面向ATMS的交通信息系统研究

智能交通系统规划一、智能交通系统简介智能交通系统的前身是智能车辆道路系统（Intelligent Vehicle highway system,IVHS）智能交通系统将先进的信息技术、数据通讯传输技术、电子传感技术、电子控术以及计算机处理技术等有效地集成运用于整个制技交通运输管理体系，而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合运输和管理系统。

二、智能交通系统的应用范围包括机场、车站客流疏导系统，城市交通智能调度系统，高速公路智能调度系统，运营车辆调度管理系统，机动车自动控制系统等。

三、智能交通系统的主要功能它主要是通过人、车、路的和谐、密切配合提高交通运输效率，缓解交通阻塞，提高路网通过能力，减少交通事故，降低能源消耗，减轻环境污染。

1、顺畅功能：ITS可以提高车辆和行人的通行效率；提高道路、设施的使用效率；提高汽车运输生产率和经济效益。

2、安全功能：ITS能够减少最可能出交通事故。

3、环境功能：智能交通不仅高效、便利，还是“绿色交通”。

有资料表明，由于平均车速的提高带来了燃料消耗量的减少和排出废气量的减少，采用智能交通系统有望减少60%的城市交通拥塞，使短途运输效率提高近70%，汽车油耗也可由此降低15%。

交通的顺畅将大幅度减少车辆在路上的迟滞时间，使得汽车尾气的排放也大大减少，从而改善空气质量。

四、智能交通系统的组成1、交通信息采集系统人工输入GPS车载导航仪器GPS导航手机车辆通行电子信息卡CCTV摄像机红外雷达检测器线圈检测器光学检测仪2、信息处理分析系统信息服务器专家系统GIS应用系统人工决策3、信息发布系统互联网手机车载终端广播路侧广播电子情报板电话服务台五、智能交通包含的子系统一、车辆控制系统指辅助驾驶员驾驶汽车或替代驾驶员自动驾驶汽车的系统。

该系统通过安装在汽车前部和旁侧的雷达或红外探测仪，可以准确地判断车与障碍物之间的距离，遇紧急情况，车载电脑能及时发出警报或自动刹车避让，并根据路况自己调节行车速度，人称“智能汽车”。

汽车运输行业信息技术的应用研究关键词：行业信息；电子；通讯设备随着社会的不断发展和科技的不断进步，我们已经有原来的工业社会转变成了信息社会，21世纪的到来标志着信息时代的到来，信息技术是当今社会研究的核心和主题，是最具潜力的一门技术，其价值无法估量。

而在工业文明中汽车运输行业起着重要的作用，为了满足经济发展的要求，充分发展汽车运输业，可以将信息技术应用到汽车运输业当中，从而提高并改善汽车运输业的运输安全、运输、效率、运输效益以及运输质量等。

文章将对信息技术以及信息技术的应用进行阐述。

一、交通运输行业中的信息技术信息技术利用电子计算机以及其他的电子通讯设备的现代信息处理技术，包括对信息的读写、采集、存储、管理、分析、交换等对信息处理利用的过程。

信息技术是21世纪最具潜力的技术，已经成为了社会生产力的发展方向，对于资源的优化配置更为高效，有利于推动产业的发展和升级、提高社会运行效率、优化社会生产结构等。

主要表现在一下几方面：在传统机械中应用信息技术，使得产品更加智能化、网络化；在企业中应用网络信息技术以及计算机辅助技术有利于提高其运行效率和创新能力；在工业生产中应用信息技术对产品的制造、运输进行管理和自动控制，有利于提高产品的生产率和运输效率；在企业管理中应用信息技术使得管理更科学，对人力、物力、财力进行统一的调配，有利于企业的整体优化；电子商务中信息互联网的应用，能够实现有效的管理企业的供给链以及客户关系，有利于企业对市场信息的获取，从而提升企业的市场竞争力以及经济效益。

二、网络技术在汽车运输业中的应用1.货运站网络运营随着信息技术的不断发展，交通运输业也步入了网络时代，货运站中应用广泛。

货运站包括：零担站、货运枢纽站、联运站以及集装箱站等。

货运枢纽站在运输网络中作为货运站的核心，可办理多种业务，设备齐全，吞吐量大。

能够实现对货物的自动化、现代化的保管、分装、组织、运输等，并且对于货物的配载、运输等都可以通过现代的通讯设备以及计算机等进行统一的安排，从而使得交通运输的效率得到了提高，有利于运输业的发展，减少能源浪费。

