国外交通信号控制系统开发概况

自20世纪20年代交通信号灯控制器被用于控制交通流开始，国外众多学者对区域交通信号协调控制系统进行分析、建模、仿真及优化研究，并研发出了多种信号控制系统。以下以时间先后为序对主要研究成果进行综述。

(1)20世纪50年代至60年代

最初安装信号灯主要用于避免交叉口各个冲突方向车辆的碰撞，后来逐步延伸到以减小车辆通过交叉口的延误时间为目的。Webster(1958)提出了延误的估算公式［5］，是早期最为重要的研究成果之一。基于该延误公式，Webster以调节绿信比为手段，对单个交叉口的延误最小化问题进行研究。

到20世纪60年代，交叉口信号控制的研究范围逐渐扩展至城市干道及交通网络。Newell(1963)对干道某一方向的交通流密度进行假设后建立了宏观分析模型，认为将相邻的两个交叉口进行信号协调控制可以得到较好的控制效果［6］。Morgan和Little(1964，1966)随后首次引入混合整数线性规划模型对实现干道绿波带最大化建立了优化模型［7，8］。在该方法中，研究者考虑双向绿波带的设置对相位差、公用周期、通过带车速进行了优化调整。到60年代中期，英国格拉斯哥市成为首个对城市路网采用信号协调控制的地区。在这项实验中，项目的执行者Hillier(1965，1966)对城市交通控制子区采用了不同的信号控制方案并进行评估［9，10］。Hiller和Rothery(1967)又研究了车队离散和信号协调控制的相互关系，调查了伦敦的四个信号控制交叉口，从中分析相位差设置对总延误的影响［11］。Allsop (1968)以延误最小化为优化目标，基于图论建立了一种迭代算法，通过逐步扩展控制子区的范围寻找协调控制的最优解［12］。

英国道路运输研究所(TRRL，20世纪90年代改名为TRL)的Robertson(1969)提出了一套脱机优化网络信号配时方法［13］，通过工程实践被不断改进完善，形成了目前被广泛应用的TRANSYT(Traffic Network Study Tool)系统。在TRANSYT系统中，针对路网与交通流运行状况进行了三项基本假设:网络中所有主要交叉口均由信号灯控制;所有交叉口均采用一个共同的信号控制周期时长，或者公用周期长度的一半作为其信号周期;每一股独立的直行或转向车流的流率为已知，且假定为常量。系统有两个重要组成部分:仿真模型和优化计算。在仿真模型中，系统首先将网络的几何尺寸、交通流信息及初始交通信号参数输入系统，通过模拟信号控制下交通路网中的车辆行驶状况，计算在一组给定的信号配时方案作用下网络的运行指标，即PI(Performance Index)值，作为优化控制参数的目标函数。在优化计算中改变信号配时参数并确定指标是否减小，采用“爬山法”求得最优配时方案。

在该阶段电子计算机的广泛应用为交通网络中多个交叉口的信号自动协调控制提供了技术条件，是城市交通区域信号协调控制的起步阶段。配时方案大多由离线分析程序得到并储存在计算机内存中，以TRANSYT为代表区域定时控制系统已初步成型并应用于实际路网。

(2)20世纪70年代至80年代

20世纪70年代，在Gartner(1972，1975)的一系列研究成果中提出了混合整数线性规划模型，通过对相位差的调整实现对网络延误的最小化控制［14～16］。与此同时，Antoniadis也研究了线性规划模型应用于交通网络信号配时的可行性，但他所提出的模型中并没有考虑相位差的影响［17］。Improta和Sforza(1982)基于Gartner的研究成果对混合整数线性规划模型进行了改进，采用分枝法和回溯法对Gartner模型中针对延误的假设进行了改良［18］。，最早版本的OPAC(Optimization Policies for Adaptive Control)系统即基于Gartner等人的系列研究成果于1979年完成，该系统引入虚拟定周期VFC(Virtual Fixed Cycle)的概念，允许每个交叉口的周期长度在规定的时间与空间范围内变化，为两路口间绿波带的调整保留了一定的协调空间。OPAC系统是一个分布式的系统，最底层在VFC的约束下，对绿信比进行优化，中间层对相位差优化，最上层进行信号同步，寻找最优的VFC。在此后20余年OPAC系统不断升级版本，1996年在对美国新泽西州18号公路的现场测试中取得了满意效果，实验结果表明OPAC系统对饱和度较高的交通干线控制效果非常显著［19～21］。

