（系统工程专业论文）交通控制诱导一体化的智能模型及算法研究.pdf

摘要 论文从交通控制和诱导相结合思想出发，研究了交通控制诱导的智能模型以 及其算法。从系统最优的角度提出了个在线控制和离线优化相结合的控制诱导 一体化的智能模型，并根据模型的算法设计了求解方法，同时对于算法的效率进 行了研究。该模型分成四个单元：检测单元，离线优化单元，在线控制和诱导单 元，评价单元。 论文的结构是按照模型，解法和实例论证，分成三章分别进行介绍。在第一 章介绍了研究背景和智能交通系统。在第二章详细介绍了本文建立的控制诱导一 体化的智能交通模型，第三章针对模型中的离线优化单元建立了数学模型并设计 了求解算法。第四章给出了离线优化单元的实证分析，并对算法的效率和满意解 关系进行了研究。 ， 本文的重点在第三章一一离线优化单元，本章充分考虑了路网中信号灯对于 车流的影响，利用绿信比对路口延迟时间影响的延迟公式，建立了新的离线优化 数学模型，分析了模型的可解性，设计了遗传算法求解该模型。 由于在线控制时效性的要求，本文对该模型的遗传算法效率进行了分析研 究：在实例验证过程中，根据路网状况，对模型进行特别的实例化处理，并重新 设计种群，经过多次实验，证明遗传算法对于该模型有良好的收敛性，能够求出 满意解。在要求快速优化的情况下，可以通过种群和进化代数的设计，极大的提 高算法效率，缩短算法运行时间，并能够求出可行解。 文章的最后对本文的研究做出了总结，提出研究中的不足和未来的研究方 向。 关键词： 智能交通系统交通控制交通诱导遗传算法 a b s t r a c t b a s e d0 n也ei d e a0 fc o m b l i 屺1 m m cc o n t r o la n dr 0 a dg u i d 孤1 c e ，廿l i s d i s s e r t a t i o ns t u d i e s 锄i n t e l l i g e n c em o d e l 锄di t sa l g o r i t l l m t h ea u t h o rp r c s e n t san e w i t sm o d e l ，w h i c hc o m b i n em e0 n l i n ec o n 血d l 姐dg u i d 趾c e 距d0 m i n e0 p t i i n i z a t i o n h ea l s op r 0 v i d e s 觚a l g 丽也mt 0s o l v c 廿1 i sp r o b l e ma n ds t u d yt 1 1 ee 伍c i e n c yo f 廿1 i s a l g 耐吼t h i sm o d e lc 锄b ed i v i d e di n t 0r 眦岫i t s ：o n l i n ed e t e c t o r 吼i t ，o m i n e 0 p t i m i z a t i o nu n i t ，o n l i n ec o n t r o l 粕dg u i d a i l c e 1 i t ，锄de v a l u a t i o nu n i t t h es 蚋j c t u r eo f 廿1 i sd i s s e r t a t i o ni sb 勰e d0 n 1 i sm o d e l i ti n t l 飘如c e sn l em o d e l ， a l g o r i t h m 粕dc i e m o n s 仃a t i o ni nm r e ec h a p t e r s t h eb a c k 孕o m l db l o w l e d g eo f i n t e l l i g e n c e1 m m cs y s t e i 璐锄d 仃a m cc o n 仃o la n dr o a dg u i d a n c ea r es t a t e di i l 也e f i r s td l 印t e r s ，i i l 廿l es e c o n dc h a p t e rt l l ea u t h o r 百v e sad e t a i li n 仃o d u c t i o nt 0t 1 1 e 舰衔c c o n 仃0 l 粕df o u tg u i d a n c e si n t e l l i g e n c em o d e l ，a f t c rt 1 1 a tw e 枷d u c et l l e0 m i n e 0 p t i m i s mu i l i t e 锄d 舯0 v i d ea 眦曲m o d e lt 0s o l v et h ep r o b l e m i nc h 印t e rf o u r ，、耽 d e s i g na ne x 锄p l ea n dp r o v et h ev a l i d i t ) ra n de f j e i c i e n c yo ft h em a t l lm o d e l t h em o s ti m p o n a n tc h a p t e ri sc h 印t e