【《交叉口交通信号系统理论基础概述》16000字】

交叉口交通信号系统理论基础概述目录TOC\o"1-3"\h\u25431交叉口交通信号系统理论基础概述 1186131.1交通交叉口信号灯设置理论 148481.1.1信号设置基本依据交通流量 1221891.1.2现有交叉口信号设置基本流程 2122501.1.3新建交叉口信号设置基本流程 3215301.2路口信号控制的性能指标 3166871.1.1交叉口信号控制主要参数 3288931.1.2延误时间 10122221.1.3停车次数 10126241.3交通交叉口信号灯配时理论 11148911.3.1韦博斯特配时算法 11241451.3.2绿波带信号控制方法 12162361.3.3基于神经网络的信号配时 13221191.4区域路网道路协调优化策略 15147871.4.1信号控制优化目标 15207951.4.2信号控制优化约束 16222381.4.3区域信号控制优化策略 17286111.5区域信号系统配时优化模型 19158301.5.1基于模糊理论的信号周期计算 1917401.5.2自适应粒子群GAPSO算法 22230551.5.2运用混沌思想改进GAPSO算法 251.1交通交叉口信号灯设置理论1.1.1信号设置基本依据交通流量对于信号系统配时而言，设置有三个基本依据，分别是公路等级、交通安全和交通流量。在实际运用中，考虑交通流量能够较为准确客观判断交通运行状况，因此本论文中主要选择交通流量作为一个主要指标进行分析。流量指的是交通车流量，是指在单位时间内，通过车道上的某一横断面的车辆数目，因为单位时间的不同，可以分为年交通量、日交通量、小时交通量和不足1小时的交通量等几种形式。而在信号设置的中，一般是考虑小时交通量，并且在此基础上做出了一定的分类[17]。（1）高峰小时流量由于人们日常生活的出行，导致一天24小时具有不同的车流量，而最大的交通流一般是发生在上下班的高峰期。24小时内，把最大流量的那个小时叫做“高峰小时”。高峰小时具有非常重要的意义，不管是信号设置还是道路设计，都必须要考虑到高峰小时的存在，而且要分析高峰小时的诱发成因，即高峰小时的出现是由于哪些因素的引起的[18]。（2）年第30位高峰小时交通量将一年中的8760小时交通量的观测值依大小顺序排列，排在第30位的小时交通量称为第30位高峰小时交通量[18]。它能基本代表一年中大多数高峰小时的交通量，经常作为设计交通量，用于道路设施的规划与设计[18]。（3）8小时交通量一天24小时中任意连续8小时中的交通量，是美国信号设置依据中的一个重要指标[19]。（4）4小时交通量一天24小时中任意连续4小时中的交通量，是英国和美国信号设置依据中的重要指标[19]。在上述四种类型的流量，年第30位高峰小时交通量需要在往年数据进行详细说明。但是，调查周期过长，不应该被用来作为信号灯分析的基础。8小时和4小时交通量调查对于时间段的选择不同，影响因素与波动是非常巨大的。一天内任何连续交通量都存在巨大变化，所以8小时与4小时交通流量并不能正确反映交叉口的车流情况。信号设置的目的是提高交叉口的效率和安全性[19]。对于高峰时段的峰值相交处，特别是在交叉点处，车流量变化较大且变化速度快，所以8与4小时交通量也不应用作信号基本分析的指标。1.1.2现有交叉口信号设置基本流程信号灯的设置一般包括设置条件、安装方式、排列顺序、安装数量和位置、安装方位、信号灯杆件、电缆线敷设、设计和施工资质等方面的相关要求，是一个系统而又复杂的过程，按照位置的不同，信号设置可分为道口信号设置、路段信号设置和交叉口信号设置三类[14]。交叉口的信号设置是信号设置体系中最为重要的部分，其设置对象包括新建交叉口和现有交叉口。现有交叉口应在实际调查的基础上，按照安全和效率的总原则决定现有交叉口的运行状况是否良好，如果交叉口的运行质量不能满足要求，首先考虑渠化设计，若重新渠化仍不能满足要求则需考虑设置信号灯[16]。现有的交叉路口上土地使用的限制较多，设计的重难点是车道数量和车道职能分工的问题。对于信号灯配时问题与可能产生新的冲突点，所述设置方案应该保证其第一原则基于预测交通量，然后根据该交叉点路的交通流量确定信号灯是否设置。如果交叉道路等级不符合设定信号灯的情况下，有必要考虑未来交通通行方案，判断是否通过评估交叉点的未来交通流量是否符合标准，由此来确定是否设置信号灯。1.1.3新建交叉口信号设置基本流程新建交叉口相对于现有交叉口而言，必须首先在流量预测的基础上进行交通渠化设计，即根据交叉口横断面几何条件、交通流状况(预测流量、流向)等确定交叉口进口车道数和各车道的功能，而后根据预测交通量考虑是否应设置信号，渠化设计作为一种从空间角度分离交通流的手段，是一种投资少、工期短、容易实现且效果显著的解决交通拥堵的管理方法[15]。