信号交叉口走廊公交控制策略
摘要
本文提出了一种基于站点实时公交跟踪数据的新的动态公交控制策略，旨在减少车头时距变量对线路运行的负面影响。在有大量乘客需求的线路上，任何一辆公交的延误最终都会引起后续车辆的不稳定运行并产生公交聚簇现象。本策略控制公交车的运行速度，并且当一辆公交确定会延误时就会考虑交叉口信号灯绿灯相位延长。本策略的控制效果将会和现有在控制点提供滞留时间的静态调控方法进行比较。考虑车辆容量限制，本文建立了一个可行的模型以计量每一种控制策略的效果。控制策略用乘客总出行时间、运营成本以及关于车头时距变化系数进行评价。本文通过模拟不同的控制设置和最大乘客需求的理想化公交线路对控制策略的效果进行测试。结果显示本文提出的动态控制策略可以降低15%-40%的系统成本（用户和管理机构），同时相对于无控制策略的情况，本策略可以使车头时距变化系数降低53%-78%，这与没有时间干扰情况下的公交运行状况相似。
- 简介
公共交通的可靠性确保公交相对于广泛使用私家车的竞争力的重要问题。然而，在地面交通服务中路权和线路出行次数取决于公交需求和交通状况。非法上下客，出租车站点，慢行交通占用公交车道（自行车，街道清扫车）或者路权交替引起的车辆合流都会引起服务状态的中断。这些事实和公交站点需求的不确定以及交通信号等设置使得保持公交运行时间的准确性和公交系统运行状态的控制变得困难。在交通需求高的公交线路中，一辆公交产生了延误，下游车站等车乘客数量将会上升，这将导致更高的车辆延误。此处的服务的中断会导致整个后续车队的聚簇，无规律的车辆到站，不稳定的到达时刻和更高的乘客等待时间。
一些研究已经描述过公交系统运行的动态状态。Newell and Potts (1964)和 Osuna and Newell (1972)首先描述了循环公交车队的不稳定状态。一些控制策略被用于解决公交聚簇现象。传统上，公交车队已经减轻了在沿线确定停靠点（持有点）公交时刻表中引入松弛时间地依赖(Barnett, 1974;Turnquist, 1981; Rossetti and Turitto, 1998). 松弛时间应该补偿公交车辆因随机干扰而产生的延误以使公交继续按照时刻表运行。不过所有公交在都在滞站点应保留一个共同的松弛时间代表可减少的有效速度。事实上这必然导致系统运行效率的降低。另外，这种确保单辆公交运行时刻表的控制策略不考虑其他车辆的真实运行状况。因此一些研究提出了监测整个车流在短时间内对随机干扰产生反应的动态控制策略(Eberlein et al., 2001; Dessouky et al., 2003;Adamski and Turnau, 1998)。这些策略基于次优程序和动态公交运行数据确定了对于每辆公交车滞站点的位置和具体的松弛时间长度。假设实时信息数据可以获取，车辆装备自动车辆定位（AVL）技术和自动乘客计数（APC）系统。Yu and Yang (2007)基于遗传算法以总的乘客费用最低为优化目标提出了一个改进的holding-point优化程序。其他研究基于holding-point和不停站策略发展了优化模型，这些模型中不断动态预测公交系统的运行状态。在考虑了所有确定变量和已知变量（Delgado et al., 2012）甚至随机变量后做出预测(Saacute;ez et al., 2012; Corteacute;s et al., 2010)。Fonzone et al. (2015)提出公交在站点超车以使等待乘客乘坐未达到容量限制的公交车辆。
尽管先前的研究通常都是在短期预测系统行为，但其他方法提出了适应公交实际运行状况的策略。他们使用了在单一线路站间的系统变量。Daganzo (2009)根据控制理论原则，定义了公交车辆适应性运行速度模型。这种控制策略可以看作是公交线路路段动态滞站时间：如果一个车出行过快将要追上前车，前车的速度根据目标和实际运行的差异线性降低。该方法提供的结果在系统运行效率和规律性方面要优于以前的静态滞站点策略。不过这个程序不能正确应对运行时刻非常不稳定的情况。. Daganzo and Pilachowski (2011)改进了运行时刻偏差显著情况下的运行速度模型的确定方法。Xuan et al. (2011)提出了改进用户和系统运行成本的一系列动态调整策略。这种方法提高了现有控制策略的效率，因为与传统的基于时刻表的方法相比，这种方法将所需的松弛时间降低了40%。Bartholdi and Eisenstein (2012)提出了一种基于马尔可夫链的方法，其中时刻表时动态自等于一个自然值。另外，Argote-Cabanero et al. (2015)扩展了几条相互交汇公交线路的动态控制方法。这种方法结合了动态调控和驾驶员引导，根据实时数据给出线路上公交车的合理运行速度。
