陳堅(jiān)，陳健，邵毅明，鄧天民

（1．重慶交通大學(xué)山地城市交通系統(tǒng)與安全重慶市重點(diǎn)實(shí)驗(yàn)室，重慶400074；2．重慶交通大學(xué)交通運(yùn)輸學(xué)院，重慶400074；3．中國中鐵二院工程集團(tuán)有限責(zé)任公司，四川成都610031）

粗糙集的過飽和多交叉口協(xié)同優(yōu)化模型研究

陳堅(jiān)1，2，陳健3，邵毅明1，2，鄧天民1，2

（1．重慶交通大學(xué)山地城市交通系統(tǒng)與安全重慶市重點(diǎn)實(shí)驗(yàn)室，重慶400074；2．重慶交通大學(xué)交通運(yùn)輸學(xué)院，重慶400074；3．中國中鐵二院工程集團(tuán)有限責(zé)任公司，四川成都610031）

為解決現(xiàn)有模糊智能控制方法僅適用于單交叉口非飽和狀態(tài)，滿足區(qū)域交通過飽和多交叉口信號協(xié)同聯(lián)動控制的需要，提出了高峰時(shí)期主通道優(yōu)化控制策略。在粗糙集知識推理基礎(chǔ)上，構(gòu)建了以多交叉口狀態(tài)信息為條件屬性，以綠燈延長方式、綠燈延長相位和綠燈延長時(shí)間3個(gè)參數(shù)為決策屬性的多決策屬性模糊控制模型。運(yùn)用可辨識矩陣與屬性頻度的屬性約簡方法對模型進(jìn)行約簡，提取決策規(guī)則。實(shí)例分析表明：多交叉口主通道綠燈時(shí)間延長3～8 s能夠有效提高區(qū)域交通整體通行效能，同時(shí)延長時(shí)間不僅與過飽和狀態(tài)車輛最大排隊(duì)長度有關(guān)，還與綠燈延長方式、綠燈延長相位存在關(guān)聯(lián)，這與交警經(jīng)驗(yàn)總結(jié)的控制規(guī)律一致。

交通工程；交通控制；多交叉口；過飽和；粗糙集；決策規(guī)則

隨著我國社會經(jīng)濟(jì)的快速發(fā)展及城市化進(jìn)程的不斷加速，城市高度繁榮，但與此同時(shí)城市交通擁堵日益嚴(yán)峻，尤其是早晚高峰時(shí)期城區(qū)常出現(xiàn)大規(guī)模交通“癱瘓”。近年來全國城市汽車保有量年均增長15%～20%，有的城市更高達(dá)30%，而在有限的城市空間下道路供給資源增長緩慢，交通供需矛盾日益突出。

交叉口信號控制是通過信號相位對交叉口有限通行資源進(jìn)行時(shí)間分配，但如果交叉口流量超過通行能力，則傳統(tǒng)的信號控制方法效果不理想，此時(shí)交叉口處于過飽和狀態(tài)。當(dāng)區(qū)域內(nèi)多個(gè)交叉口均處于過飽和狀態(tài)，則該區(qū)域?qū)儆诙嘟徊婵谶^飽和。已有研究表明，過飽和多交叉口信號控制與非飽和狀態(tài)相比，在控制目標(biāo)排序、多控制目標(biāo)的優(yōu)化協(xié)調(diào)、協(xié)調(diào)方式的動態(tài)變化等有其自身的特點(diǎn)，且常出現(xiàn)車流回溢或相鄰車道阻塞導(dǎo)致通行能力降低等現(xiàn)象［1?2］。過飽和交叉口的識別可通過高分辨率的交叉口信號數(shù)據(jù)［3］，主要以最小化交叉口車輛排隊(duì)長度、均衡路網(wǎng)排隊(duì)長度或交叉口總交通通行量最大為過飽和交叉口信號控制目標(biāo)［4?6］?？刂颇Ｐ团c算法主要有基于交通波理論建立的單交叉口過飽和協(xié)調(diào)控制模型［7］、離散時(shí)間切換系統(tǒng)模型［8］、散波理論與模糊控制相結(jié)合的動態(tài)相位組合算法［9］。但也有部分研究認(rèn)為過飽和單交叉口更適合采用多時(shí)段定時(shí)控制或交警人工指揮效果比信號控制更好［10?11］。在過飽和多交叉口方面TONG等［12］以車輛延誤最小為目標(biāo)函數(shù)，構(gòu)建了過飽和交叉口群隨機(jī)規(guī)劃模型。雷磊等［13］基于系統(tǒng)工程視角，建立了過飽和的交叉口群控制模型，并設(shè)計(jì)了該模型的求解算法，實(shí)現(xiàn)了交通系統(tǒng)的最優(yōu)控制。SUN等［14］設(shè)計(jì)了針對過飽和交叉口群的簡化型連續(xù)流交叉口方案，實(shí)例分析結(jié)果表明該方案有90%的概率提升交叉口通行效率。粗糙集是由波蘭數(shù)學(xué)家Z．Pawlak于1982年提出，能夠利用不太完整、不太準(zhǔn)確的信息，找到適合決策判斷的規(guī)則，從而進(jìn)行人工智能決策。雖然發(fā)展歷史較短，但無論在理論研究還是智能控制、數(shù)據(jù)挖掘、故障診斷和電力負(fù)荷等都取得了豐碩的成果［15］。粗糙集在交通領(lǐng)域的應(yīng)用還處于起步發(fā)展階段，目前主要體現(xiàn)在區(qū)域路網(wǎng)交通信息的提取、交通流擁堵狀態(tài)的識別、客運(yùn)量預(yù)測等方面［16?18］。

