CN114613136A - 基于关联路径的过饱和关键交叉口群协调控制方法及系统 - Google Patents
基于关联路径的过饱和关键交叉口群协调控制方法及系统 Download PDFInfo
- Publication number
- CN114613136A CN114613136A CN202210216920.1A CN202210216920A CN114613136A CN 114613136 A CN114613136 A CN 114613136A CN 202210216920 A CN202210216920 A CN 202210216920A CN 114613136 A CN114613136 A CN 114613136A
- Authority
- CN
- China
- Prior art keywords
- intersection
- phase
- key
- intersections
- time
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000011217 control strategy Methods 0.000 claims abstract description 9
- 238000011144 upstream manufacturing Methods 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 229920006395 saturated elastomer Polymers 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001417517 Scatophagidae Species 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
-
- 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
- G08G1/082—Controlling the time between beginning of the same phase of a cycle at adjacent intersections
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种基于关联路径的过饱和关键交叉口群协调控制方法及系统,确定关键交叉口,与所有相邻交叉口一起构建子区的关键交叉口群;计算关键交叉口群公共周期;分配各关联交叉口各相位的初始绿灯时间;确定关键交叉口各相位需要的绿灯时间;利用多关联路径协调控制策略协调关键交叉口配时;判断关键交叉口与各关联交叉口通行能力是否收敛,若收敛或已达最大迭代次数,输出关键交叉口群内所有交叉口的最终配时结果;若不收敛,结合各路径下游交叉口关联相位绿灯时间扩展约束条件扩展下游关联相位绿灯时间,更新关联交叉口配时,重新迭代计算。本发明有效减少了路网排队滞留现象,同时在过饱和情况下可大大减少延误、停车次数与等待时间。
Description
技术领域
本发明涉及交通信号配时、数学建模、数据挖掘和交通仿真等技术,具体涉及一种基于关联路径的过饱和关键交叉口群协调控制方法及系统。
背景技术
现行的交通配时方案大多基于单点或干线的配时算法,对于过饱和交叉口的有效研究较少,难以达到城市交通供给与交通需求的平衡,当交叉口处于过饱和状态时,极易产生滞留拥堵甚至溢流现象,实践证明,此时传统的定时信号控制已不再适用,甚至加剧了道路的拥堵。在城市路网中,交叉口间距小,关联性强,在过饱和交通状态下,某个交叉口的拥堵现象会向四周蔓延,造成整个路网的拥堵。目前,针对交叉口群的控制研究主要集中在各类控制系统上,如SCOOT、 SCATS、TRANSYT等,这些系统在中度拥堵状态下仍然适用,但他们仅考虑了宏观的控制策略,在过饱和交通状态下还无法实现较好的控制效果。
Pignataro等人把拥堵状态分为饱和状态和过饱和状态,其主要区别是排队车辆对上游交通流的影响。拥堵状况下的交通控制主要目标为降低路网饱和度,过饱和状态交叉口群中交通需求大于其通行能力,单纯考虑某个关键交叉口而不结合相邻交叉口的交通影响必然不足以缓解路网拥堵,调控制关键交叉口与其相邻关联交叉口显得尤为重要。
在相邻交叉口协调控制方面,Rouphail和Akcelik提出了预测延误和排队长度在临近关联交叉口交互作用的模型,该模型指出在排队空间有限时下游交叉口排队对上游交叉口会造成显著影响。Messer分析了Prosser-Dunne模型在大范围交通控制下的效果并基于此模型提出检测两个关联交叉口有效绿灯时间、相位和相位差的模型,但仍存在下游交叉口发生阻挡溢流的风险。Heng Hu等人建立了一种基于最大流量的控制模型,并提出了对其求解的FPB模型,提高了过饱和干线的吞吐量并减少了溢出情况的产生,但该模型局限于线形路网场景,并缺少对于通行能力的约束,对于多条过饱和路径以及多关联交叉口情景有待扩展。 Wenbin Hu等人提出了一种基于元胞自动机(CA)的多交叉口控制模型和多交叉口信号时序规划算法,在不同饱和度情形下均得到了有效的控制效果,但该模型并没有考虑微观交通因素。
发明内容
本发明的目的在于提出一种基于关联路径的过饱和关键交叉口群协调控制方法及系统。
