英语原文共 10 页
解决交通拥堵问题的动态智能交通灯控制系统
W.Wen1 amp; C.L.Yang2
1中国，台湾，龙华科技大学，信息管理系
2中国，台湾，大同大学，信息管理系
摘要
交通拥堵是全世界许多现代化城市的严重问题。为了解决这个问题，我们设计了一个动态自动交通灯控制系统的框架，并用Arena编码开发了一个仿真模型帮助设计系统。该模型采用平均到达时间和出发时间，在台湾的台北北路的中山每个交叉处都有物理观察点，在运行期间模拟车辆到达和离开的数量。在我们的实验中，通过限速和控制光的持续时间，大城市的交通拥堵问题得以解决。
关键词：仿真系统；交通灯控制系统；交通拥堵
1 简介
交通拥堵一直在现代国家的大多数城市引发许多关键问题和挑战。对于通勤者或旅行者来说，拥堵意味着 失去的时间，错失的机会和挫折感。对于雇主来说，拥堵意味着失去工人的生产力，贸易机会，交货延迟，以及增加了成本。解决拥堵问题不仅可以通过建设新的设施和政策的物理方式实现，也可以通过建立信息技术传输管理系统来实现。越来越多的证据证明交通拥堵问题不能简单地通过扩展道路基础设施来解决。事实上，建造新的道路会在某些情况下，通过引起对车辆旅行的更大需求，迅速消耗额外的容量而出现拥堵。因此，很多国家正在努力管理现有的运输系统来改进其移动性，安全性和交通流量，以及减少对车辆使用的需求。通过加强公共交通，路线引导系统，改善交通信号，和交通事件管理，可以大大改善拥堵的状况。当然，建设新的私人公交车道，高速公路或地铁以减少这种情况增长的措施并未跟上步伐。从最近的分析统计数据来看，大约一半的拥堵是所谓的反复发生拥堵-由几乎每天都存在的反复出现的需求引起的，道路使用超过现有容量。另一半是由于非经常性的 暂时中断造成的拥堵。四大反复发生拥堵的原因是：交通事故（从残疾车辆到重大事故），工作区，天气和特殊事件。非经常性事件大大降低了整个运输系统的可用容量和可靠性。研究人员已经做了很多研究来增加容量和去除瓶颈。
Schaefer等开发了一个评估高速公路车道的模拟模型。仿真结果表明，车道控制在拥堵上影响不大。但是，重型和中型交通流量之间的区域对车道控制敏感。Chen和Yang已经创建了一个算法来查找在一个城市中模拟交通灯控制操作的最小总时间路径。Stoilova和Stoilov也建立了一个模拟模型来衡量最佳交通信号灯通过最佳的交通管理实现低噪音水平和环境污染。Grau、Barcelo、Messmer和Papageorgiou讨论了不同队列长度的最小值交叉点。为了帮助交通管理系统，Nooralahiyan等基于其速度无关的声学特征的车辆，采用时延神经网络（TDNN）对个人旅行进行分类。TDNN 网络经过培训，培训模式准确率达到94％ 测试模式的准确率为82.4％，此外，采用最短的路径算法，许多其他关于解决交通问题的研究已经发表。Wen和Hsu用新修订的最短路径路由算法设计了一种路线导航系统比较了绩效评估。我们的研究重点是改善交通信号，解决部分交通拥堵问题，这将在下面讨论。
2 动态和自动交通灯控制系统的框架
动态和自动交通灯控制系统（DATLCS）由七个要素组成：射频识别（RFID）阅读器，主动RFID标签，个人数字助理（PDA），无线网络，数据库，知识库和后端服务器。RFID阅读器从粘贴的有效标签上检测到1024 MHz的RF-ACTIVE代码。有源标签包括电池，以便它可以周期性地和主动地使用传输存储在标签中的消息。收到数据后，阅读器将存储所有信息在PDA中。在积累足够大小的数据后， PDA用一个无线网卡将其连接到后端服务器并将其存储到服务器的数据库中。服务器使用存储在数据库中的数据计算最大流量和平均车速。当所有可能的拥堵道路和车辆速度被收集，这些数据将用作服务器内的仿真模型的输入参数。使用IF-THEN规则，知识库在各种交通情况提供不同的替代方案。得到模拟结果后，DTLCS能够通过交通灯控制界面自动设置红色（绿色）灯光持续时间来改善交通拥堵问题。
图1：动态和自动交通灯控制系统的框架
2.1 仿真模型的定义和符号
为了说明系统如何工作，我们利用Arena开发了一个三交叉道路交通仿真模型。在举例之前，让我们来介绍一下符号的定义，如下：
变量：
T：通过一段车的时间。
N2：道路第二段的剩余空间，以汽车数量衡量。
N3：道路第三段的剩余空间，以汽车数量衡量。
cross 1：汽车在第一个交叉路口经过停车线的时间。
