论文部分内容阅读
当今社会,交通拥堵的问题随着经济的快速发展与城市化进程的加快愈演愈烈。因此针对智能交通信号协调控制的研究已成为当前优化交通路网运行效率的重要方式。由于城市交通路网结构与路网中交通流往往十分复杂,本文针对已有区域交通路网子区划分方法的不足,提出一种实时合理的动态划分方法,并依据所划分的控制子区,建立一种改进的信号配时策略,最后为了优化不同子区间的协调控制,构建了一种区域交通路网整体协调双层规划模型,以实现路网的整体协调运行。主要研究内容如下:首先,针对区域路网复杂度高、现有子区动态划分方法的不足,以优化区域交通协调控制为目标,提出一种融合了改进关联度与Newman算法的区域路网动态划分方法。先是综合分析了车队离散性和车流密度两种因素,提出一种改进关联度模型;然后以模块度Q为划分标准,将交叉口关联度作为边权,改进传统的无权社团凝聚算法,使其能够依据交通流特性将路网动态划分为不同子区。仿真实验结果表明,所提出的改进划分方法能够有效结合实际交通流特性,对路网子区进行更加准确的实时动态划分。其次,针对所划分的子区路网中交通流的动态特点及已有延误模型的不足,提出一种改进的交叉口信号配时策略。首先对已有的车辆平均延误模型进行改进,通过分析下游交叉口不同信号相位对上游交叉口驶出车流的影响以及相位结束时排队车辆对相位差的影响,进一步推导出下游交叉口在不同交通流状况下的车辆延误计算方式;其次采用图卷积神经网络对下游交叉口内各入口车道在不同相位内所累积的排队流量进行预测,有效预判了不同道路相位结束时刻排队车流的趋势,进而建立一种基于排队车流预测延误模型的交叉口信号配时策略,并采用遗传算法进行优化求解;最后选取某个划分的子区进行仿真试验,实验结果证明,所采用的GCN(Graph Convolutional Network)预测模型具有较好的预测效果,所提出的信号配时策略能够依据不同的交通流状况给出最优配时方案,有效提高了子区交通运行效率。最后,针对所划分的各子区间的协调控制,分别以区域路网整体通行能力最大为上层函数优化目标,以区域路网中各交叉口各入口车道车辆平均延误最小为下层函数优化目标,建立区域交通路网协调双层规划模型,并采用遗传模拟退火算法进行优化求解。在该双层规划模型中,上层模型优化出各子区最佳公共周期时长,下层模型优化出区域路网中各交叉口的最佳绿灯时长与相邻交叉口相位差。选取了实际区域交通路网进行仿真对比,实验证明,本文所提出的基于动态路网划分的区域交通协调优化控制模型能够有效降低区域车流平均延误时间,提升交通路网运行效率,缓解交通拥堵问题。