信号配时

2024-09-13

信号配时（精选7篇）

信号配时篇1

交通拥堵问题必然引起整个交通系统的失调,给人们的出行带来延误,严重影响了人们正常的生活。因此有关部门正加大力度进行交通管制,以提高交通设施的服务水平。在对信号交叉口进行优化时,只考虑对信号配时优化,或只考虑对交叉口渠化进行改造等等,两者没有协调考虑,使得治理的效果不是非常理想。

本文针对北京市怀柔区的交通特点,以北京市怀柔某信号交叉口为研究对象, 采用比较简便的信号配时软件Synchro[1,2,3]对交叉口信号配时现状进行分析、优化,在优化配时方案的基础上,对渠化方案进行比选,结合渠化组织形式再对信号配时进行优化,实现了两者的有机结合,将渠化组织优化与信号配时优化协调考虑可以较好地降低交叉口整体延误,提高交叉口地区的交通服务水平,从而为改善交叉口的交通运行状况。

1 渠化与信号配时优化设计思路

通过基础数据调查,掌握交叉口现状,找出交叉口交通组织运行存在的问题,针对遇到的问题进行分析,并利用Synchro仿真软件[4]结合渠化形式进行信号配时和分析评价。如果目前的渠化与信号配时方案能够满足当前的交通需求,就不需要再进行优化,可以继续为交叉口运行服务;如果不能满足当前的交通需求,则需对现状进行优化配时。如果现状信号优化配时,可以满足交通需求,就不需要再进行渠化方案设计,直接将优化的信号配时方案作为推荐方案;如果当交通量已经达到超饱和的情况,只对现状进行信号配时优化,仍不能满足需要,就要考虑进行渠化设计,利用Synchro仿真软件对设计的渠化形式进行仿真评价,通过渠化方案比选,得出最佳渠化方案。

渠化和信号配时是不能独立进行设计的,在同样的渠化方式下,根据选定的评价指标,进行信号配时方案比选,那么在选定最优周期之后,再进行渠化优化设计比选,确定最优的交叉口渠化形式,结合新的渠化方案再进行信号配时优化,通过各指标对配时方案进行评价,得出符合渠化方案的最佳信号配时方案。如果现状的交通渠化与信号配时设计效果比较好,那么就直接得出最优的渠化与信号配时方案。方案设计路线图如图1所示。

2 现状调查及分析

2.1 路口几何现状

该交叉口地处怀柔区主干道青春路与次干道府前街相交路口,路口西南角是会议中心,西北角是百货大楼,东南角是京北大世界商场,东北角是红楼饭店,该交叉口位置比较特殊,是人群比较集中的地方,该路口以会议中心作为标志性建筑,我们将该路口命名为会议中心路口。怀柔区会议中心路口各进口道的车道数均为2车道,都是直左混行和直右混行车道;南北方向即青春路上的机动车道车道宽度为3.5 m,非机动车道除一侧为5 m外,其他为7 m,绿化带宽度为2 m;东西方向即府前街上的车道宽度为3 m,非机动车道宽度均为5 m,绿化带宽度为3 m。如图2所示。

2.2 调查数据

2.2.1 流量

表1是从北京市怀柔区青春路-府前街交叉口调查数据中,选取高峰时期有代表性的1 h流量数据作为研究的主要依据[5]。

从高峰的数据表可以看出,南北方向直行车辆占很大比重,东西方向的左转车辆也比较多,而且比东西方向直行车辆多。南进口道的左转车辆流量不大,北进口左转和右转车辆也比较大。对于非机动车和行人来说,北进口流量偏小。

2.2.2 现状信号配时

交叉口采用二相位控制方式进行控制,左转均为许可型。高峰时期现状信号配时方案见表2所列。

注:相位1为南北方向即青春路,相位2为东西方向即府前街,该表及下面所有表格涉及相位皆相同。

2.3 现状分析

利用Synchro仿真软件结合渠化形式进行信号配时现状进行效果分析评价,见表3所列。

高峰时段,东进口、西进口和北进口的仿真延误比较大,服务水平到达C级水平,北进口的停车次数达到901次,交叉口总延误达到22.8 s,交叉口服务水平达到C,依此看来,高峰时段的现状配时方案确实存在问题,亟待解决。

3 交叉口渠化与信号配时优化方案设计

根据现状的分析结果,对会议中心交叉口进行交通组织与信号控制协调优化,具体过程分为3个阶段,即阶段一,原交通渠化方式不改变,进行信号配时优化设计;阶段二,基于阶段一的信号配时,进行交通组织方案优化比选;阶段三,基于第二阶段优化得到的交通组织方案,进行信号配时优化。结合这3个阶段进行调整分析,直到得到最优方案。

阶段一。原交通渠化方式不改变,利用Synchro仿真软件进行信号配时优化设计,见表4、5所列。

高峰时段,东进口、南进口和北进口的仿真延误虽有所下降,但仍然比较大,西进口的仿真延误略有增加,服务水平仍处于C级水平,北进口的停车次数为845,仍处于较高状态,依此看来,高峰时段的现状配时方案在渠化不变的情况下进行优化后,改良的效果不是非常明显,因此,建议进行渠化改造[6],以改变现有的不良局面。

阶段二。基于阶段一优化信号配时,进行交通渠化方案优化比选。

由于东进口、南进口和北进口的延误比较大,各个进口的直行车流量较大,因此根据路口的几何现状[7]将每个进口渠化拓宽1个车道,每个进口由原来的直左混行、直右混行车道变为直左混行、直行、直右混行车道。

东西方向:将东西进口处右侧的绿化带去掉进口部分,拓宽1个车道,将3个车道渠化为直左混行车道、直行车道、直右混行车道;

南北方向:南进口的非机动车和行人的流量比较大,北进口的相对较少,所以考虑到南出口的行人和非机动车也不会太多,因此考虑对南出口进行改置,将南出口的机动车与非机动车的隔离栅往外移2 m,将原来的7 m的非机动车道缩减为5 m。南进口向左拓宽1个车道,将原来的直左混行、直右混行车道渠化为直左混行、直行、直右混行车道。具体渠化方案如图3所示。

各进口的仿真延误都有所降低,东进口与北进口服务水平由C级升到B级水平,南进口的服务水平由B级升到A级水平,西进口改善的程度稍小,仍处于C级水平。交叉口延误由21.6 s降为15.7 s,交叉口服务水平由C级水平升级为B级水平。

阶段三。基于第二阶段优化比选得到的交通渠化方案,利用Synchro进行信号配时优化

与阶段二的配时方案相比,东西方向延误有较大改善,南北方向延误有所增加,服务水平有所下降,南进口由A级降到B级水平,北进口由B级水平降为C级水平。交叉口延误有所增加,由15.7 s变为17.5 s,因此本信号配时方案不太理想。所以最终方案采用阶段二的信号配时方案。因此,最终渠化方案下信号优化配时推荐方案如表6所示。

4结束语

本文通过对实际数据的综合分析,结合Synchro软件的仿真效果,利用相应的评价指标,通过“信号配时方案对比-确定渠化形式-信号配时优化”的方法,得出了信号交叉口最佳的渠化与信号配时设计方案。在信号配时方案的设计过程中,结合信号配时存在的问题,得出了符合交通特性的信号配时方案。设计方案结合现场的调试,将会达到预期的最佳应用效果。

摘要：目前在信号交叉口方案优化时,渠化组织优化研究与信号配时优化研究相分离,从而影响了研究的整体效果。文中以北京市怀柔区的典型交叉口为例进行分析研究。在实际调查的基础上进行特性分析,利用Synchro仿真软件对信号交叉口的现状信号配时方案进行分析,并对配时方案进行优化。结合分析结果,判断渠化组织的合理性,再根据渠化组织确定相应信号配时方案。将信号配时优化与渠化组织协同考虑,最终确定推荐的渠化与信号配时设计方案。

关键词：信号交叉口,渠化,信号配时,仿真

参考文献

[1]杨佩昆,吴兵.交通管理与控制[M].北京:人民交通出版社,2004

[2]邹志云,陈绍宽,郭谨一,等.基于Synchro系统的典型信号交叉口配时优化研究[J].北京交通大学学报,2004,28(6):61-65

[3]刘洋,史忠科.基于Synchro的多交叉口交通信号控制研究[J].交通与计算机,2005,6(23):35-38

[4]郭牧,张立东.Synchro交通仿真系统分析及应用[J].软件工程信息技术与信息化,2008(3):70-73

[5]任福田,刘小明,荣建,等.交通工程学[M].北京:人民交通出版社,2003

[6]杨晓光.城市道路交通设计指南[M].北京:人民交通出版社,2003

[7]丁威,翟希.信号控制交叉口左转车道待行区设置研究[J].西安建筑科技大学学报,2007,39(4):580-583

交叉口信号配时的优化设计篇2

关键词：通行能力,平均延误时间,分离相位法

城市交通系统是承载人类活动的基本构件之一, 是城市繁荣、有序和高速发展的主要支撑条件。所以许多国家都对此进行了许多研究, 形成目前适合各国情况的多种计算方法。日本、英国、澳大利亚等许多国家使用的方法, 基本沿用美国公路通行能力手册中介绍方法的思路, 以一车道组 (或一个进口) 在理想条件下, 一个绿灯时间内的最大通过量为基础, 然后根据交叉口的具体情况对理想通行能力进行修正。这种方法操作简单, 只是计算中各影响因素的修正系数很难确定, 且因各国的道路条件不同而取值各不相同, 所以计算起来很麻烦。

