文摘
相邻与短链接的特点紧密间隔的十字路口距离和高人流主要位于高密度城市地区。队列溢出的问题,可怜的交通运行,和高行人旅行延误、pedestrian-motor车辆信号优化方法提出了相邻紧密间隔的十字路口。首先,进入密集十字路口的交通流分为nonarterial和动脉流类别建立延迟模型的人行横道。然后,人行横道延迟模型构建了基于行人需求根据行人跨越时间和空间图。行人和车辆的优化模型建立在相邻的密集路口,和一个人工智能算法来优化这个模型。最后,优化选择情况下的十字路口。结果表明,与传统的优化方法相比,车辆延误减少约4%,13.8%,17.1%,和25.9%和总行人延误减少了3%,15%,25%,和31%,分别提出的四个场景。
1。介绍
随着社会经济的发展和城市土地利用的增加,配套设施,如道路资源,必须不断改善。伴随的土地开发和道路建设,更大的需求是由土地利用(1]。因此,许多新的道路被修建,导致路口的数量的增加,形成邻紧密间隔的十字路口。相邻交叉口之间的间隔越来越短,导致一个更小的链接能力(2]。轻微的波动溢出的十字路口的交通流量会导致障碍(3]。相比与传统的相邻路口,毗邻密集路口更受交通流量的波动4]。车辆屈服于行人的情况也严重降低了运营效率的十字路口5]。减少旅游车辆和行人延误,需要学习和提高操作效率紧密相邻间隔的十字路口。十字路口的优化方法都集中在两个特定方面。第一是改善交叉口的物理特性。地下通道的施工和安装的高架桥和桥梁,可以隔离和分流交通流的冲突。这个过程需要大量的劳动力,材料,和金融资源,这将与施工噪声污染环境,废气和废物。第二个使用的角度信号控制。合理利用信号优化路口的车辆和行人6]。
很多研究已经积累了优化的车辆和行人信号。一些学者关注行人安全和研究人行横道的机制(7,8]。其他学者关注交通效率和优化信号信号交叉路口的时间利用效率指标如延误和通行能力作为优化目标(9- - - - - -11]。然而,大多数这些研究都集中在孤立的十字路口。尽管一些研究设计midblock相邻交叉口之间的对照表,已经证明它稍微影响车辆12]。然而,很少有研究关注考虑车辆和行人在传统相邻路口的效率,特别是在相邻紧密间隔的十字路口。
在现有研究的基础上,本文首先分析了车辆在相邻的运行机制紧密间隔的十字路口。其次,考虑到行人的影响,下游交叉口的信号设置调整根据上游交叉口的交通到达条件。本文分为四个场景,车辆到达下游排红色在初始阶段,红色的中间阶段,最初的绿色阶段,和绿色的中间阶段。然后,延迟模型的四个场景通过权重系数来获得最优时机模型,行人和车辆。最后,使用遗传算法求解该模型。
本文的贡献如下。(一)进入密集十字路口的交通流分为nonarterial和动脉流类别建立延迟模型的人行横道。根据下游交叉口的交通干线的到来,离散排开发考虑行人延误模型。(b)提出了一个集成的优化方法来优化延迟的行人和车辆,和总交叉方法该方法减少了车辆延误水平4%和-25.9%的总行人延误3% -31%孤立交叉口优化方法。
2。文献综述
研究相邻十字路口,许多学者研究和提出各种模型和智能控制算法,以减少交通延误。Xinwu等人提出了一个主要的信号协调控制方法在相邻的密集路口基于一种改进遗传算法(13]。顾和邵使用饱和交通流的特点,对城市道路在中国建立模型优化相抵消的相邻的交互。遗传算法被用来解决问题,提高交通效率的十字路口14]。邹等人寻找相邻路口的最佳阶段。连接的过渡概率车道介绍了十字路口1和2,这是用来计算连接通道的到达率,和一个相应的模型阶段提出了连接的通道(15]。张等人提出一种基于平台优化协调控制模型相邻交叉口之间的偏移量。遗传算法是解决执行模型。性能评价表明,该模型不仅有效地降低了平均延迟主干道也降低了流量波动信号控制的灵敏度(16]。
