CN109785619A - 区域交通信号协调优化控制系统及其控制方法 - Google Patents

Abstract

本发明揭示了一种区域交通信号协调优化控制系统及其控制方法，所述系统将路网内的各个路口节点均设置为交叉口控制智能体，每个所述交叉口控制智能体均包括交通状态感知模块、交通信号协调优化模块、协调控制模块、执行模块以及交叉口控制智能体。本发明的方案有效地提高了交通效率，降低了车辆平均延误，减少了车辆平均排队长度并减小了区域进出比，具有很高的使用及推广价值。

Description

区域交通信号协调优化控制系统及其控制方法

技术领域

本发明涉及一种交通信号控制系统及其控制方法，具体而言，涉及一种基于博弈论的区域交通信号协调优化控制系统及应用该系统的控制方法，属于智能交通技术领域。

背景技术

随着我国经济的快速发展和城市化进程的逐渐加快，交通机动化的趋势日益明显。道路交通量快速增长，路网密度不断增强，城市交通的拥挤状况日益严重。在这样的环境背景下，以区域作为研究对象的区域交通信号协调控制方法越来越受到研究学者的重视，区域交通信号的协调优化控制技术已经逐渐成为了业内的研究热点。

目前，业内对于区域交通协调控制技术已经开展了诸多研究。其中，部分学者提出了一种基于强化学习算法的交通控制模型，虽然这一模型能够在一定的程度上减少车辆的平均等待时间，但对于复杂的区域交通系统而言，强化学习的过程需要花费很长的时间，从而导致系统效率低，难以实现对整体区域的协调控制。部分学者提出了一种基于博弈论的多交叉口控制方案，这一方案能够有效地减少车辆行驶时间和延误时间。但在该方案的博弈协调规则下、通过设置概率随机判断交叉口是否与相邻交叉口进行协调，这一方式可能会导致部分交叉口已经拥堵但是没有进行协调，最终很难缓解交通堵塞。还有部分学者提出了一种以车辆平均延误时间作为优化目标的控制方案、同时结合传统的粒子群算法进行优化以提高交通效率。但由于传统的粒子群算法存在易陷入局部最优、收敛精度不高，从而造成最终优化结果不准确的缺陷，因此这一方案仍然很难在实际的应用中获得良好的使用反馈。

综上所述，如何在现有技术的基础上提出一种全新的区域交通信号协调优化控制系统及相应的控制方法，充分结合诸多现有技术的优点、克服其不足，从而真正地实现对区域交通信号的协调优化控制，也就成为了目前业内研究人员亟待解决的问题。

发明内容

鉴于现有技术存在上述缺陷，本发明的目的是提出一种区域交通信号协调优化控制系统，所述控制系统将路网内的各个路口节点均设置为交叉口控制智能体，每个所述交叉口控制智能体均包括：

交通状态感知模块，用于获取路口交通状态，采集各个交叉口中各条车道上的车流信息；

交通信号协调优化模块，用于分析当前交叉口及相邻交叉口的交通状态，得出各个交叉口的最优配时方案及其对应的性能指标，并输出结果；

协调控制模块，用于接收所述交通信号协调优化模块输出的最优配时方案和性能指标，比较现行控制方案的性能指标与调整配时后方案的性能指标，将其中最优性能指标所对应的各个路口的优化配时方案进行输出；

执行模块，用于接收所述协调控制模块输出的优化配时方案，并将信号配时方案输出给交叉口控制模块执行；

交叉口控制模块，用于将所述执行模块输出的优化配时方案给信号灯执行，并将该交叉口的交通信息传递给交通信号协调优化模块；

所述交通状态感知模块的信号输出端与所述交通信号协调优化模块的信号输入端相连接，所述交通信号协调优化模块的信号输出端与所述协调控制模块的信号输入端相连接，所述协调控制模块的信号输出端与所述执行模块的信号输入端相连接，所述执行模块的信号输出端与所述交叉口控制模块的信号输入端相连接，所述交叉口控制模块的信号输出端分别与所述交通信号协调优化模块的信号输入端以及信号灯相连接。

本发明还揭示了一种使用上述区域交通信号协调优化控制系统的区域交通信号协调优化控制方法，包括如下步骤：

S1、交通状态感知模块采集路网内各个交叉口中各条进口道的车流量信息以及各个交叉口中各条进口道的延误车辆数；

S2、交通信号协调优化模块根据所述交通状态感知模块采集的信息，优化得出区域内各个交叉口的最优配时方案及其对应的性能指标；

S3、协调控制模块比较现行控制方案的性能指标与经过所述交通信号协调优化模块优化后的最优配时方案的性能指标，将其中最优性能指标所对应的配时方案通过执行模块输出给交叉口控制模块，所述交叉口控制模块将所接收到的配时方案输出给信号灯执行；

