摘要 隨著汽車工業(yè)的迅猛發(fā)展，我國(guó)汽車保有量不斷增加，城市交通擁堵問(wèn)題亟須解決。在當(dāng)前有限的交通路網(wǎng)條件下，如何優(yōu)化道路路口的交通運(yùn)行能力成為一項(xiàng)迫切的任務(wù)。該文通過(guò)結(jié)合路口行人和車輛計(jì)數(shù)以及道路車流量實(shí)時(shí)數(shù)據(jù)，展開(kāi)對(duì)路口實(shí)時(shí)信號(hào)控制問(wèn)題的深入研究?；诼房谛盘?hào)模糊控制器的應(yīng)用，實(shí)現(xiàn)了路口信號(hào)控制配時(shí)策略，通過(guò)仿真軟件VISSIM進(jìn)行試驗(yàn)，研究結(jié)果表明：采用路口道路人車流量實(shí)時(shí)監(jiān)測(cè)的路口信號(hào)模糊控制方法能夠顯著提高路口通行效率。試驗(yàn)結(jié)果驗(yàn)證了該控制方法的有效性，具體體現(xiàn)在能夠有效減少路口通行車輛的停車次數(shù)和延誤時(shí)間。該研究成果對(duì)于解決城市路口交通擁堵問(wèn)題、優(yōu)化路口通行效率具有重要的現(xiàn)實(shí)意義。

關(guān)鍵詞 路口信號(hào)控制；實(shí)時(shí)數(shù)據(jù)；模糊控制；通行效率

中圖分類號(hào) U491 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-8949（2024）14-0026-04

0 引言

我國(guó)汽車工業(yè)在2022年取得了顯著的發(fā)展，民用汽車保有量達(dá)到了2.98億輛，這一龐大數(shù)字印證了汽車行業(yè)的蓬勃增長(zhǎng)。然而，隨之而來(lái)的是城市交通擁堵問(wèn)題的日益凸顯。傳統(tǒng)的交通管理方式面臨著諸多局限，例如僅僅通過(guò)增加道路數(shù)量等手段來(lái)解決擁堵問(wèn)題的效果有限。在當(dāng)前路網(wǎng)條件下，如何優(yōu)化城市道路的交通運(yùn)行能力成為亟待解決的重要課題[1]。尤其是交叉路口，作為整個(gè)道路系統(tǒng)的關(guān)鍵節(jié)點(diǎn)，其交通信號(hào)控制方式亟待改進(jìn)和創(chuàng)新。目前，交通信號(hào)的控制主要仰賴歷史流量統(tǒng)計(jì)和固定配時(shí)方式。然而，由于車輛目的地和方向的隨機(jī)性，這種傳統(tǒng)方式難以應(yīng)對(duì)道路流量的快速變化，導(dǎo)致了路口擁堵和通行效率的下降[2]。固定配時(shí)也無(wú)法實(shí)時(shí)感知路口的排隊(duì)情況，可能導(dǎo)致信號(hào)控制時(shí)間的浪費(fèi)，從而進(jìn)一步影響城市交通的運(yùn)行效率。在這一挑戰(zhàn)的背后，智慧城市和交通的興起提供了新的解決思路?；谌斯ぶ悄堋⒃朴?jì)算和大數(shù)據(jù)等技術(shù)，交通智能化管理成為當(dāng)前研究的焦點(diǎn)之一[3]。計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用成為實(shí)時(shí)感知交通運(yùn)行狀態(tài)并進(jìn)行信號(hào)優(yōu)化控制的有效途徑。通過(guò)訓(xùn)練行人和車輛識(shí)別網(wǎng)絡(luò)，系統(tǒng)能夠?qū)崟r(shí)檢測(cè)道路路口的車輛和行人情況，并對(duì)其進(jìn)行統(tǒng)計(jì)分析，獲取人車流數(shù)據(jù)，從而實(shí)現(xiàn)對(duì)路口交通管理的智能化決策。該創(chuàng)新方法有望極大提高信號(hào)控制的效率，避免擁堵，減少信號(hào)控制時(shí)間的浪費(fèi)，進(jìn)而優(yōu)化城市道路的交通運(yùn)行[4]。智能交通系統(tǒng)的建設(shè)需要借助計(jì)算機(jī)視覺(jué)技術(shù)，通過(guò)實(shí)時(shí)監(jiān)測(cè)和數(shù)據(jù)分析，使得信號(hào)燈的控制更加精準(zhǔn)和靈活。該手段不僅可以緩解交通擁堵，還有助于提高整個(gè)城市交通系統(tǒng)的運(yùn)行效率，為未來(lái)城市交通的可持續(xù)發(fā)展奠定堅(jiān)實(shí)的基礎(chǔ)。

