林培群 雷永巍 姚凱斌 顧玉牧

(1. 華南理工大學(xué) 土木與交通學(xué)院， 廣東 廣州 510640； 2.蘇州設(shè)計(jì)研究院股份有限公司， 江蘇 蘇州 215021)

浮動(dòng)車技術(shù)是國(guó)際智能交通系統(tǒng)中采用的獲取道路交通信息的先進(jìn)技術(shù)手段之一.國(guó)內(nèi)各大城市的浮動(dòng)車建設(shè)主要依靠出租車、公交車等營(yíng)運(yùn)車輛.近年來，隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的進(jìn)步，無論是高德、凱立德等交通信息運(yùn)營(yíng)商，還是滴滴、Uber等專車平臺(tái)，都極大地推動(dòng)了城市浮動(dòng)車數(shù)量的增長(zhǎng)，促進(jìn)了城市車輛聯(lián)網(wǎng)環(huán)境的建設(shè).隨著聯(lián)網(wǎng)車輛的增加，目前我國(guó)城市交通出行環(huán)境中聯(lián)網(wǎng)(如通過移動(dòng)互聯(lián)網(wǎng))的車輛不斷增多，一段時(shí)間內(nèi)，聯(lián)網(wǎng)車輛與非聯(lián)網(wǎng)車輛并存于城市道路，即“部分聯(lián)網(wǎng)”.然而現(xiàn)階段對(duì)于城市所處的非完全聯(lián)網(wǎng)環(huán)境下如何更加有效、準(zhǔn)確地獲取實(shí)時(shí)的交通狀態(tài)數(shù)據(jù)，并據(jù)此進(jìn)行科學(xué)合理的交通引導(dǎo)和控制的研究較為鮮見.現(xiàn)階段國(guó)內(nèi)外學(xué)者主要通過研究道路車輛排隊(duì)長(zhǎng)度來設(shè)計(jì)或評(píng)估控制方案.傳統(tǒng)的排隊(duì)長(zhǎng)度研究主要是采用概率論、排隊(duì)論、波動(dòng)論、累計(jì)曲線圖解等方法進(jìn)行，這些方法能夠在一定范圍內(nèi)描述交通排隊(duì)現(xiàn)象，并構(gòu)建相應(yīng)的排隊(duì)長(zhǎng)度計(jì)算模型[1- 4].隨著信息技術(shù)的發(fā)展，Comert等[5]在已知浮動(dòng)車市場(chǎng)滲透率(MPR)的條件下，利用浮動(dòng)車數(shù)據(jù)研究了平均排隊(duì)長(zhǎng)度的分布情況.Hao[6]以及Cheng等[7]利用車輛行駛時(shí)間來估測(cè)排隊(duì)長(zhǎng)度.Ban等[8]通過計(jì)算浮動(dòng)車在交叉口范圍的行程時(shí)間，提出排隊(duì)延誤模式的概念，并重構(gòu)車輛在交叉口前的實(shí)時(shí)排隊(duì)曲線.Goodall等[9]利用車聯(lián)網(wǎng)技術(shù)，提出了低市場(chǎng)滲透率下的排隊(duì)長(zhǎng)度估算方法.

總體而言，目前針對(duì)車聯(lián)網(wǎng)環(huán)境下排隊(duì)長(zhǎng)度估算的研究較少.排隊(duì)長(zhǎng)度估算是智能信號(hào)控制的基礎(chǔ)，而且當(dāng)前車聯(lián)網(wǎng)技術(shù)不斷發(fā)展，因此有必要研究不同市場(chǎng)滲透率下基于聯(lián)網(wǎng)車輛的路段實(shí)時(shí)排隊(duì)長(zhǎng)度估算方法，以優(yōu)化交叉口控制，同時(shí)獲取道路交通狀況數(shù)據(jù)，用來分析交通狀態(tài)以及進(jìn)行交通管理.自適應(yīng)控制技術(shù)可快速響應(yīng)動(dòng)態(tài)交通需求，與固定配時(shí)控制相比可在一定程度上提高交叉口的利用率，因此得到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注.郭謹(jǐn)一等[10]研究了基于Synchro系統(tǒng)的交叉口信號(hào)控制，提出了控制參數(shù)的確定方法，得出了感應(yīng)信號(hào)控制在低飽和交通狀況下可有效降低延誤、在接近飽和及過飽和狀況下則失去作用的結(jié)論.邵錦錦等[11]提出了變相序的多相位感應(yīng)控制算法，該算法平均延誤明顯低于傳統(tǒng)感應(yīng)控制.王正武等[12]結(jié)合基于規(guī)則與基于優(yōu)化的自適應(yīng)控制設(shè)計(jì)了一種自適應(yīng)公交優(yōu)先控制方法.然而，現(xiàn)階段研究主要集中于對(duì)交叉口當(dāng)前相位綠燈進(jìn)行微調(diào)，缺乏整體統(tǒng)籌，局限了優(yōu)化空間.