S4、所述交通状态感知模块感知当前交叉口交通状态，判断是否满足预期系统区域最小性能指标，若满足，则将当前配时方案定为当前交叉口的最佳配时方案并持续执行，若不满足，则返回S1进行步骤循环。

优选地，所述S2具体包括如下步骤：

S21、构建区域交通信号协调优化模型；

S22、构建区域交通信号协调优化机制；

S23、构建基于博弈论的多交叉口控制模块协调机制；

S24、构建综合指标评价函数；

S25、构建区域信号协调控制优化算法；

S26、构建基于动态惯性权重的粒子群优化算法。

优选地，所述S21具体包括如下步骤：

以由若干个路口组成的区域作为研究对象，采用四相位四车道模式，右转车辆与直行车辆一致，以各个交叉口的车辆平均延误时间、车辆平均排队长度以及区域进出比为优化目标；

S211、设置基本参数，所述基本参数包括信号周期、绿信比、信号相位、相位差、车辆排队长度以及车辆平均延误；

S212、构建车辆平均延误模型，

提出延迟时间模型，表达式为

其中，T_delay表示所有交叉口的延迟时间，n表示所有交叉口的其中一个， k表示交叉口中n的一个进口道，r_n表示交叉口n的所有入口，q_k表示交叉口入口k的道路交通流量，d_k(ω,λ)表示延迟函数，ω表示自变量，λ表示绿信比；

交叉路口各进口道车辆的平均延误的经典公式为，

其中，k表示交叉口的入口车道号，d_k表示车辆延迟时间，表示信号周期，λ_k表示绿信比，ω表示交通车流量，η_k表示饱和度，S_k表示饱和交通流；

用线性拟合的方法来修正韦伯斯特延误模型，修正方法为，

d_new＝αd_k+β，

其中，d_new是改进后的韦伯斯特延误算法的计算值，d_k是改进前的韦伯斯特延误算法计算值，α、β为拟合系数；

改进后的基于韦伯斯特的每个交叉口的总延误时间模型为，

S213、构建区域进出比模型，

进出比模型的表达式为，

其中，ρ为区域进出比、即输出的最大车辆数目与进入该区域的车辆总数的比值、设为目标函数，Q为进入该区域的车辆总数，t＝1表示第一个信号周期，，t＝1，2，...，n，f＝1表示第一个相位，F为最大相位数，lout为边界区域进口道数目，为第t个信号周期从第k个进口道驶出的车辆数目；

其中，为当前相位f交叉口n能放行的车辆数、即当前相位f能驶出交叉口n的车辆数，为相位f时进口道k是否是绿灯、绿灯则为1、否则为0， q_k(t)为第t个信号周期第k个进口道的车辆到达率，为第t个信号周期交叉口n的第f个相位的有效绿灯时间，为第t个信号周期第f个相位进口道k的延误车辆；

其中，为第t个信号周期从上游进口道k到下游进口道j的车辆数， v_n-1，n为车辆从交叉口n-1行驶到交叉口n的平均速度，L为两个交叉口之间的间距；

则约束式为，

优选地，所述S22具体包括如下步骤：

交叉口控制模块通过交通状态感知模块采集本路口的交通信息，同时采集相邻交叉口控制模块的交通信息，利用改进的粒子群算法对区域协调模型进行求解得出最优解。

优选地，所述S23具体包括如下步骤：

S231、交叉口控制模块的车辆排队数超过阈值则向相邻的交叉口控制模块发出协调请求；

S232、相邻的交叉口控制模块响应请求,并构建博弈树，寻找纳什均衡；

S233、若纳什均衡存在,则交叉口控制模块的行动策略就是达成纳什均衡时的策略,每个交叉口控制模块按照该策略控制交叉口；

若纳什均衡不存在，则每个交叉口控制模块保持自己原有的策略不变；

协调结束后，再利用改进的粒子群算法优化区域交通协调优化模型，完成交通信号的优化配时。

优选地，所述S24具体包括如下步骤：

将各个交叉口的车辆平均排队长度、平均延误时间以及区域进出比作为优化指标，采用如下综合指标评价函数，

其中，L_i、k_i为第i个交叉口的车辆平均延误时间和车辆平均排队长度的加权系数，η为寻优参数、即为绿信比，为交叉口平均延误时间，L_q(η) 为交叉口车辆平均排队长度，ρ为区域进出比；

