邢冰　韓印　徐輝

摘要：我國(guó)大中城市區(qū)域交通存在嚴(yán)重的機(jī)非沖突干擾，本文考慮了非機(jī)動(dòng)車對(duì)交叉口以及路段的機(jī)動(dòng)車阻滯干擾，以區(qū)域路網(wǎng)機(jī)動(dòng)車總延誤最小化為目標(biāo)，通過折減交叉口通行能力，優(yōu)化相鄰交叉口相位差，建立了非機(jī)動(dòng)車影響下的區(qū)域交通控制優(yōu)化模型，算法的求解采用了傳統(tǒng)的遺傳算法。通過對(duì)上海市五角場(chǎng)環(huán)形區(qū)域路網(wǎng)分析表明，本文所提出模型進(jìn)行優(yōu)化后，區(qū)域路網(wǎng)機(jī)動(dòng)車總延誤減少了18.81%，有效提高了區(qū)域道路網(wǎng)絡(luò)的運(yùn)行效率。

關(guān)鍵詞：區(qū)域信號(hào)控制；阻滯干擾；車均延誤；非機(jī)動(dòng)車影響

中圖分類號(hào)：S 773.6；U 491.5+1文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001-005X（2015）01-0084-04

Regional Traffic Control Optimization Influenced

by Nonpowerdriven Vehicles

Xing Bing1，Han Yin1*，Xu Hui2

（1.School of Business，University of Shanghai for Science and Technology，Shanghai 200093；

2.Suzhou Municipal Engineering Design Institute Co.，Ltd，Suzhou 215125，Jiangsu Province）

Abstract：Traditional interference problems between vehicles and nondriven vehicles exist in the regional traffic control.The block interferences of nonpowerdriven vehicles on signalized intersections and links were considered.As the optimal index，the total delay was accepted by the model，capacity reduction and phase optimization was analyzed，which built the optimal model.Genetic algorithm was employed to solve the model.Taking Wujiaochang of Shanghai as an example，it is certificated that the total delay decreases by 18.81%，which indicated that the model could effectively improve the efficiency of the regional road network.

Keywords： regional signal control；block interference；average vehicle delay；nonpowerdriven vehicle influence

收稿日期：2014-08-31

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（51008196）；上海市一流學(xué)科項(xiàng)目（S1201YLXK）；上海高校青年教師培養(yǎng)資助計(jì)劃（slg12009）；同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室開放基金課題（K201303）

第一作者簡(jiǎn)介：邢冰，碩士研究生。研究方向：智能交通、交通控制。

*通訊作者：韓印，博士，教授。研究方向：智能交通系統(tǒng)、交通控制與仿真技術(shù)研究。Email：hanyin2000@126.com

引文格式：邢冰，韓 印，徐輝.非機(jī)動(dòng)車影響下的區(qū)域交通信號(hào)控制優(yōu)化[J].森林工程，2015，31（1）：84-87.以機(jī)動(dòng)車和非機(jī)動(dòng)車為主體的混合交通條件是中國(guó)城市道路顯著特征之一。從路段方面來(lái)講，機(jī)動(dòng)車道與非機(jī)動(dòng)車道無(wú)隔離實(shí)施時(shí)，非機(jī)動(dòng)車對(duì)機(jī)動(dòng)車速影響較大；從交叉口方面來(lái)講，機(jī)動(dòng)車與非機(jī)動(dòng)車在同一平面運(yùn)行，非機(jī)動(dòng)車易侵占機(jī)動(dòng)車道，導(dǎo)致機(jī)動(dòng)車速大大降低。針對(duì)以上混合交通流特性，本文考慮非機(jī)動(dòng)車影響因素，對(duì)區(qū)域交通信號(hào)控制進(jìn)行優(yōu)化。

國(guó)外學(xué)者最早開始研究區(qū)域交通控制問題。Robertson提出的TRANSYT系統(tǒng)是一種離線定周期的區(qū)域交通信號(hào)控制系統(tǒng)優(yōu)化程序，但模型只是針對(duì)靜態(tài)交通流，不能體現(xiàn)動(dòng)態(tài)交通流特性[1]。Allsop和Gartner闡述了區(qū)域交通控制的機(jī)理，以及交通信號(hào)控制對(duì)均衡交通流和車流行程時(shí)間有較大影響[2-3]。Yang等提出一個(gè)用以確定飽和交通狀態(tài)下路網(wǎng)交通分配和信號(hào)配時(shí)關(guān)系的雙層規(guī)劃模型，但模型僅將綠信比作為優(yōu)化參數(shù)[4]。

