专利名称：一种动态划分交通控制子区的方法
技术领域：
本发明涉及区域交通协调控制，特别是涉及一种动态划分交通控制子区的方法。
背景技术：
对一个范围较大的区域实行交通信号协调控制时，往往需要将其分成若干个相对独立的部分，每一个部分根据各自的交通特点执行相应的控制方案，这些相对独立的部分称为控制子区。控制子区的合理划分将有利于执行灵活的控制策略，使得交通特性差异悬殊的街区均能获得最佳控制效果，是实现有效交通区域协调控制的前提。建立一套综合有效的控制子区划分指标，实现控制子区划分的量度化、标准化、系统化，已成为控制子区划分技术研究的内在要求。
国外学者对影响控制子区划分的交叉口交通状态、路段长度、车辆到达率等因素进行分析，并利用数学建模的手段对子区划分的控制指标、阈值和算法进行了相关研究。近年来，国内学者在控制子区划分方法研究方面也取得了一些进展，提出了基于“周期原则”、“流量原则”、“距离原则”与“饱和度原则”的控制子区自动划分方法；建立过有助于确定交叉口信号周期的合理变化范围的控制子区周期划分指标，能为控制子区划分提供一定量化依据的控制子区距离划分指标；提出通过引入相似性值和建立搜索模型实现的周期子区的智能划分，给出了基于遗传算法的子区划分阈值参数优化方法；以及利用交叉口之间互联指数的概念，提出了基于模糊聚类算法的动态子区划分方法等。然而，上述方法都未将影响控制子区划分的各种因素进行有效综合，未能制定出系统明晰的控制子区划分准则。
与其它子区划分方法相比，通过对影响相邻交叉口相关性的因素进行综合分析而建立的控制子区划分模型更具有科学合理性，本发明给出了相邻交叉口关联度的定义及其解析算法，实现了对相邻交叉口相关性要素的有效综合，提出的基于关联度分析的协调控制子区划分方法综合考虑到了影响控制子区划分的各种因素，实现了控制子区划分的量度化、标准化与系统化，为区域协调控制技术方法研究奠定了坚实基础。
发明内容
本发明针对相邻交叉口关联性的特点，综合考虑到了影响控制子区划分的各种因素，提出一种动态划分交通控制子区的方法，实现了控制子区划分的量度化、标准化与系统化。
本发明通过以下技术方案实现 一种动态划分交通控制子区的方法，包括如下步骤 (1)关联性分析的相关数据采集利用距离测量工具采集相邻交叉口间距，相邻交叉口间距将作为影响交叉口之间关联性的静态作用因子；采集相邻交叉口间的关联车流交通量并预测下一时段的最大关联车流车辆增量，以相邻交叉口间的关联车流交通量和最大关联车流车辆增量之和作为相邻交叉口之间的最大交通量，相邻交叉口之间的最大交通量将作为影响交叉口之间关联性的动态作用因子；通过通信线路将各个交叉口信号周期传输到交通协调控制中心； (2)相邻交叉口关联度的确定相邻交叉口关联度由路段交通量关联度与交叉口周期关联度两部分组成，其中，路段交通量关联度反映相邻交叉口之间的最大交通量与相邻交叉口间距所对应的可容纳交通量之比对相邻交叉口关联性的影响；交叉口周期关联度反映相邻交叉口的各自信号周期相对偏差对相邻交叉口关联性的影响； (3)多交叉口组合关联度的确定多交叉口组合关联度由总的路段交通量关联度与总的交叉口周期关联度两部分组成，其中，总的路段交通量关联度是各相邻路段交通量关联性的集中反映，总的交叉口周期关联度则取决于各交叉口信号周期之间的最大相对偏差； (4)协调控制子区动态划分采用子区划分层扩散算法遍历所有可能的控制子区划分方案，比选出性能指标最大的控制子区划分方案；控制子区的划分原则将以控制子区总数N少为优，在控制子区数相等情况下，以区域总关联度V大为优； (5)根据实时得到的最大性能指标方案，进行新的交通控制子区划分。
上述的动态划分交通控制子区的方法，步骤(1)中，采集数据包括相邻交叉口Ii到交叉口Ij的间距Ll(i→j)，交叉口Ii到交叉口Ij的车道数nl(i→j)，下一信号周期交叉口Ii到交叉口Ij的最大交通量Nmax(i→j)，交叉口Ii和交叉口Ij的信号周期。
上述的动态划分交通控制子区的方法，步骤(1)中，通过线圈检测技术或视频检测技术采集相邻交叉口Ii到交叉口Ij间的关联车流交通量NE(i→j)，通过预测得到相邻交叉口Ii到交叉口Ij间的最大关联车流车辆增量NI(i→j)，则相邻交叉口Ii到交叉口Ij之间的最大交通量Nmax(i→j)＝NE(i→j)+NI(i→j)；预测最大关联车流车辆增量NI(i→j)是以上游交叉口放行关联车流相位的绿灯启亮时刻作为起点，预测在下一个信号周期内路段上出现的最大关联车流车辆增量，NI(i→j)由i→j方向关联车流的上游交叉口驶入率qin(i→j)、下游交叉口驶出率qout(i→j)与上下游交叉口的公共信号周期C、上游交叉口放行关联车流的相位绿信比λi(i→j)、下游交叉口放行关联车流的相位绿信比λj(i→j)和上游交叉口放行关联车流相位与下游交叉口放行关联车流相位之间的相位差Of(i→j)共同决定。
上述的动态划分交通控制子区的方法中，当Of(i→j)≥C×λi(i→j)，且Of(i→j)+C×λj(i→j)≤C时，NI(i→j)＝qin(i→j)×C×λi(i→j)。
上述的动态划分交通控制子区的方法，步骤(2)中，相邻交叉口之间的路段长度越小、车道数越少、交通量越大，则所述路段交通量关联度越大；相邻交叉口之间的信号周期相差越小，则所述交叉口周期关联度越大。
