干线协调控制（精选五篇）
干线协调控制 篇1
路径优化及其技术是交通诱导系统的关键问题, 合理的优化可避免出行者在路径上不必要的耗损, 减少交通阻塞及交通事故的发生。关于路径优化已有很多有效的算法, 传统的Dijkstra算法是目前公认的求解最短路径问题的高效经典算法之一, 它可以给出从某指定节点到图中其他所有节点的最短路经。但Dijkstra算法在进行最短路径搜索时, 若路网中的每一条路线都考虑, 会浪费大量时间及存储空间, 而且在权值时变的交通环境中, 静态状态下所求的最短路径并不是实际意义上的最优解。
本文从提高路径搜索速度方面进行讨论, 从出行者的角度对庞大的路网结构进行优化。最优路径选择是每个出行者都要面对的问题, 出行者对于路径选择的标准是使自己的出行时间 (费用) 最为节省, 路网的运行状况根据出行者的选择不断变化, 使得出行者开始做出的选择并不是最优, 这种情况下, 出行者和路网之间就形成了一种博弈, 博弈双方互相妥协, 可达到一个平衡局势 (最优解) , 从而实现对路网的优化选择。
1 博弈论的引用
博弈论实际上就是对策轮, 是运筹学的重要分支。博弈论是研究决策主体的行为直接相互作用时的决策及这种决策的均衡问题, 也就是关于包含相互依存情况中理性行为的研究。
博弈论的基本概念包括局中人、战略 (策略) 、行动、信息、支付函数、结果、均衡等。其中局中人、策略、支付函数构成了博弈的3个基本要素, 局中人、行动次序、结果统称为博弈规则, 而博弈分析的目的就是使用博弈规则来确定均衡。
博弈论的精髓在于博弈中一个理性决策者必须考虑在其他局中人反映的基础上来选择自己最理想的方案, 所谓均衡即所有局中参与人的最优策略组合, 各方博弈产生的结果是一个均衡结局, 它可能不是局中各方及整体利益的最大化, 但它是在已给定信息与知识条件下的一种必然结果, 因为任何一方改变策略而导致均衡的变化都有可能使自己得到一个更差的结果。博弈论中每一个局中人做出理性决策的重要依据之一是他的可能赢利 (损失) 是多少, 这就是每个局中人需要认真计算的赢利 (损失) 函数 (payoff function) 。
在最短路径的优化中, 将出行者与路网比拟成博弈双方, 出行者一般会选择出行时间最短的那条路线作为最优解, 而路网也会采用使道路拥挤的策略来对弈出行者的最优策略, 使出行的时间变长。这就构成了博弈中的局中人, 出行的选择路线集合构成了策略集, 路网相对应的状况构成了另一个策略集。
2 路径优化的博弈模型
将出行者和路网状况都定为局中人, 假设从A点到B点的路线共有n条, 分别为{a1, a2, …, an}, 此为出行者的策略。当出行者选择ai时相对应的路网状况为{b1, b2, …, bn}, 则此时该博弈问题的赢得 (损失) 矩阵为
其中, aij为出行者全部选择路线i时路线j的出行时间。
如果
若不存在时, 证明这个决策没有纯策略意义下的解, 局中人没有最优纯策略可出, 此问题转换成一个混合策略求解, 可得一个选取不同策略的概率分布, 该混合策略仍然可以实现博弈双方的平衡。
用线性规划的方法对混合策略进行求解, 将博弈问题转换为对偶线性规划问题
式中, z为目标函数, z =1/v, v是出行者的平均损失值, 是该对策问题的待求值;aij为该对策问题赢得 (损失) 矩阵的元素;x′i=xi/v, xj为出行者选择路线aj的概率。
运用博弈的方法将出行者的选择与路网的实际情况都融入到一个动态的互动中局势, 根据模型求出最优解, 此策略即为出行者和路网在理智选择下的最优路径。
3 算例分析
如图1所示:从A点到B点, 共有3条路线可选, 分别是路线a1:l1;路线a2:l2→l3, 路线a3:l4→l3。图1中各弧段旁的数字li (ti, t′i) 分别为ti出行者在选择前路段i的出行时间, min;t′i出行者全部选择路段i时的路段i的出行时间, min。
根据博弈原理, 可得出行者的损失矩阵为
此矩阵无纯策略解, 将该混合策略用线性规划方法求解为
求得的解为
则
从计算可以看出约有2/3的出行者选择路线a2:l2→l3, 1/3的出行者选择路线a1:l1, 路线a3:l4→l3选择的人最少。出行者在理性状态下的选择会摒弃路线a3, 那么从A点到B点的路径优化后有路线a1、路线a2可供选择。
4 结束语
本文从博弈论的角度对交通诱导系统中的路径优化做了初步尝试, 根据出行者的决策将路网的结构进行简化, 然后再进行最短路径求解, 以达到更高的效率。作为人与路之间的互动研究, 博弈论的引入是一个很好的思路, 该模型对诱导策略的制定有一定的指导意义, 但该模型并没有应用到实际例子中, 对于模型的适用性还需作进一步的研究分析。
参考文献
[1]杨兆升.城市交通流诱导系统[M].北京:中国铁道出版社, 2004.