新建交叉口用地限制较小，设计的重点在于车道数的确定以及车道功能的划分等问题。对于新建交叉口，首先应根据预测交通量确定方案，而后根据相交道路的等级决定是否设置信号灯。若相交道路等级不能满足设置信号灯的条件，则需在预测交通量和方案的基础上，通过预测交叉口的未来运行状况分析来决定是否设置信号灯[17]。1.2路口信号控制的性能指标1.1.1交叉口信号控制主要参数（1）信号灯相位一般来说，两条道路的交叉点或者是节点都是发生车流冲突的地方，为了减少冲突带来的不良后果，一般是采用时间隔离和空间隔离。空间隔离是修建各种各样的立体交通，比如立交桥、地下通道等等方式来实现。但是由于建设周期长、资金投入过高、修建期间对于当地交通影响过于巨大，并不是特别适用于各个地方。时间隔离是信号控制系统的一种使用，它是车辆通过冲突点的有序时间通道。这里，"有序"指的是建立分时通过，即将信号周期分成几个信号相位，允许在一个相位时间内无冲突或者冲突点少的多个方向车辆通过，禁止其它方向的车辆通过。根据周期中的相数，交通信号可以分为两相定时控制，三相定时控制和四相定时控制，而五相信号控制相对较少[21]。1）两相位两相位控制方式只能用于车流量比较小并且左转车流比较少的交叉口，左转车流过大，与对向直行车流会发生比较大的冲突，影响车流正常平稳运行。相位a和相位b一起构成两相位信号控制，其中，相位a开放时，允许东西向车辆通行，包括东西向直行和左、右转，而南北直行和左转的车辆禁止通行，右转一般无特殊标识都是允许通过，相位b允许南北方向车辆通行，包括车辆直行，左转，右转，而东西方向的直行和左转车辆禁止通行。为了更明确的表示相位分布，本文图示中并未标注出右转车流，如图2-1所示：图2-1两相位示意图2）三相位三相控制方案通常适用于两个方向上的交通量差别很大的交叉口，例如主要道路和分支道路的交叉点。主要道路设置为两个阶段，一个用于主干道的直线与左转，一个用于分支通行[18]。相位a表示分支道路东西方向的车辆可以通行。当分支路上的车辆有通行权，禁止主干道上的车辆通行。相位b表示主干道上的车辆可以直行和向右转弯，但是禁止向左转弯，防止车流过多影响对向直行车流。平面交叉口一般设置有左转待行区域。此时，左转车辆可以进入等候区。相位c表示允许主要道路上的左转车辆通过，并禁止其他方向的车辆通过（右转除外）。与两相控制相比，增加了相位，使得左转车辆避免了与直通车辆的冲突，并且提高了行驶速度。然而，增加相位将不可避免地增加所有方向上车辆的等待时间。如图2-2所示：图2-2三相位示意图3）四相位有很多种的四相定时控制，图2-3所示为一种四相位控制模式。适用于两个相交的道路的交通流是没有太大的不同，从东到西，从西到东或从南到北，从北到南。如果在两个方向上的流量是不同的，这种设计将会极大浪费交通资源，其主要浪费在小流量的方向。如图2-3所示：图2-3四相位示意图总之，相位配置必须与道路的实际交通量是相符合的。不合理的相位配置与信号灯配时是可能造成交通资源的浪费，低道路交通的效率，甚至交通堵塞。此外，设计者在信号策略控制中，应考虑到相位与配时的问题，以做出合理的安排。（2）信号周期信号周期是指在周期时间内，采取改变通行权的方案，让车辆可以合理快速的通过。信号周期的配置也应该充分考虑到交通流量等问题，如果时间太长或太短，会带来各自对应的问题[23]。如果信号周期过长，会导致一些问题，如不能充分利用绿灯时间，车辆的等待时间过长，造成驾驶员的心理障碍，使行人闯红灯的机率大增。信号周期的每个阶段向下一个阶段转化时，都会由于车辆启停造成一定损失。如果信号周期太短，损失的时间被累积，引发其他的问题，如交叉口绿灯利用率低，使交叉口通行能力降低。取四相位控制系统为例，如图2-4。可以看出，在一个信号周期，对于一个通行周期内，红色，绿色和黄色的三种红绿灯分别显示一次。每个阶段具有形成闭合的环形，即构成了一个周期。图2-4四相位配时图（3）绿信比绿信比指的是一个相位的有效绿灯时间与信号周期的比值，用表示，其计算公式如下，（2-1）式中，—有效绿灯时间（s）；—信号周期（s）。在式2-1中，绿信比可以体现在车辆可以通行的时间占整个周期的比重，其可以根据车流量的大小分配不同的数值给各个相位。一个绿信比的分配方式直接会影响整个交通路口的运行情况，车流较大的方向却分配了较少的配时，就会引发相位排队问题，进而引发交通拥堵，而车流较小的方向分配了较多的配时，会引起资源的浪费等问题。（4）损失时间损失时间指的是在整个信号周期内，没有车辆通行而被浪费的时间，用字母L表示，其计算公式如下，（2-2）式中，—信号控制系统中相位的个数；；—绿信比；—信号周期（s）。从上文公式中可以看出，损失时间中包含有车辆的启停时间，即司机在绿灯亮后的反应时间，还有停车需要的刹车时间以及黄灯的安全规避时间等等。