具体实施方式

下面结合具体实施例进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，本发明实施例的一种基于信息预测的城市公交优先协调控制方法，包括：

S10)基于可变车道的公交专用路权渠划设计，包括设计可变车道的设置方法、可变车道控制相位车辆运行方法、可变车道控制几何参数，以及可变车道控制信号参数，实现交叉口公交通行的空间优先。

S20)获取基础数据，所述基础数据包括道路车辆历史轨迹数据、进入道路的交通流信息、公交车辆的离开停靠站时间、公交车辆载客人数或载客率、社会车辆载客人数或载客率、交叉口相位时长、道路几何参数。

S30)根据S20)获取的基础数据，分析道路车辆历史轨迹数据，获取决定车辆转向的换道位置，预测交叉口车流分流系数；运用改进的元胞传输模型，模拟道路交通流行驶过程，并以公交离站时刻为基础，获取公交车辆与社会车辆到达交叉口的时间。

S40)根据S10)可变车道的设计与S30)获取的公交车辆与社会车辆到达交叉口的时间，将信号优化与可变车道进行协调控制，获得协调优化控制的第二交叉口人均延误值和交叉口各相位绿信比；根据S30)获得的公交车辆与社会车辆到达交叉口的时间，计算原相位原车道布置的第一交叉口人均延误值；将所述第二人均延误值与第一交叉口人均延误值比较，确认输出信息。

S50)根据S40)的输出信息，实现交叉口车流控制。

本发明方法可实时预测交叉口车流分流系数与车辆到达交叉口信息，实现时空优先的两阶段控制，增加了可变车道的使用效率，减少车辆延误。本发明的公交优先不以过度损失车辆通行效率为代价，可适用于我国不同城市交通环境。

优选的，所述步骤10)具体包括：

步骤101)可变车道的设置方法：

如图2所示，渠化交叉口为十字形平面交叉口，进口方向的进口道设有1条左转车道，1条可变车道和1条直行车道，不考虑右转车道存在的影响，将可变车道设置为左转车道的相邻车道；

所述可变车道包括按照离交叉口从远到近设置的三个区域：公交待行区、可换道区和可变区；

所述公交待行区的两侧为虚线段，公交待行区只允许公交进入，实现不同相位公交及时进入公交待行区，其他社会车辆不得进入；

所述可换道区两侧设置虚线，实现直行、左转车辆变道进行双车道行驶；

所述可变区两侧为实线，可变区在直行和左转之间切换。

步骤102)可变车道控制相位车辆运行方法：

东西相位车辆运行方法如图3所示：如图3(a)所示，当第一相位东西直行绿灯，车辆直行，可变车道设置为直行相位，东西直行公交车辆到达时直接跟随车流沿直行车道通过交叉口，随后直行车辆可通过变道进入可变区进行双进口道行驶，此刻到来的左转公交到达公交待行区排队等待预信号灯启亮黄灯,即等待预信号提前结束时间；如图3(b)所示待预信号灯黄灯时，即达到预信号提前结束时间，直行车辆不能借助可变区行驶，待左转相位下预信号提前启亮，左转公交驶离公交待行区进入可变区排队等待左转相位绿灯启亮；如图3(c)所示，第二相位东西左转绿灯，可变车道为左转车道，左转车辆到达时直接跟随车流沿左转车道通过交叉口，随后左转车辆也可变道可变区进行双进口道行驶，此刻到来的直行公交到达公交待行区排队等待预信号灯启亮黄灯,即该相位预信号提前结束；如图3(d)所示，待预信号灯变为黄灯时达到预信号提前结束时间，左转车辆不能变道借助可变区行驶，待直行相位下预信号提前启亮，直行公交通过公交待行区进入可变区排队等待直行相位绿灯启亮。

