基于车流量的智能信号灯的控制算法研究

2019-09-25侯鹏飞陈虹霖罗毅商春雪唐明靖时燕

物联网技术 2019年8期

侯鹏飞陈虹霖罗毅商春雪唐明靖时燕

摘要：随着国家城镇化进程不断推进，城市交通拥堵问题日益严重，传统交通信号灯已无法满足要求。针对此背景，提出一种基于车流量控制交通灯时间的控制算法。在此算法下，根据路口不同的交通情况对信号灯进行算法控制，以实现信号灯的智能控制。基于PTV Vissim交通仿真软件的仿真结果，对比传统信号灯控制方法，发现该控制算法对路口车辆的通行数量、通行平均速度、平均拖延时间等参数改善效果明显。

关键词：智能信号灯;控制算法;车流量;PTV Vissim;智能交通;物联网

中图分类号：TP393文献标识码：A文章编号：2095-1302（2019）08-00-05

0 引言

2009年8月，时任总理温家宝在“感知中国”发表讲话，此后物联网被正式列入国家五大新兴战略性产业[1]，并获得国家政策扶持，进入快速发展期。其中，作为国民生产生活不可缺少的部分，智能交通系统（Intelligent Transportation System，ITS）是重点发展对象。随着中国城市化速度的加快，城市交通拥堵正制约着地区经济的发展，间接导致城市规模的盲目扩大，并阻碍了城市化战略的实施。除了加强城市公共交通建设、完善道路布局、打通城市微循环等，发展智能交通信号灯系统也是缓解交通拥堵的有效方式。

20世纪70年代开始，世界各大中城市先后建设了联网信号控制系统，并逐步形成了以信号控制系统为核心的城市智能交通综合管理系统[2]。美国自20世纪80年代起，先后开展了多项与智能汽车技术相关的国家项目（PATH，IVI，VII和CVHAS等），并在1995年3月出台的“国家智能交通系统项目规划”中明确定义了智能交通系統的7大领域和29个用户服务功能[3]。为了将包括私人交通、公共交通和商业运输在内的交通要素集成到一个高效的城市交通管理系统内，德国柏林政府使用线圈、视频、浮动车等技术建立了多模式交通的立体化检测系统[4-5]。20世纪90年代初，日本制定了大力发展智能交通系统的国家战略并建立了车辆与控制中心，实现了以交互式双向通信为核心的通用交通管理系

统[6]。我国从1996年开始逐渐重视智能交通技术，2001年成立了全国智能交通系统协调领导小组及办公室，规划智能交通发展战略并研发相关技术[7-8]，从“十二五”开始，全面实施物联网、智慧城市等科技项目，成功构建了具有中国特色的新一代智能交通系统[9-11]，如图1所示。

近年来，随着前端传感器技术的发展，智能交通信号灯系统前端技术及其控制算法得到了改善。在控制算法方面，形成了以分类讨论（智能和人工控制模式）为核心的控制模式[12]，控制放行时间的依据主要包括高峰或平峰[13]、道口不同方向车流量大小[14]、各方向车流量之比[15]等，并在此基础上引入了人体反应时间以进一步优化算法[16]。本研究在前人研究的基础上，以昆明作为研究区域，结合昆明交通的特点对已有智能交通灯系统控制算法进行了改进和优化。

1 材料与方法

昆明是云南的省会，作为中国西部重要的交通枢纽，交通运输对于该城市的发展十分重要，但因为由古城演变而来，其道路交通网络布局并不合理，如平交路口频密，市中心主干道通行能力差等，同时昆明四面环山且城市建筑及人口密度较大，城市功能区几乎完全集中于二环内，因此道路交通不堪重负。截止2016年7月20日，昆明市机动车保有量达到2 255 090辆，全国人均机动车保有量排名第一[14]。在此背景下，引进智能交通信号系统是缓解昆明交通拥堵的不二之选。因现实条件约束，本研究使用Vissim软件构建微观交通仿真模型，对可能出现的交通场景进行模拟。Vissim可模拟各种交通状况，是评价交通工程设计和城市规划方案的有效工具。

