您现在的位置:首页 >> 城市综合交通 >> 资讯
【专栏】绿波控制方法的公交化应用


【信息时间:2018/1/9  阅读次数:【我要打印】【关闭】

 绿波是指车流沿某条主要路线行进过程中,连续得到一个接一个的绿灯放行信号,畅通无阻地通过沿途所有交叉口,在交通流中低饱和的情况下,进行路段绿波协调控制优化设计可以有效的降低延误和停车次数。

1 经典绿波模型

上世纪七八十年代Little J.D.C提出的MAXBADN模型可以看作是绿波模型的鼻祖,后续相关MULTIBAND模型、PASSER软件包均是在其基础上优化调整而来的。其核心思想保持一致,即将绿波优化控制问题转化为混合整数线性规划模型,建立绿波相关约束条件,通过分支定界等成熟算法和软件进行求解,主要包括以下四个步骤:

1.1 构建时空图

以时间长度和空间距离构建关于信号控制交叉口和绿波系统的二维时空图,在图中对应位置标注出所有与绿波优化控制问题相关的参数,包括未知需要求解的参数和已知可以代入计算的参数。同时时空图需要清楚表现出各参数的时间维度属性,各参数之间的相互时间和位置关系。

1.2设计约束条件

在完成时空图绘制的基础上,根据时空图中各参数时间空间属性,推导出各相关参数之间的约束条件,即推导出各相关参数之间的不等式关系。在推导约束条件时,应将非线性约束条件通过一定的方法转化为线性约束条件,从而保证所有推导出的约束条件为线性。对于绿波问题,通常的做法是将所有时间参数的单位转化为周期的倍数。

1.3甄别变量

绿波算法的变量繁多,需要将变量进行甄别,区分出事先可以求得的已知变量和需要求解的未知变量。对于已知变量,需要在模型构建前通过相关方法进行求解,而对于未知变量,如有取值范围则需要先行进行约束,具体数值或者范围则需要在模型求解后获得。一般绿波问题信号控制交叉口的相关参数为已知变量,即背景的信号控制方案一般已知。

1.4模型构建求解

选取合适的线性规划目标函数,以步骤2中推导出的相关参数不等式为约束条件就建立混合整数线性规划模型,代入已知变量,通过一定的线性规划算法对未知变量进行求解。通常情况下,经典绿波算法以获得最大的绿波带宽或者最大的加权绿波带宽作为目标函数,对模型进行求解。

2 公交绿波前置条件设置

与经典绿波算法研究的对象不同,公交绿波需要将公交车辆从总体交通流中提取出来,因此算法首先需要对交通系统相关基础设施和运行特征提出一些合理的前提条件:

2.1设置公交专用道

系统上行和下行方向都必须设置公交专用道,保障通行的公交车辆与社会车辆分道行驶,不产生相互干扰,从而形成两个相对独立的绿波系统。

2.2设置符合要求的公交停靠站

根据不同的公交专用道设置形式,设置相对应的公交停靠站,使公交车辆驶入驶出停靠站时不与社会车辆产生相互影响。

2.3不设置单独的公交信号相位

不需要设置单独的公交相位,从而可以在不影响原有交通组织的基础上最大程度的优化两种绿波系统,提高整体交通流的运行效率。

3 公交绿波两种不同的设计思路

3.1分段式设置思路

经典绿波算法及其改进算法中绝大部分都是以双向绿波带宽最大或者考虑各种权重关系的双向绿波带宽最大为目标函数,从而建立相关的混合整数线性规划模型进行求解。以绿波带宽的相关表达式作为目标函数,即可以通过信号协调控制最大化拓展车辆通过的时间窗口,当交通饱和度较低,通行需求较小的时候,这个时间窗口几乎可以容纳所有通行车辆;而当交通饱和度逐渐提高,通行需求接近甚至超过绿波带宽的时候,这个最大化的时间窗口也可以容纳尽量多的通行车辆从而提高交通系统的运行效率。其明显的不足表现为:绿波的带宽受上信号控制交叉口数量和交叉口绿灯时间的影响较大,当信号控制交叉口的数量到达一定程度之后,绿波的带宽会急剧下降,甚至接近于0