第10卷第3期2010年6月交通运输系统工程与信息Journal of Transportation Systems Engineering and Information TechnologyVol.10No.3June　2010文章编号:1009-6744(2010)03-0042-08交通信号控制参数的仿真优化方法研究林　勇＊1,2,许兆霞2,李树彬2,党文修3(1.中山大学智能交通研究中心,广州510275;2.山东省科学院自动化研究所,济南250014;3.山东警察学院治安系,济南250014)摘要:　为优化区域交通网络中各信号控制器的配时方案,利用递推最小二乘算法(RLS)和同时扰动随机近似(SPSA)算法,由检测器流量估计DynaCHINA动态网络交通仿真与分析系统的动态OD矩阵,输入并标定各路段的速度-密度模型参数和饱和流量,获得网络状态的准确估计,包括各路段的速度、密度、流量、队列长度等;在此基础上,利用SPSA算法优化各信号控制器配时参数,包括各信号控制器的周期、相位差和绿信比,使得网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优.针对实际路网的测试表明,本文的参数标定方法可以获得准确的检测器流量估计,结果明显优于Ashok K的动态OD矩阵与检测器流量估计方法;与现有的基于Synchr o信号配时优化软件获得的结果相比较,该方法可较大幅度缩短车辆在路网中的平均旅行延误,并可推广应用于更复杂的区域路网的信号控制参数优化等场合.关键词:　智能交通;信号控制;中观交通仿真;随机优化;动态OD矩阵中图分类号:　TP301.6;U491文献标识码:　ASimulation Optimization of Traffic Signal Control ParametersLIN Yong,XU Zhao-xia,LI Shu-bin,DANG Wen-xiu(1.Intelligent Transportation Research Center,SUN Yat-Sen University,Guangzhou510275,China;2.Automation Institute,Shandong Academy of Sciences,Jinan250014,China;3.Public Securit y Department,Shandong Police College,Jinan250014,China)A bstract:　To optimize the signal controller timing schemes in an regional traffic network,the recursive leastsq uare(RLS)algorithm and the si multaneous perturbation stochastic approximation(SPSA)algorith m are devel-oped,which can utilize the surveillance flows to estimate the dynamic OD matrix input and calibrate the speed-den-sity model parameters and saturation flow for each road segment in the DynaCHINA dynamic net work traffic simula-tion and analysis system.By this approach,the net work traffic states can be esti mated accurately,such as thespeed,density,flow,q ueue length,and s o on,for each road segment of the network.Based on the reliable trafficestimation,the SPS A algorithm is proposed to adjust the signal controlling parameters in a net work,includ ing thes ignal cycles,offsets,and splits,so that the net work performance index,such as average vehicle travel delay,收稿日期:2009-10-26 修回日期:2010-01-17 录用日期:2010-02-24基金项目:公安部应用创新计划项目(2007YYCXSDST057);中国博士后科学基金(20080440796);山东省自然科学基金(Y2008F14).作者简介:林勇(1973-),男,四川资阳人,研究员.＊通讯作者:linyong11@DOI:10.16097/ ki.1009-6744.2010.03.004q ueue lengths,intersection throughputs,and so on,can be optimized in a dynamic network traffic simulation s ys-tem.From wide tests for actual net work,it is concluded that the proposed method can obtain more accurate esti ma-tion of surveillance flows than that of As hok K's dynamic OD matrice and sensor flow estimation method,and it can also s ignificantly reduce the average travel delay of vehicles across the network,in comparis on with Synchro signal ti ming optimization soft ware which is now widely used by traffic engineers.Furthermore,the proposed method can be extended to the application of more complicated and large area traffic networks.Key words:　intelligent transportation;s ignal control;mesoscopic traffic simulation;stochastic optimization;dy-namic OD matrixCLC number:　TP301.6;U491Document co de:　A1　引 言先进的交通管理系统(ATMS)和先进的出行者信息系统(ATIS)是智能交通系统(ITS)中两个重要的组成部分.