它从回顾可以发现,当前相邻交叉口的信号控制的研究很少考虑人行横道的必要性。此外,邻密集路口很少关注。对行人信号控制策略的研究主要集中在主要行人间隔(LPI)和独家行人相位(EPP),主要考虑安全性和效率的影响不同的优化。领先的行人间隔(LPI)是指,当行人和车辆过马路方向相同;行人绿色信号将照亮提前几秒钟。LPI的设置不仅可以提高行人安全,还对车辆几乎没有影响。当LPI设置为3 s,它可以有效减少人员和车辆之间的冲突(17]。Goughnour等人开发的碰撞修正系数主要是为改善左转逐步和LPI表明LPI显著降低vehicle-pedestrian碰撞(18]。菲尔特和Saeidi哈开发模型来估计能力的损失由于LPI和LTI(主要通过间隔)在一系列的场景19]。Saneinejad Lo实施提供了指导和评估,可以确定一个合理的位置和持续时间的LPI (20.]。
独家行人相位(EPP)是指为行人提供一个专门的阶段。在这个阶段,行人可以通过各个方向和车辆无法通过。当行人专用相位时间太长,更多的人将非法过马路21]。当行人违反率很低,EPP的设置将产生更明显的影响22]。设置EPP pedestrian-vehicle冲突的发病率减少7% -63%和人行横道的距离减少了13%,但它并没有提高交通效率的行人和车辆23]。王等人分析的有效性设置EPP在不同车辆收益率考虑human-vehicle交互的影响(24]。Juozevičiūtė和Grigonis研究的有效性EPP路口十字路口在vehicle-pedestrian碰撞,导致行人受伤或死亡和显示,可以减少行人事故高达100% (25]。
它从回顾可以发现,当前对行人信号控制策略的研究主要集中在个体优化,缺乏一个统一的时间阶段优化框架。基于之前的研究,建立了行人和车辆最优延迟模型在本文中为了提高交通效率。
3所示。方法
3.1。问题描述
有四个路口,A, B, C和D,在图1A和B,紧密间隔的十字路口。溢出可能发生轻微交通流量的波动在相邻紧密间隔的十字路口。路口A和B的溢出影响周围的十字路口C和d .本文将优化紧密相邻的信号时间间隔的十字路口的考虑下人行横道为了避免这种情况的需求。
3.2。操作的假设
利用实际的进展数据分布来验证出发的路的进展。安装数据如表所示1。进展分布假定遵循泊松分布,并采用卡方检验来证明假设。的显著性水平α等于0.05。卡方值χ2计算是10.78。根据卡方临界值表,对应卡方检验临界值11.070比卡方值χ2。验证,假设是可以接受的。因此,在本文中,进展分布出发的路上的十字路口假定服从泊松分布。
最优控制系统提出了以下假设:(一)所有的司机和行人遵守交通规则和行为合法。行人可以快速应对车辆的行为(快速穿越)和行人之间的相互作用被忽略。(b)行人在路口的到达时间服从泊松分布,在一段时间保持稳定。(c)密集十字路口的车辆到达时间服从泊松分布。
3.3。在相邻的密集路口车辆的运行机制
通过分析具体的交通流条件下,当车辆进入密集十字路口,车辆退出的方式可分为两种情况:(i)不是直接通过合并路线和退出短途交叉系统;(2)首先,它合并到公路干线合并路径如图2下游,穿过十字路口,最后整个短途交叉系统退出。它由主干道上的交通流量通过直流量和分支上的左转和右旋交通道路。
在这篇文章中,交通流量,直接离开了密集的交点叫做nonarterial交通流量和通过结和分流点被称为动脉流量。密集交叉的延迟系统应该延迟之和nonarterial流和交通动脉。nonarterial流的延迟属于孤立交叉口延误使用HCM2010延迟模型进行计算。动脉流量更为复杂。后再次聚会,主题是延迟引起的下游交叉口的信号控制。
值得注意的是,上游交叉口的交通流量通常到达下游交叉口的形式车辆排。汽车排的时候到达下游交叉口是不同的。因此,延迟是不同的。车辆排,下游,被认为是专门为了提高模型的准确性(26]。当车辆排到达下游交叉口,四个场景中可能会遇到:(i)初期的红光,(ii)红光的中间阶段,(iii)初始阶段的绿灯,绿灯(iv)中产阶段。在这项研究中,四个场景的延迟模型集成到公路干线交通延误模型通过设置动态权重系数。
