基于大数据分析的交叉口时空协同优化方法

李海洋，曲大义，刘浩敏，贾彦峰

(青岛理工大学 机械与汽车工程学院，青岛 266525)

城市交通动态变化，具有不稳定性。传统的交通管控方案对实时变化的交通具有感知能力不足、被动性、滞后性和不适应性[1]，传统手段无法对大规模数据进行实时处理，无法挖掘大数据对交通的重要价值，而交通大数据具有6V特征[2]，即Volume，Velocity，Variety，Veracity，Value，Visualization，因此考虑在大数据背景下对交叉口的时空协同优化进行研究。

交叉口是城市路网的重中之重，为了缓解交叉口处的交通拥堵问题，需要对信号控制方案和渠化方案进行改善。在渠化方面，国内外都形成了标准与手册，如美国的 MUTCD 手册、日本的《平面交叉路口的规划与设计》、国内的《城市道路平面交叉口规划与设计规程》 《城市道路交通设计指南》等。

在信号方面，单点交叉口配时计算大多采用Webster计算方法，AKCELIK在此基础上，引入了“停车补偿系数”，对Webster方法进行了相关修正[3]。YUE Tong等提出以延误最小为目标的随机规划模型，对交叉口进行自适应控制[4]。英国的交通与道路研究所(TRRL)研发的TRANSYT系统能够脱机优化，SCOOT系统能够优化信号周期及相位差，实现自适应控制；澳大利亚的SCATS系统能够实现实时控制、自适应控制。

国内马万经等提出了以4类损失时间最少为目标的优化模型，得出不同情况下的最优相位设计方案[5]；高云峰等建立了以交叉口车辆的平均延误、平均停车率、最大相对排队长度为目标的多目标优化模型[6]；康佳黎提出了多相位模糊控制方法，并设计了四相位模糊控制器，将模糊自动控制方法和传统方法进行了仿真对比[7]；……