文摘

预处理信号系统可以提高交叉路口的效率的方法在合理的设计。的一个主要障碍,优化预处理信号系统的设计是,驾驶行为分类地区无法评估。NaSch模型修改通过考虑缓慢的概率,turning-deceleration规则和车道改变规则。与现场观测数据校准探索设计参数之间的交互。提出了模型的仿真结果表明,分类区域的长度,交通需求,信号定时和车道分配是最重要的影响因素。这些设计参数的建议。本文的研究结果可以为预处理信号系统的设计基础和展示承诺改善交通流动。

1。介绍

增加的能力是最重要的目标之一,城市交通管理在拥挤的条件下1]。经过多年的努力,几乎没有空间来提高确定最佳车道分配的优化模型和信号计时传统十字路口(2]。通过这种方式,重组交通运动是一种可能的方法来增加城市十字路口的能力。可以减少平均推迟或停止调节车辆机动以预期的方式(3,4]。等非传统路口转弯中位数、jughandles superstreets,连续流交叉口,bowties大多数提到的规定(5,6]。然而,非传统的设计可能不是在城市道路网络由于额外的基础设施的限制。最近,一位排序策略命名为“预处理信号”提出了探索潜在的能力的十字路口7]。预处理信号系统增加了一个额外的停止线预处理信号上游的交叉路口的手臂,形成串联交通信号系统。预处理信号之间的全部(或部分)车道停线和主要停线可以命名为“排序区。“所有的车辆进入排序预处理信号将被重组的区域。如图1,汽车走向同一个方向将排序地区横向分布。预处理信号通常运行在同一周期的主要信号。预处理信号的排队车辆将进入排序区基于预处理信号或者的绿色阶段。主要的绿色开始的时候,可以用来排序的所有车道区域放电左转车辆在通过和阶段。左转车辆和吞吐量要求车辆形式串联批次和游行通过排序区以及交叉截面使用所有车道。十字路口与传统设计相比,添加预处理信号系统可以显著提高时间和空间的利用道路资源,尤其是在拥挤的状态。虽然理论能力可能下降,设置后的延迟将会增加预处理信号系统,可以更有效的交通流动态拥挤的十字路口排序区。同样的交通信号的情况,之前的实验表明,预处理信号系统配置可以增加一个十字路口的能力的方法有三个车道的15 - 50% (8,9]。同时,绿党的预处理信号可以优化排序的主要信号或实时队列信息区域,确保队列内排放的主要绿色(10]。不利影响如实际红色可以避免使用预处理信号系统。另一方面,十字路口的交通安全动态方法可以改善车辆运行有序。

预处理信号系统可以分类根据排序的使用面积。如果所有车道预处理信号和停止线之间的主要信号视为排序区,预处理信号系统是一个完整的利用类型。部分的排序区域利用类型不包括所有的车道交叉方法。预处理信号系统也可以分类排序区内的车辆排队。如图1(一),如果车辆前往不同方向排序区域连续排队,预处理信号系统是一个multimovements类型。同样在图1 (b),如果排队车辆排序区只去一个方向,它可以被视为一个移动类型。预处理信号系统的设计是灵活的。应该是优化的基于真实交通信息来获得最大的利益。

已经验证的几何设计预处理信号系统对效率有巨大的影响。以排序区域的长度为例;这个设计参数很重要,会影响整个系统的效率。一方面,我们要有一个足够长的分类区域,以确保这些瞬时队列不泄漏回预处理信号(7]。另一方面,排序区越短,每个排序队列形成越短巷,因此,花费的时间越少排放车辆排队在分类领域,意味着这些车辆不需要长时间的绿色的十字路口,这是一种稀缺资源,当周期长度是固定的。在这个时候,我们需要确定最优排序区域的长度,而上面的权衡。数值模拟证实预处理信号系统的能力将大幅下降,当排序面积减少的长度在100米(8,11]。同时,车道数的一致性之间连接交叉手臂也会影响预处理信号系统的效率。预处理信号系统应精心设计的交通发展的不利影响降到最低。现有的研究采取了一系列优化模型来降低停止或延迟9]。基于仿真的优化提供了一个优秀的方法来探索道路的时间/空间使用来源没有额外费用(12]。预处理信号系统的几何设计根据基于仿真的优化,排队的车辆分类区域可以有一个更好的分布更高效率。最重要的一个因素,使优化几何设计参数的校准是可靠的驾驶行为的分类区域预处理信号系统(13]。现场观察到的驾驶行为是建议用于校准和验证过程。