上述的动态划分交通控制子区的方法，步骤(2)中，相邻交叉口Ii和交叉口Ij的关联度Cor(i，j)＝CorS(i，j)+CorI(i，j)，其中交叉口Ii和交叉口Ij的路段交通量关联度CorS(i，j)＝max{CorS(i→j)，CorS(j→i)}，交叉口Ii到交叉口Ij的路段交通量关联度可容纳交通量Na(i→j)＝(n1(i→j)×L1(i→j))/Lv，其中Lv为平均车辆长度，KN为比例放大系数，
为交叉口Ii到交叉口Ij方向路段车道总长度所对应的路段交通量关联补偿系数；为相邻交叉口Ii和交叉口Ij的交叉口周期关联度，KC为相邻交叉口信号周期关联权重系数，int为取整数学运算，min为取小数学运算，Cmax为在交叉口Ii与交叉口Ij的信号周期之中取大，Cmin为在交叉口Ii与交叉口Ij的信号周期之中取小。
上述的动态划分交通控制子区的方法，步骤(3)中，交叉口I1、I2、…Im的组合关联度为其中I1、I2、…Im为一个具有m个交叉口的控制子区中的各个交叉口，交叉口Ii和交叉口Ij∈{I1、I2、…Im}；
为交叉口I1、I2、…Im总的路段交通量关联度，并有其中n是关联交叉口对数，Π为连乘数学运算，
是第k对关联交叉口之间的路段交通量关联度，是路段交通量关联度组合函数，sgn为符号函数，
将由确定，关联交叉口Ii和交叉口Ij、关联交叉口Is和交叉口It∈{I1、I2、…Im}，sort为升序排序函数，表示将n对关联交叉口之间的路段交通量关联度按从小到大的顺序重新排列，再依次赋以为交叉口I1、I2、…Im总的交叉口周期关联度，并有
是交叉口Ix和交叉口Iy之间的周期关联度，交叉口Ix和交叉口Iy为交叉口I1、I2、…Im中的任意两个。
上述的动态划分交通控制子区的方法，步骤(4)中，控制子区划分方案的性能指标其中kN表示控制子区总数的权重系数。
上述的动态划分交通控制子区的方法，步骤(4)中，子区划分层扩散算法步骤如下 1)选择一个交叉口作为第1个控制子区的第1层 1.1)选择与第1个控制子区第1层相关联的交叉口作为第1个控制子区的第2层，计算第1个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则转入下一步进行第1个子区第3层扩散； 1.2)选择与第1个控制子区第2层相关联的交叉口作为第1个控制子区的第3层，计算第1个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则进行第1个子区第4层扩散，以此类推，当第1个控制子区没有可以继续扩散的交叉口后，转入步骤2)进行下一个控制子区的扩散计算； 2)在剩余的交叉口集合中选择一个交叉口作为第2个控制子区的第1层； 2.1)选择与第2个控制子区第1层相关联的交叉口作为第2个控制子区的第2层，计算第2个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则转入下一步进行第2个子区第3层扩散； 2.2)选择与第2个控制子区第2层相关联的交叉口作为第2个控制子区的第3层，计算第2个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则进行第2个子区第4层扩散，以此类推，当第2个控制子区没有可以继续扩散的交叉口后，转入步骤3)进行下一个控制子区的扩散计算； 3)在剩余的交叉口集合中选择一个交叉口作为第3个控制子区的第1层，进行扩散，以此类推，直到将所有的控制子区遍历。
本发明与现有技术相比，具有如下优点和效果 交通控制子区划分原理的研究目前主要还停留在静态定性分析层面，尚未形成动态定量分析的子区划分方法，这些都在一定程度上限制了区域协调控制系统的实际运行效果。本发明综合考虑相邻交叉口间距、路段交通量、以及交叉口信号配时参数对相邻交叉口关联性强弱的不同影响，定义了相邻交叉口关联度与多交叉口组合关联度，通过定义控制子区划分方案的解集空间、约束条件与评价准则，建立了基于关联度分析协调控制子区划分模型，采用子区划分层扩散算法实现对控制子区划分方案的分析评价，给出了一套完备的控制子区划分流程，实现与现有控制子区划分原则的有效结合，进一步增强控制子区划分方法的科学合理性。此外，通过实施例可知，在同一个控制子区中，各个交叉口信号周期都比较接近，相邻交叉口关联度都较大，而处于不同控制子区的相邻交叉口之间的相邻交叉口关联度都较小，且在不同控制子区内的交叉口信号周期相差较大，这些都充分体现了控制子区划分方法是有效的。
图1a～图1f为相邻交叉口分别在六种不同信号周期控制下的路段车辆预测增量图，图由
表示绿灯时段，
表示红灯时段。
图2是控制子区划分流程图。
图3是子区划分层扩散算法图。
图4是控制区域路网结构状况图。
图5是控制子区实时划分结果图。
具体实施例方式 下面结合附图对本发明的具体实施作进一步介绍。
本实施方式中的动态划分交通控制子区的方法包括如下步骤 1、关联性分析的相关数据采集 利用距离测量工具采集相邻交叉口间距，相邻交叉口间距将作为影响交叉口之间关联性的静态作用因子；采集相邻交叉口间的关联车流交通量并预测下一时段的最大关联车流车辆增量，以相邻交叉口间的关联车流交通量和最大关联车流车辆增量之和作为相邻交叉口之间的最大交通量，相邻交叉口之间的最大交通量将作为影响交叉口之间关联性的动态作用因子；通过通信线路将各个交叉口信号周期传输到交通协调控制中心。
