CN105225503A - 交通控制子区优化与自适应调整方法 - Google Patents

Abstract

本发明公开了一种交通控制子区划分优化与自适应调整方法，基于静态的道路等级及动态的实时交通流进行交通控制子区划分，依据饱和度指标确定需要进行信号灯联动管控及人工干预的交通控制子区，并对交通控制小区进行自动更新。本发明综合道路等级及实时交通流对交通子区进行静态及动态划分，有效提高子区划分效率；依据饱和度确定不同类型交通控制子区，有利于构建合理的信号灯联动管控方案及人工干预方案；依据实时交通流变化，针对若干发生改变的交通控制小区进行重新划分，避免了全路网重新划分产生的冗余计算。

Description

交通控制子区优化与自适应调整方法

技术领域

本发明涉及城市交通控制子区划分方法，尤其涉及一种结合道路等级及实时交通流的交通控制子区划分及区域自适应调整方法。

背景技术

子区划分是进行区域协调信号控制以及确定合理交通管控措施和范围的前提。它将庞大、复杂的路网按照一定的原则和方法划分成若干个评价子区，从而获得子区中交通供给与交通需求的关系，进而确定不同交通控制小区的信号协调控制策略或交通管控措施等。

目前已有的子区划分研究中，主要有静态及动态划分两种方法。静态划分由于不能及时根据实时交通情况进行合理调整，正逐渐向基于实时交通流的动态交通控制小区划分转换，但是动态交通小区划分计算效率往往难以满足现实需求。如何将静态划分与动态划分相结合，提高子区划分的实时性并提高效率是一个值得突破的方向。同时，不同道路等级由于道路结构、车流特性的不同，一般而言，相同或相邻道路等级的道路关联性更强。但是较少有研究将道路等级纳入交通控制小区划分的考虑中去。另外，信号控制子区划分问题是一个动态问题，城市路网中的交通流变化有很强的时段特性，会使原有信号控制子区不能很好地支持协调信号控制，当信号控制子区不再符合划分原则时，需要根据交通流的实时变化情况对控制子区进行动态调整。现有的信号灯动态调整多为人工确定某一时间间隔，统一重新计算划分，但是由于部分交通控制小区受时间干扰不强，并不需要划分，导致了冗余计算。

发明内容

为克服上述现有技术的不足，本发明提供一种交通控制子区优化与自适应调整方法，用于提高子网划分效率、准确性及实时性，更好地针对不同地交通控制小区类型采取不同的交通疏导策略。

本发明是对“基于实时交通流的交通小区划分、交通控制小区的实时更新”进行了***的整合，并提出在动态划分交通控制小区之前，首先基于道路等级对信号灯交叉口进行静态交通小区划分的方法，并根据动态交通控制小区的交通流实时变化，有针对性地对局部信号灯交叉口进行重新更新划分。

为了实现上述目的，本发明提出一种交通控制子区优化与自适应调整方法，包括以下步骤：

S1.构建路网及交通流数据库，明确路网拓扑关系及道路等级；

S2.根据路网拓扑关系及道路等级，对信号灯交叉口类型进行初步划分，计算两两信号灯交叉口之间的物理相似度，依据物理相似度将信号灯交叉口划分为一个或多个静态交通控制小区；

S3.以步骤S2得到的静态交通控制小区为基准，结合实时交通流，进一步计算两两信号灯交叉口之间的交通流关联度，依据交通流关联度将每个静态交通控制子区划分成多个动态交通控制子区；

S4.计算各信号灯交叉口当前时段饱和度，在此基础上，计算各动态交通控制子区在当前时段的饱和度；根据动态交通控制子区饱和度将动态交通控制小区划分为车流畅行小区、信号灯协同控制小区以及多方协同控制小区三种类型；

S5.判断当前时刻距上次动态交通控制子区调整的时刻是否达到预设的时间，未达到时维持原有动态交通控制小区划分方案不变，达到时则重新计算各动态交通控制小区信号灯交叉口饱和度，并依据各动态交通控制小区信号灯交叉口饱和度对小区类型进行划分；若满足以下两个条件之一，则对发生变化的动态交通控制小区所在的静态交通控制小区进行重新划分：(1)存在动态交通控制小区类型发生变化；(2)存在动态交通控制小区内饱和度最大值所对应的信号灯交叉口发生变化。

与现有技术相比，本发明的有益效果是：综合考虑道路等级及实时交通流对交通子区进行静态及动态划分，有效提高子区划分效率；依据饱和度确定不同类型交通控制子区，有利于构建合理的信号灯联动管控方案及人工干预方案；依据实时交通流变化，针对若干发生改变的交通控制小区进行重新划分，避免了全路网重新划分产生的冗余计算。方法克服了原有交通控制子区划分静态与动态子区划分结合不足、控制子区交通方案针对性不强、计算效率偏低以及自适应能力不足等问题。

