CN110136455B - 一种交通信号灯配时方法 - Google Patents
一种交通信号灯配时方法 Download PDFInfo
- Publication number
- CN110136455B CN110136455B CN201910379345.5A CN201910379345A CN110136455B CN 110136455 B CN110136455 B CN 110136455B CN 201910379345 A CN201910379345 A CN 201910379345A CN 110136455 B CN110136455 B CN 110136455B
- Authority
- CN
- China
- Prior art keywords
- intersection
- timing
- phase
- time
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000001965 increasing effect Effects 0.000 claims description 32
- 238000011144 upstream manufacturing Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 15
- 229920006395 saturated elastomer Polymers 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004088 simulation Methods 0.000 description 22
- 238000009826 distribution Methods 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 9
- 230000018109 developmental process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 230000035484 reaction time Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000233805 Phoenix Species 0.000 description 1
- 241001417517 Scatophagidae Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种交通信号灯配时方法，属于交通设备领域。该方法包括：如果只有一个交叉口，则对该交叉口进行单交叉口信号灯配时；如果两个相邻交叉口之间的距离大于800米，则对每个交叉口分别进行单交叉口信号灯配时；如果两个相邻交叉口之间的距离小于等于800米，则进行两相邻交叉口信号灯配时；如果一个交叉口与四个交叉口相邻，则进行四交叉口信号灯配时。本发明针对各个车道饱和度不等的情况，将实时弹性调度策略运用到了交叉口信号配时中，构建了针对各种交叉口的配时模型，并求得相应的最优解析解，并针对每个相位设计了最优绿灯配时，从而从根本上起到了缓解交通压力的作用。
Description
技术领域
本发明属于交通设备领域，具体涉及一种交通信号灯配时方法。
背景技术
近年来，经济社会的发展由迅猛进入平稳阶段，人们的生活质量大幅提升，越来越多的人拥有了私家车，机动车辆的增长也进入了高峰期，城市道路交通拥挤问题日益凸显，交通受阻严重制约了社会经济的发展。良好的城市交通是降低交通危害、促进社会经济发展、提高市民生活水平的重要保障。
城市交通拥挤的起因有很多，其中，道路上的红绿灯控制未做到合理优化，导致浪费交通资源和交通拥挤现象并存。缓解越来越突出的交通压力，解决交通拥堵问题，可以通过加大道路建设的投资，拓宽道路、增加车道来实现,但随着城市建筑格局的基本形成，地域条件受到极大的限制，扩张道路将会影响道路旁已有的建筑，势必会造成用地补贴等高额成本费用，同时，道路建设用时较长，也会影响人们正常的出行，造成一定的环境破坏；除此之外，向群众普及交通安全知识，帮助群众树立交通文明观念，车辆限号出行等方法也能一定程度上缓解交通拥挤问题，但这并不能从根本上解决交通拥堵问题。究其本质，交通拥挤是交通流量超过道路饱和流量，要想从根本上缓解交通压力，就需要对当前部分路段、路口的红绿灯配时方案进行适当的优化，根据各个相位的车流量进行协调，避免有些车辆出现排队时间长、多次停车的现象，这就是交通控制的作用，也是解决交通问题的关键。
城市化进程的加快和机动车数量的急剧增加使得城市交通拥挤问题日益凸显，交通拥挤给人们的出行造成极大的不方便，同时也会造成一定的环境污染和经济损失。路网的物理扩张和采取有效的交通控制策略都可以缓解交通拥挤问题，但随着城市格局的逐步形成，扩张路网受到地域条件限制，加之成本高、用时长，越来越无法得到青睐，相反，近年来计算机技术的迅猛发展，使得交通控制策略逐步发展为解决交通拥挤和维护交通安全的关键，如何设计信号灯配时成为解决交通拥挤的关键技术之一。
交通信号灯主要应用于城市交叉口，因此，提高交叉口的通行效率对改善城市交通、缓解交通压力来说显得尤为重要，只有对交通信号灯进行合理的配时，才能在保障路口安全的前提下，充分利用交通资源，有效疏通车流量，从而提高交叉口的通行效率，进而为有效解决城市交通拥挤奠定基础。
智能交通是解决城市交通拥堵的重要突破口。区域综合交通是智能交通发展的战略性方向之一，作为城市交通路网“咽喉”的交叉口，多交叉口协同信号配时技术是实现区域交通协作控制的重要手段。近年来，国内外众多机构面向城市交通信号控制问题展开研究并取得了一系列成果，如澳大利亚SCATS系统、英国SCOOT系统、日本VICS系统、我国JR-UTC-MATHS系统、海信自适应信号控制系统等。然而上述系统在交通流动态检测、响应时间、硬件成本、系统结构通用性等方面仍存在一定的局限性。信息科学和控制科学的不断发展为交叉口信号控制系统关键技术的改进和突破提供了可能，特别是在交通信息采集、相位交通状态评估和信号配时决策上改进空间巨大，主要体现在：
(1)交通信息采集
精确、实时的交通信息是交通状态评估的数据基础。相较于环形线圈检测(维护破坏路面、难度较大)、超声波检测(检测精度低)、红外检测(环境影响较大)、GPS/手机定位(定位精度较差、依赖通信设备)等采集技术，基于计算机视觉的交通信息参数采集技术具有安装方便、相对成本较低等特点，其中虚拟检测线法、目标跟踪法、光流法等视频检测原理为车流量统计提供了有效方法，相邻帧差法、背景差分法、边缘分割法等为不同相位车辆排队长度测量提供了技术支撑。面向低成本、快速响应的性能需求，开发快速、准确的实时交通流参数检测是评估实时交通状态的基础，也是交通信息采集技术改进的方向。
(2)相位交通状态评估
交通流动态分析和预测是交通流诱导和控制的基础和关键。从以传统数学知识为基础的基于时间序列预测的卡尔曼滤波、指数平滑方法，到以现代控制理论为基础的基于道路路网的支持向量机、神经网络等智能理论预测方法，再到云计算模型、小波理论、组合预测、元胞自动机模型等预测方法，交通流分析与预测技术逐步成熟。相位作为交通流诱导和控制的逻辑单位，考虑相邻交叉口多相位间的时间耦合和空间限制特性，开发面向多相位的交通流状态预测评估是改进配时策略的突破口之一。
(3)信号配时策略
交叉口信号优化配时是交通灯信号配时系统的“核芯”。信号优化配时技术可分为单点控制、干线控制和区域协调控制方法，其中单点为当前主流控制方式，但无法满足优化性能需求(我国99％以上路口仍为单点控制)；干线控制多用于两城市间主干道上，实现要求较高；区域协调控制兼顾了单路口的通行能力，也考虑多路口的关联性，是最大化路网通行能力的有效工具。
信号配时的主要矛盾体现在：(1)过饱和交通流与有限时长信号周期之间的矛盾；(2)具有差异交通流的多相位通行需求与有限单信号周期时长分配之间的矛盾。
发明内容
