CN105913675A - 一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法 - Google Patents

Abstract

一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法。在快速道路瓶颈路段及其上下游设置可变限速指示牌和交通流检测器，通过多目标可变限速控制策略消除瓶颈位置通行能力下降现象，采用关键可变限速指示牌消除交通拥堵及通行能力下降现象，采用从属可变限速指示牌缓解交通流速度波动，通过限速值变化幅度控制可变限速值时空上的大幅波动，基于多目标遗传算法挖掘具有最优控制效果的核心控制参数取值。本发明弥补了之前可变限速控制往往针对单一控制目标展开的不足，同时改善通行效率和提高交通安全，实现多目标可变限速效益的最大化。

Description

一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法

技术领域

本发明属于交通控制和智能交通技术领域，具体涉及一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法。

背景技术

可变限速控制作为一种越来越被广泛用于改善快速道路交通环境的交通控制策略，其控制效果与可变限速值确定及发布中采用的算法密切相关。基于实时交通流数据触发多目标可变限速控制，通过有效阻止瓶颈通行能力下降现象的发生减少路段内系统通行时间，通过平滑可变限速值时空上的波动性降低道路事故风险，通过多目标遗传算法对可变限速控制核心控制参数取值进行优化。因此，基于多目标遗传算法的帕累托解集优化可变限速核心控制参数，实现多目标可变限速控制方法对通行效率和交通安全的双重提升。

目前的可变限速控制策略只能围绕单一控制目标开展，很难对两者重要程度进行判别并给出各目标在优化控制中的权重，对于可变限速控制的核心控制参数取值缺乏客观有效的优化过程，对于连续的可变限速指示牌缺乏对多个可变限速进行协调控制，导致可变限速值在时空上的大幅波动，对交通流系统产生干扰，缺乏对快速道路瓶颈通行能力下降现象的考虑。本发明提出同时面向通行效率改善与交通安全提升的多目标可变限速控制方法，相比于以往的可变限速控制方法，本发明提出的多目标可变限速控制方法同时考虑了交通安全和通行效率两个目标，有效阻止瓶颈位置通行能力下降现象的发生，大幅降低瓶颈及其上游路段的事故风险，有效改善了快速道路的交通环境。

发明内容

本发明要解决的问题是：以往的可变限速控制策略主要针对单一控制目标进行，但是实际交通控制中需要同时考虑多个因素，很难实现对各目标重要程度的判定及权重确定，以往可变限速控制缺乏对通行能力下降现象的判断和消除，由于缺乏对多个可变限速值的协调考虑易导致限速值的时空波动，最终导致可变限速控制的结果存在误差。本发明提出一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法，采用多目标遗传算法对多目标可变限速核心控制参数的取值进行优化，基于实测交通流数据判断瓶颈路段通行能力下降现象，采用比例-积分控制器计算限速值，通过平滑路段上可变限速值的时空波动性降低道路事故风险。克服之前可变限速控制目标单一且路段内可变限速值时空波动性大的缺点。

本发明技术方案为：

本发明提出一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法，同时考虑交通安全和通行效率两个控制目标，基于实测交通流数据判断通行能力下降现象，采用关键可变限速和从属可变限速相结合的方法实现多目标控制，通过可变限速值变化幅度和相邻路段最大限速值差控制可变限速值在时空上的波动性，基于多目标遗传算法获取多目标可变限速控制核心参数的最优取值，有助于决策者依据自身控制目标选择合适的可变限速控制策略。本方法对实际中通过多目标可变限速控制策略提高快速道路通行效率和交通安全具有重要意义。实例显示，本发明提出的多目标可变限速控制方法有很好的效果，优化后的策略能有效降低快速道路路段内总通行时间和提升交通安全。

附图说明

图1为多目标可变限速控制方法的流程图。

图2为多目标可变限速控制原理示意图。

图3为多目标遗传算法流程图。

图4为案例路段与可变限速指示牌布设示意图。

图5为多目标可变限速控制的帕累托解集分布图。

具体实施方式

本发明是基于多目标遗传算法和可变限速控制策略的基本流程提出一种同时改善通行效率和交通安全的可变限速控制方法，通过对瓶颈路段通行能力下降现象的识别即时触发多目标可变限速控制，计算关键可变限速标志位置的限速值，基于实时追尾事故风险预测计算从属可变限速标志的限速值，同时控制相邻路段限速值差保证可变限速控制时空的平滑波动，基于多目标遗传算法的帕累托解集确定可变限速核心控制参数取值。同时面向通行效率改善与交通安全提升的多目标可变限速控制方法的流程图如图1所示。

