开该检测器的时间tw(i，P，q)k，假定在第k次优化后，运行N 个信号周期，在相位i的绿灯时间内通过了η辆车，则得到该检测器在第k次优化后，相位 i的绿灯信号结束时的占用时间为
[0032]
[0033] 设第k次优化后的N个信号周期内，每m(m<N)个信号周期相位i停车线前第一辆 车在绿灯起亮后踏上P组1号检测器的时刻为t,。。(i，P，1)k，则第k次优化后N个信号周期 内第i相位的车辆延误为
[0034]
[0035] 5)由上述步骤可知，通过采集的高精度数据计算得到了检测器占有率*。。。(1，P，q) k和车辆延误t 及相位当量交通量和交叉口当量交通量y自，均用于步骤3中的交叉 口性能评价指标。而高精度数据记录的信号灯灯色变化和各相位灯色时长则传输到信号控 制器，作为初始信号交叉口各相位的配时方案，对交叉口的车流进行控制。
[0036] 步骤2:信号控制器控制执行；
[0037] 1)在路口控制车流通行的交通信号灯，均连接一个控制交通灯指示切换和相位切 换的信号控制器。相较一般路口信号控制机，本发明中执行交叉口信号配时方案的信号控 制器是联网式的智能交通信号控制机，集成了SMART-SIGNAL系统中的数据存储功能，包含 一个后台数据存储系统。如图6中的信号控制器模块部分所示。
[003引 2)首先，步骤1采集得到的初始各相位配时参数W及预先设定的交叉口周期传输 到该信号控制器来执行，控制交叉口各相位的车流通行，同时将绿时参数存储在后台系统。
[0039] 3)此后，信号控制器执行步骤4每次迭代优化所得的信号灯配时参数，来控制交 叉口各相位绿信比，同时将优化后的配时参数存储在后台数据存储系统，W便于下一次迭 代优化时提取某一相位历史绿灯配时参数。
[0040] 4)本发明中的信号控制器的改进在于：在各相位进口道都布设有检测器，每组包 含两个检测器，一个位于停车线的下游，用于估测车辆排队长度；另一个位于相应的路口上 游，用于估测车辆到达需求。各传感器与信号控制器相连，可将每次执行更新所得的信号配 时方案后检测到的检测器占用时间*。。。(1，P，q)k车辆延误t/'k及车流量数据η实时传输到 后台数据存储系统。存储检测得到的评价参数是为了进行步骤3,判断交叉口某相位的性能 指标数据是否满足收敛条件，具体的评价方式如步骤3所示。
[0041] 步骤3 :交叉口性能指标评价；
[0042] 1)交叉口的信号配时方案由信号控制器执行，Ν个信号周期后，即可对交叉口性 能进行评价。交叉口性能指标评价是指在当前相位绿灯期间对该交叉口所测的相位i的性 能进行评估，即当相位i绿灯时间结束后，获取步骤1中的相位i多组检测器所测数据，主 要是检测器占有率*。。。(1，P，q)k和车辆延误t/'k(其中k为优化次数）。
[0043] 2)用如下公式计算交叉口相位i性能指标数据：
-.庆- 其中，k为当前优化周期；i为相位号；yk,i为交叉口相 ， 位i性能指标
为当前绿灯时间内相位i的检测器占有率之和，将绿灯 时间内输出的占有率数据加和求平均；tdi'k为当前绿灯时间内相位i上的车辆延误；Ck为第k次优化得到的信号周期。
[0044] 3)通过此公式计算的性能指标yk,iE[0, 1]，除W信号周期是为了对各相位的性 能指标进行归一化，便于横向直观地分析比较，可W较好地评价当前的交通性能，Υμ越高 时，代表相位i的交通需求越大。此时将得到的相位i的性能指标数据与实时获取的交通 流量求差值，得到
，判断差值是否满足允许的范围Ayk,i<ε(ε为一个 无穷小的值），若满足，则认为相位i当前信号配时方案可W适应实时交通需求变化。若不 满足，则认为相位i当前信号配时方案不能适应交通流状况，就需要对该相位的绿时方案 进行更新，即步骤4的信号配时迭代优化。
[004引步骤4 :信号配时迭代优化；
[0046] 1)信号配时迭代优化是指在第k次优化后执行N个信号周期的配时方案，且在当 前相位绿灯时间刚结束时，若该相位的性能指标不能满足实时交通状态，则W该相位的历 史的性能指标数据和历史的绿灯时间数据，对该相位的配时方案进行优化，得到新的信号 配时方案。
