一种面向可协调控制的干线交叉口关联性分析及划分方法

摘要

本专利公开了一种面向可协调控制的干线交叉口关联性划分方法，包括：步骤1，获取干线用于各交叉口的关联性分析的交通参数；步骤2：获取干线各个交叉口实行单点控制时的信号配时方案数据；步骤3：确定相邻交叉口的关联度；步骤4：干线可协调控制交叉口的划分。本发明建立了一个综合关联度指标来表达干线相邻信号交叉口之间的关联性，全面考虑了影响相邻交叉口关联度的五个关键因素，以协调相位协调车流通行能力最大化为主要目标，准确量化了相邻交叉口之间的关联程度，建立了科学、全面的关联性分析方法。

说明书

技术领域

本发明属于智能交通管理和控制技术领域，涉及一种用于城市交通控制系统中干 线相邻交叉口关联性分析及可协调控制的交叉口划分方法。

背景技术

城市交通干线承担着整个城市的主要交通负荷,因此干线的协调控制主要也是针 对干线直行车流来进行设计的，干线控制是否合理有效，将直接影响到整个城市路网能否 快速有效的运行。由于城市交通具有随机性、时变性和非线性的特点，传统的干线协调控制 方式已经不能适应现代快速发展的交通要求。对于包含若干个交叉口的干线进行交通信号 协调控制时，往往需要按照一定的规则，将整条干线划分为几个相对独立的“线控单元”，根 据“线控单元”的交通特性分别执行合适的控制优化策略。“线控单元”的划分可以有效地优 化控制单元内可协调控制的交叉口间的交通信号配时方案，对于提升交通干线系统的稳定 性，提高干线通行能力及服务水平,避免交通堵塞具有十分重要的意义。

在一条干线中，一个交叉口交通信号的调整往往会影响到相邻若干个交叉口交通 流的运行状况，相邻交叉口间的关联性日益明显。划分“线控单元”时首先要分析相邻信号 交叉口之间的关联性，以确定它们是否适合划入同一个“线控单元”。目前，国内外学者多是 对交叉口交通状态、路段长度、车辆到达率等因素进行分析，并利用数学建模的手段对控制 单元划分的控制指标、阈值和算法进行相关研究。提出了基于“周期原则”、“流量原则”、“距 离原则”与“饱和度原则”的控制单元划分方法，对可协调控制的相邻交叉口间关联度的研 究关注很少，尤其缺乏对各种影响相邻交叉口相关性要素的综合性分析。而现有的分析方 法均采用关联度指标来表达交叉口之间的相关性，但是关联度的计算方法依靠交通工程师 经验确定，无法准确量化交叉口之间的联系紧密程度。因此，通过对相邻交叉口关联性要素 的有效综合，系统科学地确定了关联度模型结构及临界阈值，给出了相邻交叉口关联度的 定义，提出了基于关联度分析的可协调控制交叉口划分方法，实现了线控单元划分的量度 化、标准化与系统化，为干线协调控制技术方法研究奠定了坚实基础。

现有的一些专利中，已有一些交叉口相关性分析和交通控制单元划分的方法。申 请号为：201210217064，专利《相邻信号交叉口相关性分析方法》中提出了一种相邻信号交 叉口相关性的分析方法，但关联度的阈值依靠经验确定，缺乏一定的科学性，且并未明确适 用范围；申请号为：201310478215，专利《基于C-均值模糊聚类分析的控制子区动态划分方 法》中提供了一种定量划分控制单元的方法，能根据交叉口交通流的动态特性和静态特征， 优化划分控制单元，该方法将单交叉口指标作为划分依据，并未考虑交叉口间的相互影响， 对于干线协调控制，效果并不理想；申请号为：201310499695，专利《交通控制区域动态划分 方法》中提出了一种基于相邻交叉口之间路段的粗划分指标CI的交通控制区域动态划分方 法，但是该方法重的粗划分指标CI是根据距离原则、流量原则、周期原则确定，并未将相邻 交叉口关联性要素进行有效综合，计算简单，划分依据考虑不全面，且并未针对干线的交通 信号协调控制。

发明内容

本发明的目的在于克服现有划分方法划分目标单一，交叉口间相关性因素考虑不 全面的问题，提出了一种基于干线相邻信号交叉口关联度分析的划分方法，提高关联度模 型结构与临界阈值确定方面的系统性和科学性，实现了准确量化交叉口之间的关联程度， 增加了干线通行能力和效率，适应了自适应交通控制系统的要求。

