P，在确定了绿灯时间G_p后，交叉口绿灯期间可放行的最大车辆数N_max由下式计算： 

$N_{\max }=\underset{\mathrm{\η}}{\mathrm{\Σ}}\underset{\mathrm{\θ}}{\mathrm{\Σ}}(Q(\mathrm{\η},\mathrm{\θ})+\mathrm{QN}(\mathrm{\η},\mathrm{\θ}))---\left(4\right)$

如果Q(η，θ)为拟放行相位的关键流向排队，则QN(η，θ)＝QNP(η，θ)；如果Q(η，θ)不是拟放行相位的关键流向排队，则QN(η，θ)可由公式(5)计算得到： 

$\mathrm{QN}(\mathrm{\η},\mathrm{\θ})=\frac{G_p\×\mathrm{QP}(\mathrm{\η},\mathrm{\θ})}{R(\mathrm{\η},\mathrm{\θ})}---\left(5\right)$

(5.3)在确定放行相位时，所遵循的原则是使交叉口的时空利用率最大化，拟放行相位P获得通行权期间交叉口的有效利用率U_p由下式计算： 

$U_p=\frac{N_{\max }}{G_p}---\left(6\right)$

对关键流向所在的所有拟放行相位计算U_p，并选择U_p值最大的相位作为当前的放行相位，给予其绿灯通行权。 

在所述步骤4)中，基于模糊聚类的交通状态判别方法包括下列步骤： 

(4.1)按照指定的时间间隔t获取某路段信息采集节点的历史数据，采样数据中要包括不同时间段的各种交通状态； 

(4.2)计算各车道排队长度，取其最大排队长度作为该路段的排队长度； 

(4.3)进行模糊聚类，将所有历史数据样本分为3类，即顺畅、阻滞和拥挤三种状态，得到聚类中心和隶属度函数； 

(4.4)按照时间间隔t获取各车道排队长度，计算当前路段排队长度数值； 

(4.5)计算该数据距离各类中心的隶属度数值； 

(4.6)按照隶属度最大原则判定当前路段的交通状态，并将其结果传给信号控制机； 

转步骤(4.4)。 

在所述步骤3)中，计算各车道排队车辆数Q(η，θ)的具体步骤为： 

a.左转车道排队车辆数计算方法为：假设当前第t次绿灯结束时路边停车线前信息采集节点和左转车道末端信息采集节点之间排队车辆数为Q(η，L，t)，左转车道末端信息采集节点继续对新到车辆进行检测，则车道上的车流获得t+1次绿灯通行权时，上述两个信息采集节点间的排队车辆数为原有排队车辆数Q(η，L，t)与新到达车辆数QN(η，L，t)之和，即： 

N(η，L，t)＝Q(η，L，t)+QN(η，L，t)        (7) 

当该车道再次获得绿灯通行权时，停车线前信息采集节点开始对离开的车辆进行检测，左转车道末端信息采集节点继续检测新到达的车辆；当第t+1次绿灯结束时，左转车道末端信息采集节点检测绿灯期间到达的车辆数为QA(η，L，t+1)，停车线前信息采集节点检测绿灯期间离开的车辆数为QD(η，L，t+1)，此时两个节点之间的剩余车辆数为： 

Q(η，L，t+1)＝N(η，L，t)+QA(η，L，t+1)-QD(η，L，t+1)    (8) 

由上述迭代公式，计算出该车道再次获得绿灯时需要放行的车辆数； 

b.直右流向各车道的平均排队车辆数计算方法为： 

由于交叉口渠化的左转专用车道进口道通常较短，即L_LT＜L_RT，路边直行车道上游位置的信息采集节点采集的车辆数包含了左转车道车辆数，因此在计算直行车道的排队车辆数时应去除左转的车辆，而左转车辆的比例以可通过停车线前信息采集节点和左转车道末端信息采集节点实时检测的数据计算得到，假设当前车道第t次绿灯结束，则车道上滞留的车辆数为： 

$N(\mathrm{\η},T,t)=Q(\mathrm{\η},T,t)+\mathrm{QN}(\mathrm{\η},T,t)\×(1-P_{\mathrm{LT}}^t)---\left(9\right)$

