CN110085038B - 一种基于实时排队信息的交叉口自适应信号控制方法 - Google Patents

Abstract

本发明涉及一种基于实时排队信息的交叉口自适应信号控制方法，根据控制状态信号CS，确定最优相序S^*和最优绿灯时间g^*(S^*)的控制方案，具体包括：步骤S1：根据当前排队信息确定相序备选集合Ω_S并从中选取一个还未寻优过的备选相序S_i；步骤S2～S6：根据约束条件求出相序的最优解和最优值；步骤S7：检验所述相序备选集合Ω_S中的所有S_i是否都完成寻优；步骤S8：从所述相序备选集合Ω_S中取出CS值最大的S的集合Λ_S，从所述Λ_S中找出f^*值最小的S作为最优相序S^*，所对应的绿灯时间作为最优绿灯时间g^*(S^*)。与现有技术相比，本发明以排队信息代替传统的定点检测流量数据作为输入，更加科学有效的识别多种控制状态并制定相应对策，能够应对复杂多变的交通环境，实现减少排队、防止排队溢出的效果。

Description

一种基于实时排队信息的交叉口自适应信号控制方法

技术领域

本发明涉及智能交通控制领域，尤其是涉及一种基于实时排队信息的交叉口自适应信号控制方法。

背景技术

城市交通在整个社会的发展中起着至关重要的作用，然而，交通拥堵问题日益凸显，成为城市进一步发展的一大阻碍。信号交叉口作为路网的咽喉，是保障城市交通高效稳定运行的关键。目前，国内外现有交通信号控制系统大多利用传统定点检测器所采集的车流量数据作为依据，对交叉口进行信号控制方案的制定和优化。由于定点检测器建设成本高、后期维护困难，且损坏率高导致检测误差较大而影响信号控制效果，现有的交通信息采集方式以及信号控制方法急需变革。

随着“互联网+”时代的到来，城市交通出行者的移动互联大数据被越来越深入地挖掘并运用在交通领域，比如利用车辆轨迹数据分析得到交叉口各个流向的实时车辆排队状态，即排队长度、排队车辆数和排队增长速率等信息。这些数据与传统检测器获取的流量数据相比，更具有可靠性和连续性且获取成本很低，取代传统定点检测数据作为交叉口信号控制的新型数据源将成为未来的趋势。因此，研发一种基于排队信息的交叉口信号控制方法具有重要意义。

针对上述问题及行业发展趋势，本发明提出了一种基于排队信息的交叉口信号控制方法，以交叉口各流向的实时排队长度和排队增长速率为基本输入，根据冲击波模型建立信号控制方案与排队长度的动态关系，以此划分出各种控制状态，并开发一种应对多控制状态的渐进寻优策略，实现优化排队、防止排队溢出的效果。该方法更加科学有效的识别多种控制状态并制定相应对策，能够应对复杂多变的交通环境，为国内自主研发自适应信号控制系统提供理论支持，此外，以排队信息代替传统数据源作为算法的输入，也是对“互联网+”时代下新型数据源在交通控制领域应用的探索。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于实时排队信息的交叉口自适应信号控制方法。

本发明的目的可以通过以下技术方案来实现：

一种基于实时排队信息的交叉口自适应信号控制方法，根据控制状态信号CS，确定最优相序S^*和最优绿灯时间g^*(S^*)的控制方案，包括：

步骤S1：根据当前排队信息确定相序备选集合Ω_S并从中选取一个还未寻优过的备选相序S_i；

步骤S2：根据约束条件C0，求解优化问题1，检验优化问题1是否存在可行解，若存在，进入步骤S3，否则CS(S_i)＝0，该解优化问题1无可行解，S_i不可行，进入步骤S7；

