CN103337178A - 基于动态优先级的交通信号自适应控制方法 - Google Patents

Abstract

一种基于动态优先级的交通信号自适应控制方法，属于智能交通技术领域。本方法包含最优相位控制策略和稳定性监督机制两部分，去掉了传统交通信号控制系统中周期、绿信比和相位差参数。最优相位控制策略的主要过程是对路网进行建模，构造有向加权图，通过构造的有向加权图，基于网页排名的PageRank算法计算路段放行的动态优先级，根据路段放行的优先级确定信号相位的顺序，并进行绿灯时间的分配。稳定性监督机制作为最优相位控制策略的补充，主要负责监督交通路网中所有路段的放行情况，如果某一路段因没有获得放行权而引起系统不稳定，那么立即给予该路段放行权，从而保证了系统的稳定性。由于去掉了传统交通信号控制系统中周期、绿信比和相位差参数，实时响应交通流的变化。去掉周期等参数后，系统存在稳定性问题。

Description

基于动态优先级的交通信号自适应控制方法

技术领域

本发明属于智能交通技术领域，涉及是一种交通信号控制方法。

背景技术

智能交通控制系统是一种缓解交通拥挤的行之有效的手段。形成城市交通拥堵的因素非常多，其中路口信号相位相序及配时的不当、交叉口间信号灯没有有效地进行协调等是技术方面的原因。因此，通过改进交通信号控制技术,可以有效地提高城市道路利用率，减少交通拥堵产生的可能性。目前的城市交通信号控制系统主要存在以下几个问题：

一、信号周期设置不当

交通信号周期是城市交通信号控制系统的一个很重要的参数，信号周期过短或者过长、信号相位配时不合理都将会引起信号控制系统效果变差，导致交叉口车辆的延误增加。

（1）周期过短。如果交通控制系统的信号周期设置的过短，会造成交叉口不同方向车辆的通行权频繁交替，信号灯的切换需要一定的切换时间，这些切换时间内不能服务交通流，因此信号灯的频繁切换造成时间的浪费。信号周期过短，绿灯时间也会相应变短，难以保证所有方向的车辆在一个绿灯时间内顺利通过交叉口，会造成交叉口的车辆口频繁地停车，使得总延误增加，交叉口的利用率和通行能力下降。

（2）周期过长。如果交通控制系统的信号周期设置的过长，那么在交通路网饱和度较低的时候（例如夜间），会造成车辆不必要的长时间等待。在路网饱和度较低的时候，造成等待时间的浪费，从而车辆的延误时间会增加。

（3）相位配时不当。当我们已经确定了信号周期和信号相位数量的时候，相位的配时将会影响交叉口的通行能力。绿灯时间过长，将引起其它方向车流的等待时间过长。绿灯时间过短，将引起排队的车辆无法在一个绿灯时间内全部通过交叉口，因此车辆在一个交叉口需要经历多次红灯并多次停车。因此，相位配时的不合理会增加车辆的延误时间。

二、信号相位相序不合理

在交通信号控制中，交叉口的信号相位数量以及相位的顺序对交通路网的利用率和车辆及行人的交通安全起着决定性的作用。交叉口信号相位数量与相位顺序的设置与道路的物理结构密切相关，比如说路口形状、车道数量等都会影响它们的设置。如果设置的信号相位不能够与道路基础设施的物理结构相吻合，那么交叉口的资源利用率将会下降，严重的时候还会造成交通混乱。

三、信号控制与实际交通情况不符

由于交通流的随机性和不确定性，无法对交通流进行准确实时的预测，因此信号控制具有滞后性，不能够针对实时的交通状况进行精确有效的控制。

发明内容

针对现有交通信号控制系统的不足，本发明提出了基于动态优先级的交通信号自适应控制方法，用于解决城市交通拥堵问题。本发明包含最优相位控制策略和稳定性监督机制两部分，为了能够实时响应交通流状况，去掉了传统交通信号控制系统中周期、绿信比和相位差参数。最优相位控制策略的主要过程是对路网进行建模，构造有向加权图，通过构造的有向加权图，基于网页排名的PageRank算法思想计算路段放行的动态优先级，根据路段放行的优先级确定信号相位的顺序，并进行绿灯时间的分配。稳定性监督机制作为最优相位控制策略的补充，主要负责监督交通路网中所有路段的放行情况，如果某一路段因没有获得放行权而引起系统不稳定，那么立即给予该路段放行权，从而保证了系统的稳定性。由于去掉了传统交通信号控制系统中周期、绿信比和相位差参数，因此本方法更加灵活，能够实时响应交通流的变化。去掉周期等参数后，系统存在稳定性问题，本发明通过提出的稳定性监督机制保证了系统的稳定性。