通过优化绿信比参数使得PI最小，即车辆平均延误时间、车辆排队长度以及进出比最小以达到控制目标最小。

优选地，所述S25具体包括如下步骤：

S251、初始化，随机初始化加速因子、惯性权重、粒子的速度、粒子位置、个体极值与全局最优解；

S252、计算每个粒子的适应值；

S253、更新每个粒子的历史个体极值与种群最优位置；

S254、更新惯性权重；

S255、判断算法是否满足最终条件、即是否达到最大迭代次数或达到最小误差值，若是则结束迭代并输出最优解、即最优信号配时方案，若否则返回S252进行步骤循环。

优选地，所述S26具体包括如下步骤：

引入惯性权重ω对粒子群算法进行改进，具体公式如下，

其中，ω为惯性权重，K为当前迭代次数，d＝1，2，3，...，D、D为搜索空间维度，i＝1，2，3，...，n、n为粒子个数，v_id为粒子速度，x_id为粒子位置，p_id为个体极值，p_gd为群体极值，c₁、c₂为非负加速度因子，r₁、r₂为[0,1]之间的随机数；

采用以下改进的粒子群算法来优化信号配时，如下式，

其中，ω_max、ω_min为惯性权重的最大值和最小值，k为当前迭代次数， N_max为最大迭代次数。

与现有技术相比，本发明的优点主要体现在以下几个方面：

本发明采用基于博弈论的多智能体协调控制系统，通过构建相邻交叉口之间的博弈树寻找纳什均衡，实现了交叉口之间的相位协调。随后，以区域进出比、各个交叉口车辆平均延误时间以及车辆平均排队长度最小化为目标，构建了区域协调优化模型，通过分析交叉口延误车辆排队长度、交叉口进口道交通流量以及有效绿灯时间对系统的影响，建立了协调优化模型约束式。最后，利用改进的粒子群算法优化区域交通信号配时，从而了实现对区域交通信号的协调优化控制。

本发明的方案有效地提高了交通效率，降低了车辆平均延误，减少了车辆平均排队长度并减小了区域进出比，具有很高的使用及推广价值。

此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于其他关于区域交通信号控制的技术方案中，具有十分广阔的应用前景。

以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。

附图说明

图1为本发明的区域交通信号协调优化控制系统的整体结构框架示意图；

图2为本发明的系统中各交叉口控制智能体的结构框架示意图；

图3为本发明的区域交通信号协调优化控制方法的流程示意图；

图4为本发明中交叉口相位模型示意图；

图5为本发明中区域路网模型示意图；

图6为本发明中区域协调机制示意图；

图7为本发明中博弈树型解示意图；

图8为本发明中区域信号协调控制优化算法的流程示意图；

图9为本发明的改进算法与传统算法性能对比示意图。

具体实施方式

如图1～图2所示，本发明揭示了一种区域交通信号协调优化控制系统，所述控制系统将路网内的各个路口节点均设置为交叉口控制智能体 (Agent)，每个所述交叉口控制智能体均包括交通状态感知模块、交通信号协调优化模块、协调控制模块、执行模块以及交叉口控制智能体。具体而言如下。

交通状态感知模块，用于获取路口交通状态，采集各个交叉口中各条车道上的车流信息。

交通信号协调优化模块，用于分析当前交叉口及相邻交叉口的交通状态，得出各个交叉口的最优配时方案及其对应的性能指标，并输出结果。

所述交通信号协调优化模块首先判断当前交叉口是否需要进行博弈协调。如果当前交叉口在某个时刻的车辆排队长度大于所设定的阈值，那么当前交叉口控制模块将会对相邻交叉口控制模块发出协调请求，相邻交叉口控制模块则会相应请求并进行博弈协调。然后以区域进出比、各个交叉口车辆平均延误时间和车辆平均排队长度最小化为优化目标，利用改进的粒子群算法优化出各个交叉口最优配时方案及其对应的综合性能指标送给协调控制模块。

协调控制模块，用于接收所述交通信号协调优化模块输出的最优配时方案和性能指标，比较现行控制方案的性能指标与调整配时后方案的性能指标，将其中最优性能指标所对应的各个路口的优化配时方案进行输出。

执行模块，用于接收所述协调控制模块输出的优化配时方案，并将信号配时方案输出给交叉口控制模块执行。

交叉口控制模块，用于将所述执行模块输出的优化配时方案给信号灯执行，并将该交叉口的交通信息传递给交通信号协调优化模块。

所述交通状态感知模块的信号输出端与所述交通信号协调优化模块的信号输入端相连接，所述交通信号协调优化模块的信号输出端与所述协调控制模块的信号输入端相连接，所述协调控制模块的信号输出端与所述执行模块的信号输入端相连接，所述执行模块的信号输出端与所述交叉口控制模块的信号输入端相连接，所述交叉口控制模块的信号输出端分别与所述交通信号协调优化模块的信号输入端以及信号灯相连接。

