CN109767631B - 一种基于二流理论的城市路网信号优化方法 - Google Patents

Abstract

本发明公开了一种基于二流理论的城市路网信号配时优化方法，其特征在于，基于传统的二流理论，提出了用于衡量路网运行状况的动态指标T_s/T，根据路网的车辆流量并结合单个交叉口的Webster信号配时法，对城市区域路网中的所有交叉口的运行状况进行简单评估，并对存在拥堵的交叉口进行信号配时优化，该方法有助于减缓拥堵，提高整体路网的运行效率，降低人们的出行时间和成本，为区域信号控制和智能交通发展提供有价值的技术依据，能够结合交通需求矩阵，在瞬时或短时内对路网的运行状况进行监测，能够对路网的信号配时进行有效且合理的优化，简单且容易执行，为区域信号配时提供一种新的思路，具有实际意义。

Description

一种基于二流理论的城市路网信号优化方法

技术领域

本发明涉及交通运输规划与管理的研究领域，特别涉及一种基于二流理论的城市路网信号优化方法。

背景技术

城市居民的生活离不开交通，拥堵已成为众多城市面临的最严重的问题之一。当前国内外对于路网运行状况的评价，一般采用道路服务水平、道路拥挤度、车道占有率、延误、行程速度等指标进行定量描述，虽然这些指标能够反映路网在一段时间内的平均运行状况，但并不能实时或在短时内反映当前的具体信息。

为了更好地描述城市路网中的集中流，以个体车辆去反映整体路网条件，Herman和Prigogine将城市车辆划分为运动车辆和停驶车辆，并基于车辆在网络中的平均行驶车速与运行车辆所占比重成比例和路网中循环试验车的停车时间比例与网络中同期运行车辆的停车时间比例相等这两个假设条件，提出了用于反映城市路网宏观特征的二流模型，并以(T_m,n)这对数字(T_m为单位距离平均最短行驶时间，n路网服务质量参数)对单一路网的宏观特征进行刻画。虽然大量研究发现该模型对路网条件变化较为敏感，能够很好地反映网络交通状态，但其指标T_m和n的具体含义存在问题且对网络的表达不如T与T_s直接。

英国的TRRL法(也称Webster法)是以车辆延误时间最小为目标来计算信号配时的一种方法，因此其核心内容是车辆延误和最佳周期时长的计算，而这里的周期时长是建立在车辆延误的计算基础之上，是目前交通信号控制中较为常用的计算方法。Webster法虽然能够有效解决单个交叉口的定点信号配时问题，但其并不适用于全局路网，单次执行该方法容易造成拥堵点的转移，不能从根本上缓解拥堵。

普通道路交通控制分点控制、线控制和面控制，不同的控制方法都有各自的特点，但实际操作比较麻烦。首先，当前城市路网交通状况的评价分析多偏向于常态分析而缺乏动态的研究，尤其是不同交通需求矩阵下的路网实时运行状况的对比分析。其次，现有的研究虽从不同的角度层次对路网运行状况进行描述，但研究方法之间缺乏科学的区分，而且各自的适用范围与应用目标也存在不同程度的不足。因此，一种基于二流理论的城市路网信号配时优化方法可有效解决城市路网的拥堵问题，对于提高路网运行效率有十分重要的意义。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于二流理论的城市路网信号配时优化方法，提出了运用T_s/T作为路网运行效率的评价指标并从实时或短时的角度对路网的信号进行优化。

本发明的目的通过以下的技术方案实现：

一种基于二流理论的城市路网配时优化方法，其特征在于，包括以下步骤：

S1、对反映城市路网宏观特征的二流模型进行初始化，给定迭代精度ε，并使得迭代次数k＝0；

S2、根据路网条件，在统计时间区段内，获取路网单位距离的平均行程时间T^(k)，单位距离的平均停驶时间T_s ^(k)和路网动态评估指标T_s ^(k)/T^(k)，并以路网中各个交叉口的车均延误为判别标准，确定车均延误最大的交叉口为路网最拥挤交叉口；

S3、根据最拥挤交叉口出现时的供需情况，使用Webster配时法对最拥挤交叉口进行信号配时优化，并获取优化后的路网单位距离的平均行程时间T^(k+1)、单位距离的平均停驶时间T_s ^(k+1)和路网动态评估指标T_s ^(k+1)/T^(k+1)；

