混杂动态系统理论在城市交通信号控制中的应用
上QQ阅读APP看书,第一时间看更新

1.2 城市交通信号控制概述

在交通控制系统中,交通信号的控制对象是交通流,交通流是有一定规律的。要认识这种规律,需要借助于数学工具对交通流运行进行科学分析。

一个简单交通控制系统的简化框图如图1-1所示,主要包括五个部分。

图1-1 交通控制系统的简化框图

交通流系统:主要包括车辆、行人、道路和环境。因此,交通控制研究对象是多个因素交织在一起构成的复杂系统。

交通检测设备:主要指为信号控制提供有关交通信息的设备,如可检测车流量、车辆行驶速度等参数的车辆检测器。这些设备将交通信息反映为与之相关的电子信息量。

数据处理:是将交通检测设备传送过来的交通信息按照一定规律进行处理,剔除噪声等无用、无效信息,对有效信息进行数据处理和管理,提供尽可能详细的交通流系统的状态信息。承担该部分工作的可以是硬件设备,也可以是支持其工作的软件系统,如相应的滤波算法等。

控制器:根据数据处理后的交通信息,按照一定控制算法做出相应的控制决策,这种决策可以是信号灯的配时,也可以是某些交通信息的传递。控制器的核心通常是功能比较强大的微处理器,这类控制器具有很强的输入、输出、定时和通信功能。

交通控制设备:主要包括交通信号(高速公路入口处的控制信号灯及城市交叉口的红绿灯)、可变限速标志等。它可以为车辆驾驶人员或行人提供交通控制信息,达到对交通流进行引导和控制的目的。

交通信号是用于在时间上给交通流分配通行权的一种交通指挥措施。由于城市街道平面交叉的特点,交通控制要解决交叉口各个方向的交通流(包括机动车流、自行车流以及行人)的优化控制。

1.2.1 交通信号控制基本理论

交通信号控制模型是用数学函数表达式来描述交通性能指标(如延误时间、停车次数、通行能力等)随交通控制信号变量(周期时长、绿信比、相位差等)变化的表示式。交通信号控制模型是交通工程学科最早研究的内容之一,也是交通工程学科生存和发展的基础。交通信号控制理论的研究还刚刚起步,尚未形成完整的体系,有许多理论在探讨各种交通现象。

1.2.1.1 交通信号灯

交通信号灯及其控制技术随着社会的发展而发展。早期的交通信号灯只有红、绿两种灯色,绿色表示允许通行,红色表示禁止通行。后来,由于车辆不断增多,发生驾驶员信号灯前抢行现象,于是,出现了红、黄、绿三种灯色的交通信号控制。黄色对驾驶员信号灯前抢行起到预警作用。随着交通运输的发展,在交叉路口,各个方向的车—车冲突、人—车冲突问题越来越突出,这就要求对车流、人流在时间上进行更加严格的分离,由此产生了信号配时技术,出现了各种时间分离方法。同时,电子技术的发展:机械控制器—电机控制器—电子控制器—计算机控制系统,为交通信号控制机及车辆检测器提供了条件。相应地,产生了多种时间分离方法的多样化的现代信号灯,如指示方向的箭头灯、闪烁灯以及倒计时指示灯等。

随着信号灯种类的发展,各国使用这些信号灯的方法差别也越来越大,赋予信号灯的含义也有一些差异。后来,经过多个国家协商,基本上认同了1974年的《欧洲道路交通标志和信号协定》对各种信号灯含义的规定:

(1)非闪灯。

绿灯:表示面对绿灯的车辆可通行。

红灯:表示面对红灯的车辆禁止通行。

黄灯:表示即将亮红灯,车辆需停止通行。

(2)闪烁灯。

红灯闪:表示警告车辆不许通行。

黄灯闪:表示车辆可通行,但要特别小心,安全通行。

(3)箭头灯。

绿色箭头灯:表示车辆只允许沿箭头所指的方向通行。

红色或黄色箭头灯:表示只对箭头所指方向起红灯或黄灯的作用。

(4)专用于自行车的信号灯。

专用于自行车的信号灯是在信号灯的基础上加有自行车的图案。

(5)专用于行人的信号灯。

专用于行人的信号灯是在信号灯的基础上加有人的图案。

交通控制信号的主要目标是使各类、各向交通流有秩序、高效率地通行。一个交叉口若其车流量较小时,通过设置停车或让路标志就可以解决交通分离的问题;一旦当交叉口的交通量接近其通行能力时,若不设置交通控制信号,车流就会不畅,而且大大增加了车辆的停车次数与延误时间。因此,正确设计、合理设置和运行交通控制信号,不仅可以达到提高交叉口的通行能力、疏散交通、保证交通畅通的目的,而且兼有改善交通安全的效果。

1.2.1.2 交通信号控制的基本参数

交通信号控制的基本参数包括周期、相位持续时间(或相位绿信比,或交通流绿信比)、相位差等。

(1)周期。

信号灯变化一个循环所用时间即为一个信号周期,简称周期,单位为秒(s)。如图1-2所示,tR表示一次信号循环中红灯时间,tY表示一次信号循环中黄灯时间,tG表示一次信号循环中绿灯时间,T表示信号周期,则有:

T=tR+tY+tG(s)  (1-1)

图1-2 信号周期概念

适当的周期长度对路口交通流的疏散和减少车辆等待时间具有重要意义。从疏散交通的角度讲,当交通需求越大时,周期应越长,否则一个周期内到达的车辆不能在该周期的绿灯时间内通过交叉口,就会发生堵塞现象。从减少车辆等待时间的角度来讲,太长或太短的周期都是不利的,若周期太短,则发生堵车现象;若周期太长,某一方向的绿灯时间可能大于实际需要长度,则另外方向的红灯时间不合理延长必然导致该方向车流等待时间的延长。恰当的周期时长应是每一个相位的绿灯时间刚好使该相位各入口处等待车队放行完毕的时间。

(2)相位。

在交通控制中,为了避免平面交叉口各个方向交通流之间的冲突,通常采用分时通行的方法,即在一个周期的某一个时间段内,交叉口上某一支或几支交通流具有通行权(该方向的信号灯为绿色或绿箭头),与之冲突的其他交通流不能通行(该方向的信号灯为红色)。在一个周期内,平面交叉口上某一支或几支获得的通行权称为信号相位;一个周期有几个信号相位,则称该信号系统为几相位系统。可以用有向线段表示相位,有向线段的箭头方向与车辆的通行方向一致。

若一个信号灯控制的交叉口为四相位系统,所有右转向交通流均不予控制,其交通运行如图1-3所示。

图1-3 四相位车流分布

相位1表示给予东西方向直行车辆以通行权,其他方向车辆禁止通行;

相位2表示给予东西方向左转车辆以通行权,其他方向车辆禁止通行;

相位3表示给予南北方向直行车辆以通行权,其他方向车辆禁止通行;

相位4表示给予南北方向左转车辆以通行权,其他方向车辆禁止通行。

(3)相序。

相序,是一个周期内绿灯相位的转换顺序。交通控制的相序主要有两种:一种是定相序,另一种是变相序。对于一个多交叉口的仿真内容既包含定相序又包含变相序。定相序的控制是最原始的也是最基本的相序控制,它的绿灯相位切换顺序是固定不变的。定相序控制的相位切换如图1-4所示。

变相序的信号控制其相位切换顺序不固定,随控制系统的每次决策的选择不同而不同。也就是说下一个绿灯相位切换到哪个方向是随机的,切换组合有多种。由于切换顺序不固定,按某种交通指标进行绿灯相位的转换,能够对当前的交通状况做出灵活的反映,因此其更加适应复杂多变的交通系统。变相序控制的相位切换如图1-5所示。

图1-4 定向序切换

图1-5 变相序切换

(4)绿信比。

在信号控制中,有效绿灯时间是一个非常重要的概念。有效绿灯时间是指某一相位信号的绿灯时间与黄灯时间之和减去损失时间,用公式表示为:

tEG=tG+tY-tL  (1-2)

