CN104464310B - 城市区域多交叉口信号协同优化控制方法及系统 - Google Patents

Abstract

一种交通管理和控制领域的城市区域多交叉口信号协同优化控制方法及系统，根据车辆离开上游交叉口时间以及上游交叉口的控制方案信息依次估计车辆到达排队末端的时间、排队车辆的数量变化、车辆排队等待时间，然后以此为目标函数，计算预测时长内的最优信号控制方案，最后更新信号灯状态。本发明充分利用现有交叉口设施资源配置，解决了传统自适应信号控制方法只适用于单个交叉口，计算复杂度大的问题，具有适用范围广，易于实现，控制方法可靠性高等优点。

Description

城市区域多交叉口信号协同优化控制方法及系统

技术领域

本发明涉及的是一种交通信息管理领域的技术，具体是一种城市区域多交叉口信号协同优化控制方法及系统。

背景技术

近年来，随着机动车保有量显著上升，产生了一系列严峻的交通问题，拥堵现象随处可见。为了缓解城市交通问题，城市交叉口的信号控制显得越来越重要。早期城市交叉口信号主要以单点控制为主，采用人工或定时方式对信号进行切换，直至20世纪30年代初期，才出现采用压力探测器的触发式信号控制。20世纪中后期，随着计算机网络技术发展，在城市距离较近的相邻交叉口出现互联式信号控制，其目的在于在多交叉口之间实现信号协调，使得通过一个交叉口的车队能够高效通过其下游相邻交叉口。自适应信号控制系统则在此基础上，以分布式、实时、高效、快速响应为特征，力求从局部信号优化达到全局信号优化。

自第一套交通自适应管控系统SCOOT系统由英国运输和道路研究所研制成功以来，自适应系统取得了公认成功，已在世界上许多城市安装和使用。除SCOOT系统以外，主要还有以澳大利亚悉尼为背景开发的交通自适应协调系统以及日本的京三系统等。由于与动态交通诱导系统、先进公共交通系统结合上的优势，自适应控制方法被认为实用性强、是发展先进交通管理系统的最佳基础，将是未来城市交通控制系统发展的重要方向。以SCOOT为代表的自适应控制系统，根据检测器得到的实时数据计算交通量、占用时间、占有率及拥挤程度。同时，结合预先存储的交通参数对各路口进行短时交通流预测，在此基础上对各交叉口信号控制方案进行优化。优化方法主要以交通模型为基础，找出符合当前状态的最佳信号配时组合。为了跟踪交通流的瞬时变化，SCOOT的信号优化方法采用小增量寻优方法，即信号配时参数可随交通流分布变化作相应微小变化，尽量做到对交通连续运动妨碍最小，又不为交通参与者察觉。该系统要求通过数学模型以获得相关控制策略模型，因而要求抽象的数学模型在较短时间，准确地反映系统的运行状态，否则会影响控制效果。另一方面，数学模型精确度越高、结构越复杂，仿真时间也越长，因此，会在实时性与可靠性之间产生矛盾，特别是实现多个交叉口协调控制时该矛盾将尤为突出。

为了解决以上矛盾，有两种方法可行：一是使用高效的优化算法缩短信号优化时间，其次是通过改善预测方法和线圈布置提高预测精度。其中：我国绝大部分城市已实施触发式信号控制的交叉口，线圈一般埋设在入口道。如要增加线圈数量或改变线圈位置，将不可避免地带来较大附加购置与施工费用。因此，一个重要的问题就是如何在已有城市交叉口设施资源(信号控制器、信号灯及线圈等)配置下，通过信息共享与传递，综合考虑多个交叉口配时以实现交通流预测，并使用合理算法对交叉口信号配时进行实时优化。

随着近年来物联网、云计算、移动互联网等新的技术的发展，信息互动、高速传输等变得更容易实施、成本更低。因此，自适应信号控制可借此实现更高层次的控制方案信息共享。这样一来，协同优化控制将不仅仅局限在干道的若干个交叉口上，而是扩展至任意方向相邻的交叉口，实现更大范围内的信号协同优化控制。但是，现有的信号协同控制策略在交通流预测方面略显不足，各分布式系统协同机制不够明确，这在一定层度上限制了自适应控制系统的效果。因此，在准确预测交通路网中各路段交通流基础上实现的信号协同控制有着重要的实际意义。

