王大珊，王松浩，趙玉娟，饒眾博

（公安部道路交通安全研究中心，北京100084）

WANG Da-shan,WANG Song-hao,ZHAO Yu-juan,RAO Zhong-bo

(Traffic Safety Research Center,Ministry of Public Security,Beijing 100084,China)

0 引言

交通信號控制是當今城市交通管理系統的核心組成部分。當前，國內使用的交通信號控制系統多為國外引進，如SCOOT 系統、ACTRA 系統和SCATS系統等。而以北京為例，現使用中的交通信號機主要包括：SCOOT系統的T700、T800、MCU-6 信號機；ACTRA 系統的2070 信號機。此外還有HSC-100、BE320、BJZX-F 等多種類型信號機[1]。這些不同系統不同型號的信號機共同運轉而構成了北京市的交通信號控制系統。而從其信號機的數量及在北京的分布區域來看，SCOOT系統和ACTRA 系統在北京的信號控制系統中均占據了重要地位。

SCOOT 系統的邏輯結構分為兩層，分別是中心層和路口層。中心計算機負責生成各個路口的配時方案；下端的信號機完成數據采集、處理以及信號控制。SCOOT 模型及優化原理均是在TRANSYT 的基礎上發展起來的，主要包括周期、綠信比、相位差等三個優化過程[2-5]。

ACTRA 系統是西門子美國公司開發第三代的交通控制系統，主要由中心控制模塊、通信模塊及路口信號控制模塊組成。交通響應模式使得系統根據交通變化或非典型交通進行系統范圍的優化配時方案的執行[5-7]。而該系統的2070ATC 信號機具有自適應和多種靈活的控制戰略。

雖然上述兩種系統在國外均取得較好的控制效果，但是從北京市信號控制系統及信號機使用情況來看，二者在北京市交通環境下均體現出了一定的問題及不適應之處。這些問題主要體現在以下幾點：

（1）SCOOT 系統及ACTRA 系統模型均按照國外交通流特性建立，對于北京市機非混合交通流適應性較差，導致系統的控制效果急劇降低；

（2）對于北京市交通流量的龐大和明顯的時空特性，在早晚高峰期間極其容易出現擁堵的情況，雖然SCOOT 系統提供了額外的限流等控制手段，但是對于過飽和的交通流量其實際效果較差；

（3）不同系統的不同信號機之間無法進行通訊及協調優化控制，雖然不同系統的信號機分布在不同區域，但是在其交界處往往成為協調控制的盲區。

另一方面，在交通信號控制的理論研究上，針對國內交通流特性及特殊控制需求，為提高信號控制效果，很多學者對控制策略與控制算法進行了大量的研究工作，取得了豐富的成果。如模糊控制[8-9]、神經網絡控制[10-11]、遺傳算法控制[12-13]、強化學期控制[14-15]等智能控制算法在信號控制理論研究及仿真中均得到較好的控制效果，且各種控制算法的改進及優化一直在不斷的進行。

為解決現有交通信號控制器程序固化、擴展性差等不足，本文提出一種基于事件調度的信號控制模型（ED-Model）。該模型以事件調度為核心，根據事件檢測定義與事件解析定義使得不同算法在該模型內通過統一模式實現。ED-Model 將狀態檢測與請求調度分離，前者將常規狀態檢測抽象為統一的事件檢測機制，而后者引入交通信號控制請求操作系統概念實現多請求的綜合決策。ED-Model 可以有效地提高交通信號控制器的適用性與擴展性，為城市交通信號控制系統的協同運行和及時更新提供可靠保障。

1 模型結構

圖1 顯示了基于事件調度的交通信號控制模型結構。 該模型由Detection & Analysis Unit（DAU）、Request Dispatcher Unit （RDU）、Plan Execute Unit （PEU） 和 Status Observation Unit（SOU）等單元組成。對外提供一個算法編輯接口（DDat）和三個控制接口，即OSig、ISig 和PDat。相關的符號說明見表1。下文將說明模型的基本運行流程。