式中 tEG——有效绿灯时间,s;

EGtG——某一相位信号的绿灯时间,s;

tY——某一相位信号的黄灯时间,s;

tL——某一相位信号的损失时间,s。

绿信比是指在一个信号周期内有效绿灯时间分配给各个信号相位的情况,可表示为:

式中 λ——该相位信号绿信比;

T——信号周期,s。

对于两相位的信号而言,绿信比可以相同,也可以不相同。如果两个方向的车流量相差比较大(如干线和支线相交路口),为保证主干道车辆尽可能畅通,主干道的绿信比比次干道绿信比大。

(5)相位差。

相位差是协调控制的信号配时中的重要概念,分为相对相位差和绝对相位差。在一个交通干线协调控制系统中,干线上所有路口的信号周期相同,各路口规定某一相位参加协调,称为协调相位。把干线上某一路口作为基准路口,其他各路口的协调相位起始时刻滞后于基准路口的协调相位起始时刻的最小时间差,称为绝对相位差;沿车辆行驶方向任意相邻路口的协调相位起始时刻的最小时间差,称为相对相位差。

(6)损失时间。

损失时间是指在周期时间内由于交通安全及车流运行特性等原因,在某段时间内没有交通流运行或者未被充分利用的时间。在实际情况中,要准确计算损失时间是十分困难的,因此常采用信号配时中的绿灯时间来近似代替有效绿灯时间。在信号控制中,还涉及“全红时间”这一概念。全红时间是指在信号切换时为保证车辆不发生冲撞,清除交叉口内的剩余车辆所用的时间。一般来讲,在某一方向的信号灯由绿灯转为黄灯后,在黄灯时间结束时,仍然会有个别车辆在交叉口上行驶。如果此时立即将另一相位转为绿灯信号,就有可能使两个方向的车流发生冲突。为解决这个问题,设立了全红时间,这一时间在3~5s内比较合适。

1.2.1.3 交通信号控制的性能评价

对平面交叉口实行信号控制的基本目标是:用灯色信号合理分配入口车道通行权,使路口有良好的秩序,减少或完全消除可能引起交通事故的冲突点,并使得路口的运行指标最好。平面交叉口的控制问题可用数学语言描述如下:

求取G,使得

minf(G)

s.t.          gi≥ai

式中 gi——第i个相位的绿灯时间,s;

yi——第i个相位的黄灯时间,s;

m——相位数;

ai——第i个相位的最小绿灯时间,s;

b——交叉口的最大周期,s;

T——信号周期,s;

G——绿灯时间向量;

f(G)——目标函数。

对信号控制的效果有多个评价指标。

(1)车辆延误时间。

车辆延误时间是道路车辆在交叉口入口引道处被阻碍下行走所需时间和无阻碍行走所需时间之差。延误时间有平均延误时间和总延误时间两个评价尺度。对一平面交叉口,假定其车辆到达服从均匀分布,如果我们着眼于一条停车线,在非饱和情况下交叉口的总延误时间表达式为:

每台驶入车辆的平均延误时间是:

式中 s——饱和流量下的驶离率,Veh/s;

q——车辆平均到达率,Veh/s;

λ——饱和度,λ=q/s;

R——红灯时间(包括损失时间),s;

g——绿信比,g=G/T=(T-R)/T。

另外,假若车辆到达率服从泊松分布,则每台驶入车辆的平均延误时间为:

式中,X=q/sg=λ/g。

(2)平均排队长度。

平均排队长度是指在一个信号周期内各条车道车辆排队长度的平均值的最大值。各条车道最长排队长度一般是指该车道的绿灯相位起始时的排队长度。

式中 n——车道数。

平均排队长度以周期为单位计算。某个周期平均车辆排队长度与此周期平均车辆延误的指标基本是一致的。

(3)通行能力。

通行能力是指在一定时间内通过某交叉口所有进口道停车线车辆数之和。交叉口的通行能力不仅与控制策略有关,还与实际道路条件(引道宽度、车道数、转弯半径、转弯长度、引道坡度等)和交通条件(车流量、车辆种类、拐弯车比例、车速、非机动车和行人干扰、车道功能划分等)密切相关。通行能力是交叉口饱和程度的重要评价指标。

