城市交通信号优化控制平台设计与应用

李德文,沈 斌,黄少泽,马建国,丁高博,刘 志

(1.浙江中控信息产业股份有限公司,浙江 杭州 310053;2.浙江工业大学 计算机科学与技术学院,浙江 杭州 310023)

随着城市化水平和汽车产业的高速发展,城市私家车数量迅猛增加,导致交通需求持续增长,进一步加剧了交通拥堵等问题。交通信号控制系统作为缓解交通拥堵的重要工具,在城市交通管理领域已得到广泛研究和应用。在研究层面,通过将模糊控制、车路协同、效能评价、ITS体系框架、模型预测控制和深度强化学习等技术与交通信号控制系统结合[1-12],可以有效提升控制效果;在应用层面,英国的SCOOT[13]、澳大利亚的SCATS[14]、国内的Intellific[15]和HiCon[16]等产品在北京、上海和杭州等城市部署实施,有力保障了城市交通高效运行,并在应用过程中逐步形成信号控制与信号优化智能协同的一体化解决方案。

笔者在已有研究工作的基础上,设计并实现了基于微服务模式[17]的信号优化控制平台。该平台以实时交通感知数据为支撑,利用场景驱动的信号优化控制技术,向交警、配时员等交通管理人员提供交通信号优化控制服务,具有架构层次清晰、服务划分明确、资源动态管理、数据高效存储以及算法智能控制等特点,最终实现人机协同的城市全域交通信号闭环优化目标。

1 平台设计

信号优化控制平台的设计面向城市道路、高架匝道等全域交通应用场景,利用交通大数据和人工智能方法,提供信号控制与配时优化服务[18-19]。在架构设计时充分考虑应用场景特点,针对平台核心功能需求构建平台业务架构和技术架构,形成完整的信号优化控制平台架构设计。

1.1 业务架构

信号优化控制平台可以从接口、数据、算法和应用4个层面进行业务架构设计,将平台从业务角度划分为数据接口层、信息处理层、控制优化层和业务应用层,并确定各层包含的业务组件,业务架构如图1所示。

图1 信号优化控制平台的业务架构设计

数据接口层负责平台与其他系统之间的双向数据交互,包括实时数据接入和信控方案下发,通过API应用网关开放平台功能;信息处理层负责交通数据的加工处理和存储管理,融合生成交通态势描述信息和管控效果评价信息,向上层提供数据业务服务;控制优化层负责基于交通场景结合交通态势产生信号控制方案,实现交通信号控制和优化;业务应用层整合各层功能,面向用户提供业务应用支撑。

1.1.1 数据接口层

数据接口层是信号优化控制平台与其他系统之间的唯一交互接口,包括与数据中台之间的实时交通数据和算法输出数据交互,与算法中台之间的算法调度触发和算法配置信息交互,与GIS系统之间的路网地理信息交互,并向其他应用系统提供信号控制和信号优化服务。一旦其他系统的外部接口发生变化(例如增加访问鉴权要求),只需要变更数据接口层,不会影响到上层组件。

1.1.2 信息处理层

信息处理层对接入的实时交通感知数据进行重构诊断修复、质量巡检分析、多维指标计算与态势精细评估,并统一配置和管理路网模型数据,向控制优化层和业务应用层提供实时高效的交通数据服务。信息处理层一方面对接入数据按需进行加工处理,形成上层可用的数据形态和格式;另一方面基于接入数据融合生成多维度的交通态势信息,全面刻画数据质量和交通状态,输出到业务应用层进行整合与展示。

1.1.3 控制优化层

控制优化层基于信息处理层提供的路网模型数据和交通态势信息,结合算法配置参数,通过算法中台统筹调度单点信控算法、子区信控算法、可变车道算法和高架匝道算法等各类信号控制算法,并利用数据接口层的信控方案下发接口,将自动生成或手动配置的信号控制方案下发到路口信号机执行。同时,控制优化层通过方案知识库和闭环反馈机制进行持续迭代,自动优化算法效果。