本发明解决其技术问题所采用的技术方案是：

基于动态优先级的交通信号自适应控制，包括以下步骤：

步骤一、实时采集交通拥挤数据：在各个车道上下游安置的地磁传感器，采集平均占有率相对差、平均占有率绝对差、车道排队长度、车道转向率数据；利用得到的平均占有率与排队长度数据，根据拥挤发生的标准判定是否发生交通拥挤，如果没发生交通拥挤，继续采用现有控制方法，如果发生交通拥挤，转到步骤二。

步骤二、抽象交通路网为有向加权图：对交通路网进行抽象，构造有向加权图，每个路段作为图中的一个节点，相邻路段的车流驶入关系构成弧，路段上车流的转向率作为弧的权值。转到步骤三。

步骤三、路段放行优先级的计算：根据各路段的排队长度和转向率，并借鉴网页排名PageRank算法思想计算各路段的放行优先级指数，优先级指数是综合考虑区域中所有路段的交通状况而计算得到的，反映了一个路段对整个交通网络拥挤的影响程度。路段的优先级指数越高，则路段的放行优先级就越高，该路段优先放行。转到步骤四。

步骤四、稳定性监督机制：当某路段上的车辆超过某临界值时，该路段上的交通流将获得优先放行权，此时不按照路段优先级指数进行放行。转到步骤五。

步骤五、相位绿灯时间的分配：根据路段上车辆的排队长度计算出相位的初始绿灯时间。初始绿时将要结束时，需要延长本相位的绿灯时间以便使得后续到达的车辆可以不停车通过交叉口。通过进口车道的上游检测器在相位绿灯期间检测到的后续到达排队车辆长度，求出绿灯延长的时间。相位绿灯时间由初始绿灯时间和绿灯延长时间两部分组成。

本发明的效果和益处是：

（1）本发明去掉了传统信号控制系统中周期、绿信比和相位差这几个参数，从而使得信号控制能够及时的响应交通流的变化，通过获取实时的交通流数据来计算交通流放行的动态优先级，从而给出最优的信号配时方案。

（2）本发明提出了稳定性监督机制，保证了系统在去掉周期、绿信比等参数后系统的稳定性。

附图说明

图1地磁传感器安置方式示意图。

图2大连市19个路口的路网。

图3路段16与其相邻路段构成的有向加权图。

图4稳定性监督机制原理图。

具体实施方式

以下结合技术方案与附图详细叙述本发明的具体实施方式。

1、实时采集交通拥挤数据

交通拥挤优先疏散控制方法需要检测车道排队长度、车道转向率这几个基本参数。通过如图1的地磁传感器埋布方案，在左转、直行和右转车道的上游入道口及下游停车线前分别埋设地磁传感器节点，并在传感器的最大通信范围内的道路旁安置管理节点，负责各个传感器的数据传输与通信控制。根据地磁传感器的工作原理，当有车辆经过传感器时，会造成传感器发出扰动，根据扰动所产生的幅度值判断有车辆经过。通过地磁传感器得到单位时间内通过的车辆数，进而按照各个基本参数的计算标准计算这些参数。

2、抽象路网为有向加权图

为了表示交通流之间的关系，并计算路段的动态优先级指数，需要对路网进行建模，构造路网的有向加权图。在构造的有向加权图中每个节点对应路网中的一条路段，图中的弧表示相邻路段车流的驶入关系。

