王大珊，王松浩，趙玉娟，饒眾博

（公安部道路交通安全研究中心，北京100084）

WANG Da-shan,WANG Song-hao,ZHAO Yu-juan,RAO Zhong-bo

(Traffic Safety Research Center,Ministry of Public Security,Beijing 100084,China)

0 引言

交通信號控制是當今城市交通管理系統(tǒng)的核心組成部分。當前，國內使用的交通信號控制系統(tǒng)多為國外引進，如SCOOT 系統(tǒng)、ACTRA 系統(tǒng)和SCATS系統(tǒng)等。而以北京為例，現(xiàn)使用中的交通信號機主要包括：SCOOT系統(tǒng)的T700、T800、MCU-6 信號機；ACTRA 系統(tǒng)的2070 信號機。此外還有HSC-100、BE320、BJZX-F 等多種類型信號機[1]。這些不同系統(tǒng)不同型號的信號機共同運轉而構成了北京市的交通信號控制系統(tǒng)。而從其信號機的數(shù)量及在北京的分布區(qū)域來看，SCOOT系統(tǒng)和ACTRA 系統(tǒng)在北京的信號控制系統(tǒng)中均占據(jù)了重要地位。

SCOOT 系統(tǒng)的邏輯結構分為兩層，分別是中心層和路口層。中心計算機負責生成各個路口的配時方案；下端的信號機完成數(shù)據(jù)采集、處理以及信號控制。SCOOT 模型及優(yōu)化原理均是在TRANSYT 的基礎上發(fā)展起來的，主要包括周期、綠信比、相位差等三個優(yōu)化過程[2-5]。

ACTRA 系統(tǒng)是西門子美國公司開發(fā)第三代的交通控制系統(tǒng)，主要由中心控制模塊、通信模塊及路口信號控制模塊組成。交通響應模式使得系統(tǒng)根據(jù)交通變化或非典型交通進行系統(tǒng)范圍的優(yōu)化配時方案的執(zhí)行[5-7]。而該系統(tǒng)的2070ATC 信號機具有自適應和多種靈活的控制戰(zhàn)略。

雖然上述兩種系統(tǒng)在國外均取得較好的控制效果，但是從北京市信號控制系統(tǒng)及信號機使用情況來看，二者在北京市交通環(huán)境下均體現(xiàn)出了一定的問題及不適應之處。這些問題主要體現(xiàn)在以下幾點：

（1）SCOOT 系統(tǒng)及ACTRA 系統(tǒng)模型均按照國外交通流特性建立，對于北京市機非混合交通流適應性較差，導致系統(tǒng)的控制效果急劇降低；

（2）對于北京市交通流量的龐大和明顯的時空特性，在早晚高峰期間極其容易出現(xiàn)擁堵的情況，雖然SCOOT 系統(tǒng)提供了額外的限流等控制手段，但是對于過飽和的交通流量其實際效果較差；

（3）不同系統(tǒng)的不同信號機之間無法進行通訊及協(xié)調優(yōu)化控制，雖然不同系統(tǒng)的信號機分布在不同區(qū)域，但是在其交界處往往成為協(xié)調控制的盲區(qū)。

另一方面，在交通信號控制的理論研究上，針對國內交通流特性及特殊控制需求，為提高信號控制效果，很多學者對控制策略與控制算法進行了大量的研究工作，取得了豐富的成果。如模糊控制[8-9]、神經網(wǎng)絡控制[10-11]、遺傳算法控制[12-13]、強化學期控制[14-15]等智能控制算法在信號控制理論研究及仿真中均得到較好的控制效果，且各種控制算法的改進及優(yōu)化一直在不斷的進行。

為解決現(xiàn)有交通信號控制器程序固化、擴展性差等不足，本文提出一種基于事件調度的信號控制模型（ED-Model）。該模型以事件調度為核心，根據(jù)事件檢測定義與事件解析定義使得不同算法在該模型內通過統(tǒng)一模式實現(xiàn)。ED-Model 將狀態(tài)檢測與請求調度分離，前者將常規(guī)狀態(tài)檢測抽象為統(tǒng)一的事件檢測機制，而后者引入交通信號控制請求操作系統(tǒng)概念實現(xiàn)多請求的綜合決策。ED-Model 可以有效地提高交通信號控制器的適用性與擴展性，為城市交通信號控制系統(tǒng)的協(xié)同運行和及時更新提供可靠保障。

