2018年4月17日（星期二）下午17时30分，TOPS课题组第45期组会在通达馆517顺利召开，本期组会由17级博士研究生殷炬元就《基于轨迹数据的排队长度估计与排队压力自适应控制》有关问题进行汇报并讨论。与会成员有孙剑教授、倪颖副教授，田野副研究员以及课题组全体成员。

在本次会议上，田老师作为TOPS课题组的新成员初次与大家见面。田老师本科毕业于浙江大学土木工程专业，于15年获美国亚利桑那大学交通工程专业博士学位，18年回国就职。田老师主要研究方向为大型城市路网的基于仿真的动态交通分配，基于奖励的主动交通需求管理，个体为本的仿真模型在交通中的应用，车流轨道数据挖掘，收费公路决策等，在专业领域已有极高的造诣，在国内外期刊及重要会议发表论文10余篇，其中论文SCI收录5篇。田老师的加入给TOPS课题组注入了年轻且新鲜的活力，课题组全体成员表示热烈欢迎，并希望田老师在TOPS课题组的生活顺利、专业领域百尺竿头，更进一步。

汇报进行时

殷炬元博士致力于研究道路交通控制和管理，并取得了不俗的成绩，本次携最新研究进展与大家分享。汇报从研究背景，研究路线，方法，案例分析和小节五个方面展开。在移动数据大发展的背景下，如何运用单一轨迹数据为输入进行信号控制，以获得最优的信号控制，达到提高效率和减少交叉口的溢出、死锁现象的目的。传统的信号控制以流量估计为输入参数，采取定时，感应式或自适应的控制方法，而汇报人意图借助滴滴公司的数据，以估计排队长度做为唯一输入参数，并实现实时信号自适应控制。为此，本文创新性地提出三步骤排队长度估计方法，即“轨迹特征提取——排队消散波拟合——排队形成波构建与排队长度估计”，顺利实现了利用低渗透率轨迹数据的适用于单点交叉口的排队长度估计。以上理论在深圳市皇岗路-福中路交叉口得到验证，并且将卡尔曼滤波方法与线性回归方法进行对比，本文的模型在车辆到达模式较为复杂时表现出良好的精确度和准确性。

汇报第二部分是排队压力自适应控制（QPA）算法的提出,算法可以实现绿灯时长、相位组合和相位顺序的同步优化，并且可以实现每周期滚动优化的效果，算法对状态进行分级，并设计不同的目标函数和控制优先级，以求解不同状态下最优控制效果。同样的采用深圳市皇岗路-福中路交叉口数据对上述算法进行验证，算法在排队长度，溢出时间，延误等参数上表现出优越的性能。

汇报结束后，课题组成员对此问题表现出浓厚的兴趣，纷纷踊跃发言。课题组马子安、胡祥旺及李旭红等成员分别就算法开销缩减建议，应用场景盲点，算法疑问等问题进行深入探讨，三位老师也对汇报人的工作进展给与了高度肯定，并提出了尚未解决的问题和期待进一步研究的展望。

附：彩蛋传送门