交通控制区域动态划分方法

摘要

本发明涉及交通控制领域，尤其涉及交通控制区域动态划分方法，包括以下步骤：计算所有相邻交叉口之间路段的粗划分指标，并以此进行初次划分，粗划分指标根据距离、流量和周期原则确定；对初次划分剩余的路段，根据粗划分指标对它们进行降序排序并开始遍历，以绿波带带宽达到率作为细划分指标，并对子区进行再次细划分；根据绿波带带宽达到率是否满足调整条件，对子区进行动态调整。本发明的有益效果在于：本发明提出的这种二次划分方法，并基于此建立的最大绿波带优化模型，使得子区的划分更加合理，子区内的协调控制效果更加有效，而以绿波带带宽达到率作为控制子区的调整条件，进一步实现了子区之间的动态调整，提高了交通运行效率。

说明书

技术领域

本发明涉及交通控制领域，尤其涉及交通控制区域动态划分方法。

背景技术

有效的交通控制子区的划分是进行高效区域协调控制的基础。其基本思想是将一个复杂 庞大的路网按照一定的原则指标划分成若干个独立的子区，根据子区的特性分别执行合适的 控制优化策略，把控制权逐级下放，使系统变得更加灵活可靠。为此，寻找合适的划分指标 及其算法成为当前交通区域协调控制的研究热点。

目前，国外的交通控制系统(例如：SCOOT和SCATS系统等)主要采用静态划分控制子区 的方法，而动态划分控制子区的方法仍在研究和逐步实现中。国内学者对控制子区的划分也 进行了相关的研究，提出了分别基于“周期原则”、“流量原则”与“距离原则”的控制子区 自动划分方法；给出了周期子区和相位差／绿信比子区的概念并提出相应的子区动态划分方 法；提出过一种以静态区域控制为基础,通过对城市交通拥堵进行分类，采取不同的判断标 准，实现动态分区控制的思想；提出过可协调度的概念，以此建立了基于超图划分算法的子 区划分方法；建立了以谱图理论为基础结合谱聚类算法进行路网动态分区；综合了各种影响 子区划分因素的基础上，建立了基于关联度分析的子区动态划分模型，由于遗传算法在搜索 效率与寻优能力方面存在不足，使得控制子区划分算法不能更快更准地搜索到最优或次优子 去划分方案。

然而，现有子区划分指标基本上都停留在周期、距离和流量等原则上，不能很好地保证 子区划分的合理性，对子区内信号有效的协调控制和子区的实时动态调整考虑不够，即控制 子区划分算法存在一定的局限和缺陷，导致子区的动态划分不能达到理想的效果。

发明内容

本发明为克服上述的不足之处，目的在于提供交通控制区域动态划分方法，通过建立最 大绿波带优化模型，实现了子区的划分和子区内信号配时参数优化调整的同步，并以绿波带 带宽达到率同时作为子区细划分和动态调整的指标，不仅增强了控制子区划分方法的合理 性，而且也保证了子区划分的实时性和高效性，实现了子区的绿波协调控制。

本发明是通过以下技术方案达到上述目的：交通控制区域动态划分方法，包括以下步骤：

1）计算所有相邻交叉口之间路段的粗划分指标CI，并以此进行初次划分：当CI＞40 时，交叉口间进行协调能取得较好的协调效果；当CI＜-8时，无需进行协调；

2）对初次划分剩余的路段，根据粗划分指标对它们进行降序排序并开始遍历，进一步 对子区进行再次细划分；

3）根据绿波带带宽达到率A_B是否满足调整条件，对子区进行动态调整。

作为优选，所述步骤1）中，粗划分指标CI根据距离原则、流量原则、周期原则进行 初次划分，其中CI：

$\mathrm{CI}=k_A\frac{q}{D^2}-k_B\frac{|C_1-C_2|}{3600}---\left(1\right)$

$q=\frac{\mathrm{DS}*G*V}{3600}=\frac{g*V}{3600}=\frac{[G-(T-\mathrm{th})]*V}{3600}---\left(2\right)$

式中：k_A和k_B为比例放大系数，为使三个原则在式中的地位相当，通过比例系数调整使它 们处在同一数量级别，通常取k_A＝360,k_B＝3600；q为综合流量，即是一个与车辆种类(车 身长度)无关的用来反映通过停止线混合车流数量的参量；D为交叉口间的距离，单位为千 米；C₁和C₂分别为上游交叉口和下游交叉口单点控制时所需的最佳信号周期；DS为饱和 度；G为绿灯时间，单位为秒；V为最大流率，单位为1000辆/小时；g为有效绿灯时间， 单位为秒；T为绿灯期间停止线上无车通过的时间，单位为秒；t为车流正常通过停止线时 车辆间的时距，单位为秒；h为车辆间时距的个数。

