CN103927888A - 一种高密度路网条件下的公交绿波信号控制方法 - Google Patents

Abstract

一种高密度路网条件下的公交绿波信号控制方法，属于道路交通控制技术领域。包括的步骤：采集高密度路网地区的道路设施数据、公共交通系统运营数据、社会交通系统运营数据、非机动车运营数据以及行人过街最长红灯等待时间；建立高密度路网地区信号控制方案的目标函数；计算公交车辆在公交站点的停靠时间以及当无交叉口红灯停车影响时在公交站点间的行驶时间；设定公交车辆绿波通行、非机动车正常行驶、行人过街以及社会车辆稳定通行的约束条件；求解目标函数的最优值。优点：可实现高密度路网地区公共交通系统和社会交通系统通行效率的最大化。

Description

一种高密度路网条件下的公交绿波信号控制方法

技术领域

本发明属于道路交通控制技术领域，具体涉及一种高密度路网条件下的公交绿波信号控制方法。

背景技术

高密度路网是道路窄而稠密的正交棋盘式道路网络，道路间距约在100-300米之间，具有交叉口间距小、路段长度短、路网密度大的特点。高密度路网地区的车辆在经过每个交叉口时，均可根据道路实际交通状况和出行目的，自由地选择不同的路径到达目的地，有效解决了传统等级路网体系将交通汇集到干道来实现交通疏导的瓶颈问题。良好的路网连接性和出行路径选择性，使高密度路网建设成为城市路网建设的主要模式之一。高密度路网一般分布在商业发达的中心城区，人口密集、交通流量极大，是公共交通系统覆盖的主要区域。目前，高密度路网地区所使用的交叉口信号控制方法主要有两种：一种是对单个交叉口分别实施信号控制，由于交叉口密集且路网各个方向的交通流分布均匀，因此对单个交叉口分别实施信号控制通常会扰乱路网中的交通流，使车辆时走时停；另一种是选择一条或若干条平行道路实施干道绿波控制，交通信号绿波控制一般是指通过对一条主干道中若干个连续交叉口交通信号间的协调控制，使车辆在通过时能连续获得一路绿灯，要使绿波控制充分发挥作用，除了需要建立良好的城市道路的网络分流，还需要对非机动车和行人进行交通综合治理，上述绿波控制在实际运用过程中存在缺点：不利于其相交方向的道路交通流运行，严重时还会引发拥堵，这样自然不能保证公交车辆较高的通行效率和运营准点率，给公交服务水平的提升和公交出行竞争力的提高带来极大困难。

