CN111951549A - 在网联车辆环境下的自适应交通信号灯控制方法及*** - Google Patents

Abstract

本发明公开了一种网联车辆环境下的自适应交通信号灯控制方法及***，其中方法包括以下步骤：获取道路交叉口一定范围内网联车辆的数据信息；获取道路交叉***通信号控制器的数据信息；根据获取的数据信息计算整个交叉口的加权平均控制延误时间，并判断交通状态；若为自由流或者稳定流，则运行上一周期的交通灯的信号时序；若为接近饱和流或者饱和流，则进行自适应信号控制，根据车辆到达率和车辆队列长度计算每个交叉口不同方向的绿灯时长及信号灯最优周期时长；若为强制流，则进行关键车道交通量的定时周期控制。本发明避免了车流量高峰时由于固定的交通信号灯时间而造成的车辆拥堵现象，也减少了车流量少时造成的不必要的延误。

Description

在网联车辆环境下的自适应交通信号灯控制方法及***

技术领域

本发明属于道路交通技术领域，具体涉及一种在网联车辆环境下的自适应交通信号灯控制方法及***。

背景技术

随着汽车保有量的不断增加，城市的交通问题日益凸显。如何根据实际交通流量有效地、自适应控制交通信号灯，提高交通通行效率，减少延误，是当前急需解决的问题之一。

目前，城市交叉***通信号灯控制方式分为定时控制和感应控制两种方式。传统的定时交通控制非常适合每天的交通量和模式保持一致的密集型交叉口，但无法适应交通流非计划性的波动。当交通量到达路口为随机变量时，车辆通行交叉口往往效率低下。感应控制又分为半感应控制和全感应控制两种：半感应交叉口信号控制***在设定预定值时，主干道路上的车速应小于60km/h，与主干道路交叉的次干道路的交通需求较小，探测器沿次干道路放置。全感应交叉口信号灯控制，在交叉道路上均安装探测器，常用于两条主干街道交叉的十字路口，适用于在一天时间内两条主干道路的交通流量波动较大的情况。虽然上述响应***会根据当前的交通状况来调整时间，但它只能通过一个预先设定的循环程序进行响应，找到与实际情况最接近的预设程序进行匹配。以上交通信号灯控制***如若根据交通流动态控制信号灯，都需要安装相应检测设备。

自适应交通灯控制***实时创建一个全新的时序，该时序基于交通量调整红绿灯时长和相位。从现有的交通自适应控制***发展过程来看，分为五个阶段：第一代以TRANSYT、MAXBAND为代表的离线多时段定时控制，第二代以澳大利亚的SCATS、英国的SCOOT***为代表的集中式自适应控制***，第三代以OPAC、RHODES、TASS、BALANCE为代表的分布式自适应控制***，与第二代控制思想相似，***为综合交通管理和控制***，它可以实现网络流量的综合管理，第五代以INSYNC、AFT为代表的自学习自适应控制模型，基于经验信息和实时交通状况，减轻了决策优化的计算负担。目前，SCAT和SCOOT是国内外公认使用最好的城市交通控制***。由于我国实行混行交通模式，交通量随机波动大、车辆类型多等因素，通过历史数据建立数学模型不准确，不能实现较为理想的控制状态。

传统的定时交通信号灯弊端明显,感应控制的交通信号灯实时性较差，不能应对车流量有较大波动的情况。个别发达城市在少数路口安装的智能控制信号灯，技术实现复杂，无法适用于当前设备，成本高，现阶段大规模普及不现实。

