文摘
满足的需求在十字路口拥堵问题解决,本文研究了自动化的方法对策系统交叉优化(ACSIO)。考虑交叉口的广泛的内容和目标优化,提出ACSIO基于交集的功能和体系结构优化问题的声明。寻求最优设计渠道化和信号控制交叉口,ACSIO的主要目的是实现动态管理和协调的十字路口。问题是制定为一个多目标程序,与每个目标系统中对应不同的球员。此外,它提供了ACSIO的系统设计。基于一个真实的案例研究实现交叉测试的效率和适用性提出了建模和计算方法。
1。介绍
在城市化进程中交通拥堵越来越严重。中国,北京,可视为一个大都市的例子。到2013年底,永久居民是2114万和车辆占有是054万(1]。据“北京道路交通运行分析报告(2014.5),“5月工作日交通性能指标为5.8,比去年同期增长了5.5% (2]。十字路口交通问题是交通堵塞的主要原因之一(3]。从2011年到2013年,北京交通管理局进行了“第三轮北京智能交通管理”的项目来解决交通问题的330十字路口4]。它有非常重要的意义优化路口交通组织。
十字路口优化的内容可以从很多方面,如渠道化(5),单路口控制(6),绿波控制(7)、区域协调控制(8),组合优化9)、道路交通工程设计(10),公交信号优先控制(11),行人和自行车12),环境效应(13),和交通安全14]。十字路口的优化通常是实现基于二层规划模型(15)或多目标规划模型(16]。十字路口的目标优化非常多样化,即延迟(17),停止或停止率(18),队列长度(19),能力或饱和度(20.,汽车排放21),能源消耗(22),和冲突(23]。
如上所示,十字路口优化涉及到广泛的内容和目标。此外,城市,尤其是大城市,十字路口的数量非常大。因此,交叉优化的工作量非常重。考虑员工规模相对较小的交通管理和科研机构,建立自动化对策系统是非常必要的十字路口的优化。然而,考虑到所有目前在这个领域的研究,也有一些局限性。目前的研究主要集中在交通信号控制和渠道化是基于工程经验和人机交互设计24]。此外,可行性分析的自动化对策系统所需的广泛的内容,和应用分析,优化目标所需的广泛的目标。
自动化的方法对策,对交叉口优化基于多目标规划模型,优化设计的感知能力的渠道化和信号控制交叉口,详细提出。本文的其余部分组织如下。部分2提出了交叉口的优化问题。节3十字路口,自动化的方法对策系统提出优化。节4、自动化对策系统设计。基于一个真实的案例研究道路网进行的部分5验证了该方法的性能和适用性。最后,结论部分6。
2。十字路口的优化问题陈述
2.1。可行性分析的自动化的对策
有必要执行自动化的可行性分析对策,因为广泛的交叉内容优化。可行性分析,基于定性分析(专家评估和工程经验),实现在以下几方面25]:(一)目的和意义;(b)应用领域;(c)技术原理;(d)自动化的要求。
然后,结论是,如表所示1。
2.2。应用程序分析的优化目标
目前,城市交通问题主要反映在以下几个方面。
(一)交通堵塞。根据“2013年北京交通年度报告”26),旅行的总数(不包括行走)(六环内)于2012年在北京每天是3033万,比上年增长5.6%,高峰时间的交通网络负载增加了4.4%。提高交通效率是最重要的一个手段解决交通拥堵的问题。
环境污染(b)。根据“2013年中国环境状况公报”(27),2013年的全国阴霾的平均持续时间为35.9天,比上年增加18.3天。考虑交通排放是阴霾的原因之一,环境的影响是一个重要的问题,应该在解决城市交通管理。
(c)事故的威胁。根据“2013中国道路交通事故统计年报”(28),涉及死亡或受伤的交通事故的数量在2013年是019.8万人,直接财产损失104亿元。由于交通事故造成严重的人员伤亡和减少交通能力,交通安全是一个必须考虑的因素。
总之,交通效率、环境影响和事故威胁交叉口优化的重要因素。因此,十字路口优化目标如表所示2。