鉴于上述已有技术，本申请人对高密度路网地区公交站间的绿波信号控制方法作了有益的改进，下面将要介绍的技术方案便是在这种背景下产生的。

发明内容

本发明的目的在于提供一种高密度路网条件下的公交绿波信号控制方法，可实现高密度路网地区公共交通系统和社会交通系统通行效率的最大化。

本发明的目的是这样来达到的，一种高密度路网条件下的公交绿波信号控制方法，其特征在于包括如下步骤：

(A)采集高密度路网地区的道路设施数据、公共交通系统运营数据、社会交通系统运营数据、非机动车运营数据以及行人过街最长红灯等待时间；

(B)根据步骤(A)采集到的道路设施数据和社会交通系统运营数据，建立高密度路网地区信号控制方案的目标函数；

(C)根据步骤(A)采集到的道路设施数据和公共交通系统运营数据，计算公交车辆在公交站点的停靠时间以及当无交叉口红灯停车影响时在公交站点间的行驶时间；

(D)结合步骤(C)的计算结果，设定确保公交车辆在高密度路网地区作绿波通行的约束条件；

(E)根据步骤(A)采集到的道路设施数据和非机动车运营数据，设定高密度路网地区非机动车正常行驶的约束条件；

(F)根据步骤(A)采集到的道路设施数据和和行人过街最长红灯等待时间，设定高密度路网地区行人过街的约束条件；

(G)根据步骤(A)采集到的道路设施数据和社会交通系统运营数据，设定高密度路网地区社会车辆稳定通行的约束条件；

(H)根据步骤(D)～步骤(G)设定的约束条件，求解步骤(B)所述的目标函数的最优值。

在本发明的一个具体的实施例中，所述的道路设施数据包括高密度路网地区横向道路长度L_EW、横向道路宽度D_EW、纵向道路长度L_SN以及纵向道路宽度D_SN；所述的公共交通系统运营数据包括横向道路公交站点间距l_EW、纵向道路公交站点间距l_SN、横向道路公交站点历史客流量q_EW、纵向道路公交站点历史客流量q_SN、站点乘客平均上下车时间γ、公交车辆理想行驶速度V_bus、横向道路公交车流中第一辆车与最后一辆车的车头时距ΔT_EW以及纵向道路公交车流中第一辆车与最后一辆车的车头时距ΔT_SN；社会交通系统运营数据包括社会车辆横向单车道平均交通流量Q_EW、社会车辆纵向单车道平均交通流量Q_SN、社会车辆理想行驶速度V_car以及社会车辆最短理想行驶距离L_min；非机动车运营数据包括非机动车能接受的交叉口最长红灯等待时间W_bike和非机动车平均行驶速度V_bike。

在本发明的另一个具体的实施例中，所述的步骤(B)包括如下步骤：

(B1)建立交通流量最大的目标函数

$Q_{\mathrm{MAX}}=\frac{Q_{\mathrm{EW}}{G}_{\mathrm{EW}}}{L_{\mathrm{EW}}/V_{\mathrm{car}}}+\frac{Q_{\mathrm{SN}}{G}_{\mathrm{SN}}}{L_{\mathrm{SN}}/V_{\mathrm{car}}},---\left(1\right)$

其中，G_EW为高密度路网地区横向直行相位绿灯时长，G_SN为高密度路网地区纵向直行相位绿灯时长；

(B2)建立通行效率最高的目标函数

$E_{\mathrm{MAX}}=\frac{{\mathrm{mQ}}_{\mathrm{EW}}}{G_{\mathrm{SN}}{L}_{\mathrm{EW}}/V_{\mathrm{car}}}+\frac{{\mathrm{nQ}}_{\mathrm{SN}}}{G_{\mathrm{EW}}/L_{\mathrm{SN}}/V_{\mathrm{car}}}---\left(2\right)$

其中，m为高密度路网地区横向道路交叉口数量，n为高密度路网地区纵向道路交叉口数量；

(B3)基于步骤(B1)和步骤(B2)，建立高密度路网地区信号控制方案的目标函数

$M=\mathrm{MAX}(Q_{\mathrm{MAX}}+E_{\mathrm{MAX}})=\mathrm{MAX}[\frac{Q_{\mathrm{EW}}{V}_{\mathrm{car}}}{L_{\mathrm{EW}}}(G_{\mathrm{EW}}+\frac{m}{G_{\mathrm{SN}}})+\frac{Q_{\mathrm{SN}}{V}_{\mathrm{car}}}{L_{\mathrm{SN}}}(G_{\mathrm{SN}}+\frac{n}{G_{\mathrm{EW}}})].---\left(3\right)$

在本发明的又一个具体的实施例中，所述的步骤(C)包括如下步骤：

(C1)建立横向道路公交车辆站点停靠时间S_EW和纵向道路公交车辆站点停靠时间S_SN的计算模型

S_EW＝γ(q_EW+δ)η   (4)

S_SN＝γ(q_SN+δ)_η,   (5)

其中，δ为零均值的正态白噪声，η为客流预测安全系数且η≥1；

(C2)建立无交叉口红灯停车影响时公交车辆在横向道路公交站点间的行驶时间T_EW以及在纵向道路公交站点间的行驶时间T_SN的计算模型

T_EW＝L_EW/V_bus   (6)

T_SN＝L_SN/V_bus。   (7)