为了解决上述问题，本发明提供了：

一种面向可协调控制的干线交叉口关联性划分方法，包括：步骤1，获取干线用于各 交叉口的关联性分析的交通参数；上述交通参数包括以t₀为时间间隔，采集数据包括干线相 邻交叉口间的关联路段的小时交通量、关联路段的车辆平均速度、关联路段的车辆排队长度 以及关联路段上车辆的平均延误和通过上游交叉口时车辆的平均延误时长，并将上述数据作 为影响交叉口之间关联性的动态作用因子；干线相邻交叉口i和交叉口j(i<j)，从i到j方向， 记相邻交叉口间的间距为关联路段的小时交通量为关联路段的车辆平均速度为 关联路段上第k条车道的车辆最大排队长度为为关联路段上车辆的平均延误为 通过交叉口i时车辆的平均延误时长为关联路段上车流占用车道数步骤2：获 取干线各个交叉口实行单点控制时的信号配时方案数据；所述单点控制时的信号配时方案数 据包括信号周期、绿信比和相邻交叉口协调相位相位差；所述信号周期通过C_max与C_min分别表 示相邻交叉口i和交叉口j的独立设计信号周期中最大与最小值；所述绿信比在干线相邻交叉 口i和交叉口j，车流从i到j方向，通过与表示从i到j方向上相邻交叉口i和交叉口j 的绿灯持续时长；所述相邻交叉口协调相位相位差在干线相邻交叉口i和交叉口j，车流从i到 j方向，通过表示从i到j方向上相邻交叉口i和交叉口j之间的相位差。步骤3：确定相邻交 叉口的关联度；所述相邻交叉口的关联度包括段交通量关联度、交叉口信号配时关联度、行程 时间关联度、排队长度关联度和平均延误关联度；其中：路段交通量关联度： 其中，为相邻交叉口i和j的路段交通量关联度；为关联路段车道组 小时交通量；L_v为单个车辆的平均长度，取4.5m；为相邻交叉口i和j间的间距，即相邻交叉 口i和j间路段车道总长度；为相邻交叉口i到j方向路段车流占用车道数；t₀为取样时间； 信号配时关联度：其中，为相邻交 叉口i和j的信号配时关联度；C_max与C_min分别为相邻交叉口i和交叉口j的独立设计信号周期 最大与最小值；与分别为相邻交叉口i和交叉口j的绿灯持续时长；为相邻交叉 口i和交叉口j之间的相位差；行程时间关联度：其 中，为相邻交叉口i和j的行程时间关联度；表示t₀时间内关联路段上车辆行驶的平 均车速；排队长度关联度：其中，为相邻交叉口i和j的排队长度 关联度；表示t₀时间内相邻交叉口i和j的关联路段上第k条车道的车辆最大排队长度； 平均延误关联度：其中，为相邻交叉口i和j的平均延误关联度； 为t₀时间内相邻交叉口i到交叉口j关联路段上车辆的平均延误；为t₀时间内车辆从 交叉口i到相邻交叉口j方向，车辆行驶通过交叉口i的平均延误。对于干线从上游交叉口i 到下游交叉口j方向(简称方向)，相邻交叉口i与交叉口j之间的关联度按 进行定义计算；在双向协调方向，对于t₀时间内 相邻交叉口i与交叉口j之间的关联度D_(i,j)，定义为相邻交叉口i与交叉口j之间的双向最大 关联度，即在i到j方向相邻交叉口关联度与j到i方向相邻交叉口关联度之中取大 其中，D_(i,j)为在t₀时间间隔内相邻交叉口i和j的关联度。以此类 推，以t₀为采样间隔，计算得到整个仿真时间t内的相邻交叉口i和j的所有关联度值。步骤 4：干线可协调控制交叉口的划分；按照步骤3计算得到仿真时间t内相邻交叉口i和j的所有 双协调方向取大后得到的关联度值D_(i,j)，求平均得到记为相邻交叉口i和j的关联 度；当干线共有N个交叉口时，则干线所有相邻交叉口的所有关联度值D_(i,j)共计有N-1个散 点数值，采用基于密度标准的DBSCAN聚类方法，对上述散点数值分类，实现对干线可协调控 制的交叉口的划分。

