簡介
在城市道路網中，交叉口相距很近，各交叉口分別設定單點信號控制時，車輛經常遇到紅燈，時停時開，行車不暢。為減少車輛在各個交叉口的停車時間，特別是使幹道上的車輛能夠暢通，於是人們研究把一條幹道上一批相鄰的交通信號連線起來，加以協調控制，就出現了幹線交通信號的協調控制系統（簡稱線控制，也稱綠波系統）。
控制分類及仿真模型
分類
第一類：針對未飽和的交通流進行研究。
第二類：針對過於擁擠和飽和的交通流進行研究。
仿真模型
細胞傳輸模型（celltransmissionmodel，CTM）能夠覆蓋流量-密度-速度基本關係的整個範圍並且可以把上述兩類方法有機地結合起來。基於CTM建立的交通動力學模型能套用於多種交通狀況的交通信號控制。
控制最佳化
對於交通幹線信號控制而言，通常選擇周期、綠信比及初始相位差作為決策變數。對這些決策變數的最佳化方法有很多種，如混沌最佳化方法 、人工智慧方法 、模糊控制方法 等。離散時間滾動區域法在最佳化交通信號方面有其固有的優點，自1974年被提出已有30多年的歷史，但該領域的研究及發展，大多仍在歐洲國家。
交通信號最佳化過程中，幹道模型中各路口各相位處於排隊狀態的車輛數目隨著時間的推移在不斷變化。細胞模型為計算排隊車輛數提供了一種簡單的方法，即排隊車輛數等於相應細胞內車輛數目的總和。
近年來，離散時間、滾動區域法已在包括交通信號最佳化在內的眾多領域得到了套用，並取得了較好的效果。離散時間、滾動區域法把時間細分成小的時間段，每個時間段稱為一個滾動區域。由於在細胞傳輸模型中，時間也被分成相同的間隔，因此把二者結合起來是完全可行的。離散時間、滾動區域法把每個滾動區域分成兩個部分，在前一部分時間執行的是上一個滾動區域的最佳化方案，後一部分時間則在本滾動區域幹道模型排隊車輛數目條件下，對目標函式進行驗證。如果幹道內車輛總延誤仍取得最小值，則繼續執行該方案，否則重新最佳化。
仿真實例
圖1 仿真初始參數為驗證細胞傳輸模型及離散時間、滾動區域最佳化方法，以兩個交叉口構成的幹道模型為例，編寫了一個名為Simulation-Ⅱ的仿真程式，以此程式對輕度交通流、中度交通流、重度交通流三種交通狀況進行了仿真，並與Head的方法作了比較。幹道中各交叉口直行和左轉各為一個車道。輕度交通流、中度交通流、重度交通流的交通需求分別為：720輛/小時/車道、1080輛/小時/車道、1800輛/小時/車道。三種交通流狀況下仿真程式的參數見圖1。
三種交通流狀況的仿真結果及其與Head的方法比較見圖2。
圖2 CTM-RH方法與Head方法的比較從仿真結果可以看出，與Head的方法相比，上述最佳化方法可使三種交通流狀況平均延誤減小14%～26%;對於輕度和中度交通流，不管是主幹延誤還是次幹道延誤都有不同程度的減小;對於重度交通流，次幹道車輛延誤有所增加，但是主幹道車輛延誤卻減小了37%。
