信号交叉口走廊的公交车控制策略
Miquel Estradaa, Josep Mensioacute;nb, Josep M. Aymamiacute;c, Laura Torresd
(a Center for Innovation in Transport (CENIT), Universitat Politegrave;cnica de Catalunya – BarcelonaTECH, C. Jordi Girona 1-3, B1-113, 08034 Barcelona, Spain
b Transports Metropolitans de Barcelona (TMB), C. 60, n.0 21-23, sector A, Pol. Ind. de la Zona Franca, 08040 Barcelona, Spain
c Business Development, Transport Simulation Systems (TSS), C. Ronda Universitat 22B, 08008 Barcelona, Spain
d Transport Simulation Systems (TSS), C. Ronda Universitat 22B, 08008 Barcelona, Spain)
摘要：本文提出了一种基于公交站点实时跟踪数据的动态公交控制策略，旨在减少车头时距变化对路线性能的负面影响。在高需求路线中，单个车辆的任何延误都会导致公交车的不稳定运动，产生公交车串车现象。该策略对公交车的巡航速度进行控制，并考虑在公交车严重延误时延长交叉口的信号灯绿灯相位。基于等待点的松弛时间，将该策略的表现与现有的静态运行技术进行比较，提出了一种考虑车辆容量约束的运行模型，以估计各种控制策略的效果。控制策略根据乘客总行程时间，运营成本以及车头时距变化系数进行评估。通过仿真，在不同运行环境下的理想公交线路和巴塞罗那需求最大的公交线路上，验证了控制策略的效果。结果表明，所提出的动态控制策略使系统总成本(用户和代理)降低了15-40%，并且在不受控制的情况下，车头时距变化系数降低了53-78%，与不存在时间扰动情况下的公交车表现相似。
1 引言
交通方式的可靠性是保证其与大城市中广泛使用的私家车之间竞争力的一个重要问题。然而，在具有部分通行权的整体地面运输服务中，线路运行时间高度依赖于运输需求和交通状态。在这些系统中，有几个原因会导致服务中断，比如非法的货物装卸操作、出租车停靠站、慢车(自行车、街道清扫车)使用公交车道或右转导致的汽车合并操作。这些事实，再加上停靠站和信号灯设置的交通需求波动，使得保持车头时距和控制交通系统性能变得困难。在需求较大的公交线路中，当一辆公交车晚点时，在下一站等待的乘客数量会增加，从而导致更高的车辆延误。这种局部干扰会传播到整个车队，产生车辆聚集，站点车辆的无规律到达，不稳定的车头时距和更长的用户等待时间。
目前已经进行了一些研究来描述总线系统操作的动态性能。Newell and Potts(1964)和Osuna and Newell(1972)最先对循环公交车队不稳定性能进行描述。为了解决总线聚束问题，可以使用几种控制策略。传统上，公交车配对已经减轻了在沿路固定停靠点（等待点）的公交时刻表中的分配松弛时间(Barnett, 1974; Turnquist, 1981; Rossetti and Turitto, 1998)。松弛时间应该补偿那些遭遇随机中断的公交车的延误，以使其仍然满足时间表的要求。然而所有公交车必须在等待点保持相同的松弛时间，意味着效益速度的降低，实际上，它会导致系统生产力的显著低效。此外，这种维护单辆公交车调度的控制策略没有考虑其他车辆的实时表现。因此，一些研究提出动态控制策略来监测整个车队在短时间内对随机中断的响应(Eberlein et al., 2001; Dessouky et al., 2003; Adamski and Turnau, 1998)。根据次优过程和动态公交车辆的表现数据，这些贡献决定了每辆公交车的等待点位置和特定的松弛时间。车辆上安装的自动车辆定位(AVL)和自动乘客柜台(APC)系统可以提供实时信息。Yu和Yang(2007) 基于遗传算法提出了一种改进的的停靠点优化方法，以最小化总乘客成本。其他研究成果则开发了基于停靠点和停止跳过策略的优化模型，在此模型中，公交系统的表现是在滚动范围内预测的。这个预测认为所有变量都是确定性的，并且事先已知(Delgado et al., 2012)，甚至是随机的(Saacute;ez et al., 2012; Corteacute;s et al., 2010)。Fonzone等人(2015)提出在公交站点进行超车，以便更好地服务未满载的公交车上等待的乘客。