优选地，所述DBSCAN算法：选择上述散点数值中任意两个点之间的距离作为距离 度量；以给定点P为中心的圆形邻域的范围(Eps)和给定点P为中心的邻域内最少点的数量 (minPts)为输入参数；其中，确定输入参数之一半径Eps：对给定相邻交叉口i和j的关联度 的数据集P＝{p(ij)；i,j＝1,2,…n,i≠j}，对于任意点P(ij)，计算点P(ij)到P集合中 所有点之间的距离，距离按照从小到大的顺序排序，排序后的距离集合为D＝{d(1),d (2),…,d(k-1),d(k),d(k+1),…,d(n)}，则d(k)就被称为k-距离；k-距离是点p(ij)到其自 身之外的所有点之间距离第k近的距离；对待聚类集合中每个点p(ij)都计算k-距离，最后 得到所有点的k-距离集合E＝{e(1),e(2),…,e(n)}；根据得到的所有点的k-距离集合E，对 集合E按照e(1)～e(n)之间数值大小进行升序排序后得到k-距离集合E’，拟合一条排序后 的E’集合中k-距离的变化曲线，将发生变化最大的位置所对应的k-距离的值，确定为半径 Eps的值；另一输入参数minPts≥1。

优选地，DBSCAN算法对所有相邻交叉口的关联度散点遍历后形成各个簇，对于数 据集中存在不属于任何簇的点，将其定义为噪声点；若噪点出现在两端，即所述噪点位于第 1或N-1的位置，所述噪点对应端点处的相邻交叉口，如果该值明显大于其他数据点，则将端 点处的两个相邻交叉口划分为一个独立的线控单元协调控制，如果该值明显小于其他数据 点，则对端点处的交叉口进行单点控制；

若噪点不在端点处，即所述噪点位于第2～(N-2)的任意位置，所述噪点对应干线 中间的相邻交叉口i和j的关联度值(i<j)，则将噪点对应的关联度值与交叉口i和交叉 口i-1的关联度D(i,i-1)比较，将交叉口i与关联度较大的归为一类；将噪点对应的关联度 值与交叉口j与交叉口j+1的关联度D(j,j+1)比较，将交叉口j与关联度较大的值归为 一类；若交叉口i与交叉口i-1归为一类，而交叉口j与i归为一类，则对交叉口j进行单点控 制；若交叉口i与j归为一类，而交叉口j与j+1归为一类，则对交叉口i进行单点控制。

优选地，通过调整Eps和MinPts的值，经过多次迭代计算对比，选择最合适的参数 值。

优选地，对于聚为一类但实际不相邻的交叉口自动划分开，分为两个线控单元进 行协调控制；按路段的关联值进行类别划分后，处于分界位置的交叉口，分别比较其与左右 相邻交叉口的关联度，与关联度值较大的归为一类进行协调控制；若出现剩余单独的交叉 口，则进行单点控制。

与现有技术相比本发明的优点在于：

(1)本发明建立了一个综合关联度指标来表达干线相邻信号交叉口之间的关联 性，全面考虑了影响相邻交叉口关联度的五个关键因素，以协调相位协调车流通行能力最 大化为主要目标，准确量化了相邻交叉口之间的关联程度，建立了科学、全面的关联性分析 方法。

(2)本发明所述的相邻信号交叉口关联性的关联度模型中的参数随路网交通状态 的变化而变化，避免了以往相关性分析中参数确定对经验的依赖，这对于动态分析干线相 邻信号交叉口之间的关联性，实现可协调控制交叉口的划分具有重要意义。

(3)本发明所述的基于干线相邻信号交叉口关联度分析的划分方法建立在综合分 析关联性影响因素的基础上，同时避免了通过经验确定的综合关联度阈值对交通控制子区 的划分，运用DBSCAN聚类算法，科学合理地确定了干线各相邻交叉口不同关联度指标值的 所属类别，实现了干线可协调控制交叉口子区的准确划分。

附图说明

图1为本发明方法逻辑流程图；

图2为本发明实施例中的干线示意图；

图3为本发明中干线相邻交叉口关联性分析流程图；

图4为本发明中干线可协调控制交叉口划分方法流程图；

图5为本发明中确定交叉口划分的输入半径的曲线图。

图6为本发明中干线可协调控制交叉口划分结果图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步阐述。

本具体实施方式提供了一种基于可协调控制的干线交叉口关联性分析及划分方 法，通过下述步骤实现：

步骤1：获取干线用于各交叉口的关联性分析的交通参数

在所述步骤1中获取上述交通参数包括但不限于相邻交叉口间距、相邻交叉口间 的关联路段的小时交通量、关联路段的车辆平均速度、关联路段的车辆排队长度以及关联 路段上车辆的平均延误和通过上游交叉口时车辆的平均延误等。获取上述参数为基于该参 数进行相关的交叉口的关联性分析做准备。获取的方式可以是与相关采集系统或者其他数 据源相连获取相关数据也可以是通过输入的方式获取相关数据。

