Adaptive signal control and coordination for urban traffic control in a connected vehicle environment: A review

Existing signal control systems for urban traffic are usually based on traffic flow data from fixed location detectors.Because of rapid advances in emerging vehicular communication,connected vehicle(CV)-based signal control demonstrates significant improvements over existing conventional signal control systems.Though various CV-based signal control systems have been investigated in the past decades,these approaches still have many issues and drawbacks to overcome.We summarize typical components and structures of these existing CV-based urban traffic signal control systems and digest several important issues from the summarized vital concepts.Last,future research directions are discussed with some suggestions.We hope this survey can facilitate the connected and automated vehicle and transportation research community to efficiently approach next-generation urban traffic signal control methods and systems.

Traffic Signals Control with Adaptive Fuzzy Controller in Urban Road Network

An adaptive fuzzy logic controller (AFC) is presented for the signal control of the urban traffic network. The AFC is composed of the signal control system-oriented control level and the signal controller-oriented fuzzy rules regulation level. The control level decides the signal timings in an intersection with a fuzzy logic controller. The regulation level optimizes the fuzzy rules by the Adaptive Rule Module in AFC according to both the system performance index in current control period and the traffic flows in the last one. Consequently the system performances are improved. A weight coefficient controller (WCC) is also developed to describe the interactions of traffic flow among the adjacent intersections. So the AFC combined with the WCC can be applied in a road network for signal timings. Simulations of the AFC on a real traffic scenario have been conducted. Simulation results indicate that the adaptive controller for traffic control shows better performance than the actuated one.

Evolvement regularity of signal control parameters of urban road in cold region

In snow-icy road environment, the survey data indicate that the largest decrease in traffic flow running characters occurs when snow and ice begin to accumulate on the road surface. Saturation flow is decreased by 16%, speed is decreased by 30%, and start-up lost time is increased by 27%. Based on the signal control theory of HCM and Webster, the character values of traffic flow in different urban road environments were investigated, and the evolvement regularity of signal control parameters such as cycle, split, green time, offset, yellow time and red time in snow-icy road environment was analyzed. The impact factors and the changes in the scope of signal control parameters were achieved. Simulation results and practical application show that the signal control plan of road environment without snow and ice will increase the vehicle delay, stop length and traffic congestion in snow-icy road environment. Thus, the traffic signal control system should address a suitable signal control plan based on different road environments.

城市干线信号控制策略综合评估体系

城市干线信号交叉口是路网交通流汇合和分离的节点,是保障城市交通顺畅通行的关键所在。面对信号控制策略评估方法单一的问题,构建了一种面向交通效率、交通安全和交通环境的综合指标体系,并利用组合赋权-模糊综合评价(fuzzy comprehensive evaluation,FCE)模型对城市干线信号控制方案展开综合评估。最后以太原市兴华街干线的三种信控方案为例,借助VISSIM软件和间接安全模型,获取所需的评价指标值,计算综合得分。结果表明,在城市干线中使用信号联控方案最优,能有效提高干线的综合水平,其评估结果与实际结果较为一致,验证了评估体系的有效性。研究结果为城市干线信号系统的规划与管理提供了理论依据与技术支撑。

基于模型偏差学习的交通信号自适应优化方法

城市交通信号配时优化是保证交通系统整体运行效率的前提条件。传统基于模型的信号控制方法往往基于历史统计数据,并且底层交通流模型不可避免地存在模型偏差,影响控制方案的科学性及其实际应用效果。考虑模型与数据融合驱动,提出一种基于模型偏差学习的交通信号控制自适应优化方法,以最小化路网行程时间为目标,建立信号控制最优化模型。首先,针对交通流预测模型的模型偏差,引入偏差函数表示预测模型与实际交通流状态间的误差;其次,建立基于径向基函数(RBF)神经网络的偏差函数,结合实际交通流数据对模型偏差进行学习,提高偏差函数的拟合效果;在此基础上,提出考虑模型偏差信息的自适应优化方法,以提高信号控制方法的控制性能。以小型测试路网与实际路网为例进行算例分析,基于SUMO仿真对本文提出的模型偏差学习方法进行验证,考虑不同交通流量条件,与固定配时、模型预测控制进行比较,分析其控制性能指标。结果表明,模型与数据融合驱动的信号控制自适应优化方法能有效提高预测模型的准确性,降低路网行程时间,与基于模型的控制和模型预测控制方法相比路网累积行程时间平均减少了38.3%和25.6%,提升了路网的实际运行效果。最后在宣城实际路网的仿真验证了方法的有效性。

