专利名称：混合交通环境下平面信号交叉口服务水平的评价方法
技术领域：
本发明属于城市道路交通规划与管理领域，尤其涉及一种混合交通环境下平面信号交叉口服务水平的评价方法。
背景技术：
从上个世纪五十年代以来，国外一些发达国家的交通工程研究人员就一直致力于寻求好的度量和评价信号交叉口服务质量的方法和模型，经过几十年的努力形成了相对独立的理论和方法。以美国《道路通行能力手册》(HighwayCapacity Manual，简写为HCM)最具有代表性，影响也最大，一些国家和地区以此为基础开展服务水平研究。新版HCM2000所提出的信号交叉口服务水平以每车平均控制延误为指标并将其分为A-F六级；并确定了控制延误计算方法。
与国外相比，我国在信号交叉口服务水平研究方面起步较晚，但也取得了一定的成果。任福田等编著的《交通工程学》一书中建议的信号交叉口服务水平评价指标包括交通负荷系数、效率系数、交叉口受阻车辆、延误时间及排队长度，并以此将服务水平划分为五个等级；北京市政设计院建议以交叉口负荷系数、车辆通过交叉口平均延误时间、红灯平均阻车长度和交通使用者的感受为指标将服务水平划分为I-IV级；萧乾金等在重庆市城市道路改扩建技术项目中，对交叉口评价采用饱和度、效率指标、车均延误、安全率以及交通管理及环境条件等指标；钱寒风等也完成了此方面的研究，将每车道通行能力、饱和度、延误和两次停车率作为交叉口评价指标并给出了A-E五级的分级标准。
以上研究成果丰富了交叉口服务水平评价的理论和方法，但结合中国混合交通特征的研究还不够，所提出的交叉口服务水平评价指标以及指标计算方法，均以单一机动车流作为考虑对象。因此，既有的服务水平评价方法不适用于我国高度混合的交通流情况。所评价出的服务水平，无法正确反映客观实际。混合交通对交叉口服务水平影响表现在以下几个方面 1、行人、自行车对机动车运行的干扰 对于平面信号交叉口，在同一个绿灯信号周期，存在不同方向的行人、自行车与机动车的相互干扰，导致机动车的运行条件、使用者的感受发生改变，进而对服务水平产生影响。而国内外交叉口服务水平评价系统，均没有反映这方面内容的指标，这种现象无法在服务水平中得到体现； 2、对评价指标的影响 国内提出的交叉口服务水平评价指标中，出现较多有饱和度、效率系数等指标。由于存在混合交通在交叉口的相互干扰，将造成交叉口的通行能力损失，降低机动车在交叉口内的通行速度，进而会影响饱和度、效率系数；而当前对饱和度、效率系数的计算，采用的多是国外基于单一机动车交通环境下的计算方法，因而无法有效地计算出混合交通环境下的指标值。这些指标的计算方法，需要重新加以研究。
发明内容
本发明的目的在于，针对现有混合交通环境下平面信号交叉口服务水平的评价方法中，未能考虑机非干扰状况和国内混合交通环境的不足，从而导致评价结果不合理的问题，提出一种混合交通环境下平面信号交叉口服务水平的方法。
本发明的技术方案是，一种混合交通环境下平面信号交叉口服务水平的评价方法，其特征在于，所述评价方法包括下列步骤 步骤1确定混合交通环境下平面信号交叉口服务水平评价指标，包括控制延误、干扰率、饱和度、效率系数、排队长度； 步骤2利用层次分析法计算混合交通环境下平面信号交叉口的控制延误、干扰率、饱和度、效率系数、排队长度5项评价指标的各自权值； 步骤3运用模糊聚类方法，获得混合交通环境下交叉口各级服务水平各项评价指标的中心点和标准差，求得各级评价指标的隶属函数； 步骤4利用机动车和自行车产生模型、跟驰模型、行人的产生模型、排队模型和右转机动车穿越决策模型对混合交叉口的机动车、自行车和行人的运行状况进行仿真，从而获得混合交通环境下控制延误、干扰率、饱和度、效率系数、排队长度5项评价指标的指标值； 步骤5运用各级服务水平各评价指标的隶属函数，分别计算控制延误、干扰率、饱和度、效率系数、排队长度5项评价指标每一级的隶属度，形成单因素评判矩阵； 步骤6利用单因素评判矩阵和指标权值，对各级别下5项评价指标进行综合评判，按最大隶属原则确定服务水平级别。
