CN105139668A - 一种基于路段速度区间的城市干线双向绿波控制优化方法 - Google Patents

Abstract

本发明公开了一种基于路段速度区间的城市干线双向绿波控制优化方法，通过历史车辆行驶速度数据，量化行驶速度的波动区间，实现了车速不均匀情况下的协调相位绿时和相位差参数的优化。本发明充分考虑路段速度随机波动性和非协调相位通行需求的基础上，提出了以相邻交叉口之间的绿波带宽最大化为目标的干线双向协调控制优化方法，并进行重叠度检验以防止可能出现的绿波带断层的现象。克服了传统的采用平均车速假设，忽略车速不均匀性的弊端，可有效的提升干线交通流的运行效率，良好的实用性特点确保了实际应用的可操作性，对于城市道路交通信号控制优化系统建设，提升城市交通管控水平具有积极的意义。

Description

一种基于路段速度区间的城市干线双向绿波控制优化方法

技术领域

本发明涉及交通信号控制领域，具体涉及一种基于路段速度区间的城市干线双向绿波控制优化方法。

背景技术

随着城市道路交通流的不断增长和路网密度的不断增加，单纯对单个交叉口进行交通控制已难以实现拥堵在时间和空间上的转移，以整条干线作为研究对象的城市道路交通信号协调控制优化方法逐渐成为交通管理与控制的重要手段。城市道路干线单向协调控制只需要考虑一个方向的信号协调，因此较易实现路段速度区间与协调相位的匹配。针对现有干线交通信号控制方法采用车辆平均行驶速度设计绿波带的不足，研究基于路段速度区间的干线协调控制优化方法，以期对交通需求的波动做出灵活响应。

交通状况波动性导致的误差累积会在一定程度上影响干线协调控制效果，尤其是当交通量接近饱和或者过饱和时，以非拥堵交通状况为假设的干线信号协调控制方法均不适用。鉴于此，基于干线上不同路段采用不同行驶速度计算相位差的续进式协调控制方式应运而生。然而，此方法在设计绿波带速度时仍然采用一个路段上的速度平均值，并未从根本上满足车辆速度随机波动的要求。基于人工智能法的干线交通信号协调控制优化方法主要的弊端是其所需数据量过大且限制过多，计算时间过长，导致优化模型更新较困难，大大影响了其在实际交通信号控制系统中的应用。而且，传统方法在构建优化控制模型时，常常是以协调相位为首要考虑原则，以整条干线最大化绿波带宽或最小化“费用”为唯一优化目标，并未兼顾非协调相位的通行需求，同时也未考虑相邻交叉口之间最大化绿波带宽或最小化“费用”这一优化目标，大大影响了绿灯时间的有效利用率。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于路段速度区间的城市干线双向绿波控制优化方法，在充分考虑车辆行驶特性和协调控制方向的通行需求的基础上，同时兼顾了非协调相位的通行需求，分别以相邻交叉口之间的绿波带宽最大化为优化目标，实现干线道路交通信号的协调控制。

技术方案：为实现上述目的，本发明采用的技术方案为：一种基于路段速度区间的城市干线双向绿波控制优化方法，其特征在于，该方法包括以下步骤：

1)获取控制时段干线各交叉口各流向的交通需求、信号设计相序、损失时间、各流向的饱和流率、饱和度阈值、来计算各个交叉口的信号周期，确定干线双向协调的公共周期；

2)基于协调相位和非协调相位的通行需求，确定各交叉口的协调相位绿时；

3)基于双向协调相位流率比和路段速度区间，以关键交叉口为基准建立干线协调控制相邻交叉口之间绿波带宽最大化优化模型以确定其与相邻交叉口之间的相对相位差；

4)以关键交叉口为基准，确定其与相邻交叉口之间的相对相位差；

5)重叠度检验，满足重叠度条件则以当前交叉口为基准确定其与相邻交叉口之间的相对相位差，依次以满足条件的交叉口为基准检验其相邻交叉口是否满足重叠度要求；若不满足重叠度检验，则调整相位差使其满足重叠度。得到干线双向绿波控制信号优化配时方案。

进一步的，步骤1)包括以下步骤：

交叉口各流向的交通需求来源于实时采集或预测的交通流数据；

信号设计相序依据交叉口几何特性、交叉口渠化和交通流特性等因素，采取先验设计相序；

损失时间包括启动损失时间和清空损失时间，所述损失时间采用先验值或通用公式计算获得；

所述饱和流率依据如下计算公式：

s_tl＝s_t(q_l+q_t)/(K_lq_l+q_t)

s_tr＝s_t(q_r+q_t)/(K_rq_r+q_t)

s_lr＝s_l(q_r+q_l)/(K_rq_r+q_l)

s_tlr＝s_l(q_r+q_l)/(K_rq_r+q_l)