1 模型結構

圖1 顯示了基于事件調度的交通信號控制模型結構。 該模型由Detection & Analysis Unit（DAU）、Request Dispatcher Unit （RDU）、Plan Execute Unit （PEU） 和 Status Observation Unit（SOU）等單元組成。對外提供一個算法編輯接口（DDat）和三個控制接口，即OSig、ISig 和PDat。相關的符號說明見表1。下文將說明模型的基本運行流程。

圖1 交通信號控制平臺系統(tǒng)結構

表1 符號說明

首先，PDat 是模型基本運行方案，在沒有OSig和ISig情況下，直接輸如RDU以執(zhí)行。ISig是信號機運行狀態(tài)信號，主要指當前時間、通訊連接狀態(tài)等；OSig 是信號機外部輸入信號，包括IO量、通訊量和統(tǒng)計量等內容。ISig和OSig共同構成了對默認方案PDat 的控制輸入（合稱Sig）。然后，對于輸入信號的檢測是第二步內容。在EDModel 中，Event 的識別及調度是核心內容。所謂Event是指系統(tǒng)內部（ISig）或外部（OSig）試圖對當前信號控制方案（PDat）產生影響的狀態(tài)。除了傳統(tǒng)意義上的交通流狀態(tài)觀測外，ISig和OSig更是一種廣義上的狀態(tài)觀測結果。而從檢測的角度來說，Event 是多種Sig 變量的時空組合，當Sig 滿足一定條件時，即認為該類Event已經觸發(fā)。

之后，當Event由DAU檢測成立時，DAU將會根據(jù)解析規(guī)則生成該時刻的Req（t），即該Event 對應的請求操作，并將其送至EDU。EDU 根據(jù)當前管理下的Req（t）隊列和SOU采集的當前信號機控制狀態(tài)（CPS（t-1）），通過請求調度機制決策產生新的控制方案（CSP（t））。最后該方案由PEU 執(zhí)行輸出。

ED-Model中，Event的檢測識別和控制需求解析是模型的一項重要內容，該部分提供通用的對外數(shù)據(jù)接口，將控制算法與信號機內控制管理程序分離，通過數(shù)據(jù)的編輯即實現(xiàn)不同信號控制算法中狀態(tài)觀測與控制輸出需求。另一方面，事件請求的調度決策是ED-Model 的核心內容。在該模型中，采用基于信號控制請求操作系統(tǒng)的調度策略實現(xiàn)多請求的協(xié)同處理。

下文將從系統(tǒng)輸入和內部單元具體闡述其運作機制。

1.1 系統(tǒng)輸入

系統(tǒng)輸入是指系統(tǒng)核心處理模塊的輸入，分為基礎數(shù)據(jù)錄入、外部信號輸入和內部配置輸入信號。這些信號數(shù)據(jù)流共同構成該系統(tǒng)穩(wěn)定高效運行的驅動來源。

1.1.1 PDat

該系統(tǒng)以方案數(shù)據(jù)為運行基礎，任何時刻系統(tǒng)維持一個當前執(zhí)行方案。在沒有其他事件產生時，系統(tǒng)將按照方案參數(shù)穩(wěn)定運行；當系統(tǒng)檢測到事件發(fā)生且產生請求數(shù)據(jù)流，調度器根據(jù)調度規(guī)則對當前方案內容進行更新，以滿足請求要求。因此，方案是整個系統(tǒng)運行與優(yōu)化的基礎數(shù)據(jù)。符號及參數(shù)說明見表2。

表2 基礎數(shù)據(jù)符號說明

方案二是覆蓋控制路口所有相位的相序結構及時間的組合，其包括周期（Cycle）、階段（Stage）、相位（Phase）和安全約束（Restriction）四個對象。方案為三層結構，分別是相位層、階段層和周期層。

相位（Phase）：相位參數(shù)是一個方案的基礎數(shù)據(jù)，包括：相位類型（機動車、非機動車、行人、特殊標志；主相位、從相位）、空間屬性（來向、轉向等）、最小綠（Min）、最大綠（Max）。

階段（Stage）：階段是同一時段獲得通行權的相位的集合。其參數(shù)由相位參數(shù)運算得到，主要包括階段最小綠（該階段所有相位最小綠的最大值）、階段最大綠（該階段所有相位最大綠的最大值）、階段時間（即指階段實際持續(xù)時間長度Stage_Len）。