(1)相邻交叉口间距 相邻交叉口间距是决定相邻交叉口相关性强弱的一个关键因素。一方面，如果相邻交叉口间距过长，上游交叉口驶出车队会随行驶距离的增长逐渐离散开来，驶近下游交叉口时将呈现随机到达状态，协调控制作用明显减弱，相邻交叉口之间表现为弱相关；如果相邻交叉口间距很短，上游交叉口驶出车队到达下游交叉口时将保持良好的连续性，协调控制作用明显增强，相邻交叉口之间表现为强相关。另一方面，相邻交叉口间距的长短将决定交叉口之间的容纳交通量，如果相邻交叉口间距很长，则交叉口之间存在较大的容纳交通量，下游路段排队车辆难以影响上游交叉口的车辆放行，相邻交叉口之间表现为弱相关；如果相邻交叉口间距过短，则交叉口之间存在很小的容纳交通量，下游路段排队车辆易于致使上游交叉口发生交通阻塞，相邻交叉口之间表现为强相关。
相邻交叉口间距作为一种静态作用指标，可以通过实地测量的方法采集各个相邻交叉口Ii到交叉口Ij的间距L1(i→j)，交叉口Ii到交叉口Ij的车道数n1(i→j)。
(2)路段交通量 路段交通量的大小将直接决定路段的交通拥挤状况，是实时影响相邻交叉口相关性大小的一个主要因素。当路段交通量较小时，交叉口之间将剩余较大的容纳交通量，车流行驶的离散性较强，相邻交叉口之间具有弱实时相关性；当路段交通量较大时，交叉口之间将剩余较小的容纳交通量，车流行驶的离散性较弱，相邻交叉口之间具有强实时相关性。
路段交通量作为一种动态作用指标，通过线圈检测技术或视频检测技术采集相邻交叉口间的交通量，并预测下一时段相邻交叉口间的交通量(预测方法将在第2部分详细介绍)，从而得到下一信号周期交叉口Ii到交叉口Ij的最大交通量Nmax(i→j)。
(3)交叉口信号配时参数 交叉口信号配时参数(信号周期、绿信比与相位差)的设置能有效控制路段交通量和决定协调控制实时效果，是决定相邻交叉口实时相关性大小的另一类主要因素。
1)信号周期 实现相邻交叉口之间良好的协调信号控制，要求相邻交叉口之间必须维持较为稳定的相位差即相邻交叉口必须采用相等的信号周期。如果相邻交叉口各自的信号周期相差悬殊、参差不齐，则难以兼顾相邻交叉口之间的协调控制效果与各交叉口自身的车辆通行效率，此时相邻交叉口之间表现为弱相关性；如果相邻交叉口各自的信号周期相近或整齐，则可以通过适当调整以确定一个公共信号周期，保证相邻交叉口之间的协调控制效果与各交叉口自身的车辆通行效率，此时相邻交叉口之间表现为强相关性。
2)绿信比 驶入路段车流所在上游交叉口相位的绿信比与驶出路段车流所在下游交叉口相位的绿信比之差，将决定一段时间内路段交通量的累积与消散，也是影响相邻交叉口相关性强弱的一个重要因素。例如，当绿信比差值为正时，路段交通量将逐步积累，相邻交叉口之间的相关性逐渐增强；当绿信比差值为负时，路段累积交通量将逐步消散，相邻交叉口之间的相关性逐渐减弱到某一定值。
3)相位差 驶入路段车流所在上游交叉口相位与驶出路段车流所在下游交叉口相位之间的相位差，将决定一个信号周期内路段上可能存在的最大交通量，对相邻交叉口实时相关性的大小也会产生一定影响。但与绿信比差不同，相位差对相邻交叉口相关性的影响并不具有积累效应，而只是在当前信号周期内发挥瞬时作用。
对于交通控制参数，主要是采集各个信号交叉口的信号周期。
2、相邻交叉口关联度的确定 相邻交叉口关联度由路段交通量关联度与交叉口周期关联度两部分组成，其中，路段交通量关联度反映相邻交叉口之间的最大交通量与相邻交叉口间距所对应的可容纳交通量之比对相邻交叉口关联性的影响；交叉口周期关联度反映相邻交叉口的各自信号周期相对偏差对相邻交叉口关联性的影响。
对于从上游交叉口Ii到下游交叉口Ij方向(简称i→j方向)，交叉口Ii到交叉口Ij的关联度Cor(i→j)可按下式进行定义计算 Cor(i→j)＝CorS(i→j)+CorI(i，j) 式中 CorS(i→j)——i→j方向的路段交通量关联度； CorI(i→j)——交叉口Ii与交叉口Ij之间的周期关联度； NE(i→j)——i→j方向路段上已存在的关联车流交通量，包括排队车辆数与行驶车辆数，可以通过路段交通量检测装置实时获取； NI(i→j)——i→j方向路段上下一个信号周期内可能出现的最大关联车流车辆增量，需要综合考虑路段交通状况与交叉口信号控制参数进行实时预测； Lv——平均车辆长度； KN——比例放大系数； n1(i→j)——i→j方向路段上的关联车流占用车道数； L1(i→j)——i→j方向路段车道总长度；
——i→j方向路段车道总长度所对应的路段交通量关联补偿系数； Cmax——在交叉口Ii与交叉口Ij的信号周期之中取大； Cmin——在交叉口Ii与交叉口Ij的信号周期之中取小； int——取整数学运算； KC——相邻交叉口信号周期关联权重系数。
在此，所谓i→j方向路段上的关联车流是指决定i→j方向交叉口Ii与交叉口Ij之间关联度大小的关键车流，通常也是i→j方向上需要进行协调控制设计的主要车流。
对于相邻交叉口Ii与交叉口Ij之间的关联度Cor(i，j)，可定义为相邻交叉口Ii与交叉口Ij之间的双向组合关联度
即在i→j方向相邻交叉口关联度Cor(i→j)与j→i方向相邻交叉口关联度Cor(j→i)之中取大。
式中 CorS(i，j)——交叉口Ii与交叉口Ij之间的路段交通量关联度。
