一种面向公交信号优先高频多申请的动态控制方法

本发明涉及公交信号优先控制领域，尤其是涉及一种面向公交信号优先高频多申请的动态控制方法。

公交信号优先，表示公交车辆可以通过发出请求获取对应的绿灯相位，从而实现其在交叉口处的不停车通行。设计合理的公交优先策略非但无需投入大量成本，而且能够显著减少公交系统的行程时间，并改善行程可靠性。因此，公交优先策略已经成为城市交通控制系统的重要组成部分。

从Wilbur等人对两个信号控制交叉口通过手动信号提供公交优先的研究开始，早期的研究以为公交车辆提供绝对优先为主，随后众多研究者先后提出了相对优先控制策略。在大多公交优先控制策略研究中假设只有单一的公交优先申请。对公交信号优先高频多申请，一般采用先到先服务的规则。还有相关方法提出了通过决策树进行排序的方法，给出了一个枚举求解过程，但未对优先及最优排序策略及其影响的深入研究。

公交信号优先可按照响应策略分为如下三类：

1、被动优先策略(Passive priority strategy)：即便没有公交车也会持续运营，无需公交检测/优先申请生成系统

2、主动优先策略(Active priority strategy)：对特定检测到的公交车辆(或由车辆与系统提出优先申请)提供优先通行路权

3、实时优先策略(Real-time priority strategy)：在提供优先通行路权的同时不断优化给定目标(准则)，这些目标包括行人延误、公交车辆延误、社会车辆延误，以及它们之间的相互组合。

目前存在的问题：随着我国对公交系统的投入的不断加大，公交线网越来越复杂，公交服务的班次、频率大大增加，造成一个交叉口在一个周期内遇到来自多个冲突相位的公交优先申请的可能性也大大提升。然而，其难点在于：每一种公交优先申请都有其特征，进而导致信号优先的效率随着服务顺序的不同而有所变动。例如，对高占有率、班次时刻偏移较大、乘客数量较多的公交车辆提供优先服务将是更优的决策。现有的公交优先信号优先设计方法，针对来自交叉口不同冲突相位的高频多公交优先申请的研究与应用，还不是很充分。不足主要表现在如下三个方面：

1、目前最为常用的方法，一种是基于先到先服务(First come first serve,FCFS) 的策略，有研究表明此策略将会造成额外的交通延误。另一种是假设公交车仅在主要道路的主要流向上出现。然而，这种假设并不适宜于实际应用。

2、现有策略还仅仅聚焦于优化单个信号周期内的有限个优先申请，并且没有考虑多车辆请求的具体细节(例如班次偏差(schedule deviation)，公交占有率，交叉口延误等等)。并且无法支撑连续多个信号周期下，接收一连串公交优先申请的场景。

3、不同优先策略对普通社会车辆的影响，还没有被充分量化考虑。

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种面向公交信号优先高频多申请的动态控制方法。

本发明的目的可以通过以下技术方案来实现：

一种面向公交信号优先高频多申请的动态控制方法，该方法包括以下步骤：

步骤S1：建立目标为加权公交延误最小的公交信号优先控制模型，约束考虑系统扰乱大小；

步骤S2：采用滚动时域优化方法对公交信号优先控制模型进行实时动态求解，在不同公交需求水平情况下，针对各种公交占有率、公交到站偏离程度下的多公交优先申请，生成优化的公交优先服务顺序与对应的信号控制方案，实现公交优先服务顺序和信号控制。