文中提出了一個(gè)全新的車聯(lián)網(wǎng)環(huán)境下的交叉口控制方案：在進(jìn)行車輛排隊(duì)長(zhǎng)度估算的基礎(chǔ)上，綜合考慮交叉口通行安全、相位通行優(yōu)先級(jí)差異性等因素，實(shí)現(xiàn)基于交通流向動(dòng)態(tài)組合的交叉口自適應(yīng)控制設(shè)計(jì)，以期改善城市道路交叉口的交通擁堵狀況，克服傳統(tǒng)交叉口感應(yīng)控制的弊端.

1 方法概述

車聯(lián)網(wǎng)技術(shù)在不斷發(fā)展，但是聯(lián)網(wǎng)車輛無法在短期內(nèi)覆蓋到所有車輛，因此，如何在一定車聯(lián)網(wǎng)市場(chǎng)滲透率下評(píng)估路網(wǎng)的交通狀況，具有極為重要的實(shí)際意義.其中，路段排隊(duì)長(zhǎng)度是判別交通狀況的一個(gè)重要指標(biāo).然而，當(dāng)聯(lián)網(wǎng)車輛只占所有車輛的一定比例時(shí)，僅將一輛或兩輛聯(lián)網(wǎng)車輛的交通信息作為分析數(shù)據(jù)效果往往不佳，為此，文中通過研究路段車隊(duì)的運(yùn)行軌跡，以此獲得突破.

模型運(yùn)行框架如圖1所示.

排隊(duì)形成后路段所有車輛在不同時(shí)刻的“位置-速度”曲線如圖2所示.其中，Tn(n=1，2，…,6)為紅燈時(shí)間內(nèi)相等間隔的時(shí)間序列.

基于以上路段車隊(duì)在不同時(shí)刻的“位置-速度”軌跡曲線，同時(shí)考慮到城市中路網(wǎng)密度與道路流量較大且大量道路被交差口分割，造成了每段道路長(zhǎng)度較短，車輛在每段道路上的離散程度不高，具有較為明顯的車輛跟馳效應(yīng)的情況，文中將同一車道上的車輛近似視為一個(gè)整體，通過分析函數(shù)關(guān)系來獲得較為準(zhǔn)確的排隊(duì)長(zhǎng)度，路段上車輛的“位置-速度”軌跡近似呈函數(shù)關(guān)系.

在紅燈階段，同一車道的車輛分別處于3個(gè)階段：(近似)勻速階段、減速階段、排隊(duì)階段(速度小于vmin).坐標(biāo)原點(diǎn)為路段的起始位置，如圖3所示.

圖1 模型運(yùn)行框架

設(shè)車輛位置-速度關(guān)系的擬合函數(shù)形式為

v=f(p)

(1)

式中，v表示速度，p表示位置.

根據(jù)獲取的聯(lián)網(wǎng)車輛位置-速度信息，以選取的擬合函數(shù)形式(式(1))為參考，求解函數(shù)的各個(gè)參數(shù)，近似獲得整個(gè)路段車隊(duì)的軌跡.求得坐標(biāo)P(p′，vmin)，即獲得了排隊(duì)車輛的末尾位置.路段的長(zhǎng)度為L(zhǎng)，則排隊(duì)長(zhǎng)度為L(zhǎng)-p′.

由于多項(xiàng)式函數(shù)可能會(huì)求解出p′的多個(gè)解，最終的值可以按照以下原則選?。孩賞′必須是實(shí)數(shù)； ②p′必須在0～L之間；③p′最接近于上一次求解所得的數(shù)值.

2 排隊(duì)長(zhǎng)度估算

根據(jù)前述算法思路，提出以下估計(jì)排隊(duì)位置的方法，具體估測(cè)過程如下：

(1)初始化(離線) 觀察較長(zhǎng)時(shí)間內(nèi)的路段情況，獲得路段所有車輛的自由行駛速度(v0)以及車隊(duì)位置-速度信息，以此確定擬合函數(shù)的基本形式(如二次函數(shù)、三次函數(shù)等).