cross 2：汽车在第二个交叉路口经过停车线的时间。
cross 3：汽车在第三个交叉路口经过停车线的时间。
clock light 1：交通信号灯在第一个交叉路口转向红色的模拟时钟时间。
clock light 2：交通信号灯在第二个交叉路口转向红色的模拟时钟时间。
clock light 3：交通信号灯在第三个交叉路口转向红色的模拟时钟时间。
clock car 1：车辆到达第一个路口停车线的模拟时钟时间。
clock car 2：车辆到达第二个路口停车线的模拟时钟时间。
clock car 3：车辆到达第三个路口停车线的模拟时钟时间。
clock cross 1：汽车被允许离开第一个路口停止线的模拟时钟时间加上cross 1。
clock cross 2：汽车被允许离开第二个路口停止线的模拟时钟时间加上cross 2。
clock cross 3：汽车被允许离开第三个路口停止线的模拟时钟时间加上cross 3。
green 1：第一个路口绿灯的持续时间。
red 1：第一个路口红灯的持续时间。
green2：第二个路口绿灯的持续时间。
red 2：第二个路口红灯的持续时间。
green 3：第三个路口绿灯的持续时间。
red 3：第三个路口红灯的持续时间。
资源：
switch 1：用于控制交通灯信号或用于决定是否允许汽车在第一个路口通过停车线的资源。
switch 2：用于控制交通灯信号或用于决定是否允许汽车在第二个路口通过停车线的资源。
switch 3：用于控制交通灯信号或用于决定是否允许汽车在第三个路口通过停车线的资源。
space 2：第一个路口和第二个路口之间的汽车容量资源，用于确定汽车是否存在足够的空间可以开到第二段道路。
space 3：第二个路口和第三个路口之间的汽车容量资源，用于确定汽车是否存在足够的空间可以开到第三段道路。
队列：
departure1.Queue：第一个交叉路口的队列，用于存放所有没有权利通过交叉路口的等候车辆。
departure2.Queue：第二个交叉路口的队列，用于存放所有没有权利通过交叉路口的等候车辆。
departure3.Queue：第三个交叉路口的队列，用于存放所有没有权利通过交叉路口的等候车辆。
space2.Queue：在道路第一段等待道路第二段空间的队列。
space3.Queue：在道路第二段等待道路第三段空间的队列。
2.2 仿真模型的描述
首先，我们选择台湾台北中山北路作为我们的研究目标，因为它在下午6点到晚上8点的高峰期车流量较大。简单的模型只包括3个交叉点。如图2所示，在道路交通仿真模型中，假设道路有3个交叉路口，每个交叉路口都有交通信号灯。在模型中，每辆车的到达时间为1.72秒，离开每个交叉路口经过停车线的时间是1.2秒，并且通过一辆车的时间是0.41秒，这是我们物理上观察到的平均结果。每个交通灯信号可以被名为灯光控制1，灯光控制2或灯光控制3的实体控制 。此外，汽车命名实体根据汽车的到达时间创建。基本上，实体，灯光控制1,2或3 ，需要抓住资源，开关1，开关2或开关3用以改变每个交叉路口的红绿灯转化。同样，汽车（即实体）只有当汽车占用资源时，才能通过任何交叉路口。没有抓住资源开关1，开关2或开关3 ，汽车或灯控制器1,2或3将被放在队列，只能等待。因此汽车和灯控制权相互竞争以获得资源。但是，为了让灯光控制1，灯光控制2和灯光控制3总是获得资源，我们为开关1、2和3设置了最高优先级，汽车则优先级较低。此外，在汽车占用资源之前，首先需要检查在第一个路口与第二个路口之间的space 1和在第二个路口与第三个路口之间的space 2是否可以让汽车穿过。
值得注意的是，在我们的模型中，我们考虑了交通灯信号在开车穿过十字路口时变红。在这种情况下，当一辆汽车的当前时间加上它通过这个交岔路口的时间大于路口的交通灯变为红色的时间，它应该被分为两部分，以允许交通灯信号在适当的时候变红，并继续开车。为达到这个目的，必须进行如下修改：
持续时间的第一部分 = clock light 1 -（clock cross 1 – clock cross 1） 0.0001
持续时间的第二部分 = clock cross 1 - clock light 1 – clock cross 1 - 0.0001
