交通世界TRANSPOWORLD
细胞自噬
收稿日期：2018-05-11
作者简介：车春江（1982—），女，山东平度人，工程师，硕士，研究方向为公路出行信息服务研究、路网运行监测分析、突发事件
车春江，郝盛，赵璐，杨鹏程
（交通运输部路网监测与应急处置中心，北京100088）
摘要：根据视频检测交叉口车流量实时分配红绿灯时间，可以有效提高交叉口通行量，减少道路拥堵。通过分析交通信号 控制参数、优化目标与问题描述，建立了基于贪婪策略的红绿灯智能控制模型，采用贪婪思想、基于专家知识的贪婪规则，建立了红绿灯智能控制算法，实现了红绿灯智能控制，达到减少车辆延误时间、排队长度，提高道路通行量，缓解城市道路拥堵的目的。最后，通过仿真实验验证了模型和算法的有效性。 关键词：贪婪策略；智能红绿灯；启发式算法中图分类号：U491.4
文献标识码：A
0引言
随着我国经济和城镇化的飞速发展，城市居民机动车拥有量不断增加，城市交通拥堵问题日益严峻。究其原因，除了机动车保有量急剧增加、道路容量有限、城市规划不合理之外，红绿灯的控制不科学也加剧了城市道路的拥堵，既造成了交通事故频发、能源消耗增加、环境污染加重，也造成了财力、物力的浪费。目前，红绿灯多采用固定时长的粗放控制方式，不能根据车流量实时控制红绿灯，经常出现“绿灯无车红灯停”的奇怪现象，这就不能合理有效地利用交通资源。
随着智能交通技术的发展，国内外对智能红绿灯控制技术也进行了相关研究。2012年6月，美国匹兹堡市的智能红绿灯系统应用于匹兹堡东自由区的9个交叉路口，取得了预期效果。结果显示，路线上的行车时间减少26%，汽车空转时间减少41%，沿途停车时间减少31%，尾气排放量减少21%[1]。目前，我国智能交通系统还处于大力发展阶段，城市道路的大量红绿灯仍然采用固定时长的控制方式，高速公路的不停车电子收费系统（ETC ）才刚刚实现全国联网，但是机动车对ETC 的使用率还很低。因此，为了城市健康发展，实现节能减排、减少交通拥堵，对智能红绿灯控制进行研究具有重要意义。
1智能红绿灯控制问题及模型
1.1智能红绿灯控制实现原理
基于视频检测的智能红绿灯控制就是通过安装于道路
旁的摄像头获取实时视频数据，利用图像处理技术对视频数据进行分析处理，实现城市道路的车流量实时检测。以实时车流量信息为依据，对红绿灯的信号周期、相位差、
绿信比等交通控制参数进行实时控制，从而实现交叉路口红绿灯的智能控制，减少交通拥堵。随着信息技术的发展，视频检测技术方便、快速、稳定的特点得到了有效发挥。目前，比较常见的运动物体
检测算法，如帧间差分算法、背景差分算法、光流法、边缘检测法等[2-3]，可以有效用于道路车辆视频实时检测。基于视频检测的智能红绿灯控制原理如图1所示。
1.2交通信号控制参数
交通信号灯控制就是通过对红绿灯的灯顺序和持续
时间进行有效控制，使得车辆能够高效地通过交叉口，达到疏导、改善交通的目的。常用的单交叉口交通信号控制参数主要有：相位、周期、绿信比[4-5]。
（1）相位P
某一个时间段，交叉口上某一支或几支交通流具有通行权称为相位（即该方向上的信号灯为绿），一个周期内有几个信号相位，则称该系统为几相位系统。图2所示为单交叉口四相位系统。
（2）周期C
周期指信号灯的各种灯显示一个周期所需要的时间，即红、黄、绿各灯显示时间总和。
C =∑n ∈P
(t n +M )
（1）
式（1）中：n 为信号系统的相位数，n ∈P ；
t n 为某一相位的绿灯时间；M 为黄灯时间，为一固定值。
图1基于视频检测的智能红绿灯控制原理
3
总476期
2018年第26期（9月中）
（3）绿信比λ
n
绿信比指一个信号周期中各相位的绿灯时间与周期长度的比，其计算公式如下：
λ
n=t n/C（2）1.3交通信号智能控制优化目标
交通信号控制的目的就是要使单个交叉口或整个交通网络获得良好的交通通行能力，评价指标即用来评价交通信号控制系统性能好坏的标准。常用的评价指标主要有延误时间、排队长度、通行量等[4-5]。
（1）延误时间T delay
无意注意
延误时间是指车辆通过路段的实际时间与理想状况下通过该路段时间的差值，比较著名的有Webster延误公式和美国道路通行能力手册（HCM2000）中经过修订的延误计算公式。Webster延误公式由3部分组成，分别是均匀延误、随机延误以及修正部分。Webster公式如下：
