姚斐 宋芳

摘 要：由于城市交通信號(hào)燈控制存在著非線性動(dòng)態(tài)特性，對(duì)其進(jìn)行控制時(shí)很難進(jìn)行精確的數(shù)學(xué)建模，同時(shí)路口交通流具有重復(fù)性特點(diǎn)，呈現(xiàn)明顯的周期性特征。為了減少路口車輛等待時(shí)間、提高通行效率，利用迭代學(xué)習(xí)控制方法，對(duì)信號(hào)燈周期和各個(gè)相位有效綠燈時(shí)間進(jìn)行優(yōu)化，從而對(duì)路口綠燈進(jìn)行最大化利用，保證車輛在路網(wǎng)中能夠高效、平穩(wěn)地通行。仿真結(jié)果表明，在迭代次數(shù)達(dá)到15次之后，排隊(duì)長(zhǎng)度相位差和誤差都趨于零，減少了交通擁堵時(shí)間。

關(guān)鍵詞：交通信號(hào)燈; 交通信號(hào)控制;迭代學(xué)習(xí); 有效綠燈時(shí)間

DOI：10. 11907/rjdk. 192392 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：TP301文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2020）008-0095-05

Abstract：There are nonlinear dynamic characteristics for urban traffic signal control. It is difficult to carry out accurate mathematical modeling when controlling it. At the same time， the traffic flow at the intersection has repetitive characteristics and presents obvious periodic characteristics. In order to reduce the waiting time of intersection vehicles， the iterative learning control method is used to optimize the period of the signal lamp and the effective green time of each phase， so that the green light of the intersection can be maximized and the vehicle can be efficiently and smoothly traversed in the road network. After the number of iterations reaches 15 times， the phase difference and error of the queue length go to zero， reducing the time of traffic congestion.

Key Words： traffic signal light; traffic signal control;iterative learning; effective green time

0 引言

交通信號(hào)控制是改變城市道路交通狀況、提升道路通行能力的有效方法。由于目前交通系統(tǒng)具有復(fù)雜性、多變性、不確定性等特點(diǎn)，且隨機(jī)性較強(qiáng)，很難創(chuàng)建精確的數(shù)學(xué)模型[1-2]。當(dāng)前對(duì)路口交通信號(hào)的控制是將一天分為若干時(shí)段，每個(gè)時(shí)段內(nèi)周期長(zhǎng)度固定不變，但由于路段的交通流隨機(jī)性較強(qiáng)，階段性交通擁堵現(xiàn)象難以避免，而且也無(wú)法根據(jù)具體情況進(jìn)行實(shí)時(shí)調(diào)節(jié)[3]。若能對(duì)各個(gè)相位的綠信比進(jìn)行控制，實(shí)時(shí)響應(yīng)交通流變化，將能最大限度減少車輛等待時(shí)間。

迭代學(xué)習(xí)控制[4-5]（iterative learning control，ILC）是針對(duì)重復(fù)性運(yùn)動(dòng)過(guò)程的控制方法。在相同時(shí)間和地點(diǎn)，路口交通流會(huì)近似呈現(xiàn)重復(fù)性狀態(tài)。文獻(xiàn)[6]針對(duì)不同路網(wǎng)的情況，改變區(qū)域內(nèi)的交通條件和選擇行為，建立組合型前饋反饋迭代學(xué)習(xí)控制模型，對(duì)系統(tǒng)干擾進(jìn)行有效控制，從宏觀層面針對(duì)不同路網(wǎng)情況進(jìn)行仿真分析，以提高跟蹤誤差精度，但選取的交通模型相對(duì)簡(jiǎn)單，不能應(yīng)用于復(fù)雜的城市路口;文獻(xiàn)[7]以主輔路交通密度為控制目標(biāo)，提出的宏觀交通流模型簡(jiǎn)化了存儲(chǔ)轉(zhuǎn)發(fā)模型，將迭代學(xué)習(xí)應(yīng)用于主輔路之間，在局部路段實(shí)現(xiàn)均衡控制，令均衡控制誤差收斂，但缺點(diǎn)是該模型忽略了變換車道對(duì)交通狀況的影響，不能應(yīng)用于日常生活中的交通路口;文獻(xiàn)[8]針對(duì)快速路入口，使用PD型迭代控制律控制交通流擴(kuò)散模型，然后采用重心法建模調(diào)節(jié)迭代學(xué)習(xí)增益，使系統(tǒng)輸出具有更好的跟蹤性能，不足之處是其采用的3種交通流模型都是宏觀交通流模型，在微觀特性下會(huì)影響結(jié)果的準(zhǔn)確性。