作为优选，所述步骤2）具体包括以下步骤：

步骤1：对初次划分剩余的路段，根据粗划分指标对它们进行降序排序并开始遍历：对 于-8≤CI≤40的路段，需要进行细划分，首先对它们进行排序，为后面的细划分做准备；

步骤2：在未遍历的路段当中选取粗划分指标最大的路段：粗划分指标CI越大，说明 两交叉口间的关联性越强，则优先考虑尝试划入同一子区；

步骤3：试着将路段两端的交叉口划入同一个子区：其实不仅仅是路段两端的交叉口， 如果路段两端是两个子区，则考虑将两个子区进行合并；

步骤4：用最大绿波带优化模型计算子区最大双向非对称绿波带带宽：最大双向非对称 绿波带带宽即为相同带宽的情况，只是目标函数中的加权系数k_w和k_v不相等；

步骤5：子区内绿波带带宽是否满足要求：用细划分指标A_B来衡量绿波带带宽达到率 是否满足要求，由于是采用非对称的双向绿波带带宽，所以达到率A_B的计算公式具体化为：

$A_B=[\frac{k_w{B}_w}{(k_w+k_v)G_{w\min }}+\frac{k_v{B}_v}{(k_w+k_v)G_{v\min }}]*100\%$

式中：B_w和B_v分别为正向和反向的绿波带带宽，k_w和k_v分别为它们在目标函数里的加权 系数，G_wmin和G_vmin分别为正向和反向各交叉口协调相位的绿灯时间最小值；同样取阈值 为66%，即当A_B≥66%时，确定将路段两端的交叉口划入同一个子区，否则不划入；

步骤6：是否还有未遍历的路段：如果还有没遍历的路段，则跳转到步骤(2)继续执行， 否则说明所有路段已遍历完毕，子区划分结束。

作为优选，所述步骤3）的调整条件包括：

（1）在每个信号周期内，审查调整条件，即计算绿波带带宽达到率A_B是否满足 A_B≥66%；

（2）根据调整条件是否达标，计算“调整指数”，若未达标，则“调整指数”累计值加 1，否则累计值减1；

（3）若“调整指数”累计值达到4，则认为子区的划分已经“过时”，需要对子区做出 调整。调整后，“调整指数”累计值清零。

本发明的有益效果在于：1、提出的一种多重指标、二次划分子区的模型，并通过建立 最大绿波带优化模型，实现了子区的划分和子区内信号配时参数的优化调整同步，进而使得 子区的划分更加高效合理；2、以绿波带带宽达到率为指标对子区进行的再次细划分,克服了 现有划分方法无法事先保证子区内协调控制效果的缺点,在一定程度上保证了子区在各种交 通状态下规模始终适中,进而使子区协调效果更加显著；3、以绿波带带宽达到率是否达标为 子区调整条件，并提出“调整指数”的概念，根据“调整指数”来决定是否需要对子区进行 在线调整，使子区的动态调整更加鲁棒和有效。

附图说明

图1是子区动态划分方法的逻辑流程图；

图2是最大绿波带优化模型的时间-空间图；

图3是不同带宽干线绿波带最大化问题的时间-空间图；

图4是子区划分流程图；

图5是某子区划分结果示意图。

具体实施方式

下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：

实施例1：如图1、图4所示，交通控制区域动态划分方法，包括以下步骤：

a、计算所有相邻交叉口之间路段的粗划分指标CI，并以此进行初次划分；

对于一个由n个交叉口和m条路段共同组成的路网，共有2^m种子区划分方案，可见随 着交叉口和路段数量的增加，可选方案呈指数式增长，因此有必要先对路网进行初次粗划分 来缩小寻优的范围。

控制子区的划分主要依循三类原则：距离原则、流量原则和周期原则，这三类原则在一 定程度上很好地反映了路网的交通特性。

1)距离原则：相邻交叉口之间距离的长短决定了从上游交叉口驶来的车队接近下游交叉 口时是否会离散开来呈现随机到达的状态，它是衡量交叉口间相关性的一个关键因素；另外， 它还决定了交叉口间的交通容量，若距离较近，则下游的排队车辆十分容易引起上游发生拥 堵，需对两个交叉口进行协调；

2)流量原则：路段上的交通流量是引发交通拥堵的一个主要因素，当流量较大时，上一 个交叉口的交通状况能较好地随着流动的车流扩散到下一个交叉口，这时进行协调控制效果 较为明显；