本发明的目的在于解决上述现有技术中存在的难题，提供一种交通信号灯配时方法，根据道路饱和度与弹性调度理论，充分考虑各相位在不同负载下所占的权重，建立动态配时模型，得到交叉口信号绿灯时长分配的最优策略。
本发明是通过以下技术方案实现的：
一种交叉口交通信号灯配时方法，所述方法包括：
如果只有一个交叉口，则对该交叉口进行单交叉口信号灯配时；
如果两个相邻交叉口之间的距离大于800米，则对每个交叉口分别进行单交叉口信号灯配时；
如果两个相邻交叉口之间的距离小于等于800米，则进行两相邻交叉口信号灯配时；
如果一个交叉口与四个交叉口相邻，则进行四交叉口信号灯配时。
所述单交叉口信号灯配时的操作包括：
(1)利用单个交叉口的各相位的饱和度获取单交叉口交通流量压力评估参数p；
(2)建立单交叉口信号灯实时自适应配时模型；
(3)利用所述单交叉口交通流量压力评估参数p判断维持现有的信号周期总时长T是否能够疏通下一个信号周期的交通流量，如果是，则转入步骤(4)，如果否，则转入步骤(5)；
(4)利用现有的信号周期总时长T和所述单交叉口信号灯实时自适应配时模型获得单个交叉口的每个相位的绿灯配时；
(5)将现有的信号周期总时长T增加得到增大的信号周期总时长T(t)，然后利用所述增大的信号周期总时长T(t)和所述单交叉口信号灯实时自适应配时模型获得单交叉口每个相位的绿灯配时。
所述步骤(1)的操作包括：
利用下式计算得到单交叉口交通流量压力评估参数p：
其中X表示单交叉路口的饱和度，λi为第i相位的绿信比，n表示相位的数量。
所述步骤(2)建立的单交叉口信号灯实时自适应配时模型如下：
其约束条件为：
其中N表示单交叉路口相位总数；
wi(t)表示第i个相位所占的权重；
Ti,
和
分别代表第i相位的绿灯配时、绿灯配时的最小下界和绿灯配时的最大上界。Tmin为一辆车通过交叉路口的平均时间，Tmax为一辆车通过路口的平均时间与i相位所控制各进口车道车辆乘积的最大值。
所述步骤(3)中的利用所述单交叉口交通流量压力评估参数p判断维持现有的信号周期总时长是否能够疏通下一个周期的交通流量的操作包括：
如果p＜1，则判定维持现有的信号周期总时长能够疏通下一个信号周期的交通流量；
如果p≥1，则判定维持现有的信号周期总时长不能疏通下一个信号周期的交通流量。
所述步骤(4)的操作包括：
在不等式(3.3)-(3.5)约束条件下，利用下式计算求得最优解Ti *作为第i相位的绿灯配时,使得目标函数(3.2)获得最小值：
其中
利用下式计算所述wi(t)：
其中，xija和xijb分别表示第i相位中第j车道的下游饱和度和上游饱和度；
qija(t)和qijb(t)分别表示第i相位中第j车道的下游和上游的等待车辆数；
Qija(t)和Qijb(t)分别表示第i相位中第j车道的下游和上游的饱和流量。
所述步骤(5)中的将现有的信号周期总时长增加得到增大的信号周期总时长的操作包括：
利用下式将现有的信号周期总时长增加得到增大的信号周期总时长：
其中，xi(t)表示当前时期交叉路口相位i所控制的各进口车道饱和度的最大值,即当前时期相位i的相位饱和度，xi(t0)表示上一个时期相位i的相位饱和度，T(t0)表示上一个时期的周期；
或者，利用下式将现有的信号周期总时长增加得到增大的信号周期总时长：
T(t)＝(X-m·N)·T(t0) (3.10)
其中，X表示该交叉口的饱和度，N表示单交叉路口相位总数，m为饱和度的阈值，此处m＝1。
所述步骤(5)中的利用所述增大的信号周期总时长T(t)和所述单交叉口信号灯实时自适应配时模型获得单交叉口每个相位的绿灯配时的操作包括：
利用调整后的T按照(3.6)式计算出每个相位的权重wi(t)，用公式(3.9)得出的T(t)替换(3.8)式中的T，求得单交叉口每个相位的绿灯配时Ti *。
所述两相邻交叉口信号灯配时的操作包括：
设T1为第一交叉口的周期长度，T2为第二交叉口的周期长度；
步骤1.置两个交叉口的初始相位为a，给定每条车道的饱和流量Qmax；
步骤2.在初始时刻t0，对第二交叉口进行所述的单交叉口信号灯配时，得到第二交叉口的绿灯配时；
步骤3.t0+Δt时刻末，根据公式(4.7)计算出各个车道等待车辆数，然后对第一交叉口进行所述的单交叉口信号灯配时，得到第一交叉口的绿灯配时；
Q(t)＝P1·Q21-Qout(t)+Qlast,t1＜t＜t2 (4.7)
使用公式(4.7)时，t1、t2分别采用t0和t0+Δt。
步骤4.在t0+Δt时刻到T1时刻的时间段内判断k的值：
当k＝1时，绿灯相位会对第一交叉口与第二交叉口之间的中间路段产生影响，当k＝-1时，绿灯相位不会对中间路段产生影响。
步骤5.根据公式(4.1)计算出第二交叉口驶入第一交叉口的车辆个数：
其中，
步骤6.将t0+Δt+T1作为新的初始时刻t0，然后返回步骤2；
其中，Q12(t)，Q21(t)分别表示t时刻第一交叉口到第二交叉口中间路段的车量数和第二交叉口到第一交叉口中间路段的车辆数,Qin(t)、Qout(t)分别为[t1,t2]时段内沿某一车道上通过上下游线圈的车辆数，Qlast为前一周期该车道上车辆的滞留数；设P1,P2,P3为某一条道路上车辆进入直行，左拐，右拐车道的概率。
所述四交叉口信号灯配时的操作包括：
设T1，T2，T3，T4，T5分别为第一交叉口，第二交叉口，第三交叉口，第四交叉口，第五交叉口的周期时长；
步骤1.置各个交叉口的初始相位为a，给定每条车道的饱和流量Qmax；
步骤2.在初始时刻t0，对第二交叉口、第三交叉口、第四交叉口、第五交叉口分别进行叉口信号灯配时，得到第二交叉口、第三交叉口、第四交叉口、第五交叉口的绿灯配时；
步骤3.t0+Δt时刻末，根据公式(4.7)计算出第一交叉口的各个车道等待车辆数，然后对第一交叉口进行所述的单交叉口信号灯配时，得到第一交叉口的绿灯配时；
步骤4.在t0+Δt时刻到T1时刻的时间段内判断k的值，其中
步骤5.根据公式(4.8)分别计算出第二交叉口、第三交叉口、第四交叉口、第五交叉口驶入交叉口1的车辆个数；
其中
Q21(t)，Q31(t)，Q41(t)，Q51(t)分别表示t时刻交叉口2到交叉口1，交叉口3到交叉口1，交叉口4到交叉口1，交叉口5到交叉口1中间路段的车辆数；
步骤6.将t0+Δt+T1作为新的初始时刻t0，返回步骤2。
与现有技术相比，本发明的有益效果是：
(1)针对各个车道饱和度不等的情况，将实时弹性调度策略运用到了交叉口信号配时中，构建了针对各种交叉口的配时模型，并求得相应的最优解析解；
(2)针对道路饱和度的不同情况分别设定了道路车辆很少、正常和过饱和时的三种配时策略，针对每个相位设计了最优绿灯配时，从而从根本上起到了缓解交通压力的作用。
附图说明
图1-1交叉口中的相位a的示意图；
图1-2交叉口中的相位b的示意图；
图1-3交叉口中的相位c的示意图；
图1-4交叉口中的相位d的示意图；
图2单交叉口的几何示意图；
图3单交叉口交通信号灯配时方法的步骤框图；
图4本发明3D视图下的单交叉口模型图。
图5-1单交叉口仿真结果中的通过车辆数；
图5-2单交叉口仿真结果中的平均排队长度；
图5-3单交叉口仿真结果中的平均延误时间；
图5-4单交叉口仿真结果中的平均停车次数；
图6两相邻交交叉口的几何示意图
图7两相邻交叉口交通信号灯配时方法的步骤框图；
图8本发明3D视图下的两相邻交叉口模型图。
图9-1第一交叉口三种配时结果；
图9-2两相邻交叉口三种配时结果；
图10四相邻交交叉口的几何示意图；
图11本发明3D视图下的四相邻交叉口模型图。
图12-1第一交叉口三种配时结果；
图12-2两相邻交叉口三种配时结果
具体实施方式
下面结合附图对本发明作进一步详细描述：
目前，交通信号灯控制的基本参数如下：
(1)相位
在一个控制系统中，一个交叉口会有多个方向的车流，为了避免不同方向车流发生交通冲突，一般采用分时的方法来控制通行，即将一个周期时长进行划分，其中在任意一个时间段内只允许交叉口不存在冲突的方向通行车辆，冲突车道的车流量相继被放行。可以把一个相位的绿灯信号看成是一种通行权，拥有通行权时该相位上的交通流才允许通行，一般有几个冲突车道就设置几个相位。一般的交叉口都是四相位控制，如图1-1到图1-4所示，该交叉口信号灯四相位变化顺序都是b→a→c→d→b。