经过对现有技术的检索发现，中国专利文献号CN103680127A公开(公告)日2014.03.26，公开了一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法，所述方法包括：原始轨迹数据预处理；提取浮动车通过各信号灯控制道路交叉口的通行轨迹片段并进行转向标识；分别针对单个浮动车通行轨迹片段进行延误计算，构建所有交叉口延误估算数据集；判断延误估算数据集规模与分布特征；根据分布特征采用不同模型计算交叉口延误，形成所有交叉口延误时序结果集。利用该技术可实现从低采样率轨迹数据中提取城市交叉口时间延误，有效弥补传统交叉口延误机理模型参数难以获取的缺陷，该方法可为城市出行信息平台、动态导航提供一种重要数据源，可应用于实时导航与位置服务系统、交通信息服务网站、交通规划管理与应急预案等。但该技术只是得到了延误的平均值计算模型，不能从微观角度分析经过交叉口每辆车的延误。

发明内容

本发明针对现有技术存在的上述不足，提出一种城市区域多交叉口信号协同优化控制方法及系统，利用已有城市交叉口设施资源，通过预测交叉口车辆排队长度和排队等待时间信息，实现多交叉口信号配时动态优化与协同。

本发明是通过以下技术方案实现的：

本发明涉及一种城市区域多交叉口信号协同优化控制方法，基于模型预测‐控制的思想，每经过一个单位时间步长更新交叉口的交通状态，对预测时长内交通流进行估计，最后计算最优信号控制方案；当预测交通流变化时，根据车辆到达信息、上游交叉口的控制方案以及车辆自上游交叉口到达下游交叉口的行驶时间估计车辆到达排队末端的时间、排队车辆的数量变化、按车辆到达时信号相位估计车辆排队等待时间，然后以减少车辆排队等待时间为目标函数，计算未来多个单位时间步长内交叉口信号的相位顺序，最后根据最优控制方案更新信号灯状态，实现交叉口信号灯优化控制。

所述的模型预测‐控制思想是指：每隔单位时间步长进行一次预测和优化，在得到预测时长内最优信号控制方案后，仅实施第一个单位时间步长内的控制方案。

所述的预测时长是指对未来时间内交通流变化进行估计的时间范围，由若干个单位时间步长组成。

所述的车辆到达信息是指：当车辆经过上游交叉口进口道检测线圈记录的时间信息以及按一定概率估计的行驶方向。

所述的车辆排队等待时间是指：车辆进入排队状态时起算，至车辆离开该交叉口所经过的时间。

所述的信号控制方案是指预测时长内各单位时间步长的信号相位顺序。

本发明涉及上述方法的实现系统，包括：优化模块和与之相连的预测模块，其中：优化模块包括：分支定界单元和决策树模型单元，预测模块包括排队长度估计单元、车辆到达时间估计单元和排队等待时间估计单元，其中：分支定界单元与决策树模型单元相连并传输累计排队等待时间，决策树模型单元分别与排队等待时间估计单元和排队长度估计单元相连，接收车辆排队信息并输出信号控制方案，排队长度估计单元、车辆到达时间估计单元以及排队等待时间估计单元依次连接并传输实时车辆排队长度、车辆到达队伍末尾时间信息。

技术效果

相比于传统自适应交通信号控制，本发明采用了交叉口隐式协调方法，即在预测模块中充分考虑了上游交叉口车流量对下游交叉口排队长度和车辆到达时间的影响。优化模块针对单个交叉口信号配时进行方案选择，这样一方面实现了交叉口区域联动控制，另一方面也减小了优化算法计算复杂度，提升了本发明的可操作性。通过实现城市区域多交叉口信号协同优化方法，可实现交叉口自适应协同控制，有效减少由于流量波动产生的车辆延误增加。