相邻交叉口间距将作为影响交叉口之间关联性的静态作用因子；以t₀为时间间 隔，采集数据包括干线相邻交叉口间的关联路段的小时交通量、关联路段的车辆平均速度、 关联路段的车辆排队长度以及关联路段上车辆的平均延误和通过上游交叉口时车辆的平 均延误，这五个参数将作为影响交叉口之间关联性的动态作用因子。假定干线相邻交叉口i 和交叉口j(i<j)，从i到j方向，记相邻交叉口间的间距为关联路段的小时交通量为 关联路段的车辆平均速度为关联路段上第k条车道的车辆最大排队长度为为 关联路段上车辆的平均延误为通过交叉口i时车辆的平均延误为关联路段 上车流占用车道数下面分别对影响干线交叉口关联性分析的几个作用因子做简要分 析。

(1)相邻交叉口间距

对于干线协调控制而言，相邻交叉口间距是决定相邻交叉口关联性强弱的一个关 键因素。一方面，干线相邻交叉口间距的长短决定了上游交叉口驶出的车辆队列在到达下 游交叉口时是否保持良好的连续性，从而影响协调控制作用的强弱，反映了相邻交叉口间 的关联性强弱。另一方面，干线相邻交叉口间距的长短也决定了交叉口间关联路段可容纳 的最大交通量，以及下游路段排队车辆是否会影响上游交叉口的车辆放行。

(2)路段交通量

路段交通量的大小直接决定路段的交通拥挤状况，是实时影响相邻交叉口关联性 大小的一个主要因素。路段交通量的大小决定了交叉口间关联路段上是否有较大的剩余可 容纳交通量，从而影响车辆队列行驶的离散性强弱，反映出相邻交叉口之间的实时相关性 强弱。路段交通量作为一种动态作用指标，可通过线圈检测技术采集相邻交叉口之间关联 路段的交通量。

(3)排队长度、平均车速及平均延误

排队长度、平均车速和平均延误的大小从侧面反映了相邻交叉口关联路段的交通 实时状态，路段排队长度若过长会蔓延到上游交叉口，说明了相邻交叉口间实时相关性较 强，故需要将相邻交叉口协调控制以缓解拥堵状况。而排队长度的累积也会使得干线的平 均延误增大，车辆平均行驶速度减小，影响整个干线车辆的通行。因此，综合考虑这三个实 时交通指标，可以有效分析相邻交叉口间的关联性。

步骤2：获取干线各个交叉口实行单点控制时的信号配时方案数据；

单点控制时的信号配时方案数据，例如交叉口信号配时参数的设置可以有效地控 制路段交通量和决定协调控制实时效果，是决定相邻交叉口实时关联性大小的另一个重要 因素。所述单点控制时的信号配时方案数据包括但不限于信号周期、绿信比和相邻交叉口 协调相位相位差等。

(1)信号周期

干线相邻交叉口之间良好的协调信号控制与相邻交叉口的信号周期时长关联性 很大，相邻交叉口各自独立设计的信号周期参差不齐，影响了各交叉口自身的车辆通行效 率与干线相邻交叉口间的协调控制效果，进而影响了相邻交叉口间的关联性。记C_max与C_min分别为相邻交叉口i和交叉口j的独立设计信号周期中最大与最小值。

(2)绿信比

所述绿信比是指交通灯一个周期内可用于车辆通行的时间比例。假定干线相邻交 叉口i和交叉口j，车流从i到j方向，则相邻交叉口协调相位的绿信比之差，将决定一段时间 内从i到j方向上关联路段交通量的累积与消散，也是影响相邻交叉口相关性强弱的一个重 要因素。例如，若绿信比差值为正时，路段交通量将逐步积累，相邻交叉口之间的关联性逐 渐增强；反之，相邻交叉口之间的关联性逐渐减弱到某一定值。记与分别为从i到j 方向上相邻交叉口i和交叉口j的绿灯持续时长。

(3)相位差

假定干线相邻交叉口i和交叉口j，车流从i到j方向，则相邻交叉口协调相位的相 位差，将决定一个信号周期内路段上可能存在的最大交通量，对相邻交叉口的实时关联性 大小也会产生一定影响。但与绿信比差不同，相位差对相邻交叉口相关性的影响并不具有 积累效应，而只是在当前信号周期内发挥瞬时作用。记为从i到j方向上相邻交叉口i和 交叉口j之间的相位差。

