现代城市交通的智能控制与管理(urban traffic control system，UTCS)是智能交通系统的重要组成部分。而交叉口的通行能力又是决定道路通行的关键所在，若对城市交通网络的交叉口信号控制系统进行协调优化控制，可缓解拥堵区域的交通压力，使交通流量在整个城市范围内的分配趋于合理，降低或消除对道路的瓶颈影响，提高道路的通行能力和服务水平。所以城市交通控制的核心落实到如何根据交通需求来合理分配交通资源，提高通行效率。
交通信号控制的发展经历了点控、线控和面控3个阶段。把控制对象区域内全部交通信号的监控作为一个交通监控中心管理下的整体控制系统，是单点信号、干线信号和网络信号系统的综合控制系统。
1 国外研究现状
国外当前比较成 熟的系统主要有TRANSYT系统、SCATS系统和SCO0T 系统。但各个系统在信号优化方面存在着不同的特点，下面将分别比较它们在信号周期、绿信比和相位差优化调整方法的不同之处。
1．1 TRANSYT系统
交通网络研究工具(traffic network studytool，TRANSYT)是英国交通与道路研究所(TRRL)于l996年提出的脱机优化网络信号配时的一套程序n ]，它是一种脱机操作的定时控制系统，系统主要是由仿真模型及优化2部分组成。交通模型用来模拟在信号灯控制下交通网上的车辆行驶状况，以便计算在一组给定的信号配时方案下网络的运行指标；优化过程通过改变信号配时方案并确定指标是否减小，这样经过反复计算求得最佳配时方案。
TRANSYT早期的版本是采用“瞎子爬山”，对相位差和绿信比进行优化，但不能对周期进行优化，只能在一组周期中计算最小的性能指标，得到相对优化的周期时长。其性能指标PJ(performance index)与停车次数和排队长度有关
N
PI一Σ( +kin )
i= I
式中：叫；为第i条连线延迟时间的加权系数；k 为第i条连线停车次数的加权系数； 为第i条连线的总延迟时间；n 为第i条连线的停车次数的总和。对于给定的一组配时信号，使用上式就可以求得其性能指标。然后按照事先确定的调整步距(一个信号周期长度的1／50)调整路网上某一个交叉口的绿灯起始时间(相当于调整与该路口相关的相位差)，使用上式重新计算网络的性能指标。两者进行比较，如果该调整的性能指标有所改善，则继续沿同一方向调整该路口的绿灯起始时间，直至得到性能指标的最小值；如果该调整使性能指标增加，就沿相反的方向调整，直至获得最小值为止。网络中其他的交叉口的绿灯起始时间都以同样的方式进行调整。这种优化过程要重复次，才能得到满意的结果。
TRANSYT采用同样的方式对各交叉口的绿信比进行优化。优化过程中必须满足最小绿时的约束条件。对周期长度不能进行优化，可以事先给出一组周期长度值，然后计算每一个周期下的性能指标，从这组周期中选取最佳周期长度。美国Florida大学的TRANsYT一7F8．1C 后的版本采用遗传算法进行优化，其过程分别对相位差、绿信比和相序(针对跳相的情况)进行优化。而对周期的优化仍然采用从一组周期长度值中挑选最佳值。
TRANSYT系统是一种离线的交通控制系统，不能及时地对实时的交通状况及突发事件进行响应和调整。
1．2 SCATS系统
悉尼协调自适应交通系统(Sydney coordi—nated adaptive traffic system，SCATS)是由澳大利亚新南威尔士道路和交通局(RTA)于2O世纪7O年代末研制成功的，1980年起陆续在悉尼等城市安装使用[1 ]，目前RTA 正推出升级版SCATSII，约有5O个城市正运行SCATS系统。SCATS在实行对若干子系统的整协调控制的同时，也允许每个交叉口“各自为政”地实行车辆感应控制，前者称为“战略控制”，后者称为“战术控制”。二者的有机结合，大大提高了系统本身的控制效率。SCATS正是利用了设置在停车线附近的车辆检测装置，才能这样有效、灵活。所以，实际上SCATS是一种用感应控制对配时方案作局部调整的选择系统。SCATS为节省控制计算机的CPu 时间，把信号周期、绿信比及相位差作为各自独立的参数分别进行优化，而且不用延误时间和停车次数作为直接的优选目标函数。优化过程所使用的算法以综合流量及类饱和度为主要依据。SCATS使用的类饱和度是指车流有效利用的绿灯时间与绿灯显示时间之比，不同于一般的概念。为避免采用与车辆种类(车身长度)直接相关的参量来表示车流流量，sCATs引入了一个虚拟的参量即综合流量q 来反映通过停车线的混合车流的数量。综合流量是指一次绿灯期间通过停车线的车辆折算当量，它由直接测定的类饱和度及绿灯期间实际出现过的饱和流量S来确定。
一个完整的SCATS系统需要进行如下的分析：信号周期长度的选择，以子系统为单位；绿信比方案的选择，以子系统为单位；绿灯起步时距的方案选择，包括子系统内部的信号协调，相邻子系统之间的车流协调，同时作必要的修正；合并子系统，由“合并指数”表示；局部性车辆感应控制。