附图说明

图1为实施例排队估算方法示意图。

图2为本发明中单位时间步长示意图。

图3为本发明中排队等待时间估算示意图；

图中：(1)为车辆在t_green前到达，并且在t_end前离开交叉口；(2)为车辆在t_green前到达，但受到前车影响无法在t_end前离开交叉口；(3)为车辆在t_green后到达，并且在t_end前离开交叉口；(4)为车辆在t_green后到达，但受到前车影响无法在t_end前离开交叉口。

图4为本发明中决策树示意图。

图5为实施例相位信号灯决策树的预测决策过程示意图。

图6为本发明系统示意图

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

本实施例目的在于根据车辆离开上游交叉口时间推算下游交叉口各进口道排队车辆数量，如图6所示，为本实施例实现系统，包括：优化模块和与之相连的预测模块，其中：优化模块包括：分支定界单元和决策树模型单元，预测模块包括排队长度估计单元、车辆到达时间估计单元和排队等待时间估计单元，其中：分支定界单元与决策树模型单元相连并传输累计排队等待时间，决策树模型单元分别与排队等待时间估计单元和排队长度估计单元相连，接收车辆排队信息并输出信号控制方案，排队长度估计单元、车辆到达时间估计单元以及排队等待时间估计单元依次连接并传输实时车辆排队长度、车辆到达队伍末尾时间信息。

如图1所示，为本实施例实施情况说明：连接两个交叉口i，j的路段link(i,j)，当排队长度不超过上游交叉口位置，即不发生排队溢出现象。当交通流中车辆离开上游交叉口时，按概率判断该车辆可能的转弯方向和驶入的进口道l。在进行交通状态预测时，首先检测各进口道的排队车辆数量并根据上游交叉口车辆离开流率对其进行更新：

以一个预测时长内由交叉口i驶向j的交通流为例：

1)在预测时长中t至t+1时刻内各进口道排队的车辆数量Q(t)表示为：

其中：t∈[T,T+T_p]，T_p＝Pt_step，t单位为秒；t_step为单位时间步长(5～15s)；T为预测时长开始时刻；P为指定整数；T_p为预测时长；表示各进口道内排队车辆的数量；l表示交叉口进口道；m为交叉口进口道的数量。

2)t至t+1时刻内离开路段(i,j)的车辆数量具体如下：

其中：是0‐1变量，表示路段(i,j)中进口道l是否可以通行。不同情况下离开该路段车辆数量受排队长度影响，表示在t至t+1时刻内到达进口道l队伍末端的车辆数量；为t至t+1时刻内以饱和流率通过交叉口j的车辆数量。

3)对于在t至t+1时刻内到达队伍末端的车辆k，须考虑该车辆自上游交叉口行驶至排队车辆末端的行驶时间τ(t)，其中该行驶时间为：其中：D_i,j为路段(i,j)的长度；l_veh为车辆长度；v_i,j为路段(i,j)中车辆自由流的平均速度；表示t至t+1时刻经过离开上游交叉口并将进入进口道l的车辆数量，与上游交叉口车辆离开流率有关。

4)交叉口排队长度更新为：

自此可估算预测时长任意时刻t进口道l排队车辆的变化情况。

本实施例所采用交通工程领域定义的排队等待时间作为优化的目标函数，排队等待时间即从车辆进入排队状态时开始直至车辆离开交叉口所经历的时间。如此定义可使优化模型为较长排队入口的相位提供更多绿灯时间，以减少发生二次排队和排队溢出的可能性，本步骤具体包括：

a)为了计算车辆排队等待时间，首先要估算车辆到达队伍末端的时间，当满足：

a(k)＝t_d(k)+τ(a(k))k∈{k:T≤a(k)≤T+T_p}时，其中：a(k)为车辆k到达队伍末尾的时刻，其中：t_d(k)为车辆k离开上游交叉口的时刻。除了到达队伍末端的时间，在计算排队等待时还需要估算车辆k离开进口道l的时间。

b)车辆k离开进口道l的时间为具体为：当队伍中车辆离开停车线时，其后所有车辆所对应的将进行更新。

c)产生车辆排队等待时间的情况有很多种，本实施例以车辆到达时相位状态以及该车辆是否能在当前单位时间长度离开交叉口为划分依据，分别计算每个单位时间步长内车辆排队等待时间。根据是否切换相位，单位时间步长可分为图2所示两种：

i)当不改变信号相位，单位时间步长全部由绿灯时间或红灯时间组成，即延长原有信号状态一个单位时间步长；

ii)当改变信号相位，此时单位时间步长由黄灯时间和最小绿灯时间组成，其中黄灯损失时间为t_Y＝t_end-t_green，其中单位时间步长的开始与结束时间分别由t_start和t_end表示；t_green为绿灯开始时间。