其中：

s_tl、s_tr、s_lr、s_tlr为直左、直右、左右以及直左右车道饱和流率，(辆/小时)；

s_t、s_l为专用直行车道、左转车道的饱和流率，(辆/小时)；

q_l、q_r、q_t为共用车道中左转、右转及直行流量，(辆/小时)；

K_l、K_r为共用车道中的左转、右转系数；

饱和度阈值取先验值0.8～0.9。

信号周期计算采用如下公式：

$C=\frac{{\mathrm{LX}}_c}{X_c-\underset{i=1}{\overset{n}{\Σ}}{y}_i}$

$L=\underset{i=1}{\overset{n}{\Σ}}{l}_i$

其中：

L为交叉口一个周期内总的损失时间，(秒)；

X_c为交叉口饱和度阈值；

y_i为第i个关键车道组的流率比；

n为关键路径中的关键相位数；

l_i为相位i的的损失时间，(秒)；

取最大周期为干线双向协调控制的公共周期。

进一步的，步骤2)包括以下步骤：

所述非协调阶段的最小有效绿时公式为：

$g_{in\min }=\frac{{\mathrm{Cv}}_{in}}{s_{in}x}$

所述协调阶段的最小有效绿时计算公式和最大有效绿时计算公式分别为：

$g_{i\min }=\frac{g_i(C-L_i)}{(C_i^{\′}-L_i)}$

$g_{imax}=C-\underset{n=1}{\overset{k-1}{\Σ}}{g}_{in\min }-L_i$

其中：

g_imin为交叉口i的协调相位最小有效绿灯时间，(秒)；

g_inmin为交叉口i非协调相位n的最小有效绿灯时间，(秒)；

g_imax为交叉口i的协调相位最大有效绿灯时间，(秒)；

C为公共周期；C′_i为交叉口i的原有周期，(秒)；

v_in为交叉口i非协调相位n的关键车道组的交通需求，(辆/小时)；

s_in为交叉口i非协调相位n的关键车道组的饱和流率，(辆/小时)；

x为干线上所有交叉口的饱和度阈值；

L_i为交叉口i的损失时间，(秒)。

进一步的，步骤3)包括以下步骤：

计算获得双向协调相位的流率比；

依据路段车速的历史数据确定路段的平均速度，基于路段速度序列的特征分布，路段速度区间的计算公式如下：

$\[v_{\min },v_{max}\]=\[\stackrel{\‾}{v}-1.96\mathrm{\σ},\stackrel{\‾}{v}+1.96\mathrm{\σ}\]$

其中：

v_min为速度区间最低车速，(千米/小时)；

v_max为速度区间最高车速，(千米/小时)；

为速度区间的平均车速，(千米/小时)；

σ为速度序列标准差，

依据先验值设定显著性水平α＝0.05；

以关键交叉口开始推导上游交叉口及下游交叉口协调相位绿时及相位差：

$g_{i-1}=g_i-\frac{d_{(i-1,i)}}{v_{(i-1,i)max}}+\frac{d_{(i-1,i)}}{v_{(i-1,i)\min }}$

${\mathrm{\φ}}_{(i-1,i)}=\frac{d_{(i-1,i)}}{v_{(i-1,i)\min }}$

式中：

g_i-1为交叉口i-1协调相位的绿灯时间，(秒)；

g_i为交叉口i协调相位的绿灯时间，(秒)；

φ_(i-1,i)表示交叉口i和交叉口i-1之间的相位差,(秒)；

d_(i-1,i)表示交叉口i与交叉口i-1之间的距离，(千米)；

v_(i-1,i)max、v_(i-1,i)min分别表示叉口i和交叉口i-1之间路段速度区间的上限和下限；

干线上关键交叉口编号为i；

x_i1、x_i2分别为交叉口i正向绿波的开始点和结束点；

x_(i+1)1、x_(i+1)2分别为交叉口i+1正向绿波的开始点和结束点；

分别为交叉口i反向绿波的开始点和结束点；

分别为交叉口i+1反向绿波的开始点和结束点；

分别为交叉口i与i+1的正向、反向绿波带宽；

$x_{(i+1)1}=\frac{d_{(i,i+1)}}{v_{(i,i+1)\max }}+x_{i1}$

$x_{(i+1)2}=\frac{d_{(i,i+1)}}{v_{(i,i+1)\min }}+x_{i2}$

$\stackrel{\‾}{x_{i1}}=\frac{d_{\left(i,i+1\right)}}{\stackrel{\‾}{v_{\left(i,i+1\right)\max }}}+\stackrel{\‾}{x_{(i+1)1}}$

$\stackrel{\‾}{x_{i2}}=\frac{d_{\left(i,i+1\right)}}{\stackrel{\‾}{v_{\left(i,i+1\right)\min }}}+\stackrel{\‾}{x_{(i+1)2}}$