附图说明

图1为本发明方法的流程图。

图2为六种类型信号灯交叉口示意图。

图3为基于道路等级的静态交通控制小区划分流程图。

图4为基于实时交通流的动态交通控制小区划分流程图。

图5为基于信号灯交叉口饱和度的交通控制小区分类流程图。

图6为交通控制小区实时调整流程图。

图7为路网示意图。

具体实施方式

下面结合附图对本发明进一步说明。

本发明的技术流程如附图1所示，包括数据库构建、基于道路等级的静态交通控制小区划分、基于实时交通流的动态交通控制小区划分、基于信号灯交叉口饱和度的信号灯交通控制小区分类、交通控制小区自适应调整五个步骤。

1.1数据库构建：

构建路网及交通流数据库，明确路网拓扑关系及道路等级；路网拓扑关系主要表现为信号灯交叉口之间的邻接关系，道路等级分为城市主干道、城市次干道、城市支路三大类。

1.2基于道路等级的静态交通控制小区划分：

1)用G＝(V,E)表示道路网，其中V＝{v₁,v₂,…,v_n}，v_i表示第i个信号控制信号灯交叉口，V是网络中所有信号控制信号灯交叉口集合；E＝{e₁₂,e₂₃,…,e_ij}，e_ij表示连接信号控制信号灯交叉口i和j间的路段，其权重w_ij表示信号灯交叉口i与j的关联性，E为网络中所有路段的集合。

根据道路等级不同，将信号灯交叉口分为主干道与主干道、主干道与次干道、主干道与支路、次干道与次干道、次干道与支路、支路与支路六种类型；并对六类信号灯交叉口类型分别赋值：

R_i＝θ，1≤θ≤6，θ∈n

其中，R_i＝1为主干道与主干道类型信号灯交叉口，R_i＝2为主干道与次干道类型信号灯交叉口，R_i＝3为主干道与支路类型信号灯交叉口，R_i＝4为次干道与次干道类型信号灯交叉口，R_i＝5为次干道与支路类型信号灯交叉口，R_i＝6为支路与支路类型信号灯交叉口；

令路网G中相邻连通信号灯交叉口之间的物理相似度为w_(i,j)表示信号灯交叉口i与j的关联性，R_i、R_j分别为信号灯交叉口i、j的类型值，d_ij表示信号灯交叉口i与信号灯交叉口j的距离；当信号灯交叉口i与信号灯交叉口j不连通时，对应的w_(i,j)为0，e为自然常数；

2)路网G的邻接矩阵为H，当路网G中信号灯交叉口i与信号灯交叉口j有向连通时，即存在一条路段e_ij相连时，H中的元素a_ij＝1，当信号灯交叉口i与信号灯交叉口j没有一条路段e_ij相连时，a_ij＝0；当i＝j时，a_ij＝0；

路网G的带权邻接矩阵为W，W中的元素为：

$w_{ij}=\left\{\begin{array}{cc}w(i,j),& a_{ij}=1\\ 0,& a_{ij}=0\end{array}\right.$

对角矩阵D＝diag{d_i}，d_i＝∑_jw(i,j)

3)一个有n个节点、有权重的无向图的Laplace矩阵是一个n×n维的对称矩阵L。如果这两个节点之间有边连接，则L_ij为负数，否则为0。因此可以将矩阵L表示为L＝D-W，其中，D是一个对角矩阵，其对角线上的元素就对应各个节点的度，而W则为该网络的带权邻接矩阵。

4)计算Laplacian矩阵第二小特征值及Fiedler向量。交通控制小区划分问题可以转化为对图G＝(V,E)的分割问题。

L矩阵的所有行与列的和都为0，因此，该矩阵总有一个特征值0，则其对应的特征向量的所有元素都为1。如果G是联通的，那么第二小特征值λ₂为正数，且其对应的特征向量即Fiedler向量中各元素(包括正、负两种元素)的数值大小反映了其对应顶点的相互关系。

5)根据Fiedler特征向量F＝(f₁，f₂，…，f_n)中各元素的数值，采用二分法对Fiedler向量各要素进行分割，将一个分区划分为两个。如果分区数达到K，终止Fiedler分割，若路网总分区数没有达到K，返回步骤3)，选择信号灯交叉口数目最多的分区，建立该分区对应的Laplace矩阵，并重复步骤4)和5)，求解Fiedler向量并进行Fiedler向量分割；具体分割方法为：选择临界值S＝0，对Fiedler特征向量F中各元素进行分割，将f_i≥0的顶点分到一个分区，其余f_i＜0的顶点分到另一个分区，i＝1，2，…，n。

