一种基于平行仿真技术的交通信号控制系统及方法

摘要

一种基于平行仿真技术的交通信号控制系统及方法，属于城市交通信号控制系统领域。该系统包括如下5个模块：数据采集模块负责实时采集交叉口车流量信息，并将信息传送到数据处理模块；数据处理模块根据这些信息计算出交通流数据，建立信号交叉口数据词典；同时应用聚类分析的方法，确定流量段划分阈值；算法适应性离线分析模块针对各种控制算法进行适应性分析，建立控制算法匹配规则库；算法在线选择模块根据实时交通流信息，依据匹配规则库选择合适的信号控制算法；信号机执行模块根据选择的控制算法完成信号控制方案的实施。本发明提供的信号控制系统，实现了控制算法的在线选择，解决了仿真与控制脱轨的问题，同时具有可扩展性强的特点。

说明书

技术领域

本发明属于城市交通信号控制系统领域，具体涉及一种基于平行仿真技术的交通信号控制系统及方法，该系统将仿真技术和控制算法相结合，控制算法离线仿真和在线评价相结合，体现了交通流数据统计分析和实时状态相结合的特点，为控制算法的优化实施提供决策支持。

背景技术

随着国民经济的快速发展，人民生活水平的不断提高，对交通运输的各种需求明显增长，使得人、车和路、交通和环境的矛盾日益激化，交通拥堵问题已经成为目前世界各国城市共同面临的主要“城市病”之一。这种交通需求与交通设施现有通行能力之间的严重矛盾，在考虑经济性以及环境资源的双重约束下，只靠“外延式”修路架桥的传统交通战略是不现实的，目前主要采用“内涵式”的战略方针来解决，也就是在适当扩充道路硬件条件的基础上，采用以3C技术(控制技术、通信技术和计算机技术)为基础的智能运输系统(ITS)，整合道路资源，最大程度的实现道路条件的资源共享和优化调度，全方位提高道路应用效率。其中，城市交通信号控制系统作为ITS的重要组成模块，一直是研究的热点和焦点，其中比较有代表性的有TRANSYT系统]、SCOOT系统和SCATS系统等。

TRANSYT(Traffic Network Study Toots)系统是由英国道路研究所(TRRL)提出的一种以离线优化交通网络信号配时算法为基础的信号控制系统。该系统主要由仿真和优化两部分组成，以总延误时间和总停车次数的加权值作为目标函数。优化时将网络的几何尺寸、流量、初始配时等信息送入仿真模型中，通过仿真求得目标函数的值并送入优化部分进行优化，然后返回仿真部分，如此反复迭代寻优求得最佳的信号配时。

SCOOT(Split Cycle and Offset Optimization Technique)系统也是由TRRL提出的一种交通网络实时协调控制的自适应控制系统，它是在TRANSYT系统的基础上发展来的，两个系统的模型及优化原理相仿，不同的是SCOOT是方案形成式控制系统。通过安装于各交叉口每条进口道上游的车辆检测器所采集的车辆到达信息，联机处理形成控制方案，连续地实时调整绿信比、周期长及相位差三个控制参数，使之适应于变化的交通状态。

SCATS(Sydney Coordinated Adaptive Traffic Method)系统是由澳大利亚70年代末期开发的一种实时配时方案选择系统，它需要离线地优化拟定出一套与被控路口和路网不同交通流变化等级相适应的控制策略。依照实际交通流量，从既定方案里选择信号控制方案执行。

以上系统已经在交通实践中取得了一定的期望效果，但这些系统仍存在一些问题：(1)离线优化方式(TRANSYT系统)，计算量大，不能适应实时交通流动态变化；(2)在线方案形成式(SCOOT系统)，系统的控制策略都是通过精确的数据模型仿真获得的，模型精确度越高，结构越复杂，仿真时间越长，因而存在仿真与控制脱节问题；(3)在线方案选择式(SCATS系统)，其控制策略和交通流量的匹配是离线设置的，存在实时流量与控制策略关系老化问题，此外，近年来许多国内外学者针对传统控制系统的缺陷和局限性把强化学习、模糊系统、遗传算法等先进的智能算法引入交通工程领域中，取得了良好的仿真效果，但这些先进的、适应交通状态变化的控制算法在实际系统中的应用还很难实现。以上问题亟待加以解决。