现有的具有固定周期的自适应交通控制理论、方法和技术存在一定的不足，主要有以下几个方面：

(1)现有的静态交通预测和时序方案模型不具备学习能力。因此，只有当网络流量模式显著变化时，相关部门才会重新校准模型参数。

(2)随着交通网络规模的不断扩大，采用集中控制的大规模区域路网难以保证数据传输的质量。

(3)区域路网缺乏对实际交通波动的及时响应，很难实现实时控制。

(4)现有的交通控制方法大多简化了控制约束条件，建立了精确的数学模型，但这些方法与实际的交通流情况不同，控制效果差。

当前交通控制***利用感应线圈检测器和其他传感器采集的交通数据是有限的。计算机科学、自主驾驶、车联网技术、移动互联网等信息技术的发展，为交通数据的采集创造了足够丰富的手段。网联车辆不需要基础设施支持，网络部署快，扩展方便。近年来，城市车辆与日俱增，移动网络日益突破，在一定的区域内使用无线网络通信技术将车辆与车辆以及车辆与固定基础设施连接在一起，从而车辆间多跳通信网络在现有道路上可以动态、快速地构建，且具有自组织、分布式控制的特点。因此，网联车辆在交通方面具有良好的应用前景。常规检测器无法获得车辆的轨迹信息，例如速度、位置、加速度、车头时距等，这些信息可以非常容易的在车联网感测环境中获得，车辆与车辆联网后将数据传输给云服务器，本发明正是基于实时监控数据而不是交通预测数据，控制***通过数据驱动和反馈实现自动调整控制策略。

发明内容

本发明要解决的技术问题在于针对现有技术中交叉路口信号灯控制效果差，不能很好地解决路口拥堵的缺陷，提供一种可有效改善拥堵情况的网联车辆环境下的自适应交通信号灯控制方法。

本发明解决其技术问题所采用的技术方案是：

提供一种网联车辆环境下的自适应交通信号灯控制方法，包括以下步骤：

S1、获取道路交叉口一定范围内网联车辆的数据信息，包括车辆位置、车速、时间戳；

S2、获取道路交叉***通信号控制器的数据信息；

S3、根据获取的数据信息计算整个交叉口的加权平均控制延误时间，并判断交通状态，包括自由流、稳定流、接近饱和流、饱和流和强制流；

S4、若为自由流或者稳定流，则运行上一周期的交通灯的信号时序；若为接近饱和流或者饱和流，则进行自适应信号控制，根据车辆到达率和车辆队列长度计算每个交叉口不同方向的绿灯时长及信号灯最优周期时长；若为强制流，则进行关键车道交通量的定时周期控制。

接上述技术方案，自适应信号控制方法具体为：

计算每个相位的有效绿灯相位时长和相位损失时长，具体为：设交叉口信号基本相位号为p，其中p＝1,2,…,k，相位组号为j，每个相位组作为一个阶段，阶段序号为i，阶段i对应的相位组序号为i_p、状态变量为s_i，状态变量s_i表示从开始优化时刻至第i个阶段结束的时间，决策变量x_i表示第i个阶段分配的相位组时长，此时：s_i＝s_i-1+x_i；对于不在当前阶段的相位组，其基本相位处于红灯状态，此时流出率为0；D_j是第j相位组的延误方程，g_ep是第p个相位的有效绿灯相位时长，R为相位损失时长，G_min和G_max是第p个相位的最小、最大绿灯时长；t表示优化开始后的时刻，阶段i队列长度为l，车辆的流出率为Q(t)，第t个时间步长的车辆排队长度l(t)等于到达车辆和离开车辆的差与前一时间步长t-1的车辆排队长度l(t-1)之和；

设饱和流率为s_ij

目标函数：

约束条件：

∑(g_ep+R)＝x_i

G_min＜g_ep＜G_max；

根据每个相位的有效绿灯相位时长和相位损失时长计算信号灯最优周期时长。

接上述技术方案，在一个阶段结束后，由递归方程f_i(s_i)＝min{Z+f_i-1(s_i-1)}，重新进行一次滚动优化。

接上述技术方案，所述一定范围为减速区域。

接上述技术方案，步骤S4中关键车道交通量的定时周期控制具体为：

信号灯周期时长：

总绿灯时长：g_t＝C_min-L；

不同相位关键车道组的有效绿灯时长：

式中，L为交叉口总损失时长，V_c为行车方向上的总交通流量；PHF为高峰小时系数；s_ij为饱和流率；v/c为流量比；g_t为总绿灯时长；V_c1为相位1关键车道组的流率；g_e1为相位1关键车道组的有效绿灯时长；V_cp为相位p关键车道组的流率；g_ep为相位p关键车道组的有效绿灯时长。