已有成果中大多針對交叉口非飽和交通流狀態(tài)展開，對于飽和與過飽和狀態(tài)下的交叉口信號控制研究較少，涉及區(qū)域過飽和多交叉口的研究成果更為有限，尚未將模糊控制的方法運(yùn)用于過飽和多交叉口控制中。本文將研究對象拓展為過飽和多交叉口，根據(jù)其交通流特性，從區(qū)域交通出行OD期望線角度提出了過飽和主通道控制策略，通過多交叉口信號協(xié)同控制實(shí)現(xiàn)區(qū)域大容量快速通道，提高區(qū)域交通整體通行效能。并基于粗糙集理論，構(gòu)建以過飽和交叉口數(shù)量、主通道方向車輛最大排隊(duì)長度、次通道方向車輛最大排隊(duì)長度等為條件屬性，以綠燈延長方式、綠燈延長相位和綠燈延長時(shí)間為決策屬性的過飽和多交叉口模糊控制模型。

1 粗糙集的基本理論

粗糙集的核心思想是通過尋找等價(jià)關(guān)系劃分論域，假定一個(gè)等價(jià)關(guān)系R，論域U中所有元素可以通過R被分類，從而實(shí)現(xiàn)對不可定義的子集近似分類。

1．1 知識與等價(jià)類

粗糙集中的知識是將對象進(jìn)行分類的能力，知識越豐富，對象被劃分的更加精細(xì)。假定一個(gè)知識系統(tǒng)為S＝｛U，A，V，f｝，U為論域，即對象的有限非空集合；A為知識屬性的有限非空集合，A＝C∪D，C∩D＝?，C為條件屬性集，D為決策屬性集；V為知識屬性a∈A的值域；f為對象論域U到知識屬性值域V的單映射；同時(shí)，一個(gè)粗糙集知識系統(tǒng)對應(yīng)一個(gè)粗糙集近似空間Apr＝（U，R）。而決策表是具有U、A、V、f四元組的知識表達(dá)系統(tǒng)［19］。

對于知識屬性A的任一子集B，存在一個(gè)不可分辨的二元關(guān)系R（B）。

通過不可分辨關(guān)系R（B）可以將知識系統(tǒng)論域U劃分為i個(gè)互不相交的等價(jià)類U／R＝｛X1，X2，…，Xi｝。

1．2 上近似集與下近似集

假設(shè)R將論域U劃分為若干個(gè)基本等價(jià)類，X為U的一個(gè)子集，x為U的一個(gè)對象。如果X可以由基本等價(jià)類的并集表示，則X稱為U中的精確集。反之，X只有通過近似的方式來表示，稱為U中的粗糙集。任何一個(gè)不確定集X都可以通過2個(gè)精確集（下近似集和上近似集）來刻畫。

圖1 上近似集與下近似集關(guān)系圖Fig．1 Relation of upper approximation set and lower approximation set

1．3 屬性約簡

屬性約簡是粗糙集具體應(yīng)用的重要步驟，如果知識系統(tǒng)S中，知識屬性元素a為不必要屬性的充要條件是U／C＝U／（C－｛a｝）。反之，如果U／C≠U／（C－｛a｝），則a為必要屬性。因此，粗糙集中的一個(gè)屬性約簡P滿足：

所有約簡P構(gòu)成的集合為red（P），而P中所有必要關(guān)系組成的集合為P的核，記為：Core（P）。屬性約簡剔除了條件屬性中的不必要屬性，又保證了知識系統(tǒng)分類與決策能力不受影響，其中核是所有屬性約簡的基礎(chǔ)，是知識中最重要部分特征集合，在約簡中不能被刪除。