所述步骤2中，利用层次分析法计算混合交通环境下平面信号交叉口的控制延误、干扰率、饱和度、效率系数、排队长度5项评价指标的各自权值，包括下列步骤 步骤21建立评价的层次结构； 步骤22构造判断矩阵； 步骤23进行层次单排序和一致性检验； 步骤24进行层次总排序和一致性检验； 步骤25计算各个指标权值。
所述右转机动车穿越决策模型基于BP神经网络建立，包括 步骤41分别建立三层BP网络结构，确定输入层、输出层神经元个数以及隐层神经元数目范围； 步骤42训练隐层神经元的数目范围内的神经网络，确定隐层神经元的数目。
所述步骤5中，分别计算控制延误、干扰率、饱和度、效率系数、排队长度5项评价指标每一级的隶属度，具体是 (i，j＝1，2，3，4，5)，其中，cj为控制延误、干扰率、饱和度、效率系数、排队长度5个指标的指标数据，xij为各级服务水平的中心点，yij为各级服务水平的标准差。
所述单因素评判矩阵是 所述步骤6中，对各级别下5个指标进行综合评判具体是 对于由步骤1计算出的各个指标权重WT＝(W1，W2...W5)，将之与单因素评判矩阵R进行模型M(∧，∨)计算，得综合评判
所述步骤6中，按最大隶属原则确定服务水平级别，具体是，取max(b1，b2，...b5)＝bk，则服务水平确定为k级。
本发明提出的方法其效果在于，综合考虑包括非机动车和行人在内的各种交通因素以及指标对平面信号交叉口服务水平贡献度的影响，对混合交通环境下平面信号交叉口服务水平的评价更加准确。
图1是本发明提出的混合交通环境下平面信号交叉口服务水平的评价方法流程图； 图2是利用层次分析法建立的混合交通环境下平面信号交叉口的各项指标的层次结构图。
具体实施例方式 下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
本发明利用交通流量传感器、交通信号灯状态传感器和交通仿真服务器实现混合交通环境下平面信号交叉口服务水平的评价。其中，交通流量传感器和交通信号灯状态传感器分别通过数据传输线路与服务器相连，交通信号灯状态传感器设置在道路交叉口，交通流量传感器设置在交叉口邻接的机动车道、自行车道以及人行道上，服务器接受来自交通流量传感器和交通信号灯状态传感器的数据信号并存储到数据库中，交通仿真服务器包含一套配备网络接口的计算机系统及运行于该计算机系统上的平面信号交叉口服务水平评价软件-INSSIM仿真软件。交通仿真软件分为交通仿真程序与基础数据库两部分。
图1是本发明提出的混合交通环境下平面信号交叉口服务水平的评价方法流程图。图1中，本发明提出的方法的实现过程是 步骤1确定混合交通环境下平面信号交叉口服务水平评价指标，包括控制延误、干扰率、饱和度、效率系数、排队长度。
任福田教授编写的《交通工程学》一书中，将服务水平定义为衡量交通流运行条件以及驾驶员和乘客所感受的服务质量的一项指标。因此，结合我国混合交通环境，交叉口的服务水平应定义为信号交叉口混合交通流的运行条件和使用者(包括机动车驾驶员或自行车骑行者)对交叉口所提供服务的满意程度。从基本概念出发，本发明确定混合交叉口的服务水平评价指标为控制延误、排队长度、饱和度、效率系数和干扰率。
控制延误控制延误包括车辆在交叉口范围内的停车延误和加减速损失时间。