最大关联车流车辆增量NI(i→j)是以上游交叉口放行关联车流相位的绿灯启亮时刻作为起点，预测在下一个信号周期内路段上出现的最大关联车流车辆增量，NI(i→j)将由i→j方向关联车流的上游交叉口驶入率qin(i→j)、下游交叉口驶出率qout(i→j)与上下游交叉口的公共信号周期C、上游交叉口放行关联车流的相位绿信比λi(i→j)、下游交叉口放行关联车流的相位绿信比λj(i→j)和上游交叉口放行关联车流相位与下游交叉口放行关联车流相位之间的相位差Of(i→j)共同决定。此外，当i→j方向路段上已存在的关联车流路段排队车辆数NQ(i→j)较大时，需要考虑下游交叉口排队车辆起动特性对上游路段到达车辆行驶的迟滞影响，此时NI(i→j)将相应有所增加。
(1)当NQ(i→j)小于等于i→j方向路段排队车辆阈值NT(i→j)时，路段车辆预测增量NI(i→j)将主要取决于关联车流的路段驶入、驶出率与上下游交叉口的相关信号配时参数 ①当Of(i→j)≥C×λi(i→j)且Of(i→j)+C×λj(i→j)≤C时，如附图1a所示， NI(i→j)＝qin(i→j)×C×λi(i→j) ②当Of(i→j)≥C×λi(i→j)且C＜Of(i→j)+C×λj(i→j)＜C+C×λi(i→j)时，如附图1b所示， NI(i→j)＝max{qin(i→j)×C×λi(i→j)-qout(i→j)×(Of(i→j)+C×λj(i→j)-C)，0} ③当Of(i→j)+C×λj(i→j)≥C+C×λi(i→j)时，如附图1c所示， NI(i→j)＝max{qin(i→j)×C×λi(i→j)-qout(i→j)×C×λi(i→j)，0} ④当Of(i→j)+C×λj(i→j)≤C×λi(i→j)时，如附图1d所示， NI(i→j)＝qin(i→j)×Of(i→j) ⑤当Of(i→j)＜C×λi(i→j)且C×λi(i→j)＜Of(i→j)+C×λj(i→j)≤C时，如附图1e所示， NI(i→j)＝max{qin(i→j)×Of(i→j)，qin(i→j)×C×λi(i→j)-qout(i→j)×(C×λi(i→j)-Of(i→j))} ⑥当Of(i→j)＜C×λi(i→j)且Of(i→j)+C×λj(i→j)＞C时，如附图1f所示， (2)当NQ(i→j)大于i→j方向路段排队车辆阈值NT(i→j)时，路段车辆预测增量NI(i→j)的估算还需要考虑下游交叉口排队车辆起动特性对上游路段到达车辆行驶状况的迟滞影响。利用交通流的起动波与停车波传播特性，可以推导出一个模拟路段排队车辆迟滞影响的等效下游交叉口绿灯启亮时滞Δt。将下游交叉口的绿灯启亮时刻推迟Δt(下游交叉口的绿灯结束时刻保持不变)，利用上述分类分析方法即可计算出NQ(i→j)＞NT(i→j)情况下的路段车辆预测增量NI(i→j)。
NT(i→j)将由交通流的起动波传播特性、路段平均行驶速度以及相位差等因素共同决定。
3、多交叉口组合关联度的确定 多交叉口组合关联度由总的路段交通量关联度与总的交叉口周期关联度两部分组成，其中，总的路段交通量关联度是各相邻路段交通量关联性的集中反映，总的交叉口周期关联度则取决于各交叉口信号周期之间的最大相对偏差。
多交叉口组合关联度是一个对一组关联交叉口之间总关联性进行定量化描述的交通参量，它将综合反映多个相连交叉口之间的路段交通运行状况与信号控制需求差异对多交叉口总关联性的客观影响。基于上述对相邻交叉口关联度的分析，并考虑到交叉口间距、路段交通量与交叉口信号配时参数等因素对多交叉口组合的不同影响。多交叉口组合关联度
由总的路段交通量关联度
与总的交叉口周期关联度
两部分组成，其中，总的路段交通量关联度
是各相邻路段交通量关联性的集中反映，并有总的交叉口周期关联度
则取决于各交叉口信号周期C之间的最大相对偏差 实践表明，随着交叉口与路段数目的增多，交通信号协调控制效果将不断减弱，交叉口间距与路段交通量成为影响协调控制效果的主导性因素，多交叉口之间总的路段交通量关联度应逐渐减小。因此，对于一组关联交叉口(I1、I2、…Im)之间的组合关联度
可按下式进行定义计算，并应同时保证一般情况下的相邻交叉口路段交通量关联度小于1。
式中
——关联交叉口(I1、I2、…Im)之间总的路段交通量关联度；
——关联交叉口(I1、I2、…Im)之间总的交叉口周期关联度； Π——连乘数学运算； n——关联交叉口对数，即关联路段数；
——第k对关联交叉口之间的路段交通量关联度；
——路段交通量关联度组合函数，可取
——交叉口Ix和交叉口Iy之间的周期关联度(交叉口Ix和交叉口Iy可不相连)。
将由下式进行确定 其中，sort为升序排序函数，表示将n对关联交叉口之间的路段交通量关联度按从小到大的顺序重新排列，再依次赋以
连乘运算充分体现出相邻路段交通量关联度的可累积性，取小运算则表明总的交叉口周期关联度仅取决于各交叉口信号周期之间的最大相对偏差。
4、协调控制子区动态划分 (1)控制子区划分模型 对于一个由m个信号交叉口(I1、I2、…、Im)与n条相连路段(R1、R2、…、Rn)组成的控制区域，子区划分方案的解集空间为2n个n位二进制字符解Key(R1R2…Rn)，其中Rk取1表示第k条相连路段取为关联、取0则表示第k条相连路段取为非关联。
子区划分方案需要满足约束条件①当相邻交叉口If与交叉口Ig之间的关联度
小于等于相邻交叉口分离阈值TNIS时，交叉口If与交叉口Ig将无条件分离在不同交通控制子区；②当相邻交叉口If与交叉口Ig之间的关联度