本发明还提供了一种网联车辆环境下的自适应交通信号灯控制***，包括路边单元RSU模块、云服务器、自适应控制器和交通灯控制模块；

所述路边单元RSU模块安装在交通信号灯灯杆上，与车载单元进行通讯，包括数据接收单元、车辆身份识别单元；

所述云服务器接收数据，用于存储车流数据、交叉口的交通需求和信号灯的状态信息；

所述自适应控制器，与所述云服务器连接，根据路口的交通需求，采用上述技术方案的网联车辆环境下的自适应交通信号灯控制方法，控制信号灯点亮时长；

所述交通灯控制模块，与所述自适应控制器连接，包括交通灯显示单元、交通灯选择单元和交通灯计时单元。

本发明产生的有益效果是：本发明可以借助于网联车辆计算出整个交叉口的加权平均控制延误时间，并判断交通状态，包括自由流、稳定流、接近饱和流、饱和流和强制流，根据不同的交通状态来自适应调节交通信号灯时间长短，避免了车流量高峰时由于固定的交通信号灯时间而造成的车辆拥堵现象，也减少了车流量少时造成的不必要的延误。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明的***结构框图；

图2是网联车辆环境布局示意图；

图3是本发明的算法建模框架；

图4是呼和浩特市呼伦南路与鄂尔多斯大街交叉口的几何形状和相位图；

图5A是自适应控制流程图；

图5B是网联车辆环境下的自适应交通信号灯控制方法流程图；

图6是优化前后的通行能力比较；

图7是优化前后的平均控制延误比较；

图8是优化前后的v/c比比较；

图9是优化前后的平均队列长度比较。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明中的信号灯控制算法以网联车辆实时共享的交通数据作为基础，依据车流量经自适应控制***判断交通状态，动态调整交通信号灯的点亮时长，及时调整不同方向的通行时间。与定时控制和感应控制相比，自适应控制***能更好地利用路网的整体通行能力，有效地提高路网交通效率，是调节交通流量、改善拥堵的重要技术手段之一，减少延误和排放。

本发明实施例网联车辆环境下的自适应交通信号灯控制***，如图1所示，包括路边单元(Road Side Unit，RSU)模块、云服务器、自适应控制器和交通灯控制模块，所述RSU模块安装在交通信号灯灯杆上，与车载单元进行通讯，包括数据接收单元、车辆身份识别单元。云服务器接收数据，用于存储车流数据、交叉口的交通需求和信号灯的状态信息。自适应控制器根据路口的交通需求，采用自适应控制方法，控制信号灯点亮时长。所述交通灯控制模块包括交通灯显示单元、交通灯选择单元和交通灯计时单元。云服务器和控制器连接，控制器分别与交通灯显示单元、交通灯选择单元和交通灯计时单元连接。

网联车辆环境布局如图2所示。可通过逻辑和算法识别自由流(随机达到)、饱和流和强制流等交通状态，将网联车辆探针数据集转换或处理为交通信号灯控制方案。输出值包含实时的交通流参数或变量，例如车头时距、交通流速率、车辆类型、车速、排队长度、停车时间、到达和离开模式、吞吐量、延误、v/c比等，开发网联车辆驱动的自适应信号控制机制。将以上量化的变量和模型集成到单个图形界面GUI中，用MATLAB软件实现此目的。评估控件的性能效果并使用反馈机制来优化配置，需要MATLAB和VISSIM一起使用。