基于深度学习的交通信号灯实时决策研究

为有效缓解城市交通压力,提升交通信号控制的智慧化水平,提出一种基于图像识别并融合深度学习的多交叉口交通信号灯实时决策模型方法。采用图像识别的方法判别拥堵状态,搭建区域多交叉口交通信号灯实时决策模型,以总调度期内通行评分最高为目标函数构建深度学习网络;采用机器学习思想优化决策方案,通过预训练增加决策方案容量并缩短现场决策时间,达到实时决策的目的;将研究模型应用于湖北省武汉市武昌区中山路路段,并进行模型论证和结果分析。研究结果表明,所提出的模型方法能有效解决区域多交叉口交通信号灯联合调度问题,可为交通管理者提供更合理的决策方案。

城市轨道交通信号配时自动控制方法分析

阐述城市轨道交通信号配时自动控制设计方案,包括设计交通信号配时参数、交通信号配时自动控制算法。实验分析表明,车辆平均延误时间显著减少,能够在较短时间内完成信号配时控制。

基于积水高度的下凹桥区交通信号实时控制仿真模拟

针对目前各大城市下凹桥区降雨积水情态与交通管控无法联动,且下凹桥区降雨积水时交通安全及应急处理处置缺失的问题,系统地解析下凹桥区降雨积水水位感知、安全警示标识和交通信号管控的具体形式,确定下凹桥区周边交通路口相位信号配时的调控模式,进而建立基于积水高度的下凹桥区交通实时控制系统,并采用交通仿真测试环境模拟评估下凹桥区周边交叉口相位信号配时优化方案在不同积水高度条件下的适应性和改善效果。结果表明:降雨天气将增加下凹桥区周边交叉口整体的延误和排队长度,而相位信号配时优化能有效提高下凹桥区周边交叉口的车辆通行能力,提升交叉口整体服务水平,降低降雨天气对交叉口交通带来的不利影响。

Urban Intersection Traffic Signal Control Based on Fuzzy Logic

This paper presents a fuzzy logic adaptive traffic signal control method for an isolated four-approach intersection with through and left-turning movements. In the proposed method, the fuzzy logic controller can make adjustments to signal timing in response to observed changes. The 'urgency degree' term that can describe different user's demands for a green light is used in the fuzzy logic decision-making. In addition, a three-level fuzzy controller model decides whether to extend or terminate the current signal phase and the sequence of phases. Simulation results show that the fuzzy controller can adjust its signal timing in response to changing traffic conditions on a real-time basis and that the proposed fuzzy logic controller leads to less vehicle delays and a lower percentage of stopped vehicles.

信号预控下动态公交专用道策略

针对高峰时期公交专用道利用率较低的问题,提出一种基于信号预控的动态公交专用道策略,提升道路资源时空利用。在保证公交优先基础上对交通流构成比例进行影响分析,确定了APL、IBL和DBL三种常用车道控制模式适用范围;以路段人均时耗最小为目标函数,建立动态公交专用道规划模型,确定了各车道模式临界流量值;考虑交叉口信号差异下车道排队消散时长不同,构建基于信号预控下路段清空条件,实现公交专用道提前预控,建立了信号预控下动态公交专用道控制流程。以重庆市某段路为案例,选取全时段普通混合车道(all purpose lane,APL)、间歇式公交专用道(intermittent bus lane,IBL)和完全式公交专用道(dedicated bus lane,DBL)为参照,分别对实验路段和公交专用道进行评价分析。结果表明:本文动态公交专用道策略能够提高公交专用车道资源利用率,有效缓解公交优先和路段整体交通效率之间的矛盾。