rt 1 1 r e e _ t h eo f n i n eo p t i m i z a t i o nu n i t kt h i s c h a p t e rt h ea u t h o rf h l l yc o n s i d e r st 1 1 ei m p a c to ft h es i 盟a lc o n n d l0 nt t l e 仃a f f i cn o w ， 锄db u i l dan e wm a n lm d d e l 哪e s 廿l ed e l a yf 0 舢l ao fi n t c r s e c t i o n a u t h o ra l s o 觚a l y s e st h es o l u t i o no fm i sm o d e l ，a n db r i i l gf 0 】n j l ，a r dm eg a t 0s o l v em i sp r o b l e m b e c a u s et h ea l g o r i 廿1 me f ! f i c i e n c yi sc r i t i c a l ，h o wt oi m p r o v cm ee f j f i c i e n c yo ft l l e a l g o r i 1 ms h o u l da l s ob es m d i e d d u 血gt l l ee x p 耐础：n to fd e m d n s 缸a t i o n ，t h eg e n e o ft l l ea l g o r i t h mi sd e s i g n e db a s e d0 n 也er o a dn e ts 仃u c t u r e a r e rs e v e r a l t i i n e so f e x p e r i m e n t s ，t 1 1 er e 砌t sd e m o n s 跏em i sm o d e lc o n v e r g e n c eq u i c k l yi ng a a n dt h e s a t i s f a c t 0 巧s o l u t i o ni si i le x i s t 铋c ea n dc 觚b ef 0 u n d i i l c 舔et l l a tt h ef 瓠ta l g o r i t l l i n w ec 觚i m p r o v e 也ee a e c 缸v eo ft l l ea l g o r i t l l mi nt e 如陷o fr e d l l c et h ep o p u l a t i o ns i z e a n dr c v o l u t i o ng e n e 均t i o n ，锄dt l l ef e a s i b l es o l u t i o nc 觚b ef 0 l l n d f i n a l l y ，t l l ea u m o rc o n c l u d e st l l es t u d yo ft h i s 砸c l e ；b 血gf o n 旧r ds o m ed e f i c i e n c y o f 此m o d e la n di n d i c a t em e ( 1 i r c c t i o no ff i j t u r es t u d y k e yw o i i s ： i i l t e l l i g e n c et r 趾s p o r t a t i o ns y s t e l n 1 r a m cc 0 n 由r o l ，r o a d g u i ( 1 a n c e ，g a 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得苤盗盘堂或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文储签名：唔 签字同期：。印年口伽石同 学位论文版权使用授权书 本学位论文作者完全了解苤盗盘堂有关保留、使用学位论文的规定。 特授权基盗盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 导师签名： 辨 签字日期： 占7 年月日 古 几翁弘r 轹 陴 签 矗， 者 渺 一叼 第一章绪论 1 1 研究背景 第一章绪论 社会经济的发展推动人员和货物在城市活动中的加剧。人口规模的扩大，城 市客货运交通的增长，车辆数量的上升造成了城市交通的拥挤甚至堵塞，由此引 起的行程时间延长、能源消耗增大、环境污染加重、交通事故增多等负面影响越 来越引起人们的关注。交通拥挤和公路阻塞已经成为许多国家的一个重要问题。 城市交通运输发展到今天，仍然难以令人满意，近半个世纪以来，交通拥挤、道 路阻塞和交通事故的频繁发生正越来越严重地困扰着世界各国的大城市。 在现代城市交通的发展中，城市交通管理都经历了曲折复杂的过程，虽然世 界各国采取了各种各样的对策，谋求发展城市交通，提高运输效率，但如何高效 率的管理城市交通依然是世界性的难题。