[2]徐裕生.优化与决策[M].西安:陕西科学技术出版社, 2004.
[3]董斌杰, 李克平, 廖明军, 等.诱导信息下基于博弈论的路径选择模型[J].北华大学学报:自然科学版, 2007, 8 (1) :88-91.
[4]李振龙.诱导条件下驾驶员路径选择行为的演化博弈分析[J].交通运输系统工程与信息, 2003, 3 (2) :23-27.
[5]葛颖恩, 杨佩昆.诱导信息下的路线选择模型[J].同济大学学报, 1998, 26 (6) :659-663.
[6]石小法, 王炜, 卢林.交通信息影响下的动态路径选择模型研究[J].公路交通科技, 2000, 17 (4) :35-37.
[7]张安训.一种博弈诱导方法及诱导与控制的时空协调模型[D].天津:天津大学, 2004.
管理的控制与协调职能 篇2
控制是指组织在动态变化过程中，为确保实现既定的目标，而进行的检查、监督、纠偏等管理活动。控制就是检查工作是否按既定的计划、标准和方法进行，若有偏差要分析原因，发出指示，并做出改进，以确保组织目标的实现。它既是一次管理循环过程的重点，又是新一轮管理循环活动的起点。按照控制活动的性质分，可分为预防性控制、更正性控制；按照控制点的位置分，可以分为预先控制、过程控制、事后控制；按照信息的性质分，可以分为反馈控制、前馈控制；按照采用的手段分，可以分为直接控制、间接控制。
医院不论是惯性运作还是各项工作计划的执行，都必须在有控制的条件下进行。医院内的控制通常可以分为三种，一是事前控制，又称前馈控制，是指通过情况观察、规律掌握、信息收集整理、趋势预测等活动，正确预计未来可能出现的问题，在其发生之前采取措施进行防范，将可能发生的偏差消除在萌芽状态，如制定实施各种规章制度，开展医疗安全、药品安全、预防院内感染等活动；二是过程控制，又称事中控制，是指在某项经济活动或者工作过程中，管理者在现场对正在进行的活动或者行为给予指导、监督，以保证活动和行为按照规定的程序和要求进行，如诊疗过程、护理过程等；三是事后控制，又称后馈控制，是指将实行计划的结果与预定计划目标相比较，找出偏差，并分析产生偏差的原因,采取纠正措施，以保证下一周期管理活动的良性循环，如医疗事故处理等。
医院进行控制的方式主要有利用医院信息系统、进行各类绩效考核等。控制是一种有目的的主动行为。医院的各级管理人员都有控制的职责，不仅对自己的工作负责，而且必须对医院整体计划和目标的实现负责。控制工作离不了信息的反馈，在现代化医院中建立医院信息系统将会成为管理者进行控制工作，保证管理工作沿着医院的目标前进的一种重要手段。
城市相交交通干线协调控制的研究 篇3
城市交通干线错综复杂, 作为城市交通道路网中的重要部分, 承载着大量的交通出行量, 是城市道路网的动脉, 所以采用智能交通控制手段, 对城市交通干线有限的道路资源优化配置是解决交通拥堵问题的必要途径。
通过对目前国内外研究现状的分析可得, 干线交通信号协调控制方法主要分为两大类:即最大绿波带宽法[1,2]和最佳效能指标法 (行程时间、延误等) [3,4]。最大绿波带法的评价指标是车辆连续通过带宽度[5], 最佳效能指标法主要是最小延误 (停车次数) 法, 两类方法的原理是通过对交通调查数据的分析, 计算使目标最优的相位差组合。
国内外学者对干线协调方面的研究多集中于单条干线的协调控制, 而较少涉及两条相交交通干线的协调控制。相交干线协调方式与单条干线协调方式的区别是干线绿波协调控制一般是单向的协调, 或者是双向的协调, 而相交干线的协调控制是四个方向的协调。相交干线的协调控制是介于线控制与面控制之间的一种协调控制, 需要综合考虑两条干线的交通运行参数, 研究使两条干线达到最佳协调控制效果的计算模型。
1 相交干线协调控制指标
在建立模型之前, 首先选取合适的评价指标。目前经常用到的干线协调控制的评价指标包括通行能力、延误时间、停车率、平均排队长度和服务水平等, 本文选用的协调控制指标为停车率和延误时间。
(1) 延误时间
延误是由于某些交通干扰或者交通控制与管理设施等因素引起的车辆运行时间的损失。
经过详细长期的交通调查和计算机仿真研究, Webster提出了计算车辆平均延误公式[6]:
(2) 停车率
停车率也是交通控制中的一个常用性能评价指标, 是每个周期停驶的车辆占整个周期到达车辆总数的比例。在同一条件下, 行驶车辆在交叉口和道路的停车率越小, 表明交通控制的效果越好, 反之则越差。同延误时间一样, 停车次数通常也可通过模型来估算。
2 相交干线协调控制模型