(2)數(shù)據(jù)獲取(在線) 在紅燈階段，可以實(shí)時(shí)獲得當(dāng)前所有聯(lián)網(wǎng)車輛的位置-速度數(shù)據(jù).

(3)函數(shù)擬合 選取當(dāng)前路段內(nèi)聯(lián)網(wǎng)車輛中處于減速階段的車輛(速度介于vmin和v0-b之間，其中b根據(jù)實(shí)際路段情況確定，文中取為3)；使用其位置-速度信息，以離線階段擬合函數(shù)基本形式為依據(jù)，擬合當(dāng)前數(shù)據(jù)下的“位置-速度”曲線函數(shù).

(4)計(jì)算 由擬合函數(shù)求出P點(diǎn)位置，進(jìn)而求出排隊(duì)長(zhǎng)度.紅燈階段的每個(gè)時(shí)刻都可用以上的方法估測(cè)排隊(duì)長(zhǎng)度.倘若處于減速階段的聯(lián)網(wǎng)車輛少于3輛(難以準(zhǔn)確擬合函數(shù))，或按照p′求解原則依舊無解，則近似取上次的排隊(duì)位置加上路段一個(gè)平均排隊(duì)車頭間距(即假設(shè)在檢測(cè)時(shí)間內(nèi)又有一輛車停下).

3 基于流向動(dòng)態(tài)組合的交叉口自適應(yīng)控制模型

傳統(tǒng)的交通檢測(cè)方法在檢測(cè)排隊(duì)長(zhǎng)度方面存在一定的難度和缺陷.例如，若使用線圈，則需要連續(xù)鋪設(shè)多個(gè)線圈，不經(jīng)濟(jì)實(shí)用；若使用視頻檢測(cè)，會(huì)遇到外物遮蔽以及夜間可視度低等問題.引進(jìn)新型的車聯(lián)網(wǎng)技術(shù)可以有效地彌補(bǔ)這些缺陷，在誤差允許的范圍內(nèi)，實(shí)時(shí)估測(cè)排隊(duì)長(zhǎng)度，同時(shí)將車聯(lián)網(wǎng)技術(shù)應(yīng)用到浮動(dòng)車上，即將浮動(dòng)車獲取的數(shù)據(jù)實(shí)時(shí)上傳至后臺(tái)數(shù)據(jù)中心，通過數(shù)據(jù)分析獲得交通量等數(shù)據(jù)，再結(jié)合排隊(duì)長(zhǎng)度估測(cè)算法，提出車聯(lián)網(wǎng)環(huán)境下的新型交叉口自適應(yīng)控制.

3.1 控制思想

在傳統(tǒng)控制中，一個(gè)相位通常綁定多股車流，這些車流擁有相同的控制節(jié)奏和通行時(shí)間，因此會(huì)浪費(fèi)部分通行效率.車聯(lián)網(wǎng)環(huán)境下，文中賦予交叉口車輛各基本流向完全獨(dú)立的控制邏輯，改變了傳統(tǒng)上由若干股車流綁定在一起、擁有相同控制節(jié)奏和通行時(shí)間的做法，由此進(jìn)行無沖突流向的動(dòng)態(tài)交叉口信號(hào)控制組合，以便更高效地利用交叉口的通行時(shí)隙.

同時(shí)，文中以頭車等待時(shí)間、排隊(duì)長(zhǎng)度、交通流量作為優(yōu)化模型的基本輸入?yún)?shù).得益于無線傳感、圖像識(shí)別等車聯(lián)網(wǎng)技術(shù)的快速發(fā)展和日趨成熟，以上基礎(chǔ)參數(shù)的獲得不再是技術(shù)難點(diǎn).另外，在獲取實(shí)時(shí)交通數(shù)據(jù)的基礎(chǔ)上，文中還建立了量化各流向通行優(yōu)先級(jí)的數(shù)學(xué)模型，在保障安全的前提下，及時(shí)回收低通行效率車流的通行權(quán)，將其分配給高通行優(yōu)先級(jí)的車流，從而達(dá)到提高道路時(shí)空資源利用率的目的.

3.2 流向組合

對(duì)于每一個(gè)交叉口而言，在確定了各進(jìn)口道的車道功能之后，即可準(zhǔn)確判斷任意兩股車流是否存在沖突.文中用A={1，2，3，…，n}表示進(jìn)口道的編號(hào)集合，用H={Le，Ri，St}表示車道的轉(zhuǎn)向集合，其中n表示進(jìn)口道的數(shù)量，Le表示左轉(zhuǎn)，Ri表示右轉(zhuǎn)，St表示直行.

