A題-城市相鄰兩交叉口信號配時優(yōu)化zonghr

A題城市相鄰兩交叉口信號配時優(yōu)化摘要隨著我國城市化速度的加快以及城市規(guī)模的不斷擴(kuò)大，交通供需矛盾日益突出，在城市交通網(wǎng)絡(luò)中產(chǎn)生的交通擁堵現(xiàn)象日趨嚴(yán)重，嚴(yán)重影響了社會經(jīng)濟(jì)的發(fā)展和人民生活水平的提高。對現(xiàn)有交通進(jìn)行有效的管理和控制已成為我國交通運輸中迫切需要解決的問題。針對單點定時交通信號燈控制造成的綠時浪費、通行延誤等問題，我們首先通過改進(jìn)webster模型建立了相鄰交叉口信號燈協(xié)調(diào)控制模型（見公式（13））對交通信號進(jìn)行配時優(yōu)化，然后建立以最小平均延誤時間為目標(biāo)函數(shù)，以相位時間、相位差（利用數(shù)解法建立函數(shù)求得）、周期時長為決策變量的非線性規(guī)劃模型（見公式（14）），設(shè)計MATLAB和LINGO程序求解出改善后的交通信號配時方案，最后建立仿真檢驗?zāi)Ｐ蛯f(xié)調(diào)控制模型進(jìn)行仿真檢驗，經(jīng)驗證，該模型具有很強(qiáng)的可行性。該模型采用LINGO自帶的最短時間求解程序確定最優(yōu)配時方案，大大降低了整個求解過程的時間復(fù)雜度，將LINGO算法植入整個協(xié)調(diào)控制體系，可大幅度降低空間復(fù)雜度。在模型的改進(jìn)中，將采集的實時路況交通流量，輸入到神經(jīng)網(wǎng)絡(luò)模型中，預(yù)測未來幾個信號周期的交通流量，將預(yù)測交通流量輸入到協(xié)調(diào)控制模型得到優(yōu)化的相位時間等控制量，將控制量輸入實際路況，再采集信息，循環(huán)，達(dá)到動態(tài)協(xié)調(diào)控制的目的。在動態(tài)協(xié)調(diào)控制中，交通流量預(yù)測模塊、相位時間優(yōu)化模塊的webster第三部分系數(shù)將逐漸適應(yīng)實際路況的，整個協(xié)調(diào)控制體系得到收斂的效果。針對本題給出的武漢市A、B兩交叉口的交通流量數(shù)據(jù)，利用所建的通用協(xié)調(diào)控制模型對信號燈控制系統(tǒng)進(jìn)行優(yōu)化和仿真檢驗，得出最優(yōu)配時方案，具體結(jié)果見表2。關(guān)鍵詞：MATLAB程序；LINGO程序；協(xié)調(diào)控制；webster模型；數(shù)解法；神經(jīng)網(wǎng)絡(luò)算法；相位時間；相位差；平均延誤時間；仿真模型；仿真檢驗。目錄摘要 11.問題重述 22.模型假設(shè) 23.通用符號說明 24.模型的建立與求解 24.1問題分析 24.2模型準(zhǔn)備 24.2.1

確定A、B兩交叉口的相鄰方式 24.2.2

交通信號燈各相位圖示 24.2.3

A、B交叉口處車輛行駛方向編號 24.3相鄰交叉口信號燈協(xié)調(diào)控制模型的建立與求解 24.3.1模型的建立 24.3.2改善后交通信號配時方案的求解 24.4

交叉口信號燈協(xié)調(diào)控制模型的仿真檢驗 24.4.1仿真模型建立 24.4.2仿真檢驗 25.模型的評價與改進(jìn) 25.1模型的評價 25.1.1模型的時間復(fù)雜度與空間復(fù)雜度 25.1.2模型的收斂性 25.2模型的改進(jìn) 2參考文獻(xiàn) 21.問題重述隨著我國城市化速度的加快以及城市規(guī)模的不斷擴(kuò)大，交通供需矛盾日益突出，在城市交通網(wǎng)絡(luò)中產(chǎn)生的交通擁堵現(xiàn)象日趨嚴(yán)重，嚴(yán)重影響了社會經(jīng)濟(jì)的發(fā)展和人民生活水平的提高。目前在我國的大、中型城市交通管理中，普遍采用的是單點定時交通信號燈控制。定時控制這種傳統(tǒng)信號燈控制方法會造成某些方向綠時浪費，而在有些方向上車輛通行又延誤嚴(yán)重。因此，優(yōu)化交叉口信號配時是提高交叉口運行效率最有效的方法之一。設(shè)計通用模型與算法（從時間復(fù)雜度、空間復(fù)雜度、收斂性進(jìn)行對比分析），解決以下問題：對交通信號進(jìn)行配時優(yōu)化研究，求解出改善后的交通信號配時方案并進(jìn)行仿真檢驗，以期有效指導(dǎo)提高實際平面交叉口的通行能力和服務(wù)水平，減少城市交通網(wǎng)的交通延誤，改善城市交通現(xiàn)狀。2.模型假設(shè)(1)假設(shè)所有汽車啟動并加速的反應(yīng)時間均相等，且均為2s；(2)假設(shè)飽和流量已知各方向車流量的最大值，單位為PCU/h；(3)假設(shè)1小時內(nèi)的車流量沒有較大波動；(4)基于相鄰兩交叉口之間的距離低于800m時，協(xié)調(diào)控制系統(tǒng)才會明顯減少綠時浪費、減緩?fù)ㄐ醒诱`，所以假設(shè)交叉口A、B之間的距離為670m。3.通用符號說明序號符號符號說明1D每周期的總延誤時間2W平均延誤時間3k模擬系數(shù)4R紅燈時間5c信號周期長6綠信比7x飽和度8q車流量9s飽和流量4.模型的建立與求解4.1問題分析對于兩個距離很近的相鄰交叉路口，單點定時交通信號燈控制會造成兩路口連線方向的綠時浪費。