根据Muntilde;oz et al. (2013)的表述，先前的研究都是基于假定公交有足够的容量容纳在站台等车的乘客的控制理论。然而，在高公交需求情况下速度的降低可能导致公交运力下降问题。经验表明一些乘客不会上拥挤的公交车而是等待下一辆公交。事实上，滞站点和动态速度调控策略都以放弃经济速度（在车队或乘客出行时间）和增加运营成本来确保运行时刻表的准确。尽管如此，还有一些研究评估了公交交通部门处理车辆聚簇问题的成本。事实上，交通部门会利用动态交通信号优先措施来使车辆由于在滞站点的等待导致的车速降低最小。在TRB(2013)会议上，出现了一个拓展分析不同技术公交车辆设计了离线在线同步工作的交通信号。相对于静态公交优先系统，公交车辆和公交控制中心（TCC）的协同和部署的协调公交优先系统将明显降低公交55%-75%的延误(Hu et al., 2015)。
据我们所知，还没有关于分析公交信号优先如何帮助公交系统保持良好规律性方面的研究。因此，本文基于主动优先控制提出了动态自适应公交控制策略。考虑到实时路况信息和公交信号变量，并结合特定交叉口的信号偏移修正，本文提出自适应公交出行速度模型以防止车辆聚簇现象。本文的自适应公交车速模型改编自Daganzo (2009) and Daganzo and Pilachowski (2011)的研究。所有站点都作为监测点，到站时刻利用AVL（车辆自动定位）技术进行控制。当一辆公交车的运行时刻表（考虑前车影响）大于目标值时，下游信号灯绿灯相位将会延长（绿灯时长小于最大绿灯时间）以保证公交车不停车通过交叉口。同时，如果公交车的运行时刻和前车相似时，公交车将减速。但是，本文中速度减少量比Daganzo and Pilachowski(2011)研究中的速度减少量低。本控制策略在用户成本和车道变化系数方面优于现有的控制程序。另外，本控制策略降低了运营成本，应为和松弛时间策略相比，本策略不需要额外的车辆。此外，建模方法弥补了Muntilde;oz et al. (2013)所做的研究中的一些不足：激活控制标准时考虑车辆的占用。另外，Muntilde;oz et al. (2013)的研究中需要将APC系统部署在车辆中以实施这些控制策略。
尽管近几年发达国家大的公交机构已经部署了昂贵的AVL系统，已经出现更为经济的技术追踪公交线路上的车辆。最新的方法使用装备在公交车辆上的智能手机并且安装了简单的ad-hoc 应用在公交走廊上实施协调动态车速调控策略。另外，射频识别装置的大范围应用，使车辆和基础设施之间的通信成为可能。目前，这种更经济的技术能够在信号交叉口上游识别特定的公交车辆并激活一些信号设置的优化操作（TSP）。以上技术的整合将使世界各地的公交机构解决公交运行时刻表的可靠性问题。
此外，对于那些想部署全电动车辆以减轻本地排放量和温室气体（GHG）的公交机构，发车频率将成为关键问题。事实上，欧盟正在通过几个研究项目（ZeEUS and Eliptic）来推动城市电动公交车辆服务。在示范点分析不同的公交车辆技术和充电设施解决方案。根据作者在这些项目中获得的经验，可以看出，市场上还没有长达18m的全电动车辆（甚至铰链式公交车）能够在车库充一次电而提供连续服务（每天15-16小时）的车辆（2015年9月）。所有这些都需要在公交线路上的充电站进行线路上充电。在特定holding站点预留的松弛时间应该足够在完美的时间间隔下进行充电操作。不过，如果公交车辆不规律到站，车辆将不能充满电，除非在充电站出现排队（导致更多的干扰和进度变化）或者部署更多的充电站（更多的服务机会）。
- 模型框架
本部分提出了一种类似Daganzo (2009)中介绍的动态公交跟驰模型，用来描述公交车辆物理行为和物理轨迹。这种方法可以适应公交系统的实际运行表现。它可以输出间隔变量和振荡影响的控制策略。
