（模式识别与智能系统专业论文）干线协调控制的研究与设计.pdf

摘要 摘要 交通拥堵与过饱和已成为制约城市化进程的重要因素之一。通过大规模的道 路基础设施建设解决现有的交通问题是不现实的。采用先进的交通信号控制技 术，进行优化信号配时，是提高现有路网的通行能力的有效途径。干线协调控制 是智能交通的重要研究领域之一，本文针对干线协调控制研究的现状，在研究和 开发城市交通信号控制系统的基础上，对交通信号控制中的干线协调控制技术进 行了深入的研究，本文的主要工作包括： 1 干线协调控制方案的设计 深入研究了干线协调控制的理论与方法，以合肥市黄山路干线协调控制为研 究背景，分析了控制方案存在的缺陷，在干线的交通流特性的调研和分析的基础 上，综合了不同控制方式( 单点定时控制，感应控制，绿波控制等) 的特点，设 计了一种基于分组的多时段干线绿波控制方案。 2 基于粒子群算法的双向干线协调控制研究 深入研究了不同情况下的干线延误模型，在此基础上，采用粒子群算法对双 向干线协调控制的重要参数包括：周期、相位差和绿信比等进行协调和优化，该 算法考虑具有冲突的弯道车辆的影响，有效地避免了传统绿波设计方法的不足。 3 基于柔性控制的动态单向绿波控制研究 传统的定时绿波控制无法适应交通流的变化，本文提出了一种基于柔性控制 的单向绿波控制算法，该算法通过路段实时流量，结合流量一速度模型，可以根 据实时交通流状况和驾驶员的情感特性对控制方案进行动态柔性调整。仿真实验 证明，该算法在保证干线绿波的前提下，控制方案的变化能够适应驾驶员的心理 和生理特性，体现“人性化 的特点，从而提高交通的安全性。 关键词：干线协调；柔性控制； 单向动态绿波；粒子群算法；交通信号控制 a b s t r a c t 一一 a b s tr a c t t r a f f i c a m sa n do v e r - s a t u r a t i o nh a sb e e no n eo ft h em a j o rf a c t o r so fr e s t r i c t i n g t h eu r b a n i z a t i o np r o c e s s i ti su n p r a c t i c a lt os o l v et h ee x i s t i n gt r a f f i cp r o b l e m sb y l a r g e - s e a l ec o n s t r u c t i o no fr o a di n f r a s t r u c t u r e u s i n ga d v a n c e dt r a f f i cs i g n a lc o n t r o l t e c h n i q u e st oo p t i m i z et h es i g n a lt i m i n gi s a ne f f e c t i v ew a yt oi m p r o v et h ee x i s t i n g r o a dn e t w o r kc a p a c i t y a r t e r i a lc o o r d i n a t i o nc o n t r o li so n e o ft h ei m p o r t a n tr e s e a r c h a r e a si ni n t e l l i g e n tt r a f f i c ，a i m i n ga tt h ep r e s e n tr e s e a r c ho fa r t e r i a lc o o r d i n a t i o n ； a n e r i a lc o o r d i n a t i o nc o n t r o lt e c h n i q u ei s s t u d i e do nt h eb a s i so ft h er e s e a r c ha n d d e v e l o p m e n to fu r b a nt r a f f i cs i g n a lc o n t r o ls y s t e m t h em a i n w o r ko ft h i sd i s s e r t a t i o n i n c l u d e s ： 1 t h ed e s i g no fa r t e r i a lc o o r d i n a t i o nc o n t r o ls c h e m e t h et h e o r va n dm e t h o do fa r t e r i a lc o o r d i n a t i o nc o n t r o la r ef u