南北相位车辆运行方法与东西相位车辆运行方法相同。

步骤103)可变车道控制几何参数：

公交待行区长度l₁应满足公交所需最大排队距离，可换道区长度l₂应满足一辆小汽车的换道距离，可变区长度l₃与交叉口进口道的渠化段长度保持一致。

步骤104)可变车道控制信号参数，如图4所示：

g_2i＝g_i-g_1i 式(2)

式中：l_2i为第i进口相位的可换道区长度，单位：m；l_3i为第i进口相位的可变区长度，单位：m；v_b为公交车的平均车速，单位：m/s；I_s为启动损失时间，单位：s；g_i表示第i进口相位绿灯时间，单位：s；g_1i为绿灯信号提前启亮的时间，单位：s；g_2i为预信号持续绿灯时间，单位：s。

图4中，主信号为交叉口信号控制机的相位信号，预信号为控制待行区车辆和社会车辆进入可变区的信号。g为主信号相位绿灯时间；g₁为预信号提前启亮时间，保证待行区车辆能够提前进入可变区，使该相位公交车辆能够在主信号相位绿灯启亮时优先通过交叉口；g₂为预信号持续绿灯时间。

步骤10)保证了公交通过交叉口的空间优先，并可实现在有限的道路空间提高车道的利用效率，实现左转与直行相位的车道共享、公交与社会车辆的车道共享。

优选的，所述步骤30)中，预测交叉口车流分流系数包括以下步骤：

步骤3011)分析并拟合车辆的换道位置与道路长度、密度关系：根据道路车辆的行驶历史轨迹数据，拟合换道位置与道路长度、密度的关系，如式(3)所示：

式中：x_换道为决定车辆转向的换道位置，单位：km；p_道路为决定车辆转向的换道位置所处路段的密度，单位：veh/km；l_道路为路段长度，单位：km；

步骤3012)预测交叉口车流分流系数：根据换道位置与道路长度、密度关系，在道路长度已知时，根据各仿真步长的密度确定对应的换道位置x；通过设置车辆传感器发射其运行过程中的所在道路位置与占据车道位置信号，控制器接收并处理仿真步长内换道位置x处信号的车流信息，计算各车道车辆流量为该股车流行驶至交叉口的车流分流系数。

步骤3012)预测交叉口车流分流系数，可实现分流系数的实时更新，不再以以往车流数据特征固定获取一时间段下分流系数值，使模型运行仿真中车流参数存在误差；采用实时更新可根据不同时间场景下车辆的运行特征匹配对应的分流系数值，可适当降低模型运行仿真误差。

优选的，所述步骤30)中，获取公交车辆与社会车辆到达交叉口的时间，包括：

步骤3021)建立道路行车段的改进的元胞传输模型：

获得车辆进入道路的交通量，将道路分为若干个元胞，根据元胞之间的流入流出关系(流量守恒定理)，模拟车辆在路段上行驶的过程如图5所示。元胞a的流入量与其上游元胞的流出量有关，也与其自身元胞所含有的车辆数有关。元胞a-1的流入量为k_a-1，长度为l_a-1，步长内元胞a-1中流向元胞a的流量为k_a，同理，元胞a流出的流量为k_a+1。根据流量守恒定理，普通元胞内部密度与流量的关系如式(4)所示：

k_a(t)＝[min(v·p_a-1(t),q_amax,w(p_jam-p_a(t)))] 式(4)

式中：k_a(t)表示第t仿真步长路段不包含公交车辆停靠站的元胞a的整体车流流入量，单位：veh；v表示整体车流的自由流车速，单位：km/h；p_a-1(t)表示第t仿真步长路段元胞a-1的整体车流密度，单位：veh/km；q_amax表示路段元胞a的最大流率，单位：veh/h；w表示交通流行驶密度大于最佳行驶密度时产生的拥挤波反向传播速度，单位：km/h；p_jam表示路段最大堵塞密度，单位：veh/km；p_a(t)表示第t仿真步长路段元胞a的整体车流密度，单位：veh/km；