國(guó)內(nèi)學(xué)者劉燦齊通過對(duì)以交通均衡分配為基礎(chǔ)的雙層數(shù)學(xué)規(guī)劃模型進(jìn)行改進(jìn)，構(gòu)造了區(qū)域交通協(xié)調(diào)控制模型，但是并未對(duì)模型的有效性進(jìn)行驗(yàn)證[5]。李潤(rùn)梅等以飽和交通網(wǎng)絡(luò)為研究對(duì)象，建立了動(dòng)態(tài)交通分配和信號(hào)控制一體化的雙層模型[6]。徐建閩等采用交通協(xié)調(diào)兩層控制方法進(jìn)行建模，但模型中沒有區(qū)分低飽和和過飽和狀態(tài)[7]。劉芹等以區(qū)域交叉口總排隊(duì)車數(shù)與區(qū)域總輸出車輛數(shù)為性能指標(biāo)，考慮排隊(duì)車數(shù)、相位差和有效綠燈時(shí)間，構(gòu)建了適合各種交通狀態(tài)的控制模型[8]。張良智以用戶均衡理論為基礎(chǔ)，考慮了交通狀態(tài)劃分，引入?yún)^(qū)域通行度算子，但是模型未考慮混合交通的影響[9]。關(guān)于混合交通的信號(hào)控制研究，主要集中在行人以及非機(jī)動(dòng)車與機(jī)動(dòng)車信號(hào)協(xié)調(diào)方面。李娜分析了非線控路段和線控路段上行人過街信號(hào)與交叉口信號(hào)協(xié)調(diào)以及效益評(píng)價(jià)問題[10]。鄭長(zhǎng)江系統(tǒng)研究了行人過街信號(hào)與交叉口信號(hào)聯(lián)動(dòng)控制方案[11]。陳小紅通過分析慢行交通短距離出行特性的影響，建立了周期、綠信以及相位差優(yōu)化模型[12]。但模型中未能充分地體現(xiàn)慢行交通特點(diǎn)，以及慢行交通對(duì)路網(wǎng)其他交通的影響情況。

綜上所述，本文考慮非機(jī)動(dòng)車影響下區(qū)域交叉口通行能力的改變以及路段機(jī)動(dòng)車運(yùn)行延誤的影響，建立了區(qū)域信號(hào)控制優(yōu)化模型，以此來(lái)有效協(xié)調(diào)區(qū)域路網(wǎng)機(jī)動(dòng)車流和非機(jī)動(dòng)車流的有效運(yùn)行。

1非機(jī)動(dòng)車影響下區(qū)域信號(hào)控制分析

1.1路段干擾

非機(jī)動(dòng)車對(duì)路網(wǎng)機(jī)動(dòng)車的的阻滯干擾是指非機(jī)動(dòng)車占用機(jī)動(dòng)車道阻擋了機(jī)動(dòng)車的行駛，迫使機(jī)動(dòng)車減速行駛，造成延誤[13]。本節(jié)采用交通流波動(dòng)理論分析非機(jī)動(dòng)車對(duì)路段機(jī)動(dòng)車流延誤Tl的影響。由于非機(jī)動(dòng)車占用機(jī)動(dòng)車道，導(dǎo)致機(jī)動(dòng)車隊(duì)頭車減速停駛，跟馳車流發(fā)生聚集和消散，因此機(jī)動(dòng)車流會(huì)經(jīng)歷一個(gè)從疏散到集結(jié)再到疏散的過程。設(shè)交通流變動(dòng)分界線將沿交通流運(yùn)行方向分割成兩段，qa、qb、va、vb、ka、kb分別是前后兩段交通流量、速度以及密度，從而得到交通波的移速度ρ：