進(jìn)口道和轉(zhuǎn)向的組合(a，h)(a∈A，h∈H)表示一個(gè)流向(一個(gè)進(jìn)口的某個(gè)方向，可能包括多個(gè)車道)，記為f.以交叉口所有可能出現(xiàn)的流向?yàn)樵氐募戏Q為流向總體，記為T.由T的定義可得T?A×H，A×H表示集合A和H的笛卡爾積.由于A和H是有限集，可推導(dǎo)出T也是有限集，且|T|≤|A|·|H|.

若F={f1，f2，…，fm}(f1，f2，…，fm∈T，m≤|T|)滿足?i≠j(i，j≤m)，fi與fj不發(fā)生沖突，則稱F為一個(gè)流向組合.以所有流向組合為元素的集合稱為流向組合集，符號(hào)記為C(T).由F的定義可得C(T)?Q(T)，Q(T)表示T的冪集.由此可推導(dǎo)出C(T)是有限集，且|C(T)|<2|T|.

3.3 交通流感知區(qū)域設(shè)置

文中提出的交通流感知有別于傳統(tǒng)的采用定點(diǎn)線圈檢測(cè)新增車輛到達(dá)情況的做法，而是取各進(jìn)口道停車線前x米的路段范圍作為感知區(qū)域.x的取值要滿足尚未進(jìn)入感知區(qū)域的車輛能夠無不適感地減速至停車線前的要求，即

(2)

式中，v表示安全通過交叉口的速度，μ表示無不適感的減速度，一般取-1.5～-2.5 m/s2.

傳統(tǒng)感應(yīng)控制方案中，駕駛員駛近停車線時(shí)可能突遇紅燈后緊急剎車，此種情況容易造車追尾隱患，同時(shí)降低舒適度.文中提出的路段感知方式可以較好地解決這個(gè)問題.只要感知區(qū)域內(nèi)存在車輛，綠燈時(shí)間將適當(dāng)延長(zhǎng)，直至清空區(qū)域內(nèi)的車輛或者達(dá)到最大綠燈時(shí)間.實(shí)際操作中，可在感知區(qū)域的首、末設(shè)置感應(yīng)線圈，通過進(jìn)、出的車輛數(shù)來判斷是否有車輛在感知區(qū)域中.

3.4 通行優(yōu)先級(jí)

3.4.1 相關(guān)概念

有沖突的不同流向交通流本質(zhì)上是競(jìng)爭(zhēng)關(guān)系，交叉口控制系統(tǒng)的任務(wù)就是進(jìn)行通行資源的統(tǒng)籌分配，為不同流向的交通流安排合理的綠燈時(shí)隙.由于交通系統(tǒng)具有較高的復(fù)雜性和隨機(jī)性，如何科學(xué)地進(jìn)行通行資源的統(tǒng)籌分配是學(xué)術(shù)界尚未解決的問題.李鵬凱等[13]根據(jù)車聯(lián)網(wǎng)環(huán)境下的車-車、車-路實(shí)時(shí)通信特征，以車輛停車等待時(shí)間最小為優(yōu)化目標(biāo)建立信號(hào)控制交叉口面向個(gè)體車輛的車速引導(dǎo)模型，并通過試驗(yàn)驗(yàn)證發(fā)現(xiàn)所提出的方法能有效降低車輛延誤；Fortelle[14]基于完美的車聯(lián)網(wǎng)技術(shù)環(huán)境假設(shè)，提出車輛自主駕駛通過交叉口的控制思想，即路口收集每輛車的速度、位置等信息，并給每輛車提供一個(gè)可在穿越交叉口時(shí)避開潛在沖突的解決方案，但并未給出具體的模型和求解方法.

為了對(duì)問題進(jìn)行更精確的數(shù)學(xué)建模，文中從交通控制的角度選擇車輛到達(dá)率、排隊(duì)長(zhǎng)度、所在道路的等級(jí)作為通行優(yōu)先級(jí)計(jì)算模型的輸入?yún)?shù)，以此科學(xué)、合理地量化優(yōu)先指標(biāo).

3.4.2 基于延誤時(shí)間最小化的通行優(yōu)先級(jí)計(jì)算模型

一段時(shí)間內(nèi)，總延誤時(shí)間D等于所有車輛的延誤時(shí)間之和：

(3)

式中，di表示第i輛車的延誤時(shí)間，n表示研究時(shí)間段內(nèi)的總車輛數(shù).

