结合信号控制的交通状态及其真实性判别方法

陈兆盟，刘小明，吴文祥，唐少虎

(北方工业大学 城市道路交通智能控制技术北京市重点实验室，北京 100144)

结合信号控制的交通状态及其真实性判别方法

陈兆盟，刘小明，吴文祥，唐少虎

(北方工业大学 城市道路交通智能控制技术北京市重点实验室，北京 100144)

过饱和交通状态的判别是对过饱和交通信号控制的首要条件，提出了一种结合信号控制优化的交通状态及其真实性的判别方法，避免了由于交通信号控制不合理,尤其是协调控制不合理导致的“假饱和”。利用车头时距的方差和时间占有率作为判别参数结合周期内排队车辆的消散对交通状态进行判别。通过算例和仿真分析结果表明：该方法可以准确、有效地判断过饱和交通状态。

交通运输工程；交通状态判别；过饱和；信号控制优化；车头时局方差；时间占有率

0 引 言

随着经济的不断发展，城市规模逐步扩大，城市机动车保有量也持续激增，导致国内大部分大中城市存在交通拥挤现象，尤其像北京、上海、深圳等特大城市面临着更严峻的“堵车”考验。为此，近年来国内外学者对过饱和交通信号控制展开了一些研究。对过饱和交通信号控制研究的前提是对过饱和交通状态的定义和判别。主要判别方法有以下几种：利用数据分析结合智能方法对交通状态进行判别[1-10]; 通过设置战术和战略检测器检测时间占有率，并设置占有率阀值，判断某相位的交通状态[11]；基于线圈检测数据，运用交通波理论，从交叉口绿灯结束滞留排队长度、下游交叉口溢流等方面判别过饱和交通状态[12-15]；HCM 2000手册中定义车辆到达流率超过通行能力即认为是过饱和状态。

上述文献对交通状态的判别都是基于现有交通信号配时而研究的，如果存在交通信号控制不合理的情况，尤其是相位差设置不合理而导致的关联交叉口不协调，上游路口绿灯期间放行车辆在下游路口如果遇到红灯，极易产生路段间的排队溢出现象，以此判断为过饱和交通状态显然是不准确的。根据笔者所述的判别方法进行交通状态判别后，如果出现过饱和交通状态，对其发生的原因进行分析，如果是由于相位差等交通信号控制优化参数不合理导致的，则调整相关参数后继续以车头时距的方差和时间占有率作为判别参数，结合周期内排队车辆的消散对交通状态进行判别，最终判断是否为过饱和交通状态，以此避免“假饱和”交通状态的误判。

1 交通状态判别

综合车头时距方差和时间占有率波动性为判别标准对交通状态进行综合判别，如图1。检测器分别布设在路口出口处和进口停车线处，路口i的出口检测器为Di1，其距出口处的距离为lia，路口i的进口检测器为Di2；路口j的出口检测器为Dj1，其距出口处的距离为lja，路口j的出口检测器为Dj2；两个路口间的路段长度为Lij，路口i放行西向东的相位为Pia，路口j放行西向东的相位为Pja，Pia和Pja之间的相位差为Oija。

图1 路口模型Fig.1 Intersection model

车头时距为两辆车之间的行车时间间隔，根据车头时距的变化可以有效地判别出车流为连续交通流还是间断交通流。无论何种交通状态，车头时距都有可能出现相似值，为了更准确地对交通状态进行判别，此处采用车头时距的方差值来作为判别参数对交通状态进行判别。当车头时距数据分布比较分散时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。

(1)

(2)

为了研究车头时距的波动性，对车头时距数据进行了调查、采样、统计和分析，结果见图2。

图2 车头时距波动及方差波动Fig.2 Headway variance fluctuation and variance fluctuation

由图2可见，前4辆车的车头时距由于起始延误原因略大于平均值，当车辆以饱和流通过时，车头时距基本一致，平均在2 s左右浮动，此时的车头时距方差值接近为0；当出现拐点A后，车流为自由流状态，此时的车头时距较大，随机性也大。自由流状态下的车头时距方差值在4～40范围内，与临界饱和流时的方差值差异明显，所以，利用此种方法计算所得的车头时距方差值能很好地反映交通流状态。

