交叉口群范围划分方法

杭明升(2002)将美国《交通控制系统手册》中的关联度计算模型应用于划分交叉口群控制范围［61］;曾滢(2010)以流量饱和度和自由流行程时间为关联度计算指标，建立相邻交叉口关联性的拉普拉斯矩阵，以此作为划分交叉口群范围的工具［62］;胡华等(2010)仍是基于关联度模型划分交叉口群范围，但考虑OD路径分布对Whitson模型进行了改进，采用层次聚类法对范围进行动态划分，并通过仿真手段进行了验证对比［63］。东南大学李岩等(2011)采用自组织映射神经网络，将路网中每条路段的饱和度及行程时间作为输入层神经元指标，采取聚类的方式将各路段划分为不同的组别，由此确定各交叉口群的控制范围［64］。

上述对交叉口群范围划分的方法与控制子区划分的思路相仿，都是通过车流离散、交叉口间距、配时方案等关键因素构成的关联指标两两评估交叉口之间的相互影响关系。一个较大范围的交通网络在实行信号协调控制时，控制子区的划分有三个显著优势:一是有利于减少控制系统的运算量，提高控制效率;二是有利于提高控制系统的可靠性，避免控制中心的瘫痪导致整个网络系统失控;三是有利于各控制子区依据自身的交通运行状态变化，实施灵活的控制方案［65］。

控制子区的划分分为静态分区与动态分区两类。TRANSYT系统和SCOOT系统采用了静态分区策略。在TRANSYT系统中，将信号控制周期大致相等的邻近交叉口合并到一个控制子区，子区内的交叉口采用相等的周期时长或周期时长的一半。SCOOT系统的子区划分有交通工程师预先判定，子区一旦划定，在运行过程中不能合并，也不能被拆分。SCATS系统将1～10个信号控制机作为一个“子系统”，采用“合并指数”判断相邻子系统是否需要合并，是一种动态的控制分区方法。相邻两子系统各自所要求的信号周期长度相差不超过9 s，则“合并指数”累计值为加1，否则减1。若“合并指数”的累计值到“4”，则认为这两个子系统已经达到合并的标准。合并后的子系统在“合并指数”累计值降低至零时可以自动重新分开为原先的两个子系统［66］。

在实际网络中，如果某些网络部分交通状况存在明显差异，不宜整齐划一地执行同一种信号控制方案，另一方面确实存在不必采用协调控制的连线，因此在操作中往往将不宜协调的连线作为划分控制子区边界的参考依据。为判断连线是否需要进行协调控制，一般采用一种涵盖流量、速度、距离、车队离散某个或多个因素的耦合指数作为度量的标准。Pinnell(1975)认为两交叉口距离在610 m以内就应该进行关联［67］，《Highway Sign，Marking，and Traffic Signal Installing Manual》(1994)将该值界定为200m［68］，《Manual on Uniform Traffic Control Devices》(2000)在城市主路上交叉口间距在800 m之间就应将其作为联控单元考虑［69］。Lin(2010)在综合上述研究成果的基础上，基于安全及效率因素，采用跟驰模型和连续流模型对邻近交叉口是否需要关联的临界间距进行了仿真研究［70］。但上述学者主要从距离的角度对是否需要进行协调控制的连续进行了探讨。Yagoda等人(1973)将交叉口间交通量和路段长度的比值作为耦合指数，对系统中每个路段计算该指数，有选择地去掉指数低的路段，从而把一个大的道路网划分成多个子区域［71］。Chang (1985)采用仿真及实地数据标定等实验手段论证，认为到达下游交叉口的车流呈现高密度的车队特征就应该协调相邻两交叉口的信号控制方案［72］。美国《Traffic Control Systems Handbook》在考虑交叉口几何关系、交通量大小、车队离散性等因素的基础上，提出以互联合理性指数判断相邻交叉口的关联程度，作为划分控制子区域的一个工具［73］，该方法得到了广泛的采用。(www.xing528.com)

部分学者也从交通运行效益的角度评估子区划分方案的合理性，为控制子区的划分提供指导意见。Ferguson(1976)将优化目标设定为使控制子区内的交通总延误最小来研究控制子区的合并问题，并通过仿真验证［74］。Hisai(2006)以协调绿波带宽最大为优化目标研究了干道协调控制的子区最优划分问题，采用动态规划方法获得最优控制子区划分方案以及各子区的最佳公用周期时长。Tian(2007)为将干线协调控制系统划分3～5个交叉口组成的控制子系统，同样以协调绿波带宽最大化为目标进行子区划分，再以主流向协调带宽最大为目标对各控制子区进行协调控制［75］。基于交通运行效益评估的控制子区划分方法能保障划分方案满足特定的目标，但计算量往往过大，难以满足实时控制的要求。耦合指数法考虑了车队离散性、行驶速度、车辆排队、流量大小等诸多对交叉口关联性产生影响的因素，研究相对更为成熟，模型运算量小，适合控制子区的动态划分，但该方面目前主要的研究成果用于度量交叉口两两之间的影响关系，难以表现网络中多个交叉口相互影响的综合效用。

在国内控制子区划分的研究方面，同济大学马万经等(2009)对路段关联模型提出了改进，所建立的基于路径的交叉口关联度计算模型不仅考虑了交叉口间距、车流的不均匀性对交叉口关联度的影响，还考虑了信号相位、交叉口排队、交叉口车道数等关键因素的影响［76］。华南理工大学卢凯等(2009)对相邻交叉口间距、路段交通量、信号交叉口配时参数进行分析，定义了相邻交叉口关联度模型，并拓展至多交叉口组合关联度研究［77］。针对控制子区的动态划分方法，吉林大学杨庆芳等(2006)提出了距离适当、流量相关、周期相近的原则，对子区间的调整采用合并指数法，在子区内部调整以车流流向与相位差调整量最小为原则［78］。清华大学段后利等(2009)依据交叉口的车队散布模型，提出了可协调度的概念，以此定量描述相邻交叉口是否需要协调控制;并用超图表示城市路网，设计超图划分算法，由此实现控制子区的动态划分［79］。

交叉口群的识别方法可以借鉴交通控制子区的划分方法，从相邻交叉口周期、流量、距离进行考虑。但两者在划分思路上又有所不同，前者一般是从整个网络中提取出一个或几个子网，而后者是要把整个网络划分为若干个子网［62］。因此需要对交叉口群范围的动态划分作进一步的研究。