其中，P_LT ^t为第t次绿灯结束至t+1次绿灯开始时累计到达车辆数中左转车辆所占的百分比； 

$P_{\mathrm{LT}}^t=\frac{Q(\mathrm{\η},L,t)}{Q(\mathrm{\η},T,t)}---\left(10\right)$

当第t+1次绿灯结束时，直行车道上停车线前信息采集节点和路段上游信息采集节点之间的排队车辆为： 

$Q(\mathrm{\η},T,t+1)=Q(\mathrm{\η},T,t)+(\mathrm{QN}(\mathrm{\η},T,t)+\mathrm{QA}(\mathrm{\η},T,t+1))\×(1-P_{\mathrm{LT}}^t)-\mathrm{QD}(\mathrm{\η},T,t+1)---\left(11\right)$

c.右转车道的排队车辆数的计算方法与左转车道相同，其公式为： 

N(η，R，t)＝Q(η，R，t)+QN(η，R，t)    (12) 

在所述步骤2)中，为交叉口所辖路段的各车道标定权重值ω(η，θ)； 

在所述步骤1)中，所述的信息采集节点的布设还包括下列步骤： 

(1.1)布设左转车道交通信息采集节点； 

(1.2)布设直行、直右车道交通信息采集节点。 

本发明的技术构思为：布设无线传感器网络的信息采集节点、信息汇聚节点、车载节点、信号机、信号灯、并通过无线和有线的方式进行通信，还包括下列步 骤： 

(1)基于无线传感器网络实时采集交通参数数据； 

(2)根据交叉口的几何形状，在不引起交通流冲突的情况下设计更多的候选相位，构成候选相位集； 

(3)根据实时采集的交通参数数据计算路段的排队长度； 

(4)以路段排队长度为指标，采用计算机数据处理程序在信号机中对交叉口的交通状态进行判别； 

(5)由信号机中的计算机程序判断是否启用拥挤条件下的自组织信号控制方式，进而选择相应信号控制方式下的信号配时方案。 

技术方案中所述的基于无线传感器网络实时采集交通数据还包括下列步骤： 

(1)布设无线传感网络中的信息采集节点、信息汇聚节点和车载节点； 

(2)车载节点安置于汽车内部，与已有车载设备集成； 

(3)信息采集节点布设在路边，采集观测区域车载节点发射的信号，并对原始信号进行处理以提取车辆信息，通过无线传感器网络将相应信息传给汇聚节点； 

(4)一个交叉口布设一个汇聚节点，汇聚节点收集和融合各个信息采集节点的数据，并将交通信息通过有线连接方式传送给交通信号控制器。 

所述的信息采集节点的布设还包括下列步骤： 

(1)布设左转车道交通信息采集节点； 

(2)布设直行、直右车道交通信息采集节点。 

所述的启用信号控制方式的判断还包括以下步骤： 

(1)判断当前交叉口是否拥挤，如果不是则不改变当前信号控制方式，其信号配时按原方案执行； 

(2)如果当前交叉口发生拥挤，则改变当前信号控制方式，启用自组织信号控制方式，并执行单点自组织交通信号控制。 

参阅附图1所示，所述的单点自组织交通信号控制还包括以下步骤： 

(1)在当前相位绿灯结束时，根据信息采集节点提供的数据，汇聚节点计算各路段每一车道的排队车辆数Q(η，θ)； 

(2)根据实时检测数据，对交叉口的交通状态进行判别，当发生拥挤时，转为步骤(3)； 

(3)确定请求绿灯通行权迫切性最强的关键流向，查找候选相位集，将包括该流向的所有候选相位作为拟放行相位； 

(4)计算关键流向所需的绿灯时间G_p； 

(5)计算每一拟放行相位P获得通行权后交叉口的有效利用率E_p，并选择E_p最大的拟放行相位作为当前的放行相位； 

(6)为选定的放行相位显示绿灯，放行相应流向的车队。 

本发明的有益效果主要包括： 

(1)本发明以无线传感器网络采集交通数据替代环形感应线圈采集交通数据，降低了工程初装、维护及扩展成本，且采集的交通数据更为充足，解决了现有技术中缺乏精确交通数据的不足； 