周期（Cycle）：周期由階段按照一定次序排列組合而成。周期參數(shù)由階段參數(shù)計算而得，包括周期時長（Cycle_Len）、周期解空間（各階段可能時長組合構成的一位向量）。

設周期包含有n個階段，第i階段有mi個相位，則相位通行時間可以用下式表達。其中，為相位使能因子，0 ≤λ(j)≤1 為相位時長修正因子。

根據(jù)相位時間參數(shù)可以得到階段和周期時間參數(shù)值。其中：

基礎數(shù)據(jù)中，方案數(shù)據(jù)是信號機運行的基礎，而安全數(shù)據(jù)則是保障交通安全的重要約束條件，是維護交通秩序的重要保障。安全約束分為空間沖突約束和過渡時間約束兩類。其中，空間沖突約束保障具有嚴重沖突點的兩個相位不能同時獲得通行權；而過渡時間約束是為了保證相位通行權切換時，上一個相位車輛完全通過路口，以避免和下一相位車輛競爭的現(xiàn)象出現(xiàn)。二者數(shù)據(jù)定義如下：

式中：Phase為沖突的相位組合；Class為沖突的類型，分為直接沖突、匯聚點沖突、人車沖突和無沖突四類；Yellow，Red為相位過渡時間的參數(shù)定義，一般要求Yellow＞3，Red＞2。

方案數(shù)據(jù)和安全約束數(shù)據(jù)相互配合，共同構成了系統(tǒng)安全穩(wěn)定與運行的基礎。

1.1.2 OSig

系統(tǒng)輸入的三部分數(shù)據(jù)中，外部信號是實現(xiàn)信號機動態(tài)算法的重要手段。在外部信號基礎上定義的事件觀測規(guī)則為各類控制功能和算法提供了有效地接口。在該系統(tǒng)中，對外信號包括了IO信號和通訊信號兩部分。

IO 信號是最常用和便捷的外部輸入信號，設系統(tǒng)配置M個IO設備，其中第j個設備有Nj個IO口，用Xji表示，則IO信號可表示為：

在IO 信號的基礎上可進行時空組合，以檢測識別特定信號信息；而在原始信號基礎上進行數(shù)據(jù)統(tǒng)計得到一次統(tǒng)計量，包括流量、密度、車頭時距等數(shù)據(jù)；進一步通過特定模型可以得到估計的二次統(tǒng)計量，包括車速、延誤、旅行時間等參數(shù)：

對于外部信號的事件檢測是建立在原始信號、一次統(tǒng)計量和二次統(tǒng)計量的基礎之上，通過上述參量的邏輯組合，事件檢測程序可對事件的發(fā)生與否進行實時的檢測和識別，以實現(xiàn)各類算法的觀測狀態(tài)輸入，作為控制平臺的驅動來源。事件可采用下述表示方式：

式中：Command-ID表示某類通訊協(xié)議。

不同于IO 信號，通訊信號可以直接傳遞上述統(tǒng)計量的數(shù)據(jù)而無需本地計算，從而減輕處理器的負荷，實現(xiàn)分布式處理。

1.1.3 ISig

內部信號是提供用戶定義的若干規(guī)則集，可以通過內部信號產生事件以驅動多時段方案切換、星期切換方案、日期切換方案等功能。該信號為可選部分，可由用戶自由定義，該信號同外部信號一樣都通過解析器產生Request 數(shù)據(jù)流，然后輸入調度器管理。內部信號的規(guī)則定義如下：

式中：Time為時基參數(shù)，Date為日期基礎參數(shù)。

多時段方案切換的實現(xiàn)可通過定義Time類參數(shù)實現(xiàn)；而不同日期的方案切換可通過Date類參數(shù)實現(xiàn)；而二者結合又可實現(xiàn)日期、時間的雙重方案切換功能。

1.2 內部模塊

1.2.1 DAU

解析器是根據(jù)Signal數(shù)據(jù)流進行事件檢測并按照解析規(guī)則產生Request 數(shù)據(jù)流的模塊。解析器的事件檢測規(guī)則和解析規(guī)則是實現(xiàn)不同算法的有效有段。通過定義數(shù)據(jù)型的檢測規(guī)則和解析規(guī)則將算法潛入解析器，從而實現(xiàn)算法與管理程序的分離。