b_i+1＝x_i2-x_i1

${\stackrel{\‾}{b}}_{i+1}=\stackrel{\‾}{x_{(i+1)2}}-\stackrel{\‾}{x_{(i+1)1}}$

其中：

d_(i,i+1)为交叉口i与i+1之间的距离，(千米)；

v_(i,i+1)max为交叉口i与i+1之间速度区间最高车速，(千米/小时)；

v_(i,i+1)min为交叉口i与i+1之间速度区间最低车速，(千米/小时)；

基于相邻交叉口之间双向绿波带宽与车辆到达特性的相关性，采用流率比作为双向绿波带宽的权重建立带宽最大化优化目标函数，带宽最大化优化目标函数如下：

${\mathrm{MaxZ}}_{(i,i+1)}=b_{(i,i+1)}+c_{(i,i+1)}{\stackrel{\‾}{b}}_{(i,i+1)}$

$s.t\left\{\begin{array}{c}{\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}\&GreaterEqual;c_{\left(i,i+1\right)}{b}_{\left(i,i+1\right)},c_{\left(i,i+1\right)}<1\\ {\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}\&le;c_{\left(i,i+1\right)}{b}_{\left(i,i+1\right)},c_{\left(i,i+1\right)}>1\\ {\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}=b_{\left(i,i+1\right)},c_{\left(i,i+1\right)}=1\\ k_{i}C<x_{i1}<k_{i}C+g_{k_i+1}\\ k_{i}C<x_{i2}<k_{i}C+g_{k_i+1}\\ \stackrel{\&OverBar;}{k_i}C<\stackrel{\&OverBar;}{x_{i1}}<\stackrel{\&OverBar;}{k_i}C+g_{\stackrel{\&OverBar;}{k_i}+1}\\ \stackrel{\&OverBar;}{k_i}C<\stackrel{\&OverBar;}{x_{i1}}<\stackrel{\&OverBar;}{k_i}C+g_{\stackrel{\&OverBar;}{k_i}+1}\\ k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<x_{\left(i+1\right)1}<k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{k_{\left(i+1\right)}+1}\\ k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<x_{\left(i+1\right)2}<k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{k_{\left(i+1\right)}+1}\\ \stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<\stackrel{\&OverBar;}{x_{\left(i+1\right)1}}<\stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{\stackrel{\&OverBar;}{k_{\left(i+1\right)}}+1}\\ \stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<\stackrel{\&OverBar;}{x_{\left(i+1\right)2}}<\stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{\stackrel{\&OverBar;}{k_{\left(i+1\right)}}+1}\end{array}\right\}$

其中：

c_(i,i+1)为交叉口i与i+1的方向比例系数，

v_i/s_i为交叉口i正向协调相位车道组的流率比；

为交叉口i+1的反向协调相位车道组的流率比；

C为公共周期,(秒)；

φ_(i,i+1)为交叉口i与交叉口i+1的相对相位差,(秒)；

k_i为交叉口i正向绿波中x_i1,x_i2所在周期的编号；

k_i+1为交叉口i+1正向绿波中x_(i+1)1,x_(i+1)2所在周期的编号；

为交叉口i反向绿波中所在周期的编号；

为交叉口i+1反向绿波中所在周期的编号。

进一步的，步骤4)和步骤5)中：

基于干线协调控制相邻交叉口之间带宽最大化优化模型可获得各组相邻交叉口之间的相位差；从第二组交叉口开始增加重叠度检验的约束条件，所述第二组交叉口取i>1时计算，以最大限度满足车辆的连续通行性，重叠度以先验值选为0.5；

进行重叠度检验时，出现以下判定情况：

条件(1)当x'_i1≥x_i1且x'_i2≤x_i2或x'_i1≤x_i1且x'_i2≥x_i2时，满足重叠度要求；

条件(2)当x'_i2≤x_i1或x_i2≥x'_i1时，不满足重叠度要求；

条件(3)当x'_i1＜x_i1且x'_i2＜x_i2时，需判断：

条件(4)当x'_i1＞x_i1且x'_i2＞x_i2时，需判断：

以上几种条件的表达式中，分别表示正向绿波的重叠度阈值和反向绿波的重叠度阈值；

x'_i1,x'_i2为交叉口i-1与交叉口i绿波最大化过程中，交叉口i正向绿波的开始点和结束点；约束反向绿波重叠度阈值

得到的干线各交叉口的优化配时方案为：公共周期取最大值，非协调阶段有效绿时取最小值，协调阶段的有效绿时为g_i＝C-g_inmin-L_i；其中L_i为损失时间，g_inmin非协调阶段最小有效绿时；φ为相对相位差。

有益效果：本发明提供的一种基于路段速度区间的城市干线双向绿波控制优化方法克服了在设计绿波帯速度时采用干线车辆平均行驶速度，忽略道路交通状况随机波动导致的车辆行驶速度的不确定性。且以协调相位为首要考虑条件，并未兼顾非协调相位的通行需求的问题。能够有效的减少干线行驶的车辆的时间与经济消耗，增加干线的车流量通行率以及优化干线信号配时，对于提高提高城市交通管控水平具有重要的意义。

附图说明

图1为本发明实时例的流程图；

图2为相邻交叉口之间双向绿波带宽的几何关系

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1和图2所示，为一种基于路段速度区间的城市干线双向绿波控制优化方法，其特征在于，该方法包括以下步骤：

1)获取控制时段干线各交叉口各流向的交通需求、信号设计相序、损失时间、各流向的饱和流率、饱和度阈值、来计算各个交叉口的信号周期，确定干线双向协调的公共周期；

2)基于协调相位和非协调相位的通行需求，确定各交叉口的协调相位绿时；

3)基于双向协调相位流率比和路段速度区间，以关键交叉口为基准建立干线协调控制相邻交叉口之间绿波带宽最大化优化模型以确定其与相邻交叉口之间的相对相位差；

4)以关键交叉口为基准，确定其与相邻交叉口之间的相对相位差；

5)重叠度检验，满足重叠度条件则以当前交叉口为基准确定其与相邻交叉口之间的相对相位差，依次以满足条件的交叉口为基准检验其相邻交叉口是否满足重叠度要求；若不满足重叠度检验，则调整相位差使其满足重叠度。得到干线双向绿波控制信号优化配时方案。

进一步的，步骤1)包括以下步骤：

交叉口各流向的交通需求来源于实时采集或预测的交通流数据；

信号设计相序依据交叉口几何特性、交叉口渠化和交通流特性等因素，采取先验设计相序；

损失时间包括启动损失时间和清空损失时间，所述损失时间采用先验值或通用公式计算获得；

所述饱和流率依据如下计算公式：

s_tl＝s_t(q_l+q_t)/(K_lq_l+q_t)

s_tr＝s_t(q_r+q_t)/(K_rq_r+q_t)

s_lr＝s_l(q_r+q_l)/(K_rq_r+q_l)

s_tlr＝s_l(q_r+q_l)/(K_rq_r+q_l)