如图3所示，本发明还揭示了一种使用如上述的区域交通信号协调优化控制系统的区域交通信号协调优化控制方法，其特征在于，包括如下步骤：

S1、交通状态感知模块采集路网内各个交叉口中各条进口道的车流量信息以及各个交叉口中各条进口道的延误车辆数。

S2、交通信号协调优化模块根据所述交通状态感知模块采集的信息，优化得出区域内各个交叉口的最优配时方案及其对应的性能指标。

S3、协调控制模块比较现行控制方案的性能指标与经过所述交通信号协调优化模块优化后的最优配时方案的性能指标，将其中最优性能指标所对应的配时方案通过执行模块输出给交叉口控制模块，所述交叉口控制模块将所接收到的配时方案输出给信号灯执行。

S4、所述交通状态感知模块感知当前交叉口交通状态，判断是否满足预期系统区域最小性能指标，若满足，则将当前配时方案定为当前交叉口的最佳配时方案并持续执行，若不满足，则返回S1进行步骤循环。

所述S2具体包括如下步骤：

S21、构建区域交通信号协调优化模型。

S22、构建区域交通信号协调优化机制。

S23、构建基于博弈论的多交叉口控制模块协调机制。

S24、构建综合指标评价函数。

S25、构建区域信号协调控制优化算法。

S26、构建基于动态惯性权重的粒子群优化算法。

以下对S2中的各分步骤进行具体的说明。

所述S21具体包括如下步骤：

本发明以由若干个路口组成的区域作为研究对象，采用大多数道路上常用的四相位四车道模式，现以五个路口为例，不失一般性，如图5所示，右转车辆与直行车辆一致，以各个交叉口的车辆平均延误时间、车辆平均排队长度以及区域进出比为优化目标。

S211、设置基本参数，所述基本参数包括信号周期、绿信比、信号相位、相位差、车辆排队长度以及车辆平均延误。具体而言如下：

1)信号周期

交通信号灯循环一周需要的时间称为信号周期，即按照本文设定的相位顺序，本方案用T表示信号周期，单位为s，60s≤T≤120s。

2)绿信比

在一个信号周期内，假设某个相位有效绿灯时间为g，则该相位的绿信比λ的计算公式为本方案中规定的绿灯时间就为有效绿灯时间。

3)信号相位

在存在交通信号控制的交叉口中，一种控制状态即为一种信号相位，在一个信号周期中，存在四种相位。如图4所示。

4)相位差

相位差是指相邻路口开始协调相位的时间的差值。实验表明，相邻路口采用一致的相位周期与保持的相位差能获得较好的控制效果。其中L表示相邻路口之间的路段距离，υ表示车辆平均速度。

5)车辆排队长度

相邻路口的车辆排队长度L_q可由以下公式计算得到，

L_q＝L_s+L_t+L₂，

其中，L_s为剩余车辆产生的排队长度，即队列尾部由于遇到红灯而不能跟着车首车辆直接通过路口的车辆。L_t为停车车辆产生的排队长度，即队列头部由于遇到红灯或排队车辆未完全通过而需要停车排队的车辆。L₂为随机因素导致的排队长度增量。本方案只考虑L_s和L_t两个因素。

6)车辆平均延误

在交叉口入口道处，车辆在被阻塞的状态下与无阻塞的状态下车辆通过所需的时间不一致，这两个时间之差称为延误时间。一般用平均延误与总延误对延误时间进行评价。

S212、构建车辆平均延误模型，

提出延迟时间模型，表达式为

其中，T_delay表示所有交叉口的延迟时间，n表示所有交叉口的其中一个， k表示交叉口中n的一个进口道，r_n表示交叉口n的所有入口，q_k表示交叉口入口k的道路交通流量，d_k(ω,λ)表示延迟函数，ω表示自变量，λ表示绿信比。

