城市单交叉路口交通信号实时优化控制与仿真

12
总487/488/489期
2019年第01/02/03期（1月）
0 引言
随着我国城市人口与车辆的数量不断增加，城市交通状况已经不容乐观，交通通行情况成为对城市整体建设水平进行衡量的重要指标。

以往传统的定时红绿灯转换已经无法充分满足当前的交通需求，需加强交通信号控制，使交通压力得到有效缓解，通过自适应控制的方式，使绿灯时间随着交通量的变化而随时调整，为交通管制工作提供更大的便利。

1 交通控制理论
1.1 交通流
所谓的交通流主要是指在道路交通不断变化的情况下，通过物理学、运行力学、数学等学科知识对交通特性进行分析，从而利用交通信号控制的方式，使道路的利用效率得到显著提升。

在交通流中，主要的参数包括交通流量、路段时间占有率、速度等方面。

其中，交通流量主要是指单位时间内道路上的车辆数量，以此来判断当前道路交通状态；路段占有率是指车辆通过该路段时所需的时间，能够判断出车辆通行的自由度；速度是指车辆通过该路段的平均速度。

1.2 交通信号控制
交叉路口属于车辆汇集与分流的关键点，对此处进行交通信号控制能够使交通路口的车辆拥堵、冲突问题得到有效解决。

根据国外相关调查研究显示，交叉口处是车辆安全事故的高发地带，而交通信号能够对车辆进行正确的引导，在引导下使不同方向的车辆能够有序通过交叉路口，从而减少车辆冲突的产生，使路口的交叉情况得到有效改善。

在我国，主路上单向车道车辆每小时达到750辆时，则需要安装信号灯进行疏导。

另外，在交通信号控制的过程中，应注意绿信比、周期长度、饱和量、相位、通
行能力等几个主要因素[1]。

2 交通信号实时优化控制模型
2.1 状态划分
经过相关调查研究可知：将交叉路口的交通状态由二维区域进行展现并不能充分符合交通流基本关系图。

对于城市交通量众多的路口来说，通过一个月的实地监测可以将路口中的交通流分布到相同的面状区域当中，并且划分为4种形态：A 区代表低流率；B 区代表较高流率；C 区代表高流率；D 区代表高原区域。

通过对流率（Y ）与占有率组合（O ）的分析，用Os 代表交叉口饱和量所对应的占有率，当O 的数值大于Os 时，交叉口呈现饱和状态，车流也处于强制流状态，此时对交通流状态的判定为“拥堵”；反之则正常。

管理者的主要任务在于采用减少交通流浪费来获得更好的效益，为了防止目标函数过于单一，将路口处的非饱和交通流分为繁忙、顺畅与闲散三种类型，并对不同状态下的交通流特征、性能指标等进行分析和研究。

2.2 实时优化模式的构建
由于在信号控制过程中不可避免会产生效益或者损失，在保障交通安全的情况下，信号控制的最终目标是尽可能提升道路的流通量，使交叉口的车辆减少停留时间。

现阶段，对于实时优化方面的研究大部分采用特定的目标函数，在Webster 理论的基础上，对停车率与延误率进行分析，但是该理论在统计中只适用于饱和度较小状况，而对路口交通流情况的研究，则需要以实际为主，因此需要对各个状态下的交通信号的实时优化模型进行构建。

在繁忙状态下，控制目标为获得最大的经济效益，目标函数为式（1）：
（1）
收稿日期：2018-09-14
作者简介：李若菡（1996—），女，研究方向为交通规划与管理、智能交通。

城市单交叉路口交通信号实时优化
控制与仿真
李若菡
（兰州交通大学，甘肃 兰州 730000）
摘要：首先介绍了交通控制理论，随后分析了交通信号实时优化控制模型，主要包括状态划分、实时优化模式的构建，并且针对城市单交叉口信号控制进行仿真分析。

结论证实，通过SARGA 与SRGA 两种算法进行仿真分析，最终发现SARGA 算法在性能方面更胜一筹，能够100%收敛求得可行解，从而使交通信号的实时优化效率得到进一步提升，为交通管理部门的工作提供了极大的便利。