利用车头时距作为判别参数进行交通状态判别时，在过饱和和欠饱和交通状态下车头时距的方差都和临界状态时的值差异较大，并且两者很难区分。所以，仅仅以车头时距方差作为判别参数，难以准确地区分过饱和和欠饱和交通状态。文章引入时间占有率作为另一个判别参数，时间占有率能反映一段时间内车辆通行的密集度，欠饱和和过饱和交通状态下的时间占有率差别非常大。所以，结合车头时距方差和时间占有率的波动可以准确有效地对交通状态进行判别。

将Pia相位绿灯时间分为n份，那么可以得到n个时间占有率值，即Oi(i=1,2,…,n)。根据时间占有率数据的调查、取样、统计和分析，得到结果见图3。

图3 时间占有率波动 Fig.3 Fluctuation of time occupancy

由图3(a)可见，当出现拐点B时，时间占有率明显下降，说明Pia相位饱和流结束，出现了自由流放行，上游为欠饱和交通状态。为了更准确统计车流以自由流交通状态通行时的时间占有率统计结果，笔者采用仿真的形式分别在Pia相位绿灯时输入饱和交通流和符合泊松分布的随机车流，统计结果如图3(b)。由图3可以看出，时间占有率方差值能很直观很准确地反映交通流状态。

当车流在路段ij上出现交通拥堵时，车速降低，车头时距增大，由于计算车头时距方差时采取的平均值为临界饱和交通状态下的车头时距平均值，所以，此时的车头时距方差非常大，接近于自由流交通下的车头时距方差。但是，此状态下的时间占有率也增大，明显高于自由流交通状态下的时间占有率，见图4。由此分析，通过车头时距方差和时间占有率可以准确地判别出过饱和交通状态。

图4 过饱和状态下的车头时距方差和时间占有率Fig.4 Headway variance and time occupancy under oversaturated state

根据上述分析，对车头时距方差和时间占有率进行模糊处理，再对其进行解模糊得到交通状态判别结果，输入变量以及输出变量的模糊隶属度函数根据人工经验来选择。

1.1 车头时距方差的模糊隶属函数

由实际路口采集的数据发现，临界饱和情况下，车头时距的方差较小，反应车头时距的波动性较小；在自由流的情况下，车头时距方差较大，这是由车辆到达的随机性导致的；在过饱和交通状态下，由于车速较低，车头时距方差也较大。参考经典模糊控制算法的输入输出隶属度函数，采用三角形隶属函数作为车头时距方差的隶属函数，并且分为SMALL和BIG两个模糊集，其表达式如式(3):

(3)

1.2 时间占有率的模糊隶属函数

对于时间占有率的模糊隶属函数仍然采用经典的三角形隶属函数，并且分为3个模糊集Small，Middle，Big，其表达式如式(4):

μOccupancy=

(4)

1.3 输出饱和度的模糊隶属函数

同样，输出饱和度的隶属函数仍然采用三角形隶属函数，将饱和度分为3个模糊集Small，Middle，Big，其表达式如式(5):

(5)

1.4 交通状态判别规则

其中解模糊方法采用重心法，见表1。具体步骤如下。

Step1：定义输入变量与输出变量，输入变量为车头时距方差和时间占有率，输出变量为饱和度。

Step2：定义输入变量的模糊隶属度函数，采用三角形隶属函数。

Step3：定义输出变量的模糊隶属度函数，采用三角形隶属函数。

Step4：定义模糊规则。

Step5：使用重心法解模糊，输出饱和度。

表1 交通状态判别规则

2 信号控制优化对交通状态判别影响分析

在利用上述方法进行交通状态判别时，容易出现由于信号配时不合理导致的交通过饱和状态，此种过饱和实际为“假饱和”。通过配时调整优化后再次使用文章算法进行判别后，可能会出现欠饱和或临界饱和状态，为了更好地对交通信号控制进行优化调整，首先分析信号控制优化对交通状态判别的影响。

以从路口i到路口j行车方向为例分析信号控制优化对交通状态判别的影响。

2.1 相位差设置不合理

路口j相位Pja上的初始排队长度为Qj0， 它主要由本路口有效绿灯时间内剩余的排队车辆和上游路口协调相位红灯期间其他相位放行车辆组成。Pia相位放行车辆行驶至Qj0队尾长度所需平均旅行时间为tij，via为车辆到达率。如果Oija>tij，PHia放行车辆行驶至Qj0队尾时就会产生停车和二次排队。如果Δt>tP，则会产生路口i出口处的车流溢出。