S4、判断|T_s ^(k+1)/T^(k+1)-T_s ^(k)/T^(k)|是否小于迭代精度ε，若|T_s ^(k+1)/T^(k+1)-T_s ^(k)/T^(k)|小于迭代精度ε，则迭代结束，输出配时优化结果；若|T_s ^(k+1)/T^(k+1)-T_s ^(k)/T^(k)|不小于迭代精度ε，令迭代计数k＝k+1，转步骤S2。

进一步地，所述迭代精度ε>0。

进一步地，所述步骤S3中，所述优化后的路网单位距离的平均行程时间T^(k+1)和优化后的单位距离的平均停驶时间T_s ^(k+1)通过两种方法获取，一种是通过交通仿真软件对现实路网进行模拟，输入原始路网几何数据、流量数据、信号配时数据，并在研究区域内所有车辆在统计时间区段内获取；另一种是采用GIS、GPS、车牌识别、车辆检测，在统计时间区段内获取。

进一步地，所述统计时间区段为M，M＞5min。

进一步地，所述步骤S3中，使用Webster配时法对最拥挤交叉口进行信号配时优化，包含饱和流量计算和配时参数计算；所述饱和流量为在一次连续的绿灯信号时间内，进口道上一列连续车队能通过进口道停止线的最大流量。

进一步地，所述饱和流量计算具体如下：

S_f＝S_bi×f(F_i)，

其中，S_f为平均基本饱和流量，S_bi为第i条进口车道基本饱和流量，f(F_i)为各类进口车道校正系数；

所述平均基本饱和流量包括直行车道T、右转车道R、左转车道L；

车道宽度校正：

其中，f_w为车道宽度校正系数，w为车道宽度；

车道宽度校正：

f_g＝1-(G+HV)，

其中，f_g为坡度及大车校正系数；G为道路纵坡，下坡为0，HV为大车率，不大于0.50；

直行车道饱和流量：其中自行车影响校正系数为：

其中，f_b为自行车影响校正系数，b_L为左转自行车数，g_e为有效绿灯时长；无信号配时数据则按照总有效绿灯时长除以周期内相位数获得；

直行车道饱和流量：

S_T＝S_bT×f_w×f_g×f_b，

其中，S_T为直行车道饱和流量，S_bT为直行车道基本饱和流量；

左转车道饱和流量：

有专用相位时：

S_L＝S_bL×f_w×f_g，

其中，S_L左转专用车道有专用相位时的饱和流量；S_bL左转专用车道有专用相位的基本饱和流量；

无专用相位时：

S'_L＝S_bL×f_w×f_g×f_L，

其中，S'_L为无左转专用相位时左转专用车道的饱和流量，f_L为左转校正系数；

所述左转校正系数计算如下：

其中，ε为对向直行车道数的影响系数，qT_o为对向直行车流量，λ为绿信比；

右转车道饱和流量：

有专用相位时：

S_R＝S_bR×f_w×f_g×f_r，

其中，S_R为有专用相位时右转专用车道饱和流量；S_bR为右转专用车道基本饱和流量；f_r为转弯半径校正系数；

若r为转弯半径，则转弯半径校正系数计算如下：

无专用相位时:

S'_R＝S_bR×f_w×f_g×f_r×f_b，

其中，S'_R为无专用相位时右转专用车道的饱和流量；

进一步地，所述平均基本饱和流量还包括直左合用车道饱和流量、直右合用车道饱和流量、直左右合用车道饱和流量、左右合用车道饱和流量；

其中，直左合用车道饱和流量：

S_TL＝S_T×f_TL，

其中，

直左合流校正系数：

f_TL＝(q_T+q_L)/q'_T，

q'_T＝K_Lq_L+q_T，

其中，S_TL为直左合用车道饱和流量，f_TL为直左合流校正系数，q_T为合用车道中直行车交通量，q_L为合用车道左转车交通量，q'_T为合用车道中直行车当量，K_L为合用车道中左转系数；