T delay=c(1-λ)2
2(1-λx)+x22q(1-x)-0.65×(c q2)13×x(2+5λ)（3）式（3）中：λ是绿信比；q是当前车流量（辆/h）；x是饱和度，即当前车流量与绿灯时间内的饱和流量之比；c为周期时间。
（2）排队长度l
n
排队长度是在一个信号周期内各相位车辆排队的最长长度之和，其中同一相位的相反方向车辆排队长度取相反方向排队长度的最大值。排队长度既是该问题的输入参数，也是输出参数。作为输入参数时，可以用该系统运行时通过视频检测得到的各方向车辆排队长度来表示；作为输出参数时，可以用当前相位的平均车流量乘以该相位后
续等待（红灯）时间，排队长度l
n
的计算公式如下：
l
n=q n×C×(1-λn)（4）（3）通行量Q
通行量是指单位时间内一条道路或道路某一截面所能通过的最大车辆数，本文中通行量指一个信号周期内通过交叉口的最大车辆数，通行量Q的计算公式如下：
霍尔效应Q=∑n∈P(q n×C×λn)（5）1.4问题描述
该问题用数学语言可以描述如下：
输入参数：通过视频检测采集各相位车辆排队长度、平均车流量。
输出参数：红绿灯控制系统下一周期的周期时长、每一相位的绿灯时间。
约束条件：每一相位绿灯时间需在最大最小绿灯时间范围内，同时，周期不能超过最大周期时长。
优化目标：使交叉口车辆延误时间、排队长队最小，通过该交叉口的车辆通行量最大。
该问题求解即：给定交叉路口各相位车辆排队长队，求解一信号灯控制方案，通过实时分配信号灯周期与各相位绿灯时间，使得该路口车辆延误时间与排队长度最小、通行量最大，即：
ì
í
î
ï
ï
Min(T delay)
Min(L)
Max(Q)（6）s.t.
ì
í心境恶劣
î
ï
ï
t min≤t n≤t max
C≤C max
0≤λn<1（7）实际上，在多目标优化问题的求解过程中，各种指标之间常常存在着冲突，例如想提高
通行能力，就必须加大信号周期，但是信号周期超过最优周期，车辆延误指标就会变坏。智能红绿灯控制系统是实时对红绿灯时间进行分配，对算法运行速度具有较高要求。为了满足该问题求解的高时效性要求，本文提出基于贪婪算法的智能红绿灯控制算法来进行求解。
2基于贪婪算法的红绿灯智能控制算法
2.1贪婪算法基本思想
贪婪算法是一种解决最优化问题的近似方法[6]，在对问题求解时总是做出在当前看来是最好的选择，也就是说所做出的是在某种意义上的局部最优解。贪婪算法的关键在于贪婪准则的设定[7]，它是决策的依据和标准，即在求解的每一步依据何种标准对变量进行赋值。它无须迭代，不能保证最优，但是它的时间性能最佳，对于一些大规模的任务规划问题或涉及复杂约束的规划问题，当其他算法在有限时间内无能为力时，贪婪算法无疑是一种不错的选择。
2.2贪婪规则设计
（1）绿灯时长分配规则
根据各相位车辆排队长度与平均车流量，计算这些车
辆全部通过所需的绿灯时间t
n
，如果各相位时间之和t
c≤最大周期C max，则各相位的绿灯时间为t
n
；如果t
c
＞最大周期C max，则周期时间设为C max。根据各相位车辆排队长度按比例分配绿灯时间。
（2）最小最大绿灯时长永远的谭嗣同
为了保证车辆顺利起步、通过路口以及行人的最短通过时间、驾驶员的最大等待时间，需要设置绿灯的最短最
长时间。
图2单交叉口相位示意图
4
交通世界TRANSPOWORLD
（3）最大周期
如果信号灯周期时间太长，将严重影响驾驶员等待情绪，所以需要设置信号灯最大周期。
（4）相位跳跃
在某些非高峰时段，如果某一方向没有车流量，则可以跳过该相位的绿灯设置直接对下一相位进行判断。极端情况下，如果其他方向都没有排队车辆，只有当前方向有车辆，则设当前方向一直绿灯，同时缩短算法运行时间间隔，以一定时间步长不断检测车流量，如果检测到其他方向有排队车辆，则恢复正常运行模式，这样可以有效避免“绿灯无车红灯停”的尴尬状况。2.3算法流程
算法总体流程如图3所示。
详细描述如下：Step1：通过视频检测各方向车辆排队长队、平均车流量；
Step2：根据车辆排队长度、交叉路口车辆平均速度，计算每个方向车辆全部通过所需时间t n ；
Step3：判断t n 是否超过最大最小绿灯时间；
Step4：计算各方向所需时间之和，即周期t c ；