元胞流量计算普通道路车流在其行驶过程中以自由流速度前行，公交车辆与社会车辆的不同点在于需要进出公交停靠站进行乘客的上下车操作。相比于社会车辆，公交车辆在该元胞内运行具有一定的延误和差别。因此在计算该元胞内部的流量和密度时不可忽略公交停靠过程对于元胞流量的影响，通过公交离站GPS，获取公交离站时刻，提取出步长内由于公交停靠停靠站而导致未及时流出元胞的车辆数。由于考虑公交停靠公交站台这一过程，对于包含公交车辆停靠站的元胞内部密度与流量的关系如式(5)所示：

式中：k′_a(t)表示第t仿真步长路段包含公交车辆停靠站的元胞a的整体车流流入量，单位：veh；tl(t)表示第t仿真步长内经停留停靠站后未驶离元胞的公交车辆数；delt表示仿真步长，单位：h；

步骤3021)以公交离站时刻为依据，将公交进出停靠站过程加入模型的构建，使得模型建立更加的贴合实际。

步骤3022)获取车辆到达交叉口的时间：

公交车辆自离开停靠站至交叉口的预测时间tt如式(6)所示：

式中：l″₁表示公交停靠站至包含停靠站元胞的输出端距离，单位：km；p₁表示包含公交停靠站的元胞密度，单位：veh/km；k₁′表示包含公交停靠站元胞的流量，单位：veh/h；l″_a表示道路中自公交停靠站至交叉口之间，除包含停靠站元胞外的其他各元胞长度，单位：km；p_a表示道路中自公交停靠站至交叉口之间，除包含停靠站元胞外的其他各元胞密度，单位：veh/km；k_a表示道路中自公交停靠站至交叉口之间，除包含公交停靠站元胞的其他各元胞流量，单位：veh/h；mm为道路中自公交停靠站至交叉口之间的划分元胞数量；

社会车辆自进入道路至交叉口的预测时间tt′如式(7)所示：

式中：ls″₁表示道路中包含停靠站元胞的长度，单位：km；ls_aa″表示道路中除包含停靠站元胞外的其他各元胞的长度，单位：km；p_aa’表示道路中除包含停靠站元胞外的其他各元胞的密度，单位：veh/km；k_aa’表示道路中除包含停靠站元胞外的其他各元胞的流量，单位：veh/h；mn为道路划分元胞数量。

步骤3022)预测获得车辆到达交叉口的时间，可根据车辆运行的随机性预测到达交叉口时间，实现动态实时预测性能。

步骤3023)建立交叉口进口道的改进元胞传输模型：

进口道元胞密度与流量的关系如式(8)所示：

式中：k_H(t)表示第t仿真步长元胞H的车流流入量，单位：veh；p_H(t)表示第t仿真步长元胞H的密度，单位：veh/km；p_E(t)表示第t仿真步长元胞E的密度，单位：veh/km；p_G(t)表示第t仿真步长元胞G的密度，单位：veh/km；ε_E(t)表示第t仿真步长元胞H车辆流向元胞E的分流系数；ε_G(t)表示第t仿真步长元胞H车辆流向元胞G的分流系数。

所述步骤3012)中获得换道位置所处步长分流系数，由于换道位置与交叉口进口道存在距离，其所在步长与行驶至交叉口步长存在区别，根据式(9)计算车辆自换道位置行驶至交叉口的时间，通过换到位置所处时间步长，与该行驶时间之和即可获得行驶至交叉口的对应步长，更新为此步长的交叉口分流系数。

式中：lus_aaa″表示道路换道位置至交叉口之间的各元胞长度，单位：km；p_aaa”表示道路中换道位置至交叉口之间的各元胞的密度，单位：veh/km；k_aaa”表示道路中换道位置至交叉口之间的各元胞的流量，单位：veh/h；mnb为道路换道位置至交叉口之间的元胞数量。