(2)本发明由于能够获得充足精确的交通数据，因此可以采用更能体现真实交通状况的排队长度作为指标，判别交通状态，从而使信号机能够及时地根据交通状态切换相应信号控制方案； 

(3)本发明给出了拥挤条件下的单点自组织信号控制方法，该方法充分考虑了拥挤流向请求绿灯时间的迫切性以及绿灯期间应使交叉口的有效利用率最大化，进而突破传统信号配时理论方法，克服了已有方法不能快速疏导拥挤交通流的不足。 

附图说明

图1是本发明中单点自组织交通信号控制方法流程示意图； 

图2是本发明中所采用的交叉口形状示意图； 

图3是本发明中基于无线传感器网络采集交通数据示意图； 

图4是本发明中车道示意图； 

图5是本发明中模拟验证交叉口示意图。 

具体实施方式

下面结合附图对本发明作进一步描述。 

参照图1～图5，一种基于无线传感器网络的单点自组织交通信号控制方法，包括以下步骤： 

1)布设无线传感网络中的信息采集节点、信息汇聚节点和车载节点：将车载节点安置于行进车辆内部，信息采集节点布设在路边，汇聚节点布设在交叉口； 

2)设计候选相位集：所述交叉口有东、南、西、北四个进口方向，可将进口方向表示为η∈{E，S，W，N}，其中E表示东，S表示南、W表示西，N表示北；车辆的运行方向可表示为θ∈{L，T，R}，其中L表示左转，T表示直行，R表示右转，{η，θ}表示车辆所在的车道，每一车道分配一个相位p(η，θ)； 

3)实时采集交通数据：行进车辆上的车载节点计算出自身的位置信息(x，y)和速度信息v，并将状态信息(x，y，v)发送给对应的信息采集节点，信息采集节点收到车载节点发送的状态信息后，便能够计算出该行进车辆所在的车道，以及该行进车辆与交叉口停车线的距离，并计算各车道排队车辆数Q(η，θ)； 

4)对交叉口的交通状态进行判别，如判定处于非拥挤状态，按照原信号配时方案执行，如判定处于拥挤，转为步骤5)； 

5)当某些流向的等待时间超过等待时间上限时，选择其中等待时间最大的流向作为关键流向，否则，按照下面的方法确定关键流向： 

请求绿灯通行权迫切程度最高的关键流向筛选方法为： 

p_key(η，θ)＝max{Q(η，θ)×ω(η，θ)} 

关键流向的车流即是需要优先放行的车流，在当前时刻应给予关键流向所在的相位绿灯通行权； 

确定关键流向后，再计算出关键流向各车道的平均排队车辆数QP(η，θ)和关键流向所在相位绿灯时间G_p。 

本实施例中，需要预先设计候选相位集、以无线传感器网络为基础提取交通参数数据、计算左转车道排队车辆数、直行车道排队车辆数、确定交通状态判别的时间间隔t、确定各种交通状态的聚类中心隶属度函数、确定关键流向、确定等待时间上限值、确定拟放行相位的绿灯时长、确定放行相位。下面将对上述方面进行详细介绍： 

1.设计候选相位集 

当某一信号交叉口的物理结构确定后，便可按照相位设计原则对该交叉口的信号相位进行设计。 

参阅附图2，该交叉口有东(E)、南(S)、西(W)、北(N)四个进口方向，可将某一进口方向表示为η∈{E，S，W，N}，车辆的运行方向可表示为θ∈{L，T，R}，其中L表示左转，T表示直行，R表示右转，因此{η，θ}便可表示车辆所在的车道。理论上可为每一车道分配一个相位p(η，θ)，因此不同的η，θ取值，便构成了候选相位集Φ(η，θ)。信号控制机每次发放绿灯通行权时，便可根据某一原则从Φ(η，θ)中选择一个或几个p(η，θ)，给予其绿灯通行权。 

根据上述方法，则可为该交叉口设计如表1所示的候选相位集： 

表1 

2.交通参数数据的获得 

无线传感网络由交通信息采集节点、信息汇聚节点和车载节点构成，如附图3所示。 

A为信息汇聚节点，一个信号交叉口布设一个信息汇聚节点。B为信息采集节点，C为车载节点。A、B、C之间通过无线方式连接，A与交通信号控制器通过有线方式连接。信息采集节点用于收集进入其采集范围内的车辆信息，并将相应信息发送给汇聚节点；车载节点向信息采集节点报告车辆自身的状态信息；汇聚节点用于计算交叉口各方向进口路段的车辆信息，并将该信息传送给交通信号控制器。 