本研究建立的模型是兼顾最小延误时间和最小停车率的相交干线协调控制模型。在相交的两条干线都需要进行双向协调控制的情况下, 相交干线的线控协调系统描述如下:东西方向线控系统由n个交叉口组成, 南北方向的线控系统由m个交叉口组成, 与两条干线相交的道路均为支路。选取系统中两条干线相交的交叉口Pc为关键交叉口。
2.1 模型建立
由于多种因素影响城市交通干线的信号协调控制, 在此做以下几点假设条件:
(1) 各车流在某一确定时间段内的平均车流量为已知, 且维持恒定; (2) 干线协调系统内部的交通流为非饱和状态; (3) 不考虑车辆驶入和驶出的离散规律; (4) 干线与支线交叉口采用两相位信号控制。
相位差优化模型的优化目标为, 求取相交干线上车流最小延误和最小停车率的的最佳相位配时, 最小延误同时考虑两条干线直行车流延误与相交交叉口左转车流延误, 建立多目标优化模型表达式如下:
2.2 相交干线协调方向延误模型
(1) 直行车流延误
以下行方向为例, 干线上的直行车队在交叉口的延误情况为车流到达Pi+1起至该交叉口红灯时间结束的时间段, 将此时间段记为Te。另设定Td为车队在交叉口的排队时间, Tq为车辆消散时间, 且Tq≦Gi+1。其他符号意义同前。
由上游交叉口Pi行驶的车辆到达交叉口Pi+1所经历的时间定义为变量τi, i+1:
在约束条件下, 车流由上游交叉口到达下一交叉口时的延误情况, 可以由图1表示:
设定在绿灯放行时间车辆以最大通行能力通过Pi+1, 并使Tq时间后到达的车辆不受阻地通过交叉口。此时有
式中:wi, i+1 (1) 是第一条干线系统上行方向的车流延误;wi, i+1 (2) 是第一条干线系统上行方向的车流延误;wj, j+1 (1) 是第二条干线系统上行方向的车流延误;wj, j+1 (2) 是第二条干线系统上行方向的车流延误。
(2) 左转车流延误
由上游交叉口Pc-1驶出的车流, 经过分流左转车辆进入左转车道行驶, 在到达交叉口Pc时, 车辆在该交叉口的延误情况可以分为两种, 第一种是左转车队车头到达时左转相位没有启亮, 此时的延误是从车流头部受阻产生的延误;第二种是左转车队车头到达时左转相位已经启亮, 此时的延误是从车队中部受阻产生的。由于Pc交叉口对向的相位差以及与相邻交叉口的间距差异, 需要分别计算相交交叉口Pc四个方向进口道的左转车流延误。
设定Te表示左转车流到达交叉口Pc起至该交叉口左转相位绿灯启亮的时间段;假设左转车流在相交交叉口的车辆到达率是一恒定值qL;设定Pc直行方向的直行相位绿灯时间为Gc, 红灯时间为Rc。
下面分别对由Pc-1驶向Pc的左转车队的两种受阻情况进行分析。
(1) 左转车队到达时左转相位没有启亮的延误情况
此时左转车流从Pc-1驶入Pc, 并在Pc经历左转相位转入相交的另一条干线, 因为Pc处的左转绿灯相位还没有启动, 左转车队需等待绿灯放行, 所以表现为车队头部受阻, 可得:
左转绿灯放行期间左转车道的最大通行能力为UL。设定在绿灯放行时间左转车辆以最大通行能力通过Pc, 并使Tq时间后到达的车辆不受阻地通过交叉口。此时有:qL (Te+Tq) =ULTq, 可以得到,
3 效果验证
下面选取北京市两条相交干线作为研究对象, 对相交干线的协调控制进行实证研究。两条道路分别为西大望路与广渠路, 相交于交叉口西大望路—广渠路交叉口, 其中东西方向广渠路为双向8车道, 南北方向西大望路为双向8车道, 协调控制范围内共包含5个交叉口。
协调优化方案的实施时段为交通流流量稳定的平峰时段, 选取平峰时间进行调查。广渠路按时速50km/h设计, 西大望路按时速55km/h设计, 协调控制方案以西大望路—广渠路交叉口为基准交叉口。
根据建立的相交干线系统多目标协调控制模型, 在Matlab软件平台上运用遗传算法进行求解, 公用周期采用韦伯斯特配时法计算得到140s, 得到模型控制下的协调控制方案如表1所示:
(单位:s)
在Synchro软件中建立仿真路网, 仿真路网如图2所示,
按照本文模型计算出的干线协调优化方案, 通过实际调查与仿真结合的方式, 将现状信号配时方案与多目标模型求解得到的方案输入Synchro中, 对比分析了实施协调控制方案后的5个交叉口在平峰时段的控制效益, 得到本案例的实验结果如表2所示。应用协调控制方案进行配时后的5个交叉口的平均延误比现状减少了10.21%, 平均停车次数比现状减少了8.40%, 说明本文协调控制方案实施效果较好, 具有应用价值。
4 结语
本文将干线协调方法运用在两条干线相交的情况下, 以延误和停车率最小为指标进行相交干线协调控制方法的研究, 提出了非饱和状态下基于延误的相交干线协调控制模型, 并结合仿真软件验证协调优化效果。通过实例验证表明, 本文建立的协调控制模型可以用于两条相交干线都需要实施协调控制的情况, 能够有效地协调相交干线上的交叉口的配时, 降低车辆在交叉口的延误, 提高通行效率。