r t h e rs t u d i e d t a k i n g a st h ef e s e a r c hb a c k g r o u n dt h ea r t e r i a lc o o r d i n a t i o nc o n t r o lo fh u a n g s h a nr o a d ， h e f e ic i t v t h ed r a w b a c k so fp r e s e n tc o n t r o ls c h e m ea r ea n a l y z e d ，o nt h eb a s i so f t r a f f i cf l o wi n v e s t i g a t i o na n di t sc h a r a c t e r i s t i c sa n a l y s i s ，ag r o u p i n g m u l t i - t i m e a r t e r i a lc o o r d i n a t i o nc o n t r o ls c h e m ei sd e v e l o p e db yi n t e g r a t i n gt h ec h a r a c t e r i s t i c so f d i f f e r e n tc o n t r o lw a y ss u c ha ss i n g l ep o i n to ft i m i n gc o n t r o l ，s e n s o rc o n t r o la n dg r e e n w a v ec o n t r 0 1 2 s t u d yo ft w o d i r e c t i o nt r u n kc o o r d i n a t i o nb a s e do np a r t i c l es w a r m o p t i m i z a t i o n t h ea n e r i a ld e l a ym o d e l si nd i f f e r e n ts i t u a t i o n sa r es t u d i e d b a s e do nt h ed e l a y m o d e l ，p a r t i c l es w a r mo p t i m i z a t i o na l g o r i t h mi s u t i l i z e dt oc o o r d i n a t ea n do p t i m i z e t h ei m p o r t a n tp a r a m e t e r si n c l u d i n gc y c l e ，p h a s ea n ds p l i to ft h ea r t e r i a lc o o r d i n a t i o n c o n t r 0 1 t h i sa l g o r i t h mc o n s i d e r st h ee f f e c t s o fc o n f l i c tt u r n i n gv e h i c l e sa n d e f f e c t i v e l vo v e r c o m e st h ed i s a d v a n t a g eo ft r a d i t i o n a la r t e r i a lc o o r d i n a t i o nc o n t r o l 3 r e s e a r c ho fo n e w a yd y n a m i cg r e e nw a v ef l e x i b l ec o n t r o l t h et r a d i t i o n a lt i m i n gg r e e nw a v ec o n t r o lc a nn o tf i td y n a m i ct r a f f i cf l o w s 。a o n e 、a vg r e e l lw a v ef l e x i b l ec o n t r o la l g o r i t h mi sp r o p o s e d a c c o r d i n gt o r e a l - t i m e t r a f f i cn o w sa n dt h ef l o w v e l o c i t ym o d e l ，t h ea l g o r i t h mc a nt a k ead y n a m i c f l e x i b l e r e g u l a t i o nf o rt h ec o n t r o ls c