Δt=Oija-tij

tp=(Lij-Qj0-lia)/via

在此情况下使用传统的交通状态判别方法，通过车流溢出或者Di1检测器的占有率来判断，则认为路段的交通状态为过饱和状态。通过调整信号控制优化参数的方式，使Pja相位有效绿灯时间内放行车辆在路口j进口处不产生二次停车，有可能路口i出口不会产生车流溢出现象，由此可知，此种情况下利用传统的交通状态判别方法得出的过饱和状态实际为“假饱和”状态。

2.2 绿信比和周期设置不合理

为了研究绿信比和周期的设置对过饱和交通状态判断的影响，此处假设路口i的相位Pia以饱和交通流放行车辆，其有效绿灯时间为tgia，饱和流率为sia；路口j的相位Pja有效绿灯时间为tgja，饱和流率为sja，其初始排队长度为Qj0。周期内路口j的相位Pja交通需求为Vja，路口i到路口j路段间的最大排队长度为Qmij。

Vja=max(tgia×sia+Qj0,Qmij)

如果Vja>tgja×sja，说明路口j在有效绿灯时间内未完全清空进口交通需求，产生了剩余排队，此时按照传统判别方法有可能认为此路段处于过饱和状态，然而如果减少tgja时间以减少上游放行车辆数，或者通过调整子区周期时间以增加Pja相位的有效绿灯时间，都有可能会避免Pja相位进口产生剩余排队，从而避免做出过饱和交通状态的判断。

通过上述分析可知，交通状态判别的传统方法通常为交叉口是否发生排队剩余、车辆到达率是否超过通行能力和车流溢出等，显然这些判别方法在上述情况下对交通状态判别上存在误差，所以，为了准确地判别交通状态，应该先对信号控制进行相应的优化。

3 信号控制优化

为了避免对交通状态判别过程中把“假饱和”状态误判为过饱和状态，笔者提出的优化方法是针对饱和状态或者临近饱和状态做出的优化，不适用于欠饱和交通信号优化，但是最有利于清空在交通不协调或者交通不均衡情况下的拥堵车流，对消散“假饱和”交通流非常有效，可以更准确地对交通状态进行判别。

3.1 相位差优化

如果Oija>tij，路口i放行车辆在路段上会产生二次停车和排队，容易产生Di1检测器处的车辆溢出，显然此种情况下的相位差需要优化。如果Oija≤tij，综合考虑路口i的车辆启动延误和路口j的排队车辆消散情况，为了避免路口i放行车辆在路段上会产生二次停车和排队，同样需考虑相位差的优化。综上两种情况对两个路口间的相位差做如下优化：

3.2 绿信比和周期优化

从路口i的出口溢出和路口j的排队车辆清空两方面综合考虑绿信比和周期的优化。路口i的相位Pia以饱和流率放行车辆的时间为tsi，绿灯期间放行总车辆数为Qia，Qiaf为绿灯期间以自由流放行的车辆数。

Qia=tsi×sia+Qiaf

式中：tj1为检测器Dj1自tgja结束至连续4 s检测到被车辆占有所用时间。

在相位Pia给予绿灯通行权期间，如果检测到检测器Di1连续4 s被车辆占有，需要结束其通行权，否则路口i会发生车流溢出。相位Pia通行权结束后，通行权按相序切换至其他相位，保持周期不变。

通过上述信号控制参数的优化，避免了由于相位差或者绿信比不合理导致的交通拥堵。信号控制优化后再次使用笔者所述的交通判别算法对交通状态进行判别，可以有效地避免“假饱和”交通状态的判别。

4 仿 真

为验证笔者所提的交通状态判别方法和信号控制优化的有效性，采集北京市阜石路与恩济西街交叉口、阜石路与恩济东街交叉口两个路口的调查数据，利用微观交通仿真软件Paramics对其进行仿真验证，如图5。

图5 仿真路口模型Fig.5 Simulation model of intersection

1)相位差优化方法验证。根据本文方法计算得19 s为最佳相位差，设定错误相位差为64 s，对以上两种情况进行仿真得到路网的延误、旅行时间、停车次数等评价指标，见图6，图7。

