单交叉口信号配时优化方法效果对比研究

沈正航,许旭阳,王梓豪,陈 龙,连培昆,黄海南

(福建农林大学 交通与土木工程学院,福州 350002)

在城市道路网中,交叉口是最容易发生交通拥堵的地段,交叉口的通畅与否是决定城市道路网络通行效率的重要因素.缓解交通拥堵途径之一是降低交叉口的交通负荷,提升道路的通行能力.但由于交叉口受到城市道路红线限制,没有充足的空间进行扩建,因此从交通系统管理方面优化,提高交叉口通行效率是缓解现状交通拥堵问题行之有效的手段之一.

信号配时方案按照控制范围可分为:单点信号控制、干线协调信号控制和区域信号控制.单点交叉口的信号配时优化是城市交叉口信号配时优化的基础[1],是提高路网节点通行效率的关键,也对构建干线和区域协调控制具有重要意义.目前国内外学者对单交叉口信号配时优化方法的研究大致分为以下三类:

第一类为经典配时法,包括Webster配时法、ARRB配时法和HCM2000配时法.Webster配时法也称为F-B配时法或者TRRL配时法,该方法于20世纪50年代提出,是目前较为常见的一种单个交叉口配时计算方法,其显著的特征就是计算得到的每个相位其有效绿灯时间与各自相位的最大流量比会呈现正相关的一种现象[2].ARRB配时法,是由Akcelik提出的,是一种基于Webster法上引入“停车补偿系数”,并在信号配时中考虑排队长度、车辆停车等因素,是对Webster法的一种补充[3].HCM2000方法,是由美国道路研究协会基于2000年前的交叉口相关研究整合形成的一种以Webster为主的改进方法,该方法能够较为准确地估算不同饱和程度下的车辆平均延误[4].

第二类针对单目标、双目标、多目标的需求,构建约束条件建模优化.张鹏等引入了延误-通行能力关系,采用“遍历搜索算法”优化信号周期,但是实验结果仅优化了车均延误,并不能提高通行能力[5].Sun等在单个交叉口处于过饱和状态下提出了一个以队列为基础的准最优反馈控制方法,该方法讨论的是处于两相位控制的交叉口[6].Hitchcock等使用了一种新的多目标优化(MOO)可视化技术——镶嵌图,将权衡比较、降维、镶嵌图和排序方法应用到非饱和状态的单交叉口信号配时优化中,在其他状态下并未进行实践研究[7].

第三类引入各种智能算法建立信号配时优化模型,如遗传算法、模糊算法、蚂蚁算法、SARSA算法、PSO算法.Han等采用模糊算法理论,提出基于多目标的单交叉口信号配时优化算法,设计了可随交通动态变化的定时配时方法[8].慕飞飞等基于Webster法建立包含平均停车次数、平均延误的目标函数,并以周期长度、相位绿灯时间作为约束条件,构建了一个配时优化模型,并通过在Matlab上使用实数编码遗传算法进行优化配时计算[9].Li等通过将遗传算法与分解模糊系统(DFS)相结合形成了一种基于遗传算法的分模糊变量的单交叉口信号配时优化方法(G-DFS)[10].张伟斌等提出了基于轨迹数据的单交叉口信号配时模型,并使用交通波理论进行优化信号配时,再使用SCATS系统对单交叉口进行建模[11].牟海维等在改进的Webster模型上,建立从交通效益和环境环保为优化指标的多目标函数,并根据改进的粒子群优化算法(PSO)计算出单个交叉口最佳配时方案[12].Manh等建立了一种以达到车辆平均延迟和排队长度最小为目标的多目标遗传算法,并针对局部最优解的情况设置了全面的假设模型[13].

目前单交叉口的信号配时优化方法多种多样,但对方法的选择缺少统一的标准.为了定量化地衡量不同信号配时方案的适用性,该研究选取了一个典型的平面信号交叉口,将6种常用的配时方法运用到该交叉口的三种不同状态(即非饱和、饱和以及过饱和状态).并采用Vissim仿真软件模拟计算不同状态下各配时优化方法相应的评价指标,对比分析各状态下信号优化配时方法的优劣排序.

1 交叉口信号配时常用方法

基于文献检索,本文选取了交叉口信号配时常用的6种典型方法进行对比研究,包含了第一类的三种经典配时法、第二类的延误-通行能力法、以及第三类的模糊算法(FUZZY)和遗传算法(GA)配时法,各配时方法如表1所示.

表1 不同类型配时方法Table 1 Timing method introduction

同时,单交叉口信号配时评价指标根据交通情况分为非饱和、饱和、过饱和等三种状态,三种状态下交叉口运行特性不同,因此本文选取不同的评价指标,构建不同状态下信号配时评价指标体系,见表2.

表2 不同状态下信号配时评价指标体系Table 2 Signal timing evaluation index system under different states

2 典型交叉口各状态仿真

本次研究构建的仿真交叉口为典型平面十字信号交叉口,位于福州市中心区鼓楼区,五一路和古田路的交叉口.该交叉口承担着联系商业区、住宅区、旅游景点、交通枢纽等功能,高峰时段常出现交通拥挤,符合研究所需的三种状态,可优先仿真和评价三种状态下的配时效果.

1)非饱和状态现状

该交叉口非饱和状态的基础信息如表3所示.基于非饱和状态的基础信息通过VISSIM仿真输出的评价指标处理如表4所示.

