下载掌阅APP，畅读海量书库
立即打开
作为理论与技术创新应用的重要领域，城市道路交通长期得到国内外学者的关注。其中，城市道路交通控制作为保障居民出行安全、出行效率和出行舒适度的主要措施，更是成为该领域研究的重点。我国城市道路交通控制的研究与实践在近百年的发展历程可分为4个阶段，分别称为交通控制1.0（机械化）、交通控制2.0（电气化）、交通控制3.0（信息化）和交通控制4.0（智能化）。图1-21给出了4个发展阶段中，交通控制对象、目标、方法、执行器、检测和评估的演进情况。
交通控制1.0，以上海出现的第一个人工切换红绿灯为代表，是我国城市道路交通控制的初始阶段。交通控制2.0和交通控制3.0则是历时最长也是对改善城市交通贡献最大的阶段，以20世纪80年代交通控制系统SCOOT和SCATS进入我国为标志，推动了我国城市交通控制信息化的进程，同时也促进了国家相关部门和国内学者在交通控制系统的研究和研发领域的投入。2000年以后，尤其是近几年我国城市居民交通出行需求的成倍增长，且呈现出具有我国地域特点的混合交通流特性。交通需求的多样性、交通流复杂特性、城市发展不均衡性及被控对象的不确定性等，对城市交通控制的理论、控制策略和控制手段都提出了新的要求。特别是在大数据、云计算、边缘计算、人工智能、物联网、车联网等技术快速发展的今天，我国城市交通控制进入了以智能化为核心的交通控制4.0时代，其更强调在未来城市交通背景下信息、计算和控制的深度融合。
图1-21 我国城市道路交通控制的发展阶段
如图1-22所示，回顾从交通控制1.0到交通控制3.0的发展历程，可以发现，不变的是技术的演进、检测数据类型、控制对象、控制目标和执行器，变化的是控制方法；而从交通控制3.0到交通控制4.0，变化最为明显的是控制对象、控制目标、控制方法和执行器。其中，控制对象从交通流变为人、车与路的协同；控制目标由交通安全与交通效率增加为交通安全、效率与出行者舒适度；执行器从信号控制器变为信号控制器、交通标志、智能车辆等。这些都表明，城市道路交通控制关注的主体已经从交通流转变为交通参与者，这不但契合了当前新技术的演进和越来越丰富的应用场景，也符合我国一直倡导的“以人为本”的理念。
图1-22 城市道路交通控制的变革示意图
在对与城市道路交通控制有关的国内外研究进行概述的基础上，本节对传统交通控制存在的问题和未来研究中的重点和应着力解决的关键问题进行了展望。
1.交通控制
以传统城市道路交通控制理论为基础，结合现代控制、智能控制、人工智能等理论的模型与算法在交通控制领域已实现了长足的发展和应用，并由此形成了许多细分研究领域和分支。现代控制理论假设受控对象的数学模型已知，基于现代控制理论的交通控制方法大多称为基于模型的交通控制（Model Based Traffic Control，MBTC） ［6］ 理论与方法。21世纪初期，交通信息化的推进和检测技术的发展，使得交通检测数据的种类、精度都得到极大的提升，同时道路交通出行需求的爆发式增长使得传统交通控制方法已捉襟见肘，为此研究人员开始思考基于数据驱动的交通控制（Data Driven Based Traffic Control，DDBTC） ［7］ 理论与方法。即，考虑在难以准确建模受控系统时仅利用系统的输入、输出数据，实现控制与决策。近几年，人工智能理论与方法的突破和大规模云计算与边缘计算技术的演进，推动了以人工智能方法为核心的新型智能控制的发展，部分学者提出了基于人工智能的交通控制（Artificial Intelligent Based Traffic Control，AIBTC）理论与方法。本节从三个方面系统回顾和分析城市交通控制方法的研究，包括基于模型的交通控制、基于数据驱动的交通控制和基于人工智能的交通控制。