这些问题集中体现在以下几个方面： 1 ) 城市交通拥挤 当今世界各国的大城市无不存在着交通拥挤问题。由于交通拥挤，人们每天 消耗在上下班的时间比平时平均多了1 5 小时。同时导致商业车辆在交通运输中 延误，增加了运输成本，由此而造成的经济损失越来越大，并一直保持较大比例 的增长。 交通污染 随着车辆数目的增加，道路拥挤的不断加剧，使电、汽车排放物和噪声造成 的对大气环境的污染日趋严重。交通噪声是一种随机的非稳态噪声，将对交通干 线两侧居民的生产、生活产生不良的影响。人们要求进一步改善生活环境质量、 减轻污染的呼声愈加强烈。 3 1 交通安全 道路交通安全是一个世界性的社会问题，它已成为国际社会一大公害。据统 计，交通事故己成为全世界非正常伤亡的重要因素。 4 ) 人们对交通要求的提高 由于生活水平的提高，人们对交通的要求不再满足于简单的客、货运输，进 而对交通运输的安全性及服务水平提出了更高的要求，快速、舒适、安全的交通 服务已经成为日常生活中不可缺少的一部分。这表明，人们所需求的不仅仅是先 进的交通硬件设施，也需求高质量、全方位的“软件服务。 第一章绪论 1 2 交通系统的特点和研究现状 城市交通系统拥有大量车辆，路段和路口，车辆的产生地点、数量和行驶路 线具有随机性。对这样一个规模庞大、动态和具有高度不确定性的系统进行有效 的控制是一件十分复杂的工作。 城市交通控制的特点是与城市交通固有特性密不可分的，特别是大中城市交 通网的构成已经从平面向空间发展，立交桥、快速干道和交通枢纽构成城市交通 网的基本立体架构，众多支路和辅路形成城市交通系统的网状脉络。交通控制措 施随着路网的发展而不断丰富，例如，单行、禁左、左转相位、路口行驶线、公 交专用道等，这些措施在现有道路条件下有效提高了路段或路口的通行能力。 大中城市交通系统内的路口和路段分布在广阔的地域内，控制系统必须对行 驶在路段和通过路口的车辆进行有效的实时控制，因此，城市交通控制系统需要 在控制算法的复杂度与控制效果之间找到一个满意的平衡点。也就是说，对实际 交通状况进行过多近似处理而建立的控制优化模型，虽然算法复杂度不会因为路 网规模的扩大而快速增加，但是控制效果往往不理想；为了提高控制效果，采用 数学方法建立更接近于实际情况的路网整体优化模型，会由于路网规模的扩大而 使模型中的变量和约束方程数量急剧增加并导致算法复杂度呈指数上升，使得在 合理的时间内无祛得出最优解，反而会降低控制效果。由此可见，城市交通系统 的巨大规模要求城市交通控制系统必须采用适当复杂度的控制算法模型。 其次，城市交通系统是一个动态系统，绝大多数时间里都有车辆行驶在道路 上，车辆的数量和位置随时会发生变化。针对城市交通系统的这个特点，为了实 现良好的控制效果，信号控制模型应充分考虑实时交通信息，并设置相应的车辆 检测装置，根据实时交通数据制定相应的控制方案。 再者，城市交通系统中存在的随机性比铁路、水运、航空等交通方式要大许 多。除公交车辆有固定的行驶路线外，出租和个人出行车辆可以自由选择起讫点 之间的行驶路线，这使得车流在路网上的分配具有很强的随机性。交通控制系统 必须面对这种随机性，一方面，尽可能利用车流变化的历史资料，通过分析计算 努力寻找车流变化的统计规律，为构造适应性较强的控制算法提供依据；另一方 面，应充分考虑短时间内某些区域的车流突变和不符合统计规律的车流变化带来 的随机扰动，在控制过程中包含相应的处理机制。 目前，世界各国广泛采用的减缓交通拥挤的方法主要有三种： ( 1 ) 通过新建或改建原有道路来实现道路扩容； ( 2 ) 加强交通需求管理( t 珊s p o 删i o nd e m 锄dm a n a g e m e n t 或t r a v e ld e m a n d m a n a g e m e n t ) ，如在高峰期实行拥挤收费( c o n g e s t i o nt o l l ) ； 、 2 第一章绪论 ( 3 ) 提高道路系统的效率，如重新设置交通灯计时、优化匝道设计、使用高 乘载率车道以及高级出行信息系统的运用等等( l i n d s e ) r 和v e r h o e f 2 0 0 0 ) 。 但是解决上述问题，仅仅依靠传统的方法是难以取得理想效果的。因为首先， 从问题的内在联系来看，这些问题是相互关联、紧密联系的，其实质是人们对交 通系统更高的需求与实际服务能力与水平相对落后之间的矛盾在不同侧面的反 映，如果片面地突击解决某一问题，极有可能造成其他问题的加剧。而交通系统 是一个复杂的大系统，交通问题的解决是一项综合的系统工程，需要综合治理全 面解决。同时，因土地资源使得基础设施的提供受到极大限制，所以自2 0 世纪 8 0 年代以来，以欧洲、美国和日本为代表的各发达国家已从依靠扩大路网规模 来解决日益增长的交通需求，转移到用高新技术来改造现有道路运输体系及其管 理方式，从而达到提高路网通行能力和服务质量、改善环保质量、提高能源利用 率的目的。解决问题的前提是对交通系统及其内在规律性的全面的理解和正确把 握，然后综合利用各种科学理论和技术手段，特别是近年来在信息革命和信息化 过程中，逐渐成熟完善起来的各种先进的管理思想、控制方法和实践技术，这样 才能收到满意的效果，这也是解决问题的技术基础。