论文部分内容阅读
科学有效的信号配时方案是提高交叉口的通行效率的关键手段。传统的信号配时方案优化方法多依赖于人工调查、线圈、视频等断面检测数据，一方面，断面检测数据能够覆盖的时空范围有限，大多情况下仅能获得有限流向有限时间内的数据，若进行人工全面调查则会带来非常巨大的成本。另一方面，这类数据大多仅能反应流量信息，而缺少个体车辆的延误、停车等信息。这就会影响交通控制方案优化的精准度。随着大数据时代到来，轨迹数据为信号控制优化提供了新的途径，其包含着车辆通过交叉口过程中更为丰富的时空信息，使之在精细化交通管控的应用方面具有明显的优势。因此，本文以轨迹数据为基础，充分挖掘其所蕴含的交通信息，对交叉口信号配时优化方法进行了研究，主要工作内容如下：
基于轨迹数据的交通特征参数计算。首先将交通特征参数分为低饱和状态下的绿灯利用率，与高饱和状态下的排队残留系数和二次排队率两个指标，并基于轨迹数据，分别提出了相应的计算方法。最后通过实际案例和仿真模型验证了所提出计算方法的可行性和有效性，并对这些指标在不同饱和度下的敏感性进行了分析，为后续的优化模型奠定基础。
低饱和状态交叉口信号配时优化方法。本文提出了一种基于轨迹数据的信号配时优化方法，能够在没有流量数据的情况下，仅依靠低比例的轨迹数据，对低饱和状态下的交叉口信号控制方案进行优化。通过对车辆轨迹与信号配时方案之间的对应关系进行理论建模分析，建立了以车辆总延误最优为目标的优化模型，并通过求解一系列混合整数线性规划模型来进行求解。在实际案例计算中，本文所提出的优化模型能降低近50%的交叉口延误；仿真模型的结果表明，与以流量数据为基础的Webster优化方法相比，本模型也能将优化效果提升30%左右。
高饱和状态交叉口信号配时优化方法。本文还研究了高饱和交通状态下的信号优化策略，将优化模型从特殊性向一般性拓展，进一步提高了模型的适用性。首先基于饱和交通特征条件，以交叉口饱和相位数尽可能少、交叉口总延误尽可能小为双目标，并重新设计了分支定界法进行求解。该算法既可以得到最优解，也可以判别出交叉口的饱和相位。实际案例与仿真模型的结果表明，优化模型能够正确判别出饱和相位，并且可以使交叉口的延误减少30%左右。
综上所述，本文基于轨迹数据，对交通特征参数进行计算，并分别提出了低饱和与高饱和交通状态下的信号配时优化方法，优化结果表明本文所提出的优化模型能更有效地降低交叉口延误，提高交叉口的通行效率。
基于轨迹数据的交通特征参数计算。首先将交通特征参数分为低饱和状态下的绿灯利用率，与高饱和状态下的排队残留系数和二次排队率两个指标，并基于轨迹数据，分别提出了相应的计算方法。最后通过实际案例和仿真模型验证了所提出计算方法的可行性和有效性，并对这些指标在不同饱和度下的敏感性进行了分析，为后续的优化模型奠定基础。
低饱和状态交叉口信号配时优化方法。本文提出了一种基于轨迹数据的信号配时优化方法，能够在没有流量数据的情况下，仅依靠低比例的轨迹数据，对低饱和状态下的交叉口信号控制方案进行优化。通过对车辆轨迹与信号配时方案之间的对应关系进行理论建模分析，建立了以车辆总延误最优为目标的优化模型，并通过求解一系列混合整数线性规划模型来进行求解。在实际案例计算中，本文所提出的优化模型能降低近50%的交叉口延误；仿真模型的结果表明，与以流量数据为基础的Webster优化方法相比，本模型也能将优化效果提升30%左右。
高饱和状态交叉口信号配时优化方法。本文还研究了高饱和交通状态下的信号优化策略，将优化模型从特殊性向一般性拓展，进一步提高了模型的适用性。首先基于饱和交通特征条件，以交叉口饱和相位数尽可能少、交叉口总延误尽可能小为双目标，并重新设计了分支定界法进行求解。该算法既可以得到最优解，也可以判别出交叉口的饱和相位。实际案例与仿真模型的结果表明，优化模型能够正确判别出饱和相位，并且可以使交叉口的延误减少30%左右。
综上所述，本文基于轨迹数据，对交通特征参数进行计算，并分别提出了低饱和与高饱和交通状态下的信号配时优化方法，优化结果表明本文所提出的优化模型能更有效地降低交叉口延误，提高交叉口的通行效率。