2 協(xié)同優(yōu)化模型

2．1 通道劃分

過飽和多交叉協(xié)同優(yōu)化模型是通過延長區(qū)域某方向綠燈相位時(shí)長以打通城市交通出行重要主通道，減少也已經(jīng)飽和的次通道綠燈相位時(shí)長的控制策略。其中，主通道方向是整個(gè)城市交通出行主要OD期望線在該區(qū)域的通過方向，具體計(jì)算可通過各交叉口進(jìn)口道交通流量進(jìn)行OD反推，次通道則為交叉口與主通道相交的其他進(jìn)口道方向。主通道控制策略是將交叉口時(shí)間資源向某一方向通行傾斜，從而激活區(qū)域交通關(guān)鍵方向通路，實(shí)現(xiàn)區(qū)域整體交通的暢通。主通道控制策略不同于干道綠波帶，綠波帶是從通行速度的角度對交叉口信號配時(shí)進(jìn)行優(yōu)化，而主通道策略是以區(qū)域交通整體效能（效率與能力）最大化為目標(biāo)進(jìn)行信號控制。

2．2 屬性選擇

模型以過飽和交叉口數(shù)量、各交叉口主次通道最大車輛排隊(duì)長度為條件屬性，分別以綠燈延長方式、綠燈延長相位和綠燈延長時(shí)間為決策屬性，從而構(gòu)建同一條件屬性不同決策屬性的3個(gè)決策表。模型不采用高峰時(shí)間交叉口各進(jìn)口道流量之和作為條件屬性，是考慮各交叉口進(jìn)口道通行能力不一致，如果單純以進(jìn)口道流量為條件屬性將導(dǎo)致信號控制失實(shí)。交叉口主、次通道最大車輛排隊(duì)長度分別如式（4）～（5）所示：

式中：區(qū)域內(nèi)過飽和交叉口總數(shù)量為N；qzni為第n個(gè)交叉口主通道方向紅燈時(shí)段內(nèi)第i個(gè)車道的車輛排隊(duì)長度，0≤i≤I；qcnj為第n個(gè)交叉口次通道方向紅燈時(shí)段內(nèi)第j個(gè)車道的車輛排隊(duì)長度，0≤j≤J。

決策屬性值的確定是以條件屬性值為基礎(chǔ)參數(shù)，以區(qū)域多交叉口總延誤最小為目標(biāo)函數(shù)，在Syn?chro平臺多次仿真比較從而確定的最優(yōu)值。所構(gòu)建的協(xié)同優(yōu)化控制模型重要作用在于從每一行條件屬性數(shù)據(jù)仿真得到一次最優(yōu)值的繁瑣計(jì)算或是交警人工經(jīng)驗(yàn)決策的基礎(chǔ)上，通過粗糙集工具提取抽象決策規(guī)則，從而為不同城市不同區(qū)域的多交叉口過飽和智能控制提供決策建議。

2．3 屬性值模糊化

為避免屬性值的連續(xù)性，將第n個(gè)交叉口主、次通道方向上最大排隊(duì)長度qzn和qcn的屬性值不再采用其實(shí)際排隊(duì)長度值，而是通過線性分布的隸屬函數(shù)進(jìn)行模糊化處理，在qzn和qcn的論域上定義7個(gè)模糊語言子集｛很短VS，短S，較短RS，一般M，較長RL，長L，很長VL｝，所對應(yīng)的屬性值為｛0，1，2，3，4，5，6｝。

分別將qzn和qcn的多組實(shí)際數(shù)據(jù)的最大值和最小值，按等步長離散為7級，記為和則qzn和qcn對屬于第k級的隸屬度計(jì)算方法如式（6）、（7）所示［20］，最大隸屬度所對應(yīng)的級別為qzn和qcn屬性值。式中：qzn為第n個(gè)交叉口主通道方向的實(shí)際最大排隊(duì)長度，qcn第n個(gè)交叉口次通道方向的實(shí)際最大排隊(duì)長度，為qzn屬于第k級的隸屬度，為qcn屬于第k級的隸屬度，為主通道方向第k級的上限值，為次通道方向第k級的上限值。

條件屬性中交叉口數(shù)量已經(jīng)為離散型數(shù)據(jù)，則以實(shí)際整數(shù)值為N的屬性值，如：區(qū)域內(nèi)過飽和交叉口數(shù)量為1，則N＝1。