自9 0 年代初出现的智能交 通系统( i n t e u i g e n tt 砌s p o 删i o ns y s t e m ，简称i t s ) ，正是在这种背景下产生 的全面解决实际交通问题的具体实践之一。 1 3 智能交通系统 解决交通拥挤、保证交通安全、提高路网使用效率的主要手段是建立智能交 通系统，智能交通系统主要分为七个部分( 图卜1 ) 。 第一章绪论 图1 1 智能交通系统框架 英国交通与道路研究实验室( u k t 啪s p o n 锄dr o a dr e s e a r c hl a b o r a t 0 巧， t i 汛l ) 1 9 6 8 年提出的离线优化的交通控制方法与软件t 黜n s y t 可视为第一代 交通信号控制系统【1 1 。t ra n s y t 的开发是基于上个世纪6 0 年代初开始流行的 “最优化方法和系统仿真技术”，同时受到当时计算机水平的限制，只能进行离 线控制。与此同时，人们还在不断地对城市交通网络的协调、控制问题进行研究。 随着大系统理论、系统工程理论的出现，城市区域交通控制技术也有了很大的发 展。英国的研究人员认识到，一个城市交通系统本质上说是由道路系统、信号系 统和具有较大随机性的交通流组成，因此，人们除根据历史数据及经验估计以外， 还可以通过埋设在道路系统中的车辆检测装置实时的采集数据达到控制交通的 目的。按照这样的思路，j s b a r a s 和w l e v i n e 等人运用随机点过程理论对交通流 进行了深入、细致的研究，在此基础上推导出更进一步的控制学习算法，为 t i 乙心s 系统的产生奠定了理论基础。 以s c o o t 和s c a t s 为代表的交通信号控制系统被视为第二代交通信号控 制系统，技术背景是上个世纪8 0 年代初出现的速度和容量均能满足在线控制的 计算机。s c o o t 为集中式控制系统，它沿用了传统的控制方法，原理仍然是首 4 第一章绪论 先建立数学模型，然后依据检测信号和数学模型用计算机进行优化和对信号灯的 实时配时。澳大利亚研制的交通控制系统s c a t s ，是递阶式分层分布控制系统。 它的特点是以主观的启发式原理设置交通信号的配时决策表，但这些系统及其体 系结构均未考虑如何实现控制方式或控制模式多元化及传统控制方法与人工智 能技术集成的问题。美国的g n g a r n l e r 、西班牙的d m j 6 归甜c h 和法国的 g s c e 蚴等针对这些问题分别进行了有益的研究和尝试，但由于这些系统结构 只强调继承和利用现有交通信号控制系统而不能自成体系，难以体现控制的递阶 式分层的特征，因而具有一定的局限性。 o p a c ( o p t i m i z a t i o np 0 1 i c i e s 蠡) ra d a p t i v ec o 劬的1 ) 智能交通信号控制优化系 统是1 9 8 3 年由美国提出的智能交通信号控制系统，是第三代交通信号控制系统， 已在上个世纪9 0 年代初开始试运行。该控制系统采用动态规划原理优化控制策 略以及d y p i c 程序的反传动态编程算法中提出离散时间周期性滚动优化的方 法：同时采用分散式控制结构以减少网络通信量、分布并行处理以便将危险分散， 并使优化过程达到最少的约束条件。第一个离散时间区间滚动优化信号控制系统 是在o p a c 基础上改进而成的u t o p 认系统。该系统决策问隔为3 秒，滚动区 间长度为1 2 0 秒，系统控制结构是完全的分散式结构。初始或缺省的信号策略由 交通信号控制计算机提供给节点控制器，然后各节点控制器用启发式优化过程根 据自己的实际情况在滚动区间部分或全部修改信号策略，作为优化的一部分，各 节点都将相邻节点当前信号优化策略上的开销考虑到自己的优化过程中，通过这 种方式节点之间可以在分散式结构中得到良好的协调，从而局部对初始信号策略 的优化可以使整个系统的性能得到提高。在优化方法上，该系统将滚动区间内的 所有决策系列以决策树的方式表示，对滚动区间求取优化信号策略的问题就可转 化为求解最短路径问题，其中决策树里的连线长度与滚动水平线中相应的决策开 销对应成比例。 最新一代智能化交通信号控制系统是将人工智能和知识工程等先进的前沿 科学应用于交通信号控制系统，已取得了一系列重要研究成果。智能控制主要是 指基于专家系统的控制、模糊控制、神经网络控制、基于遗传算法的控制等。智 能控制方法的最大特点是其控制算法具有较强的逼近非线性函数的能力，不依赖 于精确的数学模型，这对于交通系统这样复杂难以建立较好数学模型的系统是一 个有效方法。美国和荷兰等国目前正在研究基于智能a g e n t 的u t c ，主要原理 是在城市交通网络中的一系列重要节点部署智能a g e n t ，用于对所属的网络区域 实现信号灯控制，它不但具有交通管理专家的经验知识，还具有不断学习的能力， 具有本区域的交通流信息；这些智能a g e n t 之间通过通信层( 规范、内容、协议) 进行信息( 路由信息、交通流信息、控制信息) 交流，解决单智能a g e n t 信息不完 5 第一章绪论 整性，并通过协调层进行目标协同，解决交通网络中的资源、目标和结果冲突， 最终实现交通控制的优化。