发明内容

本发明的目的在于在实现交叉口数据秒级采集的基础上，采用离线算法适应性分析与在线算法选择相结合的方法，克服了以往系统中存在的一些不足之处，提供一种基于平行仿真技术的信号控制系统及方法。该系统使得该系统不仅满足实时流量与控制算法匹配、算法仿真与系统控制同步问题，而且为复杂控制算法的应用提供决策支持。实现了系统根据信号交叉口实际状况，实时调整信号控制方式，提高交叉口的通行能力和整个路网的通行效率。

本发明是采用以下技术方案实现的。

一种基于平行仿真技术的交通信号控制系统及方法，包括数据采集模块，数据处理模块，算法适应性离线分析模块、算法在线选择模块和信号机执行模块，其特征在于：所述的数据采集模块包括检测器和数据传输单元，其中检测器埋设在信号交叉路口，用于实时采集交叉口车流量信息，数据传输单元负责将采集到的信息传送到数据处理模块；数据处理模块包括实时数据处理单元、数据统计分析单元、数据词典，其中实时数据处理单元的输入端与数据采集模块中数据传输单元的输出端相连，并根据检测器采集的数据计算出交通流数据，然后将交通流数据存储于数据库，建立信号交叉口数据词典；数据处理模块中的数据统计分析单元将数据词典中的交叉口车流量信息，应用模糊C均值聚类分析方法，该算法是一种结合减法聚类与聚类有效性评判的模糊c均值聚类算法，确定反映路口数据内在结构的合理的流量段划分阈值；算法适应性离线分析模块采用仿真软件，根据数据统计分析单元划分的流量段阈值，基于交叉口平均延误最小的评价指标，对各种控制算法进行适用性条件分析，建立各种控制算法与交通流量段之间的匹配规则库；算法在线选择模块是应用仿真软件，采用平行仿真技术，根据实时交通流信息，依据匹配规则库中的控制算法适应条件，在线选择与实时交通流相匹配的信号控制算法，并对所选择的控制算法进行在线仿真，并实时给出信号控制的评价指标，作为进一步实施该算法的决策支持；信号机执行模块根据平行在线仿真的评价结果，具体选择执行最佳控制算法，通过信号机提供的通信接口，完成信号交叉口的优化控制方案的实施。

数据采集模块中的检测器可以采用具有电平输出的线圈车辆检测器，也可以采用视频检测器，且交通流数据采集和传输的频率应为秒级。

一种基于平行仿真技术的交通信号控制方法，是由上述交通信号控制系统按照如下步骤进行：

步骤1：数据采集

由通过埋设在信号交叉路口的检测器，进行交叉口车流量信息的实时采集；

步骤2：数据处理

步骤2.1：数据处理模块中的实时数据处理单元，根据检测器采集的数据计算出交通流数据；

步骤2.2：将交通流数据存储于数据库，建立信号交叉口数据词典；

步骤2.3：数据处理模块中的数据统计分析单元将交叉口交通流量数据应用模糊c均值聚类Sub_FCM方法进行交通量聚类分析，确定反映路口数据内在结构的合理的流量段划分阈值；

步骤3：算法适应性离线分析

算法适应性离线分析模块中的仿真软件，根据数据统计分析单元聚类分析划分的流量段阈值，基于交叉口平均延误最小的评价指标，对各种控制算法进行适用性条件分析，即各种控制算法是在哪种交通流段下使用能够获得最优的控制效果，从而建立各种控制算法与交通流量段之间的匹配规则库。

步骤4：算法在线选择

应用仿真软件，采用平行仿真技术，根据实时交通流信息，依据匹配规则库中的控制算法适应条件，在线选择与实时交通流相匹配的信号控制算法，并对所选择的控制算法进行在线仿真，实时给出信号控制的评价指标，作为进一步实施该算法的决策支持；

步骤5：信号机执行

根据平行在线仿真的评价结果，具体选择执行最佳控制算法，通过信号机提供的通信接口，完成信号交叉口的优化控制方案的实施。

其中信号交叉口数据字典包括交叉口实时车流量、时间占有率、平均车头时距、车辆平均速度。

本发明与现有信号控制系统相比具有以下有益效果：本发明设计开发的这种信号控制系统，能实现数据的秒级采集，从而全面而细致的掌握交叉口信息，解决了平行仿真技术的瓶颈问题；采用离线算法适应性分析和在线算法选择相结合的方法，实现了控制算法的在线选择，避免了以往系统中存在的控制策略老化问题；应用平行仿真技术实现了控制算法的在线平行仿真和在线评价功能，解决了仿真与控制脱轨问题；同时，基于离线建立算法匹配规则库的思想，使得该系统也为复杂控制算法的应用提供决策支持。此外，该系统的可扩展性强，一旦有新的算法产生，即可进行离线分析，嵌入算法匹配规则库中，为进一步实现控制策略奠定基础。

