2020年10月9日，马万经教授课题组开展的基于轨迹数据的交通信号控制研究成果，在线发表于交通领域国际权威期刊 Transportation Research Part C。该项研究可适用于低渗透率、低采样频率的轨迹数据，能有效提高交通控制水平。
传统的固定信号控制优化方法主要依赖于固定检测器采集的流量数据，但是固定检测器如线圈、地磁等由于易损坏、覆盖率低的原因不能获得准确和完整的流量数据。而随着GPS技术的发展，高德地图、百度地图等导航软件以及DiDi等打车软件衍生出的车辆轨迹数据，其获取成本低、覆盖范围广，但大多数关于信号控制的研究通常假设轨迹数据具有高渗透率或高采样频率，这在现实中难以获取。针对这一难点，该研究建立了双层多目标的固定信号配时优化框架，适用于低饱和及过饱和交叉口。通过轨迹数据叠加的方法和等比例原则（SRPs）有效解决轨迹数据的低渗透率问题。同时构建了信号配时变化下的车辆轨迹演变准则。案例分析表明，本方法能显著降低交叉口延误，提升通行能力。敏感性分析表明：（1）本方法不仅适用于均匀到达分布，还适用于泊松到达分布；（2）该研究可以基于低采样频率的轨迹数据（15s）对交叉口进行配时优化；（3）影响模型优化效果的关键因素之一是轨迹数据量而不是轨迹渗透率；（4）初始信号配时方案的周期时长对模型要求的轨迹数据量没有影响；（5）初始信号配时方案的优劣不影响本方法优化的结果。
论文原文链接：https://authors.elsevier.com/sd/article/S0968-090X(20)30726-9
