摘 要

随着经济的飞速发展，人民生活水平的不断改善，我国机动车保有量急剧增长，但是由于道路交通资源的有限性以及交通建设的周期性等原因，我国现在城市交通拥堵状况愈演愈烈，已经严重制约了城市的发展。改善交通环境，已经成为人民的迫切需求，在这种情况下，对交通资源进行合理化配置已成为迫在眉睫的任务。

本文主要解决的是信号灯优化配时问题，从滴滴数据集入手，本文从以下几个方面开展了工作。

首先，本文根据数据集进行了数据的可视化工作，对信号采集区域的路网进行了提取，以便于行车轨迹分析。

其次，本文在对车辆轨迹分析时，采用了迭代算法。主要确定了确定车辆经过的路口，并且以路口为划分点对车辆的行车轨迹进行了划分，使得行车轨迹划分成多段。根据车辆在每一段的行驶方向进而确认了车辆在经过路口时的行为。

最后，本文对单点信号灯的配时优化问题进行了研究，通过定义交通控制参数之后，建立单点信号配时优化模型，然后采用Webster的优化算法ARRB算法以及遗传算法，求解了四相位的配时优化问题。并将两种算法的结果进行了比较：其中遗传算法的配时周期较ARRB算法减少53.9%，车辆延误时间减少64.1%。

关键词：车辆轨迹，迭代算法，配时优化，遗传算法。

Abstract

With the rapid development of the economy and the continuous improvement of people's living standards, the number of motor vehicles in China has increased sharply. However, due to the limited nature of road traffic resources and the periodicity of traffic construction, the current urban traffic congestion in China has become increasingly severe and has been severely constrained. The development of the city. Improving the traffic environment has become an urgent need of the people. Under such circumstances, rational allocation of transportation resources has become an urgent task.

This paper mainly solves the problem of optimizing the timing of signal lights. Starting from the drop data set, this paper has carried out work from the following aspects.

First of all, the paper visualizes the data according to the data set, and extracts the road network of the signal acquisition area to facilitate the analysis of the driving trajectory.

Secondly, this paper uses an iterative algorithm when analyzing vehicle trajectories. The intersection of the vehicle passing through is determined, and the driving trajectory of the vehicle is divided by the intersection as the dividing point, so that the driving trajectory is divided into multiple sections. The behavior of the vehicle as it passes through the intersection is confirmed based on the direction of travel of the vehicle in each segment.

Finally, this paper studies the timing optimization problem of single-point signal light. After defining the traffic control parameters, the single-point signal timing optimization model is established. Then the Webster optimization algorithm ARRB algorithm and genetic algorithm are used to solve the four-phase matching time optimization problems. Then, the results of the two algorithms are compared: the timing of the genetic algorithm is reduced by 53.9% compared with the ARRB algorithm, and the vehicle delay time is reduced by 64.1%.

Keywords: vehicle trajectory, iterative algorithm, timing optimization, genetic algorithm

目录

摘要 I

Abstract II

1 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 2

1.3 论文研究内容 3

1.4 论文组织结构 3

1.5 本章小结 4

2 交通信号控制概论 5

2.1 平面交叉路口简介 5

2.2 交通信号灯配时优化的主要参数 5

2.2.1 相位与相序 5

2.2.2 时间参数 6

2.2.3 交通流参数 7

2.2.4 性能参数指标 7

2.3 本章小结 7

3 行车轨迹及相位分析 8

3.1 路网提取 8

3.2 行车轨迹分析 10

3.2.1 迭代算法原理 10

3.2.2 迭代算法实现的主要步骤 11

3.2.3 车辆通过路口行驶方向的确定 12

3.2.4 算法分析 12

3.3 信号灯的相位分析 13

3.4 本章小结 14

4 配时优化 15

4.1 Webster算法及其优化 15

4.1.1 Webster算法简介 15

4.1.2 Webster算法的计算公式 15

4.1.3 Webster算法的优化 16

4.2 遗传算法 16

4.2.1 遗传算法简介 16

4.2.2 遗传算法的描述 17

4.3 结果分析 18

4.4 本章小结 19

5 总结与展望 20

5.1 工作总结 20

5.2 工作展望 20

参考文献 22

致谢 23

绪论

随着我国经济的快速发展，人民生活水平的不断提高，私家车的保有量也在不断的提升。同时伴随着我国城镇化水平的不断推进，城市人口数量急剧提升，为了解决人民的出行问题，公共汽车的数量也随之不断提升。虽然在此阶段交通道路建设也在快速发展，但是由于道路交通资源的有限以及伴随着交通工具数量的急剧攀升，目前交通的拥堵状况愈演愈烈，已经逐渐成为社会发展的顽疾。因此如何能有效的调节时空资源是得其与交通需求相匹配显得越发的重要。科学研究表明，对道路采取合理的控制方式对缓解交通压力，减少交通拥堵，提高路网的通行能力有着极大的帮助。

研究背景及意义

在二十一世纪的今天，城市交通已经成为了城市经济和社会发展的关键命脉，而城市交通设施是城市基础设施的重要组成部分。随着我国国民经济的高速发展和城市化进程的加快，目前机动车的保有量和道路交通量急剧增加，城市交通建设远远跟不上交通需求的增长速度，城市交通供需不平衡的矛盾越来越尖锐。这种矛盾导致城市的交通问题日益严重。