直右合用车道饱和流量：

S_TR＝S_T×f_TR，

其中，直右合流校正系数：

f_TR＝(q_T+q_R)/q'_T，

q'_T＝K_Rq_R+q_T，

其中，S_TR为直右合用车道饱和流量，f_TR为直右合流校正系数，q_T为合用车道中直行车交通量，q_R为合用车道右转车交通量，q'_T为合用车道中直行车当量，K_R为合用车道中右转系数；

直左右合用车道饱和流量：

若为普通相位兼有行人影响：

S_TLR＝min{S_TL,S_TR}，

其中，S_TLR为直左右合用车道饱和流量，S_TL为直左合用车道饱和流量，S_TR为直右合用车道饱和流量；

若有单向左转相位或单向交通：

S_TLR＝S_T，

其中，S_TLR为直左右合用车道饱和流量，S_T为直行车道饱和流量；

左右合用车道饱和流量：

S_LR＝S_L×f_LR，

其中，左右合流校正系数：

f_LR＝(q_L+q_R)/q'_L，

q’_L＝K’_Rq_R+q_L，

其中，S_LR为左右合用车道饱和流量，f_LR为左右合流校正系数，q_L为合用车道中左转车交通量，q_R为合用车道右转车交通量，q'_L为合用车道中左转车当量，K'_R为合用车道中右转系数；

根据道路实际情况的饱和流量，用于流量比的计算，完成完整的信号配对，其中流量比为交通量与饱和流量的比值。

进一步地，所述配时参数计算具体如下：

流量比总和：

其中，Y为组成周期的全部信号的各个最大流量比之和；j为一个周期内的相位数；y_j为第j相的流量比；q_d为设计交通量；s_d为设计饱和流量；

信号总损失时间：

其中，L_s为启动损失时间；A为黄灯时长；I绿灯间隔时间；k为一个周期内的绿灯时间间隔数；

最佳周期时长：

其中，L为信号总损失时间；Y为流量比总和；

总有效绿灯时间：

G_e＝C₀-L，

其中，G_e为总有效绿灯时间，C₀为最佳周期时长，L为信号总损失时间；

各相位有效绿灯时间：

其中，g_ej为各相位有效绿灯时间，Y为组成周期的全部信号的各个最大流量比之和，j为一个周期内的相位数；y_j为第j相的流量比；

各相位的绿信比：

其中，λ_j为各相位绿信比；

各相位绿灯显示时间：

g_j＝g_ej-A_j+l_j

其中，l_j为第j相位启动损失时间，A_j为第j相位黄灯时间；

计算结束，得到该交叉口各相位的信号配时情况。

进一步地，所述迭代为根据步骤S4的迭代收敛标准，是否多次执行Webster配时法。

本发明与现有技术相比，具有如下优点和有益效果：

本发明能够结合交通需求矩阵，在短时内对路网的运行状况进行监测，能够对路网的信号配时进行有效且合理的优化，方法相对简单且容易执行，为区域信号配时提供一种新的思路，具有实际意义。

附图说明

图1是本发明所述一种基于二流理论的城市路网信号配对优化方法的方法流程图；

图2是本发明所述实施例中Webster配时法的方法流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例1

一种基于二流理论的城市路网信号配对优化方法，如图1所示，本发明的重点在于路网的动态评价指标，不仅能反映路网的运行效率，而且是本方法的迭代收敛标准。

T_s表示研究路网中所有车辆单位距离的平均停驶时间，这里的停驶时间指的是网络流中包括因信号、标志、临时装卸货、临时上下客、交通拥堵等造成的临时停车，但不包括停车场停车和路旁停车位长时停车等车流以外的停车，该指标可通过GIS、GPS、车牌识别、车辆检测器等获取所有车辆的总停车时间和行驶总路程，然后通过总停车时间除以行驶总路程，即可求得T_s，其单位为min/km。

T表示研究路网中所有车辆单位距离的平均行程时间，该指标可通过GIS、GPS、车牌识别、车辆检测器等获取所有车辆的总行程时间和行驶总路程，然后通过总行程时间除以行驶总路程，即可求得T，其单位为min/km。

