基于车道离散模型的交叉口合并控制研究

基于车道离散模型的交叉口合并控制研究

0交通网络的分布式控制随着各城市汽车负荷的增加，交通信号控制系统已成为大、中、小城市的基本交通配置。它的作用不仅是减少交叉口之间的碰撞，而且不仅是提高安全性，而且是扩大到线路的协调控制和区协调控制体系，从而最大限度地减少车辆延误，提高交通网络运营效率。分布式控制是目前广泛采用的一种区域信号控制方式,其中控制小区的划分、交叉口之间的合并与分离对控制效果影响很大,不合适的相邻交叉口控制会造成车辆排队溢出到上游交叉口,或者造成某个交叉口的绿信比浪费。传统交通控制中,往往通过单一的距离、流量值来判断相邻交叉口是否合并,考虑因素简单,并且没有从车队本身的跟驰特性来分析相邻交叉口到达交通流的关系。本论文拟基于车队离散模型,综合考虑相邻交叉口的距离、流量、驾驶员跟车特性、离散特征等多因素,建立相邻交叉口关联程度的量化模型,为协调控制中的动态小区划分,相邻交叉口控制参数计算提供基础理论依据。1交通控制子区的划分从交通控制系统来看,交通控制子区所辖的交叉口应尽量少,一方面是为了提高系统运行的效率,另一方面是便于子区实行灵活的控制方案。如澳大利亚SCAT控制系统规定:一个控制子区只辖1~10个信号交叉口,目的就是使需要实时处理的数据尽量减少,以提高系统运行的速度,同时也便于在较小的区域范围内寻求共同的最佳信号周期,以利于实施协调控制。随着大中型计算机在交通控制领域中的运用,以及微机运行速度、内存容量的提高,交通控制子区可辖交叉口数量也大为提高。在此情况下,交叉口之间交通性质是否相似,是否有利于子区之间的协调控制,以及是否有利于推荐路线(或诱导路线)上车辆的行驶逐渐成为划分交通控制子区的依据。目前,常用的划分交通子区,也就是确定相邻交叉口是否合并控制的基本原则包括:(1)周期原则按信号周期长度来划分交通控制子区,其实质:相邻交叉口信号最佳周期长度相近(周期差小于t秒),表明其交通状况相似。此时,交叉口合并实行信号协调控制,可使得合并后的各交叉口总延误小于合并前的总延误。t值亦应根据当地实际情况,考察周期时长与交通状况的相关性,经实地观测调查后确定。(2)流量原则相邻交叉口流量若处于下列3种情况之一,应进行协调控制:①若相邻个交叉口流量都大于某个值(Qm),说明交叉口交通拥挤程度比较高,甚至已处于交通阻塞状态。为了迅速分流,缓解这种局部交通拥挤,应把这些交叉口划入同一个交通控制子区。②若相邻交叉口流量差大于某个值(Qc),虽然交通特性差异大,但为了确保交通流量大的交叉口车流到达流量小的交叉口不至于遇到红灯,产生大量的延误,应考虑把它们划入同一个交通控制子区,进行协调控制。③若相邻交叉口车流量差小于某个值(Qh),说明交叉口交通流特性相似,也应考虑把这些交叉口划入同一个交通控制子区,进行协调控制。(3)距离原则设相邻交叉口的距离为L。为了避免车辆排队长度阻塞上游交叉口,当L≤Lh时,将这两个交叉口划入同一个交通控制子区,进行协调控制。从上游交叉口进口道驶入的车辆,驶出交叉口后,会随着行驶距离的增大逐渐离散开来,当L≥Lf时,到达下游交叉口停车线的车流已显随机状态,这时实行信号协调控制反而降低系统整体交通效益,因此,可将这两个交叉口分开,划入不同的交通控制子区。合并距离Lh和分离距离值Lf可根据当地情况,经现场观测观察后确定。2联邦量化的基本方法2.1判断是否为关键、是离散的原则章节1中的周期、流量、距离3个相邻交叉口合并分离控制原则,在实际的交通信号控制系统子区管理中,往往采取其中一个,尚没有融合使用。判断采用何种原则最适用,往往需要交通工程师大量的实践反复摸索。其实,从周期计算公式可以看到,周期原则的实质是跟交叉口距离、车队到达图式相关的,距离、流量原则其实都是车队离散的简单化处理。因此,本论文考虑将车队流量、交叉口距离、车队离散特性等综合考虑,构建一个交叉口间关联度的量化模型,以获得反映综合因素的关联度值,在周期中,自动计算关联度值,决策是否合并控制。2.2行程时间分析本论文以车流运行的离散程度研究交叉口的交通关联度,建立模型。模型的假设条件:(1)两交叉口之间不考虑转弯车流的影响。(2)上游车流到达下游交叉口时,无残留排队车辆。(3)两交叉口间车流为不间断的连续流。(4)路段上交通量不超过道路的通行能力。由车队通过路段的行程时间服从几何分布,可知:ˉΤ=∞∑i=1(i+t-1)⋅F(1-F)(i+t-1)-t=t-1+1F,(1)式中,ˉΤ为车队平均行程时间;t为头车行程时间;F为离散系数;F(1-F)(i+t-1)-1为离散函数。3模型的修正和分析3.1方案1:认为队伍共作自适应为了研究车流的离散程度,检验基本模型与实际交通流的拟合程度,论文对模型进行修正。采用方差为指标,表示各车偏离平均行程时间的大小程度,研究车流运行的离散程度。