数据驱动的交通信号控制感知——评估——诊断——优化闭环技术（四）：问题诊断

文图｜吴浩 伉沛喆 朱宏 唐克双

信号控制问题诊断是衔接信号控制运行评估和方案优化的关键步骤，也是“感知——评估——诊断——优化”闭环技术的核心。本文针对传统信号控制业务中诊断环节缺失的问题，介绍了一种交通信号控制问题诊断技术，从供给不合理、需求不合理、非常规问题三方面出发，面向点、线、面场景梳理了40 余类常见的信号控制问题，并进一步构建了问题诊断方法，举例说明了部分交通问题的诊断方法。该技术可快速诊断系统中存在的交通问题，确定潜在的优化目标和优化策略，从而有助于生成更具针对性的系统优化方案。

一、背景与目标

目前，城市交通控制业务主要采用“评估——优化”模式，即交通管理者根据交通检测信息计算通行状态和控制效益指标，然后主观判别是否需要方案优化，评估指标计算和优化方案生成之间往往缺少问题诊断环节，导致优化方案难以针对实际存在的问题“对症下药”。当前，基于运行评估确定优化方案这一步骤主要依赖交通管理者的管控经验和专业知识，尽管在一定程度上体现了“问题诊断”的内涵，但此业务流程高度依赖交警人力资源投入和专业知识储备，对于资源有限的中小型城市来说，问题诊断难以有效开展。此外，此类方法可迁移性差，基于特定场景的问题诊断结果难以应用到其他场景，造成了资源的浪费。

为实现交通问题的自主化诊断，国内外学者已开展相关研究，主要基于交通检测数据或状态感知指标计算结果，以研究特定信号配时参数的合理性。举例来说，普渡大学开发了普渡协调图（Perdue Coordination Diagram， PCD），可基于车辆轨迹数据对信号控制协调参数的合理性设置进行诊断；内华达大学研发了算法，可诊断信号控制相位相序参数的合理性；同济大学研发了算法，可诊断公共周期长度的合理性。尽管国内外学者在交通问题诊断领域进行了初步探索，但仍存在诊断问题种类有限、适用场景受限的局限性，且大部分研究仍停留在理论推导阶段，尚未在实地得到验证和应用。

随着问题诊断方法的不断深化，工程应用方面也备受关注。一些科研机构和交通管理机构已推出产业化的交通问题诊断产品，这些产品通常包含多种诊断功能，如交通参数分析、交叉口拥堵诊断和交通延滞成因分析等，同时提供了可视化的交通问题诊断系统。如内华达大学的PASS 系统可用于交通运行问题的诊断，而高德地图发布的“评诊治”系统能够生成城市交通运行状态的体检报告和优化建议，以满足不同交通拥堵场景的需求。总体而言，现有工程应用仍存在问题覆盖不全、自动化程度有限等局限性，针对交通问题诊断的这一痛点，尚未形成系统的解决方案。

二、交通信号控制问题诊断

为了应对交通信号控制领域中缺少诊断环节的挑战，提升信号控制业务的自主化水平，本文在借鉴相关行业标准和道路管控经验的基础上，提出了多层级的交通问题诊断架构，面向点、线、面场景梳理常见的信号控制问题，针对这些问题提出相应的诊断方法。

“感知——评估——诊断——优化”知识图谱示意图（以单点为例）

（一）问题诊断体系

与传统的扁平化问题诊断体系不同，本文根据不同的诊断业务，构建了一个多层级的“一级——二级——三级”诊断问题体系，如图所示。在这个体系中，一级诊断问题从宏观角度初步辨识所属的交通问题大类，包括供给不合理、需求不合理和非常规问题，有助于交通管理者对研究对象进行宏观掌控，为宏观政策的制定和调控提供了理论基础和数据支持。

通过对一级诊断问题进行因果分析，可进一步得出二级诊断问题的结论。例如，供给不合理是指因其信号控制、渠化设计或交通组织措施不合理所导致的交通问题，因此可进一步细分为周期、相位相序、行人过街时长不合理等二级诊断问题。需求不合理是指因交通需求异常所导致的交通问题，因此可细分为拥堵瓶颈等二级诊断问题。非常规问题则可细分为交通事件、公交优先等特殊问题。二级诊断问题可直接映射到潜在的方案优化措施，是问题诊断模块的核心内容。

然而，二级诊断问题通常与多种感知指标的运行评估结果相关。例如，周期设置不合理（周期长度过长）可能会导致排队长度增加，但停车次数减少。不同的指标往往存在权衡关系，使二级诊断问题难以直接确定，因为它们很难脱离当前的运行评估参数进行明确诊断。因此，为了更精细地诊断问题，本文将二级诊断问题进一步分解为三级诊断问题，着重从具体的评估指标出发进行诊断，以建立问题与指标之间的对应关系。

多层级诊断问题体系不仅有助于减少单个评估指标的计算误差对诊断结论的影响，还使不同交通问题的严重程度更易于观察，能够更准确地确定优化的对象。借助这一诊断问题体系，本文针对单点交叉口、干线以及路网场景，详细梳理了常见的信号控制问题，并建立了与潜在优化目标之间的对应关系，完整的诊断问题表格如下表所示。