2.3。语义编码和符号定义
由于自动化的实现对策以计算机为基础的学习,语义编码的十字路口是必要的。语义编码能够相交的物理空间信息转换为一个符号系统,它促进了计算机的数据识别和处理。李等人现在城市道路的基本地理要素编码方法(29日]。李等人提出了传感器网络节点的语义编码的方法对道路交通30.]。物理空间交叉信息可以分为三个部分。
(一)静态数据。的定量描述交叉口的几何设计,包括车道和共享和车道宽度(如图1)。
(b)动态数据。它描述了十字路口的动态交通供给和需求,包括信号控制方案和摩托车类型和它的体积。
(c)评价数据。它描述了十字路口的交通状态,包括能力,延迟,车辆排放和能源消耗。
基于语义编码,本文中使用的符号符号部分中描述。
2.4。自动化对策系统组织
2.4.1。系统功能
系统功能的描述所示两个方面。
(一)交叉口优化的内容。基于自动化的可行性分析对策,十字路口的广泛内容优化可以简化为两个领域,渠道化和信号控制。渠道化的主要工作是设计车道和共享和车道宽度,考虑物理空间限制的十字路口和优化目标。信号控制的主要工作是设计阶段设置和时间设置,考虑交通安全保障交叉口和优化目标。整体考虑渠道化和信号控制拥有明显的优势,也就是说,(我)高渠道化和信号之间的协调控制;(2)动态管理的渠道化和信号控制,例如,车道使用流量控制潮流。
(b)十字路口的优化目标。基于应用程序的分析优化目标,十字路口的广泛目标优化可以总结三个方面,即交通效率、环境影响和交通安全。由于交通安全是一个必要的保证所有城市的目标,冲突和交叉的最小绿灯时间被视为限制条件。交通效率和环境影响的关注程度在不同时期的不同的城市甚至是不同的。为了确保自动化对策系统的广泛应用,提出了系统优化的目标选择是可操作的。具体来说,不同的优化目标是可调节的权重。此外,推荐的多目标规划方法。多目标规划模型拥有明显的优势,即(我)很强的针对性优化交通问题;(2)可调节重量不同的优化目标根据实际需求。
2.4.2。系统架构
根据系统需求和系统功能,系统架构,与四层体系结构,如图2。
(一)数据资源的水平。数据资源级别为自动化对策系统提供了不同的数据从各种资源,包括现有的城市交通检测系统和调查。的数据类型包括静态数据和动态数据。
(b)现状评价水平。十字路口交通的现状评价水平给出了评价状态三个方面。评价指标包括饱和,延迟,车辆排放、能源消耗、冲突的观点,和最小绿灯时间。
(c)概念设计的水平。概念设计水平是主要的自动化对策系统的一部分。考虑交叉口的交通安全,特别是冲突,候选人阶段设置提出了基于评价交叉口交通状态。然后,概念设计水平提供了三种优化方案设计方法,包括单目标优化、多目标优化与调整体重,和推荐的多目标优化。
(d)水平进行比较分析。现状比较分析水平设计比较方案与优化方案基于多个评价指标,与现状评价水平。
3所示。方法
3.1。交通效率
交通效率的优化目标旨在管理有效性(我)和旅行的感觉(TF)的改进。传统的优化是减少交叉口的延误和十字路口的能力最大化。
(一)管理的有效性。能力是用来评估管理效果。目前能力相对成熟的研究。莱茵集团的能力是表示如图所示31日]:
十字路口是制定的能力
莱茵集团的饱和度是表示如图所示31日]:
应考虑不同的车道组的能力平衡的优化。即饱和度不同车道组应基本相同。考虑
(b)旅行的感觉。延迟是用来评估旅行的感觉。当前研究的能力也相对成熟。车道组的延迟是表示如图所示32]:
十字路口是制定的延迟
3.2。环境影响
环境影响的优化目标旨在汽车排放(VE)和能源消耗(EC)。由于全球环境恶化,应该更加关注环境。