其中：

s_tl、s_tr、s_lr、s_tlr为直左、直右、左右以及直左右车道饱和流率，(辆/小时)；

s_t、s_l为专用直行车道、左转车道的饱和流率，(辆/小时)；

q_l、q_r、q_t为共用车道中左转、右转及直行流量，(辆/小时)；

K_l、K_r为共用车道中的左转、右转系数；

饱和度阈值取先验值0.8～0.9。

信号周期计算采用如下公式：

$C=\frac{{\mathrm{LX}}_c}{X_c-\underset{i=1}{\overset{n}{\&Sigma;}}{y}_i}$

$L=\underset{i=1}{\overset{n}{\&Sigma;}}{l}_i$

其中：

L为交叉口一个周期内总的损失时间，(秒)；

X_c为交叉口饱和度阈值；

y_i为第i个关键车道组的流率比；

n为关键路径中的关键相位数；

l_i为相位i的的损失时间，(秒)；

取最大周期为干线双向协调控制的公共周期。

进一步的，步骤2)包括以下步骤：

所述非协调阶段的最小有效绿时公式为：

$g_{in\min }=\frac{{\mathrm{Cv}}_{in}}{s_{in}x}$

所述协调阶段的最小有效绿时计算公式和最大有效绿时计算公式分别为：

$g_{i\min }=\frac{g_i(C-L_i)}{(C_i^{\&prime;}-L_i)}$

$g_{imax}=C-\underset{n=1}{\overset{k-1}{\&Sigma;}}{g}_{in\min }-L_i$

其中：

g_imin为交叉口i的协调相位最小有效绿灯时间，(秒)；

g_inmin为交叉口i非协调相位n的最小有效绿灯时间，(秒)；

g_imax为交叉口i的协调相位最大有效绿灯时间，(秒)；

C为公共周期；C′_i为交叉口i的原有周期；

v_in为交叉口i非协调相位n的关键车道组的交通需求，(辆/小时)；

s_in为交叉口i非协调相位n的关键车道组的饱和流率，(辆/小时)；

x为干线上所有交叉口的饱和度阈值；

L_i为交叉口i的损失时间，(秒)。

进一步的，步骤3)包括以下步骤：

计算获得双向协调相位的流率比；

依据路段车速的历史数据确定路段的平均速度，基于路段速度序列的特征分布，路段速度区间的计算公式如下：

$\&lsqb;v_{\min },v_{max}\&rsqb;=\&lsqb;\stackrel{\&OverBar;}{v}-1.96\mathrm{\&sigma;},\stackrel{\&OverBar;}{v}+1.96\mathrm{\&sigma;}\&rsqb;$

其中：

v_min为速度区间最低车速，(千米/小时)；

v_max为速度区间最高车速，(千米/小时)；

为速度区间的平均车速，(千米/小时)；

σ为速度序列标准差，

依据先验值设定显著性水平α＝0.05；

以关键交叉口开始推导上游交叉口及下游交叉口协调相位绿时及相位差：

$g_{i-1}=g_i-\frac{d_{(i-1,i)}}{v_{(i-1,i)max}}+\frac{d_{(i-1,i)}}{v_{(i-1,i)\min }}$

${\mathrm{\&phi;}}_{(i-1,i)}=\frac{d_{(i-1,i)}}{v_{(i-1,i)\min }}$

式中：

g_i-1为交叉口i-1协调相位的绿灯时间，(秒)；

g_i为交叉口i协调相位的绿灯时间(秒)；

φ_(i-1,i)表示交叉口i和交叉口i-1之间的相位差,(秒)；

d_(i-1,i)表示交叉口i与交叉口i-1之间的距离，(千米)；

v_(i-1,i)max、v_(i-1,i)min分别表示叉口i和交叉口i-1之间路段速度区间的上限和下限；

干线上关键交叉口编号为i；

x_i1、x_i2分别为交叉口i正向绿波的开始点和结束点；

x_(i+1)1、x_(i+1)2分别为交叉口i+1正向绿波的开始点和结束点；

分别为交叉口i反向绿波的开始点和结束点；

分别为交叉口i+1反向绿波的开始点和结束点；

分别为交叉口i与i+1的正向、反向绿波带宽；

$x_{(i+1)1}=\frac{d_{(i,i+1)}}{v_{(i,i+1)\max }}+x_{i1}$

$x_{(i+1)2}=\frac{d_{(i,i+1)}}{v_{(i,i+1)\min }}+x_{i2}$

$\stackrel{\&OverBar;}{x_{i1}}=\frac{d_{\left(i,i+1\right)}}{\stackrel{\&OverBar;}{v_{\left(i,i+1\right)\max }}}+\stackrel{\&OverBar;}{x_{(i+1)1}}$

$\stackrel{\&OverBar;}{x_{i2}}=\frac{d_{\left(i,i+1\right)}}{\stackrel{\&OverBar;}{v_{\left(i,i+1\right)\min }}}+\stackrel{\&OverBar;}{x_{(i+1)2}}$

b_i+1＝x_i2-x_i1

${\stackrel{\&OverBar;}{b}}_{i+1}=\stackrel{\&OverBar;}{x_{(i+1)2}}-\stackrel{\&OverBar;}{x_{(i+1)1}}$

