CN112767717B - 一种面向复杂交通控制环境的区域交通信号协调控制方法及系统 - Google Patents

Abstract

本发明涉及一种面向复杂交通控制环境的区域交通信号协调控制方法及系统，其将设置在交叉口的各进道口和出道口的交通检测器、交通控制器及与交通控制器连接的指示灯和倒计时显示设备、以及设备间的通信网络定义为交通控制环境，针对交通控制环境中客观存在的工程复杂性和应用复杂性，构建面向区域交通信号协调控制的相位协调网络；然后基于该相位协调网络进行相位绿灯时间优化以及相位绿灯执行。本发明既能够以负载均衡的策略有效地协调交叉口的信号控制，又能够灵活地适应实际中复杂的交通控制环境，弥补了已有区域交通信号协调控制方法和研究的不足。

Description

一种面向复杂交通控制环境的区域交通信号协调控制方法及 系统

技术领域

本发明涉及一种面向复杂交通控制环境的区域交通信号协调控制方法及系统，属于智能交通技术领域。

背景技术

随着城市规模的扩大，区域交通信号控制(Regional Traffic Signal Control,RTSC)系统涉及的交通检测器、交通控制器及其连接的信号指示灯和倒计时显示设备越来越多，是一类庞大、复杂的集散控制系统。在实际中实施区域交通信号控制时，除了面对交通流本身的复杂性之外，往往还面临着如下两方面的复杂性。1)工程复杂性：实际中因为逐步更换设备、项目招投标等原因，某一时期内各交叉口安装的信号机、检测器的生产厂商或型号可能不同，造成传统的RTSC系统往往无法接入所有的交通控制器进行控制；或者因为安装成本或实际交通需求的原因，有些路段、交叉口没有安装检测器、信号机，造成部分区域的感知和控制盲区。2)应用复杂性：因为长期在户外运行，有些交通控制器因为网络或自身故障问题不能联网控制，或者某些交叉口的交通控制器在某些时段需要执行更高优先级的任务，如绿波带控制或手动控制，RTSC系统不能在线改变这些信号机的运行。

上述复杂性在实际中难以完全消除，尤其是处于城镇化进程中的区域，而且随着城市规模的不断扩大和交通的精细化管理，各种实际应用情况层出不穷，城市大规模的交通信号控制和系统运维面临着巨大挑战。然而，目前多数研究都只关注理论算法本身的研究，而忽视了实际应用的可操作性，针对复杂交通控制环境的研究鲜有报道。为此，本发明人进行了深入研究，遂产生本案。

发明内容

本发明的目的在于提供一种面向复杂交通控制环境的区域交通信号协调控制方法及系统，其能够适应复杂的交通控制环境，以实现对区域交通信号的协调控制。

为实现上述目的，本发明采用的技术方案是：

一种面向复杂交通控制环境的区域交通信号协调控制方法，所述方法将设置在交叉口的各进道口和出道口的交通检测器、交通控制器及与交通控制器连接的指示灯和倒计时显示设备、以及设备间的通信网络定义为交通控制环境，并针对交通控制环境的复杂性，构建面向区域交通信号协调控制的相位协调网络；然后基于该相位协调网络进行相位绿灯时间优化以及相位绿灯执行；所述方法具体如下：

步骤1、构建相位协调网络；

首先，对交通流量数据进行表示；

对任一交叉口υ_k定义如下符号：

(1)

交叉口v_k第i条进/出口道在检测截面的车道数量；

(2)

交叉口v_k第i条进/出口道、第j条车道的检测截面内最大车辆数；

(3)

在交叉口v_k的第n个周期、第l个相位期间，进入第i条进/出口道、第j条车道检测截面的车辆数；

(4)

在交叉口v_k第n个周期、第l个相位期间，离开其第i条进/出口道、第j条车道检测截面的车辆数；

在交叉口v_k第n个周期、第l个相位结束时，计算其第i条进口道、第j条车道上的车辆数、跑和度以及相位期间的车辆驶离率依次为：

其中，T^k(n,l)为交叉口v_k第n个周期、第l个相位的时长；

计算交叉口v_k第n个周期、第l个相位结束时，其第i条出口道、第j条车道的车辆数、跑和度以及相位期间的车辆到达率依次为：

上述流量感知数据均由交叉口v_k在相位切换时独立完成采集和统计，交叉口之间没有统一的感知周期，保障各交叉口的交通数据采集是松耦合的；

然后，构建相位协调网络；

将各交叉口的信号相位，根据其对同一路段的影响连接成网络，称为相位协调网络；

具体地，将所有交叉口的信号相位的集合记为S＝{s_ik|v_i∈V,k∈[1,θ_i]}，其中θ_i为交叉口v_i的相位数量，对于无法纳入协调控制的交叉口，则假设为只包含一个特殊相位；同时，将交叉口v_i到相邻交叉口v_j的路段记为(v_i,v_j)，并设定(v_i,v_j)是交叉口v_i的第a条出口道，是交叉口v_j的第b条进口道；

假设在t时刻，交叉口v_i正运行到第φ_i(t)个信号周期，则针对交叉口v_i在路段(v_i,v_j)上的出口道，可按相位分别统计其最近P个周期的平均车辆到达率：

同理，假设在t时刻，交叉口v_j正运行到第φ_j(t)个信号周期，则针对交叉口v_j在路段(v_i,v_j)上的出口道，可按相位分别统计最近P个周期的平均车辆驶离率：

在此基础上，可以建立相邻交叉口v_i与v_j之间两两相位的连接，两个相位有向连接的强度为：

w(s_ik,s_jl)＝α_ij(k,t)·β_ij(l,t) (9)

其中，k∈[1,θ_i]，l∈[1,θ_j]；

最后，对整个相位协调网络的连接强度进行Min-Max标准化，记形成的网络为G(S,W,t)；在该网络中，每条有向边除了连接强度，还关联所对应的实际路段及其流量感知数据；每个节点除了代表某个相位，还关联相位的绿灯时间等信息；