當(dāng)控制相位切換時(shí)，控制系統(tǒng)通過聯(lián)網(wǎng)車輛數(shù)據(jù)估測(cè)排隊(duì)長(zhǎng)度.設(shè)其中某個(gè)等候車隊(duì)的車輛數(shù)為n1，頭車的等待時(shí)間為tw，平均到達(dá)率為q，飽和流量為S，分以下3種情況進(jìn)行研究：

(1)n1=0 此時(shí)不存在排隊(duì)，D=0.

(2)n1>0，S>q如果該車隊(duì)分配到綠燈且綠燈時(shí)間足夠長(zhǎng)，則排隊(duì)車輛將得以清空.演化過程如圖4所示.

圖4 S>q條件下的延誤時(shí)間分析圖

此時(shí)總延誤時(shí)間等于圖4中梯形ABDC和三角形DCF的面積之和，即

(4)

(5)

(3)n1>0，S≤q如果該車隊(duì)分配到綠燈且假定輸入交通量在短時(shí)間內(nèi)保持不變，此時(shí)排隊(duì)車輛數(shù)將隨時(shí)間不斷增加，綠燈時(shí)間不斷延長(zhǎng)，直至達(dá)到最大綠燈時(shí)間tmax.演化過程如圖5所示.

此時(shí)總延誤時(shí)間等于圖5中梯形ABDC和梯形DCGF的面積之和，即

圖5 S≤q條件下的延誤時(shí)間分析圖

(6)

(7)

將已知量代入式(7)，可得

(8)

綜上所述，車流f的總延誤時(shí)間D(f)的計(jì)算公式如下：

(9)

在上述排隊(duì)車輛延誤時(shí)間計(jì)算模型的基礎(chǔ)上，可進(jìn)一步確定交通流向的通行優(yōu)先級(jí)，即

M(f)=kD(f)，k>0

(10)

式中，M(f)為車流f的通行優(yōu)先級(jí)，D(f)為總延誤時(shí)間，k為加權(quán)系數(shù)(一般情況下主干道的加權(quán)系數(shù)較高).

3.5 通行權(quán)切換判決算法

通行權(quán)切換判決算法的作用在于判斷是否終止某股車流的通行.若當(dāng)前流向組合里某股車流至少滿足以下規(guī)則中的一條，則終止該車流的通行：

①車道預(yù)設(shè)的感知區(qū)域內(nèi)不存在車輛；

②車流的綠燈時(shí)間超過了預(yù)設(shè)的最大綠燈時(shí)間.

判決算法的作用對(duì)象是每一股車流，因而一股車流停止通行并不會(huì)影響到其他車流.具體的流程如下所述：

步驟1 通行權(quán)切換到某個(gè)流向組合，控制系統(tǒng)監(jiān)控當(dāng)前流向組合里所有車流所在的感知區(qū)域，并為其中的每股車流獨(dú)立分配一個(gè)綠燈時(shí)間．

步驟2 判斷當(dāng)前放行的每股車流是否滿足通行權(quán)切換規(guī)則.如果有若干股車流滿足終止通行規(guī)則，則回收這部分車流的通行權(quán)，執(zhí)行步驟3；否則每股車流的綠燈時(shí)間增加1個(gè)基本單位(如1 s)，重新執(zhí)行步驟2.

步驟3 根據(jù)3.4.2節(jié)中的通行權(quán)分配模型進(jìn)行計(jì)算，將步驟2中回收的通行權(quán)分配給通行優(yōu)先級(jí)最高的車流；返回執(zhí)行步驟1.

3.6 通行權(quán)分配優(yōu)化模型

在控制過程中，當(dāng)有一股或多股車流滿足切換規(guī)則時(shí)，這部分車流的通行權(quán)將被回收.記當(dāng)前處于放行狀態(tài)的流向組合為Fc，滿足切換規(guī)則的車流集合為Fr，則保留通行權(quán)的車流集合為

Fl=Fc-Fr={(f|f∈Fc，f?Fr}

(11)

接下來要確定一個(gè)不與Fl發(fā)生沖突的車流集合Fa并授予其通行權(quán)，與Fl動(dòng)態(tài)組合成為下一個(gè)放行的流向組合.Fa必須符合以下條件：

(12)

