熊文华，郑淑鉴

(广州市交通规划研究院，广东广州510640)

0 引言

“互联网+”最早于2015年3月在第十二届全国人民代表大会第三次会议上被提出，其核心理念是利用互联网的平台和现代信息通信技术，将互联网和传统行业相结合。2015年7月，国务院印发《国务院关于积极推进“互联网+”行动的指导意见》(国发[2015]40号)，标志着“互联网+”成为国家重要战略。“互联网+”为各行各业带来了颠覆性的改变，各领域通过互联网技术的应用与传统行业进行深度融合，在创造新业态的同时也使传统行业的效率得到大幅提升[1-3]。在智能交通领域，“互联网+”技术已经渗透到交通管理的各个领域，影响着人们的生活模式和出行方式，改变了交通管理者的管理思维和手段，使用和应用好“互联网+”技术和数据有助于缓解交通拥堵、减少交通事故[4-5]。

交通信号控制是智能交通系统的重要内容之一，是对城市交通进行调节最直接的渠道。科学合理的信号控制方案能有效提高城市交通运行效率，是最经济实惠的缓堵措施。中国针对信号控制优化的研究很多，文献[6]以停车次数和延误为目标构建信号控制优化非线性模型，文献[7]考虑排放和延误构建信号控制优化控制模型以优化周期和绿信比，文献[8]提出一种基于时延赋色Petri网的交叉口信号控制优化模型。近年来上海、西安、长春等城市大都基于传统的交通管理环境进行交通信号控制理论的研究，信号控制优化工作中存在的主动发现信号问题、精准优化方案和客观量化评估优化效果等技术瓶颈依然难以解决。本文探讨利用多源异构数据改善道路交叉口传统信号控制技术的弊端，辅助发现信号控制问题、比选信号控制方案和评估信号控制优化效果，并结合实际信号控制优化工作验证相关技术方法在辅助优化信号控制方案中的效果。

1 现有信号控制优化工作的不足与新思路

1.1 主要技术瓶颈

1）信号控制不合理问题难以主动显现。

在传统信号控制优化工作中，交通管理者往往根据经验设计信号控制方案，难以适应交通流的动态变化从而导致拥堵。对于信号控制方案不合理的交叉口，交通管理员一般只能通过巡查以及市民反馈等途径获知，发现问题较为被动、滞后，也很难监控整个信号控制区域的变化。

2）信号控制优化方案的测试手段落后。

在实际工作中，交通管理者比选信号控制优化方案往往是通过在交叉口进行实际测试，通过观察不同控制方案的效果来比选哪个方案更优。这种优化方式一方面会造成不必要的交通紊乱，严重时将会人为制造拥堵；另一方面也耗时耗力，交通管理者需要长时间关注方案的实施效果，效率较低，不利于快速选择优化方案。

3）信号控制优化效果难以量化评估。

在对交叉口的信号控制方案进行优化调整后，利用现有的交通流检测数据并不能反映排队长度缩短、车辆通过交叉口延误下降等，优化效果难以定量评估。一般情况下通过人工调查的方式对进口道的排队车辆和延误进行估算，但这种方式耗时耗力，且误差较大，不利于长期有效运行。

1.2 技术解决新思路

1）借助“互联网+”数据主动发现信号控制不合理问题。

引入“互联网+信号控制”的新思维，将传统固定式检测设备的数据资源、市民通过微博和微信等平台报料的信息、信号系统自身的状况报警信息与高德地图、百度地图等导航地图实时交通状况信息相结合，形成多来源、多维度的交叉口状况监控数据，实现对交叉口信号控制问题的主动、及时发现。

2）利用“互联网+”数据仿真平台快速比选信号控制优化方案。

交通仿真平台可以方便地获得各项交通评价指标，用于评价和比选信号控制方案。交通仿真模型的精度是限制信号控制优化仿真效果准确性的关键。通过将交通仿真模型与精细化路网基础数据、各种交通流检测数据、交叉口信号控制属性数据等有效结合，能更加准确地校核模型参数，提高仿真模型真实度，实现实时动态的在线仿真。

3）借助“互联网+”数据定量化评估信号控制优化效果。

利用移动互联网技术可以获得车辆在交叉口的运行数据，该数据能定量反映信号控制效果。借助“互联网+”数据资源可以构建更加直观、可信的信号控制评价指标，改变传统通过人工调查量化信号控制效果的方式，能更客观地衡量信号控制优化工作的成效。

1.3 “互联网+”环境下的交通信号控制优化流程

在“互联网+”环境下，传统的交通信号控制优化过程将得到改进，例如可以通过多种手段发现问题，包括信号控制系统报警数据、移动互联网数据以及互联网数据(电子邮件和微博)等，同时这些数据可以作为交叉口信号控制问题现状分析的依据；优化方案比选可以借助高精度的在线仿真模型进行模拟评估，减少对实际交叉口的干扰；优化方案实施后，通过移动互联网数据以及交通流检测数据，可以定量化评估信号控制方案的实施效果。“互联网+”环境下交通信号控制的优化流程如图1所示。