D(t*)=∞∑i=1(i+t-1)2⋅F(1-F)i-1-[E(t*)]2‚(2)式中,t为头车行程时间;F为离散系数;F(1-F)(i+t-1)-1为离散函数。化简,代入得:D(t*)=(2α-α2-1)ˉΤ2+3(1-α)ˉΤ,(3)式中,α=t/ˉΤ。在上述得化简过程中,我们假设车队的行程时间趋向于无穷大,显然不符合实际,所以公式需要修正。ˉΤ=n∑i=1(i+t-1)⋅F(1-F)(i+t-1)-t=n∑i=1(i+t-1)⋅F(1-F)i-1=t-1+1-(1-F)nF-(1-F)n‚(4)D(t*)=(α2-1)ˉΤ2+(2αˉΤF+2-F)(1-F)F2-[(αˉΤ+n-1)2+(2n-1+2αˉΤ)F+2F2](1-F)n‚(5)式中:ˉΤ为车队平均行程时间,即ˉΤ=LV;V为车队的平均行驶速度;t为头车行程时间;F为离散系数;n为行程时间的分组数。在模拟试验中,发现方差并不能很好的反映车流离散的程度,论文采用车队各车偏离头车行程时间的大小作为指标。则:E[(X-t)2]=E(X2)-2tE(X)+t2‚(6)式中,t为头车行程时间。E(X2)=t2+(2tF+2-F)(1-F)F2-[(t+n-1)2+(2n-1+2t)F+2F2](1-F)2整理,化简得:E[(X-t)2]=(α2+2α)Τ2+n-2F+(αΤn-12n+α2Τ2-αΤ+12)nF-Y‚(7)式中,T为车队平均行程时间,即Τ=LV;V为车队的平均行驶速度;t为头车行程时间;F为离散系数;α为头车到达时间/平均到达时间;n为行程时间的分组数。Y=12(n2-n)(αΤ+n-1)2F2。3.2反流式的离散程度计算c对于式(7)分析其在各边界点处的取值。(1)L→0时,T→0,n=1,F=1;代入式(7)中,可得E[(X-t)2]=0,即车流不发生离散,与实际情况相符。(2)L→∞时,T→∞;式(3)可化简为:E[(X-t)2]=(α2+2α+2nF)Τ2+(αn2F+12αnF-12αn2F2)Τ→∞车流的离散趋向于无穷大,符合实际情况。(3)Q→0时,由于可以近似看作没有车流,所以研究车流运行的离散程度也就失去了意义。(4)Q→∞时,n=1,F=1;(7)式趋向于零,车流不发生离散,与实际相符。由上述分析可知,模型基本符合实际情况,对于模型的准确性,将在算例分析中再做详细分析。4控制指令的量化配时本论文建立相邻两个交叉口的模拟结构图进行基于车队离散模型的关联度量化试验,根据量化公式得到的合并分离控制指令,给交叉口进行配时,比较其在不同情况下的平均行程时间、延误、排队长度指标,以评价量化关联度的适用性。论文采用AIMSUN软件,可微观交通仿真,交通需求及相关数据分析,可以提供静态和动态建模。4.1流量控制决策要根据流量原则进行模拟试验该路线主方向双向4车道,两交叉口间距700m,如图1所示。两交叉口700m处于采用距离原则确定的边缘,既可合并又可分离,实际中这种情况的控制决策还要参考流量原则,因此,本论文中,特地选择比较难以判断的情况,进行模拟试验。试验中,我们一共进行了20个时段的平峰高峰流量模拟,本论文选择4个典型平峰向高峰过渡的4个时段,两交叉口的流量均在不断上升的过程,通过试验就更容易看出效果。4.2控制参数的确定基于AIMSUN软件建立路线结构,设置基本交通流参数,设定采集点,采集的行程时间数据,值得注意的是,模型中采用头车行程时间为参考基点,因此,在模拟中对头车进行标注,与其它车辆进行区分。模拟的基本信号控制参数采用单点固定配时,计算得到量化关联度后,如果关联,则统一周期协调控制,否则仍然单点控制。本论文计算中,关联度F值小于0.5,则独立控制,F值大于等于0.5,则协调控制。不同控制方案模拟前后采用的评价指标为平均行程时间,平均延误,平均排队长度。模拟试验过程数据如表2所示。4.3分离式变桨设计从本论文的模拟应用结果来看,单一基于流量、距离、周期等原则判断相邻交叉口是否合并控制的方法,对于解决距离稍大,但是流量相关性比较强的交叉口失去一定的适用性。本方法基于车队离散特性,可以综合考虑流量、距离等因素,作出量化的计算,为协调控制作决策支持。如表2中第1时段可以看出,距离稍大,且流量小的情况下,不必协调控制;而在渐变过程中,2,3时段流量上升,协调控制能使得延误大大减少,4时段,流量已经中等,单独控制对其影响不是明显。5基于车辆离散模型的交通运行评价优化策略本论文综合车队流量、交叉口距离、车队离散特性等因素,基于车队离散模型,构建相邻交叉口间关联度的量化公式,以获得反映综合因素的关联度值,为子区交通信号控制提供是否合并控制的决策支持。论文分析了常用的基于流量、距离、周期的合并控制方法,提出了综合因素关联度量化的思路,基于车队离