(1)车辆状态信息的采集 

信息采集节点广播消息的频率为1秒，消息的内容包括其自身ID号及位置信息(x_B，y_B)。车载节点通常处于监听状态，当其进入信息采集节点的覆盖范围，收到信息采集节点广播的消息后，则由监听状态转为活动状态。当车载节点收到三个以上信息采集节点发送的消息后，其便能够计算出自身的位置信息(x，y)和速度信息v，并将该状态信息(x，y，v)发送给附近的信息采集节点。 

(2)运行车辆所在车道定位 

信息采集节点收到车载节点发送的状态信息(x，y，v)后，便能够计算出该行进车辆所在的车道θ，以及该车辆与交叉口停车线的距离(|x|)。 

(3)各车道信息采集节点的布设位置 

如附图4所示，B1布设在路边停车线前附近，B2布设在路边左转车道末端，B3布设在路段的上游，距离B2约200米。 

(4)各车道排队车辆数的计算 

a.左转车道排队车辆数计算方法为： 

假设当前第t次绿灯结束时B1、B2两个采集节点间排队车辆数为Q(η，L，t)，节点B2继续对新到车辆进行检测，则车道3上的车流获得t+1次绿灯通行权时，B1和B2节点间的排队车辆数为原有排队车辆数Q(η，L，t)与新到达车辆数QN(η，L，t)之和，即： 

N(η，L，t)＝Q(η，L，t)+QN(η，L，t) 

当该车道再次获得绿灯通行权时，节点B1开始对离开的车辆进行检测，节点B2继续检测新到达的车辆。当第t+1次绿灯结束时，节点B2检测绿灯期间到达的车辆数为QA(η，L，t+1)，节点B1检测绿灯期间离开的车辆数为QD(η，L，t+1)，此时两个节点之间的剩余车辆数为： 

Q(η，L，t+1)＝N(η，L，t)+QA(η，L，t+1)-QD(η，L，t+1) 

由上述迭代公式，便可计算出该车道再次获得绿灯时需要放行的车辆数。 

b.直右流向各车道的平均排队车辆数计算方法为： 

如附图4所示，由于交叉口渠化的左转专用车道进口道通常较短，即L_LT＜L_RT，计算车道2上的排队车辆较为复杂，因为路段上游的检测节点B3不仅仅检测直行的车辆，同时还有左转的车辆。因此，在计算车道2的排队车辆数时应去除左转的车辆，而左转车辆的比例可以通过B1和B2节点实时检测的数据计算得到。假设当前车道2第t次绿灯结束，则车道2上滞留的车辆数为： 

$N(\mathrm{\η},T,t)=Q(\mathrm{\η},T,t)+\mathrm{QN}(\mathrm{\η},T,t)\×(1-P_{\mathrm{LT}}^t)$

其中，P_LT ^t为第t次绿灯结束至t+1次绿灯开始时累计到达车辆数中左转车辆所占的百分比。 

$P_{\mathrm{LT}}^t=\frac{Q(\mathrm{\η},L,t)}{Q(\mathrm{\η},T,t)}$

当第t+1次绿灯结束时，车道2上B1和B3两个检测节点之间的排队车辆为： 

$Q(\mathrm{\η},T,t+1)=Q(\mathrm{\η},T,t)+(\mathrm{QN}(\mathrm{\η},T,t)+\mathrm{QA}(\mathrm{\η},T,t+1))\×(1-P_{\mathrm{LT}}^t)-\mathrm{QD}(\mathrm{\η},T,t+1)$

车道1的排队车辆数的计算方法与车道3相同，其公式为： 

N(η，R，t)＝Q(η，R，t)+QN(η，R，t) 

