（控制科学与工程专业论文）基于短时交通流预测的城市交通网络信号控制研究.pdf

独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 签名： 握鳇日期：边盘：皇 关于论文使用授权的说明 本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名： 导师签名：之签创日期： 1 ， 弘o j 摘要 摘要 课题以北京市中关村西区为背景，研究该交通网络的信号控制问题。主要通 过结合预测的交通流信息，建立基于混杂系统的城市交通网络数学模型，实时优 化各交叉口的绿信比；同时，识别交通状态，动态地划分子区域，进行区域协调 控制。使整个路网车辆的延误时间最短，充分提高路网的交通效益。 论文主要内容如下： 1 将交通流理论与传统的时间序列算法结合，提出了基于交通流模式的时 间序列预测算法。首先，根据流量一密度关系将历史交通数据划分为三种交通状 态：自由、同步和拥塞状态。其次，根据已划分交通状态的历史数据分别建立一 些历史交通流模式。这样，通过模式匹配方法可以快速地识别当前的交通流模式。 最后利用当前的交通流模式信息可以对交通流参数进行预测。 2 首先根据预测的交通流状态，将整个路网划分为若干个子区域，每个子 区域内执行相同的信号周期与相位差。结合建立的交通流模式，离线建立不同的 配时方案数据库( 交叉口共用的周期和相邻交叉口间的相位差) 。通过实时检测 的交通数据，进行模式匹配方法选择最优的配时方案进行区域协调控制。其次， 基于混杂系统理论，结合预测的交通流参数，建立了城市交通网络数学模型。该 模型涵盖了整个范围的流量一密度关系，适合于自由、同步和拥塞三种交通状态， 可以在线实时优化各交叉口绿信比。最后，仿真表明提出的控制策略减小了整个 路网车辆的延误时间，提高了城市交通网络信号控制的性能。 3 以j t c 2 0 0 0 路口信号机为控制对象，设计与开发了城市交通信号控制软 件。该软件基于视频检测技术，可以提取城市交叉口的交通流参数并以文本的方 式进行存储。结合历史数据，建立历史交通流模式并存入s q ls e e r2 0 0 8 数据 库。采用基于交通流模式的短时交通流预测算法预测未来一段时间后的交通流参 数，并利用这些参数计算城市区域信号系统的配时方案。 论文最后对研究工作进行了总结，并提出了今后需进一步深入研究的问题。 关键词短时交通流预测；交通流模式；时间序列；区域交通控制 北京r 业大学r t 学硕十学位论丈 n 摘要 a b s t r a c t t h ep a p e rm a k e sac o m p r e h e n s i v ea n dd e e ps t u d y0 nc o o r d i n a t i o nc o n t r o li n u f b a nt r a f 6 cs i g n a ln e t w o r k ，w h i c hb a s e do nt h ez h o n g g u a n c u nw e s tr e g i o ni n b e i j i n g t h em o d e lf o ru r b a nt r a f ! f i cn e t w o r kb a s e do nh y b r i ds y s t e mt h e o r yi s e s t a b l i s h e da c c o r d i n gt 0l h ep r e d i c t i o n0 ft r a f f i cf 1 0 wp a 姗e t e 稻t 00 p t i m i z es p l i t s0 f i n t e r s e c t i o n s0 n l i n e a tt h es 锄et i m e ，t h ee n t i r et r a f ! f i cn e t w o r ki sd i v i d e di n t o s e v e r a ls u b - r e 酉0 n sa c c o r d i n gt ot h er e c o 印i t i o no ft r a f ! f i cf 1 0 ws t a t et oi m p l e m e n t r e 酉o n a lc 0 0 r d i n a t i o nc o n t r 0 1 t h ep r o p o s e dm e t h o di m p r o v e st h ep e r f o 珊a i l c eo f u r b 孤t r a 艏cn e 觚o r k sa n dm i n i m i z e st h ed e l a