3.4。交通延误模型
在本节中,相邻的车辆延误模型建立了紧密间隔的路口,然后提出了行人延误模型。
本文描述的参数如表所示2。
3.4.1。Nonarterial道路交通延误模型
nonarterial道路交通延迟派生通过以下方法:
nonarterial道路交通的总延迟计算如下:
3.4.2。公路干线交通延误模型
如图3在下游路口,车辆排到红色的阶段。车辆的积累没有行人干扰图所示3(一个)。后几秒钟内,车辆获得的权利,人行横道仍末离散状态,和延迟的影响下行人如图3 (b)。阴影区域代表了车辆延误这一场景。相应的计算如下:
(一)
(b)
图4显示了一个排到达下游交叉口在中间的阶段。图4(一)显示车辆没有行人的累积干扰。图4 (b)显示了累积的车辆与行人的干扰。延迟是阴影区域的数据4(一)和4 (b)。车辆延误的公式
(一)
(b)
图5显示了排到达下游交叉口在最初的绿色阶段。图5(一个)显示车辆的干扰行人的累积。图5 (b)显示了行人干扰的结果。阴影区域的数据5(一个)和5 (b)代表了车辆延误。相应的计算
(一)
(b)
图6显示了排到达下游的十字路口中间的绿色阶段。图6(一)显示了累积情况没有行人干扰。图6 (b)显示了行人干扰的结果。阴影区域的数据6(一)和6 (b)代表了车辆延误。相应的计算如下:
(一)
(b)
动态权重系数是用来连接四个关键场景延迟来提高模型的有效性。公路干线交通延误模型根据时间变化,车辆排到达下游交叉口。相应的方程是
图7显示排到达时间的阶段。当到达时间排的红阶段的早期和红色的中间阶段,权重系数是表示如下:
当车辆的到达时间排在中间的红绿色阶段的早期阶段和时期,权重系数可以表示如下:
当车辆到达的时间排之间的时期最初的绿色阶段和中间阶段,权重系数是表示如下:
当到达时间之间的排在中间的绿色阶段和结束阶段,权重系数是表示如下:
3.5。协作Pedestrian-Motor车辆优化模型
3.5.1。车辆延误模型
车辆延误模型的和动脉道路交通延迟模型和nonarterial道路交通延误模型。公式如下:
3.5.2。穿越行人延误模型
HCM2010模型是用来计算行人延误。计算公式是
然后,人行横道的总延迟模型如下:
3.5.3。目标优化
行人和机动车同时被认为是提高整体运作效率。
3.5.4。约束条件
约束集来实现更好的性能,包括周期时间约束的有效绿灯时间约束,链接长度、距离约束,人行横道的时间约束。(一)约束的控制变量C:周期长度约束的值是基于HCM2010手册。最大值不能超过本地接受最大周期长度。最小值不能小于最小长度所需行人过马路的十字路口,根据街道的宽度。 (b)约束的控制变量 :绿色阶段的有效时间不应太长让行人等待太久。绿色的最低时间阶段应确保车辆能够离开,行人过马路。绿色阶段的约束如下: (c)状态变量的约束 :提高效率的绿色阶段,至少绿色比例设置。以下关系如图所示: (d)状态变量的约束l:队列溢出部分连接通道将直接导致内部相邻密集路口锁定。最大队列长度不应超过连接部分的长度。有人指出相交线段的长度不同的排抵达时间和改变。因此,所有的场景的最大队列长度是首先计算。然后,动态权重系数是用来连接的最大队列长度在每个场景中,最大队列长度的计算模型,获得部分的链接。公式如下:
3.6。求解算法
遗传算法(GA)是一个参数随机搜索算法,基于仿生原理来模拟生物遗传学和自然选择的法律。该算法可以快速搜索算法在解空间内根据流。遗传算法是一种迭代算法的本质。它会产生一定数量的人群根据某种编码模式中,人口是随机生成的。然后,它评估了适应度函数。然后,相应的选择操作、交叉操作、变异操作进行。最后,若干次迭代后得到最优参数解集。图8给出求解算法的流程图。遗传算法的步骤如下:步骤1。遗传算法终止条件等参数编码模式中,人口数量,交叉概率和变异概率决定,和迭代计数器设置为0。步骤2。适应度函数值生成的人口计算。步骤3。根据特定的选择策略,一些人选择基于适应度函数值从人口的人口。步骤4。生物细胞分裂的基因特性模拟。优秀的下一代复制上一代的人口特征。第5步。组是由交叉算子。步骤6。确定种群变异的概率来创建一个新的人口。步骤7。判断算法的收敛条件。如果条件满足,该算法是收敛的。否则,继续算法。
