城市快速路信號控制系統動態分析及算法

于濤， 袁小剛， 龐溟舟

(上海交大 高新技術股份有限公司， 上海 200235)

城市快速路信號控制系統動態分析及算法

于濤， 袁小剛， 龐溟舟

(上海交大 高新技術股份有限公司， 上海 200235)

城市快速路通過出入口匝道與地面道路相連，對于出入口匝道進行合理的智能交通控制，采用固定配時調節系統和交通信號感應式調節系統的優化的控制算法，可以顯著提高城市快速路的效益，緩解交通擁擠，為車輛提供安全、快速、方便的行駛環境。

智能交通； 信號控制； 神經網絡

0 引言

本文提出了城市快速路與信號控制的普通地面道路整合控制的策略，把復雜的問題簡化為多控制措施優化的問題，如匝道調節，交叉口信號控制，城市快速路主線道路控制，VMS路徑誘導等控制與管理措施，控制的目標是實現一般標準的最小化，如延誤最小，總遠行時間最小。

通過對城市快速路匝道，地面道路交通狀態的演變過程進行分段處理，采用目標函數并將下匝道處理成一個特殊的交叉口，使得行程時間最短，對綠信比、匝道調節率和分流優化進行動態分析。

針對出入口匝道優化控制的特點提出了一種基于BP神經網絡控制方法來研究匝道控制問題。

本專利所屬技術領域：智能交通、信號控制、神經網絡。

1 背景技術及實施目標

目前我國的一些主要城市，如北京、上海、廣州、天津等，都修建了相當數量的城市快速道路，形成了以快速道路為主骨架的道路交通網絡。但是由于規劃設計或者城市道路發展等因素，在高峰時段經常會出現嚴重的交通擁堵現象，尤其是城市快速路中一些匯流或者上下匝道的特殊區域，因此有必要對城市快速道路的一些節點，進行針對性的智能交通控制策略的研究。

本專利在國內外相關研究的基礎上，針對我國城市快速路的現狀，通過對城市快速路的流量、速度、占有率等數據的收集分析和探討。深入分析所采集到的原始交通數據，并根據線上預測未來一段時間城市快速路的交通流的狀態，為決策提供依據，使之能更有效緩解交通擁堵的現象，增加交通安全提供保障。將先進的控制技術、計算機仿真技術，共享平臺等技術結合起來。應用到城市快速路交通控制中，使智能交通ITS發展的一個重要方向，它將不斷的推動社會的發展。

目前提出了城市快速路上的信號控制與城市地面道路的整合控制的策略，把復雜的問題簡化為多控制措施的優化問題，如匝道調節、交叉口信號控制、城市快速道路主線道路控制，VMS路徑誘導等控制與管理措施。

近十年來，我國多個城市都紛紛開展了智能交通系統建設，但在交通控制方面，控制手段單一，系統彼此孤立，雖然對改善各地的交通狀況起到一定的作用，但卻遠遠沒有發揮它們的潛能，比如地面道路和城市快速道路分離控制，城市道路與郊區高速公路沒有協調，信號控制和誘導相互獨立，公交與其他交通方式信息不共享，不能協調控制，尤其是發生擁堵或其他突發事件時，救援系統、道路疏散、資源配置等方面互相脫節，延長了事件響應時間，帶來很大的經濟損失。

隨著城市的發展，城市快速路面臨的問題在整個城市交通問題中顯得越來越突出，交通擁堵是快速路運行中的主要問題。最優先的解決方法是對快速路交通區域進行控制管理，城市快速路的交通信號控制是智能交通系統(ITS)的一個重要分支。

“城市快速路”特指在城市道路中設有分離帶，具有4條以上的車道，全部或者部分采用立體交叉和控制出入供車輛以較高的速度行使的道路。一般有配套的交通安全和管理措施，并能保證連續的交通流，是城市中大容量快速交通干道。

“城市快速路”是城市交通網絡的骨架，承載著城市內各主要區域及輻射周邊的極大部分快速交通出行。通行效率直接決定著所在城市交通網絡的性能，對于緩解日益增長的城市交通壓力起著重要的作用，它也是城市道路的主動脈，也是疏導跨區交通的主要通道，保障其安全暢通，是整個交通城市控制的關鍵環節。所以一旦城市快速路發生交通堵塞，就有可能造成中心區道路甚至整個市區的交通混亂。因此，各個國家近來一直致力于“城市快速路”的智能交通控制系統的建設，它主要目的是提高城市道路的交通容量，緩解交通擁擠，為車輛提供安全、快速、方便的行駛環境。