1.3基于实时交通流的动态交通控制小区划分：

1)依据静态交通控制子区划分，共得到K个静态交通控制子区，用G_k＝(V_k,E_k)表示对应第k个静态交通控制子区的道路网，1≤k≤K；其中V_k＝{v_k1,v_k2,…,v_kp,…}，v_kp表示第k个静态交通控制子区第p个信号灯交叉口，V_k是第k个静态交通控制子区中所有信号灯交叉口集合；E_k＝{e_k12,e_k23,…,e_kpq}，e_kpq表示连接信号灯交叉口p和q间的路段，E_k为第k个静态交通控制子区中所有路段的集合；

2)第k个静态交通控制子区中，相连通的信号灯交叉口p与q的交通流关联度ρ_k(p,q)采用美国《交通控制***手册》中推荐的计算方法计算：

${\mathrm{\ρ}}_{k(p,q)}=\frac{0.5}{1+t}\[\frac{n\×Q_{\max }}{{\mathrm{\Σ}}_{i=1}^n{Q}_i}\]-(N-2)$

其中，n为来自上游信号灯交叉口的车辆驶入的分支数；Q_i为第i个分支到达下游信号灯交叉口的交通量，Q_max为分支中到达下游信号灯交叉口的交通量最大值；为到达下游信号灯交叉口的交通量总合；t为车辆在两信号灯交叉口的行驶时间；N为上游驶向下游的车道数；由于信号灯交叉口p和信号灯交叉口q互为上下游信号灯交叉口，因此能够得到两个ρ_k(p,q)值，取两者平均值作为最终的信号灯交叉口p与q的交通流关联度ρ_k(p,q)；

3)计算每个静态交通控制子区道路网G_k的邻接矩阵为H_k，当路网G_k中信号灯交叉口p与信号灯交叉口q连通时，H_k中的元素a_kpq＝1，当信号灯交叉口p与信号灯交叉口q不连通时，a_kpq＝0；当p＝q时，a_kpq＝0；

4)计算每个静态交通控制子区道路网G_k的带权邻接矩阵W_k，及对角邻接矩阵D_k，其中，带权邻接矩阵W_k中的元素w_kpq为：

$w_{kpq}=\left\{\begin{array}{cc}{\mathrm{\ρ}}_{k(p,q)},& a_{pq}=1\\ 0,& a_{pq}=0\end{array}\right.$

D_k＝diag{d_kp}，d_kp＝∑_qρ_k(p,q)

5)计算每个静态子区道路网信号灯交叉口Laplacian矩阵L_k，其中L_k＝D_k-W_k；

6)根据构建的Laplacian矩阵L_k，求解该矩阵第二小特征值所对应的特征向量，即Fiedler向量：F_k＝(f_k1，f_k2，…，f_km)；

7)根据Fiedler特征向量F_k＝(f_k1，f_k2，…，f_km)中各元素的数值，采用二分法对Fiedler向量各要素进行分割，将一个分区划分为两个。如果分区内信号灯交叉口数最大值小于Z，终止Fiedler分割；若存在其中任意一个分区内信号交叉口数大于等于Z，返回步骤5)，选择信号灯交叉口数目最多的分区，建立该分区对应的Laplace矩阵，并重复步骤6)和7)，求解Fiedler向量并进行Fiedler向量分割；具体分割方法为：选择临界值S＝0，对Fiedler特征向量F_k中各元素进行分割，将f_kp≥0的顶点分到一个分区，其余f_kp＜0的顶点分到另一个分区(p＝1，2，…，m)；最终第k个静态交通控制小区将划分为L个动态交通控制小区；

8)依据动态交通控制子区划分，第k个静态交通控制子区对应得到L个动态交通控制子区。用G_kl＝(V_kl,E_kl)表示对应第k个静态交通控制子区对应的第l个动态交通控制子区，其中1＜k≤K，1＜l≤L；

1.4基于信号灯交叉口饱和度的交通控制小区分类：

1)计算每个动态交通控制子区G_kl的T时段的饱和度其中k为第k个静态交通控制小区编号，l为动态交通控制小区编号，其中，1＜k≤K，1＜l≤L；各信号灯交叉口饱和度计算公式如下：

$S_{kl\mathrm{\α}}^T=\frac{V_{kl\mathrm{\α}}^T}{C_{kl\mathrm{\α}}^T}$

其中，α表示信号灯交叉口编号， 为动态交通控制子区G_kl的信号灯交叉口总数；为动态交通控制小区G_kl的第α个信号灯交叉口在T时段的交通量；为表示动态交通控制小区G_kl的第α个信号灯交叉口在T时段的最大通行能力；