交叉路口各进口道车辆的平均延误的经典公式为，

其中，k表示交叉口的入口车道号，d_k表示车辆延迟时间，表示信号周期，λ_k表示绿信比，ω表示交通车流量，η_k表示饱和度，S_k表示饱和交通流。

在上述公式中，第一项是车辆均匀到达所造成的延误，第二项车辆随机到达所造成的延误，第三项是从车流模拟试验中导得。

由仿真经验可知，韦伯斯特延误算法与点样本延误算法之间存在线性关系，因此本发明考虑用线性拟合的方法来修正韦伯斯特延误模型，修正方法为，

d_new＝αd_k+β，

其中，d_new是改进后的韦伯斯特延误算法的计算值，d_k是改进前的韦伯斯特延误算法计算值，α、β为拟合系数。由经验可得α＝0.490，β＝6.998。

改进后的基于韦伯斯特的每个交叉口的总延误时间模型为，

S213、构建区域进出比模型，

进出比指的是单位时间内，进入一个区域的总车流量与该边界区域驶出的总车流量的比值。本发明提出的进出比模型的表达式为，

其中，ρ为区域进出比、即输出的最大车辆数目与进入该区域的车辆总数的比值、设为目标函数，Q为进入该区域的车辆总数，t＝1表示第一个信号周期，，t＝1，2，...，n，f＝1表示第一个相位，F为最大相位数，lout为边界区域进口道数目为第t个信号周期从第k个进口道驶出的车辆数目。

其中，为当前相位f交叉口n能放行的车辆数、即当前相位f能驶出交叉口n的车辆数，为相位f时进口道k是否是绿灯、绿灯则为1、否则为0， q_k(t)为第t个信号周期第k个进口道的车辆到达率，见后续公式。为第t 个信号周期交叉口n的第f个相位的有效绿灯时间。为第t个信号周期第 f个相位进口道k的延误车辆，见后续公式。

其中，为第t个信号周期从上游进口道k到下游进口道j的车辆数， v_n-1，n为车辆从交叉口n-1行驶到交叉口n的平均速度，L为两个交叉口之间的间距。本方案中不考虑黄灯时间，则

则约束式为，

所述S22具体包括如下步骤：

在区域交通控制系统中，所有的交叉口控制模块都有一个共同的目标：使得区域交通畅通。所有的交叉口控制模块之间都存在相互影响，相互作用的关系。因此，每个交叉口控制模块在工作时必然会受到另外一个交叉口控制模块的影响，模块之间会发生冲突。这里采用博弈论的方法，分析各个交叉口控制模块之间的合作与冲突的机理，建立基于博弈论的区域协调模型来协调相互关系，实现博弈平衡，有效提高交通效率。

本发明协调机制如图6所示。交叉口控制模块通过交通状态感知模块采集本路口的交通信息，同时采集相邻交叉口控制模块的交通信息，利用改进的粒子群算法对区域协调模型进行求解得出最优解，从而实现区域交通信号的协调优化控制。

所述S23具体包括如下步骤：

S231、交叉口控制模块的车辆排队数超过阈值则向相邻的交叉口控制模块发出协调请求。

S232、相邻的交叉口控制模块响应请求,并构建如图7所示的博弈树，寻找纳什均衡。

S233、若纳什均衡存在,则交叉口控制模块的行动策略就是达成纳什均衡时的策略,每个交叉口控制模块按照该策略控制交叉口。

若纳什均衡不存在，则每个交叉口控制模块保持自己原有的策略不变。

协调结束后，再利用改进的粒子群算法优化区域交通协调优化模型，完成交通信号的优化配时。

所述S24具体包括如下步骤：

本发明的方案将各个交叉口的车辆平均排队长度、平均延误时间以及区域进出比作为主要的考虑指标，采用如下综合指标评价函数，

其中，L_i、k_i为第i个交叉口的车辆平均延误时间和车辆平均排队长度的加权系数，η为寻优参数、即为绿信比，为交叉口平均延误时间，L_q(η) 为交叉口车辆平均排队长度，ρ为区域进出比。

通过优化绿信比参数使得PI最小，即车辆平均延误时间、车辆排队长度以及进出比最小以达到控制目标最小。

所述S25具体包括如下步骤：

本发明将各个交叉口各个相位的有效绿灯时间的集合当作粒子的位置坐标，即g＝{{g₁₁，g₁₂，...，g_1m}，{g₂₁，g₂₂，...，g_2m}，...，{g_n1，g_n2，...，g_nm}},其中n为参加信号优化的交叉口的数量，m为参加信号优化的各个交叉口的相位数量。将各个交叉口的最大绿灯时间和最小绿灯时间范围作为粒子位置坐标中各个交叉口的有效绿灯时间的取值范围，即[g_min，g_max]。将区域中各个交叉口的最大绿灯时间和最小绿灯时间的差值范围作为粒子速度坐标中各值的变化范围。粒子所在空间的维数可以看成各个交叉口相位之和。将上述提到得综合评价指标函数作为适应度函数。以路网中五个交叉口的平均延迟时间和平均车辆排队长度和区域进出比为优化目标，通过改进的粒子群算法对各个交叉口的信号配时方案进行优化，最后得到的粒子群全局最优位置即为各个交叉口的最优信号配时方案。