损失时间的本质意义是为了保证车辆行驶的安全而必须损失的时间。（5）绿灯间隔时间绿灯间隔时间指的是某一相位绿灯结束到下一个相位绿灯开始的间隔时间，这个时间主要是指黄灯时间与红灯时间之和。（6）相位差相位差是指不同交叉口之间的相同相位，它主要用于在多通道协作控制的时间差。有时，为了方便计算和定时，绝对相位差的概念被引入。它指的是在一个固定交叉口作为起始时间标准的相位时间，以及所有其他交叉口的相位差与起始交叉口来进行计算。在多交叉口协作控制，特别是在主道绿色波控制时，相位差是一个非常重要的参数[24]，它的大小取决于交叉口间隔，并且与车辆的平均速度呈反比，如公式2-3所示：（2-3）式中，—路口间相位差（s）；—路口间距离（m）；—车辆平均行车速度（m/s）；—信号周期（s）；。（7）交通量道路上的交通虽然都是由各个单独的车辆构成，但却表现出“车流”的特点，通常把道路的“车流”称为交通流（TrafficStream或TrafficFlow），判断交通流的大小就是去观测交通量的变化[25]。由于交通量随着不同的时间会发生一定的变化，例如，在重大活动或节假日期间，此时的交通量显然是高于平时的。在一年中最活跃的春节前后，交通量也将有一个非常大的高峰交通量，而在一天之内也是会有一个变化明显的波动，最高峰处于工作日早晚上下班的时间。但是其他时间，同一个地点的交通量不会出现太大的变化。如图2-5所示：图2-5高峰小时交通量如图2-5所示，周内的交通流量差异不是特别明显，但是随着周末的到来，周五周六出行的人员明显增多，导致了交通量出现了一个小高峰，这正好符合了该地区市民的出行需要，不同地区不同城市可能会有不同规律。在一天之中，交通量会出现一定的波动的情况，而峰值被称为高峰小时，一般来说，高峰小时对应的在全天交通量的比值叫高峰小时流量比，此值可以准确地反映流量的在一天内的最高峰和整体之间的比例。最高峰时期，交叉口可在短短几分钟内形成道路拥堵。这是由过多的流量在短时间内引起的。例如，在15分钟时流量可以达到每小时的流量的40％。因此，有必要在高峰时段划分为更短的时间段，以显示交通量的变化特性。通常，峰值时间进行细分为5、6、10和15分钟的持续时间段，并且15分钟时间是使用最多的指标。（8）道路通行能力道路容量是指在正常道路条件下可以在正常时间内通过车道或路段的交通实体（车辆或行人）的最大数量。一般用Q表示，单位为pcu/h，物理意义是每小时标准汽车当量[26]。道路容量反映了交通控制系统控制交通运行的能力，也反映了道路的最大容量[26]。表2-1是我国《城市道路工程设计规范》（CJJ37-2012）建议通行能力：行车速度(km/h)20304050607080基本通行能力1400160016501700180021002200计划通行能力1100130013001350140017502000表2-1《城市道路工程设计规范》（CJJ37-2012）建议的一条车道通行能力如果交通量超过了一定的界限，不管路口的控制设备多么先进化，都会排起很长的队伍。这时，绿灯开始亮起，允许车辆通行，第一辆车启动，但是第二辆车不会立马启动跟上，司机需要一定的反应时间，所以，在绿灯亮起时，交叉口的车流不会在第一时间达到最大，所以流量数据会形成一定曲线。如图2-6所示：图2-6流率与绿灯时间的关系图图中的曲线表示流率（单位时间内通过路口的车辆数目），矩形ABCD的面积等效成流率与时间的积分，那么矩形的底DC代表的就是有效绿灯时间，矩形的高AD代表的是饱和流率，即道路通行中单位时间能够通过的最大车辆数目[26]。（9）饱和度饱和度指的是道路实际交通量与通行能力的比值，它反映了交通运行的质量，包括拥挤程度、平均速度的大小等[14]。饱和度是反映了道路拥堵的一个硬性指标，饱和度越高，说明道路的实际通行能力越接近设计通行能力，越有可能发生拥堵。参考《城市交通管理规划指南》，得到如表2-2的所示。表2-2城市道路服务等级饱和度服务等级ABCDEF饱和度<0.40.4~0.60.6~0.750.75~0.90.9~1.0>1.0虽然饱和度越小，将体现更高的服务水平，但是道路有较低的饱和度，对于车辆的运行效果更佳。由于低饱和度也体现了道路的利用率也低，道路在投入巨大的资金之后并没有太多的车辆在道路上运行，势必会造成巨大的浪费。然而，如果饱和过大，否则很容易造成交通拥堵，提高车辆的延迟时间，车辆的能源消耗程度和对环境的污染程度也会提高[27]。因此，饱和度是反映的道路利用率的一个有效指标。一般来说，饱和度为0.6和0.8之间，这是比较科学合理。1.1.2延误时间延误时间是指在理想的启动时间和实际的启动时间[31]，这是用于评估所述信号的控制效果的主要指标之间的差异。