在本发明的再一个具体的实施例中，所述的步骤(D)包括如下步骤：

(D1)设定公交车辆在交叉口红灯时刻完成公交站点乘客上下车的约束条件，其中，完成横向道路公交站点乘客上下车的约束条件为

G_EW≥S_SN+ΔT_SN,   (8)

完成纵向道路公交站点乘客上下车的约束条件为

G_SN≥S_EW+ΔT_EW；   (9)

(D2)设定公交车辆在高密度路网地区绿波通行的约束条件，其中，横向道路上绿波通行的约束条件为

G_EW≥T_EW+ΔT_EW,   (10)

纵向道路上绿波通行的约束条件为

G_SN≥S_SN+ΔT_SN。   (11)

在本发明的还有一个具体的实施例中，所述的步骤(E)包括设定横向道路非机动车正常行驶的约束条件

$G_{\mathrm{EW}}\≤W_{\mathrm{bike}}(\frac{{\mathrm{nG}}_{\mathrm{SN}}{V}_{\mathrm{bike}}}{L_{\mathrm{SN}}}+1),---\left(12\right)$

以及设定纵向道路非机动车正常行驶的约束条件

$G_{\mathrm{SN}}\≤W_{\mathrm{bike}}(\frac{{\mathrm{mG}}_{\mathrm{EW}}{V}_{\mathrm{bike}}}{L_{\mathrm{EW}}}+1).---\left(13\right)$

在本发明的更而一个具体的实施例中，所述的步骤(F)包括如下步骤：

(F1)设定高密度路网地区红灯时长须小于行人在交叉口能接受的最长红灯等待时间，

(F2)设定高密度路网地区的红灯时长须满足行人最小过街时间，其中，在横向道路上设定有

$G_{\mathrm{EW}}\≥7+\frac{D_{\mathrm{SN}}}{V_{\mathrm{people}}}-Y,\left(14\right)$

在纵向道路上设定有

$G_{\mathrm{SN}}\≥7+\frac{D_{\mathrm{EW}}}{V_{\mathrm{people}}}-Y,---\left(15\right)$

其中，V_people为行人过街步速；Y为绿灯间隔时间，即为黄灯持续时间。

在本发明的进而一个具体的实施例中，所述的步骤(G)包括设定横向道路社会车辆稳定通行的约束条件

G_EWV_car≥L_min，   (16)

以及设定纵向道路社会车辆稳定通行的约束条件

G_SNV_car≥L_min。   (17)

本发明通过采集高密度路网地区的道路设施数据和交通运行数据，能够在保证公交车辆进行绿波通行的前提下，使社会交通流量达到最大、使通行效率达到最高，其与现有技术相比，具有的有益效果：具有长红灯时段和长绿灯时段的特点，可应用于高密度路网地区所有的信号交叉口，当横向信号灯为绿灯时，横向行驶的公交车辆可在绿灯期间顺畅通过横向道路两站点间的所有信号交叉口，同时社会交通的通行效率达到最优；而在纵向信号灯为绿灯时，纵向行驶的公交车辆和社会车辆同样也能以最大效率进行行驶。

附图说明

图1为本发明所述控制方法的流程图。

图2为高密度路网地区公交车辆的运行线路示意图。

具体实施方式

为了使公众能充分了解本发明的技术实质和有益效果，申请人将在下面结合附图对本发明的具体实施方式详细描述，但申请人对实施例的描述不是对技术方案的限制，任何依据本发明构思作形式而非实质的变化都应当视为本发明的保护范围。