步骤2、基于相位协调网络的相位绿灯优化；

在相位协调网络定周期更新完成后，通过定义节点上游和下游的负载情况，采用负载均衡策略优化相位的绿灯时间；

具体的，首先参考复杂网络做如下定义：

定义1：节点s_ik的q阶上/下游邻居节点

对相位协调网络的任意节点s_ik，其N阶邻居节点为与节点s_ik的最短有向距离不超过q步的节点，该类节点与s_ik构成的局部网络称为节点s_ik的q阶邻居网络，其中处于s_ik上游的节点称为q阶上游邻居节点，反之称为q阶下游邻居节点；

定义2：相位节点s_ik对s_jl的影响

记节点s_ik到节点s_jl的最短有向路径为

则定义节点s_ik对s_jl的影响因子为：

定义f(s_ik,s_ik)＝1；

定义3：节点s_ik的入边负载

记节点s_ik的一阶上游邻居节点集合为

取

中的任一节点，假设记为s_jl，s_ik连向s_jl的有向边所关联路段为(v_j,v_i)，是交叉口v_i的第b条进口道，则定义该条入边(s_jl,s_ik)的负载为进口道最近P个周期的平均车辆饱和度：

对所有入边负载求和，可得节点的s_ik的入边负载：

定义4：节点s_ik的q阶上游负载

记节点s_ik的q阶上游邻居节点集合为

则定义节点s_ik的q阶上游负载为：

定义5：节点s_ik的出边负载

记节点s_ik的一阶下游邻居节点集合为

取

中的任一节点，假设记为s_jl，其连向s_ik的有向边所关联路段为(v_i,v_j)，是交叉口v_i的第a条出口道，则定义该条出边(s_ik，s_jl)的负载为对应出口道最近P个周期的平均车辆饱和度：

对所有出边负载求和，可得节点的s_ik的出边负载：

定义6：节点s_ik的q阶下游负载

记节点s_ik的q阶下游邻居节点集合为

则定义节点s_ik的q阶下游负载为：

在上述定义的基础上，利用S型函数来调整相位节点s_ik的绿灯时间：

其中，

和

分别为实际中约束相位s_ik的最大和最小绿灯；当上游负载超过下游的负载时，绿灯时间接近最大绿灯，反之则接近最小绿灯；

步骤3、进行基于模糊控制的相位绿灯执行；

交叉口在相位切换时上传交通流检测数据，获取最新的当前所有放行车道检测截面的最大车辆数GN、等待放行的车道检测截面的最大车辆数RN、以及相位绿灯优化时间，然后根据模糊控制方法决策实际执行的相位绿灯时间，最后通过网络下发给交叉口的控制器执行；

根据模糊控制方法决策实际执行的相位绿灯时间,具体如下：

将绿灯时间模糊化，分为VS、S、M、L、VL五类，其中，VS表示绿灯时间较短，S表示绿灯时间短、M表示绿灯时间适中，L表示绿灯时间长、VL表示绿灯时间较长；采用等分的三角隶属度函数，并将g_ik(t)作为其中VL的转折点值，作为相位的最大绿灯；

与绿灯时间长度对应，将相位开始时各车道在检测截面内的车辆数分为VF、F、Z、M、VM五类，其中，VF表示车辆很少，F表示车辆少，Z表示车辆适中，M表示车辆多，VM表示车辆很多；采用等分的三角隶属度函数，并将

作为其中VM的转折点值；交叉口在各相位开始时根据上一相位结束时各进口车道的车辆数，获得当前所有放行车道检测截面的最大车辆数GN、以及等待放行的车道检测截面的最大车辆数RN，最后根据模糊规则，在相位开始时决策出最终执行的绿灯长度。

一种面向复杂交通控制环境的区域交通信号协调控制系统，所述系统包括PCN模块和控制模块，所述PCN模块作为通信中间那件，负责通过网络接收交通控制环境中的交通检测数据，并在此基础上定周期进行自我更新，并对区域内能够介入控制的交叉口的相位进行优化；

所述交通控制环境包括设置在交叉口的各进道口和出道口的交通检测器、交通控制器及与交通控制器连接的指示灯和倒计时显示设备、以及设备间的通信网络；

所述PCN模块用于构建相位协调网络、定周期更新相位协调网络的拓扑结构、关联数据，以及用于基于相位协调网络的相位优化；

所述相位协调网络的构建如下：

首先，对交通流量数据进行表示；

对任一交叉口v_k定义如下符号：

(1)

交叉口v_k第i条进/出口道在检测截面的车道数量；

(2)

交叉口v_k第i条进/出口道、第j条车道的检测截面内最大车辆数；

(3)

在交叉口v_k的第n个周期、第l个相位期间，进入第i条进/出口道、第j条车道检测截面的车辆数；

(4)

在交叉口v_k第n个周期、第l个相位期间，离开其第i条进/出口道、第j条车道检测截面的车辆数；

在交叉口v_k第n个周期、第l个相位结束时，计算其第i条进口道、第j条车道上的车辆数、跑和度以及相位期间的车辆驶离率依次为：

其中，T^k(n,l)为交叉口v_k第n个周期、第l个相位的时长；

计算交叉口v_k第n个周期、第l个相位结束时，其第i条出口道、第j条车道的车辆数、跑和度以及相位期间的车辆到达率依次为：

上述流量感知数据均由交叉口v_k在相位切换时独立完成采集和统计，交叉口之间没有统一的感知周期，保障各交叉口的交通数据采集是松耦合的；

然后，构建相位协调网络；

将各交叉口的信号相位，根据其对同一路段的影响连接成网络，称为相位协调网络；

具体地，将所有交叉口的信号相位的集合记为S＝{s_ik|v_i∈V,k∈[1,θ_i]}，其中θ_i为交叉口v_i的相位数量，对于无法纳入协调控制的交叉口，则假设为只包含一个特殊相位；同时，将交叉口v_i到相邻交叉口v_j的路段记为(v_i,v_j)，并设定(v_i,v_j)是交叉口v_i的第a条出口道，是交叉口v_j的第b条进口道；

假设在t时刻，交叉口v_i正运行到第φ_i(t)个信号周期，则针对交叉口v_i在路段(v_i,v_j)上的出口道，可按相位分别统计其最近P个周期的平均车辆到达率：

同理，假设在t时刻，交叉口v_j正运行到第φ_j(t)个信号周期，则针对交叉口v_j在路段(v_i,v_j)上的出口道，可按相位分别统计最近P个周期的平均车辆驶离率：