因为目的是求T_s/T，因此获取该指标时可简化为总停车时间除以总行程时间。

Webster配时法的流程图，如图2所示，主要包含饱和流量计算和配时参数计算两大部分。

其中，饱和流量计算如下：

饱和流量是指在一次连续的绿灯信号时间内，进口道上一列连续车队能通过进口道停止线的最大流量，单位是pcu/绿灯时间。交叉口进口道经划分车道并加渠化后，进口道饱和流量随进口道车道数级渠化方案而异，必须分别计算各条进口道的饱和流量，然后再把各条车道的饱和流量累计成进口的饱和流量。饱和流量用实测平均基本饱和流量乘以各影响因素校正系数的方法估算。

具体如下：

S_f＝S_bi×f(F_i)，

其中，S_f为平均基本饱和流量(pcu/h)，S_bi为第i条进口车道基本饱和流量(pcu/h)，i取T、L、R分别表示相应的直行、左转、右转，下同，f(F_i)为各类进口车道校正系数；

基本饱和流量：

所述平均基本饱和流量包括直行车道T、右转车道R、左转车道L；

各类进口车道各有其专用相位时的基本饱和流量S_bi，可采用表1的数值：

表1各类车道的基本饱和流量(pcu/h)

车道	S<sub>bi</sub>
		直行车道	1400-2000，平均1650
右转车道	1500
		左转车道	1300-1800，平均1500

各类车道通用校正系数：

车道宽度校正：

其中，f_w为车道宽度校正系数，w为车道宽度；

坡度及大车校正：

f_g＝1-(G+HV)，

其中，f_g为坡度及大车校正系数；G为道路纵坡，下坡为0，HV为大车率，不大于0.50；

直行车道饱和流量：

直行车流受同相位绿灯初期左转自行车的影响时，直行车道设计饱和流量除需作通用校正外，尚需作自行车影响校正。其中自行车影响校正系数为：

其中，f_b为自行车影响校正系数，b_L为左转自行车数，(辆/周期)，g_e为有效绿灯时长；无信号配时数据则按照总有效绿灯时长除以周期内相位数获得；

直行车道饱和流量：

S_T＝S_bT×f_w×f_g×f_b，

其中，S_T为直行车道饱和流量，S_bT为直行车道基本饱和流量；

左转车道饱和流量：

有专用相位时：

S_L＝S_bL×f_w×f_g，

其中，S_L左转专用车道有专用相位时的饱和流量(pcu/h)；S_bL左转专用车道有专用相位的基本饱和流量(pcu/h)；

无专用相位时：

S'_L＝S_bL×f_w×f_g×f_L，

其中，S'_L为无左转专用相位时左转专用车道的饱和流量(pcu/h)，f_L为左转校正系数；

所述左转校正系数计算如下：

其中，ε为对向直行车道数的影响系数，见表2，qT_o为对向直行车流量(pcu/h)，λ为绿信比；

表2对向直行车道数的影响系数表

对向车道数	1	2	3	4
					ε	1.0	0.625	0.51	0.44

右转车道饱和流量：

有专用相位时：

S_R＝S_bR×f_w×f_g×f_r，

其中，S_R为有专用相位时右转专用车道饱和流量(pcu/h)；S_bR为右转专用车道基本饱和流量(pcu/h)；f_r为转弯半径校正系数；

若r为转弯半径，则转弯半径校正系数计算如下：

无专用相位时:

S'_R＝S_bR×f_w×f_g×f_r×f_b，

其中，S'_R为无专用相位时右转专用车道的饱和流量(pcu/h)；

所述平均基本饱和流量还包括直左合用车道饱和流量、直右合用车道饱和流量、直左右合用车道饱和流量、左右合用车道饱和流量；

其中，直左合用车道饱和流量：

S_TL＝S_T×f_TL，

其中，

直左合流校正系数：

f_TL＝(q_T+q_L)/q'_T，

q'_T＝K_Lq_L+q_T，

其中，S_TL为直左合用车道饱和流量，f_TL为直左合流校正系数，q_T为合用车道中直行车交通量，q_L为合用车道左转车交通量，q'_T为合用车道中直行车当量，K_L为合用车道中左转系数。

此外，直右合用车道饱和流量、直左右合用车道饱和流量、左右合用车道饱和流量均需结合各自的道路交通情况进行独立的校正计算，其校正方法与直左合用车道饱和流量的校正方法相同，具体如下：