協(xié)調(diào)兩路口間的相位時間的關(guān)系，能使一部分車輛在一個交叉路口駛出后經(jīng)過另一交叉路口時總是綠燈放行，相對于單點定時交通控制而言，這一部分車輛的車均延誤時間得到有效減少。要保證一個交叉路口駛出后的車輛，經(jīng)過另一交叉路口時總是綠燈放行，需要兩交叉路口的信號周期相等。計算兩路口間的車均延誤有兩種方式。第一種輸入交通規(guī)則與交通流量數(shù)據(jù)進(jìn)行微觀上的仿真計算；第二種是用改進(jìn)的webster模型[1]進(jìn)行宏觀上的延誤計算。仿真具有高準(zhǔn)確性，但是算法很復(fù)雜，需要耗費更多的時間，一組實驗就要循環(huán)上萬次，并且其準(zhǔn)確性取決于參數(shù)的設(shè)定。通過宏觀上的改進(jìn)的webster模型,輸入交通規(guī)則數(shù)據(jù)就可通過一個循環(huán)得出延誤時間，但是精確度沒有仿真高，取決于改進(jìn)的webster第三項的參數(shù)?？紤]到本次研究方向是設(shè)計一個交通信號燈協(xié)調(diào)控制[2]系統(tǒng)，需要準(zhǔn)確、快速的確定最佳相位時間。擬采用改進(jìn)的webster模型構(gòu)建出交通數(shù)據(jù)、相位時間、信號周期、相位差與車均延誤時間的函數(shù)關(guān)系，利用LINGO非線性規(guī)劃算法的高效準(zhǔn)確性，在限定相位時間、信號周期的情況下快速計算出最佳相位時間、信號周期。比之仿真計算的方式，具有高度可行性。得出根據(jù)交通流量計算最佳相位時間、相位差的模塊之后，擬采用神經(jīng)網(wǎng)絡(luò)模型[3]預(yù)測未來幾周期的交通數(shù)據(jù)，再通過第一個模塊計算出最佳相位時間、相位差，輸入到實際信號燈控制模塊，采集實際路況信息，更新數(shù)據(jù)庫，并矯正webster模型的第三項系數(shù)，可以解決宏觀計算不精確的問題，得到一個比較合理的解決方案。4.2模型準(zhǔn)備4.2.1

確定A、B兩交叉口的相鄰方式在相鄰方向上，交叉口A出口流量應(yīng)與交叉口B進(jìn)口流量相近。根據(jù)交叉口A、B東西南北各方向的交通流量，計算A交叉口各方向出口交通流量及B交叉口各方向進(jìn)口交通流量，見表1。表1A交叉口各出口及B交叉口各進(jìn)口交通流量表交通數(shù)據(jù)交通流量（PCU/h）車均延誤時間（s）左轉(zhuǎn)直行右轉(zhuǎn)左轉(zhuǎn)直行右轉(zhuǎn)出口流量武漢市A交叉口東進(jìn)口3661394987.556.725.8東出口566西進(jìn)口29516672西出口2495南進(jìn)口5254083008.164.895.63南出口832北進(jìn)口100394576進(jìn)口流量北出口801武漢市B交叉口東進(jìn)口80211545765.2611.334.962532西進(jìn)口4503043291083南進(jìn)口169420845.0313.615.34673北進(jìn)表1數(shù)據(jù)分析得，交叉口B在交叉口A的西方向。4.2.2

交通信號燈各相位圖示為更直觀的表示交通信號燈的各相位，以圖表形式表示，見圖1。圖1交通信號燈各相位表示圖由圖1可得，第一、三相位均表示車輛直行，第二、四相位表示車輛左轉(zhuǎn)。4.2.3

A、B交叉口處車輛行駛方向編號為方便問題分析，對各交叉口車輛的行駛方向進(jìn)行編號，見圖2。交通數(shù)據(jù)交通流量（PCU/h）左轉(zhuǎn)直行右轉(zhuǎn)武漢市A交叉口東進(jìn)口A1A2A3西進(jìn)口A4A5A6南進(jìn)口A7A8A9北進(jìn)口A10A11A12武漢市B交叉口東進(jìn)口B1B2B3西進(jìn)口B4B5B6南進(jìn)口B7B8B9北進(jìn)口B10B11B12圖2車輛行駛方向編號圖由圖2可直接得出車輛行駛方向的編號。4.3相鄰交叉口信號燈協(xié)調(diào)控制模型的建立與求解4.3.1模型的建立為確定最優(yōu)交通信號配時方案，首先通過建立單交叉口延誤時間計算模型、相鄰交叉口延誤時間計算模型確定延誤時間與相位時間、周期、相位差之間的關(guān)系；繼而給定控制變量相位時間、周期、相位差的變化區(qū)間，確定延誤時間的最小值為目標(biāo)函數(shù)，進(jìn)行LINGO非線性規(guī)劃，得出最優(yōu)配時方案；最后建立仿真檢驗?zāi)Ｐ蛯υ撆鋾r方案進(jìn)行仿真檢驗，分析該通用模型與算法的收斂性與可行性。一、單交叉口延誤時間計算模型的建立由于道路與環(huán)境條件、交通干擾以及交通管理與控制設(shè)施等駕駛員無法控制的因素所引起的行程時間損失。延誤時間是指車輛在交叉口入口引道處被阻礙下行走所需時間和無阻礙行走所需時間之差，有平均延誤和總延誤兩個評價尺度。延誤的產(chǎn)生主要有以下幾種情況：（1）固定延誤：由交通控制裝置引起的延誤，與交通量大小及交通干擾無關(guān)，主要發(fā)生在交叉口處。由交通信號、停車標(biāo)志、讓路標(biāo)志等因素引起。（2）運行延誤：由各種交通組成部分之間相互干擾而起的延誤，分為兩種。一種是由側(cè)向干擾而起的延誤，另一種是由交通流之間（包括交通擁擠、匯流、會車與交織運行）而引起的延誤。