在经济快速发展今天, 温州市遇到了日益严重的交通问题, 严重影响了温州市的经济建设和运行效率, 成为制约该城市可持续发展的主要瓶颈之一。因此, 科学地解决温州市交通问题是经济发展过程中提出的重大需求。陈洪仁在城市交叉口通行能力研究[1]中, 认为信号控制交叉口是其中很重要的一类 (另外还有无信号控制交叉口和平面环形交叉口等类型) 。李群祖、夏清国[2]等人主要研究了城市交通信号控制系统现状与发展。所以, 解决温州市交通问题的关键是:合理设置交叉口交通信号实时系统。虽然说近几年来有多位学者对信号交叉口通行能力优化问题进行了研究, 如郭远辉[3]采用计算机仿真对信号交叉口配时进行研究;王晓安、熊坚、郭凤香、江良华[4]对典型四相位信号交叉口交通组织优化应用进行研究;邹锡联、薛博[5]通过渠化和拓宽交叉口来提高信号交叉口的通行能力。但是, 根据在土地紧缺的沿海地区, 交叉口的拓宽, 增加车道也是很难实行的。然而, 徐勋倩, 黄卫[6]研究的单路口交通信号多相位实时控制模型及其算法, 他们通过精英蚂蚁寻优策略算法计算得出的配时方案, 但是, 这并不十分适合温州市的所有交叉口的信号配时, 并且计算过程中有许多参数需要计算, 势必会造成较大的误差。本文采用相位分离法得出一套合理计算交叉口信号灯配时方案, 最后通过一个算例证明了本算法的合理性与实用性。

1 模型分析

交叉口的信号配置研究主要是为了研究合理的配时方案以最大限度地提高交叉口的车辆通行能力, 减少车辆在交叉口的延误时间。在道路条件确定的前提下, 信号灯的周期越长, 交叉口的通行能力自然越大;但是, 在该路口的车辆的平均延误时间也会随之增加。所以, 合理优化信号灯的配时方案就显得十分重要了。

1.1信号交叉口通行能力的研究

在现行交通信号灯灯制下, 观察车辆通过红绿灯交叉口的运行状态。绿灯亮时, 允许各行驶方向的车辆进入交叉口;红灯亮时, 只允许右转车辆沿右转专用车道行进, 但不得影响横向道路上直行车辆的正常行驶;黄灯亮时, 已越过停车线的车辆继续行驶。假设某路口是一个双向八车道行驶的交叉口, 其全过程可分为四个相位, 如图1所示。

那么该交叉口的通行能力等于四个进口设计通行能力之和 (即C=CE’+CS’+CW’+CN’) 。

所以根据公式[7]可知:

一条直行车道的设计通行能力计算公式

$C_{s} = \frac{3 600}{Τ} (\frac{t_{g} - t_{0}}{t_{i}} + 1) φ$ 。

式中, Cs:一条直行车道的设计通行能力 (pcu/h) ;T:信号灯周期 (s) ;tg:信号每周期内的绿灯时间 (s) ;t0:绿灯亮后, 第一辆车启动、通过停车线的时间 (s) ;ti:直行或右行车辆通过停车线的平均时间 (s/pcu) ;φ:折减系数, 可用0.9。

所以, 某进口处的通行能力为

$C^{'}_{s} = \frac{n}{1 - β_{1} - β_{2}} C_{s}$ 。

式中, n:单向车道数;β1、β2:分别为左、右转车占本面进口道车辆的比例。

1.2 信号交叉口平均延误时间的计算

在现行交通信号灯灯制下, 多位学者对信号交叉口车辆的延误时间进行研究, 潘全如, 朱翼隽研究信号交叉口车辆的延误分析[8];刘广萍, 翟润平研究信号交叉口进口道延误模型[9]过于复杂, 实用性并不高。为了提高模型的实用性, 建模时以忽略一些次要因素, 考虑主要因素为原则.得到该交叉口的平均延误时间为

$t = \frac{1}{4} (t_{E} + t_{S} + t_{W} + t_{Ν})$ 。

式中tE、tS、tW、tN分别表示东、南、西、北四个方向车辆的延误时间 (s) 。

在一个红绿灯周期内, 红灯期间, 假设车辆只到不离 (忽略向右拐的) , 直到红灯转为绿灯的时刻停留在i入口准备直行的车辆数最多为

$Q_{i} = \frac{V_{i}}{3 600} t_{g}$ 。

式中, Vi:该方向车辆的到达率 (pcu/h) 。

所以, 在一个红绿灯周期内, 该路口的平均延误时间为

$t_{i} = \frac{1}{2} (\frac{Q_{i}}{C_{i} - V_{i}} + \frac{Q_{i 左}}{C_{i 左} - V_{i 左}}) 3 600$ 。

1.3 信号交叉口信号配时的优化设计

为了优化路口的交通状况, 以路口的通行能力大于车辆的到达率和减少平均延误时间为原则, 采用分离相位法计算得出该路口的优化控制时间。

1.3.1 信号交叉口信号灯周期

首先将四个相位分离成两组相位, 分别计算出其周期长度以及绿灯时间, 再把两组相位复合成一个相位以得到实际路口的最优化时间配置。由于文献 [7]中计算最优周期公式中的参数Ve (等效交通量) 在实际调查中并不能很精确地得到, 所以, 笔者对参数Ve加以修正, 将路口的车辆分为两类:一类归为轿车, 另一类归为大卡车 (其中以面包车的长度2.3 m为分界线) 。然后用该路口平均每条车道的车辆到达率V来近似。因此, 某两个相位周期长度的最优计算公式为

$Τ = \frac{13 330 Ρ}{1 333 - V}$ 。

式中, T:为时间周期 (s) ;P:相位数;V:该路口平均每条车道的车辆到达率 (pcu/h) 。

1.3.2 信号交叉口信号灯绿灯时间

在整个信号灯确定的情况下, 绿灯在一个周期中所占的时间等于某一方向平均每条车道车辆的到达率与该路口平均每条车道的车辆到达率的比值, 所以得到公式

$t_{g} = \frac{Q}{n V} Τ$ 。

式中, tg:某一方向的绿灯时间 (s) ;Q:某一方向车辆的到达率 (pcu/h) ;n:某一方向的车道数;V:该路口平均每条车道的车辆到达率 (pcu/h) ;T:为时间周期 (s) 。

2 实例分析

为了体现算法的合理性、实用性以及优越性, 以温州市的一个典型十字交叉口为例, 通过对梧田大道与瓯海大道相交的这个双向八车道交叉口的实地调查, 探讨其通行能力以及车辆在该交叉口的平均延误时间, 并与本文设计的方案比较以体现算法的优越性。

2.1 梧田大道—瓯海大道信号交叉口介绍

通过实地调查得知:该路口是一个双向八车道行驶的交叉口, 其全过程可分为四个相位, 如图2所示。

信号灯的实地配时:西向东的绿灯时间为70 s, 红灯为110 s;西向北绿灯为50 s, 红灯为135 s;东向西的绿灯时间为54 s, 红灯为126 s;东向南的绿灯时间为35 s红灯时间为150 s;南向北的绿灯时间为32 s, 红灯时间为150 s;南向西绿灯时间为42 s, 红灯时间为100 s;北向南的绿灯时间为32 s, 红灯时间为150 s;北向东的绿灯时间为32 s, 红灯为150 s。其中, 东路口车辆的到达率为2 335 (pcu/h) , 其中左转车辆占22.3%, 右转车辆占20.9%;南路口车辆的到达率为1 660 (pcu/h) , 其中左转车辆占28.6%, 右转车辆占14.5%;西路口的车辆到达率为2 164 (pcu/h) , 其中左转车辆占20.7%, 右转车辆占9.8% ;北路口车辆的到达率为2 078 (pcu/h) , 其中左转车辆占34.7%, 右转车辆占18.1%。

注:以上实地考察数据为2010年7月3号10∶30到11∶30数据.