yt i m e0 ft h et r a f f i cn e m o r k n e m a j o rw o r k sa r e 勰f o l l o w s ： 1 t h i s p a p e ri n t e 伊a t e s t h et r a f ：f i cn o wt h e o r ) rw 汕c l a s s i c a lt i m e s e r i e s a l g o f i t l l l l l ，a n dp r o p o s e st h et i m e s e r i e sa l g o r i t h mb a s e d0 nt h et r a f f i cn o wp a t t e m f i r s t ，h i s t o r i c a lt r a f f i cd a t ai sc l a s s i f i e db yt h en o w d e n s i t yr e l a t i o ni n t ot l l r e et r a f ! f i c s t a t e s ( 厅e ef l o w ，s ) ，i l c h r o n i z e d 趾dc o n g e s t e ds t a t e ) s e c o n d ，s e v e r a lh i s t o r i c a lt r a f ! f i c p a t t e m sa r eb u i l tr e s p e c t i v e l ya c c o r d i n gt ot l l ec l a s s i f i e dl l i s t o r i c a lt r 删cd a t a t l l l u s ， t l l ec i l 盯c n tt r a f f i cs t a t ec 趾b ee a s i l yi d e n t i f i e d b ym e a 璐0 fp a t t e mm a t c h i n g t e c h n i q u e s f i n 砒l y ，i ti st 0i m p l e m e n tt h em a t c h e dp a t t e mt op r o v i d eap r e d i c t i o no f t r a f f i cn o w 2 f i r s to fa l l ，t h ee n t i r ct r a f f i cn e t w o r ki sd i v i d e di n t os e v e r a ls u b r c g i o n s a c c o r d i n gt ot h ep r e d i c t i o no ft r a f ! f i cn o ws t a t e e a c hs u b r e 西o np e r f o 姗st h es 锄e c y c l et i m e 柚dp h a s ed i f f e r e n c e d i 骶r e n tt i m i n gp l 卸d a t a b a s e ( i n t e r s e c t i o no f s h a r e d c y c l e 柚dt h ep h a s ed i f f e r e n c eb e 觚e e na d j a c e n ti n t e r s e c t i o n s ) i se s t a b l i s h e do 雕l i n e a c c o r d i i l gt 0t h ee s t a b l i s h e d 仃a 艏cp a t t e m t 1 l e nt h eo p t i m a l t i m i n gp l 锄i ss e l e c t e d b yp a t t e mm a t c h i n gt e c h n i q u ea c c o r d i n gt 0t h er e a l t i m et m f ：f i cd a t at 0i m p l e m e n t r e 酉o n a lc o o r d i n a t i o nc o n t r 0 1 s e c o n d l y ，t h em o d e lf o ru r b 柚t r a f ! f i cn e t w o r kb a s e do n h y b r i ds y s t e mt h e o r yi se s t a b l i s h e da c c o r d i n gt ot h ep r e d i