一种有轨电车运行的控制方法和系统与流程

本发明属于列车控制领域，尤其涉及一种有轨电车运行的控制方法及系统。

背景技术：

有轨电车的混合路权，是指有轨电车在路段上具有独立路权，而在交叉口处要与道路交通共享路权。混合路权是现代有轨电车的一项基本特征，在混合路权下如何保证有轨电车高效通过交叉口，并且对道路交通影响最小，需要对二者进行综合的考虑和权衡来进行方案决策。信号优先和绿波就是两种典型的有轨电车交叉口通过技术。就信号优先而言，通过动态协调有轨电车到达时间和交叉口信号，为有轨电车提供优先通行权，使其不停车通过交叉口的一种技术策略。有轨电车行驶至距交叉口一定距离时，发起信号优先申请，信号控制中心计算有轨电车到达交叉口的时间，切断其他相位信号，为有轨电车安排绿灯并办理进路。就绿波而言，由于有轨电车可与部分道路车辆在不冲突的情形下同时通过交叉口，因此可以将二者组合为一个信号相位，在不改变交叉口各方向的有效通行效率的前提下，合理安排相邻交叉口之间绿灯开放的时间差(相位差)，使上、下行两个方向有轨电车按预定计划行驶至各交叉口时恰好赶上绿灯。上述两种方案比较如下：

鉴于信号优先和绿波具有不同的优缺点和适用范围，信号优先有轨电车可以完全不停车通过(当采用绝对优先方案时)，但对冲突方向的道路交通流影响较大，对于交通量大的交叉口可能会造成拥堵；而绿波对各冲突方向有效通过时间无明显影响，但只有当有轨电车时空轨迹位于绿波带宽内，才能保证有轨电车在交叉口不停车通过，而在纳入绿波协调的交叉口数目过多的情况下，绿波带宽变得很窄，在微小的区间运行时间波动下有轨电车即会错过绿波带，仍然会在交叉口停车等待。

综上，对于有轨电车沿线的所有交叉口，根据交叉口特征采用分别采用适宜的有轨电车通过策略，融合绿波与信号优先二者的优势，一方面可以提高有轨电车的服务水平，体现公交优先的交通发展理念，另一方面，在公交优先的前提下，也兼顾道路交通的通行效率。

技术实现要素：

本发明的目的在于克服上述现有技术中存在的缺陷，提供一种有轨电车运行的控制方法，采用如下技术方案：

一种有轨电车运行的控制方法，包括以下步骤：

s100、获取基本参数，其中，所述基本参数包括：

有轨电车沿线所经过的交叉口个数n；

交叉口i有轨电车载客人数

交叉口i道路交通车辆平均载客人数

交叉口i采用信号方案，对道路交通所有车辆造成的总延误di；

交叉口i采用绿波方案的情况下，上下行绿波带宽权重ai；

交叉口i采用绿波方案的情况下，其上下行有轨电车安全顺畅通过交叉口所要求的最小带宽

信号周期长度极值c；

交叉口i采用绿波方案的情况下，上下行红灯时长ri；

从交叉口i到交叉口j的行驶时间极值τi,j，其中j＞i；

交叉口i是否可以采用信号优先方案的标记pⁱ，采用为pi取值为1，否则其取值为0；

s200、计算决策变量，根据在步骤s100中获取的基本参数计算决策变量，其中，所述决策变量包括以下内容中的至少一项：

交叉口i处的上下行绿波带中心线至绿波带左侧边沿的时间长度

交叉口i处的上下行绿波带中心线，至绿波带右侧边沿的时间长度

整个绿波的信号频率z；

交叉口i处的上下行绿波带中心线到左或右侧红灯的距离wi；

在绿波中交叉口i和交叉口j之间的理想行程时间ti,j；

在交叉口i与交叉口j之间，信号与带宽之间的约束mi,j；

交叉口是否采用绿波方案的标记σi；

交叉口i在上行绿波中的后续绿波交叉口是否为交叉口j的标记δi,j；

s300、应用决策变量，将在步骤s200中获取的决策变量应用在有轨电车线路沿线的交叉口的信号灯布设中。

优选地，所述信号周期长度极值c包括信号周期长度上限cmax、信号周期长度下限cmin；

所述从交叉口i到交叉口j的行驶时间极值τi,j包括从交叉口i到交叉口j的最短行驶时间和从交叉口i到交叉口j的最长行驶时间其中，j＞i。

优选地，通过以下建模确定所述决策变量：

全线最优效益值maxz＝沿线所有交叉口绿波方案所获得的有轨电车乘客总效益值-因信号优先导致的道路交通出行者总延误值；(1)