(2)饱和度
饱和度是指在相位i中实际进入车道j的交通量qij与进口车道j的饱和流量Qj的比值，也称为流量比，用xij表示。用xi来表示交叉路口相位i所控制的各进口车道饱和度的最大值，用X表示交叉路口所有相位饱和度xi之和，称为该交叉路口的饱和度。具体计算公式可表示为：
xi＝max{xij} (2.2)
X＝∑xi (2.3)
(3)相位差
当将交通信号控制用于相邻交叉路口或者是多组交叉路口时，信号控制策略的设定变得更加困难，为了达到相邻路口之间协调控制引入相位差的概念。
相位差是一种时差，即是两个相邻路口之间相同相位开启绿灯时间所相差的时间，它分为两种表示方式，一种是绝对相位差，信号的绿灯或者红灯的起点或者终点对于某一标准信号绿灯或红灯的起点或终点的时间差。另一种是相对相位差，即两个相邻路口之间两个信号的绿灯(红灯)的起点(终点)的时间差。本发明中所用的相位差是指相对相位差，记为Δt。
(4)绿信比
绿信比是指各个相位的有效绿灯时间与总的周期时长的比值，这里的有效绿灯时间区别于实际绿灯时间，因为在实际绿灯时间中有一部分不可避免的时间损耗，例如当信号灯变成绿灯时，驾驶人员都有一定的反应时间，在这段反应时间内没有车辆通过，所以称其为损失时间，实际绿灯时间去掉损失时间即为有效绿灯时间。通常用λ表示，具体表示如下：
其中，λ为各个相位的绿信比，g为有效绿灯时间，T为面向单个相位的红、绿、黄三灯的信号周期总时长。
单个交叉口是城市交通网络中最基本的单元，是线控制与面控制的基础。只有对单个交叉口的交通信号灯进行合理有效的配时控制，才更有利于整个路网的交通控制，一个合理的配时方案在有效地缓解日益紧张的交通拥堵问题中扮演着至关重要的角色。
本发明首先对单个交叉口进行了几何描述，并分析了交叉口的相位负载特性。根据车道饱和度的不同，设置了各个相位的权重，通过建立一种基于弹性调度理论的信号灯自适应动态配时模型，来求得信号周期分配的最优解。
如图2所示，一个四相位控制的交叉口存在四个方向，每个方向上都有三个车道，一共存在12个车道。
交叉口信号配时必须根据各车道检测数据实时调整配时策略，以最高效利用周期长度为目标函数，动态优化周期分配方案。通常情况下，根据各个相位交通量的变化，通过适当调整相位的组合以及相位控制顺序来提高交叉口的通行效率和交通控制效益，在这里所有信号灯按照前面所述的相位顺序进行变化。
针对图2所示的四相位信号控制的交叉路口，各车道所检测到的在排队等待的车辆数量为qi，其中i表示车道序号，信号灯控制的只有直行以及左拐车道，右拐车道(9,10,11,12)不参与信号控制，故在单交叉口中无需考虑右拐车道对信号配时的影响。
在传统的配时算法中，大多数通过交叉口处各个相位的车辆数比值来确定绿灯的分配时间，这样能够比较简单地对信号灯进行配时，但是每一条路的饱和流量不同，承载能力不同，所以简单的车辆数比值并不能真实地反映当前交叉口处的路况，本发明引入饱和度这一概念，根据当前交叉口处不同道路的饱和度和当前的信号周期，借鉴实时任务的广义弹性调度策略来构建交叉口信号灯实时自适应配时模型。
单交叉口信号灯实时动态分配模型如图3所示，包括:
首先，依据交叉口各相位的饱和度引入单交叉口交通流量压力评估参数p，判断维持当前信号周期下是否可以疏通交通流量，具体计算公式如下：
其中X表示该交叉路口的饱和度，λi为第i相位绿信比的数值。根据当前道路饱和度合理判断当前道路的负载情况，并设计相应红绿灯配时策略，具体描述为：
(1)当p＜1时，说明维持当前信号周期足以疏散下下一周期的短时交通流，此时建立如下实时弹性调度模型描述单交叉口中各个相位之间的逻辑关系，其中目标函数为：
其约束条件为
其中N表示单交叉路口相位总数；wi(t)表示第i个相位所占的权重；Ti,
和
分别代表第i相位的绿灯配时时间、绿灯配时的最小下界和最大上界。此时，单交叉口绿灯配时问题可描述为上述不等式约束条件下的时变最小值求解问题，此模型的最终目的是在不等式(3.3)-(3.5)约束条件下，求得最优解Ti *作为第i相位的绿灯时长,使目标函数(3.2)获得最小值。
公式(3.2)-(3.5)即为所述单交叉口信号灯实时自适应配时模型，在上述模型中，当用所在相位车辆数与当前交叉路口所有车辆数的比值来表示权重，这种方式并未充分考虑到各条路的负载，因而简单的车辆数的比值不足以表示各个相位所占的权重。本发明利用饱和度作为调整信号配时的重要参数，一般情况下，道路饱和度在0～0.8之间，当饱和度超过0.8道路状况已经相当糟糕，交通事故易发，车辆行车速度急剧下降，所建立模型已经不能良好的适应突发状况的发生。因此，在这里各个相位的权重充分考虑了来车道路和驶向道路的饱和度，当即将驶去的道路饱和度足够大时，权重相应减小，分配绿灯时间减少，避免加大即将驶去道路的交通压力，以此来提高交叉口通行效率。各相位的权重wi具体公式如下：
其中，xija和xijb为第i相位中第j车道的下游饱和度和上游饱和度，qija(t)和qijb(t)分别表示当前第i相位中第j车道的下游和上游的等待车辆数，Qija(t)和Qijb(t)分别表示该车道下游和上游的饱和流量；这种表示权重的方式，充分考虑到了每条道路的负载，车辆数对道路交通状况的影响，能够使周期分配更为合理。
通过公式(3.2)所求得的结果即为当前交叉口每个相位的绿灯配时，当一个相位为绿灯时，其他相位相应的设置为红灯，没有黄灯配时。
此时，将时变权重wi(t)(即将公式(3.6))代入(3.2)中，通过求解(3.2)可以得到每个相位的绿灯配时时间Ti *)可表述为：
其中
Ti *即为单交叉口每个相位所设置的绿灯时常。
(2)当p≥1时，说明当前信号周期对应短时交通流量处理能力不足，需要增加信号周期总时长，而增大的程度和当前交叉口饱和度与上一个周期的交叉口饱和度有关，即周期做一个比例增大：
利用下式将现有的信号周期总时长增加得到增大的信号周期总时长：
其中，xi(t)表示当前时期交叉路口相位i所控制的各进口车道饱和度的最大值,即当前时期相位i的相位饱和度，xi(t0)表示上一个时期相位i的相位饱和度，T(t0)表示上一个时期的周期；
或者，利用下式将现有的信号周期总时长增加得到增大的信号周期总时长：
T(t)＝(X-m·N)·T(t0) (3.10)
其中，X表示该交叉口的饱和度，N表示单交叉路口相位总数，m为饱和度的阈值，此处m＝1。
按照公式(3.9)或(3.10)按比例调整信号周期后，利用调整后的T按照(3.6)式计算出每个相位的权重wi(t)，再根据(3.8)式计算出每个相位的绿灯时长，用公式(3.9)得出的T(t)替换(3.8)式中的T，最终求得单交叉口每个相位的绿灯配时时间Ti *。
综上所述，针对单交叉口，本发明首先根据(3.1)式求出p,判断当前周期能否疏散掉当前的交通流，如果可以，则根据(3.6)式计算出每个相位的权重wi(t)，再根据(3.8)式计算出每个相位的绿灯时长Ti *；如果不可以，则首先利用(3.9)或者(3.10)式按比例扩充交通信号控制周期T,然后按照(3.6)式计算出每个相位的权重wi(t)，再根据(3.8)式计算出每个相位的绿灯时长Ti *。最终结果是根据每个相位所对应的上下游的饱和度，为每个相位配置绿灯时常。
两个相邻路口之间存在很强的关联性，并且这也是城市交通系统中大量存在的情况。在实际交通状况中，一个交叉路口的交通流量往往会影响相邻交叉路口交通状况的变化趋势，为了更好地描述实际的交通流状况并更好地对整体道路状况进行协调控制，需要对相邻道路之间的交通信号协调控制进行研究。
交通实践表明，并不是任何的两个相邻路口之间都具有关联性，交叉口的关联性是有条件的，通常情况下，只有相距小于或等于800m的相邻交叉口才具有关联性，而当两个相邻路口之间距离大于800m时即可以看作它们之间没有相关性，同时将其当做两个孤立的路口进行研究。本发明所建立的交通几何模型是城市交叉口的最常见的情况，如图6所示(图6中的交叉口1表示第一交叉口，交叉口2表示第二交叉口)。
