城市交通绿色信号灯优化分析

邓永年

【摘要】在饱和交通状态下，Webster绿信比优化模型要同时消散各个方向上的拥挤车流，忽略饱和与非饱和交通状态下的车流特征差异，导致信号交叉口各个方向上的排队车辆越来越长，为此，提出采用通行优先权的方式，对交通需求大的方向给予更多的绿灯时间，以期实现尽快消散该方向上的拥挤车流.各个方向通过车流获得相应通行优先权进而逐步消散各自方向上的拥挤车流，最终达到预防交通拥挤和快速消散交通拥挤的优化目标.仿真实验证实，本优化方法在处理饱和交通流上更有效。

【关键词】交通；信号灯；优化分析

在饱和交通状态下，由于受周期时长的限制，信号灯交叉口会出现不同程度的拥挤或堵塞现象，原因是该时段内的交通需求大于信号交叉口的通行能力。因此，解决信号交叉口的交通拥挤问题关键在于提高信号交叉口的车辆通行能力，提高信号交叉口的通行能力主要有两种方法：一是增加进口道的车道数，即拓宽现有路口；二是运用技术的手段来提升该路口的通行能力，拓宽路口的方法只有在该路口有足够的拓展空间情况下才可行，但实际情况是绝大部分的拥挤路口，由于受其地理位置（地处市中心）等因素的限制，没有（足够的）空间可用于该路口的拓宽，即使拓宽路口的方法可以实施，也只能解决一时。解决信号交叉口拥挤问题的另一经济、有效途径就是运用先进的交通管理控制技术。近几年应用较广且使用效果较好的面控系统（如SCATS、SCOOT、TRANSYT）、线控系统（如MAXBAND、PASSER II）和单点自适应控制系统（如MOVA）等相继投入使用，但实践证明也只是在非饱和交通状态下表现良好，能有效地提高信号交叉口的通行能力；而在饱和交通状态下，它们的控制性能下降，对提高信号交叉口的通行能力并无多大帮助，因此，重新认识饱和交通状态下的信号控制方法有着极其现实作用。

在非饱和交通状态下，信号控制的优化目标应本着在信号交叉口处的延误、停车率、排队长度等指标最小，这就要求配时的周期时长及其绿信比使得交叉口的通行能力稍微高于本交叉口的交通需求为宜。而在饱和交通状况下，其优化目标则以预防交通拥挤和尽快消散交通拥挤为目标，此时宜采用较长的周期，在进行绿灯时间分配时，Webster绿时分配模型是要同时消散全部方向（相位）上的拥挤车流，实践证明，这在饱和交通状态下是不适应的.

1、Webster绿信比优化模型

目前信号配时大多采用Webster或HCM等经典的配时算法.在信号周期确定后，各信号相位的绿灯时间是按各相位临界车道的交通流量比进行比例分配的，其分配方法按进行.式中：gi为第i相位的绿灯时间（S）；（v/s）i为第i相位关键车道的流量比；C为周期时长（s）；L为周期损失时间。

在非饱和交通状态下，该绿信比优化模型充分考虑了各个方向上的交通需求，各相位分配的绿灯时间合理，能有效降低信号交叉口延误及排队长度等指标，这在几十年的实践应用中已得到证实.而在饱和交通状态下，由于车辆之间的横向干扰加剧，车道通行能力明显下降.采用Webster绿信比算法分配得到的各相位绿灯时间，往往在车道刚处于最佳的通行状态时，绿灯时间却又结束了，从而制约了信号交叉口通行能力的提高，使得交通状况愈加恶劣.正是存在这一缺陷，吸引了众多学者就饱和交通状态下的信号控制参数优化问题展开了研究，并各自从不同角度提出了方法各异的控制参数优化模型，这其中包含有周期时长优化模型、绿信比优化模型和相位优化模型.本文从另一个角度就绿信比优化模型进行探讨，并假定当前周期时长和相位设计已处于最优状态。