1.1.4 业务应用层

业务应用层依托信息处理层的数据业务服务,以及控制优化层的交通管控服务,向交警、配时员等用户提供路口管家、信号监控、特勤保障、指标研判、智能优化、管控评价和报警干预等业务应用,将各类交通态势描述信息、信号运行监控信息、管控效果评价信息和问题研判报警信息在终端界面可视化展示,并支持授权用户随时按需进行灵活、高效的操作处置,最终实现人机协同的交通信号闭环优化目标。

1.2 技术架构

信号优化控制平台采用微服务技术架构,根据业务上下文进行服务拆分,每个业务组件实现为单个微服务。平台基于B/S模式,前后端分离,外部数据统一接入,通过API应用网关开放对外接口。各服务自身的业务职责与功能角色专一,服务之间通过轻量级的RESTful HTTP接口进行交互调用。

信号优化控制平台的技术架构可以划分为资源、数据和服务3个部分,分别对应于平台的资源管理、数据管理和服务管理。资源管理面向服务器集群的硬件资源和算法资源,构建虚拟的分布式“操作系统”。数据管理面向交通实时数据和路网模型数据,例如过车记录、排队长度等,构建从接入、处理到存储的数据流水线。服务管理面向各类业务应用实例,采用微服务解决方案进行治理,包括服务发现、配置管理、日志分析和访问鉴权等。

信号优化控制平台的技术架构设计如图2所示。

图2 信号优化控制平台的技术架构设计

1.2.1 资源管理

资源管理部分主要包括容器管理平台和算法调度框架,前者用于管理集群资源,后者用于管理算法资源。

针对业务架构划分的多个微服务,如何进行高效的服务部署运维,关系到系统的稳定性和易用性。信号优化控制平台采用容器化解决方案,充分利用主流的容器编排管理系统将基于容器的大量微服务部署到服务器集群,并对这些业务应用实例进行水平伸缩、服务自愈等自动化管理,从而极大地减轻了微服务应用与基础设施集成,以及微服务应用管理的负担。

算法调度框架需要判断并决定各类信号优化控制算法的运行时段、触发时刻、降级调度方案,以及对应的算法运行实例。算法调度框架是对算法和算力资源的协调管理,包括算法触发器、算法调度器和算法协调器3类核心组件。算法触发器用于决定算法的执行时机,算法调度器用于关联触发器和算法运行实例,算法协调器用于管理多个算法运行实例的协调调度。

1.2.2 数据管理

数据管理部分主要包括数据连接器、流式计算引擎和交通数据存储,分别用于数据的接入、处理和持久化。

数据连接器采用插件式设计,支持开发、上传、配置和启停面向不同数据源的插件,这些插件分为输入插件、转换插件和输出插件3类,构成单条或多条数据链路。输入插件从数据中台或第三方数据源实时接入过车记录、排队长度等各类异构数据,转换插件进行字段映射、内容过滤等数据实时转换操作,输出插件将转换后的数据发送到指定的消费者或存储库。

流式计算引擎负责流式时序数据的清洗、重构、诊断和修复,通过不同函数算子的组合构建响应式数据实时处理链路,实现由原始采集数据到算法输入数据之间的转换。由于数据全链路对于上层应用的重要性,流式计算引擎必须具有高可用性和弹性扩展能力。针对不同类型的交通实时数据,提供相应的重构算法和诊断修复算法,输出质量更高的目标类型数据。

交通数据存储基于关系数据库、图数据库和时序数据库进行路网模型数据与交通实时数据的持久化。由于路网数据本身具有多层嵌套、网状关联等特点,导致关系模式的设计复杂,面向上层应用的关联查询效率不高。因此,使用图数据库作为路网数据的存储基础设施。交通实时数据大多属于时间序列数据,数据规模随时间增加而快速增长,主要面向时间范围查询,适合选用时序数据库进行存储。