图6中每个交叉口都有四个方向，每个方向上的有三个车道。在每个车道上都设置了上下游线圈来检测车流信息，上游线圈用来检测(t-Δt,t)时间内进入交叉口的车辆数，下游线圈用来检测驶出交叉口的车辆数。
信号控制采用四相位的控制方式，分别对各方向上的直行与左拐车道加以控制，右拐车辆直接疏散不做控制。
图6显示了我国大部分城市最普通的交通道路情况，交叉口每个方向上都存在三个车道，按图6中所示对各个车道加以编号，同一方向上的交通流使用同一个编号。等待左拐的车辆占里车道，等待执行车辆占中间车道，等待右拐车辆占外车道。
两相邻交叉口的配时方法如下：
假定在(t-Δt,t)时段内进入第i号交叉口第j个车道的车辆数为Iij(t)，在这个时段内驶出第i号交叉口第j个车道的数量为Oij(t)，i＝1,2，j＝1,2,3,...12。假定Q12(t)，Q21(t)分别表示t时刻第一交叉口到第二交叉口中间路段的车量数和第二交叉口到第一交叉口中间路段的车辆数,则两相邻交叉路口交通流预测模型X(t)＝AY(t)可表示为：
其中：
假定Qin(t)、Qout(t)分别为[t1,t2]时段内沿某一车道上通过上下游线圈的车辆数，Qlast为前一周期该车道上车辆的滞留数，则在t时刻时，该车道上的车辆数量可以表示为：
Q(t)＝Qin(t)-Qout(t)+Qlast,t1＜t＜t2 (4.2)
假定Qmax为某一车道的饱和流量值，则在该车道上的饱和度可表示为：
由于第一交叉口与第二交叉口具有很强的相关性，在这里对第二交叉口对第一交叉口的影响进行讨论，第一交叉口对第二交叉口的影响通过类比可知。设P1,P2,P3为某一条道路上车辆进入直行，左拐，右拐车道的概率，这种概率可以对历史数据进行统计分析得出，由此可得：
q11(t)＝P1·Q21(t) (4.4)
q13(t)＝P2·Q21(t) (4.5)
q19(t)＝P3·Q21(t) (4.6)
式中qij为第i号交叉口第j车道由相邻路口方向进入的车辆。
该车道在t时刻等待车辆数则可以由相邻路口车辆预测得出，即车道在t时刻实际等待车辆＝前一周期滞留车辆+相邻交叉口到该交叉口的车辆，如下式所示，表示[t1,t2]时段内第一交叉口第1号车道上的等待车辆：
Q(t)＝P1·Q21-Qout(t)+Qlast,t1＜t＜t2 (4.7)
综上，整体的协调控制算法思想可以归结为：根据第二交叉口的车流状况预测第一交叉口的各个车道等待车辆个数，将两个交叉口上两个车道上的等待车辆的影响视为一个车道上的等待车辆，以此来达到考虑相邻交叉口协调性进行单个交叉口优化配时的目的，从而提高整体的通行效率。
具体来说，本发明两相邻交叉口信号协调控制配时方法如图7所示，包括：
设T1为第一交叉口的周期长度，T2为第二交叉口的周期长度。T1和T2人为赋合理的初始值。
步骤1.置两个交叉口的初始相位为a，设定交叉口最小绿灯时间Tmin。检测各交叉口车辆排队情况，得到最大绿灯时间Tmax。给定每条车道的饱和流量Qmax。此处规定各交叉口每周期的初始相位都是a，即以a→b→c→d→a的顺序变化。设置绿灯时长应遵循如下原则：
最小绿灯时间为一辆车通过交叉路口的平均时间Tmin，最大绿灯时间其值为一辆车通过路口的平均时间与i相位所控制各进口车道车辆乘积的最大值Tmax。设置最大绿灯时间一般不能超过150s(当存在一个相位最大绿灯时间超过150s时，各个相位绿灯时间变成原来的一半(即自动将所有相位的绿灯时常除以2)否则某一相位等待时间太长，影响驾驶员的心理承受能力。
步骤2.在初始时刻t0，第二交叉口根据当前各相位车辆排队状况用上述的单交叉口信号灯实时动态分配模型分配各相位有效绿灯时长，此时获得了第二交叉口的绿灯时长。
步骤3.t0+Δt时刻末，第一交叉口检测当前各个车道等待车辆个数，根据公式(4.7)计算出各个车道等待车辆数(使用公式(4.7)时，t1、t2分别采用t0和t0+Δt。)，然后用上述单交叉口信号灯实时动态分配模型分配各相位有效绿灯时长，此时获得了第一交叉口的绿灯时长。
(步骤2、3完成后就已经获得了两个交叉口的绿灯配时，步骤4、5、6是计算下一轮各个车道等待车辆数，从而进行新一轮的绿灯时长分配。)
步骤4.(t0+Δt,T1)(表示t0+Δt时刻到T1时刻的时间段)判断k的值：
当k＝1时交叉口的绿灯相位会对第一交叉口与第二交叉口之间的中间路段产生影响，当k＝-1是绿灯相位不会对中间路段产生影响。
步骤5.根据公式(4.1)计算出第二交叉口驶入第一交叉口的车辆个数。
步骤6.t0+Δt+T1时刻末，返回步骤2，即将t0+Δt+T1作为新的初始时刻t0，返回步骤2开始新一轮的绿灯时长分配。
上述情况中只考虑了第二交叉口对第一交叉口东西方向即Q21的车流量的影响，但第一交叉口最多会与4个交叉口相邻，东南西北四个方向都会受到相邻路口的影响。
交叉口每个方向上三个车道，以图10中所示给各个车道编号，同一方向上的交通流使用一个编号。等待左拐的车辆占里车道，等待执行车辆占中间车道，等待右拐车辆占外车道。
设在(t-Δt,t)时段内进入第i号交叉口第j个车道的车辆数为Iij(t)，在这个时段内驶出第i号交叉口第j个车道的数量为Oij(t)，i＝1,2,...,5，j＝1,2,3,...12。
设Q21(t)，Q31(t)，Q41(t)，Q51(t)分别表示t时刻交叉口2到交叉口1，交叉口3到交叉口1，交叉口4到交叉口1，交叉口5到交叉口1中间路段的车辆数，则四相邻交叉路口交通流预测模型X(t)＝AY(t)可表示为：
其中
根据上述公式，再类比上一部分内容可得到交叉口1所有车道上等待车辆的数量。
四相邻交叉口交通信号灯配时方法如图11所示：
设T1，T2，T3，T4，T5，分别为第一交叉口(交叉口1)，第二交叉口(交叉口2)，第三交叉口(交叉口3)，第四交叉口(交叉口4)，第五交叉口(交叉口5)的周期时长。T1，T2，T3，T4，T5人为赋合理的初始值。
步骤1.置各个交叉口的初始相位为a，设定交叉口最小绿灯时间Tmin。检测各交叉口车辆排队情况，得到最大绿灯时间Tmax。给定每条车道的饱和流量Qmax。(最小绿灯时间为一辆车通过交叉路口的平均时间，最大绿灯时间其值为一辆车通过路口的平均时间与i相位所控制各进口车道车辆乘积的最大值)
此处规定各交叉口每周期的初始相位都是a，即以a→b→c→d→a的顺序变化。
步骤2.在初始时刻t0，第二交叉口、第三交叉口、第四交叉口、第五交叉口根据当前各相位车辆排队状况用上述单交叉口信号灯实时动态分配模型分配各相位有效绿灯时长。
步骤3.t0+Δt时刻末，第一交叉口检测当前各个车道等待车辆个数，根据公式(4.7)计算出各个车道等待车辆数，然后用上述单交叉口信号灯实时动态分配模型分配各相位有效绿灯时长。
(步骤2、3完成后就已经获得了5个交叉口的绿灯配时，步骤4、5、6是为了计算下一轮各个车道等待车辆数，从而进行新一轮的绿灯时长分配)
步骤4.(t0+Δt,T1)判断k的值，其中
步骤5.根据公式(4.8)分别计算出第二交叉口、第三交叉口、第四交叉口、第五交叉口驶入交叉口1的车辆个数。
步骤6.t0+Δt+T1时刻末，返回步骤2，即将t0+Δt+T1作为新的初始时刻t0，返回步骤2开始新一轮的绿灯时长分配。
可以看出，两相邻交叉口中只考虑了相邻一个路口在东西方向上车辆的互相影响，而四相邻交叉口考虑了相邻四个路口在东西南北所有方向上车辆的影响。
为验证本发明方法的有效性，利用交通仿真软件vissim4.3进行了交通仿真。
vissim仿真的基础数据如下：
(1)路段和连接器
vissim路网编码的第一步是绘制路段轨迹，找出所有进出口路段，确定入口、出口和路口的车道数量，每条道路都被表示为一个路段，从主要路段编码开始，可以自动产生相反方向的车道。新建立的路段可以有不同数量的车道，在道路网络中，路段应与实际道路状况一致。路段包括车道数量，行为类型、车道宽度、车道限制、行车路线等几个属性。初始设置可根据实际道路特征进行。
