浮动车数据在信号控制上的应用研究

浮动车数据在信号控制上的应用研究

现有的信号控制系统往往是在进口道埋设检测器，以检测进口道的交通运行情况，然而这种检测方式仅能检测道路断面的交通流信息，检测参数及覆盖范围均有限，这在实际应用中将存在着以下的问题：

1.信号控制问题难以发现

现有的进口道定点检测方式能检测车流量、车头时距等参数，但却无法反映进口道的交通拥堵情况，因而导致了信号控制系统战略误判，缓解交通拥堵效果有限。现有的这些信号不合理问题一般是通过巡查或者群众、媒体反馈发现，发现问题较为被动、滞后，且很难覆盖到整个控制区域。

2.绿波协调速度难以精细化设计

在对路段进行协调设计时，往往是通过跟车的方式对速度进行估算，但由于是单车、样本量较小，速度值存在较大的误差；另外，对各个时段各个路段间的速度也很难做到精细化设计，从而使得绿波协调控制效果大打折扣。

3.优化效果难以定量化评估

在对路口的信号控制方案进行优化调整后，利用现有的检测数据无法反映排队车辆的减少、车辆通过路口的延误下降等，优化效果难以定量化评估。一般情况下是通过人工调查的方式对进口道的排队车辆和延误进行估算，但这种方式耗时耗力，且误差较大，不利于长期有效运行。

借助移动互联网时代下的浮动车数据，可以有效地解决上述问题，如提高发现信号控制问题的准确率、定量化评估信号控制效果、精细化优化绿波带速度等，下面将针对浮动车数据在路口及路段上的应用分别进行探讨。

1.发现路口信号控制问题

通过浮动车实时上传的速度数据，可以获得交叉口各个进口道的速度数据，通过研判可了解进口道的交通运行情况。当路口某一进口道速度低（红）、其它进口道速度较高时（绿、黄）时，可发现进口道的放行时间不足，需增加进口道的放行时间；当路口的某一出口道拥堵时，说明是上游路口该方向放行时间不足，即将影响到下游路口，需对上游路口的放行时间进行优化；当拥堵蔓延到某一方向的进出口道时，说明存在排队溢出现象，此时需对上游路口控流、下游路口进行疏导。通过对浮动车数据的计算和分析，可以获知信号控制上存在各种问题，有利于对信号控制方案进一步优化。

2.定量化评价信号控制效果

通过对交叉口的范围进行界定，分别记录浮动车辆进入路口以及驶离路口的时间点，可获得车辆通过路口的行程时间，以夜间浮动车辆通过路口的行程时间作为自由流下时间，将通过路口的正常行程时间减去自由流下的行程时间可估算为路口的控制延误，定量化说明路口的控制效果。

这种延误计算方法的精确度与通过路口的样本量有一定的关系，利用VISSIM仿真软件模拟不同的浮动车比例下的延误与路口的实际延误的误差散点关系如下图所示，通过图可知，在浮动车比例>20%的情况下，通过浮动车计算的延误值与实际的延误值误差在10%以内，可见，利用这种方法估算得到路口的控制延误。

1.精细化设计绿波协调控制速度

实际道路中，受路段长度、车辆数以及道路结构等多种因素的影响，各个路段在不同的时段均有不同的速度。在没有浮动车数据时，通过跟车调查获得各个时段各个路段的精细化速度很耗时耗力，故往往路段采用全天同一个速度来设计绿路，这使得绿波协调没有发挥最佳的效果。在有浮动车数据的基础上，可以快速地分析出各个路段各个时段的速度，并根据这些速度来优化协调相位差，将可以大大地提升协调控制效果。

2.定量化评价绿波协调效果

在常规的路段信号协调设计优化后，通常会在该路段上多次跟车收集路段车流的行程速度、行程时间和停车次数，但受限于样本量，数据有一定的随机性，可信度低。利用浮动车数据，可以快速地统计通过协调路段的浮动车数据，包括通过的路段的行程时间和速度，通过优化前后的数据对比，即可明显地反映绿波协调的控制效果优劣。在停车次数上，可考虑给车辆定义一个类似于停车的速度阀值，当某一时间间隔车辆的速度低于该阀值时，则认为车辆处于停车次数，依此，也能大致估算得到协调控制的停车次数。

某交叉口是主干路上的重要交通节点，全天交通流量较大，其中早高峰结束后东进口道交通量有明显增加。通过高德地图对交叉口进行观测发现东进口道经常出现交通拥堵，而南北方向的交通运行情况较好，进一步对东进口道所在路段的拥堵指数分析发现该路段在9:00—13:00、15:00—20:00的拥堵指数较高，交通拥堵严重，而相交路段全天的拥堵指数基本没有变化，交通运行情况较好。

发现该问题后经研究，采取以下优化措施：在拥堵时段（9:00—13:00、15:00—20:00）设定预案优先东进口道放行（绿灯放行时间由62 s提升至70 s）、在一个周期里分两次放行东进口相位（A相位、D相位）以提高绿灯的利用率。

利用高德优化前两周及优化后两周工作日东进口道的路段数据进行对比分析，数据表明：优化后东进口路段9:00—13:00拥堵指数下降了26.88%，15:00—20:00拥堵指数下降了13.52%，交通改善效果明显，而南北方向的交通运行情况基本没有变化。

信号优化是日常交通管理工作的重中之重，也是最需要交通专业知识的技术工作，通过本文研究得出以下的结论：1）传统信号优化工作由于缺乏足够的数据支持，只能依靠少量信息进行经验式决策，导致信号问题难以主动发现、优化效果难以评估、工作效率低下等问题；2）通过引入浮动车数据资源可以解决传统信号优化工作中的技术瓶颈问题，有效辅助信号优化工作，提高控制方案与交通流的适配水平，同时利用数据可以客观评估信号优化效果。