步骤3：确定相邻交叉口的关联度；

相邻交叉口的关联度由路段交通量关联度、交叉口信号配时关联度、行程时间关 联度、排队长度关联度和平均延误关联度五部分组成。本发明针对干线协调控制，故基于干 线协调相位的通行情况研究相邻交叉口间的关联性，假设干线相邻交叉口i和交叉口j，双 向协调控制，从i到j单向协调方向的五个关联度的计算公式为：

(1)路段交通量关联度：

其中，为相邻交叉口i和j的路段交通量关联度；为关联路段车道组小时 交通量，单位pcus/hour；pcus/hour表示等效通行能力，即单位时间内可能通过的的最大交 通实体数(全部换算为当量小客车)；L_v为单个车辆的平均长度，取4.5m；为相邻交叉口i 和j间的间距，即相邻交叉口i和j间路段车道总长度；为相邻交叉口i到j方向路段车流 占用车道数；t₀为取样时间。

(2)信号配时关联度：

考虑相邻交叉口间配时参数(信号周期、绿信比和相位差)的差异性对关联度的影 响，就可以定义：

其中，为相邻交叉口i和j的信号配时关联度；C_max与C_min分别为相邻交叉口i和 交叉口j的独立设计信号周期最大与最小值；与分别为相邻交叉口i和交叉口j的 绿灯持续时长；为相邻交叉口i和交叉口j之间的相位差。

(3)行程时间关联度：

参考交通信号协调及配时优化软件Syncho中应用协调系数CF关于行程时间协调 系数的定义，Synchro认为相邻两个交叉口之间的行程时间一旦大于80s，由于距离过远不 适宜采用协调控制，行程时间协调系数值设为0；而两个交叉口之间的行程时间小于4s的 话，间距过短易产生溢流，此系数设为100。对行程时间在4至80s之间的相邻两交叉口，定义 行程时间关联度：

其中，为相邻交叉口i和j的行程时间关联度；表示t₀时间内关联路段上车 辆行驶的平均车速。

(4)排队长度关联度：

其中，为相邻交叉口i和j的排队长度关联度；表示t₀时间内相邻交叉口i 和j的关联路段上第k条车道的车辆最大排队长度。

(5)平均延误关联度：

其中，为相邻交叉口i和j的平均延误关联度；为t₀时间内相邻交叉口i到 交叉口j关联路段上车辆的平均延误；为t₀时间内车辆从交叉口i到相邻交叉口j方向， 车辆行驶通过交叉口i的平均延误。

对于干线从上游交叉口i到下游交叉口j方向(简称方向)，相邻交叉口i与交叉 口j之间的关联度可按式(6)进行定义计算:

同理，对于相邻交叉口i和j，从j到i的单向协调方向来说，采集步骤1和步骤2中所 示的各交通参数，则相邻交叉口j到i之间的关联度按照公式(1)—(6)计算得到，记为

在双向协调方向，对于t₀时间内相邻交叉口i与交叉口j之间的关联度D_(i,j)，可定 义为相邻交叉口i与交叉口j之间的双向最大关联度，即在i到j方向相邻交叉口关联度与j到i方向相邻交叉口关联度之中取大。

其中，D_(i,j)为在t₀时间间隔内相邻交叉口i和j的关联度。以此类推，以t₀为采样间 隔，计算得到整个仿真时间t内的相邻交叉口i和j的所有关联度值。

步骤4：干线可协调控制交叉口的划分；

按照步骤3，计算得到仿真时间t内相邻交叉口i和j的所有关联度值D_(i,j)，求平均 得到记为相邻交叉口i和j的关联度。设干线共有N个交叉口，则干线所有相邻交叉口 的关联度散点值有N-1个，采用基于密度标准的DBSCAN聚类方法，对散点分类，以实现对干 线可协调控制的交叉口的划分。

DBSCAN算法需要选择一种距离度量，对于待聚类的数据集中，任意两个点之间的 距离，反映了点之间的密度，说明了点与点是否能够聚到同一类中。DBSCAN算法需要输入2 个参数：一个参数是半径(Eps)，表示以给定点P为中心的圆形邻域的范围；另一个参数是以 点P为中心的邻域内最少点的数量(minPts)。