如图1所示，我们假定一条公交线路长2L。公交车沿线路两个方向运行（从A到B和从B到A）。线路上共有2N个站点，站点s和s 1之间的距离用ls表示。J表示运行在两个方向上车辆数的和。每辆车被标记为j=1,hellip;,.J，并且往返运行，在站s，s=1,...2N停。假定车辆j=j* 1在车辆j*（j*=1,hellip;,J-1）之后。应为公交车辆可能循环运行，站点并标记为s=1 (k2N), 2 (k2N),hellip;,2N (k2N)，k（0le;klt;infin;）是一个正整数，表示公交按照线路往返运行的次数。站点s=1 （k2N）和s=N 1 （k2N）表示每条线路方向的起点。因此，站点对（s = 1 k2N;s = 2N k2N） 和（s = N k2N; s = N 1 k2N）表示相同的物理点（终点或起点）但是表示属于不同运行方向的公交站。
假设公交沿由交通控制中心控制的信号交叉口走廊I上运行。每个交叉口p=1,2,hellip;,I的特征用交通信号周期（Cp）和the green offset with regard to a general reference clock p ( )。为了简单起见，假定信号周期包括绿灯相位（gp），然后是红灯相位（rp）。
公式（1）定义了线路中需要的车辆数（J）以维持目标公交车头时距H作为往返车辆出行时间的函数。站点s和站点s 1之间的时间由四部分组成：出行时间（Tr,s），交叉口等待时间（Tp,s），站点等待时间（Ts）和时刻表规定的用于在站点补偿潜在服务中断的松弛时间（/ s）。第四部分时间允许我们评估静态滞站策略以解决公交聚簇问题。除此之外，假设在终点A和B（(s = N k2N and s = 2N k2N)）分配停留时间hA 和hB 让司机休息一段时间后再继续服务。这个额外的时间是由每个机构的强制性劳动法规规定的，并且独立于滞站的松弛时间。数学符号表示比x大的最小的正整数。
公交j在站点s和站点s 1之间的（Tj(s)）出行时间可以用公式（2）表示，vj(s)表示公交j的运行速度。如果车头时间非常规律，则公交运行速度应该是最大速度Vb。稍后我们将看到解决公交聚簇现象的策略之一就包括修改公交j的运行速度。
表达式（2）的第一部分表示公交j在站点s和s 1之间的运行时间。第二部分表示信号灯引起的公交运行延误。我们假定站点间（s;s 1）共有Is个信号交叉口（Islt;|I|）。变量dj,p表示公交j在站点（s;s 1）之间每个交叉口（pisin;Is）的等待时间。如果公交j到交叉口p时时绿灯相位，变量dj,p为0。如果不是绿灯相位，公交运行轨迹需要修改。
公式3根据车辆在上游交叉口或者站点的离开时间和交叉口的位置（）来预测到达时间，如图2所示。假设第一个站点和交叉口位置的距离已知。公式4表示车辆到达交叉口已经完成的信号周期次数（），表示比x小的正整数的数学运算符。据此，可以通过公式（5）和（6）计算在交叉口p的离开时间和总的信号延误。公式（5）的第一种情况表示公交车辆J到达交叉口P时是绿灯相位；因此，没有车辆延误。第二种情况表示车辆到达交叉口时为红灯相位。因此，车辆必须在等到下一个周期的绿灯相位离开。最后，公式（6）用公交车辆J的到达时刻和离开时刻的差值表示在交叉口P的延误。由于站点和信号灯引起的车辆加减速的时间忽略不计。
公交车辆J的到达路段（s;s 1）第一个交叉口的时刻公式3计算。等式中，应该用最后一个站点s 离去时刻和代替。
图.2. 车辆J的轨迹示意图
此外，每辆公交车J在每个站点S花费的时间用乘客上下车的函数计算。假设是定义在到达时间t时的乘客出发地和目的地的O-D矩阵，（o=1,hellip;,N-1;d=o ）,hellip;,N方向A-B；o=N,hellip;2N-1,d=o ,hellip;,2N表示方向B-A）。一个方向的总乘客流量可以用。因此，在时间间隔t内，在站点（o,d）之间的乘客的百分百可以用。在第三章，将会评估在保持乘客流量分布在停靠点之间的百分比（），并缩小线路中的总乘客量q时公交线路的运行状况。
时间间隔t可能具有不同的时间长度，从几分钟到几小时不等。这取决于如何获取现实世界的数据（车上O-D调查，上下车计数）。虽然真正的实现通常要以小时甚至一天为单位来估计乘客O-D矩阵，变量时间间隔过短意味在站点停留时间的干扰显著，从而导致车头时距问题。因此，对于每个公交j ，站点s（s = 1，...，N - 1）的乘客数量（a j（s））和上车数量（b j（s）），
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。