请参阅图1和图2，一种高密度路网条件下的公交绿波信号控制方法包括如下步骤：

(A)采集高密度路网地区的道路设施数据、公共交通系统运营数据、社会交通系统运营数据、非机动车运营数据以及行人过街最长红灯等待时间，其中，所述的道路设施数据包括高密度路网地区横向道路长度L_EW、横向道路宽度D_EW、纵向道路长度L_SN以及纵向道路宽度D_SN，所述的公共交通系统运营数据包括横向道路公交站点间距l_EW、纵向道路公交站点间距l_SN、横向道路公交站点历史客流量q_EW、纵向道路公交站点历史客流量q_SN、站点乘客平均上下车时间γ、公交车辆理想行驶速度V_bus、横向道路公交车流中第一辆车与最后一辆车的车头时距ΔT_EW以及纵向道路公交车流中第一辆车与最后一辆车的车头时距ΔT_SN，社会交通系统运营数据包括社会车辆横向单车道平均交通流量Q_EW、社会车辆纵向单车道平均交通流量Q_SN、社会车辆理想行驶速度V_car以及社会车辆最短理想行驶距离L_min，非机动车运营数据包括非机动车能接受的交叉口最长红灯等待时间W_bike和非机动车平均行驶速度V_bike。在本实施例中，通过查询城市道路规划和结构设计资料获取L_EW＝800米、D_EW＝15米、L_SN＝550米、D_SN＝15米、l_EW＝600米、l_SN＝400米；通过公交驻站调查数据获取q_EW＝18人/辆、q_SN＝15人/辆、γ＝0.33秒；通过公交司机问卷调查获取V_bus＝45公里/小时；通过公交车辆GPS数据统计获取ΔT_EW＝6秒、ΔT_SN＝6秒；通过城市道路交通流监测设备获取Q_EW＝880辆/小时、Q_SN＝600辆/小时、V_car＝60公里/小时、L_min＝400米；通过自行车主问卷调查获取W_bike＝30秒、V_bike＝15公里/小时；通过行人问卷调查获取行人过街最长红灯等待时间，此处取90秒。

(B)根据步骤(A)采集到的道路设施数据和社会交通系统运营数据，建立高密度路网地区信号控制方案的目标函数，具体包括

(B1)建立交通流量最大的目标函数

$Q_{\mathrm{MAX}}=\frac{Q_{\mathrm{EW}}{G}_{\mathrm{EW}}}{L_{\mathrm{EW}}/V_{\mathrm{car}}}+\frac{Q_{\mathrm{SN}}{G}_{\mathrm{SN}}}{L_{\mathrm{SN}}/V_{\mathrm{car}}},---\left(1\right)$

其中，G_EW为高密度路网地区横向直行相位绿灯时长，G_SN为高密度路网地区纵向直行相位绿灯时长；

(B2)建立通行效率最高的目标函数

$E_{\mathrm{MAX}}=\frac{{\mathrm{mQ}}_{\mathrm{EW}}}{G_{\mathrm{SN}}{L}_{\mathrm{EW}}/V_{\mathrm{car}}}+\frac{{\mathrm{nQ}}_{\mathrm{SN}}}{G_{\mathrm{EW}}{L}_{\mathrm{SN}}/V_{\mathrm{car}}},---\left(2\right)$

其中，m为高密度路网地区横向道路交叉口数量，n为高密度路网地区纵向道路交叉口数量，在本实施例中，设m＝4、n＝3；

(B3)基于步骤(B1)和步骤(B2)，建立高密度路网地区信号控制方案的目标函数

$M=\mathrm{MAX}(Q_{\mathrm{MAX}}+E_{\mathrm{MAX}})=\mathrm{Max}[\frac{Q_{\mathrm{EW}}{V}_{\mathrm{car}}}{L_{\mathrm{EW}}}(G_{\mathrm{EW}}+\frac{m}{G_{\mathrm{SN}}})+\frac{Q_{\mathrm{SN}}{V}_{\mathrm{car}}}{L_{\mathrm{SN}}}(G_{\mathrm{SN}}+\frac{n}{G_{\mathrm{EW}}})];---\left(3\right)$

(C)根据步骤(A)采集到的道路设施数据和公共交通系统运营数据，计算公交车辆在公交站点的停靠时间以及当无交叉口红灯停车影响时在公交站点间的行驶时间，具体步骤为

(C1)建立横向道路公交车辆站点停靠时间S_EW和纵向道路公交车辆站点停靠时间S_SN的计算模型

S_EW＝γ(q_EW+δ)η   (4)