h e m ei n t e r mo ft h er e a l t i m et r a f f i cf l o wa n dt h e e m o t i o n a lc h a r a c t e r i s t i c so fd r i v e r s t h es i m u l a t i o ne x p e r i m e n t a lr e s u l t ss h o wt h a tt h e a l g o r i t h me n s u r e s t h eg r e e nw a v ee f f e c ta n dm a k e st h ec h a n g e so fc o n t r o ls c h e m e f i t t h ep s y c h o l o g i c a la n dp h y s i o l o g i c a l c h a r a c t e r i s t i c so fd r i v e r s i te m b o d i e st h e h i a b s t r a c t h u m a n i z a t i o nc h a r a c t e r i s t i c sa n di m p r o v e st r a f f i cs a f e t y i nf i n a l ，t h ew o r ko ft h i sd i s s e r t a t i o ni ss u m m a r i z e d ，a n dt h ef u r t h e rs t u d yi s i n d i c a t e d k e y w o r d s ：a r t e r i a lc o o r d i n a t i o n ；f l e x i b l ec o n t r o l ；o n e w a yd y n a m i cg r e e nw a v e ； p a r t i c l es w a r mo p t i m i z a t i o n ；t r a f f i cs i g n a lc o n t r o l i v 目录 6 3 1 驾驶员情感特性的分析5 9 6 3 2 情感变化与绿信比变化关系模型6 2 6 3 3 算法描述6 3 6 4 仿真研究6 3 6 4 i 驾驶员情感变化曲线6 4 6 4 2 流量、相位差变化曲线6 5 6 4 3 干线车辆行驶速度的变化曲线6 6 6 5 本章小结6 7 第7 章总结与展望6 9 7 1 研究工作总结：6 9 7 2 进一步工作展望7 0 参考文献7 1 致谢7 5 发表论文及参与的科研工作7 7 图表目录 图2 1 干线示意图一1 1 图2 2 干线系统进口道分类示意图1 1 图2 3 干线系统时距图。1 2 图24 定时式线控系统示意图：1 3 图2 5 实时线控系统示意图1 4 图2 6 单向绿波控制时距图1 4 图2 7 双向绿波控制时距图1 5 图3 1 黄山路干线示意图1 7 图3 2 香樟大道交叉口渠化图1 8 图3 3 天柱路交叉口渠化图1 8 图3 4 科学大道交叉口渠化图1 9 图3 5 天智路交叉口渠化图_ 1 9 图3 6 车道日流量曲线图2 0 i 目录 图3 图3 图3 图3 7 8 9 1 0 图4 1 图4 2 图4 3 图4 4 图4 5 图5 1 图5 2 图 图 图 图 图5 7 图5 8 图6 1 图6 2 图6 3 图6 4 图6 5 图6 6 图6 7 图6 8 图6 9 图6 1 0 图6 1 1 图6 1 2 图6 1 3 图6 1 4 图6 1 5 图6 1 6 图6 1 7 不同组之间的流量示意图2 1 科学大道交叉口日饱和率曲线图2 2 控制方案与饱和度关系图。2 3 干线采用的控制方式示意图2 3 绿波干线示意图2 6 干线中车流示意图。2 7 车队头部受阻延误。3 0 车队尾部受阻延误3 1 交叉口延误示意图3 5 粒子群算法流程图4 0 单向绿波( 上行方向) 时距图。4 6 单向绿波( 下行方向) 时距图4 7 绿波带宽最大化的双向绿波时距图。4 8 延误最小的双向绿波时距图4 9 干线综合延误最小的双向绿波时距图。5 0 粒子群算法收敛速度5 0 算法执行速度5 1 干线系统模型及地感线圈布局。5 4 完全相容的交通流( 不冲突) 。5 4 部分相容的交通流( 第一类冲突) 5 5 完全不相容的交通流( 第二类冲突) 5 5 干线方向的相位放行方案5 5 非干线方向的相位放行方案一5 6 非干线方向的相位放行方案二5 6 速度一密度曲线_ 5 8 驾驶员情感空间示意图。