以下为约束条件：

绿波参数约束；(2)

交叉口间的理想时间约束；(3)

绿波方案中的交叉口顺序约束；(4)

采用绿波方案和信号优先方案的交叉口间隔约束；(5)

绿波的最小带宽约束；(6)

绿波信号周期约束；(7)

交叉口绿灯时间；(8)

交叉口绿灯时间；(9)

绿波带宽非0约束；(10)

绿波方案中的相邻交叉口参数关系约束；(11)

相邻的绿波交叉口之间理想行程时间约束；(12)

信号优先交叉口约束；(13)

交叉口绿波参数取值约束；(14)

相邻绿波交叉口之间理想行程时间取值约束；(15)

交叉口i在上行绿波中的后续绿波交叉口是否为交叉口j的标记取值约束；(16)

绿波信号频率取值约束(17)。

优选地，基于所述建模确定决策变量具体为：

z＞0(17)

式中：i指有轨电车沿线所经过的交叉口集合；

i、j、k指有轨电车沿线所经过的交叉口编号；

q指带宽约束系数，正实数；

m指表示一个极大的正数，作为变量约束项。

优选地，步骤s200计算决策变量采用最优化求解算法。

优选地，所述最优化求解算法为分枝界定法，包括以下步骤：

初始化智能决策模型中的目标函数值；

将智能决策变量放松整数约束，形成松弛问题，放松约束的整数型变量称为松弛变量；

以所述松弛问题作为当前问题，求解当前问题最优解，获取当前最优解及相应的当前目标函数值；

若当前最优解中，所有松弛变量取值皆为整数，则开始定界过程，否则开始分枝过程；其中，

在定界过程中，若在当前最优解的所有松弛变量皆为整数，且当前问题最优解中，智能决策模型的目标函数获得了优化，则将当前目标函数值和当前最优解作为智能决策模型的目标函数值和最优解；

在定界过程完成后，判断待处理的分枝问题集合是否为空，若为空，则完成计算，输出智能决策模型的智能决策模型的目标函数值和最优解；否则，从待处理的分枝问题集合中选择一个分支问题作为当前为题，重新利用单纯形法求解其最优解，重复上述判断和分枝或定界过程；

在分枝过程中，利用分支原理构建分支问题，在当前最优解中，若存在松弛变量为非整数，从取值为非整数的变量中选取某个取值为非整数的松弛变量x＝b，令[b]和[b]+1分别为最靠近b的左侧和右侧整数，在当前问题基础上，分别加入约束x≤[b]和x≥[b]+1，构建两个分枝问题，其中，x为z、wi、ti,j、σi、δi,j之一；