S_SN＝γ(q_SN+δ)η,   (5)

其中，δ为零均值的正态白噪声，η为客流预测安全系数且η≥1，在本实施例中，设η＝1.5；

(C2)建立无交叉口红灯停车影响时公交车辆在横向道路公交站点间的行驶时间T_EW以及在纵向道路公交站点间的行驶时间T_SN的计算模型

T_EW＝L_EW/V_bus   (6)

T_SN＝L_SN/V_bus；   (7)

(D)结合步骤(C)的计算结果，设定确保公交车辆在高密度路网地区绿波通行的约束条件，具体包括

(D1)设定公交车辆在交叉口红灯时刻完成公交站点乘客上下车的约束条件，其中，完成横向道路公交站点乘客上下车的约束条件为

G_EW≥S_SN+ΔT_SN,   (8)

完成纵向道路公交站点乘客上下车的约束条件为

G_SN≥S_EW+ΔT_EW；   (9)

(D2)设定公交车辆在高密度路网地区绿波通行的约束条件，其中，横向道路上绿波通行的约束条件为

G_EW≥T_EW+ΔT_EW,   (10)

纵向道路上绿波通行的约束条件为

G_SN≥S_SN+ΔT_SN。   (11)

(E)根据步骤(A)采集到的道路设施数据和非机动车运营数据，设定高密度路网地区非机动车正常行驶的约束条件，包括设定横向道路非机动车正常行驶的约束条件

$G_{\mathrm{EW}}\≤W_{\mathrm{bike}}(\frac{{\mathrm{nG}}_{\mathrm{SN}}{V}_{\mathrm{bike}}}{L_{\mathrm{SN}}}+1),---\left(12\right)$

以及设定纵向道路非机动车正常行驶的约束条件

$G_{\mathrm{SN}}\≤W_{\mathrm{bike}}(\frac{{\mathrm{mG}}_{\mathrm{EW}}{V}_{\mathrm{bike}}}{L_{\mathrm{EW}}}+1).---\left(13\right)$

(F)根据步骤(A)采集到的道路设施数据和行人过街最长红灯等待时间，设定高密度路网地区行人过街的约束条件，具体包括

(F1)设定高密度路网地区红灯时长须小于行人在交叉口能接受的最长红灯等待时间，在本实施例中，设行人在交叉口能接受的最长红灯等待时间为通过行人问卷调查获取的行人过街最长红灯等待时间90秒，即，使横向直行相位绿灯时长G_EW≤90，使纵向直行相位绿灯时长G_SN≤90；

(F2)设定高密度路网地区的红灯时长须满足行人最小过街时间，其中，在横向道路上设定有

$G_{\mathrm{EW}}\≥7+\frac{D_{\mathrm{SN}}}{V_{\mathrm{people}}}-Y,---\left(14\right)$

在纵向道路上设定有

$G_{\mathrm{SN}}\≥7+\frac{D_{\mathrm{EW}}}{V_{\mathrm{people}}}-Y,---\left(15\right)$

其中，V_people为行人过街步速，Y为绿灯间隔时间，即为黄灯持续时间，在本实施例中，设V_people＝1米/秒，Y＝3秒；

(G)根据步骤(A)采集到的道路设施数据和社会交通系统运营数据，设定高密度路网地区社会车辆稳定通行的约束条件，包括设定横向道路社会车辆稳定通行的约束条件

G_EWV_car≥L_min，   (16)

以及设定纵向道路社会车辆稳定通行的约束条件

G_SNV_car≥L_min。   (17)

(H)根据步骤(D)～步骤(G)设定的约束条件，求解步骤(B)所述的目标函数的最优值，根据实际情况要求信号周期长度不大于150秒，即G_EW+G_SN≤150秒，因而最终可得G_EW＝78秒，G_SN＝71秒。本方案具有长红灯时段和长绿灯时段的特点，可应用于高密度路网地区所有的信号交叉口，当横向信号灯为绿灯时，横向行驶的公交车辆可在绿灯期间顺畅通过横向道路两站点间的所有信号交叉口，同时社会交通车辆的通行效率达到最优；而在纵向信号灯为绿灯时，纵向行驶的公交车辆和社会车辆同样也能以最大效率进行行驶。