所述的步骤S1包括：

步骤S11：通过设定各个信号相位的饱和度阈值，避免某一信号相位达到过饱和状态，从而最小化系统扰乱；

步骤S12：以步骤S11系统扰乱最小化为前提，针对一个信号周期内的多公交优先申请，进行公交优先服务顺序优化。

所述的步骤S2包括：

步骤S21：将公交信号优先控制模型的求解作为一个多信号相位决策问题，确定针对一个公交优先申请提供服务的策略类型：绿灯延长、红灯早断或信号相位插入；

步骤S22：更新信号相位的要求最小绿灯时长；

步骤S23：更新采用的优先策略类型；

步骤S24：确定信号相位绿灯结束时刻；

步骤S25：更新下一个信号相位绿灯的开始时刻与优先时间窗口；

步骤S26：更新信号相位绿灯时长；

步骤S27：更新优先申请状态。

所述的步骤S22中更新信号相位的要求最小绿灯时长的计算公式为：

其中，为给定信号相位i最大可接受的饱和度，Qi为信号相位i的饱和流率，qi,k为信号周期k信号相位i关键流向的交通流量，Ck为信号周期k总时长；

所述的步骤S23中在信号相位i实际应用的公交优先策略可以用如下公式进行更新：

其中，表示优先申请m所对应的信号相位，当对应信号相位为当前信号相位 i时，在信号相位i采用绿灯延长策略PSi,k＝1，当对应信号相位为下一个信号相位 i+1时，在信号相位i+1采用红灯早断策略PSi,k＝-1，当对应信号既不是当前信号相位i，也不是下一个信号相位i+1时，会在后续信号相位采用信号相位插入的策略PSi,k＝0，表示在信号相位i发起的优先申请m是否会被服务，1表示被服务， 0表示未被服务；

所述的步骤S24中信号相位绿灯结束时刻为：

其中，表示发出优先申请m的公交车辆到达停车线的时刻，Ii,i+1表示信号相位i到下一个信号相位i+1的绿灯间隔时长，为信号周期k信号相位i的优先时间窗开始时刻，为：

其中，为优先时间窗口的结束时刻，为车辆的到达时刻，为插入信号相位时长，tin为信号相位i中插入公交信号相位的绿灯时长；

所述的步骤S25中信号相位i+1的绿灯开始时刻表示为：

下一个优先时间窗口的开始时刻为：

其中，为信号相位i+1的要求最短绿灯时长；

所述的步骤S26中信号相位i的绿灯时长gi,k可基于更新后的信号相位i结束时间计算：

所述的步骤S27中更新优先申请m的状态过程为：

优先申请n将在信号相位i被服务，且m＝n，则优先状态应当被改变为1，为：

其中，为信号周期k信号相位i开始之前还没有被处理的优先申请集合，为：

所述加权公交延误主要为获得优先服务的公交车辆的延误和未获得优先服务的公交车辆的延误之和。

所述获得优先服务的公交车辆的延误中在信号周期k信号相位i内得到优先服务的所有请求车辆的加权总延误di,k为:

其中，为发起优先申请m的公交车辆的乘车人数，为发起优先申请m的公交车辆的到站时刻偏差，为发起优先申请m的公交车辆在信号周期k内的延误，为：

其中，为信号周期k发起优先申请m的公交车辆所处的信号相位；

所述未获得优先服务的公交车辆的延误fk(0)为：

其中，为优先申请n的公交车辆在信号周期k内的延误，表示为：

其中，Ck表示信号周期k的长度，表示发起优先申请n的公交车辆到达停车线时信号周期k的运行时长，表示在信号周期k内到达停车线但是未获得优先服务的车辆的延误，为信号周期k内的优先申请数量，表示在信号周期 k信号相位i开始之前还没有被处理的优先申请集合，表示在信号周期k信号相位i内被处理的优先申请集合，表示在信号周期k+1对应信号相位的常规绿灯时间内得到服务之前所产生的延误。

公交信号优先控制模型的常规约束包括：

其中，gi,k为信号周期k信号相位i的绿灯时长，gi,min为信号相位i的最小绿灯时长，gi,max为信号相位i的最大绿灯时长，为信号周期k信号相位i在给定最高许可饱和度前提下的最短绿灯时长。

滚动时域的长度为信号周期的长度；公交优先服务顺序与信号配时方案会在多个连续信号周期内进行优化，但仅仅应用在所在信号周期的某个信号相位；一旦公交优先服务顺序与信号配时方案被执行，滚动时域将会后移一个信号周期，针对下个信号周期的优化将重新开始。

与现有技术相比，本发明具有以下优点：

(1)充分考虑控制方法对普通社会车辆的影响，相比于传统的定时控制、先到先服务控制方法，本方法只要选取合适的临界饱和度阈值，就能够在不显著影响社会车辆运行效率的情况下，有效减少公交延误，并改善公交到站时刻准时性。