本文的重点是确定最优的设计预处理信号获得最好的交通发展的好处。本文的其余部分组织如下。节2,我们处理的预处理信号系统存在的主要问题,然后提出本文的方法。节3在十字路口,我们描述和模型驱动行为的分类。节4,我们改善NaSch模型评价预处理信号系统的设计参数的影响通过添加一系列规则基于校准驾驶行为。节5,我们进行一个实验使用真实的现场交通数据来评估我们建议的方法的好处。最后,我们结束了论文提出未来研究的结论和建议部分6。

2。方法

2.1。识别存在的问题

实现预处理信号系统的理论能力,预处理信号系统的几何特征及其相应的交通信号时间应该仔细计划优化。然而,添加预处理信号系统将大大增加的复杂性程度的优化。不利影响的发生概率,比如spillback,剩余队列,和存储阻塞,将更高的预处理信号系统。不利影响将打破交通进展和显著降低整个系统的效率,首先应避免。

排序是最有可能发生的不利影响的地方。为目的的重新分配排序中的排队车辆区域,大多数车辆必须实现车道改变的活动,尤其是对运动与体积小或公交车。

车道改变人们的行为是一种最复杂的行为和交通的进步可能是有害的。在这种情况下,不利影响得到相当高的概率发生过程中车道改变。展示于图2(一个)与体积小,运动的车道或公共汽车通常位于一个路边部分。某一部分车辆试图改变他们的车道不断寻求更好的环境的分类区域多车道的环境,也就是说,占领所有车道的排序。过程中车道改变,一个特定的排序区域不能被利用的一部分。与此同时,如果排序区域的长度不够,没有足够的空间来完成车道改变活动。这些车辆将被迫改变他们的车道,这可能很容易阻塞或spillback阻止其他车辆,导致存储。相应地,系统也迅速恶化的安全状况。排序区域图2(一个)带来的是负面影响的一个例子的短长度排序。为了减少不利影响,可能是由于车道改变,建议设置一个相对时间排序区和协调信号时间确保车道改变活动不影响其他车辆来完成。应该注意到,当我们试图优化和评估的设计预处理信号系统,驾驶行为在车道改变必须仔细校准。

预处理信号系统的类型也会影响路口的效率。当我们允许车辆前往不同方向进军顺序排序区主要在一个红色的,充分利用类型预处理信号系统将失去的时间比单一的移动类型。然而,即使当车辆进入排序区分开,车辆进入后仍有很高的机会与排序领域的车辆已经发生冲突。通过这种方式,multimovements类型预处理信号系统可能需要更多道路空间的队列和通道改变活动避免不利影响。

因此,优化排序的区域是最重要的一个任务在预处理信号系统的设计。设计参数的优化应考虑的交互,如排序区域的长度,信号时间计划,车道分配,和交通需求。驾驶行为在预处理信号系统将不同的路段和传统交叉的方法,应考虑选择的评价方法。

2.2。方法和拟议的框架

排序的主要功能区域是重组的车辆。尽管它是一个地区多个轨迹相互作用,仍然存在相应的驾驶行为的具体模式。如果驾驶行为过程中车道改变校准,特定的运动的轨迹可以获得。我们可以表明排序区域的容量只有减少车辆的位置完成车道改变行动,像编织区域。如果有一种方法来描述空间所需的车辆行为(如车道改变)排序区域在特定状态,它可以成为预处理信号的几何设计的基础系统。例如,考虑车道改变所需的最大纵向距离和队列长度,最小长度的排序区域可以获得。

安全与经济的原因,我们不能评估各种几何图案的分类区域的性能。通过这种方式,基于仿真的优化是经常使用。然后选择细胞自动机(CA)模型来描述道路时空资源的使用和评价预处理信号系统的效率。CA模型提高了修改车辆描述和添加turning-deceleration规则和车道改变规则。所有CA模型的修正是基于现场观察到的驾驶行为数据。通过了解每辆车的位置排序区在每一个时间戳,排序区域的最优长度的范围可以通过确定十字路口的最大容量的方法。优化的框架如图3。

