1、计算机与现代化JISUANJI YU XIANDAIHUA2023年第1期总第329期收稿日期：2022-03-20；修回日期：2022-04-08基金项目：国家自然科学基金青年科学基金资助项目（61703064）作者简介：张建旭（1979），男，河南长葛人，副教授，博士，研究方向:综合交通系统规划，城市交通设计，交通仿真，E-mail:;通信作者:吴成峰（1996），男，重庆北碚人，硕士研究生，研究方向:交通运输规划与管理，E-mail：。文章编号：1006-2475（2023）01-0058-050引言对交叉口群进行整体信号协调控制是当前交通发展形式下的重要课题，对交叉口群的主要流线（关键
2、路径）进行干道信号控制是交叉口群协调控制的核心内容，而采用这一控制方式的前提是正确识别主要流线。干道信号控制最早源于绿波带研究，美国的Little1最早创建了干道绿波控制模型MAXBAND模型，但 该 模 型 应 用 难 度 较 大。Gartner 等 人2在MAXBAND模型的基础上创建了MULTIBAND模型，提高了模型的适用性，并且该模型是一个实时控制模型。这2个模型也成为了干道信号控制的经典模型。Zhang等人3进一步完善了 MULTIBAND 模型，使模型适用于道路中心线不对称的情况。Yang等人4扩大了研究范围，建立了多条路径的绿波协调模型。Abu-lebdeh等人5研究当道路超出
3、其通行能力时，利用模型优化信号配时，并剖析了道路双向信号配时模型的优缺点。于泉等人6提出了一种基于车辆队列长度的模糊逻辑规划方法，有效地减少了延误时间。傅惠等人7把最小延误时间和最大行驶速率当作优化目标，采取神经网络改善算法和群决策方法，创建了类似于双层规划算法的城市主干道信号配时优化办法。钱伟等人8提出一种以排队长度为优化目标的干道模糊协调控制方法。卫伟9也从车辆排队长基于协调影响流量的交叉口群主要流线识别张建旭，吴成峰（重庆交通大学交通运输学院，重庆 400074）摘要：为了确定交叉口群的主要流线，以更好地进行交叉口群协调控制，建立基于协调影响流量交叉口群主要流线识别算法。首先分析路径协调
4、影响流量成分，通过对交叉口群范围内的浮动车轨迹路径进行统计分析，确定备选主要流线并计算流线协调影响浮动车数量；然后利用交叉口流量和转向比例估计备选主要流线的协调影响流量；最后根据备选主要流线的统计协调影响浮动车数量和估计协调影响流量来计算流线权重指标，通过权重指标确定交叉口群的主要流线。以西安雁塔区划分的一个交叉口群为例，对交叉口群主要流线进行识别，验证本文算法的效果。实验结果表明，本文算法能利用浮动车数据和流量数据对交叉口群主要流线进行实时识别，为交叉口群信号协调控制提供支撑。关键词：交叉口群；主要流线；协调影响流量；浮动车轨迹数据中图分类号：U491.5文献标志码：ADOI：10.3969
5、/j.issn.1006-2475.2023.01.010Identification of Main Streamline of Intersection Group Based onCoordinated Influence FlowZHANG Jian-xu，WU Cheng-feng（College of Traffic and Transportation，Chongqing Jiaotong University，Chongqing 400074，China）Abstract:In order to determine the main streamline of intersec
6、tion group and better coordinate the control of intersection group，an algorithm for identifying the main streamline of intersection group based on coordination influence flow is established.Firstly，the flow components affected by route coordination are analyzed.Through the statistical analysis of th
7、e trajectory of floating vehicles within the intersection group，the alternative main streamline is determined and the number of floating vehicles affected bystreamline coordination is calculated；Then，the coordinated impact flow of the alternative main streamline is estimated by usingthe intersection
8、 flow and steering ratio；Finally，according to of the number of floating vehicles affected by the statistics of coordination of the alternative main streamline and the estimated coordination impact flow，we calculate the streamline weight index，and determine the main streamline of the intersection gro