5 9 等待时间与驾驶员情感关系图6 1 行驶速度与驾驶员情感关系图6 1 黄山路干线仿真图6 3 定时控制下的驾驶员情感变化曲线6 4 本文算法控制下的驾驶员情感变化曲线6 4 干线流量变化曲线6 5 相位差变化曲线6 5 路段间实际速度变化曲线6 6 v i i i 目录 图6 1 8 路段间计算速度变化曲线6 6 表2 。1 相位示意图8 表3 1 平峰时期各交叉口流量：1 9 表3 2 黄山路干线协调的分组控制方案2 1 表4 1 适用于中国各类交叉口的服务水平划分标准3 7 表5 1 单向绿波( 上行方向) 控制方案表4 5 表5 2 单向绿波( 下行方向) 控制方案表4 6 表5 3 带宽最大化的双向绿波控制方案表4 7 表5 4 延误最小化的双向绿波控制方案表4 8 表5 5 带宽最大化的双向绿波控制方案表4 9 表6 1 情感的增量e 语言赋值表( 隶属度) 6 2 表6 2 绿信比的增量a 语言赋值表( 隶属度) 6 2 表6 3a e 和a 的查询控制表6 2 中国科学技术大学学位论文相关声明 中国科学技术大学学位论文原创性声明 本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的成 果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写 过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确 的说明。 作者签名： 签字日期： 中国科学技术大学学位论文授权使用声明 作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥 有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构送交 论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人 提交的电子文档的内容和纸质论文的内容相一致。 保密的学位论文在解密后也遵守此规定。 口公开口保密( 年) 作者签名： 签字日期： 哗 导师签名： 签字日期： 第1 章绪论 第1 章绪论 交通问题是当今世界普遍关注的重要问题之一。随着近些年来我国经济的快 速发展，城市化速度不断加快，交通问题所带来的严重危害日益影响到人们日常 生活与社会经济的发展，成为城市发展的主要瓶颈之一。交通问题主要表现为交 通供给的缓慢增长和交通需求的快速增长的矛盾。解决城市交通问题的途径主要 有两种：一类是加大道路基础设施建设投入，改善交通条件；另一类是从交通管 理入手，用现代化的管理手段和交通法规对交通流进行有效地控制、诱导、调度 和指挥。在长期的实践中，人们逐渐认识到，仅仅依靠单纯地修建和扩建道路， 无法满足日益增长的交通压力。因此，以现代计算机技术、通信技术、电子技术、 优化控制技术为核心的智能交通系统( 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 ，简称i t s ) 的研究和应用己经成为人们寻求解决城市交通问题的必然选择。交通信号控制作 为智能交通系统的核心研究内容之一，通过对城市道路交叉口时间和空间资源的 合理配置，使道路资源得到充分的利用，达到最大程度的交通畅通。 城市的交通干线通常都承受着巨大的交通负荷，如何减少干线上交通延误和 停车次数成为了近年来城市交通信号优化控制研究的重点之一。随着国内外广大 专家和学者的深入研究，干线协调优化控制的研究方面取得了很大的进展。目前 干线协调优化主要分为两类：一种是使用基于延误最小的模型，一种是使用基于 带宽最大化的模型( 刘智勇，2 0 0 3 ) 。基于延误的模型建立了比较成熟的理论和 算法，是目前主流研究和应用方向。基于带宽的模型由于获得满意的带宽比较困 难，而且由于车流的离散特性而建立数学模型较难等原因，研究进展缓慢。虽然 两者优化目标不同，但很显然，绿波带宽和干线延误是密切相关的，两者的优化 在大体上应该是一致的( 常云涛，2 0 0 3 ) 。本文采用基于延误模型的干线协调控 制，为提高干线系统的性能指标p i ( p e r f o r m a n c ei n d e x ) 提供一种切实可行的方 案。 1 1研究背景 1 1 1城市交通控制的发展及现状 城市交通信号控制系统( u r b a nt r a f f i cc o n t r o ls y s t e m ，简称u t c s 系统) 是 改善城市交通运行状况的重要途径，是智能交通系统( i t s ) 中的重要部分。自 从1 9 1 4 年出现交通信号控制以来，在近百年的发展中，交通信号控制系统经历 第1 章绪论 了手动控制到自动控制、无感应控制到有感应控制、单点控制( 点控) 到干线控 制( 线控) 再到区域控制( 面控) 的过程。