決策屬性中綠燈延長方式W是指哪些交叉口主通道方向綠燈時(shí)間延長，根據(jù)區(qū)域交叉口交通控制實(shí)際情況，模型中綠燈延長方式定義為過飽和交叉口主通道方向綠燈時(shí)長延長和所有交叉口主通道方向綠燈時(shí)長都延長2種情況，屬性值分別對應(yīng)為W＝0，W＝1。綠燈延長相位E是指交叉口主通道方向哪些相位綠燈時(shí)間延長，定義綠燈延長相位取值E＝0，指主通道直行相位綠燈時(shí)間延長，次通道左轉(zhuǎn)相位綠燈時(shí)間減少；E＝1，指主通道直行和左轉(zhuǎn)相位綠燈時(shí)間都延長，次通道直行和左轉(zhuǎn)相位綠燈時(shí)間減少。綠燈延長時(shí)間G屬性值為延長時(shí)間的實(shí)際值。

2．4 決策表構(gòu)建與屬性約簡

2．4．1 決策表構(gòu)建

將條件屬性與決策屬性數(shù)據(jù)采集并進(jìn)行相應(yīng)模糊化處理，從而形成含有2N＋1個(gè)條件屬性、3個(gè)決策屬性的多交叉口過飽和優(yōu)化控制決策表，由于3個(gè)決策屬性無法同時(shí)約簡，需要一一約簡，實(shí)則相當(dāng)于3個(gè)決策表。

2．4．2 基于可辨識矩陣與屬性頻度的屬性約簡

假設(shè)1個(gè)決策表T＝（U，C∪D），｜U｜＝n，決策表T所對應(yīng)的可辨識矩陣為M＝（Cij）n×n，其中：并且從條件屬性集合C中刪除B中元素，C＝C－B。

5）計(jì)算條件屬性集合C中剩余的所有元素在可辨識矩陣M中出現(xiàn)的次數(shù)p（c），將最大次數(shù)所對應(yīng)的元素添加入約簡屬性集合B中，B＝B＋cq，p（cq）＝max｛p（c）｝。

6）如果M＝?，則輸出約簡集合B；否則，返回3）。

2．4．3 規(guī)則提取

根據(jù)約簡集合B中的條件屬性元素構(gòu)成及所

可辨識矩陣是關(guān)于對角線對稱的矩陣，且對角線元素均為0。當(dāng)論域U中的2個(gè)元素xi和xj所對應(yīng)的決策屬性值相同時(shí)，可辨識矩陣中元素取0；反之，可辨識矩陣中元素取值為二者條件屬性中的不同值。同時(shí)，通過條件屬性a在可辨識矩陣M出現(xiàn)的次數(shù)p（a）以表征屬性a的重要程度，p（a）＝SGF（a，R，D）。

基于可辨識矩陣與屬性頻度的屬性約簡的算法思想是將決策表轉(zhuǎn)化為可辨識矩陣，以獲得所有非核條件屬性在可辨識矩陣出現(xiàn)的次數(shù)，從而將次數(shù)最大的非核條件屬性納入約簡集合中，刪除包含該屬性的所有屬性組合［21?22］。具體算法步驟如下：

1）如果決策表中的條件屬性值與決策屬性值存在連續(xù)變量，則進(jìn)行離散化處理。屬性約簡集合B＝?，Core＝?。

2）根據(jù)決策表與式（8）生成可辨識矩陣M。

3）找出可辨識矩陣的核集合Core（屬性組合數(shù)為1），并更新約簡集合B＝Core。

4）刪除可辨識矩陣中與B交集不為空的元素，對應(yīng)的決策屬性，提取多交叉口過飽和優(yōu)化控制決策規(guī)則。

2．5 評價(jià)指標(biāo)計(jì)算

規(guī)則提取后的評價(jià)指標(biāo)計(jì)算是檢驗(yàn)規(guī)則準(zhǔn)確、信息涵蓋量的重要依據(jù)，采用規(guī)則支持度、精確度和覆蓋度3個(gè)指標(biāo)進(jìn)行衡量。具體指標(biāo)為［20］

式中：｜·｜表示集合中的元素個(gè)數(shù)，該元素是指論域中的數(shù)據(jù)項(xiàng)即決策表中的一行。將評價(jià)指標(biāo)中精度低于50%的規(guī)則剔除，以保證規(guī)則的有效性。