虽然之前的研究通常基于对系统行为的短期预测，但是其他方法提出了对公共汽车的实际表现的自适应策略，它们对单个公交路线的站间段中的系统变量进行分析。基于控制理论原理，Daganzo(2009)定义了一种适用于公共交通工具的自适应可变巡航速度模式，这种控制策略可以理解为路段的动态等待时间:如果一辆快速行驶的车辆正在追赶前面的车辆，那么前面车辆的速度会根据目标与实际车头时距的差异线性地减小，此方法在系统生产率和规律性方面均优于之前静态的停靠点策略。然而，当车头时距依从性非常差时，该过程不能正确响应。因此Daganzo和Pilachowski（2011）改进了车头时距变化显著时的巡航速度模式的确定。Xuan等人(2011)提出了一系列动态保持策略，以提高用户和运营成本，该方法与传统的基于计划的控制方法相比，将所需的松弛时间最小化40%，提高了现有控制策略的效率。Bartholdi和Eisenstein(2012)提出了一种基于马尔可夫链的方法，其中车头时距在动态上自平衡为自然值。此外，Argote-Cabanero等人(2015)还扩展了一种针对多条交互公交线路的动态控制方法，该方法采用动态保持和驾驶员引导相结合的方法，根据实时数据显示公交车辆沿路线的适当巡航速度。
正如穆尼奥斯等人(2013)所述，以往基于控制理论的研究假设，公共汽车具有无限的容量来容纳所有在车站等待的乘客，然而，在高交通需求走廊上大幅度降低公交速度可能会导致车辆容量问题，经验表明，一些乘客无法登上到达站点的拥挤的公交车，需要等待下面的公交车辆。事实上，无论是停靠点策略还是动态速度策略都旨在以牺牲效益速度(整个车队或乘客旅行时间)和增加运营成本为代价，以保证车头时距保持不变。尽管如此，很少有对交通系统造成的公交拥挤费用的评估。实际上，交通系统将利用动态交通信号优先级措施，以便最小化由于在保持点上花费的时间而导致的车速降低。TRB(2013)中，对设计交通信号离线和在线同步的不同公交车辆驱动策略技术进行了扩展分析。与静态公交优先系统相比，将公交连接到公交控制中心(TCC)和部署协调公交系统优先级(TSP)系统可以显著降低公交延误55-75% (Hu et al., 2015)。
据我们所知，对于交通信号优先级如何帮助系统保持良好的规律性分析还没有研究。因此，本文提出了一种基于主动信号优先级的自适应动态公交控制策略。在考虑实时车头时距信息和交通信号变化的基础上，提出了一种结合特定交叉口信号偏移量修正的自适应公交速度模式，以避免公交拥挤效应。自适应的传输速度模式参考了Daganzo(2009)，Daganzo 和 Pilachowski(2011)的研究成果。所有站点都被设想为检查点，其中使用AVL技术估计车头时距依从性控制。当一辆巴士(相对于前一辆巴士)的车头时距超过目标值时，可延长下游交通灯的绿灯相位(限制为最大值)，让巴士在不停车的情况下通过信号灯。与此同时，与前面车辆的目标值相比，具有较小车头时距的公共车辆的速度将会降低。然而，在本文中，这种速度降低比Daganzo和Pilachowski(2011)提出的要小。相对于现有的控制程序，该策略优于用户成本和车头时距变异系数。此外，它还提高了运营成本，因为与松弛时间的策略相比，它不需要额外的车辆。并且这个建模方法改进了之前研究的一些缺点，如穆尼奥斯等人(2013)所述：车辆占用率是在激活控制标准时考虑的，然而APC系统应该部署在车辆上，以实施这些控制策略。
虽然发达国家最大的公共汽车运输机构已经部署了昂贵的AVL系统，但近年来，出现了价格低廉的技术来跟踪线路上的每一辆公交车。最新的一项技术是在每辆巴士上安装简单的智能手机，加上一个特别的应用程序，以在公交走廊中实施协调的动态速度控制策略。另一方面，大范围射频识别设备(RFID)的发展，使车辆与基础设施之间可以通信。这项廉价的技术目前能够在信号灯交叉口的上游路段识别特定的公交车辆巴士，并激活一些信号设置的修改(TSP)，将以上技术结合起来，世界各地的任一交通运输机构都能去解决公交车辆的调度问题。