在分枝完成后，将两个分枝问题加入待处理的分枝问题集合，从待处理的分枝问题集合中选择一个分支问题，重新利用单纯形法求解其最优解，重复上述判断和分枝或定界过程。

优选地，在步骤s300之后，还包括：

s400、计算相邻交叉口之间的信号上行绿波相位差φi,j和下行绿波相位差

根据计算得到相邻绿波交叉口的上下行绿波相位差，调整每个绿波交叉口的有轨电车信号，即可实现绿波设置。

优选地，所述信号上行绿波相位差φi,j和下行绿波相位差表示如下：

本发明还提供一种有轨电车运行的控制系统，采用以下技术方案：

一种有轨电车运行的控制系统，包括基本参数获取单元、决策变量计算单元和决策变量应用单元，其中，

所述基本参数获取单元，用于获取基本参数；

所述决策变量计算单元，用于从所述基本参数获取单元获取所述基本参数，并基于所述基本参数计算决策变量；

所述决策变量应用单元，用于从所述决策变量计算单元获取所述决策变量，应用所述决策变量；

所述基本参数包括：

有轨电车沿线所经过的交叉口个数n；

交叉口i有轨电车载客人数

交叉口i道路交通车辆平均载客人数

交叉口i采用信号方案，对道路交通所有车辆造成的总延误di；

交叉口i采用绿波方案的情况下，上下行绿波带宽权重ai；

交叉口i采用绿波方案的情况下，其上下行有轨电车安全顺畅通过交叉口所要求的最小带宽

信号周期长度极值c；

交叉口i采用绿波方案的情况下，上下行红灯时长ri；

从交叉口i到交叉口j的行驶时间极值τi,j，其中j＞i；

交叉口i是否可以采用信号优先方案的标记pi，采用为pi取值为1，否则其取值为0；

所述决策变量包括以下内容中的至少一项：

交叉口i处的上下行绿波带中心线至绿波带左侧边沿的时间长度

交叉口i处的上下行绿波带中心线，至绿波带右侧边沿的时间长度

整个绿波的信号频率z；

交叉口i处的上下行绿波带中心线到左或右侧红灯的距离wi；

在绿波中交叉口i和交叉口j之间的理想行程时间ti,j；

在交叉口i与交叉口j之间，信号与带宽之间的约束mi,j；

交叉口是否采用绿波方案的标记σi；

交叉口i在上行绿波中的后续绿波交叉口是否为交叉口j的标记δi,j。

优选地，所述信号周期长度极值c包括信号周期长度上限cmax、信号周期长度下限cmin；

所述从交叉口i到交叉口j的行驶时间极值τij包括从交叉口i到交叉口j的最短行驶时间和从交叉口i到交叉口j的最长行驶时间其中，j＞i。

本发明提供的有轨电车运行的控制方法，一方面可以提高有轨电车的服务水平，体现公交优先的交通发展理念，另一方面，在公交优先的前提下，也兼顾道路交通的通行效率。

应理解的是，前面的一般描述和下面的详细描述都是示例性的，并且意图在于提供要求保护的技术的进一步说明。

附图说明

通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。除非明确指出，否则附图不应视为按比例绘制。在附图中，相同的参考标号通常代表相同组件或步骤。在附图中：

图1是示出根据本发明一种具体实施方式的有轨电车运行的控制方法示意图；

图2是示出根据本发明一种具体实施方式的求解决策变量的方法示意图；

图3是示出根据本发明一种具体实施方式的融合绿波与信号优先的有轨电车全线通过的示意图。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本文所描述的实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。在本说明书和附图中，将采用相同的附图标记表示大体上相同的元素和功能，且将省略对这些元素和功能的重复性说明。此外，为了清楚和简洁，可以省略对于本领域所熟知的功能和构造的说明。

本发明提供一种有轨电车运行的控制方法，在本方法中，结合图1，首选获取基本参数(s100)；然后根据所述基本参数计算所述决策变量(s200)；最后将获取的决策变量应用在有轨电车线路中(s300)。

在一实施例中，本发明提出了一种融合绿波与信号优先的有轨电车全线通过方案决策方法，该方法包括融合绿波与信号优先的有轨电车全线通过方案智能决策模型及相关的智能求解算法，智能决策模型如下所示：

z＞0(17)

其中，表示任意的意思，上述融合绿波与信号优先的有轨电车全线通过方案智能决策模型中，需要预先给定的参数及其含义如下：

i——有轨电车沿线所经过的交叉口集合。

n——有轨电车沿线所经过的交叉口个数；

i，j，k——有轨电车沿线所经过的交叉口编号，为便于计算，此处规定有轨电车沿线的所有交叉口编号顺序，沿上行方向递增(沿下行方向上递减)；

——在交叉口i处，有轨电车平均载客人数，单位(人)，根据有轨电车实际或预测的载客量计算；

——在交叉口i处，道路交通车辆平均载客人数，单位(人)，与有轨电车通过的交叉口道路交通特性有关，可通过交通调查获取；

di——交叉口i采用信号优先方案，对道路交通所有车辆造成的总延误，单位(秒，s)，可根据交叉口各方向交通流量和信号配时方案经过仿真和计算获得；

ai——交叉口i采用绿波方案的情况下，上(下)行绿波带宽权重，预先设定参数，可根据单位时间内上下行发车对数占比确定；

bi^min——交叉口i采用绿波方案的情况下，其上(下)行有轨电车安全顺畅通过交叉口所要求的最小带宽，该参数随交叉口的大小、结构等因素而存在差异，单位(秒，s)，可利用有轨电车交叉口的通过时间与一定的安全余量之和来表示；

cmax，cmin——信号周期长度上下限，一般cmin取值范围为区间[60，120]，cmax取值范围为区间[90，180]，当道路交通更量大时取高值，交通量较小时取低值，单位(秒，s)，；