考虑车队离散的路段行人过街感应式信号控制方法

为了在保证路段行人过街安全与过街需求的前提下,同时提升路段车辆运行效率,充分考虑了车队离散到达与路段行人过街的动态影响,建立了路段行人过街感应式信号控制方法。首先,基于Robertson车队离散模型,以车头时距对上游到达车队进行动态划分,并根据路段行人过街点位预测下游车辆排队状态;以车队离散度选择下游到达车队中车辆作为信号优化输入参数建立感应控制方法,同时分析了路段行人过街位置对配时方案的影响;然后,通过SUMO软件的交通控制接口(traffic control interface,TraCI)搭建仿真环境,以车辆与行人的综合平均延误,分别对路段单向与双向交通环境的信号配时方案进行仿真验证与对比分析。结果表明,相比传统感应控制而言,优化后的感应控制在单向交通与双向交通情况下,行人与车辆综合平均延误分别降低5.56%、7.06%。

交通分配与信号控制组合优化研究综述

众多研究表明交通信号控制与车辆路径选择相互影响,信号配时影响车辆的路径选择行为,进而影响路网的交通流量分布,故需要根据流量情况设置信号配时方案以提升路网整体性能。本文聚焦交通分配与信号控制的组合优化研究,分析了交通分配和信号控制的关联机制以及应用于组合优化问题的经典原理和策略;归纳了组合优化问题的研究要素,并基于博弈论将组合优化问题分为迭代优化问题(纳什古诺博弈)、系统优化问题(垄断博弈)和混合优化问题(主从博弈)。迭代优化策略将交通控制与分配看作同一层次上两个互相关联的问题,迭代求解这两个问题,以期获得信号配时和交通流量分布相互一致的解决方案;系统优化策略是一种系统最优控制,交通管理者同时优化控制方案和交通流量;混合优化策略在考虑用户路径选择的前提下,以控制参数为决策变量,构建并求解组合优化模型。对三类优化问题的相关研究进展进行了归纳和综述,并分析其特征及优缺点。建议未来从以下方向进行优化:将传统的组合优化问题扩展至智能网联环境下信号控制与路径诱导的协同控制;考虑控制策略对于OD需求的影响,并扩展出行行为因素,将出行模式、离开时间等参数纳入决策变量;可依据路径选择倾向、旅行成本感知情况等标准进行车辆分类,提高控制策略的鲁棒性;采用合适的城市路网交通模型,更加详细地描述微观交通现象,精确地计算交叉口及路段延误;开发和优化求解组合问题的算法,提升算法的计算效率、适用规模以及理论特性(例如最优性、收敛性),采用并行计算、多线程计算等手段提升计算效率;最后,在交通描述精确性、信号控制方案灵活性和全面性以及算法求解效率等多个要素之间进行平衡。

城市交通信号优化控制平台设计与应用

为缓解城市交通拥堵,提升居民出行体验,设计并实现了基于微服务模式的城市交通信号优化控制平台。平台业务架构分为数据接口、信息处理、控制优化和业务应用4个层次,技术架构包含资源管理、数据管理和服务管理3个部分,以实时交通感知数据为支撑,采用方案知识库和方案生成器综合调度的场景驱动信号优化控制技术,实现全天候自动调度、多场景自动切换的城市全域智能信号控制。某市的应用案例实施效果表明:城市交通信号优化控制平台能够提升相关区域城市交通管理与信息服务水平,有效缓解城市交通拥堵,实现人机协同的交通信号闭环优化目标。

基于异步优势强化学习的交通信号控制策略

为解决交通信号控制中的信号灯配时调度不合理、路口拥堵等问题,提出一种基于行动者-评论家算法的城市智能交通控制算法。该算法是一种基于异步优势的算法,可对交通状态特征进行抽象表征,并以多线程并行实现对交通状态的精确感知。该算法还参考了强化学习算法,能在最短时间内不断迭代优化其内部参数,得到交通信号控制的最优方案。为验证该算法的有效性,采用交通仿真软件SUMO,对该算法和其他3种典型的交通信号控制算法进行模拟仿真,并对仿真结果进行比较和分析。研究结果表明:与这3类典型算法中效果最好的Qlearning算法相比,该算法的交叉口车辆平均延误时间减少了14.1%,平均队列长度缩短了13.1%,平均等待时间减少了13.5%。该交通信号控制算法能有效地改善城市道路拥堵,提高道路交叉口的通行效率。

