基于数字荷尔蒙模型的信号灯配时优化的研究

文中针对智能交通系统中信号灯配时问题,在已有模糊控制理论的基础上,结合了数字荷尔蒙模型(DHM),并提出了一种新的信号灯控制机制--基于DHM的模糊控制算法(FDHM).模糊理论利用模糊规则来表示具有不确定性的数据;数字荷尔蒙模型通过它的吸引因子和抑制因子的变化和传播来获得系统全局最优的方案.文中的系统实现了运用FDHM控制信号灯的优化配时.     

基于层次颜色Petri网的全感应控制交通信号灯建模与仿真

针对平面交叉口单点全感应控制信号灯系统实时调度问题,提出一种基于层次颜色Petri网的交叉路口的信号灯动态配时控制模型。首先,运用模糊控制理论对车流量信息进行分类定义。其次,以采集到的车流量信息为控制参数,基于层次颜色Petri网理论建立基本的信号灯轮廓模型,再依据模型中实现的关键功能进行分层细化与逐步求精。此外,将计数器代替时延加入系统模型中,使模型能够直观简洁地反映出红绿灯的循环时间与车流量之间的切换关系。根据所得模型对该交叉口信号灯配时方案的性能指标进行评估与比较。最后,运用CPN Tools对系统模型进行计算仿真,并进行简单的优化性能分析。     

时变论域下红绿灯配时的模糊控制

针对交叉口日益拥堵,交通信号灯配时设置的不合理问题,提出一种基于时变论域的模糊控制方法,给出了交通信号灯的实时配时方案。该配时方法通过动态地调整信号周期和绿灯时长,以匹配多变的交通流状况,实现了实时控制。以长沙市某十字路口为例验证了该方案的有效性,结果表明：与定时信号配时方法相比,该配时方法更有效的缓解了交叉口交通拥堵状况,增强了路口通行能力,减少了车辆延误时间。     

基于环形线圈检测器的复杂交叉路口多相位模糊控制

利用环形线圈检测器获得复杂交叉路口的实时交通数据,设计了一个三路交叉复杂路口交通信号灯的多相位模糊控制。通过多相位设计对交叉口的复杂交通流进行了规划组织,模糊控制策略可以对绿灯配时进行适当的调整以适应交通状况的实时变化。仿真结果表明,多相位模糊控制效果在减少车辆延误时间指标上优于传统的定时控制。     

基于模糊控制的智能交通系统

针对平面交叉口的智能交通信号控制,提出了多相位路口实时的模糊控制方案。根据各相位的车辆排队长度实际交通量,设计信号灯配时方案,减少车辆在路口的排队长度。对上述控制方案进行仿真实验,仿真实验结果表明,该控制方案能很好的改善实际交通状况,控制效果优于定时控制的方法,从而有效的提高平面交通路口的通行能力。     

城市交通信号灯智能优化模拟系统

本文运用组件式GIS开发技术,实现对单交叉口交通状态的模拟;并运用模糊控制的原理,根据各相位的车辆数,计算交叉口各相位的信号配时方案,实现对交通信号灯系统的智能优化控制。     

基于CA的交叉口模型的仿真研究

结合我国混合交通流的实际情况,建立了二维细胞自动机交叉口交通流模型,并用VC开发了相应的仿真系统.仿真系统可以对平面十字交叉路口的多种交通流相进行了模拟分析,还能够根据交通密度变化,通过实时改变信号灯控制方案改善交通流运行状况,从而找出一种最优的交叉口信号控制方案.     

时变论域下红绿灯配时的语言动力学分析

城市道路不同时刻的车流量变化很大,建立与车流量变化相适应的红绿灯动态配时模型有利于缓解交通拥堵,减少出行者的等待时间.本文通过综合时变论域、平行控制理论、语言动力系统（Linguistic dynamic system,LDS）,提出了一种新的红绿灯控制方法.该方法以红绿灯不同时刻周期时长所形成的序列为时变论域,由各相位的排队长度确定对应的通行序列与时长,得到时变论域下红绿灯配时方案.该方案形成一个由实时车流数据驱动的动态模糊规则库来对红绿灯配时周期及相位通行序列与时长进行动态调整,进而形成红绿灯配时演化过程的语言动力学轨迹,最后通过实例验证该方案的有效性.     

具有任意时间特性的遗传算法及其在BML交通流模型中的应用

给出了一种具有任意时间算法（Anytime Algorithm)特性的遗传算法（Genetic Algorithm,GA)，并用该算法对BML（Biham-Middleton-D.Levine)交通流模型进行了实时模拟控制，仿真结果表明，该算法的性能明显优于交叉格点和随机格点信号灯控制的性能。     

智能交通信号灯配时及优化设计

随着城市车辆数目的急剧增长,车辆与路面的矛盾越来越突出,增加道路面积只是治标不治本.实践证明,合理地对城市交通信号灯进行控制,将高峰期和平峰期分开对待,设置合理的配时,对于改善交通流的质量,更好地利用现有运输能力,实现交通流的安全性、快速性和舒适性都能起到很大作用.文中根据城市道路的交通流量及饱和流量结合所提出的双周期算法对单交叉口设计出一种较优的配时方案(所有算法已编成应用软件),并在德国PTV公司的Vissim交通模拟仿真软件上测试,获得了不错的效果.     