2 模型构建

2.1 模型构建和实验流程

智能交通灯系统分为前端和后端，前端主要由用于收集道路交通数据的传感器构成。当前我国各城市基本具备了完善的道路交通监控系统，同时已有的磁感线圈技术、图像识别技术等车流量监测技术逐渐成熟，均能满足相关研究对数据可靠性与准确性的需求。本研究更侧重后端的研究，即通过模拟各种交通场景对智能交通灯系统中的算法进行分析与改善，研究的具体流程如图2所示。

2.2 基于车道级车流量的信号灯控制方法

本研究使用道路饱和度a作为量化道路拥堵程度的依据，a=V/C（V表示最大道路交通量，C表示最大通行能力）。为了最大程度发挥信号灯控制放行车辆的能力，根据路口状态分以下情况进行讨论：

（1）路口四个方向车流量少。路口四个方向上道路的饱和度a均小于指定值时，采用非固定周期减少车辆延误时间，即等待通过信号灯的车辆W达到某一数值后，绿灯亮;当放行车辆路口剩余N辆时，红灯亮，进行下一个信号周期。可在平峰期间内，极大程度地减少路口车辆延误时间，进而提高道路通行效率。为避免两侧道路等待车辆数同时达到W值，还需根据路口实际情况设置放行优先级。当四个方向的等待车辆都未达到W值即无法满足放行条件时，通过比较四个方向上的车辆数来优先选择车辆多的路口放行。

（2）路口一个方向或对向两个方向车流量大。该情况采用类似非固定周期减少车辆延误时间的方法。当某个路口一侧或者对向两侧车道车流量突破a时，适当增加通畅车道方向的车辆延误时间（即增加路口剩余车辆N或提高等待通过信号灯车辆W的数值），以增加拥堵方向车辆放行时间，降低拥堵方向的道路饱和度。放行规则以非拥堵方向的W值作为基准，当非拥堵方向等待车辆数达到W值时，放行非拥堵方向，而其余时间则放行拥堵方向上的车辆。

（3）路口两个不对向方向或者三个方向以上同时车流量大的情况下采用固定周期避免多车道车辆同时拥堵，杜绝车流量大时造成等待时间过长的问题。假设四个方向上的等待通行车辆为P1，P2，P3，P4，通行周期为T，计算每一个方向上绿灯时长（t1，t2，t3，t4），避免采用定周期方法造成的不利影响，计算如下：

（4）对于重要主干道高峰时刻的控制。昆明的交通拥堵情况在上下班高峰期发生较频繁，且主要集中在车流量较大的进出城区的主干道上，所以可在该时间段内有针对性的对重点主干道优先放行，以加快进出城的车流，进而减少拥堵。采用多个路口梯次放行策略，即在主干道一个方向路口开启绿灯后，通过车速和下一个路口的距离计算出下一个路口何时开启绿灯，尽可能讓更多的车辆能在通过第一个路口后，顺利通过下一个甚至更多的路口，此外可避免因上一个路口放行而下一个路口无法容纳车辆的情况发生。

（5）加入人工控制。当城市出现罕见的交通大拥堵时，可暂停使用智能信号灯系统，采用人工干预的方式控制路口通行。

2.2.1 仿真实验模型的构建

实验模型由两个十字路口组成，这两个十字路口由一条道路连通，且每个路口每个方向均有一个直行车道，一个左转车道，一个右转车道。绿灯放行时采用逐个方向放行原则，对向车道不同时放行。设置平峰时刻和高峰时刻两种车流状态。实验道路示意如图3所示。

2.2.2 路口模型构建

十字路口X为两条（道路A、道路B）双向六车道道路的平交道口，道路A和道路B在十字口都拥有一条独立的左转车道，一条独立的直行车道，和一条直行和右转共用的车道。同时还要对车道交叉点设置互斥关系，以保证车辆不会“穿过”其他车辆，并在路口每个车道“埋设”传感器，以监测获取车道的信息。