（1）基于模型的交通控制
传统的交通控制大多都能归为基于模型的交通控制，这里只简单回顾采用了现代控制理论思想与方法的研究。Chang等 ［8］ 建立了不同相位控制的交叉口离散优化模型，并采用极小值原理对交叉口最佳周期和各相位最佳绿信比进行求解。Liu等 ［9］ 认为过饱和交通状态的信号优化问题可以以交通的到达率和驶离率作为效率评价指标，并以驶离交通量大为目标建立动态线性规划模型，通过优化求解该模型可得到信号控制最优方法。何忠贺等 ［10］ 将切换服务系统应用到交叉口信号控制中，设计了“带有服务时间上限的固定相序切换”服务策略，并进行了切换服务系统周期稳定性的研究。张玲玉等 ［11］ 以存储转发模型为基础，利用LQR实现交叉口控制。向伟铭等 ［12］ 通过将过饱和状态下排队车辆消散问题抽象为一类离散事件切换系统的指数稳定性问题，将排队溢出问题视为该类系统的有界性问题，建立了信号交叉口的离散时间切换系统模型，并采用李雅普诺夫（Lyapunov）函数方法分析了信号交叉口的稳定性和有界性，同时给出了排队消散的控制策略。
（2）基于数据驱动的交通控制
数据驱动控制的定义是“控制器设计不包含受控过程数学模型信息，仅利用受控系统的在线和离线I/O数据及经过数据处理而得到的知识来设计控制器，并在一定的假设条件下，有收敛性、稳定性保障和鲁棒性结论的控制理论与方法” ［13］ 。侯忠生课题组最早提出数据驱动控制并将其应用于交叉口信号控制。郝建根等 ［14］ 将结构已知的数据驱动方法应用于过饱和单交叉口、交通干线、快速路出入口的控制，提出了面向不同对象的排队长度均衡控制的方法。齐驰等 ［15］ 引入近似动态规划（Approximate Dynamic Programming，ADP）方法，实时动态调整各相位绿灯时间，达到排队长度均衡的控制目标，该算法具有自学习和自适应的特性，不依赖系统模型。李永强等 ［16］ 考虑了排队消散时间及放行相序对优化结果的影响，实现非饱和情况下的数据驱动交通响应绿波协调信号控制。
（3）基于人工智能的交通控制
20世纪80年代，以神经网络、模糊控制、专家系统等为代表的传统智能控制理论与方法逐渐成熟，得到交通控制领域学者的关注，并逐渐推广到交通控制建模与优化中，形成了以传统智能控制为基础的交通控制研究方向，本书并不赘述。这里主要回顾近年来以强化学习为代表的新型人工智能算法在交通控制中应用的研究交通控制问题已被证明是一种非常适合强化学习方法的实验方案 ［17］ 。强化学习可以通过在线学习不断提高算法的性能，并随时适应交通需求的变化，其在交通控制中具有较大的优势，但在研究和实践中还存在着许多挑战，如缺乏训练数据和定制化的交通控制策略。目前，利用强化学习实现交通控制的研究主要集中在单交叉口信号控制。其中，多数是基于单智能体来实现单交叉口控制，即单智能体强化学习（SARL）。虽然这类方法应用在大规模路网控制时可能存在不足，但它并没有阻碍大规模路网控制。它对独立交叉口或小规模道路网络控制的贡献，在许多已发表的文章中进行了描述 ［18］ 。尽管强化学习在单交叉口控制中具有很强的适用性，但考虑到城市交通流的波动性和非线性，许多进一步的研究指向了深度强化学习 ［19］ 。其特点是通过深度学习实现感知，利用强化学习完成决策，来与城市交叉口的感知和控制相匹配。深度强化学习在2016年由美国谷歌（Google）公司提出并应用于阿尔法围棋（AlphaGo）算法时受到了极大关注 ［20］ 。目前，深度Q学习及其扩展算法在交通控制中得到了广泛的应用。它们大多将城市交叉口描述为可观测的马尔可夫过程，然后利用对车辆位置、速度和加速度的识别，来构造Q值表，实现控制决策与优化 ［21］ 。
2.交通需求辨识