直右合用车道饱和流量：

S_TR＝S_T×f_TR，

其中，直右合流校正系数：

f_TR＝(q_T+q_R)/q'_T，

q'_T＝K_Rq_R+q_T，

其中，S_TR为直右合用车道饱和流量，f_TR为直右合流校正系数，q_T为合用车道中直行车交通量，q_R为合用车道右转车交通量，q'_T为合用车道中直行车当量，K_R为合用车道中右转系数；

直左右合用车道饱和流量：

若为普通相位兼有行人影响：

S_TLR＝min{S_TL,S_TR}，

其中，S_TLR为直左右合用车道饱和流量，S_TL为直左合用车道饱和流量，S_TR为直右合用车道饱和流量；

若有单向左转相位或单向交通：

S_TLR＝S_T，

其中，S_TLR为直左右合用车道饱和流量，S_T为直行车道饱和流量；

左右合用车道饱和流量：

S_LR＝S_L×f_LR，

其中，左右合流校正系数：

f_LR＝(q_L+q_R)/q'_L，

q’_L＝K’_Rq_R+q_L，

其中，S_LR为左右合用车道饱和流量，f_LR为左右合流校正系数，q_L为合用车道中左转车交通量，q_R为合用车道右转车交通量，q'_L为合用车道中左转车当量，K'_R为合用车道中右转系数；

因为实际情况不同，所以每一条车道上的饱和流量的计算也各不相同；根据道路实际情况的饱和流量，用于流量比的计算，完成完整的信号配对，其中流量比为交通量与饱和流量的比值。

所述配时参数计算具体如下：

流量比总和：

其中，Y为组成周期的全部信号的各个最大流量比之和；j为一个周期内的相位数；y_j为第j相的流量比；q_d为设计交通量；s_d为设计饱和流量；

信号总损失时间：

其中，L_s为启动损失时间；A为黄灯时长；I绿灯间隔时间；k为一个周期内的绿灯时间间隔数；

最佳周期时长：

其中，L为信号总损失时间；Y为流量比总和；

总有效绿灯时间：

G_e＝C₀-L，

其中，G_e为总有效绿灯时间，C₀为最佳周期时长，L为信号总损失时间；

各相位有效绿灯时间：

其中，g_ej为各相位有效绿灯时间，Y为组成周期的全部信号的各个最大流量比之和，j为一个周期内的相位数；y_j为第j相的流量比；

各相位的绿信比：

其中，λ_j为各相位绿信比；

各相位绿灯显示时间：

g_j＝g_ej-A_j+l_j

其中，l_j为第j相位启动损失时间，A_j为第j相位黄灯时间；

计算结束，得到该交叉口各相位的信号配时情况，即计算出各个方向的红、绿、黄三色灯各自显示的实际时长，一次完整的Webster配时法执行完毕。

最后画出信号配时图，这样Webster法就完整地执行了一次。

因此，所述一种基于二流理论的城市路网信号配时优化方法包括以下步骤：

步骤1

进行初始化。给定迭代精度ε>0，并使得迭代次数k＝0。这里的迭代精度需要人们根据具体要求自行设定，其值越小，算法方法实施的效果越好。

步骤2

根据路网条件，在统计时间区段内(一般为15min)，获取路网现时的单位距离的平均行程时间T^(k)、单位距离的平均停驶时间T_s ^(k)和路网动态评估指标T_s ^(k)/T^(k)，并以路网中各个交叉口的车均延误作为判别标准，确定车均延误最大的交叉口为路网拥堵情况最严重的交叉口。

步骤3

找出最拥挤的交叉口之后，根据交叉口现时的供需情况，按照Webster配时法对最拥堵的交叉口进行信号配时优化，并获取优化后的路网的单位距离的平均行程时间T^(k+1)、单位距离的平均停驶时间T_s ^(k+1)和路网动态评估指标T_s ^(k+1)/T^(k+1)；

步骤4

判断|T_s ^(k+1)/T^(k+1)-T_s ^(k)/T^(k)|是否小于迭代精度ε。若是，则迭代结束，输出配时优化结果，否则令迭代计数k＝k+1，之后转步骤2。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种基于二流理论的城市路网信号配时优化方法，其特征在于，包括以下步骤：