步骤S3：获得优化问题1的最优值f₁ ^*和最优解

根据约束条件C1，检验f₁ ^*≤0是否满足，若是，进入步骤S4，若否，CS(S_i)＝1，S_i对应的最优值f^*(S_i)＝f₁ ^*，最优解

进入步骤S7；

步骤S4：求解优化问题2，获得优化问题2的最优值f₂ ^*和最优解

根据约束条件C2，检验f₂ ^*≤γ是否满足，若是，进入步骤S5，若否，CS(S_i)＝2，S_i对应的最优值

最优解

进入步骤S7；

步骤S5：求解优化问题3，获得优化问题3的最优值f₃ ^*和最优解

根据约束条件C3，检验f₃ ^*≤0是否满足，若是，进入步骤S6，若否，CS(S_i)＝3，S_i对应的最优值

最优解

进入步骤S7；

步骤S6：求解优化问题4，获得优化问题4的最优值f₄ ^*和最优解

CS(S_i)＝4，S_i对应的最优值f^*(S_i)＝f₄ ^*，最优解

进入步骤S7；

步骤S7：检验所述相序备选集合Ω_S中的所有S_i是否都完成寻优，若是，则所有子问题寻优结束，进入步骤S8，若否，则进入步骤S1进行新一轮寻优；

步骤S8：从所述相序备选集合Ω_S中取出CS值最大的S的集合Λ_S，从所述Λ_S中找出f^*值最小的S作为最优相序S^*，所对应的绿灯时间作为最优绿灯时间g^*(S^*)。

步骤S2中约束条件C0是最小最大绿灯时间约束，具体为：

其中，G_min为最小绿灯时间，G_max为最大绿灯时间，

为相序对应绿灯时间；

以及最大红灯时间约束，具体为：

其中，

为绿灯开始时刻，

为红灯开始时刻，R_max为最大红灯时间。

所述控制方案包括两个相同时间长度的运行周期。

所述步骤S3中优化问题1具体为：

s.t.

i＝1,2,...,n,j＝1,2.

所述约束条件C1是指所有排队在第二周期结束时全部清空，具体为：

其中，

为第二周期剩余排队强度。

所述步骤S4中优化问题2具体为：

s.t.

i＝1,2,...,n,j＝1,2.

所述约束条件C2是指所有排队的最大排队强度MQI在两个周期内不超过安全阈值γ，γ＜1，具体为：

其中，

为最大排队强度。

所述步骤S5中约束条件C3是指第一个周期内的所有排队在该周期结束时全部清空，具体为：

所述优化问题3具体为：

s.t.

i＝1,2,...,n,j＝1,2.

其中，

为第一周期剩余排队强度。

所述步骤S6中的优化问题4具体为：

s.t.

i＝1,2,...,n,j＝1,2.

其中，

为最大排队强度。

所述控制方案在所述最优相序和最优绿灯时间确定之后立即执行至下一次优化决策时刻，重复以上步骤S1～S8，生成新的控制方案。

与现有技术相比，本发明具有以下有益效果：

1.根据排队强度与信号控制的动态关系，划分多种控制状态并建立相应的优化模型以适应各自的控制需求，利用渐进寻优策略寻找各个决策时刻下的最优控制方案，能够及时应对复杂多变的交叉口环境。

2.以排队为核心构造优化模型，能够有效避免排队溢出并且兼顾降低延误，与传统的单纯优化延误或单纯优化排队的控制方法相比，效果更加全面。

3.排队信息易于从手机和车辆GPS设备中获取，以排队信息代替传统的定点检测流量数据作为输入，是对“互联网+”时代下新型数据在交通控制领域应用的探索。

4.设定备选相序规则，将相序做有限化处理，减小了同时优化离散变量和连续变量的难度，能够实现相序和绿灯时间的共同优化。

附图说明

图1为本发明的自适应信号控制方法总流程；

图2为典型十字交叉口的流向和相位；

图3为典型十字交叉口的相位组；

图4为非饱和情况的排队强度与信号控制的关系；

图5为饱和情况的排队强度与信号控制的关系；

图6为渐进寻优法求解最优控制方案的流程；

图7为案例交叉口的渠化示意；

图8为案例第一种相序下的信号控制优化结果；

图9为案例第二种相序下的信号控制优化结果。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，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。

一种基于实时排队信息的交叉口自适应信号控制方法，利用交叉口各个流向的车辆排队信息，即排队长度和排队增长速率，进行交叉口的自适应信号控制。

如图1所示，在交叉口每一次相位间隔开始时启动信号控制方案的优化决策，以各流向当前时刻的排队长度和排队增长速率为输入构造优化模型，通过多控制状态的渐进寻优方法，寻找从当前时刻开始未来两个周期内的最优控制方案，即相序和各流向的绿灯时间；获得当前的最优方案后，执行该方案至下一次相位间隔再次启动优化决策过程，以此类推，实现滚动优化。

决策时刻开始的信号控制方案可以用两类变量来描述，相序S和绿灯时间g，相序是一个周期内各个相位组的放行先后顺序，绿灯时间是各个相位组放行的持续时间，两者即为本方法优化的对象。

