城市混合交通流单点自适应控制方法

，，

(浙江浙大中控信息技术有限公司，浙江 杭州 310053)

随着我国城市规模的不断扩大，城市人口剧增，交通问题日趋严重，影响着居民的日常出行.机动车、非机动车和行人作为城市交通流的三大交通主体，其运动规律、交通特性存在差异，提升交叉口的混合通行效率也成为了城市交通管控的难点[1-3].非机动车在我国出行占比高达40%～65%，且这种出行方式具有高时间占有率和高事故发生率的特点.目前有部分学者针对机动车、非机动车和行人在交叉口的通行冲突展开研究，分析了冲突产生的原因，提出了相应的解决方案[4].也有一些学者提出了非机动车、行人优先通行的控制策略[5-6]，但并没有依据混合交通流的动态需求对交叉口的优先通行权进行自动分配，对应的动态管控方案也尚未形成.另一方面，随着检测技术的逐渐成熟，城市交通管控设备逐渐完善，混合交通流区分管控的能力已经初步具备.

基于上述现状，利用元胞自动机模型对交叉口的混合交通流行为特征及需求进行分析，同时结合交叉口的功能特点，制定混行交叉口的放行优先级决策逻辑，提出城市混合交通流单点自适应控制方法，以达到提升混行交叉口的通行效率.

1 交叉口混合交通流通行需求分析

对于混合交通流交叉口而言，进行交通管控的前提是获取较为准确的混合交通流通行需求，由于机动车、非机动车和行人在占地面积、通行速度上存在差异，因而将三者的流量统一折算为标准车当量数(Passenger car unit，PCU)，能够反映真实的通行需求[7].

图1 交叉口混合交通流通行特征示意图Fig.1 Schematic diagram of mixed traffic flow at intersection

图1中A为机动车模型，B为非机动车模型，C为行人模型.在空间维度，由于车辆间距、车身宽度和车道宽度的不同，三种交通对象可以建立图中所示的折算关系.在时间维度上，实际通行过程中不同对象的行驶速度存在差异，这些差异也影响了折算系数的大小，所以必须综合空间与时间两个维度，得出机动车、非机动车和行人的标准车当量数折算系数[10].

由于交通对象的行为具有一定的随机性，通常需要进行大量的数据调查，标定出合理的折算系数k.例如在对非机动车折算系数的标定中，以小汽车作为标准车，非机动车在占地面积上大约为1/5，因此空间折算系数约为0.2，但在通过交叉口时非机动车速度低于机动车速度，因此折算系数应当大于0.2.依据资料和一些学者的研究，非机动车最佳的折算系数经验值基本在0.25～0.3范围，行人约为0.5，具体应用以实际标定结果为准.

2 交叉口放行优先级决策

城市的道路交叉口由于混合交通流量的差异和交叉口功能定位的不同往往呈现出不同的交通混行状态和交通通行特点.这种混行状态和通行特点的差异反映了交叉口优先放行的实际需求，是路权优先级分配决策的主要影响因素.然而这些因素存在一定的动态变化，本节制定优先级综合评估规则进行路权优先级分配决策，决策过程如图2所示，首先基于混合交通流需求进行动态优先级评估，同时基于交叉口功能定位进行静态优先级评估，最终将动态、静态评估结果进行综合决策，获得交叉口的综合路权优先级分配结果.对于特殊需求的路口，可以直接对最终优先级进行人工干预决策.

图2 路权优先级综合决策流程Fig.2 Decision-making processofintersection releasing priority

2.1 基于混合交通流需求的动态优先级评估

取ηa,ηb,ηc分别表示机动车、非机动车和行人在整个混合交通流中的权重值，权重值的大小反映了该类对象在整个交叉口混合交通流中放行的动态需求，显然η的取值范围为[0,100%].定义ηmax=max(ηa,ηb,ηc)，ηmax所对应的交通对象即为需要优先放行的对象，ηmax值的大小反映了优先放行需求的强弱，即决定了具体优先放行策略的强度.对ηmax进行数值分段，得到7种优先级状态与强度，如表1所示.表1中取字母表征优先放行类别：A表示优先放行机动车，B表示优先放行非机动车，C表示优先行人，0为自由放行；取数字表征优先放行强度：1表示优先强度一般，2表示优先强度较强，其中40%和55%为人为设置的临界值，可根据实际情况进行微调.

表1 取值对应的优先放行类别及强度Table 1 Category and degreeofintersection releasing priority

2.2 基于交叉口功能定位的静态优先级评估

城市道路交叉口由于道路规模与所在的位置环境的差异，往往有着不同的功能定位，影响着交通管控的目标与侧重点，是交叉口放行优先级决策的影响因素之一.区别于混合交通流量的动态性与随机性，交叉口的功能相对较为稳定，交叉口附近居民的出行受交叉口周边建筑功能的影响呈现出一定的规律性，这种规律性反映了交叉口优先放行的静态需求.