S1、对反映城市路网宏观特征的二流模型进行初始化，给定迭代精度ε，并使得迭代次数k＝0；

S2、根据路网条件，在统计时间区段内，获取路网单位距离的平均行程时间T^(k)，单位距离的平均停驶时间T_s ^(k)和路网动态评估指标T_s ^(k)/T^(k)，并以路网中各个交叉口的车均延误为判别标准，确定车均延误最大的交叉口为路网最拥挤交叉口；

S3、根据最拥挤交叉口出现时的供需情况，使用Webster配时法对最拥挤交叉口进行信号配时优化，并获取优化后的路网单位距离的平均行程时间T^(k+1)、优化后的单位距离的平均停驶时间T_s ^(k+1)和优化后的路网动态评估指标T_s ^(k+1)/T^(k+1)；

S4、判断|T_s ^(k+1)/T^(k+1)-T_s ^(k)/T^(k)|是否小于迭代精度ε，若|T_s ^(k+1)/T^(k+1)-T_s ^(k)/T^(k)|小于迭代精度ε，则迭代结束，输出配时优化结果；若|T_s ^(k+1)/T^(k+1)-T_s ^(k)/T^(k)|不小于迭代精度ε，令迭代计数k＝k+1，转步骤S2。

2.根据权利要求1所述的一种基于二流理论的城市路网信号配时优化方法，其特征在于，所述迭代精度ε>0。

3.根据权利要求1所述的一种基于二流理论的城市路网信号配时优化方法，其特征在于，所述步骤S3中，所述优化后的路网单位距离的平均行程时间T^(k+1)和优化后的单位距离的平均停驶时间T_s ^(k+1)通过两种方法获取，一种是通过交通仿真软件对现实路网进行模拟，输入原始路网几何数据、流量数据、信号配时数据，并在研究区域内所有车辆在统计时间区段内获取；另一种是采用GIS、GPS、车牌识别、车辆检测，在统计时间区段内获取。

4.根据权利要求3所述的一种基于二流理论的城市路网信号配时优化方法，其特征在于，所述统计时间区段为M，M＞5min。

5.根据权利要求4所述的一种基于二流理论的城市路网信号配时优化方法，其特征在于，所述统计时间区段是人为设定。

6.根据权利要求1所述的一种基于二流理论的城市路网信号配时优化方法，其特征在于，所述步骤S3中，使用Webster配时法对最拥挤交叉口进行信号配时优化，包含饱和流量计算和配时参数计算；所述饱和流量为在一次连续的绿灯信号时间内，进口道上一列连续车队能通过进口道停止线的最大流量。

7.根据权利要求6所述的一种基于二流理论的城市路网信号配时优化方法，其特征在于，所述饱和流量计算具体如下：

S_f＝S_bi×f(F_i)，

其中，S_f为平均基本饱和流量，S_bi为第i条进口车道基本饱和流量，f(F_i)为各类进口车道校正系数；

平均基本饱和流量包括直行车道T饱和流量、右转车道R饱和流量、左转车道L饱和流量；

车道宽度校正：

其中，f_w为车道宽度校正系数，w为车道宽度；

坡度及大车校正：

f_g＝1-(G+HV)，

其中，f_g为坡度及大车校正系数；G为道路纵坡，下坡为0，HV为大车率，不大于0.50；

直行车道饱和流量的计算如下：

其中自行车影响校正系数为：

其中，f_b为自行车影响校正系数，b_L为左转自行车数，g_e为有效绿灯时长；无信号配时数据则按照总有效绿灯时长除以周期内相位数获得；

直行车道饱和流量：

S_T＝S_bT×f_w×f_g×f_b，

其中，S_T为直行车道饱和流量，S_bT为直行车道基本饱和流量；

左转车道饱和流量：

有专用相位时：

S_L＝S_bL×f_w×f_g，

其中，S_L左转专用车道有专用相位时的饱和流量；S_bL左转专用车道有专用相位的基本饱和流量；

无专用相位时：

S'_L＝S_bL×f_w×f_g×f_L，

其中，S'_L为无左转专用相位时左转专用车道的饱和流量，f_L为左转校正系数；

所述左转校正系数计算如下：

其中，ε为对向直行车道数的影响系数，qT_o为对向直行车流量，λ为绿信比；

右转车道饱和流量：

有专用相位时：

S_R＝S_bR×f_w×f_g×f_r，

其中，S_R为有专用相位时右转专用车道饱和流量；S_bR为右转专用车道基本饱和流量；f_r为转弯半径校正系数；

若r为转弯半径，则转弯半径校正系数计算如下：

无专用相位时:

S'_R＝S_bR×f_w×f_g×f_r×f_b，

其中，S'_R为无专用相位时右转专用车道的饱和流量。

8.根据权利要求7所述的一种基于二流理论的城市路网信号配时优化方法，其特征在于，所述平均基本饱和流量还包括直左合用车道饱和流量、直右合用车道饱和流量、直左右合用车道饱和流量、左右合用车道饱和流量；

其中，直左合用车道饱和流量：

S_TL＝S_T×f_TL，

其中，

直左合流校正系数：

f_TL＝(q_T+q_L)/q'_T，

q'_T＝K_Lq_L+q_T，

其中，S_TL为直左合用车道饱和流量，f_TL为直左合流校正系数，q_T为合用车道中直行车交通量，q_L为合用车道左转车交通量，q'_T为合用车道中直行车当量，K_L为合用车道中左转系数；

直右合用车道饱和流量：

S_TR＝S_T×f_TR，

其中，直右合流校正系数：

f_TR＝(q_T+q_R)/q'_T，

q'_T＝K_Rq_R+q_T，

其中，S_TR为直右合用车道饱和流量，f_TR为直右合流校正系数，q_T为合用车道中直行车交通量，q_R为合用车道右转车交通量，q'_T为合用车道中直行车当量，K_R为合用车道中右转系数；

直左右合用车道饱和流量：

若为普通相位兼有行人影响：

S_TLR＝min{S_TL,S_TR}，

其中，S_TLR为直左右合用车道饱和流量，S_TL为直左合用车道饱和流量，S_TR为直右合用车道饱和流量；

若有单向左转相位或单向交通：

S_TLR＝S_T，

其中，S_TLR为直左右合用车道饱和流量，S_T为直行车道饱和流量；

左右合用车道饱和流量：

S_LR＝S_L×f_LR，

其中，左右合流校正系数：

f_LR＝(q_L+q_R)/q'_L，

q′_L＝K′_Rq_R+q_L，

其中，S_LR为左右合用车道饱和流量，f_LR为左右合流校正系数，q_L为合用车道中左转车交通量，q_R为合用车道右转车交通量，q'_L为合用车道中左转车当量，K'_R为合用车道中右转系数；

根据道路实际情况的饱和流量，用于流量比的计算，完成完整的信号配对，其中流量比为交通量与饱和流量的比值。

9.根据权利要求6所述的一种基于二流理论的城市路网信号配时优化方法，其特征在于，所述配时参数计算具体如下：

流量比总和：

其中，Y为组成周期的全部信号的各个最大流量比之和；j为一个周期内的相位数；y_j为第j相的流量比；q_d为设计交通量；s_d为设计饱和流量；

信号总损失时间：

其中，L_s为启动损失时间；A为黄灯时长；I绿灯间隔时间；k为一个周期内的绿灯时间间隔数；

最佳周期时长：

其中，L为信号总损失时间；Y为流量比总和；

总有效绿灯时间：

G_e＝C₀-L，

其中，G_e为总有效绿灯时间，C₀为最佳周期时长，L为信号总损失时间；

各相位有效绿灯时间：

其中，g_ej为各相位有效绿灯时间，Y为组成周期的全部信号的各个最大流量比之和，j为一个周期内的相位数；y_j为第j相的流量比；

各相位的绿信比：

其中，λ_j为各相位绿信比；

各相位绿灯显示时间：

g_j＝g_ej-A_j+l_j

其中，l_j为第j相位启动损失时间，A_j为第j相位黄灯时间；

计算结束，得到该交叉口各相位的信号配时情况。

10.根据权利要求1所述的一种基于二流理论的城市路网信号配时优化方法，其特征在于，所述迭代为根据步骤S4的迭代收敛标准，是否多次执行Webster配时法。

Images