3 實(shí)例分析

以重慶市江北區(qū)新南路4個(gè)連續(xù)交叉口為實(shí)例分析對象，新南路位于重慶市北環(huán)高速以南，是貫穿江北區(qū)東西方向的重要主干道，周邊分布有大型住宅、商業(yè)和辦公等多種業(yè)態(tài)。其中，交叉口4為新南路與星光大道交叉口，星光大道是江北區(qū)南北方向主干道，早晚高峰時(shí)期，新南路該4個(gè)交叉口均處于過飽和狀態(tài)。交叉口的地理分布如圖2所示，Syn?chro軟件中仿真圖如圖3所示，由于重慶市江北區(qū)主要交通出行OD期望線為東西方向，因此確定新南路為主通道方向，與之垂直的各道路方向?yàn)榇瓮ǖ婪较颉?/p>

圖2 重慶市江北區(qū)新南路4個(gè)交叉口地理分布Fig．2 Geographical distribution of four intersections in Xinnan road，Jiangbei district，Chongqing

圖3 新南路交叉口仿真建模Fig．3 Simulation modeling of Xinnan road intersec?tions

通過多天晚高峰交叉口實(shí)際數(shù)據(jù)連續(xù)調(diào)查，并根據(jù)式（4）～（7）得到4個(gè)交叉口過飽和優(yōu)化控制的10種情景條件屬性值。將各種情景中的交叉口進(jìn)口道流量數(shù)據(jù)輸入Synchro仿真軟件，優(yōu)化得出信號配時(shí)方案。人工多次實(shí)驗(yàn)調(diào)整交叉口主通道方向綠燈延長方式、綠燈延長相位及綠燈延長時(shí)間，當(dāng)總延誤時(shí)長指標(biāo)最優(yōu)時(shí)，該次實(shí)驗(yàn)參數(shù)值即為決策屬性值，具體決策表如表1所示。

表1 多交叉口過飽和優(yōu)化控制決策表Table 1 Optimization control decision of oversaturated multi?intersection

以W為決策屬性，根據(jù)決策表約簡算法，得到約簡集合為｛qz2，qz3，qz4｝。將相同決策規(guī)則合并，并通過式（9）～（11）計(jì)算各決策規(guī)則評價(jià)指標(biāo)值如表2所示。

表2 以W為決策屬性的決策表約簡結(jié)果Table 2 Reduction result of decision table on W as decision attribute

同理，以E為決策屬性，得到約簡集合為｛qz1，qz4｝。將相同決策規(guī)則合并，最終約簡結(jié)果如表3所示。

表3 以E為決策屬性的決策表約簡結(jié)果Table 3 Reduction result of decision table on E as decision attribute

以G為決策屬性，得到約簡集合為｛qc1，qz3，qz4｝。將相同決策規(guī)則合并，最終約簡結(jié)果如表4所示。

表4 以G為決策屬性的決策表約簡結(jié)果Table 4 Reduction result of decision table on G as decision attribute

根據(jù)3組決策表約簡結(jié)果提取得出4個(gè)過飽和交叉口的模糊控制決策規(guī)則如表5所示。

表5 模糊控制決策規(guī)則Table 5 Fuzzy control decision rules

對表5的模糊決策規(guī)則進(jìn)行分析討論：1）當(dāng)交叉口1、2、3主通道方向排隊(duì)長度級別為一般（M）以上時(shí)，交叉口綠燈信號延長的方式可以從僅過飽和交叉口主通道方向綠燈時(shí)間延長擴(kuò)展到與過飽和交叉口相鄰的其它交叉口相同方向綠燈時(shí)間也相應(yīng)延長；綠燈延長相位也可從延長主通道直行相位綠燈時(shí)間、減少次通道左轉(zhuǎn)相位綠燈時(shí)間擴(kuò)展到主通道直行與左轉(zhuǎn)相位綠燈時(shí)間都延長、次通道直行和左轉(zhuǎn)相位綠燈時(shí)間減少的控制策略，這進(jìn)一步豐富和完善了文獻(xiàn)［10］的研究結(jié)論。2）交叉口主通道方向綠燈時(shí)間延長的具體數(shù)值在3～8 s為宜，具體數(shù)值與飽和度最高的交叉口3、4主通道方向排隊(duì)長度緊密相關(guān)，也與交叉口1的次通道方向排隊(duì)長度有直接關(guān)系。同時(shí)，綠燈延長時(shí)間還與綠燈延長方式、綠燈延長相位2個(gè)決策屬性存在關(guān)聯(lián)性，表現(xiàn)為W、E為0時(shí)，綠燈相位延長時(shí)間較短，W、E為1時(shí)，綠燈相位延長時(shí)間較長；交叉口主通道方向排隊(duì)長度越長，綠燈相位延長時(shí)間越長的模糊控制規(guī)律。

