一种面向多目标的城市紧急救援交通信号恢复过渡方法与流程

本发明涉及一种交通管理技术，特别涉及一种面向多目标的城市紧急救援交通信号恢复过渡方法。
背景技术：
：由于紧急救援信号优先会对社会交通流产生扰动，如何在信号系统的运行中实现高效的信号过渡变得越来越重要，无论是对紧急救援信号过渡，还是对于自适应控制，都会由于信号的改变或者整个配时方案的切换而导致交叉口交通流运行紊乱，直接进行信号切换不仅带来巨大的安全隐患，并且导致通行效率的急剧下降。特别对于饱和度较大的早晚高峰来说，必须采取合理的信号过渡策略，否则将导致道路的极度瘫痪。因此，急需建立并实现一种快速、平稳、实用的交通信号过渡方案，从而保证交通流平稳连续的运行。有关信号过渡的研究成果颇丰，国外学者在紧急车辆优先的条件下，考虑出口控制和转换方法,研究了很多信号过渡方法，使用了shortway、smooth、dwell等过渡算法进行相关仿真实验。随着国内对交通信号过渡的重视，有关学者对救援信号优先及恢复方案的研究中也取得了一定的进展，仿真试验不同的恢复策略的效率，建立紧急救援车辆信号优先和信号恢复的转换过程。但是，这些信号过渡研究的场景比较理想化，没有考虑交通量变化较大的情形，实际过程中可能会造成较大的延误。面向多目标的信号恢复过渡方法，既要考虑交叉口的公平效益，也要实现紧急车辆先行。因此，本领域的技术人员致力于开发一种符合我国国情的面向多目标的紧急救援信号恢复过渡方式。技术实现要素：本发明是针对现有城市交叉口相位因紧急救援信号优先造成延误较大的影响的问题，提出了一种面向多目标的城市紧急救援交通信号恢复过渡方法，利用tsis进行仿真验证，提出了以选取排队长度差异性和车均延误为目标，运用功效函数评分法建立的紧急救援多目标信号过渡优化模型；采用变异系数法确定相关模型的变量权重，并用遗传算法对其求解。最后采用微观交通仿真软件tsis对协调对象进行仿真验证，结果表明该方法比传统的三种过渡方案效果更好，车均延误和排队长度平均减少13.82％和13.65％。本发明的技术方案为：一种面向多目标的城市紧急救援交通信号恢复过渡方法，首先选取排队长度差异性和车均延误为紧急救援信号过渡目标，建立两个过渡目标的过渡优化模型，通过功效函数法建立两个过渡目标的综合评价模型，再利用变异系数法确定选取的两个过渡目标参数权重，建立紧急救援过渡模型的多目标评价函数模型；最后经过遗传算法求解紧急救援过渡模型的多目标评价函数模型的最优解集，即得到紧急救援多目标信号过渡优化方案。所述建立紧急救援过渡模型的多目标评价函数模型具体步骤：在建立两个过渡目标的过渡优化模型基础上，进行排队长度差异性分析，得到最适合当前交叉口的差异性最小的排队长度；然后以路径车均延误最小为控制目标，建立基于车均延误最小的非线性约束函数模型；最后，结合排队长度和车均延误利用功效函数评分法建立两个过渡目标的综合评价模型，并采用变异系数法赋予两个过渡目标的权重，建立紧急救援过渡模型的多目标评价函数模型，把多目标规划问题转化为单目标规划问题。所述遗传算法求解步骤如下：(1)确定遗传算法基本参数值，包括适应度函数选取，以排队长度差异性和车均延误组成的功效函数分值最大为适应度函数，确定交叉概率，变异概率，种群规模，迭代次数；(2)以各交叉口各相位绿灯时长为基因采用二进制方法进行染色体编码，形成方案种群，随机选取一组配时方案作为初始种群；(3)带入适应度函数求解个体适应度值，采用轮盘赌选择方法，选择适应度最大的个体进行交叉，然后交叉结果再进行变异；(4)把最终经过选择，交叉，变异的个体进行二进制解码运算，判定终止条件，即达到最大迭代次数。