城市快速路入口匝道控制方法综述

林昱辰，王嘉文，邹林志，周溪召

（上海理工大学 管理学院，上海 200093）

0 引言

城市快速路系统作为连接城市各地区之间的重要交通枢纽，有效的加强了各地区之间的联系，推动了城市的发展以及空间架构的实时化转变[1]。在一些特大城市中快速路的作用无可替代，是城市道路的主体，城市之间主要的交通运行及货物运输都离不开快速路系统，但其舒适性、便捷性在某些地区正在逐步减弱，早晚高峰期间的车辆拥堵更是频发事件[2]。因此，如何使用合理的控制手段有效提高快速路系统的整体交通运行水平，已经成为各方关注的焦点。快速路交通控制手段主要包括入口匝道控制、出口匝道控制、主线交通控制、网络路由控制和通道集成控制。其中入口匝道控制是应用最为广泛，也是最为有效的控制措施[3]。本文对当前入口匝道控制研究的研究脉络（如图1所示）、理论体系进行梳理和总结，特别是对入口匝道控制方法及影响因素进行评述，并梳理出具有潜在价值的研究方向和问题，推动快速路入口匝道与地面相关研究成果在城市信号控制交叉口的应用。

图1 快速路入口匝道控制整体研究脉络

1 城市快速路入口匝道控制理论

入口匝道控制的基本原理可以理解为将快速路作为容器，及时调整进入快速路的车辆数，使其作为容器的指标在最佳并非最大的状态时即可。入口匝道作为连接器的作用，若有车辆准备进入主路，则排队等待，不想排队等待，则可选择地面道路行驶，到下一个入口匝道进入主路，即选择替代路线[3]。所以，使用合理的控制方法，将快速路主路及地面的交通运行维持在最佳状态附近，对二者来说都有益处。

2 入口匝道控制影响因素分析

无控制匝道的交通情况参差不齐，与有控制的匝道有不小的差距，而控制效果的提升多少依赖于交通需求水平。匝道控制涵盖内容较多,如交通流模型、控制算法、交通条件、道路状况等,因此不同的影响因素给入口匝道造成控制效果各有差异。本文主要从交通条件、理论条件和其他条件三个方面分析影响因素对入口匝道控制造成的不同差异。

2.1 道路及交通条件的影响

道路条件会在一定程度上影响通行能力的变化。一般来说，匝道与主路的连接形式一般有：入口-出口、入口-入口、出口-入口和出口—出口四种情况。为了提高通行能力，一般采用出口-入口的组合形式，上游来的车辆恰好在出口驶出，入口匝道上来的车辆可以减少对主线车辆的干扰。通行能力的影响包括主线通行能力以及匝道通行能力两个方面的影响。主线通行能力与其设计速度等相关,匝道通行能力与其设计速度和坡度相关，不同的匝道设计容量会造成排队的延误不同。通行能力也是交通条件的主要影响因素之一。

2.2 理论条件的影响

2.2.1 交通流模型的影响。交通流模型有三大类，分别为宏观交通流模型、中观交通流模型。微观交通流模型，宏观的交通流模型主要有格林希尔德、格林伯格等模型，然而应用最多且最经典的模型为METANET模型和元胞传输模型。Papageorgiou[4-7]在匝道控制方面作为先驱，有许多经典的交通流模型创造性研究。在交通流模型方法，通过改进Payne模型，提出了现在广泛应用的宏观交通流稳态METANET模型。1994年美国专家Daganzo[8-10]创立了原始的元胞传输模型（CTM）来研究宏观交通流。与数学解析模型不同的是，CTM作为仿真模型，规则更加简单并且易于在计算机上编程实现，具有排队形成、消散等真实的交通特性。Spiliopoulou，等[11]以某一匝道为研究对象，证明了METANET模型模拟效果更好。

2.2.2 控制算法的影响。不同的算法对匝道控制效果也有较大的影响。根据控制范围的大小，可以将匝道控制分为单点控制与协调控制。单点控制的算法有需求-容量控制法、OCC控制法、ALINEA算法等。Greguri，等[12]对比了三种匝道控制算法发现，ALINEA算法平均延误最大，原因是该算法比较适合单点控制而不适合各匝道间的协同控制；SWARM算法平均行程时间最短，但延误较二者来说更多；HELPER算法延误及总行程时间都为最小。当然不同地区的不同匝道使用不同的算法都会有差异，不能直接照搬使用。

2.3 突发条件的影响

突发条件主要包括不良天气情况和紧急事件不良的天气情况有阴雨天气、大雾天气、雪天等等。不良的天气会对快速路系统造成一些潜在性的事故，原因其一，降低了道路的能见度及摩擦阻力;其二，车辆行驶速度减小，导致行程时间增加，更容易造成延误的发生。紧急事件是指可能导致快速路系统路段通行能力下降的事件，比如事故、路面维护等。这二类情况都会对快速路系统控制效果造成影响。

3 入口匝道控制方法比较

3.1 定时控制

匝道控制理论起源于1965年，最先应用于匝道控制的方法为Wattlewortht[13]提出的定时控制方法，将路段分段，通过调节进入主线交通量，以防止交通流量超过主线每一段的通行能力。由于交通数据的非实时性，该方法反而会在平峰时间导致拥堵延误或交通设施使用不充分的情况。因此，定时控制方法一般只应用于高峰时期。

入口匝道是主路与辅路的交汇，一般采用单点信号控制，用红绿两种颜色对车流进行引导。在确定整个信号控制周期后，根据道路车流组成、单位时间内通过道路的主路以及辅路车流量，来确定信号周期的绿灯时间，而红灯时长则为周期剩余时间[15]。