4 結(jié)束語

過飽和多交叉口協(xié)同優(yōu)化模型具有信息量大、復(fù)雜性高和隨機(jī)性強(qiáng)等特點(diǎn)，傳統(tǒng)確定性優(yōu)化模型效果有限。雖然國內(nèi)外近年來運(yùn)用模糊控制方法對單個(gè)過飽和交叉口進(jìn)行了大量研究，但過飽和多交叉口智能信號控制不是簡單的單個(gè)模糊控制模型疊加，應(yīng)從區(qū)域過飽和多交叉口系統(tǒng)協(xié)同優(yōu)化角度研究。本文在分析過飽和多交叉口智能控制特點(diǎn)的基礎(chǔ)上，提出了主通道控制策略以實(shí)現(xiàn)過飽和多交叉口間決策關(guān)聯(lián)，從而提高區(qū)域整體通行效能。并根據(jù)區(qū)域交叉口控制的實(shí)際情況構(gòu)建以過飽和交叉口數(shù)量、主次通道排隊(duì)長度為條件屬性，以綠燈延長方式、綠燈延長相位和綠燈延長時(shí)間為決策屬性的粗糙集模糊控制模型，運(yùn)用可辨識矩陣與屬性頻度的屬性約簡方法分別以相同條件屬性、不同決策屬性對3組粗糙集進(jìn)行約簡，提取決策規(guī)則并計(jì)算評價(jià)指標(biāo)。

根據(jù)重慶市新南路4個(gè)過飽和交叉口的實(shí)例分析，總結(jié)了過飽和多交叉口控制的基本規(guī)律，研究結(jié)論不僅可以為交警在早晚高峰時(shí)期區(qū)域大面積過飽和交通狀態(tài)下指揮交通提供決策參考，也可為大城市高峰時(shí)期區(qū)域交通協(xié)同聯(lián)動控制提供新的思路。但多決策屬性間的關(guān)聯(lián)性對粗糙集屬性約簡的影響及多決策屬性的一次性約簡算法還有待進(jìn)一步研究，決策屬性的具體取值還有改進(jìn)空間。

［1］CHEN Shuiyu，XU Hao，LIU Hongchao．Timing oversatu?rated signals：what can we learn from classic and state－ofthe－art signal control models［J］．Journal of Transportation Systems Engineering and Information Technology，2013，13（1）：97?110．

［2］李瑞敏．過飽和交叉口交通信號控制研究現(xiàn)狀與展望［J］．交通運(yùn)輸工程學(xué)報(bào)，2013，13（6）：119?126．LI Ruimin．Study status and prospect of traffic signal control for over?saturated intersection［J］．Journal of Traffic and Transportation Engineering，2013，13（6）：119?126．

［3］WU Xinkai，LIU H X，GETTMAN D．Identification of over?saturated intersections using high?resolution traffic signal da?ta［J］．Transportation Research Part C：Emerging Technolo?gies，2010，18（4）：626?638．

［4］ABOUDOLAS K，PAPAGEORGIOU M，KOUVELAS A，et al．A rolling?horizon quadratic?programming approach to the signal control problem in large?scale congested urban road networks［J］．Transportation Research Part C：Emerging Technologies，2010，18（5）：680?694．

［5］李巖，趙志宏，李鵬飛，等．過飽和狀態(tài)交通信號控制方法綜述［J］．交通運(yùn)輸工程學(xué)報(bào)，2013，13（4）：116?126．LI Yan，ZHAO Zhihong，LI Pengfei，et al．Review of traffic signal control methods under over?saturated conditions［J］．Journal of Traffic and Transportation Engineering，2013，13（4）：116?126．

［6］LIU Hongchao，BALKE K N，LIN Weihua．A reverse caus?al?effect modeling approach for signal control of an oversatu?rated intersection［J］．Transportation Research Part C：E?merging Technologies，2008，16（6）：742?754．

［7］WU Aoxiang，QI Liqun，YANG Xiaoguang．Mechanism a?nalysis and optimization of signalized intersection coordina?ted control under oversaturated status［J］．Procedia?Social and Behavioral Sciences，2013，96：1433?1442．

［8］向偉銘，肖建，蔣陽升．基于切換系統(tǒng)的過飽和信號交叉口混雜控制［J］．交通運(yùn)輸系統(tǒng)工程與信息，2014，14（2）：57?61．XIANG Weiming，XIAO Jian，JIANG Yangsheng．Hybrid control for over?saturated signalized intersection based on switched system［J］．Journal of Transportation Systems Engi?neering and Information Technology，2014，14（2）：57?61．

