一种基于事件驱动的城市路网智慧交通信号控制系统

程添亮，项俊平

(杰瑞电子有限公司，江苏 连云港 222000)

1 引 言

随着城市智慧交通建设的进行，缓解交通压力，解决人们出行难的问题一直是交通领域研究的重点。随着5G网络、车路协同系统、交通物联网的发展，前端交通设备(检测器、GPS设备、RFID设备等)产生了海量交通数据，有效利用这些数据有助于缓解交通拥堵问题。交通信号控制系统作为城市路网信号控制的大脑，应该及时响应交通大数据隐含的控制需求，优化路网的信号控制方案，最大限度地提升城市道路的使用效率。

交通大数据具有异构性、实时性、海量性、价值性等特征，而传统的交通信号控制系统受其架构约束不能有效处理异构数据，缺少多源数据的融合处理机制，只能实时处理少量数据，对控制需求的响应有着很明显的延后性，已经越来越不能满足智慧交通建设的需求。

本文提出一种基于事件驱动的城市路网智慧交通信号控制系统(EDSCS)，在系统中定义了若干可以优化交叉口信号控制的标准事件，利用大数据计算引擎和AI视频识别技术将多源异构交通大数据统一处理为标准事件，在保证系统的实时性的同时还挖掘出了对城市路网控制具有价值的数据。信号控制系统接收不同的标准事件对路网中交叉口的方案进行相应的优化，实现对城市路网的精准控制。

2 文献综述

从上世纪80年代起，就有学者对如何构建交通信号控制系统进行了深入的研究。Hunt等人在1981年提出了SCOOT系统，利用检测器采集的交通数据建立模型对交通状态进行预测，优化交叉口的绿灯时长、相位差、周期等参数，绿信比的优化依赖于对饱和度的估算，并且以小步长变化对其进行调整，但是存在不能及时响应交通需求的问题。Lowrie在1990年提出了SCATS系统，系统采用三级协调分布式控制结构，能够满足不同城市规模的需要，但本质上是一种方案选择系统，降低了信号优化的灵活性。

近年来，一些学者对交通信号控制系统的研究取得了不同程度的进展。在2012年，Abdoos等人提出了基于多智能体的交通信号控制系统，系统在降低平均延误、提高流率的同时防止路网过饱和。在2014年，Vidhya等人提出了基于车辆密度的信号控制系统，系统将摄像机图片转换为车辆密度进而重新分配各相位的绿灯时间。这些研究成果都是基于单一来源的交通数据，系统未能支持多源交通数据的输入，缺少处理车路协同和交通物联网产生的海量异构数据的有效手段，对交叉口的信号控制不够精细，交通信号控制体系不够完整。

本文的研究重点为一种基于事件驱动的城市路网智慧交通信号控制系统，将交通物联网、车路协同系统产生的海量异构交通数据利用大数据处理技术和AI视频识别技术转换为标准事件，将交通数据与信号控制解耦；交叉口在运行基础控制方式时，实时响应各类等级的标准事件，智能优化信号控制，缓解交通压力，提高城市路网的通行效率。

3 控制思想

交通信号控制系统通过调整路网中各交叉口的控制方案来实现信号控制。EDSCS引入了标准事件的概念：标准事件定义为消息服务传递给信号控制服务的事件命令，标准事件的源为信号机、检测器、摄像机、车路协同等前端设备上传到系统的原始数据，这些原始数据由大数据引擎或者AI视频识别技术转换为标准事件，标准事件影响交叉口的放行灯态。EDSCS中的标准事件定义为：Gi,j=GiNi,jP，其中Gi为第i类事件，Ni,j为第i类事件下的第j个事件名，P为参数列表。

根据以上控制思想将交通信号控制系统EDSCS按业务划分为7大服务：通讯服务、视频服务、数据处理服务、消息服务、基础服务、信号控制服务、监控与评价服务。EDSCS系统架构如图1所示。

图1 EDSCS系统架构图

通讯服务：接收信号机发送的通讯报文，将这些报文转发至消息服务。接受消息服务发来的通讯报文，并将这些报文发送给信号机。

视频服务：利用卷积神经网络对摄像机输出的视频进行视频识别和云计算，识别交通事故与事件，输出各类标准事件，并将标准事件发送给消息服务。

数据处理服务：数据处理服务能够将设备的原始数据统一转变为标准事件。数据处理服务的核心为数据处理引擎，引擎采用Flink作为流处理框架，将消息服务发来的交通数据处理为规范数据(周期流量、占有率、排队长度、速度、相位的周期绿灯时间)。数据处理服务将规范数据转发至微服务集群，同时将规范数据输入至事件引擎，由事件引擎处理规范数据生成事件转发至消息服务。