通过一个例子来说明是如何构造路网的有向加权图的。图2所示路网由19个路口构成，每个路口由英文字母标识，每个路段由数字标识。其中路段16与其相邻路段构成的有向加权图如图3所示。其中，节点对应路网中的路段，例如，节点16对应路段16；相邻路段间的车流方向构成弧，例如，由节点74指向节点16的弧表示车流由路段74驶入路段16；弧上的权值w_ij表示路段i上车流驶入路段j的比率，例如w_74,16表示路段74上车流驶入路段16的比率。整个路网可以按照这种方法建立对应的有向加权图。

3、路段放行优先级的计算

本文用动态优先级指数p_i(t)表示路段的“压力”，在交叉口拥有最高优先级的路段i将获得绿时分配。使用决策变量δ(t)来存储变量i，如下：

δ(t)＝argmax_ip_i(t)                       （1）

在交通流量比较大的时候，我们需要确定道路交叉口车流放行的顺序，如果交叉口车流放行的顺序不合理（即信号相序设置不合理）将会引起交通拥堵。在确定交叉口车流放行的优先级的时候，我们不能仅仅考虑该路口的交通状况，同时也需要考虑相邻路口的交通状况，因为交叉口之间的交通流会相互影响，因此要从全局进行考虑，不能够只考虑局部的一个交叉口。本文提出的路段优先级指数不仅仅考虑单个路段的交通流状况，而是综合考虑区域中所有路段的交通状况而计算得到的，优先级指数反映了一个路段对整个交通网络拥堵的影响程度，优先级指数越高，说明该路段拥堵对整个交通网络拥堵产生的影响越大。因此，优先级指数高的路段应该优先放行。基于PageRank算法思想，本发明提出的路段优先级指数计算公式如（2）：

$P\left(j\right)=(1-d)\×{\mathrm{\σ}}_j+d\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(P\left(i\right)\×w_{\mathrm{ij}})---\left(2\right)$

其中P(j)表示路段j的优先级指数；P(i)表示连接到路段j的路段i的优先级指数；w_ij为弧（i，j）的权值，即路段i上车流驶入路段j的比率；σ_j＝L_j/L_ALL，L_j为路段j的车辆排队长度，L_ALL为所有路段车辆排队长度总和；d为阻尼系数，0＜d＜1。

4、稳定性监督机制

为了使切换的流量网络稳定，需要加入局部监督机制。本文的方法是通过下列的稳定性规则来补充优先级规则（1）：定义一个有序的优先集合Ω，该集合包含通过监督机制选择出来的车流i，为了保证稳定性，这些车流需要立即被服务。当拥堵路段i的等待车辆数超过临界值

时，参数i被加入到集合Ω中。当车队被清空，即n_i＝0，或者达到最长绿时

时，从集合Ω中移除参数i。集合Ω中的元素遵循先到先服务原则。只要Ω非空，控制策略会一直选择Ω中的第一个元素对应的车流进行服务。如果Ω为空，则交通信号灯遵循优先级规则（1）。稳定性监督机制原理如图4所示。