延误时间越短，所述信号灯的控制效果越好。延误时间被进一步分成平均延误和总延误。平均时延是所有车辆延误的平均值。总延误是指所有车辆延误的总和。从平均延误和总延误包括交通量内，可以很容易看到一个交叉口的运行效率，而总延误具有很大的不可确定性和可变性。因此，平均延误具有较高的参考值。根据平均延误时间，相交服务水平可分为六个等级[23]，如表2-3所示。表2-3路口服务水平等级划分服务等级ABCDEF平均延误/s<55.1~15.015.1~25.025.1~40.040.1~60>60路口的延误时间主要是由于司机在看到信号灯时，需要等待信号灯还有车辆启停时间，而为了减少交叉口的延误时间，应该考虑绿波协调控制。让车辆在行驶的过程中遇到一个接续一个绿灯，减少等待红灯的时间。1.1.3停车次数停车次数为交叉口信号控制的另一个重要的性能指标。当车辆停止在交叉点处，待绿灯后又从静止启动的平均次数[34]。因为车辆通过一个路口,一般停车次数少于一次，所以停止的次数也称为基本停车次数。对于特定的交叉点，有许多当车辆通过交叉点时，它首先减速判断信号颜色，然后加速通过，并没有停车，所以停止的平均数目一般小于1，这也满足停车次数的概念。为了减少停车次数，有必要避免车辆即将到达交叉口是遇到刚刚变成了红色的信号灯。这可以通过协作性地控制所属干线信号和配置的交叉点的相位差来实现。如果仍然离交叉路口一定的距离，红灯时间明显较长，那么司机可以选择减小速度。如果红灯马上就要结束，可以适当提高速度。如果绿灯刚开始，则可以加速通过。如果绿灯将要结束,通过路口已经来不及了，则可以降低车速。1.3交通交叉口信号灯配时理论信号灯配时的设置有许多的参数，比如信号灯相位、信号周期、绿信比、损失时间等等。其不同的参数代表了不同意义，在信号灯配时中都发挥的重要的意义，上文已经一一例举，这里不做过多阐述。而信号灯配时有许多不同的算法，从经典的韦博斯特配时算法到现在常用的模糊算法和遗传算法，或者时神经网络算法，各自有各自的优点，也时各自有各自的缺点，下文会一一阐述。1.3.1韦博斯特配时算法最经典的单一交叉路口红绿灯配时算法当属韦博斯特算法。这个算法的目的是使车辆延误时间最小。以车流量延误最小为标准，合理安排信号灯配时。此时绿信比和交通流量比成正比。韦博斯特算法的优点是：当主干路的车流量较大，而周边干路车流量较小时，可以保证主干路的通行量，有效减少延误。并且有效地避免了次干路的绿灯时间的浪费。缺点是当道路过饱和，感应方向的车流量非常大时，该算法的配时效果与定时控制几乎无差别；所以当信号灯时间间隔调控不合理时，极易发生事故。韦博斯特算法只选择了延误这个指标来对红绿灯配时进行优化，并没有结合其他可优化的指标。比如停车次数，排队长度等。因此在韦博斯特算法之后,人们提出了多种韦博斯特算法的优化算法，力图将更多的指标加入模型，更加全面完整的对信号灯配时进行优化。1.3.2绿波带信号控制方法绿波是对交通控制理论中“信号灯多点协调控制技术”的形象化描述。即对一条干线或者交通区域内的信号灯实施统一控制，将它们全部归入计算机控制系统，通过先进的计算方法来科学合理的指挥交通，使行驶在干线协调方向的车辆不遇到红灯或者少遇到红灯而通过协调控制系统内的各个交叉口。从协调方向观看系统中各交叉口的灯色，绿灯就像波浪一样前进，所以被形象的称为绿波带控制方式。时间总和即为信号周期（T），单位秒（s）。信号周期是交通信号控制的一个重要参数，它对于车均延误、排队长度、路口的通行效率等都有着重要影响，因此选择合适的信号周期对于信号的控制和协调有都有着重要意义。信号周期的选择既不能太长也不能太短，当路口通行车辆过大时，为了保障各个相位内的排队车辆可以顺利通过，需要延长相位时间，避免车流的停车累加，从而增加了信号周期；当路口通行车辆较小时，为了避免车流等待时间过长，应该在保障车流顺利通行的情况下，减少信号周期。对于单点信号配时方法，一般采用经典的Webster求取最佳信号周期，上文有比较详细得叙述，在此不做累述。在绿波协调控制系统中，为了方便各交叉口之间的协调控制，通常会使协调系统中各个交叉口拥有相同的信号周期时长，此周期称为公共周期。公共信号周期的取值将会对各个交叉口的通行能力与车均延误造成影响。为了保证每个路口的通行能力大于其实际交通流量，通常会选取协调系统中周期最长的交叉口作为关键路口，并且使用它的周期作为公共周期。（1）公共周期计算方法如下：1）利用Webster方法计算绿波协调系统中各个交叉口的单点最佳信号周期Ci。(2-4)式中：Ci—表示交叉口i的最佳周期时长(s);Li—表示交叉口i的信号周期总损失时间(s);Yi—表示交叉口i所有相位的最大流量比之和。