排队长度排队长度是指停驶车辆占用道路的空间长度。
饱和度(交通负荷系数)该指标是指在混合交通环境下，进口道实际交通量(v)与进口道通行能力(c)之比。
效率系数该指标是指在混合交通环境下，车辆在交叉口处的行车速度与路段上车辆行驶速度的比值。
饱和度(负荷系数)、效率系数指标，在本发明的计算中，均考虑了混合交通相互干扰因素。
干扰率是本发明结合我国混合交通的特点提出的。其含义是指在平面信号交叉口内，机动车由于机非干扰而造成的时间损失，占无干扰情况下机动车正常通行所需时间的比值。干扰率可以用来描述交叉口内自行车和行人对机动车的干扰。
步骤2利用层次分析法计算混合交通环境下平面信号交叉口的控制延误、干扰率、饱和度、效率系数、排队长度5项评价指标的各自权值。具体过程为 步骤21建立评价的层次结构。图2是利用层次分析法建立的混合交通环境下平面信号交叉口的各项指标的层次结构。图2中，设定服务评价水平为目标层A；标准层B包含停车线外评价指标B1和车线内评价指标B2；5个指标位于标准层C中，分属于停车线外评价指标B1和车线内评价指标B2，其中，停车线外评价指标B1下包括控制延误C1、饱和度C2、排队长度C3，车线内评价指标B2包括干扰率C4、效率系数C5。
步骤22构造判断矩阵。从建立好的层次结构模型的第2层(标准层B)开始，对于从属于上一层每个因素的同一层诸因素，用1～9比较尺度通过专家打分法构造判断矩阵，直到最下层。即对标准层B和标准层C内的指标两两比较重要程度，按1～9比较尺度对各元素间的相对重要性程度赋值。下表(表1)表示的是1～9比较尺度的含义。
表1比较尺度含义表 例如，根据其中一名专家的意见得出判断矩阵A-B，B1-C，B2-C 矩阵 矩阵 矩阵 步骤23进行层次单排序和一致性检验。
层次单排序就是确定本层各因素对上层因素的影响程度，计算判断矩阵的最大特征根及对应的特征向量，最常用的方法是和积法和方根法。本次计算选用和积法，其具体步骤如下 (1)将判断矩阵A的每一列元素作归一化处理； (2)将每一列经归一化处理后的判断矩阵按行相加，得向量W； (3)对向量W＝(W1，W2，…Wn)T进行归一化处理，所得到的W＝(W1，W2…Wn)T即为特征向量； (4)计算判断矩阵的最大特征根 (5)一致性检验 为了保证层次分析法得到的结论合理，必须把判断矩阵的偏差限制在一定范围内，就要进行一致性检验。一般用CI和CR两个指标进行判定。
一致性指标 随机一致性比率 其中RI，即平均一致性指标，是多次重复进行随机判断矩阵特征值的计算之后取算术平均数得到的。
当CR＜0.1则认为判断矩阵的一致性是可以接受的，否则，认为不一致性太严重，需重新构造判断矩阵或做必要的调整。
步骤24进行层次总排序和一致性检验。计算同一层次所有因素对整个总目标相对重要性的排序权值，称层次总排序。它是用下一层次各个因素的权值和上一层次因素的组合权值，得到最下层因素相对于整个总目标的相对重要性。
计算A-C权重，计算公式如下 WA-C＝WA-B×WB-C(4) 其中，WA-B表示B层指标的权重，WB-C表示C层指标相对于所属关联层的B层指标的权重。
对层次总排序也需作一致性检验，检验仍像层次总排序那样由高层到低层逐层进行。这是因为虽然各层次均已经过层次单排序的一致性检验，各成对比较判断矩阵都已具有较为满意的一致性。但当综合考察时，各层次的非一致性仍有可能积累起来，引起最终分析结果较严重的非一致性。