基于网联车辆的自适应交通信号灯控制，包括如下步骤：

步骤一，通过网联车辆将车辆位置、车速、时间戳等数据上传至云服务器和交叉口RSU；

步骤二，云服务器接收RSU传递的数据，存储车流数据、交叉口的交通需求和信号灯的状态信息；

步骤三，内置在自适应控制器中的计算机芯片统计出车辆数据，计算交叉口的交通需求；

步骤四，根据交叉口的交通需求，采用自适应控制方法，控制信号灯绿灯、红灯时长。

所述步骤四控制信号灯绿灯、红灯时长，具体为控制绿灯时长。

以下步骤描述了算法的过程，对每个车道重复该过程：

步骤一，确定减速区域中所有已连接的车辆，包括它们的位置、速度和加速度。

步骤二，对于一对相连的网联车辆，按照流程图5A中的描述确定后续交通状态并执行。

步骤三，对减速区域中的每对相连的车辆重复以上步骤。

步骤二的详细说明如下：确定车辆状态之后，根据车辆状态计算所需的汽车跟随加速度，然后将其与实际加速度进行比较。对于处于减速区域的车辆，加速度通常为负，表示车辆试图停车，因为车辆在交通信号灯处形成队列，跟随至停车是常见的状态。与处于排队或减速区域的车辆相比，自由流区域的车辆控制延误较小。控制延误是指信号控制引起的一个车道组上的车辆减速或停车，相对于不设信号控制条件下产生的延误。

本发明主要利用网联车辆共享的数据估算车辆到达率判断交通状态和优化交通信号。具体地，本发明实施例的网联车辆环境下的自适应交通信号灯控制方法，如图5B所示，包括以下步骤：

S1、获取道路交叉口一定范围内网联车辆的数据信息，包括车辆位置、车速、时间戳；其中，一定范围可为减速区域。

S2、获取道路交叉***通信号控制器的数据信息；

S3、根据获取的数据信息计算整个交叉口的加权平均控制延误时间，并判断交通状态，包括自由流、稳定流、接近饱和流、饱和流和强制流；

S41、判断交通状态是否为自由流或者稳定流；

S5、若是自由流或者稳定流，则运行上一周期的交通灯的信号时序；

S42、判断交通状态是否为接近饱和流或者饱和流；

S6、若交通状态为接近饱和流或者饱和流，则进行自适应信号控制，根据车辆到达率和车辆队列长度计算每个交叉口不同方向的绿灯时长及信号灯最优周期时长；

S43、判断交通状态是否为强制流；

S7、若为强制流，则进行关键车道交通量的定时周期控制。

自适应信号控制方法具体为：

计算每个相位的有效绿灯相位时长和相位损失时长，具体为：设交叉口信号基本相位号为p(p＝1,2,…,k)，相位组号为j，每个相位组作为一个阶段，阶段序号为i，阶段i对应的相位组序号为i_p、状态变量为s_i，状态变量s_i表示从开始优化时刻至第i个阶段结束的时间，决策变量x_i表示第i个阶段分配的相位组时长，此时：s_i＝s_i-1+x_i；对于不在当前阶段的相位组，其基本相位处于红灯状态，此时流出率为0；D_j是第j相位组的延误方程，g_ep是第p个相位的有效绿灯相位时长，R为相位损失时长，G_min和G_max是第p个相位的最小、最大绿灯时长；t表示优化开始后的时刻，阶段i队列长度为l，车辆的流出率为Q(t)，第t个时间步长的车辆排队长度l(t)等于到达车辆和离开车辆的差与前一时间步长t-1的车辆排队长度l(t-1)之和；

设饱和流率为s_ij

目标函数：

约束条件：

∑(g_ep+R)＝x_i

G_min＜g_ep＜G_max；

根据每个相位的有效绿灯相位时长和相位损失时长计算信号灯最优周期时长。

进一步地，在一个阶段结束后，由递归方程f_i(s_i)＝min{Z+f_i-1(s_i-1)}，重新进行一次滚动优化，得到更好的效果。

步骤S7中关键车道交通量的定时周期控制具体为：

信号灯周期时长：

总绿灯时长：g_t＝C_min-L；

不同相位关键车道组的有效绿灯时长：

式中，L为交叉口总损失时长，V_c为行车方向上的总交通流量；PHF为高峰小时系数；s_ij为饱和流率；v/c为流量比；g_t为总绿灯时长；V_c1为相位1关键车道组的流率；g_e1为相位1关键车道组的有效绿灯时长；V_cp为相位p关键车道组的流率；g_ep为相位p关键车道组的有效绿灯时长。