(2)考虑单个信号周期内的多申请需求，本方法将信号优先高频多申请问题归结为以信号相位为决策阶段的多阶段最优决策问题，能够有效地服务公交车辆优先高频多申请的场景。

(3)计算效率高，本方法采用了时域滚动策略，运算耗时小于35毫秒，具备在实施公交优先系统中应用的能力。

图1为本发明的流程图；

图2为本发明公交信号优先控制模型框架；

图3为本发明参数说明；

图4为本发明公交优先策略说明；

图5为本发明滚动时域优化方案说明；

图6为本发明实施例交叉口布局图示；

图7为本发明实施例基于VISSIM的仿真评价流程图；

图8为本发明动态规划模型耗时情况；

图9为本发明不同控制策略公交到站时刻偏离度对比；

图10为本发明不同最大允许饱和度下公交与社会车辆延误对比。

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例

本实施例提供一种面向公交信号优先高频多申请的动态控制方法，包括以下步骤：

步骤S1：建立目标为加权公交延误最小的公交信号优先控制模型，约束考虑系统扰乱大小；

步骤S2：采用滚动时域优化方法对公交信号优先控制模型进行实时动态求解，在不同公交需求水平情况下，针对各种公交占有率、公交到站偏离程度下的多公交优先申请，生成优化的公交优先服务顺序与对应的信号控制方案。

步骤S1包括：

步骤S11：通过设定各个信号相位的饱和度阈值，避免某一信号相位达到过饱和状态，从而最小化系统扰乱；

步骤S12：以步骤S11系统扰乱最小化为前提，针对一个信号周期内的多公交优先申请，进行公交优先服务顺序优化。

所述的步骤S2包括：

步骤S21：将公交信号优先控制模型的求解作为一个多信号相位决策问题，确定针对一个公交优先申请提供服务的策略类型：绿灯延长(Green extension)、红灯早断(Redtruncation)或信号相位插入(Phase insertion)；

步骤S22：更新信号相位的要求最小绿灯时长。

以下介绍状态转移方程：

信号周期k信号相位i关键相位的饱和度xi,k的计算公式如下：

其中，Ck表示信号周期k总时长，qi,k为信号周期k信号相位i关键流向(在信号相位i期间保持最大流率)的交通流量，Qi为信号相位i的饱和流率，gi,k表示信号周期k信号相位i对应绿灯时长。

在公式(1)中，交通流量可通过环形线圈等检测设备获取。

给定信号相位i最大可接受的饱和度则要求最短绿灯时长计算公式如下：

步骤S23：更新采用的优先策略类型

在信号相位i实际应用的公交优先策略PSi,k可以用如下公式进行更新：

其中，表示优先申请m所对应的信号相位，当对应信号相位为当前信号相位 i时，在信号相位i采用绿灯延长策略PSi,k＝1；当对应信号相位为下一个信号相位 i+1时，在信号相位i+1采用红灯早断策略PSi,k＝-1，当对应信号既不是当前信号相位i，也不是下一个信号相位i+1时，会在后续信号相位采用信号相位插入的策略PSi,k＝0。表示在信号相位i发起的优先申请m是否会被服务，1表示被服务，0表示未被服务。

步骤S24：确定相位绿灯结束时刻

信号相位绿灯结束时刻主要取决于所选择的优先策略，优先时间窗口的开始与结束时间，以及绿灯间隔时间(黄灯与全红时间)：

其中，表示发出优先申请的公交车辆到达停车线的时刻(表现为当前周期已运行时长)，Ii,i+1表示信号相位i到下一个信号相位i+1的绿灯间隔时长，为信号周期k信号相位i的优先时间窗开始时刻。

在上述公式(4)中，如选择绿灯延长的策略，则信号相位i结束时刻应当与发出优先申请m的公交车辆到达停车线的时刻相同；如选择红灯早断策略，则信号相位i结束时间应当为如下两项的最大值：1)信号周期k信号相位i的优先时间窗开始时刻2)发出优先申请m的公交车辆到达停车线的时刻与绿灯间隔时间的差值。如选择相位插入策略，则信号相位i的结束时间为该值由插入相位在优先时间窗口中的相对位置决定(公式(5))。为了消除行程时间的不确定性，发出优先申请m的公交车辆的到达时间应尽可能设置在插入相位的中间时刻，或者至少在插入相位的覆盖范围内。绿灯间隔时间也应当被考虑。

