基于Vissim和BP神经网络的右转专用相位设置研究

王 雷,茆佳能

(华设设计集团股份有限公司，南京 210005)

现阶段我国城市信号控制交叉口对右转车辆采用保护型相位控制较少，多数采用许可型相位控制。实际上较多驾驶人员并未按照《中华人民共和国道路交通安全法实施条例》规定的方式右转礼让行人和非机动车，在交叉口和行人、非机动车抢行的现象屡见不鲜，尤其是交叉口右转机动车流量以及行人、非机动车流量较大时，不礼让行为带来了严重的交通安全隐患甚至导致交通事故，同时降低了交叉口通行效率，引起秩序混乱。

解决信号控制交叉口右转机动车和行人或非机动车流量较大引起的安全和效率问题，需要将许可型相位改变为保护型相位。《道路交通信号灯设置与安装规范》(GB 14886—2016)[1]对于右转保护型相位设置采用了定性规定：仅用于城市中心区或商业区行人/非机动车较多且独立设置右转专用车道的路口。国内各地政府交通管理者针对右转机动车采用许可型相位还是保护型相位基本上凭借经验，尚无统一标准。国内学者关于右转专用相位的设置已有一定研究[2-8]，但以针对右转车辆和行人或相交道路直行机动车冲突为主，综合考虑右转机动车和行人、非机动车及机动车之间冲突的研究较少。我国城市交叉口交通流组成复杂，现有研究往往考虑单一种类交通流，未较好贴合道路交叉口实际。右转专用相位设置研究须综合考虑各种类型交通流影响下的右转机动车延误模型，为右转专用相位设置提供定量分析手段，这对于解决交叉口右转机动车引起的安全和效率问题具有重要意义。

1 右转机动车冲突分析

右转机动车冲突分析1如图1所示。右转机动车采用许可型相位时不受交通信号控制，与通过交叉口机动车、非机动车及行人均存在冲突，主要包含3种类型(设定右转机动车出口道数量为1，左转非机动车采用一次过街)：①机-机冲突，即右转机动车和对向左转机动车、相交道路直行机动车之间合流冲突(见图1中圆形冲突点)；②机-非冲突，即右转机动车和对向左转非机动车、相交道路直行非机动车、同进口道直行及左转非机动车之间冲突(见图1中方形冲突点)；③机-行冲突，即右转机动车与同进口道及相邻进口道人行横道行人之间冲突(见图1中三角形冲突点)。

右转机动车冲突分析2如图2所示。若右转机动车出口道数量≥2，左转非机动车采用二次过街形式，则上述交通冲突数量将减少。此时对向左转机动车、相交道路直行机动车对右转机动车影响较小，可不考虑交通冲突；对向左转非机动车和同进口道左转非机动车则不存在交通冲突。主要包含2种类型交通冲突：①机-非冲突，即右转机动车和相交道路直行非机动车、同进口道直行非机动车之间冲突(见图2中圆形冲突点)；②机-行冲突，即右转机动车与同进口道及相邻进口道人行横道行人之间的冲突(见图2中三角形冲突点)。

2 冲突仿真及数据获取

2.1 Vissim仿真

Vissim是一套微观交通仿真模拟软件，被广泛应用于微观交通仿真领域。它可以模拟交通信号控制交叉口机动车、非机动车和行人交通运行情况，可以输出延误、行程时间等一系列指标参数，数据输出精度高，本文数据采用Vissim仿真的方式获取。

2.2 数据获取

右转机动车采用许可型相位，通过交叉口存在不同类型冲突，为便于研究所有冲突对右转机动车影响，选取常用的对称式四相位(南北直行、南北左转、东西直行和东西左转)信号控制交叉口为研究对象。由于信号相位设置遵循“时空同步”原则，即信号相位与进口道渠化保持一致，所以只考虑进口道设置右转专用车道的情况。以许可型相位和保护型相位信号控制下右转机动车平均延误为右转专用相位设置依据。

d许=f(qVR,qVL,qVT,qSBL,qSBT,qOBL,qCBT,qSP,qCP)

(1)

式中，d许为许可型相位下右转机动车平均延误，s；qVR为右转机动车流量，pcu/h；qVL为对向左转机动车流量，pcu/h；qVT为相交道路直行机动车流量，pcu/h；qSBL为同进口道左转非机动车流量，b/h；qSBT为同进口道直行非机动车流量，b/h；qOBL为对向左转非机动车流量，b/h；qCBT为相交道路直行非机动车流量，b/h；qSP为同进口道人行横道行人流量，p/h；qCP为相邻进口道人行横道行人流量，p/h。

冲突分析表明只有对向左转机动车和相交道路直行机动车对许可型相位下右转机动车平均延误有影响，故为便于仿真，假设4个方向直行和左转机动车流量相同。信控交叉口左转保护型相位的设置遵循两个一般性原则[9]：①左转车大于200 veh/h 时通常考虑设置；②左转车为100～200 veh/h 时，若左转车流量与对向单车道平均直行车流量的乘积大于50 000，需要设置。除此两种情况则不需要设置左转保护型相位。相关研究表明[10]：右转交通量超过300 veh/h并且相邻直行车道的交通量超过300 veh/h/ln时设置右转专用车道。根据以上原则，同时探究不同流向非机动车流和行人流对右转机动车延误影响，右转机动车平均延误影响因素取值如表1所示，相交道路右转机动车流量按照100 pcu/h考虑。