摘要：本文旨在研究城市交通干线相交情况下, 对两条相交干线同时进行协调控制的方法 。通过对两条相交干线交通流运行特性进行分析, 提出了相交干线联动协调控制方法, 该方法以干线排队延误最小和停车率最小为指标建立相位差优化模型。以北京市某相交主干线为例, 运用文中提出的协调控制方法, 对相交的两条交通干线同时进行协调控制优化, 设计应用于实例的协调控制方案。通过运用Synchro仿真软件, 对方案实施前后的交通运行情况进行对比分析, 数据表明, 与现状配时方案相比, 采用联动协调控制方案后, 两条干线的平均延误比现状减少了10.21%, 平均停车次数比现状减少了8.40%。仿真结果表明联动协调控制方法适用于两条相交干线都需要实施协调控制的情况, 能够有效地协调相交干线上的交叉口配时, 降低车辆在交叉口的延误, 提高通行效率。
关键词：城市交通,协调控制,优化,相交干线
参考文献
[1]JOVANIS PP, GREGOR JA.Coordination of actuated arterial traffic signal systems[J].Journal of Transportation Engineering, 1986, 112 (4) :416-432.
[2]修伟杰, 张立立.非连续干线绿波带控制研究[J].交通标准化, 2014, 42 (17) :1-4.
[3]朱文星, 贾磊.城市交通主干路相位差优化研究[J].计算机工程与应用, 2005, 41 (20) :212-214.
[4]刘广萍, 裴玉龙.信号控制下交叉口延误计算方法研究[J].中国公路学报, 2005, 18 (1) :104-108.
[5]李晓红, 沈岚, 肖鹏.城市交通干线的协调优化控制模型[J].大连工业大学学报, 2009, 28 (1) :61-65.
[6]史忠科.交通控制系统导论[M].北京:科学出版社, 2003.
干线协调控制 篇4
交通系统是城市经济活动的命脉, 也是衡量一个城市文明程度的重要标志, 同时对城市的经济发展和居民生活水平的提高起着极为重要的作用。城市道路交通的拥挤严重影响着居民生活, 并造成社会生产力的极大浪费。如何有效地缓解交通拥挤, 提高交通系统效率, 成为世界各国亟待解决的问题。在城市交通网中交通干线承担了城市交通的主要负荷, 因此, 在不增加道路的前提下, 对干线交通灯的智能协调控制成为缓解交通压力的主要手段, 也是目前各国学者研究的重点。如Little等建立了最大绿波带宽的MAXBAND模型, 提出了干线双向绿波协调控制配时策略[1,2];卢凯等利用分析时距的方法, 给出了进口道单独放行条件下的干线双向绿波协调控制数解算法[3];徐世洪等人基于交通流的动态模型, 提出了一种双向绿波的干线相邻路口相位差优化控制方法, 并应用自适应遗传算法进行改进求解, 实现了交通干线分级递阶协调控制[4]。本文依据干线协调控制原理, 提出一种基于粒子群算法交通干线控制策略。以车辆行驶过程中延误时间最小为优化目标[5], 建立交通干线双向绿波控制延误模型, 并通过该控制策略进行优化控制。最终通过实验结果对比验证了该控制策略的有效性。
1 干线总延误模型的建立
城市干线交通信号的控制参数有:各交叉口的信号周期、绿信比以及相位差。干线交通信号的协调控制就是将干线上若干相邻交叉路口的信号进行协调配时, 使进入交通干线的车队不遇或少遇红灯, 以达到减少延误的目的。
1.1 相位的确定
相位是指在周期时间内按需求人为设定的某个方向上的交通流 (或几个方向上的交通流的组合) , 同时得到通行权的时间带。
干线系统的特点是干线方向车流量远远大于非干线方向车流量, 且车流量以直行车流为主。但在实际中, 即使左转的车流量不大, 如果不加以单独控制, 也会对直行车流产生较大干扰。因此, 相位划分如图1所示。
1.2 模型的基本假设
由于交通系统的随机性、模糊性和不确定性, 延误模型的建立基于以下基本假设:
(1) 相位转换中的黄灯时间通常为2 s, 将其归入相位转换的红灯和绿灯时长内, 相位转换无时滞;
(2) 保持每个信号周期的相位数和相位放行顺序固定不变;
(3) 干线控制系统内部的交通流为非饱和流;
(4) 车辆到达交叉口看作是点到达;
(5) 系统内非协调相位方向上的车流采用随机到达方式处理, 根据Webster延误模型计算[6];
(6) 系统内干线方向上由于交叉口相互间距不宜过大, 交通流受上游交叉口信号影响而不再随机。
1.3 模型的建立