大于等于相邻交叉口合并阈值TNIC时，交叉口If与交叉口Ig将无条件合并在同一交通控制子区；③各交通控制子区组合关联度必须大于多交叉口分离阈值TMIS，即(Ai为第i个交通控制子区所包含交叉口的集合，i＝1，2，…，N)，通常而言TNIS≥TMIS。
评价子区划分方案优劣的基本原则通常取为子区的划分以控制子区总数N少为优；在控制子区数相等情况下，子区的划分以区域总关联度V大为优。子区划分方案性能指标函数定义为其中kN表示控制子区总数的权重系数，kN≥1。
(2)控制子区划分流程 利用上述协调控制子区划分模型，在解集空间中寻找满足一定约束条件的最优子区划分方案。
控制子区划分步骤如下 Step1.生成一种控制子区划分方案，检验是否满足子区划分方案需要满足的基本约束条件，满足则对方案进行初始化处理，令V＝0，Cor(A10)＝0.5，S1＝U＝{I1，I2，……，In}，A10＝ΔA10＝{I10}，I10∈S1，不满足转入第5步； Step2.生成分区子关联矩阵，进一步利用子区划分层扩散算法进行性能指标计算； Step3.判断子区划分方案是否通过，如果通过则进入第4步，不通过则转入第5步； Step4.将方案与已有的最佳划分方案比较优劣，性能指标优越的则将该方案更新为最佳划分方案，转入第5步； Step5.判断是否遍历所有划分方案，如果没有遍历所有方案，则返回到第1步，如果已经遍历则停止运算，输出最佳子区划分方案，控制子区划分结束。
具体可以参照如附图2所示的控制子区划分流程，在附图2中，基本约束条件特指关联度小于等于分离阈值TNIS的相邻交叉口必须无条件分离在不同控制子区、关联度大于等于合并阈值TNIC的相邻交叉口必须无条件合并在同一控制子区；
为第1个子区的初始关联度是单交叉口控制子区的子区组合关联度取值，其大小为一正纯小数；S表示可选交叉口集合，S1为第1个子区的可选交叉口集合；A表示子区所含交叉口集合，A10为第1个子区的第0层(初始扩散层)以内所含交叉口集合，ΔA10为第1个子区的第0层所含交叉口集合；I10为第1个子区的初选起始交叉口；分区子关联矩阵是描述子区划分方案的特征参数，将综合反映各种子区划分方案下两两交叉口之间的关联性大小。
分区子关联矩阵CM0、CM1、…、
分别对应于字符解Key取0、1、…、2m-1时的子区划分情况，其中CM0＝(0)n×n，CMT为区域总关联矩阵，如下式所示 子区划分层扩散算法将通过逐层扩散的方法，对每一种子区划分方案进行有效性判断，并计算出相应的子区总数N与区域总关联度V。
子区划分层扩散算法算法步骤如下 1)选择一个交叉口作为第1个控制子区的第1层； a)选择与第1个控制子区第1层相关联的交叉口作为第1个控制子区的第2层，计算第1个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值TMIS，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则转入下一步进行第1个子区第3层扩散； b)选择与第1个控制子区第2层相关联的交叉口作为第1个控制子区的第3层，计算第1个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值TMIS，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则进行第1个子区第4层扩散，以此类推，当第1个控制子区没有可以继续扩散的交叉口后，转入步骤2)进行下一个控制子区的扩散计算； 2)在剩余的交叉口集合中选择一个交叉口作为第2个控制子区的第1层； a)选择与第2个控制子区第1层相关联的交叉口作为第2个控制子区的第2层，计算第2个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值TMIS，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则转入下一步进行第2个子区第3层扩散； b)选择与第2个控制子区第2层相关联的交叉口作为第2个控制子区的第3层，计算第2个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值TMIS，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则进行第2个子区第4层扩散，以此类推，当第2个控制子区没有可以继续扩散的交叉口后，转入步骤3)进行下一个控制子区的扩散计算； 3)在剩余的交叉口集合中选择一个交叉口作为第3个控制子区的第1层，进行扩散，以此类推，直到将所有的控制子区遍历。
流程如附图3所示，其中，i为子区序号(i＝1，2，…)，j为子区扩散层序号(j＝0，1，2，…)。
5、根据上一步得到的实时交叉口关联度指标，生成新的交通控制子区划分方案。新的方案反馈到交通协调控制中心，对该区域内交叉口进行重新组合，从而达到关联度大的交叉口间实现协调控制的目的。
下面再结合附图4和实施例对本发明作进一步说明，但本发明要求保护的范围并不局限于实施方式表述的范围。
以某控制区域为例，研究区域共12个交叉口，其交叉口拓扑结构如附图4所示。其中12个信号交叉口(I1、I2、…、I12)与17条相连路段(R1、R2、…、R17)组成的控制区域为实施例的研究区域。