按照交叉口形成的道路等级组成不同，城市交叉口一般可分为如表2中的6类.

表2 基于交叉口规模的分类Table 2 Intersections sorted by scale

6类不同规模的交叉口有着其特有的功能定位，例如1类交叉口是城市主干道的交叉口，承担着主要的机动车流量，往往需要优先考虑机动车的通行权；4，5，6类交叉口可能机动车占比较低，常常需要优先考虑非机动车、行人的通行权.

交叉口所处的环境也影响着交叉口的混合交通流，例如医院、学校、商场和步行街周边的交叉口，人流密集；近郊的工厂、商贸区附近的交叉口，在通勤时段往往有密集的非机动车通行；城市商业中心、政府和车站等区域的交叉口，往往车流密集.在交叉口放行优先级决策的过程中，这也是相对具有规律性的影响因素.

由交叉口规模、所处环境不同造成的交叉口功能定位的差异反映了交叉口通行优先级的静态需求.这种需求，在一定时段内趋于稳定，且较难量化，所以一般利用专家经验进行评估，人工地将不同交叉口划分为：A机动车优先、B非机动车优先、C行人优先、0自由通行四类优先等级.优先强度默认为1级，可根据实际情况调整其强度.

2.3 综合路权优先级分配决策

以动态优先级评估结果为主要依据，以静态优先级人工评估结果为修正值，可以得出最终的路权优先级分配决策.这一修正过程通过决策逻辑规则实现，具体规则如表3所示.表中元素含义与2.1节相同，其中纵向标题表示基于混合交通流量的动态优先级及优先强度，横向标题表示基于交叉口功能的静态优先级及优先强度，表中内容表示路权优先级分配的综合决策结果.

表3 综合路权优先级分配决策逻辑规则表Table 3 Logic rules of integrated releasingprioritydecision

表3给出的是城市道路交叉口路权优先级分配决策的一般逻辑规则.在实际应用中，人工决策的静态优先级可以划分出更细的边界，设置不同的优先强度，以适应不同的控制需求；基于流量的动态优先级决策边界，也可根据实际控制效果进行调整.在综合路权优先级分配决策形成后，人工干预享有最高优先级，可以最终调整优先对象和强度输出给信号控制算法.

3 混合交通流单点自适应控制算法

城市道路交叉口对混合交通流有不同的隔离状态，算法暂不考虑行人过街天桥等因素对交叉口混合交通流的影响，选用标准的机动车、非机动车、行人混合控制交叉口(图3)进行算法举例，默认采用标准的四相位控制策略[11]，相位相序如表4所示.

图3 混合控制交叉口Fig.3 Mixed control intersection

相序相位1相位2相位3相位4相位图

注：1) 实线表示机动车相位；点划线表示非机动车相位；虚线表示行人相位.

3.1 算法流程

混合交通流单点自适应控制算法是以交叉口的混行交通流状态特点与交叉口功能定位为依据，进行路权优先级分配决策，自动调整交叉口信号控制的相位、绿灯时间和周期进行自动控制的算法，算法流程如图4所示，其中优先级分配决策已经在第2节中详细介绍，这里着重介绍优先控制策略选取、绿灯时间计算和周期计算三个核心流程.

图4 混合交通流单点自适应控制算法流程Fig.4 An adaptive signal control algorithm processof mixed traffic flow

3.2 方案计算

1) 优先控制策略

城市道路交叉口的最大通行能力是固定的，对于混合交通流而言，一种对象的优先通行意味着其他对象通行权的损失，依据优先权的不同，混合交通流的优先控制策略分为自由通行、机动车优先通行和非机动车优先通行和行人优先通行.

自由通行，指机动车、非机动车和行人拥有平等的通行权，按照常规相位放行；机动车优先通行，一般通过非机动车和行人相位的迟起、早断实现；由于非机动车和行人的通行干扰主要来自于机动车，非机动车和行人的优先通行，均通过机动车相位的迟起、早断实现.当东西流向与南北流向行人优先通行权强度均较大时，可以在相位最后增加行人单独通行相位，相位放行示意图如图5所示，其他相位不对行人进行放行，降低相互间干扰.

图5 行人单独相位放行示意图Fig.5 Separate releasing phase for pedestrian

以机动车东西向直行右转优先通行为例，依据相应的优先控制策略，将该放行相位进行如表5所示的调整.调整后的相位通过非机动车与行人通行权的迟起早断，实现了机动车的优先通行.在实际应用中，也可能仅仅使用迟起或早断策略的一种进行优先放行.