［9］陳智，劉小明，劉文婷，等．過飽和交叉口交通信號模糊關(guān)聯(lián)控制方法［J］．信息與技術(shù)，2014，43（3）：374?380．CHEN Zhi，LIU Xiaoming，LIU Wenting，et al．Intercon?nected control of traffic signals at oversaturated intersections using fuzzy control method［J］．Information and Control，2014，43（3）：374?380．

［10］楊立才，賈磊，趙建玉，等．基于粗集理論的交通控制系統(tǒng)研究［J］．中國公路學(xué)報(bào)，2005，18（2）：79?83．YANG Licai，JIA Lei，ZHAO Jianyu，et al．Study of traf?fic control systems based on rough sets theory［J］．China Journal of Highway and Transport，2005，18（2）：79?83．

［11］于泉，榮建．基于模糊邏輯的過飽和交叉口定周期配時(shí)方案優(yōu)化［J］．北京工業(yè)大學(xué)學(xué)報(bào)，2007，33（11）：1173?1176．YU Quan，RONG Jian．Fixed timing plan optimization for oversaturated intersection based on fuzzy logic［J］．Journal of Beijing University of Technology，2007，33（11）：1173?1176．

［12］TONG Yue，ZHAO Lei，LI Li，et al．Stochastic program?ming model for oversaturated intersection signal timing［J］．Transportation Research Part C：Emerging Technologies，2015，58，474?486．

［13］雷磊，吳洋，劉昱崗．過飽和交叉口群系統(tǒng)建模及優(yōu)化模型［J］．計(jì)算機(jī)工程與應(yīng)用，2010，46（4）：26?28．LEI Lei，WU Yang，LIU Yugang．System modeling and optimization model of oversaturated intersection group［J］．Computer Engineering and Applications，2010，46（4）：26?28．

［14］SUN Weili，WU Xinkai，WANG Yunping，et al．A contin?uous?flow?intersection?lite design and traffic control for oversaturated bottleneck intersections［J］．Transportation Research Part C：Emerging Technologies，2015，56：18?33．

［15］PAI Pingfeng，CHEN Taichi．Rough set theory with dis?criminant analysis in analyzing electricity loads［J］．Expert Systems with Applications，2009，36（5）：8799?8806．

［16］戢曉峰，劉瀾，吳其剛．區(qū)域路網(wǎng)交通信息提取方法［J］．西南交通大學(xué)學(xué)報(bào)，2008，43（3）：422?426．JI Xiaofeng，LIU Lan，WU Qigang．Extraction method for traffic information of regional road network［J］．Journal of Southwest Jiaotong University，2008，43（3）：422?426．

［17］蒲世林，李瑞敏，史其信．基于粗糙集?模糊識別技術(shù)的交通流狀態(tài)識別算法研究［J］．武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，2010，34（6）：1154?1158．PU Shilin，LI Ruimin，SHI Qixin．Study on auto?identifi?cation algorithm of traffic flow state based on rough set and fuzzy theory［J］．Journal of Wuhan University of Technolo?gy：Transportation Science＆Engineering，2010，34（6）：1154?1158．

［18］陳堅(jiān)，霍婭敏，傅志妍，等．基于粗糙集的公路客運(yùn)量預(yù)測［J］．重慶交通大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，28（6）：1071?1074．CHEN Jian，HUO Yamin，F(xiàn)U Zhiyan，et al．Forecast of highway passenger transport volume based on rough set the?ory［J］．Journal of Chongqing Jiaotong University：Natural Science，2009，28（6）：1071?1074．

［19］王國胤，姚一豫，于洪．粗糙集理論與應(yīng)用研究綜述［J］．計(jì)算機(jī)學(xué)報(bào)，2009，32（7）：1229?1246． WANG Guoyin，YAO Yiyu，YU Hong．A survey on rough set theory and applications［J］．Chinese Journal of Comput?ers，2009，32（7）：1229?1246．

［20］霍婭敏，陳堅(jiān)，李嘯虎，等．城市建設(shè)項(xiàng)目交通影響后評價(jià)模型［J］．交通運(yùn)輸工程學(xué)報(bào)，2012，12（1）：79?86．HUO Yamin，CHEN Jian，LI Xiaohu，et al．Traffic impact post?evaluation model of urban construction project［J］．Journal of Traffic and Transportation Engineering，2012，12（1）：79?86．