设C层中与Bj相关的因素的成对比较判断矩阵在单排序中经一致性检验，求得单排序一致性指标为CI(j)，(j＝1，…，m)，相应的平均随机一致性指标为RI(j)(CI(j)、RI(j)已在层次单排序时求得)，则C层总排序随机一致性比例为 其中，bj为因素B1，…，Bn关于Aj的层次单排序权重。当CR＜0.10时，认为层次总排序结果具有较满意的一致性并接受该分析结果。
步骤25计算各个指标权值。
由多个专家打分后，得到各自的层次总排序计算结果。将其综合，得到评价指标体系各指标的最终权值W＝(W1，W2…Wn)T。其中，Wj为第j个指标的综合权值。
式中s为专家人数；λi为第i位专家的权值；Wij为第i位专家对第j个指标的权值。
步骤3运用模糊聚类方法，获得混合交通环境下交叉口各级服务水平各项评价指标的中心点和标准差，并求得各级评价指标的隶属函数。
基于目标函数的模糊c均值聚类算法(FCM)，将聚类分析归结成一个带约束的非线性规划问题，通过优化求解获得数据集的最优模糊划分和聚类。
FCM模糊聚类问题在数学上可以表示为优化下面的目标函数，求出使其达到最小值的隶属度矩阵U＝{uik}c×n和聚类中心P＝{p1，p2，…pc}， 约束条件为 式中；m为加权指数，又称为平滑指数或模糊参数 将前面所选定的5个评价指标控制延误、饱和度、排队长度、效率系数、干扰率，分别记为xi(i＝1，2，3，4，5)，作为指标论域X＝{x1，x2，…，x5}；通过仿真得到不同交通环境下的360个数据样本，作为样本论域U＝{x1，x2，…，x360}，从而得到一个360×5的矩阵。
运用目标函数的模糊C聚类分析方法，计算各级服务水平的中心点，步骤如下 步骤(1)初始化，取模糊加权指数m＝2，聚类的类别数c＝5，数据样本点的个数n＝360，迭代停止阈值ε＝0.001。用l表示迭代次数。
步骤(2)采用随机法选择初始聚类中心点pi(0)，随机选取前c个点作为初始聚类中心，并计算初始隶属度矩阵U(0)。
步骤(3)算法开始迭代。根据公式(7)、(8)，不断更新聚类中心pi(l)和隶属度矩阵U(l)，直到||p(l+1)-p(l)||＜ε，此时目标函数J(U，P)收敛到极小值。
本文按照上述计算步骤，利用MATLAB仿真软件编程，得到的聚类中心(各级服务水平的中心点)见下表(表2)。
表2混合交通环境下交叉口各级服务水平中心点 在计算混合交通环境下交叉口5级服务水平的中心点的同时，还可以获得混合交通环境下交叉口5级服务水平的标准差。下表(表3)为各级服务水平的标准差。
表3混合交通环境下交叉口各级服务水平标准差 步骤4利用机动车和自行车产生模型、跟驰模型、行人的产生模型、排队模型和右转机动车穿越决策模型对混合交叉口的机动车、自行车和行人的运行状况进行仿真，从而获得混合交通环境下控制延误、干扰率、饱和度、效率系数、排队长度5个指标的指标值。
本发明在计算指标数据时，借鉴了前人已有的模型，并针对直行非机动车和行人对右转机动车产生的影响，创造性地提出了右转机动车穿越决策模型。右转穿越决策模型是指无右转信号控制的机动车，因不受信号灯的影响，车辆在任何时间都可进入交叉口，所以在同方向直行车绿灯相位时间内，可能与同相位直行自行车产生干扰。当右转机动车进入交叉口行驶时，在干扰区内若遇到同相位的直行自行车，则需要根据训练好的机动车穿越决策模型判断是否能获得通行权，若能则通过；否则，将减速停车等待。
本发明右转机动车穿越决策模型基于BP神经网络建立，包括下列步骤， 步骤41分别建立三层BP网络结构，确定输入层、输出层神经元个数以及隐层数目范围。
本文采用典型三层BP神经网络结构输入层、单层隐层以及输出层。输入层接受外部的输入数据，本文确定的输入参数分别为右转机动车穿越前的速度、机动车进入干扰区时干扰区内自行车的数量、自行车提供机动车穿越间隙以及后辆自行车速度。随机将采集到的样本分为两部分，分别为训练集以及测试集。