表5 非机动车行人相位迟起早断示意图Table 5 Non-motorized pedestrian phase

2) 相位绿灯时间

(1)

(2)

(3)

(4)

3)周 期

根据定义，交叉口的信号周期即为各相位绿灯、黄灯和全红时间之和.对于混合交通流单点自适应控制算法而言，其各相位的绿灯时间包含了不同对象的通行时间，取其最大值作为该相位的绿灯时间，其公式分别为

(5)

(6)

4 仿真验证

选取某市实际混合交通流交叉口，该路口西北角是大型超市商业综合体，因此其南北方向行人通行需求较强，机动车与行人在通行过程中易相互干扰.利用VISSIM软件对其交通流运行状态进行仿真，如图6所示[12].在机动车、非机动车、行人平等自由放行情况下，不考虑优先放行策略，交叉口的信号控制方案如表6所示.

图6 某市实际交叉口混合交通流仿真示意图Fig.6 A simulation of mixed traffic flow in a realcity intersection

利用第2节提出的方法进行交叉口放行优先级决策，决策结果为行人优先放行，放行强度为1.依据交叉口放行优先级决策进行信号配置方案生成，生成方案东西向放行方案保持不变，南北直行相位变化如表7所示.对该交叉口在不同方案下通行的延误情况进行仿真，仿真结果如表8所示.

表6 非优先通行信号控制配时方案Table 6 Timing schemeof non-favoured traffic signal control

表7 行人优先信号控制配时方案Table 7 Timing scheme of pedestrian-priority signal control

表8 平等通行与行人优先方案下通行延误仿真结果Table 8 Simulation results under two circumstances

对比表6，7可以看出：新方案由于考虑了行人的优先通行，对机动车相位采取了迟起早断的控制策略，目的是延长了行人的通行时间，使行人能够顺利通过路口，降低其与机动车的相互干扰.分析表8数据，在选择行人优先放行策略后，行人的总延误降低了6.03%，通行能力显著提升，而机动车的总延误也降低了3.02%，通行能力没有明显减弱.这是由于行人优先放行策略考虑了该路口行人通行需求强烈这一特点，提高了行人通行时间，同时降低了行人与机动车之间的冲突干扰，使得交叉口整体的通行能力明显提升.该仿真结果显示了城市混合交通流单点自适应控制方法对提升混合交通流交叉口的通行能力，对缓解城市局部拥堵有着重要的意义.

5 结 论

针对城市道路交叉口混合交通流通行效率不高的现象，提出混合交通流单点自适应控制算法的整体框架和具体实现方法.该算法分析了混合交通流不同交通对象的通行特性，综合考虑了影响路权优先级分配的动态、静态因素，制定了路权优先级分配的决策逻辑规则；给出不同需求下优先放行的方法.在此基础上，选用实际交叉口，利用VISSIM软件进行仿真，结果显示所提出的方法，能够更大程度地提升城市混合交通流交叉口的通行效率，对于保障优先交通对象的通行权、提升混行交叉口的整体通行能力和缓解城市交通拥堵有着重要意义.不足之处在于上述方法主要针对标准的四相位交叉口进行设计，事实上城市道路交叉口类型、通行方式更为复杂，下一步工作可以以此为切入点，进行混合交通流自适应控制的进一步研究工作，提高上述方法的适用性.

[1] 周旦.城市基本路段混合非机动车交通流特性研究[D].杭州：浙江大学,2016.

[2] 沈家军,王炜,陈学武.城市道路交叉口混合交通流机动车与非机动车冲突概率[J].东南大学学报(自然科学版),2010(5):1093-1096.

[3] 程君.短时交通状态预测下的区域交通信号控制方法研究[D].杭州：浙江工业大学,2015.

[4] LIU J G, LIU X M, KONG Q F, et al. Mixed traffic order degree model of urban signalized intersection[J]. Journal of transportation systems engineering & information technology,2010,10(6):41-47.

[5] SI B F, LONG J C, GAO Z Y. Optimization model and algorithm for mixed traffic of urban road network with flow interference[J]. Science China technological sciences,2008,51(12):2223-2232.

[6] 王殿海,金盛,宋现敏,等.城市混合交通控制设计理念与方法[J].城市交通,2008,6(2):16-22.

[7] 王进,唐忠华,陆化普.车辆折算系数研究[J].土木工程学报,2004(12):97-102.

[8] 刘明君.基于混合交通流的信号交叉口机动车车头时距研究[D].北京：北京交通大学,2010.

[9] MENG J P, DAI S Q, DONG L Y, et al. Cellular automaton model for mixed traffic flow with motorcycles[J]. Physicaa statistical mechanics & its applications,2007,380(7):470-480.

[10] LAXMAN K K, RASTOGI R, CHANDRA S. Pedestrian flow characteristics in mixed traffic conditions[J]. Journal of urban planning & development,2010,136(1):23-33.

[11] 沈国江,陈文峰.方案选择式区域协调控制方法及应用[J].浙江工业大学学报,2016,44(3):237-241.

[12] 罗元,谢波,彭卫兵.基于Vega Prime的虚拟现实车辆智能运动模拟[J].浙江工业大学学报,2013,41(4):458-463.