车路协同环境下信号协调优化模型.docx

车路协同环境下信号协调优化模型 0 绿波系统的协调控制模型主要关注临床各阶段的发展,但未提出系统协调的单 协调控制可以降低协调路径上的延误和停车时间，提高血流顺畅性。自小二略提出了一种实用的绿色波宽优化算法以来，国内外许多研究人员提出了一个新的目标，例如提高绿色波宽，或减少切割延迟。基于数学的规划模型u，基于交通流的动态发展模型u，信号协调控制模型在scot、scot和rhous等交通协调控制系统中得到了成功应用。由于传统控制环境下数据采集与信息交互的局限, 以往大多协调控制模型将协调路径、初始排队长度、路段车速等作为固定参数输入［７］, 进行绿波优化。然而, 正如Abu-Lebdeh等［８］指出, 这种优化方法存在如下缺陷:①由于流量到达的波动性, 在实际运行过程中, 被输入的协调路径在很多周期内并非是最需要协调的路径;②初始排队长度对绿波控制效果有重要影响, 其随机变化将导致绿波的效果降低甚至出现绿波无效果的情况;③车辆在路段上的真实行驶速度直接影响着实际的绿波宽度和协调效果。而在车路协同环境下, 车辆能实时将行驶车速、路径、到达下游交叉口的时间等信息传送至信号控制系统, 控制系统也能够将控制方案、建议车速实时传输给每一辆车, 这为克服上述缺陷提供了基础数据和通信环境。Abu-Lebdeh［８－９］等人首先探索了可变速度情况下对交叉口间协调能带来的效益, 但其研究局限于在已知协调路径, 且只对单向绿波进行优化, 并没有提出系统的协调优化模型。 本文基于由车路协同环境实时准确的交叉口间的路径流量数据, 建立双向协调路径、相位差和车辆速度的集成优化模型, 克服传统模型的不足, 提高交叉口信号协调效益。 1 有协调需求的路径 本文用到的主要参数及其定义如表1所示。 考虑相邻两交叉口i、j, 如图1所示, 假设无专用右转信号则有协调需求的路径共有8条, 用a表示从交叉口i到交叉口j (路径a) 的协调路径, b表示从交叉口j到交叉口i (路径b) 的协调路径, a ∈{1, 2, 3, 4}, b∈{5, 6, 7, 8}。 2 优化模型 2.1 路转速累积次数 本文的目标函数可表示为 即本文的目标函数为双向协调路径的路径流量与行驶车速的乘积之和最大, 其中路径流量包括饱和流量与非饱和流量。在此目标函数下, 能确保协调相位更多的车流以更快的速度通过交叉口, 提高通行能力并降低延误。 2.2 双向协调路径 决策变量包括:相位差Qｉｊ, i方向选取的协调路径δａ, j方向选取的协调路径δｂ, 双向协调路径饱和车流车速Vｓａ、Vｓｂ, 双向协调路径非饱和车流车速Vｑａ、Vｑｂ。 2.3 合同规定 2.3.1 协调路径限制 假设每个优化时段双向各只选择一条协调路径, 则 即从方向i→j的4条协调路径与方向j→i的4条协调路径中分别选择一条最优的协调路径。 2.3.2 路径各周期到达流量的计算 以交叉口i为例, 假设在每个周期内进口道车流均匀到达, 到达率为q, 交叉口饱和度小于1, 则交叉口进口道绿灯期间的车辆通过率如图2所示。其中, s为饱和流量, tｓ为车流以饱和流量s通过交叉口的时间, tｑ为车辆以到达率q通过交叉口的时间, gｉ为有效绿灯时长, rｉ为有效红灯时长。则tｓ、tｑ的计算公式为 从图2可以看出, 从上游交叉口某一相位驶出的车流可分为两部分:①在tｓ内以饱和流量驶出, 将此车流记作fｓ;②在tｑ内以到达率驶出, 记作fｑ。 以θａ、θｂ分别表示路径a、b的流量占交叉口进口道总流量的比例, 则路径a、b某周期的到达流量可分别用qC０θａ和qC０θｂ计算得出。进一步, 路径a、b中车流fｓ的流量Qｓａ、Qｓｂ以及路径a、b中车流fｑ的流量Qｑａ、Qｑｂ可分别表示为 2.3.3 相位差的限制 即相位差的取值需在0至周期之间, 方向i→j的相位差确定后, 能根据信号配时参数计算得到方向j→i的相位差。 2.3.4 速度限制 (1) 基于横向合流的双向全车差通信 在车路协同环境下, 应最大程度地引导车流fｓ不停车且延误最小地通过下游交叉口, 即最大程度地引导车流fｓ行驶至下游交叉口最大排队点时, 下游交叉口绿灯期间的启动波正好传至最大排队处, 进而车流fｓ跟随最大排队点处的车辆通过下游交叉口。对于非饱和车流fｑ, 则通过引导最大程度地使更多的交通流顺利通过下游交叉口。考虑上下游交叉口间协调路径a和b, 双向车流的时空轨迹图如图3所示。 以路径a协调方向的红灯起亮时间定义相位差Oｉｊ, 则相反方向路径b的相位差为 从图3可以看出, 从时间点A到时间点B, 有: 把式 (10) 代入式 (11) 并整理得: 同样, 从时间点C到时间点D, 有: 整理得 排队清空时间τｉ由两部分构成:一部分为启动波传递到最大排队长度点所需的时间;另一