2)最大通行能力的计算公式如下：

$C_{kl\mathrm{\α}}^T=\{\underset{\mathrm{\γ}=1}{\overset{{\mathrm{\Γ}}_{kl\mathrm{\α}1}^T}{\Σ}}{C}_{kl\mathrm{\α}\mathrm{\β}\mathrm{\γ}}^T.\underset{\mathrm{\γ}=1}{\overset{{\mathrm{\Γ}}_{kl\mathrm{\α}2}^T}{\Σ}}{C}_{kl\mathrm{\α}\mathrm{\β}\mathrm{\γ}}^T,\mathrm{...},\underset{\mathrm{\γ}=1}{\overset{{\mathrm{\Γ}}_{kl\mathrm{\α}\mathrm{\β}}^T}{\Σ}}{C}_{kl\mathrm{\α}\mathrm{\β}\mathrm{\γ}}^T,\mathrm{...}\}$

每个元素对应信号灯交叉口各进口的最大通行能力；其中，α为信号灯交叉口编号，β为第α个信号灯交叉口进口编号，γ为第β个进口车道编号，0＜α≤A，A为所在动态交通控制小区G_kl的信号灯交叉口数量；0＜β≤B，B为所在信号灯交叉口α的进口数量；0＜γ≤Γ；Γ为所在进口β的车道数量；是在T时段的动态交通控制小区G_kl的第α个信号灯交叉口第β个进口的第γ个车道的通行能力，为在T时段的动态交通控制小区G_kl在第α个信号灯交叉口第β个进口编号进口车道总数；

3)交通量取各进口在T时段的地感线圈测得的流量数据，公式如下：

$V_{kl\mathrm{\α}}^T=\{\underset{\mathrm{\γ}=1}{\overset{{\mathrm{\Γ}}_{kl\mathrm{\α}1}^T}{\Σ}}{V}_{kl\mathrm{\α}\mathrm{\β}\mathrm{\γ}}^T.\underset{\mathrm{\γ}=1}{\overset{{\mathrm{\Γ}}_{kl\mathrm{\α}2}^T}{\Σ}}{V}_{kl\mathrm{\α}\mathrm{\β}\mathrm{\γ}}^T,\mathrm{...},\underset{\mathrm{\γ}=1}{\overset{{\mathrm{\Γ}}_{kl\mathrm{\α}\mathrm{\β}}^T}{\Σ}}{V}_{kl\mathrm{\α}\mathrm{\β}\mathrm{\γ}}^T,\mathrm{...}\}$

每个元素在T时段对应信号灯交叉口各进口的交通量；其中，α为信号灯交叉口编号，β为第α个信号灯交叉口进口编号，γ为第β个进口车道编号，0＜α≤A，A为所在动态交通控制小区G_kl的信号灯交叉口数量；0＜β≤B，B为所在信号灯交叉口α的进口数量；0＜γ≤Γ，Γ为所在进口β的车道数量；是在T时段的动态交通控制小区G_kl的第α个信号灯交叉口第β个进口的第γ个车道的交通量，为在T时段的动态交通控制小区G_kl在第α个信号灯交叉口第β个进口编号进口车道总数；4)第β个进口在T时段的饱和度为：

$S_{kl\mathrm{\α}\mathrm{\β}}^T=\frac{V_{kl\mathrm{\α}\mathrm{\β}}^T}{C_{kl\mathrm{\α}\mathrm{\β}}^T}=\frac{{\Σ}_{\mathrm{\γ}=1}^{{\mathrm{\Γ}}_{\mathrm{\β}}^T}{V}_{kl\mathrm{\α}\mathrm{\β}\mathrm{\γ}}^T}{{\Σ}_{\mathrm{\γ}=1}^{{\mathrm{\Γ}}_{\mathrm{\β}}^T}{C}_{kl\mathrm{\α}\mathrm{\β}\mathrm{\γ}}^T}$

5)取信号灯交叉口α中进口β饱和度最大值为该信号灯交叉口的在T时段的饱和度，即：

$S_{kl\mathrm{\α}}^T=\frac{V_{kl\mathrm{\α}}^T}{C_{kl\mathrm{\α}}^T}=\max \left\{S_{kl\mathrm{\α}\mathrm{\β}}^T\right\}=\max \left\{\frac{{\Σ}_{\mathrm{\γ}=1}^{{\mathrm{\Γ}}_{\mathrm{\β}}^T}{V}_{kl\mathrm{\α}\mathrm{\β}\mathrm{\γ}}^T}{{\Σ}_{\mathrm{\γ}=1}^{{\mathrm{\Γ}}_{\mathrm{\β}}^T}{C}_{kl\mathrm{\α}\mathrm{\β}\mathrm{\γ}}^T}\right\}$

