交通诱导与控制协同的动态交通模型研究

    

    【摘 要】 现有的城市交通控制系统，本质上都是一种解决现有交通流通过交叉口的方法。本文以系统最优为目标，构建交通诱导与控制协同模型， 在现有的诱导与控制协同过程中加入动态策略选择与动态交通分配环节，提出了一种适用于大型路网的交通诱导与控制协同模型。

    【关键词】 交通诱导 交通控制 动态交通

    0引言

    近年来，我国城市路网逐步成熟，道路交通需求量进一步增加，城市道路交通的拥挤与阻塞己经成为大中城市普遍存在的现象。现有的城市交通控制系统中，无论是单点控制、干线控制还是区域控制，也不论是静态控制还是动态自适应控制，控制算法采用模糊数学还是神经网络，都只考虑交通控制系统自身，而忽略了交通控制对交通流的影响，更不考虑交通诱导系统的影响。本质上都是一种解决现有交通流通过交叉口的方法。本文深入的研究了交通控制与交通诱导的协同作用。对交通诱导与控制系统进行协同研究，不但可以消除二者单独作用时所存在的局限性，还能够提高道路交通管控策略的实时性。

    1交通诱导系统

    交通诱导系统[1]根据出行者的起讫点向道路使用者提供最优路径引导指令或是通过获得实时交通信息帮助道路使用者找到一条从出发点到目的地的最优路径。交通诱导系统可分为四大部分，分别为：快速路交通信息采集诱导系统、地面道路交通信息采集诱导系统、停车诱导系统、交通信息采集诱导平台。

    2国内外研究状况

    李旭等人[2]将动态交通分配理论与模型应用到诱导与控制协同机理中，建立了基于动态交通分配的交通诱导与控制综合协同模型。陆化普等人[3]通过建立双层规划模型，提出了一种启发式迭代优化算法对双层规划模型进行求解。傅贵等人[4]采用神经网络技术构建基于神经网络的交通控制诱导协同模型。在国外Lian 提出了上层为交通控制、下层为动态交通分配模型的双层优化模型。Paz 等[5]在动态交通分配模型中融入自适应信号控制算法，实现交通诱导与控制的协同。VICS[6]系统在日本交通领域是最早进入实用领域的。

    本文在现有的诱导与控制协同过程中加入动态策略选择与动态交通分配环节，有效解决局部道路利用率低，道路交通擁堵的状况。

    3交通诱导与控制综合协同模型

    3.1动态交通分配理论

    动态交通分配理论是交通诱导系统的重要理论基础，它根据实时检测的路网交通信息参数，计算出最合适的交通量分布方式，再将各路网上时变的交通需求均匀分配到不同路径上，达到路网交通流时空分布均匀、供需平衡的目标。考虑到分配策略所需达到的最优目标不一，动态交通分配模型一般分为两类，即系统最优动态交通分配模型和用户最优动态交通分配模型。

    3.2交通诱导与控制综合协同模型

    本文研究的协同模型以均衡路网流量为目标，定义用饱和程度R表示路网的交通流量分布状况。由于交叉口和路段的通行能力不同，因此在建立模型时分别考虑了交叉口和路段的饱和程度的影响权重，以平均饱和程度最小为目标，建立诱导与控制综合模型：

    3.3不同交通状态下的协同策略选择

    由于不同交通状态下的交通流可控水平、诱导方案接受率等均存在较大差异，大大影响了协同策略实施的有效性[7]。本文将道路上行驶车辆的平均行程车速作为所研究的协同系统中道路交通拥挤等级的判定标准，根据速度的不同采取对应的解决策略。

    4结论

    本文对动态交通分配、交通诱导与控制模型进行了整合与研究，在现有的交通诱导

    与控制协同中增加了动态交通分配环节，通过建立综合协同模型，为动态交通分配、交通诱导与交通控制实现相互结合、共同运作提供了可能; 同时根据我国城市大路网交通的特点，为不同运行状态下的路网提供了动态选择的协同运作策略，使交通诱导与控制系统能够更有针对性地调节变化后的交通流。

    【参考文献】

    [1] 王莉萍， 李洁. 城市道路交通信息采集诱导控制系统解决方案[J]. 中国公共安全：学术版， 2016（12）.

    [2] 李旭， 周彤梅. 基于动态交通分配的交通诱导与控制协同研究[J]. 中国人民公安大学学报（自然科学版）， 2017（4）.

    [3] 孙智源， 陆化普， 张晓利，等. 城市交通控制与诱导协同的双层规划模型[J]. 东南大学学报（自然科学版）， 2016， 46（2）：450-456

    [4] 傅贵， 杨朝霞， 周权. 基于神经网络的交通控制诱导协同模型[J]. 电脑与电信， 2017（7）：17-22.

    [5] Paz A， Chiu Y C. Adaptive Traffic Control for Large-Scale Dynamic Traffic Assignment Applications[J]. Transportation Research Record Journal of the Transportation Research Board， 2015， 2263（-1）：103-112.

    [6] Pang Cz K. H.， Takabashi K.， Yokota T.. Adaptive route selection for dynamic route guidance system based on fuzzy-neural approaches[C]. IEEE Transactions on Vehicular Technology，1999，6（48）： 2028-2041.

    作者简介：贺姣姣（1994—），女，汉族，河南焦作人，工学硕士，单位：重庆交通大学交通运输学院交通运输工程专业，研究方向：交通运输规划与管理。