3.2 感应控制

由于定时控制具有很大的局限性，无法根据道路的实时状况做出反馈，众多国内外学者开始研究感应控制。交通感应控制通过对快速路的交通参数（流量、占有率、速度、进出口匝道排队长度等）进行实时监测,利用监测到的实时交通信息进行动态闭环最优控制。

Kontorinaki，等[16]发展并提出统一的自适应感应控制方案，该方案的独特之处在于，它适合与区域管理或干线协调时使用，可以估计一些未知的系统变量。

3.2.1 需求-容量控制。Mashert，等[17]提出的需求-容量模型是以匝道下游的通行能力为参照目的，通过调整匝道进入主路的交通量，使上游车辆与匝道进入主路的和小于参照目标即可，该控制方法在国外应用较广。该控制方案的算法为：

式中：r(k)—进入主路的车辆数;

qin(k)—上游车辆数;

qcap—匝道下游的通行能力;

Oout—下游测量得到的占有率;

Oer—下游临界占有率（此时对应的交通流量最大）。

3.2.2 反馈控制。ALINEA算法[18]是最有代表性的占有率控制方法，它是一种基于经典闭环反馈控制的匝道控制策略，其算法如下：

式中:r(k)—k时刻入口匝道调节率；

Oout—匝道下游期望占有率，一般来说它等于临界占有率或略小于临界占有率；

KR—调节参数。

在需求-容量模型中，当占有率达到临界值时，控制率会进行跳跃，直接变为最小值，对交通流的连续与稳定较为不利。而ALINEA算法虽然没有加强各匝道之间的联系，但控制率的改变方式较为缓和，也是有效的交通疏导手段。ALINEA但其实现需要是目前应用最广泛的局部匝道控制策略。与其他策略相比，该算法简单，实现成本低，保证了目标性能目标，但其实现需要入口匝道有足够的存储空间。在协调计量策略中，基于区域的计量实现简单，易于重新配置。

ALINEA算法由于其匝道间缺乏联系性，所以有可能造成相邻路段的延误，但是对快速路系统而言也能较为有效的缓解交通压力[18]。因此，诸多ALINEA改进模型被提出来提高效率。如AD-ALINEA算法考虑了天气情况等对占有率的影响；FL-ALINEA算法使用来自下游检测器的主线流而不是占用，而当下游检测器不可用时，UP-ALINEA算法使用来自上游检测器的占用值。X-ALINEA算法解决了当高速公路饱和时，匝道上的排队长度过长导致限速行驶的问题。为了使系统达到最优的效果，介于单点和区域之间的控制算法被提出，且具有较高的使用价值，相较多区域协同控制的复杂性也较小[19]。METALINEA算法[20]的参数设置较为复杂，其占有率的准确性直接决定了该控制方法的效果。SWARM算法[21]（System Wide Adaptive Ramp Metering）主要应用于美国，包含两层相互独立的匝道控制算法，对校准交通状态的准确预测更加敏感。HELPER算法[22]即合作型协调控制，分为局部控制层与协调控制层两个结构。该算法增加了中央超控功能，以实现整个快速路上的全系统交通响应。所有的匝道被分为6组，根据当地交通情况，匝道仪表可选择6种控制率。如果匝道上的队列连续三个时间间隔超过指定的阈值，则将计量速率降低一个级别，这个过程一直持续到问题被解决为止。如果队列持续存在，那么所有上游匝道都将被覆盖，并将以更严格的控制级别运行，将该匝道处交通量连续分配给上游匝道，上游匝道通过降低控制率级别以减小该匝道的交通压力。

3.2.3 模糊控制。20世纪80年代，Chen[23]提出了单个匝道口的模糊控制问题。Taylor，等[24]将模糊控制应用于Cettle高速公路的匝道控制，现场实验表明模糊控制比定时控制和需求-容量控制的控制效果都好。模糊控制的优点就是因为模糊性，不需要准确的数据输入，数学模型也不用十分精确。缺点也正是因为其模糊性，其规则一般来自专家的经验，需要提前设置大量的参数，并且控制系统的稳定性仍有待解决。尤其针对多匝道的控制，其规则会更为复杂，更难实现。

3.2.4 神经网络控制。Zhang，等[25]研究了神经网络在入口匝道控制中的应用，结果表明，神经网络控制能取得良好的效果。神经网络控制是一种模拟人脑的控制方法，人的大脑具有很强的学习能力，这也正是该控制方法的优点，对非线性的系统可以直接应用。其缺点也正是因为神经网络的庞大性，没有一个精确的数量定值，需要花费较长时间学习，无法满足实时性较高的匝道控制系统。

匝道控制的几种典型方法比较见表1。

表1 匝道控制典型方法比较

4 结语

入口匝道控制方法从定时控制发展为感应控制，可以有效地根据不同的时间、事件做出相应的处理，提高控制效率。为加强控制学习的鲁棒性，提升实时反馈控制水平，模糊控制、人工神经网络等智能控制算法也应用于快速路匝道中，有效提升了控制的预见性、可靠性、自适应能力，主要体现在以下两个方面：主干线通行能力和匝道的排队情况。目前已有很多入口匝道控制方面的研究成果，将入口匝道控制与城市地面道路控制相结合，将极大地改善整个路网系统。同时实时交通信息的手段不断提高，一些重要的交通数据，如O-D矩阵等，可以用来估计流量数据，这些数据为实现综合控制提供了必要的条件，在这些方面可进行更加深入的研究。