交叉口信号配时怎么选?用「妥协排序」给5种方案打个分
绿灯亮了，但前面排了十几辆车，你还是得等上一个红灯；或者行人绿灯时间太短，大爷大妈一路小跑才能过完马路。一个交叉口，不可能同时让所有车不停车、所有队伍不排队、所有行人不等待。这三个目标天然互相拉扯，交通工程师要做的，就是在这个"不可能三角"里找到一个最优妥协点。今天这篇文章，不讲公式，不贴代码，只讲一个完整的评估流程——如何用科学方法给5种常见配时方案排个名。
一、先搞清楚：我们在评什么？
城市交叉口是路网的咽喉。很多路口还在用十几年前设定的固定配时，早高峰车流和晚高峰车流完全不一样，但红绿灯时间一模一样——结果就是要么绿灯空放，要么红灯排长龙。方案 | 一句话说明 |
|---|
传统定时 | 固定周期，按 Webster 公式算出来的"经典方案" |
感应控制 | 有车就放，主路优先 |
自适应控制 | 预测车流，动态调整绿灯时长 |
多目标优化 | 用算法同时优化停车和排队 |
人车绿时分离 | 给行人单独开一个相位，早启几秒 |
这三个指标，直接对应了交叉口的两个核心矛盾：通行效率和行人安全体验。
二、数据从哪来？怎么处理？
数据来自 VISSIM 微观交通仿真。在早高峰（7:30-8:30）场景下，每种方案跑了15次随机种子取平均值，确保结果稳定可信。方案 | 停车次数 （次/辆） | 排队长度（辆） | 行人等待（秒） |
|---|
传统定时 | 1.85 | 28 | 95 |
感应控制 | 1.42 | 22 | 78 |
自适应 | 1.15 | 16 | 62 |
多目标优化 | 0.98 | 12 | 55 |
人车分离 | 1.05 | 14 | 25 |
因为三个指标单位不同（次、辆、秒），没法直接加总比较，所以第一步是标准化——把不同单位的数据统一压缩到0到1之间。三个指标都是"越小越好"，所以数值越小的方案标准化后得分越高。处理完之后，为了避免后续计算出现零值问题，还做了一个微小平移（加0.001），这是工程上的常规操作。
三、用什么方法评？为什么选 VIKOR？
群体效用：你这个方案在所有指标上的综合表现怎么样？（整体打多少分？）个体遗憾：你这个方案有没有哪个单项特别拉胯？（最差的那项有多差？）然后，通过调节一个叫v的参数，来平衡"整体表现"和"最差指标兜底"之间的权重。这恰好就是交通工程师的真实决策逻辑——主干道交叉口更在乎车流通行（v 大），学校医院门口更在乎行人安全（v 小）。指标的权重呢？用的是CRITIC 客观赋权法，不看人拍脑袋，而是看数据本身的离散程度和指标之间的冲突性——哪个指标在不同方案间差异最大、最能区分配时方案的优劣，就给它更高的权重。
四、结果出来了：谁是第一？
按照标准参数（v=0.5，效率和公平各占一半），5种方案的 VIKOR 综合指数排名如下：排名 | 方案 | 综合表现 | 一句话评价 |
|---|
🥇 | 多目标优化控制 | 最优 | 停车最少、排队最短，综合王者 |
🥈 | 人车绿时分离 | 极接近 | 行人等待仅25秒，单项最优 |
🥉 | 自适应控制 | 中等 | 动态响应好，但无明显短板或长板 |
4 | 感应控制 | 较差 | 主路优先，行人等待偏长 |
5 | 传统定时 | 最差 | 所有指标全面落后 |
关键发现：第一名和第二名之间的差距非常小（综合指数差0.04），按照 VIKOR 的可靠性检验标准，这两个方案都属于"可接受方案"。
五、怎么用这个结果？
选多目标优化控制（S₄）。它的群体效用最高，停车次数仅0.98次/辆，排队长度仅12辆，比传统定时方案分别降低了47%和57%。如果你更在乎车流通行效率，把 v 参数调大到0.7，S₄ 的优势会更明显。选人车绿时分离控制（S₅）。它的个体遗憾为零——没有任何一项指标表现差，尤其是行人等待时间仅25秒，比传统定时的95秒缩短了74%。把 v 参数调小到0.3，S₅ 会反超成为第一。赶紧升级。传统定时在所有方案中全面垫底，VIKOR 指数高达1.0（满分就是最差），建议至少升级为感应控制，有条件上自适应。
六、这个方法能复制吗？
第二步：跑数据 → 仿真或实测，拿到各方案的表现值第三步：选模型 → VIKOR + CRITIC，兼顾整体与单项第四步：看结果 → 排序 + 可靠性检验 + 参数敏感性分析不管你评估的是交叉口信号配时，还是其他任何"多目标互相拉扯"的工程决策问题，这个框架都能直接用。
一句话总结：交叉口配时方案没有银弹，但 VIKOR 妥协排序法能帮你在效率和安全之间找到那个"刚刚好"的平衡点。