关键词：城市；单交叉口；交通信号；优化控制中图分类号：U491
文献标识码：B
13
TRANSPOWORLD
交通世界在顺畅状态下，控制目标为获得最大的舒适度，目标函数为式（
2）：
（2）
在闲散状态下，控制目标为安全行驶、延误最小，目标函数为式（3）：
（3）
式中：D i W 为相位i 的总延误；D i M
为相位i 在修正后的总延误；D i H 为协调变换以后的总延误；H i w 为总通车次数；k i 1为相位i 的延误时间；k i 2为相位i 的停车次数；K i 3为通行能力权值参数；g i min 为相位i 的最小绿灯时间；g i max 为相位i 的最大绿灯时间[2]。

3 城市单交叉口信号控制的仿真分析
本文以某市交叉路口为例，将其作为模型进行算法验证，该路口的进口道较宽，具有四个相位，并且右转渠化方面脱离信号灯的控制。

以当前该路口处交通流的特征为例，对绿灯的间隔时长参数进行分析，并对静态配时数值的合理性加以阐述。

本次研究对该路口一个月内在空闲、顺畅与繁忙状态下的交通量进行收集，为单交叉口信号控制的仿真分析提供参考依据。

3.1 算法性能对比
为了对SARGA 算法的有效性进行分析，本文选取了SRGA 算法对交通优化问题进行求解，两种算法均采用VisualC#的方式进行编程。

在两种算法的独立100次计算中，在交通状态为闲散情况下，采用SARGA 进行仿真计算的可行解为100，不可行解为0；利用SRGA 进行仿真计算的可行解为100，不可行解为0；在交通状态为自由情况下，采用SARGA 进行仿真计算的可行解为100，不可行解为0；利用SRGA 进行仿真计算的可行解为95，不可行解为5；在交通状态为受控情况下，采用SARGA 进行仿真计算的可行解为100，不可行解为0；利用SRGA 进行仿真计算的可行解为93，不可行解为7；在交通状态为拥堵情况下，采用SARGA 进行仿真计算的可行解为100，不可行解为0；利用SRGA 进行仿真计算的可行解为82，不可行解为18。

由此可见，SARGA 算法始终能够得到可行解，这意味着本文所选用的控制实例中，对初始种群与惩罚策略的设置应用效果较为明显，而SARGA 算法与SRGA 相比，在平均迭次计算、收敛次数等方面均具有较大优势，这主要是由于在计算过程中，不但将遗传算法引入其中，而且还采用了退火算法，使局部的性能得到了显著的改善，即便是处于拥堵状态之下，SARGA 算法的单次运行时间不超过
30s ，与控制系统在此方面的需求充分相符。

3.2 仿真结果分析
将SARGA 与SRGA 两种算法的性能进行对比研究后可知，前者与后者相比在诸多方面具有优势。

对于信号控制进行研究时，主要通过微观交通仿真的方式进行，借助Paramics 仿真软件的作用，对两种算法进行进一步的仿真分析，具体措施为：
仿真平台：采用Processor 以批量处理的方式，使仿真的效率与速度得到显著提升。

参数标准：司机的反应时间为2.5s ，车头的时距为2.5s 。

仿真场景：在不同交通情况下，为了对SARGA 的控制效率进行分析，使其中存在的误差被小差，随机选取了20个种子完成仿真操作。

通过在不同交通流情况下的仿真结果可知，SARGA 算法与SRGA 算法相比，在各个状态下均能够与参数标准相贴近，能够有效减少车辆的停车次数，减小中途延误情况发生，使通行水平得到显著增强。

例如，在本文实施的仿真实验中，利用SARGA 算法使车辆在不同情况下的延误较低、行车的速度提高，使车辆在速度、排队长度、停车延迟等多个方面均得到有效的优化，与传统方式相比，通行效率提高了10%~20%左右，为通路的顺利通行提供了极大的便利[3]。

4 结语
综上所述，本文对城市单交叉口的交通流特征进行分析，将路口的状况分为闲散、顺畅、繁忙三种，并且根据不同交通状态构建了交通信号优化控制的模型，通过SARGA 与SRGA 两种算法进行仿真分析，最终发现SARGA 算法在性能方面更胜一筹，能够100%收敛求得可行解，从而使交通信号的实时优化效率得到进一步提升，为交通管理部门的工作提供了极大的便利。

参考文献：
[1] 李雅婷. 城市交叉路口交通信号优化控制及仿真研究[D].
青岛：青岛科技大学，2017.
[2] 曾松林. 城市单交叉路口交通信号的控制方法研究[D].
成都：西南交通大学，2013.
[3] 李建斌，高成修. 城市道路网络多交叉路口交通信
号实时优化控制模型与算法[J]. 系统工程，2014，22（10）：70-74.
（编辑：蔡海霄）。