当车辆到达时为红灯，则计算相对容易，只需用t_end减去a(k)即得出车辆k在当前单位时间步长的排队等待时间。如该进口道在单位时间步长为绿灯，考虑到受前车的影响，须分情况考虑排队等待时间，此时有四种情形：

1)车辆在t_green前到达，并且在t_end前离开交叉口；

2)车辆在t_green前到达，但受到前车影响无法在t_end前离开交叉口；

3)车辆在t_green后到达，并且在t_end前离开交叉口；

4)车辆在t_green后到达，但受到前车影响无法在t_end前离开交叉口。

这四种情况和相应的排队等待时间分别如图3(1)‐(4)所示。

对于情形1)，假设dis^l为单位时间步长内进口道l可通过停车线的最大车辆数量，车辆k到达队伍末尾的时刻a(k)≤t_green，k≤dis^l，排队等待时间为车辆受前车影响加上绿灯开始可能产生的等待时间(图3‐(1))，即

Delay_g(k)＝(k-1)·h^l+min[t_green-t_start,t_green-a(k)]

对于情形2)，车辆k到达队伍末尾的时刻a(k)≤t_green，k＞dis^l，排队等待时间为t_green与t_end的时间差加上切换绿灯可能产生的时间(图3‐(2))，即

Delay_g(k)＝t_end-t_green+min[t_green-t_start,t_green-a(k)]

对于情形3)，车辆k到达队伍末尾的时刻a(k)＞t_green，排队等待时间为车辆k离开停车线与到达队伍末端的时间差(图3‐(3))，即

对于情形4)，车辆k到达队伍末尾的时刻a(k)＞t_green，排队等待时间为t_end与车辆k到达队伍末端的时间差(图3‐(4))，即Delay_g(k)＝t_end-a(k)。

综上，通过上式可估算出不同绿灯相位下的车辆排队等待时间。

如图4所示，为本实施例的穷举法下的二相位信号控制决策树模型结构。决策树中的枝表示单位时间步长的信号相位，同时也代表该相位产生的车辆排队等待时间；每个节点为交叉口的交通状态，决策树深度表示预测时长包含单位时间步长的数量。

决策树中的节点代表该时刻交叉口的交通状况，假设决策树根节点的深度为0，某一层节点的深度为d，该节点的状态由X_i(d)表示。每经过一个单位时间步长，决策树中节点深度加1，即d←d+1，同时对交叉口状态进行更新。在对交叉口状态进行更新时，要考虑当前信号相位以及单位时间步长内到达队伍末尾的车辆数量。每个交叉口的状态向量和状态向量更新方程为：X(d)＝[x₁(d),x₂(d),x₃(d),x₄(d)]，X(d+1)＝f[X_i(d),u(d),N(x₁(d),x₁(d+1))]，其中：状态向量由四部分组成：x₁(d)为自仿真开始经历的时间；x₂(d)为该交叉口内各进口道排队车辆的数量；x₃(d)表示当前相位；x₄(d)为当前相位绿灯的累计时长。

在状态更新方程中，u(d)表示是否改变之前的信号相位，若u(d)＝1则改变当前相位，若u(d)＝0则延长当前相位绿灯时间；N(x₁(d),x₁(d+1))为单位时间步长内到达排队末尾的车辆数量。

