CN107730886B - 一种车联网环境下城市交叉口交通信号动态优化方法 - Google Patents

Abstract

本发明提供一种车联网环境下城市交叉口交通信号动态优化方法，该方法首先确定以交叉口平均排队时间和通行能力的比值为优化目标函数，同时实现平均排队时间最小且通行能力最大的效果；其次考虑实际车联网环境影响，以通信时延、相位周期和有效绿灯时间为约束条件，建立车联网环境下城市交叉口动态信号优化模型。通过本方法，可以有效优化中高饱和度的城市交叉口信号控制效果，同时有效改善城市交叉口交通环境，提高道路通行能力。

Description

一种车联网环境下城市交叉口交通信号动态优化方法

技术领域

本发明属于交通信号优化/车联网技术应用领域，具体涉及一种基于车联网技术的新型城市交叉口信号优化方法。

背景技术

随着中国经济的飞速发展和城市化进程的日益加快，相对于机动车拥有量的快速增长，交通拥堵问题日趋严重。城市道路信号交叉口作为城市交通网络的重要组成部分，是存在交通拥堵问题最为严重的“区域”之一。目前针对城市道路交叉口交通信号优化方法有很多种，最基本的交通信号控制方式是单点固定信号配时方式，其理论基础是著名的韦伯斯特一柯布理论，该理论提出等饱和度原则以及使交叉口饱和度恰为1的最短周期时长公式和使交叉口车辆总延误最小的最佳周期时长公式。由于其理论基础的合理性，韦伯斯特配时模型被广泛应用。但在工程实践中人们发现当交通量发生较快变化时，韦伯斯特配时模型所给出的信号配时方案不能获得令人满意的效果。

针对韦伯斯特模型的缺陷，当前有许多新的信号优化方法被提出。如建立平均延误时间最短、通行能力最大的多目标信号配时优化模型，并以鲁棒性最好为目标、以有效绿灯时间、总时长、各方向最大滞留车辆数为约束条件；又如同时考虑空间设计和时间设计的信号配时优化流程，并建立以平均延误时间、平均停车次数和通行能力为目标的交叉口信号配时优化模型；还有学者从平衡分布网络交通流的角度出发，以路网运行效率最优为目标，建立了优化交叉口信号配时参数和阻抗函数值的双层规划模型。

虽然后来的学者对韦伯斯特模型进行了不同程度的改进，但改进后的信号优化模型大多是基于传统的交叉口评价指标，如通行能力、延误、平均停车次数、行程时间等，其数据来源大多基于传统检测器获取，无法全面且实时的得到交通流信息以及，而车联网技术的兴起能很好的解决这一问题，在车联网环境下人们能够获取车辆信息，如：车速，加速度，位置，油耗等，还能获得信号控制器的配时信息。因此，本发明在传统信号控制模型的基础上引入车联网技术，选取车联网环境下信号控制交叉口处的车辆平均排队时间和通行能力作为主要评价指标，确定以交叉口平均排队时间和通行能力的比值CI为优化目标，同时实现平均排队时间最小且通行能力最大的效果，建立相应的信号优化模型。

现有技术：

交通信号控制技术，运用现代的信号装置，通信设备，遥测及计算机技术等动态的交通进行实时的组织与调整。通过交通信号控制，在未饱和的交通条件下，降低车辆延误，减少红灯停车次数，缩短车辆在交叉口内的行驶时间，提高城市交叉口的通行能力，在饱和交通条件下，使交通流有序进行，分流车辆，缓解堵塞。

车联网技术：(1)车载单元通信技术，基于CAN总线通信技术，通过车载CAN网络提取车辆的速度信息，由GPS接收装置获得车辆位置信息，并将收集的信息融合、处理后，以有线的方式传输至车载单元通信系统，从而为路侧单元提供实时、有效的与车辆相关的交通信息。(2)路侧单元通信技术，路侧单元通信系统包含地磁车辆检测节点和中心网关，通过构建的无线传感网络实现检测节点与中心网关的相互通信，中心网关用来接收地磁检测节点上传的检测信息，然后将信息通过RS485传送到交通信号控制器，路侧单元通信系统便能从交通信号控制器得到道路上的车辆信息及红绿灯状态信息。