6)计算动态交通控制小区在T时段的饱和度计算公式为：

$S_{kl}^T\frac{1}{\mathrm{\α}}\underset{\mathrm{\α}=1}{\overset{A_{kl}^T}{\Σ}}{S}_{kl\mathrm{\α}}^T$

其中，k表示静态交通控制子区编号，l表示静态交通控制子区内的动态交通控制子区编号，α为动态交通控制子区内信号灯交叉口编号，为T时段的信号灯交叉口饱和度，为在T时段的动态交通控制子区G_kl中信号灯交叉口的个数；

7)根据动态交通控制小区饱和度即 $S_{kl}^T\&le;0.5,0.5<S_{kl}^T\&le;0.8,S_{kl}^T>0.8,$ 将动态交通控制小区分别划分为车流畅行控制小区、信号灯协同控制小区以及多方协同控制小区。

其中，车流畅行小区不需要采取信号灯联动管控方案及人工干预，多方信号灯协同控制小区需要启用信号灯联动管控方案，多方协同控制小区需要除了信号灯联动管控外，同样需要加强其他各方面力量对交通拥堵路段进行疏导。

1.5交通控制小区的实时调整：

计算T+1时段各信号灯交叉口饱和度在计算得到T+1时段各信号灯交叉口饱和度的基础上，计算动态交通控制子区的饱和度对比与所对应的交叉口α是否存在变化，以及两个时段同一动态交通控制子区的类型是否发生变化，若满足其中一种变化，则对动态交通控制子区进行重新划分，静态交通控制子区维持不变；否则，无需进行动态交通控制子区划分。通过以上方法，可以对依据路网车流量对交通控制小区进行自适应调整划分，为信号灯联动管控、交通疏导提供更准确的范围确定。

上述基于道路等级及实时交通流的交通控制小区自适应划分方法，结合了道路等级的交通控制小区静态划分、实时交通流的交通控制小区动态划分、交通控制小区分类、交通控制小区的自适应调整等方面，形成一个完善的交通控制小区自适应调整***，能及时动态高效地获取交通控制小区划分调整情况。

与以往的方法相比，本发明的有益效果是：综合考虑道路等级及实时交通流对交通子区进行静态及动态划分，有效提高子区划分效率；依据饱和度确定不同类型交通控制子区，有利于构建合理的信号灯联动管控方案及人工干预方案；依据实时交通流变化，针对若干发生改变的交通控制小区进行重新划分，避免了全路网重新划分产生的冗余计算。方法克服了原有交通控制子区划分静态与动态子区划分结合不足、控制子区交通方案针对性不强、计算效率偏低以及自适应能力不足等问题。

基于以上特点，本发明公布的基于道路等级及实时交通流的交通控制小区自适应划分方法在交通流实时预测、路况评估等方面亦发挥巨大作用为正在建设的智慧城市助力。

以上所述实施例仅表达了本发明可能的实施方式，其描述较为具体和详尽，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种交通控制子区划分优化与自适应调整方法，其特征在于，包括以下步骤：

S1.构建路网及交通流数据库，明确路网拓扑关系及道路等级；

S2.根据路网拓扑关系及道路等级，对信号灯交叉口类型进行初步划分，计算两两信号灯交叉口之间的物理相似度，依据物理相似度将信号灯交叉口划分为一个或多个静态交通控制小区；

S3.以步骤S2得到的静态交通控制小区为基准，结合实时交通流，进一步计算两两信号灯交叉口之间的交通流关联度，依据交通流关联度将每个静态交通控制子区划分成多个动态交通控制子区；

S4.计算各信号灯交叉口当前时段饱和度，在此基础上，计算各动态交通控制子区在当前时段的饱和度；根据动态交通控制子区饱和度将动态交通控制小区划分为车流畅行小区、信号灯协同控制小区以及多方协同控制小区三种类型；

S5.判断当前时刻距上次动态交通控制子区调整的时刻是否达到预设的时间，未达到时维持原有动态交通控制小区划分方案不变，达到时则重新计算各动态交通控制小区信号灯交叉口饱和度，并依据各动态交通控制小区信号灯交叉口饱和度对小区类型进行划分；若满足以下两个条件之一，则对发生变化的动态交通控制小区所在的静态交通控制小区进行重新划分：(1)存在动态交通控制小区类型发生变化；(2)存在动态交通控制小区内饱和度最大值所对应的信号灯交叉口发生变化。

2.根据权利要求1所述的交通控制子区划分优化与自适应调整方法，其特征在于，步骤S1中路网拓扑关系主要表现为信号灯交叉口之间的邻接关系，道路等级分为城市主干道、城市次干道、城市支路三大类。