在更新状态向量时有：

x₁(d+1)＝x₁(d)+t_step，即仿真时间x₁(d)增加一个单位时间步长t_step；

x₂(d+1)＝x₂(d)+ΔQ[x₂(d),x₃(d),N(x₁(d),x₁(d+1))]，即对交叉口各方向进口道排队长度进行更新，其中ΔQ表示各方向进口道排队长度的变化；

x₃(d+1)＝h(x₃(d),u(d))，即对信号相位进行更新，其中h(·)表示相位序号的更新算式；

即确定下一个单位时间步长内绿灯相位的时间长度。

为了提升搜索效率，本实施例使用基于“优先服务排队等待时间最大的进口道”搜索策略(STLC)生成初始解：首先选择当前时刻排队等待时间最大的相位，并且使用该策略进行搜索直至预测时长结束。这样可生成初始信号控制方案，包含预测时长内各单位时间步长的相位顺序，其产生的累计排队等待时间即初始解的总成本。虽然该策略本质上是一启发式搜索策略，但由于最优解通常在初始信号控制方案附近，STLC搜索策略往往能加快搜索效率，减少优化算法求解时间；得到初始解后，从根节点处开始剪枝：搜索没有被选择的相位，并按STLC策略生成初始信号控制方案；计算其累计排队等待时间，并与现有最优解进行比较：当累计排队等待时间大于现有解的总排队等待时间则进行剪枝，并返回前一个节点继续搜索；否则沿着该节点继续搜索，直至形成完整的信号控制方案。重复上述过程，直至完成对整个决策树的搜索，便可得到决策树中的最优解。一般情况下，仅需要检查决策树中10％‐20％的节点便可完成搜索。因此，该方法能够满足单交叉口在线计算的需要。

上述基于STLC策略的分支定界法的具体操作步骤如下：

步骤1：根据各进口道排队等待时间情况，为决策树根节点选择起始相位；

步骤2：选择当前产生最大排队等待时间的进口道所在相位作为下一个时间步长的绿灯相位；

步骤3：检查是否完成初始信号控制方案的搜索，当完成进入步骤4，否则返回步骤2；

步骤4：记录初始信号控制方案，计算累计排队等待时间，返回当前决策树根节点；

步骤5：从根节点出发，针对未被选择过的节点进行搜索：

步骤5.1选择当前状态下排队等待时间最大的相位(该相位后的节点没有被搜索过)，计算累计排队等待时间；

步骤5.2.当现有累计排队等待时间已经大于现有最优解总排队等待时间，则停止对该枝之后节点的搜索(剪枝)，返回前一节点，继续步骤5.1；

步骤5.3.当生成了新的完整信号控制方案，并且总排队等待时间小于现有最优解，则更新最优信号控制方案并记录累积排队等待时间，进入步骤6；否则，直接进入步骤6；

步骤6：如果当前点不是该决策树起始点，则返回步骤5；否则记录最优解，结束算法；

所述的决策树中：预测时长T_p，决策树深度D与单位时间步长t_step之间的关系满足：T_p＝Dt_step＝Pt_step(D＝P＞1)，其中：预测时长包含的单位时间步长t_step的数量P与决策树延伸的深度D相同，且预测时长远大于单位时间步长。

这种预测时长大于单位时间长度系统实际上形成了闭环反馈，这样一方面能够弥补预测精度的不足，另一方面也可将没有实施的控制方案用于下游交叉口预测交通流量变化。

如图5所示为二相位信号灯决策树的预测决策过程，分别表示不同时刻的最优信号控制方案，该过程体现了模型预测‐控制的思想，具体流程如下：

a)在预测时长开始时刻T，根据检记录的交通状况信息，估计预测时长内各单位时间步长的交通状态X(d),d＝1,2,…,D(P)，计算车辆排队等待时间信息。

b)通过分支定界算法计算各单位时间步长的最优相位顺序g*(d),d＝1,2,…,D(P)；

c)实施第一个单位时间步长的控制方案g*(1)，更新交通状态信息，并预测Tp内的交通状态X(d+1),d＝1,2,…,D(P)，计算车辆排队等待时间信息。

d)计算各单位时间步长的最优相位顺序g*(d+1),d＝1,2,…,D(P)；

e)同样，实施第一个时间步长的控制方案g*(2)，重复(c)‐(d)步骤，实现交通信号的实时优化与控制。

如图5中的预测时长包含的单位时间步长数量P＝3。第一组最优信号方案中的相位顺序为(1,2,2)。因此，在第一个时间步长内可通行1相位；重新更新交通状态信息后，优化算法得出最优相位顺序为(2,1,1)。于是，接下来的单位时间步长内由相位2通行。随着交通预测信息的更新，决策树向前推移，直至仿真结束。这样的预测优化过程利用了新的交通状态信息作为反馈更新已有的控制方案，从而提升了控制系统的可靠性。