具体来说，在单点交叉口场景中，侧重考虑了配时参数的合理设置以及交叉口内部渠化设计的合理性，为此，构建了相应的问题诊断体系，包含了11 项二级诊断问题，如信号周期不合理、相位相序不合理等，以及18 项三级诊断问题，如时段内交通量波动较大、多次排队比例较高等。

对于干线场景，关注多交叉口的协调联动效果，考虑不同协调对象的供需特征及其效率，以及渠化设计和交通组织等方面，为此，构建了相应的问题诊断体系，其中包括11项二级诊断问题，如公共周期时长不合理、相位差不合理等，以及17 项三级诊断问题，如协调方向带宽利用率低、干线平均延误较高等。

对于路网场景，考虑了道路网络中各交叉口的协调联动效果，包括不同协调对象（如关键路径和子区）的交通需求及其均衡性，以及交通组织等方面，为此，构建了相应的问题诊断体系，其中包括15 项二级诊断问题，如区域协调控制时段划分不合理、区域协调相位差不合理等，以及21 项三级诊断问题，如路网内拥堵交叉口较多、协调区域需求对象供给不匹配等。

信号控制问题诊断表

（二）问题诊断方法

基于上述多层级问题诊断框架，本文在运行评估结果的基础上进行问题诊断。首先，可基于运行评估结果对应得到三级诊断问题的结论。然后，考虑到三级诊断问题与二级诊断问题之间具有多对多的关系，因此，对于特定的二级诊断问题，可根据各项三级诊断问题的结果，综合得出该二级诊断问题的结论，从而确定与之相关的潜在优化目标。使用相似的方法，基于各项二级诊断问题的结论，可以对一级诊断问题进行诊断。问题诊断方法的主要步骤如下：

步骤一：根据运行评估模块中各评估指标的结果，即打分结果，对各个三级诊断问题进行诊断。诊断分值的范围在0 至100 分，这一结果可以根据运行评估的分值来计算。举例来说，假设在运行评估中，“绿灯利用率”指标评估分值为90 分（等级：优），那么相应的三级诊断问题“绿灯利用率较低”将获得同样的90 分。在此基础上，根据分值情况对诊断问题进行定性描述：诊断分值在80 至100 分表示“无此问题”，诊断分值在70 至80 分表示“问题轻微”，诊断分值在60 至70 分表示“问题显著”，而诊断分值低于60 分则表明“问题严重”。

步骤二：根据各项三级诊断问题的分值，进行综合分析，得出二级诊断问题的结论。这一步骤可通过层次分析法或主成分分析法来实现，具体方法原理在此不再详细讨论。二级诊断问题的结论同样采用0 至100 分的分值，并伴随相应的定性结论，格式与三级诊断问题相似。由于二级诊断问题与潜在的方案优化目标具有一对一对应关系，所以，可直接基于二级诊断问题的结论来确定潜在的优化目标，为后续方案优化模块提供支持。举例来说，如果二级诊断问题结论为“控制时段划分不合理”，那么相应的潜在优化目标应该是“优化控制时段划分方案”。

步骤三：由于二级诊断问题和一级诊断问题之间也存在多对多的关系，可采用层次分析法或主成分分析法等，综合分析多个二级诊断问题的分值，以对一级诊断问题进行综合诊断。

三、交通信号控制问题诊断算例

本文以路网场景下的二级诊断问题“区域协调黑点（绿信比不合理）”为例，详细阐述交通信号控制问题的诊断方法。类似的方法可应用于诊断其他运行问题。该二级诊断问题“区域协调黑点（绿信比不合理）”对应的一级诊断问题是“供给不合理”，其对应的三级诊断问题包括协调区域平均延误较高、协调区域平均停车次数较多（供给）、协调区域显著拥堵、协调流向最大排队长度较大、协调流向带宽利用率低。本文将这五类三级诊断问题标号为1 至5，并假设这五项三级诊断问题的分值分别为100 分、80 分、90 分、70 分、60 分，以层次分析法为例进行说明。

首先，根据问题的重要程度生成判断矩阵，并应用方根法计算矩阵的特征向量，以确定各个指标的权重。经计算，指标的权重分别为3.9363、1.5157、0.9564、0.6533、0.2682。随后，进行归一化处理，得到特征向量为0.5370、0.2068、0.1305、 0.0891、 0.0366，其中每个值代表对应指标的权重。最后，进行权重的一致性检验。通过判断矩阵和特征向量的乘积，计算判断矩阵的最大特征根为5.3959。一般一致性指标为0.099，随机一致性比率为0.0884。由于随机一致性比率小于0.1，表明判断矩阵具有满意的一致性。因此，这五个三级诊断问题的权重分别确定为0.5370、0.2068、0.1305、0.0891、0.0366。

基于这些权重，可对五个三级诊断结果进行加权判断，得出二级诊断问题的分值为90 分。因此，对应的诊断问题结论为：区域协调黑点（绿信比不合理），无此问题。