此外，对于那些愿意在线路上部署全电动汽车以减少当地排放和温室气体(GHG)的公交机构来说，车头时距依从问题将是一个至关重要的问题。事实上，欧盟正在通过几个研究项目（ZeEUS和Eliptic）来促进城市的电动交通服务，它们将在示范点分析不同的公交技术和充电基础设施解决方案。根据作者在这些项目中获得的经验，可以说市场上没有任何长度为18米的全电动公交车（甚至是一个能够提供连续服务的铰接式公交车原型），在公交车库充一次电后能够提供连续的服务（15 -16小时每天）（2015年9月），它们都需要在沿途的充电站进行充电。在特定的停靠站预留的松弛时间应该满足车辆在完美的车头时距条件下进行充电。然而，如果这些地点的公交车到达是不规则的，车辆就不能以满载状态充电，除非在充电站出现一些车辆队列(造成更多的干扰和时间差异)或部署了冗余充电站(更多的服务器)。
2 建模框架
模型略。
3 评估
上一节中解释的公交运动规律和控制策略已编程到仿真工具中，定义了一些表现指标来衡量车头时距的依从性，乘客的旅行时间以及在每种控制策略下提供服务的运营成本。此外，当激活控制策略来克服车头时距变化时，生成三组公交问题来评估系统性能。第一组是基于一个理想的公交线路，40个站点均匀分布，有三个关键参数将被修改：车辆容量，公交车干扰和乘客需求。第二组问题包括不同的交通信号设置和走廊上交叉口的数量。最后，第三个问题代表了巴塞罗那高性能公交网络的实际路线。所有关于公交车站、交通灯管理和交通行为的信息都是从活动中收集的，或者由公交机构和市议会提供。
3.1 表现指标定义
本文提出了四个度量标准来评估与每个控制策略相关联的解决方案的效果。运营商管理者的目标之一是提供快速的服务，以尽量减少乘客在系统中花费的时间。第一个指标是乘客总出行时间，其中包括系统中所有乘客的车内出行时间和等待时间 (不包括出入时间)。
第二个指标是所分析期间的总线系统运行成本(ZO)，它是用一辆车的单位时间成本(ct，以euro;/veh-h表示)计算的总服务车辆小时数的乘积。整个车队的服务时间估计为第(m / aj)次往返航路终点的到达时间与第一次往返航路的到达时间之差。
提出的第三个指标是系统总成本(ZT)，包括运营成本和乘客产生的时间成本。由于控制策略在减少总线头道变化和增加运营成本之间进行了权衡，因此该指标将捕捉到哪种策略相对于其他策略更具成本效益。Eq.(25)定义了如何根据前面的指标和乘客时间值l(euro;/pax-h)来评估这个变量。
最后一个度量是车头时距变化系数，定义为一辆车到站到下一辆车到站之间的时间变化之和，除以分析期间的平均车头时距。需要指出的是，当第一辆公交车目前正在服务于第二个周期时，我们模型中的总体车头时距变化发生了变化。第一个循环仅用于在路线中统一引入整个车辆，换句话说，用于预热模拟。因此，不考虑第一周期中公共汽车之间的时间间隔。
3.2 产生的问题
略
3.3 结果和讨论
略
4 结论
本文从公交系统的用户性能和运营成本两方面，分析了公交聚集控制策略的效率，提出了一种运行模型，用于再现当没有实施控制策略时，时间中断如何沿着公交线路传播。该模型考虑了公式中车辆容量约束，提出了Daganzo(2009)的设计方法。此外，模型制定还可以估计现有控制策略的部署以补偿中断：S0在保持点（总线头）引入了松弛时间，S1修改了每个站点的总线巡航速度，以保持类似的目标车头时距在Daganzo（2009）中提出的方式。由于策略S1大幅降低了公交车的速度（即公交速度不可能超过最大巡航速度v），几辆公共汽车将经历比理论上更高的往返周期时间。为了克服这个问题，我们提出了一种新的策略（S2），它只允许信号灯给予那些延迟的公交车（即车头时距高于目标值H的公交车辆）优先权，从而加快车速。
结果表明，即使是特定公交车上的小扰动的传播也会在停车时产生不规则的车辆到达，导致额外的运营成本、用户成本和车头时距变化增量系数。实际上，当离开终端机的车辆与信号灯不同步时，系统在不受任何外源性因素的影响下就会表现的不稳定。在这些情况下，随着交叉口绿信比降低，车头时距的依从性会变差，当交叉口的绿信比为0.45时，车头时距变化系数升至0.75。因此，公交管理人员应确定与公交走廊中的光周期时间相适应的目标车头时距，以减少公交车辆聚集。
车辆容量是系统的一个内在属性，在没有外在控制措施的情况下，它有助于缓解公交系统延迟的传播和不稳定运动。当延迟车辆有足够的容量来容纳整个等候乘客时，系统往往更不稳定，任何干扰都会导致乘客的出行时间大幅增加，但是对运营成本的影响有所减弱。另一方面，如果我们考虑车辆容量限制，就理想状态下规律性的表现而言，总成本增加了近50％。
策略S2在客流总时间、运营
英语原文共 21 页
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。