图6 不同相位差时平均延误与平均旅行时间对比Fig.6 Comparison of average delay and average travel time with different offsets

图7 不同相位差时平均停车次数对比Fig.7 Comparison of average stops with different offsets

2) 绿信比和周期优化方法验证。不合理的协调相位绿信比和周期分别为27.6%和145 s，本文方法绿信比为自适应控制绿信比和周期均为动态，同样进行仿真得到路网的延误、旅行时间、停车次3组评价指标，见图8，图9。

图8 不同绿信比时平均延误与平均旅行时间对比Fig.8 Comparison of average delay and average travel time with different splits

图9 不同绿信比时平均停车次数对比Fig.9 Comparison of average stops with different splits

通过对比不难发现，在相位差、绿信比设置不合理时，路网的延误以及停车次数会急剧增加，从而造成路网十分的拥堵，造成“假饱和”的现象。使用笔者所述交通信号优化方法，对相位差和绿信比分别进行优化调整，路网的压力明显减小；此时再根据论文算法对交通状态进行判别时，能准确有效的反应真实的交通状态，判别结果如表2。

表2 不同信号控制状况下车头时距方差与时间占有率对比

由表2可见，不合理的相位差、绿信比和周期设置确实会导致路口“假饱和”现象的产生。采用笔者所述的交通信号控制优化方法对信号配时进行优化后，通过对车流量输入的调整，再次使用笔者判别算法对交通状态进行50个周期的仿真判别，以验证判别方法的有效性和准确性。判别结果如表3，统计结果取3种交通状态下的仿真平均值。

表3 交通状态判别仿真结果统计

由表3可见，采用车头时距方差和时间占有率作为判别参数进行合同状态判断的结果与paramics仿真评价指标反应出的交通状态相吻合，说明了笔者判别方法的准确性。

5 结 语

交通状态的准确判别对交通信号控制意义重大，尤其是对过饱和交通状态的判别。传统的交通状态判别方法多以车流是否溢出或剩余排队能否清空等作为判别标准。交通信号配时对此类方法的影响较大，尤其是在相位差设置不合理时。笔者提出的交通状态判别方法是结合交通信号控制优化而进行的，消除了信号配时不合理对交通状态判别的干扰，可以更准确真实地反应交通状态。笔者采用车头时距的方差和时间占有率作为交通状态判别参数，为了更好地反映交通状态同饱和交通流的偏离程度，在计算方差时，车头时距平均值均采取饱和交通流状态下的平均值，从而直观地体现出车头时距的波动性。笔者创新性的提出了利用方差理论作为判别标准，避免了由于驾驶行为等原因引起个别车辆的临时延误而导致的误判，方差的大小也更直观地表征了交通状态的波动性，因此，利用车头时距的方差和时间占有率作为交通状态判别参数是有效并且非常准确的。

[1] ZHANG Hesheng, ZHANG Yi. Spatial-temporal traffic data analysis based on global data management using MAS[J].IEEETransactionsonIntelligentTransportationsystem,2004,5(4):267-275.

[2] WANG Yibing, PAPAGEOGERGIOU M. Real-rime freeway traffic state estimation based on extended Kalman filter: a general approach[J].TransportationResearchPartB:Methodological,2005,39(2):141-167.

[3] TUBAISHAT M, PENG Z, QI Q, et al. Wireless sensor networks in intelligent transportation systems[J].WirelessCommunicationsandMobileComputing,2009,9(3):287-302.

[4] TACCONI D, MIORANDI D, CARRERAS I, et al. Using wireless sensor networks to support intelligent transportation systems[J].AdHocNetworks,2010,8(5):462-473.

[5] HERRERA J C, WORK D B, HERRING R, et al. Evaluation of traffic data obtained via GPS-enabled mobile phones: the Mobile Century field experiment[J].TransportationResearchPartC:EmergingTechnologies,2010,18(4):568-583.

[6] BACON J, BEJAN A I, BERESFORD A R, et al. Using real-time road traffic data to evaluate congestion[C]//DependableandHistoricComputing. Berlin Heidelberg: Springer ,2011.