结合路段放行优先级和稳定性监督机制，得到公式（3）：

基于路段放行优先级的控制能够尽快的服务到来的交通流，从而使得等待时间最小（当Ω＝φ时）；当最基于路段放行优先级的控制策略不能够使车辆的排队长度保持在某一临界值

之内时，执行稳定化策略（当Ω≠φ时）。这意味着，只要基于路段放行优先级的控制策略能够满足稳定性要求，那么稳定化策略不会被启动。当路段i上的车辆排队长度满足

时启动稳定化策略，当该交通流被清空时，控制权转交给最优相位控制策略。

接下来我们将确定临界值

使得稳定化规则（δ＝headΩ）满足以下两个安全要求：

（S1）在期望的服务间隔T＞0内，每条交通流将被服务平均一次；

（S2）在最大服务间隔T^max≥T内，至少被服务一次。

为了满足交通安全的要求，在路段i的交通流获得绿灯之前，所有的其他交通流必须停止并离开冲突区域。于是引入准备时间：如果决定服务交通流i，则需要准备时间

才能给交通流i绿灯。

的值根据安全情况选定，通常在3-8秒之间，它包括反应延迟和加速过程的延迟。因此，它反映了与服务路段i相关的所有时间损失。

服务间隔z_i表示交通流i两次被服务的时间间隔。

$z_i=r_i+{\mathrm{\τ}}_i^0+{\hat{g}}_i---\left(4\right)$

服务间隔z_i是红灯时间r_i，准备时间

和服务过程启动前预期的绿灯时间

之和。因此，在相应的服务程序启动前，可以预测服务间隔z_i。可以用z_i的函数

来代替临界值

可以用公式（5）来表示：

$L_i^{\mathrm{crit}}\left(z_i\right)={\stackrel{\‾}{Q}}_{i}T\frac{T^{\max }-z_i}{T^{\max }-T}---\left(5\right)$

表示平均到达率。该公式满足安全性要求（S1）和（S2）。在期望的服务间隔T内，将平均到达

量车。该值在预期的服务间隔z_i＝T时，与临界函数

相等。因此，在服务间隔T内达到的车辆将会被立即服务。

如果T^max→∞，临界函数变为

此时相当于一个完全的车辆感应控制，它不关心实际的服务间隔。如果T^max→T，临界函数在点z_i＝T处成为一条垂直线。这种情况相当于一个周期为T的定时控制程序，没有考虑实际的交通情况。在两种极限情况（T＜T^max＜∞）之内，信号灯的切换既考虑了等待时间，也考虑了车辆数量。

5、相位绿灯时间的分配

初始绿时预测：假设某一交叉口优先级指数最高的路段为i，那么路段i将获得通行权，通过车辆检测器检测到路段i排队长度为L_i，车辆通过交叉口需要的绿灯时间为g_i。

$g_i=h_s(L_i-1)+{\mathrm{\τ}}_i^0---\left(6\right)$

式（6）中h_s为饱和车头时距，

为准备时间。

绿时延长确定：初始绿时将要结束时，有时需要延长本相位的绿灯时间以便使得后续到达的车辆可以不停车通过交叉口。通过进口车道的上游检测器在相位绿灯期间检测到的后续到达排队车辆长度

可以求出绿灯延长的时间Δg_i。

$\mathrm{\Δ}{g}_i=h_s({\hat{L}}_i-1)---\left(7\right)$

路口i的预期绿灯时间

为：

${\hat{g}}_i=g_i+\mathrm{\Δ}{g}_i---\left(8\right)$

考虑到交通安全性要求，

需要满足约束（9）：

$g^{\min }\≤{\hat{g}}_i\≤g^{\max }---\left(9\right)$

式（9）中g^min为最小绿灯时间，g^max为最大绿灯时间。当

时，应取 ${\hat{g}}_i=g^{\min };$ 当

时，应取 ${\hat{g}}_i=g^{\max }.$

Claims (5)

1.一种基于动态优先级的交通信号自适应控制方法，其特征包括以下步骤：

步骤一、实时采集交通拥挤数据：在各个车道上下游安置的地磁传感器，采集平均占有率相对差、平均占有率绝对差、车道排队长度、车道转向率数据；得到的平均占有率数据与车道排队长度数据；

步骤二、抽象交通路网为有向加权图：对交通路网进行抽象，构造有向加权图，每个路段作为图中的一个节点，相邻路段的车流驶入关系构成弧，路段上车流的转向率作为弧的权值；

步骤三、路段放行优先级的计算：根据各路段的排队长度和转向率，并借鉴网页排名PageRank算法计算各路段的放行优先级指数；路段的优先级指数越高，则路段的放行优先级就越高，该路段优先放行；

步骤四、稳定性监督机制：当某路段上的车辆超过某临界值时，该路段上的交通流将获得优先放行权，此时不按照路段优先级指数进行放行；

步骤五、相位绿灯时间的分配：根据路段上车辆的排队长度计算出相位的初始绿灯时间；初始绿时将要结束时，需要延长本相位的绿灯时间以便使得后续到达的车辆可以不停车通过交叉口；通过进口车道的上游检测器在相位绿灯期间检测到的后续到达排队车辆长度，求出绿灯延长的时间；相位绿灯时间由初始绿灯时间和绿灯延长时间两部分组成。