ri——交叉口i采用绿波方案的情况下，上(下)行红灯时长，根据交叉口各方向流量比例和相位方案计算，单位(信号周期，cycles)；

q——带宽约束系数，正实数，可取1,2,3……；

——在综合考虑线路条件、停站时间及列车性能的情况下，从交叉口i到交叉口j的最短行驶时间，单位(秒，s)；

——在上行全线行程时间约束下，从交叉口i到交叉口j(j＞i)的最长行驶时间，单位(秒，s)；

m——表示一个极大的正数，作为变量约束项，可取10¹⁰。

pi——表示交叉口i是否可以采用信号优先方案，可以采用为pi取值为1，否则其取值为0。其取值可根据道路交通流量由专家确定。

上述智能决策模型根据预先给定的各参数值，在满足模型约束条件限制的情况下，为使目标函数达到最优，待确定取值的决策变量如下：

——交叉口i处的上(下)行绿波带中心线，至绿波带左侧边沿的时间长度，单位(信号周期，cycles)；

——交叉口i处的上(下)行绿波带中心线，至绿波带右侧边沿的时间长度，单位(周期，cycles)；

z——整个绿波的信号频率，z＝1/c，c为信号周期(秒，s)，单位(cycles/s)；

wi——交叉口i处的上(下)行绿波带中心线到左(右)侧红灯的距离，单位(信号周期，cycles)；

ti,j——在绿波中，交叉口i和交叉口j之间的理想行程时间。当j＞i时，表示上行从交叉口i到交叉口j的理想行驶时间，当j＜i时，表示下行从交叉口i到交叉口j的理想行驶时间，单位(信号周期，cycles)；

mi,j——在交叉口i与交叉口j之间，信号与带宽之间的约束，正整数；

σi——交叉口是否采用绿波方案的标记，0-1变量，采用绿波其取值为1，否则为0；

δi,j(j＞i)——交叉口i在上行绿波中的后续绿波交叉口是否为交叉口j的标记，0-1变量(仅需确定上行方向，下行方向正好相反即可)，采用绿波其取值为1，否则为0。

在上述融合绿波与信号优先的有轨电车全线通过方案智能决策模型中，式(1)表示模型的优化目标：有轨电车交叉口全线通过方案的效益达到最大。其中，z为目标函数，表示全线通过方案的效益值，为沿线所有交叉口绿波方案所获得的有轨电车乘客总效益值与因信号优先导致的道路交通出行者总延误值之差。

式(2)-式(17)为模型约束条件。其中，

式(2)为绿波参数约束：只有采用绿波方案的交叉口，其绿波相关参数才为非0；

式(3)为交叉口间的理想时间约束：只有当交叉口i、j都采用绿波方案，且在绿波中具有前后顺序，才存在规划的理想行程时间，对于其他情况，则不规定理想行程时间(ti,j＝0)；