输出层节点数取2，当输入样本决策为穿越时，理想输出结果为(1，0)，当输入样本决策为不穿越，理想输出结果为(0，1)。对输出层的输出结果为1的神经元，若输出结果大于等于0.9时，则认为输出结果为1；对输出层的输出结果为0的神经元，若输出结果小于等于0.1时，则认为输出结果为0；当输出结果介于0.1与0.9之间时，则认为该输出值不能对右转机动车穿越或是不穿越做出相应的判断。隐层神经元数n用经验公式计算，(ni为输入神经元数；n0输出神经元数；a为1～10之间的常数)。
步骤42训练隐层神经元的数目范围内的神经网络，确定隐层神经元的数目。
在确定隐层神经元的数目时，分别训练隐层神经元的数目从3～12等10类神经网络，每类均保留误差满足收敛目标(本发明中收敛目标为小于等于1×10-3)的20个神经网络进行仿真和统计分析；训练的同时统计各类神经网络训练的总次数。对20个满足性能指标的网络利用验证样本集进行仿真统计分析，计算每类网络仿真的平均正确识别率，同时从每类的20个训练结果中，挑选出最好的仿真结果作为各类网络的最佳仿真结果。
表4和表5分别为右转机动车穿越间隙实验的训练和仿真结果表以及穿越延时实验的训练和仿真结果表。表4中，隐层神经元数目为5和7的神经网络的仿真平均正确识别率均为99.21％，而隐层神经元数目为7的神经网络训练总次数为58次，小于隐层神经元数目为5的神经网络，因此，右转机动车穿越间隙模型挑选隐层神经元数目为7的神经网络作为最佳的仿真结果。
表4右转机动车穿越间隙实验的训练和仿真结果表 而表5中，隐层神经元数目为3的神经网络仿真平均正确识别率最高，为99.04％，所以选择隐层神经元数目为3的神经网络作为最佳的基于延时接受的右转机动车穿越决策模型。
表5右转机动车穿越延时实验的训练和仿真结果表 步骤5运用各级服务水平的评价指标的隶属函数，分别计算出控制延误、干扰率、饱和度、效率系数、排队长度5个指标每级别的隶属度，形成单因素评判矩阵。
参照步骤3中获得的服务水平的中心点和标准差，各级服务水平各评价指标的隶属函数(i，j＝1，2，3，4，5)，其中，cj为步骤4中计算出的指标数据，xij为服务水平的中心点，yij为标准差。
单因素评判矩阵R为 步骤6利用单因素评判矩阵和指标权重，对各级别下5个指标进行综合评判，按最大隶属原则确定服务水平级别。
由步骤1确定的权重WT＝(W1，W2…W5)和步骤5确定的单因素评判矩阵R，用模型M(∧，∨)计算，可得综合评判
B即是对服务水平的评判结果，按最大隶属原则，取max(b1，b2，...b5)＝bk，则服务水平确定为k级。
本发明克服了既有服务水平评价技术中无法反映混合交通运行中机非干扰状况、一些评价指标未能考虑混合交通环境的不足，使混合交通环境下平面信号交叉口服务水平的评价更加合理与科学。
以上所述，仅为本发明较佳的具体实施方式
，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
权利要求
1.一种混合交通环境下平面信号交叉口服务水平的评价方法，其特征在于，所述评价方法包括下列步骤
步骤1确定混合交通环境下平面信号交叉口服务水平评价指标，包括控制延误、干扰率、饱和度、效率系数、排队长度；
步骤2利用层次分析法计算混合交通环境下平面信号交叉口的控制延误、干扰率、饱和度、效率系数、排队长度5项评价指标的各自权值；
步骤3运用模糊聚类方法，获得混合交通环境下交叉口各级服务水平各项评价指标的中心点和标准差，求得各级评价指标的隶属函数；
