绿信比是指交通灯一个周期内可用于车辆通行的比例时间。即某相位有效绿灯时间和周期时长的比值。

绿信比是一个信号相位的有效绿灯时长与周期总时长之比，一般用λ表示。

λ= g/C

式中：λ——绿信比

C——周期时长

g——有效绿灯时长，一般用小写的g表示，以便和实际绿灯时间（G）区分

在国内很多交通文献中，将Splits翻译成绿信比是错误的，Splits应该翻译为“”绿灯时长“ ，即1个信号周期中的“绿灯时间+黄灯时间+全红时间”，英文全名叫“Phase splits”，没有比的概念。

欠饱和交叉路口延误及停车次数的表达式。以延误及停车次数的加权和为目标函数给出周期和绿信比同时优化的方法。

孤立交叉路口是城市交通网络的最小单元， 是研究线交通和面交通 ( 网络 ) 的基础。受信号控制的交叉路口的控制变量是周期和绿信比。尽管已经对交叉路口的实时控制进行了研究， 但由于受到经济上、道路结构 、 人的因素等的限制， 实时控制并未广泛应用。因此对交叉路口信号配时的研究仍有重要意义。

由于周期和绿信比的优化不是相互独立的， 而是有一定关联， 所以用分步寻优的办法求得的结果不能保证整个交叉路口的真正最优。将讨论欠饱和状态下周期和绿信比同时优化的方法。

交叉路口车辆的延误及停车次数

在欠饱和情况下， 车辆在交叉路口的停车回数小等于1 ， 即不会发生重复停车现象。红灯期间内排队车辆及绿 灯时间内加入排队的车辆在绿灯期间能全部消散完毕， 下面以支路1 为例推导延误 ， 停车次数的表达式。

车辆的延误分为两部分： 红灯期间的延误和绿灯期间的延误。红灯期间的延误 为△OAc的面积， 绿灯期间的延误为△ABC的面积。绿灯期间车辆按最大离开率离开， 同时又有车辆按平均到达率q1 排入队中， 故绿灯期间等效车辆离开率为S1一q1。

结论

Webstre 以交叉路口车辆延误为目标函数得出了交叉路口 衡状态下的最优配时， 但它仅应用于欠饱和状态 ，且 目标函数有一 定局限性。以后Miller， AkcelikAl -sop对孤立交叉路口的信号配时也分别进行了研究。上面研究的结果与实际并不是完全一致的。A.J.Khalili 研究了给定周期下绿信比的优化方法。他所选用的目标函数是车辆在交叉路口处的延误、停车次数 ， 废气排放量以及油耗。这些方法决定最优配时是分步进行的， 即先决定最优周期， 再决定该周期下的最优绿信比。

当 C=50秒和C=90秒时的最优绿信比是不一致的， 这就说明了周期和绿信比之间的相互关联。这是因为在带 权的目标函数中， 停车次数起主导作用。

在饱和交通状态下， Webster绿信比优化模型要同时消散各方向上的拥挤车流， 忽略饱和与非饱和交通状态下的车流特征差异， 导致信号交叉口各个方向上的排队车辆越来越长， 为此， 提出采用通行优先权的方式， 对交通需求大的方向给予更多的绿灯时间， 以期实现尽快消散该方向上的拥挤车流。各个方向(相位 )通过轮流获得相位通行优先权进而逐步消散自方向上的拥挤车流， 最终达到预防交通拥挤和快速消散交通拥挤的优化目标。仿真实验证实， 本优化方法在处理饱和交通流上较Webster绿信比优化模型更有效 。

在饱和交通状态下 ， 由于受周期时长的限制 ，信号交叉口会出现不同程度的拥挤或堵塞现象 ，原因是该时段内的交通需求大于信号交叉口的通行能力 。因此 ， 解决信号交叉口的交通拥挤问题关键在于提高信号交叉口的通行能力 。

提高信号交叉口的通行能力主要有两种方法 。一是增加进口道的车道数 ， 即拓宽现有路口 ；二是运用技术的手段来提升该路口的通行能力 。

在非饱和交通状态下， 信号控制的优化目标应本着在信号交叉口处的延误、停车率、排队长度在非饱和交通状态下 ， 信号控制的优化目标应本着在信号交叉口处的延误 、停车率 、排队长度等指标最小 ， 这就要求配时的周期时长及其绿信比使得交叉口的通行能力稍微高于本交叉口的交通需求为宜。

自适应信号控制系统运行机制

通过交通调查 ， 可以先实施一段时间的分时段固定周期控制方式 ， 在此期间 ，车辆检测器实时采集各个周期内的饱和度 、车辆到达率 、停车率 、排队长度等数据并加以存储 ， 为筹备过渡到自适应控制方式中所需的基础数据 。或通过连续的交通调查 ， 将调查数据录入到信号交叉口自适应交通控制系统中 ， 用以启动自适应交通控制系统 。

在信号周期的每一次执行过程中， 需实时检测各进口道的车辆到达数、车流密度、车辆速度、停车率、排队长度等数据， 这些数据的获取不完全是直接由车辆检测器检测得到的， 有的是通过检测器检测信号周期内到达的车辆数及信号周期时长 、饱和度等参数按照一定的数学模型间接求解而得。

可以采用长时段预测与短时段预测相结合的交通流预测方法， 这是因为：我国车流离散性较大， 车流呈现的无规律性强， 从预测的角度来说， 用时间段较长的统计序列进行预测时， 预测结果的精度较高；而用时间段较短的统计序列进行预测时， 其预测结果的精度较低。

根据预测得到的各项数据首先确定下一周期的交通状态 ， 因为不同的交通状态其相应的优化目标是不同的 。在进行绿灯时间分配时 ， 对交通需求大的相位给予更多的通行优先权 。

将优化的控制参数送入到执行机构 (信号灯 )执行， 在此期间检测器检测实际到达的各项交通参数， 一方面用来评价预测数据的可靠性及优化结果的有效性， 另一方面也是为下一周期的信号配时设计准备数据。

提出的通行优先权的绿信比优化模型， 以预防交通拥挤和尽快消散交通拥挤为最终优化目标， 更多地借鉴了交通拥挤情况下的交警执勤经验。本优化模型则是对交通需求大的方向 (相位 )寄予 “厚望 ”， 以此来提高信号交叉口的通行能力。在饱和交通 状态下， 本模型更接 近交通实际情况， 具有更强的可操作性 。