解析器自身為開放式模塊，通過客戶端可由外部直接修改其解析規(guī)則。而Request 設計為統(tǒng)一標準結構，該結構提供強大的信號控制操作功能，以便新算法的植入。Request 的數(shù)據(jù)結構如下式所示：

Source 表示數(shù)據(jù)源類，包含3 個參數(shù)：（1）Signal Time：信號到達時間；（2）Signal Type：信號類別；（3）Signal ID：信號編號Type表示請求的類型。

Type 表示請求類型，根據(jù)對信號系統(tǒng)功能需求的分析，將信號機控制功能抽象為4 類基本操作：

（1）Phase On（A）：某相位獲得通行權；

（2） Phase Off（B）：某相位禁止獲得通行權；

（3）Plan Modify（C）：方案更新；

（4）Parameter Modify（D）：方案參數(shù)修改。

Action Time表示請求響應的起始時間：

（1）絕對時刻：時分秒表示的具體時刻；

（2）相對時間：請求響應的時間相對于當前時間的秒數(shù)；

（3）結構性時間：

①Cycle End，周期結束響應；

②Stage End，階段結束響應。

（4）描述性時間：

①Immediately，立刻響應；

②ASAP，盡快響應；

③Normal，正常響應。

Parameter 表示該請求持續(xù)的時間長度，對不同類型有不同的意義：

（1）A 型請求：請求某相位通行權的持續(xù)時間；

（2）B型請求：禁止某相位獲得通行權的持續(xù)時間；

（3）C型請求：需要修改的參數(shù)及其值；

（4）D型請求：新方案結構及參數(shù)（結構詳見

1.1.1基礎數(shù)據(jù)）。

Validity 表示該請求的有效期，超出有效期而未被響應的請求將會被調度器丟棄；該參數(shù)保證了請求的有效管理。

Priority 是該請求的優(yōu)先級，系統(tǒng)在啟動時會初始化若干默認的優(yōu)先級，以保障系統(tǒng)的正常運轉。而用戶可以通過自定義解析規(guī)則來實現(xiàn)自己的優(yōu)先調度，以此完成新算法的實現(xiàn)。系統(tǒng)默認分為三個層次的優(yōu)先級區(qū)域：

（1）1-5級：該類優(yōu)先級的請求不受到最大綠的限制，但是受到基本安全約束的限制，包括：①最小綠保護；②過渡約束保護；③沖突保護。

（2）5級以上：除了基本的安全約束，該類優(yōu)先級的請求還受到最大綠的限制。

圖2 顯示了解析器工作流程。解析器接收OSig 和ISig 的信號，根據(jù)Control Algorithm 定義下的Detection Rules （DDat 決定） 對Event 進行檢測。若Event 成立則根據(jù)Analysis Rules（DDat 決定）解析產生對應的Req（t）。

圖2 DAU數(shù)據(jù)流圖

解析器作為該系統(tǒng)開放性接口模塊，是實現(xiàn)算法移植的重要途徑。對于不同的控制功能和算法，可以通過定義解析器的事件檢測規(guī)則和解析規(guī)則，產生不同效應的請求隊列，從而對調度器的決策實現(xiàn)控制，以實現(xiàn)控制算法的優(yōu)化和更新。

1.2.2 EDU

EDU內部結構如圖3所示。

圖3 EDU內部結構

調度器是處理Request 數(shù)據(jù)流，并最終產生控制結果的模塊。調度器內部包括請求管理器、請求存儲器和決策器三部分。

其中，請求管理器用于管理請求隊列及其狀態(tài)；請求存儲器用于存儲當前有效的所有請求；CSP生成器根據(jù)基礎配置、前一時刻的請輸出相序（CSP（t-1））和請求隊列按照調度規(guī)則生成新的相序隊列（CSP（t））。