， 1 8 6 8 年，英国机械工程师纳伊特在伦敦威斯敏斯特街口安装了一组交通信号 等，那时一种煤气灯，在灯前使用红、绿玻璃变换信号。1 9 1 4 年以及稍晚一些 时候，美国的克利夫兰、纽约和芝加哥出现了采用电力发光的交通信号灯，它与 现在意义上的信号等已经相差无几了，这标志着道路交通控制技术发展的开始。 1 9 6 3 年，加拿大多伦多市建立了一套由i b m 6 5 0 型计算机控制的交通信号协调 控制系统，该系统第一次把计算机技术应用于交通控制，大大提高了交通控制系 统的性能水平。随后，美国、英国、澳大利亚、法国、日本等国家相继开发了自 己的区域交通控制系统。典型的有英国的t r a n s y t 和s c o o t 、澳大利亚的 s c a t s 、美国的r h o d e s 系统等，这些系统的出现，标志着城市交通信号控制 的发展达到了一个新的高度( 刘智勇，2 0 0 3 ；史忠科，2 0 0 3 ) 。 我国在智能交通领域起步较晚，与国外先进技术存在着一定的差距，基本上 是引进国外的交通信号控制系统，而且大多数城市仍处于单交叉口控制层面。近 些年来，随着城市道路交通问题的日益严重，国家一方面进行以改善城市市中心 交通为核心的u t m s 技术研究，如：在国家计委、国家科委的批准下，交通部、 公安部、南京市完成了“七五”攻关项目，建成了南京城市交通控制系统；另一 方面采取引进与开发相结合的方针，建立了一些城市道路交通控制系统，如：北 京引进了s c o o t 系统，上海引进了s c a t s 系统，深圳市引进了日本的京三系 统。虽然一定程度上缓解了交通压力，但引入的系统对控制设施的技术要求需要 昂贵的财力支持，而且从目前的使用效果看，其控制效果与期望值尚有差距。这 主要是因为这些交通信号控制系统不能适应我国城市交通的具体现状( 混合交 通、道路服务水平较低、车辆性能参差不齐等) 。因此，有必要研发适合我国国 情的信号控制系统。 1 1 2 干线协调控制技术的研究概况 虽然目前的干线协调控制方法多种多样，总体上可以分三类：定时协调控制、 感应协调控制和自适应协调控制。 定时协调控制指交叉口信号按照预先设定的方案运行。干线定时协调控制主 要依靠时钟校准，调整干线信号灯之间的相位变换起始时刻，形成有效的绿波带。 设计思想一般主要是主干道“绿波带 带宽最大化和主干道交通性能指标最小化。 最大化绿波带法是以车辆连续通过带宽作为评价指标，通过最大化带宽与周期的 比值来设定相位差( 张昌禄，2 0 0 7 ) 。根据此思想开发的软件主要有：m a x b a n d ( m a x i m a lb a n d w i d t ht r a f f i cs i g n a ls e t t i n go p t i m i z a t i o np r o g r a m ，最大绿波带交 2 第1 章绪论 通信号设计优化程序) 、p a s s e r i i ( p r o g r e s s i o na n a l y s i sa n ds i g n a le v a l u a t i o n r o u t i n e ，绿波分析与信号系统评价程序) 、t r a n s y t ( 蜀r a f p cn e t w o r ks t u d yt 0 0 1 ) 和s i g o p i i 等。这种干线协调控制方式实现简单，代价小，但是它不能适应交通 流的实时变化。 感应协调控制是根据车流量的变化而变化的一种控制方式，其中车流量可由 埋设在干道上的车辆检测器( 也称地感线圈) 获得。其设计思想主要有两种：一 是根据检测到的交通量，从预先设定的配时方案中，选择合适的控制方案( 也称 方案选择式) ；二是根据监测到的交通量，实时计算出最佳的控制方案( 也称方 式生成式) 。感应协调控制可以实时响应交通需求，但在实际运行中，感应协调 控制一般仅适用时流量较小的干线，在接近饱和状态的交叉口，感应控制方式的 效果就没有定时协调控制的效果好( 张昌禄，2 0 0 7 ) 。 自适应协调控制能够连续测量交通系统状态，逐步了解和掌握对象，保证控 制效果达到最优( 张昌禄，2 0 0 7 ) 。