基于绿信效率优化的Ageot系统及数据源概述

重庆攸亮科技股份有限公司智能交通研发中心负责人徐盛8月中旬，在重庆“2018年西南智能交通论坛”上现场分享了《基于绿信效率优化的Ageot系统及数据源概述》。

解析了Ageot®绿信效率，信号控制平台的数据来源，以及对自适应控制、协调控制、溢出控制、公交优先、车道优化、人行过街等应用案例展开了分享。 

以下为徐盛演讲全文，经赛文交通网编辑整理（内容有删减）：

我们的集成平台具有资产管理、违法处理、违章查询、视频监控、综合查询、大数据分析等一系列功能。

接下来我们要讲到的是Ageot®绿信效率。

我们的绿信效率主要是通过饱和度来计算，我们的饱和度主要考虑车流量+占有率，是一个类饱和度。当饱和度较低的时候，我们认为绿信效率是不高的；当饱和度达到设定值，比如80%或者90%，这个时候它的绿信效率是比较高的，我们可以通过增加绿信比，使得在更长的绿灯时间内保持高效率；当饱和度过高，比如超过1就表示前面已经拥堵了，这个时候再增加绿信比已经没任何意义，反倒是需要进行溢出控制来减少绿灯时间。

这些参数，会因为弯度、坡度以及车间距、运行流量的不同而进行自动学习和变化。然后进行一个负反馈控制，当调整之后，根据调整的结果继续迭代。

第二个是我们的绿信协调效率，主要是在协调时使用。

在配置协调的时候，根据车流量变化，相位差以及周期进行相应的变化。以两个路口为例，当车流量不饱和的时候，绿信的协调效率是很高的，道路条件合适，配置好的话，绿信协调效率可以达到1。

然后当车流量逐渐饱和的话，就意味着开始逐渐有排队，当有了排队之后，从上一个路口过来的车，就不一定能全协调了，如果要协调的话，可能也基本上就是绿尾协调。这个时候我们通过调整相位差，使得绿信协调效率尽量高。

当排队已经超过一个周期能够放行的车流量的时候，即处于过度饱和状态，这个时候该方向已经没有协调价值了。我们处理策略主要考虑未拥堵方向的协调。

在实际运行中，我们通过绿信协调效率实时计算，调整相位差，但是也不能频繁的调整，因为调整相位差需要过渡时间，会干扰运行。我们会有一个设定最小调整时间差，根据检测到的饱和度，实时调整协调相位差以及协调周期。协调周期的调整，是根据关键路口的车流变化来进行调整，其他路口跟随变化。

这是我们绿信效率的一个计算展示，我们在相位差计算分了两种，一种是带宽最大，一种是效率最高。带宽最大的方式，我们让双向的绿波带宽加起来最大。效率最高的方式，是让双向的协调效率加起来最高。比如一个路口的正向绿灯是40秒，反向60秒，正向最大的协调带宽只能达到40秒，而反向的协调带宽如果是40秒，则协调效率只有67%。效率最高的计算方式，会让双向的协调效率之和最高的情况下，尽量均衡正反向的协调效率。

下面讲一下数据源。

现在的数据来源太多了，如何使用是我们很关心的问题。

我主要讲一下，地感线圈、地磁、视频检测、本地大数据以及互联网大数据。

对于我们的系统而言，地感线圈、地磁、视频检测，是可以直接连接到信号机上，然后由信号机实时分析的数据，我们叫本地检测数据。

电子警察、卡口，RFID、微波等数据，这些是本地大数据，这些不是通过信号机接入的，它是我们通过后台其他系统得到的数据。

还有就是现在的互联网大数据。

这些数据怎么融入到平台，然后一起控制，是我们考虑的问题。

本地大数据，我们是通过单独的大数据分析模块得出一些分析结果，然后传入到我们的信号控制平台，然后由信号控制平台指挥信号机运行；互联网大数据的使用也是这样一个流程。

地磁、地感还有视频检测就分了两种情况了，它可以在信号机端直接进行秒级的战术控制，也可以在后台通过历史数据分析以及检测周期稍长的实时数据，比如几分钟的数据或者几个周期的数据分析进行方案调整。

在一个信号机里面，我们可以支持多种数据检测源同时接入的，上图是通江大道开迎路路口视频检测数据。我们在这个路口测试就是使用了地磁、地感线圈以及视频检测。一种检测接一个方向，最终通过各种检测数据来进行控制。

同样一个路口，用地磁检测的数据看看（如上图）。 

然后这是地感线圈（如上图），我们做了一个自适应+溢出控制，用的是地感线圈检测。

（如上图）这是一个卡口大数据，我们平台系统，可以无缝对接我们信号控制系统，将卡口大数据计算出来之后，我们可以通过卡口数据进行分析，然后得出分析结果，最后运用到信号控制上，目前主要就是用于像有一些地方路口没有装检测，但是又想做一些控制和优化，这个就可以使用。

（如上图）这一个是互联网大数据，上面和下面是两家不同的互联网厂商的数据，他们提供的数据还比较丰富，像通过时间、排队长度、停车次数、延误时间等数据。我们通过观察他们提供的数据，不同的厂家都有一定的延迟，准确性方面，我们在测试点的观察结果是比较准确，是可以用的。

以下我分几个方面来讲一下我们的应用案例，主要是自适应控制、协调控制、溢出控制、公交优先、车道优化、人行过街等几个方面。

（如上图）这个是在重庆市南岸区通江大道开迎路路口做的自适应。 

当时是直接三种检测同时来进行一个自适应，取得了比较好的效果。但是地磁和地感线圈都不得不面临一个问题，比如修路或者绿化带改造，导致检测被破坏，很多时候如果维护不到位的话，效果逐渐就没有了。

再一个是自适应协调控制，这个的话你们可以看出绿信比调整相对而言不是那么频繁了，我们当时设的最小调整间隔是20分钟。根据关键路口车流情况来调整周期，根据排队长度以及车流量计算的类饱和度来调整相位差。

（如上图）这是渝中区捍卫路溢出控制，在重庆的人可能都知道，捍卫路往两路口方向，车流经常回溢到路口，这个时候民警需要长期在路口不断的人工干预截流，不然路口就会瘫痪。后来我们就做了一个溢出控制，当前方出现拥堵的时候，立马截断绿灯时间，只放行反方向。在现场实际应用中民警已经很少直接对路口进行人工干预。

（如上图）然后这一个是我们的公交优先案例。这个是我们运行的结果图，这是其中一天的延长绿灯以及缩短红灯的一个次数以及各方时间。

还有车道优化。是带出口拥堵控制的可变车道+自适应控制，根据直行和左转车辆排队情况自动改可变车道方向，根据各方向车流情况自动调整绿灯时间，进行自适应控制。

车道优化方面，这是智能多车道汇入控制系统，根据汇流点出口检测数据，自动调整多车道汇入方案。

再一个是我们的人行过街，人行过街按钮应该在各个城市也比较普遍了。我们的人行过街按钮，支持故障自动检测，当检测到按钮出现故障的时候，就会自动降级为普通方案运行。