（1）RMU

請求管理器接收解析器產生的請求數(shù)據(jù)，并對其進行管理，以供GSP生成器使用。

請求管理器用于維護一個請求隊列，該隊列包含t時刻前所有處于有效期內且尚未響應完成的請求。請求管理器包括以下功能。

①容量管理：用于維護管理器存儲請求數(shù)量；

②維護狀態(tài)：請求狀態(tài)包括：

a）未響應：請求超過有效期仍未響應；

b）等待相應：請求在有效期內等待響應；

c）正在響應：請求正在被執(zhí)行器響應；

d）響應掛起：正在響應的請求被打斷；

e）響應結束：請求已經響應結束。

③添加請求：t時刻的請求若在當前隊列中沒有出現(xiàn)，添加該請求到隊列。

④刪除請求：

a）t時刻隊列中某一請求超時未響應；

b）t時刻隊列中某一請求已經響應；

c）t時刻收到刪除請求，取消某請求。

⑤更新請求：t時再次受到隊列中處于非正在響應狀態(tài)的請求，則更新該請求。

（2）DOU

交通信號控制器最基本可控單位為相位，不同相位在時間軸上延伸形成相序CSP?？刂破鞯目刂平Y果完全反映在相序及其屬性上。

相位從獲得通行權到失去通行權需要經過的黃燈時間（Yellow）、紅燈時間（Red）的序列稱之為過渡序列（Transition Sequence）；同一段時間內獲得通行權的相位組合稱之為階段（Stage）；包含了所有相位的最小階段序列稱之為周期（Cycle）。

CSP生成器的任務即調整CSP（t），使之盡可能多的滿足請求（Request）。其有效調度算法由以下步驟構成：

①將當前未處理Request 隊列按照優(yōu)先級進行排序，包括優(yōu)先級和內部優(yōu)先級；

②對相同優(yōu)先級的請求，若該類請求是非互斥請求，則請求到達時刻晚的優(yōu)先級高，否則只保留最新的請求；

③對未處理隊列隊首請求消息進行處理，調整兩個周期內相位使能及通行權時間。

④若無解則將該請求標記為等待響應狀態(tài)，并移出隊列；

⑤若有解則根據(jù)評價函數(shù)選擇最優(yōu)解，并將請求標記為正在響應狀態(tài)；

⑥檢查未處理隊列，若為空，結束并生成CSP（t）共執(zhí)行器使用；否則返回③。

該調度算法中對請求的求解過程最為重要，該過程可以用下述方式表述。

CSP（t）可以通過狀態(tài)空間進行描述：CSP(t)而Stage.i的值域為{0 }?{( min,max )}。其中0 表示可以跳過該相位或階段，否則該相位只能在最小綠和最大綠之間獲得通行權。為滿足請求，通過狀態(tài)空間的搜索以獲得新的CSP(t)。對于有解的請求消息，則根據(jù)狀態(tài)空間評估函數(shù)進行選取，其表達式如下：

其中：

1.2.3 PEU和SOU

執(zhí)行器接受調度器輸出結果CSP（t），進行實際相位輸出。觀測器將當前相位輸出狀態(tài)采集回來反饋至調度器和解析器，以協(xié)助其下一時刻的事件檢測和輸出狀態(tài)決策CSP（t+1）。

2 特性分析

2.1 ED-Model特點

該模型設計的基于事件調度的控制模式，通過改變事件定義與檢測規(guī)則和解析規(guī)則來實現(xiàn)不同的控制邏輯。在模型結構及功能上具有以下幾個特點：

（1）模型將對當前控制方案的任何改變情況統(tǒng)一抽象為事件，通過事件的檢測與解析來決定交通信號的影響控制狀態(tài)；

（2）事件通過四大類狀態(tài)變量檢測和識別，狀態(tài)變量既包含IO 類數(shù)據(jù)、統(tǒng)計類數(shù)據(jù)，也包含系統(tǒng)運行狀態(tài)變量，大量的狀態(tài)變量為豐富事件的定義與檢測的前提；

（3）模型將事件檢測與請求決策分離，由EDU 綜合處理請求隊列，避免二者功能上的交叉導致的混亂決策；

（4）EDU 提供交通信號操作系統(tǒng)（OS）的基礎框架，引入給予優(yōu)先級的請求調度概念，實現(xiàn)多條請求狀態(tài)下的有序決策。

總體而言，ED-Model 是一種通用的交通信號控制模型，其提供了一種通用的交通信號控制規(guī)則，下文將從模型兼容性、擴展性和運行效率等方面進行特性分析。

2.2 兼容性

ED-Model 的兼容性是指該模型對現(xiàn)有交通信號控制需求的實現(xiàn)能力。當前各類交通信號控制系統(tǒng)及信號機提供了多種多樣的控制模式，同時隨著需求的不斷擴展各類新型控制模式及輔助模塊也不斷出現(xiàn)。雖然各種控制模式具有不同的功能及表述，但是通過分析可知，信號控制的功能需求可由四類基本操作及Req 對象的Type 參數(shù)構成。