通過遍歷流向組合集C(T)，其中真包含F(xiàn)l的元素與Fl的差集即是式(11)的可行解，所有可行解構(gòu)成解空間M，表示為

M={(F-Fl|F∈C，F(xiàn)?Fl，F(xiàn)≠Fc}

(13)

考慮到存在|M|>1的情況，因此文中通過建立數(shù)學(xué)規(guī)劃模型來求解最優(yōu)的Fa.定義車流集合F的通行優(yōu)先級(jí)為F中所有元素的通行優(yōu)先級(jí)之和，記為P(F).通行優(yōu)先級(jí)越大，表示通行緊迫程度越高，交叉口的利用率越大.因此，擁有最高通行優(yōu)先級(jí)的F即是最優(yōu)解.用數(shù)學(xué)描述如下：

(14)

4 算例分析

采用C#語言對(duì)VISSIM仿真平臺(tái)進(jìn)行二次開發(fā)(基于COM接口)，以實(shí)現(xiàn)上述排隊(duì)長(zhǎng)度估算和新型自適應(yīng)控制方案.程序進(jìn)行了嚴(yán)格的邏輯檢查與測(cè)試，確保其在應(yīng)對(duì)大型交叉口時(shí)仍能穩(wěn)定運(yùn)行.算例中選擇典型平面交叉口，首先對(duì)排隊(duì)長(zhǎng)度估測(cè)方案的有效性進(jìn)行驗(yàn)證，在此基礎(chǔ)上對(duì)3種不同的交通控制方式(固定配時(shí)、傳統(tǒng)感應(yīng)控制以及文中提出的交通流向動(dòng)態(tài)組合式感應(yīng)控制)分別進(jìn)行仿真.仿真實(shí)驗(yàn)采用控制變量法，分別獲取不同交通量輸入環(huán)境下的平均排隊(duì)長(zhǎng)度、平均延誤時(shí)間和平均停車次數(shù)作為評(píng)價(jià)指標(biāo)，以此分析車聯(lián)網(wǎng)環(huán)境下的新型交叉口自適應(yīng)控制的可行性和適用范圍.

選擇一個(gè)典型的十字型交叉口作為研究對(duì)象.交叉口每個(gè)進(jìn)口均包含3條車道，分別是專用左轉(zhuǎn)、直行和右轉(zhuǎn)車道.右轉(zhuǎn)車道采用渠化分流的交通控制策略，不受信號(hào)燈控制，因此交叉口共有8股車流相互競(jìng)爭(zhēng)通行權(quán).仿真界面如圖6所示，參數(shù)設(shè)置見表1.

圖6 仿真界面

表1 標(biāo)定參數(shù)

4.1 排隊(duì)長(zhǎng)度估算

通過分析交叉口一段時(shí)間內(nèi)的車輛“位置-速度”曲線，確認(rèn)其擬合函數(shù)符合三次函數(shù)基本形式.實(shí)驗(yàn)結(jié)果表明，在MPR大于50%的情況下波動(dòng)性較小，能夠穩(wěn)定擬合，此時(shí)與文獻(xiàn)[15]中高市場(chǎng)滲透率的情況相同，效果較為理想，結(jié)論也相似.當(dāng)MPR小于50%時(shí)，減速區(qū)間的聯(lián)網(wǎng)車輛數(shù)過小，無法穩(wěn)定擬合，波動(dòng)性較大，此時(shí)可以選用文獻(xiàn)[4]中低市場(chǎng)占有率的方案.實(shí)驗(yàn)過程中3個(gè)不同MPR下的隨機(jī)紅燈時(shí)間階段的實(shí)驗(yàn)結(jié)果如圖7所示.

圖7 排隊(duì)長(zhǎng)度估算結(jié)果

根據(jù)Wiedemann模型，排隊(duì)車隊(duì)中平均車頭間距為7.25 m.實(shí)驗(yàn)結(jié)果表明，采用文中提出的方法，獲取的排隊(duì)位置誤差集中在1到2輛車，極少情況下會(huì)有3到4輛車，證明在城市道路中文中方案有一定的實(shí)用性和可行性.

4.2 交叉口3種控制方案對(duì)比

(1)固定配時(shí)

考慮到對(duì)向直行和對(duì)向左轉(zhuǎn)交通量相當(dāng)，固定配時(shí)方案采用四信號(hào)相位循環(huán)對(duì)稱放行.配時(shí)方案根據(jù)韋伯斯特公式計(jì)算得到，其中默認(rèn)飽和流量為1800輛/(h·車道)，損失時(shí)間為3 s，黃燈時(shí)間為3 s，不設(shè)全紅時(shí)間.當(dāng)單進(jìn)口流量達(dá)到900輛/h時(shí)，交叉口進(jìn)入飽和狀態(tài).此時(shí)，固定配時(shí)方案失效，后半段沒有仿真數(shù)據(jù)，不列入比較.

