关联交叉口子区的信号优化控制方法

在交叉口群的信号优化控制过程中,针对遗传算法早熟收敛且对相邻交叉口关联性考虑较少的问题,提出一种关联交叉口子区的信号优化控制方法。利用软集合理论将关联性强的交叉口划分在同一个子区;采用基于共享函数的小生境技术调整群体中个体的适应度并自适应地调整算法的交叉概率[Pc]和变异概率[Pm]对遗传算法进行改进;使用改进的遗传算法对关联交叉口子区的平均延误时间[D]进行优化。路网实测数据的仿真实验表明本文方法对交叉口群进行了合理的子区划分,且改进的遗传算法在子区信号优化控制中迭代次数减少,使得交叉口的平均延误时间更短。     

交通控制信号优化模型的仿真研究

研究交叉路口车流量数据采集和统计分析,针对交通系统缺乏精确数学模型的问题,为了提高控制效果,提出了多相位交通信号绿灯配时的模糊控制方法和进化算法的递阶模糊控制器的优化控制.构建了相应的模糊控制规则和控制器,使用进化算法对模糊控制器所作出的决策进行动态调整.控制过程对采用以车辆平均延误为目标函数,在模糊控制器做出判决的基础上,对控制规则的调整量进行了全局寻优,加快了收敛速度.通过对一个四相位交叉口进行仿真,结果表明控制效果有明显的改善.     

基于改进双种群遗传算法的模糊控制器的优化

遗传算法是一种自适应、启发式、群体型、概率性、迭代式全局收敛算法,利用遗传算法的良好的搜索特性来优化模糊控制器,可以取得很好的控制效果.本文对传统的双种群遗传算法进行了归纳和分析,在此基础上提出了一种改进的双种群遗传算法(CGDPGA).将此改进算法用于优化模糊控制器的隶属度函数、量化因子和比例因子来实现模糊控制器的全...     

一种改进的模糊自适应遗传算法

模糊自适应遗传算法是将模糊控制器应用于遗传算法性能和参数控制的一种新型进化算法。提出了一种2输入和2输出的改进模糊自适应遗传算法。一方面,算法采用混沌初始化,提高了初始群体的质量;另一方面,算法将群体适应度方差作为模糊控制器的一个输入参量,来度量群体在空间分布的离散程度。将群体适应度均值商作为模糊控制器的另一个输入参量,来度量群体中个体的多样性。从而自适应地控制算法在进化过程中的交叉概率和变异概率。测试函数仿真结果表明,该算法很好地平衡了“开发”与“探测”,取得了较为满意的优化结果。     

改进的模糊遗传算法及在信息过滤中的应用

为了改进传统遗传算法在求解复杂问题上存在早收敛及搜索后期运行效率低等缺点,提出了一种应用于文本分类和信息过滤的模糊遗传算法.首先应用了年龄概念来控制种群规模,使得遗传操作过程更接近于自然进化过程,然后引进参数的模糊调整过程,对遗传算法的参数种群规模,交叉率及变异率3个方面进行动态调整,改进了遗传算法的搜索性能.实验结果表明,相比传统遗传算法,该模糊遗传算法在全局优化能力及收敛速度上均有显著提高.     

基于改进差分进化算法的PID优化设计

提出一种基于改进差分进化算法的PID控制器参数优化方法.针对差分进化算法的优化性能受控制参数取值和差分进化类型的影响较大,算法容易早熟收敛的问题,提出改进差分进化算法.该算法在标准差分进化理论基础上对差分矢量的初始种群、缩放因子、交叉概率和差分进化模式进行优化,将缩放因子和交叉概率由固定数值设计为随机函数,随着搜索过程的进行,自适应选取差分进化模式,从而增强搜索能力.在PID参数的优化设计中通过仿真实验研究,表明采用新方法获得的PID控制器性能优于基于常规方法、遗传算法和基本差分进化算法设计的PID控制器.     

基于改进遗传算法的模糊控制器设计

针对模糊控制器的隶属度函数和模糊控制规则的选取及优化缺乏自学习能力与知识采集的手段,以及遗传算法具有自适应、启发式、概率性、迭代式全局收敛的特点,该文章将遗传算法与模糊控制相结合,给出了一种基于改进遗传算法的模糊控制器设计策略.改进算法引入了分裂算子来避免遗传算法在寻优过程中陷入局部最优解,同时对编码方式、选择算子、交叉算子以及变异算子做了相应的调整与改进.并将此改进算法用于优化模糊控制器的隶属度函数与模糊控制规则.仿真结果表明用该改进算法优化后的模糊控制器较用普通遗传算法优化后的模糊控制器具有更好的控制性能.     