图1 “互联网+”环境下的交通信号控制优化流程Fig.1 Framework of traffic signal optimization under the“Internet Plus”

2 交通信号控制优化关键技术

2.1 基于高德地图实时路况数据的信号问题触发机制

高德地图是“互联网+”数据在交通领域应用的典范，能实时、准确地反映路段的交通拥堵指数。高德地图将交通拥堵划分为4个等级，采用4种不同颜色在地图上显示路段的拥堵情况，其中深红色、红色、黄色、绿色依次代表严重拥堵、拥堵、行驶缓慢、畅通[9]。在日常的信号控制优化过程中，利用高德地图数据的不同状况与交叉口信号控制存在的问题建立相应的映射关系，可以辅助发现交叉口的信号控制问题(见图2)，具体问题触发机制如下：

1）进口道放行时间不足。

当交叉口出现一条或多条进口道红色的状态，表明该进口道出现拥堵。从信号控制来看，可能是该进口道放行时间不足或其他原因导致进口道通行效率较低等问题。

2）上下游放行时间不匹配。

交叉口出现一条或多条出口道红色的状态，代表该出口道出现拥堵。从信号控制来看，可能是该出口道上下游交叉口放行时间不匹配导致，如上游放行时间较长、而下游放行时间相对较短导致车辆无法快速疏解。

3）下游交叉口溢出导致多交叉口拥堵。

交通拥堵(红色)从下游交叉口一直蔓延到上游交叉口，整条路段均为拥堵红色，代表下游交叉口溢出到上游交叉口，影响整个路段的通行。从信号控制角度看，可能是下游交叉口进口道放行时间不足、而上游放行时间过长，经过一定的排队累积导致路段排队过长。

4）交叉口控制方案与交通流不匹配。

利用移动互联网数据构建交叉口失衡指数指标，用于度量交叉口信号调节交通供需关系的能力。失衡指数越高表示交叉口信号调节交通供需关系能力越弱，此时表明交叉口的上下游车辆行驶速度差距较大，交叉口控制方案存在不合理的因素[9]。

图2 高德地图辅助发现信号控制问题Fig.2 Targeting signal control problems using Gao-De map data

2.2 利用多源数据构建高精度交通仿真平台

在传统仿真中，受限于基础数据往往对模型的修正、校核不深入，导致仿真误差较大，无法真实反映实际情况。而在“互联网+”环境下，可以采集大量的城市及交通基础数据，利用这些数据能更加精细化校核仿真模型的参数，使得仿真模型误差在可接受的范围[10]。具体方法是：1)根据GIS、互联网航拍图和街景地图数据搭建仿真平台路网；2)基于区域的土地利用、人口及就业岗位数据创建交通小区；3)导入交通小区的初始OD出行矩阵及流量检测器的路段交通量；4)标定宏观模型的参数，进行OD矩阵反推获得新的OD矩阵；5)对路段和交叉口的仿真模型进行设置，基于交通信号控制系统生成仿真平台的信号控制方案，对中微观仿真模型的参数进行标定；6)采用动态交通分配方法优化OD点对的出行路径，优化调整仿真平台路网及矩阵，实现基于多源异构数据的一体化城市动态交通仿真平台构建(见图3)。

图3 “互联网+”环境下仿真平台的构建思路Fig.3 Framework of developing simulation platform under the“Internet Plus”

基于交通仿真的信号控制优化方案比选流程为确定仿真对象及范围、构建及完善仿真模型、精细化校核仿真模型、对现状及优化方案分别模拟评估、对比分析评估结果、获得最优的信号控制方案，如图4所示。

图4 基于交通仿真的信号控制优化方案比选流程Fig.4 Selection process of signal optimization scheme based on traffic simulation

2.3 利用高德地图平台数据客观评估优化效果

高德地图等互联网平台数据能够客观、及时地反映路网运行状况，因此利用这些平台的数据来构建评价指标，能够客观反映信号控制优化的效果。

1）利用延误指标量化评价交叉口控制效果。

交叉口延误是信号控制的重要评价指标，能较为准确、客观地反映交叉口的实际运行情况。在传统的信号控制中，只能通过人工调查一定数量的样本，再对样本进行扩样计算获得交叉口的延误，实际上这种方法耗时耗力，且准确性不高。在“互联网+”环境下，利用移动互联网数据(主要为浮动车数据)可以快速实现交叉口的信号控制效果定量化评估。

以一个道路交叉口为例，首先对交叉口的范围进行界定，接着记录浮动车进入交叉口以及驶离交叉口的时间点，通过计算获得车辆通过交叉口的行程时间，以夜间浮动车通过交叉口的行程时间作为自由流情况下的通行时间，将通过交叉口的正常行程时间减去自由流情况下的行程时间作为交叉口的控制延误，实现定量化评估交叉口的控制效果(见图5)。