以下结合附图说明和具体实施方式对本发明作进一步的详细说明。

附图说明

图1：本发明所提供的一种基于平行仿真技术的交通信号控制系统结构示意图；

图2：为本发明中数据采集流程图；

图3：为离线算法适应性分析建立算法匹配规则库示意图；

图4：为本发明中在线算法选择示意图；

图5：为在线算法仿真、评价流程图；

图6：为怀柔外场线圈铺设示意图；

图7：为公路局路口交通流量数据聚类结果图；

图8：为公路局路口信号控制中采用协调博弈合作解算法控制效果图。

具体实施方式

北京市怀柔城区道路网主要由3纵10横组成，南北三条主要道路为“青春路、迎宾路、东环路”，东西十条横街中，以南华大街、富乐北大街、府前街为行驶主干线。路网中有4个环岛，18个信号控制交叉口，采用本发明系统实施怀柔信号控制系统。

目前，怀柔信号控制系统的特点是：(1)各信号交叉口按照如图6的形式埋设感应线圈，通过线圈检测器采集路口交通量；(2)采用单点信号灯控制方法。这种控制方式尽管可以采集到怀柔路网的交通量，但由于检测器参数和性能的限制不能实现交通量的秒级传输。同时，控制算法尽管做了一些优化设计，但对于怀柔复杂的交通状态不具有很好的适应性。

将本发明所设计的新型信号控制系统应用到该城区的公路局路口信号控制中，具体实施如下：

1.数据采集模块

采用线圈检测器MUD3002采集路口线圈数据，应用该检测器的自身特点以及其设计上的开放性，设计路口单片机数据采集系统。通过单片机直接处理检测器MUD3002的高低电平输出(设备在有车驶入线圈时给出低电平，驶出线圈时给出高电平)，并设计数据传输单元，实现外场数据的回传，通过光端机将数据传回至远程服务器(参照图2)。

线圈检测器MUD3002是一种专为车辆出入口控制而设计的单、双通道车辆检测器，每个通道均有两种输出结构(光电隔离输出和继电器输出)。对于数据采集来说，有两种工作方式：一种就是检测MUD3002的输出电平；另一种是上位机通过串口通信获取当前的线圈状态。公路局路口24个线圈对应12个MUD3002设备，查询一轮线圈状态大约需3s，严重破坏了数据的真实性，为提高数据采集速度，本模块采用MUD3002的电平查询功能，通过单片机进行数据采集传输。搭建测试平台检测单片机采集一个周期所用的时间大约为500ms，确保数据实时可靠，解决了平行仿真技术的瓶颈问题——数据采集的滞后性。

由数据采集模块向数据处理模块传送的数据一共四字节，前三字节存放24个线圈的电平状态值，最后一个字节为校验字节。

2.数据处理模块

(1)搭建数据检测平台，将单片机传回的4个字节进行校验确认，提取每一位信息并进行数据库存储，为后续交通量的提取提供基础数据。

(2)从数据库中提取实时的高低电平数据完成以下数据统计分析处理：

其一是实时数据处理，利用提取出的实时高低电平数据甄别出能反映交叉口实时交通状态的交通参数，如实时交通流量、时间占有率、车头时距、车速等交叉口交通量信息，并进行数据库存储，为算法在线选择和仿真提供依据，交通参数的处理过程如下：

1)交通流量Q：交通流量是单位时间内通过某一位置的车辆数，单位为辆/小时。Q＝N/T。采用递推的方法每隔1s统计一次前5min的交通流量，检测器有车通过记为“1”，数据库中，从t₀时刻开始，统计5分钟内“1”的个数即：

$N=\underset{t_0}{\overset{t_0+5}{\Sigma }}{}^{\prime \prime }1^{\prime \prime },$