相序S是一个n×n的0-1矩阵，绿灯时间g是一个n×1的向量，n表示相位(或流向)的数量，如对于十字交叉口，n＝8。由于每次决策考虑未来两个周期，因此，有S^(c)和g^(c)，c＝1,2，c表示周期序号。用φ_i表示交叉口第i个相位(或流向)，对于S^(c)，i行j列的元素

描述在第c个周期内φ_i与φ_j的相对顺序，若

为1，表示φ_j的顺序在φ_i之前，若为0，则φ_j在φ_i之后或两者顺序相同。

如图3所示，相位组指的是交叉口同时放行的相位组合，通常包含两个非冲突的相位，即(φ_i,φ_j)，(φ_i,φ_j)等同于(φ_j,φ_i)。以典型的十字交叉口为例，通常具有八个受信号控制的流向(假设所有右转都不受信号控制)，东直、东左、西直、西左、南直、南左、北直和北左，每个流向对应一个相位，分别用φ₁到φ₈表示，如图2所示。根据非冲突原则，共有八种可行的相位组结构，即(φ₁,φ₂)、(φ₁,φ₃)、(φ₂,φ₄)、(φ₃,φ₄)、(φ₅,φ₆)、(φ₅,φ₇)、(φ₆,φ₈)和(φ₇,φ₈)。

由于相序S是一个离散变量，对其做有限化处理可便于求解。对决策时段内的相序S设定以下规则：1)任意相位在一个周期内必须且只能放行一次，2)任意相位不能被连续重复放行，3)两个周期的相序相同，即S⁽¹⁾＝S⁽²⁾。

在规则1下，一个周期的相序可以表示为四个相位组的排列，比如S:(φ₁,φ₂)→(φ₃,φ₄)→(φ₅,φ₆)→(φ₇,φ₈)为一种可行的相序。在规则2下，假设当前决策时刻之前的最后一个相位组为(φ_p,φ_q)，则决策时段内的第一个相位组不能包含φ_p或φ_q，例如若(φ_p,φ_q)指的是(φ₇,φ₈)，则决策时段内的第一个相位组只能是(φ₁,φ₂)、(φ₁,φ₃)、(φ₂,φ₄)、(φ₃,φ₄)或(φ₅,φ₆)。

假设决策时段内的第一个相位组是(φ₁,φ₂)，则该周期内的剩下三个相位组只能是{(φ₃,φ₄),(φ₅,φ₆),(φ₇,φ₈)}或{(φ₃,φ₄),(φ₅,φ₇),(φ₆,φ₈)}，每种组合下具有3！种排列，因此，若第一个相位组固定，这种情况下共有3！×2＝12种相序。根据上述规则，任意一次决策的第一个相位组只能有5种可能，因此，任意一次决策的备选相序共有5×12＝60种可能。

基于以上规则，每个决策时刻的所有可行的相序S是可枚举的，即得到S的有限元素个数的备选集合Ω_S。因此，求解相序S和绿灯时间g的总问题可以转化为多个子问题，每个子问题对应一种来自于备选相序集合Ω_S的已知相序S_i，仅有绿灯时间g作为优化变量，最优解为g^*(S_i)。当所有子问题完成后，再从子问题的解集{g^*(S₁),g^*(S₂),...,g^*(S_N)}中挑选最优的方案，即g^*(S^*)作为最终的解。

在某个子问题中，即在某个已知相序下，绿灯时间g与排队长度有如下关系：对于某个流向，在当前决策时刻t₀，假设排队尾部位置QX，排队形成速度VF，排队消散速度VD和平均行驶速度VT已知，且在当前时刻后的两个周期内保持不变，可以构建从t₀起两个周期内的冲击波模型，描述排队长度与控制方案的动态关系。每个周期的冲击波上有两个关键点，最大排队点MQ(t_MQ,x_MQ)和剩余排队点RQ(t_RQ,x_RQ)，具体计算为：

x_RQ ⁽ⁿ⁾＝x_stop+VD·(t_RQ ⁽ⁿ⁾-RS⁽ⁿ⁺¹⁾)

RS⁽ⁿ⁾＝GS^(n-1)+g^(n-1)

其中，GS是绿灯开始时刻，RS是红灯开始时刻，g是绿灯时长，n代表周期序号。为了简便，假设信号灯只有绿灯状态和红灯状态，且对于每个流向而言，以RS为一个周期的起点。

最大排队长度MQL和剩余排队长度RQL分别就是两个点到停车线位置x_xtop的距离。绿灯时间g与排队长度的关系如图4和图5所示，图4表示非饱和的情况，图5表示饱和的情况。