优选的，所述步骤3021)中，tl(t)依据如下步骤得出：

根据公交车辆自进入公交停靠站时刻t₁，停靠站长度l，与停靠站距离包含停靠站元胞末端的距离l_末，公交车辆于该元胞中行驶自由流速度v，则该车辆若未停靠公交站台驶出元胞时间t₂＝t₁+(l+l_末)/v；

驶离停靠站时刻t₃，该车辆经停靠公交站台预测驶出元胞时间t₄＝t₃+l_末/v；

比较各公交车辆对应的t₂与t₄，若t₂与t₄处于不同步长，则提取该车辆为经停留停靠站后未驶离元胞的公交车辆，累计统计得出第t仿真步长内经停留停靠站后未驶离元胞的公交车辆数。若t₂与t₄处于相同步长，则该车辆不作为停留元胞的公交车辆，无需提取。

所述步骤3022)中，p_a为车辆从计算预测时间起点所处的时间步长bp，元胞a的p_a(bp)值。根据式(6)，a为从第2个元胞至mm元胞的代称。同理p_aa’与p_aaa”计算与p_a原理相同，aa为从第2个元胞至mn元胞的代称，aaa为从第1个元胞至mnb元胞的代称。

k_a、k_aa’与k_aaa”依据如下步骤得出：

若车辆于本周期步长内到达交叉口，根据车辆从计算预测时间起点所处步长bk至该车辆驶出该元胞的时间步长bn，k_a为k_a(bk)至k_a(bn)之和；其中，a为从第2个元胞至mm元胞的代称。

若车辆于本周期步长内未到达交叉口，即bk+bj步长时k_a(bk+bj)＝0，则按照以下步骤计算预测时间：

步骤1)k_a为k_a(bk)至k_a(bk+bj-1)，根据式(6)或式(7)计算预测时间tk₁；

步骤2)计算k_a(bk+bj)＝0时所处时间与下一个周期该相位绿灯启亮时刻之间的时间段长度tk₂；

步骤3)根据k_a(bk+bj)＝0时车辆所处元胞位置与前方驶出元胞的距离ls_a”’与p_a(bk+bj)之积计算元胞内前方车辆数cm_a，则此阶段计算行驶时间预测中k_a的确定根据下一个周期该相位绿灯启亮时刻的时间起点所处步长bk+bx至该车辆驶出该元胞时的时间步长bk+bc，k_a为k_a(bk+bx)至k_a(bk+bc)之和，根据式(6)或式(7)计算预测时间tk₃；

步骤4)若步骤3)中元胞未是进口道前相连元胞，根据步骤3)原理，预测步骤3)中元胞车辆驶出元胞行驶至交叉口的时间tk₄；反之，tk₄＝0；

步骤5)本车辆驶至交叉口的时间预测值为tk₁+tk₂+tk₃+tk₄。

k_aa’、k_aaa”的计算与k_a原理相同，其中，aa为从第2个元胞至mn元胞的代称，aaa为从第1个元胞至mnb元胞的代称；k_aaa”的计算时间根据公式(9)计算。

优选的，所述步骤40)包括以下步骤：

步骤401)进行信号优化控制，具体包括建立以人均延误最小为目标函数和设置约束条件；

建立以人均延误最小为目标函数：根据步骤20)获得交叉口相位数为m，公交车辆载客率α，社会车辆载客率β，根据步骤30)获得的公交车流的到达率、社会车辆的到达率，第二交叉口人均延误值如式(10)所示：

式中：PI表示该交叉口信号周期内，该交叉口的第二交叉口人均延误值，单位：s；d_人均表示周期内该交叉口乘坐车辆的参与人员人均延误，单位：s；表示周期内第i进口相位的社会车辆的车均延误，单位：s；表示周期内第i进口相位的公交车辆的车均延误，单位：s；α表示周期内社会车辆的平均载客率；β表示周期内公交车辆的平均载客率；q_si表示周期内第i进口相位的社会车辆的车辆到达率，单位：veh/h；q_bi表示周期内第i进口相位的公交车辆的车辆到达率，单位：veh/h；