3.交通状态判别时间间隔t的确定方法 

因为城市道路的交通状态受信号交叉口信号周期的影响较大。对城市路网中各路段的交通状态进行实时判别时，判别的时间间隔要一致，否则无法以统一的频率对外发布交通状态信息。因此，对城市道路交通状态进行判别时，判别的时间间隔应大于全路网或局部区域内信号交叉口最大的信号周期时长，一般选择为5-15分钟。 

4.确定聚类中心和隶属度函数 

依据采集的历史数据，计算路段的排队长度，将其作为样本，采用成熟的模糊C均值聚类算法对样本进行聚类，即可得到算法迭代收敛后的聚类中心和隶属度函数。 

5.关键流向的确定方法 

关键流向是指同一交叉口各路段上请求绿灯通行权最迫切的流向排队。 

在本发明中，根据各流向的等待时间是否超过等待时间上限，采用不同的方法确定关键流向。当某些流向的等待时间超过等待时间上限时，选择其中等待时间最大的流向作为关键流向。否则，按照下面的方法确定关键流向。 

在拥挤条件下，需要优先放行高等级路段的拥挤车流，因此不能仅仅根据各车流方向的平均排队车辆数确定放行顺序，而应该附加考虑交叉口所辖路段各流向的权重值，请求绿灯通行权迫切程度最高的关键流向筛选方法为： 

p_key(η，θ)＝max{Q(η，θ)×ω(η，θ)} 

确定关键流向后，可计算出关键流向各车道的平均排队车辆数QP(η，θ)，用于后续的配时计算。 

运用公式(1)可以筛选出关键流向，关键流向的车流即是需要优先放行的车 流，在当前时刻应给予关键流向所在的相位绿灯通行权。 

需要注意的是，关键流向的车流可能同属于几个候选相位，究竟应该选择哪个候选相位并给予绿灯放行，需要进行优化计算。 

6.等待时间上限值的确定方法： 

拥挤情况下，虽然应该优先考虑拥挤流向的交通流，并尽可能给予其特权，使其优先放行，但是也应该考虑其它流向等待的车流。从交通参与者的心理感受考虑，不能让其无限期地等待。有研究认为，人们可忍受的等待绿灯通行的时间为2～3分钟。实际上，这一值会因不同城市、不同道路而有所差别，如大城市车辆驾驶者在交叉口等待绿灯通行的心理承受能力要比小城市驾驶者在同样情况下的心理承受能力强。因此，等待时间上限W_max很难用一绝对数值对其进行确定，可根据城市大小规模不同，交叉口的等级不同而相对地为其赋值。 

考虑实际情况，本发明参考我国公安部公布的《城市交通管理评价指标体系》中不同类型城市主干道路交通状况的评价标准，根据城市类型和交叉口级别的不同，分别给出不同城市交叉口表1所示等待时间上限建议值，单位为分钟，见表2所示。 

表2 

7.拟放行相位绿灯时长的确定方法： 

本发明确定绿灯时间的原则是能够最大限度地放行关键流向的排队车辆以及绿灯启动后加入到关键流向的车辆。因此，对于关键流向所在的拟放行相位P，所需的绿灯时间可由下式计算： 

G_p＝L_p+(QP(η，θ)+QNP(η，θ))h 

其中，G_p为相位P的绿灯时间，L_p为起动损失时间，h为饱和车头时距，QNP(η，θ)为排队车辆放行期间到达并加入关键流向的车辆数。这里假设绿灯放行期间车辆的到达率与红灯期间车辆的到达率相同，即： 

$\mathrm{QNP}(\mathrm{\η},\mathrm{\θ})=\left(\frac{L_p+\mathrm{QP}(\mathrm{\η},\mathrm{\θ})\×h}{R(\mathrm{\η},\mathrm{\θ})}\right)\×\mathrm{QP}(\mathrm{\η},\mathrm{\θ})$

8.拟放行相位的确定方法： 

对于关键流向所在的拟放行相位P，在确定了绿灯时间G_p后，交叉口绿灯期间可放行的最大车辆数N_max可由下式计算： 

$N_{\max }=\underset{\mathrm{\η}}{\mathrm{\Σ}}\underset{\mathrm{\θ}}{\mathrm{\Σ}}(Q(\mathrm{\η},\mathrm{\θ})+\mathrm{QN}(\mathrm{\η},\mathrm{\θ}))$