实现本发明目的的技术解决方案为:1、一种基于关联路径的过饱和关键交叉口群协调控制方法,其特征在于,步骤如下:
步骤一,在待处理的路网控制子区中,把子区中平均相位饱和度最大的交叉口作为关键交叉口,将其与所有相邻交叉口一起作为该子区的关键交叉口群,其中相邻交叉口称作关联交叉口,并采集特定时段内该关键交叉口群内所有交叉口的交通流参数;
步骤二,利用ARRB模型计算关键交叉口群公共周期;
步骤三,考虑行人过街限制最短绿灯时间,结合固定周期下的限制配时算法分配各关联交叉口各相位的初始绿灯时间;
步骤四,结合当前得到的各关联交叉口初始绿灯时间以及CPGTCM模型得到关键交叉口各相位需要的绿灯时间;
步骤五,利用多关联路径协调控制策略协调关键交叉口配时,以满足各关联路径协调相位通行需求;
步骤六,判断关键交叉口与各关联交叉口通行能力是否收敛,若收敛或已达最大迭代次数,输出关键交叉口群内所有交叉口的最终配时结果;若不收敛,结合各路径下游交叉口关联相位绿灯时间扩展约束条件扩展下游关联相位绿灯时间,更新关联交叉口配时,然后回到步骤四进行迭代计算。
进一步的,步骤一,在待处理的路网控制子区中,把子区中平均相位饱和度最大的交叉口作为关键交叉口,将其与所有相邻交叉口一起作为该子区的关键交叉口群,并采集特定时段内该关键交叉口群内所有交叉口的交通流参数,其中:
平均相位饱和度的计算方式为:
其中,为交叉口i的平均相位饱和度,m为相位数,xj为相位j的饱和度, Vj为相位j的临界车道流量,Cj为相位j的通行能力,Sj为相位j的饱和流率,λj为相位j的绿信比,phasei为交叉口i的相位集合;
采集待协调配时时段的关键交叉口群内所有交叉口的交通流参数包括:步长为5min的流量数据、交叉口群内所有交叉口的信号相位、渠化信息、平均饱和车头时距d、启动延误lt和相邻路口的地理位置关系。
进一步的,步骤二,利用ARRB模型计算关键交叉口群公共周期,具体方法为:
步骤2.1,利用ARRB模型计算某交叉口i的周期,方法为:
其中Ci为交叉口i的信号周期,L为交叉口的总相位损失时间,Y为交叉口各相位关键流量比之和,k为交叉口停车补偿系数;
步骤2.2,取各个交叉口利用ARRB模型计算得到周期的最大值作为公共周期,以满足该交叉口群内所有交叉口的通行需求,另外,考虑驾驶员等待心理因素,公共周期最大不能超过180s,故C=max{max{Ci},180},i∈I,其中C为交叉口群公共周期,I为交叉口群中所有交叉口的集合。
进一步的,步骤三,考虑行人过街限制最短绿灯时间,结合固定周期下的限制配时算法分配各关联交叉口各相位的初始绿灯时间,具体方法为:
步骤3.1,依据人行横道长度设置行人过街限制最短绿灯时间:
其中Gp为满足行人过街的最短绿灯时间,Lp为人行横道长度,vp为行人行走速度,I为绿灯间隔时间;
步骤3.2,通过RTUFCA算法得到在固定周期的情况下,满足行人过街的同时按照流量比重新分配的各关联交叉口初始绿灯时间,其中RTUFCA算法步骤如下:
步骤3.2.1,利用步骤二中的关键交叉口群的公共周期C,以各相位的关键流量比为比例分配各相位的绿灯时间;
步骤3.2.2,若步骤3.2.1中各相位的绿灯时间有小于步骤3.1中Gp的相位,将该相位的绿灯时间设置为Gp,其他相位按照对应的流量比再次重新分配他们的绿灯时间,并再次回到步骤3.2.2;若步骤3.2.1中各相位的绿灯时间无小于步骤3.1中Gp的相位,则RTUFCA算法结束,得到各关联交叉口初始绿灯时间。
进一步的,步骤四,根据当前得到的各关联交叉口初始绿灯时间,结合 CPGTCM模型,得到关键交叉口各相位需要的绿灯时间,具体方法为:
步骤4.1,建立关联路径中的上游交叉口和关键交叉口的通行能力关系式,以表示上游交叉口中所有可驶入关键交叉口的车道的集合,表示关键交叉口中所有可驶入下游交叉口的车道的集合,相位τ表示关键交叉口的控制该关联路径放行的相位,即协调相位,则有某关联路径中的上游交叉口和关键交叉口的通行能力关系式应满足:
Ac≥β·min{Au,Qu}
步骤4.2,计算步骤4.1中的Qu、Au和Ac,计算方法为:
其中ql表示车道l的车辆到达率,CAPu(l)表示车道l的通行能力,d为饱和车头时距,g(l)为车道l所在相位的绿灯时间,nc,s表示关键交叉口车道组包含的车道数,ge(τ)表示协调相位τ的有效绿灯时间,lt和yt分别为启动延误和黄灯时间;
步骤4.3,结合步骤4.1中关联路径中的上游交叉口和关键交叉口的通行能力关系式和步骤4.2中的计算结果,该关联路径中关键交叉口各相位需要的绿灯时间gp(τ)应满足:
其中,phasec为关键交叉口的相位集合,p表示关联路径。
进一步的,步骤五,利用多关联路径协调控制策略协调关键交叉口配时,以满足各关联路径协调相位通行需求,具体方法为:
步骤5.1,步骤一中的每个关联交叉口均可作为各路径中的上游交叉口或下游交叉口,每条路径的车流将会经过上游交叉口、关键交叉口和下游交叉口的三个交叉口,考虑所有可能性,建立关联路径集paths:{p1,p2,p3,...,pM(M-1)},其中paths为关联路径集,M为关联交叉口的数量,px为第x条关联路径,共 M·(M-1)条路径;
步骤5.2,对于关键交叉口各协调相位绿灯时间,取为各路径在步骤四中对该协调相位τ计算结果gp(τ)的最大值,以保证该相位满足所有路径通行需求,即gc(τ)=max{gp(τ)},τ∈phasec,p∈paths,gc(τ)为关键交叉口相位τ的协调绿灯时间;