其中：

d_(i,i+1)为交叉口i与i+1之间的距离，(千米)；

v_(i,i+1)max为交叉口i与i+1之间速度区间最高车速，(千米/小时)；

v_(i,i+1)min为交叉口i与i+1之间速度区间最低车速，(千米/小时)；

基于相邻交叉口之间双向绿波带宽与车辆到达特性的相关性，采用流率比作为双向绿波带宽的权重建立带宽最大化优化目标函数，带宽最大化优化目标函数如下：

${\mathrm{MaxZ}}_{(i,i+1)}=b_{(i,i+1)}+c_{(i,i+1)}{\stackrel{\&OverBar;}{b}}_{(i,i+1)}$

$s.t\left\{\begin{array}{c}{\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}\&GreaterEqual;c_{\left(i,i+1\right)}{b}_{\left(i,i+1\right)},c_{\left(i,i+1\right)}<1\\ {\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}\&le;c_{\left(i,i+1\right)}{b}_{\left(i,i+1\right)},c_{\left(i,i+1\right)}>1\\ {\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}=b_{\left(i,i+1\right)},c_{\left(i,i+1\right)}=1\\ k_{i}C<x_{i1}<k_{i}C+g_{k_i+1}\\ k_{i}C<x_{i2}<k_{i}C+g_{k_i+1}\\ \stackrel{\&OverBar;}{k_i}C<\stackrel{\&OverBar;}{x_{i1}}<\stackrel{\&OverBar;}{k_i}C+g_{\stackrel{\&OverBar;}{k_i}+1}\\ \stackrel{\&OverBar;}{k_i}C<\stackrel{\&OverBar;}{x_{i1}}<\stackrel{\&OverBar;}{k_i}C+g_{\stackrel{\&OverBar;}{k_i}+1}\\ k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<x_{\left(i+1\right)1}<k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{k_{\left(i+1\right)}+1}\\ k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<x_{\left(i+1\right)2}<k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{k_{\left(i+1\right)}+1}\\ \stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<\stackrel{\&OverBar;}{x_{\left(i+1\right)1}}<\stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{\stackrel{\&OverBar;}{k_{\left(i+1\right)}}+1}\\ \stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<\stackrel{\&OverBar;}{x_{\left(i+1\right)2}}<\stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{\stackrel{\&OverBar;}{k_{\left(i+1\right)}}+1}\end{array}\right\}$

其中：

c_(i,i+1)为交叉口i与i+1的方向比例系数，

v_i/s_i为交叉口i正向协调相位车道组的流率比；

为交叉口i+1的反向协调相位车道组的流率比；

C为公共周期，(秒)；

φ_(i,i+1)为交叉口i与交叉口i+1的相对相位差,(秒)；

k_i为交叉口i正向绿波中x_i1,x_i2所在周期的编号；

k_i+1为交叉口i+1正向绿波中x_(i+1)1,x_(i+1)2所在周期的编号；

为交叉口i反向绿波中所在周期的编号；

为交叉口i+1反向绿波中所在周期的编号。

进一步的，步骤4)和步骤5)中：

基于干线协调控制相邻交叉口之间带宽最大化优化模型可获得各组相邻交叉口之间的相位差；从第二组交叉口开始增加重叠度检验的约束条件，所述第二组交叉口取i>1时计算，以最大限度满足车辆的连续通行性，重叠度以先验值选为0.5；

进行重叠度检验时，出现以下判定情况：

条件(1)当x'_i1≥x_i1且x'_i2≤x_i2或x'_i1≤x_i1且x'_i2≥x_i2时，满足重叠度要求；

条件(2)当x'_i2≤x_i1或x_i2≥x'_i1时，不满足重叠度要求；

条件(3)当x'_i1＜x_i1且x'_i2＜x_i2时，需判断：

条件(4)当x'_i1＞x_i1且x'_i2＞x_i2时，需判断：

以上几种条件的表达式中，分别表示正向绿波的重叠度阈值和反向绿波的重叠度阈值；

x'_i1,x'_i2为交叉口i-1与交叉口i绿波最大化过程中，交叉口i正向绿波的开始点和结束点；约束反向绿波重叠度阈值

得到的干线各交叉口的优化配时方案为：公共周期取最大值，非协调阶段有效绿时取最小值，协调阶段的有效绿时为g_i＝C-g_inmin-L_i；其中L_i为损失时间，g_inmin非协调阶段最小有效绿时；φ为相对相位差。

实施例：

(1)选取四个交叉口，编号1，2，3，4，依据饱和流率、周期的计算公式，得表1各个交叉口的基础信息。

s_tl＝s_t(q_l+q_t)/(K_lq_l+q_t)

s_tr＝s_t(q_r+q_t)/(K_rq_r+q_t)

s_lr＝s_l(q_r+q_l)/(K_rq_r+q_l)

s_tlr＝s_l(q_r+q_l)/(K_rq_r+q_l)

$C=\frac{{\mathrm{LX}}_c}{X_c-\underset{i=1}{\overset{n}{\&Sigma;}}{y}_i}$

$L=\underset{i=1}{\overset{n}{\&Sigma;}}{l}_i$

表1交叉口基础信息

(2)依据路段车速的历史数据确定路段的平均速度，基于路段速度序列的特征分布，路段速度区间的计算公式得到表2，路段速度区间波动值，如表2所示：

表2路段速度区间波动值

(3)协调相位的绿灯时间范围计算公式:

$g_{i\min }=\frac{g_i(C-L_i)}{(C_i^{\&prime;}-L_i)}$

$g_{in\min }=\frac{{\mathrm{Cv}}_{in}}{s_{in}x}$

$g_{i\max }=C-\underset{n=1}{\overset{k-1}{\&Sigma;}}{g}_{in\min }-L_i$

其中，g_imin为交叉口i的协调相位最小绿灯时间；g_inmin为交叉口i非协调相位n的最小绿灯时间；g_imax为交叉口i的协调相位最大绿灯时间；C为公共周期；C′_i为交叉口i的原有周期；v_in为交叉口i非协调相位n的关键车道组的交通需求；s_in为交叉口i非协调相位n的关键车道组的饱和流率；x为干线上所有交叉口的饱和度阈值；L_i为交叉口i的损失时间。

(3)以关键交叉口为基准。计算

$x_{(i+1)1}=\frac{d_{(i,i+1)}}{v_{(i,i+1)max}}+x_{i1}$

$x_{(i+1)2}=\frac{d_{(i,i+1)}}{v_{(i,i+1)\min }}+x_{i2}$

$\stackrel{\&OverBar;}{x_{i1}}=\frac{d_{\left(i,i+1\right)}}{\stackrel{\&OverBar;}{v_{\left(i,i+1\right)\max }}}+\stackrel{\&OverBar;}{x_{(i+1)1}}$

$\stackrel{\&OverBar;}{x_{i2}}=\frac{d_{\left(i,i+1\right)}}{\stackrel{\&OverBar;}{v_{\left(i,i+1\right)\min }}}+\stackrel{\&OverBar;}{x_{(i+1)2}}$

b_i+1＝x_i2-x_i1

${\stackrel{\&OverBar;}{b}}_{i+1}=\stackrel{\&OverBar;}{x_{(i+1)2}}-\stackrel{\&OverBar;}{x_{(i+1)1}}$

其中，d_(i,i+1)为交叉口i与i+1之间的距离；v_(i,i+1)max为交叉口i与i+1之间速度区间最高车速；v_(i,i+1)min为交叉口i与i+1之间速度区间最低车速。

基于相邻交叉口之间双向绿波带宽与车辆到达特性的相关性，采用流率比作为双向绿波带宽的权重建立带宽最大化优化目标函数。带宽最大化优化目标函数如下：

${\mathrm{MaxZ}}_{(i,i+1)}=b_{(i,i+1)}+c_{(i,i+1)}{\stackrel{\&OverBar;}{b}}_{(i,i+1)}$

$s.t\left\{\begin{array}{c}{\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}\&GreaterEqual;c_{\left(i,i+1\right)}{b}_{\left(i,i+1\right)},c_{\left(i,i+1\right)}<1\\ {\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}\&le;c_{\left(i,i+1\right)}{b}_{\left(i,i+1\right)},c_{\left(i,i+1\right)}>1\\ {\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}=b_{\left(i,i+1\right)},c_{\left(i,i+1\right)}=1\\ k_{i}C<x_{i1}<k_{i}C+g_{k_i+1}\\ k_{i}C<x_{i2}<k_{i}C+g_{k_i+1}\\ \stackrel{\&OverBar;}{k_i}C<\stackrel{\&OverBar;}{x_{i1}}<\stackrel{\&OverBar;}{k_i}C+g_{\stackrel{\&OverBar;}{k_i}+1}\\ \stackrel{\&OverBar;}{k_i}C<\stackrel{\&OverBar;}{x_{i1}}<\stackrel{\&OverBar;}{k_i}C+g_{\stackrel{\&OverBar;}{k_i}+1}\\ k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<x_{\left(i+1\right)1}<k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{k_{\left(i+1\right)}+1}\\ k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<x_{\left(i+1\right)2}<k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{k_{\left(i+1\right)}+1}\\ \stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<\stackrel{\&OverBar;}{x_{\left(i+1\right)1}}<\stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{\stackrel{\&OverBar;}{k_{\left(i+1\right)}}+1}\\ \stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<\stackrel{\&OverBar;}{x_{\left(i+1\right)2}}<\stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{\stackrel{\&OverBar;}{k_{\left(i+1\right)}}+1}\end{array}\right\}$

得到表3绿波带宽和表4交叉口的信号配时优化方案。如下所示：

表3绿波带宽

表4交叉口的信号配时优化方案

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于路段速度区间的城市干线双向绿波控制优化方法，其特征在于，该方法包括以下步骤：

1)获取控制时段干线各交叉口各流向的交通需求、信号设计相序、损失时间、各流向的饱和流率、饱和度阈值、来计算各个交叉口的信号周期，确定干线双向协调的公共周期；

2)基于协调相位和非协调相位的通行需求，确定各交叉口的协调相位绿时；

3)基于双向协调相位流率比和路段速度区间，以关键交叉口为基准建立干线协调控制相邻交叉口之间绿波带宽最大化优化模型以确定其与相邻交叉口之间的相对相位差；

4)以关键交叉口为基准，确定其与相邻交叉口之间的相对相位差；

5)重叠度检验，满足重叠度条件则以当前交叉口为基准确定其与相邻交叉口之间的相对相位差，依次以满足条件的交叉口为基准检验其相邻交叉口是否满足重叠度要求；若不满足重叠度检验，则调整相位差使其满足重叠度。得到干线双向绿波控制信号优化配时方案。