这样的系统在巴塞罗那取得了很好的实验控制效果， 预计在很短的时间内就会得到广泛应用。 伴随城市交通系统的规模复杂性特征的形成及发展，汇集多种控制方法的交 通控制集成策略应运而生，r t t r a c s ( e v a l u a t i o no f r e a l - t i m e1 m 伍ca d a p t i v e s i 阻a lc 衄仃o lp r o t o 帅e s ) 、m u l t i a l g 础m 】d 1 i c 是其中颇具代表性的两种。集成智 能城市交通信号控制系统中基本控制层的建造应充分吸收与借鉴有关思想，以实 现不同控制方法的有机集成和综合利用。 城市交通流诱导系统( u r i f g s ： u r b a nt r a 伍cf l o wg u i d 锄c es y s t e m ) 是智能 交通七个子系统中的先进交通信息服务系统( a t i s ) 和先进交通管理系统( a t m s ) 的相交部分，既包含了a t i s 的内容也含盖了a t m s 的内容。它是诸多高新技术( 如 地理信息系统、定位技术、导航技术、现代无线通新技术等) 的集成，具有多种 功能，可以有效地引导车辆在路网中运行，减少车辆在道路上的行驶时间，并最 终实现交通量在整个路网中的均匀分配。他以计算机和先进的通信技术为基础， 可以实时地为出行者提供必要的交通信息并为其指出最佳的行驶路线，能够避免 盲目行驶或凭经验行驶造成的交通阻塞，减少车辆在道路上的逗留时间，从而达 到使路网畅通、高效运行的目的。在交通流诱导系统中，尚未完全解决的是诱导 依据问题，即把什么样的信息提供给用户才能起到避免拥挤和阻塞、提高路网使 用效率的目的，以及如何在短时间内得到这些信息。这是运输领域的一个前沿理 论问题。 1 4 本文研究的内容和意义 论文在前人研究的基础上，综合考虑了一种新的交通控制诱导相结合的智能 模型。该模型分为四个单元：检测识别单元，离线优化单元，实时控制诱导单元 和效果评价单元。论文分别介绍了各个单元的研究现状和最优方法。然后针对离 线优化单元提出了一个新的离线优化模型，考虑道路最大通行能力，路口延迟对 控制和诱导策略的影响，从用户到达的时窗要求和系统的控制约束两方面考察了 交通流到达目的地的时间限制，以系统最优的思想，建立了一种控制诱导相结合 的有到达时间限制的模型。 另外，本文在充分研究前人算法的基础上，研究了算法的效率，实证表明当 不追求满意解的时候，可以通过适当的算法调整来提高效率。这为在线的实时控 制和诱导争取了宝贵的时间，同时对离散化后的模型进行了求解，证明了算法的 可行性和优越性。 6 第一章绪论 论文的结构如下： 第一章 第二章 第三章 第四章 绪论部分，介绍本文研究背景和智能交通的研究现状。 首先介绍本文所提出的在线控制和离线优化结合模型。 详细阐述了模型中的离线优化单元 给出离线优化模型的实例验证并对算法效率进行分析和研究。 第五章：总结并展望以后的研究方向 论文所作研究的意义： 1 建立新的控制诱导智能模型，使离线优化和在线控制结合，提高了在线 控制的时效性，同时避免了优化时间和优化结果之间的冲突。 2 考虑w e b s t e r 延迟公式对于大流量和接近路网饱和时计算的误差较大， 本文使用新的延迟公式替代w e b s t e r 延迟公式，建立了改进的离线优化 数学模型。 3 对离线优化模型遗传算法求解效率进行了研究，通过实验找出满意解和 算法效率的关系，提出了提高算法效率的方法。 7 第二章控制诱导一体化的智能交通系统 2 1 引言 第二章控制诱导一体化的智能交通系统 智能交通系统( i n t e l l i g e n tt r 蛆s p 嘶a t i o ns y s t e m s ，i t s ) 是近年来兴起的通过 各种技术手段解决交通问题的综合系统。i t s 中城市交通的在线管理主要是由道 路交通控制系统和车辆诱导系统来完成的。目前，各类交通诱导方法的依据都是 一定的道路通行能力下车辆在各路段上的行驶时间，由于各个路口实施交通信号 灯控制，使得车辆的行驶时问除了包括车辆在路段上的行驶时间以外，还包括在 路口排队的等待时问以及通过路口的行驶时间，而后者不仅仅取决于本路段的车 辆流量，还要受到其它方向车辆数的影响，特别是受到路口实施的灯色控制配时 方案的影响。即使在各方向车辆数完全相同的情况下，由于执行的控制方案不同， 车辆的延误时间也会存在差异，另外，由于交通控制效果的优劣，会使道路上堵 塞减轻或加重，从而提高或降低道路的通行能力。因此，在制定交通流诱导策略 时必须考虑交通控制的影响作用。 另一方面，无论采用何种交通控制方式，其本质都是对已经产生的、即将通 过某个路口的车辆进行控制。其结果是改变了不同方向的车辆通过路口的时间， 从而使网络流量在时间上的分布发生变化，以最大限度地提高现有道路的通行能 力。因此，在现代交通管理中，必须在具体分析控制系统与诱导系统之间的相互 关联之后，将交通诱导与控制两个方面统一进行协调、优化管理，才有可能获得 更好的效果。诱导系统与控制系统这种既相互联系又相互独立、功能互补、各有 侧重的特性决定了应当将二者结合起来作为统一的交通管理手段，应用综合模型 进行协调、优化、决策，建立交通控制诱导一体化系统，这是i t s 的发展方向 和根本出路。 