表3 非饱和状态基础信息表Table 3 Basic information table of unsaturated state

表4 非饱和状态现状指标处理表Table 4 Unsaturated status indicator processing table

2)饱和状态现状

该交叉口饱和状态的基础信息如表5所示.基于饱和状态的基础信息通过VISSIM仿真输出的评价指标处理如表6所示.

表5 饱和状态基础信息表Table 5 Basic information table of saturation state

表6 饱和状态现状指标处理表Table 6 Saturation status indicator processing table

3)过饱和状态现状

该交叉口过饱和状态的基础信息如表7所示.

表7 过饱和状态基础信息表Table 7 Basic information about oversaturation status

基于过饱和状态的基础信息通过VISSIM仿真输出的评价指标处理如表8所示.

表8 过饱和状态现状指标处理表Table 8 Supersaturation status indicator processing table

3 各配时优化方法对比

在三种不同的交叉口状态下六种配时优化方法其优化后的配时方案优化效果对比.

1)非饱状态对比结果

在非饱和状态下由于交叉口的交通流不容易发生交通拥堵现象,因此非饱和状态下主要比较的指标为车均延误、平均停车时间、行程时间三个评价指标.各个配时方法的输出指标处理如表9所示.

表9 非饱和状态各配时方法评价指标仿真结果Table 9 Simulation results of evaluation index of each timing method in unsaturated state

通过比较表4和表9的评价指标增幅,显示各配时方法的配时优化效果如图1所示.

图1 非饱和状态优化效果比较Figure 1 Optimization effect comparison of unsaturated state

通过表9可知,在非饱和状态中,第一类方法优化效果较好,尤其是HCM2000法,其优化效益是三类别中最佳的,减少了36.23%的平均延误、49.0%的平均停车时间、13.53%的行程时间;其他两类方法也具有不错的优化效果,其中,第三类方法中的GA法,其优化效益仅次于HCM2000法,但第三类方法中的FUZZY法得到了唯一一个负优化效益的方法.因此,在非饱和状态下,HCM2000配时法具有最优的配时优化效果.

2)饱和状态对比结果

在饱和状态下由于交叉口的交通流已经处于容易触发交通拥堵的情况,因此饱和状态主要比较的指标为平均排队长度、最大排队长度、排队内的停车次数、平均停车时间、车均延误、行程时间、交通流量.各个配时方法的输出指标处理如表10所示.

表10 饱和状态各配时方法评价指标仿真结果Table 10 Simulation results of evaluation index of each timing method in saturation state

通过比较表6和表10的评价指标增幅,显示各配时方法的配时优化效果如图2所示.

图2 饱和状态优化效果比较Figure 2 Optimization effect comparison of saturation state

通过表10可知,饱和状态中,第三类方法优化效果较好,尤其是GA法,其优化效益为三个类别中最佳的,它减少了45.14%的平均延误、50.07%的平均停车时间、17.37%的行程时间、44.36%的平均排队长度、38.71%的最大排队长度、36.62%的排队内的停车次数,但FUZZY的优化效果仍为负效益,且数值较大;除了第一类中的Webster和ARRB外,第一类和第二类方法优化效果次之,且为正效益优化.由此可见,在饱和状态下,遗传算法(GA)配时法具有最优的优化效果.

3)过饱和状态对比结果

在过饱和状态下由于交叉口交通拥堵的现象会较为严重,因此过饱和状态主要比较的指标为交通流量、平均排队长度、最大排队长度、排队内的停车次数.各个配时方法的输出指标处理如表11所示.

表11 过饱和状态各配时方法评价指标仿真结果Table 11 Simulation results of each timing method evaluation index in supersaturated state

通过比较表8和表11的评价指标增幅,显示各配时方法的配时优化效果如图3所示.

图3 过饱和状态优化效果比较Figure 3 Optimization effect comparison of supersaturated state

由于过饱和状态下,第一类和第二类方法因为最大绿信比为Y=0.9859>0.9,所以受限制条件的约束无法参与该状态下的优化过程,只有第三类方法可以进行信号配时优化,从上表的对比分析可以知道,第三类方法的优化效果最佳,其中FUZZY法减少评价指标的幅度较小,且减少了更多的交通流量,或许是由于增加绿灯时间的范围过大,容易给后继相位增加较大的绿灯时间,导致在以上三种状态下的优化效果均不佳.而GA法在该状态下的优化是最佳的,虽然减少了3.89%的交通流量,但是减少了34.27%的平均排队长度、30.94%的最大排队长度、30.81%的排队内的停车次数.因此在过饱和状态下,遗传算法(GA)配时法具有最优的优化效果.

4 结 论

该研究运用六种配时方法在实际典型交叉口进行配时优化,根据效果对比探讨了信号交叉口在非饱和、饱和、过饱和状态下,不同优化配时方法的适用情况.利用VISSIM仿真获取不同状态下各配时方法的评价指标,得到如下结论:

1)非饱和状态下,HCM2000配时方法最佳;

2)饱和及过饱和状态下,GA配时方法效果最佳.

该研究结论适用于典型的平面十字信号交叉口.同时,由于交叉口信号配时还涉及其他影响因素,如交叉口渠化特点、上下游交叉口协同关系、公交站台设置情况、公交车对交叉口的影响等,在后续的仿真对比中将逐步考虑其他因素,提高信号配时方法仿真对比的合理性.另外本次研究的信号配时优化仅针对机动车交通,未考虑非机动车和行人的通行需求和通行效率,也是后续研究需要进一步深化和完善的部分.