PDF《王秋平城市单点交叉口信号配时优化》

90 %以上, 即使未来实 现线控、 面控,但在线控、面控不能覆盖的区域还会 有大量独立控制的交叉口存在 ,因此,解决城市交通 问题的关键在于如何合理、有效地组织好单点交叉 口的交通[ 1] .本文针对单点交叉口信号配时优化进 行了深入研究.

1 建立目标函数 关于交叉口交通效益的评价指标 , 国内外较为 常用的有通行能力、饱和度、 延误、服务水平、行程时 间、 停车次数、 油耗以及排队长度等[ 2] .其中延误主 要是由于交通摩阻与交通管制引起的行驶时间损 失,其与周期时长 、绿信比和饱和度等指标密切相 关.另外 ,由于受交通信号的影响 ,上游交通流经常 会以车队的形式到达, 为了确保车队能连续不间断 地通过交叉口, 避免车队中的大量车辆滞留于车道 上,造成交叉口通行能力偏低 ,对停车次数的控制也 尤为重要 .本文将延误与停车次数综合考虑作为目 标函数,建立交叉口动态信号控制优化模型, 根据实 际到达交通量, 计算出周期时长及各相位的有效绿 灯时间.

1 .

1 延误 交叉口车辆平均延误 d 主要由两部分组成 : 一 部分是一致性延误 du [ 3] ,即车辆到达率为常数的延 误;

另一部分是随机延误 dr [ 3] , 即车辆到达率不一 致产生的延误.其计算公式分别为 dui = ∑ j c(1 - gei /c)2 2(1 - yij ) (1) dr i = ∑ j x

2 ij 2qij (1 - xij ) (2) di =dui +dri (3) 式中 : di 为第 i 个相位的平均延误时间;

dui 为第 i 个 相位的平均一致性延误时间;

dri 为第 i 个相位的平 均随机延误时间 ;

c 为周期时长/s ;

gei 为第 i 个相位 有效绿灯时长/s ;

qij 为第 i 个相位第 j 个进口道的 实际到达的当量交通量/(pcu h -

1 );

yij 为第 i 个相 位第 j 个进口道的流量比 ;

xij 为第 i 个相位第 j 个 进口道的饱和度 .故一个周期内交叉口的车辆平均 延误时间为各相位延误的加权平均值 ∑ i diqi ∑ i qi (4)

1 .

2 停车次数 第i相位车辆平均停车次数为hi [ 4] hi = ∑ j

0 .

9 (c - gei )

1 - yij (5) 故一个周期内交叉口的车辆平均停车次数为各相位 停车次数的加权平均值 ∑ i h iqi ∑ i qi (6)

1 .

3 目标函数 信号控制的目的在于最大限度地提高交叉口的 使用效率,将集结于交叉口的车辆在时间上进行分 离 ,减少不必要的时间损失.延误和停车次数是评 价交叉口服务质量的两个重要指标.考虑到不同的 交通流量,其延误和停车次数对交叉口综合效益的 影响程度不同,在此引入 β 作为加权系数 ,将延误与 停车次数综合考虑作为目标函数, 寻找函数的最小 值 .目标函数为 min f(x) = ∑

2 i =1 βdiqi +(1 - β)hiqi ∑ i qi (7) 约束条件为 gmin ≤gei ≤gmax ∑

2 i =1 gei =c - L

0 .

7 ≤xij ≤0 .

9 式中: f(x)为交叉口综合效益值 ;

L 为交叉口总损 失时间/s ;

β 为考虑延误和停车次数对交叉口交通 效益影响的加权系数.

2 最佳配时优化算法

2 .

1 Webster 算法 [ 5] 根据实际到达交通量, 利用 Webster 最佳周期 公式 [ 4] 计算出周期时长后 ,利用饱和比给各个相位 分配最佳绿灯时间为 c =1 . 5L +5.

0 1.

0 - Y (8) 式中: Y 为相位关键流量比之和 .

2 .

2 遗传算法 遗传算法(Genetic algorithm)简称 GA , 是以自 然选择和生物遗传理论为基础, 将生物进化过程中 的 物竞天择 ,适者生存 的规律与群体内部的染色 体的随机信息交换机制相结合, 是一种高效的全局 寻优搜索算法[ 6] .过程如下........