第一步关联性分析的相关数据采集 相邻交叉口间距经过实地测量，得到该静态作用指标。其相邻交叉口间距如下 路段R1有L1(1→2)＝L1(2→1)＝387米、路段R2有L1(2→3)＝L1(3→2)＝410米、路段R3有L1(3→4)＝L1(4→3)＝410米、路段R4有L1(1→5)＝L1(5→1)＝378米、路段R5有L1(2→6)＝L1(6→2)＝460米、路段R6有L1(3→7)＝L1(7→3)＝450米、路段R7有L1(4→8)＝L1(8→4)＝470米、路段R8有L1(5→6)＝L1(6→5)＝535米、路段R9有L1(6→7)＝L1(7→6)＝440米、路段R10有L1(7→8)＝L1(8→7)＝440米、路段R11有L1(5→9)＝L1(9→5)＝440米、路段R12有L1(6→10)＝L1(10→6)＝516米、路段R13有L1(7→11)＝L1(11→7)＝428米、路段R14有L1(8→12)＝L1(12→8)＝484米、路段R15有L1(9→10)＝L1(10→9)＝390米、路段R16有L1(10→11)＝L1(11→10)＝380米、路段R17有L1(11→12)＝L1(12→11)＝465米。此外所有道路均为双向四车道，也即n1(i→j)＝2，其中i、j为该区域任何两个相邻交叉口的下标。
路段交通量该动态作用指标可以通过检测线圈或者视频检测获得实时的数据，再进一步预测得到相邻交叉口之间的最大交通量。关联车流的路段车辆预测增量N1(i→j)预测过程介绍如下，对于由i→j方向关联车流的上游交叉口驶入率qin(i→j)＝0.2veh/s，公共信号周期C＝100秒、上游交叉口放行关联车流的相位绿信比λi(i→j)＝0.4、下游交叉口放行关联车流的相位绿信比λj(i→j)＝0.35、以及上游交叉口放行关联车流相位与下游交叉口放行关联车流相位之间的相位差Of(i→j)＝50秒，有Of(i→j)＝50≥C×λi(i→j)＝40且Of(i→j)+C×λj(i→j)＝85≤C＝100，此时NI(i→j)＝qin(i→j)×C×λi(i→j)＝0.2×100×0.4＝8veh。此时若检测相邻交叉口间的交通量为32veh，则下一时段交叉口Ii与交叉口Ij的最大交通量为Nmax(i→j)＝32+8＝40veh。
在本实施例中，在不影响一般性的情况下，采用统一将设定时间内相邻交叉口之间的最大交通量为Nmax(i→j)＝40辆作为进一步演算的路段交通量数据。
交叉口信号配时参数信号周期C作为直接影响关联度的动态作用因子，其某一时段结束时刻各个交叉口的周期长度如表1所示 表1
第二步相邻交叉口关联度计算 对于研究区域内的相关参数，平均车辆长度Lv＝6m/veh，比例放大系数KN＝1.2；i→j方向路段车道总长度所对应的路段交通量关联补偿系数为相邻交叉口信号周期关联权重系数KC＝0.2。
根据相邻交叉口关联度计算公式，结合上一步骤所采集得到的实时数据进行计算 对于从上游交叉口I1到下游交叉口I2方向(简称1→2方向)，交叉口I1与交叉口I2之间的关联度 类似的可以计算得到Cor(2→1)＝CorS(2→1)+CorI(1，2)＝0.539， 从而 用同样的方法，可以得到该区域所有相邻两交叉口之间的关联度，如表2所示 表2
第三步多交叉口组合关联度计算 根据多交叉口关联度计算公式，结合第二步骤所得到的实时相邻交叉口关联度，利用子区划分层扩散算法得到各种交叉口组合下的关联度指标。其中相邻交叉口分离阈值TNIS＝0.2，相邻交叉口合并阈值TNIC＝0.5，多交叉口分离阈值TMIS＝0.12，kN＝2。
对于一个由12个信号交叉口(I1、I2、…、I12)与17条相连路段(R1、R2、…、R17)组成的控制区域，子区划分方案的解集空间为217个17位二进制字符解Key(R1R2…R17)，其中Rk取1表示第k条相连路段取为关联、取0则表示第k条相连路段取为非关联。
区划分方案寻优过程中，将利用子区划分层扩散算法对解集空间中的每一个字符解进行有效性判断和性能指标计算，确保子区划分方案的全局最优。
备选方案一将交叉口I1、I2、I3、I5分到一个控制子区，交叉口I6、I7分到一个控制子区、交叉口I9、I10、I11分到一个控制子区，交叉口I4、I8、I12分到一个控制子区。利用子区划分层扩散算法进行分析，该方案对应的字符解Key取值11010010100001110，子划分层扩散算法对其所对应的控制子区划分方案分析过程如下 ①选取交叉口I1作为第1个控制子区的初选起始交叉口I10，A10＝ΔA10＝I10，V＝0，S1＝{I1，…，I17}； ②进行第1个控制子区的第1层扩散，S11＝{I2，…，I17}，ΔA11＝{I2，I5}(R1＝1、R4＝1)，A11＝{I1，I2，I5}， ③进行第1个控制子区的第2层扩散，S12＝{I3，I4，I6，I7，…，I17}，ΔA12＝{I3}(R2＝1)，A12＝{I1，I2，I3，I5}， ④进行第1个控制子区的第3层扩散，S13＝{I4，I6，I7，…，I17}，ΔA13＝Φ，A13＝A12，N＝1，V＝0.1857，S2＝{I4，I6，I7，…，I17}，A20＝ΔA20＝I20＝I4； 开始第2个控制子区的层扩散运算，得到A23＝A22＝{I4，I8，I12}，N＝2，V＝0.3102，S3＝{I6，I7，I9，I10，I11}，A30＝ΔA30＝I30＝I6； 开始第3个控制子区的层扩散运算，得到A34＝A33＝{I6，I7}，N＝3，V＝0.7793，S4＝{I9，I10，I11}，A30＝ΔA30＝I30＝I9； 开始第4个控制子区的层扩散运算，得到A43＝A42＝{I9，I10，I11}，N＝4，V＝1.0079，S5＝Φ，本子区划分方案通过，总的性能指标PI＝-(42)+1.0079＝-14.9921。