设置约束条件排队长度：

根据N₀+N_S(t)-N_C(t)＝p_jamLz，得到在交叉口停车等待构成的当量排队长度模型如式(11)所示：

式中：L_DL(t)′表示交叉口该相位车辆停车等待的当量排队长度，单位：km，N₀表示在初始时刻行驶于上、下游断面内的车辆数量，单位：veh；N_S(t)表示在初始时刻至t时刻通过上游断面的车辆累计数量，单位：veh；N_C(t)表示在初始时刻至t时刻通过下游断面的车辆累计数量，单位：veh；Lz表示上、下游断面之间的距离，单位：km；p_jam表示路段最大堵塞密度，单位：veh/km；

排队长度计算根据改进的元胞传输模型分割的若干个元胞，各元胞根据式(11)计算元胞内当量排队长度，相位交叉口的当量排队长度为元胞内的当量排队长度之和，以此向上游方向类推；

以排队长度L_DL(t)′最小值为0，最大值为交叉口相位停止线至上游公交停靠站的距离与公交待行区长度之和，作为约束条件进行优化；

设置约束条件绿信比：各相位对应的绿灯时间需以行人通过交叉口所需时间为最小值，以信号周期时间为最大值进行约束；

步骤402)控制可变车道，如图6所示，包括以下步骤4021)至步骤4025)：

步骤4021)根据步骤30)得到的公交车辆与社会车辆到达交叉口的时间，获得信号周期内的公交车辆与社会车辆到达率；

步骤4022)根据前方进口道输出端车辆驶离交叉口的状态，判断此刻可变车道状态为直行或左转；

步骤4023)若交叉口信号控制机的该相位绿灯末端，预信号灯已变为红灯，则判断此刻到达的公交车辆为同相位公交或异相位公交；若相位和前方可变区车道方向一致，则该公交车辆行驶到对应相位车道停车等待，待异相位预信号绿灯启亮后，异相位公交车辆驶离公交待行区，该公交车辆可通过变道形式驶入公交待行区停车等待相位到来；若相位和前方车道方向不同，则到达公交待行区停车等待相位到来；公交车辆到达待行区至驶离交叉口，以及社会车辆驶离交叉口的过程，如步骤102)所述；

步骤4024)建立可变车道模型：如图7所示，以交叉口一个相位车辆的行驶曲线为依据，车均延误与相位绿灯时间的关系为：

公交车辆第二车均延误与相位绿灯时间关系如式(12)、式(13)所示：

如图7(a)所示，则

反之，如图7(b)所示，

社会车辆第二车均延误与相位绿灯时间关系如式(14)、式(15)、式(16)、式(17)和式(18)所示：

如图7(c)所示，

如图7(d)所示，

如图7(e)所示，

如图7(f)所示，

反之，如图7(g)所示，

式中：C为交叉口周期时长，单位：s；g_i为周期内第i进口相位绿灯时间，单位：s；g_1i为周期内第i进口相位的变车道绿灯提前启亮时间，单位：s；s_bi为周期内第i进口相位绿灯时公交车辆离开率，单位：veh/h；q_bi为周期内第i进口相位公交车辆到达率，单位：veh/h；表示周期内第i进口相位公交车辆的第二车均延误值，单位：s；表示周期内第i进口相位社会车辆的第二车均延误值，单位：s；q_si为周期内第i进口相位社会车辆到达率，单位：veh/h；s_si为周期内第i进口相位绿灯时变道前一条左转车道的社会车辆离开率，单位：veh/h；s_si’为周期内第i进口相位绿灯时变道后整个左转方向的社会车辆离开率，单位：veh/h；h_bi为周期内第i进口相位公交车辆到达曲线于周期起始端对应的车辆数，单位：veh；h_sbi为周期内第i进口相位公交车辆离开曲线于周期起始端对应的车辆数，单位：veh；h_si为周期内第i进口相位社会车辆到达曲线于周期起始端对应的车辆数，单位：veh；h_ssi为周期内第i进口相位绿灯时变道前，一条左转车道的社会车辆离开曲线于周期起始端对应的车辆数，单位：veh；h_sssi为周期内第i进口相位绿灯时变道后，整个左转方向的社会车辆离开曲线于周期起始端对应的车辆数，单位：veh；h_ssssi为周期内第i进口相位预信号黄灯时，一条左转车道的社会车辆离开曲线于周期起始端对应的车辆数，单位：veh；