所述步骤(4)解码运算使用决策变量可行区域的边界条件进行解码，具体限定周期变化长度应小于过渡的剩余时间，各个交叉口的周期时长应小于下一个周期时长，计算各个交叉口周期变化边界；在边界条件下进行解码，得到计算结果就是交叉口的信号过渡的绿灯时间，即交叉口信号过渡的周期时长和绿信比。本发明的有益效果在于：本发明面向多目标的城市紧急救援交通信号恢复过渡方法，充分考虑排队长度差异性车均延误两个指标，明确区分各优化目标所占的权重，精确处理多目标的配时需求，提高信号过渡效率，降低交通成本。本发明具有高效性、可靠性。附图说明图1为本发明紧急救援信号过渡方案选择流程图；图2为本发明多目标信号过渡优化流程图；图3为本发明遗传算法求解流程图；图4为本发明紧急救援信号过渡策略流程图。具体实施方式如图1所示紧急救援信号过渡方案选择流程图，首先选取多个过渡目标，通过功效函数法建立多个过渡目标的综合评价模型，再利用变异系数法确定选取的各个过渡目标参数权重；最后经过遗传算法求解多个过渡目标的最优解集，即得到紧急救援多目标信号过渡优化方案。1、将历史交通流量数据进行缺失数据修补预处理，并考虑交叉口的公平效益。选取紧急救援信号过渡的两个关键目标——排队长度差异性和车均延误。建立两个过渡目标的过渡优化模型，通过功效函数打分法建立排队长度差异性和车均延误的功效函数，并采用变异系数法赋予权重。2、进行排队长度差异性分析，得到最适合当前交叉口的差异性最小的排队长度。排队长度是衡量交叉口拥堵水平的一个重要指标，是指一个信号周期内车辆的最大排队距离。数理统计中经常用方差表示数据之间的离散程度，方差是各数据偏离均值的平方和的平均数。但是方差的单位变成了原变量单位的平方，为了保持变量单位的一致性，选用方差的开方数均方差，表示排队长度之间的差别。对各相位关键车流排队长度与相位排队长度均值的差异性进行分析。相位指的是一个信号周期内，不同方向的交通流获得完全相同信号灯显示的时间；关键车流指的是同相位中流量较大的车流。相位关键车流排队长度相对于相位平均排队长度的方差和均方差如下：式中：v为相位关键车流排队长度相对于平均排队长度的方差；d为进口道，为第k相位d进口道的排队长度；为相位k的平均排队长度；σ为相位关键车流排队长度相对于平均排队长度的均方差；k为相位(交叉口一般分东西南北四个方向，k分别取1、2、3、4表示四个方向的通行权)。排队长度优化目标如公式(3)所示：排队长度约束条件如公式(4)所示：式中：为相位k的最小绿灯时间，为相位k的最大绿灯时间，cmin为最小周期时长，cmax为最大周期时长，为饱和度为0.8的相位关键车流平均排队长度。3、进行紧急救援路径车均延误分析。过渡过程中另一个要控制的重要指标是车均延误。以路径车均延误最小为控制目标，建立基于车均延误最小的非线性约束函数模型，主要目标是在过渡时期各个交叉口车辆车均延误最小。延误计算参照美国通行能力手册hcm延误公式。延误公式包括过渡时期周期时长，绿灯时间，相位差，以及各个交叉口的饱和度。车辆延误优化目标如下：mind＝d1*pf+d2+d3(5)式中：d为车辆控制延误，d1为假设车辆符合均匀到达情形的均匀延误，pf为均匀控制延误的调整参数，d2为考虑车辆符合随机到达情形以及过饱和排队情况下的增加延误，d3为考虑初始排队情况的车辆初始排队延误。过渡时期的周期长度主要由周期变化步长决定，具体的计算方法如下所示。c0+δcr＝cr(6)式中：c0为初始周期长度，δcr为过渡步骤r的周期变化量，cr为过渡后的周期长度。