1.2.3 服务管理

服务管理部分主要包括微服务管理、微服务实例、微服务监控和微服务安全,共同构成微服务模式的技术实现。

微服务管理提供服务发现、配置管理和流量路由等核心管理功能。服务发现用于路口管家、信号监控等各个微服务实例的注册和发布;配置管理用于信号控制算法参数等基础配置信息的统一集中存储、管理和查询;流量路由用于访问流量的负载均衡、失效实例的流量熔断和超载流量的限流控制。

微服务实例包括数据微服务、算法微服务、应用微服务和消息总线。各类微服务实例运行时通过消息总线进行异步消息交互,实现多服务协同的业务流程。例如,多个交通指标统计算法的触发计算均依赖于信号周期到达事件,这些算法服务可以通过消息总线订阅对应的消息,从而在收到消息通知后及时处理。

微服务监控负责服务运行过程的状态监控,通过日志分析进行系统运行问题和算法逻辑问题排查,通过链路跟踪完成跨服务事务调用链的分析和可视化,通过服务监控对各个微服务实例的运行状态、资源占用和载入配置等实时信息进行展示和预警。微服务监控在信号优化控制平台的运维过程中起到关键作用。

微服务安全主要涉及身份验证、访问鉴权和用户管理。身份验证用于平台访问者的身份确认;访问鉴权用于判断用户的当次访问操作(特别是配时方案下发等关键操作)是否合法有效;平台还提供基于组织单位、用户角色等的多维度、多层级用户管理,将角色、权限和用户进行关联对应。

2 核心技术

场景驱动的信号优化控制技术基于实时交通感知数据,输出不同交通场景下的信号配时方案,并进行不断迭代优化,实现全天候自动调度、多场景自动切换的城市全域智能信号控制,主要包括方案总调度、方案生成器和方案知识库技术,以子区信号优化控制为例进行具体说明。

2.1 方案总调度

将方案生成器和方案知识库有机结合,形成完整的方案构建流程,基于当前交通场景输出信号配时方案,具体步骤为

步骤1通过天气信息(晴天、雨天等)、日期属性(工作日、节假日等)、交通态势(拥堵、缓行等)等类型对当前交通场景进行归类,输出归类后的多维场景标签。

步骤2如果存在预设的调度策略(调度方案生成器或方案知识库),则应用预设的调度策略,否则默认调度方案生成器。

步骤3方案生成器基于实时交通感知数据生成对应的信号配时方案,如果生成成功,标记该方案的场景标签,转步骤5;如果因数据质量、覆盖率等问题导致方案生成不成功,转步骤4。

步骤4方案知识库基于当前交通场景,调度知识库中最为匹配的方案;如果匹配失败,则调度预设的单点定时方案作为降级方案。

步骤5输出信号配时方案到控制下发模块。

方案总调度流程如图3所示。

图3 方案总调度流程

2.2 方案生成器

基于实时交通感知数据选择关键路口,确定子区协调策略,通过子区信号配时方案优化模型对公共周期、绿信比和相位差等参数进行优化,下发到信号机执行。由效果评价模块对控制效果进行评价,实现闭环反馈。具体步骤为