如果Q(η，θ)为拟放行相位的关键流向排队，则QN(η，θ)＝QNP(η，θ)；如果Q(η，θ)不是拟放行相位的关键流向排队，则QN(η，θ)可由公式(5)计算得到，即： 

$\mathrm{QN}(\mathrm{\η},\mathrm{\θ})=\frac{G_p\×\mathrm{QP}(\mathrm{\η},\mathrm{\θ})}{R(\mathrm{\η},\mathrm{\θ})}$

对于拥挤交叉口，其时空效率是极其宝贵的资源，分秒必争、寸土必争是拥挤期间实施有效控制的必要手段。因此，本发明在确定放行相位时，所遵循的原则是使交叉口的时空利用率最大化，  拟放行相位P获得通行权期间交叉口的有效利用率U_p可由下式计算： 

$U_p=\frac{N_{\max }}{G_p}$

对关键流向所在的所有拟放行相位计算U_p，并选择U_p值最大的相位作为当前的放行相位，给予其绿灯通行权。 

本发明以附图5所示交叉口为例，采用模拟手段，通过VB调用微观交通模拟软件VISSIM的COM端口扩展实现无线传感网络采集交通数据的功能，并通过VAP编程模块对本发明的的控制算法进行实现。为了对本发明提出的控制方法进行比较分析，本发明在验证时采用三种信号控制方法，即固定配时、自适应配 时和本发明提出的自组织信号配时方法，并在相同的交通背景下进行模拟验证。其中，自适应配时采用的是分时段方案选择式自适应控制，该交叉口的背景交通流量见表3所示。 

表3 

本实施例采用车辆平均速度、平均延误和停车次数作为信号控制方法的性能评价指标，其对比结果见表4、表5所示。 

表4 

表5 

参阅表4、表5可得到：在拥挤条件下，自组织信号控制方法明显优于其它 两种信号控制方法。从表5中可以看出，固定配时和自适应配时各进口的平均延误较为均衡，相差不大，没有体现出相位特殊性，且总延误较大；但是自组织信号配时方法各进口的平均延误相差较大，尤其是北进口的平均延误明显高于其他三个进口。 

出现上述现象，是因为自组织信号控制充分考虑了各路段的等级，由于北进口路段属于支路，该路段的权重值较小，因此在计算过程中该车道获得绿灯通行权的机会相对少些。即，原本在固定配时及自适应配时中属于该车道车流的绿灯通行机会被“掠夺”，转而“救济”了其他三个高等级路段的车流，所以其他三个进口的平均延误相对较小。由于每次绿灯放行，交叉口的通行能力都最大，因此总平均延误低于其它控制方式的总平均延误。 

模拟结果表明，由于基于无线传感器网络采集的交通数据较充足精确，且本发明提出的单点自组织交通信号控制方法打破了传统信号控制方法的一些束缚，因此能够及时快速地对拥挤的车流进行疏导，防止拥挤进一步加剧。 

Claims (5)

1.一种基于无线传感器网络的单点自组织交通信号控制方法，其特征在于：所述交通信号控制方法包括以下步骤：

1)布设无线传感网络中的信息采集节点、信息汇聚节点和车载节点：将车载节点安置于行进车辆内部，信息采集节点布设在路边，汇聚节点布设在交叉口；

2)设计候选相位集：所述交叉口有东、南、西、北四个进口方向，可将进口方向表示为η∈{E，S，W，N}，其中E表示东，S表示南、W表示西，N表示北；车辆的运行方向可表示为θ∈{L，T，R}，其中L表示左转，T表示直行，R表示右转，{η，θ}表示车辆所在的车道，每一车道分配一个相位p(η，θ)；

3)实时采集交通数据：行进车辆上的车载节点计算出自身的位置信息(x，y)和速度信息v，并将状态信息(x，y，v)发送给对应的信息采集节点，信息采集节点收到车载节点发送的状态信息后，便能够计算出该行进车辆所在的车道，以及该行进车辆与交叉口停车线的距离，并计算各车道排队车辆数Q(η，θ)；

4)以各车道排队车辆数为基础，计算路段排队长度，并采用模糊聚类方法对交叉口的交通状态进行判别，如判定处于非拥挤状态，按照原信号配时方案执行，如判定处于拥挤，转为步骤5)；