4、如图2所示，为建立基于功效函数法的多目标信号过渡优化综合评价模型的流程。综合评价函数多用于求解多目标规划问题，常用的评价函数有很多。功效函数评分法原理简单，求解目标的功效分值，分值越高，结果越好。因此，选用功效函数法建立紧急救援多目标信号过渡优化模型效果更佳。多目标的权重选用变异系数法确定。变异系数法可以消除不同量纲的影响，反映了单位均值上各观测值的离散程度。在多目标规划问题中，各个变量的单位一般不同，因此，选用变异系数法进行比较不同变量的变异程度。这里选用常用的是标准差变异系数，用cv(coefficientofvariance)表示。功效函数法综合评价模型根据多目标规划的基本原理，把所有变量归一化处理，通过功效函数转化为可以度量的评价分数，对每一个变量确定一个最优解，即最满意值和最劣解，即不允许值，以最优解为上限，以最劣解为下限，经过加权平均进行综合计算，进而得出最终分值。因此，功效分值越大越好，即越大对目标的结果越满意。式中：ay为第y个变量的功效分值，a是变量的下限值，b是变量的上限值，c、d为给定的打分值，一般取c＝40，d＝60，即基础分值为60，最高分值为100。针对排队长度差异性最小和车均延误最小的目标，建立关于两个目标函数f(x1)，f(x2)的权重系数ω1，ω2，功效函数a1和a2，运用功效函数评分法和变异系数法建立关于紧急救援过渡模型的多目标评价函数模型。式中：a为评价函数的总体目标值。其中排队长度差异性的功效函数如下：式中：a1为排队长度目标的分值，σmax为排队长度差异性的最大值，σmin为排队长度差异性的最小值。车均延误的功效函数如下所示：式中：a2为延误目标的分值，dmax为延误的最大值，dmin为延误的最小值。总的多目标评价函数如公式(11)和(12)所示：总的多目标评价函数：maxa＝ω1a1+ω2a2(11)多目标评价函数求和：排队长度差异性和车均延误都可以表示为绿灯时间的函数，因此，各个功效函数可以统一表示为用绿灯时间的函数，如下所示：绿灯时间函数maxa＝ω1f1(g)+ω2f2(g)(13)将公式(3)、公式(5)、公式(9)、公式(10)代入公式(13)中得到公式(14)最大功效分值：式中：为第k相位d进口道的实际流量；c为周期时长；为第k相位d进口道的饱和流量；为第k相位d进口道的车头间距；fu为车道利用系数；x为交叉口相位关键车流的饱和度；t为分析时长；g为绿灯时间；gk为k相位的绿灯时间；f为感应控制的变化系数；pf为为均匀控制延误的调整参数；i为增量延误修正系数(上游交叉口由于车辆换道引起的)；cap为相位关键车流车道组的通行能力；qb为车道初始排队车辆数；u为排队延误系数；其他参数含义同上。总的目标功效函数a的分值越高，就说明结果越好。如图3所示遗传算法求解流程图。遗传算法(ga)是生物学科延伸出来的全局寻优智能化算法，在求解大型、复杂、非线性数学问题方面表现优越。随着智能算法的发展，遗传算法已普遍应用于交通领域、计算机领域、数学领域等，是解决复杂问题的一类有吸引力的计算模型。现实中的多目标问题，优化的各个目标值可能存在冲突，即一个结果的最优可能引起另一个优化结果变差。因此，不可能使多个目标都达到最优值，只能根据各个目标值的权重，权衡考虑，将多目标问题转化单目标问题，借助ga模块求出多目标问题的最优解集，称为pareto最优解集。信号配时优化的根本问题是如何有效地达到全局最优解，或者最接近最优解。