在此基础上，可以建立相邻交叉口v_i与v_j之间两两相位的连接，两个相位有向连接的强度为：

w(s_ik,s_jl)＝α_ij(k,t)·β_ij(l,t) (9)

其中，k∈[1,θ_i]，l∈[1,θ_j]；

最后，对整个相位协调网络的连接强度进行Min-Max标准化，记形成的网络为G(S,W,t)；在该网络中，每条有向边除了连接强度，还关联所对应的实际路段及其流量感知数据；每个节点除了代表某个相位，还关联相位的绿灯时间等信息；

基于相位协调网络的相位优化具体如下：

在相位协调网络定周期更新完成后，通过定义节点上游和下游的负载情况，采用负载均衡策略优化相位的绿灯时间；

具体的，首先参考复杂网络做如下定义：

定义1：节点s_ik的q阶上/下游邻居节点

对相位协调网络的任意节点s_ik，其N阶邻居节点为与节点s_ik的最短有向距离不超过q步的节点，该类节点与s_ik构成的局部网络称为节点s_ik的q阶邻居网络，其中处于s_ik上游的节点称为q阶上游邻居节点，反之称为q阶下游邻居节点；

定义2：相位节点s_ik对s_jl的影响

记节点s_ik到节点s_jl的最短有向路径为

则定义节点s_ik对s_jl的影响因子为：

定义f(s_ik,s_ik)＝1；

定义3：节点s_ik的入边负载

记节点s_ik的一阶上游邻居节点集合为

取

中的任一节点，假设记为s_jl，s_ik连向s_jl的有向边所关联路段为(v_j,v_i)，是交叉口v_i的第b条进口道，则定义该条入边(s_jl,s_ik)的负载为进口道最近P个周期的平均车辆饱和度：

对所有入边负载求和，可得节点的s_ik的入边负载：

定义4：节点s_ik的q阶上游负载

记节点s_ik的q阶上游邻居节点集合为

则定义节点s_ik的q阶上游负载为：

定义5：节点s_ik的出边负载

记节点s_ik的一阶下游邻居节点集合为

取

中的任一节点，假设记为s_jl，其连向s_ik的有向边所关联路段为(v_i,v_j)，是交叉口v_i的第a条出口道，则定义该条出边(s_ik，s_jl)的负载为对应出口道最近P个周期的平均车辆饱和度：

对所有出边负载求和，可得节点的s_ik的出边负载：

定义6：节点s_ik的q阶下游负载

记节点s_ik的q阶下游邻居节点集合为

则定义节点s_ik的q阶下游负载为：

在上述定义的基础上，利用S型函数来调整相位节点s_ik的绿灯时间：

其中，

和

分别为实际中约束相位s_ik的最大和最小绿灯；当上游负载超过下游的负载时，绿灯时间接近最大绿灯，反之则接近最小绿灯；

所述控制模块设有多个交叉口模糊控制进程，每一交叉口模糊控制进程均通过网络连接交通控制环境，用于控制相应的交叉口绿灯执行，具体如下：

交叉口在相位切换时上传交通流检测数据，模糊控制进程在此时从PCN模块获取最新的当前所有放行车道检测截面的最大车辆数GN、等待放行的车道检测截面的最大车辆数RN、以及相位绿灯优化时间，然后根据模糊控制方法决策实际执行的相位绿灯时间，最后通过网络下发给交叉口的控制器执行；

根据模糊控制方法决策实际执行的相位绿灯时间,具体如下：

将绿灯时间模糊化，分为VS、S、M、L、VL五类，其中，VS表示绿灯时间较短，S表示绿灯时间短、M表示绿灯时间适中，L表示绿灯时间长、VL表示绿灯时间较长；采用等分的三角隶属度函数，并将g_ik(t)作为其中VL的转折点值，作为相位的最大绿灯；

与绿灯时间长度对应，将相位开始时各车道在检测截面内的车辆数分为VF、F、Z、M、VM五类，其中，VF表示车辆很少，F表示车辆少，Z表示车辆适中，M表示车辆多，VM表示车辆很多；采用等分的三角隶属度函数，并将

作为其中VM的转折点值；交叉口在各相位开始时根据上一相位结束时各进口车道的车辆数，获得当前所有放行车道检测截面的最大车辆数GN、以及等待放行的车道检测截面的最大车辆数RN，最后根据模糊规则，在相位开始时决策出最终执行的绿灯长度。

采用上述方案后，本发明既能够以负载均衡的策略有效地协调交叉口的信号控制，又能够灵活地适应实际中复杂的交通控制环境，弥补了已有区域交通信号协调控制方法和研究的不足。

附图说明

图1为本发明流量感知示意图；

图2为本发明区域交通信号控制系统的系统框架；

图3为本发明PCN模块的流程图；

图4为交叉口模糊控制进程流程图；

图5为三角模糊隶属度函数示意图。

具体实施方式

本发明揭示了一种面向复杂交通控制环境的区域交通信号协调控制方法，其将设置在交叉口的各进道口和出道口的交通检测器、交通控制器及与交通控制器连接的指示灯和倒计时显示设备、以及设备间的通信网络定义为交通控制环境，并以此构建相位协调网络；然后基于该相位协调网络进行相位绿灯时间优化以及相位绿灯执行。

具体地，本发明包括以下步骤：

步骤1、构建相位协调网络。

首先，对交通流量数据进行表示。

为了便于数学描述，本实施例对任一交叉口v_k定义如下符号：

(1)

交叉口v_k第i条进/出口道在检测截面的车道数量；

(2)

交叉口v_k第i条进/出口道、第j条车道的检测截面内最大车辆数；

(3)

在交叉口v_k的第n个周期、第l个相位期间，进入第i条进/出口道、第j条车道检测截面的车辆数；

(4)

在交叉口v_k第n个周期、第l个相位期间，离开其第i条进/出口道、第j条车道检测截面的车辆数。

在此基础上，可在交叉口v_k第n个周期、第l个相位结束时，计算其第i条进口道、第j条车道上的车辆数、跑和度以及相位期间的车辆驶离率依次为：

其中，T^k(n,l)为交叉口v_k第n个周期、第l个相位的时长(含红灯和黄灯时间)。同理，可计算交叉口v_k第n个周期、第l个相位结束时，其第i条出口道、第j条车道的车辆数、跑和度以及相位期间的车辆到达率依次为：

