城市快速路信号控制系统动态分析及算法

于涛， 袁小刚， 庞溟舟

(上海交大 高新技术股份有限公司， 上海 200235)

城市快速路信号控制系统动态分析及算法

于涛， 袁小刚， 庞溟舟

(上海交大 高新技术股份有限公司， 上海 200235)

城市快速路通过出入口匝道与地面道路相连，对于出入口匝道进行合理的智能交通控制，采用固定配时调节系统和交通信号感应式调节系统的优化的控制算法，可以显著提高城市快速路的效益，缓解交通拥挤，为车辆提供安全、快速、方便的行驶环境。

智能交通； 信号控制； 神经网络

0 引言

本文提出了城市快速路与信号控制的普通地面道路整合控制的策略，把复杂的问题简化为多控制措施优化的问题，如匝道调节，交叉口信号控制，城市快速路主线道路控制，VMS路径诱导等控制与管理措施，控制的目标是实现一般标准的最小化，如延误最小，总远行时间最小。

通过对城市快速路匝道，地面道路交通状态的演变过程进行分段处理，采用目标函数并将下匝道处理成一个特殊的交叉口，使得行程时间最短，对绿信比、匝道调节率和分流优化进行动态分析。

针对出入口匝道优化控制的特点提出了一种基于BP神经网络控制方法来研究匝道控制问题。

本专利所属技术领域：智能交通、信号控制、神经网络。

1 背景技术及实施目标

目前我国的一些主要城市，如北京、上海、广州、天津等，都修建了相当数量的城市快速道路，形成了以快速道路为主骨架的道路交通网络。但是由于规划设计或者城市道路发展等因素，在高峰时段经常会出现严重的交通拥堵现象，尤其是城市快速路中一些汇流或者上下匝道的特殊区域，因此有必要对城市快速道路的一些节点，进行针对性的智能交通控制策略的研究。

本专利在国内外相关研究的基础上，针对我国城市快速路的现状，通过对城市快速路的流量、速度、占有率等数据的收集分析和探讨。深入分析所采集到的原始交通数据，并根据线上预测未来一段时间城市快速路的交通流的状态，为决策提供依据，使之能更有效缓解交通拥堵的现象，增加交通安全提供保障。将先进的控制技术、计算机仿真技术，共享平台等技术结合起来。应用到城市快速路交通控制中，使智能交通ITS发展的一个重要方向，它将不断的推动社会的发展。

目前提出了城市快速路上的信号控制与城市地面道路的整合控制的策略，把复杂的问题简化为多控制措施的优化问题，如匝道调节、交叉口信号控制、城市快速道路主线道路控制，VMS路径诱导等控制与管理措施。

近十年来，我国多个城市都纷纷开展了智能交通系统建设，但在交通控制方面，控制手段单一，系统彼此孤立，虽然对改善各地的交通状况起到一定的作用，但却远远没有发挥它们的潜能，比如地面道路和城市快速道路分离控制，城市道路与郊区高速公路没有协调，信号控制和诱导相互独立，公交与其他交通方式信息不共享，不能协调控制，尤其是发生拥堵或其他突发事件时，救援系统、道路疏散、资源配置等方面互相脱节，延长了事件响应时间，带来很大的经济损失。

随着城市的发展，城市快速路面临的问题在整个城市交通问题中显得越来越突出，交通拥堵是快速路运行中的主要问题。最优先的解决方法是对快速路交通区域进行控制管理，城市快速路的交通信号控制是智能交通系统(ITS)的一个重要分支。

“城市快速路”特指在城市道路中设有分离带，具有4条以上的车道，全部或者部分采用立体交叉和控制出入供车辆以较高的速度行使的道路。一般有配套的交通安全和管理措施，并能保证连续的交通流，是城市中大容量快速交通干道。

“城市快速路”是城市交通网络的骨架，承载着城市内各主要区域及辐射周边的极大部分快速交通出行。通行效率直接决定着所在城市交通网络的性能，对于缓解日益增长的城市交通压力起着重要的作用，它也是城市道路的主动脉，也是疏导跨区交通的主要通道，保障其安全畅通，是整个交通城市控制的关键环节。所以一旦城市快速路发生交通堵塞，就有可能造成中心区道路甚至整个市区的交通混乱。因此，各个国家近来一直致力于“城市快速路”的智能交通控制系统的建设，它主要目的是提高城市道路的交通容量，缓解交通拥挤，为车辆提供安全、快速、方便的行驶环境。

为了实现上述目标，提高城市快速路的通行能力，不断将新理论、新技术应用到城市快速路的智能交通控制系统中去。

研究方向大致可以分为以下几个阶段：

1) 交通监控系统，对车流量、车速的信息进行监控；

2) 快速路交通特征的分析，运用检测技术进行统计分析汇总；

3) 城市快速道路匝道设置及控制系统的研究，针对拥堵的节点进行分析处理及控制研究；

4) 城市快速路与地面道路交通整合控制分析。

从全局出发，综合考虑快速路及地面交通的不同点，通过整合控制以保证城市交通整体畅通，安全运行。

针对我国快速路交通现状，通过对城市快速路的流量、速度、占有率数据的收集、分析和探讨，以上海为例，总结我国城市快速路的交通流基本特征，对城市快速路及其匝道区域控制策略展开研究，深入分析所采集到的原始交通数据，并以上述分析预测作为依据，为解决城市快速路区域交通控制问题提供新思路和智能交通控制策略，使之能更有效的缓解城市快速路交通拥堵，增加交通安全提供保障。

2 出入口匝道控制策略

城市快速路是一个相对封闭的系统，通过出入口匝道和地面道路相连这一特性，决定了城市快速路交通状况，很大程度上取决于出入口匝道，因此对出入口匝道进行合理的智能交通控制，可以显著提高城市快速路的效益。