2.如权利要求1所述的一种基于路段速度区间的城市干线双向绿波控制优化方法，其特征在于，步骤1)包括以下步骤：

交叉口各流向的交通需求来源于实时采集或预测的交通流数据；

信号设计相序依据交叉口几何特性、交叉口渠化和交通流特性等因素，采取先验设计相序；

损失时间包括启动损失时间和清空损失时间，所述损失时间采用先验值或通用公式计算获得；

所述饱和流率依据如下计算公式：

s_tl＝s_t(q_l+q_t)/(K_lq_l+q_t)

s_tr＝s_t(q_r+q_t)/(K_rq_r+q_t)

s_lr＝s_l(q_r+q_l)/(K_rq_r+q_l)

s_tlr＝s_l(q_r+q_l)/(K_rq_r+q_l)

其中：

s_tl、s_tr、s_lr、s_tlr为直左、直右、左右以及直左右车道饱和流率，单位为：辆/小时；

s_t、s_l为专用直行车道、左转车道的饱和流率，单位为：辆/小时；

q_l、q_r、q_t为共用车道中左转、右转及直行流量，单位为：辆/小时；

K_l、K_r为共用车道中的左转、右转系数；

饱和度阈值取先验值0.8～0.9。

信号周期计算采用如下公式：

$C=\frac{{\mathrm{LX}}_c}{X_c-\underset{i=1}{\overset{n}{\&Sigma;}}{y}_i}$

$L=\underset{i=1}{\overset{n}{\&Sigma;}}{l}_i$

其中：

L为交叉口一个周期内总的损失时间，单位为：秒；

X_c为交叉口饱和度阈值；

y_i为第i个关键车道组的流率比；

n为关键路径中的关键相位数；

l_i为相位i的的损失时间，单位为：秒；

取最大周期为干线双向协调控制的公共周期。

3.如权利要求1所述的一种基于路段速度区间的城市干线双向绿波控制优化方法，其特征在于，步骤2)包括以下步骤：

所述非协调阶段的最小有效绿时公式为：

$g_{in\min }=\frac{{\mathrm{Cv}}_{in}}{s_{in}x}$

所述协调阶段的最小有效绿时计算公式和最大有效绿时计算公式分别为：

$g_{i\min }=\frac{g_i(C-L_i)}{(C_i^{\&prime;}-L_i)}$

$g_{imax}=C-\underset{n=1}{\overset{k-1}{\&Sigma;}}{g}_{in\min }-L_i$

其中：

g_imin为交叉口i的协调相位最小有效绿灯时间，单位为：秒；

g_inmin为交叉口i非协调相位n的最小有效绿灯时间，单位为：秒；

g_imax为交叉口i的协调相位最大有效绿灯时间，单位为：秒；

C为公共周期；C′_i为交叉口i的原有周期，单位为：秒；

v_in为交叉口i非协调相位n的关键车道组的交通需求，单位为：辆/小时；

s_in为交叉口i非协调相位n的关键车道组的饱和流率，单位为：辆/小时；

x为干线上所有交叉口的饱和度阈值；

L_i为交叉口i的损失时间，单位为：秒。

4.如权利要求1所述的一种基于路段速度区间的城市干线双向绿波控制优化方法，其特征在于，步骤3)包括以下步骤：

计算获得双向协调相位的流率比；

依据路段车速的历史数据确定路段的平均速度，基于路段速度序列的特征分布，路段速度区间的计算公式如下：

$\&lsqb;v_{\min },v_{max}\&rsqb;=\&lsqb;\stackrel{\&OverBar;}{v}-1.96\mathrm{\&sigma;},\stackrel{\&OverBar;}{v}+1.96\mathrm{\&sigma;}\&rsqb;$

其中：

v_min为速度区间最低车速，单位为：千米/小时；

v_max为速度区间最高车速，单位为：千米/小时；

为速度区间的平均车速，单位为：千米/小时；

σ为速度序列标准差，

依据先验值设定显著性水平α＝0.05；

以关键交叉口开始推导上游交叉口及下游交叉口协调相位绿时及相位差：

$g_{i-1}=g_i-\frac{d_{(i-1,i)}}{v_{(i-1,i)max}}+\frac{d_{(i-1,i)}}{v_{(i-1,i)\min }}$

${\mathrm{\&phi;}}_{(i-1,i)}=\frac{d_{(i-1,i)}}{v_{(i-1,i)\min }}$

式中：

g_i-1为交叉口i-1协调相位的绿灯时间，单位为：秒；

g_i为交叉口i协调相位的绿灯时间，单位为：秒；

φ_(i-1,i)表示交叉口i和交叉口i-1之间的相位差，单位为：秒；

d_(i-1,i)表示交叉口i与交叉口i-1之间的距离，单位为：千米；

v_(i-1,i)max、v_(i-1,i)min分别表示叉口i和交叉口i-1之间路段速度区间的上限和下限；

干线上关键交叉口编号为i；

x_i1、x_i2分别为交叉口i正向绿波的开始点和结束点；

x_(i+1)1、x_(i+1)2分别为交叉口i+1正向绿波的开始点和结束点；

分别为交叉口i反向绿波的开始点和结束点；

分别为交叉口i+1反向绿波的开始点和结束点；

b_(i,i+1)、分别为交叉口i与i+1的正向、反向绿波带宽；

$x_{(i+1)1}=\frac{d_{(i,i+1)}}{v_{(i,i+1)\max }}+x_{i1}$

$x_{(i+1)2}=\frac{d_{(i,i+1)}}{v_{(i,i+1)\min }}+x_{i2}$

$\stackrel{\&OverBar;}{x_{i1}}=\frac{d_{\left(i,i+1\right)}}{\stackrel{\&OverBar;}{v_{\left(i,i+1\right)\max }}}+\stackrel{\&OverBar;}{x_{(i+1)1}}$