3)周期原则：因为参与协调的交叉口必须公用一个信号周期，以便来保持各个交叉口之 间的相位差稳定，所以单个交叉口单点控制时所需的最佳周期长度应相同或者相近，否则进 行协调反而会增加其中某个或某些交叉口的车辆延误和排队长度；

综合考虑上述三个原则，得到粗划分的指标CI如下：

$\mathrm{CI}=k_A\frac{q}{D^2}-k_B\frac{|C_1-C_2|}{3600}---\left(1\right)$

$q=\frac{\mathrm{DS}*G*V}{3600}=\frac{g*V}{3600}=\frac{[G-(T-\mathrm{th})]*V}{3600}---\left(2\right)$

式中：k_A和k_B为比例放大系数，为使三个原则在式中的地位相当，通过比例系数调整使它 们处在同一数量级别，通常取k_A＝360,k_B＝3600；q为综合流量，即是一个与车辆种类(车 身长度)无关的用来反映通过停止线混合车流数量的参量；D为交叉口间的距离，单位为千 米；C₁和C₂分别为上游交叉口和下游交叉口单点控制时所需的最佳信号周期；DS为饱和 度；G为绿灯时间，单位为秒；V为最大流率，单位为1000辆/小时；g为有效绿灯时间， 单位为秒；T为绿灯期间停止线上无车通过的时间，单位为秒；t为车流正常通过停止线时 车辆间的时距，单位为秒；h为车辆间时距的个数。

借鉴前人的经验，再根据自己反复实验的结果，认为当CI＞40时，交叉口间进行协 调能取得较好的协调效果；当CI＜-8时，无需进行协调。

b、对初次划分剩余的路段，根据粗划分指标对它们进行降序排序并开始遍历，进一步 对子区进行再次细划分；

在最大绿波带优化模型中，这里只讨论不同带宽干线绿波带最大化问题模型，相同带宽 干线绿波带最大化问题只是不同带宽干线绿波带最大化问题的特殊情况，与不同带宽情况相 同，这里就不再讨论。在子区划分结束后，虽然不会存在大规模的环路(因为这样的子区绿 波带带宽达到率是不会满足要求的)，但是还是有可能存在小型环路的情况(较多的是一个环 路)，环路绿波带最大化问题，相比干线绿波带最大化问题，只需要多增加环路约束，这里 不做过多说明。

考虑到绿波带的带宽直接决定了优化协调效果的好坏，用最大绿波带优化模型计算子区 最大双向非对称绿波带带宽，不同带宽干线绿波带最大化问题模型的几何关系如图2所示， 考虑一条包含n个交叉口的干线。图2中所有的时间变量都归一化成相对周期时间的比，这 些变量定义如表1所示：

表1

交叉口i的协调相位的归一化有效绿灯时间为

$g_i=g_i^{a}z$

$={\gamma }_i(\frac{1}{z}-L_i)z---\left(3\right)$

$={\gamma }_i-{\gamma }_i{L}_{i}z$

其中，为交叉口i的协调相位的实际有效绿灯时间；γ_i为交叉口i的协调相位的流 率比，即交叉口i的协调相位的流率与交叉口i的所有相位流率之和的比，由历史数据统计 得到；L_i为交叉口i一个周期内所有相位的总损失时间之和，即

$L_i=n_i^{\mathrm{phase}}{t}_L---\left(4\right)$

其中，为交叉口i的相位个数，t_L为一个相位的损失时间，等于启动损失时l₁与 清空损失时间（即全红时间）l₂之和，通常l₁＝2,l₂＝2，所以t_L＝l₁+l₂＝4秒。

因为有效绿灯时间和有效红灯时间之和等于周期时间，所以

r_i＝1-g_i＝1-γ_i+γ_iL_iz    (5)

不同带宽干线绿波带协调控制是指：干线上每个路段的绿波带带宽不相同。此时，优化 目标函数为

$\max \left(\underset{i=1}{\overset{n-1}{\Sigma }}(k_i^w{b}_{i(i+1)}+k_i^v{b}_{(i+1)i})\right)---\left(6\right)$

其中，和为加权系数，都大于零，满足和选取通常根 据路段的流量，流量大的路段权重大。

参照图2，再根据公式(3)、(4)、(5)和(6)，一条含有n个交叉口的干线的不同带宽 绿波带最大化问题就是求解b_i(i+1)、b_(i+1)i、z、w_i、v_i、φ_i(i+1)和I_i(i+1)，使得

$\max \left(\underset{i=1}{\overset{n-1}{\Sigma }}(k_i^w{b}_{i(i+1)}+k_i^v{b}_{(i+1)i})\right)$

s.t.:

(t_i(i+1)+t_(i+1)i+γ_iL_i-γ_i+1L_i+1)z+w_i+v_i-w_i+1-v_i+1-I_i(i+1)＝γ_i-γ_i+1,i＝1,...,n-1,

${\phi }_{i(i+1)}=t_{i(i+1)}^C+\frac{1}{2}(r_i-r_{i+1})+w_i-w_{i+1}-I$

$=(t_{i(i+1)}+0.5{\gamma }_i{L}_i-0.5{\gamma }_{i+1}{L}_{i+1})z+0.5({\gamma }_{i+1}-{\gamma }_i)+w_i-w_{i+1}-I,i=1,...,n-1,$

$\frac{1}{C_{\max }}\le z\le \frac{1}{C_{\min }}.---\left(7\right)$

其中，t_i(i+1)和t_(i+1)i为真实旅行时间（单位：秒），I_i(i+1)为大于等于零的整数。

参照图3，绿波带的带宽不可能无限制的增大，绿波带的带宽为实线部分，虚线为红波 带的带宽；绿波带的宽度最大值受到交叉口中绿灯时间最小的那个交叉口的限制。绿波带带 宽的大小直接决定了优化协调效果的好坏，绿波带带宽的实际值所达到最大值的比例来衡量 优化模型的优化效果，可以用绿波带带宽达到率的大小表示；

进一步，协调控制的一般步骤往往先是进行子区划分，再对子区进行协调控制，对于最 大绿波带优化模型来说，这就意味着只有在子区划分完成后才可以知道优化效果的好坏，优 化效果不好，又要进行再次划分。为解决这个问题，本发明将子区划分和模型优化同时进行， 这样的思路使子区的划分更加合理，子区内的协调控制效果更加有效。所以，这里把绿波带 带宽达到率直接作为子区细划分的指标，以保证子区内达到足够大的绿波带带宽：

$A_B=\frac{B}{G_{\min }}*100\%---\left(8\right)$

其中，B为最大绿波带优化模型所求得的带宽，G_min为子区中各交叉口协调相位的绿 灯时间最小值。因为0≤B≤G_min，所以A_B的取值范围为[0,1]，又因绿波带的宽度随着交 叉口数量的增加而减少，所以A_B的阈值直接决定了子区划分的个数。阈值选取较大，则子 区个数较多，过于零散，但子区内所能获得的绿波带带宽较大；相反，阈值选取较小，则子 区个数较少，但子区内协调效果不理想。本发明根据实际区域协调控制的经验，取A_B的阈 值为66%，即子区优化后的最大绿波带带宽B满足

$A_B=\frac{B}{G_{\min }}*100\%\ge 66\%---\left(9\right)$

则将该交叉口划入子区。

c、根据绿波带带宽达到率是否满足调整条件，对子区进行动态调整：

由于路网交通状况的复杂性、随机性和实时性使得原本高效的子区变得不合理，影响子 区内的协调控制效果，绿波带带宽达到率的大小可以及时有效反映子区的合理性与否，本发 明中以绿波带带宽达到率是否达标为子区调整条件，进而提出“调整指数”的概念，根据“调 整指数”来决定是否需要对子区进行调整，以下是调整的方法：

1、在每个信号周期内，审查调整条件，即计算绿波带带宽达到率A_B是否满足 A_B≥66%，计算公式采用式(10)；

2、根据调整条件是否达标，计算“调整指数”，若未达标，则“调整指数”累计值加1， 否则累计值减1；

3、若“调整指数”累计值达到4，则认为子区的划分已经“过时”，需要对子区做出调 整。调整后，“调整指数”累计值清零。

注意到“调整指数”累计值取非负值，即最小值为0。“调整指数”的引入可以消除交 通状况的随机性所带来的扰动，使子区的调整更加鲁棒和有效，这也是本发明提出的方法的 优点之一。

根据信号控制的实时性，当个别的子区需要调整，其他的大部分子区“调整指数”累计 值并未达到4，说明它们的绿波带带宽仍符合要求，无需进行调整，所以子区的动态调整只 需在小范围内进行。“调整指数”累计值达到4的子区说明该子区内运行效益较低，已无法 适应交通流的变化，肯定需要调整；考虑到交通流的连续性，该子区的调整势必对相邻的子 区造成一定的影响，因此把与该子区相邻的子区也纳入调整的范围。调整范围确定后，再根 据本发明提出的划分方法，重新作出划分。

以某控制区域为例，其拓扑结构如图5所示，研究对象为9个交叉口与12条相连路段 组成的控制区域为实施例的研究区域，相邻交叉口之间路段和各干线用交叉口序列号表示， 各干线输入车流量如表2所示；