2.2 梧田大道—瓯海大道信号交叉口通行能力的计算

将实地的调查数据代入公式后求得

$C^{'}_{E} = \frac{4 C_{E}}{1 - 0.223 - 0.209} = \frac{4}{1 - 0.223 - 0.209} \times \frac{3 600}{Τ} (\frac{t_{g} - t_{0}}{t_{i}} + 1) φ = 5 059 (p c u / h)$ ;

$C^{'}_{S} = \frac{4 C_{S}}{1 - 0.145 - 0.286} = \frac{4}{1 - 0.145 - 0.286} \times \frac{3 600}{Τ} (\frac{t_{g} - t_{0}}{t_{i}} + 1) φ = 4 692 (p c u / h)$ ;

$C^{'}_{W} = \frac{4 C_{W}}{1 - 0.207 - 0.098} = \frac{4}{1 - 0.207 - 0.098} \times \frac{3 600}{Τ} (\frac{t_{g} - t_{0}}{t_{i}} + 1) φ = 3 611 (p c u / h)$ ;

$C^{'}_{Ν} = \frac{4 C_{Ν}}{1 - 0.347 - 0.181} = \frac{4}{1 - 0.347 - 0.181} \times \frac{3 600}{Τ} (\frac{t_{g} - t_{0}}{t_{i}} + 1) φ = 4 696 (p c u / h)$ 。

所以, 总的通行能力:C=18 058 (pcu/h) 。

2.3 梧田大道—瓯海大道信号交叉口平均延误时间的计算

在一个周期内, 红灯期间, 假设该路口车辆只到不离 (忽略向右拐的) , 直到红灯转为绿灯的时刻停留在东入口准备向西行驶的车辆数最多为

$Q_{E} = \frac{1 328}{3 600} \times 54 = 19.92 \approx 20 (p c u)$ 。

准备向左拐的车辆数最多为

$Q_{E 左} = \frac{520}{3 600} \times 33 = 4.77 \approx 5 (p c u)$ 。

又因为该路口直行车辆的通行能力为

C=CE× (1-0.223-0.209) =2 874 (pcu/h) 。

该路口直左转车辆的通行能力为

C=0.223 CE=1 129 (pcu/h) 。

所以, 在该路口的平均延误时间为

同理我们可以推算得

所以, 该交叉口的平均延误时间为

t=46 (s) 。

然而, 实地考察得知该交叉口总的车辆到达率为8 237 (pcu/h) , 由于信号灯的周期过长, 该路口的通行能力大于车辆的到达率。并且, 考察得到的数据为下班高峰时期的数据, 因此, 该交叉口的车辆到达率接近于最大值。这样势必会增加车辆的平均延误时间, 也势必会增加汽车的油耗以及加重环境污染。因此, 该交叉口的红绿灯设置并不是十分合理, 应适当地减少绿灯, 以及红绿灯周期, 以达到较少延误时间的目的。

2.4 梧田大道—瓯海大道信号交叉口信号灯周期

首先将四个相位分离成两组相位, 分别计算出其周期长度以及绿灯时间, 再把两组相位复合成一个相位以得到实际路口的最优化时间配置。

经过计算后得该路口第一相位与第二相位的周期长度为143 s;第三相位与第四相位的周期长度为34 s。

2.5 梧田大道—瓯海大道信号交叉口信号灯绿灯时间

带入公式计算后得到第一相位的绿灯时间为46 s, 红灯时间为94 s;第二相位的绿灯时间为30 s, 红灯时间为110 s;第三相位的绿灯时间为12 s, 红灯时间为19 s;第四相位的绿灯时间为9 s, 红灯时间为22 s。

2.6 结果比较

经过计算, 设计的红绿灯配时方案与实际中的设计方案相比, 不管从通行能力还是平均延误时间来看, 设计方案都有很大的提高。具体的数据如表1所示。

3 结论

从数值结果可以看出, 本文设计的信号配时方案与实地设计的配时方案相比, 除了西向东和西向北两个车辆行驶方向的通行能力有所下降 (但还是大于车辆的到达率, 并不会造成车辆拥堵) , 其他各方向的通行能力均有所增加, 并且各个方向的平均延误时间也大幅减少, 尤其是在上下班的高峰期, 本文设计的方案更能体现交通服务的高效率, 满足顾客的需求.笔者建立的这个信号灯控制模型并不仅仅适用于十字交叉口, 对于T型、环型交叉口同样适用。但是, 本模型只能解决单个独立交叉口的信号灯设置, 对于整条道路的若干个交叉口信号的优化设置过于复杂, 本文建立的模型并不能很好地解决。

致谢

感谢高利新教授对本文的指导。

参考文献

[1]陈洪仁.道路交叉设计.北京:人民交通出版社, 1991

[2]李群祖, 夏清国, 巴明春, 等.城市交通信号控制系统现状与发展.科学技术与工程, 2009;9 (24) :7436—7448

[3]郭远辉, 道路信号交叉口配时控制的优化仿真设计.计算机应用与软件, 2009;26 (9) :72—74

[4]王晓安, 熊坚, 郭凤香, 等.典型四相位信号交叉口交通组织优化应用的研究.科学技术与工程, 2010;10 (23) :5818—5822

[5]邹锡联, 薛博.信号交叉口拓宽渠化方法研究——以深圳交通工程整治为例.现代城市研究, 2000;85 (6) :25—27

[6]徐勋倩, 黄卫.单路口交通信号多相位实时控制模型及其算法.控制理论与应用, 2005;22 (3) :413—422

[7]王炜, 过秀成, 等.交通工程学.南京:东南大学出版社, 2000;253—263

[8]潘全如, 朱翼隽.信号交叉口车辆的延误分析.系统科学与数学, 2009;29 (6) :728—734

信号配时篇3

随着城市化和汽车工业的快速发展, 城市交通问题日益严重, 交通拥堵有很多原因造成, 作为承载多方向分流任务的道路交叉口, 其车辆通过能力的最优化利用显得十分重要。而交叉口是否最大化的发挥通行作用最终决定于该交叉口交通信号配时的好坏。本文通过对小寨十字交叉口进行实际调查, 对相关数据进行了调查、整理和处理, 通过典型的Webster法对现有的信号配时进行优化设计, 运用仿真软件对比优化前后的车辆平均排队长度和延误, 确定合适的方案, 目的是减少拥堵。

1、交叉口现状分析

西安市小寨十字是一个重要的大规模交叉口, 东西方向上其有着十分重要的作用, 它东接大雁塔, 且东边有陕西省历史博物馆, 人流量较大, 西边为朱雀大街等繁华路段, 东西为双向六车道, 通行能力较强。而实际上南北方向是车流高峰时期拥堵的主要因素, 特别是北边, 其接南二环上的重要枢纽长安路立交, 且途中又长安大学家属区及附中、西安音乐学院等学校, 人流车流量极大, 南边有西安邮电大学等重要机构, 车流量也不小, 虽然进行了扩宽道路等措施, 但由于车流量极大, 加上交叉口配时不合理, 使得小寨十字交叉口车辆延误和排队长度比较大, 拥堵问题严重。

通过实地调查, 发现该交叉口主要存在以下几个问题: (1) 南北方向车流量大, 南北直行相位结束时, 直行车辆没有完全通过, 与下一相位的车流形成冲突, 致使拥堵较为严重, 车辆排队长度和车辆延误较大; (2) 北入口道路标线施画得不是很清楚, 机动车行驶较为混乱, 部分行人过街不看红绿灯, 存在事故隐患; (3) 南北左转车流量大, 但实际信号灯允许的行驶时间较短, 三相位实际绿灯时间设置不合理, 使得东西相位绿灯时间有所浪费, 周期绿灯时间利用效率降低。

本文采用经典的Webster法对该交叉口重新计算, 进行配时, 并对改善后的配时方案运用Vissim软件进行仿真, 通过对交叉口平均延误和平均排队长度指标对结果进行评价。

据实地调查, 交叉口周期为148s, 全红时间0s, 两相位信号配时, 黄灯3s, 右转相位不做限制, 其相序、相位及配时方案如表2所示。

(备注:周期148s, 全红时间0s, 黄灯时间3s, 右转不限)

2、设计交叉口信号配时方案

2.1 交通量调查

统计时把各种车型折算为标准小汽车, 折算系数如下表3:

以10分钟为间隔进行统计, 通过连续五天 (工作日) 对晚高峰期间 (18:00——19:00) 的机动车交通量进行调查, 最终取值为五天的平均值如下表4。

2.2 Webster配时的基本方法

经过调查和计算, 交叉口的单车道通行能力为1800pcu/h, 根据表3的交通流量比较, 交叉口没有达到饱和状态, 所以利用韦伯斯特法来计算参数:

(1) 定时信号的最佳周期时长为C0:

其中, L——周期总损失时间;

Y——各相位的最大流量比之和。

(2) 周期总损失时间为L:

其中, j——第j相位

lj——个相位内的起动损失时间, 一般取3s;

AR——全红时间

(3) 最大流量比之和Y;

其中, yj1, yj2, yj3, yj4——指第j相位内不同方向的流量比;

Qj1, Q, j2, Qj3, Qj4——第j相位内不同方向的流量;

Sj1, Sj2, Sj3, Sj4——对应相位的设计饱和流量;

(4) 总的有效绿灯时间为Ge

(5) 第j相位的有效绿灯时间为gei

(6) 第j相位的显示绿灯时间为gj

其中, lj——第j相位的启动损失时间

(7) 最短绿灯时间gmin

其中, Lp——街道长度

Vp——过街速度, 一般取1—1.2m/s

I——绿灯间隔时间

2.3 小寨十字交叉口信号配时的Webster计算及优化设计

通过实地调查和计算, 该交叉口单车道通行能力为1800pcu/h, 跟表4所示的交通流量相比并通过计算各相位关键流量比、绿信比从而算得的相位饱和度可知, 各个道路均未饱和, 且各相位最大流量比之和不大于0.9, 所以我们采取三相位设计方案, 我们可以用Webster法进行计算。

(1) 计算周期的总损失时间

首先, 在优化流程中确定信号相位时信号相位必须同交叉口进口车道渠化和车道功能划分方案同时进行, 一般来说如果相位数越多就会使分配给各个相位的绿灯时间减少, 从而增加了损失时间, 通常设定的相位数一般限制在2——4个, 周期时间过短, 周期损失时间增加, 通行能力下降;如果信号周期过长, 周期内相位损失增加, 单位时间内放行次数减少, 同样降低通行能力。