一般认为,前者主要通过调节信号控制系统的配时参数等手段,影响交通网络的供给能力,对出行者来说具有强制性;而后者通过发布交通诱导信息等途径改变出行者的出发时间、出行方式和出行路径,从而调节随时间变化的交通需求,这些诱导信息对用户来说是建议性的.在信号控制系统的研究过程中,应深入分析交通需求、交通供给的变化规律及二者间紧密的相互作用关系,忽视其中的任何一面均会导致信号控制系统的性能降为次优甚至使系统失效.历史上,人们相继开发完成了很多区域交通信号控制系统,如TRANSYT、SCATS、SCOOT、R HODE S、OPAC、ACSLite等[1-3].在美国,由于先进的自适应交通控制系统R HODE S、OPAC等配置成本较高、技术复杂而导致交通工程师难于理解和有效维护等原因,迄今并未大量应用;联邦公路局(FHWA)转而寻求一种折中的解决方案,即基于R HODE S等系统的分层递阶控制的思想,研发一种“轻量级”的自适应控制系统ACS-Lite[3],能够根据每天交通需求的动态变化情况不断调整不同时间段的配时参数,并且在现有的感应式控制系统的基础上增加少量投资即可实现,便于大规模应用.在我国,相当多城市的交通流仍属于“混合型”,公众的交通出行素质有待进一步提高.由于先进的自适应信号控制系统是建立在良好的交通秩序和对网络交通流的变化规律、居民的出行需求特征等有良好把握的基础上,现阶段相当一部分城市不宜贸然建立这样的系统,否则缓解交通拥堵的效果并不一定十分明显.一种可能的解决方案是在深入分析交通供需变化情况和相互作用规律的基础上,建立分时段的区域信号控制参数优化系统,除了可以大量节约投资,对路网中混合交通流的动态变化特性不过分敏感外,还具有一定的“自适应”能力.为此,本文在已完成原型开发的DynaCHINA动态网络交通仿真系统[4]的基础上,利用随机参数优化算法获得区域范围内分时段信号控制参数的优化方案.研究的总体思路类似于英国运输与道路研究实验室(TRRL)开发的TRANSYT[1],即系统包含交通仿真模型和信号配时参数优化两大部分,但具体的内容则和TRANSYT几乎完全不同.2　DynaCHINA动态网络交通仿真系统DynaCHINA借鉴了美国联邦公路局连续支持研究超过14年的两套实时交通估计与预测系统DynaMIT、DynaSmart-X的发展经验[5-7],是一套针对国内出行者的行为特性、车流特性开发的动态网络交通仿真与实时路况预测软件系统.该系统基于先进的交通模型,通过融合实时检测信息(网络中部分路段上的车流量、占有率、行程时间等)、信号控制方案、历史数据(路段车流量、行程时间、道路占有率、动态OD矩阵等),以及来自于其他的AT MS/ ATI S支持系统的信息,并结合系统仿真技术,提供如下功能:(1)网络状况的实时估计,包括各路段的旅行时间、排队长度、车流密度等;(2)对交通控制和信息发布策略作出响应,滚动预测网络状况并分析网络性能;(3)通过ATIS为出行者提供适合出行的时间、方式、路径,以及其他的交通信息和交通咨询,43第10卷第3期交通信号控制参数的仿真优化方法研究从而实现驾驶员的最优决策.如图1所示,DynaCHINA的输入包括路网元素的拓扑连接关系和几何特征,典型路段(城市快速路、主干道、次干道、支路等)的交通流模型参数(速度-密度模型参数、道路饱和流量、道路容量等),出行者对交通诱导信息响应行为模型的参数,信号控制器的配时参数,部分路段上随时间变化的流量或者平均速度,也可融入历史的动态OD流量等.图1　DynaCHINA技术原理Fig.1　DynaC HINA technical principle基于上述输入数据,DynaC HI NA的“需求仿真器”采用一套动态OD矩阵估计方法(卡尔曼滤波器、广义最小二乘优化算法等),获得当前时间段的动态OD流量,将其加载到一个“供给仿真器”上,快速仿真交通流在路网中的动态传播过程,从而可以获得覆盖整个路网的交通状况估计.如果估计的路况与路网中检测器实际采集到的交通流数据间存在较大偏差,则通过反复迭代修正动态OD流量和模型参数,最终使仿真输出与现场检测数据较为一致,此时迭代过程结束.这个阶段称为“状态估计”,同时该阶段也利用现场检测数据标定系统中的大量模型参数.“供给仿真器”又称作“中观交通仿真器”,用于模拟车辆在路网中的实际运行过程.该仿真器将若干单个的车辆加载到网络中,由宏观的速度-密度(k-v)模型计算路段上车辆走行阶段的速度,用队列、容量模型描述车流在交叉口附近的排队消散行为;其中,信号控制、交通事件等对路网供给能力的影响建模为交叉口进口道或路段下游末端的容量约束.相对于微观交通仿真系统,中观交通仿真器有较高的计算效率,能够满足系统在线运行的需要,且建立路网和标定模型参数更为容易;而与宏观交通仿真模型比较,中观交通仿真由于跟踪网络中每辆车的运行过程,便于描述具有不同属性(社会经济属性、时间价值观念等)的出行者对多样化的出行诱导信息的响应,更准确地模拟实际的交通行为.以上述“状态估计”结果为起点,“需求仿真器”采用自回归模型描述动态OD流量偏差(如不同星期的同一天的动态OD流量间的偏差)的变化模式,可预测未来若干时间段(如未来30-60分钟)的动态OD流量.通过将这些预测的动态OD流量加载到中观供给仿真器上模拟车流沿路网传播的过程,可以获得未来一段时间的覆盖全路网的动态路况预测.