c t i o no f 仃a f ! f i cn o w p a r 锄e t e r s t h em o d e lc o v e r st h ee n t i r er 觚g e0 fn o w d e n s i t yr e l a t i o n 卸df i t sf o r t h r e e仃a 衔c s t a t e s ：f k e ， s y n c h r o n i z a t i o n ， 觚d c o n 星r e s t e ds t a t e t h es p l i t s0 f i n t e r s e c t i o n sc a nb e0 p t i m i z e d0 n l i n ea c c o r d i n gt 0t h em o d e l f i n a l l y ，s i m u l a t i o n s t u d i e si n d i c a t et h a tt 量l e p r o p o s e dc 0 n t r o ls t r a t e g yr e d u c e st h ed e l a yt i m e0 ft h e n e 觚o r k 柚di m p r o v e st h ep e 响珊a n c e0 fs i 印a lc o n t r o lf o ru r b 卸t r a f ! f i cn e m o r k 3 t h i sp a p e rd e s i 印s 锄dd e v e l o p s 柚u r b 卸t r a 衔cs i 印a lc o n t r o ls o f t w a r ew h i c h t a k e sj t c 一2 0 0 0 弱ac o n t r o lo b j e c t t h i ss o f t w a r ec 柚e x t r a mt r a f f i cp a r 锄e t e f sb a s e d 0 nv i d e 0d e t e c t i o nt e c h n i q u e sa n ds t o r ct h e mi nt h ew a y0 ft e x t h i s t o r i c a lt r a f f i cn o w p a t t e m sh a v eb e e nb u i l ta c c o r d i n gt ot h eh i s t o r i c a l t r a f f i cd a t a 觚ds t o r e di n t os q l 2 0 0 8d a t a b a s e u s i n gp a t t e m - b a s e ds h o r t - t e 咖t r a f ! f i cn o w p f e d i c t i o na l g o r i t h mt o p r e d i c tt h ef u t u r ev a l u e0 ft r a f f i cf 1 0 w 柚dc o m p u t et h et i m i n gp l 锄0 fu r b a nt r a f f i c 玎i 北京1 0 i k 大学- t 学硕十学位论文 s i g n a lc o n t r o ls y s t e m s f i n a l l y ，t h er e s e a r c h i n gw o r ko ft h i sp a p e ri ss u m m a r i z e d 锄dp u tf b 刑a r dt h e s o m es u g g e s t i o n st ot h ef u n h e rr e s e a r c hi nt h e s ef i e l d s k e y w o r d s s h o n t e 册t r a 行i cf l o wp r e d i c t i o n ；t r a f f i cf l o wp a t t e m ；t i m e s e r i e s ；e a t r a f f i cc o n t r o l 目录 目录 摘要1 a b s t r a c t i i i 第1 章绪论1 1 1 论文研究的背景及意义1 1 2 交通流预测研究现状1 1 2 1 交通流预测分类1 1 2 2 短时交通流预测研究现状3 1 3 城市交通控制发展概况5 1 3 1 交通控制系统的发展5 1 3 2 几种典型的城市交通信号控制系统5 1 4 课题来源及主要研究工作6 1 4 1 课题来源6 1 4 2 课题主要研究工作7 第2 