根据调查情况我们继续采用三相位设计, 为保证清空时间车流冲突减少, 为增强南北方向通行能力, 同时为保证安全, 我们利用上述数据及Webster公式求出通行方向的流量比、有效绿灯时间等指标, 如表5所示:

(2) 其次, 我们根据公式和数据求得Y:

所以我们完全可以用Webster算法来计算。

(4) 总的有效绿灯时间为eG=C0-L=125s。

(备注:周期长度为134s, 黄灯时间为3s, 全红时间为0s, 右转不限)

以上优化方案也就是我们基于Webster算法重新优化的方案, 在最佳周期长度的基础上, 根据关键车流量比, 我们可以根据实际的计算结果所确定的绿信比再次计算其饱和度, 并与之前的饱和度对比可知优化后的方案可以充分利用绿灯时间, 减少延误, 提高交叉口通行能力。通过对该交叉口信号配时的优化, 交叉口将能够实时应对在各种情况下的交通状况, 给各个通行方向上的车辆最大的通行权, 最大限度的减少延误和排队长度。

我们对原配时方案a、重新计算后的设计方案b运用交通仿真软Vissim进行仿真, 输出的结果表明, b方案的通过车辆数、最大排队长度、延误、人均延误、停车时间等指标都要比a方案小, 而两方案的平均排队长度差不多, 通过仿真可以看到Vissim仿真运行时的画面显示交通流运行也很流畅, 我们认为达到了我们此次优化该交叉口配时的目的。

3、结论

在城市交通管理中, 交叉口交通信号灯控制是这项工作的重要组成部分, 本文以西安市小寨十字交叉口为研究对象, 通过实地调查、数据采集和分析, 结合实际情况并运用经典的Webster算法, 重新计算并优化设计了交叉口的信号配时方案。该设计中, 我们根据南北左转车流量较大的实际情况, 为解决高峰期间拥堵问题, 增加了南北左转相位显示绿灯时间。相应的减少了东西相位的绿灯时间, 增强了交叉口的通行能力, 在利用Webster算法求周期时, 我们还可以根据实际情况对计算结果进行了修正, 使得采用的最佳周期时长更加符合实际情况。

设计完成后, 我们运用仿真软件对优化前后两种方案进行了仿真演示, 仿真结果显示重新设计并优化的方案b能大大减小延误, 很好的解决交叉口存在的延误问题, 提高交叉口通过能力和服务水平。

摘要：文章针对西安市小寨十字交叉口的交通问题。结合实际情况, 以Webster法对实地调查数据进行计算, 确定了优化配时方案, 并对改善前后的方案利用Vissim软件进行了仿真演示。通过对平均排队长度和延误两评价指标对比可知重新计算并优化后的方案能大大减小车辆延误, 从而能有效改善交叉口拥堵状况。

关键词：交通量,Webster法,优化配时,延误

参考文献

[1]周彤梅, 陈楠楠.城市快速路的交通管理与控制策略综述[J].中国人民公安大学学报:自然科学版, 2009, 15 (2) :45-47.

[2]周榕洲, 刘轩.基于仿真分析的城市道路平面交叉口信号配时优化研究[J].中国水运月刊, 2010, 10期:100-102.

[3]冯焕焕, 朱从坤, 邓建华.VISSIM在道路改造方案交通运行质量评价中应用[J].交通科技与经济, 2012, 第1期:13-16.

[4]李杰.交通工程学[M].北京大学出版社, 2010.

[5]李政伟.城市单交叉口信号配时设计与仿真[D].北京交通大学, 2008.

[6]沈峰, 杨晓光.多目标城市道路交叉口信号配时优化算法研究[J].同济大学学报:自然科学版, 2009, 07期 (7) :898-902.

信号配时篇4

关键词：交通工程,单点交叉口,信号配时优化,Synchro系统,仿真

交叉口作为城市交通网络中的重要组成部分,是城市交通拥挤的主要发生地。对于信号控制的单点平面交叉口来说,其评价指标一般有以下几个:通行能力、饱和度、行程时间、延误、停车次数、排队长度及油耗等[1]。定时信号的配时方法一直处在不断地研究、改进之中,许多学者从不同的评价指标出发,采用各种优化算法寻求其它更合理的配时方法。

文献[2,3,4]针对信号周期或绿信比进行优化的,文献[5,6]同时针对周期和绿信比进行综合优化,其中还包括了对信号相位顺序的优化。在文献[7]中,我国学者杨锦冬、杨东援利用灰色控制理论研究后提出信号周期与到达率、停车率、排队长度和相位关键车流量等因素灰关联度的YD模型;这说明以往信号配时中仅以延误最小为目标较为片面,停车率最小(或排队车辆数最少)也应该作为一个优化目标。文献[8]通过建立以延误最小、排队车辆数最少为目标函数、以饱和度为约束条件的信号周期时长的两目标优化模型,采用逼近算法得到交叉口的周期时长。文献[8,9]采用遗传模拟退火优化算法以延误与停车次数综合考虑作为目标函数,建立了交叉口的信号控制优化模型。此外目前国外普遍采用的信号配时优化系统有:基于爬山法优化的TRANSYT系统[10],基于遗传算法优化的Cabal系统[11];还有一些信号配时优化软件系统,如Vissim系统、TSIS系统、Synchro系统等[12],国内也正在开发类似的系统;相比之下, Synchro系统专门致力于信号配时,且以延误、停车次数、排队长度三项性能指标构成的综合优化指标为目标函数,是一种使用简便的优越的信号配时优化软件。本文以广州市一路口为例,采用Synchro系统中的配时优化模型对交叉口的信号周期时长、相位绿信比及相序进行优化,验证结果表明,Synchro系统实用简单而且适用于我国交叉口的混合交通特性。

1 系统模型

Synchro系统是美国Trafficware公司开发的专门用于信号配时优化的交通仿真软件,下面将介绍相关内容。

1.1 信号配时优化模型

单点交叉口信号配时的主要设计参数是信号周期和相位时间,优化周期的方法是Synchro在自然周期(即最短周期)的基础上优化相位,调整相位时间。如果满足一定的百分比车道组交通量(例如90%、70%、50%的车道组流量),则采用该周期,否则增大信号周期,不断重复上述步骤。在此过程中,需要计算性能指标,如果没有满足百分比车道组交通量的信号周期,则选用性能指标P最低的信号周期长度。计算性能指标为:

$Ρ = \frac{D \times 1 + S_{t} \times 10 + Q_{p} \times 100}{3 600} (1)$

式中:P为综合性能指标;D为百分信号延误, s;St为停车次数;Qp为排队长度,m。

另外,Synchro系统除了信号周期长度满足大于自然周期(即最短周期)之外,每个信号相位的绿灯时间要能够满足行人通行的需要,即要对Synchro中的每个相位设置对应的最小绿信比。具体的行人过街最短绿灯时间按下式计算:

$t_{p} = 7 + \frac{L_{p}}{v_{p}} - Ι (2)$

式中:Lp为行人过街道长度,m;vp为行人过街步行速度,取1.2 m/s;I为绿灯间隔时间,s。

1.2 延误计算模型

Synchro沿用了HCM2000中提供的Webster延误模型,并提出了一种计算更为复杂的百分比延误计算方法(percentile delay method, PDM)来计算延误,与公路通行能力手册(HCM2000)所采用的Webster延误计算模型相比,PDM方法在计算以下3种情况的延误占有优势:①相邻路口协同式信号配时;②全感应与半感应式信号配时;③接近饱和或过饱和情况下的信号配时。PDM方法需要首先计算某一百分比车道组流量情形下的每周期延误和每车延误;然后计算百分比车道组调整流量和平均百分比延误。每周期延误的计算方法为:

$V_{D_{p}} = \frac{v_{p} \times (C - G)^{2}}{2 (1 - v_{p} / s)} (3)$

式中:VDp为百分比情形p时的每周期车辆延误,s;vp为百分比情形p时的车流量,辆/h;s为饱和流率,辆/h;G为绿灯时间,s 。

每车延误的计算方法为:

$D_{p} = \frac{C \times [1 - (G / C)]^{2}}{2 (1 - X_{p} \times G / C)} (4)$

式中:Dp为情形p时的每车延误,s; $X_{p} = \frac{v_{p}}{S \times G / C}$ ;G为绿灯时间,s;C为周期长度, s。

百分比调整车流量的计算方法为:

$v_{p} = v + [z_{p} \times \sqrt{v \times C / 3 600}] \times \frac{3 600}{C} (5)$

式中:zp按百分比10%、30%、50%、70%、90%的取值分别为:-1.28、-0.52、0、0.52、1.28。

平均百分比延误用于计算交叉口固定信号配时和不饱和交通流量情况下的基本延误,其计算方法为:

1.3 排队长度计算模型

在Synchro仿真生成的报告中,分别给出的有95%排队长度(m)及50%排队长度(m),图1中所示,三角形的底边R表示有效红灯时间;左侧斜边V代表实际交通量(辆/h);右侧斜边S代表饱和交通流量(辆/h);三角形的高度Q代表最大排队长度(由于机动车通过交叉口时,有时仅速度下降而并没有停车,因此Synchro中认为延误小于6 s的车辆不构成停车排队,实际排队长度如图1所示;Q2表示红灯时到达的累积排队机动车数。

由图2,可以推导出Synchro中排队长度Q的计算如公式为:

$Q = \frac{V}{3 600} \times (R - 6) \times [1 + \frac{1}{S / V - 1}] \times \frac{L}{n F_{u}} (7)$