上述流量感知数据均由交叉口v_k在相位切换时独立完成采集和统计，交叉口之间没有统一的感知周期，保障各交叉口的交通数据采集是松耦合的。

区域交通信号控制需要采集交通流参数，但在实际中由于各类检测器都具有一定的检测误差，所以区域交通信号控制使用的交通流参数种类和数量越多，误差就越大。为此，本实施例中选择车流量这一最容易测量的交通流参数，目前广泛使用的环形感应线圈、视频检测器等都可以实现该交流参数的采集，而且误差相对较小，不失一般性。如图1所示，本实施例采用感应线圈作为检测器，并将其安装在进口道停车线后以及出口道开始位置处的一段截面。根据实际情况，每条车道可以有不同的检测长度。需要注意的是，对于常放行、不受信号控制的车道(如右转车道)也要安装检测器，对其流量进行感知。

然后，构建相位协调网络。

为了协调区域中的交通信号控制，将各交叉口的信号相位，根据其对同一路段的影响连接成网络，称为相位协调网络(Phase Coordination Network，PCN)。具体地，将所有交叉口的信号相位的集合记为S＝{s_ik|v_i∈V,k∈[1,θ_i]}，其中θ_i为交叉口v_i的相位数量，对于无法纳入协调控制的交叉口，则假设为只包含一个特殊相位。同时，将交叉口v_i到相邻交叉口v_j的路段记为(v_i,v_j)，并设定(v_i,v_j)是交叉口v_i的第a条出口道，是交叉口v_j的第b条进口道。

假设在t时刻，交叉口v_i正运行到第φ_i(t)个信号周期，则针对交叉口v_i在路段(v_i,v_j)上的出口道，可按相位分别统计其最近P个周期的平均车辆到达率：

同理，假设在t时刻，交叉口v_j正运行到第φ_j(t)个信号周期，则针对交叉口v_j在路段(v_i,v_j)上的出口道，可按相位分别统计最近P个周期的平均车辆驶离率：

在此基础上，可以建立相邻交叉口v_i与v_j之间两两相位的连接，两个相位有向连接的强度为：

w(s_ik,s_jl)＝α_ij(k,t)·β_ij(l,t) (9)

其中，k∈[1,θ_i]，l∈[1,θ_j]。特别的，进口道的平均车辆驶离率不包括常放行车道的驶离率，在计算其对应出口道的平均车辆到达率时，也应扣除该部分驶离率。对于因为异构性无法感知流量的路段，其涉及的检测数据均为0。

最后，对整个相位协调网络的连接强度进行Min-Max标准化，记形成的网络为G(S,W,t)。在该网络中，每条有向边除了连接强度，还关联所对应的实际路段及其流量感知数据；每个节点除了代表某个相位，还关联相位的绿灯时间等信息。相位协调网络每隔一定周期(如5分钟)更新一次，不要求交叉口的交通信号控制方案之间具有公共周期、相位差等强耦合的约束。

在构建相位协调网络时，工程复杂性和应用复杂性，最终都可以表现为无法纳入RTSC系统协调的情形，从而将其关联的交叉口统一设置为无法连入RTSC系统进行统一处理，从而解决了复杂交通控制环境下的区域交通信号协调控制问题。

步骤2、基于相位协调网络的相位绿灯优化。

区域交通信号协调控制所涉及的输入和输出数据都集成在了相位协调网络上，为实现协调控制提供了一个松耦合、一致的数据平台。本实施例在相位协调网络定周期更新完成后，通过定义节点上游和下游的负载情况，采用负载均衡策略优化相位的绿灯时间。

具体的，首先参考复杂网络做如下定义：

定义1：节点s_ik的q阶上/下游邻居节点

对PCN的任意节点s_ik，其N阶邻居节点为与节点s_ik的最短有向距离不超过q步的节点，该类节点与s_ik构成的局部网络称为节点s_ik的q阶邻居网络，其中处于s_ik上游的节点称为q阶上游邻居节点，反之称为q阶下游邻居节点。

定义2：相位节点s_ik对s_jl的影响

记节点s_ik到节点s_jl的最短有向路径为

则定义节点s_ik对s_jl的影响因子为：

特别的，定义f(s_ik,s_ik)＝1。

定义3：节点s_ik的入边负载

记节点s_ik的一阶上游邻居节点集合为

取

中的任一节点，假设记为s_jl，s_ik连向s_jl的有向边所关联路段为(v_j,v_i)，是交叉口v_i的第b条进口道，则定义该条入边(s_jl,s_ik)的负载为进口道最近P个周期的平均车辆饱和度：

对所有入边负载求和，可得节点的s_ik的入边负载：

定义4：节点s_ik的q阶上游负载

记节点s_ik的q阶上游邻居节点集合为

则定义节点s_ik的q阶上游负载为：

定义5：节点s_ik的出边负载

记节点s_ik的一阶下游邻居节点集合为

取

中的任一节点，假设记为s_jl，其连向s_ik的有向边所关联路段为(v_i,v_j)，是交叉口v_i的第a条出口道，则定义该条出边(s_ik，s_jl)的负载为对应出口道最近P个周期的平均车辆饱和度：

对所有出边负载求和，可得节点的s_ik的出边负载：

定义6：节点s_ik的q阶下游负载

记节点s_ik的q阶下游邻居节点集合为

则定义节点s_ik的q阶下游负载为：

在上述定义的基础上，我们采用负载均衡的思想，利用S型函数来调整相位节点s_ik的绿灯时间：

其中，

和

分别为实际中约束相位s_ik的最大和最小绿灯。当上游负载超过下游的负载时，绿灯时间接近最大绿灯，反之则接近最小绿灯。

步骤3、进行基于模糊控制的相位绿灯执行。

结合图4所示，相对于单交叉口的控制周期而言(一般为150～240秒)，上述两次绿灯优化的时间间隔较长，而且面向的是整个交通区域，所以如果将优化结果直接用在单交叉口的信号控制中，将不可避免地导致交通信号控制具有一定的滞后性和误差，难以跟随交叉口交通情况的快速变化。因此，为了提高控制的实时性，本实施例以优化后的绿灯为指导，进一步结合单交叉口模糊控制方法来实现细粒度的相位执行。