$\stackrel{\&OverBar;}{x_{i2}}=\frac{d_{\left(i,i+1\right)}}{\stackrel{\&OverBar;}{v_{\left(i,i+1\right)\min }}}+\stackrel{\&OverBar;}{x_{(i+1)2}}$

b_i+1＝x_i2-x_i1

${\stackrel{\&OverBar;}{b}}_{i+1}=\stackrel{\&OverBar;}{x_{(i+1)2}}-\stackrel{\&OverBar;}{x_{(i+1)1}}$

其中：

d_(i,i+1)为交叉口i与i+1之间的距离，单位为：千米；

v_(i,i+1)max为交叉口i与i+1之间速度区间最高车速，单位为：千米/小时；

v_(i,i+1)min为交叉口i与i+1之间速度区间最低车速，单位为：千米/小时；

基于相邻交叉口之间双向绿波带宽与车辆到达特性的相关性，采用流率比作为双向绿波带宽的权重建立带宽最大化优化目标函数，带宽最大化优化目标函数如下：

${\mathrm{MaxZ}}_{(i,i+1)}=b_{(i,i+1)}+c_{(i,i+1)}{\stackrel{\&OverBar;}{b}}_{(i,i+1)}$

$s.t\left\{\begin{array}{c}{\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}\&GreaterEqual;c_{\left(i,i+1\right)}{b}_{\left(i,i+1\right)},c_{\left(i,i+1\right)}<1\\ {\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}\&le;c_{\left(i,i+1\right)}{b}_{\left(i,i+1\right)},c_{\left(i,i+1\right)}>1\\ {\stackrel{\&OverBar;}{b}}_{\left(i,i+1\right)}=b_{\left(i,i+1\right)},c_{\left(i,i+1\right)}=1\\ k_{i}C<x_{i1}<k_{i}C+g_{k_i+1}\\ k_{i}C<x_{i2}<k_{i}C+g_{k_i+1}\\ \stackrel{\&OverBar;}{k_i}C<\stackrel{\&OverBar;}{x_{i1}}<\stackrel{\&OverBar;}{k_i}C+g_{\stackrel{\&OverBar;}{k_i}+1}\\ \stackrel{\&OverBar;}{k_i}C<\stackrel{\&OverBar;}{x_{i1}}<\stackrel{\&OverBar;}{k_i}C+g_{\stackrel{\&OverBar;}{k_i}+1}\\ k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<x_{\left(i+1\right)1}<k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{k_{\left(i+1\right)}+1}\\ k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<x_{\left(i+1\right)2}<k_{i+1}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{k_{\left(i+1\right)}+1}\\ \stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<\stackrel{\&OverBar;}{x_{\left(i+1\right)1}}<\stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{\stackrel{\&OverBar;}{k_{\left(i+1\right)}}+1}\\ \stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}<\stackrel{\&OverBar;}{x_{\left(i+1\right)2}}<\stackrel{\&OverBar;}{k_{i+1}}C+{\mathrm{\&phi;}}_{\left(i,i+1\right)}+g_{\stackrel{\&OverBar;}{k_{\left(i+1\right)}}+1}\end{array}\right\}$

其中：

c_(i,i+1)为交叉口i与i+1的方向比例系数，

v_i/s_i为交叉口i正向协调相位车道组的流率比；

为交叉口i+1的反向协调相位车道组的流率比；

C为公共周期，单位为：秒；

φ_(i,i+1)为交叉口i与交叉口i+1的相对相位差，单位为：秒；

k_i为交叉口i正向绿波中x_i1,x_i2所在周期的编号；

k_i+1为交叉口i+1正向绿波中x_(i+1)1,x_(i+1)2所在周期的编号；

为交叉口i反向绿波中所在周期的编号；

为交叉口i+1反向绿波中所在周期的编号。

5.如权利要求1所述的一种基于路段速度区间的城市干线双向绿波控制优化方法，其特征在于，步骤4)和步骤5)中：

基于干线协调控制相邻交叉口之间带宽最大化优化模型可获得各组相邻交叉口之间的相位差；从第二组交叉口开始增加重叠度检验的约束条件，所述第二组交叉口取i>1时计算，以最大限度满足车辆的连续通行性，重叠度以先验值选为0.5；

进行重叠度检验时，出现以下判定情况：

条件(1)当x'_i1≥x_i1且x'_i2≤x_i2或x'_i1≤x_i1且x'_i2≥x_i2时，满足重叠度要求；

条件(2)当x'_i2≤x_i1或x_i2≥x'_i1时，不满足重叠度要求；

条件(3)当x'_i1＜x_i1且x'_i2＜x_i2时，需判断：

条件(4)当x'_i1＞x_i1且x'_i2＞x_i2时，需判断：

以上几种条件的表达式中，α、分别表示正向绿波的重叠度阈值和反向绿波的重叠度阈值；

x'_i1,x'_i2为交叉口i-1与交叉口i绿波最大化过程中，交叉口i正向绿波的开始点和结束点；约束反向绿波重叠度阈值

得到的干线各交叉口的优化配时方案为：公共周期取最大值，非协调阶段有效绿时取最小值，协调阶段的有效绿时为g_i＝C-g_inmin-L_i；其中L_i为损失时间，g_inmin非协调阶段最小有效绿时；φ为相对相位差。