Claims (8)

1.一种高密度路网条件下的公交绿波信号控制方法，其特征在于包括如下步骤：

(A)采集高密度路网地区的道路设施数据、公共交通系统运营数据、社会交通系统运营数据、非机动车运营数据以及行人过街最长红灯等待时间；

(B)根据步骤(A)采集到的道路设施数据和社会交通系统运营数据，建立高密度路网地区信号控制方案的目标函数；

(C)根据步骤(A)采集到的道路设施数据和公共交通系统运营数据，计算公交车辆在公交站点的停靠时间以及当无交叉口红灯停车影响时在公交站点间的行驶时间；

(D)结合步骤(C)的计算结果，设定确保公交车辆在高密度路网地区作绿波通行的约束条件；

(E)根据步骤(A)采集到的道路设施数据和非机动车运营数据，设定高密度路网地区非机动车正常行驶的约束条件；

(F)根据步骤(A)采集到的道路设施数据和和行人过街最长红灯等待时间，设定高密度路网地区行人过街的约束条件；

(G)根据步骤(A)采集到的道路设施数据和社会交通系统运营数据，设定高密度路网地区社会车辆稳定通行的约束条件；

(H)根据步骤(D)～步骤(G)设定的约束条件，求解步骤(B)所述的目标函数的最优值。

2.根据权利要求1所述的一种高密度路网条件下的公交绿波信号控制方法，其特征在于所述的道路设施数据包括高密度路网地区横向道路长度L_EW、横向道路宽度D_EW、纵向道路长度L_SN以及纵向道路宽度D_SN；所述的公共交通系统运营数据包括横向道路公交站点间距l_EW、纵向道路公交站点间距l_SN、横向道路公交站点历史客流量_qEW、纵向道路公交站点历史客流量q_SN、站点乘客平均上下车时间γ、公交车辆理想行驶速度V_bus、横向道路公交车流中第一辆车与最后一辆车的车头时距ΔT_EW以及纵向道路公交车流中第一辆车与最后一辆车的车头时距ΔT_SN；社会交通系统运营数据包括社会车辆横向单车道平均交通流量Q_EW、社会车辆纵向单车道平均交通流量Q_SN、社会车辆理想行驶速度V_car以及社会车辆最短理想行驶距离L_min；非机动车运营数据包括非机动车能接受的交叉口最长红灯等待时间W_bike和非机动车平均行驶速度V_bike。

3.根据权利要求1所述的一种高密度路网条件下的公交绿波信号控制方法，其特征在于所述的步骤(B)包括如下步骤：

(B1)建立交通流量最大的目标函数

$Q_{\mathrm{MAX}}=\frac{Q_{\mathrm{EW}}{G}_{\mathrm{EW}}}{L_{\mathrm{EW}}/V_{\mathrm{car}}}+\frac{Q_{\mathrm{SN}}{G}_{\mathrm{SN}}}{L_{\mathrm{SN}}/V_{\mathrm{car}}},$

其中，G_EW为高密度路网地区横向直行相位绿灯时长，G_SN为高密度路网地区纵向直行相位绿灯时长；

(B2)建立通行效率最高的目标函数

$E_{\mathrm{MAX}}=\frac{{\mathrm{mQ}}_{\mathrm{EW}}}{G_{\mathrm{SN}}{L}_{\mathrm{EW}}/V_{\mathrm{car}}}+\frac{{\mathrm{nQ}}_{\mathrm{SN}}}{G_{\mathrm{EW}}{L}_{\mathrm{SN}}/V_{\mathrm{car}}},$