章城市交通网络信号控制基本理论与整体框架9 2 1 引言9 2 2 交通流基本理论9 2 2 1 交通流的基本参数9 2 1 2 交通流模型1 1 2 3 交通信号控制基本理论1 3 2 3 1 交通信号控制的基本参数1 3 2 3 2 交通信号控制的评价指标1 4 2 3 3 交通信号控制方法分类1 5 2 4 城市交通网络信号控制整体框架1 8 2 4 1 控制问题描述1 8 2 4 2 控制方案整体框架2 0 2 4 3 控制方案各模块框架2 1 2 5 本章小结2 4 第3 章基于模式的时间序列短时交通流预测研究2 5 3 1 引言2 5 3 2 基于模式的时间序列短时交通流预测算法2 5 3 2 1 交通数据预处理2 5 3 2 2 交通数据特性分析2 7 3 2 3 交通流状态划分2 8 3 2 4 建立历史交通流模式2 9 3 2 5 模式匹配与预测3 2 3 3 仿真实例3 3 3 3 1 性能指标。3 4 3 3 2 交通流参数的一步预测3 4 3 3 3 交通流参数的多步预测3 5 v 北京t 、l k 大学1 = 学硕士学位论文 3 4 本章小结3 6 第4 章基于预测的城市交通网络信号控制研究3 7 4 1 弓i 言3 7 4 2 基于预测的城市交通网络信号控制3 7 4 2 1 区域控制层一3 7 4 2 2 路口控制层一3 9 4 3 仿真实例4 2 4 3 1 仿真实验4 2 4 3 2 实验结果4 3 4 4 本章小结4 6 第5 章城市交通信号控制软件设计与实现4 7 5 1 引言4 7 5 2 j t c 2 0 0 0 信号机与n t c i p 协议一4 8 5 2 1 j t c 2 0 0 0 信号机简介4 8 5 2 2n t c i p 协议概述一4 8 5 2 3n 1 r c i p 协议实现框架5 0 5 3 软件设计5 1 5 3 1 交通参数检测5 1 5 3 2 交通参数预测5 3 5 3 3 交通信号控制5 7 5 4 本章小结一5 9 结论6 1 参考文献一6 3 攻读硕士学位期间所发表的学术论文6 7 读研期间参加的科研项目6 9 致谢7 1 第1 章绪论 第1 章绪论 1 1 论文研究的背景及意义 随着社会经济的发展、城市化进程的加快和机动车辆的迅猛增加，城市交通 问题r 益严重。城市交通拥挤不仅造成交通事故频发、交通拥堵严重，而且带来 更多的环境污染，同时造成了能源的浪费。城市交通拥挤已是全球都普遍存在的 问题之一，是全球经济发展的瓶颈。目前，我国国内百万人口以上的大城市每年 由交通拥塞造成的直接、间接经济损失约计1 6 0 0 亿元，相当于国内生产总值的 3 2 1 1 l 【2 】，至于给社会带来的其它负面影响更是难以估量。交通拥挤不仅使交通 延误增加，行车速度减慢，给驾驶员带来时间上的损失，而且低速行驶增加耗油 量，导致燃料费用增加、能源的浪费；汽车尾气排放增加而造成环境质量不断恶 化。据统计，北京市仅来自汽车排放的尾气中的一氧化碳、碳氢化合物分别占北 京大气污染物的6 3 、7 3 和2 2 ，是北京大气中的主要污染源；因交通问题而 引起的环境问题同样成为人类社会的公害之一。交通问题已经成为制约其经济发 展的重要因素之一。 近年来，随着信息技术的迅速发展，采用先进有效的智能控制方法，提高路 网的通行能力，受到了人们的普遍重视。因此在原有的交通基础设施上，探讨和 研究一些城市交通网络信号控制的新策略对缓解交通压力、维持良好的交通秩序 和保证交通畅通有着十分重要的理论和现实意义。 本课题正是在这种背景下，将传统的短时交通流预测算法和交通流理论结 合，提出了基于交通流模式的时间序列短时交通流预测算法，提高了交通流参数 的预测精度。结合预测的交通流参数，建立中关村西区交通网络的混杂系统模型， 同一信号周期内实时优化各交叉口绿信比。同时，识别下一时刻的交通状态，动 态划分交通子区域，结合历史控制方案数据库，进行模式匹配选择最优的信号周 期与相位差进行区域协调。使得在该区域内的车辆的延误时间最短，对于改善我 国混合交通流下的拥挤状况具有积极意义。 1 2 交通流预测研究现状 1 2 1 交通流预测分类 按照时间跨度可以将交通流预测分为短时交通流预测、中期交通流预测和长 期交通流预测三类。下面分别对三类交通流预测进行介绍【引。 北京- 1 ：、i k 大学- t 学硕十学1 奇：论文 短时交通流预测的目的主要是实时控制和诱导。为控制和诱导服务的交通预 测，预测周期必须与控制和诱导的周期一致，预测时间的间隔一般都不超过1 5 分钟，以便实时地进行交通控制和交通诱导。随着预测周期的缩短，交通流变化 的规律性越来越不明显，各种干扰所造成的影响就越来越大，这将使短时交通流 的变化显示出更明显的不确定性，因而也就决定了短时预测与中、长期预测相比， 将面临更大的困难。