2）选择单点最佳信号周期中最大值作为公共周期Cm，即：（2-5)（2）相位与相位差在交通信号控制中，为了防止交叉口各个方向的交通流发生冲突，通常把一个信号周期划分为多个时段，每个时段内有一个方向或者多个方向的车流拥有通行权，每个这种时段的通行方式称为相位。合适的相位选取方案对于信号控制十分重要。相位越少，车流越容易起冲突，从而造成混乱，比较简单的有两相位信号配时。相位越多，路口不同方向的车流越不容易冲突，交通事故越少，但是相位越多，使未拥有通行权的车辆等待时间越长，车均延误越大，比较典型的是四相位信号配时。相位问题在上文也有阐述，不再做过多累述。对于车流量相似的双向车道，通常采用双向干线绿波协调控制。对于定时协调控制系统中的双向绿波协调控制方法主要有同步式协调控制、交互式协调控制和续进式协调控制。（3）同步式协调控制在同步式协调控制系统中，所有信号灯同步转换，即所有信号灯在同一时刻显示相同的灯色。当车辆在相邻交叉口之间的行驶时间等于信号周期的整数倍时，适用于同步式协调控制，即满足如下公式：(2-6)式中：s—为两交叉口之间的距离(m)；v—为两交叉口之间车均速度(m/s);n—为正整数。1.3.3基于神经网络的信号配时（1）神经网络简介神经网络一词范围很广，如果在生理学、解剖学领域内，神经网络是指生物神经网络，如果在信息科学或者计算机领域内，其是指一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，即人工神经网络。由于人工神经网络涉及很多学科且又并行交叉，不同领域对于人工神经网络有不同的理解，所以在科学界各自见解也不径相同。然而，目前被普遍使用的是芬兰赫尔辛基大学神经网络专家Kohonen的定义。Kohonen定义是指“人工神经网络是由具备适应性能简单单元组成的并且广泛互连并行的网络，人工神经网络组织能够模拟出生物神经系统对于现实物体所作出的交互式反应。”（2）神经网络基本原理人工神经网络是对生物神经元的一种模拟和简化，它是神经网络的一个基本处理单元。人工神经元它是一个单输出、多输入，非线性信息处元件。其表示从别的神经元传过来的输入信号；是从神经元到神经元的连接权值；称为兴奋“阈值”；称为“输出变换函数”或者称“输出激发函数”；表示输出信号。神经网络结构的模型神经网络按照学习方式可以分为无导师和有导师学习，如果按照网络结构又可以分为反馈型和前馈型。因此神经网络模型可以说各种各样，它们都是从不同的角度进行不同层次的描述和模拟。但是具有代表性的神经网络模型有这样几种。一是BP(BackPropagation)神经网络模型。BP网络是1986年由美国人工智能专家D.E.Rumelhart等人提出的一种多层前馈网络，通常是基于BP（ErrorBackPropagation）并采用误差反向传播算法来进行计算实现。该种网络没有反馈联结、层内联结以及各层联结，每个神经元只能前向反馈到其下一层的全部神经元。采用的传递函数类型为Sigmoid型。二是Hopfield神经网络模型。Hopfield网络是1982年由J．Hopfield提出的一种反馈网络，该网络中的每个神经元都能够接收其它神经元传递来的信息，同时又能够通过连接将输出信息传递给其他所有的神经元，所以该网络模型具有动态性能，也是一种循环神经网络，从输出到输入有反馈连接。三是RBF网络模型，即径向基函数神经网络模型。它也是一种前馈网络，但是它的设计思想跟BP网络完全不一样。该网络的训练时间更短，对函数的逼近是最优的，可以以任意精度逼近任意连续函数，但是所需训练样本要多一些。RBF网络采用的传递函数类型为高斯型。1.4区域路网道路协调优化策略1.4.1信号控制优化目标当绿灯时间不能完全处理本路段交通量时，就会造成许多车辆拥堵的情况，严重影响整个线路的控制运行。当上游路段被行驶的车辆占满时，即使出现绿灯信号，会因为下游路段没有足够的行车空间，而车辆无法正常驶入下游路段。为了提高路网的运行效率，防止出现交通堵塞，本节将以线路交叉口群的总延误，总通行能力为目标，建立非稳定状态下的协调控制模型，提高整个路网的通行能力。近饱和或过饱和状态下，线路上各交叉口各进口道在信号周期绿灯结束时的滞留数不仅受前一信号周期绿灯时间结束时滞留数的影响，还与信号周期的控制参数与车辆到达情况有关，同时约束下一个信号周期延误。一个周期内关键车道组i在第个相位j到达的车辆数为为车辆到达率，假设在绿灯期内，关键车道组i的放行车辆在第个相位j离开交叉口出口的离开率为，则一个周期内关键车道组i在第个相位j可能驶离交叉口的车辆数为。表示车辆处于放行状态，表示禁止放行。如果交叉口进口道车辆的到达率大于车辆的离开率时，绿灯结束时则存在滞留排队车辆；如果到达车辆数明显小于最大可放行车辆数时，绿灯结束时的排队车辆数为零。