澳大利亚道路运输部(DMR)于20世纪70年代开始开发SCATS(Sydney Coordinated Adaptive Traffic System)系统，80年代初投入使用。该系统属于一种方案选择式优选配时方案(战略控制(Strategic Control))与本地感应控制作调整(战术控制(Tactical Control))相结合的双层控制系统。通过上、下层的有机结合，节省了计算机的CPU时间。该系统未像TRANSYT一样采用交通模型，而是根据交通状况实时选择交通控制参数组合，并对参数做适当修正。虽然不一定能获得配时参数的最优解，但把周期时长、绿信比和相位差作为各自独立的参数分别优化，提高了系统的运算效率。在优化过程中，以参数综合流量及类饱和度为主要依据。类饱和度反映了车流有效利用的绿灯时间与绿灯显示时间之间的比值;综合流量把一次绿灯时间通过停车线的车辆折算为当量，反映了通过停车线的混合车流的数量。优化的目标为使各相位的类饱和度维持在大致相等的水平［22］。

Dauscha(1985)研究了区域信号控制中依据交通流运行状态对控制方案进行周期性选择的实施框架，首次深入研究了区域信号协调控制方案周期性变化的复杂性［23］。随后，Serafini和Ukovich(1989)基于理论模型为区域定时信号协调控制系统研究了一套控制方法，与Dauscha的研究相类似，延续了分阶段配时设计思路［24］。

同年，由意大利Mizar Automazione公司开发的UTOPIA(Urban Traffic Optimization by Integrated Automation)/SPOT(System for Priority and Optimization of Traffic)系统被应用于都灵市中心包含约40个交叉口的交通网络中。在该系统中，UTOPIA的优化过程以历史数据为基础，建立宏观交通模型，是较为高级的区域控制;SPOT利用本地的信号控制机和区域模型的数据优化单个路口控制。SPOT系统的管理交叉口一般不超过6个，以考虑了停车次数、延误、剩余通行能力等综合效益的总费用函数最小为目标，采用“强相互作用”概念，即目标函数的优化需要考虑相邻SPOT单元的交通状态。UTOPIA/SPOT系统另一个显著的特点是在设计和开发过程中考虑了公交优先的功能，将公交车辆在路口的损失时间赋予最大权重，然后对优化目标求解［25］。在此后研发的控制系统中如法国的PRODYN系统［26］和德国的MOTION系统［27，28］均具有类似功能。(www.xing528.com)

TRL在20世纪80年代设计了MOVA(Microprocessor Optimized Vehicle Actuation)系统，该系统能针对不同情况应用不同的控制原理。当交叉口处于非饱和状态时，采用最小化延误的处理过程;通过车辆排队情况检测是否发生过饱和现象，如果有任何一个进口道转变为饱和状态，系统转换至通行能力最大的处理过程。但MOVA是针对独立交叉口设计的，只有当相邻交叉口因为距离太近而不能独立处理时，可通过MOVA将两个或更多的交叉口加以关联。

在该阶段研究者关注于包括方案选择式系统、方案生成式系统及本地自适应系统的开发，控制系统自动化生成配时方案并检测预先设置的方案是否需要修改，SCATS系统是期间最具典型性的代表。此外，面向公交优先以及过饱和交通状态下的信号控制方法也开始逐步引起研究者的关注。

(3)20世纪90年代至今

该阶段的发展特征是交通控制系统基于车辆检测器的检测数据在线实时生成控制方案并通过在线技术进行方案的实施，根据实施数据5～10 min更新控制方案，其中以SCOOT系统的开发最为成功，目前在全球超过170个城市获得了应用［4］。

SCOOT(Split-Cycle-Offset Optimization Technique)系统是由TRL在TRANSYT系统基础上研制的自适应控制系统，20世纪90年代进行了多次升级。Robertson 和Bretherton(1991)系统介绍了SCOOT系统的在线优化原理［29］。该系统通过安装在各交叉口进口道上游的检测器采集到的车辆到达信息，联机处理生成信号控制方案，实时、连续地对周期、绿信比、相位差进行调整，使之与不断变化的交通流状况相适应。绿信比的优化目标是使各相位交通流的饱和度尽可能小;相位差的优化是使延误和停车次数最少，并尽可能减少阻塞;周期优化的目标是将子区内负荷最高的关键交叉口饱和度控制在90%。其交通模型包括交通环境、交通过程和交通预测三部分。交通环境包括控制区域的道路网络结构、参数以及检测器位置，反映模型的基本几何结构。交通参数描述交通过程，如相位相序、绿灯时间间隔、最大或最小绿灯、车辆在各路段上的行驶时间、饱和占有率等，这些数据均为静态数据，预先储存在SCOOT系统中。交通环境和交通过程服务于交通预测，交通预测是形成配时参数的最直接来源。近年来SCOOT系统新增了信息数据库ASTRID (Automatic SCOOT Traffic Information Database)模块和综合事故检测INGRID(Integrated Incident Detection)模块，SCOOT MC3(Managing Congestion，Communications and Control)又增加了通信、拥堵控制、公交优先和行人设施管理功能。系统的不足反映在交通模型的建立需要大量的道路几何尺寸与交通流数据、相位不能自动增减、相序无法自动改变、无法独立划分控制子区、参数的校核不能自动化、现场安装调试较为复杂等。