另一方面，由于对未来的交通状态，系统是无法直接测量的， 因此这种短时交通流预测又是兀忑( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ，智能交通 系统) 中一个无法回避的现实需求。实时、准确的交通流参数预测是i t s 实现对 交通高效率管理的前提和关键，预测问题解决的好与坏，直接关系到交通控制与 诱导的效果。 短时交通流预测应满足以下几方面性能： 1 实时性：由于短时交通流预测的时间间隔一般不超过1 5 分钟，因此，模 型应具有快速、实时计算能力。 2 准确性：由于模型预测的结果将用于交通信号控制与动态路径诱导，因 此对模型的预测精度要求很高。不准确的预测信息将使交通信号控制紊乱，导致 车辆延误时间增加；同时使出行者失去对诱导系统的信心，从而无法实现动态路 径诱导。 3 可移植性：短时交通流预测模型应具有良好的可移植性，这样才能很好 地集成到r r s 中。 中期交通流预测主要用于交通管理。在制定交通管理的措施时( 如管制方案 的制定、禁行路的设置) ，往往需要对一段时间内( 以月、日、小时为单位) 对 交通流量分布进行估计，这种估计和预测是针对聚集的宏观交通流，由于考虑问 题的时间段较长，因此，各类限制干扰的影响可以忽略不计。这种中期预测虽然 比长期预测要求的精度高，但由于交通流在不同区间内分布的规律性较强，这种 预测的实现及达到所需准确度并不困难。 长期交通流预测主要用于交通规划。在对路网进行规划、设计时，需要对未 来交通的需求量( 交通流量) 进行预测，以确定未来路网的规划方案，或在具体 设计时，决定每条道路的具体设计要求( 包括道路宽度，车道，公路等级等) 。 此时交通预测是对被规划的路网在使用期间的交通流量及其变化情况进行预测。 这种预测一般以年为单位，即对未来若干年内的路网或道路的平均( 或最大) 流 量进行预测。由于规划设计只需要对流量进行粗略的估计，所以长期交通流预测 对预测的精度要求并不严格，同时由于长期交通需求的增长规律性较强，因此使 用常见的回归预测或弹性系数方法均能满足要求。 第1 章绪论 1 2 2 短时交通流预测研究现状 交通系统是一个时变的、复杂的非线性系统，其显著特点是具有高度的不确 定性。这种不确定性给交通流的预测带来了困难，尤其是短时预测受随机干扰因 素的影响更大，不确定性更强。近年来，国内外学者利用不同的预测模型进行了 大量的研究。这些预测模型大体可以分为：时间序列模型、非参数回归模型、神 经网络模型、卡尔曼滤波模型和组合模型等。本小节将总结和分析了各类预测模 型的主要特点，选定本文研究的基于模式的短时交通预测算法的模型基础。 1 时间序列模型 时间序列模型是描述时间序列统计特性的一种常用方法，它是参数化模型处 理动态随机数据的一种实用方法。通过对实测数据序列的统计处理，将序列拟合 成一个参数模型，再利用这个模型来分析研究实测数据序列内在的各种统计特 性，从而可以按照它的统计规律，利用现在和过去的观测值来预测其未来值。线 性的时间序列模型主要有：自回归模型( a r 模型) 、滑动平均模型( m a 模型) 、 自回归滑动平均混合模型( a r m a 模型) 和自回归求和滑动平均模型( a r i m a 模型) 。a 血m e d 和c 0 0 k 【4 j 在1 9 8 0 年首次将时间序列模型用于交通流预测领域； 1 9 8 4 年0 k u t 锄i 和s t e p h 觚e d e s l 5 】将a r i m a 模型应用到u t c s 中；1 9 9 3 年 a r i m a 模型又被飚m 和h o b e i l 【a 【6 j 应用高速公路交通流量预测中。尽管时间序 列模型在短期交通流预测中已经取得了一定的成果，但同时也存在以下不足： ( 1 ) 此类模型是通过研究交通流系统过去的变化规律来推断或预测其未来 值，只利用了交通流系统本身的历史数据，没有考虑交通流的特性，所以当交通 状态切换后，预测效果明显变差。 预测过程中模型的参数是固定的，不能移植，这不能很好地适应不确定 性强的短时交通流动态预测的要求。 ( 3 ) 交通状况变化急剧时，由于计算量过大，该模型将在预测延迟方面暴露 出明显的不足。 2 非参数回归模型 非参数回归模型是一种多条路段分析方法，是对单条路段分析的扩展。单条 路段分析是指基于以前的本路段和几条相邻路段的交通流量信息对该路段进行 交通流量预测。它所应用的场合是：不需要先验知识，只需足够的历史数据。它 寻找历史数据中与当前点相似的“近邻，并用那些“近邻”预测下一个时段的 流量。该模型认为系统所有的因素之间的内在联系都蕴涵在历史数据在，因此直 接从历史数据中得到信息而不是为历史数据建立一个近似模型。 