1 路口信號(hào)模糊控制方法

1.1 模糊控制器輸入量選擇

式中分子為下一通行方向加權(quán)和，NCi、NBi、NMi分別為下一通行方向i中汽車、公交車、摩托車數(shù)量，

Pc、Pb、Pm為汽車、公交車、摩托車路口通行權(quán)重，其具體數(shù)值分別為3、5、1。分母為路口四個(gè)方向各類車輛加權(quán)之后的總和。

下一通行方向i車流量檢測(cè)輸入公式如式2所示。

式中單位為輛，為下一相位通行方向上游道路視頻檢測(cè)的1分鐘道路車輛數(shù)量；單位為輛，為當(dāng)前路口下一相位通行方向的車輛檢測(cè)數(shù)量。

1.2 模糊控制器結(jié)構(gòu)設(shè)計(jì)與控制規(guī)則

模糊控制器的運(yùn)作方式可以類比于人類大腦對(duì)問(wèn)題的思考過(guò)程，其工作原理是通過(guò)感知和處理來(lái)自外界的輸入信息，并根據(jù)設(shè)定的專家知識(shí)或控制規(guī)則產(chǎn)生精確的模糊輸出[5]。這種控制器被廣泛應(yīng)用于解決非線性和模糊知識(shí)的問(wèn)題。以路口信號(hào)控制為例，模糊控制器的結(jié)構(gòu)包括模糊化產(chǎn)生器、模糊推理機(jī)、模糊控制規(guī)則庫(kù)、反模糊化以及最小綠燈時(shí)長(zhǎng)自適應(yīng)調(diào)整模塊等五個(gè)主要部分。首先，輸入的交通信號(hào)狀態(tài)（如車輛數(shù)量、道路擁堵情況等）經(jīng)過(guò)模糊化產(chǎn)生器處理，轉(zhuǎn)換成模糊的變量。然后，這些模糊變量通過(guò)模糊推理機(jī)與模糊控制規(guī)則庫(kù)相結(jié)合，根據(jù)預(yù)先設(shè)定的模糊控制規(guī)則進(jìn)行推理，從而產(chǎn)生模糊輸出。這一過(guò)程類似于人類大腦根據(jù)經(jīng)驗(yàn)和知識(shí)處理信息、作出決策的過(guò)程。隨后，通過(guò)反模糊化將模糊輸出轉(zhuǎn)換為具體的控制指令，例如確定綠燈持續(xù)時(shí)間、黃燈延遲等。最后，通過(guò)最小綠燈時(shí)長(zhǎng)自適應(yīng)調(diào)整模塊，對(duì)綠燈時(shí)長(zhǎng)進(jìn)行優(yōu)化和調(diào)整，以適應(yīng)實(shí)時(shí)交通情況的變化。該系統(tǒng)化的結(jié)構(gòu)使得模糊控制器能夠有效地處理復(fù)雜的交通信號(hào)控制問(wèn)題，提高路口的通行效率。尤其在面對(duì)非線性和模糊性較強(qiáng)的交通環(huán)境時(shí)，模糊控制器表現(xiàn)出色，能夠根據(jù)實(shí)際情況進(jìn)行靈活調(diào)整和優(yōu)化，從而實(shí)現(xiàn)更加智能和高效的交通管理。

模糊控制規(guī)則表達(dá)了輸入和輸出之間的關(guān)系，通常以“TF ……THEN……”的形式呈現(xiàn)。在路口信號(hào)模糊控制器設(shè)計(jì)中，控制方向車輛占比和道路車流量各有7個(gè)和5個(gè)模糊子集，共形成了35個(gè)模糊控制規(guī)則[6]。表格1展示了綠燈增加時(shí)長(zhǎng)的模糊控制規(guī)則，用以指導(dǎo)實(shí)際交叉路口的信號(hào)控制。在實(shí)際控制過(guò)程中，路口信號(hào)模糊控制器需要根據(jù)其可理解的語(yǔ)言作出控制決策。因此，綠燈增加時(shí)長(zhǎng)的模糊控制規(guī)則表需要轉(zhuǎn)化為模糊控制語(yǔ)言。以下是將模糊控制規(guī)則轉(zhuǎn)換為模糊語(yǔ)句的例子：IF（H=VS）AND（Q=L）THEN（T=ZD）。這種表達(dá)方式能夠清晰地描述當(dāng)某方向車輛占比非常少且該方向車流量較少時(shí)，建議分配最短的綠燈增加時(shí)長(zhǎng)。