步骤4025)根据步骤4024)建立的建立可变车道模型，根据公式(10)计算第二交叉口人均延误值；

步骤403)计算原相位原车道分布的第一交叉口人均延误值：

第一交叉口人均延误值如式(19)所示：

式中：PI_原表示该交叉口信号周期内，该交叉口的第二交叉口人均延误值，单位：s；d_人均原表示周期内该交叉口乘坐车辆的参与人员人均延误，单位：s；表示周期内第i进口相位的社会车辆的车均延误，单位：s；表示周期内第i进口相位的公交车辆的车均延误，单位：s；

车辆车均延误与相位绿灯时间关系如图8所示。其中，公交车辆第一车均延误值与相位绿灯时间关系如式(20)、式(21)：

如图8(a)所示，

则

反之，如图8(b)所示，

社会车辆第一车均延误值与相位绿灯时间关系如式(22)、式(23)：

如图8(c)所示，

反之，如图8(d)所示，

式中：C为交叉口周期时长，单位：s；g′_i为原相位原车道下周期内第i进口相位的绿灯时间，单位：s；表示原相位原车道下周期内第i进口相位社会车辆的车均延误，单位：s；表示原相位原车道下周期内第i进口相位公交车辆的车均延误，单位：s；q_bi为周期内第i进口相位公交车辆到达率，单位：veh/h；s″_bi为原相位原车道下周期内第i进口相位绿灯时公交车辆离开率，单位：veh/h；q_si为周期内第i进口相位社会车辆到达率，单位：veh/h；s″_si为原相位原车道下周期内第i进口相位绿灯时社会车辆离开率，单位：veh/h；h_bi为周期内第i进口相位公交车辆到达曲线于周期起始端对应的车辆数，单位：veh；h_sbi’为原相位原车道下周期内第i进口相位绿灯时，公交车辆离开曲线于周期起始端对应的车辆数，单位：veh；h_si为周期内第i进口相位社会车辆到达曲线于周期起始端对应的车辆数，单位：veh；h′_ssi为原相位原车道下周期内第i进口相位绿灯时，社会车辆离开曲线于周期起始端对应的车辆数，单位：veh。

原相位原车道分布的公交车辆车均延误与社会车辆车均延误代入公式(19)计算第一交叉口人均延误值。

步骤404)判断与输出：若第二交叉口人均延误值小于第一交叉口人均延误值，则将可变车道方案与协调优化控制的交叉口各相位绿信比输出；若第二交叉口人均延误值大于第一交叉口人均延误值，则采取原相位，可变车道仅作为公交专用进口道保证公交空间优先并输出。

本专利的创新之处在于：步骤10)中可变车道的设置。与现有的空间优先研究相比，本发明空间方面通过可变车道模型，建立进口方向其中一条车道为变车道模型实施对象，以预停止线的设置为依托，保证公交在该交叉口的空间优先，但为降低由公交空间优先引起社会车辆延误增加，在该相位公交于可变车道优先通过交叉口以后，该车道预停止线至停车线之间允许该相位其他社会车辆通过变道至可变区驶出交叉口；实现公交车辆在交叉口通行的空间优先通行权，和公交驶出交叉口后的社会车辆双车道驶离交叉口，进一步减小了公交优先对于社会车辆的影响；实现在有限的道路空间提高车道的利用效率，实现左转与直行相位的车道共享、公交与社会车辆的车道共享。