第1期邢冰等：非機(jī)動(dòng)車影響下的區(qū)域交通信號(hào)控制優(yōu)化

森林工程第31卷

ρ=（vaka-vbkb）ka-kb。（1）

集結(jié)時(shí)間tlm中，受阻機(jī)動(dòng)車數(shù)增長(zhǎng)率δlm與機(jī)動(dòng)車流密度km、集散波速ρlm以及非機(jī)動(dòng)車平均速度v′有關(guān)：

qlmax=tlm·δlm=tlm·km（v′-ρlm）。（2）

qlt=δlm（tlm+tle）。（3）

機(jī)動(dòng)車流集結(jié)過程中，以微變化時(shí)間段t內(nèi)的受阻車數(shù)q（t）以及每車延誤時(shí)間為基礎(chǔ)，得到微變化時(shí)間段內(nèi)的延誤時(shí)間Tlm，與最大受阻車數(shù)qlmax、機(jī)動(dòng)車速v、進(jìn)而得出機(jī)動(dòng)車流集結(jié)過程的延誤時(shí)間Tlm。同理得到機(jī)動(dòng)車流疏散時(shí)間tle內(nèi)的延誤時(shí)間Tle：

Tlm=q（t）·（t-v′tv）=qlmax·ttl1（t-v′tv）。（4）

Tlm=qlmax·tlm（1-v′v）/2。（5）

Tle=qlmax·tle（1-v′v/2。（6）

1.2交叉口延誤

信號(hào)交叉口基本理論中機(jī)動(dòng)車交叉口延誤時(shí)間Tpn的分析，分為正常相位延誤Tpon、隨機(jī)延誤和過飽和延誤Tprn，主要與非機(jī)動(dòng)車車速v′、車頭空距L′、直行和左轉(zhuǎn)流量q′sl、q′ll以及機(jī)動(dòng)車直左右及相位流量qsl、qll、qrl、qpl有關(guān)：

Tpon=Tn（1-λpn）22（1-qpl/Spn）。（7）

Tprn=Tn4[（qplCpn-1）+（qplCpn-1）2+4qplCp2n·Tn]。（8）

通常情況下，當(dāng)機(jī)動(dòng)車出現(xiàn)可接受間隙時(shí)，非機(jī)動(dòng)車會(huì)搶先穿越交叉口，造成交叉口延誤時(shí)間的增加。非機(jī)動(dòng)車影響下機(jī)動(dòng)車通行能力Cpn的減少是增加交叉口延誤的重要原因之一，主要與交叉口的飽和流率Spn、信號(hào)周期Tn、綠信比λpn有關(guān)。本文基于交叉口機(jī)非沖突特征，考慮機(jī)動(dòng)車路段飽和流量sl變化，以左轉(zhuǎn)機(jī)動(dòng)車和直行非機(jī)動(dòng)車沖突為主，通過非機(jī)動(dòng)車通過交叉口時(shí)間占用相位綠燈時(shí)間的比重進(jìn)行折減，得到折減系數(shù)fL：

Cpn=sl·λpn·fL=sl·λpn·qllqpl（1-L′·q′sl1/Tnv′·λpn·Tn）。（9）

2非機(jī)動(dòng)車影響下區(qū)域交通控制優(yōu)化

2.1模型的建立

本文提出的模型主要針對(duì)區(qū)域信號(hào)控制中周期、綠信比以及相位差參數(shù)進(jìn)行優(yōu)化。首先，針對(duì)周期和綠信比的優(yōu)化，基于左轉(zhuǎn)機(jī)動(dòng)車和直行非機(jī)動(dòng)車沖突對(duì)交叉口通行能力進(jìn)行折減，以交叉口機(jī)動(dòng)車流總延誤最小為目標(biāo)函數(shù)，建立區(qū)域交通信號(hào)控制優(yōu)化模型如下：

F（T，λ，θ）=min∑l∑n∑pqplTn4[（qplCpn-1）2+4qplCp2n·Tn]l∈L，n∈N。（10）

綠信比λmax、λmin，周期Tmin、Tmin以及相位差θn，n-1、θn-1，n的約束條件如公式（11）～公式（13）所示。其中，L、N分別為區(qū)域路網(wǎng)路段以及交叉口集合。