(2)傳統(tǒng)感應(yīng)控制

相位設(shè)計(jì)與固定配時(shí)相同，均為循環(huán)對(duì)稱放行.檢測(cè)線圈距離停車線36 m，初始綠燈時(shí)間為10 s，單位綠燈延長(zhǎng)時(shí)間為3 s，最大綠燈時(shí)間為60 s.

(3)文中方法

經(jīng)式(1)計(jì)算得感知區(qū)域的長(zhǎng)度為25 m(取v=40 km/h、a=-2.5 m/s2)，基本時(shí)鐘單位為1 s，最大綠燈時(shí)間取經(jīng)驗(yàn)值60 s.各進(jìn)口的道路等級(jí)相同，k均取值1，聯(lián)網(wǎng)車比例大于70%.

通過多次仿真實(shí)驗(yàn)，獲取3種控制方案下的交通運(yùn)行參數(shù)，并對(duì)各個(gè)參數(shù)取平均值，實(shí)驗(yàn)結(jié)果如圖8所示.

從實(shí)驗(yàn)結(jié)果可以看出，隨著單進(jìn)口交通流量的增加，3種信號(hào)控制方案的3項(xiàng)評(píng)價(jià)指標(biāo)都在上升，但文中方案的上升趨勢(shì)相對(duì)平緩.與另外兩種控制方案相比，文中方案對(duì)平均排隊(duì)長(zhǎng)度的優(yōu)化幅度最明顯，達(dá)到了70%左右，這主要是因?yàn)榭刂葡到y(tǒng)及時(shí)為高通行優(yōu)先級(jí)的流向安排了通行時(shí)隙，快速疏散了排隊(duì)車輛.此外，與其他兩種控制方案相比，平均延誤時(shí)間分別降低了約65%和55%.在平均停車次數(shù)方面，當(dāng)單進(jìn)口流量小于800輛/h時(shí)，文中方法與傳統(tǒng)感應(yīng)控制方案的效果非常接近.值得注意的是，從近飽和狀態(tài)(單進(jìn)口流量大于800輛/h)開始，文中方案較之傳統(tǒng)感應(yīng)控制方案停車次數(shù)增多，但最為關(guān)鍵的通行延誤和排隊(duì)長(zhǎng)度下降明顯.停車次數(shù)增多的原因是文中方案總是讓交叉口工作在高效率的狀態(tài)下，因此會(huì)損失一小部分車輛的效率，如某些進(jìn)口的“隊(duì)尾車輛”往往需要二次停車.

綜上，文中所提出的控制方案在高交通負(fù)荷的條件下保持了良好的控制效果，科學(xué)、合理地彌補(bǔ)了傳統(tǒng)感應(yīng)控制的短板.

圖8 交通系統(tǒng)運(yùn)行指標(biāo)對(duì)比

5 結(jié)語

文中設(shè)計(jì)了交叉口排隊(duì)長(zhǎng)度估測(cè)算法，建立了進(jìn)口道交通流的通行優(yōu)先級(jí)計(jì)算模型，并以此度量各股車流通行的優(yōu)先級(jí)，在此基礎(chǔ)上實(shí)現(xiàn)了車聯(lián)網(wǎng)環(huán)境下交通流向動(dòng)態(tài)組合的自適應(yīng)控制.通過對(duì)VISSIM平臺(tái)二次開發(fā)后進(jìn)行了仿真實(shí)驗(yàn)，結(jié)果表明所獲取的排隊(duì)位置誤差集中在1到2輛車.相比于傳統(tǒng)感應(yīng)控制和固定配時(shí)設(shè)計(jì)，文中提出的基于交通流向動(dòng)態(tài)組合的交叉口自適應(yīng)控制方法在交叉口平均排隊(duì)長(zhǎng)度的優(yōu)化幅度方面達(dá)到了70%左右，平均延誤時(shí)間分別降低了約65%和55%，彌補(bǔ)了傳統(tǒng)感應(yīng)控制在接近飽和及過飽和交通狀態(tài)下疏導(dǎo)能力不足的缺陷，切實(shí)有效地提高了部分聯(lián)網(wǎng)環(huán)境下交叉口的運(yùn)行效率.下一階段將選取更多的交通環(huán)境對(duì)模型進(jìn)行測(cè)試和驗(yàn)證.