第一步是确定可变限速控制路段及瓶颈位置，在瓶颈位置上游处设置关键可变限速指示牌，在瓶颈上游路段设置从属可变限速指示牌，在瓶颈位置上下游设置交通流检测器。可变限速指示牌用于发布限速值，需要注意的是可变限速值统一要求为5mph的倍数，因此限速值的更新值四舍五入至5mph的整数倍值进行发布。可变限速控制周期可在30秒至2分钟范围内依据控制效果选择最终可变限速控制周期T。以30秒为周期通过交通流检测器实时获取可变限速控制路段各位置处交通流数据，包括占有率、交通流量和平均交通流速度。多目标可变限速控制原理示意图如图2所示。

第二步是基于路段历史交通流数据，对瓶颈通行能力下降幅度及通行能力下降现象发生时对应的关键占有率进行确定。从瓶颈路段的历史交通流数据中挑选出瓶颈位置下游的第一个交通流检测器以及瓶颈位置上游的第一个交通流检测器对应的数据，分别计算两个检测器的斜累计流量并分别绘制斜累计流量-时间关系图，同时绘制两个检测器的速度-时间关系图和占有率-时间关系图。以斜累计流量发生突变的时刻作为初始拐点，以初始拐点为交点绘制初始拐点时刻前、后3分钟内两条斜累计流量拟合直线，变换拐点时刻使两直线偏离斜累积流量曲线的总方差和最小，则当前拐点即为斜累计流量曲线的最终拐点位置。斜累计流量曲线最终拐点前后交通流量之差为通行能力下降幅度的标定值，拐点时刻对应的占有率值为通行能力下降现象发生时对应的占有率阈值的标定值。

第三步是确定关键可变限速值，其作用是对进入瓶颈位置的交通流量进行调节，从而消除瓶颈交通拥堵及避免瓶颈交通流出现通行能力下降。当前时刻为可变限速控制周期整倍数时，采用如下式的比例-积分控制器计算关键可变限速值：

VSL_C(k)＝VSL_C(k-1)+(K_P+K_I)e_o(k)-K_Pe_o(k-1) (1)

其中，VSL_C(k)为k时刻关键可变限速值，K_P和K_I为控制参数，为瓶颈位置占有率控制误差，为关键占有率，o(k)为k时刻瓶颈位置实测占有率。

第四步是确定从属可变限速值，其作用为在瓶颈上游路段平滑交通流速度波动，避免拥堵传播过程中由于车辆突然减速导致的追尾事故风险。当前时刻为可变限速控制周期整倍数时，基于实测交通流数据计算各路段内交通事故风险。当某路段内事故风险值大于设定阈值时，启动该路段的可变限速控制，从属可变限速值计算公式如下：

$V_{SL}(x_i,k+1)=\left\{\begin{array}{c}{V}_{SL}\left(default\right)-{\mathrm{\ΔV}}_{SL}(x_i,k),if{R}_i\left(k\right)>R_{TH}\\ \min \{V_{SL}\left(default\right),V_{SL}(x_i,k)+{\mathrm{\ΔV}}_{SL}(x_i,k)\},else\end{array}\right.---\left(2\right)$

其中，V_SL(xi,k)为xi位置可变限速标志k时刻的限速值，V_SL(default)为路段默认限速值，ΔV_SL(x_i,k)为限速值变化幅度，Ri(k)为k时刻路段i内事故风险，R_TH启动可变限速的事故风险阈值。

第五步是依据变化步长逐步调整可变限速值至第三步和第四步中计算得到的目标限速值，计算公式如下：

${\mathrm{\&Delta;V}}_{SL}(x_i,k)=\left\{\begin{array}{c}-\mathrm{\&Delta;}V,if{T}_{VSL}(x_i,k+1)<V_{SL}(x_i,k)-\mathrm{\&Delta;}V\\ \mathrm{\&Delta;}V,if{T}_{VSL}(x_i,k+1)>V_{SL}(x_i,k)-\mathrm{\&Delta;}V\\ 0,if{V}_{SL}(x_i,k)-\mathrm{\&Delta;}V<T_{VSL}(x_i,k+1)<V_{SL}(x_i,k)+\mathrm{\&Delta;}V\end{array}\right.---\left(3\right)$

其中，ΔV为限速值变化幅度，T_VSL(xi,k+1)为目标限速值。

第六步是为避免空间上可变限速值的大幅波动，当相邻路段限速值差大于最大允许值ΔV'时，则对限速值进行调节，计算公式如下：

ΔV_SL(x_i,k)＝-ΔV',if T_VSL(x_i,k+1)>T_VSL(x_i-1,k+1)+ΔV' (4)