步骤5.3,验证等式τ∈phasec是否成立,其中,n为关键交叉口相位数,phasec为关键交叉口的相位集合,yt为黄灯时间,C为关键交叉口群公共周期,若等式成立,配时结束,若等式不成立,依据当前各相位的 gc(τ),保持绿信比不变重新分配各相位绿灯时间,得到最终配时结果。
进一步的,步骤六,判断关键交叉口与各关联交叉口通行能力是否收敛,若收敛或已达最大迭代次数,输出关键交叉口群内所有交叉口的最终配时结果;若不收敛,结合各路径下游交叉口关联相位绿灯时间扩展约束条件扩展下游关联相位绿灯时间,更新关联交叉口配时,然后回到步骤四进行迭代计算,具体方法为:
步骤6.1,判断关键交叉口与各关联交叉口通行能力是否收敛的条件为:
g(h)为相位h的绿灯时间,g(j)为相位j的绿灯时间,d为饱和车头时距, yt为黄灯时间,lt为启动延误;
若关键交叉口与各关联交叉口通行能力收敛,则配时结束,输出各交叉口各相位的绿灯时间,若有不收敛的情况,实施步骤6.2;
步骤6.2,若已达最大迭代次数,则配时结束,输出各交叉口各相位的绿灯时间;若更新关联交叉口配时次数未达最大迭代次数,定义关联相位为在各关联路径的下游交叉口中,对关键交叉口驶来车辆起疏散作用的相位,非关联相位则为下游交叉口除关联相位的其他相位,相位时长指该相位绿灯时间与黄灯时间之和,结合各路径下游交叉口关联相位绿灯时间扩展的约束条件扩展下游关联相位绿灯时间,更新关联交叉口配时,然后回到步骤四进行迭代计算,其中下游交叉口关联相位绿灯时间扩展约束条件的有关计算如下:
步骤6.2.1,计算非关联相位关键流量和volk:
式中volk表示非关联相位关键流量和,其中的k为非关联相位,d为饱和车头时距,ri为非关联相位的相位i的流量比;
步骤6.2.2,利用步骤6.2.1所得volk计算非关联相位所需总有效绿灯时间:
其中,m表示下游交叉口非关联相位的相位数,C,yt,lt分别表示关键交叉口群公共周期、黄灯时间和启动延误;
步骤6.2.4,考虑非关联相位的行人过街的限制,计算满足行人过街情况时的关联相位最大可分配相位时长ΔTLP:
ΔTLP=C-m·(gmin+yt)
其中gmin表示满足行人过街的最短绿灯时间;
步骤6.2.5,根据步骤6.2.3和步骤6.2.4的计算结果ΔTLV和ΔTLP,得到关联相位可取的最大可分配相位时长为:
ΔTmax=min{ΔTLV,ΔTLP}
步骤6.2.6,在保证下游交叉口所有关联相位的总相位时长不超过ΔTmax的约束条件下,扩展下游交叉口关联相位绿灯时间,直至使步骤6.1中所述关键交叉口与各关联交叉口通行能力收敛条件成立或所有关联相位的总相位时长达到ΔTmax,非关联相位依据各相位流量比按比例重新分配剩余相位时长,以此更新关联交叉口配时,然后回到步骤四迭代计算。
一种基于关联路径的过饱和关键交叉口群协调控制系统,其特征在于,基于所述的过饱和关键交叉口群协调控制方法,实现基于关联路径的过饱和关键交叉口群协调控制。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,基于所述的过饱和关键交叉口群协调控制方法,实现基于关联路径的过饱和关键交叉口群协调控制。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,基于所述的过饱和关键交叉口群协调控制方法,实现基于关联路径的过饱和关键交叉口群协调控制。
本发明与现有技术相比,其显著优点为:1)考虑实际中的微观交通流参数,对不同的交叉口均有适用性,相比于传统信号控制模型,有效减少了路网排队滞留现象,同时在过饱和情况下可大大减少延误、停车次数与等待时间。2)全面保障了行人过街安全,同时保证了各个交通流所在路径中通行能力的收敛,并为交叉口群设置了公共周期,便于根据实践优化调整相位差,以进一步增强交叉口群内车辆通行的通畅性。
附图说明
图1为本发明基于关联路径的过饱和交叉口群协调控制模型流程图。
图2为某交叉口全天各车道流量数据图。
图3为某关键交叉口群时段划分结果图。
图4为基于通行能力需求的协调相位绿灯时间计算模型(CPGTCM)示意图。
图5为多关联路径协调控制策略(MAPCCS)示意图。
图6为本发明与传统模型的仿真指标对比图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本发明一种基于关联路径的过饱和关键交叉口群协调控制方法,先分析交通流参数,依据完善的上下游交叉口关系建立各关联路径数学模型,然后结合通行能力需求模型CPGTCM和多关联路径协调控制策略MAPCCS联动协调多个关联路径,得到交叉口群初始配时结果,最后通过关键交叉口与下游交叉口的通行能力约束,迭代更新各交叉口配时结果。图5为某五交叉口形成的关键交叉口群,以此对象为例,基于关联路径的过饱和关键交叉口群协调控制方法步骤如下:
步骤一,在待处理的路网控制子区中,把子区中平均相位饱和度最大的交叉口作为关键交叉口,并将其与所有相邻交叉口一起作为该子区的关键交叉口群,其中相邻交叉口称作关联交叉口,并采集特定时段内该关键交叉口群内所有交叉口的交通流参数。
步骤1.1,平均相位饱和度的计算方式为:
其中,为交叉口i的平均相位饱和度,m为相位数,xj为相位j的饱和度, Vj为相位j的临界车道流量(单位:veh/h),Cj为相位j的通行能力,Sj为相位j的饱和流率(单位:veh/h),λj为相位j的绿信比,phasei为交叉口i的相位集合。
步骤1.2,采集待协调配时时段的关键交叉口群内所有交叉口的交通流参数:包括步长为5min的流量数据、交叉口群内所有交叉口的信号相位、渠化信息、平均饱和车头时距d、启动延误lt和相邻路口的地理位置关系。
步骤二,利用ARRB模型计算关键交叉口群公共周期。
步骤2.1,利用ARRB模型计算某交叉口i的周期,方法为:
其中Ci为交叉口i的信号周期,L为交叉口的总相位损失时间,Y为交叉口各相位关键流量比之和,k为交叉口停车补偿系数,本发明中取为0.4。
步骤2.2,取各个交叉口利用ARRB模型计算得到周期的最大值作为公共周期,以满足该交叉口群内所有交叉口的通行需求,另外,考虑驾驶员等待心理因素,公共周期最大不能超过180s,故C=max{max{Ci},180},i∈I,其中C为交叉口群公共周期,I为交叉口群中所有交叉口的集合。
步骤三,考虑行人过街限制最短绿灯时间,结合固定周期下的限制配时算法(RTUFCA)算法分配各关联交叉口各相位的初始绿灯时间。
步骤3.1,依据人行横道长度设置行人过街限制最短绿灯时间:
其中Gp为满足行人过街的最短绿灯时间(单位:秒),Lp为人行横道长度 (单位:米),vp为行人行走速度,取1.2m/s,I为绿灯间隔时间(单位:秒),
步骤3.2,通过RTUFCA算法得到在固定周期的情况下,满足行人过街的同时并按照其流量比重新分配的各关联交叉口初始绿灯时间,其中RTUFCA算法步骤如下:
步骤3.2.1,利用步骤二中的关键交叉口群的公共周期C,以各相位的关键流量比为比例分配各相位的绿灯时间;
步骤3.2.2,若步骤3.2.1中各相位的绿灯时间有小于步骤3.1中Gp的相位,将该相位的绿灯时间设置为Gp,其他相位按照他们的流量比再次重新分配他们的绿灯时间,并再次回到步骤3.2.2;若步骤3.2.1中各相位的绿灯时间无小于步骤3.1中Gp的相位,则RTUFCA算法结束,得到各关联交叉口初始绿灯时间;
步骤四,结合当前得到的各关联交叉口初始绿灯时间,以及如图4所示 CPGTCM模型得到各关联路径中协调相位所需绿灯时间,以此得到关键交叉口各相位需要的绿灯时间。利用CPGTCM模型计算各关联路径中协调相位所需绿灯时间步骤如下:
步骤4.1,建立关联路径中的上游交叉口和关键交叉口的通行能力关系式。以表示上游交叉口中所有可驶入关键交叉口的车道的集合,表示关键交叉口中所有可驶入下游交叉口的车道的集合,相位τ表示关键交叉口的控制该关联路径放行的相位,即协调相位,则有某关联路径中的上游交叉口和关键交叉口的通行能力关系式应满足:
Ac≥β·min{Au,Qu}
步骤4.2,计算步骤4.1中的Qu、Au和Ac,计算方法为:
其中ql表示车道l的车辆到达率,CAPu(l)表示车道l的通行能力,d为饱和车头时距,g(l)为车道l所在相位的绿灯时间,nc,s表示关键交叉口车道组包含的车道数,ge(τ)表示协调相位τ的有效绿灯时间,lt和yt分别为启动延误和黄灯时间。
步骤4.3,计算得到关键交叉口各协调相位需要的绿灯时间。结合步骤4.1 中关联路径中的上游交叉口和关键交叉口的通行能力关系式和步骤4.2中的计算结果,该关联路径中关键交叉口各相位需要的绿灯时间gp(τ)应满足:
其中,phasec为关键交叉口的相位集合,p表示关联路径。
步骤五,利用多关联路径协调控制策略(MAPCCS)协调关键交叉口配时,以满足各关联路径协调相位通行需求。其中MAPCCS策略的实施步骤如下:
步骤5.1,根据步骤一中采集到的数据,每个关联交叉口均可作为各路径中的上游交叉口或下游交叉口,每条路径的车流将会经过上游交叉口、关键交叉口和下游交叉口的三个交叉口,考虑所有可能性,建立关联路径集 paths:{p1,p2,p3,...,pM(M-1)},其中paths为关联路径集,M为关联交叉口的数量,px为第x条关联路径,,共M·(M-1)条路径。
步骤5.2,确定关键交叉口各相位的协调绿灯时间。由于关键交叉口的某一协调相位可同时控制多个关联路径,对于关键交叉口各协调相位绿灯时间,取为各路径在步骤四中对该协调相位τ计算结果gp(τ)的最大值,以保证该相位满足所有路径通行需求,即gc(τ)=max{gp(τ)},τ∈phasec,p∈paths,gc(τ)为关键交叉口相位τ的协调绿灯时间;
步骤5.3,验证等式τ∈phasec是否成立,其中gc(τ)为关键交叉口相位τ的绿灯时间,n为关键交叉口相位数,phasec为关键交叉口的相位集合,yt为黄灯时间,C为关键交叉口群公共周期。若等式成立,配时结束,若等式不成立,依据当前各相位的gc(τ),保持绿信比不变重新分配各相位绿灯时间,得到最终配时结果。
步骤六,判断关键交叉口与各关联交叉口通行能力是否收敛,若收敛或已达最大迭代次数10次的限制,输出关键交叉口群内所有交叉口的最终配时结果;若不收敛,结合各路径下游交叉口关联相位绿灯时间扩展约束条件扩展下游关联相位绿灯时间,更新关联交叉口配时,然后回到步骤四进行迭代计算。
步骤6.1,判断其中关键交叉口与各关联交叉口通行能力收敛的条件为下式成立:
g(h)为相位h的绿灯时间,g(j)为相位j的绿灯时间,d为饱和车头时距, yt为黄灯时间,lt为启动延误。