：

[1] VIGOSA G，PAPAGEORGIOUA M，WANG Y.Real-time estimation of vehicle-count within signalized links [J].Transportation Research Part C:Emerging Technologies，2008，16(1):18- 35．

[2] 祁宏生，王殿海.信號(hào)控制交叉路口車輛排隊(duì)長(zhǎng)度 [J].吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2009，39(6):1457- 1462．

QI Hong-sheng，WANG Dian-hai.Vehicle queue length at signal controlled intersection [J].Journal of Jilin University(Engineering and Technology Edition)，2009，39(6):1457- 1462．

[3] DAGANZO C F.Queue spillovers in transportation networks with a route choice [J].Transportation Science，1998，32(1):3- 11．

[4] 王殿海，景春光，曲昭偉.交通波理論在交叉口交通流分析中的應(yīng)用 [J].中國(guó)公路學(xué)報(bào)，2002，15(1):93- 96．

WANG Dian-hai，JING Chun-guang，QU Zhao-wei.Application of traffic-wave theory in intersections traffic flow analysis [J].China Journal of Highway and Transport，2002，15(1):93- 96．

[5] COMERT G，CETIN M.Queue length estimation from probe vehicle location and the impacts of sample size [J].European Journal of Operational Research，2009，197(1):196- 202．

[6] HAO P，BAN X.Vehicle queue location estimation for signalized intersections using sample travel times from mobile sensors [C]∥Transportation Research Board of the 90th Annual Meeting.[S.l.]:TRB，2011．

[7] CHENG Y，QIN X，JIN J，et al.Cycle-by-cycle queue length estimation for signalized intersections using sampled trajectory data [J].Transportation Research Record:Journal of the Transportation Research Board，2011，2257(1):87- 94．

[8] BAN X，HAO P，SUN Z.Real time queue length estimation for signalized intersections using travel times from mobile sensors [J].Transportation Research Part C:Emerging Technologies，2011，19(6):1133- 1156．

[9] GOODALL N J，PARK B，SMITH B L.Microscopic estimation of arterial vehicle positions in a low-penetration-rate connected vehicle environment [J].Journal of Transportation Engineering，2014，140(10):04014047/1- 9．

[10] 郭謹(jǐn)一，劉爽，陳紹寬，等.基于Synchro的感應(yīng)信號(hào)控制交叉口仿真研究 [J].交通運(yùn)輸系統(tǒng)工程與信息，2004，4(4):68- 71．

GUO Jin-yi，LIU Shuang，CHEN Shao-kuan，et al.Study on actuated signal controlled intersection a synchro-based [J].Journal of Transportation Systems Engineering and Information Technology，2004，4(4):68- 71．

[11] 邵錦錦，陳鋒，孫欣欣，等.多相位感應(yīng)控制配時(shí)方案的優(yōu)化設(shè)計(jì) [J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2011，20(1):48- 51．

SHAO Jin-jin，CHEN Feng，SUN Xin-xin，et al.Optimization design of multi-phase inductive control plan [J].Computer Systems & Applications，2011，20(1):48- 51．

[12] 王正武，夏利民，羅大庸.單交叉口自適應(yīng)公交優(yōu)先控制 [J].中國(guó)公路學(xué)報(bào)，2010，23(4):84- 90．

WANG Zheng-wu，XIA Li-min，LUO Da-yong.Adaptive transit priority control at isolated intersection [J].China Journal of Highway and Transport，2010，23(4):84- 90．

[13] 李鵬凱，楊曉光，吳偉，等.車路協(xié)同環(huán)境下信號(hào)交叉口車速引導(dǎo)建模與仿真 [J].交通信息與安全，2012，30(3):136- 140，156．

LI Pengkai，YANG Xiaoguang，WU Wei，et al.Modeling vehicle speed guidance at signalized intersections under IntelliDriverSM [J].Journal of Transport information and Safety，2012，30(3):136- 140，156.

[14] FORTELLE A D L.Analysis of Reservation Algorithms for Cooperative Planning at intersections [C]∥Proceedings of the 13th International IEEE Annual Conference on intelligent Transportation Systems.New York:IEEE，2010:445- 449．

[15] FENG Y，HEAD K L，KHOSHMAGHAM S，et al.A real-time adaptive signal control in a connected vehicle environment [J].Transportation Research Part C，2015，55:460- 473．