為了實現上述目標，提高城市快速路的通行能力，不斷將新理論、新技術應用到城市快速路的智能交通控制系統中去。

研究方向大致可以分為以下幾個階段：

1) 交通監控系統，對車流量、車速的信息進行監控；

2) 快速路交通特征的分析，運用檢測技術進行統計分析匯總；

3) 城市快速道路匝道設置及控制系統的研究，針對擁堵的節點進行分析處理及控制研究；

4) 城市快速路與地面道路交通整合控制分析。

從全局出發，綜合考慮快速路及地面交通的不同點，通過整合控制以保證城市交通整體暢通，安全運行。

針對我國快速路交通現狀，通過對城市快速路的流量、速度、占有率數據的收集、分析和探討，以上海為例，總結我國城市快速路的交通流基本特征，對城市快速路及其匝道區域控制策略展開研究，深入分析所采集到的原始交通數據，并以上述分析預測作為依據，為解決城市快速路區域交通控制問題提供新思路和智能交通控制策略，使之能更有效的緩解城市快速路交通擁堵，增加交通安全提供保障。

2 出入口匝道控制策略

城市快速路是一個相對封閉的系統，通過出入口匝道和地面道路相連這一特性，決定了城市快速路交通狀況，很大程度上取決于出入口匝道，因此對出入口匝道進行合理的智能交通控制，可以顯著提高城市快速路的效益。

我國早期城市快速路由于在規劃上存在不足，往往直線距離較短、出入口間距小、進出快速路車流量大，在快速路交叉交織區交織嚴重。因此自由流速低，服務的交通流量較小。由于這些特點，出入口匝道的主線車流量要大，快速路某路段匝道區域示意圖，如圖1所示。

城市快速路主線道路控制VMS、路徑誘導等控制與管理措施，控制的目標是實現最小化，如總延誤最小，區域中的總旅行時間最小，目的是尋找一種地面與匝道控制的算法，為此我們提出了一種基于BP神經網絡控制方法來研究出入口匝道控制問題。

圖1 城市快速路某路段出入口匝道區域示意圖

流量速度和占有率之間的關系就是交通流的模型，近似的計算如式(1)。

(1)

根據式(1)，流量等于速度與密度的乘積，來解釋如果速度不變，流量與密度是成正比的。

3 基于神經網絡BP算法

神經網絡是一種新興的數學建模方法，它具有識別復雜非線性系統的特性，比較適合于交通流參數的預測。

神經網絡實際上是由大量簡單元件相互連接而成的復雜網絡，具有高度的非線性，能夠進行復雜的邏輯操作和非線性關系實現的系統。神經網絡吸取了生物神經網絡的許多優點，因而有其固有的特點：

1) 高度的并行性

BP神經網絡是由許多相同的簡單處理單元并聯組合而成，雖然每個單元的功能簡單，但大量簡單處理單元的并行活動，使其對信息的處理能力與效果驚人。

2) 高度的非線性全局作用

神經網絡每個神經元接收大量其他神經元的輸入，并通過并行網絡產生輸出，影響其他神經元。網絡之間的這種相互制約和相互影響，實現了從輸入狀態到輸出狀態空間的非線性映射。從全局的觀點來看，網絡整體性能不是網絡局部特性的簡單迭加，而表現出某種集體性的行為。

3) 良好的容錯性與聯想記憶功能

神經網絡通過自身的網絡結構能夠實現對信息的記憶。而所記憶的信息是存儲在神經元之間的權值中。從單個權值中看不出所存儲的信息內容，因而是分布式的存儲方式。這使得網絡具有良好的容錯性，并能進行聚類分析、特征提取、缺損模式復原等模式信息處理工作；又宜于做模式分類、模式聯想等模式識別工作。

4) 十分強大的自適應、自學習功能

神經網絡可以通過訓練和學習來獲得網絡大的權值與結構，呈現出很強的自學習能力和對環境的自適應能力。

神經元是人工神經網絡的基本處理單元，它一般是一個多輸入/單輸出的非線性元件，實質體現了網絡輸入和其輸出之間的一種函數關系。通過選取不同的模型結構與激活函數，可以形成各個不同的神經網絡，得到不同的輸入/輸出關系式，并達到不同的設計目的，完成不同的任務。