基于改进自适应遗传算法的物流配送路径优化研究

针对物流运输中带软时间窗车辆路径优化问题,提出一种改进的自适应遗传算法。为消除遗传算法初始种群随机性强,个体分散的缺陷,采用精英保留选择方法,加快算法的收敛速度,同时提出了交叉概率和变异概率自适应调整的交叉和变异方法,进化过程中交叉概率和变异概率根据适应度、进化代数和进化过程中个体未改变数目个数来自适应变化,提高算法的局部搜索能力,有效避免了算法出现未成熟收敛的情况。将新的自适应遗传算法(New Improved Adaptive Genetic Algorithm,简称NIAGA)应用于该路径优化问题的求解,实验结果表明改进后的自适应遗传算法在求解物流配送路径优化问题上有明显优势。     

用GA优化模糊控制器及其应用

用遗传算法优化模糊控制器的隶属度函数,得到优化的模糊控制器。在遗传算法设计方面,采用十进制基因编码,减少了译码的麻烦,避免了常规情况下以二进制形式编码的染色体物理意义不明显和在交叉、变异操作中容易破坏本身特性的缺点。给出了一种比较实用的交叉、变异和选择的方法,不仅使得种群进化的操作计算变得简单,而且既保留了染色体中好的特性又优化了不良的染色体。全部程序由Matlab编程实现。针对某货船,将优化后的模糊控制器在Matlab的Simulink中进行了多种情况下的仿真研究。此外,对于种群规模、进化代数对模糊控制器性能的影响也做了对比的仿真研究。由仿真结果可知,遗传算法能够有效地提高模糊控制器的性能。     

单路口交通多相位模糊控制器的设计与仿真

用模糊控制方法对单路口多相位的交通信号进行控制,提出以当前相的主队列和后继相的主队列决定信号配时的方法,并用Matlab及其模糊逻辑工具箱实现二维模糊控制器。以通过交叉口的平均车辆延误作为评价指标,衡量该控制器的控制性能,采用Matlab编程设计实现了交叉口六相位的仿真系统,仿真结果表明控制效果比较好。     

交通强度优先的交叉口模糊控制研究

为了降低交叉口车辆延误,提高通行能力,研究了一个四相位交叉口交通信号的模糊控制方法。用交通强度刻画各相位交通流通行需求的紧急程度,根据各相位的交通强度由模糊推理得到当前相位的绿灯延长时间,并选取后续绿灯相位。以交叉口车辆平均延误作为交叉口信号控制的性能评价指标,在相同交通条件下对几种控制方式进行了仿真试验。结果表明,该文的控制方法相对于感应控制方法和直接采用车辆排队长度作为输入的模糊控制方法,更能有效减小交叉口的车辆平均延误。     

应用进化策略的城域交叉路口分级模糊控制

提出一种面向城域单交叉路口的自适应分级模糊控制系统，采用进化策略对分级模糊控制器的模糊隶属度函数进行离线优化调整．该控制系统不仅具有分级模糊控制的优点，同时能使模糊隶属度函数根据不同的交通情况自适应地变化，从而改善控制效果．对一个具有直行和左转车流运动的四向交叉路口进行的仿真表明了该方法能比定时控制和隶属度函数固定的分级模糊控制取得更好的控制效果．     

基于PLC的交叉口交通灯的模糊控制

本文提出一种将模糊控制方法对单路口交通灯的实时控制系统。该系统以PLC为智能交通控制器的核心,系统编程简单、灵活,具有较高的可靠性。应用实践表明,本系统设计的模糊控制器能有效地减少单交叉口平均车辆延误,从而为实现交通系统智能控制提供了一条新途径。     

城市路网和快速公路交通流的分散协调控制

利用模糊理论对城市路网和快速公路交通进行实时分散协调控制。把路网和快速公路作为一个大系统,子系统为路网中的各个交叉口,每个子系统有一个控制器,该控制器根据它自己和相邻子系统的交通流信息来动态管理绿灯相位及绿灯时间。控制器有三个模块组成：相序选择模块,绿灯判断模块和相位切换模块。控制器的控制目标是保持快速公路主线密度均衡和路网内各车辆平均延误时间最短。仿真研究表明该方法控制效果较好。     