紧急救援多目标信号过渡优化模型包含两个目标，因此，采用经典的多目标遗传算法进行求解。多目标遗传算法包括编码、选择、交叉、变异、解码等步骤，按照生物学适者生存的规则，能快速选择优胜后代。具体求解流程如图3所示遗传算法求解流程图，操作步骤如下：(1)确定遗传算法基本参数值，包括适应度函数选取，以排队长度差异性和车均延误组成的功效函数分值最大为适应度函数，确定交叉概率，变异概率，种群规模，迭代次数。(2)以各交叉口各相位绿灯时长为基因采用二进制方法进行染色体编码，形成方案种群，随机选取一组配时方案作为初始种群。(3)带入适应度函数求解个体适应度值，采用轮盘赌选择方法，选择适应度最大的个体进行交叉，一般选取简单的单点交叉方法，然后交叉结果再进行变异。(4)把最终经过选择，交叉，变异的个体进行二进制解码运算，判定终止条件，即达到最大迭代次数。紧急救援多目标信号过渡优化模型采用基于ga的优化模块，借助matlab优化工具箱(optimizationtoolbox)求解。编写基于紧急救援多目标信号过渡优化模型公式的m文件，作为适应度函数，进行编码工作，调用优化工具箱里面的ga模块，输入默认参数，包括种群规模，选择概率，变异概率，迭代次数，使用决策变量可行区域的边界条件进行解码。因此，解码过程的重要部分是决定决策变量的上下界。给出周期步长变化范围的计算方法。各相位绿灯时长的确定基于变化后的周期和绿信比。周期变化长度应小于过渡的剩余时间，各个交叉口的周期时长应小于下一个周期时长，计算各个交叉口周期变化边界，如下式：式中：为过渡步骤r时的相位差，m为过渡步骤总数，其他参数含义同上。边界条件的解码过程如下：式中：maxδc为最大周期变化量，minδc为最小周期变化量，p为二进制字符串使用的位数，即种群规模数，q为字符串位数的总数，bp为从左边起第p个位的值，二进制中取0或1。计算各相位绿灯时间的方法见下式：式中：ge为有效绿灯时间，c为交叉口的周期长度，ik为第k相位的绿灯间隔时间。东西相位的绿灯时间计算如公式18所示，南北相位的绿灯时间如公式19所示：g(3,4)＝c-g(1,2)(19)式中：g(1,2)为东西向相位绿灯时间，g(3,4)为南北向相位绿灯时间，其他参数含义同上。第一相位的绿灯时间(20)和第二相位的绿灯时间(21)见下面的公式：g2＝g(1,2)-g1(21)式中：g1为第一相位的绿灯时间，g2为第二相位的绿灯时间，其他参数含义同上。第三相位的绿灯时间(22)和第四相位绿灯时间(23)如下面两式：g4＝g(3,4)-g3(23)式中：g3为第三相位的绿灯时间，g4为第四相位的绿灯时间，其他参数含义同上。最终，得到计算结果就是交叉口的信号过渡的绿灯时间，即交叉口信号过渡的周期时长和绿信比。5、如图4所示，为基于mixedlogit离散选择模型的紧急救援信号过渡方案选择流程。选取本发明紧急救援多目标信号过渡优化方案和传统的立即过渡方案、两周期过渡方案、三周期过渡方案四种过渡方案，以代表道路交通特性的排队长度、车均延误、小时流量、过渡时长作为各个方案的特征变量。运用mixedlogit离散选择模型建立四种过渡方案的效用函数，并分别计算其选择概率，证明本发明所得紧急救援多目标信号过渡优化方案效果。计算特征变量。假设决策者不受个人主观因素的干扰，仅依据当时的交通状况，选取代表道路交通特性的排队长度、车均延误、流量、过渡时长作为各方案的特征变量。