做适合国情的系统

由赛文交通网和“信控中国精英俱乐部”联合策划举办的中国交通信号控制发展论坛于3月23日成功举办。会上，北京工业大学城市交通学院副教授于泉发表了《城市干线协调控制模型的应用探讨》主题演讲。

于泉首先介绍了城市干线协调控制模型的研究背景，针对国内外的研究现状，着重分享了车队离散模型的内容以及在研究过程中的主要步骤和遇到的问题，并得出了自己的结论。

于泉认为干线协调很重要，并且大家应该努力做自己的交通控制系统，做适合国情的系统。

以下为于泉演讲实录

我想结合在做控制里面的一些理论和实践当中的角度，探讨一下协调控制的模型在应用当中会遇到什么问题，下面分六个方面大概介绍一下。

很多新型的交通控制系统发展迅速，ACTRA、COBALT、ACYCLICA等，美国想进军中国市场，他们正在做相关的业务工作。目前实时数据采集是智能交通领域都在做一件事情，我认为实际上“实时”都没有达到严格意义上的实时，都是准实时的，即便控制方案出来了，也是针对前几秒的方案，并不能够说明立即出来的方案就是适合当前的交通流。

因此，无论是做绿波协调还是智能控制，肯定会遇到如何来做预测的问题，接下来我想结合线控过程中遇到的干扰和实时性等问题，仅从机动车的角度来说，谈谈五方面需要解决的问题。 

不同流向的车流能够对直行车流造成干扰，上图第一车流就是需要放行的车流，也就是需要进行绿波协调控制的车流。第二个是路段出来的车流，第三个是右转车流，通常不受相位的控制，所以对绿波和直线车辆是有影响的，第四个是在绿灯的末期直接通过交叉口放行的车流，第五个是上一个信号周期剩下来的车辆。所以实际上在我们做绿波协调控制的过程中，单纯的机动车就有这么多因素要考虑。

在研究领域，模型肯定有很多，在经典的理论模型上，有同步、异步协调，Little、Brooks等方法，随着自动控制行业的发展，人工智能算法的发展，出现了很多新的方法，这都是整个领域中要研究的事情，涉及到交通控制算法，在中国的知网上就有340篇论文。

如果这些方法需要在绿波协调中应用，单从机动车因素方面，最重要的要考虑离散问题。一是长离散，距离长的时候离散现象尤其突出；二是常离散，说明离散现象是经常发生的，随着驾驶习性以及机动车性能的不同，离散的现象一定会发生。对于车队离散，Robertson认为路段中行驶的车辆在两个断面之间行驶速度的差异导致了行驶时间的不同，而行驶时间是按照几何函数来分布的，由此提出了几何分布模型。这个模型应该是传统的理论模型，在这个过程中，我发现有一个统计时段的事情，上一时段和下一时段通常要做预测，我的问题就集中在下一个时段是多长？

因此，我做了5个路段车流量的观测，用的是摄像机车牌识别方法，上游、下游交叉口整个车辆通过的情况和下游的到达情况都做了全程的记录，然后将数据分别逐一比对。 

左边是统计时段的间隔，统计每个断面上通过的车流，一直做了36s。这5个路段统计下来，如果是统计时段t<10s的时候，四个路段的误差的均值均保持在2辆车以下。随着统计时间T的增加，误差也会逐渐增加。方差也是一样，离散会越来越严重，误差会越来越明显分散。 

我们最终做了不同的统计时间之后，发现最理想的时间是6s， 10s到6s范围内，提前做预测的时间最合适。但是也有一个问题， 6s到10s区间范围内误差的百分率将近45%。所以我们最终得出的结论是Robertson模型要用在北京误差率会很高，而且要提前6s到10s的范围内进行预测。

我们拿着这个结论找了第5条路段去做一个测试验证，得出的结论无显著性差异，Robertson模型做出来的数据和现场第5个路段数据实际上还是一样，误差也是这么大。后来我们发现调研的地方是一个两相位的路口，这里面就存在左转车的相位，所以我们就把左转车影响添加到模型里进行改进。 

这是我们做的调查数据，左转车比例不同的情况下，误差接近15%和20%，即便我们修正的模型，误差仍然在20%。我们现在遇到的问题是模型需更多的现场测试及验证，个别参数要深加工。

最后总结一下。

第一，干线协调确实很重要；

第二，适合的才是最好的，不管是什么模型，一定要适合自己的路况、影响因素、行人、各种交通流的特点、道路情况等；

第三， 以6～10s的时间间隔提前进行交通控制有关的预测，这样做干线交通控制效果是最好的；

第四，国内不缺高校高等人才和应用场景，我们应该努力做自己的交通控制系统，慢慢地要做适合国情的系统。