则流量Q＝N/5(veh/min)。

2)车辆占有率：占有率是一路段内车辆占用的道路长度的总和与路段长度之比。由于难以测量，通常用时间占有率代之，即在一个周期时间内车辆通过车辆检测器而得到的脉冲信号宽度的总和与周期时长之比，用字母o表示。采用递推的方法每隔1s统计一次前5min的车辆占有率。

在数据库中，统计一个5分钟内所有下降沿时刻t_下降沿与上升沿时刻t_上升沿差即为一个周期内车辆通过检测器而得到的脉冲信号宽度的总和。由于统计的占有率是秒级递推的，故所取时段会出现以下四种情况。

①从数据库中取5分钟的数据，第一个数据为“0”，最后一个数据为“1”记作(0，1)。

②从数据库中取5分钟的数据，第一个数据为“0”，最后一个数据为“0”记作(0，0)。

③从数据库中取5分钟的数据，第一个数据为“1”，最后一个数据为“0”记作(1，0)。

④从数据库中取5分钟的数据，第一个数据为“1”，最后一个数据为“1”记作(1，1)。

当(0，1)情况下：

$O=\left(\right|{}^{\prime \prime }t^{\prime \prime }-{}^{\prime \prime }{0}_{\mathrm{first}}^{\prime \prime }|+\Sigma |{}^{\prime \prime }1^{\prime \prime }-{}^{\prime \prime }0^{\prime \prime }|+|{}^{\prime \prime }{1}_{\mathrm{last}}^{\prime \prime }-{}^{\prime \prime }t+5^{\prime \prime }|)\times 100\%/5*60,$

当(0，0)情况下：

$O=\left(\right|{}^{\prime \prime }t^{\prime \prime }-{}^{\prime \prime }{0}_{\mathrm{first}}^{\prime \prime }|+\Sigma |{}^{\prime \prime }1^{\prime \prime }-{}^{\prime \prime }0^{\prime \prime }|)\times 100\%/5*60,$

当(1，1)情况下：

$O=\left(\Sigma \right|{}^{\prime \prime }1^{\prime \prime }-{}^{\prime \prime }0^{\prime \prime }|+|{}^{\prime \prime }{1}_{\mathrm{last}}^{\prime \prime }-{}^{\prime \prime }t+5^{\prime \prime }|)\times 100\%/5*60,$

当(1，0)情况下：

$O=\left(\Sigma \right|{}^{\prime \prime }1^{\prime \prime }-{}^{\prime \prime }0^{\prime \prime }\left|\right)\times 100\%/5*60,$

式中“t”表示所取5分钟开始的时刻，“t+5”表示所取5分钟结束的时刻，″0_first″表示第一个“0”的时刻，″1_last″表示最后一个“1”时刻。

3)车速v_i：车辆通过道路某断面时车速的观测值，在数据库中，从统计时间段的第一个“1”开始，计算“1”与相邻的“0”之间时刻差的绝对值，第i辆车的地点车速为：

$v_i=\frac{\bar{l}}{|{}^{\prime \prime }1^{\prime \prime }-{}^{\prime \prime }0^{\prime \prime }|}{|}_i,$

在观测时间内地点车速的算术平均值为：

${\bar{v}}_t=\frac{1}{n}\underset{i=1}{\overset{n_1}{\Sigma }}{v}_i$

其中，为时间平均车速(km/h)，n₁为观测时间内观测的车辆数。采用递推的方法每隔1s统计一次前5min的时间平均车速。

当(0，0)，(0，1)情况下：n₁＝N-1；

当(1，1)，(1，0)情况下：n₁＝N。

因此：

${\bar{v}}_t=\frac{1}{n_1}\underset{i=1}{\overset{n_1}{\Sigma }}{v}_i(m/s).$

4)车头时距：相邻两辆车到达同一地点的时间差。本数据库记录数据方式可知，车头时距即为相邻两个上升沿的时刻差，即相邻两个“1“的差。由于在红灯时段无车通过线圈，所以只考虑绿灯时间内车辆的车头时距。采用递推的方法每隔1s统计一次前5min的车头时距。