Step5：如果t c ＞最大周期时长C max ，则设周期为C max ，
并根据车辆排队长度按比例设置各方向的绿灯时间t n ，转Step3；
Step6：如果t c ≤最大周期时长C max ，则设周期为t c ，各
相位绿灯时间为t n ，算法结束。
3算法仿真实验
为了验证算法的有效性，基于Visual Studio 开发了演示系统，运行环境为Windows XP ，通过10组实验数据展示本算法的有效性。设交叉路口为四相位十字路口，即东西直行、东西左转、南北直行、南北左转，最大最小绿灯时间分别为120s 、15s ，最大周期为240s ，黄灯时长为固定值3s ，输入数据如表1所示。
表1输入数据（辆）
序号
123456
78
910
车辆排队长度
东西直行
67810202522354045
东西左转
55610121517222335
南北直行
01034233030303545
南北左转
0056151020222030
其中，第1~4组数据模拟路口非高峰时段，南北方向无车辆或车辆很少的情况；第10组数据中，东西直行方向车辆排队长度为45辆车，按每辆车长加前后间隔平均4.5m 计算，排队长度达到202.5m ，此时车流量已经达到饱和；其
余数据为随机生成。针对10组测试数据，分别在智能控制模式与固定控制模式下生成红绿灯控制方案，各相位详细绿灯时间与周期时间如表2所示，两种模式下通行量效果如图4所示。
表2智能控制与固定控制绿灯时间对比（s ）序号
12345678910
智能控制绿灯时间
周期376481101201223232239238239
铁
东西直行15161923475952737766
东西左转16161932394932464451
南北直行0231515547171626766
南北左转001619493265463844
固定控制绿灯时间
周期
240240240240240240240240240240
东西直行76767676767676767676
东西左转38383838383838383838
南北直行76767676767676767676
南北
左转38383838383838383838
图3算法流程
t n
t n <t min
t n >t max
t n
t n
t max
t min
t c
t c
C max
t n
t c
t n
C max
5
总476期
2018年第26期（9月中）
由图4可知，在智能控制模式下交通通行量比固定控制模式下大幅改善，特别是在前5组数据中，即车流量较小的情况下，智能控制模式下交通通行能力改善较大。在第8~10组数据中，即车流量较大的情况下，此时交叉路口各个方向都严重拥堵，智能控制模式与固定控制模式下路口通行量相当。
4结语
本文针对红绿灯智能控制问题，基于城市道路大量安装的视频监控设备，可以通过视频检测实现根据交叉口车流量实时分配红绿灯时间。通过分析交通信号控制参数、优化目标与问题描述，建立了基于视频检测的交通信号智能控制模型，采用贪婪思想、基于专家知识的贪婪规则，建立了智能红绿灯控制算法，实现了红绿灯智能控制，达
到减少车辆延误时间、排队长度，提高道路通行量，缓解道路拥堵的目的。最后，通过仿真实验验证了模型和算法
的有效性。
参考文献：
[1]刘国伟.智能红绿灯的投入能带来40倍产出——让会思
考的红绿灯统治我们[J].环境与生活，2015（6）：14-21.[2]曾恒.基于视频检测的城市道路交通拥挤状态判别方法
研究[D].重庆：重庆大学，2010.
[3]田径.基于车流量的交叉口信号灯控制系统研究[D].西
安：长安大学，2013.
[4]周孝敏.基于视频检测的智能交通控制系统的研究与设
计[D].上海：东华大学，2011.
[5]刘脐锺.基于遗传算法的智能交通信号区域协调控制研
究[D].成都：西华大学，2014.
[6]李博权，李绪志，王红飞，等.贪婪算法与动态规划结
合的任务规划方法[J].微电子学与计算机，2013，30（2）：144-147.
[7]卢盼，徐培德.基于贪婪算法成像卫星调度方法研究[J].
计算机仿真，2008，25（2）：37-40.
（编辑：唐勍勍）
智能配时固定配时
2
4
68
10
场景ID
16001400120010008006004002000
通行量
图4两种模式下通行量对比图
6