λmin≤λ≤λmax。（11）

Tmin≤T≤Tmax。（12）

θn，n-1+θn-1，n=T。（13）

其次，進(jìn)行相位差的優(yōu)化。相位差的優(yōu)化不僅力求區(qū)域路網(wǎng)車輛延誤時(shí)間最低化，還需要考慮非機(jī)動(dòng)車對(duì)路段機(jī)動(dòng)車的干擾影響。低飽和交通狀態(tài)下，相位差為車流在路段上的平均行駛時(shí)間，不隨信號(hào)周期的變化而變化；近飽和交通狀態(tài)下，相位差的優(yōu)化需要考慮交叉口之間的車輛排隊(duì)長(zhǎng)度與擁擠程度[14-16]。當(dāng)機(jī)動(dòng)車流駛離上游交叉口后，依據(jù)路段受到非機(jī)動(dòng)車阻滯干擾引起的延誤時(shí)間，對(duì)區(qū)域路網(wǎng)相鄰交叉口相位差進(jìn)行優(yōu)化，主要與相鄰交叉口間距l(xiāng)n-1，n、車輛長(zhǎng)度lcar、消散速度ρ以及排隊(duì)車數(shù)q有關(guān)[17]，如下：

θn-1，n=ln-1，nv-lcarqv-lcarqρ+qlt·tlm（1-v′v）/2。（14）

2.2求解算法

遺傳算法（Genetic Algorithm，GA）是一種求解問題的高度并行性全局搜索算法，它能夠自適應(yīng)地控制搜索過程以求得最優(yōu)解，快速實(shí)現(xiàn)適者生存、優(yōu)勝劣汰遺傳，在諸多領(lǐng)域應(yīng)用廣泛。因此本研究采用遺傳算法對(duì)上述模型進(jìn)行求解，主要包括以下幾個(gè)步驟：

（1）首先初始進(jìn)化代數(shù)令gen=0，確定遺傳算法的參數(shù)設(shè)置，如種群規(guī)模P、最大進(jìn)化代數(shù)M、交叉概率pc、變異概率pm。

（2）設(shè)定二進(jìn)制染色體位數(shù)，對(duì)模型中決策變量F（T，λ，θ）進(jìn)行二進(jìn)制編碼，隨機(jī)設(shè)定初始群Y作為初始信號(hào)配時(shí)方案。

（3）將路段流量值代入目標(biāo)函數(shù)中，得到個(gè)體對(duì)應(yīng)的適應(yīng)度函數(shù)值，按個(gè)體適應(yīng)度進(jìn)行排序。當(dāng)k>M時(shí)，算法結(jié)束，轉(zhuǎn)入5，最終得到適應(yīng)度最大個(gè)體對(duì)應(yīng)的周期、綠信比方案即為最終的信號(hào)設(shè)置方案；否則令k=k+1，轉(zhuǎn)入4進(jìn)行最優(yōu)個(gè)體選擇。

（4）按照輪盤賭方法進(jìn)行選擇，按照比例將個(gè)體適應(yīng)度轉(zhuǎn)化為個(gè)體選中概率，篩選出第k代種群，按照概率對(duì)種群中個(gè)體進(jìn)行交叉、變異，得到新一代種群，轉(zhuǎn)入3，求得新一輪適應(yīng)度函數(shù)值。

（5）若滿足k>M，終止運(yùn)算，輸出最大適應(yīng)度的個(gè)體作為最優(yōu)解，得到最優(yōu)控制方案；若k≤K，則k=k+1轉(zhuǎn)入3重新求得個(gè)體對(duì)應(yīng)的適應(yīng)度函數(shù)值。

3案例分析

如圖1所示，本文以上海市楊浦區(qū)五角場(chǎng)區(qū)域?yàn)槔饕?個(gè)交叉口，5條主干道，4條次干道。其中，交叉口3、5、6、7為四相位信號(hào)控制，其他交叉口為三相位信號(hào)控制。各交叉口早高峰的現(xiàn)狀交通信號(hào)控制方案和不同交通流數(shù)據(jù)，分別見表1和表2。