最早在交通理论研究中发现并提出上述问题的是英国的a l l s o p ( 1 9 7 4 ) ， m e a c h e r 和m k c e l i k ( 1 9 7 5 ) 和美国的g a r n l e r ( 1 9 7 6 ) 。在g a r n l e r 文章中提到，假定 交通需求为确定的控制方法是不全面的，他通过实例证明，当网络总的性能提高 的时候，控制的策略能够影响交通需求。 自此，特别是近几年来，有许多关于控制与诱导结合的模型与算法的文章发 表。h s h i m 让m ，m k 0 b a v 嬲h i 和y y o n e z a w a 【3 】，他们提出了一个概念性的结合 线路诱导和交通信号控制为一体的两级交通控制系统，信号控制系统通过信号参 数的反馈控制最小化交通网络总的队列长，动态线路诱导系统通过特定优化算法 8 第二章控制诱导一体化的智能交通系统 给出行者提供最佳出行路线。n a m 锄h g a m e 一等人通过一系列研究提出了一 种动态交通分配与实时控制结合管理的框架。按照不同的交通状态将交通信号控 制分为六个层次的自适应的控制策略，利用动态交通分配模型进行预测，在需要 给出诱导的路段预先制定相应的动态控制策略以减少和避免交通拥挤。但是，大 部分的研究一般都是以其中一种管理方法控制或诱导为主，而将另一种作为 外生变量或约束条件，这是一种改进的控制或诱导的方法。 j e 倚e vl a d l e r 等【5 】研究表明，在智能交通控制系统中，如果诱导信息能够让 司机按照最优的路径分配行驶，并自行根据时间和地点的变化寻找更加高效的路 径。那么交通控制和诱导系统将会使网络更加优化，并且能够增加司机的满意度。 以前的研究中，王亮【6 】等交通控制诱导真正的结合模型可以从三个不同的角 度去构造和建立。第一种方法是建立统一的一体化的优化模型，这种方法的主要 思想是将诱导方案与控制方案作为系统的控制分量，综合控制与诱导的所有状态 方程和约束作为系统的状态方程和约束，以路网的总体指标为最优目标，并通过 各种静态的或动态的优化方法进行求解，获得控制、诱导的最优策略。系统实现 时，在i t s 中以一个崭新的子系统替代现行的控制系统、诱导系统，将其合二为 一，以完成原来的诱导与控制的所有功能。但是，一方面由于实际路网的规模比 较大，这样建立的模型维数很大，模型求解的计算量极大，直接求解十分困难；另 一方面，这种集成的模型往往不能保证凸性，无法用极小值原理进行求解，这样 使得这类方法难以实际应用。 另一类方法是借鉴系统递阶控制的思想，在较低的层次上分别对诱导、控制 的优化问题进行求解的，在较高的层次上对二者的优化结果进行交互式协调，并 将协调的结果返回到低层上，在新的条件下重新对诱导、控制进行优化，直至得 到对诱导和控制均能接收的方案为止。这种方法是在现有i t s 的框架下进行改 进，在控制系统、诱导系统的基础上，增加了一个诱导和控制的协调系统，从更 高的层次上协调二者的工作。与前者相比，这种方式更容易实现，但是，这种协 调的结果，往往只是满意解，而不是系统的最优解。 第三种思想是利用在线控制和离线优化相结合的思想【7 j 。a d e lw s a d e k b r i 锄l s m i t h 在2 0 0 1 年提出了一个模型，他研究了人工智能范例一一基于事件 推理机制( c b rc 勰eb a s e dr e a s o n i i l g ) ，来克服以前在线控制模型的缺点。c b r 研究是将解决过去相似事件的方案用到目前的情况中。将交通控制和诱导与策略 的优化分开执行。加上策略优化单元的自学习功能，能够提高优化的满意度，同 时也能够将二者协调工作。达到最优控制的效果。其实例算法表明该思想的正确 性。 9 第二章控制诱导一体化的智能交通系统 本文就是基于第三种思想，建立了一个在线控制和离线优化相结合的系统智 能交通控制和诱导模型，提出了一种新的控制和诱导结合的算法。 2 2 智能交通控制和诱导模型 交通系统是一个复杂的大系统，要对这样一个复杂的系统进行控制，需要设 计一个能够与之交互的控制系统。该控制系统能够作为交通大系统的一个成员或 者叫子系统，适应并改变大系统。 在复杂系统中，所有个体都处于一个共同的大环境中，但各自又根据它周围 的局部小环境，并行地、独立地进行着适应性学习和演化，个体的这种适应性和 学习能力是智能的一种表现行式，所以有人也把这种个体称为智能体。在环境中 演化着的个体，为了生存的需要，不断地调整自己的行为，修改自身的规则，以 求更好地适应环境选择的需要，大量适应性个体在环境中的各种行为又反过来不 断地影响和改变着环境，结合环境自身的变化规律，动态变化的环境则以一种“约 束”的形式对个体的行为产生约束和影响，如此反复，个体和环境就处于一种永 不停止的相互作用，相互影响，相互进化过程之中。 图2 1 智能交通系统和控制诱导一体化系统关系 图2 1 中大的框架表示智能交通系统，内部的小框架表示控制和诱导子系统。 作为智能交通系统中，还有很多其他子系统，如路网，车流，检测，信息发布等 等a t i s 。