表2

其步骤如下：

⑴计算所有路段的粗划分指标，并以此进行初次划分：首先根据流量信息进行单点配时， 得到单点控制时的最佳周期时长，再加之路网信息，计算各个路段的粗划分指标CI，当 CI＞40时，进行协调，当CI＜-8时，无需进行协调。各交叉口的初始周期C₁,C₂,…,C₉分别为40s、42s、40s、61s、64s、67s、52s、53s、50s，根据 $q=\frac{\mathrm{DS}*G*V}{3600}=\frac{g*V}{3600}=\frac{[G-(T-\mathrm{th})]*V}{3600}$和$\mathrm{CI}=k_A\frac{q}{D^2}-k_B\frac{|C_1-C_2|}{3600},$结果如表3：各个路段的 粗划分指标CI值表所示：

路段 距离(米) CI 路段 距离(米) CI 1-2 700 1.7 1-4 500 -19.6 2-3 500 2.5 4-7 600 -6.5 4-5 700 4.5 2-5 500 -20.3 5-6 500 14.9 5-8 600 -7.3 7-8 700 3.4 3-6 500 -25.6 8-9 500 6.5 6-9 600 -14.2

表3

⑵对初次划分剩余的路段，根据粗划分指标对它们进行降序排序并开始遍历：对于 -8≤CI≤40的路段，需要进行细划分。首先对它们进行排序，为后面的细划分做准备；

⑶在未遍历的路段当中选取粗划分指标最大的路段：粗划分指标CI越大，说明两交叉 口间的关联性越强，则优先考虑尝试划入同一子区；

⑷试着将路段两端的交叉口划入同一个子区：其实不仅仅是路段两端的交叉口，如果路 段两端是两个子区，则考虑将两个子区进行合并；

⑸用最大绿波带优化模型计算子区最大双向非对称绿波带带宽：最大绿波带优化模型描 述见公式(3)、(4)、(5)、(6)和(7)，最大双向非对称绿波带带宽即为相同带宽的情况， 只是目标函数中的加权系数k_w和k_v不相等；

⑹子区内绿波带带宽是否满足要求：用细划分指标A_B来衡量绿波带带宽达到率是否满 足要求，由于是采用非对称的双向绿波带带宽，所以达到率A_B的计算公式具体化为：

$A_B=[\frac{k_w{B}_w}{(k_w+k_v)G_{w\min }}+\frac{k_v{B}_v}{(k_w+k_v)G_{v\min }}]*100\%---\left(10\right)$

式中：B_w和B_v分别为正向和反向的绿波带带宽，k_w和k_v分别为它们在目标函数里的 加权系数，G_wmin和G_vmin分别为正向和反向各交叉口协调相位的绿灯时间最小值；同样取 阈值为66%，即当A_B≥66%时，确定将路段两端的交叉口划入同一个子区，否则不划入；

⑺是否还有未遍历的路段：如果还有没遍历的路段，则跳转到步骤(3)继续执行，否则 说明所有路段已遍历完毕，子区划分结束。

控制子区在划分完毕后并不是一成不变的，因为路网的交通状况是在不断变化且具有很 强的时段性，这使得原本高效的子区变得不合理，进而影响子区内协调控制的效果，因此需 对路网的实时交通状况进行反馈，适时地调整子区。

从上面的子区划分的过程中可以看出，划分虽基于距离、流量、周期三大原则，但判断 绿波带带宽的达到率是否满足要求是一个关键的步骤。而且在运行过程中，如果现有子区的 划分已经不能很好地适应路网的交通状况，协调效果变差，在数据上很直观的反应就是绿波 带带宽达到率下降，以绿波带带宽达到率是否达标为子区调整条件，并根据“调整指数”来 决定是否需要对子区进行调整。知道了子区何时需要调整，接下来的问题当然是子区调整的 范围。对整个路网重新进行子区划分显得不可行，因为整个路网范围过大，重新划分又需要 一定的时间，无法满足信号控制实时性的要求，而且只是个别的子区需要调整，其他的大部 分子区“调整指数”累计值并未达到4，说明它们的绿波带带宽仍符合要求，无需进行调整， 所以子区的动态调整只需在小范围内进行。“调整指数”累计值达到4的子区说明该子区内 运行效益较低，已无法适应交通流的变化，肯定需要调整；考虑到交通流的连续性，该子区 的调整势必对相邻的子区造成一定的影响，因此把与该子区相邻的子区也纳入调整的范围。 调整的范围确定后，应用本发明所提出的子区划分方法，对子区重新作出划分。

以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改 变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。