Adaptiv signalstyring i realtid

Real Time Adaptive Signal Control

Hansen, Mikkel Færgemand

4. semester

Veje og Trafik, Kandidat

2017

2017-06-08

94

Trafikken i byerne er steget markant som følge af urbanisering og flere biler pr. indbygger. Det skaber trængsel, som mindsker mobilitet og tilgængelighed. Derfor er der fokus på at udnytte den eksisterende infrastruktur bedre, især ved signalregulerede kryds, som ofte begrænser kapaciteten. Dette projekt udvikler en ny, intelligent signalstyring, der skal afvikle trafikken mere effektivt end traditionel styring. I stedet for faste regler som maksimal grøntid, cyklustid, forudbestemt faserækkefølge og faste offset mellem koordinerede kryds, arbejder løsningen ud fra ét princip: at optimere den samlede trafiksituation i realtid. Projektet anvender en detektionsteknologi med kontinuerlig objektdetektion i stedet for målinger i enkelte punkter. Det gør det muligt at beregne ETA (Estimated Time of Arrival, forventet ankomsttid), som er en central parameter i den intelligente styring. Data fra den kontinuerlige detektion bruges i det matematiske værktøj Uppaal Stratego, der benytter machine learning til at optimere trafikken omkring signalregulerede kryds. Caseområdet er Hobrovej i Aalborg med seks signalregulerede kryds. Den intelligente styring sammenlignes med den eksisterende ved hjælp af mikroskopiske simuleringer i VISSIM, målt på gennemsnitlig forsinkelse, kølængder, stop, brændstofforbrug og samlet rejsetid. Simuleringerne viser, at den intelligente styring afvikler trafikken betydeligt mere effektivt: den gennemsnitlige forsinkelse og kølængder reduceres med henholdsvis 27-54% og 42-64%. Samtidig falder brændstofforbruget og antallet af stop, og den samlede rejsetid på Hobrovej bliver kortere.

Urbanization and more vehicles per resident have markedly increased city traffic, causing congestion that reduces mobility and accessibility. Policymakers therefore seek to use existing infrastructure more efficiently, with special attention to signalized intersections, which often limit capacity. This project develops a new intelligent traffic signal controller designed to manage traffic more efficiently than traditional control. Instead of fixed rules like maximum green time, maximum cycle time, predefined phase order, and offsets between coordinated intersections, the approach uses a single principle: optimizing the overall traffic situation in real time. To enable this, the project uses a detection technology with continuous object detection, rather than sensors at a few fixed points. This makes it possible to calculate ETA (Estimated Time of Arrival), a key parameter for the intelligent control. Data from the continuous detection feed into the mathematical tool Uppaal Stratego, which uses machine learning to optimize traffic around signalized intersections. The case study is Hobrovej, a major road in Aalborg, Denmark, with six signalized intersections. The intelligent controller is compared to the existing control using microscopic simulations in VISSIM, evaluated by average delay, queue lengths, stops, fuel consumption, and overall travel time. The simulations indicate substantially improved performance: average delay and queue lengths are reduced by 27-54% and 42-64%, respectively. Fuel consumption and the number of stops also decrease, and overall travel time on Hobrovej is reduced.

[Dette resumé er genereret ved hjælp af AI]

Signalstyring ; radar ; adaptiv ; realtid ; optimering ; fremkommelighed

Download
Vis denne rapport i AAU Studenterprojekter