3.根据权利要求2所述的交通控制子区划分优化与自适应调整方法，其特征在于，步骤S2静态交通控制小区的划分方法为：

21)用G＝(V,E)表示路网，其中V＝{v₁,v₂,…,v_i,…}，v_i表示第i个信号灯交叉口，V是路网中所有信号灯交叉口集合；E＝{e₁₂,e₂₃,…,e_ij,…}，e_ij表示连接信号灯交叉口i和j间的路段，E为路网中所有路段的集合；

22)根据道路等级不同，将信号灯交叉口分为主干道与主干道、主干道与次干道、主干道与支路、次干道与次干道、次干道与支路、支路与支路六种类型；并对六类信号灯交叉口类型分别赋值：

R_i＝θ，1≤θ≤6，θ∈n

其中，R_i＝1为主干道与主干道类型信号灯交叉口，R_i＝2为主干道与次干道类型信号灯交叉口，R_i＝3为主干道与支路类型信号灯交叉口，R_i＝4为次干道与次干道类型信号灯交叉口，R_i＝5为次干道与支路类型信号灯交叉口，R_i＝6为支路与支路类型信号灯交叉口；

23)令路网G中相邻连通信号灯交叉口之间的物理相似度为 w_(i,j)表示信号灯交叉口i与j的关联性，R_i、R_j分别为信号灯交叉口i、j的类型值，d_ij表示信号灯交叉口i与信号灯交叉口j的距离；当信号灯交叉口i与信号灯交叉口j不连通时，对应的w_(i,j)为0，e为自然常数；

24)计算路网G的邻接矩阵H，当路网G中信号灯交叉口i与信号灯交叉口j有向连通时，即存在一条路段e_ij相连时，H中的元素a_ij＝1，当信号灯交叉口i与信号灯交叉口j没有一条路段e_ij相连时，a_ij＝0；当i＝j时，a_ij＝0；

25)计算路网G的带权邻接矩阵W及对角邻接矩阵D；

其中带权邻接矩阵W中的元素w_ij取值为：

$w_{ij}=\left\{\begin{array}{cc}w(i,j),& a_{ij}=1\\ 0,& a_{ij}=0\end{array}\right.$

D＝diag{d_i}，d_i＝∑_jw(i,j)；

26)计算路网信号灯交叉口Laplacian矩阵L，其中L＝D-W；

27)基于Laplacian矩阵L，求解出该矩阵第二小特征值所对应的特征向量，即Fiedler特征向量：F＝(f₁，f₂，…，f_n)，其中，特征向量F的元素f_i的数值与信号灯交叉口i对应；

28)根据Fiedler特征向量F＝(f₁，f₂，…，f_n)中各元素的数值，采用二分法对Fiedler向量各要素进行分割，将一个分区划分为两个；如果分区数达到K，终止Fiedler分割，若路网总分区数没有达到K，返回步骤26)，选择信号灯交叉口数目最多的分区，建立该分区对应的Laplace矩阵，并重复步骤27)和28)，求解Fiedler向量并进行Fiedler向量分割；

具体分割方法为：选择临界值S＝0，对Fiedler特征向量F中各元素进行分割，将f_i≥0的顶点分到一个分区，其余f_i<0的顶点分到另一个分区，i＝1，2，…，n。

4.根据权利要求3所述的交通控制子区划分优化与自适应调整方法，其特征在于，步骤S3动态交通控制子区的划分方法是：

31)依据静态交通控制子区划分，共得到K个静态交通控制子区，用G_k＝(V_k,E_k)表示对应第k个静态交通控制子区的道路网，1≤k≤K；其中V_k＝{v_k1,v_k2,…,v_kp,…}，v_kp表示第k个静态交通控制子区第p个信号灯交叉口，V_k是第k个静态交通控制子区中所有信号灯交叉口集合；E_k＝{e_k12,e_k23,…,e_kpq}，e_kpq表示连接信号灯交叉口p和q间的路段，E_k为第k个静态交通控制子区中所有路段的集合；

32)确定第k个静态交通控制子区中，相连通的信号灯交叉口p与q的交通流关联度ρ_k(p,q)为：

${\mathrm{\&rho;}}_{k(p,q)}=\frac{0.5}{1+t}\&lsqb;\frac{n\&times;Q_{max}}{{\mathrm{\&Sigma;}}_{i=1}^n{Q}_i}\&rsqb;-(N-2)$

其中，n为来自上游信号灯交叉口的车辆驶入的分支数；Q_i为第i个分支到达下游信号灯交叉口的交通量，Q_max为分支中到达下游信号灯交叉口的交通量最大值；为到达下游信号灯交叉口的交通量总合；t为车辆在两信号灯交叉口的行驶时间；N为上游驶向下游的车道数；由于信号灯交叉口p和信号灯交叉口q互为上下游信号灯交叉口，因此能够得到两个ρ_k(p,q)值，取两者平均值作为最终的信号灯交叉口p与q的交通流关联度ρ_k(p,q)；