根据以上的描述如图8，本发明区域信号协调控制优化算法流程如下：

S251、初始化，随机初始化加速因子、惯性权重、粒子的速度、粒子位置(即各个路口相位的信号配时)、个体极值与全局最优解。

S252、计算每个粒子的适应值。(即上述综合性能指标函数)

S253、更新每个粒子的历史个体极值与种群最优位置。

S254、根据后续步骤中的公式更新惯性权重。

S255、判断算法是否满足最终条件、即是否达到最大迭代次数或达到最小误差值，若是则结束迭代并输出最优解、即最优信号配时方案，若否则返回S252进行步骤循环。

所述S26具体包括如下步骤：

粒子群算法(PSO)是一种群体智能的优化算法，其优点在于原理简单，操作容易实现，具有深刻的智能背景，既适合于科学研究，又特别适合用于工程应用当中。然而，PSO也存在易陷入局部最优，收敛精度不高，收敛速度较慢和收敛成功率低等问题。为了避免粒子群算法容易过早收敛从而陷入局部最优的问题，引入惯性权重ω，将其作为一种控制群体搜索能力和探索能力的机制。对粒子群算法进行改进，具体公式如下，

其中，ω为惯性权重，K为当前迭代次数，d＝1，2，3，...，D、D为搜索空间维度，i＝1，2，3，...，n、n为粒子个数，v_id为粒子速度，x_id为粒子位置，p_id为个体极值，p_gd为群体极值，c₁、c₂为非负加速度因子、由经验可取为数值2，r₁、 r₂为[0,1]之间的随机数。由于惯性权重不变的粒子群算法虽然具有较快的收敛速度，但后期容易陷入局部最优、求解精度低，所以本发明采用以下改进的粒子群算法来优化信号配时，如下式，

其中，ω_max、ω_min为惯性权重的最大值和最小值，k为当前迭代次数， N_max为最大迭代次数。一般而言，惯性权重为0.9时算法性能最好。随着迭代的进行，惯性权重由0.9线性递减至0.4，迭代初期最大的惯性权重使算法保持了较强的全局搜索能力，而迭代后期较小的惯性权重有利于算法进行更精确的局部所搜。

从图9可以看出，改进的粒子群算法收敛速度快，容易跳出局部收敛，动态地平衡局部寻优和全局寻优范围，具有求解精度上的优势。

最后，对本发明的方案进行试验仿真与分析。

建立一个小区域交通路网，由五个交叉口组成的交通区域作为分析对象进行仿真实验，如图5所示。每条路段包括四条车道，一条左转车道，两条直行车道，一条右转车道。内部路段长度均设置为300m。车辆平均行驶速度为40km/h。区域交通约束数据如下：最大信号周期为180s，最小信号周期为70s，最小相位时间为15s，最大相位时间为50s，每个车道的饱和流量为1800veh/h。各个进口道交通流量如表1所示。

表1入口道交通流量

实验一：不考虑博弈论协调各个交叉口相位，采用改进的粒子群算法优化本发明提出的协调优化模型。

实验二：考虑博弈论协调各个交叉口相位后，采用本发明提出的改进的粒子群算法优化本发明提出的协调优化模型。

(1)实验一的仿真结果

表2实验一优化配时结果

(2)实验二的仿真结果

表3实验二优化配时结果

表4综合评价比较

从表2和表3可以看出，本发明提出的考虑博弈论协调方法相比较于未考虑博弈论的协调方法，车辆平均延迟时间降低了28.3％，车辆平均排队长度减少了25.4％。区域进出比减小了21％。

从表4综合评价指标可以看出，本发明提出的基于博弈论的区域协调优化方法相比较于不考虑加入博弈论进行交叉口相位选择协调的区域协调优化方法提高了29.5％。

实验三：采用平均延误模型并利用改进的粒子群算法优化配时方案。

实验四：采用平均延误-区域进出比模型并利用改进的粒子群算法优化配时方案。

(3)实验三的仿真结果

表5实验三优化配时结果

(4)实验四的仿真结果

表6实验四优化配时结果

表7综合评价指标比较

	综合评价指标PI
		实验三	19.4692
实验四	15.8356

从表5和表6可以看出，本发明提出的平均延误-区域进出比模型与采用平均延误模型相比，车辆平均延误时间降低了24.2％，车辆平均排队长度减少了17.9％，区域进出比减少了19.1％。