而控制和诱导系统作为其中的一个子系统，从系统学的角度，系统学 1 0 第二章控制诱导一体化的智能交通系统 的任务从根本上来说是两个方面，一个是对系统规律的认识，另一个是在认识系 统规律的基础上如何控制系统。第一个方面是关于系统结构、子系统协同，以及 系统功能在系统环境作用下的演化规律。第二个方面则是把控制的思想和理论引 入到系统学。如同认识客观世界是为了更好的改造客观世界一样，子系统和大系 统的关系也是认识和改造的关系。他首先要适应大系统( 外部环境) ，其次要控 制和改变大系统向自己的目标变化( 改变外部环境) 。这样才能使系统不至于因 控制而不稳定，也使控制效果能够达到协调最优。 交通系统是一个动态系统，所以控制诱导的时效性十分重要，特别是对于交 通控制中的突发事件及时处理情况是对交通控制和诱导方法重要的衡量标准。 在以往的研究中，对于交通模式在线识别并同时进行控制算法的在线的优化 处理，处理结束后将最优结果运用到控制和诱导系统中，这样对于算法的效率要 求极高，为了能够达到实时控制，在一些突发事件时要么不能找到最优解，要么 运算时间过长，错过了控制和诱导的机会。这使得控制和诱导的效果在特殊情况 下一如突发的车祸造成交通阻塞一控制效果不理想。 由于交通控制和诱导模型求解时间远远大于简单的策略搜索算法。所以本文 建立的模型中，在线控制和诱导单元只需根据交通模式，寻找到最优控制方法， 对于新的交通模式，让离线优化单元充分运算求出最优解。对于特殊的模式，建 立应急模式库，并相应的给出最优控制策略。这样就能对于每种交通模式都能有 充分的时间计算出最优的控制策略，另外对于在线控制和诱导也能满足实时控制 的要求。 本模型的核心部分为在线控制和离线优化这两个单元，同时为了这两个单元 能够正常的运行，需要两个辅助单元：检测单元和效果评价单元。 所以，控制和诱导子系统需要和智能交通系统这个大系统进行信息交换，需 要认识它所在的大系统的环境，这就需要一个认识单元来负责。在本文中，该单 元被称作检测单元。 2 2 1 检测单元 检测单元主要功能是检测外部影响控制和诱导子系统的各种因素，同时检测 控制和诱导系统作用后系统状态。 由于智能交通系统中存在很多元素和子系统，所以检测单元需要对这些信息 有针对性的进行检测。以前的研究中，对于检测信息可以分为如下三类【8 】锻慷抗 舅引用_ ： a 类，长期保持不变的因素，包括路口的物理空间布局、与路口相关的路段 数、每个路段的车道数，及各方向路段的设计通行能力。 第二章控制诱导一体化的智能交通系统 b 类，在一段时间范围内保持相对稳定，但是从更大的范围来看，这些因素 又是不断变化的，包括所处的工作日、当前的工作时段及天气条件，以及控制子 区的划分、控制方式的选择等人为决定的因素。 c 类，每时每刻都在变化的因素，包括路口到达的车辆数、车辆的等待队列 长度及延误时间、实际通行的车辆数等与道路实时状态有关的各种因素。 交通控制策略应当由这三类因素所决定，通过路网检测器和交通设计规划单 位以及气象局完全可以搜集所需的信息。 但是这三类信息如果时刻都进行检测和处理的话，数据检测的周期会增加， 而且处理的数据量也会增加，影响运算效率，同时也会影响控制和诱导的效率， 所以为了简化求解过程，根据a ，b ，c 三类不同因素在决定控制策略时所起的不 同作用，u t c s 将求解过程视为一个以a ，b ，c 为输入和u 为输出的黑箱系统， 对a ，b ，c 采取不同的处理方法1 9 】： a 类因素在任何条件下，对决定控制策略总是起着相同的作用，可以作为常 量处理，不作为系统的输入； b 类因素的特点是相对稳定、并且各个因素可能出现的情况或可能取值范围 是己知的、有限的，一旦得到某个因素当前的情况或当前值，该因素在一段时问 内，将保持不变，在这一范围内它对决定控制策略所起着的作用也保持不变的。 因此，可以针对b 类中各个因素的每一种可能的组合情况，在一段时间内作为 常量处理。 c 类因素中各个元素都是时变的，在a ，b 保持不变的情况下，系统数据检 测主要是针对c 类数据的检测和处理。 在检测到所有数据以后，检测单元还要对数据进行处理，按照离线优化单元 参数的需求，将数据进行模式匹配和分类处理【1 0 】【1 1 】。 该单元的输出分为两个部分，第一是路网当前状态，也就是前一控制策略的 效果。第二就是当前路网模式，为当前控制策略选择提供依据。 在本文模型中，离线优化单元所需的路网检测包括：包括路段的最大流量限 制，路网结构，最大绿灯时间，最小绿灯时间，路口信号周期，初始路径流量， 路段o d 需求。其中前三项可以从交通管理部门获取，属于a 类因素。后两项 可以通过路口的检测器和交通实时统计信息获得，属于c 类因素。中间的三项 属于b 类因素，根据前面对各类因素的处理方法，a 类因素不予处理，对b 类 因素和c 类因素将交通流状况分成不同模式，一个模式代表一个路网状态。下 面介绍三种常用的模式分类方法。 1 2 第二章控制诱导一体化的智能交通系统 图2 2 检测单元 由图2 - 2 可以看出，检测单元算法的核心是模式识别。模式识别的算法最近 研究了很多，比较有代表性的有支持向量机和小波分析两种。 第一种是支持向量机的方法，在应用中，可以采用了b p 神经网络模型。