潘 濤，盧明宇

(1.安徽三聯(lián)交通應(yīng)用技術(shù)股份有限公司，合肥 230601；2.安徽三聯(lián)學(xué)院 交通工程學(xué)院，合肥 230601)

0 引言

隨著經(jīng)濟(jì)的發(fā)展，汽車數(shù)量急速增長，交通擁堵成為普遍現(xiàn)象。傳統(tǒng)的紅綠燈和導(dǎo)向車道不能很好地緩解交通擁堵，致使汽車尾氣排放量增加，造成環(huán)境污染。

在交通流預(yù)測(cè)方面，BrianL Smith和MichaleJ Demetsky對(duì)比了交通流預(yù)測(cè)的歷史平均、時(shí)間序列和非參數(shù)回歸模型；Lee S等使用實(shí)際數(shù)據(jù)實(shí)驗(yàn)和對(duì)比分析了多元回歸、ARIMA、神經(jīng)網(wǎng)絡(luò)、卡爾曼濾波四種短時(shí)交通預(yù)測(cè)方法[1]；史其信、鄭為中對(duì)四種不同的道路網(wǎng)短時(shí)交通流預(yù)測(cè)方法進(jìn)行了比較。英國運(yùn)輸與道路實(shí)驗(yàn)室(TRRL)成功開發(fā)出TRANSYT(Traffio Network Study Tools)交通控制系統(tǒng)后，又在TRANSYT的基礎(chǔ)上開發(fā)了SE00T系統(tǒng)；澳洲科學(xué)家研究出了實(shí)時(shí)交通配合方案，即有選擇、階段性地進(jìn)行交通系統(tǒng)調(diào)整和控制的SCATM系統(tǒng)[2]。這些控制系統(tǒng)在歐美發(fā)達(dá)國家的道路網(wǎng)絡(luò)中得到了廣泛的應(yīng)用。

僅依靠對(duì)交通流的預(yù)測(cè)并不能解決交通擁堵、道路時(shí)空利用率低的問題，而應(yīng)以科學(xué)化、智能化的手段進(jìn)行調(diào)配，提高通行效率，對(duì)緩解城市交通擁堵、減少資源浪費(fèi)有著巨大的現(xiàn)實(shí)意義[3]。因此本研究基于車流量設(shè)計(jì)了信號(hào)燈及車道數(shù)智能調(diào)節(jié)系統(tǒng)，擬解決上述問題。

1 數(shù)據(jù)收集及算法

1.1 數(shù)據(jù)收集

運(yùn)用紅外傳感器對(duì)城市道路各流向交通流進(jìn)行檢測(cè)，得到路口各流向車流量，將獲得的交通流數(shù)據(jù)運(yùn)用BP神經(jīng)網(wǎng)絡(luò)和自適應(yīng)網(wǎng)絡(luò)組成的模糊神經(jīng)推理系統(tǒng)進(jìn)行處理，利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力對(duì)所獲得的每個(gè)周期參數(shù)進(jìn)行計(jì)算，使計(jì)算的結(jié)果不斷優(yōu)化，快速得到最優(yōu)解，從而獲得短時(shí)交通流預(yù)測(cè)結(jié)果。通過對(duì)合肥市金寨路與湯口路交叉路口交通流量進(jìn)行調(diào)研，獲得車流量數(shù)據(jù)如圖1至圖4所示。

圖1 湯口路西進(jìn)口車流量數(shù)據(jù)

圖2 湯口路東進(jìn)口車流量數(shù)據(jù)

圖3 金寨路北進(jìn)口車流量數(shù)據(jù)

圖4 金寨路南進(jìn)口車流量數(shù)據(jù)