现有技术不足

1、目前信号控制优化模型大多是基于传统的交叉口评价指标，如通行能力、延误、停车次数、行程时间等，优化目标较为单一，且未能从出行者和管理者两方面综合考虑。

2、在进行模拟验证时，其数据来源大多是基于传统检测器或人工采集的方式，一方面无法全面且实时的获得交通信息，另一方面数据的可靠度还有待提高。

发明内容

针对现有技术的不足，本发明设计了一种车联网环境下城市交叉口交通信号动态优化方法，该方法从交通管理者和出行者两方面考虑，可同时实现平均排队时间最小且通行能力最大的效果，同时考虑实际车联网环境影响，以通信时延、相位周期和有效绿灯时间为约束条件，建立车联网环境下城市交叉口动态信号优化方法，可以有效改善城市交叉口拥堵环境，提高道路通行能力。本发明具体采用如下技术方案，该方法包括：

步骤1：将车联网环境下的车流波分为停车波和启动波，并根据停车波和启动波的传递时间计算交叉口的平均排队时间

(1)停车波传递时间计算

停车波传递到第n辆车的时间为：

式中，V₂为车辆停车前的正常行驶速度；K₁为停车波状态下的正常行驶密度；K₂为停车波状态下的阻塞密度；α、β为待标定参数；

(2)启动波传递时间计算

启动波传递到第n辆车的时间为：

式中，H_t为饱和车头时距；K_t为启动波状态下的交通流阻塞密度；V₁为车辆加速后的最大行驶速度；

(3)交叉口平均排队时间计算

交叉口第i相位车流在交叉口处的车辆排队时间为：

对进口道上每个相位的平均排队时间进行集计处理，可得交叉口车辆平均排队时间为：

其中，C为周期，g_i为第i相位有效绿灯时间，L为交叉口总损失时间，N为相位数，Δt为通信时延时间，M为车道组数,q_ij为第i相位关联的第j车道组的交通流量；

步骤2：进口道通行能力计算

进口道上每组车道的通行能力为：

式中，S_ij为第i相位关联的第j车道组的饱和流率；

步骤3：确定优化目标函数和约束条件，并建立信号优化模型

(1)目标函数为：

式中，CI为优化目标函数为通行能力和车联网平均排队时间的综合指标；

(2)约束条件为：

g_imin≤g_i≤g_imax

式中，g_imin为第i相位最小绿灯时间，g_imax为第i相位最大绿灯时间；

临界相位有效绿灯时间可由临界周期时长得到：

式中，C_min为最小周期时长，C_max为最大周期时长，y_i为第i相位的流量比，Y为交叉口总流量比；

由上述公式可得：

(3)信号优化模型确立

车联网环境下信号优化模型如下:

求解上述优化模型，计算得出当前交通状态下交叉口所有相位的最优绿灯时间，从而实现通行能力最大以及排队时间最少。

附图说明

图1是车联网环境下城市路口示意图。

图2是两种密度下车流运行状况图。

图3是红灯期间路段交通流状态图。

图4是绿灯期间路段交通流状态图。

其中，[1----8]-车载单元，[9，10]-路侧系统，[11]-车辆定位系统，[12]-远端服务器，[13]-交通管控中心。

具体实施方式

本发明应用了车联网环境下的专用短程通信技术(DSRC)设计车-车、车-路无线通信系统，车联网环境下城市路口示意图如图1所示。

基于车联网技术的城市路口信号优化方法的研究过程，需要满足以下三个要求：

要求1：在交叉口排队的车辆不考虑横向干扰和其他车辆变换车道影响；

要求2：每辆车装有通讯设备，进入交叉口控制区域后车辆都完全受控即车联网渗透率为100％；

要求3：在交叉口控制区域内，车-车，车-路通信时延为一个定值，不因车辆位置，速度的改变而改变。

交叉口车辆平均排队时间受多种因素影响，包括交叉口配时方案、车辆速度、车头时距、车流量、车流密度等。车联网环境下，车-车、车-路通讯必须按照统一的协议进行无线信息交互，通讯协议主要信息如表1所示：