1．2．1 信号周期优化 周期的长度以子区为基础，根据其中类饱和度最大的交叉口来确定整个子区的信号周期。SCATS事先有4个限制值，即最小值C 最大值c眦 、中间值Cs和介于最大和中间值的C 。信号周期的调整采用连续小步距方式，最大可达6 S。
1．2．2 绿信比的选择 事先为每一个交叉口准备了4个绿信比方案供实时选择使用，在每一个绿信比方案中，不仅规定各相位的绿灯时间，还规定相位次序。在不同的绿信比方案中，相序可能是不相同的。其选择方法为：根据当前实测的灯类饱和度及相应的绿灯时间，推算出其他3种未被执行的绿信比方案下的类饱和度，各找出一个最大的类饱和度(即关键车流的类饱和度)进行比较，从类饱和度最低的绿信比方案中选择。若在连续3个周期内某一方案2次被中选，则下一周期也选此方案执行。
1．2．3 相位差的选择
相位差分为2类：一类为子区内各交叉口之间的信号协调，另一类为两个相邻子区合并时协调两个子区的车流。2类相位差各有5种事先确定。第一个相位差用于周期长度为Cmi 的情况，第二个用于信号周期为[Cs，Cs+103，余下的3种方案则根据实测流量及推算结果选择。
SCATS系统则是一种方案选择式的交通控制系统，其系统预先根据历史交通数据设计多套信号控制方案，由路网的感应检测器所采集的交通数据来从预案中挑选。
1．3 SCooT系统
绿信比一周期长一绿灯起步时距优化技术(spli~cycle-ofse t optimizatio n technique，SCOOT)是一种对交通信号网实行实时协调控制的自适应控制系统【3]。由英国运输与道路研究所(TRRL)于1973年开始研究开发，1979年正式投入使用。SCOOT是在TRANSYT的基础上发展起来的，其模型及优化原理均与TRANSYT相似。不同的是，SCooT是一种方案自动产生式控制系统，即通过安装于各交叉口每条进口道上游的车辆检测器所采集的车辆到达信息联机处理，形成控制方案，连续地实时调整绿信比、周期长及绿灯起步时距3个控制参数，以适应同变化的交通状况。SCooT优化采用小步长渐近寻优方法，无需太大的计算量。此外，对交通网上可能出现的交通拥挤和阻塞情况，SCooT有专门的监视和应付措施。它不仅可随时监视系统各部分的工作状态，对故障发出自动报警，而且可以随时向操作人员提供每一个交叉口正在执行的信号配时方案的细节情况，每一周期的车辆排队情况(包括排队队尾的实际位置)以及车流到达图式等信息，也可以在输出终端设备上自动显示这些信息。
1．3．1 绿信比的优化
采用试算的方法，分别计算3种情况的车辆延误时间和停车率，即维持绿灯不变、绿灯时间缩短4 S和延长4 S时。其最小的值作为优化结果。无论是延长或缩短4 S，只限于下一个周期之内，是一个“临时性调整”。在该周期结束后，中心计算机把该相的绿灯时间作一次“永久性调整”，即“临时性调整”的起始变化点退回3 S，即实际变化量为± 1 s，形成永久性调整，存入计算机内。绿信比的优化是逐个交叉口单独进行的，不考虑交叉口之间的并联性。
1．3．2 相位差的优化
相位差的优化是以优化单元为单位进行的，一个交叉口和跟它相邻的所有交叉口之间的连线所构成的区域为一个单元。每一个交叉口都有一个预先指定的时间点作为优化和调整相位差的时间。每到这一时间，SCOOT 的优化程序根据实时周期交通流分布图所提供的数据信息来估算相位差调整的必要性。估算的依据是PJ值， 值最小的方案被认为是应当采用的最佳方案。
1．3．3 信号周期的优化
SCOOT将控制区划分为不同的子区，子区内的信号周期时长是一样的，或是双周期的，各个子区的调整是独立的，不考虑与其他子区的并联性。
2次调整的间隔不超过2．5 min，每次调整量为几秒。为了防止过长或过短的信号周期优化值，通常事先设定上下限值。周期优化的原则是保证一个子区负荷最高的关键交叉口其饱和度达到最高上限值(0．9)。在系统运行中利用它的交通模型不断对每个交叉口饱和度进行计算，若所有交叉口的饱和度低于0．9，则系统逐渐缩短该子区的信号周期。一旦关键路1：3的饱和度增高至0．9或信号周期长度低至规定的下限，则不再继续缩减。子区内交通流量小的交叉路口采用双周期。
SCOOT系统是一种方案产生式的在线交通控制系统，能根据实时的交通流数据来产生新的交通控制方案。对信号周期、绿信比和相位差优化调整采用多次小步幅、单独地调整。
2 国内研究现状
国内部分学者仅在交叉路口线控制方面做了一些探索工作，而成熟的系统还处于开发研制阶段。北方工业大学马建明等研究建立专家系统与仿真技术结合，对交叉口的几何设计、交通组织和信号设计进行了优化[z]。武汉理工大学的罗美清等也用VISSIM 软件对单个路口的通行能力、排队长度和延误时间进行了仿真计算并与韦伯斯特公式、美国道路通行能力手册、阿尔塞立科公式计算结果进行比较，证明了微观仿真的准确性 ]。也有学者提出用多智能体(multi—agent)的方法对城市交通进行智能控制[5]。西安电子科技大学的张宗华等利用遗传算法对3个路口的信号灯的绿时长和周期进行了优化控制，并结合TSIS进行了仿真研究L6]。国
技术中心