圖1 交通信號控制平臺系統結構

表1 符號說明

首先，PDat 是模型基本運行方案，在沒有OSig和ISig情況下，直接輸如RDU以執行。ISig是信號機運行狀態信號，主要指當前時間、通訊連接狀態等；OSig 是信號機外部輸入信號，包括IO量、通訊量和統計量等內容。ISig和OSig共同構成了對默認方案PDat 的控制輸入（合稱Sig）。然后，對于輸入信號的檢測是第二步內容。在EDModel 中，Event 的識別及調度是核心內容。所謂Event是指系統內部（ISig）或外部（OSig）試圖對當前信號控制方案（PDat）產生影響的狀態。除了傳統意義上的交通流狀態觀測外，ISig和OSig更是一種廣義上的狀態觀測結果。而從檢測的角度來說，Event 是多種Sig 變量的時空組合，當Sig 滿足一定條件時，即認為該類Event已經觸發。

之后，當Event由DAU檢測成立時，DAU將會根據解析規則生成該時刻的Req（t），即該Event 對應的請求操作，并將其送至EDU。EDU 根據當前管理下的Req（t）隊列和SOU采集的當前信號機控制狀態（CPS（t-1）），通過請求調度機制決策產生新的控制方案（CSP（t））。最后該方案由PEU 執行輸出。

ED-Model中，Event的檢測識別和控制需求解析是模型的一項重要內容，該部分提供通用的對外數據接口，將控制算法與信號機內控制管理程序分離，通過數據的編輯即實現不同信號控制算法中狀態觀測與控制輸出需求。另一方面，事件請求的調度決策是ED-Model 的核心內容。在該模型中，采用基于信號控制請求操作系統的調度策略實現多請求的協同處理。

下文將從系統輸入和內部單元具體闡述其運作機制。

1.1 系統輸入

系統輸入是指系統核心處理模塊的輸入，分為基礎數據錄入、外部信號輸入和內部配置輸入信號。這些信號數據流共同構成該系統穩定高效運行的驅動來源。

1.1.1 PDat

該系統以方案數據為運行基礎，任何時刻系統維持一個當前執行方案。在沒有其他事件產生時，系統將按照方案參數穩定運行；當系統檢測到事件發生且產生請求數據流，調度器根據調度規則對當前方案內容進行更新，以滿足請求要求。因此，方案是整個系統運行與優化的基礎數據。符號及參數說明見表2。

表2 基礎數據符號說明

方案二是覆蓋控制路口所有相位的相序結構及時間的組合，其包括周期（Cycle）、階段（Stage）、相位（Phase）和安全約束（Restriction）四個對象。方案為三層結構，分別是相位層、階段層和周期層。

相位（Phase）：相位參數是一個方案的基礎數據，包括：相位類型（機動車、非機動車、行人、特殊標志；主相位、從相位）、空間屬性（來向、轉向等）、最小綠（Min）、最大綠（Max）。

階段（Stage）：階段是同一時段獲得通行權的相位的集合。其參數由相位參數運算得到，主要包括階段最小綠（該階段所有相位最小綠的最大值）、階段最大綠（該階段所有相位最大綠的最大值）、階段時間（即指階段實際持續時間長度Stage_Len）。

周期（Cycle）：周期由階段按照一定次序排列組合而成。周期參數由階段參數計算而得，包括周期時長（Cycle_Len）、周期解空間（各階段可能時長組合構成的一位向量）。

設周期包含有n個階段，第i階段有mi個相位，則相位通行時間可以用下式表達。其中，為相位使能因子，0 ≤λ(j)≤1 為相位時長修正因子。

根據相位時間參數可以得到階段和周期時間參數值。其中：

基礎數據中，方案數據是信號機運行的基礎，而安全數據則是保障交通安全的重要約束條件，是維護交通秩序的重要保障。安全約束分為空間沖突約束和過渡時間約束兩類。其中，空間沖突約束保障具有嚴重沖突點的兩個相位不能同時獲得通行權；而過渡時間約束是為了保證相位通行權切換時，上一個相位車輛完全通過路口，以避免和下一相位車輛競爭的現象出現。二者數據定義如下：

式中：Phase為沖突的相位組合；Class為沖突的類型，分為直接沖突、匯聚點沖突、人車沖突和無沖突四類；Yellow，Red為相位過渡時間的參數定義，一般要求Yellow＞3，Red＞2。

方案數據和安全約束數據相互配合，共同構成了系統安全穩定與運行的基礎。

1.1.2 OSig

系統輸入的三部分數據中，外部信號是實現信號機動態算法的重要手段。在外部信號基礎上定義的事件觀測規則為各類控制功能和算法提供了有效地接口。在該系統中，對外信號包括了IO信號和通訊信號兩部分。