3所示。校准的驾驶行为

3.1。一般的驾驶行为

驾驶行为可分为纵向驾驶行为和水平驾驶行为根据车辆运动状态。纵向驾驶行为主要指的是汽车模型后,这是有据可查的14]。车道改变主要是水平驾驶行为在十字路口的方法。由预处理信号控制,换道行为为一个特定的运动将不同于常见的模式。这些车辆可能会改变车道不止一次达到目标车道。通过这种方式,我们试图获得最大似然驾驶行为对车道改变纠正现有的评价模型。最小、最大、意思和多数的纵向距离值,水平距离和航向角的换道行为将获得使用真正的字段数据。

当某一辆车的航向角保持不变和标题行变化,推动活动是一个车道改变活动。描述车道改变人们的行为,我们选择XOY坐标系统的起源点作为起始点的车道改变之前,使航向角巷改变0°,最小转弯半径。如果车道改变人们的行为是一种常见的类型,终端的坐标点应该满足

我们可以从(显示1),上部区域图4的终点是一个通道改变活动(没有反向)。图中的虚线4是相应的轨迹。最小转弯半径越大,越地区常见的车道改变不能实现。因为最小转弯半径的轴距是线性的,这将是更加困难的长轴距改变车道的车辆。

3.2。车道改变活动

四个行动将由司机在车道变化过程:把航向角变成一个适当的范围内通过转动方向盘;将车开到一个合适的位置与前轮转向目标车道的0°;扭转方向盘来初始化步骤1的航向角;调整车辆目标轨迹。如图5,相应的车辆运动也可以分为四个阶段:扭角阶段,接近阶段,关闭角阶段、调整阶段。对手方的换道行为将类似于图所示5除了航向角的符号。在图5,飞机的航向角的身体和吗前轮的转向角。正值意味着正确的转向。

3.3。校准的换道行为

获得纵向/横向位移在车道改变旅行和其他参数用于预处理信号系统的设计,我们使用真正的实地观察车辆轨迹数据校准所选择的参数。如图6(一),我们首先应用广泛的路口十字路口的监控视频系统(从Yantaxi Road-Chang国安路十字路口Xiaozhai Road-Chang国安路路口),探索在路段和路口车辆的相互作用的方法。统计结果表明,车辆在上游将免费巷变化阶段,与其他车辆几乎没有互动。当车辆在十字路口的方法,也就是说,在被迫巷变化阶段,车辆之间的相互作用成为交通流动态的主要影响因素。通过这种方式,我们选择高分辨率视频校准所选择的参数。如图6 (b)捕获的视频是在北方绑定Xiaozhai路口的西安3月16日,2014年。高分辨率相机设置人行桥,穿过十字路口的方法。视频的帧率记录30 f / s从17点到下午。最大、最小值,意思是,和大多数的纵向位移值,水平位移,接近速度和航向角的轨迹与换道行为进行了综述表1和图6 (c)。

下面的步骤被捕获车辆的轨迹:每五帧记录车辆的位置;获得车辆的轨迹在地平面使用传输转换技术(15];记录所有的轨迹,分析所选参数的统计信息。

4所示。基于细胞自动机的评价方法

4.1。模型建设

细胞自动机是基于离散时间、空间和状态。内格尔和Schreckenberg首先利用细胞自动机,即NaSch模型(16),沿着道路交通流模型。在NaSch模型、空间、时间和速度是离散的。空间分为细胞与一个特定的长度。每个单元可以是被汽车或者是空的。整数速度范围从0到。速度的单位整数细胞每秒。当车辆移动速度在时间间隔移动的距离。如果时间间隔是1秒,移动的距离会吗在这种情况下,表示在单位时间内移动的距离。让代表空间连续两辆车之间的差距。司机反应时间为1秒。对于任意配置,一个更新的系统由以下四个连续的步骤,这对所有车辆是并行执行的。有一些修正NaSch模型,使其得到更好的鲁棒性和可靠性17在特定的交通环境(如混合交通18])或司机的行为19]。虽然从NaSch模型校正模型是不同的,他们基本上遵循NaSch模型的四个步骤。模型的步骤如下所示。

确定缓慢的概率在车辆状态更新: 在哪里,汽车缓慢的概率是遵循慢启动规则,然后呢汽车缓慢的概率是不遵守慢启动规则。

步骤1。加速度:考虑

步骤2。减速:考虑

步骤3。随机化:考虑以下。
汽车的速度将被更新(4)的概率:

步骤4。汽车运动:考虑

在(3)(6),和是车辆的位置和速度在车道上在时间间隔;车道车辆的最大速度;之间的差距(细胞)是领先的汽车吗和在汽车的车道在时间间隔;的长度是领先的汽车吗;仿真时间间隔年代。