若关键交叉口与各关联交叉口通行能力收敛,则配时结束,输出各交叉口各相位的绿灯时间。若有不收敛的情况,实施步骤6.2。
步骤6.2,若已达最大迭代次数,则配时结束,输出各交叉口各相位的绿灯时间;若更新关联交叉口配时次数未达最大迭代次数,定义关联相位为在各关联路径的下游交叉口中,对关键交叉口驶来车辆起疏散作用的相位,非关联相位则为下游交叉口除关联相位的其他相位,相位时长指该相位绿灯时间与黄灯时间之和。结合各路径下游交叉口关联相位绿灯时间扩展的约束条件扩展下游关联相位绿灯时间,更新关联交叉口配时,然后回到步骤四进行迭代计算。
其中下游交叉口关联相位绿灯时间扩展约束条件的有关计算如下:
步骤6.2.1,计算非关联相位关键流量和volk:
式中volk表示非关联相位关键流量和(单位:veh/h),其中的k为非关联相位,d为饱和车头时距(单位:s/veh),ri为非关联相位的相位i的流量比,
步骤6.2.2,利用步骤6.2.1所得volk计算非关联相位所需总有效绿灯时间:
其中,m表示下游交叉口非关联相位的相位数,C,yt,lt分别表示关键交叉口群公共周期、黄灯时间和启动延误。
步骤6.2.4,考虑非关联相位的行人过街的限制,计算满足行人过街情况时的关联相位最大可分配相位时长ΔTLP:
ΔTLP=C-m·(gmin+yt)
其中gmin表示满足行人过街的最短绿灯时间,本文取为15秒。
步骤6.2.5,根据步骤6.2.3和步骤6.2.4的计算结果ΔTLV和ΔTLP,得到关联相位可取的最大可分配相位时长为:
ΔTmax=min{ΔTLV,ΔTLP}
步骤6.2.6,在保证下游交叉口所有关联相位的总相位时长不超过ΔTmax的约束条件下,扩展下游交叉口关联相位绿灯时间,直至使步骤6.1中所述关键交叉口与各关联交叉口通行能力收敛条件成立或所有关联相位的总相位时长达到ΔTmax,非关联相位依据各相位流量比按比例重新分配剩余相位时长,以此更新关联交叉口配时,然后回到步骤四迭代计算。
步骤七,将步骤六中得到的关键交叉口群内所有交叉口的最终配时结果和步骤一中采集到的特定时段内该关键交叉口群内所有交叉口的交通流参数作为输入,在交通仿真软件SUMO中进行仿真实验,并与传统的配时模型Webster、ARRB 模型对比,输出平均延误时间、平均停车次数、平均等待时间以及路网最大排队长度的指标数据,以验证方案的有效性,得到如图6所示的本发明与传统模型的仿真指标对比图。
综上所述,本发明提出一种基于多条关联路径的过饱和关键交叉口群协调控制模型,并通过迭代更新各交叉口配时,保障关联交叉口与关键交叉口通行能力的收敛,可有效改善下游排队现象,具备较强的鲁棒性。本发明合理考虑行人过街限制,提出了一种固定周期下的限制配时算法(RTUFCA),保障各相位行人过街安全同时满足公共周期,具有较好的实践意义。经仿真实验证明,与传统配时模型对比,本发明能够有效提升过饱和状态交叉口群通行能力,降低排队长度、停车次数、延误和等待时间等指标,改善路网通行效率。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于关联路径的过饱和关键交叉口群协调控制方法,其特征在于,步骤如下:
步骤一,在待处理的路网控制子区中,把子区中平均相位饱和度最大的交叉口作为关键交叉口,将其与所有相邻交叉口一起作为该子区的关键交叉口群,其中相邻交叉口称作关联交叉口,并采集特定时段内该关键交叉口群内所有交叉口的交通流参数;
步骤二,利用ARRB模型计算关键交叉口群公共周期;
步骤三,考虑行人过街限制最短绿灯时间,结合固定周期下的限制配时算法分配各关联交叉口各相位的初始绿灯时间;
步骤四,结合当前得到的各关联交叉口初始绿灯时间以及CPGTCM模型得到关键交叉口各相位需要的绿灯时间;
步骤五,利用多关联路径协调控制策略协调关键交叉口配时,以满足各关联路径协调相位通行需求;
步骤六,判断关键交叉口与各关联交叉口通行能力是否收敛,若收敛或已达最大迭代次数,输出关键交叉口群内所有交叉口的最终配时结果;若不收敛,结合各路径下游交叉口关联相位绿灯时间扩展约束条件扩展下游关联相位绿灯时间,更新关联交叉口配时,然后回到步骤四进行迭代计算。
2.根据权利要求1所述的基于关联路径的过饱和关键交叉口群协调控制方法,其特征在于,步骤一,在待处理的路网控制子区中,把子区中平均相位饱和度最大的交叉口作为关键交叉口,将其与所有相邻交叉口一起作为该子区的关键交叉口群,并采集特定时段内该关键交叉口群内所有交叉口的交通流参数,其中:
平均相位饱和度的计算方式为:
其中,为交叉口i的平均相位饱和度,m为相位数,xj为相位j的饱和度,Vj为相位j的临界车道流量,Cj为相位j的通行能力,Sj为相位j的饱和流率,λj为相位j的绿信比,phasei为交叉口i的相位集合;
采集待协调配时时段的关键交叉口群内所有交叉口的交通流参数包括:步长为5min的流量数据、交叉口群内所有交叉口的信号相位、渠化信息、平均饱和车头时距d、启动延误lt和相邻路口的地理位置关系。
3.根据权利要求1所述的基于关联路径的过饱和关键交叉口群协调控制方法,其特征在于,步骤二,利用ARRB模型计算关键交叉口群公共周期,具体方法为:
步骤2.1,利用ARRB模型计算某交叉口i的周期,方法为:
其中Ci为交叉口i的信号周期,L为交叉口的总相位损失时间,Y为交叉口各相位关键流量比之和,k为交叉口停车补偿系数;