表中英文縮寫(xiě)VS，S，CS，NO，CB，B，VB分別代表比量非常小、小、較小、正常、較大、大、非常大；英文縮寫(xiě)L，CL，ME，CM，MO分別代表車流量少、較少、中、較多、多；英文縮寫(xiě)ZD，HD，D，JD，ZH，JC，C，HC，ZC分別代表綠燈延長(zhǎng)時(shí)間最短，很短、短、較短、中、較長(zhǎng)、長(zhǎng)、很長(zhǎng)、最長(zhǎng)。

使用重心法解模糊控制器輸出，以獲取路口信號(hào)綠燈時(shí)長(zhǎng)的增量。在基于模糊控制器計(jì)算得到的綠燈時(shí)長(zhǎng)增量T后，結(jié)合上述模糊控制器結(jié)構(gòu)和最小綠燈時(shí)長(zhǎng)，Tmin可以推導(dǎo)出下一相位綠燈的控制時(shí)長(zhǎng)Tg，具體表達(dá)式如公式3所示。

式中綠燈時(shí)長(zhǎng)增量T單位為s；最小綠燈時(shí)長(zhǎng)Tmin單位為s；下一相位綠燈的控制時(shí)長(zhǎng)Tg單位為s。

2 路口信號(hào)模糊控制方法仿真

設(shè)計(jì)和實(shí)施基于模糊控制的路口信號(hào)配時(shí)策略是為了提高交通路口的通行效率和交通流量的優(yōu)化分配。首先，需要使用交通仿真軟件VISSIM搭建路口的仿真環(huán)境，包括道路、車輛、交通信號(hào)燈等元素。然后，設(shè)計(jì)模糊控制器的結(jié)構(gòu)，包括模糊化產(chǎn)生器、模糊推理機(jī)、模糊控制規(guī)則庫(kù)、反模糊化以及最小綠燈時(shí)長(zhǎng)自適應(yīng)調(diào)整模塊等組成部分。在搭建好仿真環(huán)境和設(shè)計(jì)好模糊控制器的基礎(chǔ)上，通過(guò)VISSIM提供的外部接口將仿真數(shù)據(jù)傳輸至MATLAB進(jìn)行控制策略的仿真測(cè)試。在MATLAB中，可以實(shí)現(xiàn)模糊控制算法，并與仿真數(shù)據(jù)進(jìn)行交互，模擬實(shí)際路口的信號(hào)控制過(guò)程。通過(guò)對(duì)模糊控制器的輸入?yún)?shù)進(jìn)行調(diào)整和優(yōu)化，可以得到最優(yōu)的信號(hào)配時(shí)策略。為了評(píng)估設(shè)計(jì)的控制策略在合理性和優(yōu)越性方面的有效性，可以使用VISSIM自帶的評(píng)價(jià)指標(biāo)來(lái)進(jìn)行比較分析。此類評(píng)價(jià)指標(biāo)包括平均車速、車輛延誤時(shí)間、停車次數(shù)等，可以直觀地反映交通系統(tǒng)的運(yùn)行效果。同時(shí)，還可以與現(xiàn)實(shí)中路段的定時(shí)控制進(jìn)行比較，以驗(yàn)證模糊控制策略的優(yōu)越性和實(shí)用性。通過(guò)設(shè)計(jì)和實(shí)施基于模糊控制的路口信號(hào)配時(shí)策略，并通過(guò)仿真測(cè)試驗(yàn)證其有效性，可以為交通管理部門(mén)提供科學(xué)的決策依據(jù)，優(yōu)化交通路口的運(yùn)行效率，解決城市交通擁堵問(wèn)題，提升交通系統(tǒng)的整體性能。

通過(guò)對(duì)圖1所示的十字路口進(jìn)行研究，該路口連接了A、B、C、D四個(gè)道路方向，每條道路均為雙向六車道。路口的單個(gè)方向分布有右轉(zhuǎn)、直行、左轉(zhuǎn)加直行三個(gè)車道[7]。路口的控制規(guī)則為：各方向右轉(zhuǎn)的信號(hào)保持綠燈，而直行加左轉(zhuǎn)以及直行方向采用固定綠燈配時(shí)信號(hào)控制。在這個(gè)具體的路口場(chǎng)景中，將研究實(shí)時(shí)控制方法，以優(yōu)化信號(hào)燈的配時(shí)，提高路口的通行效率，并且緩解城市道路的擁堵問(wèn)題。