DBSCAN算法的关键问题是：

1)确定输入参数之一半径Eps：DBSCAN聚类使用到一个k-距离的概念，对给定相邻 交叉口i和j的关联度的数据集P＝{p(ij)；i,j＝1,2,…n,i≠j}，对于任意点P(ij)，计 算点P(ij)到P集合中所有点之间的距离，距离按照从小到大的顺序排序，假设排序后的距 离集合为D＝{d(1),d(2),…,d(k-1),d(k),d(k+1),…,d(n)}，则d(k)就被称为k-距离。也 就是说，k-距离是点p(ij)到所有点(除了p(ij)点)之间距离第k近的距离。对待聚类集合中 每个点p(ij)都计算k-距离，最后得到所有点的k-距离集合E＝{e(1),e(2),…,e(n)}。根据 得到的所有点的k-距离集合E，对集合E进行升序排序后得到k-距离集合E’，需要拟合一条 排序后的E’集合中k-距离的变化曲线图，然后绘出曲线，通过观察，将急剧发生变化的位置 所对应的k-距离的值，确定为半径Eps的值。

2)确定另一输入参数minPts：根据经验计算最少点的数量minPts，确定minPts的 大小，实际上也是确定k-距离中k的值，k≥1。

DBSCAN算法对所有相邻交叉口的关联度散点遍历后形成各个簇，若此时数据集中 存在不属于任何簇的点，则视为噪声点。如果觉得经验值聚类的结果不满意，可以适当调整 Eps和MinPts的值，经过多次迭代计算对比，选择最合适的参数值。

步骤5：干线可协调控制的交叉口划分结果；

DBSCAN算法输入：数据集是由N-1个干线相邻交叉口i和j的关联度数据 点组成；被划分为同一簇的最少点的数量minPts≥1；半径Eps按照步骤4中的“1)确定输入 参数之一半径Eps”的计算步骤求解，其中设定k值，进而得到半径Eps的值。

DBSCAN算法输出：符合实际交通状况，达到可协调控制的要求；所有生成的簇(将 干线N个交叉口划分为不同的可协调控制子区)。

聚类结果判定为噪点的值处理如下：若噪点出现在两端，即端点处的相邻交叉口， 如果该值明显大于其他数据点，则将端点处的两个相邻交叉口划分为一个独立的线控单元 协调控制，如果该值明显小于其他数据点，则对端点处的交叉口进行单点控制。若噪点不在 端点处，即对应干线中间的相邻交叉口i和j，则比较交叉口i和j与另一侧相邻交叉口的关 联度，将其与关联度较大的值归为一类。

聚为一类但无法协调控制的交叉口处理如下：对于聚为一类但实际不相邻的交叉 口自动划分开，分为两个线控单元进行协调控制。按路段的关联值进行类别划分后，处于分 界位置的交叉口，分别比较其与左右相邻交叉口的关联度，与关联度值较大的归为一类进 行协调控制。若出现剩余单独的交叉口，则进行单点控制。

本发明对干线相邻交叉口的关联度进行分析，综合考虑了影响交叉口关联性的多 重因素，对相邻交叉口关联性进行了准确量化，并且基于关联度指标对可协调控制的交叉 口进行划分，对划分为一类的交叉口可采取协调控制方式，提高干线的通行能力，进而提升 整个路网的通行效率。

实施例一

在本具体实施方式中，提供了如下实施例，该实施例中以合肥市高新区望江西路 此东西向干线的交通状态数据为例提，包括供了如图1、图3和图4所示的流程。具体而言，通 过下述步骤实现：

步骤1：获取干线各个交叉口实行单点控制时的信号配时方案；

交叉口信号配时参数(信号周期、绿信比和相位差)作为直接影响关联度的静态作 用因子，其各个交叉口协调方向的配时参数如表1所示。干线交叉口执行协调控制时的协调 相位是东西向，故表中的绿灯时长表示东西向的绿灯时间，因为交叉口i双向绿灯时间相 同，故

步骤2：采集干线各交叉口的关联性分析的交通参数；

本发明以合肥市高新区望江西路此东西向干线的交通状态数据为例，数据空间范 围西起创新大道和望江西路交叉口，东至西二环路和望江西路交叉口，全长7333.1米，共12 个交叉口，11个相邻交叉口关联路段，交叉口ID从西至东编号依次增加，仿真路网如图2所 示；时间范围为每隔五分钟采集一次数据，仿真时间共一小时。

(1)干线相邻交叉口间距

经过实地测量，得到该静态影响因子，相邻交叉口间距如下：

路段R₁即交叉口1和2间的关联路段，有：以此类推，路段R₂有： 路段R₃有：路段R₄有：路段R₅有： 路段R₆有：路段R₇有：路段R₈有： 路段R₉有：路段R₁₀有：路 段R₁₁有：