除了上述几个评价指标外,还有诸如旅行时间、拥挤时间、耗油量、废气排放等其他指标。因为这些指标对评价平面交叉口来说不常用,在此不详述。需要指出的是,在一个控制系统中,这些评价指标并不能同时达到最好。所以,对于多目标的信号控制系统,就必须引进综合指标这一概念。综合指标采用上述某几项指标的加权和表示。最常用的综合指标表示如下:

f(G)=k1D+k2S+k3Q  (1-9)

式中 ki——加权系数,

D——延误时间,s;

S——停车次数,次;

Q——通行能力,辆。

延误时间、停车次数、通行能力三个指标的权值并非固定的,而是根据交通流的变化加以调整,以便优先考虑某一指标,适应当时的交通状况。例如当交通处于欠饱和状态时,加大k1值,应尽量使得延误指标最好;当交通处于过饱和时,加大k3值,使得通行能力指标最好,以尽快消除堵塞。交叉口的各种交通状况可以用检测器检出的实时交通数据,通过基于事件检测算法的判断进行确定。

1.2.2 交通信号控制策略与算法的研究现状

目前,针对交叉口,国内外学者已经提出了许多交通信号控制算法。

定时控制策略最早由Webster和Miller提出,他们分别针对固定周期的信号控制建立了以车辆平均延误最小为目标的信号配时模型及其计算方法。随后许多学者进行了进一步的改进,最著名的研究工作出自Gazis和Pots,他们最先对单向交通、无转向车流的交叉路口的信号控制问题进行了研究,建立了交通流的连续时间模型,并导出了最优化条件。随后,Gazis对由两个这样的交叉口构成的简单交通网络进行了优化研究。后来许多学者的研究工作都是基于Gazis理论,并且将其扩展到由更多交叉路口组成的交通网络。最近我国学者也结合国内情况对此进行了研究。这些理论方法仍然是今天定时信号控制的基础,信号配时公式沿用至今。定时控制以历史数据为依据,用人工方法和计算机仿真方法预先准备好所使用的配时方案(相位、相序、周期、绿灯时间等),采用程序存储方式将这些配时方案存储在信号控制器或中心计算机中。从控制的角度来看,这是一种开环控制。它适合交叉口的交通流比较稳定、有规律的情况,对交通流经常变化且受随机因素影响较大情况,效果非常差。

多时段控制策略是一种分段定时控制,根据城市居民的出行呈现明显的规律性(如交通流量的高峰往往发生在一天的早晨7:00~8:00、中午11:00~12:00和傍晚5:30~6:30),为每一个时段选择一个最优定时配时方案,实施多时段控制。

感应控制策略是:某相位在绿灯期间,只要检测到车辆到达就给出一个单位绿灯延时,否则转到下一个相位。感应控制又分为半感应控制和全感应控制。从控制的角度来看这是一种简单闭环控制。感应控制在车辆到达随机性大、车道流量的饱和度较小的交通状况适应性较好,但当前通行相位时间的延长与否只取决于该相位车辆情况,没有考虑其他相位的车辆排队情况,因而不能取得路口时空资源的最优利用。

自适应控制是把信号灯控制系统看作一个不确定系统,全面连续测量其各种状态,如:流量、停车次数、延误时间、排队长度等,通过反馈控制策略,使控制效果达到最优或次优。因此,按照控制科学的观点,自适应控制是真正的闭环控制,即交通领域的“自适应”概念就是控制科学的“闭环反馈”概念。于是,控制科学的各种控制策略与方法开始大量应用于交通信号自适应控制。到目前为止,已尝试应用的控制算法有:

(1)经典和现代控制理论方法:最优控制、随机控制、自适应控制、鲁棒控制等。

(2)大系统理论方法。

(3)智能控制与智能优化方法:专家系统、模糊逻辑、人工神经网络、遗传算法、蚁群算法、机器学习等。