分析現(xiàn)有主流控制模式的功能，可以發(fā)現(xiàn)現(xiàn)有各類交通信號控制模式均可從上述類似類基本操作來實現(xiàn)，如表3 所示。其中A，B，C，D 分別表示上述4種基本請求操作。

表3 控制模式基本控制需求分析表

由此可見，ED-Model 的結構完全可以實現(xiàn)對現(xiàn)有控制模式的兼容。

2.3 可擴展性

狹義的狀態(tài)觀測即指交通流狀態(tài)檢測，多數(shù)控制算法均建立在狹義狀態(tài)基礎之上；而廣義的狀態(tài)觀測即前面所述的事件，除交通流基本狀態(tài)外還包括其他的信號機觸發(fā)信號。算法決策即根據(jù)當前或者一段時間的狀態(tài)趨勢來決策當前信號機的邏輯輸出。具體結果體現(xiàn)在執(zhí)行輸出的能力上?？梢姡?.1小結基本的信號機執(zhí)行能力的基礎上，如何實現(xiàn)算法的狀態(tài)觀測及決策即成為該系統(tǒng)是否具有良好擴展性的決定因素。

由ED-Model 的結構可知，該模型的狀態(tài)觀測基于信號輸入與檢測規(guī)則。在此基礎上產生的Event即是對不同狀態(tài)的描述。在ED-Model中，包括四個層次的狀態(tài)變量：

（1）原始IO狀態(tài)；

（2）一次統(tǒng)計量，包括流量、密度、車頭時距等；

（3）二次統(tǒng)計量，包括速度、延誤、旅行時間、排隊長度等；

（4）系統(tǒng)狀態(tài)量，包括時間、日期、網(wǎng)絡狀態(tài)等系統(tǒng)狀態(tài)；

四種類型的狀態(tài)變量為ED-Model 的事件描述與檢測提供了豐富的資源。而從第2部分系統(tǒng)結構可知，該系統(tǒng)的事件定義采用標準Signal數(shù)據(jù)流表示方式，而算法決策采用標準Request 數(shù)據(jù)流表示方式。這樣，不同事件檢測及決策均以數(shù)據(jù)作為驅動，與信號機內部程序實現(xiàn)了有效地分離。因此，在該系統(tǒng)下，通過配置不同的Signal 及相應Request 解析規(guī)則即可實現(xiàn)不同的控制算法，無需更改信號機的內部控制程序。

下面分別分析Signal 數(shù)據(jù)和Request 數(shù)據(jù)所能實現(xiàn)的能力。Signal 數(shù)據(jù)（即檢測事件）標準格式可以定義如下：

式中：Event(j)為第j事件；Orignal(j)為直接的IO信號；Statistical(j)為一次交通統(tǒng)計量；Model(j)為二次交通統(tǒng)計量。詳細統(tǒng)計量的內容可見1.1.2外部信號和1.1.3內部信號。

通過內部信號和外部信號定義的事件，包含了原始IO 數(shù)據(jù)、一次統(tǒng)計量、二次統(tǒng)計量和時間日期類數(shù)據(jù)，可以滿足現(xiàn)有信號機的狀態(tài)檢測需求（見表4），且具有良好的擴展能力。

表4 狀態(tài)檢測對比分析表

2.4 算法效率

運行效率主要指系統(tǒng)的控制算法復雜度。對于ED-Model 其運行效率主要由兩部分決定：（1）事件的檢測（檢測與解析規(guī)則）；（2）請求的調度（解空間的搜索與決策）。

2.4.1 DAU執(zhí)行效率

解析規(guī)則即指檢測到特定事件發(fā)生后產生什么樣的Request 數(shù)據(jù)。其原始來源為事件的定義集。假設事件集有如下表示：

式中：O，S，M，T，D分別為Original，Statistic，Model，Time，Date 類事件；NX為某類事件的個數(shù)。且定義原始檢測類運算的消耗為A，統(tǒng)計類運算的消耗為T·A，模型計算類運算的消耗為T·A·B，則解析規(guī)則的總消耗S可以表示為：

由于各類事件集為線性結構，因此總消耗與事件集的大小和基礎消耗參數(shù)相關，復雜度為其中T為統(tǒng)計量的統(tǒng)計周期。

2.4.2 RDU運行效率

調度規(guī)則的效率即指調度器對于Request 請求隊列的處理效率。根據(jù)1.2.2 調度器中所述調度規(guī)則，假設Request隊列表示為下式：