从数据库中取5分钟时段的数据进行处理，计算最后一个“1”与第一个“1”的时刻差即：

t₀＝|′1_first′-′1_last′|，

判断5分钟内是否有红灯，若无红灯则，t＝t₀。当(1，1)时，n＝N，当(0，0)时，n＝N-2，当(1，0)或(0，1)时，n＝N-1；有红灯则，统计红灯数k，计算红灯时刻与绿灯开始时刻差即$t_1=\underset{j=1}{\overset{k}{\Sigma }}|t_{\mathrm{red}}-t_{\mathrm{green}}|,$而t＝t₀-t₁。当(1，1)时，n＝N-k，当(0，0)时，n＝N-k-2，当(1，0)或(0，1)时，n＝N-k-1。

因此有车头时距为：

其二是统计数据分析，其主要功能就是针对每一个交叉口的数据词典，采用一种结合减法聚类与聚类有效性评判的模糊c均值聚类分析手段，获得路口的交通量数据特征，建立能够反映路口数据内在结构的合理的流量段划分阈值，为算法适应性分析奠定基础。以怀柔公路局路口为例，以24h为统计时间，分析2009年4月20日到2009年4月24日交通流量数据，以每15min的车流量为一个数据点，利用模糊c均值聚类方法进行数据分析，得到反映路口交通流数据内在结构的合理流量段划分阈值(如图7所示)，建立反映路口交通流统计特征的统计数据库，为算法适应性分析奠定基础。

(3)数据处理模块提取的信号交叉口实时数据和统计数据用于法仿真、选择及评价决策平台。其中实时数据，用于控制算法选择，在线仿真；统计数据，用于算法适应性分析。

3.控制算法适应性离线分析模块

为满足交叉口信号灯控制方式庞大的状态空间描述需求、实现平行仿真技术和算法在线评价功能，选用Paramics作为仿真软件。

Paramics(PARAllel MICroscopic Simulator)是英国Quadstone Limited公司的产品，它采用了并行处理技术，能够仿真从单节点到全国规模的各种路网。路/网规模最多可达到100万节点、400万路段、32000个区域，同时计算25万辆车，且速度快于实时。此外，Paramics提供二次开发的API函数，可以实现与其他仿真程序、地理信息软件、数据库等链接，实现人机交互。

Paramics自带路网评价功能，生成的仿真评价报告分为仿真运算报告，统计报告，分析器报告，GEH标定评价，根据PARAMICS仿真出来的数据同步生成评价数据报告，报告同时可以被EXCEL等读取，方便与由MATLAB搭建的仿真评价平台链接，实现信号控制算法的在线评价功能，整个算法选择模块包括两部分内容。

本模块主要完成控制算法的离线分析。以数据处理模块中统计数据处理得到的各个交叉口的合理流量段划分为基础，应用Paramics仿真软件，交叉口最小延误的评价指标，离线仿真研究不同控制算法相对于交叉口交通状态特征的适应性，从而建立针对不同控制算法的最优交通流量匹配关系，建立路口流量段与信号控制算法的匹配规则库(参照图3)。任意一个控制算法的研究和实施，都需要基于paramics仿真软件进行控制算法的适应性分析，并将分析结果进行数据库存储，离线建立各种控制算法和交通状态的匹配关系。例如，，在怀柔公路局路口尝试使用“基于博弈论的交通信号控制”—一种新的信号控制算法。基于Paramics建立怀柔仿真路网，依据实际情况设置路口相位数，该路口为两相位：直、左和直、右。经仿真研究，可以发现该控制算法适用于交通流量不对称的情况下，当东西向车流量800veh/h，南北向车流量200veh/h时，该算法比较适用(如图8所示)。这样，针对不同的控制算法，经过大量的仿真研究，可以建立与其相适应的交通流量匹配关系，为控制策略的使用和实施提供依据。

4、控制算法在线选择模块

以数据处理模块中得到的实时数据为基础，依据控制算法的仿真研究所建立的控制算法适应性匹配规则库，在线选择与实时交通数据匹配的信号控制算法(参照图4)。为了确保控制算法的有效性，应用基于Paramics的平行决策支持评价系统(参照图5)，在线评价在目前实时交通状态下，控制算法的有效性，为使用者是否应用该算法提供决策支持依据。

5.信号机模块

将经过决策支持系统完成效果评价的控制算法，通过信号机的外部接口，下载至信号机执行该算法。

最后应说明的是：以上实施例仅用于说明本发明而并非限制本发明所描述的技术方案；因此，尽管本说明参照上述的各个实施范例对本发明已进行了详细的说明，但是，本领域的技术人员应当理解，仍然可对本发明进行修改或等同替换；而一切不脱离本发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围当中。