本发明的一个实施例中，为了验证自适应控制算法，使用虚拟信号控制器在VISSIM中对呼和浩特市呼伦南路与鄂尔多斯大街交叉口进行建模和实验，交叉口的几何形状和信号相位图如图4所示。为了模拟观测数据流，使用轨迹和起点-终点(Origin-Destination，OD)信息创建了一个VISSIM行程链文件，该文件近似将探测器数据流转化为实时模拟的过程。每个行程链文件记录都包含一个时间戳，显示车辆何时进入网络，以及指示车辆起点区域编号和目的地。根据探测器信息传和离散时空分布图确定到达交叉口不同路线的车辆总数，信号定时和相序则由数据集确定。观测行驶时间与模拟行驶的比较见表1所示。

表1观测行驶时间与模拟行驶时间的比较

交通状态的建模与算法：

车辆到达交叉口的类型可表征交叉口信号联动质量，用于确定信号交叉口绿波质量的分类。根据道路通行能力手册(2010)，分为六种类型，到达类型1代表了最差的交叉口绿波质量，到达类型6代表了最佳的交叉口绿波质量。

道路交叉口的交通状态是根据服务水平衡量的，依据整个交叉口的加权平均控制延误定义服务水平，见表2所示。

表2服务水平标准

服务水平	平均控制延误(s)	一般说明
			A	≤20	自由流
B	30-35	稳定流
			C	35-55	接近饱和流
D	55-80	饱和流
			E	＞80	强制流

通过网联车辆可以很容易地获得采集时间、车辆ID、车辆所在的道路编号、车辆位置、车速、加速度、距离停车线的距离、距离车道中心线的偏移量等。

自适应信号控制通过网联车辆获得交通流信息，推测短时内车辆到达情况和交叉口排队长度(用延误表达)，定义目标函数，运算求解，获得最佳的信号灯配时方案。

目标函数使总控制延误最小，自适应控制流程图如图5A所示，本专利的实时自适应信号控制算法，采用运筹学中动态规划方法优化相位时长，把多阶段过程转化为一系列单阶段问题。

如图4所示的实施例列举了一个交叉口的八个基本相位，可能的相位组合包括东西方向左转、东西方向直行、南北方向左转、南北方向直行，其信号配置方案即确定相序和每个相位组合的持续时长。

在一条车道或道路的一个断面或均匀路段，车辆到达的统计分布均值称为到达率，用q_ij表示。网联车辆轨迹用向量表示。在饱和流情况，车辆的到达率一般服从泊松分布，实际情况中，车辆到达交叉口往往是不均匀的，用一个时间参数(这个参数可以由车辆轨迹向量计算得到)来表示这种不均匀性，时间窗t₁和t₂之间的累计到达车辆数可以由网联车辆的轨迹信息和泊松分布求得。网联车辆之间的传统车辆数目可以通过驶离时间和饱和车头时距计算出来，这样就可以求得车辆到达率，进而估算路口的实时交通流量。获得的或计算的这些参数为信号灯控制算法提供了准确的输入。

设交叉口信号基本相位号为p(p＝1,2,…,k)，相位组号为j，每个相位组作为一个阶段，阶段序号为i，阶段i对应的相位组序号为i_p、状态变量为s_i，状态变量s_i表示从开始优化时刻至第i个阶段结束的时间，决策变量x_i表示第i个阶段分配的相位组时长，此时：s_i＝s_i-1+x_i。对于不在当前阶段的相位组，其基本相位处于红灯状态，此时流出率为0。D_j是第j相位组的延误方程，g_ep是第p个相位的有效绿灯相位时长，R为相位损失时长，G_min和G_max是第p个相位的最小、最大绿灯时长。t表示优化开始后的时刻，阶段i队列长度为l，车辆的流出率为Q(t)，第t个时间步长的车辆排队长度l(t)等于到达车辆和离开车辆的差与前一时间步长t-1的车辆排队长度l(t-1)之和。