连接器是两个路段的连接部分，主要用于十字路口。一个连接器可以通过选择连接到多个车道，并且该连接器可用于模拟转向车流量。连接器不能单独作为路段来使用，它只是一个过渡的桥梁，并不能拥有和路段一样的特性，交叉口在城市交通网中是一个最基本的单元，而连接器又对交叉口起着至关重要的作用，所以正确使用连接器在交通仿真中显得尤为重要，在使用时可适当调节曲率使转向更缓和，更真实地再现实际应用中的道路。
(2)车辆类别
一种或多种车型构成一种车辆类别。车辆速度、评估、路线选择行为和其他一些道路网络元素都与车辆类别有一定的关系。通常情况下，车辆类别和相同名称的车辆类型是相对应的。当多种类型的车辆具有相似的驾驶行为，但是它们的车辆特性不同(例如，加速度)时，它们可以被分类为一个车辆类别。如果只有车辆的形状和长度不同，它们仍然属于相同的车辆类别，并且可以使用车辆模型和颜色分布来区分。
(3)冲突区域和优先规则
冲突区域可以取代优先权规则，交叉路口单独使用交通灯来控制不能完全避免冲突。在这种情况下，确定优先权将使车辆的驾驶行为更加有规划性和判断性。在vissim中，任意两个路段或连接器的重叠部分都可以被定义为一个冲突区域，冲突区域主要分为三种类型：交叉冲突、汇合冲突、分支冲突。接近冲突区域的车辆行驶行为应该在支路上达到了最大车辆通行能力，但又不会影响主干道的交通，因此在我国一般在采用右行交通规则的同时，采用主干道通行优先于次干道，直行优先于左转，左转优先于右转的优先规则。
vissim仿真软件信号控制类型如下：
VISSIM用来模拟信号控制交叉口的方式有两种，分别是内置的固定配时信号控制或者是可选的感应控制。
(1)固定配时信号控制
对于定时信号控制只需要定义红灯结束时间、绿灯结束时间和黄灯时间，黄灯时间可设置为0来关闭该功能，由定时信号控制的信号灯组可以在一个周期内两次打开绿灯，此时，需要输入另一对信号灯的时间点在红灯端2和绿灯端2之间切换。对于每一个信号控制机都有主要的属性，例如：周期、偏移量、类型等。在信号灯周期配置表中可设置固定时长周期和可变时长周期，在使用固定周期时长时，周期时长必须大于等于最后一个相位的绿灯结束时间，并且在一次仿真中只能有一种固定配时方案，偏移定义的是第一个周期以及后面的周期向后推迟的时间，类型则是信号控制机类型及信号控制策略。
(2)感应控制
Vissim可以准确地模拟与外部信号状态发生器相关联的信号控制，只要安装了附加模块VAP，该信号状态发生器就允许定义他们自己的特殊类型的功能(例如：公交优先级，铁路优先级，紧急车辆优先占用的信号控制逻辑，高速公路上的可变信息标志等)，同时通过连接各个检测设备，可以得到每条车道的交通流的实时情况，并且可以合理分配每个相位的绿灯持续时间，从而实现实时控制、实时调整、高效疏通车流量的目的。
vissim信号控制性能指标如下：
(1)通过车辆数
通过车辆数是指在一定时间内通过交叉口的交通量。当交叉口处的交通信号灯使用不同的配时方案时，交叉口的通行效率会因为交通流量的疏通能力不同而有所不同，从而一定时间内通过的车辆数量也会不同。一定时间内，当通过的车辆数越多时说明当前的配时方案能有效疏散车流量，相反，当通过车辆越少时说明当前配时方案不合理，不能起到有效的疏散作用。当通过车辆数增多时一般交叉口的整体通行效率就会越高，故通过车辆数是一个评价信号控制好坏的重要指标。
(2)平均排队长度
平均排队长度是指在单位时间内在交叉路口区域因为等待交叉路口的通行权而阻塞的车辆长度，在经常形成过饱和状态的交叉路口处，由于排队周期的长时间积累，会造成排队长度从上游交叉口延伸到下游交叉口，从而形成交通流量死锁，因此获得准确的排队长度值对于防止此类交通拥堵有着十分重要的意义。随着现代科学技术的发展，检测设备在不断地改善，排队长度可以通过道路上下游线圈的感应器直接测量，以获得一个比较精确的值。排队长度也有估计方法，一般情况下，排队长度计算可分为三种情况：道路非饱和、道路饱和和道路过饱和。
(3)平均延误时间
平均延误时间就是指每辆车因为交通事故、交通干扰和驾驶员在驾驶期间无法控制的交通意外、以及交通控制设施等造成的时间损失。由于影响延误时间的因素非常复杂且通常基于实际观察到的延迟数据，但这种方法毕竟需要大量的人力、物力以及高昂的设备成本费用，因此研究人员通常会考虑通过构建模型来近似地表示延误时间。其中最为典型的就是Webster指出的计算延误时间的公式：
式中，d代表每辆车的平均延误，单位是vch/h；c代表信号周期长度，单位是秒；λ代表绿信比；q代表实际的车流量，单位是vch/h；x代表流量饱和度，是实际的车流量和道路饱和流量的比值。公式由三部分组成，其中第一部分表示的是均衡相位延误，即在到达率和释放率不变条件下的延误；第二部分是随机延误，是表示车流随机到达的影响；第三部分是一个修正项，是根据仿真模拟结果得到的。
从上式中不难看出，如果已知信号周期长度、绿信比、实际车流量以及道路饱和度，就可以得到平均延误时间。
(4)平均停车次数
平均停车次数是每辆车由于交叉口区域的信号变化导致车辆停止和重新启动的平均次数。在干线协调控制中，停车次数是判断干线协调控制是否有效的重要指标。
在对单交叉口的验证过程中，所采用数据均为调查统计之后的数据，仿真模型为一个四方向、四相位、三车道所组成的单个交叉路口。根据实际调查统计数据，以济南经十路(洪山路-韩仓桥)为干线的10个相邻交叉口为对象，分别对洪山路与经十路交叉口、奥体西路与经十路交叉口、奥体东路与经十路交叉口、草山岭与经十路交叉口、舜华路与经十路交叉口、凤凰路与经十路交叉口、凤山路与经十路交叉口、雪山路与经十路交叉口、凤鸣路与经十路交叉口、韩仓桥与经十路交叉口进行了交通仿真，根据实际信号周期对T进行了设定，每个相位最小绿灯时间(车辆通过交叉路口的平均时间)为5s，
初始设定四个相位的道路饱和流量分别为Q1＝1650，Q2＝1450，Q3＝1650，Q4＝1450，这里是理论最小绿灯时间和理论饱和流量，在实际应用中，不同交叉口的最小通过时间和道路饱和流量都是不同的。通过与各个路口当前正在使用的配时策略和平均配时策略的比较来证明所建立模型的有效性。
在vissim4.3环境下搭建了四方向、四相位、三车道所组成的单个交叉路口模型，整体采用右行交通规则，在设置信号机制之外又对可能存在冲突的区域设置了主干道优先于次干道、直行优先于左转、左转优先于右转的优先规则来最大程度地规避冲突，支持2D和3D两种视图模式，如图4为3D视图下单交叉口模型。
使用视频调查法得到各个交叉口流量数据如表1所示，各个交叉口配时调整统计如表2所示，表1中的单位为车辆数/(辆/h)，表2中的单位为时间/s。
表1
表2
选取一小时内通过车辆数、平均排队长度、平均延误时间、平均停车次数为评价指标，依次采用平均配时策略、交通局现采用配时策略以及本发明所设计的动态配时策略，考虑10个单交叉路口，覆盖
等多种交通流负载情况，最终仿真数字结果如表3所示。同时，为了更加直观的描述和对比平均配时策略、交通局现采用配时策略以及本发明所设计的动态配时策略下的性能指标，10个交叉路口的通过车辆数、平均排队长度、平均延误时间、平均停车次数在图5-1到图5-4中给出。
表3
通过对仿真结果进行分析可知，无论是道路饱和度低、较通畅还是交叉口处于过饱和状态，道路状况急剧恶化的情况下，本发明所建立的单交叉口动态配时模型在一个小时内通过的车辆数、平均排队长度、平均延误时间、平均停车次数都优于各个路口的当前配时策略和平均配时策略。相比于各个路口交通局现采用配时策略，通过车辆数平均增加37.9％，平均排队长度平均减小52.3％，平均延误时间平均减少了56.2％，平均停车次数平均减少了20.4％；相比于平均配时策略，通过车辆数平均增加70.1％，平均排队长度平均减小55.8％，平均延误时间平均减少了64.7％，平均停车次数平均减少了56.0％。通过与当前配时方案、平均配时方案的比较证明了本文所建立模型的有效性和能适应各种路况的特点。
针对两相邻交叉口仿真环境，本发明分别对两相邻交叉口采用平均配时、动态配时、根据预测道路饱和度模型协调控制配时三种配时方案进行仿真，并通过分析通过车辆数、平均排队长度、平均延误时间、平均停车次数等性能指标，对仿真结果进行对比分析。