面向城市交通事故的多节点自组织信号控制优化

城市道路发生交通事故后,事故区会形成通行瓶颈,若上游汇入事故区的车流不加以管控,则会导致车流在瓶颈区形成排队,甚至造成排队溢流、拥挤扩散.针对此问题,本文在获取事故路段通行能力和上游交叉口车辆流量流向的基础上,基于交通流均衡原理,构建事故点上游多节点交叉口分级截流的信号控制优化模型,以限制上游汇入事故点的交通量,同时在模型中考虑上游截流交叉口进口道的饱和度、排队长度、截流时长和主要截流路线,防止拥堵转移并减小调控交叉口的范围.案例仿真表明:该模型能够有效抑制事故点的排队长度,避免拥堵扩散,使路网平均车速提升20.54%,平均单车延误降低24.83%,且不会对周边路网造成较大负担.研究成果可为交通事故拥堵治理提供决策依据和方法参考.

城市交通状态感知与信号控制一体化融合应用研究

为了有效缓解日益严重的城市交通拥堵,提升交通信号智能化、精细化控制水平,首先回顾了城市交通状态感知和信号控制技术的发展,分析了在应用上存在的问题,阐述了城市交通信号智能化控制所面临的挑战,从多维度交通状态感知、信号智能化控制两者的闭环控制关系角度进行了城市交通状态感知和信号控制一体化融合方案的分析研究。通过实地应用验证:交通状态感知与信号控制一体化融合应用能够真正做到交通流可见、交通状态可认知、智能化控制可实施、控制效果可评判的闭环信号智能化控制,有效提升了城市信号交叉口在实时优化、溢出控制、可变车道控制以及干线动态协调控制等智能化控制下的通行效率。

基于慢行交通的交叉口信号配时多目标优化模型

城市道路交叉口各交通方式构成比例不同,对控制方案需求不一.针对各种交通方式混行的信号控制交叉口,考虑道路使用率、出行者时间效率以及环境效益之间的协调关系,结合多目标规划模型的思想,以通行能力最大、车辆停车率及出行者平均延误最小为目标,以饱和度为约束条件,建立交叉口信号配时多目标优化模型.根据不同交通状态下,各交通方式混合比例确定各性能指标的重要程度,最后运用遗传算法进行求解.计算结果表明,配时参数多目标优化模型在综合性能指标下优于Webster算法,而且能较好地适应各交通状态的变化,使快、慢行交通协调运行.

基于免疫遗传算法的区域交通自适应协调控制

提出一种基于改进免疫遗传算法的城市区域交通自适应协调控制方法．采用两层的递阶分布式结构；分阶段和分级优化控制参数（周期、相位差和绿信比），每个阶段长5-30分钟，周期、相位差由区域控制级每个阶段优化一次，绿信比由路口控制级每个周期优化一次；采用最小化平均延误时间或平均停车次数等为性能指标．周期、相位差和绿信比均采用改进的免疫遗传算法进行优化．仿真结果表明本文提出的方法是可行而有效的．

基于模糊逻辑的路口交通信号控制

城市交通控制(UTC)是智能交通系统中非常重要的组成部分。在一些复杂的交通情况下，使用传统的控制方法进行交通信号控制的效果并不好。由于模糊逻辑能够较好地描述复杂系统的定性模型，因此它非常适合对路口交通信号灯进行控制。该文给出了一种采用模糊逻辑进行路口信号灯控制的方法。通过从路口检测器获取车辆信息，模糊规则对信号灯进行优化控制。通过仿真模拟，给出了实验结果。

基于遗传算法的交通信号多层模糊控制模型研究

针对城市交通信号控制问题,提出了一种基于交通需求强度的单路口多层模糊控制模型,第一层用来判断路口的交通需求强度;第二层为相位优化层,主要完成相位优化功能;第三层为绿灯时间优化层,用来确定各个相位的有效绿灯时间.针对模糊控制模型中隶属度函数优化的问题提出了利用遗传算法进行模糊控制模型中隶属度函数的优化模型,确定了遗传算法各类参数的计算方法.通过与普通多层模糊控制模型仿真的比较,结果表明本文提出的基于遗传算法的多层模糊控制模型具有较好的控制效果.