十字路口Y为一条双向六车道（道路A）和一条双向四车道（道路C）组成的平交道口，道路A十字口都拥有一条独立的左转车道，一条独立的直行车道，和一条直行和右转共用的车道;道路C十字口都拥有一条直行左转共用的车道，一条直行右转公用的车道。同时需对车道交叉点设置互斥关系，以保证车辆不会“穿过”其他车辆，并在路口每个车道“埋设”传感器，以监测获取车道的信息。

在十字路口X与十字路口Y之间的道路A上设置变换车道的区域，以更符合现实需求。在变换车道处采用变道车辆避让原车道车辆原则。十字路口X互斥关系如图4所示，十字路口Y互斥关系如图5所示，道路A车道变换区域示意及互斥关系如图6所示，Vissim仿真效果如图7所示。

2.2.3 仿真实验设置

针对相同的路口构造，分实验组和对照组开展实验。

（1）对照组：采用传统信号灯控制方法（预设时间周期）进行两次实验，第一次模拟单方向车流量大的情况，第二次模拟四个方向车流量大的情况，仿真时间为5 000 s。十字路口X：道路A直行绿灯30 s，左转20 s，道路B直行30 s，左转20 s。信号灯转化有5 s黄灯和5 s空闲时间，对向车道相同方向同时放行。十字路口Y：道路A直行绿灯30 s，左转20 s，道路C绿灯时长35 s，信号灯转化有5 s黄灯和5 s空闲时间，道路A采取对向车道相同方向同时放行策略，道路C则采取各个方向分开放行策略。

（2）实验组：采用本实验提出的智能信号灯控制方式，使对照更为直观。实验组进行多次实验，并记录两次通过两个十字路口各个方向的车流车速、车辆迟滞时间，仿真时间为5 000 s。实验组中十字路口X，Y均根据控制算法确定信号灯是否放行。

3 仿真结果

3.1 单方向车道车流量大仿真结果

此实验模拟主干道高峰时段出入城的情况，规定道路A由左向右车流量大。两次实验两个路口信号周期均设置：十字路口X为165 s，十字路口Y为155 s，即设定车道2，3，19，22，14，16相对于其他车道约多200的车流量，且两次试验使用相同预设数据，以保证无关变量相同。对照组采用常用的对向车道同时放行策略。实验组采用本文所述情况进行实验。对照组和实验组数据的对比及分析如图8，图9所示，宏观实验数据见表1所列。

从传感器数据来看，绝大部分拥堵车道在使用该控制算法之后，交通状况显著改善，特别是在2，3，9车道方向，通过车辆数得到极大地提高，在2，3，6，10，11车道方向通过车速也有所提高。在非拥堵车道情况则与之相反，如4，5，6，11，13，14，16车道，虽然通过传感器的车速与在传统信号灯控制下的车速相差不大，但通过车辆数却逊色于传统信号灯控制，从而证明了控制算法中略微牺牲非拥堵车道车辆通行效率，从而最大限度提高已经在拥堵情况下的车辆通行效率是可行的。而观察宏观实验数据，效果更为明显，六项关键实验数据都有显著提高。可以说明，在单个方向车流量大时，该智能信号灯控制算法可以有效缓解路口拥堵。

3.2 四个方向车流量大仿真结果

此实验模拟市中心道路在高峰期的通勤情况。两次实验两个路口信号周期设置：十字路口X为165 s，十字路口Y为155 s，为所有车道都设定较大车流量，且两次实验使用相同预设数据，以保证无关变量相同。对照组采用大部分普通路口采用的对向车道同时放行策略。实验组采用本文所述情况进行实验。对照组和实验组数据对比及分析如图10，

图11所示，宏观实验数据见表2所列。

从传感器数据来看，绝大部分拥堵车道在本文中提出的控制算法下，车道级交通状况都有显著改善，特别是2，3，7，8，9，11，12，18，19，20，21，22车道方向，通过车辆数得到极大提高，在1，2，3，6，9，10，19，20车道方向，通过车速提高幅度较大，说明路口通行能力在面对拥堵时较传统信号灯控制下的路口通行能力有了很大提高。而在宏观实验数据上看效果更为明显，六项关键实验数据都有显著提高。说明在单个方向车流量大时，该智能信号灯控制算法可以有效缓解路口拥堵。