此时,将预测出来的路况发布给中观交通仿真器中“虚拟”的用户使用,利用信息响应行为模型分析这些“虚拟”的用户对预测路况作何反应,并评估这种基于预测路况的交通诱导能否缩短每个用户的平均出行时间,即每次迭代过程均重复“修正路况预测※模拟用户对预测信息的反应※评估预测信息是否改善交通状况”,直至达到迭代次数上限或者对路况的改善程度达到要求.此时,预测的路况信息才最终发布给路网中的实际用户使用.通过上述复杂的仿真迭代过程,目的是产生真正有效的交通预测信息;或者说,交通预测是有“先见之明”的,是在考虑用户对这些预测有何不同反应的基础上来制定的,这样可以避免预测路况实际发布后可能导致的“过度反应”现象,即如果相当一部分驾驶员知道未来一段时间某些路段会拥堵,则可能会转移到预测的较畅通的替代路径上,从而导致原先预测的拥堵路段变得畅通,而预测的畅通路段却被转移车流堵塞了.3　信号控制参数优化DynaCHINA通过输入网络中部分路段上的检测数据、信号控制方案(信号控制器的相序设置、各相位配时参数等),并融合历史数据,可获得网络中动态变化的交通需求和供给模式.其中,主要采用44交通运输系统工程与信息2010年6月递推最小二乘算法(RL S)来估计动态OD流量,并作为先验信息提供给同时扰动随机逼近(SPSA)算法,以便裹准确地估计动态OD流量并同时标定供给模型参数,如各路段的速度-密度模型参数和饱和流量等.这些方法与Balakrishna R论文[8]中的相似.在吩网络供需变化规律有准确估计的基础上,利用信号控制参数优化模型与算法可改进信号配时方案,实现通过网络中各交叉口的流量总和最大、旅行时间延误最小、停车次数最少,或者排队长度最短等目标,当然优化目标也可以取为上述指标的加权平均.3.1　优化模型本文暂不考虑相序优化,仅优化网络中各信号控制器的相位差和每个相位的绿灯持续时间.此时,网络中各信号控制器的信号周期可以不同,等于该控制器所有相位的绿灯时间和黄灯时间之和.若要求网络中所有信号控制器的信号周期保持一致或者部分信号控制器的周期相同(如某些干线上的信号控制器),则针对这些控制器,优化变量可取为周期时间和绿信比.此外,若要求主干道上实现近似“绿波带”的控制效果,则优化指标可取为停车次数或者排队长度.首先作如下定义:d={d h}:网络中所有时间段的旅行延误,其中d h为第h个时间段所有路段上所有车辆的旅行延误列向量;ql={ql h}:网络中所有时间段的队列长度,其中ql h为第h个时间段所有路段上的平均队列长度列向量;s={s h}:网络中所有时间段的停车次数,其中s h为第h个时间段所有路段上的停车次数列向量;f={f h}:网络中所有时间段的交叉口进口道流量,其中f h为第h个时间段所有交叉口各进口道的流出量列向量;M h:网络交通仿真系统DynaCHINA的输出,包括各条路段在第h个时间段的流量、旅行延误、平均队列长度、停车次数等列向量;ξh=[d′h　ql′h　s′h　f′h]′:第h个时间段的网络性能评价指标列向量;ξ={ξh}:所有时间段内的网络性能评价指标;h(·):定义Dyna C HI NA的输入、输出间映射关系;g(·):定义DynaCHINA的仿真输出量与网络性能评价指标间的映射关系,由于DynaCHINA可直接输出网络性能指标评估,因此该映射常可取为单位映射;f(·):优化目标函数,优化的结果可以是旅行延误、平均队列长度等单个性能指标最优,或者各指标的加权平均最优;D:网络中的动态交通需求(OD矩阵),通过DynaCHINA的离线参数标定过程获得;β:出行选择模型参数,包括驾驶员的出行时间、出行路径等选择模型中的各个参数,通过系统参数标定过程获得;S:仿真系统的供给模型参数,包括典型路段的速度-密度模型参数、饱和流量等,同样通过系统参数标定过程获得;C h:第h个时间段所有信号交叉口的公共周期;C min,C max:信号控制周期的上下限约束值;T={T h}:网络中所有信号控制器的配时参数;T h={t ih}:第h个时间段所有信号交叉口的配时参数向量;t ih=[t g i0h　t g i1h　…　t g iP i h　t off ih]T或[C h s g i0h　C h s g i1h　…　C h s g iP i h　t off ih]T:第h时段第i 个交叉口各相位的绿灯时间以及初始相位的相位差,其中P i为第i个信号交叉口的相位数,s g ijh为第h时段、第i个交叉口、第j相位的绿信比;T min,T max:信号配时参数的上下限约束向量.有了上述定义,信号控制参数优化模型如下: minT　f(ξ)(1) s.t.　M h=h(D,β,S,T1,T2,…,T h)(2) ξ=g(M1,M2,…,M h)(3) T min≤T h≤T max(4) 通过上述优化模型获得的各信号控制器的周期可以是不同的;若要求网络中各信号控制器周期保持一致,则t ih取绿信比形式为t ih=[C h s g i0h　C h s g i1h　…　C h s g iP i h　t off ih]T(5)且增加如下约束:C min≤C h≤C max(6)45第10卷第3期交通信号控制参数的仿真优化方法研究3.2　优化算法在优化信号控制参数以前,需要标定DynaCHINA动态网络交通仿真系统的需求、供给参数,具体过程如下:(1)设定路径选择模型参数的初值.设定DynaCHINA中典型类别道路(城市快速路、主干道、次干道、支路等)的速度-密度(k-v)模型参数和饱和流量,可通过检测器或交通调查数据并利用曲线拟合方法得到.(2)获得考察时间段路网的信号配时方案.(3)获得考察时间段网络中部分道路断面的流量,流量采集周期为15～60分钟.为进行可靠的OD矩阵反推,流量检测应满足“最小覆盖”原则,即每个OD对间的最短路径上至少有一条路段的流量是能够获得的,其中路段定义为两个交叉口之间的一条单向道路.(4)利用DynaCHINA自带的离线参数标定功能(类似文献[8]),同时标定网络的需求与供给参数.其中,需求参数包括动态OD矩阵、路径选择模型参数;供给参数包括几种典型类别道路的k-v 模型参数、饱和流量.(5)基于参数优化算法和DynaCHINA动态网络交通仿真系统,优化区域中各信号控制器配时参数,直至目标函数满足要求或达到迭代次数上限.式(1)-式(4)构成一个非线性随机优化模型,其中随机性来源于映射h(·).