5)计算当前各流向的等待时间，若等待时间超过其上限值W_max，则选择其中等待时间最大的流向作为关键流向，否则，按照下面的方法确定关键流向：

请求绿灯通行权迫切程度最高的关键流向筛选方法为：

p_key(η，θ)＝max{Q(η，θ)×ω(η，θ)}(1)

p_key(η，θ)为请求绿灯通行权最迫切的关键车流方向，即关键流向，Q(η，θ)×ω(η，θ)为车道(η，θ)的排队车辆数与该车道的权重值乘积；

关键流向的车流即是需要优先放行的车流，在当前时刻应给予关键流向所在的相位绿灯通行权；

确定关键流向后，计算出关键向流各车道的平均排队车辆数QP(η，θ)和关键流向所需的绿灯时间G_p。

2.如权利要求1所述的一种基于无线传感器网络的单点自组织交通信号控制方法，其特征在于：在所述步骤5)中，如果关键流向的车流同属于几个候选相位，则通过优化计算从中选择并给予绿灯放行，具体过程为：

(5.1)对于各个关键流向所在的拟放行相位P，计算所需的绿灯时间，由下式：

G_p＝L_p+(QP(η，θ)+QNP(η，θ))h(2)

其中，G_p为相位P的绿灯时间，L_p为起动损失时间，h为饱和车头时距，QNP(η，θ)为排队车辆放行期间到达并加入关键流向的车辆数；这里假设绿灯放行期间车辆的到达率与红灯期间车辆的到达率相同，此时：

$\mathrm{QNP}(\mathrm{\η},\mathrm{\θ})=\left(\frac{L_p+\mathrm{QP}(\mathrm{\η},\mathrm{\θ})\×h}{R(\mathrm{\η},\mathrm{\θ})}\right)\×\mathrm{QP}(\mathrm{\η},\mathrm{\θ})---\left(3\right)$

(5.2)对于各个关键流向所在的拟放行相位P，在确定了绿灯时间G_p后，交叉口绿灯期间可放行的最大车辆数N_max由下式计算：

$N_{\max }=\underset{\mathrm{\η}}{\mathrm{\Σ}}\underset{\mathrm{\θ}}{\mathrm{\Σ}}(Q(\mathrm{\η},\mathrm{\θ})+\mathrm{QN}(\mathrm{\η},\mathrm{\θ}))---\left(4\right)$

如果Q(η，θ)为拟放行相位的关键流向排队，则QN(η，θ)＝QNP(η，θ)；如果Q(η，θ)不是拟放行相位的关键流向排队，则QN(η，θ)由公式(5)计算得到：

$\mathrm{QN}(\mathrm{\η},\mathrm{\θ})=\frac{G_p\×\mathrm{QP}(\mathrm{\η},\mathrm{\θ})}{R(\mathrm{\η},\mathrm{\θ})}---\left(5\right)$

其中，R(η，θ)为η方向θ车道所在相位的红灯时间；

(5.3)在确定放行相位时，所遵循的原则是使交叉口的时空利用率最大化，拟放行相位P获得通行权期间交叉口的有效利用率U_p由下式计算：

$U_p=\frac{N_{\max }}{G_p}---\left(6\right)$

对关键流向所在的所有拟放行相位计算U_p，并选择U_p值最大的相位作为当前的放行相位，给予其绿灯通行权。

3.如权利要求1或2所述的一种基于无线传感器网络的单点自组织交通信号控制方法，其特征在于：在所述步骤2)中，交叉口所辖路段的各车道标定权重值为ω(η，θ)。

4.如权利要求1或2所述的一种基于无线传感器网络的单点自组织交通信号控制方法，其特征在于：在所述步骤1)中所述的信息采集节点的布设还包括下列步骤：

(1.1)布设左转车道交通信息采集节点；

(1.2)布设直行、直右车道交通信息采集节点。

5.如权利要求1或2所述的一种基于无线传感器网络的单点自组织交通信号控制方法，其特征在于：在所述步骤5)中，等待时间上限W_max根据城市大小规模不同，交叉口的等级不同而相对地为其赋值。

Images