从表7综合评价指标可以看出，本发明提出的平均延误-区域进出比模型相比较于采用平均延误模型性能提高了18.7％。

综上所述，本发明采用基于博弈论的多智能体协调控制系统，通过构建相邻交叉口之间的博弈树寻找纳什均衡，实现了交叉口之间的相位协调。随后，以区域进出比、各个交叉口车辆平均延误时间以及车辆平均排队长度最小化为目标，构建了区域协调优化模型，通过分析交叉口延误车辆排队长度、交叉口进口道交通流量以及有效绿灯时间对系统的影响，建立了协调优化模型约束式。最后，利用改进的粒子群算法优化区域交通信号配时，从而了实现对区域交通信号的协调优化控制。

本发明的方案有效地提高了交通效率，降低了车辆平均延误，减少了车辆平均排队长度并减小了区域进出比，具有很高的使用及推广价值。

此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于其他关于区域交通信号控制的技术方案中，具有十分广阔的应用前景。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (9)

1.一种区域交通信号协调优化控制系统，其特征在于，所述控制系统将路网内的各个路口节点均设置为交叉口控制智能体，每个所述交叉口控制智能体均包括：

交通状态感知模块，用于获取路口交通状态，采集各个交叉口中各条车道上的车流信息；

交通信号协调优化模块，用于分析当前交叉口及相邻交叉口的交通状态，得出各个交叉口的最优配时方案及其对应的性能指标，并输出结果；

协调控制模块，用于接收所述交通信号协调优化模块输出的最优配时方案和性能指标，比较现行控制方案的性能指标与调整配时后方案的性能指标，将其中最优性能指标所对应的各个路口的优化配时方案进行输出；

执行模块，用于接收所述协调控制模块输出的优化配时方案，并将信号配时方案输出给交叉口控制模块执行；

交叉口控制模块，用于将所述执行模块输出的优化配时方案给信号灯执行，并将该交叉口的交通信息传递给交通信号协调优化模块；

所述交通状态感知模块的信号输出端与所述交通信号协调优化模块的信号输入端相连接，所述交通信号协调优化模块的信号输出端与所述协调控制模块的信号输入端相连接，所述协调控制模块的信号输出端与所述执行模块的信号输入端相连接，所述执行模块的信号输出端与所述交叉口控制模块的信号输入端相连接，所述交叉口控制模块的信号输出端分别与所述交通信号协调优化模块的信号输入端以及信号灯相连接。

2.一种使用如权利要求1所述的区域交通信号协调优化控制系统的区域交通信号协调优化控制方法，其特征在于，包括如下步骤：

S1、交通状态感知模块采集路网内各个交叉口中各条进口道的车流量信息以及各个交叉口中各条进口道的延误车辆数；

S2、交通信号协调优化模块根据所述交通状态感知模块采集的信息，优化得出区域内各个交叉口的最优配时方案及其对应的性能指标；

S3、协调控制模块比较现行控制方案的性能指标与经过所述交通信号协调优化模块优化后的最优配时方案的性能指标，将其中最优性能指标所对应的配时方案通过执行模块输出给交叉口控制模块，所述交叉口控制模块将所接收到的配时方案输出给信号灯执行；

S4、所述交通状态感知模块感知当前交叉口交通状态，判断是否满足预期系统区域最小性能指标，若满足，则将当前配时方案定为当前交叉口的最佳配时方案并持续执行，若不满足，则返回S1进行步骤循环。

3.根据权利要求2所述的区域交通信号协调优化控制方法，其特征在于，所述S2具体包括如下步骤：

S21、构建区域交通信号协调优化模型；

S22、构建区域交通信号协调优化机制；

S23、构建基于博弈论的多交叉口控制模块协调机制；

S24、构建综合指标评价函数；

S25、构建区域信号协调控制优化算法；

S26、构建基于动态惯性权重的粒子群优化算法。

4.根据权利要求3所述的区域交通信号协调优化控制方法，其特征在于，所述S21具体包括如下步骤：

以由若干个路口组成的区域作为研究对象，采用四相位四车道模式，右转车辆与直行车辆一致，以各个交叉口的车辆平均延误时间、车辆平均排队长度以及区域进出比为优化目标；

S211、设置基本参数，所述基本参数包括信号周期、绿信比、信号相位、相位差、车辆排队长度以及车辆平均延误；

S212、构建车辆平均延误模型，

提出延迟时间模型，表达式为

其中，T_delay表示所有交叉口的延迟时间，n表示所有交叉口的其中一个，k表示交叉口中n的一个进口道，r_n表示交叉口n的所有入口，q_k表示交叉口入口k的道路交通流量，d_k(ω，λ)表示延迟函数，ω表示自变量，λ表示绿信比；