IO 信號是最常用和便捷的外部輸入信號，設系統配置M個IO設備，其中第j個設備有Nj個IO口，用Xji表示，則IO信號可表示為：

在IO 信號的基礎上可進行時空組合，以檢測識別特定信號信息；而在原始信號基礎上進行數據統計得到一次統計量，包括流量、密度、車頭時距等數據；進一步通過特定模型可以得到估計的二次統計量，包括車速、延誤、旅行時間等參數：

對于外部信號的事件檢測是建立在原始信號、一次統計量和二次統計量的基礎之上，通過上述參量的邏輯組合，事件檢測程序可對事件的發生與否進行實時的檢測和識別，以實現各類算法的觀測狀態輸入，作為控制平臺的驅動來源。事件可采用下述表示方式：

式中：Command-ID表示某類通訊協議。

不同于IO 信號，通訊信號可以直接傳遞上述統計量的數據而無需本地計算，從而減輕處理器的負荷，實現分布式處理。

1.1.3 ISig

內部信號是提供用戶定義的若干規則集，可以通過內部信號產生事件以驅動多時段方案切換、星期切換方案、日期切換方案等功能。該信號為可選部分，可由用戶自由定義，該信號同外部信號一樣都通過解析器產生Request 數據流，然后輸入調度器管理。內部信號的規則定義如下：

式中：Time為時基參數，Date為日期基礎參數。

多時段方案切換的實現可通過定義Time類參數實現；而不同日期的方案切換可通過Date類參數實現；而二者結合又可實現日期、時間的雙重方案切換功能。

1.2 內部模塊

1.2.1 DAU

解析器是根據Signal數據流進行事件檢測并按照解析規則產生Request 數據流的模塊。解析器的事件檢測規則和解析規則是實現不同算法的有效有段。通過定義數據型的檢測規則和解析規則將算法潛入解析器，從而實現算法與管理程序的分離。

解析器自身為開放式模塊，通過客戶端可由外部直接修改其解析規則。而Request 設計為統一標準結構，該結構提供強大的信號控制操作功能，以便新算法的植入。Request 的數據結構如下式所示：

Source 表示數據源類，包含3 個參數：（1）Signal Time：信號到達時間；（2）Signal Type：信號類別；（3）Signal ID：信號編號Type表示請求的類型。

Type 表示請求類型，根據對信號系統功能需求的分析，將信號機控制功能抽象為4 類基本操作：

（1）Phase On（A）：某相位獲得通行權；

（2） Phase Off（B）：某相位禁止獲得通行權；

（3）Plan Modify（C）：方案更新；

（4）Parameter Modify（D）：方案參數修改。

Action Time表示請求響應的起始時間：

（1）絕對時刻：時分秒表示的具體時刻；

（2）相對時間：請求響應的時間相對于當前時間的秒數；

（3）結構性時間：

①Cycle End，周期結束響應；

②Stage End，階段結束響應。

（4）描述性時間：

①Immediately，立刻響應；

②ASAP，盡快響應；

③Normal，正常響應。

Parameter 表示該請求持續的時間長度，對不同類型有不同的意義：

（1）A 型請求：請求某相位通行權的持續時間；

（2）B型請求：禁止某相位獲得通行權的持續時間；

（3）C型請求：需要修改的參數及其值；

（4）D型請求：新方案結構及參數（結構詳見

1.1.1基礎數據）。

Validity 表示該請求的有效期，超出有效期而未被響應的請求將會被調度器丟棄；該參數保證了請求的有效管理。

Priority 是該請求的優先級，系統在啟動時會初始化若干默認的優先級，以保障系統的正常運轉。而用戶可以通過自定義解析規則來實現自己的優先調度，以此完成新算法的實現。系統默認分為三個層次的優先級區域：

（1）1-5級：該類優先級的請求不受到最大綠的限制，但是受到基本安全約束的限制，包括：①最小綠保護；②過渡約束保護；③沖突保護。

（2）5級以上：除了基本的安全約束，該類優先級的請求還受到最大綠的限制。

圖2 顯示了解析器工作流程。解析器接收OSig 和ISig 的信號，根據Control Algorithm 定義下的Detection Rules （DDat 決定） 對Event 進行檢測。若Event 成立則根據Analysis Rules（DDat 決定）解析產生對應的Req（t）。