城市路网交通分散协调控制

针对城市路网交通系统规模大和非线性、不确定性强等特点，利用模糊神经网络设计了一种新的实时分散协调控制算法．把城市区域和市内快速公路作为一个路网大系统，子系统为路网中的各个交叉口；每个子系统都有一个模糊神经网络控制器，该控制器根据它自己和相邻子系统的交通流信息来动态管理相序及绿灯时间．控制器由3个模块组成：相序选择模块、绿灯判断模块和相位切换模块．控制器的控制目标是保持快速公路主线密度均衡和区域内各车辆平均延误时间最短．仿真研究表明，该算法能有效处理各种路网交通环境．     

城市交通过饱和状态下干线信号的多目标仿真优化研究

针对城市交通过饱和状态下的干线信号优化问题,分析了交通控制目标对车辆排队的影响,提出以绿信比、相序、相位差和周期为优化参数,以车辆平均时延、系统平均排队-车道长度比和系统通行能力为优化目标的交通信号仿真优化模型。构建了优化模型的实施框架,该框架采用自主构建的微观交通仿真环境来获取信号方案评价指标,改进多目标优化算法NSGAII中的重复个体问题,完成对干线各交叉口信号配时方案的同时优化。最后,利用采集的交通数据对由3个交叉口组成的干线进行实例验证,验证结果表明,在过饱和状态下,所提出的信号优化方法不仅可以有效控制车辆排队长度,均衡车辆分布,同时在系统通行能力、车均时延方面表现更佳。     

基于车辆检测技术的智能交通控制器设计

针对复杂多变的交叉路口交通流信号灯控制问题设计了一种基于感应式车辆检测技术的多相位智能交通控制器．该控制器支持6种控制算法，可实现8种工作模式，能满足大部分复杂类型交叉路口的控制需求．同时，控制器具有绿冲突和故障检测功能，以及在故障情况下的降级处理机制，从而在最大程度上保证交通的安全和畅通．提出了一种基于车辆等待长度的单路口多相位交通信号灯自适应控制策略，该算法在保证交通畅通的情况下，使车辆延误时间尽可能的短．该控制器目前已在杭州等地进行了实际应用，结果令人满意．     

交叉路口交通灯实时模糊控制系统设计与实现

提出了一种基于模糊控制的交叉路口交通灯控制系统.该模糊控制系统以单交叉路车长、车长之差为输入,以绿灯延时为输出.并简单介绍了基于单片机的智能交通控制系统的实现.验证计算结果表明,所提出的模糊控制算法能有效地减少交叉口平均车辆延误,为智能交通系统实现提供了一条新途径.     

基于模糊神经网络的交通干线分层递阶控制

针对城市交通干线协调控制的要求，提出了利用模糊神经网络分层递阶控制的方法。采用两层结构，第一层为控制层。针对单个路口，对下一时间段内路口各个方向的车流量进行预测。并在此基础上计算出下一时间段内各个路口的周期、相序、各个方向上的绿信比；第二层是协调层，综合主干方向的车流状况及各个路口的情况，采用模糊神经网络对各个路口的周期、相位及主干方向的绿信比进行调整。仿真结果表明，该方法优于定时控制，达到了减少车辆的停车次数和延误时间的目的。     

无信号交叉口网联车调度与分布式控制策略

针对多车道无信号交叉口,在高交通流量时易发生拥堵的问题,提出了一种适用于交叉口智能网联车（connected automated vehicle,CAV）通行的解决方案,将问题解耦成顺序决策和分布式控制两个问题。而车辆调度是方案中的关键点,对通行效率有很大的影响,且问题的复杂度是指数级。为解决该问题,提出一种基于队列评价模型的决策方法（queue evaluation spanning tree,QEST）,将网联车存到的多个队列模型中,并以通行效率和车辆延迟建立代价函数,以此对队列进行评价,通过不断循环选择最佳的队列,优化车辆在交叉口的通行顺序,有效提升了通行效率。对第二个问题,提出一种分布式控制框架,使得车辆按预定顺序通过交叉口。结果表明,该方案在中高交通流量时能有效提升交叉口的通行效率并降低车辆延迟和能量消耗。