因 为该模型在技术上已经非常成熟，而且使用比较简单；同时在应用中，通过使用 b p 神经网络模型得到的预测效果已经可以满足基本要求。确定神经网络的另一 个关键问题是选择合适的隐层数目，通过多次的试验比较，综合考虑训练时问以 及预测效果等多方面的因素，发现在应用中采用双层隐层数目，取得的效果比较 好。b p 神经网络的一个不足之处是为了极小化总误差，可能会导致学习过程很 慢。 另外就是基于小波分析的模式识别。1 9 8 8 年，由m a l l a t 与m e y c r 提出了出多 分辨分析( n m l t i r c s o h l t i o n 锄a l y s i s ，m r a ) 框架【1 2 】，多分辨分析的基本思想是通 过特殊的空间分解，巧妙地构造小波基。它把全空间l 2 ( r ) 按分辨率( 2 j ) 先分 解成一串嵌套的闭子空间序列 v j j z ，通过正交补的塔式分解，将l 2 ( r ) 分解 成一串正交小波子空间序列 w j ) j z ，然后，把f l 2 ( r ) 分别投影到不同分 辨率的小波子空间序列 w j ) 上进行分析和研究。m a l l a t 于1 9 8 9 年在m r a 的基 础上提出了一个小波系数的快速分解算法。m a l l a t 算法的提出基于如下思路： 第二章控制诱导一体化的智能交通系统 基于小波多分辨分析m a l l a t 算法的交通流突变状态辨识算法可采用占有率、 速度、流量作为输入参数在实际应用中，为了提高算法的检测综合性能，算法 的输入参数可采用各交通流参数的组合【1 3 】。 最简单的模式分类方法是一种基于模糊规则的分类方法，将每个因素分成大 中小三种情况，然后进行排列组合。如果影响因素为n ，总的模式数量为3 n 。 模式识别后，将新的模式送入离线优化单元。 2 2 2 离线优化单元 离线优化单元需要负责两个方面的工作，第一将新的模式放入标准模式库 中，第二对新的模式优化出新的控制策略。 对于新的模式优化时，首先采用快速优化方法求出可行解，直接送往控制和 诱导单元，然后进行再优化优化处理，求出满意解，存到控制诱导策略库中。 当新的模式的控制策略生成以后，需要对应于新的模式建立映射，以便在线 控制的时候能够及时准确的寻找到最优策略。 图2 3 离线优化单元 本单元只负责最优策略的运算和输出。其中输出为两个部分，一个是最优策 略，另外一个是优化目标。对于单元中离线优化模型的建立和求解我们会在后面 章节中进行重点讲述。 离线优化单元输出的控制信息为路口绿信比旯，使用网络的用户的控制策略 s ( f ) ，诱导信息为各个路口的流入率“( f ) 。 1 4 第二章控制诱导一体化的智能交通系统 2 2 3 在线控制和诱导单元 当收到检测单元发来的模式之后，控制单元要立即根据模式匹配算法到标准 模式库中寻找匹配模式，当匹配模式找到后，根据模式和策略的映射关系找到最 优策略。向路口信号机和车辆发送控制诱导信息。 图2 4 在线控制和诱导单元 本单元算法的重点在于模式匹配算法。本文中我们推荐一种快速多模式匹配 算法。 采用快速多模式匹配算法【1 4 】，最优情况下的时间复杂度为o ( 1 1 ( i i l i n l e n + 1 ) ) ； 在最坏情况下的时间复杂度为o ( n m a x l e n ) ；平均情况下，时间复杂度与字符出 现的概率有关，根据文献【1 卅可以得出其性能为 一c - ( 歹) 尸。( ) p = 面而茅上竺盂五再广一 尸( 办l 舭( ，尼) l - o女：o ( 2 1 ) 第二章控制诱导一体化的智能交通系统 所以可以在短时间内根据模式库中的模式匹配得出最符合得模式，根据模式 和最优策略的映射，查询出最有控制策略。 寻找到最优控制策略后，可以通过实时的交通信号控制系统( u r b 锄们伍c c o n 昀ls y s t e m ，u t c s ) 发布控制信息，和车辆路线诱导系统( v e h i c l er 烈i t e g h l i d 觚c es y s 锄呜v i 沁s ) 发布对车辆的诱导信息，从而实现交通系统进行控制和 诱导。 2 2 4 效果评价单元 本单元需要接收检测单元送来的当前路网检测信息和当前控制策略的预定 控制目标值。根据路网前一个控制策略的目标值来判定前一个控制策略的执行效 果。 在评价目标确定的情况下，首先在检测离线优化单元中输出的优化目标数 据，基于在线控制单元中所采用的策略来寻找这些数据。然后与在线控制和诱导 单元中检测器所送会的控制效果数据进行比较。求出控制效果和离线优化效果的 偏差。 本单元的结构图如下： 图2 5 效果评价单元 实际评价方案中还应制定与每一种评价目标相应的详细评价指标【1 5 】，在控制 诱导结合系统的评价中，提高交通系统的安全性，提高交通系统的运行效率及通 行能力，提高机动性和交通系统的方便舒适度等是评价交通控制诱系统优劣的重 1 6 第二章控制诱导一体化的智能交通系统 要指标。本文进行评价的主要方法是对于模型目标函数的值进行对比，根据离线 优化单元所建立的模型，将路网检测后处理的模式信息输入到模型中，求出目标 函数值，和策略库中目标函数值进行对比求出差值r ，和阈值进行对比，决定是