3.7。案例验证
本研究选择邻密集十字路口在绥化市城市,黑龙江省,中国。十字路口是一个重要的位置在城市地区。十字路口的交通拥堵非常严重。电流信号方案是基于HCM2010孤立交叉口行人使用的时机不考虑同步计算。渠道化和十字路口的信号控制方案如图9和10。
交通流的数据和行人从6点45分,11月17日早上7:45 2019,如表所示3。
3.8。情况下的优化
信号控制的优化进行验证的可靠性优化模型。使用MATLAB编写遗传算法的目标程序。四个不同场景的模型优化目前排到达下游交叉口的早期红色,midred,早期的绿色,和看似容易。遗传算法收敛图如图11,总结了优化方案表4。
3.9。比较分析优化效果
为了验证模型的有效性,信号时间在四个场景进行了优化。延误车辆和行人计算并与孤立交叉口信号时机。当前的信号控制方案和传统的孤立交叉口信号定时控制是通过使用MATLAB建立延迟模型。
如图12,发现系统的车辆总延误在这种协作pedestrian-vehicle方案相对较低。这些条件的到来车排在红色的早期阶段,在红色的中间阶段,在绿色的早期阶段,和中间的绿色阶段。基于该模型,总延迟已经下降了13%,22.6%,24.8%,和31.1%,分别为这些时间。
它也可以从图13的总延迟行人相对较低。协作pedestrian-vehicle优化方法下,行人总延迟已经下降了11%,22%,31.6%,37%,这四个时期,分别。信号随时间排到。与信号定时控制相比,协作pedestrian-motor车辆控制显示了显著的优势,优化结果反映了模型的合理性。
比较传统的孤立交叉口信号定时控制协同优化模型如图14。统计数据表明,该模型的车辆总延误减少了4%,13.8%,17.1%,和25.9%,分别。
从图可以看出15总行人延迟系统的协作下pedestrian-motor车辆优化方法对邻密集路口下低于传统的孤立的十字路口定时控制。四个时期下降了3%,15%,25%,和31%,分别。与传统的孤立交叉口时间优化方法相比,协同优化模型具有显著的优势。
通过比较分析,我们发现,优化效果不明显时,车辆排到了红色的初始阶段。在最初的时间计划,车辆的延误是最高当车辆排红色到达最初的阶段,这将影响整个邻密集路口系统的稳定性。这时,优化信号时间增加了绿色交通动脉,减少了延迟的时间比相邻的车辆和行人密集路口系统。
当车辆排到达下游交叉口在绿色阶段,优化信号的绿灯时间比动脉流量和nonarterial交通是相似的。它反映了特征信号定时调整的优化模型根据车辆排的时候到达下游交叉口。优化的效果也是明显的。
4所示。结论和未来的工作
在这篇文章中,一个新的信号控制优化方法对行人和车辆在相邻的密集路口已提上日程。优化和操作研究创造了一个仿真平台。实验结果证明了该方法的有效性。本研究的结论如下:(一)通过人行横道的需求,提出了几种信号控制策略。相应的延迟模型建立了根据车队的时候到来。提出现场延迟是联系在一起的动态权重系数。一个信号优化。这减少了车辆和行人之间的延迟。在十字路口行人和机动车花更短的时间从而导致改进安全。(b)我们这个方法应用于一个真实的案例来验证其有效性。模型相比目前孤立交叉口的控制方案和传统的孤立的十字路口定时控制。这个新模型的优化效率是显而易见的。
为未来的研究工作、燃料消耗、碳排放和其他参数应考虑完善这种方法。
数据可用性
所有的数据用于支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
作者承认研究资助下中国国家自然科学基金委的批准号52102398和上海市科技委员会批准号23692107600。