多路口之交控方式相關文獻

目前的適應性號誌控制邏輯大多應用於獨立號誌化交叉路口時制最佳化，或 是以有限制條件情況下，利用於連續路口或路網。單一路口的模糊邏輯控制已有 多位學者專家研究，但用於多路口文獻較少。而 GFLC 目前應用於獨立路口，其績 效已獲驗證，但未應用至連續路口。所以本研究希望將 GFLC 應用於連續路口。本 節整理在連續路口或路網間的交通控制方式，簡述如下：

Chiu and Chand （1990）（1993） 應用模糊邏輯控制來處理由六條街道所形 成路網中雙向車道之多重路口。調整之參數有三個，分別為週期、時比（Phase split）與時差。調整週期的目的是希望在飽和度最高的鄰近路口能維持良好之飽 和度，而飽和度定義為在一個鄰近路口綠燈情況下實際通過車輛數除以此路口最 大能通過車輛數。調整時比的原則是希望各個相競爭的路口都相同的飽和度。時 差調整則希望能連鎖相鄰號誌，最小化主要車流方向之停等數。

在調整號誌時制計畫的參數方面，共採用 40 條模糊邏輯規則：調整週期長度 7 條、時比 15 條、時差 18 條。調整週期長度方面，其輸入變數為所有方向中飽和

度最大值與其競爭方向之飽和度最大值，控制變數為週期時間調整量；調整時比 方面，輸入變數為東西與南北方向最高飽和度的差值與所有方向中飽和度最大 值，控制變數為東西方向綠燈時間的調整量；調整時差方面，輸入變數為主要方 向的車流量與其他所有方向車流量平均值的差、在可調整範圍內需要調整的時 間，控制變數是可允許的調整量。模擬時假設車輛為等速前進、無變換車道且無 轉向。模擬結果顯示平均延誤與車輛停等數有隨時間下降的趨勢。

Chiu and Chand （1993）修正之前模式，使用 46 條邏輯規則調整時制計畫參 數：調整週期長度與時比使用 25 條規則，調整時差採用 18 條規則，另外增加三 條規則作為週期長度值的限制式，其狀態變數為上游路口車流量，控制變數為該 路口週期與上游路口週期之差異。調整週期長度於時比主要是依據 SCATS 準則，

但這裡是同時調整，避免只調整一個變數會造成另一變數受影響。一樣採用之前 路網與相同限制條件進行模擬，模擬結果在將週期長度限制在與既有週期接近情 況下，會有較佳的績效。

Lee, J., et al.（1995）應用交通模糊邏輯控制器於多路口，每個路口有個 別的交通控制器，根據當地與鄰近路口的交通狀況，掌管時相順序及動態時相長 度。為了達成這個目的，作者建立一個競爭的機制，每個時相都要競爭獲得綠燈 的機會。每個控制器包含三個模組：選擇下個時相的模組、計算目前時相停等等 級 的 模 組 與 決 策 模 組 。 以 模 擬 方 式 比 較 模 糊 交 通 控 制 器 與 車 輛 調 整 方 法

（vehicle-adjusted methods）。時相選擇模組輸入值有車輛數、紅燈後經過時間、

鄰近路口到該路口旅行時間、該路口要到鄰近路口的車輛數等等，控制變數為各 個時相的急迫值（urgency degree）。停等模組輸入變數為每車道前五秒離去車輛 數、兩偵測器間仍有的車輛數與要到鄰近路口的車輛數，輸出變數為停等的等級

（stop degree）。前面兩個模組的輸出值為決策模組的狀態變數，控制變數為要 變換何時相。以一個六條道路交叉成九個路口的路網做模擬，預設每個路口流量 固定之六種情境，與流量每 15 分鐘變化情境。一般流量情況模糊控制與調整是控 制有相當接近的結果，在流量高或低時，模糊控制效果較佳。在流量隨時間變動 的模擬上，模糊控制有較好的績效。

Pillai（1998）認為號誌連鎖是提升都市幹道交通流量最賦成本效益的方式之 一。號誌連鎖的主要目標是保持車隊續進，為達這目的必須妥善設計路網間的號 誌，以提供最大續進帶寬。號誌時制的產生，常用的方式為混和整數線性規劃並 使用 Land 與 Powell branch-and-bound 搜尋法尋求最佳解。因求解技術具有數字 誤差，且搜尋速度緩慢，導致在路網問題中只能找到次佳解甚至無解。本研究發 展一套快速且穩定的啟發式解法，用於最大化帶寬之號誌設置問題。測試結果本