该映射描述了网络中动态交通需求、供给与仿真输出之间复杂的映射关系,且无解析的表达形式,而是隐藏于DynaCHINA动态网络交通仿真系统中,可视为“黑箱”.由于Dyna CHI NA的动态OD流量加载、路径选择等过程均采用了概率模型,具有随机性,因此映射h(·)是随机映射.对于该多变量随机优化(逼近)问题,一种常用的方法是有限差分随机逼近(FDSA),即通过独立的扰动每个优化变量继而比较目标函数值来获得一个搜索方向.由于FDSA算法中每一次梯度计算至少需要n+1次的函数评估,其中n为待优化(估计)的参数个数,具有太大的计算复杂性.Spall提出了一种求解目标函数最小化的优化算法[9],主要是通过对函数的梯度进行逐次随机逼近来实现随机优化.同时扰动随机逼近(SPSA)由于仅对待优化向量的各分量进行一次性的“同时”扰动,相比于FDSA,计算性能有了显著的提高.在每次迭代过程中估计梯度向量时,SPSA算法仅需对目标函数值进行两次计算即可,而与待优化的参数个数n无关,这对于大规模的优化问题尤其重要.尽管FDSA在每次迭代过程中有可能给出更准确的梯度向量估计,但由此导致的计算费用太高.有研究表明[9],分别采用SPSA与FDSA算法获得全局最优解所需的迭代次数大致相当;但对于大规模优化问题,每次迭代过程中SPSA所需的计算量则远小于FDSA.针对几个标准的随机优化问题, Spall的测试表明SPSA算法的全局收敛速度要优于FDSA算法.一般地说,随机逼近(优化)算法将产生一列使目标函数的梯度值逐步趋近于0的参数估计量.其中,第i次迭代的参数更新为θi+1=θi-a i g(θi)(7)式中　θi为第i次迭代开始时的参数向量;g(θi)为当前梯度向量的估计量;a i为步长增益.SPSA算法仅通过两次函数评价,就可获得递度的近似值,计算公式如下:g(θi)=z(θi+c iΔi)-z(θi-c iΔi)2c iΔ-1i1Δ-1i2Δ-1ik(8)式中　Δi是K维随机扰动向量;由于其中的分子对所有的k=1,2,…,K均相同,因此每一步迭代中的计算量是固定的(与向量维数K无关),这是该算法最突出的优点之一;当然,算法达到收敛所需的迭代次数也要足够合理,方能具有较好的应用价值.下文描述SPSA算法的详细步骤:(1)迭代过程初始化.令i=0,θi=θ0为K 维的优化向量初值,如可取为实际路网中现有的信号配时参数.根据待优化问题的特征,选择SPSA 算法的非负参数值a,A,c,α,γ[9,10].(2)设置每步迭代中计算梯度向量的次数. grad-rep,即在每步迭代中,通过多次计算梯度并取平均值作为梯度估计量.46交通运输系统工程与信息2010年6月(3)迭代计数器加1,并计算步长:a i=a /(A +i )α,c i=c /i .(4)产生一个K 维的独立扰动随机向量Δi ,其每个元素Δik ,k =1,2,…,K 通过对某种概率分布进行随机抽样得到.该概率分布的密度函数沿纵轴(0轴)对称,并且|Δik |与E |Δ-1ik |都是有上界的.文献[9]表明Bernoulli 分布具有上述特征,而均匀分布和正态分布均不满足条件.(5)利用DynaCHINA 的中观交通仿真器或其它交通仿真系统评估目标函数在θi +=θi+c iΔi ,θi -=θi-c iΔi 两点处的值,且每个点均需满足优化问题的上下限约束.(6)根据式(8)计算K 维梯度向量的随机近似,其中,梯度向量的K 个分量具有相同的分子,使得SPSA 算法有别于传统的有限差分法(FD ).(7)重复步骤(4)-(6)grad -rep 次,每次均对Δi 独立抽样,最后计算θi处的平均梯度向量.(8)由式(7)得到新的解点θi +1,并根据参数向量的上下限约束对解点进行调整.(9)回到步骤(3),不断迭代直至收敛.当迭代次数达到上限或者θi与对应的函数值z (θi)在连续几次迭代过程中均比较稳定时,迭代过程结束.SPSA 算法的收敛性与增益序列{a i},{c i}的选择,以及扰动向量Δi 的概率分布特性有关.Spall 表明[10],这两个增益序列趋近于0的速度既不能太快、也不能太慢,目标函数在θ0的邻域内必须多阶可导;如果这些条件满足,并且扰动向量按照上述第(4)步骤进行选择,则最好情况下的收敛率为i-1/3.图2　泰安市岱宗大街周边路网Fig .2　Road network around Daizon g avenue in Taian city4　实例图2为泰安市岱宗大街周边路网.岱宗大街位于泰山风景区的核心地域,是泰安市一条东西向的主要干道.虎山东路至普照寺路长约1.68km ,有7个灯控路口,现有的信号配时方案为根据Synchro 信号优化软件计算得到;沿线学校林立,商业中心密集,大量居住区和商业区分布周围,高峰时段东西向的机动车、非机动车流量巨大,矛盾极为突出.为帮助优化该路网的交通组织方案,进行了大量的现场交通调查,包括各路口信号控制器的相序与相位配时方案,同时利用监控录像对各交叉口早高峰小时机动车交通量进行了采集,数据汇总到高峰小时流量流向数据表中.利用现场交通流量数据并基47第10卷第3期交通信号控制参数的仿真优化方法研究于DynaCHINA 的同时估计动态OD 矩阵和交通供给能力(路段的速度-密度模型参数、交叉口通行能力)的参数标定方法,可获得该网络的动态OD 矩阵估计.将该动态OD 加载到DynaCHI NA 的中观交通仿真器上,可获得各交叉口进口道和出口道的分配交通量(仿真交通流量).图3为采用Ashok K[11]的基于解析分配矩阵(描述动态OD 流量与路段交通量之间的映射关系)的动态OD 矩阵和检测器流量估计方法所获得的结果.图4为采用DynaCHINA 的参数标定方法得到的分配交通量与现场检测量的比较.估计误差RMSN 的计算方法如下.RMSN =∑h∑i (y hi -yhi )2∑h∑i y 2hi其中　y hi ,yhi分别为第h 个时间段第i 个检测器的实际检测量与估计量.