（3）行程時間延誤：實際行駛的總行程時間與完全排除干擾后以平均速度通過調(diào)查路段的自由行駛時間之差。包括停車延誤、因加減速而產(chǎn)生的加、減速延誤（4）排隊延誤：車輛排隊時間與自由行駛時間（車輛按自由行駛過排隊路段的時間）之差。排隊時間是指車輛從第一次停車到越過停車線所用的時間。排隊是指車輛第一次停車斷面與停車線之間的道路。當(dāng)車輛行駛過程中，經(jīng)歷N次停車時：綜合以上延誤產(chǎn)生的各方面因素，建立以下延誤時間計算模型。對一交叉口，假定其車輛到達(dá)服從均勻分布。如果我們著眼于一條停車線，在非飽和情況下，交叉口一個周期的總延誤D的表達(dá)式為：（1）每輛駛?cè)胲囕v的平均延誤是：（2）另外假若車輛到達(dá)服從泊松分布，則每臺駛?cè)胲囕v的平均延誤為：（3）webster延誤時間計算模型：（4）二、相鄰交叉口信號燈協(xié)調(diào)控制延誤時間的計算模型單點定時交通信號燈控制方法會造成某些方向綠時浪費，而在有些方向上車輛通行又延誤嚴(yán)重。當(dāng)兩相鄰交叉路口之間的距離超過800m時，協(xié)調(diào)控制不如各自單獨控制，但當(dāng)距離低于800m時，協(xié)調(diào)控制會明顯減少綠時浪費、減緩?fù)ㄐ醒诱`。在此我們假設(shè)A、B兩交叉口的距離低于800m，對于該東西主干線上的兩相鄰交叉口的單點定時交通信號燈進(jìn)行優(yōu)化，采取協(xié)調(diào)控制的方法。相鄰交叉路口協(xié)調(diào)控制的策略是：各交叉路口具有相同的信號周期，綠信號開啟時間相繼錯過，從而使干線上行駛的車輛盡可能少遇或不遇紅燈以減少延誤；對確定的周期，每一交叉口的綠信比可互相獨立地實時調(diào)整以適時調(diào)整以適應(yīng)交通流的瞬時變化[1]。則該協(xié)調(diào)控制的控制因素[5]為：周期、相位時間、相位差。對于模型一單交叉口延誤時間計算模型進(jìn)行修正，得到相鄰交叉口協(xié)調(diào)控制延誤時間計算模型。1.通過A、B兩交叉口的車流量中，免紅燈車流量所占比例的計算：（5）（6）(7)(8):路口A的第一相相位時間；:路口B的第一相相位時間；:中間路中由A路口直行出的比例；:中間路中由B路口直行出的比例；LT:道路長轉(zhuǎn)化為車均行駛時間；:相位差B-A；:相位差A(yù)-B；:A路口西進(jìn)口直行中免紅燈車數(shù)比例；:B路口西進(jìn)口直行中免紅燈車數(shù)比例。2.相鄰兩交叉口信號燈協(xié)調(diào)控制系統(tǒng)下延誤時間的計算經(jīng)分析易得，相鄰交叉口協(xié)調(diào)控制策略只對于東西主干線直行車輛有所影響，而對于側(cè)線車輛的行駛并無影響，因此，對于東西主干線直行方向A5、B2車流量運用相鄰交叉口協(xié)調(diào)控制方法統(tǒng)計計算延誤時間，對于側(cè)線車流量延誤時間仍采用模型一單交叉口控制方法進(jìn)行計算。對于免紅燈車流量而言延誤時間為0，對于遇紅燈車流量的延誤時間按照公式（4）進(jìn)行計算。即：對于A交叉口，（1）A(1);A(2);A(3);A(4);A(6);A(7);A(8);A(9);A(10);A(11);A(12)的延誤時間符合單交叉路口模型；（2）延誤時間為0的車流量為；（3）受相鄰兩交叉口信號燈協(xié)調(diào)控制影響的車流量為，按公式(4)計算。對于B交叉口，（1）B(1);B(3);B(4);B(5);B(6;B(7);B(8);B(9);B(10);B=535;B(12)的延誤時間符合單交叉路口模型；（2）延誤時間為0的車流量為；（3）受相鄰兩交叉口信號燈協(xié)調(diào)控制影響的車流量為，按公式(4)計算。綜上，兩相鄰交叉口信號燈協(xié)調(diào)控制下，A、B交叉口各方向延誤時間計算模型為：對A1延誤總時間（9）A5延誤總時間（10）對B1延誤時間(11)B2延誤時間(12)平均延誤時間(13)三、LINGO非線性規(guī)劃模型基于延誤時間計算模型，求解交通信號配時方案的問題即可轉(zhuǎn)化為求解車均延誤時間最小時，交叉口各相位時間。對于此問題可采用LINGO程序，給定相位時間、相位差、周期等決策變量的波動區(qū)間，進(jìn)行非線性規(guī)劃。相位時間：若交叉口信號燈綠燈時間過短，會導(dǎo)致通行效率低；若交叉口信號燈綠燈時間過長，同樣意味著紅燈時間過長，導(dǎo)致駕駛員等候時間過長，產(chǎn)生急躁情緒，并使阻礙方向交通擁擠，不利于道路暢通。因此，對于交叉口信號燈各相位的相位時間以及周期給定合理的變動區(qū)間為15s100s。2.相位差：兩相鄰交叉口信號燈的相位差需根據(jù)實際交叉口之間的距離、該路況平均車速、車流量等實際情況具體確定?？偨Y(jié)以往的線控系統(tǒng)，相位差優(yōu)化通常采用最大綠波帶法和最小延誤法。其中以最大綠波帶為目標(biāo)的相位差優(yōu)化方法主要有圖解法和數(shù)解法，此處我們選用數(shù)解法[4]。數(shù)解法是通過尋找使得系統(tǒng)中各實際信號位置距理想信號位置的最大挪移量最小來獲得最優(yōu)相位差控制方案。其實施流程圖見圖3。