设Q表示第个k周期时，关键车道组在相位时滞留的车辆数，则有：（2-7）交通干道协调控制目标是使周期内干线通行能力最大，即各交叉口关键车道组总滞留车辆数最小，满足：（2-8）交叉口处的延误主要是排队车辆的延误，延误的大小与排队车辆的多少有关，所以本节的延误主要考虑排队车辆的延误。交叉口在第j个相位关键车道组的排队延误时间为：（2-9）即当关键车道组i为绿灯时间时，广义排队延误为0，当关键车道组i为红灯时间时，上一相位滞留的车辆在此相位时间都需要等待。协调控制的另一目标是使线路上的关键车道组的总延误最小，则有：（2-10）1.4.2信号控制优化约束影响干道协调控制的主要因素有相邻交叉口间距、信号交叉口配时参数以及路段流量。相邻交叉口间距过大，协调控制效果不明显；路段流量过小，车流行驶离散性强，控制效果不佳；交叉口的信号参数能有效调节控制效果，决定协调控制的另一个重要因素。为了不使关键线路上的交通流产生“溢流”与“绿无效”，必须使关键线路上交叉口n和交叉口n+1之间的相位差满足一定的条件。设为交叉口n和交叉口n+1路段长度，为路段上车辆行驶速度，为排队车辆平均长度，为j相位幵始时下游交叉口滞留的车辆数，为车队消散速度，为上游交叉口行驶方向停止波传播到下游路段放行车辆所需要的时间，则有：(2-11)在交通干道协调控制中，相邻交叉口n和交叉口n+1满足相位差闭合条件即：(2-12)上游交叉口驶出车流的有效绿灯时间与下游交叉口的有效绿灯时间之差，将决定一段时间内路段交通量的累积与消散。则有效绿灯时间与相位差存在一定的关系为：(2-13)不考虑黄灯时间和相位间隔时间，周期时间为绿灯时间有下列关系成立：(2-14)1.4.3区域信号控制优化策略从单个交叉口进口道交通需求的时间分布特性来看，交通需求在日为单位的时间观测尺度上仍具有一定的分布规律。对交叉口交通流量的时间相似性进行了阐述，各交叉口每日的交通流量基本都经历流量的低峰、早高峰、平峰、晚高峰、低峰的分布状况。过饱和状况作为城市路网中的极端交通流运行状况一般出现在高峰时段的流量较大的主干道或次干道的相交点，在一般的城市交通系统中，长时间的过饱和状况是比较少见的。过饱和状况和非过饱和状况下的交通流运行特性差异很大，且其相应的信号控制配时参数优化目标亦有区别。鉴于此，本节提出区域信号控制配时参数的优化策略，应对城市道路不同交通状况的信号控制需求。（1）基本交叉口优化城市道路交通信号控制应尽可能为交叉口提供实时的信号控制方案，根据当前的短时段内的交通流运行情况对信号配时参数进行调整。但在实际应用中，实时信号控制的实施在很大程度上依赖于完善的地面交通检测情况，即道路上车辆检测设备的布设覆盖范围、检测数据的完整性与有效性。而硬件或软件问题导致检测器发生故障无法采集数据，或者在通讯传输过程中存在问题导致无法接收实时的交通流数据都是在实际应用中常发的现象，这些情况都会导致实时数据的缺失或无效，从而影响实时OD的获取。作为本文所述交通信号控制配时参数优化的输入量，实时OD的完整性直接影响信号控制配时参数优化算法的实施和配时优化方案的生成情况。鉴于此，在进行区域配时参数优化前首先需判断能否获取完整的实时OD。当获取的实时OD数据完整有效时，区域路网实行基于实时交通需求的信号配时参数优化；否则，需调用历史交通流数据，从过去若干天内的历OD量平均值内获取各交叉口相应交通需求，此作为信号配时参数优化的输入数据。选择了信号控制模式，还需要对交通状态进行判断。若该优化时段內存在过饱和交叉口则执行针对过饱和状况的交通信号控制配时参数优化算法。而当区域内交叉口没有严重的交通拥堵和车辆排队时，单点信号配时优化方法在通常状况下可满足对交通流的控制需求。因此，若区域内交叉口均处于非过饱和状况，可对其采用单点的信号控制优化方法，调整信号周期时长和绿灯时间。本文采用的具体的交叉口信号配时参数优化策略如图2-7所示。图2-7交叉口信号配时优化策略（2）主干线与支线信号配时组合优化对于一个区域交通而言，其中一般都会包括大量支路以及少数的主干道，其中主干道不仅是平均交通量较大，且其他特殊交通量也比较大，交通流情况比较复杂，如果与支路进行大范围模型求解，则容易造成流量过剩或者是供需不平衡等问题。而支路情况则是车流量较小，且受到时效影响不强，可以运用模型进行大范围求最优化的配时。所以综合上述情况，对于主干线与支路的信号配时组合需要以先后顺序或者加以权重求解。1.5区域信号系统配时优化模型1.5.1基于模糊理论的信号周期计算单交叉口交通信号控制是城市路网中的最基本交通控制单元，也是城市交通网络信号协调控制的基础，当两个交叉口间距大于800米的时候，协调控制效果显著降低，为此，本章对控制子区内只有一个单独的交叉口存在的特殊情况给予了特殊的考虑。目前对于单交叉口所使用的信号控制方式基本上有两种，一种是定时控制方式，一种是感应控制方式。