式(4)为绿波方案中的交叉口顺序约束：只有当两个交叉口都采用绿波方案，在绿波规划中才有可能存在先后顺序关系；

式(5)为采用绿波方案和信号优先方案的交叉口间隔约束：在绿波中存在先后顺序的两个交叉口之间的其他交叉口，全都采用信号优先方案。

式(6)为绿波的最小带宽约束：全线绿波方案中，每个交叉口处的上下行带宽，皆不小于约定的最小带宽要求；

式(7)为绿波信号周期约束：绿波的信号周期在上下限值以内；

式(8)为交叉口绿灯时间，与本交叉口绿波带之间的关系约束：采用绿波方案的交叉口上、下行绿波带宽必须在本交叉口绿灯时间范围之内；

式(9)为交叉口绿灯时间，与紧后交叉口绿波带之间的关系约束：采用绿波方案的交叉口，其上下行紧后绿波交叉口的带宽中心线，必须在该交叉口绿波范围以内；

式(10)为绿波带宽非0约束：采用绿波方案的交叉口，绿波中心线两侧带宽非0；

式(11)为绿波方案中的相邻交叉口参数关系约束：采用绿波方案的相邻交叉口之间，其绿波中心线、理想行程时间和红灯时长存在整数关系；

式(12)为相邻的绿波交叉口之间理想行程时间约束：采用绿波方案的相邻交叉口之间，有轨电车理想行程时间满足上下限规定。

式(13)为信号优先交叉口约束：对规定可以采用信号优先的交叉口，才可能采用信号优先方案，否则只能采用绿波方案。

式(14)为交叉口绿波参数取值约束：上下行绿波中心线位置，绿波两侧带宽为非负数，交叉口是否采用绿波方案的标记为0-1变量；

式(15)为相邻绿波交叉口之间理想行程时间取值约束：采用绿波方案的相邻交叉口之间理想行程时间为正数；

式(16)为交叉口i在上行绿波中的后续绿波交叉口是否为交叉口j的标记取值约束，交叉口i在上行绿波中的后续绿波交叉口是否为交叉口j的标记为0-1变量；

式(17)为绿波信号频率取值约束，绿波信号频率为正数。

为求解上述融合绿波与信号优先的有轨电车全线通过方案智能决策模型，本发明基于分枝定界法，构建模型的智能求解算法，自动确定使得有轨电车交叉口全线通过方案效益达到最大的决策变量z，witi,j，σi以及δi,j)的取值，可用x表示决策变量所构成的向量。模型的智能求解算法如图2所示：

在模型的智能求解算法中，首先输入基本参数取值(除决策变量以外的其他已知变量)，初始化融合绿波与信号优先的有轨电车全线通过方案智能决策模型中的目标函数值z＝-m(m为一个极大正数，可取10¹⁰)，决策变量x＝x0(x0中各变量取值为0)(图2中步骤s1)。

然后，将智能决策模型中的整数型(含0-1型)决策变量mi,j，σi及δi,j放松整数约束，形成智能决策模型的松弛问题，放松约束的整数型变量称为松弛变量(图2中步骤s2)。以该松弛问题作为当前问题，利用传统的单纯形法求解当前问题最优解(图2中步骤s3)，获取当前最优解x^*(所有决策变量的当前取值集合)及相应的当前目标函数值z^*(图2中步骤s4)，若当前最优解x^*中，所有松弛变量取值皆为整数，则开始定界过程(图2中步骤y1-y2)，否则开始分枝过程(图2中步骤n1-n2)。

定界过程：在当前最优解中，若所有松弛变量皆为整数，对比当前目标函数值z^*与智能决策模型的目标函数值z之间的大小关系，若z^*＞z(图2中步骤y1)，即智能决策模型的目标函数获得了优化，则将当前目标函数值和当前最优解作为智能决策模型的目标函数值和最优解(令z＝z^*，x＝x^*)(图2中步骤y2)。

分枝过程：利用分支原理构建分支问题(图2中步骤n1)；在当前最优解中，若存在松弛变量为非整数，从取值为非整数的变量中选取某个取值为非整数的松弛变量x＝b(x为z、witi,j、σi、δi,j之一)，令[b]和[b]+1分别为最靠近b的左侧和右侧整数，在的当前问题基础上，分别加入约束x≤[b]和x≥[b]+1，分别构建两个分枝问题图2中步骤n2)。

在定界过程完成后，判断待处理的分枝问题集合是否为空，若为空，则完成计算，输出智能决策模型的智能决策模型的目标函数值z和最优解x(图2中步骤y3)；否则，从待处理的分枝问题集合中选择一个分支问题作为当前为题，重新利用单纯形法求解其最优解，重复上述判断和分枝或定界过程，直至待处理的分枝问题集合为空，输出求解结果(图2中步骤n3)。

在分枝完成后，将两个分枝问题加入待处理的分枝问题集合，从待处理的分枝问题集合中选择一个分支问题，重新利用单纯形法求解其最优解，重复上述判断和分枝或定界过程，直至进入定界过程且待处理的分枝问题集合为空，输出求解结果。

上述为基于分枝定界法的智能求解算法，当然，本发明还可基于其他求解算法，例如遗传算法、模拟退火算法、蚁群算法、分布式优化算法以及其他的最优化求解算法，构建智能求解算法对所提出的融合绿波与信号优先的有轨电车全线通过方案智能决策模型进行决策变量求解。

通过智能求解算法获得融合绿波与信号优先的有轨电车全线通过方案智能决策模型的决策变量之后，即可确定如下的有轨电车全线通过方案参数：各交叉口采用绿波或信号优先方案(σi)、绿波交叉口的邻接关系(δi,j)，相邻绿波交叉口之间的上下行理想行程时间(ti,j)、绿波信号周期(z)、绿波特征参数(wi、)，并可通过下式计算相邻交叉口之间的信号上行绿波相位差φi,j和下行绿波相位差