由于交通需求具有多维度、复杂性和时变性等特点，因此准确辨识交通需求是实施有效的交通控制策略的前提。目前，国内外学者针对城市道路交叉口交通状态辨识的研究主要面向过饱和状态识别，并集中在以下两类。
（1）利用检测数据与交通波理论估计排队长度，进而判别交通状态
Liu等 ［22］ 利用上下游部署的线圈检测器的数据估计排队长度，进而识别交叉口的过饱和状态；钱喆等 ［23］ 在其基础上完善了判别方法。Ban等 ［24］ 通过移动检测数据测量旅行时间估计出排队长度并设计了交叉口过饱和状态，而Li等 ［25］ 则通过移动检测的轨迹数据设计辨识方法。Antoniou等 ［26］ 从多源动态数据入手分析交叉口过饱和状态。唐少虎等 ［27］ 则以视频数据得到交叉口状态判别结果。
（2）采用饱和度参数、交通参数判别交通状态
Gazis ［28］ 最早给出交叉口过饱和定义，并提出了基于饱和度判别的方法。Dion等 ［29］ 提出基于延误时间比较的交叉口交通状态判别方法。聂建强等 ［30］ 利用战略检测器与战术检测器的时间占有率，提出一种相位交通状态判别模型。陈兆盟等 ［31］ 将车头时距的方差与时间占有率作为参数，结合周期排队车辆的消散，提出一种结合信号优化的交通状态判别方法。吴志勇等 ［32］ 从深度学习角度出发，提出一种离散化交通状态判别方法。
3.交通控制仿真
以交通工程和计算机技术为起源的城市道路交通仿真技术，自20世纪50年代以来已经取得了突飞猛进的发展，目前已经成为城市交通规划设计、交通系统实验分析、交通控制算法研发、交通流理论研究、车路协同、公交优先、自动驾驶等诸多领域的重要研究和验证手段。我国在该领域的应用和研究起步稍晚，始于20世纪80年代，在城市交通控制仿真研究上主要引进和使用的是国外商业化交通仿真软件。经过几十年的发展，目前国内城市道路交通控制仿真方向的研究集中在下述两个方向。
（1）离线仿真
传统的交通仿真并非专为交通控制研发的，初期主要是用于交通规划、交通工程、交通流理论等的研究。近年来，部分微观仿真软件通过升级的形式增加了对交通控制的支持，以采用PARAMICS、VISSIM、SUMO等为基础进行二次开发实现信号控制算法较多。例如，刘畅 ［33］ 利用COM接口技术，设计了VisVAP-VISSIM-MATLAB结合的感应控制仿真平台，对单交叉口实现了对定时控制和感应控制的仿真；韦钦平 ［34］ 以单路口为研究对象，以VISSIM-Excel VBA-MATLAB仿真平台为基础，通过VISSIM-Excel VBA接口和Excel VBA-MATLAB接口，构建了实时交通控制平台；卢守峰等 ［35］ 提出了利用Excel VBA作为主控程序将VISSIM与MATLAB进行集成构建交通控制仿真平台的方法。
（2）在线仿真
智能交通背景下，由于各种先进的信息技术的引入，使得实时的在线交通仿真成为可能。在线仿真的运行机制是在计算机内的仿真系统与实际的交通管理系统同步，运行过程中仿真系统不断接收最新采集的交通检测信息，调整计算机内部的仿真系统使其尽可能准确地反映当时的真实道路交通情况；然后，在对未来一定时间内动态交通需求预测的基础上，快速测试不同的交通管理方案，并将性能最好的方案作为实施方案 ［36］ 。目前，在线仿真的研究多集中在硬件在环交通控制仿真方向。柳祖鹏等 ［37］ 以上海宝康GBS2000信号控制机与VISSIM交通仿真软件结合实现了硬件在环仿真平台研究。于泉等 ［38］ 提出研究交通控制硬件在环实时一体化仿真平台的设计方案。余贵珍等 ［39］ 建立基于交通微观仿真软件的城市多路口交通控制仿真场景，并与外部的信号控制器建立硬件在环系统，实现仿真场景与交通控制器的实时信息交互，形成符合实际交通控制情景的仿真环境。Li等 ［40］ 基于NTCIP标准设计了硬件在环实时交通控制仿真平台。