33)计算每个静态交通控制子区道路网G_k的邻接矩阵为H_k，当路网G_k中信号灯交叉口p与信号灯交叉口q连通时，H_k中的元素a_kpq＝1，当信号灯交叉口p与信号灯交叉口q不连通时，a_kpq＝0；当p＝q时，a_kpq＝0；

34)计算每个静态交通控制子区道路网G_k的带权邻接矩阵W_k，及对角邻接矩阵D_k，其中，带权邻接矩阵W_k中的元素w_kpq为：

$w_{kpq}=\left\{\begin{array}{cc}{\mathrm{\&rho;}}_{k(p,q)},& a_{pq}=1\\ 0,& a_{pq}=0\end{array}\right.$

D_k＝diag{d_kp}，d_kp＝∑_qρ_k(p,q)

35)计算每个静态交通控制子区道路网信号灯交叉口Laplacian矩阵L_k，其中L_k＝D_k-W_k；

36)根据Laplacian矩阵L_k，求解该矩阵第二小特征值所对应的特征向量，即Fiedler向量：F_k＝(f_k1，f_k2，…，f_km)；

37)根据Fiedler特征向量F_k＝(f_k1，f_k2，…，f_km)中各元素的数值，采用二分法对Fiedler向量各要素进行分割，将一个分区划分为两个；如果分区内信号灯交叉口数最大值小于Z，终止Fiedler分割；若存在其中任意一个分区内信号交叉口数大于等于Z，返回步骤35)，选择信号灯交叉口数目最多的分区，建立该分区对应的Laplace矩阵，并重复步骤36)和37)，求解Fiedler向量并进行Fiedler向量分割；

具体分割方法为：选择临界值S＝0，对Fiedler特征向量F_k中各元素进行分割，将f_kp≥0的顶点分到一个分区，其余f_kp<0的顶点分到另一个分区，p＝1，2，…，m；最终第k个静态交通控制小区将划分为L个动态交通控制小区；

38)依据动态交通控制子区划分，第k个静态交通控制子区对应得到L个动态交通控制子区；用G_kl＝(V_kl,E_kl)表示对应第k个静态交通控制子区对应的第l个动态交通控制子区，其中1＜k≤K，1＜l≤L。

5.根据权利要求4所述的交通控制子区划分优化与自适应调整方法，其特征在于，步骤S4中基于信号灯交叉口饱和度的动态交通控制小区类别划定方式是：

41)计算每个动态交通控制子区G_kl的T时段的饱和度其中k为第k个静态交通控制小区编号，l为动态交通控制小区编号，其中，1＜k≤K，1＜l≤L；各信号灯交叉口饱和度计算公式如下：

$S_{kl\mathrm{\&alpha;}}^T=\frac{V_{kl\mathrm{\&alpha;}}^T}{C_{kl\mathrm{\&alpha;}}}$

其中，α表示信号灯交叉口编号， 为动态交通控制子区G_kl的信号灯交叉口总数；为动态交通控制小区G_kl的第α个信号灯交叉口在T时段的交通量；为表示动态交通控制小区G_kl的第α个信号灯交叉口在T时段的最大通行能力；

42)最大通行能力的计算公式如下：

$C_{kl\mathrm{\&alpha;}}^T=\{\underset{\mathrm{\&gamma;}=1}{\overset{{\mathrm{\&Gamma;}}_{kl\mathrm{\&alpha;}1}^T}{\&Sigma;}}{C}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}\mathrm{\&gamma;}}^T,\underset{\mathrm{\&gamma;}=1}{\overset{{\mathrm{\&Gamma;}}_{kl\mathrm{\&alpha;}2}^T}{\&Sigma;}}{C}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}\mathrm{\&gamma;}}^T,...,\underset{\mathrm{\&gamma;}=1}{\overset{{\mathrm{\&Gamma;}}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}}^T}{\&Sigma;}}{C}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}\mathrm{\&gamma;}}^T,...\}$

每个元素对应信号灯交叉口各进口的最大通行能力；其中，α为信号灯交叉口编号，β为第α个信号灯交叉口进口编号，γ为第β个进口车道编号，0＜α≤A，A为所在动态交通控制小区G_kl的信号灯交叉口数量；0＜β≤B，B为所在信号灯交叉口α的进口数量；0＜γ≤Γ；Γ为所在进口β的车道数量；是在T时段的动态交通控制小区G_kl的第α个信号灯交叉口第β个进口的第γ个车道的通行能力，为在T时段的动态交通控制小区G_kl在第α个信号灯交叉口第β个进口编号进口车道总数；