本实施例进一步将绿灯时间模糊化，分为VS(绿灯时间较短)、S(绿灯时间短)、M(绿灯时间适中)、L(绿灯时间长)、VL(绿灯时间较长)五类，隶属度函数如图5所示，而g_ik(t)作为VL的转折点值，作为相位的最大绿灯。另一方面，与绿灯时间长度对应，将相位开始时各车道在检测截面内的车辆数分为VF(车辆很少)、F(车辆少)、Z(车辆适中)、M(车辆多)、VM(车辆很多)五类，同样采用等分的三角隶属度函数，

作为VM的转折点值。

交叉口在各相位开始时根据上一相位结束时各进口车道的车辆数，可获得当前所有放行车道检测截面的最大车辆数GN，以及等待放行的车道检测截面的最大车辆数RN，最后根据表1的模糊规则，在相位开始时决策出最终执行的绿灯长度，其中采用的模糊化和去模糊化方法均采用最大隶属度法。

表1基于贪心策略的模糊控制规则表

得益于PCN对相位绿灯的约束，该模糊规则表可以采用简单的贪心策略(当GN≥RN时，都可以直接设为对应水平的绿灯时间，反之递减)，而无需根据专家经验对不同交叉口设置模糊规则，具有更强的适应性。例如，根据最大隶属度法，假设GN隶属于Z，RN隶属于F，则根据模糊规则表，模糊决策的绿灯时间应隶属于M，然后采用最大隶属度法去模糊化，将绿灯时间M对应的三角隶属度函数转折点的横坐标值作为实际执行的绿灯时间。

如图2所示，基于同一发明构思，本发明还揭示了一种面向复杂交通控制环境的区域交通信号协调控制系统，该系统包括PCN模块和控制模块，所述PCN模块作为通信中间那件，负责通过网络接收交通控制环境中的交通检测数据，并在此基础上定周期进行自我更新，并对区域内能够介入控制的交叉口的相位进行优化。

其中，交通控制环境包括设置在交叉口的各进道口和出道口的交通检测器、交通控制器及与交通控制器连接的指示灯和倒计时显示设备、以及设备间的通信网络。

PCN模块用于构建相位协调网络、定周期更新相位协调网络的拓扑结构、关联数据，以及用于基于相位协调网络的相位优化。实际中，优化周期可定为5-15分钟，优化各相位的滑动窗口长度可设为3个周期(即P＝3)，纳入负载均衡策略的邻居网络阶数可以设为3阶(即q＝3)。其优化流程如图3所示。PCN模块实时接收和存储各相位、各路段的关联数据，当达到优化周期时，更新PCN模块中的相位协调网络的拓扑结构，并根据负载均衡思想优化各相位的绿灯时间，直至退出区域协调控制。

所述相位协调网络的构建如下：

首先，对交通流量数据进行表示；

对任一交叉口υ_k定义如下符号：

(1)

交叉口v_k第i条进/出口道在检测截面的车道数量；

(2)

交叉口v_k第i条进/出口道、第j条车道的检测截面内最大车辆数；

(3)

在交叉口v_k的第n个周期、第l个相位期间，进入第i条进/出口道、第j条车道检测截面的车辆数；

(4)

在交叉口v_k第n个周期、第l个相位期间，离开其第i条进/出口道、第j条车道检测截面的车辆数；

在交叉口v_k第n个周期、第l个相位结束时，计算其第i条进口道、第j条车道上的车辆数、跑和度以及相位期间的车辆驶离率依次为：

其中，T^k(n,l)为交叉口v_k第n个周期、第l个相位的时长；

计算交叉口v_k第n个周期、第l个相位结束时，其第i条出口道、第j条车道的车辆数、跑和度以及相位期间的车辆到达率依次为：

上述流量感知数据均由交叉口v_k在相位切换时独立完成采集和统计，交叉口之间没有统一的感知周期，保障各交叉口的交通数据采集是松耦合的；

然后，构建相位协调网络；

将各交叉口的信号相位，根据其对同一路段的影响连接成网络，称为相位协调网络；

具体地，将所有交叉口的信号相位的集合记为S＝{s_ik|v_i∈V,k∈[1,θ_i]}，其中θ_i为交叉口v_i的相位数量，对于无法纳入协调控制的交叉口，则假设为只包含一个特殊相位；同时，将交叉口v_i到相邻交叉口v_j的路段记为(v_i,v_j)，并设定(v_i,v_j)是交叉口v_i的第a条出口道，是交叉口v_j的第b条进口道；

假设在t时刻，交叉口v_i正运行到第φ_i(t)个信号周期，则针对交叉口v_i在路段(v_i,v_j)上的出口道，可按相位分别统计其最近P个周期的平均车辆到达率：

同理，假设在t时刻，交叉口v_j正运行到第φ_j(t)个信号周期，则针对交叉口v_j在路段(v_i,v_j)上的出口道，可按相位分别统计最近P个周期的平均车辆驶离率：

在此基础上，可以建立相邻交叉口v_i与v_j之间两两相位的连接，两个相位有向连接的强度为：

w(s_ik,s_jl)＝α_ij(k,t)·β_ij(l,t) (9)

其中，k∈[1,θ_i]，l∈[1,θ_j]；

最后，对整个相位协调网络的连接强度进行Min-Max标准化，记形成的网络为G(S,W,t)；在该网络中，每条有向边除了连接强度，还关联所对应的实际路段及其流量感知数据；每个节点除了代表某个相位，还关联相位的绿灯时间等信息；基于相位协调网络的相位优化具体如下：

在相位协调网络定周期更新完成后，通过定义节点上游和下游的负载情况，采用负载均衡策略优化相位的绿灯时间；

具体的，首先参考复杂网络做如下定义：

定义1：节点s_ik的q阶上/下游邻居节点

对相位协调网络的任意节点s_ik，其N阶邻居节点为与节点s_ik的最短有向距离不超过q步的节点，该类节点与s_ik构成的局部网络称为节点s_ik的q阶邻居网络，其中处于s_ik上游的节点称为q阶上游邻居节点，反之称为q阶下游邻居节点；