我国早期城市快速路由于在规划上存在不足，往往直线距离较短、出入口间距小、进出快速路车流量大，在快速路交叉交织区交织严重。因此自由流速低，服务的交通流量较小。由于这些特点，出入口匝道的主线车流量要大，快速路某路段匝道区域示意图，如图1所示。

城市快速路主线道路控制VMS、路径诱导等控制与管理措施，控制的目标是实现最小化，如总延误最小，区域中的总旅行时间最小，目的是寻找一种地面与匝道控制的算法，为此我们提出了一种基于BP神经网络控制方法来研究出入口匝道控制问题。

图1 城市快速路某路段出入口匝道区域示意图

流量速度和占有率之间的关系就是交通流的模型，近似的计算如式(1)。

(1)

根据式(1)，流量等于速度与密度的乘积，来解释如果速度不变，流量与密度是成正比的。

3 基于神经网络BP算法

神经网络是一种新兴的数学建模方法，它具有识别复杂非线性系统的特性，比较适合于交通流参数的预测。

神经网络实际上是由大量简单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系实现的系统。神经网络吸取了生物神经网络的许多优点，因而有其固有的特点：

1) 高度的并行性

BP神经网络是由许多相同的简单处理单元并联组合而成，虽然每个单元的功能简单，但大量简单处理单元的并行活动，使其对信息的处理能力与效果惊人。

2) 高度的非线性全局作用

神经网络每个神经元接收大量其他神经元的输入，并通过并行网络产生输出，影响其他神经元。网络之间的这种相互制约和相互影响，实现了从输入状态到输出状态空间的非线性映射。从全局的观点来看，网络整体性能不是网络局部特性的简单迭加，而表现出某种集体性的行为。

3) 良好的容错性与联想记忆功能

神经网络通过自身的网络结构能够实现对信息的记忆。而所记忆的信息是存储在神经元之间的权值中。从单个权值中看不出所存储的信息内容，因而是分布式的存储方式。这使得网络具有良好的容错性，并能进行聚类分析、特征提取、缺损模式复原等模式信息处理工作；又宜于做模式分类、模式联想等模式识别工作。

4) 十分强大的自适应、自学习功能

神经网络可以通过训练和学习来获得网络大的权值与结构，呈现出很强的自学习能力和对环境的自适应能力。

神经元是人工神经网络的基本处理单元，它一般是一个多输入/单输出的非线性元件，实质体现了网络输入和其输出之间的一种函数关系。通过选取不同的模型结构与激活函数，可以形成各个不同的神经网络，得到不同的输入/输出关系式，并达到不同的设计目的，完成不同的任务。

神经元输出除受输入信号的影响外，同时也受到神经元内部其他因素影响，所以在人工神经元的建模中，常常还加入一个额外输入信号，称为偏移或者阈值，具有R个输入神经元，如图2所示。

图2 单个神经元模型

神经元的输出，如式(2)。

(2)

式(2)中，p是输入量；W为权值矩阵；b为偏差；a为输出；n=Wp+b为净输入。

激活函数是一个神经元网络的核心，网络解决问题的能力和功效，除了与网络结构有关，很大程度上取决于网络所采用的激活函数，其基本作用是：

1) 控制输入对输出的激活作用；

2) 对输入、输出进行函数转换；

3) 将可能无限阈值的输入变换成指定的有限范围内的输出。

BP算法的主要设计思想是，将输入信号通过隐层和输出层节点的处理计算得到的网络实际输出进一步与期望输出相比较，并计算实际输出与期望输出的误差，将误差作为修改权值的依据反向传播至输入层，再修正各层的权系数，并且反复这一过程，直到实际输出与期望输出的误差达到预先设定的误差收敛标准，从而获得最终的网络权值。

3层BP神经网络的结构图，如图3所示。

图3 三层BP 神经网络结构图

BP算法，给出该算法的步骤：

第一步是通过网络输入向前传播，

第二步是通过网络将敏感性反正传播，

第三步是使用近似的最速下降法更行权值和偏差值。

BP算法的流程图如图4所示。

神经元网络的结构就是根据给定的输入层、输出层神经元个数及实际输入样本合理确定隐含层神经元数。确定了神经网络后，可在Matlab软件平台上通过编程对BP网络进行训练，训练的学习步长为0.05，训练次数为500，综合考虑算法收敛的时间和进度通过对比选择Levenberg-Marquardt 算法进行训练。预测一天内的流量、速度和占有率的分布，可以用图形表示出来。因此，BP网络是一种精度相对较高的预测方法。

图4 BP 算法流程图

4 总结

介绍了神经元网络的特性，用BP神经元网络的模型及如何应用到交通流参数的预测中，这为城市快速路交通状态预测的工程应用提供了理论依据也为决策提供支持。也为解决城市快速路区域交通控制提供新思路和智能交通控制策略，使之能更有效地缓解城市快速路交通拥堵，增加交通安全提供保障。

[1] 慈玉生，吴丽娜，裴玉龙，等. 城市快速路入口匝道神经模糊控制[J]. 交通运输系统工程与信息，2010，10(3)：

[2] 杨晓芳，韩印，付强. 快速路人口匝道与衔接交叉口协调控制策略[J]. 计算机工程与应用，2008，44(29)：

[3] 于泉，城市交通信号控制基础[M]. 北京：冶金工业出版社，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

于涛(1982-)，男，山东招远,助理工程师，研究方向：智能交通、信号控制。 袁小刚(1980-)，男，浙江嘉兴，工程师，技术部副经理,研究方向：城市道路交通信号控制系统。 庞溟舟(1974-),男，上海,工程师，技术总监,研究方向：智能交通、无线网络、信号控制。

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

TP311

A

2017.06.01)