本实施例可实现控制方案信息共享，充分利用相邻交叉口的信号控制方案以预测排队长度信息，通过分布式信号控制系统生成最优控制方案，最终达到协同优化多个交叉口信号控制的目的。

Claims (5)

1.一种城市区域多交叉口信号协同优化控制方法，其特征在于，根据车辆到达信息、上游交叉口的信号控制方案以及车辆自上游交叉口到达下游交叉口的行驶时间估计车辆到达排队末端的时间、排队车辆的数量变化、按车辆到达时信号相位估计车辆排队等待时间，然后以减少车辆排队等待时间为目标函数，计算预测时长内的最优信号控制方案，最后更新信号灯状态；

所述的预测时长是指对未来时间内交通流变化进行估计的时间范围，由若干个单位时间步长组成；

所述的车辆到达信息是指：当车辆经过上游交叉口进口道检测线圈记录的时间信息以及按一定概率估计的行驶方向；

所述的车辆排队等待时间是指：车辆进入排队状态时起算，至车辆离开该交叉口所经过的时间；

所述的信号控制方案是指预测时长内各单位时间步长的信号相位顺序；

所述的车辆排队等待时间通过以下方式得到：

a)首先要估算车辆到达队伍末端的时间，当满足：a(k)＝t_d(k)+τ(a(k))时，其中：k∈{k:T≤a(k)≤T+T_p}，a(k)为车辆k到达队伍末尾的时刻，t_d(k)为车辆k离开上游交叉口的时刻；除了到达队伍末端的时间，在计算排队等待时还需要估算车辆k离开进口道l的时间，τ(a(k))为在a(k)时刻内到达队伍末端的车辆k自上游交叉口行驶至排队车辆末端的行驶时间，T为预测时长开始时刻，T_p为预测时长；

b)车辆k离开进口道l的时间为具体为：当队伍中车辆离开停车线时，其后所有车辆所对应的将进行更新；

c)以车辆到达时相位状态以及该车辆是否能在当前单位时间长度离开交叉口为划分依据，分别计算每个单位时间步长内排队等待时间；根据是否切换相位，单位时间步长包括：

i)当不改变信号相位，单位时间步长全部由绿灯时间或红灯时间组成，即延长原有信号状态一个单位时间步长；

ii)当改变信号相位，此时单位时间步长由黄灯时间和最小绿灯时间组成，其中黄灯时间为t_Y＝t_end–t_green，其中单位时间步长的开始与结束时间分别由t_start和t_end表示；t_green为绿灯开始时间；

当车辆到达时为红灯，则计算相对容易，只需用t_end减去a(k)即得出车辆k在当前单位时间步长的排队等待时间；如该进口道在单位时间步长为绿灯，考虑到受前车的影响，需分情况考虑排队等待时间，此时有四种情形：

1)车辆在t_green前到达，并且在t_end前离开交叉口；

2)车辆在t_green前到达，但受到前车影响无法在t_end前离开交叉口；

3)车辆在t_green后到达，并且在t_end前离开交叉口；

4)车辆在t_green后到达，但受到前车影响无法在t_end前离开交叉口；

对于情形1)，假设dis^l为单位时间步长内进口道l可通过停车线的最大车辆数量，车辆k到达队伍末尾的时刻a(k)≤t_green，k≤dis^l，排队等待时间为车辆受前车影响加上绿灯开始可能产生的等待时间，即Delay_g(k)＝(k-1)·h^l+min[t_green-t_start,t_green-a(k)]；

对于情形2)，车辆k到达队伍末尾的时刻a(k)≤t_green，k＞dis^l，排队等待时间为t_green与t_end的时间差加上切换绿灯可能产生的时间，即

Delay_g(k)＝t_end-t_green+min[t_green-t_start,t_green-a(k)]；

对于情形3)，车辆k到达队伍末尾的时刻a(k)＞t_green，排队等待时间为车辆k离开停车线的时间与到达队伍末端的时间差，即

对于情形4)，车辆k到达队伍末尾的时刻a(k)＞t_green，排队等待时间为t_end与车辆k到达队伍末端的时间差，即Delay_g(k)＝t_end-a(k)。