定义2：相位节点s_ik对s_jl的影响

记节点s_ik到节点s_jl的最短有向路径为

则定义节点s_ik对s_jl的影响因子为：

定义f(s_ik,s_ik)＝1；

定义3：节点s_ik的入边负载

记节点s_ik的一阶上游邻居节点集合为

取

中的任一节点，假设记为s_jl，s_ik连向s_jl的有向边所关联路段为(v_j,v_i)，是交叉口v_i的第b条进口道，则定义该条入边(s_jl,s_ik)的负载为进口道最近P个周期的平均车辆饱和度：

对所有入边负载求和，可得节点的s_ik的入边负载：

定义4：节点s_ik的q阶上游负载

记节点s_ik的q阶上游邻居节点集合为

则定义节点s_ik的q阶上游负载为：

定义5：节点s_ik的出边负载

记节点s_ik的一阶下游邻居节点集合为

取

中的任一节点，假设记为s_jl，其连向s_ik的有向边所关联路段为(v_i,v_j)，是交叉口v_i的第a条出口道，则定义该条出边(s_ik，s_jl)的负载为对应出口道最近P个周期的平均车辆饱和度：

对所有出边负载求和，可得节点的s_ik的出边负载：

定义6：节点s_ik的q阶下游负载

记节点s_ik的q阶下游邻居节点集合为

则定义节点s_ik的q阶下游负载为：

在上述定义的基础上，利用S型函数来调整相位节点s_ik的绿灯时间：

其中，

和

分别为实际中约束相位s_ik的最大和最小绿灯；当上游负载超过下游的负载时，绿灯时间接近最大绿灯，反之则接近最小绿灯。

控制模块采用Java实现交叉口的模糊控制程序，该程序可按照多进程方式执行，每个进程对应一个交叉口的交通控制器。交叉口在相位切换时上传交通流检测数据，模糊控制进程在此时从PCN模块获取最新的RN、QN以及相位绿灯优化时间，然后根据所提的模糊控制方法决策实际执行的相位绿灯时间，最后通过网络下发给交叉口的控制器执行。因此，该控制模块设有多个交叉口模糊控制进程，每一交叉口模糊控制进程均通过网络连接交通控制环境，用于控制相应的交叉口绿灯执行，具体如下：

参照图4所示，交叉口在相位切换时上传交通流检测数据，模糊控制进程在此时从PCN模块获取最新的当前所有放行车道检测截面的最大车辆数GN、等待放行的车道检测截面的最大车辆数RN、以及相位绿灯优化时间，然后根据模糊控制方法决策实际执行的相位绿灯时间，最后通过网络下发给交叉口的控制器执行；

根据模糊控制方法决策实际执行的相位绿灯时间,具体如下：

将绿灯时间模糊化，分为VS、S、M、L、VL五类，其中，VS表示绿灯时间较短，S表示绿灯时间短、M表示绿灯时间适中，L表示绿灯时间长、VL表示绿灯时间较长；采用等分的三角隶属度函数，并将g_ik(t)作为其中VL的转折点值，作为相位的最大绿灯；

与绿灯时间长度对应，将相位开始时各车道在检测截面内的车辆数分为VF、F、Z、M、VM五类，其中，VF表示车辆很少，F表示车辆少，Z表示车辆适中，M表示车辆多，VM表示车辆很多；采用等分的三角隶属度函数，并将

作为其中VM的转折点值；交叉口在各相位开始时根据上一相位结束时各进口车道的车辆数，获得当前所有放行车道检测截面的最大车辆数GN、以及等待放行的车道检测截面的最大车辆数RN，最后根据模糊规则，在相位开始时决策出最终执行的绿灯长度。

本发明将模糊控制作为与PCN的衔接，在相位开始时就直接根据实际车道情况对绿灯做出调整，一方能降低对流量感知精度的要求和减少PCN相位绿灯时间优化的滞后性；另一方面不影响实际中倒计时设备的使用。目前，实际中的倒计时设备都需要提前一定时间(通常不小于10秒)知道确切的绿灯时间，才能准确开始倒计时。已有很多将模糊理论应用于优化交叉口信号控制的研究，往往是在绿灯结束前一段很短时间来决策是否延长绿灯，这将导致实际中无法使用倒计时设备。

综上，本发明的关键在于从实际交通控制环境客观存在的工程复杂性和应用复杂性分析出发，构建面向区域交通信号协调控制的相位协调网络；然后基于该相位协调网络进行相位绿灯时间优化以及相位绿灯执行。本发明既能够以负载均衡的策略有效地协调交叉口的信号控制，又能够灵活地适应实际中复杂的交通控制环境，弥补了已有区域交通信号协调控制方法和研究的不足。

Claims (2)

1.一种面向复杂交通控制环境的区域交通信号协调控制方法，其特征在于：所述方法将设置在交叉口的各进道口和出道口的交通检测器、交通控制器及与交通控制器连接的指示灯和倒计时显示设备、以及设备间的通信网络定义为交通控制环境，并针对交通控制环境的复杂性，构建面向区域交通信号协调控制的相位协调网络；然后基于该相位协调网络进行相位绿灯时间优化以及相位绿灯执行；所述方法具体如下：

步骤1、构建相位协调网络；

首先，对交通流量数据进行表示；

对任一交叉口v_k定义如下符号：

(1)

交叉口v_k第i条进/出口道在检测截面的车道数量；

(2)

交叉口v_k第i条进/出口道、第j条车道的检测截面内最大车辆数；

(3)

在交叉口v_k的第n个周期、第l个相位期间，进入第i条进/出口道、第j条车道检测截面的车辆数；

(4)

在交叉口v_k第n个周期、第l个相位期间，离开其第i条进/出口道、第j条车道检测截面的车辆数；

在交叉口v_k第n个周期、第l个相位结束时，计算其第i条进口道、第j条车道上的车辆数、饱和度以及相位期间的车辆驶离率依次为：

其中，T^k(n,l)为交叉口v_k第n个周期、第l个相位的时长；

计算交叉口v_k第n个周期、第l个相位结束时，其第i条出口道、第j条车道的车辆数、饱和度以及相位期间的车辆到达率依次为：

上述流量感知数据均由交叉口v_k在相位切换时独立完成采集和统计，交叉口之间没有统一的感知周期，保障各交叉口的交通数据采集是松耦合的；

然后，构建相位协调网络；

将各交叉口的信号相位，根据其对同一路段的影响连接成网络，称为相位协调网络；

具体地，将所有交叉口的信号相位的集合记为S＝{s_ik|v_i∈V,k∈[1,θ_i]}，其中θ_i为交叉口v_i的相位数量，对于无法纳入协调控制的交叉口，则假设为只包含一个特殊相位；同时，将交叉口v_i到相邻交叉口v_j的路段记为(v_i,v_j)，并设定(v_i,v_j)是交叉口v_i的第a条出口道，是交叉口v_j的第b条进口道；