停止线的车辆将会停止当信号是红色的。该模型使用(7)来实现这一过程: 在哪里是停止线的位置吗莱恩的信号状态吗在时间间隔:

4.2。车辆的描述

在传统的细胞自动机模型,细胞的长度通常定义为车辆的长度,这是m。然而,为了反映换道行为的细节,我们应用细胞长度为3.5米。因此,两个细胞将支持标准的汽车和三种细胞的长度等于一辆公共汽车的长度。如图7,当我们提出模型的更新状态,单位(两个或三个细胞)将前进的速度整数细胞每秒。对于每一个车辆,将会有一个细胞空,指车辆之间的最小安全距离。在车道改变过程中,细胞的原始巷和目标车道将由车辆。车道的位移变化可以从驾驶行为获得校准部分3。

该模型的基本参数列出如下。的最大速度将6细胞/时间间隔。随着仿真时间间隔1秒,该模型的最大速度将75.6 km / h,匹配中国城市道路网络的交通条件。

4.3。Turning-Deceleration规则

转弯车辆,尤其是左转车辆,可能会影响交叉口的交通发展方式和生产延迟以下车辆(20.]。turning-deceleration规则介绍模拟当司机的方法把位置的影响减少的速度。为了安全,当车辆通过十字路口时,他们开始从正常速度减速所需的转速。假设转动速度变化的转弯半径,然后在在整个转向过程中保持不变。一般来说,左转速度小于正确的。假设每个时间单位速度是一个细胞的左转和右转两个细胞。所示的规则是详细描述(9)。

如果开始时的转弯半径,然后呢

4.4。车道变化规律

见图8城市道路网络中,如果(10)是满意,研究车辆可能改变其车道。为了确保车道改变的过程是安全的,(11)必须满足。当两个(10)和(11)感到满意,研究车辆将改变其车道。细胞自动机的选择的更新时间间隔是1 s,速度将直接选为旅游距离: 在哪里研究了车辆的速度,是研究车辆,车辆之间的差距在同一车道,是研究车辆之间的差距,以下相邻车道的车辆,然后呢是研究车辆之间的差距和相邻车道上的主要工具。

司机的换道行为可以分为三个类别根据车辆的位置。当车辆进入一条链接,司机将一个特定的时期适应交通环境。在此期间,车辆一般不改变车道。这一时期被命名为“调整阶段。“调整阶段后,司机将寻求更高速度或他/她的目标车道。道如果条件满足,还会发生改变的行动。这个阶段可以命名为“自由巷变化阶段。“如果车辆没有机会改变在第二阶段目标车道,车辆减速,等待合适的机会完成车道改变行动。进入目标车道的车辆必须改变车道,这个阶段称为“强制巷变化阶段。”,如图9,,,分别是三个车道变化阶段。

车道改变对象可以获得更高的速度或移动到特定的车道转弯的目的。因此,车道改变行动可分为“目标类型”或“效率类型。“换道需求将增加汽车往前移动。的概率将不断增加,直到车道改变行动结束,或概率将1经过一个特定的点。然而,效率类型车道改变行为的概率不会改变在第二阶段。两个参数和是用来描述两种类型的通道的换道概率改变在细胞自动机的行动。车道改变逻辑如图10。在图10意味着当前车道,表示目标车道上。

4.5。路口十字路口的方法改善了细胞自动机模型

改进的细胞自动机模型可以通过应用新建立的车辆描述,缓慢的概率,turning-deceleration规则,信号控制规则,传统NaSch和换道规则模型。该模型建立了以满足驾驶行为在预处理信号系统的特点。实验研究的基础上,提出了模型的结果可以得到精度高于NaSch模型。