其中，为优先时间窗口的结束时刻，为车辆的到达时刻，为插入信号相位时长，tin为信号相位i中插入公交信号相位的绿灯时长，与分别为插入相位的前后两端绿灯间隔时长。

在公式(5)中：

1)若发出优先申请m的公交车辆的到达时刻早于优先时间窗口的起始时刻加上一半的插入相位时长，则等于优先时间窗的开始时刻

2)若插入相位全部位于优先时间窗口内，则等于车辆的到达时刻减去一半的插入相位时长

3)若发出优先申请m的公交车辆的到达时刻晚于优先时间窗口的结束时刻减去一半的插入相位时长则等于优先时间窗口的结束时刻减去完整的插入相位时长。

步骤S25：更新下一个信号相位绿灯的开始时刻与优先时间窗口

信号相位i+1的绿灯开始时刻表示，可以基于前一信号相位i的结束时间以及所使用的优先策略进行更新，公式如下：

优先时间窗口的时长由上一个信号相位最早结束时刻与下一个信号相位最早开始时刻决定。在优先时间窗口结束时刻之前到达停车线的公交车辆，便能够得到优先服务。

基于上述绿灯开始时刻可获得下一个优先时间窗口的开始时刻为：

其中，为信号相位i+1的要求最短绿灯时长。

步骤S26：更新信号相位绿灯时长

信号相位i的绿灯时长gi,k可基于更新后的信号相位i结束时间计算：

步骤S27：更新优先申请状态

优先申请m的状态可由如下公式(9)进行更新。需要注意的是，若多辆公交车的优先申请在同一个阶段，并且在同一个优先时间窗口内到达，或者在信号相位i的常规绿灯时间内到达，则会在同一时间内获得优先通行服务。

在上述公式(9)中，如果优先申请n将在信号相位被服务，且m＝n，则优先状态应当被改变为1，即是一个二元变量，表示没有在信号相位 i内被服务的优先申请的状态，该变量的值由如下因素决定：优先申请的相位序号优先申请车辆的到达时刻以及在信号相位i所使用的优先策略(PSi,k)，具体公式如下：

在上述公式(10)中，当优先申请在信号相位i得到服务，并且在信号相位i结束时刻之前到达，或者优先申请m要求与优先申请n在同一个信号相位内被服务，并且在对应的优先时间窗口中到达，则为信号周期k信号相位i开始之前还没有被处理的优先申请集合。

其中，表示含义如下：在优先申请n在信号相位被选择，且优先申请m与优先申请n申请在同一相位内获得优先的情况下，判断优先申请m的状态是否允许被设置为1。其公式如下：

在公式(10)与公式(11)中，表示：在且的情况下应用绿灯延长策略时，如果优先申请m的车辆比优先申请n(已被提供优先) 的车辆提前到达，则优先申请m的优先状态应当切换至表示：在且的情况下应用红灯早断策略，如果优先申请m的车辆到达时刻比下一个相位开始时刻要早，则优先申请m的优先状态应当切换至1 表示：在且的情况下应用相位插入的策略，如果请优先申请m的车辆到达时刻在信号相位i结束时刻与下一个相位的开始时刻，则优先申请m的优先状态应当切换至

为了将公交车荷载数(Occupancy)与公交到站准时性(Schedule adherence) 两项指标考虑到优化过程中，在动态规划模型中采用了如下最小化控制优化目标：加权公交延误(权重指标为：公交荷载数、公交到站时刻偏差)。该目标主要由两部分组成：获得优先服务的公交车辆的延误，以及未获得优先服务的公交车辆的延误。

计算获得优先服务的公交车辆的延误：

设fk(i)为从信号相位i(包括信号相位i)起到最后一个信号相位内获得优先服务的公交车辆的总延误，则其一个递归表达式如下：

fk(i)＝di,k+fk(i+1) (12)

其中，di,k表示在信号周期k信号相位i内得到优先服务的所有请求车辆的加权总延误，其计算公式如下：

在上述公式(13)中，为优先申请m的公交车辆的乘车人数，为优先申请m的公交车辆的到站时刻偏差。假设与两项信息均可以通过公交运营系统中的射频识别(RFID)与自动乘客计数技术获取到。为优先申请m的公交车辆在信号周期k内的延误，具体公式如下：