设饱和流率为s_ij

目标函数：

约束条件：

∑(g_ep+R)＝x_i

G_min＜g_ep＜G_max

当信号灯为绿色时，t-1时间步长内排队车辆数和t时间步长内到达车辆数大于最大离去车辆数时，车辆流出率等于饱和流率；否则，离去车辆数等于t-1时间步长内排队车辆数与t时间步长内到达车辆数之和。

为了充分利用车辆到达数据，在一个阶段结束后，可由递归方程f_i(s_i)＝min{Z+f_i-1(s_i-1)}，重新进行一次滚动优化，得到更好的效果。

依据图3、图5A和图5B，输入到达率、队列长度，判断交通状态，进而选择方案。方案1为运行上一个周期的信号时序：C_i+1＝C_i；

方案2为实施自适应信号控制算法。输入：基本相位号p，相位组号j，到达率q_ij，饱和流率s_ij，相位损失时长R和信号灯最小、最大周期时长G_min、G_max。输出：相位p的有效绿灯时长g_ep，进而求得信号灯最优周期时长C_opt。i代表优化的阶段；p是相位号，如果对应图4案例，p在某个相位组里有直行和左转两个，所以p＝1，2；j是指相位组，两组：南北方向、东西方向；

方案3为实施关键车道交通量的定时周期控制：

信号灯周期时长：

总绿灯时长：g_t＝C_length-L；

各相位有效绿灯时长：

式中，L为交叉口总损失时长，V_c为行车方向上的总交通流量，辆/h；PHF为高峰小时系数；s_ij为饱和流率，辆/h；v/c为流量比；g_t为总绿灯时长，s；V_c1为相位1关键车道组的流率，辆/h；g_e1为相位1关键车道组的有效绿灯时长，s；V_cp为相位p关键车道组的流率，辆/h；g_ep为相位p关键车道组的有效绿灯时长，s。

自适应控制的性能通过通行能力、控制延误、v/c比、队列长度来衡量。

本发明通行能力根据交叉口可以容纳的关键车道流量的最大总和来衡量。

式中，c_sum为关键车道流量的最大和，pcu/h；g_ep为相位p的有效绿灯时长，s；C为信号灯周期时长，s；s_ij为饱和流率，辆/h。

控制延误是信号交叉口绿波质量最重要的衡量指标，被用于评估服务水平和交叉口设计。

d＝d₁+d₂+d₃

式中，d为每辆车平均控制延误，s/辆；d₁为均匀延误，s/辆；d₂为增量延误，s/辆；d₃为初始排队延误，s/辆。

v/c比指交通设施的流速与通行能力之比。整个交叉口的关键v/c比可定义为关键车道流量与整个交叉口的通行能力之比(所有关键车道组)。

X_c＝∑v_cp/c_sum

式中，X_c为交叉口关键v/c比；v_cp为关键车道组流量，pcu/h；c_sum为所有关键车道组的通行能力，pcu/h。

VISSIM允许用户标识队列计数器位置，计算该位置距离前方队列最远点的距离。如果队列备份到多个链接上，则记录最长距离。如果队列的前部开始放行，VISSIM会一直跟踪到队列的后部，直到在队列计数器位置与当前队列的后部之间没有排队车辆为止。

AVEQ＝∑_il(t)/I

式中，AVEQ为分析周期中平均队列等待长度，m；l(t)为在步长时间t结束时队列后方长度，m；I为分析周期中的总时间步长。

上述实施例基于网联车辆的自适应交通信号灯优化结果见图6-9。

综上，本发明能实时收集车流量信息并实现数据共享，根据交通状态进行单个交叉口的交通信号灯自适应控制，能有效减少控制延误、拥堵、燃油消耗和污染物排放。本发明还充分利用现有设备，结合交叉口的摄像头和RSU实现了车流信息的精确采集，为未来实现多交叉口信号灯协同控制提供了指导。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (6)