假设在t时刻，交叉口v_i正运行到第φ_i(t)个信号周期，则针对交叉口v_i在路段(v_i,v_j)上的出口道，可按相位分别统计其最近P个周期的平均车辆到达率：

同理，假设在t时刻，交叉口v_j正运行到第φ_j(t)个信号周期，则针对交叉口v_j在路段(v_i,v_j)上的出口道，可按相位分别统计最近P个周期的平均车辆驶离率：

在此基础上，可以建立相邻交叉口v_i与v_j之间两两相位的连接，两个相位有向连接的强度为：

w(s_ik,s_jl)＝α_ij(k,t)·β_ij(l,t) (9)

其中，k∈[1,θ_i]，l∈[1,θ_j]；

最后，对整个相位协调网络的连接强度进行Min-Max标准化，记形成的网络为G(S,W,t)；在该网络中，每条有向边除了连接强度，还关联所对应的实际路段及其流量感知数据；每个节点除了代表某个相位，还关联相位的绿灯时间等信息；

步骤2、基于相位协调网络的相位绿灯优化；

在相位协调网络定周期更新完成后，通过定义节点上游和下游的负载情况，采用负载均衡策略优化相位的绿灯时间；

具体的，首先参考复杂网络做如下定义：

定义1：节点s_ik的q阶上/下游邻居节点

对相位协调网络的任意节点s_ik，其N阶邻居节点为与节点s_ik的最短有向距离不超过q步的节点，该类节点与s_ik构成的局部网络称为节点s_ik的q阶邻居网络，其中处于s_ik上游的节点称为q阶上游邻居节点，反之称为q阶下游邻居节点；

定义2：相位节点s_ik对s_jl的影响

记节点s_ik到节点s_jl的最短有向路径为

则定义节点s_ik对s_jl的影响因子为：

定义f(s_ik,s_ik)＝1；

定义3：节点s_ik的入边负载

记节点s_ik的一阶上游邻居节点集合为

取

中的任一节点，假设记为s_jl，s_ik连向s_jl的有向边所关联路段为(v_j,v_i)，是交叉口v_i的第b条进口道，则定义该条入边(s_jl,s_ik)的负载为进口道最近P个周期的平均车辆饱和度：

对所有入边负载求和，可得节点的s_ik的入边负载：

定义4：节点s_ik的q阶上游负载

记节点s_ik的q阶上游邻居节点集合为

则定义节点s_ik的q阶上游负载为：

定义5：节点s_ik的出边负载

记节点s_ik的一阶下游邻居节点集合为

取

中的任一节点，假设记为s_jl，其连向s_ik的有向边所关联路段为(v_i,v_j)，是交叉口v_i的第a条出口道，则定义该条出边(s_ik，s_jl)的负载为对应出口道最近P个周期的平均车辆饱和度：

对所有出边负载求和，可得节点的s_ik的出边负载：

定义6：节点s_ik的q阶下游负载

记节点s_ik的q阶下游邻居节点集合为

则定义节点s_ik的q阶下游负载为：

在上述定义的基础上，利用S型函数来调整相位节点s_ik的绿灯时间：

其中，

和

分别为实际中约束相位s_ik的最大和最小绿灯；当上游负载超过下游的负载时，绿灯时间接近最大绿灯，反之则接近最小绿灯；

步骤3、进行基于模糊控制的相位绿灯执行；

交叉口在相位切换时上传交通流检测数据，获取最新的当前所有放行车道检测截面的最大车辆数GN、等待放行的车道检测截面的最大车辆数RN、以及相位绿灯优化时间，然后根据模糊控制方法决策实际执行的相位绿灯时间，最后通过网络下发给交叉口的控制器执行；

根据模糊控制方法决策实际执行的相位绿灯时间,具体如下：

将绿灯时间模糊化，分为VS、S、M、L、VL五类，其中，VS表示绿灯时间较短，S表示绿灯时间短、M表示绿灯时间适中，L表示绿灯时间长、VL表示绿灯时间较长；采用等分的三角隶属度函数，并将g_ik(t)作为其中VL的转折点值，作为相位的最大绿灯；

与绿灯时间长度对应，将相位开始时各车道在检测截面内的车辆数分为VF、F、Z、M、VM五类，其中，VF表示车辆很少，F表示车辆少，Z表示车辆适中，M表示车辆多，VM表示车辆很多；采用等分的三角隶属度函数，并将

作为其中VM的转折点值；交叉口在各相位开始时根据上一相位结束时各进口车道的车辆数，获得当前所有放行车道检测截面的最大车辆数GN、以及等待放行的车道检测截面的最大车辆数RN，最后根据模糊规则，在相位开始时决策出最终执行的绿灯长度。

2.一种面向复杂交通控制环境的区域交通信号协调控制系统，其特征在于：

所述系统包括PCN模块和控制模块，所述PCN模块作为通信中间那件，负责通过网络接收交通控制环境中的交通检测数据，并在此基础上定周期进行自我更新，并对区域内能够介入控制的交叉口的相位进行优化；

所述交通控制环境包括设置在交叉口的各进道口和出道口的交通检测器、交通控制器及与交通控制器连接的指示灯和倒计时显示设备、以及设备间的通信网络；

所述PCN模块用于构建相位协调网络、定周期更新相位协调网络的拓扑结构、关联数据，以及用于基于相位协调网络的相位优化；

所述相位协调网络的构建如下：

首先，对交通流量数据进行表示；

对任一交叉口v_k定义如下符号：

(1)

交叉口v_k第i条进/出口道在检测截面的车道数量；

(2)

交叉口v_k第i条进/出口道、第j条车道的检测截面内最大车辆数；

(3)