绿灯开始时刻

与相序S^(c)和绿灯时间g^(c)有以下关系：

其中，1^T＝[1,1,...,1]_1×n，I是相位间隔长度，gs₀是第一个周期第一个绿灯相位开始的时刻。

定义排队强度来反映消散某个流向排队的紧迫性，对于某个流向，排队强度等于排队长度占排队容许空间的比例，具体为：

相应的，最大排队强度MQI和剩余排队强度RQI分别是MQL和RQL与QT的比。由于排队强度与信号控制方案直接相关，是信号控制效果的体现，本发明方法根据MQI和RQI随控制方案变化的多种情形，区分不同的控制状态并建立相应的优化模型，以适应不同状态下的控制需求。根据4条约束C0、C1、C2、C3的满足情况，定义五种控制状态描述在某个控制方案下交叉口最可能出现的状况，用CS等于0,1,2,3或4表示：

若C0不满足，则CS＝0，为不可行状态，基本约束无法满足，该子问题无解；若C0满足且C1不满足，则CS＝1，为长期过饱和状态，交叉口某个流向的排队长期无法清空，容易导致排队溢出；若C0和C1满足且C2不满足，则CS＝2，为排队强度较高状态，交叉口所有流向排队能够最终清空，但某个流向的排队强度高于安全阈值，有一定程度排队溢出可能；若C0、C1和C2满足且C3不满足，则CS＝3，为短期过饱和状态，交叉口某个流向的排队短期无法清空，但是能够保证所有排队强度处于安全范围内；若C0到C3全部满足，则CS＝4，为非饱和且排队强度较低状态，交叉口所有流向在决策期间内都非饱和且排队强度处于安全范围。

控制状态CS取值越大，则满足的约束条件越多，控制结果越趋于理想，因此，使CS取值最大的绿灯时间g即为该子问题(对应某个已知相序)的最优解。通过渐进寻优方法寻找所有子问题的最优解，详细流程如图6所示，在所有最优解中选定CS值最大和f^*值最小的S作为最优相序S^*，最优绿灯时间g^*＝g^*(S^*)。

下面选择深圳市皇岗路-福中路交叉口作为本发明实施案例。该交叉口具有8个受控的流向，即东直、东左、西直、西左、南直、南左、北直和北左，对应一个相位分别用φ₁到φ₈表示，相位和相位组的结构如图2和图3所示，交叉口渠化形式如图7所示。根据现场调查，本发明方法所需的参数按表1设置。

表1案例实施所需参数设置

该交叉口在本发明方法的控制下在线运行。在t＝569s时，相位组(φ₅,φ₇)绿灯恰好结束，相位间隔开始，信号控制的优化决策启动，求解未来两个周期的最优信号控制方案。首先，按照上述规则确定当前决策内的备选相序集合Ω_S，Ω_S共包含60种备选的相序S_i，表3列出了所有的备选S_i。注意，表3中相位组的值代表对应的相位，如编号为1的相序中，相位组1对应了“8”和“6”，即决策时段内第一个放行的相位组是(φ₆,φ₈)。

表3案例所有子问题的求解结果

Ω_S确定之后，逐一解决各个子问题，每个子问题对应一个已知相序S_i，求解该相序下的最优绿灯时间g^*(S_i)。

以第1和第2种相序对应的子问题为例进行说明：

当前决策时刻下，将所需的排队信息包括当前排队长度以及排队长度的增长率转化为排队强度QI，各流向当前的QI以及QI的增长率见表2：

表2案例当前时刻交叉口各流向的排队强度和排队强度增长率

对于第1种相序S₁对应的子问题，先求解优化问题1，即在C0约束下最小化

优化结果显示，由于φ₁、φ₂等多个流向的第2周期剩余排队强度

大于0，

约束C1无法满足，因此，渐进寻优程序结束，控制状态确定为CS＝1，即在相序S₁下最优的绿灯时间g^*(S₁)最多使交叉口达到长期过饱和的控制状态，优化后的最大剩余排队强度也即该子问题的最优值为f^*(S₁)＝0.2829。图8表示了相序S₁下的优化结果。

对于第2种相序S₂对应的子问题，同样先求解优化问题1，结果表明所有流向的

能够被优化到等于0，约束C1能够满足，因此，进入优化问题2的求解。在C0和C1的约束下最小化

如前式所示，结果显示，φ₂、φ₄和φ₇的最大排队强度MQI大于安全阈值γ(在本例中，γ＝0.6)，

约束C2无法满足，因此，渐进寻优程序结束，控制状态确定为CS＝2，即在相序S₂下最优的绿灯时间g^*(S₂)最多使交叉口达到非长期非过饱和但排队强度较高的控制状态，优化后的最大排队强度也即该子问题的最优值为f^*(S₂)＝0.9856。图9表示了相序S₂下的优化结果。其余子问题都按照类似流程求解，所有子问题的结果见表3。