圖2 DAU數據流圖

解析器作為該系統開放性接口模塊，是實現算法移植的重要途徑。對于不同的控制功能和算法，可以通過定義解析器的事件檢測規則和解析規則，產生不同效應的請求隊列，從而對調度器的決策實現控制，以實現控制算法的優化和更新。

1.2.2 EDU

EDU內部結構如圖3所示。

圖3 EDU內部結構

調度器是處理Request 數據流，并最終產生控制結果的模塊。調度器內部包括請求管理器、請求存儲器和決策器三部分。

其中，請求管理器用于管理請求隊列及其狀態；請求存儲器用于存儲當前有效的所有請求；CSP生成器根據基礎配置、前一時刻的請輸出相序（CSP（t-1））和請求隊列按照調度規則生成新的相序隊列（CSP（t））。

（1）RMU

請求管理器接收解析器產生的請求數據，并對其進行管理，以供GSP生成器使用。

請求管理器用于維護一個請求隊列，該隊列包含t時刻前所有處于有效期內且尚未響應完成的請求。請求管理器包括以下功能。

①容量管理：用于維護管理器存儲請求數量；

②維護狀態：請求狀態包括：

a）未響應：請求超過有效期仍未響應；

b）等待相應：請求在有效期內等待響應；

c）正在響應：請求正在被執行器響應；

d）響應掛起：正在響應的請求被打斷；

e）響應結束：請求已經響應結束。

③添加請求：t時刻的請求若在當前隊列中沒有出現，添加該請求到隊列。

④刪除請求：

a）t時刻隊列中某一請求超時未響應；

b）t時刻隊列中某一請求已經響應；

c）t時刻收到刪除請求，取消某請求。

⑤更新請求：t時再次受到隊列中處于非正在響應狀態的請求，則更新該請求。

（2）DOU

交通信號控制器最基本可控單位為相位，不同相位在時間軸上延伸形成相序CSP?？刂破鞯目刂平Y果完全反映在相序及其屬性上。

相位從獲得通行權到失去通行權需要經過的黃燈時間（Yellow）、紅燈時間（Red）的序列稱之為過渡序列（Transition Sequence）；同一段時間內獲得通行權的相位組合稱之為階段（Stage）；包含了所有相位的最小階段序列稱之為周期（Cycle）。

CSP生成器的任務即調整CSP（t），使之盡可能多的滿足請求（Request）。其有效調度算法由以下步驟構成：

①將當前未處理Request 隊列按照優先級進行排序，包括優先級和內部優先級；

②對相同優先級的請求，若該類請求是非互斥請求，則請求到達時刻晚的優先級高，否則只保留最新的請求；

③對未處理隊列隊首請求消息進行處理，調整兩個周期內相位使能及通行權時間。

④若無解則將該請求標記為等待響應狀態，并移出隊列；

⑤若有解則根據評價函數選擇最優解，并將請求標記為正在響應狀態；

⑥檢查未處理隊列，若為空，結束并生成CSP（t）共執行器使用；否則返回③。

該調度算法中對請求的求解過程最為重要，該過程可以用下述方式表述。

CSP（t）可以通過狀態空間進行描述：CSP(t)而Stage.i的值域為{0 }?{( min,max )}。其中0 表示可以跳過該相位或階段，否則該相位只能在最小綠和最大綠之間獲得通行權。為滿足請求，通過狀態空間的搜索以獲得新的CSP(t)。對于有解的請求消息，則根據狀態空間評估函數進行選取，其表達式如下：

其中：

1.2.3 PEU和SOU

執行器接受調度器輸出結果CSP（t），進行實際相位輸出。觀測器將當前相位輸出狀態采集回來反饋至調度器和解析器，以協助其下一時刻的事件檢測和輸出狀態決策CSP（t+1）。