表1通讯协议信息

本发明在计算交叉口车辆平均排队时间时考虑车流波的影响，车联网环境下的车流波模型如图2所示：

图2中V₁、K₁:表示A区车辆的区间平均速度、车流密度；V₂、K₂：表示B区车辆的平均速度、车流密度；V_w表示波阵面S的传播速度。在车联网环境下以上的车辆信息可以快速获取到，并通过无线通信的方式传输到路侧系统中。

在t时间内通过分界线S的车辆数n可表示为：

n＝V₁K₁t＝V₂K₂t (1)

即n＝(V₁-V_W)K₁＝(V₂-V_W)K₂,整理可得：

V₂K₂-V₁K₁＝V_W(K₂-K₁) (2)

由交通流理论Q＝KV可知：

Q₁＝V₁K₁ (3)

Q₂＝K₂V₂ (4)

式中：Q₁，Q₂分别为分界线S左侧和右侧的车流量。

由Q₁，Q₂表达式可得：

车联网环境下的车流波分为两部分：停车波和启动波。

优化方法步骤为：

步骤1：将车联网环境下的车流波分为停车波和启动波，并根据停车波和启动波的传递时间计算交叉口的平均排队时间。

(1)停车波传递时间计算

当信号灯进入红灯状态，头车开始制动，跟随车辆速度由V₂(注：V₂为跟随车辆的正常行驶速度)逐渐下降为0，即进入阻塞路段，此时车载终端与信号灯系统通信，获得红灯时间RL，考虑到车联网环境下车辆获取当前红灯时间的过程会有一定的通信时延，设通信时延时间为Δt。红灯启亮后路段交通流行驶状态如图3所示。

其中停车波传递到第n辆车的时间为：

式中，V₂为车辆停车前的正常行驶速度；K₁为停车波状态下的正常行驶密度；K₂为停车波状态下的阻塞密度；α、β为待标定参数。

(2)启动波传递时间计算

当信号灯进入绿灯状态时，停车线前的车辆启动加速通过交叉口，跟驰车辆在t₁时间后启动加速到最大行驶速度V₁后匀速通过交叉口。此时路段交通流有三种状态：交叉口附近怠速车辆处于阻塞状态，路段中间车辆处于停车状态，路段上游车辆处于自由流行驶状态，当信号灯进入绿灯状态后，路段交通流状态如图4所示。

启动波传递到第n辆车的时间为：

式中，H_t为饱和车头时距；K_t为启动波状态下的交通流阻塞密度；V₁为车辆加速后的最大行驶速度。

(3)交叉口平均时间计算

第i相位的红灯时间：R_Li＝C-L_i-g_i；其中C为周期，g_i为第i相位有效绿灯时间；L_i为交叉口第i相位损失时间，为方便计算令每相位损失时间

L为交叉口总损失时间，N为相位数。则第i相位的红灯时间可表达为：

则交叉口第i相位车流在交叉口处的车辆排队时间为：

T_n＝(R_Li-Δt)-T_n1+T_n2 (8)

其中n为该相位排队车辆数，由上式得到：

对进口道上每个相位的平均排队时间进行集计处理，可得交叉口车辆平均排队时间为：

其中，C为周期，g_i为第i相位有效绿灯时间，L为交叉口总损失时间，N为相位数，Δt为通信时延时间，M为车道组数,q_ij为第i相位关联的第j车道组的交通流量。

步骤2：进口道通行能力计算

一条车道组的通行能力为:

式中：Q_ij为第i相位关联的第j车道组的通行能力(veh/h)；S_ij为第i相位关联的第j车道组的饱和流率(veh/h)；gi为第i相位有效绿灯时间(s)；

为周期时长(s)。

则进口道上每组车道的通行能力为：

式中，Q为交叉口通行能力(veh/h)；N为相位数；M为车道组数。

步骤5：确定优化目标函数

本发明优化目标函数为通行能力和车联网平均排队时间的综合指标CI，使目标函数取最小值，即：

式中，

为平均排队时间；Q为通行能力，二者比值作为优化函数，可实现多目标向单目标的转化，且能满足平均排队时间最小且以及通行能力最大的要求。

步骤6：确定约束条件

随着周期时长增加，车辆排队时间及延误会随之增加，考虑到车辆行驶的安全性以及满足行人过街需求，选取最小周期时长和最大周期时长分别为C_min＝60s、C_max＝120s，相应地，相位有效绿灯时间也应在临界的上、下限之间，即：

g_{i min}≤g_i≤g_{i max} (14)

式中：g_imin为第i相位最小绿灯时间(s)；g_imax为第i相位最大绿灯时间(s)；

临界相位有效绿灯时间可由临界周期时长得到：

式中：C_min为最小周期时长(s)，C_max为最大周期时长(s)，y_i为第i相位的流量比，Y为交叉口总流量比。则将式14代入式13中得到：

步骤7：最终车联网环境下信号优化模型确立

综上所述，满足以上约束条件的前提下，最终确立的车联网环境下信号优化模型如下所示：

式中，q_ij为第i相位关联的第j车道组的交通流量(veh/h)；S_ij为第i相位关联的第j车道组的饱和流率(veh/h)；gi为第i相位有效绿灯时间(s)；C为相位周期。通过以上优化模型，可以计算得出当前交通状态下交叉口所有相位的最优绿灯时间，从而达到通行能力最大以及排队时间最小的目的。

Claims (1)

1.一种车联网环境下城市交叉口交通信号动态优化方法，其特征在于，

步骤1：将车联网环境下的车流波分为停车波和启动波，并根据停车波和启动波的传递时间计算交叉口的平均排队时间

(1)停车波传递时间计算

当信号灯进入红灯状态，头车开始制动，跟随车辆速度由V₂逐渐下降为0，即进入阻塞路段，停车波传递到第n辆车的时间为：

式中，V₂为车辆停车前的正常行驶速度；K₁为停车波状态下的正常行驶密度；K₂为停车波状态下的阻塞密度；α、β为待标定参数；

(2)启动波传递时间计算

当信号灯进入绿灯状态时，停车线前的车辆启动加速通过交叉口，跟随车辆在t₁时间后启动加速到V₁后匀速通过交叉口，启动波传递到第n辆车的时间为：

式中，H_t为饱和车头时距；K_t为启动波状态下的交通流阻塞密度；V₁为车辆加速后的最大行驶速度；

(3)交叉口平均排队时间计算

交叉口第i相位车流在交叉口处的车辆排队时间为：

对进口道上每个相位的平均排队时间进行集计处理，可得交叉口车辆平均排队时间为：

其中，C为周期，g_i为第i相位有效绿灯时间，L为交叉口总损失时间，N为相位数，Δt为通信时延时间，M为车道组数,q_ij为第i相位关联的第j车道组的交通流量；

步骤2：进口道通行能力计算

进口道上每组车道的通行能力为：

式中，S_ij为第i相位关联的第j车道组的饱和流率；

步骤3：确定优化目标函数和约束条件，并建立信号优化模型

(1)目标函数为：

式中，CI为优化目标函数为通行能力和车联网平均排队时间的综合指标；

(2)约束条件为：

g_imin≤g_i≤g_imax

式中，g_imin为第i相位最小绿灯时间，g_imax为第i相位最大绿灯时间；

临界相位有效绿灯时间可由临界周期时长得到：

式中，C_min为最小周期时长，C_max为最大周期时长，y_i为第i相位的流量比，Y为交叉口总流量比；由上述公式可得：

(3)信号优化模型确立

车联网环境下信号优化模型如下:

求解上述优化模型，计算得出当前交通状态下交叉口所有相位的最优绿灯时间，从而实现通行能力最大以及排队时间最少。

Images