第七步是核查第六步修正后的可变限速值，对限速值四舍五入至5mph的整数倍，比较所得限速值V_SL(x_i,k+1)与预设的可变限速值合理范围[V_min,V_max]，当V_SL(x_i,k+1)超过[V_min,V_max]，则采用范围内最小值或最大值用于下一个可变限速控制周期T+1。在可变限速指示牌处发布所得可变限速控制值。

第八步是确定参数的取值范围和变化步长，同时确定用于遗传算法的优化目标函数。

控制方法的7个核心控制参数分别是：整数-积分控制器中的参数KI；整数-积分控制器中的参数KP；可变限速控制周期T；启动可变限速的事故风险阈值；目标限速值；限速值变化幅度；相邻路段最大限速值差。控制器中参数KI取值范围为0.001至0.03，KP取值范围为0.001至0.03，可变限速控制周期为30秒至2分钟，启动可变限速的事故风险阈值范围为0.01至0.4，目标限速值取值范围为20mph至40mph，限速值变化幅度取值范围为5mph至10mph，相邻路段最大限速值差取值范围为5mph至20mph，上述核心参数取值范围如表1所示。

表1多目标可变限速控制核心参数取值

核心控制参数	描述
		整数-积分控制器中的参数KI	[0.001,0.005,0.01,0.015,0.02,0.025,0.03]
整数-积分控制器中的参数KP	[0.001,0.005,0.01,0.015,0.02,0.025,0.03]
		可变限速控制周期	[30s,1min,2min]
启动可变限速的事故风险阈值	[0.01,0.1,0.2,0.3,0.4]
		目标限速值	[20mph,25mph,30mph,35mph,40mph]
限速值变化幅度	[5mph,10mph,15mph,20mph]
		相邻路段最大限速值差	[5mph,10mph,15mph,20mph]

多目标可变限速控制方法的两个控制目标分别是：减少路段内总通行时间；降低路段总事故风险，因此本专利中遗传算法有两个适应度函数，第一个适应度函数F1为可变限速控制下事故风险降低比例最大：

$F_1=min\left(\frac{R_{VSL}-R_{Non}}{R_{Non}}\right)---\left(5\right)$

$R=\underset{k=1}{\overset{K}{\&Sigma;}}\underset{i=1}{\overset{N}{\&Sigma;}}{P}_{i,k}---\left(6\right)$

其中，R_VSL为可变限速控制下总事故风险，R_Non为无控制下总事故风险，P_i,k为路段i时刻k的事故概率，K为仿真时长，N为路段个数。

第二个适应度函数F2为可变限速控制下总通行时间降低比例最大：

$F_2=min\left(\frac{T_{VSL}-T_{Non}}{T_{Non}}\right)---\left(7\right)$

$T=\underset{k=1}{\overset{K}{\&Sigma;}}\underset{i=1}{\overset{N}{\&Sigma;}}{n}_{i,k}g\mathrm{\&Delta;}t---\left(8\right)$

其中，T_VSL为可变限速控制下总通行时间，T_Non为无控制下总通行时间，n_i,k为路段i时刻k的车辆个数。

第九步是采用多目标遗传算法(即NSGA-Ⅱ算法)对上述多目标可变限速控制方法的7个核心控制参数进行标定，获得分布合理的多目标可变限速控制优化的帕累托解集，具体流程为：确定多目标遗传算法中的种群个数以及最大进化代数，随机选择可变限速控制因子，产生初始个体以及初始种群。仿真分析中对可变限速控制下交通流进行计算，根据适应度函数计算当前进化代中每个个体策略的适应度值，采用多目标遗传算法NSGA-II评价每个个体的总体表现，对当代种群中帕累托解集中个体信息进行更新。之后，选择父代个体进行交叉和变异操作，对个体执行精英政策选择，从而产生具有更高适应度的新一代种群。该迭代过程不断进行，直到满足迭代停止条件后，多目标遗传算法终止，对帕累托解集以及个体中控制因子信息进行输出。流程图如图3所示。

第十步是决策者依据第九步中得到的多目标优化的帕累托解集，确定7个核心控制参数的优化取值带入第三到第七步中作为控制参数的推荐取值，然后依据第一步到第七步的控制方法对快速道路瓶颈路段进行多目标可变限速控制。

下面结合附图对发明的控制方法进行了实例演示:

假设某段桩号为PM20.00—PM27.00的单向路段，路段下游入口匝道与主线交汇区域常发拥堵瓶颈，路段几何特征及可变限速指示牌设置位置如图4所示。假设自由流速度为65mph，路段默认限速值V_default为65mph。基于多目标遗传算法对多目标可变限速核心控制参数取值进行优化，所得帕累托解集分布如图5所示，对于图5中的每个控制策略，都不存在另一个控制策略在来年各个控制目标上均比其他效果好。综合考虑通行效率改善和交通安全提升双重目标，选择A点对应的参数取值为推荐取值，具体为：参数KI＝0.01，参数KP＝0.02，可变限速控制周期为30秒，事故风险阈值为0.01，目标限速值为45mph，限速值变化幅度为5mph，相邻路段最大限速差为25mph。该策略下路段内总事故风险下降了24.19％，总通行时间仅增加了0.56％。

9时30分检测到瓶颈处占有率高于关键占有率，触发多目标可变限速优化控制。计算关键可变限速值VSLC(k)＝VSLC(k-1)+(KP+KI)eo(k)-KPeo(k-1)＝65+(0.01+0.02)eo(k)-0.02eo(k-1)＝62mph，基于实测交通流数据计算所得瓶颈上游事故风险值为0.03，大于事故风险阈值0.01，故计算从属可变限速值V_SL(x_i,k+1)＝65-5＝60mph。修正限速值，由于T_VSL(x_i,k+1)＝45mph＜60-5＝V_SL(x_i,k)-ΔV，因此可变限速值的变化幅度为5mph，经核查，相邻两个可变限速指示牌的限速值差均小于ΔV'＝25mph。关键可变限速值取5mph的整倍数后为60mph，由于关键可变限速值和从属可变限速值均属于路段允许限速值范围[0mph,70mph]内，故发布可变限速值为60mph。

Claims (6)

1.一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法，其特征是包括步骤：

1)在瓶颈位置上游临近位置处设置关键可变限速指示牌，瓶颈上游路段设置从属可变限速指示牌，配套设置交通流检测器，以30秒为周期通过交通流检测器实时获取可变限速控制路段各位置处交通流数据，包括占有率、交通流量和平均交通流速度。以可变限速控制周期T发布可变限速值；

2)基于瓶颈路段的历史交通流数据，分别计算瓶颈位置上下游相邻交通流检测器的斜累计流量，分别绘制斜累计流量-时间关系图、速度-时间关系图和占有率-时间关系图，斜累计流量曲线拐点前后交通流量之差为通行能力下降幅度的标定值，拐点时刻对应的占有率值为通行能力下降现象发生时对应的占有率阈值的标定值；

3)当前时刻为可变限速控制周期整倍数时，采用如下式的比例-积分控制器计算关键可变限速值：

VSL_C(k)＝VSL_C(k-1)+(K_P+K_I)e_o(k)-K_Pe_o(k-1)

其中，VSL_C(k)为k时刻关键可变限速值，K_P和K_I为控制参数，为瓶颈位置占有率控制误差，为关键占有率，o(k)为k时刻瓶颈位置实测占有率；

4)当前时刻为可变限速控制周期整倍数时，采用如下式计算从属可变限速值：

$V_{SL}(x_i,k+1)=\left\{\begin{array}{c}{V}_{SL}\left(default\right)-{\mathrm{\&Delta;V}}_{SL}(x_i,k),if{R}_i\left(k\right)>R_{TH}\\ min\{V_{SL}\left(default\right),V_{SL}(x_i,k)+{\mathrm{\&Delta;V}}_{SL}(x_i,k)\},else\end{array}\right.$

其中，V_SL(x_i,k)为x_i位置可变限速标志k时刻的限速值，V_SL(default)为路段默认限速值，ΔV_SL(x_i,k)为限速值变化幅度，Ri(k)为k时刻路段i内事故风险，R_TH为启动可变限速的事故风险阈值；

5)依据变化步长逐步调整可变限速值至步骤3)和步骤4)中计算得到的目标限速值，计算公式如下：

${\mathrm{\&Delta;V}}_{SL}(x_i,k)=\left\{\begin{array}{cc}-\mathrm{\&Delta;}V,& if{T}_{VSL}(x_i,k+1)<V_{SL}(x_i,k)-\mathrm{\&Delta;}V\\ \mathrm{\&Delta;}V,& if{T}_{VSL}(x_i,k+1)>V_{SL}(x_i,k)-\mathrm{\&Delta;}V\\ 0,& if{V}_{SL}(x_i,k)-\mathrm{\&Delta;}V<T_{VSL}(x_i,k+1)<V_{SL}(x_i,k)+\mathrm{\&Delta;}V\end{array}\right.$