2.根据权利要求1所述的方法，其特征是：路段放行优先级的计算如下：

基于PageRank算法，路段的优先级指数计算公式如（1）：

$P\left(j\right)=(1-d)\×{\mathrm{\σ}}_j+d\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(P\left(i\right)\×w_{\mathrm{ij}})---\left(1\right)$

其中P(j)表示路段j的优先级指数；P(i)表示连接到路段j的路段i的优先级指数；w_ij为弧（i，j）的权值，即路段i上车流驶入路段j的比率；σ_j＝L_j/L_ALL，L_j为路段j的车辆排队长度，L_ALL为所有路段车辆排队长度总和；d为阻尼系数，0＜d＜1。

3.根据权利要求1或2所述的方法，其特征是：所述的稳定性监督机制如下：

有序的优先集合Ω包含通过监督机制选择出来的车流i，为了保证稳定性，这些车流需要立即被服务；当拥堵路段i的等待车辆数超过临界值

时，参数i被加入到集合Ω中；当车队被清空，即n_i＝0，或者达到最长绿时

时，从集合Ω中移除参数i；集合Ω中的元素遵循先到先服务原则；只要Ω非空，控制策略会一直选择Ω中的第一个元素对应的车流进行服务；如果Ω为空，则交通信号的控制根据路段优先级执行。

4.根据权利要求1或2所述的方法，其特征是：所述的相位绿灯时间的分配如下：

初始绿时预测：假设某一交叉口优先级指数最高的路段为i，那么路段i将获得通行权，通过车辆检测器检测到路段i排队长度为L_i，车辆通过交叉口需要的绿灯时间为g_i；

$g_i=h_s(L_i-1)+{\mathrm{\τ}}_i^0---\left(6\right)$

式（6）中h_s为饱和车头时距，

为准备时间；

绿时延长确定：初始绿时将要结束时，有时需要延长本相位的绿灯时间以便使得后续到达的车辆可以不停车通过交叉口；通过进口车道的上游检测器在相位绿灯期间检测到的后续到达排队车辆长度

可以求出绿灯延长的时间Δg_i；

$\mathrm{\Δ}{g}_i=h_s({\hat{L}}_i-1)---\left(7\right)$

路口i的预期绿灯时间

为：

${\hat{g}}_i=g_i+\mathrm{\Δ}{g}_i---\left(8\right)$

考虑到交通安全性要求，

需要满足约束（9）：

$g^{\min }\≤{\hat{g}}_i\≤g^{\max }---\left(9\right)$

式（9）中g^min为最小绿灯时间，g^max为最大绿灯时间；当

时，应取 ${\hat{g}}_i=g^{\min };$ 当

时，应取 ${\hat{g}}_i=g^{\max }.$

5.根据权利要求3所述的方法，其特征是：所述的相位绿灯时间的分配如下：

初始绿时预测：假设某一交叉口优先级指数最高的路段为i，那么路段i将获得通行权，通过车辆检测器检测到路段i排队长度为L_i，车辆通过交叉口需要的绿灯时间为g_i；

$g_i=h_s(L_i-1)+{\mathrm{\τ}}_i^0---\left(6\right)$

式（6）中h_s为饱和车头时距，为准备时间；

绿时延长确定：初始绿时将要结束时，有时需要延长本相位的绿灯时间以便使得后续到达的车辆可以不停车通过交叉口；通过进口车道的上游检测器在相位绿灯期间检测到的后续到达排队车辆长度

可以求出绿灯延长的时间Δg_i；

$\mathrm{\Δ}{g}_i=h_s({\hat{L}}_i-1)---\left(7\right)$

路口i的预期绿灯时间

为：

${\hat{g}}_i=g_i+\mathrm{\Δ}{g}_i---\left(8\right)$

考虑到交通安全性要求，

需要满足约束（9）：

$g^{\min }\≤{\hat{g}}_i\≤g^{\max }---\left(9\right)$

式（9）中g^min为最小绿灯时间，g^max为最大绿灯时间；当时，应取 ${\hat{g}}_i=g^{\min };$ 当

时，应取 ${\hat{g}}_i=g^{\max }.$

Images