是是是否否確定單個交叉口的周期、綠信比確定關(guān)鍵交叉口確定公用周期及各交叉口協(xié)調(diào)相位最小綠燈時間確定非關(guān)鍵交叉口的協(xié)調(diào)綠燈時間是單向協(xié)調(diào)否確定平均行駛速度確定相位差確定理想間距確定系統(tǒng)最大挪移量確定各交叉口綠燈損失率確定各交叉口初始相位差計算綠波帶寬度雙向流量是否平等相位差優(yōu)化結(jié)果調(diào)整交叉口間相位差是否滿足優(yōu)化目標(biāo)圖3.基于數(shù)解法的干道協(xié)調(diào)控制相位差優(yōu)化流程圖3.周期c：查閱文獻(xiàn)，交叉信號燈的周期一般在40s－200s.則40<c<200則該非線性規(guī)劃模型為：（14）4.3.2改善后交通信號配時方案的求解基于延誤時間計算模型、LINGO非線性規(guī)劃模型求解改善后的交通信號配時方案，包括周期、相位時間、相位差。1.LINGO非線性規(guī)劃模型中各變量的確定：在此將A、B交叉口之間的距離設(shè)為670m，車輛行駛均速設(shè)為40km/h，則在A、B交叉口之間的車輛平均行駛時間為60s。通過步驟1確定該實際路況下的部分控制變量，結(jié)合公式（1）－公式（13），編寫LINGO程序?qū)剑?4）進(jìn)行求解，得出最優(yōu)交通信號配時方案見表。LINGO程序見附錄。表2優(yōu)化后的相位時間(相位差為21s)第一相位第二相位第三相位第四相位A交叉路口59s26s38s29sB交叉路口50s24s42s22s4.4

交叉口信號燈協(xié)調(diào)控制模型的仿真檢驗對本文提出的雙交叉路口交通信號協(xié)調(diào)控制模型進(jìn)行仿真檢驗，控制對象為交叉路口，控制目標(biāo)為車輛的平均延誤時間?？赏ㄟ^仿真模型建立和仿真檢驗兩部步進(jìn)行。4.4.1仿真模型[6、7、8、9、10、11、12、13]建立交叉口信號仿真模型的建立由三部分組成：第一部分是靜態(tài)模型，包括構(gòu)成交叉口的幾何線性、道路條件（車道數(shù)、車道寬度）、管制措施以及車輛靜態(tài)特性等各種靜態(tài)因素；第二部分是車輛產(chǎn)生模型，包括產(chǎn)生車輛的車輛分布、車輛的速度分布、車輛的行駛方向分布等因素；第三部分是車輛運行特性模型，包括車輛加減速、車輛的自由行駛、車輛超車、車道變換等因素，利用以上因素對車輛在交叉口處的運行特性進(jìn)行仔細(xì)分析，可精確描述車輛的運動，從而實現(xiàn)對實際情況的精確仿真。擬打算從上述三個方面建立仿真模型：靜態(tài)模型交叉口靜態(tài)模型交叉口靜態(tài)模型又稱路網(wǎng)模型，主要描述交叉口處的幾何線性和標(biāo)志、標(biāo)線等靜態(tài)特征，包括交叉口處的車道、轉(zhuǎn)角緣石半徑、入口車道數(shù)、中央分隔帶寬度、限制標(biāo)志及停車線距離等。車輛靜態(tài)模型車輛靜態(tài)模型包括車輛長度、車輛寬度等，用來描述車輛的靜態(tài)特性。通常將車輛分為大型車、中型車和小型車三種。車輛產(chǎn)生模型在交叉口仿真中，車輛通常在道路的一個截面產(chǎn)生，車輛模型由道路遠(yuǎn)離交叉口一側(cè)邊緣產(chǎn)生。產(chǎn)生車輛的車型分布將車輛的車型分為大（）、中（）、?。ǎ┤齻€等級。利用Matlab程序隨機(jī)發(fā)生器產(chǎn)生隨機(jī)數(shù)rand，當(dāng)時，將車輛的車型設(shè)為小型車；當(dāng)時，將車輛的車型設(shè)為中型車；當(dāng)時，將車輛的車型設(shè)為大型車。可對數(shù)據(jù)進(jìn)行當(dāng)量化換算后來表示三種不同車型。車輛的速度分布假設(shè)車輛的行駛速度在仿真測試中服從正態(tài)分布。則車速分布規(guī)律為：（15）其中，。：均值；：方差。車輛的行駛方向分布車輛有左轉(zhuǎn)（）、直行（）、右轉(zhuǎn)（）三個行駛方向。同樣進(jìn)行利用Matlab程序隨機(jī)發(fā)生器產(chǎn)生隨機(jī)數(shù)rand，當(dāng)時，將車輛的行駛方向設(shè)為左轉(zhuǎn)；當(dāng)時，將車輛的行駛方向設(shè)為直行；當(dāng)時，將車輛的行駛方向設(shè)為右轉(zhuǎn)。車輛運行特性模型車輛的運行特性對交叉口信號協(xié)調(diào)控制系統(tǒng)的仿真實驗起著至關(guān)重要的作用。車輛加減速模型當(dāng)車輛在通過交叉路口時，遇到紅燈和綠燈的可能性是隨機(jī)的。遇到紅燈時，車輛需減速停車，綠燈重新亮起時，又需重新加速。車輛減速時，其運動特性通常用車輛速度與距離關(guān)系來描述，關(guān)系形式有以下三種：由速度—距離構(gòu)成的勻減速關(guān)系式：（16）線性速度—減速度模型，即減速度與速度成線性關(guān)系，可得速度—距離關(guān)系式：（17）假設(shè)減速度與停車距離線性相關(guān)，可得以下關(guān)系式：（18）其中，：汽車開始減速時的速度；：汽車從開始減速到停車的距離。當(dāng)汽車減速行駛并未停車時，用其速度的最小值的時刻來換算停車距離。車輛加速時，其運動特性與駕駛員的個性特征以及汽車的動力特性有關(guān)。