步骤1获取子区内各路口的流向流量、协调速度等实时交通感知数据,统一数据量纲和频率。

步骤2基于流向流量计算路口饱和度,选取饱和度最大的路口作为子区关键路口。

步骤3应用基于上下行交通态势的协调策略决策树[20]确定子区协调策略,常用的协调策略包括单向绿波、双向绿波、单向红波、双向红波和一向红波一向绿波等。

步骤4基于关键路口的饱和度进行子区公共周期优化,通过小步距调整公共周期,将关键路口的饱和度控制在预设的最佳区间。

步骤5以路口各相位饱和度均衡为目标,结合最大、最小绿约束,迭代调整各路口绿信比,将路口的相位饱和度均方差控制在预设的阈值内。

步骤6以带宽最大为目标,在既定的协调策略下,基于各路段协调速度依次确定路口间的相位差。

步骤7输出包含周期、绿信比和相位差的子区信号配时方案,下发到各路口信号机执行。

步骤8基于拥堵指数、停车率和平均延误等指标进行运行效果评价,并将评价结果作为反馈信息输入子区信号配时方案优化模型,实现闭环反馈。

方案生成器的算法技术框架如图4所示。

2.3 方案知识库

基于方案生成器的信号优化控制技术对数据质量、覆盖率的要求较高,在实际场景中可能无法满足上述数据需求。为解决该问题,设计并实现了基于方案知识库的信号优化控制技术,依据历史配时方案进行持续的反馈评价和迭代优化,构建迭代式方案知识库,具体步骤为

步骤1场景匹配模块通过当前交通场景标签与知识库中已有的历史信号配时方案所标记的场景标签进行匹配,输出天气信息、日期属性和交通态势等各类场景标签均匹配的方案集合;如果方案集合非空,则匹配成功,否则匹配失败。

步骤2方案选择模块基于场景匹配模块输出的匹配结果进行判断,如果匹配成功,则选取上述方案集合中效果评价综合评分最高的方案进行下发;如果匹配失败,则选取预设的单点定时方案作为降级方案下发。

步骤3效果评价模块具备专家评分和智能评分两级评价机制,其中专家评分由专家对下发方案的运行效果进行评分;智能评分根据当前子区拥堵指数的变化情况进行自动评分,并按照权重系数融合后计算得到效果评价综合评分。

步骤4知识库更新模块将实际下发的信号配时方案(由方案生成器或方案知识库输出)、对应的多维场景标签和效果评价综合评分更新到知识库;如果该方案最近N次(N可以配置)效果评价综合评分的均值低于预设的阈值,则从知识库中删除该方案。

具体流程如图5所示。

图5 方案知识库匹配与迭代流程

3 应用案例

目前,信号优化控制平台已在多个城市落地应用,助力这些城市实现全域交通一体化信号管控,在此选取某市的应用案例进行说明。应用范围内信号机联网控制的路口集中,安装有线圈车辆检测器、视频车辆检测器等传统交通传感器,浮动车互联网感知数据覆盖齐全,适合实施基于实时交通感知数据的全域交通信号优化控制。

信号优化控制平台在部署实施后,为上层应用提供交通信号信息和控制支撑;接入传统交通传感器数据、浮动车互联网数据等,实现了多维数据的融合处理,为上层应用提供交通感知数据支撑;全面覆盖单点感应算法、单点自适应算法、子区自适应算法、可变车道算法、高架匝道算法和报警处置算法等,为上层应用提供强大的智能算法支撑。平台界面如图6所示。

图6 某市运行的信号优化控制平台界面展示

在应用实施期间,区域范围内全天拥堵时长占比下降3.32%,高峰拥堵延时指数下降2.44%,高峰拥堵路段里程比下降10.24%,常发拥堵路段里程比下降11.95%,提升了相关区域城市交通管理与信息服务水平,道路通行能力得到了改善,缓解了城市交通拥堵。应用区域优化前和优化后的路网评价指标对比如表1所示。

表1 应用区域优化前和优化后的路网评价指标对比

4 结 论

基于微服务架构模式和场景驱动的信号优化控制技术,设计并实现了城市交通信号优化控制平台,用于向交警、配时员等交通管理人员提供城市全域交通信号控制与配时优化服务。该平台通过将信号控制与信号优化进行一体化协同实施,输出不同交通场景下持续迭代优化的信号控制方案,实现城市全域智能信号控制。某市的应用案例实施效果表明:该平台可以有效缓解相关区域交通拥堵状况,改善城市道路通行能力,提升交通管理的信息化、智能化水平和城市居民的乘车出行体验。