基于轨迹数据的交叉口信号控制优化
传统的定时信号控制方法主要依赖固定检测器(如环形线圈)采集的流量数据，然而固定检测器的安装和维护成本高、覆盖范围小。随着浮动车的发展，其衍生出的轨迹数据包含更丰富的交通信息，为信号控制提供了新的数据源和思路。然而大多数相关研究均假设浮动车渗透率高或采样间隔小。本文构建了一种基于抽样轨迹数据的双层多目标定时信号控制优化框架，适用于低精度的轨迹数据。模型分别以过饱和相位数量最少和车辆平均延误最小为主要和次要目标，在未饱和及过饱和状态下同时优化周期时长与绿信比。通过同一时段内多个周期轨迹数据叠加的方法和等比例原则(SRPs)能有效解决浮动车渗透率低的问题，同时构建信号配时方案变化下的抽样轨迹演变准则，提出基于抽样轨迹密度的过饱和相位识别方法，最后建模为混合整数非线性规划(MINLP)问题。案例分析表明，相比于Synchro优化的方案，本方法能显著降低交叉口延误、提升通行能力。敏感性分析表明：本研究可以基于低采样频率(15s)和低渗透率(2％)的轨迹数据对交叉口进行配时优化。
固定信号控制 轨迹数据 混合整数非线性规划模型 低浮动车渗透率
万丽娟 俞春辉 马卓 马万经
同济大学道路与交通工程教育部重点实验室,上海201804
国内会议
长沙
中文
148-162
2021-12-08（万方平台首次上网日期，不代表论文的发表时间）