在干线协调控制系统中, 设主干线方向上的相位为协调相位, 其余方向上的相位设为非协调相位, 故车辆延误分为协调相位的延误和非协调相位的延误两部分。
若车队驶向交叉口未受阻, 即在绿灯期间可以完全通过, 则时间延误为0。若行驶车队受阻, 则受阻情况分为:车队在到达交叉口时第一辆车就遇到红灯, 导致整个车队全部受阻;在信号变为红灯时车队已部分通过交叉口, 导致车队局部受阻。
(1) 协调相位车队全部受阻延误模型
干线系统中车辆行驶方向分为上行方向和下行方向, 上行车队从交叉口i到i+1途经路长为li, i+1, 上行方向的平均车速为vup, 车队第一辆车遇到红灯的等待时间为tw, up, 交叉口i到i+1的相位差是Φi+1, i。则分析可得:
车队通过交叉口i+1的通行能力为ui+1, 红灯时长为tred, 绿灯时长为tgreen, 交叉口疏散累积车辆需tgo, up, 在变为绿灯之后到达的车辆不受阻地通过交叉口i+1, 则:
如图2所示, △ABC的面积即为协调相位中上行方向车队全部受阻的延误di+1all, up。即:
在式 (3) 中, 当时车辆全部受阻。相邻两交叉口i与i+1之间的相位差之和为周期C, 即Φi+1, i+Φi, i+1=C。同理可知, 下行方向的车流量全部受阻时协调相位延误为:
(2) 协调相位车队局部受阻延误模型
当时, 在车队行驶至交叉口i+1时, 一部分车辆无阻碍通过, 而余下车辆受阻。受阻车辆等待时间为红灯时长tred, 绿信比为λ。在受阻过程中, 未赶上绿灯的受阻车辆有qi+1, up·tred辆, 当下一周期绿灯信号到来时需要经过t′go, up, 受阻车辆全部通过交叉口。由此可得:
如图3所示, S△ABC即为协调相位方向上车队上行方向局部受阻的延误di+1part, up。即:
同理可知, 下行方向车流量局部受阻时协调相位的延误为:
综上所述, 引入变量αi设定两种情况, 上行车队在交叉口处协调相位的延误表达为:
在式 (9) 中, 如果车辆全部受阻, 则取αi=1;如果车辆局部受阻, 则取αi=0。
同理, 引入变量βi设定下行车队两种情况在交叉口处协调相位的延误为:
在式 (10) 中, 如果车辆全部受阻, 则取βi=1;如果车辆局部受阻, 则取βi=0。
(3) 非协调相位车队延误
在干线系统中, 饱和率小于1, 并且非协调相位车流随机到达, 所以可以根据Webster延误模型计算每一辆车的平均延误:
式中, qi是相位i平均车辆到达率, 单位为辆/时 (pcu/h) ;μi为相位i的饱和度。
式 (11) 中第一部分是均匀车辆所产生的延误, 第二部分是随机车辆所产生的延误, 将两部分求和减去校正部分 (通常情况下, 校正部分可以忽略) , 因此, 系统中的非协调相位的延误模型为:
式中, qik表示第i个交叉口第k相位的车流量, dik表示第i个交叉口第k相位的车辆平均延误。
由此可得, 非协调相位的总延误为。
综上所述, 干线系统的总延误为:
在式 (13) 中, 引入加权因子σ, 当σ=1时, 只考虑协调相位的延误;当σ=0时, 只考虑非协调相位的延误;当σ∈ (0, 1) 时, 则为同时考虑协调相位和非协调相位的总延误。
2 改进的粒子群算法干线协调优化
城市交通信号控制系统是一个典型的多输入多输出的复杂系统, 必须尽可能将干线协调控制参数同时优化。而且, 相比其他优化方法而言, 粒子群算法的速度快, 效率高, 更适用于干线交通延误模型优化求解。
2.1 基本的粒子群算法
1995年, Eberhart博士和Kennedy博士受到飞鸟集群活动的规律性的启发, 针对鸟群捕食行为的研究提出粒子群算法 (PSO) [7]。
PSO优化算法的速度公式 (14) 和位置公式 (15) 持续更新如下所示:
式中, vdi[k]为粒子的速度;w为惯性权重, 通常取值在0.1~0.9之间;xdi[k]为当前粒子的位置;r是介于 (0, 1) 之间的随机数;c1, c2为加速常数;pdg[k]为全局最优解。
2.2 改进的粒子群算法
传统PSO算法收敛速度较其他进化算法快, 但容易陷入局部极小点。因此, 文献[8]提出一种新的粒子群优化算法———历史最优共享的粒子群优化算法 (VSHBP-SO) 。VSHBPSO的核心思想:原粒子与一切具有优良基因的粒子交互, 不断趋向优良, 同时粒子的更新还向之前实验中搜索的全局历史最优位置学习。
基于历史最优共享PSO算法更新位置公式为:
改进的PSO算法采用十局运行机制:每一次实验结束所得全局最优解应用在下一次运算过程中, 以此类推, 取最终得到的最优解。
2.3 算法实现步骤
根据以上分析, 改进的历史最优共享的粒子群算法的实现步骤为:
(1) 设置算法的参数和最大迭代次数, 初始化种群X (k) 使每个粒子m产生初始速度组成V (k) 。
(2) 计算种群在搜索空间中每一维的适应值。
(3) 将粒子当前适应值与自身的历史最优值和种群历史最优值分别进行比较, 如果pdi的值不如当前值, 则置当前值为空间内自身的历史最优解;如果pdg的值不如当前值, 则置当前值为空间内种群的历史最优解。
(4) 按照速度更新式 (14) 和位置更新式 (16) 、 (17) 对粒子的速度和位置进行更新, 并形成新的种群X (k+1) 。
(5) 查看是否符合算法结束条件, 如果符合则算法结束, 求得最优解;否则, 迭代数加1, 即t=t+1, 并跳转至步骤 (2) 。
3 仿真实验研究
为验证所建立的模型的有效性, 利用秦皇岛市河北大街中段车流量较大的3个交叉口 (友谊路路口、红旗路路口和海阳路路口) 作为仿真实验对象。
3.1 实验路段数据统计
统计实验路段各交叉口一天内的车流量并绘制曲线图, 如图4所示为友谊路口的车流饱和度。
在图4中可以看出, 一天中的车流量饱和度均呈现为小于0.9的非饱和状态, 理论上适用于双向绿波协调控制。而早晨上班时段和下午下班时段属于高峰期, 白天时段车流量属于平峰期, 晚上23点以后至次日清晨车流量较低。
实验路段的路况信息如表1所示。
3.2 参数设定
优化目标函数可以描述为使式 (18) 中总延误D获得最小值的最优控制方案:
选取3个交叉口中最大的周期作为系统周期。定义粒子种群X=[λ1, λ2, λ3;Φ1, 2, Φ2, 3], 设定种群规模为n=50的5维粒子群, 学习因子c1=c2=2, 惯性权重w为0.9~0.4线性下降, 最大迭代次数为100。
3.3 结果分析
以路段的平峰时期流量为例进行分析。
(1) 当协调相位车流量远远大于非协调相位时, σ=1, 即只考虑协调相位的主干线双向绿波控制, 实验结果如表2所示。
(单位:s)
由实验结果可知, 在相同路段条件下, 采用延误最小控制方案可以大大减小延误时间, 有效提升通行效率。
(2) 当协调相位和非协调相位交通流量均考虑时, 即令σ=3/4, 协调相位延误的权值占总延误权值的3/4, 支路延误权值占总延误权值的1/4, 实验结果如表3所示, 时距图如图5所示。
(单位:s)
非协调相位上的车流在绿灯时间内可以通过交叉口, 因此考虑非协调相位延误通行效果明显优于传统定时控制方案。
用此方案进行10个周期的仿真实验, 并与传统定时控制方案中的延误对比, 如图6所示。
由此可见, 优化后的最小延误控制方案能够减小约41.3%的时间延误, 有效地提高了城市交通干线的通行效率。
4 结论
本文在常态交通情况下建立了干线总延误模型, 并以总延误最小为优化目标, 协调绿信比和相位差来实现交通干线双向绿波控制。在所建立的模型中考虑非协调相位对主干线车流的影响, 并引入加权系数更合理地展现实际路况;实验部分对城市交通干线进行实地调查, 获得更符合实际交通情况的干线数据;通过将实际数据代入模型进行仿真实验, 验证了此种控制策略的有效性, 对改善城市交通拥堵情况具有积极的现实意义。
摘要：目前各大城市交通拥堵的一个重要原因是交通控制仍然为单点控制, 未能实现协调优化。基于此, 提出一种基于粒子群优化的干线交通总延误最小协调控制方法。首先, 通过对城市交通干线协调控制进行数学抽象, 建立干线交通双向绿波控制总延误模型。其次, 依据总延误模型的特征, 设计了一种利用历史最优共享的粒子群算法 (VSHBPSO) 。接着, 对干线总延误模型进行优化, 以总延误最小为目标, 得出相位差、绿信比的最优解, 进而获得交通信号相位的动态配时策略。最后以秦皇岛市交通干线为例进行仿真实验, 实验结果表明, 优化后的交叉口配时方案比传统的定时控制方案减少了43.1%的延误时间, 有效提高了干线通行效率。
关键词：干线交通,延误模型,协调控制,粒子群算法
参考文献
[1]LITTLE J D C.The synchronization of traffic signals by mixed-integer linear programming[J].Operations Research, 1966, 14 (4) :568-594.
[2]LITTLE J D C, KELSON M D, GARTNER N H.MAXBAND:a versatile program for setting signals on arteries and triangular networks[R].Cambridge:Massachusetts Institute of Technology, 1981, 12 (3) :134-141.