2 特性分析

2.1 ED-Model特點

該模型設計的基于事件調度的控制模式，通過改變事件定義與檢測規則和解析規則來實現不同的控制邏輯。在模型結構及功能上具有以下幾個特點：

（1）模型將對當前控制方案的任何改變情況統一抽象為事件，通過事件的檢測與解析來決定交通信號的影響控制狀態；

（2）事件通過四大類狀態變量檢測和識別，狀態變量既包含IO 類數據、統計類數據，也包含系統運行狀態變量，大量的狀態變量為豐富事件的定義與檢測的前提；

（3）模型將事件檢測與請求決策分離，由EDU 綜合處理請求隊列，避免二者功能上的交叉導致的混亂決策；

（4）EDU 提供交通信號操作系統（OS）的基礎框架，引入給予優先級的請求調度概念，實現多條請求狀態下的有序決策。

總體而言，ED-Model 是一種通用的交通信號控制模型，其提供了一種通用的交通信號控制規則，下文將從模型兼容性、擴展性和運行效率等方面進行特性分析。

2.2 兼容性

ED-Model 的兼容性是指該模型對現有交通信號控制需求的實現能力。當前各類交通信號控制系統及信號機提供了多種多樣的控制模式，同時隨著需求的不斷擴展各類新型控制模式及輔助模塊也不斷出現。雖然各種控制模式具有不同的功能及表述，但是通過分析可知，信號控制的功能需求可由四類基本操作及Req 對象的Type 參數構成。

分析現有主流控制模式的功能，可以發現現有各類交通信號控制模式均可從上述類似類基本操作來實現，如表3 所示。其中A，B，C，D 分別表示上述4種基本請求操作。

表3 控制模式基本控制需求分析表

由此可見，ED-Model 的結構完全可以實現對現有控制模式的兼容。

2.3 可擴展性

狹義的狀態觀測即指交通流狀態檢測，多數控制算法均建立在狹義狀態基礎之上；而廣義的狀態觀測即前面所述的事件，除交通流基本狀態外還包括其他的信號機觸發信號。算法決策即根據當前或者一段時間的狀態趨勢來決策當前信號機的邏輯輸出。具體結果體現在執行輸出的能力上。可見，在2.1小結基本的信號機執行能力的基礎上，如何實現算法的狀態觀測及決策即成為該系統是否具有良好擴展性的決定因素。

由ED-Model 的結構可知，該模型的狀態觀測基于信號輸入與檢測規則。在此基礎上產生的Event即是對不同狀態的描述。在ED-Model中，包括四個層次的狀態變量：

（1）原始IO狀態；

（2）一次統計量，包括流量、密度、車頭時距等；

（3）二次統計量，包括速度、延誤、旅行時間、排隊長度等；

（4）系統狀態量，包括時間、日期、網絡狀態等系統狀態；

四種類型的狀態變量為ED-Model 的事件描述與檢測提供了豐富的資源。而從第2部分系統結構可知，該系統的事件定義采用標準Signal數據流表示方式，而算法決策采用標準Request 數據流表示方式。這樣，不同事件檢測及決策均以數據作為驅動，與信號機內部程序實現了有效地分離。因此，在該系統下，通過配置不同的Signal 及相應Request 解析規則即可實現不同的控制算法，無需更改信號機的內部控制程序。

下面分別分析Signal 數據和Request 數據所能實現的能力。Signal 數據（即檢測事件）標準格式可以定義如下：

式中：Event(j)為第j事件；Orignal(j)為直接的IO信號；Statistical(j)為一次交通統計量；Model(j)為二次交通統計量。詳細統計量的內容可見1.1.2外部信號和1.1.3內部信號。

通過內部信號和外部信號定義的事件，包含了原始IO 數據、一次統計量、二次統計量和時間日期類數據，可以滿足現有信號機的狀態檢測需求（見表4），且具有良好的擴展能力。

表4 狀態檢測對比分析表

2.4 算法效率

運行效率主要指系統的控制算法復雜度。對于ED-Model 其運行效率主要由兩部分決定：（1）事件的檢測（檢測與解析規則）；（2）請求的調度（解空間的搜索與決策）。

2.4.1 DAU執行效率

解析規則即指檢測到特定事件發生后產生什么樣的Request 數據。其原始來源為事件的定義集。假設事件集有如下表示：

式中：O，S，M，T，D分別為Original，Statistic，Model，Time，Date 類事件；NX為某類事件的個數。且定義原始檢測類運算的消耗為A，統計類運算的消耗為T·A，模型計算類運算的消耗為T·A·B，則解析規則的總消耗S可以表示為：

