一种新型感应式交通信号协调控制方法

胡怡洁，郭 璘，陆 涛，刘晨豪，方冰杰，赵康凯

(宁波工程学院，浙江 宁波 315211)

0 引 言

近年来，随着我国机动车保有量大幅度增长，除了交通压力越来越大，机动车尾气排放也使得环境污染问题日益严重。有效提高车辆通行效率对缓解交通压力、减少尾气排放、降低环境污染等具有重大意义。本设计在现有绿波系统的基础上最大程度考虑非协调方向车辆通行，从而提升整个交叉口的通行效率，是对现有传统绿波带的进一步优化。

1 系统设计

1.1 系统结构

系统在现有交通信号协调控制系统基础上，前端每个路口进口方向增加1台视频检测器，中心增加深度学习服务器，在维持各个路口之间绿波协调控制和周期不变的前提下，深度学习服务器根据视频检测数据实时计算排队长度，交通信号控制中心服务器根据各进口排队长度在路口实施感应式交通信号协调控制。

视频检测器的作用有：检测每个车道的排队长度；检测每个车道的过车量、平均车速；检测每辆车的行驶轨迹，在交叉口的通行时间，停车位置。

深度学习算法：CNN是一种特殊结构的深度神经网络模型，它能够学习到图像的细节特征，并在更高层对抽象特征进行组合，从而学习到图形的表征。通常为了学习神经网络的参数θ，需要设定一个代价函数。该函数衡量了网络的输出y与期望输出t(目标)之间的误差，如公式(1)所示。通过反向传播算法可以求解出满足优化目标的神经网络参数。反向传播算法利用链式求导规则逐层计算代价函数对网络权重θ的梯度，作为修改θ的依据。

L(θ)=E|(y-t)2|

(1)

1.2 控制策略

通过深度学习算法得到各个进口道在一定区域内的直行、左转车辆的排队长度后，在信号周期不变的前提下，改变信号配时和相位相序。当该相位的车辆完全通过时，以排队长度较长为优先原则启动另一相位，一般为120 s。

在已有的绿波带设计路段，通常大多数只考虑到协调方向的信号控制，所以在现有绿波带的交叉口加装枪球一体机，运用深度学习算法计算排队长度，将成千上万的交叉路口车辆排队图片样本和对应已知排队长度存入系统数据库，由此得到交叉口的排队长度等交通路况信息。

在得出排队长度的基础上，设单位车队通行时间为Δt，由已知的排队长队决定绿灯时长。在绿灯配时方法中，保证两个通行方向的绿灯最少通行时间t0=18 s。采用调用时间与车辆排队长度的函数来计算的出绿灯放行时间，以此来实现信号灯控制交通通行状况。

调用时间与车辆排队长度函数如公式(2)：

Tgreen=t0+[(Tmax-t0)/L0]×L

(2)

2 案例分析—以宁波市中官西路为例

2.1 现状调查

现状宁波市中官西路已实施定时式交通信号协调控制，但未考虑非协调方向，导致早晚高峰中官西路左转和南北方向车辆延误较大。因此，本文通过对宁波市中官西路两个路口为例进行现状流量调查和延误调查。

2.2 优化模型

根据路口所在的地理位置，以及道路段面情况结合交通流的现状，给出机动车辆在等待信号灯控制通过路口时所出现的各种排队模型。通过实地调查和数据核实可知，中官西路与兴庄路、明海大道交叉口的排队长度模型为：

西进口：直行车道排队长度长，左转车道排队长度较短。北进口：左转双车道排队长度较短。东进口：直行与左转双车道排队长度长。(如图1所示)

3 效果分析

以宁波市中官西路(兴庄路-思源路)5个路口为例，以高峰小时采集的各交叉口车道分布、流量、信号配时等数据为基础，通过Synchro交通仿真软件对5个路口的感应式协调控制进行仿真，得到车速、停车次数等数据。

实施感应式交通信号协调控制后社会车辆车速提高了20.43%以上，燃料消耗量减少了16.0%，实现节能目标；社会车辆的CO排放量减少了16.0%，NOx减少了16.0%，VOC减少了16.0%，有效减少了社会车辆废气排放量，实现减排目标。以上数据表明，我们提出的感应式交通信号协调控制系统控制方法能有效减少车辆燃料消耗量以及废气排放量，并且可以增加非协调方向车辆的通行效率。

4 结 论

本文对感应式交通信号协调系统展开研究，利用视频检测器，检测出交叉口各个方向的车辆排队长度和车流量，依据非协调方向和协调方向左转车道上的感应检测数据等，基于深度学习算法反馈协调方向绿灯的相位，从而减少对非协调方向车辆通行的影响，减少车辆在交叉口的延误和停车次数，提高车辆通行效率，体现以人为本的理念和节能减排的目标。将该设计用于宁波市中官西路绿波带，用Synchro交通仿真得出相应数据并作对比分析，结果证实了感应式交通信号协调系统具有节能减排省时的可行性和有效性，有显著的经济效益和社会效益。