环境参数方面，初始设定四个相位的道路饱和流量分别为Q1＝1650，Q2＝1450，Q3＝1650，Q4＝1450；每个相位最小绿灯时间(车辆通过交叉路口的平均时间)为5s，
根据仿真情况第一交叉口相位变化为a→b→c→d→a,第二交叉口相位变化为b→a→c→d→b；两个路口之间的相位差为30s，Δt＝30。根据理论最小绿灯时间和理论饱和流量，在实际应用中，不同交叉口的最小通过时间和道路饱和流量都是不同的。为了验证该算法的有效性，将用该算法在一个小时内所通过的车辆数、平均排队长度、平均延误时间、平均停车次数作为评价指标，分别与只用单交叉口动态调度模型配时和平均配时进行比较，以此证明该算法的有效性。
通过对第二交叉口对第一交叉口的影响进行仿真，对比两相邻交叉口评价指标的变化来验证算法的有效性。在vissim4.3环境下搭建如图6所示的两相邻交叉口模型，采用与单交叉口模型相同的交通规则与优先规则，并设定路径决策，对第二交叉口驶向第一交叉口的车流量进行直行、左拐、右拐的比例划分，如图8为3D视图下两相邻交叉口模型。
分别考虑平均配时、动态配时和协调控制配时策略，在一小时内第一交叉口和两相邻交叉口整体通过车辆数、平均排队长度、平均延误时间、平均停车次数仿真结果分别如表4、表5所示
表4
表5
为了更加直观地描述平均配时、动态配时和协调控制配时三种策略下，通过车辆数、平均排队长度、平均延误时间、平均停车次数等性能指标的变化和对比情况，四种性能指标的对比柱状图如图9-1图9-2所示
通过图9-1图9-2可以看出在交叉口初始车流量相同的情况下，根据预测模型采用控制协调算法时，第一交叉口及两相邻交叉口整体的通行效率都有所提高，其中，采用协调控制算法后，第一交叉口通过车辆数增加了31.0％，平均排队长度减小了63.1％，平均延误时间减少29.0％，平均停车次数减少46.9％。因此，考虑相邻路口协调性所设计的算法整体要优于没有考虑相邻路口影响的动态配时算法，证明了本发明方法的有效性。
针对四相邻交叉口仿真环境，本发明分别对四相邻交叉口采用平均配时、动态配时、根据预测道路饱和度模型协调控制配时三种配时方案进行仿真，并通过分析通过车辆数、平均排队长度、平均延误时间、平均停车次数等性能指标，对仿真结果进行对比分析。
仿真环境参数参数设定方面，初始设定四个相位的道路饱和流量分别为Q1＝1650，Q2＝1450，Q3＝1650，Q4＝1450；每个相位最小绿灯时间(车辆通过交叉路口的平均时间)为5s，
根据仿真情况交叉口1相位变化为b→a→c→d→b,交叉口2、交叉口3、交叉口4、交叉口5相位变化为a→b→c→d→a；两个路口之间的相位差为30s，Δt＝30。依据理论最小绿灯时间和理论饱和流量，在实际应用中，不同交叉口的最小通过时间和道路饱和流量都是不同的。为了验证该算法的有效性我们将用该算法在一个小时内所通过的车辆数、平均排队长度、平均延误时间、平均停车次数作为评价指标，分别与只用单交叉口动态调度模型配时和平均配时进行比较，以此证明该算法的有效性。
通过对交叉口2、交叉口3、交叉口4、交叉口5对交叉口1的影响进行仿真，对比四相邻交叉口评价指标的变化来验证算法的有效性。在vissim4.3环境下搭建如图11所示的四相邻交叉口模型，采用与单交叉口模型相同的交通规则与优先规则，并设定路径决策，对交叉口2、交叉口3、交叉口4、交叉口5驶向交叉口1的车流量进行直行、左拐、右拐的比例划分，图11为3D视图下四相邻交叉口模型。
分别考虑平均配时、动态配时和协调控制配时策略，在一小时内交叉口1和四相邻交叉口整体通过车辆数、平均排队长度、平均延误时间、平均停车次数仿真结果分别如表6、表7所示。
表6
表7
为了更加直观地描述平均配时、动态配时和协调控制配时三种策略下，通过车辆数、平均排队长度、平均延误时间、平均停车次数等性能指标的变化和对比情况，四种性能指标的对比柱状图如图12-1图12-2所示。
通过图12-1图12-2可以看出在交叉口初始车流量相同的情况下，根据预测模型采用控制协调算法时，交叉口1及四相邻交叉口整体的通行效率都有所提高，其中，采用协调控制算法后，交叉口1通过车辆数增加了58.1％，平均排队长度减小了43.1％，平均延误时间减少23.1％，平均停车次数减少61.8％。因此，考虑相邻路口协调性所设计的算法整体要优于没有考虑相邻路口影响的动态配时算法，证明了本发明方法的有效性。
与此同时，本发明的方法根据道路饱和度的不同充分优化了各个相位的权重问题，因此在道路饱和度较小的相位上所分配的绿灯时间要小于饱和度较大的相位，从而道路饱和度大的相位得到更多的绿灯时间来缓解交通。同时，各个相位的权重充分考虑了来车道路和驶向道路的饱和度，当即将驶去的道路饱和度足够大时，权重相应减小，分配绿灯时间减少，避免加大即将驶去道路的交通压力，以此来提高整个交叉口的通行效率，因此，当各个相位车流量差距较大时，动态配时模型提高交叉口的通行效率将会更加明显。
交通是连接城市的桥梁和纽带，畅通的交通对城市经济发展起着至关重要的作用。相反，交通拥堵问题日趋凸显很大程度上制约了城市的发展和进步。因此加强对交通管理和交通信号控制的研究已经成为研究者的一个重要课题，而在交通信号控制的研究中，交叉口的合理配时又是最为基础和最为关键的一步，只有不断探索，不断提高单个交叉口的通行效率才能在此基础上不断完善提高整个城市路网的交通服务水平。
上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。
Claims (3)
1.一种交通信号灯配时方法，其特征在于：所述方法包括：
如果只有一个交叉口，则对该交叉口进行单交叉口信号灯配时；
如果两个相邻交叉口之间的距离大于800米，则对每个交叉口分别进行单交叉口信号灯配时；
如果两个相邻交叉口之间的距离小于等于800米，则进行两相邻交叉口信号灯配时；
如果一个交叉口与四个交叉口相邻，则进行四交叉口信号灯配时；
所述单交叉口信号灯配时的操作包括：
(1)利用单个交叉口的各相位的饱和度获取单交叉口交通流量压力评估参数p；
(2)建立单交叉口信号灯实时自适应配时模型；
(3)利用所述单交叉口交通流量压力评估参数p判断维持现有的信号周期总时长T是否能够疏通下一个信号周期的交通流量，如果是，则转入步骤(4)，如果否，则转入步骤(5)；
(4)利用现有的信号周期总时长T和所述单交叉口信号灯实时自适应配时模型获得单个交叉口的每个相位的绿灯配时；
(5)将现有的信号周期总时长T增加得到增大的信号周期总时长T(t)，然后利用所述增大的信号周期总时长T(t)和所述单交叉口信号灯实时自适应配时模型获得单交叉口每个相位的绿灯配时；
所述步骤(1)的操作包括：
利用下式计算得到单交叉口交通流量压力评估参数p：
其中X表示单交叉路口的饱和度，λi为第i相位的绿信比，n表示相位的数量；
所述步骤(2)建立的单交叉口信号灯实时自适应配时模型如下：
其约束条件为：
其中N表示单交叉路口相位总数；
wi(t)表示第i个相位所占的权重；
Ti,
和
分别代表第i相位的绿灯配时、绿灯配时的最小下界和绿灯配时的最大上界；
所述步骤(3)中的利用所述单交叉口交通流量压力评估参数p判断维持现有的信号周期总时长是否能够疏通下一个周期的交通流量的操作包括：
如果p＜1，则判定维持现有的信号周期总时长能够疏通下一个信号周期的交通流量；
如果p≥1，则判定维持现有的信号周期总时长不能疏通下一个信号周期的交通流量；
所述步骤(4)的操作包括：
在不等式(3.3)-(3.5)约束条件下，利用下式计算求得最优解Ti *作为第i相位的绿灯配时,使得目标函数(3.2)获得最小值：
其中
利用下式计算所述wi(t)：
其中，xija和xijb分别表示第i相位中第j车道的下游饱和度和上游饱和度；
qija(t)和qijb(t)分别表示第i相位中第j车道的下游和上游的等待车辆数；
Qija(t)和Qijb(t)分别表示第i相位中第j车道的下游和上游的饱和流量；
所述步骤(5)中的将现有的信号周期总时长增加得到增大的信号周期总时长的操作包括：