當(dāng)前迭代學(xué)習(xí)控制主要應(yīng)用在交通流相對(duì)固定、車況相對(duì)簡(jiǎn)單的快速路口，而將迭代學(xué)習(xí)控制應(yīng)用在日常路口交通燈控制方面的研究較少。本文首先采用TRRL法對(duì)日常生活的道路進(jìn)行配時(shí)，然后利用迭代學(xué)習(xí)控制方法確定各相位最佳有效綠燈時(shí)間，最后通過(guò)仿真對(duì)某一路段的交通燈綠信比進(jìn)行驗(yàn)證。仿真結(jié)果表明，該控制方法可有效減少車輛排隊(duì)現(xiàn)象，對(duì)于提高通行效率可起到很大作用。

3.2 仿真研究

本文仿真對(duì)象是莘建東路和廣賢路組成的路口，共有3個(gè)相位，相位設(shè)計(jì)如圖2所示，各路口交通需求參考表3。各相位到達(dá)率分別為：[0.5veh/s]、[0.15veh/s]、[0.25veh/s]，各相位飽和流率都為[0.28veh/s]。學(xué)習(xí)增益取-0.85，每個(gè)相位損失時(shí)間為[2s]，信號(hào)周期為[115s]，3個(gè)相位綠燈時(shí)間分別為[51s]、[15s]和[34s]?？紤]實(shí)際情況，用MATLAB仿真得到的綠燈時(shí)間和排隊(duì)長(zhǎng)度都應(yīng)為整數(shù)值。仿真結(jié)果如圖4-圖6所示。

通過(guò)圖4、圖5不難發(fā)現(xiàn)，當(dāng)?shù)螖?shù)超過(guò)15次之后，車輛排隊(duì)長(zhǎng)度差和誤差趨于0，整個(gè)信號(hào)配時(shí)系統(tǒng)處于均衡狀態(tài)。圖6顯示了3個(gè)相位的綠燈時(shí)間變化曲線。采用ILC信號(hào)控制可根據(jù)實(shí)時(shí)交通需求調(diào)整相應(yīng)相位綠燈時(shí)間，并對(duì)相應(yīng)綠燈時(shí)間進(jìn)行合理配時(shí)，證明了該迭代學(xué)習(xí)控制方法的實(shí)時(shí)性和有效性。

4 結(jié)語(yǔ)

本文被控對(duì)象是交叉路口紅綠燈，根據(jù)TRRL法配時(shí)方案確定合理的信號(hào)周期，再根據(jù)迭代學(xué)習(xí)控制律思想，構(gòu)建控制信號(hào)燈的方法，避免建立復(fù)雜的交通流模型，可以用很少的先驗(yàn)知識(shí)，通過(guò)實(shí)時(shí)交通流數(shù)據(jù)對(duì)交叉路口的信號(hào)燈進(jìn)行控制。迭代學(xué)習(xí)控制實(shí)驗(yàn)結(jié)果表明，本算法的控制方式比較合理，可根據(jù)交通流的變化而改變，具有自適應(yīng)調(diào)節(jié)的效果，提高了通行效率。采用迭代算法優(yōu)化后的效果遠(yuǎn)優(yōu)于傳統(tǒng)定時(shí)、定周期的交通系統(tǒng)，其能自適應(yīng)調(diào)節(jié)周期時(shí)長(zhǎng)和每個(gè)相位的綠燈時(shí)間，在相同時(shí)間內(nèi)能通過(guò)更多車輛，并且不需要額外的設(shè)備支持及額外花費(fèi)，即能減少人們不必要的等待時(shí)間，從而節(jié)省了人們的出行時(shí)間，提高了工作效率。但是本文適用范圍存在一定局限性，當(dāng)路口車輛很少或很多時(shí)，調(diào)節(jié)效果并不明顯。

參考文獻(xiàn)：

[1] 馬文閣. ?基于模糊控制的單交叉口信號(hào)控制方法與算法研究[D]. ?大連：大連海事大學(xué)，2008.