在仿真中采用了與實(shí)際路口一致的固定配時(shí)方式和控制時(shí)長(zhǎng)。相位方式采用前文分析的四相位輪放控制策略，信號(hào)燈類型包括紅、綠、黃三種。具體的固定信號(hào)配時(shí)策略如圖1所示，其中A、B、C、D四個(gè)相位方向的綠燈時(shí)長(zhǎng)分別設(shè)置為33 s、18 s、26 s、16 s，根據(jù)對(duì)實(shí)際路口的觀測(cè)結(jié)果進(jìn)行調(diào)整。在仿真系統(tǒng)中，為了模擬路口車輛的運(yùn)行狀況，需要結(jié)合實(shí)際情況為每一條路段設(shè)置輸入車流量。VISSIM提供了各種車型以及每種車型的流量比例和期望車速輸入。在車型類別上，選擇車輛檢測(cè)中的三類檢測(cè)目標(biāo)，即公交車、汽車和摩托車。基于前期調(diào)研獲得的路口實(shí)際運(yùn)行狀態(tài)，表2中設(shè)置了10組不同車流量的數(shù)據(jù)，以模擬實(shí)際道路車流量的不同情況。其中，1、2、3、4組車流量數(shù)據(jù)分別模擬A、B、C、D四個(gè)相位方向中高流量下的車流量狀態(tài)，而5、6、7、8組車流量數(shù)據(jù)分別模擬A、B、C、D四個(gè)相位方向中低流量下的車流量狀態(tài)。9、10組分別模擬四個(gè)相位方向都為高流量或低流量的車流量狀態(tài)。該設(shè)定旨在全面評(píng)估提出的控制策略對(duì)不同車流情景的適應(yīng)性。

在進(jìn)行仿真之前，仿真系統(tǒng)首先模擬了一段時(shí)間內(nèi)的車輛輸入情況，該時(shí)間段內(nèi)路口并未形成車輛排隊(duì)等待，也沒(méi)有車輛通行。為了實(shí)現(xiàn)這一模擬，特設(shè)定了檢測(cè)器開(kāi)始采集時(shí)間為仿真運(yùn)行的前30 s，并將檢測(cè)器的采樣時(shí)間間隔設(shè)置為30 s，該設(shè)置方式的目的在于仿真初始階段進(jìn)行車輛輸入的模擬，使得路口系統(tǒng)在沒(méi)有排隊(duì)車輛和通行車輛的情況下開(kāi)始運(yùn)行。通過(guò)運(yùn)行10組不同車流量數(shù)據(jù)輸入，這些數(shù)據(jù)對(duì)應(yīng)于定時(shí)策略控制的情況，從而導(dǎo)出了仿真運(yùn)行的結(jié)果。這一過(guò)程允許評(píng)估提出的基于模糊控制的路口信號(hào)配時(shí)策略在不同流量條件下的性能表現(xiàn)，為后續(xù)的效果分析提供了試驗(yàn)數(shù)據(jù)。

3 仿真結(jié)果分析

在不改變路口交通模型的基礎(chǔ)上，采用基于模糊控制策略的配時(shí)方案進(jìn)行分析，以研究在不同車流量和道路運(yùn)行狀況下的效果。在各個(gè)路段增加了車流量檢測(cè)器，并利用VISSIM軟件將路段車流量檢測(cè)結(jié)果、路口排隊(duì)參數(shù)等信息上傳?；谀：刂品椒ㄉ陕房谛盘?hào)的控制時(shí)長(zhǎng)，并將控制信息通過(guò)VISSIM軟件中的COM組件寫(xiě)入配時(shí)文件，實(shí)現(xiàn)對(duì)路口信號(hào)的實(shí)時(shí)控制。在進(jìn)行與定時(shí)控制相同的10組流量輸入的重復(fù)試驗(yàn)后，得到了基于模糊控制策略的路口運(yùn)行仿真結(jié)果。在分析過(guò)程中，特別關(guān)注10組不同車流量輸入狀態(tài)下路口各方向在12次采樣時(shí)間段內(nèi)的路口平均停車次數(shù)。該比較分析旨在評(píng)估基于模糊控制策略的路口信號(hào)配時(shí)方案相對(duì)于定時(shí)控制的優(yōu)越性，為控制策略的效果提供了翔實(shí)的數(shù)據(jù)支持。