1.2 BP神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)算法作為一種模擬人腦神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型，其本質(zhì)是反映輸入如何轉(zhuǎn)化為輸出的一種數(shù)學(xué)表達(dá)式，而數(shù)學(xué)表達(dá)式取決于由具體的問題和數(shù)據(jù)訓(xùn)練及設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)算法具有并行計(jì)算能力、非線性全局作用、聯(lián)想記憶能力、容錯(cuò)能力、強(qiáng)大的自適應(yīng)和學(xué)習(xí)能力等特點(diǎn)，它的基本處理單元和人腦神經(jīng)一致，即神經(jīng)元，一般是一個(gè)具有多輸入、單輸出的非線性單元[4]，因此，其構(gòu)成包括輸入?yún)^(qū)、處理區(qū)以及輸出區(qū)。神經(jīng)網(wǎng)絡(luò)算法應(yīng)用最為廣泛的算法模型為BP神經(jīng)網(wǎng)絡(luò)算法(多層前饋網(wǎng)絡(luò)的誤差反向傳播算法)，模型主要結(jié)構(gòu)是分層網(wǎng)絡(luò)，即將神經(jīng)網(wǎng)絡(luò)分為輸入層、隱含層和輸出層。其中，輸入層的作用是接收外部信號(hào)，并將接收的外部信號(hào)通過層與層之間的神經(jīng)元傳遞至中間層，而隱含層是神經(jīng)網(wǎng)絡(luò)的內(nèi)部處理單元，根據(jù)處理問題的不同，隱含層可以有多層，也可以沒有多層。系統(tǒng)的輸入變量和輸出變量個(gè)數(shù)主要由神經(jīng)網(wǎng)絡(luò)輸入和輸出的節(jié)點(diǎn)數(shù)體現(xiàn)，輸入變量和輸出變量越多，節(jié)點(diǎn)數(shù)越多。需要說明的是，在BP神經(jīng)網(wǎng)絡(luò)的每一層中都有獨(dú)立的神經(jīng)元數(shù)、權(quán)重值、偏差和激活函數(shù)，層與層互不影響。BP神經(jīng)網(wǎng)絡(luò)模型見圖5。

圖5 BP神經(jīng)網(wǎng)絡(luò)模型

將收集到的數(shù)據(jù)通過BP神經(jīng)網(wǎng)絡(luò)算法對(duì)交通流進(jìn)行預(yù)測(cè)，依據(jù)預(yù)測(cè)的交通流，對(duì)車道的屬性進(jìn)行改變。車道的屬性改變后車道數(shù)也會(huì)發(fā)生相應(yīng)的改變，運(yùn)用改變后的車道數(shù)結(jié)合改進(jìn)后的韋伯斯特模型對(duì)交通信號(hào)燈配時(shí)進(jìn)行優(yōu)化。

2 模型建立

基于以上設(shè)計(jì)方案，利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)4個(gè)方向直行、左轉(zhuǎn)的交通流，建立基于改變車道直行、左轉(zhuǎn)方式的韋伯斯特模型，其主要實(shí)現(xiàn)方式如下。

(a)假設(shè)根據(jù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)4個(gè)方向直行與左轉(zhuǎn)的交通流分別為q1，q2，q3，q4，q5，q6，q7，q8，且選擇其中對(duì)向車道中的較大交通流分別為qi，qj，qk，ql，其中qi，qj分別代表南北直行、左轉(zhuǎn)方向上主要的交通流；qk，ql分別代表東西直行、左轉(zhuǎn)方向上主要的交通流。

(b)確定交通流后，因相同車流方向的交通流在某一路段內(nèi)的交通量變化不大，所以使用雙向車道同步改變車道指示方向的方式，即分為a1南北對(duì)向直行、a2南北對(duì)向左轉(zhuǎn)、a3東西對(duì)向直行、a4東西對(duì)向左轉(zhuǎn)這4種變換方式來對(duì)車輛的道路通行權(quán)進(jìn)行重新劃分。變換狀態(tài)后的車道使用韋伯斯特模型來對(duì)其進(jìn)行信號(hào)燈相位配時(shí)。

設(shè)南、北、東、西車道總數(shù)分別為n1，n2，n3，n4，每個(gè)進(jìn)口道處設(shè)置一條可變車道。南進(jìn)口直行車道數(shù)為nz1，南進(jìn)口左轉(zhuǎn)車道數(shù)為nz2；北進(jìn)口直行車道數(shù)為nz3，北進(jìn)口左轉(zhuǎn)車道數(shù)為nz4；東進(jìn)口直行車道數(shù)為nz5，東進(jìn)口左轉(zhuǎn)車道數(shù)為nz6；西進(jìn)口直行車道數(shù)為nz7，西進(jìn)口左轉(zhuǎn)車道數(shù)為nz8。

將每個(gè)方向的可變車道直行、左轉(zhuǎn)狀態(tài)分別用wi=0或1來表示，則車道轉(zhuǎn)換方式可表示為：

(1)

(2)