(一)汽车排放。基于汽车排放的优化的主要目标是减少环境污染。一些标准的假设是在大多数汽车排放计算模型(21,33- - - - - -35]:(我)汽车的到达率,到达十字路口,是稳定的;不同的汽车,开车离开十字路口,是稳定的;汽车,等待绿灯,把车停在相等的时间间隔队列;(2)主要的汽车,穿过十字路口,只包括均匀运动状态,统一的变速运动,和空转;(3)车辆通过路口的基本过程包括减速过程(阶段),空转过程(阶段),加速过程(阶段)和等速过程(阶段);(iv)本文将不进入污染物扩散的影响。
在阶段,旅行时间和旅行距离的汽车驾驶组很容易计算:
整个减速时间在阶段需要修订的停车率;也就是说,
的停车车道组是表示如图所示32]:
阶段的基本特征一样的阶段吗。因此,
在阶段汽车驾驶的、旅行的距离和时间很容易计算:
整个减速时间在阶段需要修订的停车率;也就是说,
在阶段汽车驾驶的、旅行的距离和时间很容易计算:
整个减速时间在阶段需要修订的停车率;也就是说,
排放气体的质量为集团是表示如图所示34]:
因此,气体的排放质量是制定
然后,是制定排放相当于路口
(b)能源消耗。基于能耗优化的主要目的是减少资源浪费。能源消耗的基本假设是汽车排放的一样。
集团的能源消耗是表示如图所示36]:
然后,十字路口是制定的能源消耗
3.3。限制条件
限制条件包括以下方面。
(一)物理空间。考虑重建费用高,地形条件的限制,和其他元素,有物理空间的限制。车道的数量满足下列条件:
(b)信号控制。考虑信号切换规则,信号控制机参数,交通安全,和其他元素,有信号控制的限制。
对传统四阶段设置(重叠),集团的绿灯时间满足下列条件:
信号控制机、循环长度通常是限制在一定的范围内。提出了优化模型,周期长度限制是反映在约束条件下,如图所示:
典型的值为最小绿灯时间是4秒(37]。然而,如果行人时间需求存在,相位估计的最小绿灯时间(31日]。因此,集团的绿灯时间同时满足以下条件:
(c)最大的饱和。最大饱和度是用来确保高容量。考虑
(d)最大延迟。最大延迟是用于确保高流量的感觉。考虑
4所示。自动化对策系统设计
4.1。系统操作界面
基于系统的组织和方法,系统操作界面包括以下。
(一)车道设置。它是用来输入静态数据。
(b)体积和时间设置。它是用来输入动态数据。
(c)评价设置。它是用来选择拖把的结构模型。
(d)比较分析。一些评估数据,通过调查,在这个操作界面输入系统。此外,它提供了比较分析优化方案(OS)和现在的计划(PS)。
4.2。拖把的结构模型
4.2.1。准备单目标优化
考虑到用户可能有不同的关注程度提出了优化目标,ACSIO提供了单目标优化,即以下。
(一)基于能力的优化。基于能力的优化配方
(b)基于延迟的优化。基于延迟的优化配方
(c)基于汽车排放的优化。基于汽车排放的优化配方
(d)基于能耗优化。基于能源消耗的优化配方
4.2.2。多目标优化
ACSIO还提供了多目标优化与调整体重,如图所示:
制定的限制条件(30.)的配方是一样的(26)。十字路口优化转化为单目标优化问题。,,,被分配到用户的知识。
5。案例研究
5.1。数据的特点
在一个十字路口为研究对象,验证了该方法的有效性和可行性。基本的数据是通过调查。十字路口的静态数据图所示3。
5.2。计算过程
以能力为基础优化为例来解释计算过程。现在的方案是基于HCM 2000年设计的。基于ACSIO优化方案设计。
(一)优化早晨高峰。如表所示3车道和绿灯时间改变优化方案。
(b)优化为常见。如表所示4车道和绿灯时间改变优化方案。
晚上(c)优化峰值。如表所示5车道和绿灯时间改变优化方案。
5.3。结果
目前方案的对比分析和优化方案从两个方面进行,即方案设计和评价参数。饱和度和延误作为评价参数,优化得到的结果如图4。
(一)优化早晨高峰
(b)优化为常见
晚上(c)优化峰值
(一)合成优化渠道化和信号控制。渠道化的参数和信号控制都是ACSIO的输出数据。如表所示3- - - - - -5,车道和绿灯时间改变了。平均值的饱和度和延迟不同车道组表明优化方案有更高的渠道化和信号之间的协调控制。