其中：表示对于任意i属于i、j属于i，j>i且δi,j＝1时计算上行绿波相位差φi,j和下行绿波相位差

相位差为两个相邻的绿波交叉口之间，有轨电车红灯时间中心点的差值。当交叉口i、j之间的δi,j取值为1时，表示在上行方向绿波中，交叉口i的后续绿波交叉口为交叉口j(在下行方向绿波中，交叉口j的后续交叉口为交叉口i)，此时二者之间才存在上、下行绿波相位差φi,j及根据计算得到相邻绿波交叉口的上下行绿波相位差，即可从上行方向的起始交叉口(交叉口编号i＝1)开始，调整每个绿波交叉口的有轨电车信号，即可实现绿波设置。

根据本发明所提出的融合绿波与信号优先的有轨电车全线通过方案智能决策模型和算法，以及所得到的有轨电车全线通过方案参数，即可在获得有轨电车全线通过方案，如图3所示。图中，横坐标表示时间(单位为信号周期)，纵坐标表示交叉口(编号)，灰色横向虚线表示采用信号优先方案的交叉口；黑色横向虚线表示采用绿波方案的交叉口，其中虚线的空白部分表示交叉口信号灯向有轨电车开启，虚线的实线部分表示交叉口信号灯向道路交通开启；黑色斜线和灰色斜线则分别表示上行和下行绿波带范围，当上下行有轨电车轨迹位于绿波带内时，即可实现有轨电车全线不停车通过交叉口，从而提高有轨电车的全线行程时间。

本发明还提供一种有轨电车运行的控制系统，包括基本参数获取单元、决策变量计算单元和决策变量应用单元，其中，所述基本参数获取单元用于获取基本参数；所述决策变量计算单元用于计算决策变量；所述决策变量应用单元用于应用决策变量；

所述基本参数获取单元将获取的所述基本参数传输给所述决策变量计算单元，所述决策变量计算单元将计算的决策变量传输给所述决策变量应用单元。其中，所述基本参数包括上述的基本参数，所述决策变量包括上述的决策变量。

进一步的，该控制系统还包括决策模型，所述决策模型构建成：所述全线最优效益值maxz＝沿线所有交叉口绿波方案所获得的有轨电车乘客总效益值-因信号优先导致的道路交通出行者总延误值(如上述式1)，并设置约束条件(如上述式2-17)。

本发明中涉及到术语解释如下：

交叉口绿波带宽：采用绿波方案的交叉口在其有轨电车绿灯时长范围内，满足某一方向行驶的有轨电车按约定时间运行可不停车通过全线所有交叉口的时间窗口宽度，可见，绿波带宽具有方向性，每个交叉口都有不同的上行(下行)两种绿波带宽类型。因此，交叉口绿波带宽即为其上行绿波带宽和下行绿波带宽的加权和。

绿波带宽权重：由于交叉口绿波带宽为其上行绿波带宽和下行绿波带宽的加权和，这种加权的权重即为绿波带宽权重，包括上行绿波带宽权重和下行绿波带宽权重两种类型，可根据上下行方向发车间隔来确定，列车运行较密的方向，绿波带宽权重可适当加大。

决策变量：在融合绿波与信号优先的有轨电车全线通过方案智能决策模型中，具体取值需要根据智能决策模型进行确定的变量，称为决策变量。本发明可在一定的基本参数输入下，通过与智能决策模型相配套的智能决策算法，自动确定满足目标函数达到最大的决策变量取值。

基本参数：在融合绿波与信号优先的有轨电车全线通过方案智能决策模型中，除决策变量以外的其他已知变量。在本发明中，基本参数是智能决策算法的输入。

有轨电车全线通过方案效益值：最终的有轨电车全线通过方案中，所有采用绿波方案的交叉口处有轨电车乘客所获得的通行窗口(交叉口有轨电车平均载客人数与绿波带宽乘积)综合，与所有采用信号优先方案的交叉口道路交通出行者总延误值(道路交通车辆平均载客人数与交叉口总延误乘积)之差来表示。

有轨电车全线通过方案最优效益值：受各种条件约束，有轨电车全线通过方案效益值所能达到的最大水平。

本领域技术人员可以根据本发明的原理对所述具体部件进行选择性设置，只要能够实现本发明的控制方法的原理即可。

本领域技术人员应该理解的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，但本领域的技术人员可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求书的范围。