神經元輸出除受輸入信號的影響外，同時也受到神經元內部其他因素影響，所以在人工神經元的建模中，常常還加入一個額外輸入信號，稱為偏移或者閾值，具有R個輸入神經元，如圖2所示。

圖2 單個神經元模型

神經元的輸出，如式(2)。

(2)

式(2)中，p是輸入量；W為權值矩陣；b為偏差；a為輸出；n=Wp+b為凈輸入。

激活函數是一個神經元網絡的核心，網絡解決問題的能力和功效，除了與網絡結構有關，很大程度上取決于網絡所采用的激活函數，其基本作用是：

1) 控制輸入對輸出的激活作用；

2) 對輸入、輸出進行函數轉換；

3) 將可能無限閾值的輸入變換成指定的有限范圍內的輸出。

BP算法的主要設計思想是，將輸入信號通過隱層和輸出層節點的處理計算得到的網絡實際輸出進一步與期望輸出相比較，并計算實際輸出與期望輸出的誤差，將誤差作為修改權值的依據反向傳播至輸入層，再修正各層的權系數，并且反復這一過程，直到實際輸出與期望輸出的誤差達到預先設定的誤差收斂標準，從而獲得最終的網絡權值。

3層BP神經網絡的結構圖，如圖3所示。

圖3 三層BP 神經網絡結構圖

BP算法，給出該算法的步驟：

第一步是通過網絡輸入向前傳播，

第二步是通過網絡將敏感性反正傳播，

第三步是使用近似的最速下降法更行權值和偏差值。

BP算法的流程圖如圖4所示。

神經元網絡的結構就是根據給定的輸入層、輸出層神經元個數及實際輸入樣本合理確定隱含層神經元數。確定了神經網絡后，可在Matlab軟件平臺上通過編程對BP網絡進行訓練，訓練的學習步長為0.05，訓練次數為500，綜合考慮算法收斂的時間和進度通過對比選擇Levenberg-Marquardt 算法進行訓練。預測一天內的流量、速度和占有率的分布，可以用圖形表示出來。因此，BP網絡是一種精度相對較高的預測方法。

圖4 BP 算法流程圖

4 總結

介紹了神經元網絡的特性，用BP神經元網絡的模型及如何應用到交通流參數的預測中，這為城市快速路交通狀態預測的工程應用提供了理論依據也為決策提供支持。也為解決城市快速路區域交通控制提供新思路和智能交通控制策略，使之能更有效地緩解城市快速路交通擁堵，增加交通安全提供保障。

[1] 慈玉生，吳麗娜，裴玉龍，等. 城市快速路入口匝道神經模糊控制[J]. 交通運輸系統工程與信息，2010，10(3)：

[2] 楊曉芳，韓印，付強. 快速路人口匝道與銜接交叉口協調控制策略[J]. 計算機工程與應用，2008，44(29)：

[3] 于泉，城市交通信號控制基礎[M]. 北京：冶金工業出版社，2011.

[4] shak, S. and Al-Deek, H. Performance of short-term time series traffic prediction model [J] Journalof Transportation Engineering 2002, 128(6):490-498.

[5] Florio, L. and Mussone, L. Neural network models for classification and forecasting of freeway trafficflow stability [J]. Control Engineering Practice, 1996, 4(2):153-164.

Dynamic analysis and algorithm of urban expressway signal control system

Yu Tao, Yuan Xiaogang, Pang Mingzhou

(Shanghai Jiaotong University hitech Limited by Share Ltd, Shanghai 200235, China)

The city expressway entrance ramp is connected with the road surface. For the ramp intelligent control, an optimizing algorithm is designed. The traffic signal is adjusted by induction with the fixed time. It can significantly improve the efficiency of city expressway, ease traffic congestion, and can provide safe, fast and convenient travel environment for vehicles.

Intelligent traffic; Signal control; Neural networks

于濤(1982-)，男，山東招遠,助理工程師，研究方向：智能交通、信號控制。 袁小剛(1980-)，男，浙江嘉興，工程師，技術部副經理,研究方向：城市道路交通信號控制系統。 龐溟舟(1974-),男，上海,工程師，技術總監,研究方向：智能交通、無線網絡、信號控制。

1007-757X(2017)08-0062-03

TP311

A

2017.06.01)