典型的自适应控制系统有：s c a t s ( s y d n e y c o o r d i n a t e d a d a p t i v et r a f f i cs y s t e m ) 系统，它是一种实时的方案选择式自适应系 统，其不足之处在于它未使用交通模型，只是一种方案选择系统，限制了方案优 化的程度，又因检测器安装在停车线处，难以检测车队的行进状态，故相位差选 择可靠性较差，其基于带宽模型的交通协调控制系统没有考虑到车队的到达时 间、大小和速度的随机性；s c o o t ( s p l i t c y c l e o f f s e to p t i m i z a t i o nt e c h n i q u e ) 系统，它是一种“在线的t r a n s y t 系统”，其不足之处在于信号相位不能自动 改变，其基于延误模型的交通协调假定车队是大小相等、速度一致周期性到达的， 没有充分考虑车队行驶的连续性以及其他基于车队的性能指标；r h o d e ( r e a l t i m e , h i e r a r c h i c a l , o p t i m i z e d , d i s t r i b u t e d , a n de f f e c t i v es y s t e m ) 系统，它提 出了一种称为“有效绿波带”的算法来对交通流协调控制，其综合了基于延误模 型和带宽模型的优点，它采用精确的预测模型来模拟车队在路网中行进的状态， 调整交通信号配时来适应识别出来的车队，为底层控制提供初始的相位差和协调 约束条件。 除去上面几种已经大规模使用的软件系统，国内外的一些专家学者也对干线 协调控制作了一定的研究： 文献( 李娜，2 0 0 8 ) 使用在双向干线协调的数值计算方法的基础上用m a t l a b 进行编程，实现了数值计算的程序化，解决了数值计算过程的复杂化与数量限制 性难题。但是该方法只是数解法的程序化，没有考虑干线中车辆的延误和车流的 离散性等因素的影响，而且由于使用m a t l a b 作为编程工具，程序可移植性较差。 文献( 王俊刚，2 0 0 5 ) 建立了一种以绿波带宽最大为目标函数、以相位差为 决策变量的变带速干线协调控制的数学模型。模型算法简单，可操作性强，但模 3 第1 章绪论 型没有考虑支路左转车流对干线直行车流的影响，而且没有考虑干线中的延误。 文献( 李伟，2 0 0 7 ) 采用传统的线性规划对交通中的确定性因素进行建模， 得到初步配时方案，然后使用模糊控制进行补偿。但是线性规划算法所需要的计 算量大，不适合于实时交通计算，而且模型同样没有考虑支路左转车流对干线直 行车流的影响等因素。 文献( 万绪军等，2 0 0 1 ) 通过对沿干线上、下行两个方向行驶得车辆延误规 律的分析，建立了相位差与干线延误的数学模型，反映了沿干线行驶车辆在干线 各交叉口延误情况的内在机理。但是文中只给出了干线中的延误模型，没有给出 具体的优化算法。 文献( 高云峰，2 0 0 6 ) 提出按照概率思想求解相位参数的策略，优化目标为 通过车流在主干道上的停车次数和停车延误最小。文章指出车流在路段上的行驶 速度服从正态分布，并在此基础上提出了概率统计思想。但是文中也没有给出具 体的优化算法。 文献( 常云涛，2 0 0 3 ；r u i m i nl i 等，2 0 0 6 ；l ix i a o h o n g 等，2 0 0 8 ) 提出 了使用遗传算法以系统的总延误或停车次数最小为目标对干线协调控制方案进 行优化的方法。虽然可以得到很好的控制效果，但是遗传算法运行效率不高，不 适合扩展至实时控制。 文献( 沈国江等，2 0 0 4 ；l e ejh 等，1 9 9 5 ) 采用递阶模糊控制及其神经网 络对于线进行实时协调控制。它利用模糊逻辑的不确定信息的处理能力和神经网 络得自学习能力，保证了系统的实时性和控制精度。然而，由于没有考虑到交通 中驾驶员的特性，控制方案往往变化较大，方案变换引起的交通延误所带来的损 失大于新方案所得到的效益，达不到理想的控制效果。 文献( 马凤伟等，2 0 0 7 ) 利用q 一学习控制算法和模糊算法的分层递阶控制的 方法。不同于监督学习和非监督学习，强化学习是通过感知环境状态和从环境中 获得不确定的信息来学习动态系统得最有策略。q 一学习算法是目前最有效的模型 无关的强化学习算法。控制层计算下一周期各路口的周期和绿信比，协调层采用 q 一学习控制算法对干线相位差进行调整，与定时方案和基于遗传算法的配时方案 相比，可以更有效地减少延误时间和提高平均行驶速度。然而强化学习在交通控 制领域的研究才刚开始，而且强化学习过程较长，其优越性还有待验证。 文献( z h a n gy 等，2 0 0 7 ：f r a n c ej 等，2 0 0 3 ) 提出了一种基于m u t i - a g e n t 的干线优化模型。分布式人工智能技术，如m u f f - a g e n t 系统能够通过简单a g e n t 的协调与合作完成复杂的干线协调控制。与强化学习一样，m u t i a g e n t 在交通控 制领域的研究才刚开始，其优越性还有待验证。 文献( l uk a i 等，2 0 0 7 ；l uk a i 等，2 0 0 8 ) 提出了一种干线协调控制中的 4 第1 章绪论 通过相位优化的相位差优化模型。