［21］任小康，吳尚智，馬如云．基于可辨識矩陣的屬性頻率約簡算法［J］．蘭州大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，43（1）：138?140．REN Xiaokang，WU Shangzhi，MA Ruyun．An algorithm of attribute frequency reduction based on discernibility ma?trix［J］．Journal of Lanzhou University：Natural Science，2007，43（1）：138?140．

［22］歐芳芳，馬曉輝，馬利芳，等．基于改進(jìn)屬性頻度的屬性約簡算法［J］．電力科學(xué)與工程，2009，25（5）：60?63．OU Fangfang，MA Xiaohui，MA Lifang，et al．One im?proved algorithm of attribute reduction based on frequency of attributes［J］．Electric Power Science and Engineering，2009，25（5）：60?63．

Collaborative optimization model for oversaturated multiple intersections based on the rough set theory

CHEN Jian1，2，CHEN Jian3，SHAO Yiming1，2，DENG Tianmin1，2

（1．Chongqing Key Lab of Traffic System＆Safety in Mountain Cities，Chongqing Jiaotong University，Chongqing 400074，China；2．School of Traffic and Transportation，Chongqing Jiaotong University，Chongqing 400074，China；3．China Railway Eryuan Engineer?ing Group Co．，Ltd，Chengdu 610031，China）

To solve the defect that the existing fuzzy intelligent control method is only suitable for a single intersec?tion under unsaturated state，and to meet the need of coordination control of regional traffic for oversaturated multi?ple intersections，an optimization control strategy for main channel at peak time was proposed．The fuzzy control model with multiple decision attributes was established on the basis of knowledge reasoning in rough sets theory．It took multiple intersections state information as condition attributes，and the elongation mode，phase，and green light timing，as decision attributes．The methods of attribute reduction of the discernibility matrix and the frequency of attribute were used in the model，then some decision rules were extracted．The results show that the efficiency of regional traffic was improved via 3?8 more seconds of green light signal at the main channel．In addition，the exten?sion time is not only related to the maximum queue length of vehicles under oversaturated vehicle conditions，but also the extension mode and phase of green light，which is consistent with the experience of traffic police．

traffic engineering；traffic control；multiple intersections；oversaturated；rough set theory；decision rule

陳堅(jiān)，男，1985年生，副教授，主要研究方向?yàn)榻煌ㄐ袨槔碚撆c實(shí)證、運(yùn)輸系統(tǒng)分析與決策。曾獲四川省科技進(jìn)步三等獎1項(xiàng)，廣西發(fā)改委優(yōu)秀成果二等獎1項(xiàng)，發(fā)表學(xué)術(shù)論文30余篇，其中被EI檢索11篇。

陳健，男，1976年生，高級工程師，主要研究方向?yàn)橹悄芙煌?、交通?guī)劃。參加各類項(xiàng)目100余項(xiàng)，擔(dān)任近50余個(gè)項(xiàng)目專業(yè)設(shè)計(jì)負(fù)責(zé)人，獲得四川省及集團(tuán)公司優(yōu)秀工程咨詢一等獎1項(xiàng)、二等獎2項(xiàng)、三等獎5項(xiàng)。

邵毅明，男，1955年生，教授，博士生導(dǎo)師，主要研究方向?yàn)榈缆方煌ò踩?、智能交通。曾獲上海市科技進(jìn)步一等獎1項(xiàng)，重慶市科技進(jìn)步二等獎1項(xiàng)、三等獎2項(xiàng)，重慶市政府發(fā)展貢獻(xiàn)三等獎1項(xiàng)，中國智能交通協(xié)會科學(xué)技術(shù)三等獎1項(xiàng)，發(fā)表學(xué)術(shù)論文100余篇。

U491．54

A

1673?4785（2015）05?0783?07

10．11992／tis．201406045

http：／／www．cnki．net／kcms／detail／23．1538．tp．201509030．1456．002．html

陳堅(jiān)，陳健，邵毅明，等．粗糙集的過飽和多交叉口協(xié)同優(yōu)化模型［J］．智能系統(tǒng)學(xué)報(bào)，2015，10（5）：783?789．

英文引用格式：CHEN Jian，CHEN Jian，SHAO Yiming，et al．Collaborative optimization model for oversaturated multiple inter?sections based on the rough set theory［J］．CAAI Transactions on Intelligent Systems，2015，10（5）：783?789．

2014?06?22．

日期：2015?09?30．

科技部“863”計(jì)劃資助項(xiàng)目（2011AA110306）；國家自然科學(xué)基金資助項(xiàng)目（51308569）；中國中鐵二院工程集團(tuán)有限責(zé)任公司科研資助項(xiàng)目（2014?50）．

邵毅明．E?mail：sym＠cqjtu．edu．cn．