式中:Q为排队长度,m ;R为红灯时间,s;S为饱和流量,辆/h;V为实际流量,辆/h;L为车头间距,m;n为车道数;Fu为车道利用系数。

当交通量与通行能力的比值(V/C)大于1时, Synchro将2个周期结束后的车辆排队长度定义为饱和流量下的排队长度Q′,计算公式为:

$Q^{'} = V \times (C - 6) + (V - S \times G / C) / 3 600 (8)$

式中,各参数的定义同上。

1.4 停车次数计算模型

第i相位车辆的平均停车次数hi为:

$h_{i} = \sum_{j} 0 . 9 \frac{C - G_{e j}}{1 - y_{i j}} (9)$

式中:Gei为j相的有效绿灯时间,s yij为i相的第j个进口道的流量比。

故一个周期内每辆车的平均停车次数为:

1.5 通行能力计算模型

美国HCM2000通行能力计算方法:

$\begin{array}{l} C_{i} = S_{i} λ_{i} (11) \\ λ_{i} = \frac{G_{e i}}{C} (12) \end{array}$

式中:Ci为车道组i或引道i的通行能力, 辆/h;Si为车道组i或引道i的饱和流率, 辆/h;Gei为i相有效绿灯时间,s;λi为i相绿信比;C为周期长度,s。

另外,美国HCM2000给出的车道基本饱和流量为1 900 pcu/h(绿灯),这一数值对应的标准车道宽度为3.5 m;在Synchro系统中,饱和流量以车道组的形式出现,并且考虑了车道宽度、大车率等进行了相关的折算校正,详见HCM2000。

1.6 服务水平模型

Synchro系统继续使用了HCM2000对服务水平的定义。不过要注意的是,在HCM 2000中,采用控制延误代替HCM97中的停车延误来评价交叉口的服务水平,控制延误与服务水平的对应关系如表1所示。

2 算例分析

2.1 路口现状

1)几何现状。

以广州市天河区天河北路(东西向)与天河东路(南北向)交叉口为研究对象,(见图2)。该路口右转全部渠化,路口几何形状、车道宽度(m)、车道功能划分情况、拓宽段长度(m)等信息如图2所示。

2)交通量数据调查。

表2为全天高峰小时(17:00-18:00)的分流向的机动车流量调查数据;南、北、东、西进口方向的重型车比例(即大车率)分别为6%,7%,5%,5%。

3) 现状配时方案。

现有交叉口采用四相位定时信号控制,配时方案如图3所示,对应的各相位时间分别为:30,35,35,30 s;周期时长为130 s。各相位之间黄灯时间为3 s,全红时间为1 s。

2.2 现状仿真

应用Synchro系统对天河北与天河东交叉口的信号配时现状进行仿真分析。该交叉口的最大车流量/通行能力(v/c)为1.24,平均控制延误为85.8 s,交叉口的整体服务水平为F级。详细数据见表3所列。

由表3可知,路口东进口的服务水平较低,达到最低水平F级;而且v/c比、控制延误、95%排队长度远高于其他进口,大大影响了整个交叉口的通行效率。尤其是东进口的延误比较大,东进口左转、直行方向的平均每车的控制延误达到123.6 s、163.0 s,这说明信号分配给西进口的有效绿灯时间不足以满足通车需求,因此需要通过Synchro系统来优化、均衡各相位有效绿灯时间。

2.3 优化结果及分析

Synchro系统优化后的相位方案如图4所示,相应的相位配时图如图5所示,对应的各相位时间分别为26 s,34 s,31 s,25 s;周期时长为116 s。根据交叉口的实际情况,各相位之间的黄灯时间取为3 s,为了保障交叉口的行车安全,全红时间取为1 s。详细的优化结果见表4所示。

分析可知,synchro系统对原有配时方案的相位相序都进行了综合的优化,对相位1、2的车流进行了重新组合。进一步分析可知,实际上优化前配时方案中相位1、2中的东西进口的双向直行和双向左转在交通量及通行时间(左转弯车流速度通常远低于直行车速)上存在差异,不合理的双左、双直的放行方式导致了路口延误的增加;因此合理的放行方式应该是如图4所示的东、西进口直左车流依次放行;相位3、4无需变化,但对绿信比进行了优化。

由表4可知,优化后的交叉口的最大v/c比为1.02,平均控制延误为60.3 s,减少了29.72%,交叉口的整体服务水平上升为E级,而且较逼近D级服务水平,各进口的控制延误也比较均衡;总的排队长度从优化前的1 446.2 m减少到1 315.6 m。容易看到优化后西进口的服务水平仍偏低, 但已经能够满足通行的需求,可以考虑采用改善交叉口几何条件的方法进行进一步改善。采用Synchro系统优化后的信号周期从130 s减少到116 s,通常随着信号周期的减少,延误、通行能力会随之减少, 而停车次数会随之增加;可以看到优化后路口的通行能力从7 114辆/h变为7 021辆/h略有减少,跟优化前大体相当,确保了路口的交通通行需求;而总的停车次数从4 713变为4 743,也仅略有增加,达到了优化的目的。

3 结语

论文应用Synchro系统信号优化模型对广州市天河东路与天河北路交叉口以延误、停车次数、排队长度3个综合指标组合成的目标函数对相位相序进行了全面优化,将路口的服务水平从F级提高到了一个等级,各项性能指标也都得到了优化,而且简单实用。优化后的配时方案已经应用到现状交叉口中,取得了良好的控制效果。

参考文献

[1]徐良杰,王炜.信号交叉口行人过街时间模型[J].交通运输工程学报,2005,5(1):111-115

[2]李龙振,柳京爱,李宗律.孤立交叉路口信号控制的最优策略[J],延边大学学报:自然科学版,1998,24(4):13-16

[3]袁春华,史峰.冲突点的车流特点确定信号控制周期[J].华东交通大学学报,2002,19(4):14-16

[4]陈淑燕,陈森发,黄毅.单路口多相位交通信号模糊控制系统的设计[J].系统仿真学报,2002,14(7):27-29

[5]蒲琪,谭永朝,杨超.交叉口信号配时优化模型研究[J].上海铁道大学学报,1999,20(4):31-34

[6]万绪军,陆化普.实时自适应交通信号控制优化理论模型[J].交通运输工程学报,2001(4):60-66

[7]杨锦冬,杨冬援.城市信号控制交叉口信号周期时长优化模型[J].同济大学学报,2001,29(7):789-794

[8]王伟平.城市平面交叉口交通信号控制优化方法的研究[D].济南:山东科技大学,2004

[9]王秋平,谭学龙,张生瑞.城市单点交叉口信号配时优化[J].交通运输工程学报,2006(2):60-64

[10]Vincent R A,Mitchell A I,Robertson D I.Userguide to TRANSYT version 8[R].Transport andRoad Research Laboratary,Research ReportLR666,1980

[11]Clement S J,Anderson J M.Traffic signal timingdeter-mination:the cabal model[C].2nd IEE In-ternational Conference on Genetic Algorithms inEngineering Systems:Innovations and Applica-tions,Glasgow,UK,1997

信号配时篇5

1 乌鲁木齐市交通信号控制概况

乌鲁木齐市对道路交叉口实施信号灯控制起步较晚,80年代后期才开始在为数不多的几个主要交叉口设置信号灯。随着乌鲁木齐市经济的迅猛发展,人们的交通需求和交通量快速增加,城市道路建设进程加快,道路网密度也不断扩大,交叉口数量大量增加,与此同时,乌鲁木齐市的设置信号灯控制的交叉口数量也逐渐增多。截止2006年,乌鲁木齐市已在城市道路中设置信号灯控制90多处,城市道路交叉口信号控制系统已经初步形成。但是,这个初步形成的信号控制系统还不够完善,存在一些迫切需要解决的问题。其中包括一些交叉口的老式两相位信号灯,没有给行人留下过街时间,给行人过街造成很大的安全隐患;还有一些交叉口信号灯的控制方案不科学、不合理,有待进一步改进。针对这些问题乌鲁木齐市交警支队采取了以下措施:一是对老式两相位信号灯进行“改造”,设置相位过渡时间,给行人留下过街时间;二是将某些路口的老式两相位信号灯换成多相位的信号灯;三是启动乌鲁木齐市城市交通改善项目,在乌鲁木齐市主要交叉路口安装ITAKA区域自适应交通控制系统,该项目目前正在运营中。

2 研究目的和意义

交通信号控制系统是现代城市交通控制和疏导的主要手段。而作为城市交通基本组成部分的平面交叉路口,其通行能力是解决城市交通问题的关键,而交通信号灯又是交叉路口必不可少的交通控制手段。特别是在城市高峰时段,车辆快速消散是解决区域内所有交叉口拥挤的关键,信号控制是现代城市常用交通控制方法。信号控制的发展也很快,由单一式向协调式再向智能型转化。信号控制的发展为缓解城市交通拥堵、增加交通安全、方便出行者出行、减轻交通污染等做出了巨大的贡献。

3 交通信号控制的基本参数与方法

3.1 交通信号控制的常用参数

1) 流向:

允许通行的交通流方向。

2) 相位:

同一时间内允许通行的交通流方向。

3) 相序:

相位设置的先后顺序(即不同相位绿灯点亮的先后顺序)。

4) 配时:

各相位所需的绿灯时间。

5) 信号周期:

各相位信号灯轮流显示一次所需时间的总和。

6) 相位差:

相邻两路口间放行同一相位绿灯时的起始时间差,这是形成路口间信号绿波的重要参数。

3.2 信号相位的作用

信号相位一般用来表示时间路权,同时,只限于表示通行权,不用来表示其他路权。交通渠化的作用是通过空间路权分配的方式固定冲突点的位置,而信号相位的作用则是通过时间路权分配的方式减少冲突点的个数。由于我国是混合交通结构,无论路段上隔离多彻底,在路口内仍是机非混行,因此,不可能完全消除路口内的冲突点。特别是当2种不同种类的交通流在不同流向上同时具备通行权时,在路口内产生的是对通行和安全影响最大的交叉冲突点。因此,通过信号相位明确通行权的同时,还要通过法规明确先行权,才能使机动车流、非机动车流、行人流在通过路口时变得畅通有序。

3.3 信号相位的确定

两相位信号控制方式,适合于各种渠化条件。而多相位信号控制方式,则由路口放行方法、渠化条件和路口各方向到达流量的均衡性决定。

3.3.1 按照路口放行方法确定信号相位

1)对于按时间分离法放行的路口,至少要有3个信号相位,其中一相为行人相位。设置时间分离法放行相位时,要注意不要使行人和骑车人等候时间过长,一般行人相位时间间隔应控制在100 s以内,否则,容易引起路口内秩序混乱。

2)对于按时空分离法放行的路口。非机动车应单设信号相,一般采用两相位配置,很少采用多相位配置。对于多相位时空分离法,应把非机动车相与直行机动车相组到一个相位中,机动车转左相位时,非机动车不宜通行。

3)对于采取组合放行法的路口,按放行方法要求组信号相位。

3.3.2 按照路口导向车道渠划确定信号相位

路面上划有专左车道的,信号上才能设置专左车相位。路面上是直左车道的,不能设置专左相位。因此,要注意路口渠化与信号相位的统一。如果路口各方向上来车不均衡,则按各方向轮放方式组织信号相位。

对于采用轮放方式放行时,总会存在机非、机行之间的交叉冲突,路口通行能力在流量大时损失较多。但此种放行方法适应性强,做信号绿波协调时可按单向交通方式进行信号相位差组织,绿波带明显宽于双行方式,因此,此种方法适用于中低峰条件下的信号协调控制。

综上所述,确定了信号相位,就确定了路口信号机最低的信号相位配置。

3.4 信号相序的确定

对于两相位信号控制,不存在相序问题。而对于多相位信号控制,则要按路口内秩序不乱,路口内空闲时间最少来确定相序,按照上述要求,一般为先放直行后放左转,如图1所示。

如果机非隔离带过宽时难以设置非机动车禁驶区或二次停车线,应该先放左转,避免路口内秩序混乱。

如果路口机动车放行方式为专左相位加左转弯待转区的,则一定要先放直行后放左转。

4 乌鲁木齐市道路交叉口配时方案分析

路口信号控制的内容有根据放行方法和路口渠化条件确定信号相位,根据路口内冲突情况和路口内空闲时间最少的要求确定信号相序,根据各流向上到达的流量情况确定信号配时。文章以两相位配时方案为例,研究简单道路交叉口的方案配时。

以建国路-东风路交叉口为例,东风路为东西走向,双向4车道,东西向进口道渠化条件均为一条直左车道和一条直右车道;建国路为南北走向,双向两车道。该路口原有控制方案为两相位,第一相位东西向绿灯显示时间为46 s,第二相位南北向绿灯显示时间为30 s。

4.1 确定信号相位

根据路口形式和渠化条件,采取东西混放和南北混放、不分流向的放行方式,最终确定两相位控制。

4.2 确定信号相序

由于该路口采取两相位控制,所以,相序可以任意确定,习惯取先东西后南北。该路口信号相位如图2所示。

4.3 确定信号配时

对路口交通流量进行了调查,调查数据见表1。

取绿灯间隔时间为7 s,黄灯时间为3 s,启动损失时间为3 s,计算过程如下:

1)各进口流量比yi和各相位最大流量比max[y,y′]列入表的第4行和第5行。

2)计算每周期的总损失时间

$L = \sum_{i = 1}^{n} (l_{i} + Ι_{i} - A_{i}) .$

根据已给条件:启动损失l= 3 s;绿灯间隔时间I=7 s,黄灯时间A=3 s,相位数n=2,代入公式

$\begin{array}{l} L = \sum_{i = 1}^{n} (l_{i} + Ι_{i} - A_{i}) = (l_{1} + Ι_{1} - A_{1}) + \\ (l_{2} + Ι_{2} - A_{2}) = (3 + 7 - 3) + (3 + 7 - 3) = 14 s . \end{array}$

3)计算最佳周期时间

$C_{0} = \frac{1.5 L + 5}{1 - Y} .$

其中:L已由上步求出,Y值由下式求出

$Y = \sum_{i = 1}^{n} m a x (y_{i}, y_{n}) = 0.3 + 0.44 = 0.74 .$

代入公式

$C_{0} = \frac{1.5 L + 5}{1 - Y} = \frac{1.5 \times 14 + 5}{1 - 0.74} = 100 s 。$

4)求有效绿灯时间

代入公式

$G_{e} = C_{0} - L = 100 - 14 = 86 s .$

第一相位(东西)有效绿灯时间

$g_{e 1} = G_{e} \times \frac{Μ a x (y_{i}, y_{n})}{Y} = 86 \times \frac{0.44}{0.74} = 52 s .$

第二相位(南北)有效绿灯时间

$g_{e 2} = G_{e} \times \frac{Μ a x (y_{i}, y_{n})}{Y} = 86 \times \frac{0.3}{0.74} = 34 s .$

5)各相位显示绿灯时间

第一相位

$g_{2} = g_{e 2} - A_{2} + L_{2} = 52 - 3 + 3 = 52 s .$

第二相位

$g_{1} = g_{e 1} - A_{1} + L_{1} = 34 - 3 + 3 = 34 s .$

6)各相位清路口四面全红时间

$\begin{array}{l} r_{i 1} = Ι_{i 1} - A_{i 1} = 7 - 3 = 4 s, \\ r_{i 2} = Ι_{i 2} - A_{i 2} = 7 - 3 = 4 s . \end{array}$

得出该路口配时方案为第一相位东西向52 s,第二相位南北向34 s。为了使信号灯灯色变换更加平稳、顺畅,同时对驾驶员给予提示,调整过渡态时间为绿闪时间3 s、黄灯时间2 s、四面全红时间2 s,最终配时方案见表2。

需要说明的是,根据每天不同时段的交通量不同,对应路口交通量调查,将一天分成高峰期、平峰期和低峰期。

高峰期包括早高峰(08:30～10:30)和晚高峰(18:30～21:30)

平峰期为(10:30～18:30)和(18:30～00:00)

低峰期为(00:00～08:00)

不同时期对应不同的配时方案,因此,每个路口至少需要设计三套不同方案,这里我们只设立了高峰期的方案,平峰期、低峰期的方案设计与高峰期类同。

4.4 对比分析

两相位控制是交叉口信号控制最简单的一种方法,通常在一些车流量相对较小、车道数少、路面宽度不大的非主干道路相交的小型交叉路口。例如本例当中的乌鲁木齐市建国路-东风路交叉口,采用两相位信号控制,这种控制方法的优点是相位数最少,与3个或3个以上的多相位控制相比,所需的绿灯间隔时间最少,因此,理论通行能力最强;缺点是对向直行车流与左转车流相互冲突,因此,存在一定的安全隐患。

5 结论

1)本文分析研究了简单交叉口的信号控制方案及配时方法,它较好地解决了交叉口混合交通流之间由于直行和转弯产生的交错影响,提高了交叉口的通行效益。

2)在进行交叉口信号设计时, 既要考虑到整个交叉口的通行能力, 又要考虑到各进口道在相应的绿灯时长下的通行能力。对于某一相位某一进口道的通行能力并非是随着同样绿信比的周期长度的增长而升高,而是先增加后降低。因此, 如果由于流量的增大而盲目地增长交叉口的周期,从某种程度上说,虽然绿信比增加了,但同样交通量也降低了,其结果不一定是通行能力增加了。

参考文献

[1]石建军,宋俪婧,于泉.现代交通控制相关技术的发展趋势分析[J].公路交通科技,2006,23(9):21-25.

[2]靳文舟,张杰,郑英力.交通流模拟中的随机输入模型[J].华南理工大学学报,2001,29(11):92-97.

[3]刘智勇.智能交通控制理论及其应用[M].北京:科学出版社,2003.

[4]陈森发,陈洪,徐吉谦.城市单路口交通的两级模糊控制及其仿真[J].系统仿真学报,1998,10(2):35-40.