通常符合以下關(guān)系式：（19）將上式求導(dǎo)可得加速度—時間關(guān)系式：（20）其中，：初始加速度；：應(yīng)小于車輛到達(dá)給定車速的時間；：加速度靈敏度。車輛加速過程中，當(dāng)車速接近穩(wěn)定速度時，加速度隨時間的增加而逐漸減小，直至車輛速度穩(wěn)定時，加速度減小至0。此過程中加速度可由下式表示：（21）其中，：大于0小于穩(wěn)定速度的速度；：穩(wěn)定速度。車輛的自由行使模型車輛在道路上的行駛分為自由行駛和跟馳行駛，當(dāng)車輛的運動不受前面運動車輛的影響時，稱該車自由行駛，反之則為跟馳行駛。自由行駛分為兩種形式，即加速到目標(biāo)車速穩(wěn)速行駛和減速到將車停在既定位置。當(dāng)車輛處于頭車位置或與同一車道的前車距離大于跟馳界限（一般取車頭時距為8s）時，車輛處于自由行駛狀態(tài)。此刻車輛所采用的加速度由車輛的當(dāng)前速度與期望速度之間的差距確定：（22）其中，:自由行駛狀態(tài)下的加速度；:跟馳車輛的當(dāng)前加速度；:分別為跟馳車輛的最大加、減速度；:跟馳車輛的當(dāng)前速度；:跟馳車輛的理想期望速度；超車模型在雙向車道公路上，當(dāng)車輛處于跟馳狀態(tài)，并且當(dāng)前車速低于后車的期望速度時，車輛試圖超車以改變其行駛狀態(tài)。超車過程一般分為以下兩個階段：i.是否需要超車？當(dāng)車輛處于跟馳狀態(tài)，前車速度小于該車速度的期望速度時，駕駛員不滿意其駕駛狀態(tài)，從而產(chǎn)生變換車道超越前車的意圖。但當(dāng)前車的速度不同時，判斷是否超車的標(biāo)準(zhǔn)不同。一般而言，正常情況下當(dāng)前車的速度小于40km/h，前后兩車速度差大于15km/h時，駕駛員才考慮超車。ii.是否有可能進(jìn)入對向車道？只有當(dāng)車輛與對向來車有足夠的間距時，車輛才能完成超車。換言之，只有滿足超車視距時，才有可能實線超車行為。當(dāng)超車車輛與對向車輛形成沖突狀態(tài)時，兩車之間的最小距離應(yīng)滿足下式才不會發(fā)生撞車事件：（23）其中，：分別為超車車輛和對向車輛的行駛車輛；：分別為兩車的停車制動時間；：分別到兩車的制動減速度。超車概率為：（24）其中，：超車概率（駕駛員接受超車機(jī)會的比例）；：自由視距；：待定參數(shù)。這是一種不對稱的S型曲線，用中位數(shù)代表有50%的駕駛員接受而50%的駕駛員拒絕超車的視距（P=0.5），則：（25）需要說明的是，無對向來車時快速超車與視距無關(guān)，該情況下可以設(shè)定一系列的值，由試算法求解，超車接受的概率是0.93~0.98，不考慮視距限制。車道變換模型車道變換模型描述車輛車道變換的整個過程，包括車輛車道變換意圖的產(chǎn)生、車道變換的可行性分析以及車道變換行為的實施。車輛在路網(wǎng)中行駛時誘發(fā)其產(chǎn)生變換車道的意圖的原因有多種，但總體上可分為強(qiáng)制性車道變換和任意性車道變換行為。強(qiáng)制性車道變換是指車輛為了完成其正常行駛目的而采取的車道變換行為?？赡艿男问接校赫胺匠霈F(xiàn)停車車輛；車輛必須在前方交叉口左轉(zhuǎn)；車輛已接近當(dāng)前車道的尾端而須變換車道；公交車在接近前方?？空緯r從內(nèi)側(cè)車道轉(zhuǎn)至外側(cè)的專用公交停靠車道等。實現(xiàn)車道變換的關(guān)鍵是車輛必須在距前方關(guān)鍵點的某個臨界距離之內(nèi)產(chǎn)生相應(yīng)的變換車到意圖。其臨界距離可以用下述模型表示：（26）其中，：第i種需要變換車道情形相應(yīng)的臨界距離；：第i種需要變換車道情形相應(yīng)的常數(shù)值；：正態(tài)分布隨機(jī)變量。任意性車道變換是指車輛在遇到前方速度較慢的車輛時為了追求更快的車速、更自由的駕駛空間而發(fā)生車道變換行為。其與強(qiáng)制性車道變換的區(qū)別在于，即使車輛不變換車道也能在原車道上完成其行駛?cè)蝿?wù)，因此變換車道行為不是強(qiáng)制性的。每一車輛都有一期望車速，即在不受其他車輛約束的情況下，駕駛員所希望達(dá)到的最大車速。當(dāng)滿足下列條件時，車輛將產(chǎn)生變換車道意圖：（27）其中，：當(dāng)前車輛在受到正前方車輛跟馳約束時而采取的行駛車速；：當(dāng)前車輛的期望車速；：折減系數(shù)，其建議值一般為0.75~0.85。4.4.2仿真檢驗1.對協(xié)調(diào)控制模型進(jìn)行仿真檢驗前需對仿真模型本身進(jìn)行檢驗，檢驗過程如下：根據(jù)所建模型，編寫Matlab程序，輸入原始相位時間、車流量以及周期數(shù)據(jù)可得延誤時間，與實際延誤時間進(jìn)行對比。對比結(jié)果見圖4。圖4仿真結(jié)果與實際結(jié)果對比圖由圖4可得，仿真結(jié)果與實際結(jié)果相近，即該仿真模型具有有效性，可用于仿真檢驗。2.利用仿真模型對協(xié)調(diào)控制模型進(jìn)行仿真檢驗。協(xié)調(diào)控制模型建立后須對其進(jìn)行檢驗，若協(xié)調(diào)控制模型結(jié)果與仿真模型結(jié)果相近，則可證明協(xié)調(diào)控制模型具有可行性。