定时控制方式是采用预先设定的信号配时方案进行信号控制，不考虑实时的车辆信息，无法根据车辆到达的数量多少而改变信号配时，其参数是由已知的数据经过一系列的数学运算推倒出来的，信号是依据周期反复执行的，所以很难反映出交通系统的内在规律。感应控制方式采取的方法是利用线圈检测器采集路网中的交通流量，以此来计算相位时间，相对于定时控制方式，此方法在性能上有一定的优势，能够客观地反映出交叉路口的动态交通流信息，但是这种方式也存在着自身的弊端，因为只对当前相位的信息进行了考虑，也仅仅使用了简单信号相位延时原理，对遇到红灯时所造成的车辆滞留并没有给予考虑，综上所述，此种方法也不是最优的控制策略[36]。由于交叉路口的交通流量受天气、人为和交通事故等很多因素的影响，表现出很大的随机特性，因而仅仅靠建立数学模型是远远达不到控制效果的，针对这一现象，相关部门虽然有一定的解决措施，但这些措施只适合其中的一种，并不能达到解决所有现象的功能。由Zadeh提出的模糊集理论，对处理复杂的非线性因素特别强的系统提供了坚实的理论基础，同时也为只能进行粗糙建模分析提供了概念基础[37]。模糊控制方式是一种基于规则的智能控制方式，不需要针对被控对象建立精确的数学模型，对于随机性大的城市路网交通信号控制，使用模糊控制方法可以很好的实现实时在线控制效果。模糊逻辑始由1965年控制论专家Zedeh教授发表的《模糊集合论》论文。模糊逻辑为在世界万物中找到具有相似性和不精确性等特点提供了一种行之有效的方式，原则上，模糊逻辑比传统的方法更加地接近于人类的思维以及自然语言。模糊逻辑的诞生标志模糊数学从此诞生了。模糊理论所研究的事物概念本身是模糊的，由于概念所引起的模糊导致系统的不稳定性叫做模糊性，隶属函数的概念就反映了此种模糊性。模糊控制理论是模糊理论在控制领域中的应用，其最主要的思想就是使用自然语言来描述模糊控制需要用到的规则库。人们在长期的生活中，对所接触到的事物进行学习实验、分析综合，逐步积累起丰富的操作经验，将它们使用自然语言加以描述，来控制生活中的许多事情的发生、发展，得到人们需求的理想结果。假如对于某一个交叉口处，绿灯即将结束的时候，车辆检测器检测到该方向依然有大量的车辆频频驶入停车线处，即假若该方向绿灯结束时候即刻放行其他相位的车辆，则该相位红灯期间车辆将会排队过长，导致交通拥挤，甚至会引起交通事故的发生，同时也会产生大量的汽车尾气，故而在这种情况下，我们可以人为地在绿灯结束时候，该相位再延长一段绿灯时间，才能做到较为合理的控制；反之就要减少绿灯延时[38]。为了实现模糊控制，需要使用经验知识用if-then规则反映出来，紧接着通过自然语言去控制系统，这就是模糊控制器。设计模糊控制器一般需要解决几个问题。(1)模糊化精确变量，把语言变量映射到适当的模糊论域上。(2)模糊控制器的设计，确定系统的输入输出及其模糊规则，建立系统机构。(3)解模糊，通过一定算法将模糊量转换成精确量。模糊控制结合模糊理论知识将受控对象通过语言值进行模糊化，但一旦完成设计工作，剩下的工作都是确定性的[39]。模糊控制系统具备自身的一些优点，具体描述如下。(1)用来描述被控对象的数学模型具有不确定性。(2)能够应用到复杂非线性强的系统进行控制。(3)系统具有较强的鲁棒性，即能够较强的抑制被控对象特性参数的变化。模糊控制器设计流程步骤(1)确定模糊控制器的基本结构对于一个系统而言，要设计一个合适的模糊控制器对其进行参数调节，必须首先确定要建立的控制器结构：系统选用何种车辆传感器来采集模糊控制的输入变量；系统为几级模糊控制器；每级中的输入输出变量个数等相关信息。(2)定义输入输出变量模糊分布定义系统输入输出各变量的模糊分布，也即选定系统合适的隶属函数。并且建立隶属函数表，为仿真提供数据信息。建立模糊规则模糊控制的模糊规则常采用if-then自然语言的形式给出，通过语言的描述建统的模糊规则表。近似推理根据系统的模糊规则及其已建立的各输入输出变量的论域进行系统近似推理，得到系统模糊输出结果。去模糊化去模糊化是对系统的模糊输出结果进行反模糊化的过程，一般采取的方法有三种：面积中心法（重心法）、面积平分法以及最大隶属度法。最常用的采用第一种，更加准确合理。综上所述，设计模糊控制器的主要流程步骤如图2-8所示：图2-8模糊控制器主要流程模糊控制器的基本组成框图如图2-8所示[40]。由图可知，模糊控制器由四个重要部分组成：知识库(A*。R)、模糊推理(。R)、模糊化输入(D/F)和去模糊化输出(F/D)。知识库又包含规则库和数据库。模糊规则来自相关领域内专家经验或知识，而数据库中存放的是产生模糊规则所使用的隶属度函数。模糊推理的过程是：采用系统中的模糊规则和已经存在的推理过程，最终得到系统的输出结果。