步骤4利用机动车和自行车产生模型、跟驰模型、行人的产生模型、排队模型和右转机动车穿越决策模型对混合交叉口的机动车、自行车和行人的运行状况进行仿真，从而获得混合交通环境下控制延误、干扰率、饱和度、效率系数、排队长度5个指标的指标值；
步骤5运用各级服务水平各评价指标的隶属函数，分别计算控制延误、干扰率、饱和度、效率系数、排队长度5项评价指标每一级的隶属度，形成单因素评判矩阵；
步骤6利用单因素评判矩阵和指标权值，对各级别下5项评价指标进行综合评判，按最大隶属原则确定服务水平级别。
2.根据权利要求1所述的一种混合交通环境下平面信号交叉口服务水平的评价方法，其特征在于，所述步骤2中，利用层次分析法计算混合交通环境下平面信号交叉口的控制延误、干扰率、饱和度、效率系数、排队长度5项评价指标的各自权值，包括下列步骤
步骤21建立评价的层次结构；
步骤22构造判断矩阵；
步骤23进行层次单排序和一致性检验；
步骤24进行层次总排序和一致性检验；
步骤25计算各个指标权值。
3.根据权利要求1所述的一种混合交通环境下平面信号交叉口服务水平的评价方法，其特征在于，所述步骤4中，右转机动车穿越决策模型基于BP神经网络建立，包括
步骤41分别建立三层BP网络结构，确定输入层、输出层神经元个数以及隐层神经元数目范围；
步骤42训练隐层神经元的数目范围内的神经网络，确定隐层神经元的数目。
4.根据权利要求1所述的一种混合交通环境下平面信号交叉口服务水平的评价方法，其特征在于，所述步骤5中，分别计算控制延误、干扰率、饱和度、效率系数、排队长度5项评价指标每一级的隶属度，具体是
其中，cj为控制延误、干扰率、饱和度、效率系数、排队长度5个指标的指标数据，xij为各级服务水平的中心点，yij为各级服务水平的标准差。
5.根据权利要求1所述的一种混合交通环境下平面信号交叉口服务水平的评价方法，其特征在于，所述单因素评判矩阵是
6.根据权利要求1所述的一种混合交通环境下平面信号交叉口服务水平的评价方法，其特征在于，所述步骤6中，对各级别下5个指标进行综合评判具体是对于由步骤1计算出的各个指标权重WT＝(W1，W2...W5)，将之与单因素评判矩阵R进行模型M(∧，∨)计算，得综合评判
7.根据权利要求1所述的一种混合交通环境下平面信号交叉口服务水平的评价方法，其特征在于，所述步骤6中，按最大隶属原则确定服务水平级别，具体是，取max(b1，b2，...b5)＝bk，则服务水平确定为k级。
全文摘要
本发明公开了城市道路交通规划与管理领域中的一种混合交通环境下平面信号交叉口服务水平的评价方法。步骤是确定混合交通环境下平面信号交叉口服务水平评价指标；利用层次分析法计算各指标混合交通环境下平面信号交叉口的权值；运用模糊聚类法，获得混合交通环境下交叉口5级服务水平的中心点和标准差，求得各级评价指标的隶属函数；获得混合交通环境下各指标的指标数据；计算控制各指标每级的隶属度，形成单因素评判矩阵；利用单因素评判矩阵和指标权值，对各级别下各指标进行综合评判，按最大隶属原则确定服务水平级别。本发明综合考虑包括非机动车和行人在内的各种交通因素对平面信号交叉口的影响，对平面信号交叉口服务水平的评价更加准确。
文档编号G06N3/00GK101604479SQ200910088259
公开日2009年12月16日 申请日期2009年7月14日 优先权日2009年7月14日
发明者钱大林, 秦雪梅, 李年源, 李珊珊, 王九洲, 盼 胡, 钮志强, 唐勍勍, 陈小红, 刘红元, 季全刚 申请人:北京交通大学