设交叉口第i辆车进入检测范围的时刻为T1i，驶离检测范围的时刻为T2i，流向为k，则车辆i经过交叉口的时间为Ti=T2i-T1i，该流向某段时间所有车辆(nk)经过交叉口的平均时间

设该流向夜间自由流的行程时间为TFk，则该流向某段时间的延误时间

实际上交叉口涉及多个流向，因此应将各个流向的延误求平均，作为该交叉口的平均延误时间。设交叉口的总流向数为K，交叉口的平均延误

这种延误计算方法的精确度与通过交叉口的样本量有一定的关系，利用VISSIM仿真软件模拟不同浮动车比例下的延误与交叉口实际延误的误差情况如下：当浮动车比例>20%，通过浮动车计算的延误与实际的延误误差<10%；当浮动车比例为10%～20%，该方法的误差<20%。可见利用这种方法能基本估算交叉口的控制延误。

2）利用拥堵指数量化评估路段协调优化效果。

在常规的路段信号协调优化后，通常会在该路段上多次跟车收集路段车流的行程速度、行程时间和停车次数，但受限于样本量，数据有一定的随机性，可信度低。在“互联网+”环境下，利用高德拥堵指数能较好地反映协调路段的交通运行情况，拥堵指数是车辆在正常情况下的实际行程时间与自由流(畅通)情况下的行程时间比值，反映在正常情况下车辆出行增多的时间比例，指数越高代表交通拥堵越严重，可定量分析路段的拥堵情况。

设路段上某辆车i的实际行程时间为Ti，自由流(畅通)行程时间为TF，路段的样本车辆总数为N，则拥堵指数

图5 “互联网+”数据计算交叉口延误时间Fig.5 Delay time calculation at intersections using“Internet Plus”data

图6 交叉口几何平面Fig.6 Intersection geometric layout

图7 各进口道全天交通运行情况Fig.7 Traffic operation of each approach at intersection

图8 优化前后交叉口放行相位及相位时间Fig.8 Passing phases and time period at intersection before and after optimization

图9 优化前后交通仿真效果对比Fig.9 Traffic simulation results before and after optimization

图10 东进口道优化前后拥堵指数对比Fig.10 Congestion index for the east approach before and after optimization

3 应用案例

利用“互联网+”数据辅助城市交通信号控制优化的方法已在广州市多个交叉口及路段实施应用并取得较好效果。下面以广州市某交叉口为例说明该方法的流程。

3.1 交叉口概况及问题发现

案例交叉口是主干路上的重要交通节点，全天交通量较大，其中早高峰结束后东进口道交通量有明显增加。交叉口几何平面见图6。通过高德地图对交叉口进行观测发现东进口道经常出现交通拥堵，而南北方向的交通运行情况较好，进一步对东进口道所在路段的拥堵指数进行分析，发现该路段在9:00—13:00，15:00—20:00的拥堵指数较高(2016年7月18—29日两周工作日数据)，交通拥堵严重，而相交路段全天的拥堵指数基本没有变化，交通运行情况较好(见图7)。

3.2 交通仿真辅助分析优化方案

基于东进口道的问题后拟采取以下优化措施：在拥堵时段(9:00—13:00、15:00—20:00)设定预案优先东进口道放行(绿灯时间由62 s提升至70 s)、在一个周期内分两次放行东进口相位(A相位、D相位)以提高绿灯的利用率。进一步通过交通仿真验证了这两个措施能改善东进口道现有拥堵状态，优化前后交叉口信号相位与仿真效果如图8、图9所示。

3.3 高德数据评估优化效果

2016年8月2日对交叉口进行优化。利用高德地图对优化前两周(7月18—29日)及优化后两周(8月8—19日)工作日东进口道的路段数据进行对比分析(见图10)。数据表明：优化后东进口道9:00—13:00拥堵指数下降26.88%，15:00—20:00拥堵指数下降13.52%，交通改善效果明显，而南北方向的交通运行情况基本没有变化。

4 结语

信号控制优化是日常交通管理工作的重中之重。通过研究本文得出以下结论：1)传统信号控制优化工作由于缺乏足够的数据支持，只能依靠少量信息进行经验式决策，存在信号问题难以主动发现、优化效果难以评估、工作效率较低等问题；2)基于“互联网+信号控制”理念，通过引入互联网数据资源可以解决传统信号控制优化工作中的技术瓶颈问题，有效辅助信号控制优化工作，提高控制方案与交通流的适配水平；3)在“互联网+”环境下，基于高德地图实时路况能有效发现信号问题，利用多源数据构建的仿真平台可以辅助比选方案，同时利用高德数据可以客观评估信号控制优化效果。

本文探讨了基于“互联网+”环境的交通信号辅助优化技术，但对如何构建互联网数据资源与信号控制参数之间更为有效的联动模型尚未提及，未来可针对互联网数据与信号控制参数(周期、绿信比、相位差)的关系模型进行更深入地研究。