交通信号灯迭代学习控制方法

姚斐 宋芳

摘 要：由于城市交通信号灯控制存在着非线性动态特性，对其进行控制时很难进行精确的数学建模，同时路口交通流具有重复性特点，呈现明显的周期性特征。为了减少路口车辆等待时间、提高通行效率，利用迭代学习控制方法，对信号灯周期和各个相位有效绿灯时间进行优化，从而对路口绿灯进行最大化利用，保证车辆在路网中能够高效、平稳地通行。仿真结果表明，在迭代次数达到15次之后，排队长度相位差和误差都趋于零，减少了交通拥堵时间。

关键词：交通信号灯; 交通信号控制;迭代学习; 有效绿灯时间

DOI：10. 11907/rjdk. 192392 开放科学（资源服务）标识码（OSID）：

中图分类号：TP301文献标识码：A 文章编号：1672-7800（2020）008-0095-05

Abstract：There are nonlinear dynamic characteristics for urban traffic signal control. It is difficult to carry out accurate mathematical modeling when controlling it. At the same time， the traffic flow at the intersection has repetitive characteristics and presents obvious periodic characteristics. In order to reduce the waiting time of intersection vehicles， the iterative learning control method is used to optimize the period of the signal lamp and the effective green time of each phase， so that the green light of the intersection can be maximized and the vehicle can be efficiently and smoothly traversed in the road network. After the number of iterations reaches 15 times， the phase difference and error of the queue length go to zero， reducing the time of traffic congestion.

Key Words： traffic signal light; traffic signal control;iterative learning; effective green time

0 引言

交通信號控制是改变城市道路交通状况、提升道路通行能力的有效方法。由于目前交通系统具有复杂性、多变性、不确定性等特点，且随机性较强，很难创建精确的数学模型[1-2]。当前对路口交通信号的控制是将一天分为若干时段，每个时段内周期长度固定不变，但由于路段的交通流随机性较强，阶段性交通拥堵现象难以避免，而且也无法根据具体情况进行实时调节[3]。若能对各个相位的绿信比进行控制，实时响应交通流变化，将能最大限度减少车辆等待时间。

迭代学习控制[4-5]（iterative learning control，ILC）是针对重复性运动过程的控制方法。在相同时间和地点，路口交通流会近似呈现重复性状态。文献[6]针对不同路网的情况，改变区域内的交通条件和选择行为，建立组合型前馈反馈迭代学习控制模型，对系统干扰进行有效控制，从宏观层面针对不同路网情况进行仿真分析，以提高跟踪误差精度，但选取的交通模型相对简单，不能应用于复杂的城市路口;文献[7]以主辅路交通密度为控制目标，提出的宏观交通流模型简化了存储转发模型，将迭代学习应用于主辅路之间，在局部路段实现均衡控制，令均衡控制误差收敛，但缺点是该模型忽略了变换车道对交通状况的影响，不能应用于日常生活中的交通路口;文献[8]针对快速路入口，使用PD型迭代控制律控制交通流扩散模型，然后采用重心法建模调节迭代学习增益，使系统输出具有更好的跟踪性能，不足之处是其采用的3种交通流模型都是宏观交通流模型，在微观特性下会影响结果的准确性。

当前迭代学习控制主要应用在交通流相对固定、车况相对简单的快速路口，而将迭代学习控制应用在日常路口交通灯控制方面的研究较少。本文首先采用TRRL法对日常生活的道路进行配时，然后利用迭代学习控制方法确定各相位最佳有效绿灯时间，最后通过仿真对某一路段的交通灯绿信比进行验证。仿真结果表明，该控制方法可有效减少车辆排队现象，对于提高通行效率可起到很大作用。

3.2 仿真研究

本文仿真对象是莘建东路和广贤路组成的路口，共有3个相位，相位设计如图2所示，各路口交通需求参考表3。各相位到达率分别为：[0.5veh/s]、[0.15veh/s]、[0.25veh/s]，各相位饱和流率都为[0.28veh/s]。学习增益取-0.85，每个相位损失时间为[2s]，信号周期为[115s]，3个相位绿灯时间分别为[51s]、[15s]和[34s]。考虑实际情况，用MATLAB仿真得到的绿灯时间和排队长度都应为整数值。仿真结果如图4-图6所示。