2.根据权利要求1所述的方法，其特征是，所述的排队车辆的数量变化，通过以下步骤获得：

1)在预测时长中t至t+1时刻内各进口道排队的车辆数量Q(t)表示为：其中：t∈[T,T+T_p]，T_p＝Pt_step，t单位为秒；t_step为单位时间步长；T为预测时长开始时刻；P为指定整数；T_p为预测时长；表示各进口道内排队车辆的数量；l表示交叉口进口道；m为交叉口进口道的数量；

2)t至t+1时刻内离开路段(i,j)的车辆数量为具体为：其中：是0-1变量，表示路段(i,j)进口道l是否可以通行，不同情况下离开该路段车辆数量受排队长度影响，表示在t至t+1时刻内到达进口道l队伍末端的车辆数量；为t至t+1时刻内以饱和流率由交叉口i通过j的车辆数量；

3)对于在t至t+1时刻内到达队伍末端的车辆k自上游交叉口行驶至排队车辆末端的行驶时间为τ(t)，具体为：其中：D_i,j为路段(i,j)的长度；l_veh为车辆长度；v_i,j为路段(i,j)中车辆自由流的平均速度；表示t至t+1时刻经过离开上游交叉口并将进入进口道l的车辆数量，与上游交叉口车辆离开流率有关；

4)交叉口排队长度更新为：

自此可估算预测时长任意时刻t进口道l排队车辆的变化情况。

3.根据权利要求1所述的方法，其特征是，所述的交叉口信号的相位顺序通过决策树模型表示，具体为：

所述的决策树中的枝表示各单位时间步长的信号相位，即该信号相位产生的车辆排队等待时间；每个节点为交叉口的交通状态；决策树中的节点代表该时刻交叉口i的交通状况，决策树根节点的深度为0，某一层节点的深度为d，该节点的状态由X_i(d)表示；每经过一个单位时间步长，决策树中节点深度加1，即d←d+1，并对交叉口状态进行更新。

4.根据权利要求3所述的方法，其特征是，所述的决策树模型通过分支定界法求得最优解，具体步骤包括：

步骤1：根据各进口道排队等待时间情况，为决策树根节点选择起始相位；

步骤2：选择当前产生最大排队等待时间的进口道所在相位作为下一个时间步长的绿灯相位；

步骤3：检查是否完成初始信号控制方案的搜索，当完成进入步骤4，否则返回步骤2；

步骤4：记录初始信号控制方案，计算累计排队等待时间，返回当前决策树根节点；

步骤5：从根节点出发，针对未被选择过的节点进行搜索：

步骤5.1选择某相位后的节点没有被搜索过的相位作为当前状态下排队等待时间最大的相位，计算累计排队等待时间；

步骤5.2.当现有累计排队等待时间已经大于现有最优解总排队等待时间，则停止对该枝之后节点的搜索，返回前一节点，继续步骤5.1；

步骤5.3.当生成了新的完整信号控制方案，并且总排队等待时间小于现有最优解，则更新最优信号控制方案并记录累积排队等待时间，进入步骤6；否则，直接进入步骤6；

步骤6：如果当前点不是该决策树起始点，则返回步骤5；否则记录最优解，结束搜索。

5.一种实现上述任一权利要求所述方法的系统，其特征在于，包括：优化模块和与之相连的预测模块，其中：优化模块包括：分支定界单元和决策树模型单元，预测模块包括排队长度估计单元、车辆到达时间估计单元和排队等待时间估计单元，其中：分支定界单元与决策树模型单元相连并传输累计排队等待时间，决策树模型单元分别与排队等待时间估计单元和排队长度估计单元相连，接收车辆排队信息并输出信号控制方案，排队长度估计单元、车辆到达时间估计单元以及排队等待时间估计单元依次连接并传输实时车辆排队长度、车辆到达队伍末尾时间信息。