其中，C/D 類Request 是一次性瞬時操作，不涉及解空間的搜索過程。

另一方面，假設該系統(tǒng)當前使用的是k階段控制方案。表示第i個階段的最小綠和最大綠，則第i個階段的空間集為：

在此基礎上，此方案的解空間可表示為向量：

解空間的大小為：

由于調度規(guī)則約定優(yōu)先級順序，則調度規(guī)則對于解空間的搜索過程的復雜度一定不大于：

3 結語

本文提出一種基于事件調度的交通信號控制模型ED-Model。該模型通過統(tǒng)一的事件檢測識別與調度決策機制，將信號控制算法與信號機管理程序分離，有效地將不同控制算法在該模型內得以實現(xiàn)，并具有對新算法較好的可擴展性，為現(xiàn)有交通信號控制器的算法更新與協(xié)同控制提供有效的保障。

[1] Beijing Traffic Management Bureau. Relative Data since 2012 [EB/OL]. [2004-01-09](2014-04-05). http://www.bjjtgl.gov.cn/publish/portal0/tab118.

[2] Sui Liying,Li Wei,Shi Jianjun,et al.The Analysis and Application Actuality of Traffic Signal Control System——SCOOT and ACTRA in Beijing[J]. Road Traffic & Safety,2007(2):10-13.

[3] Lenné M G,Rudin-Brown C M,Navarro J,et al.Driver Behavior at Rail Level Crossings: Responses to Flashing Lights, Traffic Signals and Stop Signs in Simulated Rural Driving[J].Applied Ergonomics,2011,42(4):548-554.

[4] Zhao X,Shang P,Lin A,et al.Multiracial Fourier Detrended Cross-Correlation Analysis of Traffic Signals[J]. Physical A: Statistical Mechanics and Its Applications, 2011,390(21):3670-3678.

[5] Pérez J, Seco F, Milanés V, et al. An RFID-Based Intelligent Vehicle Speed Controller Using Active Traffic Signals[J].Sensors,2010,10(6):5872-5887.

[6] Asadi B,Vahidi A.Predictive Cruise Control:Utilizing Upcoming Traffic Signal Information for Improving Fuel Economy and Reducing Trip Time[J].Control Systems Technology,IEEE Transactions on,2011,19(3):707-714.

[7] Otterdahl D, Andersson M. New Protocol for ITS-Used in Traffic Signal Control from Cooperative Ideas to Development Requirements for the Swedish Transport Administration[C]// 19th ITS World Congress. Vienna: ERTICO- ITS Europe,2012.

[8] Prashanth L A, Bhatnagar S. Reinforcement Learning with Function Approximation for Traffic Signal Control[J]. Intelligent Transportation Systems,IEEE Transactions on,2011,12(2):412-421.

[9] Gokulan B P, Srinivasan D. Distributed Geometric Fuzzy Multiagent Urban Traffic Signal Control[J]. Intelligent Transportation Systems, IEEE Transactions on, 2010, 11(3):714-727.

[10] Yin H, Wong S C, Xu J, et al. Urban Traffic Flow Prediction Using a Fuzzy-Neural Approach[J]. Transportation Research Part C,2002(10):85-98.

[11] Arel I, Liu C, Urbanik T, et al. Reinforcement Learningbased Multi-agent System for Network Traffic Signal Control[J]. Intelligent Transport Systems, 2010, 4(2): 128-135.

[12] Baniqued P L, Low K A, Fabiani M, et al. Frontoparietal Traffic Signals:a Fast Optical Imaging Study of Preparatory Dynamics in Response Mode Switching[J]. Journal of Cognitive Neuroscience,2013,25(6):887-902.

[13] Ferreira M, Fernandes R, Concei??o H, et al. Self-Organized Traffic Control[C]//Proceedings of the seventh ACM international workshop on VehiculAr Inter NET working.ACM,2010:85-90.

[14] Brynielsson T. Method for controlling traffic signals to give signal priority to a vehicle:USP,8742945[P].2014.

[15] Putha R,Quadrifoglio L,Zechman E.Comparing Ant Colony Optimization and Genetic Algorithm Approaches for Solving Traffic Signal Coordination under Oversaturation Conditions[J]. Computer-Aided Civil and Infrastructure Engineering,2012,27(1):14-28.