其中，m为高密度路网地区横向道路交叉口数量，n为高密度路网地区纵向道路交叉口数量；

(B3)基于步骤(B1)和步骤(B2)，建立高密度路网地区信号控制方案的目标函数

$M=\mathrm{Mac}(Q_{\mathrm{MAX}}+E_{\mathrm{MAX}})=\mathrm{MAX}[\frac{Q_{\mathrm{EW}}{V}_{\mathrm{car}}}{L_{\mathrm{EW}}}(G_{\mathrm{EW}}+\frac{m}{G_{\mathrm{SN}}})+\frac{Q_{\mathrm{SN}}{V}_{\mathrm{car}}}{L_{\mathrm{SN}}}(G_{\mathrm{SN}}+\frac{n}{G_{\mathrm{EW}}})].$

4.根据权利要求1所述的一种高密度路网条件下的公交绿波信号控制方法，其特征在于所述的步骤(C)包括如下步骤：

(C1)建立横向道路公交车辆站点停靠时间S_EW和纵向道路公交车辆站点停靠时间S_SN的计算模型

S_EW＝γ(q_EW+δ)η

S_SN＝_γ(q_SN+δ)_η,

其中，δ为零均值的正态白噪声，η为客流预测安全系数且η≥1；

(C2)建立无交叉口红灯停车影响时公交车辆在横向道路公交站点间的行驶时间T_EW以及在纵向道路公交站点间的行驶时间T_SN的计算模型

T_EW＝L_EW/V_bus

T_SN＝L_SN/V_bus。

5.根据权利要求1所述的一种高密度路网条件下的公交绿波信号控制方法，其特征在于所述的步骤(D)包括如下步骤：

(D1)设定公交车辆在交叉口红灯时刻完成公交站点乘客上下车的约束条件，其中，完成横向道路公交站点乘客上下车的约束条件为

G_EW≥S_SN+ΔT_SN,

完成纵向道路公交站点乘客上下车的约束条件为

G_SN≥S_EW+ΔT_EW；

(D2)设定公交车辆在高密度路网地区绿波通行的约束条件，其中，横向道路上绿波通行的约束条件为

G_EW≥T_EW+ΔT_EW,

纵向道路上绿波通行的约束条件为

G_SN≥S_SN+ΔT_SN。

6.根据权利要求1所述的一种高密度路网条件下的公交绿波信号控制方法，其特征在于所述的步骤(E)包括设定横向道路非机动车正常行驶的约束条件

$G_{\mathrm{EW}}\≤W_{\mathrm{bike}}(\frac{{\mathrm{nG}}_{\mathrm{SN}}{V}_{\mathrm{bike}}}{L_{\mathrm{SN}}}+1),$

以及设定纵向道路非机动车正常行驶的约束条件

$G_{\mathrm{SN}}\≤W_{\mathrm{bike}}(\frac{{\mathrm{mG}}_{\mathrm{EW}}{V}_{\mathrm{bike}}}{L_{\mathrm{EW}}}+1).$

7.根据权利要求1所述的一种高密度路网条件下的公交绿波信号控制方法，其特征在于所述的步骤(F)包括如下步骤：

(F1)设定高密度路网地区红灯时长须小于行人在交叉口能接受的最长红灯等待时间；

(F2)设定高密度路网地区的红灯时长须满足行人最小过街时间，其中，在横向道路上设定有

$G_{\mathrm{EW}}\≥7+\frac{D_{\mathrm{SN}}}{V_{\mathrm{people}}}-Y,$

在纵向道路上设定有

$G_{\mathrm{SN}}\≥7+\frac{D_{\mathrm{EW}}}{V_{\mathrm{people}}}-Y,$

其中，V_people为行人过街步速；Y为绿灯间隔时间，即为黄灯持续时间。

8.根据权利要求1所述的一种高密度路网条件下的公交绿波信号控制方法，其特征在于所述的步骤(G)包括设定横向道路社会车辆稳定通行的约束条件

G_EWV_car3L_min，

以及设定纵向道路社会车辆稳定通行的约束条件

G_SNV_car3L_min。