5。预处理信号系统的优化设计

5.1。实验配置

预处理信号系统的手臂到达率最高的一个十字路口被选为研究对象。在预处理信号系统中,接近车道的数量应该小于或等于退出车道的数量,以避免瓶颈。因此,车道数的排序区可以优化出口车道的数量。在这种情况下,我们选择了一种充分利用预处理信号系统有三个接近车道。预处理信号前的车道分配有一个左车道上,一个通过巷,一个吞吐量车辆和右转车辆的车道。在十字路口的车道饱和流量通过运动pcu / h /巷[21,22]。半径为边拐左回转轨迹是10米,轨迹是3米。车道饱和流量在预处理信号pcu / h /巷。所有流量波动的最大可接受的饱和度为90%。所有流量的最小绿灯时间是5 s活动。高分辨率Xiaozhai十字路口交通数据也利用校准缓慢的概率。标定结果表明,车辆的缓慢概率遵循慢启动规则是0.5,缓慢的车辆不遵循慢启动规则的概率是0.38。在车道改变模型中,效率类型车辆的换道概率是0.5。目标类型车辆的换道概率随汽车旅行的距离。所有动作的绿色间隔设置为5 s (3 s黄色和2 s所有红色)。电脑程序是用c++写的,所有计算测试执行电脑配备英特尔2.53 GHz CPU和6 GB的内存。仿真的结果如图11。我们可以找出入住率条件排序区域内的每一个细胞在一个交通信号周期。

5.2。评价预处理信号系统的设计

该模型是用来评估预处理信号系统的设计参数之间的关系。我们首先构建一个环境与饱和交通需求评估排序区域的长度之间的关系和主要绿色。仿真结果图12表明,分类面积的时间越长,需要更多的主要绿色离开排队的车辆。同时,车辆所需的时间提前到排序区也会增加排序面积增加的长度。主要信号需要更少的时间离开排队车辆排序区比他们用于输入的时间。离职率的主要信号仍然可以作为排序的所有车道饱和率区域。这样,预处理信号系统可以大大提高的效率比传统的策略。与饱和交通需求环境下,不会有巨大差异multimovements类型预处理信号系统和单一的移动类型预处理信号系统。离开车辆左转运动通常小于吞吐量的车辆。这是因为只有车道左转车辆定位在路边,使道路空间的分类区域没有完全可利用的。

然后我们评估的影响排序区必要的绿灯时间的长度在稳定状态。交通需求是固定的1200 pcu / h,左转卷650 pcu / h,吞吐量的数量450 pcu / h,右转100 pcu的体积。仿真结果如图13表明排序区域的时间越长,越多的总绿能得救。在预处理信号与特定的交通需求,交通信号时间,和交叉配置,将会有一个最优长度的排序。应该注意到,当排序面积减少到零,总绿灯时间的预处理信号应该等于传统交通控制策略。在这个时候,应该每个运动所需最小的绿色。如果排序区域的长度是不够的,最小的绿色在主要信号可能超过传统的控制。因为预处理信号系统的设置,十字路口的瓶颈将转移到预处理信号如果排序区域的长度不够长。

图14证明了最优协调信号预处理信号之间的时间计划和主要信号multimovements类型预处理信号系统和单一的运动类型预处理信号系统。尽管放电所需的最低绿色排队的车辆在一个特定的交通需求是相同的对于这两种类型,multimovements类型的预处理信号时间预处理信号系统可以比另一个更灵活。此时,可以分配给更多的绿色预处理信号,这将促进道路空间的利用一个更高的水平。然而,车辆前往不同的方向将排队排序区域在同一时间。司机不熟悉预处理信号可能轻易运行红灯。安全问题,建议选择单一运动类型预处理信号系统在早期阶段的预处理信号系统的安装。

6。结论和未来的工作

预处理信号的设计直接影响效率,应该仔细优化。NaSch模型改进评价预处理信号系统的设计参数通过考虑缓慢的概率,turning-deceleration规则和车道改变规则。它与实地观测数据校准。时间/空间利用率的路段和设计参数之间的关系可以通过该模型评估。仿真结果表明,交通需求,长度排序,车道分配在预处理信号之前,和信号时间是主要影响因素在预处理信号系统的效率。详细结果如下。(1)在稳定状态下,必要的最小长度排序区域的交通需求是线性的。当交通需求大于能力,必要的绿色是线性排序的长度。分类的设置区域可以确保交通秩序的主要信号的稳定性。(2)排序区域的时间越长,越少在预处理信号对交通发展的影响。建议分类区域的长度应该超过120米。(3)车道之间的对应数量的一个特定的运动之前和之后的预处理信号停止线可以影响的相对绿色预处理信号时的长度排序区域是不够的。(4)的车道数量排序区域应该小于或等于退出车道的数量,以确保效率的提高。

未来的工作可能包括将该模型应用于整个路口十字路口。同时,协调信号时间和车道分配主要预处理信号和信号也可以优化和评估模型。上述结论也应评估在实际vehicle-road环境。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究得到了国家自然科学基金(51208054和51208054号)和中央大学(没有基础研究基金。2013 g1211005)。