檢驗方法如下：輸入?yún)f(xié)調(diào)后相位時間、車流量、以及周期數(shù)據(jù)，可得仿真延誤時間，并與利用協(xié)調(diào)控制模型得出的延誤時間進(jìn)行比對，比對結(jié)果見圖5：圖5協(xié)調(diào)控制模型結(jié)果與仿真延誤時間對比圖由圖5可得，協(xié)調(diào)控制模型所求得的各項延誤時間與仿真模型所得各項延誤時間相差較小，即該協(xié)調(diào)控制模型具有可行性。3.對比協(xié)調(diào)控制模型與原系統(tǒng)延誤時間雙交叉口仿真程序運行如圖6所示，通過仿真交叉口車輛的運行，直觀再現(xiàn)交叉口交通流狀態(tài)，可以直觀地看到本論文提出的經(jīng)由改進(jìn)的協(xié)調(diào)控制模型可使雙交叉口信號隨著交通條件的變化而相應(yīng)地調(diào)整，使交通擁擠得到緩解。圖6協(xié)調(diào)控制模型道路交通狀況同時，將協(xié)調(diào)控制模型所得延誤時間與原系統(tǒng)所得延誤時間對比，可得協(xié)調(diào)控制模型效果是否有效，對比結(jié)果見圖7。圖7協(xié)調(diào)控制系統(tǒng)與原系統(tǒng)延誤時間對比圖由圖6和圖7可得，協(xié)調(diào)控制系統(tǒng)各方向上所得延誤時間均比原系統(tǒng)延誤時間少，且擁堵現(xiàn)象得到緩解，即所建立的協(xié)調(diào)控制模型對交通流具有較好的控制效果。5.模型的評價與改進(jìn)5.1模型的評價5.1.1模型的時間復(fù)雜度與空間復(fù)雜度協(xié)調(diào)控制模型分為webster模型和非線性規(guī)劃模型兩部分1．第一部分：在交通流量固定的情況下，通過webster模型建立相位時間、相位差、信號周期、車均延誤時間的函數(shù)關(guān)系。即輸入相位時間、信號周期，先用數(shù)解法建立函數(shù)求出最佳相位差，再通過webster模型求出總延誤時間。繼而建立以相位時間、信號周期為自變量，以車均延誤時間為因變量的函數(shù)關(guān)系。2．第二部分：對第一部分的自變量的每一項限定范圍，以因變量最小為目標(biāo)，用LINGO求解，LINGO自帶的最短時間求解方式，大大降低了整個求解過程的時間復(fù)雜度，可以把LINGO算法植入整個協(xié)調(diào)控制體系，降低程序的計算時間，并且大大減少代碼存儲空間，只需要限定自變量的合理范圍，便能迅速的求解出最佳相位時間、信號周期與相位差組合。5.1.2模型的收斂性因為一只數(shù)據(jù)只有一組，并且無法在采集實際路況信息，所以在模型的改進(jìn)中加入了神經(jīng)網(wǎng)絡(luò)模型預(yù)測交通流量，加入采集路況信息部分。其中，采集實際路況信息，能更新數(shù)據(jù)庫，繼而調(diào)整協(xié)調(diào)控制模型中的webster模型的第三部分參數(shù)，同時用神經(jīng)網(wǎng)絡(luò)模型預(yù)測出的交通流量更加接近實際值。隨著時間的增長，模型的各項參數(shù)以及神經(jīng)網(wǎng)絡(luò)的訓(xùn)練預(yù)測出的交通流量逐漸與實際情況吻合，具有良好的收斂性。5.2模型的改進(jìn)在實際情況的運用中，某交叉口信號燈的配時方案并不一定是一成不變的，可通過監(jiān)測、采集路況交通流量數(shù)據(jù)，建立神經(jīng)網(wǎng)絡(luò)模型預(yù)測交通流量數(shù)據(jù)，根據(jù)交通流量的不同分成高峰、低峰、中峰時段，于不同階段采用不同的配時方案，盡可能減少綠時浪費，緩解車流延誤。擬采用動態(tài)循環(huán)控制的方法，把靜態(tài)協(xié)調(diào)控制部分加入動態(tài)循環(huán)控制中，設(shè)計成其中的一個環(huán)節(jié)，得到一個更加完善的動態(tài)協(xié)調(diào)控制模型。模型運行流程圖見圖8。模型步驟如下：Step1：通過及時采集實時路況交通流量，將采集的交通流量加入到神經(jīng)網(wǎng)絡(luò)模型、輸入到協(xié)調(diào)控制模型部分，并更新交通數(shù)據(jù)庫。Step2：神經(jīng)網(wǎng)絡(luò)模型預(yù)測未來幾個信號周期的交通流量，同時協(xié)調(diào)控制模型的webster延誤時間計算模型中的第三部分根據(jù)實際交通數(shù)據(jù)做出調(diào)整。Step3：將神經(jīng)網(wǎng)絡(luò)模型預(yù)測得到的交通流量輸入到協(xié)調(diào)控制模型得到優(yōu)化的相位時間等控制量。Step4：將控制量輸入實際路況，再采集信息，循環(huán)，達(dá)到動態(tài)協(xié)調(diào)控制的目的。圖8模型運行流程圖參考文獻(xiàn)[1]”TrafficSignalSettings”,RoadRes.Tech.Paper,No.39,RoadResearchLaboratory,London,1985.[2]雷常青.交通控制與誘導(dǎo)遞階協(xié)調(diào)方法的研究[D].天津:天津大學(xué)，2004[3]PapPisCP，MamdaniEH.Afuzzylogiccontrollerforatrafficjunction[J].IEEETransonSMC，1977，7(l):707一717.