据我国相关部门数据统计：截止2018年，我国汽车保有量增加2285万辆、达到2.4亿辆，驾驶人增加2455万人、达到4.09亿人，道路通车里程新增8.6万公里、达到486万公里的情况。全国道路交通事故死亡人数比2017年减少578人，下降0.9%。特别是一次死亡10人以上重大事故降至5起，同比减少4起、下降44.4%^[1]。机动车保有量的增加，给城市交通带来的巨大的负担，不仅使得交通延误增大，直接提升了居民的通勤成本，同时也造成汽车的行车速度降低，增加耗油量，导致燃料费用的增加，而且汽车排放的污染物以及交通噪音造成的影响也越来越大^[2]。我们不得不重视交通带来的社会问题。

目前在我国，为了缓解城市交通问题，各个城市都在不断的扩大对交通设施的投入，但是受限于城市用地的严重不足、城市规划、当前城市对交通需求量的快速增长等问题，目前没有有效的缓解道路交通问题。通过对城市道路交通拥堵现象的分析，我们可以了解到目前城市道路拥挤问题大致类似，主要为车辆在某些交叉口或者某一路段的超过正常通过时间的滞留。

通过对发展中国家的城市交通问题的调查研究报告表明：发展中国家的城市机动车保有量远小于发达国家，但是交通拥挤程度却更加严重。发展中国家的交通问题主要原因使：对交通道路的不合理管理造成了道路使用效率维持在一个较低水平，大大降低了道路的通行能力。当前，我国城市的交通通行效率也有很大的提升空间，对道路的交通管理进行优化可以极大的提升城市道路的通行能力，目前主要体现在对道路交叉口信号的控制进行优化。主要表现为：对信号周期进行优化、对信号相位进行优化。

国内外研究现状

在国外，很早就有相关学者注意到了交通信号方面的问题并进行了深入的研究。根据英国学者韦伯斯特和柯布的相关文献记载，早在19世纪，那时起人们已经开始用信号灯智慧道路上的车辆交通，控制车辆出入交叉口。到二十世纪初在美国的纽约和芝加哥的街头出现了三色信号灯。1926年，在英国的沃尔佛汉普顿安装了第一座自动交通信号灯，成为了城市交通自动控制的起点。随着世界上第一台计算机在美国的诞生，世界各国开始研究将电子计算机应用于信号协调控制系统。 1963年，在加拿大多伦多市简历的由IBM 650型计算机控制的区域交通信号协调控制系统（UTC）成为了交通信号控制技术发展的新的里程碑^[3]。

随着交通控制技术的发展，1968年英国学者提出基于静态控制的TRANYT系统，目前已经成为当今世界上应用最广泛的信号配时优化设计程序。但是随着交通网络的发展，该系统的不足之处更加突出：该系统的优化问题实际上是一个非凸的数学规划问题，对于如何找出全局最优解，仍有待研究；未能对周期长度进行优化，难以获得整体最优的配时方案。

在TRANSYT系统的基础上，英国学者提出了基于实时交通数据进行预测的SCOOT系统，根据路网上的世纪交通状况，利用在线计算机不断调整配时方案的基本参数，改善路网的通行能力。此外在二十世纪七十年代，由澳洲新南威尔士道路交通局研制的SCATS系统开始应用于悉尼市，该方案充分体现了计算机网络的突出技术，控制方案易变化，而且能实现区域联合控制。

二十世纪八十年代开始，交通系统的理论和技术的迅猛发展，对交通优化的研究更加偏重于智能交通：即信号控制系统能具有良好的适应性，能够针对实时的交通情况进行信号优化，相关研究人员在非参数化优化控制模型的基础上研发了OPAC系统。1992年，Foy等学者提出了基于遗传算法的配时算法^[4]。1999年，Kim针对车流量的变化进行研究，提出了一种基于分级的城市道路交叉口模糊控制方法^[5]。2001年，随着神经网络算法的发展，相关学者在模糊控制的基础上进行改进，提出了模糊控制神经网络算法。2007年，Ghassan等人提出了针对拥挤状态下的交通信号控制方法。2017年，出现了利用交通流量守恒定律来计算交叉路口的最佳信号灯配时的思想^[6]。

我国在交通技术方面的研究和应用方面起步较晚，直到上世纪八十年代，北京才引进了TRANSYT和SCOOT系统，广州和上海引进了SCATS系统。北京上海等地的交通控制系统的建立对于我国其他大中城市的交通控制技术的发展起到了很好的示范和促进作用。到上世纪九十年代我国省会一级的城市基本都引进了交通控制系统。

在交通控制技术的研究方面，我国学者在研究学习国外的先进技术的同时，也在不断的进行自主研究，并取得了很多的成果。1992年，我国学者徐冬玲在感应控制思想基础上建立了一个单交叉路口模糊神经控制网络方案^[7]。1998年，陈森发等人创新的提出了关键车流和非关键车流的感念，并且研究了非关键车流和关键车流对信号控制的影响^[8]。在此基础上并对Pappies提出的算法进行优化。1999年，朱劲等学者对多相位单交叉路口交通指挥决策过程进行研究，通过研究队长，进而综合分析相邻相位车道的排队长度^[9]。2001年，史忠科等学者针对交叉口车辆滞留情况进行研究，提出了基于遗传算法的城市道路交叉口信号配时模型^[10]。2006年，赵国永等人提出了一种干道信号协调控制方案，用于决策协调但愿采取相应的控制策略。2018年，为了实现交通信号灯的优化控制，闫东宇等人成功将模糊控制技术与摄像传感技术相结合。

论文研究内容

本文研究主要有以下几个阶段：确定选题，确定研究方案，具体的研究过程，结果分析。