經(jīng)過實(shí)地調(diào)研后得出該路口每相位每輛車的停車延誤與啟動(dòng)延誤為3 s?？捎?jì)算出每種不同組合狀態(tài)下的交叉路口信號(hào)燈優(yōu)化配時(shí)，又因?yàn)檐嚻饎?dòng)與停車延誤時(shí)間與黃燈時(shí)間相同，則各相位有效綠燈時(shí)間即為綠燈顯示時(shí)間。

反應(yīng)堆壓力容器本體螺孔材質(zhì)為16MND5，主要用于制作核電工程中蒸發(fā)器、穩(wěn)壓器、壓力容器及封頭、支撐部件。螺孔材質(zhì) 16MnD5力學(xué)性能：HB=200，Rm=550-670Mpa，Rp0.2≥400Mpa；螺栓材料為 40NCDV7-0.3力學(xué)性能：Rp0.2≥900Mpa,Rm=1000-1170Mpa，HB=302-375。從力學(xué)性能來看，螺栓材質(zhì)的硬度比法蘭螺紋的硬度（相差約100HB），螺栓在下旋過程中形成積屑瘤產(chǎn)生高溫并在螺紋之間產(chǎn)生塑性變形，使其硬度高于法蘭螺孔材質(zhì)的硬度，積屑瘤在螺栓與螺孔螺紋之間，隨著螺栓的旋入在法蘭螺紋螺牙上留下了溝痕，造成了螺紋損傷。

根據(jù)收集的數(shù)據(jù)，通過車道寬度校正、坡度及大車校正可以計(jì)算出南北、東西直行和左轉(zhuǎn)車道的飽和車流率分別為s1，s2，s3，s4，且把車輛到達(dá)進(jìn)入每個(gè)車道的概率當(dāng)成等可能事件，則車輛行駛在每條車道上的概率相同。

建立基于優(yōu)化車道后的信號(hào)燈優(yōu)化配時(shí)模型，可列如下4種情況。

(3)

(4)

(5)

(6)

以上公式中，q為交通流，n為車道數(shù)，w為車道狀態(tài)，s為飽和車流率，Y為交叉路口交通流率。

根據(jù)得到的每周期內(nèi)不同車流率的組合狀態(tài)，可以利用以下改進(jìn)的韋伯斯特算法進(jìn)行計(jì)算。

(7)

式中，c0為總周期，l為車輛延誤。

有效綠燈時(shí)間：c1=c0-l。

南北直行綠燈時(shí)間：

(8)

南北左轉(zhuǎn)綠燈時(shí)間：

(9)

東西直行綠燈時(shí)間：

(10)

東西左轉(zhuǎn)綠燈時(shí)間：

(11)

通過以上模型可以計(jì)算得到每個(gè)相位的信號(hào)燈優(yōu)化配時(shí)，這樣便可以與未經(jīng)優(yōu)化的信號(hào)燈周期配時(shí)進(jìn)行對(duì)比分析。

3 實(shí)例驗(yàn)證

以合肥市金寨路與湯口路的交叉路口為例對(duì)信號(hào)燈優(yōu)化配時(shí)進(jìn)行驗(yàn)證。其交叉路口簡(jiǎn)圖如圖6所示。

圖6 合肥市金寨路與湯口路交叉路口簡(jiǎn)圖

基于改變車道后信號(hào)燈配時(shí)的優(yōu)化圖如圖7所示。

圖7 信號(hào)燈優(yōu)化配時(shí)圖

經(jīng)計(jì)算得到，南北直行方向的平均絕對(duì)誤差(MAE)為11.184，10.923，均方誤差(MSE)為217.553，195.787；南北左轉(zhuǎn)方向的平均絕對(duì)誤差(MAE)為3.182，2.502，均方誤差(MSE)為13.673，9.741。通過對(duì)比可知，本設(shè)計(jì)比正在使用的線性、非線性或者單一預(yù)測(cè)的精度高，能夠較好地?cái)M合交通流的變化，為后期設(shè)置可變車道提供了較好的預(yù)測(cè)基礎(chǔ)，并為信號(hào)燈配時(shí)提供了理論基礎(chǔ)。

4 系統(tǒng)設(shè)計(jì)