[0047] 。W某一相位为例，输入历史性能指标数据[凡.，九和历史绿灯时间 数据Κ,，心，…成祝η,为第k-n次优化后相位i的性能指标，Ukη,为第k-n次优化 后相位i的绿灯时长），由于检测器输出的占有率W及延误等数据波动较大，易导致算法发 散，故为了使得算法输出的性能指标数据既可W随着实时交通状况而变化，又能够得W收 敛。拟采用模糊PD迭代学习控制算法。
[0048] 3)模糊PD迭代学习控制算法主要是加入模糊环节对Δγ,,ι和Υμ进行模糊控制， 对绿灯变化速率Θ确定模糊规则及隶属度函数，再设计模糊PD迭代学习控制算法的控制 器的结构。最后采用一般的模糊PD迭代学习控制算法的计算公式，对信号交叉口的绿时方 案进行迭代优化，具体如下。
[0049] (1)模糊PD迭代学习律为：
[0050]
[0051] 其中：
ωk, 1为该相位绿灯期间车辆启动驾驶员的反应 时间总和，此处ω,,ι近似等于ti为相位编号。对第k次优化所得的历史性能指标数据 ΥμW及与第k-1次优化的评价指标差值e进行模糊逻辑控制，y的隶属度函数如图3 所示，采用分档次适配法，模糊子集为{NB，NM，NS，ZE，PS，PM，PB}，模糊论域为扔，72, 73, 74， ys，ye, ;其中，ZE为Ξ角形隶属度函数，NB，醒，NS，PS，PM，PB均为梯形隶属度函数。Δ 的隶属度函数如图4所示，模糊子集为怯，M，B}，论域为（Δγι，Δγ2,Ayj}。
[0052] (2)模糊PD迭代学习公式定义为：
;，设输入变量关系函数
，其中Θ是绿灯时间变化率，Θe[0，1]， Gmi。为最小绿灯时间，Gm。、为最大绿灯时间。
[005引 做绿灯时间变化率Θ的模糊规则表如下（Θ1为绿灯增长速率，Θ2为绿灯衰减 速率）：
[0054]表1绿灯时间变化率Θ的模糊规则表
[00巧]
[005引 （4)迭代过程满足严格重复的初始重置条件，即Xk(0) =Uk,。，.η-(0)二炒/乂，vk, 其中Xk(0)为输入状态的初值，即初始信号配时下相位i绿灯时长％,。，yk(0)为期望输出的 初值，即初始信号配时下检测器输出的相位i实时交通流量知b与交叉口实时交通流量之 和自的比值，k代表迭代学习控制的迭代次数。
[0057] 妨模糊PD迭代学习控制系统如图5所示，控制对象为信号交叉口，控制输入为历 史性能指标数据和历史绿灯时间数据，通过模糊PD迭代学习律，得到当前优化后的性能指 标数据y^，与期望输出的该相位实时交通状态参数的*7 >，?进行对比，而模糊控制器是对 二者的差值进行模糊控制，遵循上述过程中提到的模糊规则，进行模糊化和去模糊化过程， 最终得到更新后的绿灯配时参数，作为下一次模糊迭代优化的输入。重复进行上述步骤，形 成一个闭环控制系统。
[0058] (6)每次迭代优化后，重复步骤1，2, 3,由控制器执行信号配时参数，进而获取检 测器的数据，根据计算得到的性能指标数据，判断与实时获取的交通流量的差值是否满足 收敛条件
荐满足，则认为该信号配时达到最优收敛点，迭代过程结 束。若没有，则要继续重复上述迭代优化过程，并将当前优化所得的绿灯时间数据和评价性 能指标数据存储到信号控制器的后台数据处理系统。
[00则实施例：
[0060]本发明的一种基于数据驱动的单交叉口动态交通信号控制方法，流程如图6所 示，通过下述步骤实现：
[0061] 步骤1:高精度数据的采集；
[0062] 1)选取中关村东路和成府路交叉口为例，该交叉口为四相位交叉口，如图2所示， 包括：第一相位：南北进口左转；第二相位：南北进口直行；第Ξ相位：东西进口左转；第四 相位：东西进口直行。
[0063] 2)图1中展示了检测器的具体安装方式。检测器成组安装，每个相位至少两组检 测器，每组检测器有两个，一个为停车线检测器（q= 1)，位于停车线下游，一个为路段检测 器（q= 2)，安装在路口上游的路段2/3位置处，本例选择安装在距离该进口道的停车线 130米左右。如图1所示，W第二相位为例，第二相位南北进口直行车道共有四条，包含两个 方向的车流，每个方向又选取了交通流量比较大的一条车道（后称为临界车道）安装了一 组检测器，故在相位2安装有两组检测器，分别为口 11，212}和口21，222}。代表由南向北 直行和由北向南直行的两个车流方向。由于右转车流并不受信号灯控制，故无需安装检测 器。其中，相位2第2组的2号检测器222,为路段检测器，设其权