[2] 趙佳文. ?基于車輛誘導(dǎo)的交通燈動(dòng)態(tài)配時(shí)優(yōu)化算法研究[D]. ?沈陽(yáng)：沈陽(yáng)理工大學(xué)，2017.

[3] 趙辛. 西安市城市交通擁堵分析及治理策略研究[D]. ?西安：長(zhǎng)安大學(xué)，2018.

[4] ARIMOTO S， KAWAMURA S， MIYAZAKI F. Bettering operation of robots by learning[J]. ?Journal of Field Robotics， 2010 （2）：123-140.

[5] 池榮虎，侯忠生，黃彪. 間歇過(guò)程最優(yōu)迭代學(xué)習(xí)控制的發(fā)展：從基于模型到數(shù)據(jù)驅(qū)動(dòng)[J]. 自動(dòng)化學(xué)報(bào)，2017，43（6）：917-932.

[6] 丁瑩. ?城市交通區(qū)域的迭代學(xué)習(xí)邊界控制[D]. ?北京：北京交通大學(xué)，2017.

[7] 梅景. ?城市快速路系統(tǒng)的無(wú)模型自適應(yīng)迭代學(xué)習(xí)控制研究[D]. 北京：北京交通大學(xué)， 2018.

[8] 楊峰. ?幾類快速路交通流模型的迭代學(xué)習(xí)控制研究[D]. 柳州：廣西科技大學(xué)，2015.

[9] 周昊， 阮太元， 劉智勇. ?定周期單路口綠信比的迭代學(xué)習(xí)控制方法[J]. 五邑大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2015（4）：57-61.

[10] 羅彥博. ?廣義系統(tǒng)的迭代學(xué)習(xí)控制算法研究[D]. 廣州：華南理工大學(xué)，2016.

[11] 呂慶，方勇純，任逍. 加速抑制隨機(jī)初態(tài)誤差影響的迭代學(xué)習(xí)控制[J]. 自動(dòng)化學(xué)報(bào)，2014，40（7）：1295-1302.

[12] 朱亞華，劉秉瀚. 城市平面交叉路口微觀仿真軟件設(shè)計(jì)[J]. 福州大學(xué)學(xué)報(bào)（自然科學(xué)版），2008（1）：64-68.

[13] 徐文龍，郭杜杜，馬倩雯，等. 平交口信控配時(shí)方案的優(yōu)化與驗(yàn)證[J]. 西部交通科技，2015（2）：62-65.

[14] 韓吉志. ?城市交叉口信號(hào)配時(shí)算法設(shè)計(jì)及其VISSIM仿真研究[D]. ?青島：青島科技大學(xué)，2015.

[15] 張自荷. 基于VISSIM仿真的平面信號(hào)交叉口交通組織優(yōu)化[J]. 山東工業(yè)技術(shù)，2018（21）：143.

[16] 張劍，董力耘. 考慮預(yù)期效應(yīng)和交通燈影響的城市道路交通元胞自動(dòng)機(jī)模型[J]. 上海大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，17（5）：642-647.

[17] 李娣娜，黃同，薛娓娓. 一種十字路口交通燈智能控制系統(tǒng)的設(shè)計(jì)[J]. 科技資訊，2016，14（22）：1，3.

[18] 李茜，李鐵柱. 公交專用道綠波信號(hào)設(shè)置及仿真模擬分析[J]. 佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)（自然科學(xué)版），2009，27（1）：38-42.

[19] 肖智中. ?干道交叉口控制群組決策與動(dòng)態(tài)優(yōu)化研究[D]. 重慶：重慶交通大學(xué)，2016.

[20] 王靜波. 交通控制信號(hào)優(yōu)化模型的仿真研究[J]. 計(jì)算機(jī)仿真，2011，28（4）：353-357.

[21] 戈軍，周蓮英. 面向交通信號(hào)的兩層遞階控制解決方案[J]. 計(jì)算機(jī)工程與應(yīng)用，205，51（20）：246-252.

（責(zé)任編輯：黃 健）