4 结语

通过比较各项数据，发现使用本信号灯的路口通行效率都明显高于使用传统信号灯的路口。从微观方面分析，通过每个车道的感应装置可以发现，在相同时间下，实验组通过的车辆数量和通过速度绝大部分都明显高于参照组，由此数据说明在智能信号灯控制下路口车道整体通过率、通过数量及通过速度都得到了明显提高，证明智能信号灯控制能够有效缓解交通拥堵，提高路口车辆通行效率与道路利用率;从宏观方面分析，得到的延误时间最为直观，智能信号灯控制下的路口延误时间显著减少，另一方面，仿真路段整体平均时速也得到提高，车辆通过仿真路段停止次数亦减少。由此，智能信号灯不仅缓解了交通拥堵，提高了路口车辆通过率，还在一定程度上缓解了机动车驾驶员在高峰时段的拥堵体验。客观上能减少因为拥堵而导致的驾驶员“路怒症”程度，进而减少驾驶员在高峰时段出现事故的几率。从环境保护的角度考虑，提高路口通行效率还能减少温室气体排放量，符合绿色交通、可持续发展战略的要求，有利于创建资源节约型、能耗集约型社会。

本次实验仅通过仿真实验证明了智能信号灯系统在理想环境下达到了预期效果，并不能代表该系统获得了成功，今后仍需要在实际路口进行测试以使系统更适应昆明的实际情况。其次，在本系统中使用的信号灯控制算法仍有很多亟待改进的地方，真诚欢迎读者与笔者进行讨论，以期进一步改进该算法。

注：本文通讯作者为商春雪。

参考文献

[1]王笑京，程世东.中国智能交通系统发展迎来的新机遇[J].中国公路，2016（17）：54-55.

[2]陆化普，李瑞敏.城市智能交通系统的发展现状与趋势[J].工程研究-跨学科视野中的工程，2014，6（1）：6-19.

[3]王宇锋.国内外智能交通系统现状简介[J].硅谷-理论科学，2008：181.

[4] 佚名.Senate Department for Urban Development and the Environment._Traffic Control Centre（VKRZ）[EB/OL].[2013-08-10].http：//www.stadtentwicklung.berlin.de/verkehr/ lenkung/vkrz/index_en.shtml.

[5] Verkehrs Management Zentrale Berlin.Verkehrsinformation-szentrale Berlin [EB/OL].[2013-08-10]. http：//www. vmzberlin.de/en/web/guest/home.

[6] UTMS society of Japan. About UTMS： Universal Traffic Management Systems [EB/OL]. [2013-08-10]. http：//www. utms.or.jp/english/system/index.html.

[7]屈毅.浅析我国智能交通系统发展现状及前景展望[J].科技视界，2015（14）：100.

[8]赵娜，袁家斌，徐晗.智能交通系统综述[J].计算机科学，2014，41（11）：7-11.

[9]于春全.智能交通系统（ITS）发展与创新[J].数字通信世界，2016（9）：24-27.

[10]袁飞，陈东光.我国智慧交通应用现状及对金华交通发展的启示[J].物流科技，2016，39（9）：81-83.

[11]蔡翠.我国智慧交通发展的现状分析与建议[J].公路交通科技，2013（6）：224-227.

[12]窦广建.基于车流量的智能交通灯控制系统[J].城市地理，2016（8）.

[13]高晶，梁崇懿.基于车流量的智能交通灯控制系统的研究[J].信息技术与信息化，2015（2）：158-160.

[14]王鼎湘，李茂军.基于车流量的交通灯智能控制算法[J].计算机应用软件，2015，32（6）：241-244.

[15]黄敏，张旭，李尔达.基于车道级基础道路的微观交通房展数据建模与应用研究[J].中山大学学报（自然科学版），2015，54（2）：8-13.

[16]章偉，张代远.基于车流量的交通灯控制系统设计[J].计算机技术与发展，2015，25（5）：196-199.