信号配时篇6

关键词：近似动态规划,极速学习机,排队长度,信号配时,神经网络

1 引言

在城市道路供应日渐趋紧的情况下,通过交通信号配时的优化提高整个路网的通行效率和交叉口通行能力,逐渐成为解决城市道路交通拥挤的主要手段[1]。由于控制过程中策略的不同,现实中应用最为广泛的单点控制策略可以分为定时、感应、自适应3种[2]。其中,融合了神经网络、遗传算法等模式识别技术的自适应控制方法因其从需求出发、动态配时的特点成为了交通信号控制领域新的研究热点,这类方法趋向于将交叉口的交通看作一个不确定的系统,通过车流量、停车次数、延误时间等交通状态信息的采集,进行反馈实现信号配时的动态优化调整,逐渐成为智能交通研究的核心问题之一。从交叉口运行状态建模的角度来看,自适应控制方法大致可以分为两类:基于模型的参数式方法[3]、以及与模型无关的非参数式方法。其中以近似动态规划(Approximate Dynamic Programming,A D P)为代表的非参数式方法开始在交通流研究领域中崭露头角。与传统参数式的方法相比,它能够根据控制环境反馈的评价信号来获取近似的最优控制策略,不再依赖被控对象的解析模型,更加适于处理时变的复杂系统和动态变化的复杂任务,在交通控制研究中表现出了良好的应用潜力[4]。

事实上,停车延误、停车次数、服务水平等交叉口效益评价指标都与绿灯末尾排队状态直接相关联,信号控制交叉口排队长度就是若干交叉口效益指标的直接体现。近几年,不少学者着眼于排队长度的均衡,从参数式、非参数式的角度交叉口动态配时策略进行了一些研究,取得了一些令人鼓舞的进步[5,6]。他们以不同相位排队长度的均衡为目标,以神经网络技术为手段,实现二三相位交叉口信号配时的优化,进行了一些有益的尝试。遗憾的是,这些方法相对笼统的以传统定义的相位排队长度为目标,同一相位至少包含两个(含)以上排队长度,这种针对不同队列间的优化考量,少有提及,不仅在理论上无法达到最优,而且不能很好的适用于实际应用的需要。此外,基于神经网络技术的近似动态规划技术在网络训练中迭代寻优的策略导致训练时间偏长,也限制了此类方法在实际交通环境中的推广[7]。鉴于此,本文着眼于排队长度均衡目标下T型交叉口动态信号配时优化算法的研究,以不同交通流向上单一排队长度为研究对象,利用近似动态规划技术并引入神经网络极速学习方法,形成T型交叉口信号动态配时优化策略。

2 T型交叉口信号控制策略

一切先进成熟的交通信号控制策略,不论其控制思想如何,归根结底可描述为在合适的时间选择合适的交通流,并赋予其通行权。对于过饱和T型交叉口来说,就是尽可能的减少交通冲突点的数目,同时辅以恰当的相位切换方案,以达到提高通行效率,改善交通环境的目的。

2.1 T型交叉口交通组织

作为城市中最为主要的交叉口形式之一,T型交叉口常见于旧城区待升级改造的路网之中。受地形条件的限制,尽管通过最优交叉口交通运行模型建立形成的定时信号配时能在一定程度上提升通行效率,但动态配时方案是解决此类交叉口拥堵问题的更有力工具[8,9]。遗憾的是,现有实际交通控制设备中,信号配时动态调整常依赖于对当前相位排队车辆数目的采集并呈比例分配绿灯时间,无法较好的应对过饱和流量下的交叉口的需要。典型T型交叉口交通组织如图1所示,这里行人过街需求通过人行天桥或地下通道满足。伴随着相位切换导致车辆启停过程中的时间浪费已经成为通行效率提高的障碍之一,所以我们考虑T型交叉口组织方案为右转-允许型,即右转车辆自由通行,形成典型的T型交叉口三相位设置方案,如图2所示。

在这样的交通组织方案下,如何通过恰当的绿灯时长的分配,使得通行效率得到提高,具有较强的现实意义。正因为排队长度是若干交叉口效益指标的直接体现,所以对上述交通组织方案下T型交叉口动态描述如下:

这里,Li[k](i=1,2,3)表示交叉口在第k个周期第i个相位的排队长度,qi[k],i=1,2,3表示交叉口在第k个周期第i个相位的交通需求量(veh/h);Si为交叉口单一进口道的消散流量,在上述方案中也可以理解为单一相位的消散流量,通常按照经验确定为一常值(veh/h),C为信号周期(s),gi(k)表示第k个周期内第i个相位的有效绿灯时间(s);Li[k]为第k个周期相位i的排队长度;e(k)表示3相位3个信号配时与平均排队长度的差值的和。

2.2 排队长度均衡的信号交叉口控制思想

基于排队长度均衡的饱和交叉口信号控制核心在于根据当前周期各个进口道排队长度来动态调整下一周期各相位绿灯时间,对于排队长度较长的相位,应分配给较多的绿灯时间,相应的排队长度较短的相位获得绿灯时间相对减少,从而避免某一相位排队车辆很快消散而另外的相位排队长度不断增长。在信号周期固定的条件下,一个简单的处理方法就是根据上一周期结束时各流向排队长度呈比例的分配下一周期中的绿灯时间。但从微观上看,交通个体在交叉口内通行行为的差异性使得上述“自然、简单”思路的有效性大打折扣,近似动态规划技术的引入显得恰如其时,以排队长度为控制目标,以近似动态规划为工具,按照交通需求动态调整不同相位间的绿灯时间,避免通行能力的浪费。

3 基于排队长度均衡的T型交叉口信号配时优化

3.1 交叉口信号配时优化策略

根据前述控制思想,T型交叉口信号控制目标函数如下:

这里α为适当正常数,γ为折扣因子,记

基于排队长度均衡的T型交叉口控制策略如下:

其中g[k]=[g1[k]g2[k]g3[k]],K为系统增益,k为周期数,NNα(e[k],Wα)为Action神经网络输出,记为uα[k];Wα为Action模块神经网络的权值向量;为Critic模块输出的性能指标估计值。典型的控制结构如图3所示。

在图3中所示的控制策略结构图中,model模块根据当前周期内不同方向上输入的排队车辆数目以及当前周期配时方案得到下一个周期初始排队长度,即当前周期配时方案运行之后的排队结果。下一个周期,以三个相位的排队长度Li[k](i=1,2,3)之间的差值作为输入状态,输送至Action模块和Critic模块。Action模块根据以输入的排队长度差值最小化来生成新的信号配时方案,而Critic模块则根据Critic模块生成的新的配时方案和输入的排队长度差来估计整个的系统的性能指标。通过该性能指标的最大/小化来修正Critic生成的配时方案,从而保证动态调整信号配时的过程中每一个周期都能达到排队长度均衡的目标。

3.2 神经网络极速学习

模式识别应用背景下人工神经网络成功应用的关键在于根据不同的任务和训练样本生成不同的神经网络权值以构建网络。作为目前应用最为广泛的模型之一,基于反向误差传播原理的BP训练方法通过持续调整网络权值使得实际输出与期望输出之间的误差平方和达到最小或者小于某个阀值,这个不断调整权值的过程意味着较大的时间消耗。所以基于神经网络的近似动态规划技术在交通控制中应用时常常受到网络训练时间的制约。正如研究者们提到的,对离线训练数据进行预处理或者对网络大小的缩减都是提高算法收敛速度的有效途径,围绕着迭代调整思想技巧性改进的算法相继出现,但取得的进步依然有限,基于迭代的BP模型依然存在着诸如训练速度慢、参数选择敏感、局部最小化以及过度拟合的缺点[10]。

受实际应用的驱动,研究者们开始寻找非迭代性的网络训练方法,以大幅提高神经网络训练速度。Huang和Babri等通过理论研究证明了单隐藏层前馈神经网(Single-hidden Layer Feed forward Neural Net work,SLFN)的学习能力只和隐藏层节点的数目有关,而与输入层的权值无关。在此研究结果的驱动下,一种名为极速学习机(Extreme Learning Machine,ELM)的学习方法应运而生:设置合适的隐藏层节点数,为输入权和隐藏层偏差进行随机赋值,然后输出层权值通过最小二乘法得到。整个过程一次完成,无需迭代,速度显著提高[11]。ELM方法为基于近似动态规划技术的交通信号配时优化技术带来了新的思路,算法如下。

对于一个单隐层神经网络,给定N个样本(Xi,ti),其中Xi=[xi1,xi2,…,xin]T∈Rn,ti=[ti1,ti2,…,tim]T∈Rm,假设该神经网络隐藏节点数目为,那么该网络可以表示为:,这里g(x)为激励函数,Wi=[wi,1,wi,2,…,wi,n]T为初始输入权值,bi为第i个隐层单元的偏差。学习目标是使得输出的误差最小,即。于是有训练目标为存在βi,Wi和bi,使得

记T为期望输出矩阵,β为输出权值矩阵,H为层节点的输出矩阵。

简述训练步骤如下:

(1)随机指定输入权值wi和偏差

(2)计算隐藏层输出矩阵

(3)计算输出权值

根据上述求解输出权值的步骤即可迅速的获得用于信号配时优化近似动态规划框架中神经网络。与BP相比,ELM需要调整的参数只有隐含层节点个数这一个。尽管目前还未有精确估计的方法,但在极大程度上缩小了搜索的范围,实际应用中常用交叉验证的方式来确定的具体数值[12]。ELM这一特性使得它符合交通信号配时在线调整的要求。

相对于基于BP迭代搜索的技巧性改进方法,基于ELM的近似动态规划技术不仅能够摒弃BP方法中训练速度慢、参数选择敏感的不足,还能较好的避免局部最小值和过度拟合情况的出现。