通过图4、图5不难发现，当迭代次数超过15次之后，车辆排队长度差和误差趋于0，整个信号配时系统处于均衡状态。图6显示了3个相位的绿灯时间变化曲线。采用ILC信号控制可根据实时交通需求调整相应相位绿灯时间，并对相应绿灯时间进行合理配时，证明了该迭代学习控制方法的实时性和有效性。

4 结语

本文被控对象是交叉路口红绿灯，根据TRRL法配时方案确定合理的信号周期，再根据迭代学习控制律思想，构建控制信号灯的方法，避免建立复杂的交通流模型，可以用很少的先验知识，通过实时交通流数据对交叉路口的信号灯进行控制。迭代学习控制实验结果表明，本算法的控制方式比较合理，可根据交通流的变化而改变，具有自适应调节的效果，提高了通行效率。采用迭代算法优化后的效果远优于传统定时、定周期的交通系统，其能自适应调节周期时长和每个相位的绿灯时间，在相同时间内能通过更多车辆，并且不需要额外的设备支持及额外花费，即能减少人们不必要的等待时间，从而节省了人们的出行时间，提高了工作效率。但是本文适用范围存在一定局限性，当路口车辆很少或很多时，调节效果并不明显。

参考文献：

[1] 马文阁.  基于模糊控制的单交叉口信号控制方法与算法研究[D].  大连：大连海事大学，2008.

[2] 赵佳文.  基于车辆诱导的交通灯动态配时优化算法研究[D].  沈阳：沈阳理工大学，2017.

[3] 赵辛. 西安市城市交通拥堵分析及治理策略研究[D].  西安：长安大学，2018.

[4] ARIMOTO S， KAWAMURA S， MIYAZAKI F. Bettering operation of robots by learning[J].  Journal of Field Robotics， 2010 （2）：123-140.

[5] 池荣虎，侯忠生，黄彪. 间歇过程最优迭代学习控制的发展：从基于模型到数据驱动[J]. 自动化学报，2017，43（6）：917-932.

[6] 丁莹.  城市交通区域的迭代学习边界控制[D].  北京：北京交通大学，2017.

[7] 梅景.  城市快速路系统的无模型自适应迭代学习控制研究[D]. 北京：北京交通大学， 2018.

[8] 杨峰.  几类快速路交通流模型的迭代学习控制研究[D]. 柳州：广西科技大学，2015.

[9] 周昊， 阮太元， 刘智勇.  定周期单路口绿信比的迭代学习控制方法[J]. 五邑大学学报（自然科学版）， 2015（4）：57-61.

[10] 罗彦博.  广义系统的迭代学习控制算法研究[D]. 广州：华南理工大学，2016.

[11] 吕庆，方勇纯，任逍. 加速抑制随机初态误差影响的迭代学习控制[J]. 自动化学报，2014，40（7）：1295-1302.

[12] 朱亚华，刘秉瀚. 城市平面交叉路口微观仿真软件设计[J]. 福州大学学报（自然科学版），2008（1）：64-68.

[13] 徐文龙，郭杜杜，马倩雯，等. 平交口信控配時方案的优化与验证[J]. 西部交通科技，2015（2）：62-65.

[14] 韩吉志.  城市交叉口信号配时算法设计及其VISSIM仿真研究[D].  青岛：青岛科技大学，2015.

[15] 张自荷. 基于VISSIM仿真的平面信号交叉口交通组织优化[J]. 山东工业技术，2018（21）：143.

[16] 张剑，董力耘. 考虑预期效应和交通灯影响的城市道路交通元胞自动机模型[J]. 上海大学学报（自然科学版），2011，17（5）：642-647.

[17] 李娣娜，黄同，薛娓娓. 一种十字路口交通灯智能控制系统的设计[J]. 科技资讯，2016，14（22）：1，3.

[18] 李茜，李铁柱. 公交专用道绿波信号设置及仿真模拟分析[J]. 佛山科学技术学院学报（自然科学版），2009，27（1）：38-42.

[19] 肖智中.  干道交叉口控制群组决策与动态优化研究[D]. 重庆：重庆交通大学，2016.

[20] 王静波. 交通控制信号优化模型的仿真研究[J]. 计算机仿真，2011，28（4）：353-357.

[21] 戈军，周莲英. 面向交通信号的两层递阶控制解决方案[J]. 计算机工程与应用，205，51（20）：246-252.

（责任编辑：黄 健）