图3　流量比较(AshokK 的方法)Fig .3　Comparison between surveillance flows andestimation flows b y Ashok K 's method图4　流量比较(DynaC HINA 的方法)Fig .4　Comparison between surveillance flows andestimation flows b y DynaCHINA由图3、4可知,DynaC HI NA 可以相当准确地估计该网络的交通状况,结果明显优于Ashok K 的方法;此时可认为DynaCHI NA 中的仿真路网“等价于”实际路网,因此对信号控制参数进行仿真优化的结果可以照搬到实际路网并同样有效.图5为SPSA 迭代优化过程的性能指标(PI )变化曲线,PI 定义为网络中所有车辆在其出行路径所包含的各条路段上的旅行延误的平均值.经过SPSA 算法优化后的信号配时方案与当前现场实施的的基于Synchro 软件得到的配时方案相比较,车辆的平均旅行延误减少46.67%.图5　SPSA 算法收敛性能Fig .5　Con vergence performance of SPSA algorithm5　研究结论针对泰安市岱宗大街周边路网并基于现场数据的测试表明,采用本文建立的信号控制参数优化方法获得的配时方案与当前现场应用的方案相比较,可大幅度减少路网中车辆的平均旅行延误.由于该方法所需的最少输入数据仅限于容易获得的部分路段上的断面流量、典型类别道路的速度-密度模型参数、饱和流量,以及现有的信号配时方案,因此该方法具有实际应用的潜力.同时,由于DynaCHINA 是一套通用的动态网络交通仿真系统,对路网的拓补结构、几何特征等无特殊要求,因此,该方法可以推广应用于结构复杂的区域交通网络中.对于一些路网具有的混合交通流特性,DynaCHINA 在离线参数标定阶段可自动折算到路段速度-密度模型参数和饱和流量中,便于系统实际应用.下一步的研究方向包括:针对现有的分层递阶自适应信号控制系统如RH ODE S 等,如何将本文48交通运输系统工程与信息2010年6月建立的方法与之集成,以便进一步提高其性能并降低现场应用的较高要求;在优化信号配时方案的同时,如何与交通诱导系统实现个体出行费用最优等目标进行协调等.参考文献:[1]　刘智勇.智能交通控制理论及其应用[M].北京:科学出版社,2003:180-186,208-222.[LIU Z Y.Intel-ligent traffic control theory and its applications[M].Bei-jing,Science Press,2003:180-186,208-222.][2]　MIRCHANDANI P,HEAD L.A real-time traffic signalcontrol system:architecture,algorithms and anal y s is[J].Transportation Research Part C,2001,9(6):415-432.[3]　http://ops.fh /acs-lite/.Published on Oct.9,2009.Accessed on Oct.23,2009.[4]　LIN Y,SONG H B.DynaCHINA:specially built real-ti me traffic prediction system for China[C]Transporta-tion Research Board86th Annual Meetin g(Report Num-ber:07-0407),Washington D.C.,2007.[5]　HENRY L.A road map for the research,develop ment anddeployment of traffic estimation and prediction s ystems forreal-ti me and off-line applications(TrEPS,TrE PS-P)[R].Travel Management Team,Office of OperationsRD&T,Federal Highway Admin istration,2003.[6]　BEN-AKIVA M,BIERLAIRE M,KOUTSOPOULOS H N,et work state estimation and prediction for real-timetraffic management applications[J].Networks and spatialeconomics,2001,1(3/4):293-318.[7]　MAHMASSANI H S.Dynamic network traffic assignmentand simulation methodology for advanced systems manage-ment applications[J].Networks and Spatial Economics,2001,1(3/4):267-292.[8]　BALAKRISHNA R.Off-line calibration of dynamic trafficass ignment models[D].Cambridge,US A:MIT,2006.[9]　SPALL J C.Multivariate stochastic approximation us ing asimultaneous perturbation gradient approximation[J].IEEE Transactions on Automatic Control,1992,37(3):332-341.[10]　SPALL J C.Implementation of the s imultaneous perturba-tion algorithm for stochastic optimization[J].IEEE Trans-actions on Aerospace and Electronic Systems,1998,34(3):817-823.[11]　As hok K.Estimation and prediction of time-dependent ori-gin-destination flows[D].Cambridge,USA:MIT,1996.49第10卷第3期交通信号控制参数的仿真优化方法研究。