由于各類事件集為線性結構，因此總消耗與事件集的大小和基礎消耗參數相關，復雜度為其中T為統計量的統計周期。

2.4.2 RDU運行效率

調度規則的效率即指調度器對于Request 請求隊列的處理效率。根據1.2.2 調度器中所述調度規則，假設Request隊列表示為下式：

其中，C/D 類Request 是一次性瞬時操作，不涉及解空間的搜索過程。

另一方面，假設該系統當前使用的是k階段控制方案。表示第i個階段的最小綠和最大綠，則第i個階段的空間集為：

在此基礎上，此方案的解空間可表示為向量：

解空間的大小為：

由于調度規則約定優先級順序，則調度規則對于解空間的搜索過程的復雜度一定不大于：

3 結語

本文提出一種基于事件調度的交通信號控制模型ED-Model。該模型通過統一的事件檢測識別與調度決策機制，將信號控制算法與信號機管理程序分離，有效地將不同控制算法在該模型內得以實現，并具有對新算法較好的可擴展性，為現有交通信號控制器的算法更新與協同控制提供有效的保障。

[1] Beijing Traffic Management Bureau. Relative Data since 2012 [EB/OL]. [2004-01-09](2014-04-05). http://www.bjjtgl.gov.cn/publish/portal0/tab118.

[2] Sui Liying,Li Wei,Shi Jianjun,et al.The Analysis and Application Actuality of Traffic Signal Control System——SCOOT and ACTRA in Beijing[J]. Road Traffic & Safety,2007(2):10-13.

[3] Lenné M G,Rudin-Brown C M,Navarro J,et al.Driver Behavior at Rail Level Crossings: Responses to Flashing Lights, Traffic Signals and Stop Signs in Simulated Rural Driving[J].Applied Ergonomics,2011,42(4):548-554.

[4] Zhao X,Shang P,Lin A,et al.Multiracial Fourier Detrended Cross-Correlation Analysis of Traffic Signals[J]. Physical A: Statistical Mechanics and Its Applications, 2011,390(21):3670-3678.

[5] Pérez J, Seco F, Milanés V, et al. An RFID-Based Intelligent Vehicle Speed Controller Using Active Traffic Signals[J].Sensors,2010,10(6):5872-5887.

[6] Asadi B,Vahidi A.Predictive Cruise Control:Utilizing Upcoming Traffic Signal Information for Improving Fuel Economy and Reducing Trip Time[J].Control Systems Technology,IEEE Transactions on,2011,19(3):707-714.

[7] Otterdahl D, Andersson M. New Protocol for ITS-Used in Traffic Signal Control from Cooperative Ideas to Development Requirements for the Swedish Transport Administration[C]// 19th ITS World Congress. Vienna: ERTICO- ITS Europe,2012.

[8] Prashanth L A, Bhatnagar S. Reinforcement Learning with Function Approximation for Traffic Signal Control[J]. Intelligent Transportation Systems,IEEE Transactions on,2011,12(2):412-421.

[9] Gokulan B P, Srinivasan D. Distributed Geometric Fuzzy Multiagent Urban Traffic Signal Control[J]. Intelligent Transportation Systems, IEEE Transactions on, 2010, 11(3):714-727.

[10] Yin H, Wong S C, Xu J, et al. Urban Traffic Flow Prediction Using a Fuzzy-Neural Approach[J]. Transportation Research Part C,2002(10):85-98.

[11] Arel I, Liu C, Urbanik T, et al. Reinforcement Learningbased Multi-agent System for Network Traffic Signal Control[J]. Intelligent Transport Systems, 2010, 4(2): 128-135.

[12] Baniqued P L, Low K A, Fabiani M, et al. Frontoparietal Traffic Signals:a Fast Optical Imaging Study of Preparatory Dynamics in Response Mode Switching[J]. Journal of Cognitive Neuroscience,2013,25(6):887-902.

[13] Ferreira M, Fernandes R, Concei??o H, et al. Self-Organized Traffic Control[C]//Proceedings of the seventh ACM international workshop on VehiculAr Inter NET working.ACM,2010:85-90.

[14] Brynielsson T. Method for controlling traffic signals to give signal priority to a vehicle:USP,8742945[P].2014.

[15] Putha R,Quadrifoglio L,Zechman E.Comparing Ant Colony Optimization and Genetic Algorithm Approaches for Solving Traffic Signal Coordination under Oversaturation Conditions[J]. Computer-Aided Civil and Infrastructure Engineering,2012,27(1):14-28.