更确切地说，在我们的模型中，一辆汽车在交叉路口离开了停车线，叫交叉路口1，开车到中山路北第二段，开车到那条路的时间是动态的，取决于那一段路剩下的空间。剩余空间用时间测量。这个等式为：
汽车从第一个交叉路口的停车线到第二段路队列中的最后一辆汽车的行驶时间 = T * N2。
图2： 交通灯控制信号仿真模型
3 模拟分析和结果
使用Arena，我们建立了交通灯控制信号仿真模型。最初到达系统稳定的预热时间为1800秒，并设置10000秒的运行时间。根据实际测量，我们固定用130秒作为绿灯持续时间。然而，对于红灯持续时间，它从65秒开始减少，每次减5秒（即65,60,55,50,45,40,35和30）。完全是我们根据不同的红灯持续时间来检查和分析8例情况。
假设每个交叉点的红灯持续时间相同，8个案例已建模并运行。图3显示的红灯持续时间为50秒，交通灯控制模型表现良好，虽然当红灯持续时间小于50秒时，平均等待时间仍在减少，减少的时间小于5秒。在这个环境，似乎不值得将红灯持续时间减少5秒（例如50到45）。特别是，如果我们减少一个交叉路口的红灯持续时间，它将减少同一交叉口另一侧的绿灯持续时间，这可能会增加另一边超过5秒的平均等待时间。
图4： 不同红灯持续时间的平均等待数
同样，在图4中，50秒时汽车的平均等待数有很好的表现。图5显示了在space2.Queue中汽车的最长等待时间为454.8秒，红灯的持续时间是65秒，但是会在持续时间为50秒时减为0。在图6中，space2.Queue的最大汽车数在65秒的持续时间时是268。它导致了在中山北路第一段交通系统的过度拥挤。为了找出最佳表现，我们基于每个交叉点的红灯持续时间的不同组合进一步将模型分为8类。八个类别分别是（r1 = r2 = r3 = 65），（r1 = 50; r2 = r3 = 65），（r2 = 50; r1 = r3 = 65），（r3 = 50; r1 = r2 = 65），（r1 = r2 = 50; r3 = 65），（r1 = r3 = 50; r2 = 65），（r2 = r3 = 50; r1 = 65）和（R1 = R2 = R3 = 50）。例如，类别1，r1 = r2 = r3 = 65，表示红灯在交叉口1,2和3的持续时间都是65秒。其余类别可以用同样的方式解释。图7中，我们能够知道r1 = r2 = r3 = 50的模型是最佳选择，因为在这种情况下，所有队列的平均等待时间非常短。
图6： 不同红灯持续时间的最大等待数
图7： 几种红灯持续时间下不同交叉路口的平均等待时间
最后，值得一提的是，如果我们加快汽车出发的时间，它同样也大大减少了汽车的平均等待时间和平均等待数量。然而，除了提高速度限制外迫使司机快速开车是非常困难的。
4 结论和未来的工作
本文提出了一个用于改善交通拥堵问题的动态自动交通灯控制系统的新框架。为了知道如何自动和动态设置红（绿）光信号的持续时间，我们还设计了一个模拟模型，基于台湾台北中山北路的交通状况，用以改善其高峰时段的交通问题。仿真结果在物理上证明了仿真模型的效率，因为当红灯持续时间为50秒时，汽车的平均等待时间和平均等待数量急剧下降。同时，进一步分析显示如果我们设置三个交叉路口的红灯持续时间等于50秒，仿真模型的总体性能最佳。
虽然本文提出并分析了DATLCS，但我们仍可以在几个方面进一步改进其功能。特别是，我们可以扩展模拟模型以添加更多或不同方向的道路让模型更接近现实。另外，因为我们通过使用RFID技术收集交通流量和平均车速信息，动态寻找最佳路线或第二条道路导航最佳路线的系统也将成为一个重大的研究课题。
参考文献
[1] Chabini，I.，交通中的离散动态最短路径问题应用，运输研究记录，1998.
[2] Chabini，I.，一种新的离散动态网络最短路径算法，第8届IFAC / IFIP / IFORS交通运输系统研讨会，Tech Univ Crete，希腊 ，1997年6月，第16-18页.
[3] Chen，Y.L.和Yang，H.H.最小化旅行时间和交通灯网络中的站点加权数量，运输研究B ，34,2000，第241-253页.
[4] Chen，Y.L.和Yang，H.H.最小化旅行时间和交通灯网络中的站点加权数量，欧洲
资料编号：[4091]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