根据影响因素取值相互组合，对交叉口进行信号分配时，信号周期确定采用目前应用广泛的最短信号周期法[9]，对于饱和度较高的信号周期采用120 s，采用Vissim对出口道为1车道和多车道情况进行仿真，总共获取许可型相位下右转机动车平均延误数据7 776组。

3 右转机动车平均延误模型

3.1 BP神经网络

BP神经网络是广泛使用的人工神经网络之一，不需要构建数据模型，通过网络学习输出期望结果，被用来处理模糊的、非线性的、含有噪声的数据。相关研究表明：一个有足够神经元的单隐藏层神经网络，通过选择合适的连接权值和传递函数，可以逼近任意一个输入和输出间的光滑的、可测量的函数[11]。因此，研究中的BP人工神经网络构建采用单隐藏层。单隐藏层BP人工神经网络拓扑结构如图3所示，输入层、隐藏层和输出层均由大量互不相连的神经元组成，不同层采用权值进行连接。

合理确定网络的层数和各层神经元数是成功应用BP人工神经网络模型的关键。建立的BP人工神经网络模型输入层神经元数由式(1)变量个数确定为9，输出为右转车辆许可型相位下平均延误，故输出层神经元个数为1。具体隐层神经元数在理论上并没有明确规定，具体设计时可采取的经验公式[12]为

(2)

式中，n1为隐层神经元数，m为输出神经元数，n为输入神经元数，a为1～10的常数。

采用式(2)进行计算，取m=1、n=9，计算得到BP神经网络模型的隐层神经元数在5～14之间，因此本文的BP神经网络隐层神经元数在该范围内进行选择调整。

3.2 数据处理

右转机动车出口道数量≥2，左转非机动车采用二次过街时，此时通过第1节冲突分析表明：对向左转机动车、相交道路直行机动车、对向左转非机动车以及同进口道左转非机动车交通冲突可不考虑，因此在采用BP神经网络对Vissim仿真获取的许可型相位下右转机动车平均延误数据训练前将qVL、qVT、qOBL、qSBL数值设置为零。

3.3 许可型相位下右转机动车平均延误模型

采用Matlab软件中提供的神经网络模块实现式(1)中基于BP神经网络的许可型相位下右转机动车平均延误模型，随机选取85%样本数据训练神经网络，15%样本数据测试训练神经网络性能。按照式(2)算出的隐层神经元数经验取值范围从小至大进行取值，随着隐层神经元数的增加，训练结果均方误差减小，网络性能得到改善，最终确定隐层神经元数为14。许可型相位下右转机动车平均延误模型训练数据和测试数据回归示意如图4所示，结果表明：训练数据回归系数为0.978 53，测试数据回归系数为0.968 22，训练数据和测试数据回归系数均接近1，训练的BP神经网络模型可较好地仿真许可型相位下右转机动车平均延误。

3.4 保护型相位下右转机动车平均延误模型

对右转机动车采用保护型相位时，右转机动车延误可考虑主要由信号控制产生。采用式(3)～式(5)延误实用模型进行计算[9]。

d保=d1+d2

(3)

(4)

(5)

式中，d保为保护型相位下右转机动车平均延误，s；d1为均衡延误，s/pcu；d2为随机附加延误，s/pcu；C为信号周期时长，s；λ为绿信比；x为右转专用车道饱和度；Q为右转专用车道的通行能力，pcu/h；T为分析时段的持续时长，h，一般取0.25h；e为交叉口信号控制类型校正系数(定时信号取0.5，感应信号控制下e≤0.5，且随饱和度的增大而增大)。

4 右转专用相位设置流程

右转专用相位的设置采用许可型或者保护型，主要由2种控制方式下右转机动车平均延误大小决定。基于许可型和保护型相位右转机动车平均延误模型计算平均延误，通过比较平均延误判断设置何种类型右转专用相位。右转专用相位设置流程如图5所示。

第一步：根据交叉口交通组织形式进行右转机动车冲突分析，基于冲突分析结果调查与右转机动车存在冲突的各种交通流量数据及现有信号控制数据。

第二步：将流量数据代入式(1)，采用训练的BP神经网络模型获取许可型相位下右转机动车平均延误d许。

第三步：结合交叉口信号控制数据及右转机动车拟采用保护型相位控制数据，通过式(3)、式(4)和式(5)计算保护型相位下右转机动车平均延误d保。

第四步：比较d许和d保大小，若d许≤d保，采用许可型相位，反之则采用保护型相位。

5 结语

通过对许可型相位下右转机动车冲突分析，剖析右转机动车平均延误影响因素，采用Vissim仿真获取右转机动车平均延误数据，并基于BP神经网络建立许可型相位下右转机动车平均延误模型。结合保护型相位下右转机动车平均延误模型，以右转机动车平均延误最小为目标，将2种类型右转机动车控制方式产生的车辆平均延误大小作为是否设置右转专用相位的依据。

研究过程中的数据采用Vissim仿真方式获取，和实际情况中的平均延误不一定完全相符，对模型训练精度有一定影响。保护型相位下右转机动车平均延误未考虑右转专用车道内初始排队车辆的影响，因此对这些因素的改进可作为下一步研究方向。