(b)动态交通需求的动态管理。早上的交通需求高峰,常见,晚上高峰是不同的。如图4、固定渠道化的计划是没有啤酒适合动态交通管理。潮汐交通车道使用控制,如表所示3- - - - - -5有一个更高的动态管理和动态交通需求之间的协调。
(c)为交通问题针对性优化。如图4,过饱和的车道组存在于目前的计划。交通效率,尤其是管理效率,是当前的主要问题。基于ACSIO针对性优化完成。如图4、优化方案具有更高的方案设计和交通之间的协调问题。
(d)可调拖把模型的解决方案。它体现了ACSIO的可操作性。本文只需要基于能力的优化为例,因为不同的计算流程优化理论部分所示5基本上是相同的。在未来的研究中,要通过更多的实验来测试的效率和适用性提出的建模和计算方法。
6。结论
本文的主要贡献是建立一个自动化交叉口优化对策系统(ACSIO)。自动化对策系统组织提出了基于交叉口优化问题的声明。此外,提出方法根据系统功能和体系结构。然后,自动化对策系统设计。的核心ACSIO列出如下:(一)交叉管理决策支持;(b)合成优化渠道化和信号控制;(c)动态交通需求的动态管理;(d)针对性优化交通问题;(e)可调拖把模型的解决方案。
一些可以考虑扩展。需要建立数学模型来描述这些不同的优化目标之间的关系。此外,微观仿真模型需要建立评价优化方案更有说服力。
符号
| : | 组数 |
| : | 方法 |
| : | 车道数的方法 |
| : | 数量的车道组 |
| : | 车道组的能力(veh / h) |
| : | 饱和度为车道组流率(veh / h) |
| : | 有效绿灯时间车道组(年代) |
| : | 周期长度(年代) |
| : | 绿色比莱茵集团 |
| : | 十字路口的能力(veh /小时) |
| : | 饱和车道组 |
| : | 实际或预计需求为车道组流率(veh / h) |
| : | 的平均值 |
| : | 值的方差的阈值 |
| : | 延迟车道组(年代) |
| : | 延迟的十字路口(s) |
| ,,,: | 旅行时间的汽车驾驶组分阶段,,,(年代) |
| : | 旅游车辆通过路口的速度匀速(米/秒) |
| : | 减速阶段的汽车驾驶(米/秒2) |
| : | 加速汽车驾驶的阶段(米/秒2) |
| : | 旅行距离车辆通过路口的组(m) |
| ,,,: | 汽车驾驶在集团的旅行距离分阶段,,,(m) |
| : | 停车车道组 |
| ,,,: | 整个减速时间分阶段,,,(年代) |
| ,,,: | 气体排放因子为集团分阶段,,,(毫克/ s) |
| : | 排放的气体质量为集团(公斤) |
| : | 排放的气体质量(公斤) |
| : | 气体排放等值 |
| : | 发射相当于路口(公斤) |
| ,,,: | 能源消耗因素组分阶段,,,(加/ s) |
| : | 能源消费质量组(加) |
| : | 能源消费质量的十字路口(加) |
| : | 限制的通道数量的方法 |
| : | 绿色车道组的时候了(年代) |
| : | 朝鲜队时间(年代) |
| : | 黄色的时间(年代) |
| : | 周期长度的下限值(s) |
| : | 周期长度的上限值(s) |
| : | 最小绿灯时间人行横道(s) |
| : | 最大饱和度 |
| : | 最大延迟(年代) |
| ,,,: | 可调节体重。 |
利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项研究是由中国国家自然科学基金(没有。51408023)和北京科技计划(没有。Z121100000312101)。