2025《智能交通灯控制系统研究的国内外文献综述》4600字.docxVIP

PAGE1

智能交通灯控制系统研究的国内外文献综述

1.1国外研究现状

在18世纪的中叶，英国人最先发现按照一定交通顺序去引导车流，可以使城市交通更加流畅的运行，在一百多年的发展之后，最开始的交通信号灯从手动到自动，从人力到电气，从固定周期到现在的周期可变等等。如今还出现了多相位、干线联合控制、区域协调控制。这些信号灯的变革也促进了当地经济的高速发展，两者是相辅相成的。但是随着工业化革命的进行，道路拥堵问题的不断涌现，慢慢变为各个城市的通病，在1960年之后，以欧洲国家为主的发达国家开始大力发展智能交通运输系统，以期望解决交通拥堵问题。

经过几十年的发展，目前比较有名的系统包括：英国运输与道路研究所开发的TRANSYT（TrafficNetworkStudyTool）系统与SCOOT（SplitCycleOffsetOptimizingTechnique）系统，澳大利亚新南威尔士州道路交通局开发的悉尼自适应交通控制系统SCATS（SydneyCoordinatedAdaptiveTrafficSystem）[1]。

TRANSYT系统不是实时的系统，也没有反馈，因此它是一个开环系统。它将采集到的历史数据，通过爬山算法找到最佳配时策略，然后应用于系统控制[2]。由于其简单可靠、维护成本低，该控制系统已得到许多国家认可与使用。该系统主要由交通仿真模型和优化系统组成。交通仿真模型可以模拟交通信号灯控制下的交通运行状况，最终输出当前控制方案下交通网络的性能指标，如延误时间、停车次数等信息。优化过程就是通过循环迭代的方法（迭代方法是爬山法）计算并搜索出最佳配时策略。但是TRANSYT系统没有定义实时采集数据的端口，交通仿真模型使用的数据必须是最新采集的，随着时间的变化或者路口交通流量的巨大波动，其系统性能将变得很差[3]。

SCOOT系统即绿信比、周期和相位差等优化技术。该系统是闭环的，以交叉口为节点，将采集到的交通数据进行处理与分析，然后对各个相位的相关参数（如绿灯时间、信号周期等）进行微调，且该系统还设有人工干预模式。最终达到减少车辆延误时间、提高道路通行效率的目的。当然，该系统也存在一些缺陷，如：绿信比微调不及时；相位固定，不能自动进行加减；相序固定，不能自动改变等。

而在当时，针对这几种交通系统，一些国外学者也提出了一些研究理论。如StoilovaK等提出了基于噪声大小的信号灯配时优化方案[4]。Litescu等人基于当前互联网通信技术的发展，提出了车辆与信号灯信息动态交互的控制思想，并进行了仿真验证[5]。Little等提出了干道双向绿波信号配时的控制方案，建立了MAXBAND模型，即以绿波带宽为性能指标[6]。随后，又有学者在MAXBAND模型的基础上进行改进和优化，研发出了PASSER配时软件、可变带宽的干道双向绿波协调控制MULTIBAND模型[7]。

H.Nakanishi等人[48]提出了一种基于预测模型的交通信号优化控制方法。通过建立的交通预测模型对道路交通流量实时预测，并分析绿灯时间与交通流密度的关系，采用信号分割算法优化配时方案，有效缓解了路网拥堵状况。A.Jamshidnejad等人[49]提出了一种模糊多智能体系统。首先将大规模交通系统划分为若干个子区域，并针对每个子区域考虑一个使用模糊控制器的智能体。每个智能体不仅可以访问自身子区的数据，还可以与相邻的智能体交换信息，以此来控制各个交叉口的红绿灯时长，减少路网中的的车辆平均延误时间。S.M.Shinde[50]开发了一种自适应交通灯控制系统。该系统利用传感器阵列构成的网络感知交通状况，智能地调整各个交叉口的红绿灯时间间隔，增加道路通行能力，减少车辆的等待时间。另外，通过GSM手机接口向驾驶员提供实时交通信息并提供备用路线，对路网交通流实时管控，有效提高了通行效率。C.ElHatri等人[51]提出了一种基于粒子群算法的交通信号优化控制方法。通过建立以道路车流量与路口平均等待时间两个评价指标的优化模型，采用多目标粒子群算法优化得到最佳配时方案，最大限度地提高拥挤道路上的车流量，同时最小化车辆平均等待时间。PrabuchandranK.J.等人[52]提出了一种相序协调控制方法。将路网中的每个交叉口视为一个独立的智能体，单个智能体接收相邻智能体的数据信息后，使用Q学习和贪心算法对自身交叉口的信号相序优化调节，实现智能体间的相互协调，从而对整个路网进行控制。VISSIM微观仿真实验表明，该方法能够有效降低路网车辆的延误时间和停车次数。

1.2国内研究现状

从上世纪60年代起，西方发达国家先后投入巨大财力研究智能交通运输系统，进而来解决面临的交通拥堵问题。经过几十年的发展，与国外发达