基于預測的多模式公交綜合信號優(yōu)先控制方法.pdf

1、為緩解和抑制世界范圍內(nèi)各大中型城市面臨的日益嚴峻的交通擁堵難題，各地交通管理者和研究者提出了建立公共交通為導向的交通發(fā)展模式，建立快捷、高效的公共交通服務系統(tǒng)，吸引更多的公交乘客，從而抑制小汽車的使用率。在我國及其他國家的大中型城市，已建成或正在建設的公交（本文特指公共汽、電車交通）系統(tǒng)規(guī)模巨大、網(wǎng)絡復雜，為數(shù)量龐大的出行者提供運輸服務，在城市公共交通服務中占據(jù)重要地位。然而，隨著交通需求的持續(xù)增長，公交系統(tǒng)的運營效率已越來越不能滿足出

2、行者的需求。公交信號優(yōu)先控制作為一種特殊的信號控制手段，其策略可靠、方案合理、功能全面的優(yōu)先方法是提升公交運營管理與服務的重要保障。
　　該論文主要是通過查閱國內(nèi)外大量相關文獻和研究成果，總結現(xiàn)有理論與方法的空白點和薄弱點，綜合利用交通工程學、智能控制、交通仿真技術、網(wǎng)絡優(yōu)化技術及計算機軟件工程等理論對城市交叉口和于道公交信號優(yōu)先控制理論與方法展開系統(tǒng)研究，以推動和完善城市公交運營與管理、城市交通信號控制理論的發(fā)展。論文從公交優(yōu)先

3、控制系統(tǒng)的結構出發(fā)，分別研究了公交車輛到達時間預測和公交信號優(yōu)先決策兩部分。并依據(jù)不周的公交運營模式（基于發(fā)車間隔和基于發(fā)車時刻表）、公交路網(wǎng)結構（常規(guī)公交和快速公交）、以及優(yōu)先位置（交叉口和干道）的特點，分別構筑了不同場景下的信號優(yōu)先決策方法。
　　首先，從我國大部分城市公交運營特點出發(fā)，分析了公交乘客數(shù)、發(fā)車間隔、路網(wǎng)結構、到達時間等影響公交到達時間的關鍵變量，以能夠?qū)嶋H采集的公交數(shù)據(jù)為基礎，分別構筑了單一神經(jīng)網(wǎng)絡和遞階神經(jīng)網(wǎng)

4、絡到站時間預測模型。利用濟南市實際公交線路采集的數(shù)據(jù)，對比分析了各種預測模型，結果證明:在預測的準確性和可靠性方面，神經(jīng)網(wǎng)絡模型要優(yōu)勝于卡爾曼濾波算法。此外，當預測距離較近時，遞階神經(jīng)網(wǎng)絡預測更加準確、可靠，能夠支持路口信號優(yōu)先、以及干道優(yōu)先對公交路段旅行時間的需求。
　　然后，在基于發(fā)車間隔的常規(guī)公交運營模式下，針對交叉口多優(yōu)先請求時公交到達先后順序?qū)?yōu)先時間的沖突需求，建立了常規(guī)公交路口信號優(yōu)先控制模型，目的是最小化下游公交站

5、臺乘客候車延誤，而且不增加整個路口的總人均延誤。利用微觀交通仿真技術和計算機編程實現(xiàn)了控制系統(tǒng)，結合濟南市實際網(wǎng)絡驗證了該模型能夠降低乘客候車延誤和路口總延誤。
　　第三，針對具有路中式公交專用道的快速公交系統(tǒng)，當路中島式公交站臺位于路口時，研究了兩個方向上公交車輛進出站和通過路口時的行駛效率和安全性，發(fā)現(xiàn)了公交站臺排隊車輛容易回堵到路口區(qū)域?qū)е隆耙缌鳌爆F(xiàn)象。因此，論文創(chuàng)新性的提出公交信號優(yōu)先抑制策略，實時控制進入公交站臺區(qū)域的公

6、交車輛，盡可能減少“溢流”，并結合優(yōu)先策略進行綠燈時間補償，降低雙方向公交車輛的延誤時間。此外，以濟南市快速公交線路為基礎，利用微觀仿真二次開發(fā)證明了上述策略能夠有效縮短站臺排隊長度，減少溢流現(xiàn)象。
　　最后，從戰(zhàn)略決策層面，將路口信號優(yōu)先擴展到干道信號優(yōu)先。一方面，在公交需求較高的干道上，設計了公交綠波帶和綜合綠波帶被動優(yōu)先控制模型，盡可能降低干道上的總人均延誤，發(fā)揮公交大運量的優(yōu)勢，并結合微觀仿真建立了基于支持向量機的系統(tǒng)效益

7、估計模型。另一方面，在公交需求較低的干道上，結合已有的協(xié)調(diào)控制方法，設計干道公交信號主動優(yōu)先策略，考慮公交車輛、社會車輛在多個路口和站臺之間的運營效率，以及下游站臺是否會排隊回堵到上游路口等問題。以濟南市經(jīng)十路實際路網(wǎng)為例，驗證了提出的被動優(yōu)先和實時優(yōu)先的可行性。
　　該論文分別從路口優(yōu)先與干道優(yōu)先兩個層面，剖析了常規(guī)公交與快速公交、低公交需求和高公交需求等不同模式下，公交車輛對信號優(yōu)先的需求，創(chuàng)新性的研究了公交到達先后順序、多優(yōu)