[3]卢凯, 徐建闽, 李轶舜.进口单独放行方式下的干道双向绿波协调控制数解算法[J].中国公路学报, 2010, 23 (3) :95-101.
[4]徐世洪, 李志敏, 戴高, 等.基于自适应遗传算法的相位差优化模型研究[J].交通信息与安全, 2011, 29 (2) :13-18.
[5]沈国江, 许卫明.交通干线动态双向绿波带控制技术研究[J].浙江大学学报, 2008, 42 (9) :1625-1630.
[6]赵雨旸, 冯雨芹, 杨忠良.信号交叉口Webster法延误计算修正模型[J].黑龙江工程学院学报:自然科学版, 2010, 24 (2) :8-11.
[7]EBERHART R, KENNEDY J.A new optimizer using particle swarm theory[C].IEEE Proceedings of the 6th International Sympo-sium on Micro Machine and Human Science.Piscat away:IEEE Service Center, 1995:39-43.
干线协调控制 篇5
0 引言
干线协调控制系统是单点信号控制系统的升级, 是将主干道上相邻交叉口的信号控制方案进行协调, 从而达到提高通行能力, 缓解交通拥堵的目的[1]。干线协调控制系统主要有三个基本参数, 分别为周期长度、绿信比和相位差。其中相位差是干线协调控制系统的关键参数, 通常分为绝对相位差和相对相位差。绝对相位差是指协调控制的各个交叉口信号的绿灯或红灯的起点相对于控制系统中参照交叉口的绿灯或红灯起点的时间差。相对相位差是指相邻两交叉口信号的绿灯或红灯起点的时间差[2]。
1 现有协调控制优化方法
目前常用的协调控制优化方法主要为最大绿波带法和基于延误的相位差优化法。
1.1 最大绿波带法
最大绿波带法主要是通过计算带宽B (Band Width) 与周期比值最大时的相位差, 从而达到系统协调控制的效果。连续通过带宽与交通流呈正相关, 连续通过带宽度越宽, 能通过的交通流就越多, 协调控制的效果就越好[3]。
现有的最大绿波带算法没有考虑相交道路车辆的排队和延误, 在主干道实现绿波交通的同时大大增加了横向交通的延误和排队, 甚至造成相交道路的交通拥堵。
1.2 基于延误的相位差优化法
基于延误的相位差优化法是根据实际网络, 确定延误与各交叉口信号相位差之间的函数关系, 结合交通数据进行优化计算, 寻找相位差组合的最优解, 从而使延误达到最小[4]。
基于延误的相位差设计方案从理论上讲应是最为合理的设计方案之一, 但由于车辆延误的影响因素太多, 很难建立一个有较高精度且具有适时性的以延误最小化为目标的优化模型。现有的Webster模型在计算时会增加次干道的延误, 从而导致相交道路排队长度增加, 发生交通拥堵。
2 基于粒子群算法的信号协调控制
2.1 算法设计
综合考虑现有协调控制方法的优缺点, 本文采用基于延误的相位差优化方法, 以干线协调系统内部进口道和外部进口道 (内部进口道是指不直接与协调控制系统之外的道路相连的进口道, 外部进口道是指从外部进入干线系统的进口道) 总延误最小化作为目标函数 (见式 (1) ) [5]。
其中:
①如果, 则αi=1;如果, 则αi=0。
②如果, 则βi=1;如果, 则βi=0。
可以看出干线系统的总延误是干线周期、绿信比和相位差的函数, 即总延误D=fD (T;λ11, …λ14; λ21, …λ24; λ31, …λ34;λ41, …λ44;) , 其中T为干线协调系统的周期, λik为绿信比, i为交叉口编号, k为相位编号, 为交叉口i和交叉口i+1 之间的相位差。
粒子群算法的参数主要包括:粒子P, 粒子范围Pmin和Pmax, 群体规模m, 惯性权重w, 加速常数c1和c2, 最大速度vmax和最小速度vmin。
2.2 参数确定
2.2.1 粒子P
干线协调控制系统的交通流量、干线速度和干线周期在优化之前确定, 因此将它们看成常量。另外, 干线系统中的非协调相位的绿信比可以通过协调相位的绿信比计算得到 (见式 (2) ) , 这样可以使粒子的维数从15 维减少为7 维。
2.2.2 粒子范围
粒子每一维的飞行范围在Pmax和Pmin之间。每一维的Pmax和Pmin根据粒子代表的具体含义分别进行设定。每一相位的时间t不能过短, 也不能过长, 必须满足:
其中:tmin和tmax为相位最小绿灯时间和最大绿灯时间, 其值的大小由具体交叉口的信号配时方案决定。因此在设置协调相位的绿信比时, 必须保证协调相位和非协调相位满足相位时间的要求。由于相位差的取值范围为:
因此, 可以得到:
式中:, 分别为协调相位最大绿信比和最小绿信比。
2.2.3 群体规模m的选择
通常粒子群体的规模在20~40 之间, 本文设定粒子群体规模为30。
2.2.4 惯性权重w的选择
惯性权重主要用来控制前面的速度对当前速度的影响, 较大的w可以加强粒子群算法的全局搜索能力, 而较小的w能加强局部搜索能力。本算法中将w设置为从0.9 到0.4 的线性下降函数, 使得粒子群算法在开始时探索较大的区域, 较快地定位最优解的大致位置, 随着w的逐渐减小, 粒子速度变慢, 开始精细的局部搜索。
2.2.5 加速常数
一般地, 取学习因子c1=c2=2。
2.2.6 最大速度vmax和最小速度vmin的选择
惯性权重w和v是维护全局和局部搜索能力的平衡, w减小可以使所需的迭代次数变小。因此, 本算法中将vmax和vmin固定为每维变量的变化范围, 只对w进行调节。
2.3 算法步骤
基于粒子群算法的干线协调优化步骤如下:
Step1:根据每个交叉口的渠化状况和交通流量, 确定单交叉口的信号配时方案。将周期时长最大的交叉口作为关键交叉口, 并将该交叉口的信号周期作为干线协调控制的周期;
Step2:计算干线协调控制系统中上下行交通量和各交叉口各进口的交通量;
Step3:对粒子群进行初始化设置, 确定粒子的取值范围;
Step4:计算粒子的最优位置;
Step5:进行粒子速度和位置的更新;
Step6:判断是否满足终止条件, 如果是, 算法结束;如果否, 重复Step4。
2.4 信号协调控制
2.4.1 流量转换
每个交叉口出口道的车流是由该交叉口进口道方向的直行、左转和右转车流汇集而成的[3]。记干线上行进口流量为qup, 下行进口流量为qdown。计算公式如式 (6) 和式 (7) 所示。
其中:为交叉口i上行进口道的统计流量, 为交叉口i下行进口道的统计流量。
由于交通流调查得到的流量为单交叉口的统计流量, 各交叉口间流量独立无关。但是干线交通流是一个交叉口间相互影响的系统, 因此不能直接将其用于干线中流量的计算, 但可以将其转换为转向比。由于干线中各交叉口协调相位的流量是一致的, 因此干线中各交叉口协调相位的左转、直行和右转车流量等于qup、qdown和各转向比之乘积。
将建设路四个交叉口的流量进行转换可得, 干线协调流量如表1所示。
2.4.2 程序设计
将表1 中各交叉口的干线协调流量代入式 (1) 的目标优化函数, 然后运行粒子群算法的MATLAB程序, 可得考虑支路影响的建设路交叉口双向绿波交通控制方案如表2 所示。
由表2 可知, 建设路与体育路交叉口东西直行方向的绿灯比建设路与迎宾路交叉口的绿灯延迟40s开放, 建设路与中兴路交叉口的绿灯比建设路与体育路交叉口的绿灯延迟开放25s, 建设路与开源路交叉口的绿灯比建设路与中兴路交叉口的绿灯延迟26s开放, 可以保证从建设路与迎宾路交叉口驶入的车辆在四个交叉口都遇到绿灯, 从而达到信号协调控制的目的。
3 建设路各交叉口控制方案的对比分析
不同的信号控制方案对应于不同的交叉口延误, 通过分析各交叉口的延误可以判断各种信号控制方案的优劣。将建设路交叉口现状配时方案、改善的单点控制方案、以及绿波交通控制方案所对应的延误值进行对比分析, 从而验证信号配时方案以及绿波控制方案的合理性。现状信号控制方案、改善的信号控制方案和绿波交通控制方案所对应的延误依次减小, 从而证明了建设路信号协调控制方案设计的合理性, 同时也说明了干线信号协调控制在缓解交通拥堵, 减少交叉口延误, 提高道路通行能力方面是一项有效的措施。
4 结论
本文在平顶山市建设路沿线交叉口调查的基础上, 以延误最小化为目标函数, 采用粒子群优化模型, 对建设路相邻四个交叉口双向绿波交通的三个重要参数 (周期、相位差和绿信比) 进行了协调优化, 得出了一个延误最小的信号配时方案。并通过与现状配时方案和改善的单点控制方案对比, 验证了干线协调控制方案的合理性。
摘要：城市交通干线是城市路网中的重要组成部分, 干线协调控制是解决主干路通畅的有效途径。本文首先介绍了干线协调控制的相关参数, 并分析了现有协调控制方法的优缺点;在建设路沿线交叉口调查的基础上, 以车辆总延误最小化作为目标优化函数, 利用粒子群算法对函数进行求解;最后, 通过对比建设路交叉口现状配时方案、改善的单点控制方案以及干线协调控制方案所对应的延误值, 从而验证了干线协调方案的合理性。
关键词：交通干线,协调控制,粒子群算法
参考文献
[1]吴冰, 李晔.交通管理与控制[M].北京:人民交通出版社, 2011.
[2]李晓红.城市干线交通信号协调优化控制及仿真[D].大连:大连理工大学, 2007.