交叉路口各进口道车辆的平均延误的经典公式为，

其中，k表示交叉口的入口车道号，d_k表示车辆延迟时间，表示信号周期，λ_k表示绿信比，ω表示交通车流量，η_k表示饱和度，S_k表示饱和交通流；

用线性拟合的方法来修正韦伯斯特延误模型，修正方法为，

d_new＝αd_k+β，

其中，d_new是改进后的韦伯斯特延误算法的计算值，d_k是改进前的韦伯斯特延误算法计算值，α、β为拟合系数；

改进后的基于韦伯斯特的每个交叉口的总延误时间模型为，

S213、构建区域进出比模型，

进出比模型的表达式为，

其中，ρ为区域进出比、即输出的最大车辆数目与进入该区域的车辆总数的比值、设为目标函数，Q为进入该区域的车辆总数，t＝1表示第一个信号周期，，t＝1，2，...，n，f＝1表示第一个相位，F为最大相位数，lout为边界区域进口道数目，为第t个信号周期从第k个进口道驶出的车辆数目；

其中，为当前相位f交叉口n能放行的车辆数、即当前相位f能驶出交叉口n的车辆数，为相位f时进口道k是否是绿灯、绿灯则为1、否则为0，q_k(t)为第t个信号周期第k个进口道的车辆到达率，为第t个信号周期交叉口n的第f个相位的有效绿灯时间，为第t个信号周期第f个相位进口道k的延误车辆；

其中，为第t个信号周期从上游进口道k到下游进口道j的车辆数，v_n-1，n为车辆从交叉口n-1行驶到交叉口n的平均速度，L为两个交叉口之间的间距；

则约束式为，

5.根据权利要求3所述的区域交通信号协调优化控制方法，其特征在于，所述S22具体包括如下步骤：

交叉口控制模块通过交通状态感知模块采集本路口的交通信息，同时采集相邻交叉口控制模块的交通信息，利用改进的粒子群算法对区域协调模型进行求解得出最优解。

6.根据权利要求3所述的区域交通信号协调优化控制方法，其特征在于，所述S23具体包括如下步骤：

S231、交叉口控制模块的车辆排队数超过阈值则向相邻的交叉口控制模块发出协调请求；

S232、相邻的交叉口控制模块响应请求，并构建博弈树，寻找纳什均衡；

S233、若纳什均衡存在，则交叉口控制模块的行动策略就是达成纳什均衡时的策略，每个交叉口控制模块按照该策略控制交叉口；

若纳什均衡不存在，则每个交叉口控制模块保持自己原有的策略不变；

协调结束后，再利用改进的粒子群算法优化区域交通协调优化模型，完成交通信号的优化配时。

7.根据权利要求3所述的区域交通信号协调优化控制方法，其特征在于，所述S24具体包括如下步骤：

将各个交叉口的车辆平均排队长度、平均延误时间以及进出比作为优化指标，采用如下综合指标评价函数，

其中，L_i、k_i为第i个交叉口的车辆平均延误时间和车辆平均排队长度的加权系数，η为寻优参数、即为绿信比，为交叉口平均延误时间，L_q(η)为交叉口车辆平均排队长度，ρ为区域进出比；

通过优化绿信比参数使得PI最小，即车辆平均延误时间、车辆排队长度以及进出比最小以达到控制目标最小。

8.根据权利要求3所述的区域交通信号协调优化控制方法，其特征在于，所述S25具体包括如下步骤：

S251、初始化，随机初始化加速因子、惯性权重、粒子的速度、粒子位置、个体极值与全局最优解；

S252、计算每个粒子的适应值；

S253、更新每个粒子的历史个体极值与种群最优位置；

S254、更新惯性权重；

S255、判断算法是否满足最终条件、即是否达到最大迭代次数或达到最小误差值，若是则结束迭代并输出最优解、即最优信号配时方案，若否则返回S252进行步骤循环。

9.根据权利要求3所述的区域交通信号协调优化控制方法，其特征在于，所述S26具体包括如下步骤：

引入惯性权重ω对粒子群算法进行改进，具体公式如下，

其中，ω为惯性权重，K为当前迭代次数，d＝1，2，3，...，D、D为搜索空间维度，i＝1，2，3，...，n、n为粒子个数，v_id为粒子速度，x_id为粒子位置，p_id为个体极值，p_gd为群体极值，c₁、c₂为非负加速度因子，r₁、r₂为[0，1]之间的随机数；

采用以下改进的粒子群算法来优化信号配时，如下式，

其中，ω_max、ω_min为惯性权重的最大值和最小值，k为当前迭代次数，N_max为最大迭代次数。