因此，控制子区一(交叉口I1、I2、I3、I5)的总关联度为0.1857； 控制子区二(交叉口I4、I8、I12)的总关联度为0.1245； 控制子区三(交叉口I6、I7)的总关联度为0.4691； 控制子区四(交叉口I9、I10、I11)的总关联度为0.2286； 对应于该方案的控制子区划分总关联度为1.0078。
本子区划分方案总的性能指标PI＝-14.9921。
备选方案二将交叉口I1、I2、I3、I4分到一个控制子区，交叉口I5、I6、I7、I8、I12分到一个控制子区、交叉口I9、I10、I11分到一个控制子区。利用子区划分层扩散算法进行分析，该方案对应的字符解Key取值11100001110001110，类似的，通过子区划分层扩散算法可得到该方案下的总关联度 控制子区一(交叉口I1、I2、I3、I4)的总关联度为0.1680； 控制子区二(交叉口I5、I6、I7、I8、I12)的总关联度为0.1465； 控制子区三(交叉口I9、I10、I11)的总关联度为0.2286； 对应于该方案的控制子区划分总关联度为0.5431。
本子区划分方案总的性能指标PI＝-(32)+0.5431＝-8.4569。
从以上两个备选方案可以比较出备选方案二的性能指标数值更大，也就是表明该控制子区划分方案更优。
第四步协调控制子区动态划分 根据上一步骤遍历各种组合方案，得到各种控制子区划分方案的性能指标值，其性能指标最大的方案为将区域内的12个交叉口划分为3个控制子区，其中交叉口I1、I2、I3、I4、I5划分到一个控制子区，其总关联度
为0.1294；交叉口I6、I7、I8、I12划分到一个控制子区，其总关联度
为0.2178；交叉口I9、I10、I11划分到一个控制子区，其总关联度
为0.2286。方案总关联度Cor为0.5758，其性能指标为PI＝-(32)+0.5758＝-8.4242。
第五步根据上一步得到的划分方案，新的控制子区划分方案如附图5所示，其中交叉口共划分为三个控制子区，交叉口I1、I2、I3、I4、I5划分到一个控制子区，交叉口I6、I7、I8、I12划分到一个控制子区，交叉口I9、I10、I11划分到一个控制子区。交通协调控制中心将按照该控制方案进行新一轮的控制子区划分。
权利要求
1、一种动态划分交通控制子区的方法，其特征在于包括如下步骤
(1)关联性分析的相关数据采集利用距离测量工具采集相邻交叉口间距，相邻交叉口间距将作为影响交叉口之间关联性的静态作用因子；采集相邻交叉口间的关联车流交通量并预测下一时段的最大关联车流车辆增量，以相邻交叉口间的关联车流交通量和最大关联车流车辆增量之和作为相邻交叉口之间的最大交通量，相邻交叉口之间的最大交通量将作为影响交叉口之间关联性的动态作用因子；通过通信线路将各个交叉口信号周期传输到交通协调控制中心；
(2)相邻交叉口关联度的确定相邻交叉口关联度由路段交通量关联度与交叉口周期关联度两部分组成，其中，路段交通量关联度反映相邻交叉口之间的最大交通量与相邻交叉口间距所对应的可容纳交通量之比对相邻交叉口关联性的影响；交叉口周期关联度反映相邻交叉口的各自信号周期相对偏差对相邻交叉口关联性的影响；
(3)多交叉口组合关联度的确定多交叉口组合关联度由总的路段交通量关联度与总的交叉口周期关联度两部分组成，其中，总的路段交通量关联度是各相邻路段交通量关联性的集中反映，总的交叉口周期关联度则取决于各交叉口信号周期之间的最大相对偏差；
(4)协调控制子区动态划分采用子区划分层扩散算法遍历所有可能的控制子区划分方案，比选出性能指标最大的控制子区划分方案；控制子区的划分原则将以控制子区总数N少为优，在控制子区数相等情况下，以区域总关联度V大为优；
(5)根据实时得到的最大性能指标方案，进行新的交通控制子区划分。
2、根据权利要求1所述的动态划分交通控制子区的方法，其特征在于步骤(1)中，采集数据包括相邻交叉口Ii到交叉口Ij的间距Li(i→j)，交叉口Ii到交叉口Ij的车道数ni(i→j)，下一信号周期交叉口Ii到交叉口Ij的最大交通量Nmax(i→j)，交叉口Ii和交叉口Ij的信号周期。
3、根据权利要求1所述的动态划分交通控制子区的方法，其特征在于步骤(1)中，通过线圈检测技术或视频检测技术采集相邻交叉口Ii到交叉口Ij间的关联车流交通量NE(i→j)，通过预测得到相邻交叉口Ii到交叉口Ij间的最大关联车流车辆增量NI(i→j)，则相邻交叉口Ii到交叉口Ij之间的最大交通量Nmax(i→j)＝NE(i→j)+NI(i→j)；预测最大关联车流车辆增量NI(i→j)是以上游交叉口放行关联车流相位的绿灯启亮时刻作为起点，预测在下一个信号周期内路段上出现的最大关联车流车辆增量，NI(i→j)由i→j方向关联车流的上游交叉口驶入率qin(i→j)、下游交叉口驶出率qout(i→j)与上下游交叉口的公共信号周期C、上游交叉口放行关联车流的相位绿信比λi(i→j)、下游交叉口放行关联车流的相位绿信比λj(i→j)和上游交叉口放行关联车流相位与下游交叉口放行关联车流相位之间的相位差Of(i→j)共同决定。