模糊推理的思想是把实际的输入数据转换为对应隶属函数的模糊语言值，一般运用量化因子Ki将输入的确定语言值转换成模糊量；而去模糊化输出则将模糊输出结果转换为明确的输出，可以运用比例因子Ko将输出的模糊量转换成清晰的语言值。模糊控制器实现对被控对象的控制过程如下：首先模糊控制器接受被控对象传送过来的输入数据信息，经过合适的量化因子对输入的精确量进行模糊化(D/F)，得到模糊控制器的输入控制变量，随后将其送往模糊控制器的推理机中，结合知识库(A*。R)对其进行推理分析(。R)，得到模糊控制的模糊输出变量，再经过比例因子对其进行去模糊化(F/D)，最终得到模糊控制器的输出，去控制被控对象。根据分析整个控制过程可以发现，在设计模糊控制器时，最主要的就是通过知识库（已有的操作经验及测试数据）设计出合理的模糊规则，在此基础上，确定模糊控制器的输入输出控制变量，来完成最终的设计任务。1.5.2自适应粒子群GAPSO算法粒子群优化(ParticleSwarmOptimization,PSO)算法是Kennedy和Eberhart受人工生命研究结果的启发、通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法，其主要步骤为：Step1：初始化首先，我们设置最大迭代次数，目标函数的自变量个数，粒子的最大速度，位置信息为整个搜索空间，我们在速度区间和搜索空间上随机初始化速度和位置，设置粒子群规模为M，每个粒子随机初始化一个飞翔速度。Step2：计算个体极值与全局最优解定义适应度函数，个体极值为每个粒子找到的最优解，从这些最优解找到一个全局值，叫做本次全局最优解。与历史全局最优比较，进行更新。Step3：更新速度和位置的公式对于模型中的粒子使用如下公式分别对其速度和位置进行更新。（2-15）（2-16）Step4：终止条件当最优解达到最小边界值或者迭代达到预定次数，算法循环停止。粒子群算法具有如下优点：（1）每个粒子都可以在解空间中以一定的速度移动，并根据适应度函数，对自身的运动状态进行评估。（2）每个粒子都能够记录存储运动过程中所经过的最优值。（3）通过信息共享，所有粒子经过的自身最优值比较得到整个种群的最优值，即全局最优解。（4）通过竞争-合作机制，粒子根据自身的最优值和种群的全局最优值对移动位置和运动速度不断更新，原理简单，参数较少，收敛速度更快，算法实现更容易。综上所述，粒子群算法具有设置参数少、搜索速度快和简单容易实现等优点，但算法也存在一些缺点：（1）种群的随机初始化，虽在一定程度上保证了种群初始位置在解空间中的均匀分布，但可能存在部分粒子远离最优解，粒子的质量表现较差。由于种群初始化和进化过程存在随机性，导致个体和群体最优位置的更新存在一定的盲目性，会影响算法的收敛结果。（2）容易早熟收敛，陷入局部最优解。PSO算法的中后期，粒子的速度和位置变化越来越小，运动较为缓慢。若相邻粒子的局部最优位置在一段时间内未发生变化时，种群行为趋于一致，容易陷入局部最优。（3）对高维复杂问题，PSO算法的搜索精度不高，较难收敛到全局最优解。特别是当惯性权重、学习因子设置不当时，可能导致算法跳过全局最优解，其实际结果与理论最优值存在较大误差。图2-9粒子群算法示意图对于自适应CAPSO算法，其主要是在PSO算法的基础上加入的遗传算法的交叉变异思量，解决粒子群算法容易早熟收敛，陷入局部最优解的问题。其主要的改进思想为引入遗传算法的交叉变异操作，扩大种群的多样性，提高全局寻优性能。迭代后期，传统PSO算法的惯性权重、学习因子不断减小，邻代粒子具有较高的相似度，容易陷入局部最优点。为了规避早熟收敛，根据粒子适应度值将种群分为优质种群和劣质种群两部分，优质种群采用动态改变惯性权重和异步线性改变学习因子的粒子群算法提高粒子质量，劣质种群采用个体与群体极值的算术交叉操作和保留精英个体的变异策略扩大粒子搜索范围，提高全局优化能力。种群进行交叉变异操作操作：PSO算法规则简单，易于实现，收敛速度较快，但随着迭代次数的增加，粒子之间的相似度越来越高，种群的多样性得到破坏。通过引进遗传算法的交叉、变异操作对粒子优化，有利于扩大全局搜索范围，跳出局部最优点。（1）交叉操作：遗传算法中，对个体采用两两交叉结合的方式生成新个体，在扩大全局搜索能力的同时，降低对有效模式的破坏程度。本章所讨论的混合算法，采用个体与群体极值的算术交叉操作对粒子进行更新，使粒子充分吸收群体极值的优点。具体操作如下所示（2-17）（2）变异操作：变异是遗传算法扩大种群多样性的重要方式，能够有效扩大种群的搜索范围。本章采用非均匀变异方式，在进化初期，采用较大的变异尺度来保持种群的多样性；随着迭代次数的增加，群体已基本趋于稳定，变异算子过大则会破坏这种稳定性，因而逐渐缩小变异尺度以提高局部微调能力。假设父代的粒子种群为，设为变异元素，变异后的元素为：（2-18）（2-19）其中：为[0，1]之间的随机数；