[7] 马万经，谢涵洲，安琨. 信号控制交叉口过饱和状态识别研究综述[J]. 交通信息与安全,2011,29(5):1-4. MA Wanjin, XIE Hanzhou, AN Kun. Methodological review for identification of the oversaturated condition of signalized intersections[J].JournalofTransportInformationandSafety,2011,29(5):1-4.

[8] 郭伟，姚丹亚. 区域交通流特征提取与交通状态评估方法研究[J].公路交通科技,2005,22(7):101-104. GUO Wei, YAO Danya. Study on the method for regional traffic flow feature extraction and traffic status evaluation[J].JournalofHighwayandTransportationResearchandDevelopment,2005,22(7):101-104.

[9] 张晓亮，张可，刘浩,等. 基于FCM-粗糙集的城市快速路交通状态判别[J].系统工程,2010,28(8):75-80. ZHANG Xiaoliang, ZHANG Ke, LIU Hao, et al. Identification of urban expressway traffic state based on FCM-Rough sets[J].SystemsEngineering,2010,28(8):75-80.

[10] 曲昭伟，魏强，别一鸣,等. 基于固定检测器的区域交通状态判别方法[J].中南大学学报(自然科学版), 2013, 44(1): 403-410.

QU Shaowei, WEI Qiang, BIE Yiming, et al. Method for traffic state identification based on fixed detector[J].JournalofCentralSouthUniversity(NaturalScience),2013,44(1):403-410.

[11] 聂建强，徐大林. 基于占有率的信号相位交通状态实时判别模型[J].指挥控制与仿真,2013,35(1):123-127. NIE Jianqiang, XU Dalin. A model for signal phase traffic status real-time discrimination based on occupancy[J].CommandControl&Simulation,2013,35(1):123-127.

[12] 钱喆，徐建闽. 基于线圈检测的过饱和交通状态判别[J]. 华南理工大学学报(自然科学版),2013,41(8):93-98. QIAN Zhe, XU Jianmin. Identification of oversaturated traffic conditions based on loop detection[J].JournalofSouthChinaUniversityofTechnology(NaturalScience),2013,41(8):93-98.

[13] 姜桂艳，郭海峰，吴超腾. 基于感应线圈数据的城市道路交通状态判别方法[J]. 吉林大学学报(工学版),2008,38(增刊1):38-42. JIANG Guiyan, GUO Haifeng, WU Chaoteng. Identification method of urban road traffic conditions based on inductive coil data[J].JournalofJilinUniversity(EngineeringandTechnology), 2008, 38(Sup1): 38-42.

[14] 卢凯，徐建闽，李林. 过饱和交通状态下的停车延误协调控制模型[J]．控制理论与应用,2010(12):1623-1630. LU Kai, XU Jianmin, LI Lin. Coordinated control models for stop and delay under over-saturated traffic conditions[J].ControlTheoryandApplication,2010(12):1623-1630．

[15] 郑淑鉴.过饱和下的干道协调控制方法研究[D]. 广州: 华南理工大学,2012. ZHENG Shujian.ResearchontheMethodofCoordinateControlforOversaturatedArterials[D]. Guangzhou: South China University of Technology,2012.

Identification Method of Traffic State and Its Authenticity Combined with Signal Control

CHEN Zhaomeng, LIU Xiaoming, WU Wenxiang, TANG Shaohu

(Beijing Key Laboratory of Urban Traffic Control Technology, North China University of Technology, Beijing 100144, P. R. China)

Oversaturated traffic state identification is the first condition of the oversaturated traffic signal control. The identification method of traffic state and its authenticity combined with signal control optimization was proposed, which avoided the “false saturation” due to the unreasonable traffic signal control, especially the unreasonable coordination control. The headway variance and time occupancy were used as identification parameters, combining with the departure of queue vehicles in a cycle to identify the traffic state. Through analyzing a numerical example and simulation, it is indicated that the proposed method can accurately and effectively judge the oversaturated traffic state.

traffic and transportation engineering; traffic state identification; oversaturated; signal control optimization; headway variance; time occupancy

2015-01-18；

2016-05-17

国家自然科学基金项目(71271004,71471002)

陈兆盟(1984—)，男，河南濮阳人，助理研究员，博士研究生，主要从事交通信号控制方面的研究。E-mail：chenzhaomeng@126.com。

10.3969/j.issn.1674-0696.2016.06.20

U491.3

A

1674-0696(2016)06-095-06