随着智能交通系统的发展，人工智能技术在信号控制系统中的应用也不断拓展。Hassin(1996)针对区域定时信号控制提出了一种基于流量模型的配时方法，该方法采用启发式算法求解局部最优特征解，在以色列Tel Aviv市的城市道路网络协调控制中实施应用，并与其他采用启发式算法的系统如TRANSYT等进行对比分析［30］。Almasri和Friedrich (2005)依据Daganzo (1994，1995)的元胞传输模型［31，32］提出了基于遗传算法的启发式优化方法，对区域交通网络的自适应控制系统进行了研究［33］。Braun和Weichenmeier(2005)也引入二阶启发式方法，对相位差等参数进行优化并采用遗传算法求解，但实验结果仅能应用于小规模网络［34］。交通网络信号协调控制的建模及优化问题也激发了其他领域专家的研究兴趣，如Ianigro(1994)使用Petri网络建立交通模型，并通过仿真手段寻找信号参数的最优设置［35］。Gershenson(2005)的研究中认为信号控制交通网络为一个自组织系统，他对适应环境变化的自组织信号配时进行了研究［36］。

在区域交通信号控制系统的开发及应用中，人工智能技术也得到了广泛应用。TUC(Traffic-responsive Urban Control)策略在1998年欧洲的TABASCO(Telematics Applications in Bavaria，Scotland and Others)项目中开发完成。该策略采用“存储-转发”(Store and Forward)的建模方法，以避免对信号灯转换时二进制变量造成的复杂度出现指数型增长，并采用简洁、高效的二次线性规划方法对多变量进行调节。通过反馈控制技术，在不使用理想模型和不牺牲效率的前提下简化了计算。TUC策略能够应对饱和交通状况，通过内置的“门控行为”(Gating Behavior)避免路段出现过饱和情况，倾向于降低与饱和路段相连的路段的绿灯时长，避免绿灯时间的浪费和大面积交通拥挤的产生。控制方案包含公交优先PTP(Public Transportation Priority)控制模块，启动后能够提供不同的公交优先控制的等级和方法［37］。

CRONOS(Control of Networks by Optimization of Swithovers)系统由20世纪90年代法国国家运输与安全研究所(INRETS)开发，其目标是使包含几个交叉口的控制小区的延误最小。在给定当前的信号控制条件下，优化模块在使性能指标最小的情况下寻找下一个步长的最优信号控制方案。优化算法建立在改进的Box算法基础上，该算法对所有可能的信号配时方案进行连续搜索，每次搜索完毕后对最大值方案进行修改，直到算法收敛。对于控制范围内的交叉口数量而言，Box算法的优点在于能够快速找到局部最小值，其他很多算法是指数级的时间复杂度，而该算法具有多项式时间复杂度［38，39］。

1996年开发成功并陆续在美国亚利桑那州进行现场测试的RHODES(Realtime，Hierarchical，Optimized，Distributed，and Effective System)系统把系统控制问题分解为三层递阶结构:网络负荷分配层、网络控制层和交叉口控制层。网络负荷分配层采用先进的出行者信息系统和动态交通分配技术进行网络总的交通需求预测。网络控制层由网络流预测模型APRES-NET(Approximate Prediction in Response to a Signal Network)和优化模型REALBAND构成。APRES-NET根据预测的交通流量、未来的信号配时方案和统计的交通流数据对车队情况进行预测;优化算法REALBAND用决策树法对网络交通信号进行协调优化并生成绿波带，使延误和停车次数最少。交叉口控制层由控制参数优化模块COP(Controlled Optimization of Phases)及流向流量预测模块PREDICT构成，根据检测数据及约束条件进行交通流预测，以秒为单位，对相位和绿信比进行控制。其中COP采用动态规划的方法找出单个交叉口的最优相序和相位长度［40］。