交通溢流判别和优化控制的研究进展

韩 伟 李 洋 何 庆

（北京警察学院道路交通管理系，北京 102202）

随着我国机动车保有量快速增长，城市部分区域高峰时段处于过饱和状态，一些交叉口出现交通流溢出现象。以两相邻交叉口1和2对交通溢流进行说明，交叉口2为交叉口1的上游交叉口。由于交通高峰期间流量增大或由于交通事故、交通事件等意外因素作用下，导致交叉口1处于过饱和状态，交叉口1不能及时排空从上游交叉口来的车流随着时间推移，当车辆排队到达交叉口2时，导致交叉口死锁。为了避免出现交通溢流情况，交通工程师在交叉口1和交叉口2之间安装一个检测器，检测车辆排队长度。通过对车辆排队长度的检测，对交叉口2是否死锁进行预警和控制。

因此，对交通溢流的判别和控制是当前交通信号控制领域的重要课题。为了了解国内外对于交通溢流判别和控制的研究现状，本文通过搜集国内外关于交通溢流的论文，从交通溢流判别（identification of spillovers）和交通溢流优化控制（monitoring and control of spillovers）两个方面对现有研究进行了归纳整理，并对未来研究进行了展望。

1 溢流的识别

交通溢流的识别是后续交通溢流疏散的基础。国内外学术界对溢流的判别开展了大量研究。早在20世纪70年代，国外开始研究过饱和交通的相关问题。Gazis[1-2]在研讨交叉口过饱和管控时，指出交通溢流是交通达到过饱和状态时的一种形态，并研究了如何最优控制过饱和交叉口的交通运行。

近年来，随着我国机动车保有量的不断增长，城市拥堵加剧，交通溢流问题频发，国内学者对溢流的判别也开展了大量研究。国内学者通常基于检测数据，检测手段通常包括线圈、地磁、视频等，通过检测数据建立状态模型，选取部分评价指标，定量判定交叉口溢流状态。

在交通工程领域内，传统上应用最为广泛的检测器是感应线圈。在溢流研究中，研究者首选的也是感应线圈。郝盼[3]以感应线圈检测数据为基础，将交通波理论与传统的累积曲线法相结合，建立展宽段溢流识别方法，判断排队溢出时刻。吕瑶璐等[4]基于流量累计的输入输出方法，分析了布设在进口道处的检测器所采集的数据，建立了一个周期内的车辆累积模型，根据检测器布设位置，提出了固定周期交叉口的溢流的判定标准。

线圈检测器的检测精度高，但是安装与维修需要破坏路面，只能检测交通流量和占有率，检测数据不够丰富。因此，近年来随着智能交通系统建设，城市道路上安装线圈的情况越来越少，因此在未来使用线圈数据进行溢流控制的场景必然越少。

地磁检测器对地面破坏较小，是近年来交通工程领域内应用较为普遍的一种检测器。王力等[5]提出采用地磁检测器，埋设在进口道（0.75～1的位置）位置，建立滞留车辆排队长度模型。通过构建交叉口拥堵消散系数判断交叉口运行状态，通过溢流阻塞系数判别交叉口过饱和溢流现象是否由上游交叉口堵塞产生。但检测器检测精度有局限，如对低速目标不敏感、容易漏检等问题。

视频检测器检测的信息较为丰富，向来受到交通工程师的青睐，因此也被广泛地应用在溢流识别。仕小伟等[6]采用视频检测器，捕捉路段上车辆实时排队长度，综合交通波理论和累积输入输出方法，提出交通溢流判别模型。但视频检测器的检测精度受天气和照度限制，检测区域范围小，精度受限。

国内学者针对交通溢流判别问题，提出了不同的算法和模型。李凯龙[7]针对排队长度检测方法问题，提出基于YOLO V3算法的溢流判断算法。曹政等[8]通过调查溢流数据构建评价溢流严重程度指标体系，建立正向云模型，确定交叉口的溢流程度。

国内学者针对交叉口溢流的研究，通常基于检测数据，检测手段通常包括线圈、地磁、视频等，但是利用车联网、手机定位等方式获取数据的方式还较少，如何将车联网、手机定位等方式获取的多源数据综合应用于溢流状态的判别将是以后研究的重点。

2 溢流的控制

当前，城市交通信号控制方案主要是以非饱和交通状态为前提，不适用于过饱和状态。交叉口一旦进入过饱和状态，车辆通行需求超过最大通行能力，在现有常用控制方案下，交叉口排队长度加大，严重时出现溢流现象，造成交叉口死锁。

围绕过饱和交叉口信号控制问题，国内外学者通常是从单个或相邻两个交叉口开始，逐渐扩大到过饱和干道及过饱和区域，典型的方法包括相邻交叉口控制、干道优化控制和区域自适应控制等。

2.1 相邻交叉口优化控制

国外对过饱和交叉口信号优化的研究较早，在最初的研究中主要借鉴非饱和信号交叉口的交通管理经验，以车辆延误最小为优化目标。Abu-Lebdeh等[9]在充分模拟溢流路段上车辆排队累积和消散全过程的基础上，提出过饱和状态下干线协调管控策略。Liu等[10]将饱和状态下车辆的到达率及离去率作为评价指标，建立饱和状态下的最优动态信号方案规划模型。

国内学者对于建立过饱和交叉口信号控制优化模型也开展了大量研究，并通过仿真进行有效性验证。李宁[11]在传统的Webster方法基础上，将排队长度限制的条件纳入模型中，实现对模型的优化。曹政等[12]采用熵权法确定控制指标的权重，采用模糊理论确定周期时长，形成一套交通溢流动态控制方法。

2.2 干道优化控制

国外学者Rathi[13]采用排队管理控制策略，建立一套路网信号控制算法。Abu-Lebdeh等[14]提出采用动态信号控制方案，最大限度利用绿灯时间，防止排队溢出。

在国内，朱文兴等[15]提出了一种“大路口”理论，该理论将几个相关路口视为一个整体，称为“大路口”。以整个“大路口”车辆平均延误最小为控制目标，建立模型，并采用遗传算法进行优化。钱等[16]以干道通行量最大为控制目标，建立以主方向优先的双向协调控制模型。

2.3 区域自适应控制

在过饱和区域控制中，控制交叉口的数量和模型变量均有所增加，因此其难度和复杂度都更大。国外学者主要分为两个方向，即Luk等[17]研究各类控制系统，如SCOOT、SCATS系统等，Lertworawanich等[18]建立交通模型，采用遗传算法、蚁群算法等在小型网络中进行运算，以比较何种算法更为有效。国内学者也在溢流区域控制方面做了一些研究。杨晓光等[19]对交通控制区域进行动态划分，以采取不同的控制策略。此外，李岩等[20]分析了过饱和交叉口群信号控制机制，提出了实施框架，并应用微观仿真对交通控制策略进行了验证。国内外学者对于溢流涉及的相邻交叉口、干道和区域均有研究，形成了相应的协调控制方法。大部分控制方法是基于实时交通流数据建立，动态调整效率较低。

3 结语

综上所述，随着智能交通系统的建设、车联网的普及，从传统的线圈检测变为以浮动车为主兼顾地磁、视频等的多种检测设备在交叉口的不同位置检测交通状态。信息融合之后可以更准确判断交叉口交通运行状态。从识别算法分析，以交通波理论为基础，采取模糊数学、时间序列等多种算法为辅助，可以有效提高溢流的识别的水平。在溢流的控制方面，控制目标以降低交叉口延误的单目标变为将溢流风险纳入体系之中的多目标，并采用多指标优化下多区域协调控制的策略。