43)交通量取各进口在T时段的地感线圈测得的流量数据，公式如下：

$V_{kl\mathrm{\&alpha;}}^T=\{\underset{\mathrm{\&gamma;}=1}{\overset{{\mathrm{\&Gamma;}}_{kl\mathrm{\&alpha;}1}^T}{\&Sigma;}}{V}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}\mathrm{\&gamma;}}^T,\underset{\mathrm{\&gamma;}=1}{\overset{{\mathrm{\&Gamma;}}_{kl\mathrm{\&alpha;}2}^T}{\&Sigma;}}{V}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}\mathrm{\&gamma;}}^T,...,\underset{\mathrm{\&gamma;}=1}{\overset{{\mathrm{\&Gamma;}}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}}^T}{\&Sigma;}}{V}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}\mathrm{\&gamma;}}^T,...\}$

每个元素在T时段对应信号灯交叉口各进口的交通量；其中，α为信号灯交叉口编号，β为第α个信号灯交叉口进口编号，γ为第β个进口车道编号，0＜α≤A，A为所在动态交通控制小区G_kl的信号灯交叉口数量；0＜β≤B，B为所在信号灯交叉口α的进口数量；0＜γ≤Γ，Γ为所在进口β的车道数量；是在T时段的动态交通控制小区G_kl的第α个信号灯交叉口第β个进口的第γ个车道的交通量，为在T时段的动态交通控制小区G_kl在第α个信号灯交叉口第β个进口编号进口车道总数；

44)第β个进口在T时段的饱和度为：

$S_{kl\mathrm{\&alpha;}\mathrm{\&beta;}}^T=\frac{V_{kl\mathrm{\&alpha;}\mathrm{\&beta;}}^T}{C_{kl\mathrm{\&alpha;}\mathrm{\&beta;}}^T}=\frac{{\mathrm{\&Sigma;}}_{\mathrm{\&gamma;}=1}^{{\mathrm{\&Gamma;}}_{\mathrm{\&beta;}}^T}{V}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}\mathrm{\&gamma;}}^T}{{\mathrm{\&Sigma;}}_{\mathrm{\&gamma;}=1}^{{\mathrm{\&Gamma;}}_{\mathrm{\&beta;}}^T}{C}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}\mathrm{\&gamma;}}^T}$

45)取信号灯交叉口α中进口β饱和度最大值为该信号灯交叉口的在T时段的饱和度，即：

$S_{kl\mathrm{\&alpha;}}^T=\frac{V_{kl\mathrm{\&alpha;}}^T}{C_{kl\mathrm{\&alpha;}}^T}=\max \left\{S_{kl\mathrm{\&alpha;}\mathrm{\&beta;}}^T\right\}=\max \left\{\frac{{\mathrm{\&Sigma;}}_{\mathrm{\&gamma;}=1}^{{\mathrm{\&Gamma;}}_{\mathrm{\&beta;}}^T}{V}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}\mathrm{\&gamma;}}^T}{{\mathrm{\&Sigma;}}_{\mathrm{\&gamma;}=1}^{{\mathrm{\&Gamma;}}_{\mathrm{\&beta;}}^T}{C}_{kl\mathrm{\&alpha;}\mathrm{\&beta;}\mathrm{\&gamma;}}^T}\right\}$

46)计算动态交通控制小区在T时段的饱和度计算公式为：

$S_{kl}^T=\frac{1}{\mathrm{\&alpha;}}\underset{\mathrm{\&alpha;}=1}{\overset{A_{kl}^T}{\&Sigma;}}{S}_{kl\mathrm{\&alpha;}}^T$

其中，k表示静态交通控制子区编号，l表示静态交通控制子区内的动态交通控制子区编号，α为动态交通控制子区内信号灯交叉口编号，为T时段的信号灯交叉口饱和度，为在T时段的动态交通控制子区G_kl中信号灯交叉口的个数；

47)根据T时段动态交通控制小区饱和度即 ＞0.8，将动态交通控制小区分别划分为车流畅行控制小区、信号灯协同控制小区以及多方协同控制小区。

6.根据权利要求5所述的交通控制子区划分优化与自适应调整方法，其特征在于，交通控制小区的实时调整是指：计算T+1时段各信号灯交叉口饱和度在计算得到T+1时段各信号灯交叉口饱和度的基础上，计算动态交通控制子区的饱和度对比与所对应的交叉口α是否存在变化，以及两个时段同一动态交通控制子区的类型是否发生变化，若满足其中一种变化，则对动态交通控制子区进行重新划分，静态交通控制子区维持不变；否则，无需进行动态交通控制子区划分。