步骤2.2,取各个交叉口利用ARRB模型计算得到周期的最大值作为公共周期,以满足该交叉口群内所有交叉口的通行需求,另外,考虑驾驶员等待心理因素,公共周期最大不能超过180s,故C=max{max{Ci},180},i∈I,其中C为交叉口群公共周期,I为交叉口群中所有交叉口的集合。
4.根据权利要求1所述的基于关联路径的过饱和关键交叉口群协调控制方法,其特征在于,步骤三,考虑行人过街限制最短绿灯时间,结合固定周期下的限制配时算法分配各关联交叉口各相位的初始绿灯时间,具体方法为:
步骤3.1,依据人行横道长度设置行人过街限制最短绿灯时间:
其中Gp为满足行人过街的最短绿灯时间,Lp为人行横道长度,vp为行人行走速度,I为绿灯间隔时间;
步骤3.2,通过RTUFCA算法得到在固定周期的情况下,满足行人过街的同时按照流量比重新分配的各关联交叉口初始绿灯时间,其中RTUFCA算法步骤如下:
步骤3.2.1,利用步骤二中的关键交叉口群的公共周期C,以各相位的关键流量比为比例分配各相位的绿灯时间;
步骤3.2.2,若步骤3.2.1中各相位的绿灯时间有小于步骤3.1中Gp的相位,将该相位的绿灯时间设置为Gp,其他相位按照对应的流量比再次重新分配他们的绿灯时间,并再次回到步骤3.2.2;若步骤3.2.1中各相位的绿灯时间无小于步骤3.1中Gp的相位,则RTUFCA算法结束,得到各关联交叉口初始绿灯时间。
5.根据权利要求1所述的基于关联路径的过饱和关键交叉口群协调控制方法,其特征在于,步骤四,根据当前得到的各关联交叉口初始绿灯时间,结合CPGTCM模型,得到关键交叉口各相位需要的绿灯时间,具体方法为:
步骤4.1,建立关联路径中的上游交叉口和关键交叉口的通行能力关系式,以表示上游交叉口中所有可驶入关键交叉口的车道的集合,表示关键交叉口中所有可驶入下游交叉口的车道的集合,相位τ表示关键交叉口的控制该关联路径放行的相位,即协调相位,则有某关联路径中的上游交叉口和关键交叉口的通行能力关系式应满足:
Ac≥β·min{Au,Qu}
步骤4.2,计算步骤4.1中的Qu、Au和Ac,计算方法为:
其中ql表示车道l的车辆到达率,CAPu(l)表示车道l的通行能力,d为饱和车头时距,g(l)为车道l所在相位的绿灯时间,nc,s表示关键交叉口车道组包含的车道数,ge(τ)表示协调相位τ的有效绿灯时间,lt和yt分别为启动延误和黄灯时间;
步骤4.3,结合步骤4.1中关联路径中的上游交叉口和关键交叉口的通行能力关系式和步骤4.2中的计算结果,该关联路径中关键交叉口各相位需要的绿灯时间gp(τ)应满足:
其中,phasec为关键交叉口的相位集合,p表示关联路径。
6.根据权利要求1所述的基于关联路径的过饱和关键交叉口群协调控制方法,其特征在于,步骤五,利用多关联路径协调控制策略协调关键交叉口配时,以满足各关联路径协调相位通行需求,具体方法为:
步骤5.1,步骤一中的每个关联交叉口均可作为各路径中的上游交叉口或下游交叉口,每条路径的车流将会经过上游交叉口、关键交叉口和下游交叉口的三个交叉口,考虑所有可能性,建立关联路径集paths:{p1,p2,p3,...,pM(M-1)},其中paths为关联路径集,M为关联交叉口的数量,px为第x条关联路径,共M·(M-1)条路径;
步骤5.2,对于关键交叉口各协调相位绿灯时间,取为各路径在步骤四中对该协调相位τ计算结果gp(τ)的最大值,以保证该相位满足所有路径通行需求,即gc(τ)=max{gp(τ)},τ∈phasec,p∈paths,gc(τ)为关键交叉口相位τ的协调绿灯时间;
7.根据权利要求1所述的基于关联路径的过饱和关键交叉口群协调控制方法,其特征在于,步骤六,判断关键交叉口与各关联交叉口通行能力是否收敛,若收敛或已达最大迭代次数,输出关键交叉口群内所有交叉口的最终配时结果;若不收敛,结合各路径下游交叉口关联相位绿灯时间扩展约束条件扩展下游关联相位绿灯时间,更新关联交叉口配时,然后回到步骤四进行迭代计算,具体方法为:
步骤6.1,判断关键交叉口与各关联交叉口通行能力是否收敛的条件为:
g(h)为相位h的绿灯时间,g(j)为相位j的绿灯时间,d为饱和车头时距,yt为黄灯时间,lt为启动延误;
若关键交叉口与各关联交叉口通行能力收敛,则配时结束,输出各交叉口各相位的绿灯时间,若有不收敛的情况,实施步骤6.2;
步骤6.2,若已达最大迭代次数,则配时结束,输出各交叉口各相位的绿灯时间;若更新关联交叉口配时次数未达最大迭代次数,定义关联相位为在各关联路径的下游交叉口中,对关键交叉口驶来车辆起疏散作用的相位,非关联相位则为下游交叉口除关联相位的其他相位,相位时长指该相位绿灯时间与黄灯时间之和,结合各路径下游交叉口关联相位绿灯时间扩展的约束条件扩展下游关联相位绿灯时间,更新关联交叉口配时,然后回到步骤四进行迭代计算,其中下游交叉口关联相位绿灯时间扩展约束条件的有关计算如下:
步骤6.2.1,计算非关联相位关键流量和volk:
式中volk表示非关联相位关键流量和,其中的k为非关联相位,d为饱和车头时距,ri为非关联相位的相位i的流量比;
步骤6.2.2,利用步骤6.2.1所得volk计算非关联相位所需总有效绿灯时间:
其中,m表示下游交叉口非关联相位的相位数,C,yt,lt分别表示关键交叉口群公共周期、黄灯时间和启动延误;
步骤6.2.4,考虑非关联相位的行人过街的限制,计算满足行人过街情况时的关联相位最大可分配相位时长ΔTLP:
ΔTLP=C-m·(gmin+yt)
其中gmin表示满足行人过街的最短绿灯时间;
步骤6.2.5,根据步骤6.2.3和步骤6.2.4的计算结果ΔTLV和ΔTLP,得到关联相位可取的最大可分配相位时长为:
ΔTmax=min{ΔTLV,ΔTLP}
步骤6.2.6,在保证下游交叉口所有关联相位的总相位时长不超过ΔTmax的约束条件下,扩展下游交叉口关联相位绿灯时间,直至使步骤6.1中所述关键交叉口与各关联交叉口通行能力收敛条件成立或所有关联相位的总相位时长达到ΔTmax,非关联相位依据各相位流量比按比例重新分配剩余相位时长,以此更新关联交叉口配时,然后回到步骤四迭代计算。
8.一种基于关联路径的过饱和关键交叉口群协调控制系统,其特征在于,基于权利要求1-7任一项所述的过饱和关键交叉口群协调控制方法,实现基于关联路径的过饱和关键交叉口群协调控制。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,基于权利要求1-7任一项所述的过饱和关键交叉口群协调控制方法,实现基于关联路径的过饱和关键交叉口群协调控制。
10.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,基于权利要求1-7任一项所述的过饱和关键交叉口群协调控制方法,实现基于关联路径的过饱和关键交叉口群协调控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210216920.1A CN114613136B (zh) | 2022-03-06 | 2022-03-06 | 基于关联路径的过饱和关键交叉口群协调控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210216920.1A CN114613136B (zh) | 2022-03-06 | 2022-03-06 | 基于关联路径的过饱和关键交叉口群协调控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114613136A true CN114613136A (zh) | 2022-06-10 |
CN114613136B CN114613136B (zh) | 2023-04-21 |
Family
ID=81862062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210216920.1A Active CN114613136B (zh) | 2022-03-06 | 2022-03-06 | 基于关联路径的过饱和关键交叉口群协调控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114613136B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000067371A (ja) * | 1998-08-18 | 2000-03-03 | Matsushita Electric Ind Co Ltd | 交通信号制御方法及び制御装置 |
CN102542793A (zh) * | 2012-01-11 | 2012-07-04 | 东南大学 | 一种交叉口群过饱和交通态势主动控制方法 |
CN103824446A (zh) * | 2013-12-13 | 2014-05-28 | 华南理工大学 | 一种子区多交叉口群决策控制方法 |
CN104021682A (zh) * | 2014-05-06 | 2014-09-03 | 东南大学 | 过饱和交叉口自修复控制方法 |
CN105809958A (zh) * | 2016-03-29 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及系统 |
CN106683450A (zh) * | 2017-01-25 | 2017-05-17 | 东南大学 | 一种城市信号控制交叉口群关键路径识别方法 |
CN108898858A (zh) * | 2018-06-27 | 2018-11-27 | 上海工程技术大学 | 一种过饱和交通状态下连续交叉口的信号协调控制方法 |
-
2022
- 2022-03-06 CN CN202210216920.1A patent/CN114613136B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000067371A (ja) * | 1998-08-18 | 2000-03-03 | Matsushita Electric Ind Co Ltd | 交通信号制御方法及び制御装置 |
CN102542793A (zh) * | 2012-01-11 | 2012-07-04 | 东南大学 | 一种交叉口群过饱和交通态势主动控制方法 |
CN103824446A (zh) * | 2013-12-13 | 2014-05-28 | 华南理工大学 | 一种子区多交叉口群决策控制方法 |
CN104021682A (zh) * | 2014-05-06 | 2014-09-03 | 东南大学 | 过饱和交叉口自修复控制方法 |