各关联路段车道数：路段R₁有：路段R₂有：路段R₃有： 路段R₄有：路段R₅有：路段R₆有：路段R₇有：路段R₈有：路段R₉有：路段R₁₀有：路段R₁₁有：

(2)路段交通量

以每五分钟为时间间隔，仿真时长一小时。通过仿真输出，获得相邻交叉口i到j协 调方向以及从j到i协调方向关联路段的交通量和以交叉口8和交叉口9为例，结 果如表2所示：

(3)排队长度

以每五分钟为时间间隔，仿真时长一小时。通过仿真输出，获得相邻交叉口i到j协 调方向以及从j到i协调方向关联路段的最大排队长度和以交叉口8和交叉口 9为例，即和结果如表3所示：

(4)平均车速

以每五分钟为时间间隔，仿真时长一小时。通过仿真输出，获得相邻交叉口i到j协 调方向以及从j到i协调方向关联路段车辆的平均速度和以交叉口8和交叉口9为 例，结果如表4所示：

(5)平均延误

以每五分钟为时间间隔，仿真时长一小时。通过仿真输出，获得相邻交叉口i到j协 调方向关联路段的车辆平均延误和通过上游交叉口的车辆平均延误相邻交叉口j 到i协调方向关联路段的车辆平均延误和通过上游交叉口的车辆平均延误以交叉 口8和交叉口9为例，结果如表5所示：

步骤3：确定相邻交叉口的关联度；

相邻交叉口的关联度由路段交通量关联度、交叉口信号配时关联度、行程时间关 联度、排队长度关联度和平均延误关联度五部分组成。本发明针对干线协调控制，故基于干 线协调相位的通行情况研究相邻交叉口间的关联性，假设干线相邻交叉口i和交叉口j，双 向协调控制，从i到j单向协调方向的五个关联度的计算公式为：

(1)路段交通量关联度：

其中，为相邻交叉口i和j的路段交通量关联度；为关联路段车道组小时 交通量，单位pcus/hour；L_v为单个车辆的平均长度，取4.5m；为相邻交叉口i和j间的间 距，即相邻交叉口i和j间路段车道总长度；为相邻交叉口i到j方向路段车流占用车道 数；t₀为取样时间，取5min。

以每五分钟为时间间隔，仿真时长一小时。通过仿真输出，按照式(1)计算得到相 邻交叉口i到j协调方向的路段交通量关联度，结果如表6所示：

(2)信号配时关联度：

考虑相邻交叉口间配时参数(信号周期、绿信比和相位差)的差异性对关联度的影 响，就可以定义：

其中，为相邻交叉口i和j的信号配时关联度；C_max与C_min分别为相邻交叉口i和 交叉口j的独立设计信号周期最大与最小值；与分别为相邻交叉口i和交叉口j的绿 灯持续时长；为相邻交叉口i和交叉口j之间的相位差。

由式(2)计算得到的干线相邻交叉口信号配时关联度如表7所示：

(3)行程时间关联度：

相邻两个交叉口i和j之间的行程时间一旦大于80s，设为0；而两个交叉口之 间的行程时间小于4s的话，设为100。对行程时间在4至80s之间的相邻两交叉口i和j， 从i到j单向协调方向，定义行程时间关联度：

其中，为相邻交叉口i和j的行程时间关联度；表示每五分钟时间内关联路 段上车辆行驶的平均车速，单位m/s，t₀取5min。

以每五分钟为时间间隔，仿真时长一小时。通过仿真输出，按照式(3)计算得到相 邻交叉口i到j协调方向的行程时间关联度，结果如表8所示：

由于量纲不同导致计算结果与其余四个关联度差异性较大，故对结果进行最大值 最小值标准化，化为0到1区间内。按照公式计算得到相邻交叉口i到j协调方向 归一化后的行程时间关联度，结果如表9所示：

(4)排队长度关联度：

其中，为相邻交叉口i和j的排队长度关联度；表示每五分钟时间内相邻交 叉口i和j的关联路段上第k条车道的车辆最大排队长度。

以每五分钟为时间间隔，仿真时长一小时。通过仿真输出，按照式(4)计算得到相 邻交叉口i到j协调方向的行程时间关联度，结果如表10所示：

(5)平均延误关联度：

其中，为相邻交叉口i和j的平均延误关联度；为每五分钟相邻交叉口i到 交叉口j关联路段上车辆的平均延误；为每五分钟车辆从交叉口i到相邻交叉口j方向， 车辆行驶通过上游交叉口的平均延误。