在交叉口v_k的第n个周期、第l个相位期间，进入第i条进/出口道、第j条车道检测截面的车辆数；

(4)

在交叉口v_k第n个周期、第l个相位期间，离开其第i条进/出口道、第j条车道检测截面的车辆数；

在交叉口v_k第n个周期、第l个相位结束时，计算其第i条进口道、第j条车道上的车辆数、饱和度以及相位期间的车辆驶离率依次为：

其中，T^k(n,l)为交叉口v_k第n个周期、第l个相位的时长；

计算交叉口v_k第n个周期、第l个相位结束时，其第i条出口道、第j条车道的车辆数、饱和度以及相位期间的车辆到达率依次为：

上述流量感知数据均由交叉口v_k在相位切换时独立完成采集和统计，交叉口之间没有统一的感知周期，保障各交叉口的交通数据采集是松耦合的；

然后，构建相位协调网络；

将各交叉口的信号相位，根据其对同一路段的影响连接成网络，称为相位协调网络；

具体地，将所有交叉口的信号相位的集合记为S＝{s_ik|v_i∈V,k∈[1,θ_i]}，其中θ_i为交叉口v_i的相位数量，对于无法纳入协调控制的交叉口，则假设为只包含一个特殊相位；同时，将交叉口v_i到相邻交叉口v_j的路段记为(v_i,v_j)，并设定(v_i,v_j)是交叉口v_i的第a条出口道，是交叉口v_j的第b条进口道；

假设在t时刻，交叉口v_i正运行到第φ_i(t)个信号周期，则针对交叉口v_i在路段(v_i,v_j)上的出口道，可按相位分别统计其最近P个周期的平均车辆到达率：

同理，假设在t时刻，交叉口v_j正运行到第φ_j(t)个信号周期，则针对交叉口v_j在路段(v_i,v_j)上的出口道，可按相位分别统计最近P个周期的平均车辆驶离率：

在此基础上，可以建立相邻交叉口v_i与v_j之间两两相位的连接，两个相位有向连接的强度为：

w(s_ik,s_jl)＝a_ij(k,t)·β_ij(l,t) (9)

其中，k∈[1,θ_i]，l∈[1,θ_j]；

最后，对整个相位协调网络的连接强度进行Min-Max标准化，记形成的网络为G(S,W,t)；在该网络中，每条有向边除了连接强度，还关联所对应的实际路段及其流量感知数据；每个节点除了代表某个相位，还关联相位的绿灯时间等信息；

基于相位协调网络的相位优化具体如下：

在相位协调网络定周期更新完成后，通过定义节点上游和下游的负载情况，采用负载均衡策略优化相位的绿灯时间；

具体的，首先参考复杂网络做如下定义：

定义1：节点s_ik的q阶上/下游邻居节点

对相位协调网络的任意节点s_ik，其N阶邻居节点为与节点s_ik的最短有向距离不超过q步的节点，该类节点与s_ik构成的局部网络称为节点s_ik的q阶邻居网络，其中处于s_ik上游的节点称为q阶上游邻居节点，反之称为q阶下游邻居节点；

定义2：相位节点s_ik对s_jl的影响

记节点s_ik到节点s_jl的最短有向路径为

则定义节点s_ik对s_jl的影响因子为：

定义f(s_ik,s_ik)＝1；

定义3：节点s_ik的入边负载

记节点s_ik的一阶上游邻居节点集合为

取

中的任一节点，假设记为s_jl，s_ik连向s_jl的有向边所关联路段为(v_j,v_i)，是交叉口v_i的第b条进口道，则定义该条入边(s_jl,s_ik)的负载为进口道最近P个周期的平均车辆饱和度：

对所有入边负载求和，可得节点的s_ik的入边负载：

定义4：节点s_ik的q阶上游负载

记节点s_ik的q阶上游邻居节点集合为

则定义节点s_ik的q阶上游负载为：

定义5：节点s_ik的出边负载

记节点s_ik的一阶下游邻居节点集合为

取

中的任一节点，假设记为s_jl，其连向s_ik的有向边所关联路段为(v_i,v_j)，是交叉口v_i的第a条出口道，则定义该条出边(s_ik，s_jl)的负载为对应出口道最近P个周期的平均车辆饱和度：

对所有出边负载求和，可得节点的s_ik的出边负载：

定义6：节点s_ik的q阶下游负载

记节点s_ik的q阶下游邻居节点集合为

则定义节点s_ik的q阶下游负载为：

在上述定义的基础上，利用S型函数来调整相位节点s_ik的绿灯时间：

其中，

和

分别为实际中约束相位s_ik的最大和最小绿灯；当上游负载超过下游的负载时，绿灯时间接近最大绿灯，反之则接近最小绿灯；

所述控制模块设有多个交叉口模糊控制进程，每一交叉口模糊控制进程均通过网络连接交通控制环境，用于控制相应的交叉口绿灯执行，具体如下：

交叉口在相位切换时上传交通流检测数据，模糊控制进程在此时从PCN模块获取最新的当前所有放行车道检测截面的最大车辆数GN、等待放行的车道检测截面的最大车辆数RN、以及相位绿灯优化时间，然后根据模糊控制方法决策实际执行的相位绿灯时间，最后通过网络下发给交叉口的控制器执行；

根据模糊控制方法决策实际执行的相位绿灯时间,具体如下：

将绿灯时间模糊化，分为VS、S、M、L、VL五类，其中，VS表示绿灯时间较短，S表示绿灯时间短、M表示绿灯时间适中，L表示绿灯时间长、VL表示绿灯时间较长；采用等分的三角隶属度函数，并将g_ik(t)作为其中VL的转折点值，作为相位的最大绿灯；

与绿灯时间长度对应，将相位开始时各车道在检测截面内的车辆数分为VF、F、Z、M、VM五类，其中，VF表示车辆很少，F表示车辆少，Z表示车辆适中，M表示车辆多，VM表示车辆很多；采用等分的三角隶属度函数，并将

作为其中VM的转折点值；交叉口在各相位开始时根据上一相位结束时各进口车道的车辆数，获得当前所有放行车道检测截面的最大车辆数GN、以及等待放行的车道检测截面的最大车辆数RN，最后根据模糊规则，在相位开始时决策出最终执行的绿灯长度。

Images