论文总字数：46408字

摘 要

城市信号交叉口通常会产生时空资源利用不合理的现象，交叉口群的信号协调性差，加剧了交通拥堵，降低了通行效率，增加车辆排放，甚至影响驾驶员情绪。传统信号控制方法、数据采集及应用需要人工干预，效果不甚理想。本文利用道路中5%-20%的网联车对交叉口路段平均速度与排队长度进行估计，充分挖掘道路中的网联车数据并以此为输入，进行精细化动态信号配时优化。从网联车信息获取、交通参数估计、信号配时优化构成一个闭环系统。从而可以大量减少人工干预，大规模应用于城市路网。

本文利用VISSIM构建仿真环境并进行模型标定，并从中获取网联环境下的网联车轨迹数据，使用MYSQL进行数据存储，构建了结构化的数据条件。信号配时算法基于排队消散理论，使用NEMA相序设置方法进行干线绿波相位差优化及相序优化，有效适用于干线信号协调控制。

仿真结果表明排队估计算法估计误差在10%-15%之间，满足信号配时要求，且随渗透率提升呈下降趋势；信号配时算法优化效果良好，相比传统方案，总延误下降了14.3%，排队估计精度与信号配时优化效果良好，可以进行大规模实际应用。

关键词：智能网联，干线，NEMA相位，排队估计，信号配时

A Research on Controlling Method of Urban Arterial Signalized Intersections Based on V2I Data

21114235 Wu Kunrun

Supervised by Lecturer Qu Xu

ABSTRACT

Urban signalized intersections often produce unreasonable utilization of spatiotemporal resources. Poor signal intersections coordination increases traffic jam, reduces traffic efficiency, increases vehicle emissions and even affects the emotions of drivers. Traditional signal control methods, applications and data collections require massive intervention so that the results are not ideal. In this paper, we use 5-20% connected vehicles’ trajectories in the road as input to estimate average speed and queue length. Connected vehicles data collection, traffic parameters estimation and signal timing optimization shape a closed-loop system, thus reduce manual intervention sharply and can be apply to urban network. This paper uses VISSIM to build the simulation environment， calibrate the model, and collect the trajectories of connected vehicles. Besides, MYSQL used to store data, thus constructs structured data conditions. Signal timing optimization is based on NEMA phases, which employs offset optimization and phase sequences optimization and can be effectively applied to coordinated control of arterial signal.

The simulation results show that the error of queue estimation algorithm is between 10% and 15%, which enough to signal timing and it tends to decrease with the increase of the penetration rate. The signal timing algorithm reduces total delay compared to traditional method with 14.3%, which is a good optimization effect. The queue estimation accuracy and the signal timing optimization effects are good, so large-scale practical applications can be employed.

Keywords: ICV, Arterial Line, NEMA phase, Queue Estimation, Signal Timing

目 录

摘 要 I

ABSTRACT II

第一章 绪论 1

1.1选题背景 1

1.2 选题意义 3

1.3 研究内容及章节安排 3

第二章 文献综述 5

2.1 网联车辆交叉口信号控制研究现状 5

2.1.1 国外研究概况 5

2.1.2 国内研究概况 6

2.2 干线交叉口信号协调控制研究现状 6

2.3 目前研究中存在的不足 7

2.4 本章小结 7

第三章 基于网联车交通数据的交叉口排队长度估计方法 8

3.1 排队长度估计算法 8

3.1.1 算法主要思想 8

3.1.2 停车点、二次停车点、启动点的识别 8

3.1.3 排队长度估计 10

3.2 路段平均行程速度估计 10

3.3真实排队长度获取 10

3.4 本章小结 11

第四章 基于排队消散理论的干线信号协调控制方法 12

4.1 方法构建及计算 12

4.1.1 算法概述 12

4.1.2 基本假设 13

4.1.3 关键参数计算方法 13

4.1.4 NEMA相位设置 14

4.1.5 绿波协调控制的实现 15

4.2 算例分析 17

4.2.1 相位差优化 17

4.2.2 相序优化 17

4.3 本章小结 18

第五章 仿真与评价 19

5.1 仿真软件 19

5.1.1 微观交通流仿真软件VISSIM 19

5.1.2 编程语言Visual Basic 19

5.1.3 关系型数据库管理系统MYSQL 19

5.2 仿真平台构建 20

5.2.1 仿真平台框架 20

5.2.2 仿真模型标定 20

5.3 Visual Basic环境开发 22

5.3.1 GUI界面及数据库连接 22

5.3.2 网联车数据获取 23

5.3.3 动态交通量的生成与记录 24

5.3.4 车辆信息可视化处理 25

5.3.5 信号控制机灯色实时更改 25

5.4 仿真运行结果 26

5.5 估计排队精度校验 28

5.6 信号配时算法的优化效果 29

5.6.1 与传统方案对比 29

5.6.2 干线与支线优化效果对比 30

5.7 本章小结 31

第六章 总结与展望 32

6.1 本文所做的工作 32

6.2 创新点及研究成果 32

6.3 研究不足之处与展望 32

致 谢 33

参考文献 34

附 录 36

A.提取10%网联车辆信息代码 36

B.干线、支线交通量设置 36

C.输出交通量数据 36

剩余内容已隐藏，请支付后下载全文，论文总字数：46408字