文中考虑了诸如路段平均速度、车流离散、左 转车流对干线直行车流的影响等因素，以总延误和总停车次数为优化目标。最后， 采用m a t l a b 进行编程仿真，给出了优化效果。 1 2 研究的目的和意义 干线协调优化控制的主要目的包括：缓解干线交通拥挤，提高干线交通通行 能力；减少干线交通事故，增加干线交通安全。干线协调控制主要有绿波带宽最 大化模型和干线延误最小模型，其中又以干线延误最小模型作为主要的研究对 象。传统的干线延误模型中主要考虑了干线协调相位方向的延误，而忽略了非协 调相位的延误和支路车流对干线直行车流的影响，从而使优化出来的控制方案不 能很好地符合实际的交通状况。本文考虑了上述两种情况，建立了交通干线协调 优化控制模型，并使用粒子群算法对该模型进行优化，得出更符合实际交通状况 的优化控制方案。 传统的干线协调控制主要考虑了交通效益的提高，而忽略了对交通安全的考 略。驾驶员是交通行为执行的主体，交通流的各种交通特征、交叉口的车辆运行 基本参数以及道路上发生的绝大多数交通事故都与驾驶员有关。因此，有必要在 进行干线协调优化时把把交通信号对驾驶员的影响作为一个重要的因素进行考 虑。本文通过对驾驶员情感特性的分析，建立了一种基于柔性控制的实时单向绿 波控制算法，该算法通过一种柔性控制策略对于线信号控制方案进行小步长调 整，使驾驶员的情感波动较小，从而尽量减少交通事故的产生动机，提高交通安 全性。这种算法体现了“以人为本”的思想，为信号优化控制提供了一种新的研 究方向。 1 3 研究内容 综上所述，虽然交通干线优化控制技术的研究取得了一定的成果，但由于交 通问题的复杂性，干线优化控制技术还有待继续完善和提高。本文以黄山路干线 协调控制为研究背景，对交通干线协调基础进行了研究和分析，研究内容主要包 括： 1 控制方式方案设计 不同的控制方式具有不同的适用范围。本文通过对不同控制方式的适用性的 研究，给出了每种控制方式的适用范围，并结合黄山路干线协调项目的实际交通 流特性设计了具体的控制方式方案。 2 基于粒子群算法的干线协调控制 通过对交通干线延误模型的研究，综合考虑了非协调相位的延误和非干线方 第1 章绪论 向车流对干线车流的影响，并给出了延误的表达形式。在干线延误模型的基础上， 建立了粒子群干线优化模型，并进行优化，得出离线最优控制方案。 3 基于柔性控制的实时单向绿波控制 通过对驾驶员情感特性的分析和交通信号对驾驶员情感的影响，为柔性控制 的研究提供理论基础。接着，本章提出了一种柔性控制策略，通过控制方案的小 步长调整，使驾驶员的情感对交通流的变化波动较小，从而减小交通事故的产生 动机，体现“以人为本 的思想。 1 4 论文组织 第1 章绪论。阐述交通控制的重要意义和交通控制技术的发展历程，通过 对现阶段干线协调控制的分析和研究，指出其不足之处，并在此基础上提出了本 文的研究意义和研究内容。最后，对论文的结构作统一的安排。 第2 章城市交通信号控制基本理论。对交通信号控制的基本概念和干线协调 控制的基本概念及方法进行了概述，同时对论文中引用的参数和概念给与定义， 使后面内容在结构和表述上更连贯和紧凑。 第3 章黄山路干线协调控制方案设计。通过对黄山路干线的具体交通流特性 的调研和分析，结合不同控制方式( 单点定时控制，感应控制，绿波控制等) 的 特点，提出了一种基于分组的干线绿波设计方案。 第4 章城市交通干线协调优化控制建模。通过对干线系统中的不同延误进行 研究和分析，给出了干线协调相位的上行方向延误、下行方向延误和非干线协调 相位延误的计算表达式，并通过每种延误权值的调整分别对单向绿波、双向绿波、 干线协调等不同目标进行优化。 第5 章基于粒子群算法的干线协调控制。本章首先介绍了粒子群算法的基本 原理和特点，然后建立了粒子群干线协调优化模型，并使用粒子群算法对模型进 行优化，得出最优的控制方案。最后，通过实验证明本算法的有效性。 第6 章一种实时单向绿波的柔性控制研究。本章首先介绍了驾驶员的情感特 性和交通信号对驾驶员情感的影响，然后在此基础上提出了一种基于柔性控制策 略的实时单向绿波控制方法，通过控制方案的小步长调整，使驾驶员的情感对交 通流的变化波动较小，从而减小交通事故的产生动机，体现“以人为本”的思想。 最后，通过实验证明本方法的有效性。 第7 章总结与展望。本章首先对论文的主要内容进行了总结，然后对未来的 发展方向和研究目标进行了展望。 第2 章城市交通信号控制基本理论 第2 章城市交通信号控制基本理论 本章主要介绍了交通信号控制中的基本控制参数、交通评价指标( 通行能力 和延误) 和干线协调的基本概念和常用的干线协调控制方法，这些内容是城市交 通信号控制的基础。 