非参数回归作为一种无参数、可移植、预测精度高的模型，它的误差比较小， 且误差分布情况良好。这种方法便于操作实施，能够应用于复杂环境，可在不同 北京一l j 、l k 人学t 学硕士学位论文 的路段上方便地进行预测。能够满足路网上不同路段的预测，避免路段位置和环 境对预测的影响。随着数据挖掘技术逐渐得到人们的认可和很多学者的大量相关 研究1 7 1 1 8 l 【9 l ，使得非参数回归技术也逐渐成为了短时交通流预测领域关注的焦点。 非参数回归是解决短时交通流预测问题的较好方法，但是案例库生成难和搜索速 度慢是其目前实际应用的两大障碍。 3 神经网络模型 神经网络模型诞生于2 0 世纪4 0 年代。神经网络是一个非算法化、非数字 化、由一些高度相关的处理单元所组成的并行信息处理系统。神经网络的学习能 力使之具有识别非线性系统的特性，能够区分和联系输入、输出模式，因此比较 适合交通流预测这种复杂问题。由于神经网络具有深度综合和自学习能力的数据 处理方法，能够学会如何对输入和输出方式进行分类和关联，并能保障预测结果 的可靠性，而且有独特的并行结构、自适应自组织、联想记忆、较强的容错性和 鲁棒性等特点，神经网络被大量用于交通流预测领域。但总体来说，其参数训练 非常复杂，所需要的数据量巨大，计算时间也太长，不适合在线应用【1 。 4 卡尔曼滤波模型 卡尔曼滤波模型是勋l m 孤于1 9 6 0 年提出的，是采用由状态方程和观测方 程组成的线性随机系统的状态空间模型来描述滤波器，并利用状态方程的递推 性，按线性无偏最小均方误差估计准则，采用一套递推算法对滤波器的状态变量 作最佳估计，从而求得滤掉噪声的有用信号的最佳估计。 卡尔曼滤波具有较广泛的适应性，由于卡尔曼滤波采用较灵活的递推状态空 间模型，因此卡尔曼滤波方法既适应于处理平稳数据，又可用于非平稳数据处理， 且对状态变量作不同的假设，可使其描述及处理不同类型的问题，同时减少了计 算机存储量和计算时间：模型具有线性、无偏、最小均方差性；卡尔曼增益矩阵 可在计算中自动改变，调节信息的修正作用，以保持滤波估计的最佳性，具有在 线预测的功能。国内外的一些学者应用卡尔曼滤波方法对交通信息和交通流进行 了预测研究【1 1 】【1 2 】。但该方法是线性模型，所以当预测间隔较小时，交通流量变 化的随机性和非线性性再强一些时，还需要进一步研究。此外，由于在每次计算 时都要调整权值，需要作大量的矩阵和向量运算，导致算法较为复杂，难以用于 实时在线预测，预测输出值有时要延迟几个时间段。 5 组合模型 由于交通趋势变化的强随机性，基于对各种预测模型的分析，很难有一种方 法在单独使用时能得到满意的预测结果，所以在实际应用中，研究人员也选择建 立组合预测模型【1 3 j 。1 9 6 9 年，j n b a t e s 和c w j g 砌g e r 首次提出了组合预测 的理论和方法，将不同的预测方法进行组合，以求产生较好的预测效果。组合预 测模型依据不同的交通状况，对交通数据进行综合分析之后，采用适合的算法来 选择预测的模型，因此具有较高的预测精度。但是，在实际应用中，组合模型需 第1 节绪论 耗费大量的计算时间，因此其实际效率并不高。 综上所述，基于时间序列模型的交通流预测是根据路网结点过去和现在的交 通数据，运用滑动和自回归的方法科学地预测未来时段的交通流参数，要求的数 掘样本量不大，并且有明确的收敛准则，算法本身决定了这是一种全局寻优而不 是局部搜索法，准确性和实时性都比较高，适合实时动态预测交通流。因此，本 文选定时问序列模型作为基于模式的短期交通流预测的模型基础。 1 3 城市交通控制发展概况 1 3 1 交通控制系统的发展 1 8 6 8 年，英国机械工程师威斯敏在伦敦首次使用煤气灯作为信号灯，这就 是交通控制思想的雏形。1 9 1 4 年，美国的纽约、芝加哥等城市出现了以电发光 的交通信号灯，开始接近现代意义上的交通信号灯，这标志着道路交通控制技术 发展的开始。1 9 2 6 年，在英国等国家出现了简单的自动信号机，标志着真正意 义上的交通控制系统的形成。此后，城市交通信号机经历了由手动到自动，无感 应控制到有感应控制，单点控制到干线控制再到区域控制的发展。 在定时控制的交通控制系统中，路口信号机自成系统，相互之间没有通信联 和协调关系，虽然使单个交通路口的交通流得到一定程度的改善，但是常常导致 相邻路口甚至整个网络内的交通流更加拥挤。于是人们又重点研究具有网络协调 控制功能的交通信号控制系统。 ， 1 3 2 几种典型的城市交通信号控制系统 目前比较有代表性并且在实践中取得了较好应用效果的城市交通控制系统 有t r a n s y t 系统、s c o o t 系统、s o 盯系统和r h o d e s 系统i m l 6 l 。 