9、up through the weight index.Taking an intersection group divided byYanta District of Xi an as an example，the main streamline of the intersection group is identified for verifying the effect of the algorithm.The experimental results show that the algorithm can use the floating vehicle data and flow d
10、ata to identify the mainstreamline of the intersection group in real time，and provide support for the signal coordination control of the intersection group.Key words:intersection group；main streamline；coordinated impact flow；floating vehicle trajectory data2023年第1期度角度出发，加入了饱和状态下车辆油耗的问题，建立了多目标优化的协调模型
11、，并利用现代智能优化算法进行求解。除此之外，还有很多学者对干线信号协调控制进行了深入的研究10-13。目前大部分干线协调控制研究都集中在干线优化方法上，对研究对象，即主要流线的识别关注较少，大多以知道主要流线作为假设前提，或根据经验人工确定。工程应用中常用的路径识别及分级方法有浮动车扩样法14、视频检测法15、OD估算法16及数据挖掘法17等。根据城市道路的观测流量，利用OD反推法也可以进行交叉口群路径估计18-19。针对OD反推法，Hu等人20对车辆检测器的布置策略进行了研究。Park等人21引入马尔可夫链对OD数据进行完善。程琳等人22运用随机用户均衡网络理论和网络要素选择，提出了交叉口分
12、流率计算方法。卞建勇等人23提出了基于视觉和后推方法的智能车轨迹跟踪控制方法。李岩等人24-25根据交叉口群交通关联性强的特点，通过交通检测数据的短时变化特性，得出上下游流向的关联性，进而确定交叉口群的关键路径。卢慕洁26通过深度优先搜索算法，以交叉口之间的关联性为指标确定交叉口群的主要流线。Ma等人27认为当队列长度变得足以让队列的末端接近队列检测器时，从上游到达的车辆的速度将比自由流动速度慢，据此将关键路径识别的新标准分为可能拥塞的占用阈值和不可避免的拥塞的滚动时间占用数2个部分。现有研究中，对交叉口群主要流线的识别主要通过分析各种交通检测器数据得到，这些数据多是离散的，难以反映交叉口群整
13、体运行状态。上下游交叉口关联性能局部反映流量流向趋势，但不能准确刻画多交叉口路径的重要程度。基于全样车辆轨迹数据，能够得到准确的交叉口群主要流线，但利用当前的交通数据采集手段，难以获得全样数据。据此，本文假设路径受到协调控制，并分析协调影响流量的组成成分，结合浮动车数据和交叉口处的流量流向，建立交叉口群主要流线识别算法。1主要流线协调影响流量分析主要流线是交叉口群进行协调控制的一个主要对象，主要流线的起点节点和终点节点都应该是交叉口群的边缘交叉路段端点，即主要流线贯穿交叉口群。同时，应包含2个及以上的交叉口节点。在对交叉口群的主要流线进行交叉口信号协调控制时，总体协调控制效益取决于控制方案的合
14、理性，以及受协调控制正面影响的流量，即协调影响流量。在控范围内的协调影响流量越大，协调控制的意义也就越大。主要流线协调影响流量由多个部分组成，除了直接通过主要流线全程的车流外，中途汇入主要流线的一些车流也会受到协调控制的正面效益。对图1中的交叉口节点和路段节点进行编号，圆形节点表示交叉口，线段端点表示路段节点。假设路径5，1，2，3，4，10 为交叉口群一条主要流线的一个方向，对编号为1、2、3、4的交叉口节点进行主线协调控制。图1节点编号受主要流线协调控制影响的流量主要有以下几种路径情况：情况1贯穿整条主要流线，受到协调影响交叉口节点数N=k-1，k为流量通过交叉口节点数。如图2所示，图中实
15、线箭头表示协调影响路段，即在该路段的下游交叉口，车流能受到协调控制的效益，减少红灯等待时间。图2情况1情况2起始节点与主要流线相同，最后节点与主要流线不同，且连续通过主要流线交叉口节点数大于等于3，受到协调影响交叉口节点数N=k-2，如图3所示。图3情况2情况3起始节点与主要流线不同，最后节点与主要流线相同，且连续通过主要流线交叉口节点数大于等于3，受到协调影响交叉口节点数N=k-2，如图4所示。图4情况3情况4起始节点和最后节点均与主要流线不同，且连续通过主要流线交叉口数大于等于4，受到协调影响交叉口节点数N=k-3，如图5所示。图5情况4除了上述4种情况以外，其他与主要流线有交集的路径流量
16、均不能受益于协调控制，减少交叉口处的红灯等待时间。将上述4种情况的流量以协调影响交叉口数量的比例为权重，进行加权叠加，即可得到合理的交叉口协调影响流量。2交叉口群主要流线识别算法2.1基于轨迹数据的路径统计模型浮动车的轨迹数据记录了浮动车行驶过程中位置与时间的变化关系，能够反映浮动车在路网中的行驶路12341413121167895101234141312116789510123414131211678951012341413121167895101234141312116789510张建旭，等：基于协调影响流量的交叉口群主要流线识别59计算机与现代化2023年第1期线。对所有浮动车在交叉口群内路网中的行驶路径进行统计，分析不同路径上的浮动车数量，根据浮动车路径选择的特性，浮动车数量越多的路径就越可能是交叉群的主要流线。根据这一思路，建立基于浮动车数据的路径统计模型，以反映浮动车对路径的使用情况。路径统计模型的算法设计步骤如下：Step1确定交叉口群中每个节点的数据采样范围半径，用来判断浮动车轨迹是否通过交叉口。当一辆浮动车在该范围内被采集到样本点时，则认为该浮动车通过这个节点。Ste