（1）传统交通控制理论存在制约性
传统交通控制体系的形成与当时技术形态密不可分，包括电子计算机、控制器等的周期性运行，其目标为保障车辆通行安全，形成了以周期、绿信比、相位差的时间参数和相位、相序的空间参数为特征的交通控制理论。尤其是欧美国家所制定的标准体系，如NEMA-TS2等，已将其标准化定义在交通控制软硬件逻辑设计中。虽然我国也制定了包括国标GB 25280—2016《道路交通信号控制机》等的相关标准，但是目前行业已有很大变化。交通控制理论自建立至今，基础体系变化不大，相应创新主要集中在优化算法或控制方法上。然而，传统交通控制理论体系未能匹配上人工智能在该领域的发展要求，其中最为关键的传统交通控制理论中的相位相序的不变性成为最大的瓶颈。可以说，人工智能算法或其应用领域的局限性与传统交通控制的局限性的碰撞，在备受束缚的交通控制体系中，无法发挥其真正的能力。
（2）传统检测数据无法全面有效表征交叉口交通需求
传统交通检测数据（流量、占有率、排队长度等）由于检测粒度粗、统计特性强，只能在单一方面刻画交叉口的交通需求，无法全面表征交叉口的交通需求特征，这主要是因为目前的数据多为加工后的数据（第二、三手数据），已经在本质上忽略了原始数据的丰富性和扩展性。交叉口交通需求的辨识应满足两个条件：第一，当前交通需求应包含控制策略做出最优决策所需的全部信息，其为做出最优决策的基础；第二，没有或仅存在少量冗余、非必需的信息，其主要影响智能算法的学习、训练和计算的时间。
（3）基于实时数据驱动的在线交通控制仿真系统有待研究
传统交通仿真系统基于静态、后验证性的设计理念，无法应用于需要实时性演化验证的在线交通控制中。传统仿真软件如PARAMICS、VISSIM等仿真不够真实，主要原因是参数标定、模型标定带来的误差过大且无法根本消除。由于仿真软件产生的历史时期和当时技术条件的限制，无法获得实时、高质量的检测数据，因此需要研究和设计跟驰模型、交通流模型等。模型的假设和约束进一步削弱了仿真的真实性，但其确实促进了城市交通领域研究的进步，成为交通理论研究中重要的验证工具。未来需要利用实时检测数据和历史检测数据自动标定参数，设计无模型的仿真驱动内核，才可能从根本上解决目前交通仿真的困境。同时，构建与真实交通相仿的体系 ［41］ ，研发基于平行系统理念 ［42］ 的在线交通仿真用于仿真系统，来与实际的交通管理系统同步，通过仿真推演实现交通控制的预测性优化和实时在线评价。
（4）支撑先进算法的计算能力、存储能力和网络能力的智能交通控制器有待研究
传统交通控制器的研发和设计，基于传统的交通控制理论，定位为执行器，并未考虑人工智能等先进算法应用时所需的计算能力、存储能力和网络能力等，因此限制了其在交通控制领域的实际应用。同时，面向未来的城市交通中物联网、人联网、车联网等场景在算力、仿真、存储、网络、优化等方面的需求，交通控制器将以全新的形态成为边缘计算、数据汇聚、网络结合的城市关键节点。
（5）智能交通控制系统有待深入探讨和研究
智能控制的一个典型的特点是，它至少是人工智能与控制论的交集。由此可见，如SCOOT、SCATS等国外较为先进的交通控制系统也不能归为智能交通控制系统，主要是因为传统交通控制系统设计中缺乏对人工智能的引入和支撑。目前，以互联网企业为首推动的各类交通大脑也不宜归为智能交通控制系统，原因是其缺乏对控制论的理解和应用。智能交通控制系统对信息、计算和控制提出的要求正好契合了信息物理系统（CPS）的特点。研究以CPS为总体架构，以车路协同、人工智能、云边协同为技术支撑的智能交通控制系统，将能够适应更多的未来交通场景下交通需求的变化。