基于深度学习的干线协调方案应用研究

基于深度学习的干线协调方案应用研究

汪超

浙江建院建筑规划设计院浙江杭州310004

摘要：视频卡口系统与深度学习技术在智能交通中已被广泛应用，其数据大多用于交通态势、交通管理等领域，而在信号配时领域中的应用研究还相对较少。为完整这一领域的研究，本文利用深度学习训练模型，从视频中获取交通参数；然后结合相位相序优化等算法，生成面向应用的干线协调方案；最后通过VISSIM微观仿真测试，形成基于深度学习的干线协调控制方案。结果表明：这一方案能提升数据采集的准确性，减少行程时间与停车次数。

关键词：深度学习；干线协调；应用研究

城市交叉口是交通拥堵、交通事故以及交通染污等交通问题发生的主要区域。有研究指出：日本大城市中机动车的行驶时间有1/3消耗在平面交叉口范围内；同时交通故事有60%发生在交叉口范围内；此外机动车通过交叉口时一般都会出现减速（停车）再加速的过程，在此过程中的燃油消耗也比路段匀速行驶时要多。因此提升交叉口的运行效率对于治理交通问题具有实际意义，其中绿波协调控制作为一项常见手段来提升交叉口的运行效率已获得普遍认可。

一.绿波协调控制研究

绿波协调控制的传统研究主要集中在公共周期、绿信比以及协调控制方法上，随后许多研究针对传统研究中的相位相序固定、绿波速度恒定、排队等不足进行了改进。李祥尘等通过优化交叉口相位相序来提升绿波协调效果。贾彦峰等通过重叠相位对相位相序进行优化，取得了绿波协调的良好效果。卢凯等则在分析不同行驶方向的速度变化和分布情况，在多个备选方案中优选出最佳方案，提高了绿波方案的适应性。夏井新等引入速度波动，构建了带宽最大化模型生成最佳方案，获得较好效果……。现有理论研究已较为完善，另外近年来随着智能交通建设，视频卡口在路网上的覆盖率逐步提升，提供了丰富的视频资源。但是视频卡口自身的过车数据由于外界因素导致其数据准确率并不高，不能直接应用于信号配时优化。深度学习在图像识别领域的应用则逐步成熟。

二.方案设计

1.基于深度学习的流量采集模型

本文采用YOLOv3框架训练车辆识别模型，首先对输入视频的图像进行识别并定位每帧图片中的车辆对象，且进一步对检测到的车辆进行分类；然后利用前后两帧图片中检测到的车辆所处位置进行对比，通过判断本帧图片的车辆标记框中心点是否在上帧该车辆标记框之内来判定是否为同一辆车，从而达到跟踪的目的；最后利用标定检测线，通过线框位置关系，得到车道级的机动车流量与交通构成。在实际应用中利用标定停车线的位置来统计分车道的流量并且利用TensorRT提升检测效率（见图1）。

2.干线绿波协调方案

干线协调根据协调方向可分为双向协调和单向协调，其判断条件为干线是否具有明显的流量差异，而在平峰时段干线双向流量差异往往不显著，因此协调道路大多采取双向绿波协调，方案流程见图2。

式中：C为最佳周期时长；L为周期内信号总损失时间，Y为组成周期的全部信号相位的最大流量比之和。

2.2确定关键交叉口

选择最大周期时长的交叉口作为关键交叉口，公式如下：

tEGn为非关键交叉口非协调相位中相位n的最小有效绿灯时间（s），qn为非关键交叉口非协调相位中相位n关键车道的流量（pcu/h），Sn为非关键交叉口非协调相位中相位n关键车流的饱和流量（pcu/h），xp为非关键交叉口非协调相位的饱和度实用值，yn为非关键交叉口非协调相位中相位n的关键车流的流量比。

（3）确定非关键交叉口协调相位的有效绿灯时间：由于非协调相位的最小有效绿灯时间按式。

（4）确定以后，富余有效绿灯时间全部调剂给协调相位，形成最大绿波带宽。

2.4计算相位差

相位差是进行绿波协调控制的关键参数，本文利用唐克双等提出非对称式MULTIBAND算法[10]计算相位差。该模型取消了MULTIBAND对绿波带中心线对称的限制，以及允许速度波动，更符合实际情况。

三.案例分析

1.道路现状分析

本文以永康市溪心路5个路口（丽州路至广电路）为例，溪心路位于永康市区南面的一条东西向主要干道，主要承担过境交通与通勤交通为主，溪心路各交叉口渠化及路段间距（图略）。

2.流量及信号配时采集

本文利用基于深度学习的车辆识别模型，获取车道级机动车流量，结果如表1；通过信号机控制平台及现场调查获取各交叉口信号配时信息，结果如表2。

3.路段车速分析

为获取溪心路路段速度、采取浮动车调查，经过多次测量，该路段平均车速为50km/h。

4.双向绿波协调方案

本文在根据现状交叉口渠化条件下，采用搭接相位优化相位相序方案，得到双向绿波协调方案如下表，同时根据时距图可知绿波带宽占周期时长的40%。

五.结语

本文基于深度学习构建了车道级流量采集模型，并以永康市溪心路五个交叉口为例，通过合理的搭接相位利用非对称MULTIBAND算法生成了双向绿波协调控制方案，最终仿真结果表明，双向绿波协调方案有助于缩短行程时间、减少停车次数，提升交通运行效率。然而本文中对于排队清空、各路段速度取值等问题以及对于非协调方向的影响未在文中体现，是未来研究需要改进的地方。

【作者简介】汪超（1986.09-），男，汉族，浙江省杭州市人，硕士学历，浙江建院建筑规划设计院交通工程师，主要研究方向：交通规划、交通工程、信号优化及控制。

参考文献：

[1]李祥尘等.基于相位优化的干线双向绿波协调控制方法[J].交通运输工程与信息学报，2018，16(1):115-121.

[3]贾彦峰等.基于相位相序优化的双向绿波协调控制模型[J].青岛理工大学学报,2018,39(1):91-95.

[3]潘媛,贾顺平考虑速度波动区间的城市干线双向绿波协调控制模型[J].科学技术与工程，2019，19(15):336-342.