国外智能交通系统简介高速公路是一个地区或国家现代化水平的重要标志之一，而高速公路的信息化建设则是实现高速公路现代化管理最重要的途径。

互联网技术的进步，信息技术与交通理论和规划的融合，都加速了高速公路信息化的进程。

高速公路监控及信息诱导技术的综合运用，成为利用信息技术改善交通秩序，提高高速公路利用率不可或缺的方法和手段。

澳大利亚：先进的智能交通运输系统交通控制系统1. 最优自动适应交通控制系统（SCATS）澳大利亚是世界上较早从事智能交通控制技术研究的国家之一，著名的SCATS系统在澳大利亚几乎所有的城市都有使用，目前上海、深圳等城市也采用这一系统。

SCATS系统的优点是其自动适应交通条件变化的能力，通过大量设在路上的传感器以及视频摄像机随时获取道路车流信息。

ANTTS是其重要子系统，该系统通过几千辆出租车装有的ANTTS电子标签与设在约200个交叉路口处的询问器通话，通过对出租车的识别，SCATS 系统能够计算旅行时间并对交通网的运行情况进行判断。

澳大利亚的先进系统合作研究中心目前正在开发一种名叫TRIRAM的系统，其主要的目的是通过模拟道路网来预测交通行为以及新的交通流量。

2. 远程信号控制系统（Vic Roads）交通控制与通信中心（TCCC），不仅使用SCATS系统进行交通信号灯控制，而且还采用其它系统进行事故检测和信息的收集发布工作。

其中较重要的是交通拨号系统，该系统通过普通的电话线，TCCC能够连接到50个偏远的受控交通灯，可以监测这些信号灯的状态改变它们的参数，为偏远路口的信号控制提供了便利。

3. 微机交通控制系统（BLISS）该系统最主要的优点是运行于普通微机上，并可控制63个交通灯，目前在布里斯班已超过500个信号灯采用BLISS系统进行控制。

道路信号系统道路信号系统是交通控制中心与机动车通信的基础。

通过该系统可实现交通管理中心运行车辆间的信息交流，该系统使用900MHz的频率通过路旁询问器与车内电子标签进行通信，电子标签通常是简单的异频雷达收发机，当被询问时可返回一个可被识别的信号。

智能交通解决方案第1章概述1.1 方案背景1.1.1 物联网产业分析物联网（无线传感网）是集计算机、通信、网络、智能机算、传感器、嵌入式系统、微电子等多个领域综合交叉的新兴学科，它将大量多种类传感器组成自治的网络，实现对物理世界的动态协同感知，它将成为继计算机及通讯网络之后推动信息产业的第三次浪潮。

据国家重大专项专家组对传感器网络的行业应用市场调查，其国内行业市场在数千亿的规模，潜在市场巨大，更具有极大的产业集群带动效应。

2009年8月7日，国务院总理温家宝在江苏考察中科院无锡高新微纳传感网工程研发中心并作重要指示：“要把传感系统和3G中的TD技术结合起来，在国家重大科技专项中，加快推进传感网发展，尽快建立中国的传感信息中心，或者叫“感知中国中心”。

2009年11月，温家宝总理在《让科技引领中国可持续发展》中将物联网列为我国五大新兴战略性产业之一，并指示，“我相信一定能够创造出‘感知中国’，在传感世界中拥有中国人自己的一席之地。