2 1 城市交通信号控制控制参数、概念及评价指标 交通信号主要是在平面交叉口利用时间给不同的交通流分配通行权，将冲突 的交通流分离。由于城市平面交叉口的特点，交通控制就是要合理分配交叉口各 个方向的交通流，以达到优化控制的目的。交通信号控制的基本参数包括周期、 相位和绿信比。评价交通效益的指标有通行能力、延误、停车次数、停车率、油 耗和行程时间等，本章中主要对其中的通行能力和延误进行介绍。 2 1 1控制参数和概念 1 步与步长： 在一个信号交叉口，每个方向最多可以有8 种灯色：红、黄、绿、左箭 头、右箭头、人行红、人行绿。当进行信号控制时，这些灯色中的某些将被 点亮。某一时刻，灯控路口各个方向信号灯状态所组成的一组确定的灯色状 态称为步，不同的灯色状态构成不同的步。步持续的时间称为步长( 刘智勇， 2 0 0 3 ) 。 2 周期： 用于指挥交通的信号总是一步一步循环变化的，一个循环由有限个步构 成。一个循环内各步的步长之后称为信号周期，简称周期，用c 表示( 刘智 勇，2 0 0 3 ) 。若一个循环内有n 步，各步步长分别为岛，t ：，o o e ，乙，则 c = + f 2 + + f ( 2 1 ) 3 相位： 在交通控制中，为了避免平面交叉口上各个方向交通流之间的冲突，通 常采用分时通行的方法，即在一个周期的某一个时间段，交叉口上某一支或 几支交通流具有通行权( 即该方向上的信号灯为绿色或绿箭头) 而与之冲突 的其它交通流不能通行( 即该方向上的信号灯为红色) 。把每一种控制状态， 即对各进口道不同方向所显示的不同灯色的组合，称为一个信号相位，简称 相位( 刘智勇，2 0 0 3 ) 。一个周期内有几个信号相位，则称该信号系统为几 7 第2 章城市交通信号控制基本理论 相位系统。显然，相位越多，交通的安全性越好，但交叉口的利用率越低。 对于一个交叉路口，根据实际情况可以设计为两相、三相、四相，六相甚至 八相。表2 1 位一个典型的四相位车流分布图。 表2 1 相位示意图 第1 相位第2 相位第3 相位 第4 相位 4 绿信比： 在一个信号周期中，给相位的有效绿灯时间与周期长度之比称为绿信比 ( 刘智勇，2 0 0 3 ) 。绿信比的大小对于疏散交通流和减小交叉路口总等待时 间有着举足轻重的作用。通过合理地分配各车流方向的绿灯时间，可以便各 方向停车次数、等待延误时间减至最小。若设t g ，为第i 相位的有效绿灯时 间，c 为周期长度，则该相位信号的绿信比a 为 a = t g c( 2 - 1 ) 显然，0 九 ( 4 1 ) q 咖w n = m a x q ：o m ，g 三岍，q 2 帆)( 4 2 ) 其中：玩。( 1 s is ，z ) 为交叉口i 上行进口道的统计流量，g 乏帅( 1 s is ，z ) 为交叉口i 下行进口道的统计流量。如图4 2 所示，瓦由交叉口i 驶入的北左转车流、南右 转车流和西直行车流三部分组成，分别用口幺、口基和靠表示，则元可以表示为 公式( 4 3 ) ： 阢口= g k + g k + q 纛( 4 3 ) 同样地，可以得到比。的表达形式，如公式( 4 4 所示) ，其中矗、如和靠分 别表示交叉口i 驶入的南左转车流、东直行车流和北右转车流量。 g z m 墨鸟盖+ g k + 9 k( 4 4 ) 由于交通流调查得到的流量为单交叉口的统计流量，各交叉口间流量独立无关。 但是干线交通流是一个交叉口间相互影响的系统，因此不能直接将其用于干线中 流量的计算，但可以将其转换为转向比，如公式( 4 5 ) 所示。其中：成，印、，印 和即分别为交叉口i 上行方向左转、直行和右转车流的转向比；i 即、q 妊即和 q 纛，印分别为交叉r 2 1i 上行方向西左转、西直行和西右转的车流量。显然 反即+ 砖，印+ 反即= 1 。 反，印= 彰呢，印( 嘲，印+ 靠，印+ q 妊，印) ， p s ，印= q 纛，印( q 品z ，印+ g 纛，印+ 嘲，印) ， 从，印= 嘲，印( q 品z ，叩+ 毹路，叩+ 嘲，印) ( 4 5 ) 同样，可以得到交叉口i 下行方向左转、直行和右转车流的转向比，分别用反幽。、 砖。幽。和曲。表示。则有： p ：，如咖= q 盖，咖m ( q e l ，如m + q k ，d d 伽+ 口k ，如m ) ， p s ，如帅= g 刍，咖肼( g 乞，如m + q e s ，如m + g k ，咖w 拧) ， p 二，如臃= 也，面肼 盖，面删+ 如，面脯+ 略，如蝴) ( 4 6 ) 其中：g 乞。如咖、q 玉加m 和g k ，面m 分别为交叉口i 上行方向东左转、东直行 和东右转的车流量。 第4 章城市交通干线协调优化控制建模 由于干线中各交叉口协调相位的流量是一致的，在确定吼，、乳。和转向比 之后，干线中各交叉口协调相位的左转、直行和右转车流量需要按照公式( 4 7 ) 矛1 1