其中排队长度和小时流量两个特征变量的系数值采用固定系数，车均延误和过渡所需时长对应的系数符合正态分布，具体的特征变量及符号表示如表1所示紧急救援信号过渡方案mixedlogit离散选择模型特征变量：表1过渡方案排队长度车均延误小时流量过渡所需时长多目标信号过渡xn11xn12xn13xn14立即过渡xn21xn22xn23xn24两周期过渡xn31xn32xn33xn34三周期过渡xn41xn42xn43xn44待估参数β1β2(μ2,σ2)β3β4(μ4,σ4)如上表所示，xn11为模型优化过渡方案的排队长度，xn12为模型优化过渡方案的车均延误，xn13为模型优化过渡方案的流量，xn14模型优化过渡方案的过渡时长，以此类推，β1为排队长度待估系数值，β2为车均延误待估系数值，μ2为车均延误系数符合的正态分布函数的均值，σ2为车均延误系数符合的正态分布函数的标准差，以此类推。建立效用函数。四种不同的信号过渡方案，在给定特征变量的情况下，忽略决策者的主观意愿，得到的效用值一般是不同的，决策者更倾向于效用大的方案。结合过渡方案和特征变量建立的效用函数如下式所示：式中：xnij为导致信号过渡方案决策者n选择第i种方案的第j个变量值，βj为估计参数，其他符号意义与上节相同。将四个特征变量带入得效用函数式子如下：vni＝β1xni1+β2xni2+β3xni3+β4xni4+ηi(25)式中：ηi为拟合出来的常数，其他参数含义同上，β1、β3为固定系数值，β2、β4为符合正态分布的系数值，具体计算如下：βj＝μj+ksσj(26)式中：μj为符合正态分布的第j个变量的均值，ks为符合标准正态分布的随机数，σj为符合正态分布的第j个变量的标准差。结合公式(25)、(26)，针对四种过渡方案，即多目标信号过渡方案、立即过渡方案、两周期过渡方案、三周期过渡方案的效用函数如下式：多目标信号过渡方案：vn1＝β1xn11+(μ2+ksσ2)xn12+β3xn13+(μ4+ksσ4)xn14+η1(27)立即过度方案：vn2＝β1xn21+(μ2+ksσ2)xn22+β3xn23+(μ4+ksσ4)xn24+η2(28)两周期过渡方案：vn3＝β1xn31+(μ2+ksσ2)xn32+β3xn33+(μ4+ksσ4)xn34+η3(29)三周期过渡方案：vn4＝β1xn41+(μ2+ksσ2)xn42+β3xn43+(μ4+ksσ4)xn44+η4(30)式中：βj含义同上，通过极大似然估计得到，ηi为常数，通过拟合得到，其他参数含义同上。根据计算的结果进行比较，选择效用最高的方案作为信号过渡优化的方法。运用tsis仿真，通过三个交叉口的实例，对上述信号过渡优化方式与传统的三种信号过渡方案进行对比分析，结果如下表2所示恢复过度优化模型较其他三种经典过渡方法的效益对比分析。表2结果显示，恢复过渡优化模型较其他三种过渡方案在车均延误结果上，交叉口1采用恢复过渡优化模型较三周期过渡，延误减少比例高达17.73％，交叉口3采用恢复过渡优化模型较三周期过渡，排队长度减少比例高达27.87％。本研究的恢复过渡优化模型较其他三种过渡方案，车均延误和排队长度平均减少13.82％和13.65％，较其中的最优方案减少15.09％和10.04％。因此我们可以得出结论：(1)采用多目标恢复过渡优化方案无论是在车均延误上还是在排队长度上都有着较好的结果，能够减少车均延误和排队长度的差异性。(2)立即过渡方案相对于其他两种过渡方案来说，控制效果也是较好的，两周期过渡效果次之，三周期过渡延误最大，排队长度也最大，过渡控制效果最不理想。(3)面向多目标的紧急救援信号恢复过渡方法在高峰时期的过渡效益改善程度优于非高峰时期。当前第1页12