4、根据权利要求3所述的动态划分交通控制子区的方法，其特征在于当Of(i→j)≥C×λi(i→j)，且Of(i→j)+C×λj(i→j)≤C时，NI(i→j)＝qin(i→j)×C×λi(i→j)。
5、根据权利要求1所述的动态划分交通控制子区的方法，其特征在于步骤(2)中，相邻交叉口之间的路段长度越小、车道数越少、交通量越大，则所述路段交通量关联度越大；相邻交叉口之间的信号周期相差越小，则所述交叉口周期关联度越大。
6、根据权利要求1所述的动态划分交通控制子区的方法，其特征在于步骤(2)中，相邻交叉口Ii和交叉口Ij的关联度Cor(i，j)＝CorS(i，j)+CorI(i，j)，其中交叉口Ii和交叉口Ij的路段交通量关联度CorS(i，j)＝max{CorS(i→j)，CorS(j→i)}，交叉口Ii到交叉口Ij的路段交通量关联度可容纳交通量Na(i→j)＝(n1(i→j)×L1(i→j))/Lv，其中Lv为平均车辆长度，KN为比例放大系数，
为交叉口Ii到交叉口Ij方向路段车道总长度所对应的路段交通量关联补偿系数；为相邻交叉口Ii和交叉口Ij的交叉口周期关联度，KC为相邻交叉口信号周期关联权重系数，int为取整数学运算，min为取小数学运算，Cmax为在交叉口Ii与交叉口Ij的信号周期之中取大，Cmin为在交叉口Ii与交叉口Ij的信号周期之中取小。
7、根据权利要求1所述的动态划分交通控制子区的方法，其特征在于步骤(3)中，交叉口I1、I2、…Im的组合关联度为其中I1、I2、…Im为一个具有m个交叉口的控制子区中的各个交叉口，交叉口Ii和交叉口Ij∈{I1、I2、…Im}；
为交叉口I1、I2、…Im总的路段交通量关联度，并有其中n是关联交叉口对数，∏为连乘数学运算，
是第k对关联交叉口之间的路段交通量关联度，是路段交通量关联度组合函数，sgn为符号函数，
将由确定，关联交叉口Ii和交叉口Ij、关联交叉口Is和交叉口It∈{I1、I2、…Im}，sort为升序排序函数，表示将n对关联交叉口之间的路段交通量关联度按从小到大的顺序重新排列，再依次赋以
为交叉口I1、I2、…Im总的交叉口周期关联度，并有
是交叉口Ix和交叉口Iy之间的周期关联度，交叉口Ix和交叉口Iy为交叉口I1、I2、…Im中的任意两个。
8、根据权利要求1所述的动态划分交通控制子区的方法，其特征在于步骤(4)中，控制子区划分方案的性能指标其中kN表示控制子区总数的权重系数。
9、根据权利要求1所述的动态划分交通控制子区的方法，其特征在于步骤(4)中，子区划分层扩散算法步骤如下
1)选择一个交叉口作为第1个控制子区的第1层
1.1)选择与第1个控制子区第1层相关联的交叉口作为第1个控制子区的第2层，计算第1个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则转入下一步进行第1个子区第3层扩散；
1.2)选择与第1个控制子区第2层相关联的交叉口作为第1个控制子区的第3层，计算第1个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则进行第1个子区第4层扩散，以此类推，当第1个控制子区没有可以继续扩散的交叉口后，转入步骤2)进行下一个控制子区的扩散计算；
2)在剩余的交叉口集合中选择一个交叉口作为第2个控制子区的第1层；
2.1)选择与第2个控制子区第1层相关联的交叉口作为第2个控制子区的第2层，计算第2个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则转入下一步进行第2个子区第3层扩散；
2.2)选择与第2个控制子区第2层相关联的交叉口作为第2个控制子区的第3层，计算第2个控制子区当前所含交叉口的组合关联度，判断组合关联度是否小于等于多交叉口分离阈值，若成立，则该控制子区的划分方案不通过，进入下一个控制子区划分方案的计算，若不成立，则进行第2个子区第4层扩散，以此类推，当第2个控制子区没有可以继续扩散的交叉口后，转入步骤3)进行下一个控制子区的扩散计算；
3)在剩余的交叉口集合中选择一个交叉口作为第3个控制子区的第1层，进行扩散，以此类推，直到将所有的控制子区遍历。
全文摘要
本发明公开了一种动态划分交通控制子区的方法，其包括以下步骤关联性分析的相关数据采集；利用采集到的数据确定相邻交叉口关联度；进一步确定多交叉口组合关联度；采用子区划分层扩散算法遍历所有可能的控制子区划分方案，比选出性能指标最大的控制子区划分方案；根据实时得到的最大性能指标方案，进行新的交通控制子区划分。本发明给出了相邻交叉口关联度的定义及其解析算法，实现了对相邻交叉口相关性要素的有效综合；提出的基于关联度分析的协调控制子区划分方法综合考虑到了影响控制子区划分的各种因素，实现了控制子区划分的量度化、标准化与系统化。
文档编号G08G1/00GK101639978SQ20091004223
公开日2010年2月3日 申请日期2009年8月28日 优先权日2009年8月28日
发明者徐建闽, 凯 卢, 林 李 申请人:华南理工大学