圖1五角場(chǎng)路網(wǎng)簡(jiǎn)圖

Fig.1 Wujiaochang road network

表1現(xiàn)狀交通控制s

通過MATLAB編程設(shè)置各個(gè)參數(shù)：Tmax=220，Tmin=50；λmax=0.8，λmin=0.2；v′=45，v′=1.0；L′=0.5；sl=1 800，s′l=600；pc=0.95，pm=0.05，P=20，M=150。由于交叉口8的非機(jī)動(dòng)車通過地下通道完成過街，本模型暫不考慮交叉口8。運(yùn)用本文的模型對(duì)路網(wǎng)各交叉口信號(hào)參數(shù)進(jìn)行優(yōu)化，見表3，得到交叉口公共周期時(shí)長(zhǎng)為178 s。采用VISSIM仿真對(duì)優(yōu)化前后效果進(jìn)行評(píng)價(jià)，可以看出，現(xiàn)狀路網(wǎng)車輛平均延誤為36.98 s，路網(wǎng)總延誤為231.2 h。優(yōu)化后交叉口車輛平均延誤為29.22 s，路網(wǎng)總延誤為186.4 h。

表2交通現(xiàn)狀數(shù)據(jù)

Tab.2 Primary traffic demand data

交叉口序號(hào)東進(jìn)口機(jī)非流量左轉(zhuǎn)直行右轉(zhuǎn)非西進(jìn)口機(jī)非流量左轉(zhuǎn)直行右轉(zhuǎn)非南進(jìn)口機(jī)非流量左轉(zhuǎn)直行右轉(zhuǎn)非北進(jìn)口機(jī)非流量左轉(zhuǎn)直行右轉(zhuǎn)非1〖10〗6972699315093625962〖6〗13420818010391747819622897416332711036932051156541075124702151164772545974210506160193467944116223533674883474161001035182650233164486849135186803311281041822742161096992293786〖10〗111729871901059667217573021706091922623631082019722301879894767174

表3優(yōu)化后交通信號(hào)控制s

Tab.3 Signal control after optimizations

交叉口序號(hào)相位1相位2相位3相位4周期時(shí)長(zhǎng)相位差現(xiàn)狀車均延誤優(yōu)化后車均延誤111766〖6〗1785924.521.6210338421784231.324.53854038201784437.232.145085481783138.427.95453760411784741.136.26356530531787936.527.27604835401788142.935.1區(qū)域平均延誤/s〖8〗35.9829.22

分析可知，區(qū)域路網(wǎng)現(xiàn)狀車均延誤為36.98 s，通過本文模型對(duì)路網(wǎng)交通控制方案的改善，路網(wǎng)機(jī)動(dòng)車輛平均延誤降為29.22 s，總延誤降低了18.81%。所以考慮非機(jī)動(dòng)車影響條件，能夠有效降低區(qū)域路網(wǎng)車輛整體延誤時(shí)間，證明了本文模型的適用性和有效性。

4結(jié)束語(yǔ)

本文考慮非機(jī)動(dòng)車對(duì)機(jī)動(dòng)車流在交叉口以及路段阻滯干擾，以區(qū)域路網(wǎng)機(jī)動(dòng)車輛交叉口總延誤為優(yōu)化目標(biāo)，對(duì)區(qū)域交通控制優(yōu)化模型進(jìn)行了分析，并采用傳統(tǒng)的遺傳算法進(jìn)行求解。案例表明，通過本研究?jī)?yōu)化方案，路網(wǎng)機(jī)動(dòng)車輛平均延誤為29.22 s，與現(xiàn)狀車均延誤36.98 s相比，總延誤降低了18.81%。本研究模型能夠有效降低區(qū)域路網(wǎng)機(jī)動(dòng)車流總延誤時(shí)間，進(jìn)一步驗(yàn)證了本文優(yōu)化模型有效性。但是，本文未考慮行人流特征對(duì)機(jī)動(dòng)車流的運(yùn)行影響因素，機(jī)動(dòng)車與非機(jī)動(dòng)車其他轉(zhuǎn)向的沖突也不全面，有待深入研究。

【參考文獻(xiàn)】

[1]Robertson D I.TRANSYT：a traffic network study tool[R].Transport and Road Research Laboratory，Crowthrone，1969.

[2]Allsop R E.Some possibilities for using traffic control to influence trip distribution and route choice[A].In：Buckley D J，eds.The Proceeding of the Sixth International Symposium on Transportation and Traffic Theory[C].New York：Elsevier；1974：345-374.

[3]Gartner N H.Area traffic control and network equilibrium[A].In：Florian MA，eds.Traffic Equilibrium Methods[M].New York：Springer，1976：274-297.