其中，为信号周期k发起优先申请m的公交车辆所处的信号相位。

计算未获得优先服务的公交车辆的延误：

在当前信号周期内，对于发出请求但是未获得优先服务的公交车辆，会在下一个信号周期k+1的请求相位的常规绿灯时间中得到服务。据此，设这部分车辆的总延误为fk(0)，其计算公式如下：

其中，为优先申请m的公交车辆的乘车人数；为优先申请m的公交车辆的到站时刻偏差；为优先申请n的公交车辆在信号周期k内的延误，具体公式如下：

在上述公式(16)中，Ck表示信号周期k的长度，表示发起优先申请n的公交车辆到达停车线时信号周期k的运行时长，表示在信号周期k内到达停车线但是未获得优先服务的车辆的延误，为信号周期k内的优先申请数量，表示在信号周期k信号相位i开始之前还没有被处理的优先申请集合，表示在信号周期k信号相位i内被处理的优先申请集合，表示在信号周期k+1 对应信号相位的常规绿灯时间内得到服务之前所产生的延误。

表1模型符号说明

目标函数为最小化所有发出优先申请车辆的加权延误：

以信号周期k为例，目标函数将最小化所有发出优先申请车辆的加权延误，公式如下：

min fk(1)+fk(0) (17)

设定信号控制、对社会车辆影响等方面的约束条件：

公式(2)-(11)为状态转换方程，是模型的基本定义型约束。更进一步，还有如下约束：1)限制公交优先对其它社会车辆所带来的影响；2)信号控制参数的一些常规约束。

其中，gi,k为信号周期k信号相位i的绿灯时长，gi,min为信号相位i的最小绿灯时长，gi,max为信号相位i的最大绿灯时长，为信号周期k信号相位i在给定最高许可饱和度前提下的最短绿灯时长。

公式(18)表示针对每一个信号相位，最多允许使用一种优先策略；公式(19) 表示每一个信号相位的绿灯时长应该大于等于许可饱和度下最小绿灯时长，小于等于最大绿灯时长；公式(20)表示许可饱和度下最小绿灯时长应该大于等于最小绿灯时长，但不应超过原有基本信号方案中用于提供公交优先的绿灯时长。表1为部分参数解释。

本实施例所提出的控制模型是基于公交车辆在过去信号周期中的到达时刻进行决策的。然而，在一个信号周期刚开始时，这部分信息是未知的，并且公交优先申请也不可预测。为了将最后一辆到达的公交车也考虑进来，采用了如下基于滚动时域优化的方法使得模型具备实时性：

(1)滚动时域的长度被设定为信号周期的长度；

(2)公交优先服务顺序与信号配时方案会在多个连续周期内进行优化，但仅仅应用在所在信号周期的某个相位；

(3)一旦公交优先服务顺序与信号配时方案被执行，滚动时域将会后移一个信号周期，针对下个信号周期的优化将重新开始。

以下为一具体仿真例子：

步骤1：选取实际案例场景，并在VISSIM仿真中进行虚拟场景构建；

步骤2：通过VISSIM-COM接口对模型效果进行评价。

具体而言：

一、步骤1包括：

1、在VISSIM中搭建虚拟交叉口环境(如图6)；

2、设计三种不同的交通需求(以表2为基准，需求百分比分别为70％，100％，130％)，在仿真测试中分别对应0.5，0.7，0.9三种流量/通行能力比值。

3、设计模型的关键参数，包括如下内容：

(1)每一条公交线路的平均车头时距为2分钟；

(2)公交车停靠地点在每一个交叉口进口道的上游，停靠时间服从均值为40 秒，方差为40秒的正态分布；

(3)公交车的乘客数与到站时刻偏移分别通过两个正态分布进行模拟，前者的均值为30名乘客，方差为30名乘客；后者均值为30秒，方差为120秒；

(4)公交车与车辆检测器被设置于公交专用道上距离停车线100米的位置。

表2仿真环境流量设置方案

4、开始仿真(具体流程图见图7)。每一次仿真的运行时长为2小时，为了克服微观仿真模型系统的随机性，本案例采用了20次仿真运行结果的平均值。

二、步骤S2包括：

所提出的模型将会通过如下两个步骤进行评价：

1、在不同场景下评价模型计算效率

图8描述了所提出模型在不同公交优先申请场景下的运算时间分布。可以看到，所提出的模型在最差的情况下(4辆连续的公交车发出4个请求)，运算耗时也少于35毫秒。因此，该模型计算成本极低，能够应用在实时的控制系统中。