我们要着力突破传感网、物联网的关键技术，及早部署后IP时代相关技术研发，使信息网络产业成为推动产业升级、迈向信息社会的‘发动机’”。

全国各地纷纷行动都在积极推进物联网的发展。

2010年3月，国务院总理温家宝在十一届全国人大三次会议上作政府工作报告时指出，今年要大力培育战略性新兴产业，加快物联网的研发应用。

此次政府工作报告对物联网的重视，被认为将对产业发展带来积极影响，物联网的研发应用有望踏上快车道。

1.1.2 智慧交通行业分析一、智慧交通系统产业发展阶段分析目前，物联网民用上除RFID等少数领域，鲜有大规模成熟应用。

基于物联网技术的智能交通系统运营更是行业空白。

智能交通系统产业目前处于产业发展的初级阶段，根本特征是技术手段落后、部署规划匮乏、商业模式缺位。

技术手段落后——目前的智能交通系统中，数据信息的采集手段单一，无法综合分析多种信息感知节点的数据来源，获得准确的信息决策结果。

先进的交通管理系统ATMS构成及应用先进的交通管理系统ATMS构成及应用【摘要】结合ATMS的介绍，即先进的交通管理系统，经过分析，对ATMS的含义、结构、功能进行详细的解释，后结合相关内容研究其现阶段的应用。

【关键词】ATMS 先进交通管理系统道路拥挤系统在我国高新技术产业化迅猛开展的新形势下，先进的交通管理系统正蓬勃兴起。

先进的交通管理系统产业是利用先进的信息技术、通讯技术、传感技术、控制技术和人工智能技术对传统交通运输系统进行改造，为建设全方位、适时、高效、准确、平安的交通运输方式提供技术装备的产业，所以说在我国开展和普及智能交通是有着极其重要的意义的。

一、ATMS介绍先进的交通管理系统是ITS的重要组成局部。

作为ITS中最根底的局部，ATMS实现了交通信息的采集、传输、存储、分析、处理及应用，同时也将简单静态的交通管理转变为智能动态的管理，实现在最大范围内、最大限度地被出行者、交通研究人员及政府机构所共享和利用的静态交通信息，满足了社会不断扩大的交通需求。

ATMS是指先进的交通监测、控制和信息处理系统，它是ITS的核心组成局部。

其主要特征是系统的高度集成化。

它利用多种现代技术进行系统集成，将交通工程规划、交通信号控制、交通事故发现和救援与信息等多个系统有机地结合起来，从而实现对交通的实时控制指挥管理。

它的另一特征是信息的高速集中传输与快速处理，运用先进的网络技术，能够将控制的实时性提高，ATMS在城市的应用那么是使交通管理系统中交通参与者与道路以及车辆之间的关系变得更加和谐，最终到达缩短行程时间、减少道路拥挤和阻塞、减少交通事故、节省能源和保护环境、合理分布交通流等目的。

二、ATMS结构先进的交通管理系统的结构主要局部：信号收集：设置在道路上的光信标、超声波式微波式车辆检测器、图像型车辆检测器、交通流量监视摄影机AIV等装置。

管理控制中心：计算机系统信息分析，同时将收集到的交通信息进行处理，从而生成控制策略进行信号控制，显示交通信息，得出交通限制信息。

面向智慧城市的城市交通集成信息管理系统研究随着城市化进程的加速，城市交通的问题也愈加突出。

城市人口的急剧增加和车辆数量的爆炸性增长，给城市交通管理带来了很大的挑战。

如何通过智慧科技手段来实现城市交通高效、绿色、便捷、安全是我们需要思考的问题。

而面向智慧城市的城市交通集成信息管理系统就是能够很好地解决这一问题的关键。

一、智慧城市的定义及城市交通的挑战智慧城市是指利用现代科技手段，加强城市基础设施建设和城市交通管理，提高城市安全、环保、智能、高效、人性化的城市管理模式。

但是，在城市交通领域，我们面临的挑战是多方面的。

首先，城市人口的快速增长，普及率的不断提高，会带来交通需求的增加，进而造成城市道路交通压力的不断增大。

其次，城市商业的发展会带来大量人流、物流的聚集，这也会对城市交通造成额外的压力。

再者，传统城市道路交通系统的不足和瓶颈已经非常明显。

尤其是在拥有高峰交通期的城市，强烈的拥堵、缺乏实时路况和导航信息的信息化落地等问题相当严重，这些问题不仅影响了人们的浪漫生活，更扼杀了经济、文化及社会的发展。

二、信息化的解决方案——城市交通集成信息管理系统目前，随着云计算、大数据、物联网等新兴技术的不断井喷，城市交通智慧化和信息化的建设已经进入了快速发展的阶段。

城市交通集成信息管理系统便是充分利用信息化技术和数字科技手段，对城市道路交通系统进行数据和信息的集成、传输和执行的一套工具箱，可以很好地提升城市交通的效率和智能化水平。

1. 系统架构城市交通集成信息管理系统的整体架构包含以下组成部分：（1）数据采集和传输层：融合传感器技术，实时监测全市交通状态和指标信息（包括了车速、拥堵程度、车道分布、载客率等）。

同时，可以集成全媒体数据、视频监控信息及历史数据等，便于深度探究城市交通条件与通行规律。

此外，在这一层还可以实现车联网的技术支撑，使得交通系统与车辆有了更高效、便捷的交互方式。

（2）智能处理层：是城市交通集成信息管理系统的核心部分。