消息服务：作为信号控制系统的消息总线，采用Kafka集群作为服务消息处理平台，接收视频服务、数据处理服务发来的事件，并将事件转发至微服务集群中的基础服务和信号控制服务；接收信号机发送给通讯服务的通讯报文，将通讯报文转发至基础服务；接收信号控制服务下发的交叉口控制方案，并将其转发至通讯服务；接收基础服务下发给信号机的报文，并将其转发至通讯服务。

基础服务：基础服务业务层配置路网基础数据、子区基础数据、交叉口基础数据、、配置通讯服务与视频服务等。

信号控制服务：包含输出层和决策层，如图 2所示；输出层可以通过两种方式输出控制方案：一种为秒级控制，方案输出层按照阶段执行情况，每秒都可以修改相位阶段的参数，保证系统能够及时响应标准事件，实时改变相序、绿灯时间、相位差，有效的缓解拥堵问题；另一种为周期级控制，周期性的将方案输出至关系型数据库集群，由方案决策层自行读取周期方案，将其下发至消息服务器。多个系统的控制方案可能同时到达方案决策层，方案决策层按照用户配置的优先级决定下发方案。

图2 信号控制服务框架

EDSCS的核心控制思想是事件驱动，而事件的源头是数据，利用大数据计算引擎和AI视频识别技术对海量交通数据进行实时处理，将处理结果转换为标准事件，并实时下发相位阶段或者周期方案，及时地响应各类标准事件，以实现对城市路网的精准控制与协同指挥。

4 应用场景

EDSCS的事件驱动与秒级控制机制使其能够及时响应海量数据中隐含的标准事件，以瓶颈点交叉口的拥堵场景为例来介绍EDSCS的控制机制，通过与自适应控制比较，证明EDSCS能够有效缓解拥堵状态。利用仿真软件Vissim进行仿真，实验结果来源于Vissim仿真结果。

以地磁检测器作为数据源，每秒上传检测器数据，数据处理服务按照周期C统计流量，按照统计周期ts输出占有率。在路段1(交叉口1东进口)出口放置检测器d1,d2,d3检测流量，路段1进口位置放置检测器d4,d5检测占有率，路段2(交叉口1出口)进口放置检测器d6,d7检测占有率，检测器布设如图3所示。

方案输出层使用流量数据调整绿信比，数据处理服务使用占有率数据判断路段状态，产生出口拥堵事件，例如3 410路口的出口3的拥堵状态的事件为：im conj 3410 3 1，其中1表示控制策略T为限流。统计周期占有率为oi，占有率限流阈值为o1，占有率禁入阈值为ou，控制策略T如公式(1)所示

(1)

方案输出层接收到限流命令后，会将增加路段2出口各相位的绿灯时间，减少交叉口1所有交通流向进入路段2的相位的绿灯时间。

设置绿灯时间调整步长为D，相位p关联的所有检测器的周期流量的均值为fp，周期内的绿灯放行时间为gp，饱和流率为SFR，相位p的饱和度为sp，饱和度控制下限为smin，饱和度控制上限为smax，最小绿灯时间为fp,min，饱和度的计算公式如公式(2)所示

sp=fp×3 600/(gp×SFR)

(2)

(3)

(4)

当拥堵点的车辆逐渐消散后，占有率下降，策略T变为正常状态，相位时间便会根据公式(3)进行调整。

利用交通仿真软件Vissim模拟拥堵点d6流量过饱和状态，比较路段2直行相位在自适应控制情况下和EDSCS优化情况下，连续采集周期下的排队长度和绿灯事件的对应关系如图4所示。

从本例可以看出，在路段长度为408 m，检测器位置距停止线320 m且路段交通流量过饱和时，基于事件驱动的EDSCS架构与自适应控制相比，有效的减少了排队长度，减少了进入拥堵点的车辆，防止上游路口因车辆溢出导致路口堵满车辆，保障重点关注路段的行车通畅。

图4 流量过饱和时两种控制方式下的排队长度与绿灯时间对比图

5 结束语

本文提出了一种基于事件驱动的城市路网智慧交通信号控制系统EDSCS，系统以大数据和AI视频处理技术将多源异构海量交通数据转换为标准事件，利用事件解耦了数据与控制。为了实时响应事件对信号控制的影响，通过信号控制服务的秒级控制下发实时修改绿信比、周期、相位、相序等控制参数，及时的将交通数据的变化反馈至控制。