2、改进的绿信比优化模型

2.1优化原理

借鉴调度优先权思想，在饱和交通状态下，对交通流的某一项参数设置一个临界值q。.此处以车辆排队长度为例，说明绿信比优化模型的原理.当相位r的排队长度qr≥q。，就将一个gmax一绿灯时间分配给本相位，以达到尽快消散本相位的排队

长度，从而预防交通拥挤的产生。当同时有多个相位的排队长度qi，qj，均满足

qi≥q。，qj≥q。，时，则从qi，qj，中選取一个最大者，将gmax一绿灯时间分配给此相位，即哪一个方向最容易造成拥挤的产生，就先给予该方向通行优先权，以消散该

方向上的车流排队长度，从而缓解交通拥挤.在将gmax一绿灯时间分配给第r相位后，剩余绿灯时间（C-gmax-nL，n代表相位数，L代表相位转换时间）按其他各相位的关键流量比进行比例分配.对任意的相位i的排队长度均满足qi< q。时，各相位的绿灯时间按Webster绿信比优化模型进行分配。

2.2 q0值的确定

q0值既不能过大，也不能太小。q0值过大，可能出现很难有相位r的排队长度qr能大于等于它（由于该方向上的进口道较短等原因），失去了预防交通拥挤产生的初衷；q0值太小，会忽略各个方向上车辆到达率的差异，从而形成各个方向轮流享有该优先权的局面，这也不利于交通拥挤的消散。

那么，在此确定一项规则：容易导致拥挤的一个或两个相位在拥挤快发生或已发生时能频繁地、轮流地享有该通行优先权，其他相位由于分配绿灯时间的减少，将会出现车辆排队的累计效应，当排队长度累计达到一定规模时，也能获得此优先权。

2.3 qr值的确定

现以各相位车辆排队长度为例，说明qr值的确定方法.令qr （k）代表第k周期结束时r相位余下的排队车辆数，则qr值由qr = qr （k）+ qr×C得到；第k+1周期结束时r相位剩余排队车辆数qr （k+1）由qr （k+1）= qr （k）+ qr×C—cr× gr而得.式中：qr为相位r的平均车辆到达率（pcu/S）；C为周期时长（S）；cr为相位r的饱和流量（pcu/s）；gr为相位r的有效绿灯时间（S）。

确定gr值的必要辅助设施：每车道设置两个检测器，一个放置于停车线之前紧靠停车线处；另一个放置于停车线之后距停车线50 m处.前一个（紧靠停车线的）车辆检测器主要用来对驶离交叉口的车辆进行计数；后一个检测器检测进入车道的车辆数、速度、车间距等参数，为确定交叉口的交通状态和交通参数预测等提供依据.

2.4 gmax值的确定

gmax是一个与周期时长和相位数相关的量，它的取值约占整个周期时长比重的0.5—0.7为宜，应视具体的交叉口交通状况和相位数而定.若交叉口各个相位的车辆到达率差异较大，则gmax应取大一些；若各相位的车辆到达率相差无几，则gmax相应取小一些.信号交叉口配时参数中相位数越少，gmax所占周期时长的比重应取大一些；相位数越多，gmax所占周期时长的比重将相应降低.但gmax值的大小应保证gmax>gr （gr毋指拥有通行优先权的相位按Webster方法应分配得到的绿灯时间）而且全部包含直行车流的相位绿灯时间要保证同方向行人过街所需的最短时间.gmax不是一个常量，它与信号交叉口的交通状态有关，，式中：gmax为相位分配得到的优先绿灯时间（S）；gr为该相位按Webster方法应分配得到的绿灯时间（s）；a为相位数；x为相位饱和度.当然，这只是确定gmax的一种方法，其他方法有待进一步研究.

2.5 绿信比优化算法

1）首先鉴别交叉口当前的交通状态（非饱和、饱和），若处于非饱和交通状态，则转入4）；若处于饱和交通状态，则转入2）.

2）檢查是否有相位r的qr≥q0，若成立，则转入3）；若不成立，则转入4）.