CN105809958A (zh) * | 2016-03-29 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及系统 |
WO2017166474A1 (zh) * | 2016-03-29 | 2017-10-05 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及系统 |
CN106683450A (zh) * | 2017-01-25 | 2017-05-17 | 东南大学 | 一种城市信号控制交叉口群关键路径识别方法 |
CN108898858A (zh) * | 2018-06-27 | 2018-11-27 | 上海工程技术大学 | 一种过饱和交通状态下连续交叉口的信号协调控制方法 |
Non-Patent Citations (1)
Title |
---|
柳祚满 等: "过饱和干道交通信号协调控制方法研究" * |
Also Published As
Publication number | Publication date |
---|---|
CN114613136B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200680B (zh) | 过饱和交通状态下城市干道的交通信号协调控制方法 | |
Ma et al. | Development and evaluation of a coordinated and conditional bus priority approach | |
Findler et al. | Distributed approach to optimized control of street traffic signals | |
Chen et al. | Continuum approximation modeling of transit network design considering local route service and short-turn strategy | |
CN104134356B (zh) | 城市交叉口模型参考自适应信号的控制方法 | |
CN104575021A (zh) | 基于邻域优化城市路网系统的分布式模型预测控制方法 | |
CN111028511A (zh) | 一种交通拥堵预警方法及装置 | |
CN104916142A (zh) | 一种干道优先的交叉口自适应交通信号控制方法 | |
CN113421439B (zh) | 一种基于蒙特卡罗算法的单路口交通信号配时优化方法 | |
Shen et al. | A dynamic signal coordination control method for urban arterial roads and its application | |
Li et al. | Connected vehicle-based traffic signal coordination | |
CN109523808A (zh) | 一种移位左转交叉口的渠化优化方法 | |
CN110838237B (zh) | 一种禁左十字交叉口左转公交车通行控制方法 | |
CN114519933B (zh) | 基于无过饱和状态的约定出行管控方法、装置及存储介质 | |
CN114613136A (zh) | 基于关联路径的过饱和关键交叉口群协调控制方法及系统 | |
Wang et al. | Coordinated control model for oversaturated arterial intersections | |
Li et al. | Research on traffic signal timing method based on ant colony algorithm and fuzzy control theory | |
CN110288844B (zh) | 一种基于车路通信的连续交叉口协同优化方法 | |
Boel et al. | Leader-follower cooperative control paradigm, with applications to urban traffic coordination control | |
CN115424461A (zh) | 一种基于多智能体的区域道路交通信号控制优化方法 | |
CN114353816A (zh) | Jobshop中5G组网下多车路径规划方法 | |
CN111540205A (zh) | 一种城市交通网络牵制控制方法 | |
Meng et al. | A multiclass, multimodal dynamic traffic assignment model with departure time | |
CN113823099B (zh) | 信控方案调整方法、装置、设备及计算机可读存储介质 | |
Lin et al. | Coordination Control for an Arterial Bus Based on the Ring-Barrier Phase |
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 |