1 t r a n s y t ( t r a f ：f i cn e m o r ks t u d y1 们t s ) t r a n s y t 系统，是由英国道路研究所( t r r l ) 花费近十年时间研制而成 的。系统采用静态模式，以绿信比与相位差为控制参数，优化方法为爬山法。 1 1 r a n s y t 是最成功的静态系统，但具有以下缺点：一、t r a n s y t 系统计算量 大，当网络较大时，这一问题尤为突出。二、t i 淤n s y t 系统只对绿信比、相位 差进行优化，不涉及周期时间的调整，因此该方案不能保证整体最优。三、 t r a n s y t 系统需要巨大的网络几何尺寸和交通流信息，而这些数据的采集需要 花费大量的人力和时间【1 7 】【1 引。 2 s c a t ( s y d n e yc o o r d i n a t e da d a p t i v et r a f f i cm e t h o d ) s c a t 系统是由澳大利亚7 0 年代未期开发的。世界上大约有5 0 多个城市正 北京一：、l p 大学工学硕十学位论丈 在运行该系统。它的优化方法 要是在线方案选择式，采用先进的计算机网络技 术，控制中心备有一台监控计算机和一台管理计算机，后者从下层计算机存储器 中提取交通流数据，前者连续地监视和检查所有路口的信号运行、检测器工作的 状况为人为设置配时方案，按一定的规律选择某时刻交通状态“适用 的方案。 然而，配时方案的优劣取决于系统设计者事先判断的能力，限制了配时方案的优 化程度【1 9 1 。 3 s c o o t ( s p l i tc y c l ea n do f 砖e to p t i m i z a t i o n r e c h n i q u e ) s c o o t 系统也是由t r r l 在t r a n s y t 系统的基础上采用自适应控制方式， 经过八年的研究于1 9 8 0 年提出的动态交通控制系统。s c o o t 系统为在线方案生 成式的控制模式。利用交通模型，根据实际交通流数据，通过参数优化模型，获 得较高的路网控制性能指标。s c o o t 系统的不足之处是：交通模型的建立需要 大量的路网几何尺寸和交通流数据，费时费力；绿信比的优化依赖于对饱和度的 估算，并且以小步长变化对控制器进行调整，因此有可能不足以响应每个周期的 交通要求；在控制过程中，s c o o t 相位不能自动增减，相序不能自动改变，达 不到真正意义的自适应控制【2 0 - 2 1 】。 4 r h o d e s( r e a l t i m e ，h i e r 鲫c h i c a l ， o p t i m i z e d ， d i s 翻b u t e d ， 锄d e f 艳c t i v es y s t e m ) r h o d e s 系统由美国亚利桑那州立大学研制，现在北京市大约有2 0 多个路 口运行该系统。该系统对半拥挤的交通网络比较有效，具有以下几个特点： r h o d e s 把系统控制问题分解为3 层递阶结构：路口控制层、网络控制层和网 络负荷分配层；提出了一种相位的可控优化概念；采用滑动时间窗以减少计算量； 提出了一种称为“实时绿波带”的概念；提供了与交通分析软件的接口，可离线 评价配时方案的优劣或作为研究工具。然而，没有解决公交车上、下客对其他交 通流及其本身所造成的延误的模型化问题、系统最高层优化有待进一步的研究。 1 4 课题来源及主要研究工作 1 4 1 课题来源 本课题得到以下四个项目资助： 1 ：国家自然科学基金项目“城市道路交通网络的多尺度混合动力方程建模 与模拟 2 国家自然科学基金项目“基于混杂系统的城市快速路交通流行为分析与 多模态切换控制” 3 教育部博士点专项基金项目“城市快速路交通流的多模态行为分析与混 杂切换控制” 第1 章绪论 4 北京市自然科学基会项目“基于预测的北京市快速路交通流的优化控制 1 4 2 课题主要研究工作 课题以北京市中关村西区为背景，研究该交通网络的信号控制问题。首先， 利用基于视频的交通检测技术采集中关村西区的交通流数据：流量、密度、速度 和占有率。其次，将传统的时间序列预测方法与交通流理论相联系，提出了基于 模式的时间序列短时交通流预测方法。根据流量一密度关系将历史数据划分为自 由、同步和拥塞三种交通状态，在中关村西区各路段和交叉口上分别建立历史交 通流模式数据库；实时检测的数据进行模式匹配，识别当前交通流模式，进行快 速预测。再次，结合历史交通流模式数据库，进行模式匹配确定该时刻的交通流 模式，识别该时刻的交通状态：根据该时刻的交通状态进行交通子区域的动态划 分。