3）从满足条件的相位中，选择一个qr值最大的相位，按照gmax的确定方法，给本相位分配gmax大小的绿灯时间，剩余周期时间C-gmax-nL按其他各相位的关键流量比进行比例分配，转入5）.

4）按各相位的关键流量比进行绿灯时间分配，转入5）.

5）将优化参数送执行机构执行，绿信比优化结束.

3、改进的绿信比优化模型的应用

3.1自适应信号交叉口控制参数优化算法

1）系统是否处于初始运行阶段，若是执行分时段定周期控制方案，各进口检测器实时检测流量、排队长度等交通参数，为过渡到自适应控制方式积累基础数据，转入

1）；若不是，则转入2）.

2）执行相位优化程序，转入3）.

3）鉴别交叉口当前的交通状态（非饱和、饱和），若处于非饱和交通状态，则转入4）；若处于饱和交通状态，则转入5）.

4）执行非饱和交通状态下的交通参数预测和周期时长优化程序，转人6）.

5）执行饱和交通状态下的交通参数预测和周期时长优化程序，转入6）.

6）根据3）确立的交通状态，执行绿信比优化程序，转入7）.

7）将优化参数送执行机构执行，各进口道检测器实时检测本周期内实际到达的交通量、排队长度等交通参数，用来校正预测模型及为预测下一周期的交通参数提供基

础数据，转入1）.

3.2 自适应信号控制系统运行机制

1）系统的启动通过交通调查，可以先实施一段时间的分时段固定周期控制方式，在此期间，车辆检测器实时采集各个周期内的饱和度、车辆到达率、停车率、排队长度等数据并加以存储，为筹备过渡到自适应控制方式中所需的基础数据.或通过连续的交通调查，将调查数据录人到信号交叉口自适应交通控制系统中，用以启动自适应

交通控制系统.

2）基础数据采集在信号周期的每一次执行过程中，需实时检测各进口道的车辆到达数、车流密度、车辆速度、停车率、排队长度等数据，这些数据的获取不完全是直接由车辆检测器检测得到的，有的是通过检测器检测信号周期内到达的车辆数及信号周期时长、饱和度等参数按照一定的数学模型间接求解而得.本周期内采集的基础数

据一方面是为了检验上一周期对本周期内基础数据预测的准确性；另一方面也是为预测下一周期内的各项基础数据做准备.

3）交通参数预测可以采用长时段预测与短时段预测相结合的交通流预测方法，这是因为：我国车流离散性较大，车流呈现的无规律性强，从预测的角度来说，用时间段较长的统计序列进行预测时，预测结果的精度较高；而用时间段较短的统计序列进行预测时，其预测结果的精度较低.但在自适应信号控制中，进行下一个周期的交通流预测是必不可少的，单独用上面的某一种预测方法来进行周期内的交通流预测，均

满足不了自适应信号控制的需要.主要是长时间预测方法满足不了实时性的预测需要，而短时间预测方法满足不了预测精度的要求.

4）控制参数优化根据预测得到的各项数据首先确定下一周期的交通状态，因为不同的交通状态其相应的优化目标是不同的.在非饱和交通状态下，为保持车流的连续性，可建立以延误、停车率、排队长度等指标最小的多目标周期时长优化模型；而在饱和交通状况下，为实现预防交通拥挤和尽快消散交通拥挤的优化目标，可采用遗

传算法等方法建立周期时长优化模型.在进行绿灯时间分配时，对交通需求大的相位给予更多的通行优先权.

5）控制参数输出 将优化的控制参数送入到执行机构（信号灯）执行，在此期间检测器检测实际到达的各项交通参数，一方面用来评价预测数据的可靠性及优化结果的有效性，另一方面也是为下一周期的信号配时设计准备数据.

结束语

1）提出的通行优先权的绿信比优化模型，以预防交通拥挤和尽快缓解交通拥挤为最终优化目标。

2）本优化模型则是对交通需求大的方向（相位）寄予“厚望”，以此来提高信号交叉口的通行能力。

3）在饱和交通状态下，本模型更接近交通实际情况，具有更强的可操作性。