4.1 設(shè)計(jì)流程

將高精度的BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到交通流預(yù)測(cè)中，通過預(yù)測(cè)的交通流在道路合適的位置設(shè)置檢測(cè)器檢測(cè)車流量，并通過設(shè)置導(dǎo)向信號(hào)燈來對(duì)車輛進(jìn)行合理的疏導(dǎo)，結(jié)合優(yōu)化過的信號(hào)燈配時(shí)，可較大程度緩解交通擁堵。設(shè)計(jì)流程圖見圖8。

圖8 設(shè)計(jì)流程圖

4.2 相位內(nèi)交通流分析

就上述的金寨路與湯口路交叉路口而言，通過對(duì)其道路進(jìn)行分析，將其分為以下三個(gè)相位，如圖9所示。

圖9 交叉路口相位圖

4.3 可變導(dǎo)向車道的選擇

設(shè)置可變導(dǎo)向車道在一定程度上可以緩解城市交通擁堵的問題[5]。其實(shí)現(xiàn)的方法是對(duì)所獲得的車流量數(shù)據(jù)進(jìn)行定量分析，再得出固定時(shí)段相應(yīng)的車道改變方案。通過對(duì)交通流的預(yù)測(cè)，結(jié)合延誤模型對(duì)比分析車道兩種屬性的延誤結(jié)果，并以此為改變車道屬性的變換條件，得到可變導(dǎo)向車道的最優(yōu)狀態(tài)。

4.4 可變導(dǎo)向車道與信號(hào)燈配時(shí)相結(jié)合的分析

結(jié)合以上分析，在道路中設(shè)置一條可變車道，當(dāng)車道屬性發(fā)生改變后對(duì)信號(hào)燈進(jìn)行重新配時(shí)?；诖?，提出如下方案。

選取交通信息中的交通量、占有率和飽和度等多個(gè)指標(biāo)，構(gòu)建短時(shí)交通狀態(tài)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，對(duì)后續(xù)時(shí)刻的交通狀態(tài)進(jìn)行預(yù)測(cè)，從而形成車道變換的預(yù)決策，為形成真正的車道實(shí)時(shí)變換決策作準(zhǔn)備。對(duì)設(shè)置可變車道的交叉路口進(jìn)行交通運(yùn)行仿真，分析左轉(zhuǎn)和直行車道交通擁堵狀態(tài)，并對(duì)可變車道轉(zhuǎn)變控制前后的交通延誤進(jìn)行對(duì)比，以轉(zhuǎn)變后交通總延誤減小為原則來定義車道變換的組合條件。

4.5 可變導(dǎo)向車道的控制與仿真實(shí)驗(yàn)

圖10為車均延誤結(jié)果比較，圖11為道路總延誤結(jié)果比較。

圖10 車均延誤結(jié)果比較

圖11 道路總延誤結(jié)果比較

圖11是在設(shè)置一條可變導(dǎo)向車道之后對(duì)南北進(jìn)口的延誤建立模型并計(jì)算出的相應(yīng)的延誤，即利用改進(jìn)后的韋伯斯特模型計(jì)算相關(guān)變量，再通過延誤公式計(jì)算結(jié)果作出該圖。由該圖可知，在一定情況下可以實(shí)現(xiàn)可變車道的轉(zhuǎn)換，且通過可變車道最佳狀態(tài)的設(shè)置，該交叉路口的車輛延誤得到一定程度的減少。

5 結(jié)論

遵循傳統(tǒng)的道路交叉口渠化原則，將可變導(dǎo)向車道和常規(guī)車道組合設(shè)置在城市干道，支持常規(guī)的交通控制設(shè)施和信號(hào)控制技術(shù)，在可變導(dǎo)向車道行駛方向標(biāo)識(shí)的協(xié)同作用下，根據(jù)車輛通行情況自動(dòng)調(diào)整可變導(dǎo)向車道的規(guī)定行車方向。機(jī)動(dòng)車通行高峰時(shí)段的仿真實(shí)驗(yàn)結(jié)果顯示，與動(dòng)態(tài)連續(xù)車道管理方法和靜態(tài)車道管理方法相比，復(fù)合動(dòng)態(tài)車道管理方法能夠改善道路交叉路口的整體性能，能夠更加均衡地利用干道雙向的道路空間，這種性能優(yōu)勢(shì)隨著交叉路口機(jī)動(dòng)車交通負(fù)荷的提高而愈發(fā)顯著，而且結(jié)合現(xiàn)有道路上的直行待行區(qū)，可以增加車輛的通行效率，緩解交通擁堵。