1.一种网联车辆环境下的自适应交通信号灯控制方法，其特征在于，包括以下步骤：

S1、获取道路交叉口一定范围内网联车辆的数据信息，包括车辆位置、车速、时间戳；

S2、获取道路交叉***通信号控制器的数据信息；

S3、根据获取的数据信息计算整个交叉口的加权平均控制延误时间，并判断交通状态，包括自由流、稳定流、接近饱和流、饱和流和强制流；

S4、若为自由流或者稳定流，则运行上一周期的交通灯的信号时序；若为接近饱和流或者饱和流，则进行自适应信号控制，根据车辆到达率和车辆队列长度计算每个交叉口不同方向的绿灯时长及信号灯最优周期时长；若为强制流，则进行关键车道交通量的定时周期控制。

2.根据权利要求1所述的网联车辆环境下的自适应交通信号灯控制方法，其特征在于，自适应信号控制方法具体为：

计算每个相位的有效绿灯相位时长和相位损失时长，具体为：设交叉口信号基本相位号为p，其中p＝1,2,…,k，相位组号为j，每个相位组作为一个阶段，阶段序号为i，阶段i对应的相位组序号为i_p、状态变量为s_i，状态变量s_i表示从开始优化时刻至第i个阶段结束的时间，决策变量x_i表示第i个阶段分配的相位组时长，此时：s_i＝s_i-1+x_i；对于不在当前阶段的相位组，其基本相位处于红灯状态，此时流出率为0；D_j是第j相位组的延误方程，g_ep是第p个相位的有效绿灯相位时长，R为相位损失时长，G_min和G_max是第p个相位的最小、最大绿灯时长；t表示优化开始后的时刻，阶段i队列长度为l，车辆的流出率为Q(t)，第t个时间步长的车辆排队长度l(t)等于到达车辆和离开车辆的差与前一时间步长t-1的车辆排队长度l(t-1)之和；

设饱和流率为s_ij

目标函数：

约束条件：

∑(g_ep+R)＝x_i

G_min＜g_ep＜G_max；

根据每个相位的有效绿灯相位时长和相位损失时长计算信号灯最优周期时长。

3.根据权利要求1所述的网联车辆环境下的自适应交通信号灯控制方法，其特征在于，在一个阶段结束后，由递归方程f_i(s_i)＝min{Z+f_i-1(s_i-1)}，重新进行一次滚动优化。

4.根据权利要求1所述的网联车辆环境下的自适应交通信号灯控制方法，其特征在于，所述一定范围为减速区域。

5.根据权利要求1所述的网联车辆环境下的自适应交通信号灯控制方法，其特征在于，步骤S4中关键车道交通量的定时周期控制具体为：

信号灯周期时长：

总绿灯时长：g_t＝C_min-L；

不同相位关键车道组的有效绿灯时长：

式中，L为交叉口总损失时长，V_c为行车方向上的总交通流量；PHF为高峰小时系数；s_ij为饱和流率；v/c为流量比；g_t为总绿灯时长；V_c1为相位1关键车道组的流率；g_e1为相位1关键车道组的有效绿灯时长；V_cp为相位p关键车道组的流率；g_ep为相位p关键车道组的有效绿灯时长。

6.一种网联车辆环境下的自适应交通信号灯控制***，其特征在于，包括路边单元RSU模块、云服务器、自适应控制器和交通灯控制模块；

所述路边单元RSU模块安装在交通信号灯灯杆上，与车载单元进行通讯，包括数据接收单元、车辆身份识别单元；

所述云服务器接收数据，用于存储车流数据、交叉口的交通需求和信号灯的状态信息；

所述自适应控制器，与所述云服务器连接，根据路口的交通需求，采用如权利要求1-5中任一项所述的网联车辆环境下的自适应交通信号灯控制方法，控制信号灯点亮时长；

所述交通灯控制模块，与所述自适应控制器连接，包括交通灯显示单元、交通灯选择单元和交通灯计时单元。

Images