[4]張青貴.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].北京:中國水利水電出版社，2004:8一59[5]荊便順.道路交通控制[M].北京:人民交通出版社，1995:18一40[6] 尹宏華.面向?qū)ο蟮膭討B(tài)交通狀態(tài)微觀仿真實驗[D].西安:西北工業(yè)大學(xué)碩士學(xué)位論文，2002[7]張邵生.交通工程學(xué)基礎(chǔ)[M].北京:人民交通出版社，2002:92一93，106[8]川王殿海.交通流理論[M].北京:人民交通出版社，2002:80一97[32]龔曉嵐.平面交叉口信號模糊控制及微觀仿真研究[D].北京:中國農(nóng)業(yè)大學(xué)，2005[9]商蕾.城市微觀交通仿真及應(yīng)用[D].武漢:武漢大學(xué)，2003[10]楊曉光等.城市道路交通設(shè)計指南[M].北京:人民交通出版社，2003:23一140[11]習(xí)王煒，高海龍，李文權(quán)等.公路交叉口通告能力分析方法[M].北京:科學(xué)出版社，2001:262.274[12]張國華.信號交叉口設(shè)計及微觀仿真研究[D].北京:北方交通大學(xué)，2000[13]http://www.its.leeds.ac.uk/projects/smartest/[EB/OL]附錄非線性規(guī)劃程序（為研究問題本質(zhì)，用MATLAB代寫的LINGO算法）clcclearallA(1)=366;A(2)=1394;A(3)=98;A(4)=295;A(5)=166;A(6)=72;A(7)=525;A(8)=408;A(9)=300;A(10)=100;A(11)=394;A(12)=576;B(1)=802;B(2)=1154;B(3)=576;B(4)=450;B(5)=304;B(6)=329;B(7)=169;B(8)=420;B(9)=84;B(10)=132;B(11)=535;B(12)=90;SA=[1858 1858 1233 1233]*1.6;SB=[2532 2532 757 757]*1.6;fori=1:12Aa(i)=A(fix((i-1)/3)+1)+A(fix((i-1)/3)+2)+A(fix((i-1)/3)+3);Bb(i)=B(fix((i-1)/3)+1)+B(fix((i-1)/3)+2)+B(fix((i-1)/3)+3);endk1=A(2)/(A(7)+A(2)+A(12));k2=B(5)/(B(5)+B(9)+B(10));L=60;pp=0.5;ee=3;pp1=1/6;pp2=1/6;MIN=99999;forXWA1=(56-ee):(56+ee)XWA1forXWA2=23-ee:23+eeforXWA3=35-ee:35+eeforXWA4=26-ee:26+eeC=XWA1+XWA2+XWA3+XWA4;forXWB1=47-ee:47+eeforXWB2=21-ee:21+eeforXWB3=39-ee:39+eevv=XWB1+XWB2+XWB3;ifXWB1+XWB2+XWB3<CXC1=58;oo1=(XWB1+XC1-L)/XWA1;oo2=0;kk2=k1*oo1;kk1=k2*0;XWB4=C-vv;XWB4=22;ifXWB4>17&&XWB4<27LA(1)=XWA2/C;LA(2)=XWA1/C;LA(3)=pp;LA(4)=XWA2/C;LA(5)=XWA1/C;LA(6)=pp;LA(7)=XWA4/C;LA(8)=XWA3/C;LA(9)=pp;LA(10)=XWA4/C;LA(11)=XWA3/C;LA(12)=pp;LB(1)=XWB2/C;LB(2)=XWB1/C;LB(3)=pp;LB(4)=XWB2/C;LB(5)=XWB1/C;LB(6)=pp;LB(7)=XWB4/C;LB(8)=XWB3/C;LB(9)=pp;LB(10)=XWB4/C;LB(11)=XWB3/C;LB(12)=pp;fori=1:12XA(i)=Aa(i)/SA(fix((i-1)/3)+1);XB(i)=Bb(i)/SB(fix((i-1)/3)+1);ifi~=5YA(i)=(pp1*A(i)*(C*(1-LA(i))^2)/(2-2*XA(i)*LA(i))+(XA(i)^2)/(2*Aa(i)*(1-XA(i))/3600)-(0.65*(C/((Aa(i)/3600)^2))^(1/3))*XA(i)^(2+5*LA(i)))+1;elseYA(i)=(1-kk1)*(pp1*A(i)*(C*(1-LA(i))^2)/(2-2*XA(i)*LA(i))+(XA(i)^2)/(2*Aa(i)*(1-XA(i))/3600)-(0.65*(C/((Aa(i)/3600)^2))^(1/3))*XA(i)^(2+5*LA(i)))+1;endifi~=2YB(i)=(pp2*B(i)*(C*(1-LB(i))^2)/(2-2*XB(i)*LB(i))+(XB(i)^2)/(2*Bb(i)*(1-XB(i))/3600)-(0.65*(C/((Bb(i)/3600)^2))^(1/3))*XB(i)^(2+5*LB(i)))+1;elseYB(i)=(1-kk2)*(pp2*B(i)*(C*(1-LB(i))^2)/(2-2*XB(i)*LB(i))+(XB(i)^2)/(2*Bb(i)*(1-XB(i))/3600)-(0.65*(C/((Bb(i)/3600)^2))^(1/3))*XB(i)^(2+5*LB(i)))+1;endendYAA=sum(YA(:));YBB=sum(YB(:));min=(YAA+YBB)/(sum(A(:))+sum(B(:)));ifMIN>minMIN=min;AA(1)=XWA1;AA(2)=XWA2;AA(3)=XWA3;AA(4)=XWA4;endendendendendendendendendend仿真道路初始程序（MATLAB）clcclearalld=100;d2=50;d3=75;d4=25;holdoffholdonx=500;forx=500:1000:2000plot([x-d,x-d],[500+d,1000])plot([x+d,x+d],[500+d,1000])plot([x-d,x-d],[0,500-d])plot([x+d,x+d],[0,500-d])plot([x+d,x+500],[500-d,500-d])plot([x+d,x+500],[500+d,500+d])plot([x-500,x-d],[500-d,500-d])plot([x-500,x-d],[500+d,500+d])plot([x-d2,x-d2],[500+d,1000],'c--')plot([x-d2,x-d2],[0,500-d],'c--')plot([x+d,x+500],[500-d2,500-d2],'c--')plot([x-500,x-d],[500-d2,500-d2],'c--')plot([x+d2,x+d2],[500+d,1000],'c--')plot([x+d2,x+d2],[0,500-d],'c--')plot([x+d,x+500],[500+d2,500+d2],'c--')plot([x-500,x-d],[500+d2,500+d2],'c--')plot([x,x],[500+d,1000],'k-')plot([x,x],[0,500-d],'k-')plot([x+d,x+500],[500,500],'k-')plot([x-500,x-d],[500,500],'k-')endaxis([0200001000]);chechang=15;dd=3;ee=rand();E=800*ee;forddd=0:50:50fori=1:60:500x=500;s=rand();chechang=10+8*s;ifs<i/500fill([500-(x-500+i),500-(x-500+i-chechang),500-(x-500+i-chechang),500-(x-500+i)],[500+d3-dd-ddd500+d3-dd-ddd500+d3+dd-ddd500+d3+dd-ddd],'r');endendx=800;dx=400;fori=1:50:1500s=rand();chechang=8+8*sifs<i/1500fill([2000-(x-500+i-dx),2000-(x-500+i+chechang-dx),2000-(x-500+i+chechang-dx),2000-(x-500+i-dx)],[500+d3-dd-ddd500+d3-dd-ddd500+d3+dd-ddd500+d3+dd-ddd],'r');endendendforddd=0:50:50fori=1:20:400x=500;s=rand();chechang=10+8*s;ifs<i/400fill([x-500+i,x-500+i-chechang,x-500+i-chechang,x-500+i],[500-d3-dd+ddd500-d3-dd+ddd500-d3+dd+ddd500-d3+dd+ddd],'r');endendx=1500;dx=100;fori=1:50:800s=rand();chechang=8+8*sifs<i/800fill([x-500+i-dx,x-500+i+chechang-dx,x-500+i+chechang-dx,x-500+i-dx],[500-d3-dd+ddd500-d3-dd+ddd500-d3+dd+ddd500-d3+dd+ddd],'r');endendendforddd=0:50:50fori=1:50:1000x=500;s=rand();chechang=10+8*s;ifs<i/1000fill([500+d3+dd-ddd500+d3+dd-ddd500+d3-dd-ddd500+d3-dd-ddd],[x-500+i,x-500+i-chechang,x-500+i-chechang,x-500+i],'r');endendx=400fori=1:30:500s=rand();chechang=8+8*sifs<i/500fill([1000+500+d3+dd-ddd1000+500+d3+dd-ddd1000+500+d3-dd-ddd1000+500+d3-dd-ddd],[x-500+i,x-500+i-chechang,x-500+i-chechang,x-500+i],'r');endendendforddd=0:50:50fori=1:100:1000x=500;s=rand();chechang=10+8*s;ifs<i/100