基于雾计算和强化学习的交通灯智能协同控制研究

针对路口交通拥堵现象,结合雾计算和强化学习理论,提出了一种FRTL（fog reinforcement traffic light）交通灯控制模型,该模型根据实时的交通流信息进行交通灯智能协同控制。雾节点将收集到的实时交通流信息上传到雾服务器,雾服务器在雾平台实现信息共享,雾平台结合处理后的共享数据和Q学习制定交通灯控制算法。算法利用检测到的实时交通数据计算出合适的交通灯配时方案,最终应用到交通灯上。仿真结果表明,与传统的分时段控制方式和主干道控制方式（ATL）相比,FRTL控制方法提高了路口的吞吐量,减少了车辆平均等待时间,达到了合理调控红绿灯时间、缓解交通拥堵的目标。     

基于无线传感器网络的自适应交通灯控制系统

分析了现有信号灯控制系统的优缺点,提出了一种基于无线传感器网络的交通灯控制系统设计方案,利用敷设在路面上的携带超声波收发模块的传感器节点探测各方向车道上车流量,并根据车流量实时改变相应车道车辆放行时间,以提高道路利用率,减少拥堵现象。本系统可准确地获得车流量统计信息。对信号灯调度过程进行了建模分析,提出了自适应的调度算法,仿真实验结果表明,该算法能降低车辆平均等待时间,提高通行效率。     

基于RFID技术的城市交通信号优化控制

本文分析造成目前城市交通拥挤的原因和交通信号的控制方法,结合RFID的特性,提出基于RFID技术和自适应调节算法的城市交通信号优化控制方法,实现根据相邻交叉路口的车流量实时调整信号灯的时间,以缓解城市的交通阻塞。实验模拟结果证明该方法是有效的。     

基于激光传感数据的拥堵路口交通信号灯控制

针对城市车流高峰时段的道路拥堵问题,提出基于激光传感数据的交通信号灯智能控制方法研究。在道路两侧均匀布置激光传感器节点,采集实时的激光传感数据和车流量信息,并构建一种两层级的交通信号灯控制模型,以提取的交通路口实时传感数据作为输入项进行模糊推理,并求解出交通信号控制模糊子集,最后推导出当前车流长度、车辆在路口的平均滞留时长及车辆的延误时长等变量,达到缓解交通拥堵,提高通行效率的目的。仿真实验数据表明,提出的拥堵交通信号灯智能控制方法具有良好的控制效果,可以明显减少车辆延误时长,提高道路通行的效率和安全性。     

基于车流量的交通信号灯实时控制的研究

道路交通信号灯控制与道路交通标志线的设置共同组成了对道路交通控制和管理的一个完整部分。交通信号灯控制在整个道路交通工程中起到了重要的作用,它主要应用于交通量较大、交通流冲突较多和复杂的交叉路口,以及某些道路路段上需要对交通流方向控制的地方。针对现有的交通信号灯控制中的一些缺陷,本文提出一种利用交通路口中车辆数量为引导因素,利用VC++编写信号灯实时控制程序,以达到对交通信号灯的实时控制。     

基于TAN分类器的交通灯时间智能动态估计

针对目前交通灯智能化程度低,容易造成交通拥堵的问题,提出一种基于TAN分类器的交通灯时间智能动态估计方法。首先,分析影响交通灯时间的主要因素,并对采集到的数据用模糊分类函数进行离散化处理;其次,依据K2算法学习TAN分类器结构;接着,使用最大似然估计法学习TAN分类器的参数;最后,通过基于时间窗的前向后向算法在线估计出最佳交通灯时间。仿真实验结果表明：本文提出的方法能够根据实时交通路况信息动态估计出最佳交通灯时间,当路口畅通时,交通灯时间短;反之,交通灯时间长。对有效缓解交通拥堵,减少环境污染有着重要的现实意义。     

交通灯运行时间自适应算法及其控制系统

城市交通拥堵具有严重的危害性, 直接导致时间延误、能源浪费和废弃物排放增加, 降低居民生活水平. 现阶段, 基于平面交叉路口交通灯切换时间相对固定, 恶劣天气或发生交通事故时路口经常发生交通堵塞的实际情况, 本文提出了一种平面交叉口交通拥堵多方向交通灯运行时间自适应算法, 采取视频图像处理算法判断道路交通拥堵情况, 根据路况设置交通灯的工作时间, 并设计了相应的控制系统. 仿真结果表明, 在高峰期时段, 此自适应算法的车辆通行效率高于传统的交通灯运行时间控制方法.     

基于PLC的交通灯实时控制研究

提出了一种基于PLC的十字路口交通灯实时控制系统实现方案。该系统可根据十字路口各车道上的车流量大小自动调节红绿灯的时间长度;采用了一种易于实现的车流量检测方法,使得在调节红绿灯时间长度时无需进行复杂计算,从而简化了PLC的程序设计,设计的控制系统具有可靠性高、实时性好的特点。     

On a Hopfield Net Arising in the Modelling and Control of Over-Saturated Signalized Intersections

We present a neural method – based on the Hopfield net – for the modelling and control of over-saturated signalized intersections. The problem is to look, in real-time, for lights signal setting which minimize a given traffic criterion such as waiting time. The use of the Hopfield model is straightforward justified by its optimization capabilities, especially its fast time computing (by its own dynamic), which is of a great interest in real-time problems like the traffic control one. The original Hopfield algorithm is modified to take into account proper constraints of the traffic problem. This approach is illustrated by numerical examples of traffic conditions generated by a simulator. We extend the method to urban nets of several interconnected intersections.