基于實(shí)時(shí)的人車數(shù)據(jù)，對(duì)不同車流量下采用固定配時(shí)和模糊控制策略的路口總平均停車次數(shù)進(jìn)行了模擬。通過(guò)對(duì)比圖2中的總平均停車次數(shù)，發(fā)現(xiàn)采用模糊控制配時(shí)策略對(duì)于車流量較小的B、C相位方向的停車次數(shù)有顯著減少，分別減少了23%和21%。而在車流量較大的A和D相位方向，模糊控制策略也實(shí)現(xiàn)了較大程度減少，分別減少了10%和15%。研究結(jié)果表明：模糊控制配時(shí)在不同車流量條件下能夠有效減少路口的停車次數(shù)，進(jìn)而提高路口的通行效率。

通過(guò)對(duì)不同車流量下采用固定配時(shí)和模糊控制策略的路口總平均延誤時(shí)長(zhǎng)進(jìn)行模擬，研究結(jié)果如圖3所示。根據(jù)試驗(yàn)結(jié)果的對(duì)比分析，基于模糊控制配時(shí)策略使得路口各相位方向的總平均延誤時(shí)長(zhǎng)顯著減少。在A、B、C、D四個(gè)相位方向上，模糊控制配時(shí)相較于固定配時(shí)，平均總延誤時(shí)長(zhǎng)分別減少了18%、28%、24%、16%。這表明模糊控制配時(shí)策略在不同車流量條件下都能有效地降低路口的平均延誤時(shí)長(zhǎng)，進(jìn)一步提高了路口的交通運(yùn)行效率。

4 結(jié)論

通過(guò)基于VISSIM仿真軟件模擬不同車流量輸入情況下的路口運(yùn)行情況，實(shí)時(shí)采樣了路口四個(gè)通行方向的平均停車次數(shù)和平均延誤時(shí)長(zhǎng)，以動(dòng)態(tài)反映路口的實(shí)際運(yùn)行狀態(tài)。在比較兩種配時(shí)策略下各方向的平均停車次數(shù)和平均延誤時(shí)長(zhǎng)時(shí)，采用基于路口實(shí)時(shí)人車數(shù)據(jù)的模糊控制配時(shí)算法顯示出顯著的效果。試驗(yàn)結(jié)果表明：模糊控制配時(shí)算法在不同車流量輸入情況下能夠有效地降低路口的停車次數(shù)和延誤時(shí)間。該算法對(duì)車流量的變化具有較強(qiáng)的適應(yīng)性，從而提高了路口信號(hào)控制效率，對(duì)路口交通擁堵起到了緩解作用。因此，在智慧交通路口信號(hào)燈實(shí)時(shí)控制系統(tǒng)的控制方法研究中，基于實(shí)時(shí)人車數(shù)據(jù)的模糊控制配時(shí)算法具有一定的參考價(jià)值。該研究成果可為優(yōu)化城市交通流、提高路口通行效率提供有益的指導(dǎo)，可為未來(lái)智慧交通系統(tǒng)的發(fā)展和應(yīng)用提供新的思路。

參考文獻(xiàn)

[1]張紹秋.智能行人過(guò)街交通信號(hào)控制器設(shè)計(jì)與策略研究[J].智能建筑與智慧城市，2021（4）：10-12+17.

[2]舒凌洲，吳佳，王晨.基于深度強(qiáng)化學(xué)習(xí)的城市交通信號(hào)控制算法[J].計(jì)算機(jī)應(yīng)用，2019（5）：1495-1499.

[3]Filipe Rodrigues， Carlos M. Lima Azevedo. Towards robust deep reinforcement learning for traffic signal control： Demand surges， incidents and sensor failures[C].In Proceedings of the IEEE Intelligent Transportation Systems Conference （ITSC）， 2019.

[4]Martfog based workflow for traffic control networks[J]. Future Generation Computer Systems， 2019， 97：825–835.

[5]吳慶哲，周俊.基于模糊控制的多路口路段交通信號(hào)燈信號(hào)周期的研究[J].工業(yè)控制計(jì)算機(jī)，2019（6）：81-82+85.

[6]黃帥.基于邊緣計(jì)算和深度學(xué)習(xí)的路口信號(hào)控制方法研究[D].長(zhǎng)沙：中南大學(xué)，2022.

[7]葛亮，王煒，陳學(xué)武，等.信號(hào)控制交叉口配時(shí)優(yōu)化研究[J].交通與計(jì)算機(jī)，2003（5）：7-10.

收稿日期：2024-03-05

作者簡(jiǎn)介：唐麗霞（1977—），女，大專，研究方向：交通信息工程及控制。