其中，ΔV为限速值变化幅度，T_VSL(x_i,k+1)为目标限速值；

6)当相邻路段限速值差大于最大允许值ΔV'时，则对限速值进行调节，计算公式如下：

ΔV_SL(x_i,k)＝-ΔV',if T_VSL(x_i,k+1)>T_VSL(x_i-1,k+1)+ΔV'

7)确定控制方法的7个核心控制参数的取值范围和变化步长，所述遗传算法有两个适应度函数，第一个适应度函数为：

$F_1=min\left(\frac{R_{VSL}-R_{Non}}{R_{Non}}\right)$

$R=\underset{k=1}{\overset{K}{\&Sigma;}}\underset{i=1}{\overset{N}{\&Sigma;}}{P}_{i,k}$

其中，R_VSL为可变限速控制下总事故风险，R_Non为无控制下总事故风险，P_i,k为路段i时刻k的事故概率，K为仿真时长，N为路段个数。

第二个适应度函数为：

$F_2=min\left(\frac{T_{VSL}-T_{Non}}{T_{Non}}\right)$

$T=\underset{k=1}{\overset{K}{\&Sigma;}}\underset{i=1}{\overset{N}{\&Sigma;}}{n}_{i,k}g\mathrm{\&Delta;}t$

其中，T_VSL为可变限速控制下总通行时间，T_Non为无控制下总通行时间，n_i,k为路段i时刻k的车辆个数；

8)采用多目标遗传算法(即NSGA-Ⅱ算法)对步骤3)到步骤6)中多目标可变限速控制方法的7个核心控制参数进行标定，具体为确定多目标遗传算法中的种群个数以及最大进化代数，随机选择可变限速控制因子，产生初始个体以及初始种群；对可变限速控制下交通流进行计算，根据适应度函数计算当前进化代中每个个体策略的适应度值，采用多目标遗传算法NSGA-II评价每个个体的总体表现，对当代种群中帕累托解集中个体信息进行更新。之后，选择父代个体进行交叉和变异操作，对个体执行精英政策选择，从而产生具有更高适应度的新一代种群。该迭代过程不断进行，直到满足迭代停止条件后，多目标遗传算法终止，对帕累托解集以及个体中控制因子信息进行输出；

9)决策者依据步骤8)中得到的多目标优化的帕累托解集，确定7个核心控制参数的优化取值带入步骤3)到步骤6)中作为控制参数的推荐取值，然后依据步骤1)到步骤6)的控制方法对快速道路瓶颈路段进行多目标可变限速控制。

2.根据权利要求1所述的一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法，其特征是所述步骤1)中可变限速指示牌发布的可变限速值统一要求为5mph的倍数，因此限速值的更新值四舍五入至5mph的整数倍值进行发布，可变限速控制周期可在30秒至2分钟范围内依据控制效果选择。

3.根据权利要求1所述的一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法，其特征是所述步骤2)中斜累计流量曲线拐点位置确定方法如下：以斜累计流量发生突变的时刻作为初始拐点，以初始拐点为交点绘制初始拐点时刻前、后3分钟内两条斜累计流量拟合直线，变换拐点时刻使两直线偏离斜累积流量曲线的总方差和最小，则当前拐点即为斜累计流量曲线的最终拐点位置。

4.根据权利要求1所述的一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法，其特征是所述步骤7)中的控制方法的7个核心控制参数分别是：整数-积分控制器中的参数K_I；整数-积分控制器中的参数K_P；可变限速控制周期T；启动可变限速的事故风险阈值；目标限速值；限速值变化幅度；相邻路段最大限速值差。控制器中参数K_I取值范围为0.001至0.03，K_P取值范围为0.001至0.03，可变限速控制周期为30秒至2分钟，启动可变限速的事故风险阈值范围为0.01至0.4，目标限速值取值范围为20mph至40mph，限速值变化幅度取值范围为5mph至10mph，相邻路段最大限速值差取值范围为5mph至20mph。

5.根据权利要求1所述的一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法，其特征是所述步骤7)中多目标可变限速控制方法的两个控制目标分别是：减少路段内总通行时间；降低路段总事故风险。据此分别确定多目标遗传算法的两个适应度函数。

6.根据权利要求1所述的一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法，其特征是所述步骤9)中发布可变限速值V_SL(k)前，需比较V_SL(k)值与预设的可变限速值合理范围[V_min,V_max]，当V_SL(k)超过[V_min,V_max]范围时，采用范围内最小值或最大值用于下一个可变限速控制周期，然后在可变限速指示牌处发布所得可变限速控制值。