研究提出解法速度上明顯優於舊有最大化續進帶寬模式，且能找出最佳或次佳解。

Niittymäki （1999）研究的主要目的是模擬兩個連續單行道且無轉向車流之 路口，比較各種不同交通號誌控制策略的差異。比較的策略包括連鎖定時號誌控 制、無連鎖的觸動式控制、觸動式模糊邏輯號誌控制（FUSICO）與結合標準觸動 控制的 FUSICO。採用六種幹道與支線交通量組合、三種不同路口間距來模擬，比 較四種控制策略的差異。模擬結果發現在交通擁擠時 FUSICO 仍須改進，而在這種 情況，兩種未連鎖的觸動式控制績效良好。且模擬結果顯示 FUSICO 給主幹到較少 的優先權，但如果僅是要縮小平均延誤，FUSICO 在這方面表現良好。研究討論中 提到模糊交通連鎖號誌系統兩個發展概念：應重視主幹道車流號誌群，稱為時比 開 發 （ split-development ）； 一 為 制 定 系 統 運 作 規 則 ， 稱 為 時 差 規 則 (Offset-rules)。第一項建議解決方式有兩種：調整偵測器位置或調整隸屬函數。

根據作者經驗，調整隸屬函數並不是個有效方式，但是可利用具自我學習功能之 類神經網路與基因演算法。

Gartner and Stamatiadis（2002）研究指出都市路網大多為格狀排列，交通 號誌最佳化可以使整個路網更有效率。本文提出數學規劃模式來最佳化幹線為主 的續進方案。計算幹道號誌時制計畫有兩個主要的目的：最大化續進帶寬與最小 化 總 延 誤 與 停 等 數 。 本 文 是 以 混 和 整 數 線 性 規 劃 （ Mixed-integer linear programming；MILP）求最大化續進帶寬。並同時考量單一續進帶寬與變動續進帶 寬，皆發展數學模式求解。將模式應用於密西根與田納西兩個格狀路網上，結果 應用啟發式解法的 MILP 比傳統 MILP 有較快的速度。

徐國鈞（2003）應用類神經網路之未知函數形態問題求解特性，以使號誌系統 具有自我調適(Self-Adaptive)、學習(Learning)、與容錯(Fault Tolerance)等 能力。其所構建之模式則係基於路網全域最佳化的觀點，以線上自動學習所控制 區域之交通特性的方式，並經由偵測器的量測結果為依據，來尋求控制績效的最 佳化。文中提到類神經網路求解變數之間有明確非線性關係的問題，或未知函數 型式的問題時，常結合一些啟發式的演算法，來作為其學習法則，本文選擇以基 因演算法做其學習法則。以 PARAMICS 軟體配合自行開發之物件導向應用程式模組 模擬，考慮流量、轉向比、流量變化率，設計 27 種情境模擬，並與定時式與觸動 式控制比較，測試結果自學式控制在中流量時表現較佳，高流量則不理想。

處理多路口或路網問題，主要目標多為最大化續進帶寬或最小化系統總延誤、

停等數。以數學規劃求解最大續進帶寬，難以應用在適應式號誌控制。適應性號

誌控制目標多為系統或幹道總延誤最小化，一般多以軟體模擬方式。本研究以 GFLC 應用於連續路口，擬採系統總延誤為績效指標，將以流體近似法估算。

表 2-3 多路口之交通控制方式之文獻整理

年份 作者 適用性 控制方式 績效指標 估算方式

1990 1993

Chiu Chand

六條街道構成

的路網 FLC 平均延誤

車輛停等數 軟體模擬

1995 Lee et al.

六條街道構成

的路網 FLC 平均延誤 軟體模擬

1998 Pillai 傳統路網問題 定時制 續進帶寬 數學規劃求解 1999 Niittymäki 兩連續路口

單行道 FUSICO 平均延誤 軟體模擬

（HUTSIM）

2002 Gartner

Stamatiadis 格狀路網 定時制 續進帶寬 數學規劃求解

2003 徐國鈞 六條街道構成 的路網

Neural Network

+ GA

路網中總旅 行時間

軟體模擬 (PARAMICS+API)

資料來源：本研究整理