【学术研究】交通信号自适应控制方法应用——以洛阳市为例|企业动态|企业动态|洛阳市规划建筑设计研究院有限公司

【学术研究】交通信号自适应控制方法应用——以洛阳市为例

作者：朱智远、卢志明发布时间：2022-08-03 浏览次数：1714

打印收藏关闭

字体【大中小】

视力保护色

声明：本文章仅作为相关学术研究之用，不构成对于任何对象的任何建议及意见。

背景

截至2021年底，洛阳市民用汽车保有量140.4万辆，比上年末增长7.8%，其中私人汽车129.3万辆，增长8.0%。民用轿车保有量78.0万辆，增长9.9%，其中私人轿车74.8万辆，增长10.0%。交通拥堵已成为影响城市环境和制约经济发展的重要瓶颈。平面交叉口信号配时优化依然保持原先方法已不能满足实际居民需求。随着信息检测技术和智能优化技术的不断发展，交通研究逐渐向智能化转变，衍生出了智能交通系统（ITS）。ITS能够为出行者提供安全、高效、可靠的交通系统，满足居民出行需求，提升居民出行品质。

一、感应控制原理

交通信号控制方法可分为定时控制、感应控制、半驱动控制、绿波控制、区域静态控制和区域动态控制等。一个完善的城市区域交通信号协调控制系统应及时响应交通需求，在线优化配时方案，实现“适应性”特征，即实时信号配时优化。

随着新型传感器的大规模部署，融合多视角和跨领域的各式交通传感器数据引发了一系列互补性的创新和专用技术积累。同时，云端计算能力的提升使得利`用机器学习技术直接从观测数据中学习信号优化决策已成为可能。

1、单点路口感应控制

在信号灯配时运行到设定最小绿灯时间后，结合路口实时感应检测到的机动车的请求，决定是否延长绿灯时间，若机动车没有感应需求，会结束当前相位的绿灯；若机动车有需求，会延长绿灯时间，并判断其是否达到最大绿灯时间。当一个方向无机动车请求后，还会继续判断是否有同断相位，再决定是否放行下一相位。感应控制包括全感应控制和半感应控制两种。全感应控制适用于车辆到达不均匀，各进口道均布设检测器的路口，每个相位在最小绿灯末尾，若检测到有来车，则延长绿灯，若一定时间间隔内没有检测到来车，则切换至下一个相位放行；半感应控制适用于相交道路等级相差较大时，只在支路上埋设检测器，对支路相位进行感应控制。正常情况下主路常绿，支路为红灯。当支路检测到有车辆到达或行人请求时，给支路放行一次绿灯，放行结束后恢复主路常绿。主要参数为初始绿灯时间、最小绿灯时间、单位绿灯延长时间、绿灯极限延长时间。

图1 单点路口感应控制流程图

2、路段绿波控制

如各路口采用相同周期，流量较小的路口经常会出现绿灯空放现象。干线协调路口感应控制是指在干线上各信号控制路口根据交通流信息实时自动调整信号控制参数的控制方式，采用动态补偿机制，最大限度减少路口停车延误和绿损时长，又不破坏绿波协调。优化模式分为两种：一是感应模式，在一些交通流条件满足设置感应的干线协调路口，对绿损较大的非协调相位进行感应，将损失的时间分配给协调相位和主要交通流方向；二是绿损模式，通过上一周期的绿损数据，压缩非协调相位的时间给到协调相位，应用到下一周期的模式。

图2 路段绿波控制流程图

3、区域动态控制

区域动态协调信号控制算法主要包括两部分：宏观动态协调战略决策和微观信号控制战术决策。宏观动态协调的战略决策是根据交通需求的变化对交叉口群进行协调策略的动态优化，微观信号控制的战术决策是基于当前的协调策略和交通需求，计算周期、绿信比和相位差，对配时方案进行动态优化。

图3 区域动态控制技术路线图

二、感应控制实践应用分析

1、关圣路宜人东路口信号配时优化建议

以关圣路宜人东路平面交叉口为研究对象。

图4 现状信号配时图

该路口东西向、南北向均为支路，南北向车流量较大，东西向车流量较小，且随机性较大，没有固定的规律。交叉口采用定周期控制，东西向绿灯时间为9s，黄灯3s，红灯65s，造成东西向单信号周期仅能通过3辆车，绿灯时间不足，但南北向单信号周期绿灯损失时间较大，使整个交叉口服务水平较低。

对该单点路口信号控制设置为自适应控制，根据仿真模型的路口评价数据对比，优化后的延误指数、排队长度、停车次数平均下降5%至20%。优化后的早高峰、平峰和晚高峰各时段因车头时距过大而产生的周期绿灯时间损失时间平均减少50%至60%。（数据仅供参考）