利用下式将现有的信号周期总时长增加得到增大的信号周期总时长：
其中，xi(t)表示当前时期交叉路口相位i所控制的各进口车道饱和度的最大值,即当前时期相位i的相位饱和度，xi(t0)表示上一个时期相位i的相位饱和度，T(t0)表示上一个时期的周期；
或者，利用下式将现有的信号周期总时长增加得到增大的信号周期总时长：
T(t)＝(X-m·N)·T(t0) (3.10)
其中，X表示该交叉口的饱和度，N表示单交叉路口相位总数，m为饱和度的阈值，此处m＝1；
所述步骤(5)中的利用所述增大的信号周期总时长T(t)和所述单交叉口信号灯实时自适应配时模型获得单交叉口每个相位的绿灯配时的操作包括：
利用调整后的T按照(3.6)式计算出每个相位的权重wi(t)，用公式(3.9)得出的T(t)替换(3.8)式中的T，求得单交叉口每个相位的绿灯配时Ti *。
2.根据权利要求1所述的交通信号灯配时方法，其特征在于：所述两相邻交叉口信号灯配时的操作包括：
设T1为第一交叉口的周期长度，T2为第二交叉口的周期长度；
步骤1.置两个交叉口的初始相位为a，给定每条车道的饱和流量Qmax；
步骤2.在初始时刻t0，对第二交叉口进行所述的单交叉口信号灯配时，得到第二交叉口的绿灯配时；
步骤3.t0+Δt时刻末，根据公式(4.7)计算出各个车道等待车辆数，然后对第一交叉口进行所述的单交叉口信号灯配时，得到第一交叉口的绿灯配时；
Q(t)＝P1·Q21-Qout(t)+Qlast,t1＜t＜t2 (4.7)
使用公式(4.7)时，t1、t2分别采用t0和t0+Δt；
步骤4.在t0+Δt时刻到T1时刻的时间段内判断k的值：
当k＝1时，绿灯相位会对第一交叉口与第二交叉口之间的中间路段产生影响，当k＝-1时，绿灯相位不会对中间路段产生影响；
步骤5.根据公式(4.1)计算出第二交叉口驶入第一交叉口的车辆个数：
其中，
步骤6.将t0+Δt+T1作为新的初始时刻t0，然后返回步骤2；
其中，Q12(t)，Q21(t)分别表示t时刻第一交叉口到第二交叉口中间路段的车量数和第二交叉口到第一交叉口中间路段的车辆数,Qin(t)、Qout(t)分别为[t1,t2]时段内沿某一车道上通过上下游线圈的车辆数，Qlast为前一周期该车道上车辆的滞留数；设P1,P2,P3为某一条道路上车辆进入直行，左拐，右拐车道的概率。
3.根据权利要求2所述的交通信号灯配时方法，其特征在于：所述四交叉口信号灯配时的操作包括：
设T1，T2，T3，T4，T5分别为第一交叉口，第二交叉口，第三交叉口，第四交叉口，第五交叉口的周期时长；
步骤1.置各个交叉口的初始相位为a，给定每条车道的饱和流量Qmax；
步骤2.在初始时刻t0，对第二交叉口、第三交叉口、第四交叉口、第五交叉口分别进行叉口信号灯配时，得到第二交叉口、第三交叉口、第四交叉口、第五交叉口的绿灯配时；
步骤3.t0+Δt时刻末，根据公式(4.7)计算出第一交叉口的各个车道等待车辆数，然后对第一交叉口进行所述的单交叉口信号灯配时，得到第一交叉口的绿灯配时；
步骤4.在t0+Δt时刻到T1时刻的时间段内判断k的值，其中
步骤5.根据公式(4.8)分别计算出第二交叉口、第三交叉口、第四交叉口、第五交叉口驶入交叉口1的车辆个数；
其中
Q21(t)，Q31(t)，Q41(t)，Q51(t)分别表示t时刻交叉口2到交叉口1，交叉口3到交叉口1，交叉口4到交叉口1，交叉口5到交叉口1中间路段的车辆数；
步骤6.将t0+Δt+T1作为新的初始时刻t0，返回步骤2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910379345.5A CN110136455B (zh) | 2019-05-08 | 2019-05-08 | 一种交通信号灯配时方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910379345.5A CN110136455B (zh) | 2019-05-08 | 2019-05-08 | 一种交通信号灯配时方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110136455A CN110136455A (zh) | 2019-08-16 |
| CN110136455B true CN110136455B (zh) | 2021-06-25 |
Family
ID=67576811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910379345.5A Active CN110136455B (zh) | 2019-05-08 | 2019-05-08 | 一种交通信号灯配时方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110136455B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047882B (zh) * | 2019-12-10 | 2022-12-20 | 阿里巴巴集团控股有限公司 | 交通控制信号调整方法、装置、系统和存储介质 |
| CN111028524A (zh) * | 2020-01-08 | 2020-04-17 | 李迎 | 一种交通信号灯的配时方法 |
| CN112562336B (zh) * | 2020-12-10 | 2022-11-04 | 重庆交通大学 | 一种交叉路口交通信号时长的实时动态调配方法及系统 |
| CN113436447A (zh) * | 2021-06-22 | 2021-09-24 | 佳都科技集团股份有限公司 | 用于网格状路网的交通信号管控系统和设备 |
| CN113516858B (zh) * | 2021-07-16 | 2023-04-18 | 北京东土正创科技有限公司 | 一种交通灯的控制方法、交通灯网络系统及交通灯节点 |
| CN113506442B (zh) | 2021-09-10 | 2021-12-28 | 之江实验室 | 一种基于预期收益估计的城市路网交通信号灯控制方法 |
| CN114023085B (zh) * | 2021-11-04 | 2023-03-21 | 中山大学 | 一种基于卡口检测数据的交叉口信号配时参数推断方法 |
| CN114038218A (zh) * | 2021-12-28 | 2022-02-11 | 江苏泰坦智慧科技有限公司 | 基于进出路况信息的链式反馈多路口信号灯决策系统及方法 |
| CN114446066B (zh) * | 2021-12-30 | 2023-05-16 | 银江技术股份有限公司 | 一种道路信号控制方法以及装置 |
| CN114360264A (zh) * | 2022-01-18 | 2022-04-15 | 重庆大学 | 一种基于交通流量进行调节的智慧城市交通管理方法 |
| CN114464001B (zh) * | 2022-01-30 | 2023-07-04 | 同济大学 | 车路协同环境下城市多交叉口多层分布控制系统及其方法 |
| CN115440049B (zh) * | 2022-09-22 | 2023-05-23 | 中兴(温州)轨道通讯技术有限公司 | 一种tod综合区交通用智能化信号灯控制方法、系统及装置 |
| CN116052451B (zh) * | 2023-01-10 | 2024-04-05 | 南京理工大学 | 井字形交叉口信号配时方法及系统 |
| CN117198071B (zh) * | 2023-11-03 | 2024-01-09 | 合肥工业大学 | 一种交通信号相位自适应调整方法、系统、设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1472710A (zh) * | 2003-05-16 | 2004-02-04 | 上海交通大学 | 基于元胞自动机的城市交通信号自组织控制方法 |