2、模型效果对比分析

具体地，是指对比如下两种不同控制策略的模型优化效果(为了保证模型的公正，对所有的使用相同优化方法的控制策略，生成了基本信号配时方案)。

控制策略a：没有公交优先的固定控制策略。在不考虑公交优先的情况下通过离线优化获得固定信号配时方案；

控制策略b：先到先服务的公交优先控制策略。基于传统先到先服务的公交优先服务原则，提供绿灯延长，红灯早断，以及相位插入的策略。

表3不同控制策略下的模型效果对比

以下为对比分析结果：

(1)公交与社会车辆的延误降低情况

表3展示了所提出模型与其它两种传统控制策略在不同场景下的模型效果对比。对比数据，可以得出如下结论：

1)结论一：相比较控制策略a与b，所提出的模型在三种不同的交通需求情况下，均能更有效地降低公交车辆的延误(针对策略a下降10～30％，针对策略b 下降7％～23％)。模型改善结果在显著性水平为95％的Pair-T检验中具有统计意义。整体交通延误方面，所提出的方法比策略a减少15％，比策略b减少7.9％。该结果充分说明所提出模型在处理多公交优先申请的场景的优势。

2)结论二：本专题所提出的模型不会造成交叉口内其他社会车辆延误的显著提升。更具体地说，所提出的模型在较低与中等程度的交通需求场景下，能够降低其他社会车辆的延误；对于需求较高的拥堵场景，该模型生成方案对社会车辆造成的延误，不会超过定时控制策略a的11％，以及先到先服务策略b的5％。

(2)降低公交到站时刻偏离

本案例还分析了所提出模型在降低公交到站时刻偏离度方面的效果。本案例提出了两种评价指标：平均公交到站时刻偏离方差，以及加权公交到站时刻偏离方差 (权重指标为每辆公交车的乘客数量)。如图9a所示，在不同的交通需求环境下，所提出模型产生的到站时刻偏离程度明显低于其它两种控制策略(相比控制策略a，下降30％～70％，相比控制策略b，下降21％～43％)。图9b显示，以公交荷载数进行加权计算，本控制策略的优势更为明显。这一发现说明本模型在改善公交到站时刻准时性方面非常有效。

(3)最大允许饱和度变化的影响

为了使本专题提出模型能够在实际多样化交通需求场景中得到应用，进一步研究了最大允许饱和度(记为x)对模型控制效果的影响。图10a将本专利提出的方法与先到先服务(FCFS)的策略相对比，数据表明，在公交车延误方面，随着x 的不断下降，本实施例提出的模型相对于FCFS策略的优势就越不明显。当交通需求较高的时候(更大的v/c比)，一个较低的x值则有可能造成本实施例提出的方法比FCFS策略产生更大的延误。这其中的原因在于，x值越高，本实施例提出的策略中能够用于提供优先服务的优先时间窗口就越短。与之相反，随着x的逐渐下降，本实施例提出的方法将会使社会车辆的延误降低(如图10b所示)。这一发现说明，对于每一个种不同的需求场景，都存在一个饱和度x的阈值范围，在该阈值范围内，本实施例所提出的方法能够在不导致其它车辆延误大幅提升的前提下，有效地降低公交车的延误。在日常决策过程中，交通工程师应当谨慎地选择最大允许饱和度，以平衡公交车与运营车辆的运营效率。

(4)结论

本实施例提出一种面向公交信号优先高频多申请的动态控制方法。方法的目标在于加权公交延误最小，与此同时避免影响普通社会车辆的运行效率。所提出的方法能够捕捉公交运行的关键特征，例如公交在不同占有率、到站时刻偏离、需求水平、优先策略类型的情况下，公交优先申请可能对交通运行造成的影响。方法提出了详细的输出信息，包括：多公交车辆的最优服务顺序以及对应的信号配时方案。采用了滚动时域优化策略，能够基于实时信息对服务顺序进行求解。