2、龙门大道段信号配时协调优化建议

以龙门大道段（伊洛路-滨河南路）为研究对象。

（1）现状调查分析

龙门大道段为城市主干路，是连接洛北与洛南主要通道，但平面交叉口过多，造成平均行程时间较长、停车延误较大。需对龙门大道段（伊洛路-滨河南路）进行信号自适应绿波控制优化。

龙门大道段（伊洛路-滨河南路）设置有信号灯的平面交叉口共有14处，全长约6.9km。通过对各交叉口晚高峰的交通调查，结果表明，各交叉口绿灯损失时间较大，且各信号灯配时之间无规律，造成车辆行程时间延误较大。

图5 龙门大道段距离位置图

表1 晚高峰信号配时及交通量调查表

表2 晚高峰各交叉口绿灯损失时间表

（2）优化方案研究

对景石路口、赵村、宜人路口、政和路口、翠云路口共5个交叉口实施信号灯自适应控制。其余9个交叉口做信号绿波控制，绿波速度建议为40km/h。

图6 龙门大道段绿波控制位置可视化图

根据调查交通量及车道数对9个交叉口信号配时同步进行优化，并对优化结果进行绿灯时间检验，置信度达到95%，方案可行。其中最大周期长度为古城路口120s，绿波中各交叉口必须采用相同的周期长度，并取最长的作为本系统的公共周期长度，因此确定绿波中各交叉口周期长度为120s，并根据绿信比对各相位时间重新进行分配。

表3 各交叉口信号配时优化表

图7 龙门大道干线绿波时距图

表4 龙门大道段绿波信号配时表

（3）效果评价（数据仅供参考）

在感应式动态绿波协调信号控制策略实施后，通过VISSIM仿真软件对龙门大道车辆进行仿真，结果表明，龙门大道上过境机动车通行效率显著提高。平均行程时间由16min降低至12min；平均停车次数6次降低为3次，平均速度由26km/h提升至35km/h；绿灯损失时间也显著降低，平均损失时间仅为2s。

待自适应控制设备安装投入使用后，可根据各交叉口流量信息对绿波信号控制参数进行实时自动调整，以最大限度提高通行效率。

3、区域动态信号配时优化

以龙门大道-太康东路-新伊大街-开元大道围合区域为研究对象。可通过实施信号自适应控制，对整个区域交通进行优化。宏观进行整体协调控制，微观对不同交叉口不同时段给出不同的信号配时方案。

三、信号感应控制实施方法

1、交通数据采集

交通数据采集采用控制策略和控制算法提供基础数据，数据采集方法采用固定式获取技术，主要使用线圈检测和红外检测，具有成本低、稳定性高、应用广泛的优势。将检测器固定安装在道路上的一个特定位置，获取交通量、行程车速、占有率、车队长度、车队信息等交通数据。

640 (10).png

图8 交通数据采集示意图

2、数据处理

数据处理包括数据的预处理、数据异常数据的识别与修复、数据融合。

为了提高交通数据质量，需要对交通数据进行预处理，使交通数据质量达到一定的水平。由于检测器出现故障、通信失真、天气异常等原因，造成交通数据异常或缺失，需要识别交通异常数据，并通过基于时间序列的交通数据修复方法、基于历史数据的交通数据修复方法和基于时空相关性的交通数据修复方法对交通缺失数据进行修复

不同来源的交通数据，采集周期不同，需要根据时空性等特性进行匹配。在完成交通异常数据的识别、交通缺失数据的修复、交通数据的匹配之后，需要进行数据的整理。交通数据整理主要是剔除多余的字段，保留有用的交通数据信息。

对预处理后的交通数据通过改进BP神经网络法、深度学习法、遗传算法进行数据融合，可以扩大交通数据采集的范围，充分利用有效的交通流信息，可进一步提高交通数据的质量。

3、信号优化

根据所融合的数据，通过信号周期优化、绿信比优化、相位差优化等对单点、路段、区域进行动态信号优化决策，从而实现实时信号控制优化。

640 (11).png

图9 信号优化流程图

4、交通仿真

使用Simulation Urban Mobility（SUMO）仿真软件；该软件使用Python与环境进行交互，并允许用户通过流量控制接口库，模拟不同的交通对象，包括小汽车、公交车和行人。同时，SUMO还允许从OpenStreetMap中导入真实的道路网络，可在网络的任意位置设置驶入驶离模块。SUMO还支持其他高级计算框架，包括C++、JAVA等，可以快速适配各种应用场景。在SUMO的基础上，CityFlow针对大规模城市交通场景的MARL做了更好的适配，能够多线程模拟城市级别的交通网络运行，大幅提升了仿真速率。