| WO2006131254A1 (de) * | 2005-06-09 | 2006-12-14 | Daimlerchrysler Ag | Verfahren und vorrichtung zur müdigkeitserkennung |
| CN101038700A (zh) * | 2007-04-20 | 2007-09-19 | 东南大学 | 单点信号控制交叉口的混合控制方法 |
| CN101266718A (zh) * | 2008-04-24 | 2008-09-17 | 山东大学 | 基于路口组的交通流优化控制方法 |
| CN106205156A (zh) * | 2016-08-12 | 2016-12-07 | 南京航空航天大学 | 一种针对部分车道车流突变的交叉口自愈合控制方法 |
| CN107993455A (zh) * | 2017-12-27 | 2018-05-04 | 清华大学 | 一种基于完全信息静态博弈的单交叉口信号配时方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3984372B2 (ja) * | 1998-07-21 | 2007-10-03 | 松下電器産業株式会社 | 交通管制方法および装置 |
| CN101206801B (zh) * | 2007-12-17 | 2011-04-13 | 青岛海信网络科技股份有限公司 | 一种自适应交通控制方法 |
| CN101894461A (zh) * | 2009-05-22 | 2010-11-24 | 上海宝康电子控制工程有限公司 | 城市地面道路行程时间预测方法 |
-
2019
- 2019-05-08 CN CN201910379345.5A patent/CN110136455B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1472710A (zh) * | 2003-05-16 | 2004-02-04 | 上海交通大学 | 基于元胞自动机的城市交通信号自组织控制方法 |
| WO2006131254A1 (de) * | 2005-06-09 | 2006-12-14 | Daimlerchrysler Ag | Verfahren und vorrichtung zur müdigkeitserkennung |
| CN101038700A (zh) * | 2007-04-20 | 2007-09-19 | 东南大学 | 单点信号控制交叉口的混合控制方法 |
| CN101266718A (zh) * | 2008-04-24 | 2008-09-17 | 山东大学 | 基于路口组的交通流优化控制方法 |
| CN106205156A (zh) * | 2016-08-12 | 2016-12-07 | 南京航空航天大学 | 一种针对部分车道车流突变的交叉口自愈合控制方法 |
| CN107993455A (zh) * | 2017-12-27 | 2018-05-04 | 清华大学 | 一种基于完全信息静态博弈的单交叉口信号配时方法 |
Non-Patent Citations (2)
| Title |
|---|
| Influence of meta-heuristic optimization on the performance of adaptive interval type2-fuzzy traffic signal controllers;Sahar Araghi,etc.;《Expert Systems with Applications》;20170401;第403-503页 * |
| 防止短连线交叉口溢流的单点信号配时优化;游黄阳等;《系统工程理论与实践》;20140115;第147-152页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110136455A (zh) | 2019-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110136455B (zh) | 一种交通信号灯配时方法 | |
| WO2020108215A1 (zh) | 基于车道饱和度的区域控制相位配时优化方法 | |
| CN109902864B (zh) | 一种考虑网络配载均衡的施工区交通组织方案设计方法 | |
| CN106781563B (zh) | 一种城市快速路交叉口公交优先信号协调配时方法 | |
| Ma et al. | Development and evaluation of a coordinated and conditional bus priority approach | |
| CN103996289B (zh) | 一种流量-速度匹配模型及行程时间预测方法及系统 | |
| CN103871241B (zh) | 一种面向快速路交织区车道动态划分控制方法 | |
| CN101308604B (zh) | 大范围战略交通协调控制方法 | |
| CN107610487A (zh) | 基于动态随机车流相位差协调机制的区域交通控制系统和方法 | |
| CN107730886A (zh) | 一种车联网环境下城市交叉口交通信号动态优化方法 | |
| CN106297326A (zh) | 基于全息路网潮汐交通流可变车道控制方法 | |
| CN103559795A (zh) | 一种多策略多目标的自适应交通控制方法 | |
| CN108510764A (zh) | 一种基于q学习的多路口自适应相位差协调控制系统及方法 | |
| WO2014019461A1 (zh) | 一种交通干线信号灯优化控制方法和装置 | |
| CN106297329A (zh) | 一种联网信号机的信号配时自适应优化方法 | |
| CN104835335A (zh) | 路网交通优化控制系统和方法 | |
| CN104134356B (zh) | 城市交叉口模型参考自适应信号的控制方法 | |
| CN105046987A (zh) | 一种基于强化学习的路面交通信号灯协调控制方法 | |
| CN108898858A (zh) | 一种过饱和交通状态下连续交叉口的信号协调控制方法 | |
| CN104637317A (zh) | 一种基于实时车辆轨迹的交叉口感应信号控制方法 | |
| CN110889967B (zh) | 一种基于干道分割的溢流风险平衡信号控制优化方法 | |
| CN113593258A (zh) | 基于车路协同的信号配时与车速动态协调控制优化方法 | |
| CN105679052A (zh) | 一种多模式多层次地面公交信号优先协调控制方法 | |
| CN111028521A (zh) | 一种有轨电车网络绿波协调控制方法与装置 | |
| CN115311868B (zh) | 基于公交优先的干线协调控制方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211203 Address after: 261000 room 2112, Tianma business building, Beihai community, Xincheng street, high tech Zone, Weifang City, Shandong Province Patentee after: Shandong Youlu Information Technology Co.,Ltd. Address before: No. 336, West Road, South Xin Zhuang, Shandong, Shandong Patentee before: University of Jinan |