遵循经典绿波算法的核心思路,同时充分发挥公交系统公交站台的节点特征,可以提出分段式绿波的设计思路:以绿波带宽的相关表达式作为目标函数,以信号控制交叉口的聚类分组作为基础,减少信号控制交叉口的相对数量,限制瓶颈绿灯时间的影响,在此基础上进行组别内部和组别之间约束条件设计,提高各组别的公交车辆绿波带宽同时有效衔接各组别公交车辆绿波。

3.2整体式设置思路

对于公交系统的通行需求可以由两部分组成:第一部分是根据线路数量和发车频率等因素计算推导出的正常的交通通行需求,即能服务覆盖所有公交车辆通行的最小绿波带宽值;第二部分则是由于公交系统诸如停靠时间等相关参数的波动性和其他一些异常情况而引起的正常公交通行需求的波动性,从而造成超出正常公交通行需求的异常溢出需求。为满足这部分的溢出需求,需要在最小绿波带宽基础上给予额外的绿波带宽分配。因此,可以假设这样一种情形,即公交车辆绿波系统能够创造的最大绿波带宽值不仅能够覆盖满足公交车辆的正常通行需求和溢出需求,同时还能有一定的富余带宽。这种假设的情形对于公交车辆绿波系统是很容易实现的:相对于社会车辆的通行需求具有较强的随机性,公交车辆由于拥有固定的发车频率和线路走向、数量,公交车辆的通行需求可以提前获知;同时,相对于社会车辆的交通流量,公交车辆系统的交通流量也是相对固定且数值较低的。在假设的情形中,由于公交的通行需求已经能够被完全满足,公交系统对于富余的绿波带宽利用效率会急剧下降且造成不必要的带宽浪费;同时,由于公交车辆绿波系统和社会车辆绿波系统之间的相互约束关系,公交系统绿波富余带宽的存在必然会对社会车辆系统的绿波产生负面的影响。因此,当这种假设条件出现的时候,可以考虑不再追求绿波带宽的最大化,而去寻找更为合理的建模思路和更有效率的模型目标。

当公交车辆系统有富余绿波的情况,不再追求绿波最大化,而将绿波带宽作为约束条件,提出整体式的绿波设计思路。同时为增加模型的灵活性和扩大最优解可行域的范围,将公交车辆行程时间作为可变参数组合代入模型进行求解,在此基础上以理论行程时间最短的目标函数使得模型的最优解可以有效提高公交车辆通行效率。整体式方法最优解中的行程时间是行驶速度和停靠时间的可变组合,可以调整这两者的取值满足不同的公交通行需求。

4 公交绿波鲁棒性相关设计

行程时间的随机波动会对干线信号控制协调方案的实施效果产生不良的影响,相邻信号控制交叉口之间公交车辆的行程时间是由两个部分组成的:第一部分包括了公交车辆在路段上匀速行驶以及在驶入驶出公交停靠站的加减速过程,这一部分主要与公交车辆的平均行驶速度、加减速速度相关;第二部分则是公交车辆在公交停靠站的停靠时间,这一部分的影响因素众多。由于公交专用道及其配套的公交停靠站的存在,同时通过公交系统本身的运营调节,可以使得公交车辆的平均行驶速度相对稳定,而公交车辆加减速速度主要与车辆机械原理相关,因此也较为稳定。而对于停靠时间,其影响因素和相关机理都较为复杂,随机波动性较强。另一方面,Li J.Q2014)证明在一定的前提下,通过MAXBAND模型求解获得的最优解不是唯一的。

4.1枚举算法

根据基础模型最优解不唯一这一特性,可以得到一种设计思路:设计一种有效的算法枚举出所有可能的最优解,选取合适的目标函数对所有可能的最优解进行对比分析,最终选取鲁棒性能最好的信号控制配时方案。

4.2基于情景集合的改进方法

用停靠时间的情景集合模拟可能的停靠时间波动,将所有的情景作为模型共同的约束条件,每一个假设的情景均可以作为一个独立的公交系统,设计合理的约束条件最终到达在同一个信号配时方案下,所有的情景都有各自的公交绿波系统,同时考虑由于不同情景下相关约束条件对社会车辆绿波系统的影响,在此基础上选取合适的目标函数,其能够综合考虑所有情景下的公交车辆绿波和社会车辆绿波。

5 

为完善公交绿波体系,仍有部分问题需要进一步进行研究和讨论:感应式信号绿波优化控制方法的研究鲁棒性优化的拓展以及城市干线公交绿波综合软件的开发。