步骤3012)中预测交叉口车流分流系数。运用车辆于道路行驶轨迹拟合决定转向换道位置与道路长度、密度的关系，可预测各仿真步长的交叉口分流系数即转向比，实现转向比的动态更新；不再以以往车流数据特征固定获取一时间段下分流系数值，使模型运行仿真中车流参数存在误差；采用实时更新可根据不同时间场景下车辆的运行特征匹配对应的分流系数值，可适当降低模型运行仿真误差。

步骤3022)中预测获得车辆到达交叉口的时间。运用改进的元胞传输模型，模拟交通流的演变效果，考虑公交进出停靠站的过程，实现公交车到达交叉口的信息预测。相比已有研究的交通流预测，本发明不再以以往数据为基础进行模拟，可通过获取进入道路实时的交通数据信息和公交出站时刻信息即可快速的预测公交到达交叉口时间，并考虑了公交进出停靠站的过程，进一步使元胞的流量密度关系贴合实际，为信号优化提供基础。

步骤40)中协调控制模型的建立。在时间方面以公交到达特征和社会车辆到达特征优化信号配时，建立信号优先控制模型，同步协调变车道预信号绿灯时长。结合可变车道模型实现公交车辆在交叉口通行的空间与时间双重优先通行权。

将采用本发明的控制方法与现有的无优化的控制方法进行对比。

对比例1：采用现有的无优化的控制方法，即目前交通交叉口的信号配时采用的固定配时方案。根据统计车辆的平峰、高峰车流运行情况，获取共有的特征，建立相应的信号控制模型，得出对应的绿信比分别作为平峰与高峰时段下的相位红绿灯控制依据。

实施例1：采用本申请的控制方法。通过运用改进的元胞传输模型，获得车辆的到达率与离开率，将目标函数人均延误，约束条件排队长度与绿信比作为遗传算法的输入端，matlab仿真得出遗传算法的输出端即各相位绿信比。

通过将优化前后的绿信比代入人均延误、车均延误等指标中计算，得出对比例1与实施例1的车辆在各进口相位的车均延误、公交车均延误、社会车辆车均延误、交叉口人均延误和当量排队长度指标变化情况。

车辆各进口相位的车均延误情况如图9所示。从图9可知，本发明方法较现有方法的车均延误变化范围较大，实施例1较对比例1的整体车均延误降低30.28％。其中，第六进口相位的延误降低幅度最大，降低了51.42％，第三进口相位的延误降低幅度最小，降低了1.99％。

公交车均延误和社会车辆车均延误如图10所示。从图10可知，实施例1较对比例1，公交车辆、社会车辆等车均延误部分进口方向延误有所增加，部分进口方向的延误明显降低，原因在于信号协调控制在定周期情况下，改变各相位方向绿信比，以互相牺牲异相位方向为目标，来达到交叉口指标的优化。其中，第八进口相位的公交车均延误降低幅度最大，降低了56.46％，第四进口相位的社会车均延误降低幅度最大，降低了67.58％。实施例1较对比例1的整体公交车均延误获得降低13.89％，实施例1较对比例1的整体社会车均延误降低了36.57％。

人均延误如图11所示。从图11可知：实施例1较对比例1的人均延误变化明显，交叉口整体人均延误获得降低，降低了14.45％，在车均延误降低明显的情况人均延误降低效果较佳，验证了协调模型的优势和意义。

当量排队长度变化曲线如图12所示。从图12可知，实施例1较对比例1的第二相位当量排队长度明显增长，增长了112.47％，但其增长后仍处于约束范围内，变化显著原因在于受该相位公交车辆到达率影响，其相对于其他相位公交车辆的到达率较小，因此在进行信号优化过程中将其绿灯时长进行压缩导致其排队长度激增，但整体变化均未超出其约束范围。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。