在全部子问题求解结束后，选出CS最大的相序集合Λ_S，本例中CS最大为2且仅有第2相序S₂的CS为2，即Λ_S＝{S₂}，因此，最优相序S^*为S₂，最优的绿灯时间g^*＝g^*(S^*)＝g^*(S₂ ^*)。最优信号控制方案见表4。

表4案例最优信号控制方案

交叉口按照表4方案执行信号控制，直到下一个相位间隔开始，即(φ₆,φ₈)绿灯结束后，进行下一次优化决策，以此类推。

Claims (2)

1.一种基于实时排队信息的交叉口自适应信号控制方法，其特征在于，根据控制状态信号CS，确定最优相序S^*和最优绿灯时间g^*(S^*)的控制方案，包括：

步骤S1：根据当前排队信息确定相序备选集合Ω_S并从中选取一个还未寻优过的备选相序S_i，

步骤S2：根据最小最大绿灯时间以及最大红灯时间约束条件C0，求解优化问题1，检验优化问题1是否存在可行解，若存在，进入步骤S3，否则CS(S_i)＝0，该解优化问题1无可行解，S_i不可行，进入步骤S7，

步骤S3：获得优化问题1的最优值f₁ ^*和最优解

判断约束条件C1是否满足，若是，进入步骤S4，若否，CS(S_i)＝1，S_i对应的最优值f^*(S_i)＝f₁ ^*，最优解

进入步骤S7，其中，约束条件C1为f₁ ^*≤0，

步骤S4：求解优化问题2，获得优化问题2的最优值f₂ ^*和最优解

判断约束条件C2是否满足，若是，进入步骤S5，若否，CS(S_i)＝2，S_i对应的最优值f^*(S_i)＝f₂ ^*，最优解

进入步骤S7，其中，约束条件C2为f₂ ^*≤γ，γ为安全阈值，

步骤S5：求解优化问题3，获得优化问题3的最优值f₃ ^*和最优解

判断约束条件C3是否满足，若是，进入步骤S6，若否，CS(S_i)＝3，S_i对应的最优值f^*(S_i)＝f₃ ^*，最优解

进入步骤S7，约束条件C3为f₃ ^*≤0，

步骤S6：求解优化问题4，获得优化问题4的最优值f₄ ^*和最优解

CS(S_i)＝4，S_i对应的最优值f^*(S_i)＝f₄ ^*，最优解

进入步骤S7，

步骤S7：检验所述相序备选集合Ω_S中的所有S_i是否都完成寻优，若是，则所有子问题寻优结束，进入步骤S8，若否，则进入步骤S1进行新一轮寻优，

步骤S8：从所述相序备选集合Ω_S中取出CS值最大的S的集合Λ_S，从所述Λ_S中找出f^*值最小的S作为最优相序S^*，所对应的绿灯时间作为最优绿灯时间g^*(S^*)；

所述步骤S2中最小最大绿灯时间约束，具体为：

其中，G_min为最小绿灯时间，G_max为最大绿灯时间，

为相序对应绿灯时间；

以及最大红灯时间约束，具体为：

其中，

为绿灯开始时刻，

为红灯开始时刻，R_max为最大红灯时间；

所述控制方案包括两个相同时间长度的运行周期；

所述步骤S3中优化问题1具体为：

所述约束条件C1是指所有排队在第二周期结束时全部清空，具体为：

其中，

为第二周期剩余排队强度；

所述步骤S4中优化问题2具体为：

所述约束条件C2是指所有排队的最大排队强度MQI在两个周期内不超过安全阈值γ，γ＜1，具体为：

其中，

为最大排队强度；

所述步骤S5中约束条件C3是指第一个周期内的所有排队在该周期结束时全部清空，具体为：

所述优化问题3具体为：

其中，

为第一周期剩余排队强度；

所述步骤S6中的优化问题4具体为：

其中，

为最大排队强度。

2.根据权利要求1所述的一种基于实时排队信息的交叉口自适应信号控制方法，其特征在于，所述控制方案在所述最优相序和最优绿灯时间确定之后立即执行至下一次优化决策时刻，重复以上步骤S1～S8，生成新的控制方案。

Images