4 实验仿真

为了验证文中所提控制策略的有效性,通过不同控制策略下的排队长度的变化过程对比观察。用于对比的控制策略包括固定式信号配时以及文中所提基于近似动态规划的控制策略。

4.1 仿真参数的设定

出于简化模型的目的,我们把实验中每个周期内交通需求近似为线性的函数,且当前周期初始排队长度服从在[0,25]之间随机取值。不同相位交通需求的设置如图4所示。极速学习机中参数的设置以文献[12]为依据,其中隐藏层节点数通过交叉验证的方式确定,ELM中的输入权值wi和偏差值bi随机确定即可。

近似动态规划框架中的参数的设置如表1所示,初始绿灯时间通过Synchro7软件生成。

4.2 实验结果及分析

图5给出的是图4交通需求条件下,定时信号配时方案三个相位排队长度变化曲线。从图中可以看出,随着信号周期的增加,固定式信号配时方案难以平衡不同流向之间的交通流,出现了相位1排队长度持续增加,相位2、3排队长度持续减少的情况,值得注意的是,图5中相位2和相位3在部分周期内排队长度为负值,说明此时造成了交叉口通行能力的浪费,且负值越大,浪费愈严重。相比之下,基于近似动态规划技术的信号配时方案能获得不一样的控制效果,正如图6中看到的那样,在整个实验周期内,并未出现某一相位排队长度明显增加,而另外相位明显减少的情况,3个相位排队长度呈现出了一致的变化趋势。使得过饱和流量条件下的交叉口运行更为有序。基于ELM的极速学习方法,为近似动态规划技术在交通控制中的实时应用打下了良好基础。

5 结束语

通过科学、合理的信号配时方案是解决城市拥堵问题的有效途径之一。作为非参数的方法,近似动态规划技术已经在其他不少领域得到了成功应用。针对T型过饱和交叉口的信号配时问题,以排队长度均衡为控制目标,利用近似动态规划技术实现信号配时的动态调整,以符合交通流的需要。同时,利用极速学习机提高近似动态技术在优化求解过程中的速度。仿真实验结果表明,融合近似动态规划和极速学习机的方法能够在短时间内使得不同相位间排队长度变化趋势趋于一致,从而达到均衡排队长度的目的。这样的控制策略不仅适合实时的交通控制,更适用于实际交叉口运行状态的控制。在实际交叉口运行中,受个体交通行为差异的影响,各车通过交叉口所需时间无法准确计算,通过神经网络对整个队列时间进行预计以实现精确配时,将是我们下一步研究的主要方向。

参考文献

[1]李瑞敏.过饱和交叉口交通信号控制研究现状与展望[J].交通运输工程学报,2013,13(6):119-126.

[2]ANDREW HAMILTON BEN WATERSON.ANDREW ROBINSON,etc.城市交通控制的演变—政策与技术变更[J].城市交通,2014,12(5):82-94.

[3]张萌萌,贾磊,邹难.单点定时信号配时的多目标优化模型[J].计算机工程,2011,37(6):27-29.

[4]赵冬斌,刘德荣,易建强.基于自适应动态规划的城市交通信号优化控制方法综述[J].自动化学报,2009,35(6):676-681.

[5]齐驰,侯忠生,贾琰.基于排队长度均衡的交叉口信号配时优化策略[J].控制与决策,2012,27(8):1191-1194.

[6]万伟,陈锋.基于遗传算法的单交叉口信号优化控制[J].计算机工程,2007,33(16):217-219.

[7]张国翊,胡铮.改进BP神经网络模型及其稳定性分析[J].中南大学学报(自然科学版),2011,42(1):115-124.

[8]SAMRA,S.EL-MAHDY,A.WADA,Y.A linear time and space algorithm for optimal traffic-signal duration at an intersection[J].IEEE Transactions on Intelligent Transportation Systems,2015,16(1):387-395.

[9]MICHALOPOULOS P G,STEPHANOPOULOS G.Oversaturated signal systems with queue length constraints—I:single intersection[J].Transportation Research,1977,11(6):413-421.

[10]刘德荣,李宏亮,王鼎.基于数据的自学习优化控制:研究进展与展望[J].自动化学报,2013,39(11):1858-1870.

[11]邓万宇,郑庆华,陈琳等.神经网络极速学习方法研究[J].计算机学报,2010,33(2):279-287.

信号配时篇7

为适应交通量猛增的趋势，缓解道路拥堵状况，国内外许多城市采取延长道路、加宽路面、建高架路(立交桥)等措施，收效虽明显，但由于土地资源的稀缺性而受到限制。合理地对城市交通信号灯进行控制，建立合理的信号灯配时方案，对于提高交叉口的通行能力，减少交通污染，降低能源消耗，实现交通流的安全性、快速性和舒适性都能起到很大作用。根据城市道路交通流特征，对单交叉口提出一种信号灯配时与车流速率同步变化的优化配时方案，并通过计算机软件进行仿真性评价。

1 模型建立

在交通路口，交通流量呈现很大的随机性，因而信号灯配时应针对不同的车流情况采取不同的配时方案，一种配时方案的改变，将对各个车道的车流产生很大影响。目前，对于城市交通网络的优化控制研究大多是针对城市交通网络的交通流分配进行优化，或依据出行者起止点之间路径按时间最短优化控制，或是按城市流通能力最大的交通流分配优化控制等。但对于交叉口多相位交通信号配时智能化涉及很少。下面针对单交叉口多相位的交通信号配时智能化进行讨论。

1.1 单交叉口交通流动态模型

城市单交叉路口的交通流如图1所示。

单交叉口有东、南、西、北4个方向，每个方向均存在左转、直行、右转3个车流。对路口各个车道车流量进行实时检测而获得车流量信息，为优化决策提供必要的数据。由于各个方向的车流是随机变化的，若依据各个车道的车流检测信息，以交叉路口排队等候的车辆数最少为优化目标函数，对交叉路口配时相位进行优化，将有利于减轻交通拥挤程度、降低交通能耗和交通污染，使之获得最佳性能指标。

1.2 单交叉口优化设计后各相位通行时间分配

单交叉口互为成对的方向为：东西向直行、南北向直行、东左转西左转、南左转北左转四相，如图1所示。单交叉口各相位通行顺序设为东西向直行→东左转西左转→南北向直行→南左转北左转→东西向直行。优化设计后各相位的通行时间之比为：

λ2jn,j=1,2,3,4：表示优化设计后j相第n个周期的绿信比;

ujn,j=1,2,3,4：表示j相所对应道路第n个周期的车流速率，即互为成对方向的车流速率之和。

各相位的通行时间为：

t2jn,j=1,2,3,4：表示优化设计后j相第n个周期的通行时间;

T：单交叉口的信号灯周期。

1.3 单交叉口优化设计后通过能力评价

单交叉口通过能力可通过对优化设计前后单位时间内排队等候的车辆数进行比较来评价，排队等候的车辆越少，通行能力越强。为方便起见，在此引入通过能力评价因数，该因数的计算公式为：

η：单交叉口通过能力评价因数;

Q1：单交叉口优化设计前单位时间内排队等候的车辆数;Q2：单交叉口优化设计后单位时间内排队等候的车辆数。由(3)式可知：η为负值时，优化设计后该交叉口的通行能力增强;η为正值时，优化设计后该交叉口的通行能力减弱。单交叉口单位时间内排队等候的车辆数计算公式为：

Qi,i=1,2：单交叉口单位时间内排队等候的车辆数，当i=1时为优化设计前的值，当i=2时为优化设计后的值;

Qin,i=1,2：单交叉口第n个周期排队等候的车辆数，当i=1时为优化设计前的值，当i=2时为优化设计后的值。Qin可由下式计算：

qijn,i=1,2;j=1,2,3,4：单交叉口j相所对应道路第n个周期排队等候的车辆数，当i=1时为优化设计前的值，当i=2时为优化设计后的值。qijn可由下式计算：

当i=1时，t1jn为优化设计前的值，不随ujn变化而变化;当i=2时，t2jn为优化设计后的值，随ujn变化而变化。综合(2)、(3)、(4)、(5)、(6)式可得：

2 实例分析

本文通过宁波市泽民交叉口对改进后的信号灯相位进行效益分析。泽民交叉口是典型的单交叉口，东西向为中山西路，南北向为环城西路，如图2所示。该交叉口的信号灯周期为130s，一个周期内东西向直行、东左转西左转、南北向直、南左转北左转的通行时间分别为45s、35s、30s、20s。为方便起见，将东西向直行、东左转西左转、南北向直、南左转北左转分别定为1、2、3、4相。

通过实地调研统计获得泽民交叉口各相的车流速率如表1所示。

根据该交叉口车流速率和优化前各相的通行时间，由公式(1)、(2)、(5)、(6)可计算出优化后各时间段各相的绿信比及优化前、后各时间段排队等候的车辆数如表2所示。

由表2数据通过excel软件绘制交叉口优化前、后排队等候车辆数随时间的变化状况如图3所示。

从图3可以看出，不管车流量处于高峰还是处于低谷，交叉口优化后排队等候的车辆数都不同程度地小于优化前排队等候的车辆数。由公式(3)、(4)可以算出η为-0.3，即优化后排队等候的车辆数比优化前排队等候的车辆数降低了30%。

3 结束语

【信号配时】推荐阅读：

信号结构07-17

信号博弈07-19

音频信号07-20

微波信号07-20

随机信号05-12

信号延时05-14