以每五分钟为时间间隔，仿真时长一小时。通过仿真输出，按照式(5)计算得到相 邻交叉口i到j协调方向的平均延误关联度，结果如表11所示：

(6)确定相邻交叉口关联度：

对于干线从上游交叉口i到下游交叉口j方向(简称方向)，相邻交叉口i与交叉 口j之间的关联度可按式(6)进行定义计算:

结果如表12所示。

同理，对于从j到i的单向协调方向来说，计算得到相邻交叉口j到i之间的关联度 记为

在双向协调方向，每五分钟相邻交叉口i与交叉口j之间的关联度D_(i,j)，可定义为 相邻交叉口i与交叉口j之间的双向最大关联度，即在i到j方向相邻交叉口关联度与j 到i方向相邻交叉口关联度之中取大。

其中，D_(i,j)为相邻交叉口i和j的关联度。以每五分钟为时间间隔，仿真时长一小 时。一小时相邻交叉口i和j的所有关联度D_(i,j)的结果如表13所示。

步骤4：干线可协调控制交叉口的划分；

根据表14的结果，对一小时相邻交叉口i和j的关联度求平均得到记为相邻 交叉口i和j的关联度。图2中的干线共有12个交叉口，结果如表14所示：

干线所有相邻交叉口的关联度散点值有11个，采用基于密度标准的DBSCAN聚类方 法，对散点分类，以实现对干线可协调控制的交叉口的划分。

1)确定DBSCAN算法输入参数minPts：根据经验计算最少点的数量minPts，确定 minPts的大小，实际上也是确定k-距离中k的值，由于共11个点，故选择划分为同一簇的点 的数量满足符合实际情况的最小值，取k＝2。故minPts＝2。

2)确定DBSCAN算法输入参数半径Eps：对给定相邻交叉口i和j的关联度的数 据集P＝{2.211,2.313,2.150,1.376,1.439,2.783,2.703,1.537,1.358,1.980,3.326}，对 于任意点，计算它到P集合中剩余所有点之间的距离，距离按照从小到大的顺序排序。由于k ＝2，故选取任一点到所有点(除本身)之间距离第2近的值。对待聚类集合中每个点都计算 2-距离，最后得到所有点的2-距离集合E＝{e(1),e(2),…,e(n)}。根据得到的所有点的2- 距离集合E，对集合E进行升序排序后得到2-距离集合E’，E’＝{0.063,0.081,0.081,0.102, 0.161,0.163,0.163,0.231,0.390,0.470,0.623}，需要拟合一条排序后的E’集合中2-距离 的变化曲线图，然后绘出曲线，如图5所示，通过观察，急剧发生变化的位置所对应的2-距离 的值为0.163，这就是DBSCAN算法划分可协调控制交叉口时的半径Eps的值。故Eps＝0.163。

步骤5：干线可协调控制的交叉口划分结果；

DBSCAN算法输入：被划分为同一簇的最少点的数量minPts＝2；半径Eps＝0.163。

DBSCAN算法输出：符合实际交通状况，达到可协调控制的要求；所有生成的簇(将 干线12个交叉口划分为不同的可协调控制子区)。

以相邻交叉口关联度值为聚类中心，将干线交叉口划分为三类，结果如表15所示， 对应的聚类中心值如表16所示。

结合干线实际情况，其中划分为第2类的所有交叉口实际并不是两两相邻，故基于 相邻属性分为两类进行协调控制。基于关联度对干线交叉口进行划分的聚类结果如图6所 示。最后两个值聚类结果判定为噪点，由于为3.326，明显大于其他关联度值，交叉口 11和12关联性较强，故进行协调控制。此外，处于分界位置的交叉口，根据其与上下游交叉 口的关联度将其划分到关联度较大的一类中，其中，大于但是由于值明 显大于故交叉口10不适宜与后两个交叉口进行协调控制，故将交叉口10划为前一 类。最终，交叉口1/2/3/4分为一类进行协调控制，交叉口5实施单点控制，交叉口6/7/8分为 一类进行协调控制，交叉口9/10进行协调控制，交叉口11/12进行协调控制。

本发明方法利用安徽省望江西路主干道的实际信号配时数据作为数据基础， Paramics微观交通仿真软件搭建仿真环境获取交通状态数据，综合考虑了影响交叉口关联 性的多重因素，对干线相邻交叉口的关联度进行分析。在建立相邻交叉口关联度分析模型 的基础上，选取基于密度划分方法的DBSCAN聚类算法，对不同的相邻交叉口关联度指标值 进行精确分类，实现了干线可协调控制的交叉口划分，对划分为一类的交叉口可采取协调 控制方式，提高干线的通行能力，进而提升整个路网的通行效率。