同时，结合历史配时方案数据库，进行模式匹配选择最优的配时方案( 周期 和相位差) ，下传至各路口，用来进行区域协调控制。使整个路网的延误时间最 小，充分提高了路网的交通效益。最后，编写了城市交通信号控制软件，将基于 预测的城市交通网络控制方法应用到j t c 一2 0 0 0 信号机中。 。 论文结构分为五章，各章内容如下： 第一章首先分析了当前城市道路交通存在的问题以及课题的研究意义，介绍 了交通流预测理论研究发展与应用概况。着重分析了短时交通流预测的分类及研 究现状。其次，对城市交通信号控制的起源与发展、以及典型的几种城市交通信 号控制系统作了全面回顾与总结。最后简单介绍了论文的主要研究工作。 第二章概述了城市交通网络信号控制系统。首先，介绍了交通流的基本理论。 涉及了交通流的基本参数及它们之间的相互关系；宏观交通流模型：l w r 模型 和c t m 模型。其次，介绍了城市交通信号控制的基本理论。涉及了交通信号控 制的基本参数；并对交通控制算法进行了分类介绍，给出了衡量交通控制的主要 性能指标。最后，介绍了城市交通网络信号控制系统的方案设计。以中关村西区 为研究对象，对控制问题进行了描述，给出了整体的控制框架和各模块的框架。 第三章将交通流理论与传统的时间序列算法结合，提出了基于交通流模式的 时间序列预测算法。首先，根据流量一密度关系将历史交通数据划分为三种交通 状态：自由、同步和拥塞状态。其次，根据已划分交通状态的历史数据分别建立 一些历史交通模式。这样，通过模式匹配方法可以快速地识别当前的交通模式。 最后利用当前的交通模式信息可以对交通流参数进行预测。 第四章首先根据预测的交通流状态，将整个路网划分为若干个子区域，每个 子区域内执行相同的信号周期与相位差。结合建立的交通流模式，离线建立不同 的配时方案数据库( 交叉口共用的周期和相邻交叉口间的相位差) 。通过实时检 测的交通数据，进行模式匹配方法选择最优的配时方案进行区域协调控制。其次， 北京t 、大学丁学硕士学位论文 基于混杂系统理论，结合预测的交通流参数，建立了城市交通网络数学模型。i 亥 模型涵盖了整个范围的流量一密度关系，适合于自由、同步和拥塞三种交通状态， 可以在线实时优化各交叉口绿信比。最后，仿真表明提出的控制策略减小了整个 路网车辆的延误时l - 日j ，提高了城市交通网络信号控制的性能。 第五章编写了城市交通信号控制软件平台，该软件以信号机为控制对象并集 成交通流参数检测和预测等功能。在阐述了城市交通信号控制软件的设计方案 后，对该软件的三个主要功能( 交通参数检测、交通流参数预和信号机控制) 分 别进行了详细的功能介绍。最后提出了该软件的优点以及尚需完善的方面。 第2 常城市交通网络信号摔制基本理论与整体框架 第2 章城市交通网络信号控制基本理论与整体框架 2 1 引言 城市交通网络信号控制系统的控制对象是城市或城市的某个区域中所有的 交叉口的交通信号。它将控制对象区域内全部交通信号的监控作为一个交通监控 中心管理下的整体控制系统，是单点信号、干线信号系统和网络信号系统的集成 控制系统。实践表明，城市交通网络信号控制系统是缓解城市交通问题的有效手 段，具有投资省、见效快、效率高等优点，是城市现代化的重要标志。本章首先 介绍交通流和城市交通网络信号控制的基本理论，然后给出城市交通网络信号控 制系统的整体框架。 2 2 交通流基本理论 道路上的行人或运行的车辆构成行人流或车流，行人流和车流统称为交通 流。没有特指时交通流一般指机动车流。交通流具有随机性、模糊性和不确定性， 变化非常复杂。为了研究这种变化，需要对交通流的特征进行分析，一般通过交 通流的基本参数和交通流模型进行描述。 2 2 1 交通流的基本参数 交通流运行状态的定性、定量特征称为交通流特性，用以描述交通流特性的 一些物理量称为交通流参数。参数的变化规律即反映了交通流的基本性质。常用 的参数有交通流量、车流密度、空间平均车速、车头时距和车头间距等。其中基 本参数有三个：交通流量q 0 ，f ) 、车流密度七似f ) 和空间平均车速1 ，o ，f ) ，也称为 交通流三要素。下面主要介绍交通流三要素【3 1 。 1 交通流量g ，f ) 交通流量g ( x ，f ) 是指在单位时间f 内，通过道路某横断面的车辆数，单位辆 小时( v e h l i ) ，即： ， 留o ，f ) 一 ( 2 1 ) 式中，口 ，f ) 为流量：丁为观测时段长度；为观测时段内的车辆数。 2 车流密度七伍，f ) 车流密度足o ，f ) 是指在x 点处，在f 时刻，单位道路长度上存在的车辆数，单 北京t 、l p 大学工学硕十学位论文 位辆千米( v e h l ( m ) ，即： 七0 ，f ) 一 ( 2 - 2 ) 式中，七0 ，f ) 为车流密度；j v 为路段内的车辆数；为路