基于线性规划的城市交通流优化调度模型

对城市交通流的优化调度是保障交通网络畅通的关键。传统方法采用神经网络PID控制方法进行交通调度控制,当不同车道内的车辆增长模型出现非线性特征时,调度性能不好。提出一种基于线性规划的城市交通流优化调度模型,构建城市智能交通网络路网结构模型,采用Small-World模型模拟交通拥堵在复杂路网中的动态演进过程,进行交通流信息特征提取,信息特征提取之前,采用线性规划方案,对交通网络路网结构进行线性分割,考虑车流观测矢量时间尺度均衡特性,通过线性规划策略,得到交通流特征尺度向量空间和空闲时间片的长度,实现对车流密度信息特征的准确估计,实现交通流优化调度。仿真结果表明,该算法通过交通流优化调度,提高了路网的吞吐性能和通行能力,展示较好的应用价值。     

交通网络车流量的分布式协同优化方法研究

针对城市交通网络主干道车流量密度非连续特性,分析了交通网络车流量分段仿射模型.从最小化车流量延迟角度,给出了优化目标函数并进行凸分析.在此基础上,将城市交通网络系统描述为非完整性约束条件的非线性动态系统,利用反步法通过控制变量代换和状态转换将该系统转化为时变可控协同标准型的一般形式,并设计城市交通网络系统的分布式协同控制律.然后在城市主干道交通网络模型中,分别对协同分布式优化方法、定时控制、感应控制三种交通控制算法进行对比仿真分析,从仿真结果可以看出,本文所提出的协同分布式优化方法具有较好的性能,有效的降低了交通网络中车辆平均等待时间.     

城市快速路入口匝道与交叉口协调控制策略

为提高城市快速路的运行效率,避免快速路入口匝道处发生拥堵并影响地面交通,结合快速路交通状态的实时判别、匝道调节率及交叉口信号配时方案,提出了针对快速路典型交通状态下的精准协同控制模型。协调控制模型的四个子模型为,流量精准推送模型、交叉口关键相位迟闭、早断配时优化模型、匝道排队调节控制模型。案例仿真表明：协调控制信号迟闭策略下匝道通过流量、车均延误,交叉口平均排队长度、车均延误分别优化了2.3%、40.4%、21.8%、22.4%;协调控制信号早断策略下匝道车均延误、平均排队长度,交叉口平均排队长度、车均延误分别优化了22.6%、31.7%、9.7%、4.5%;协调控制较大程度上提升了研究区域运行效率。     

城市轨道交通系统运行仿真平台的设计与实现

为研究不同客流状况下轨道交通的运行效率和应急方案效率评估,以及突发事件下应急策略的仿真和定量分析,提出了一种城市轨道交通运行仿真平台。该系统从列车运动模型、自动列车控制(ATC)系统结构模型、轨旁设备对象功能模型和移动闭塞系统模型等4个方面对城市轨道交通运行仿真系统进行建模。在此基础上,以VC++作为开发平台,结合计算机网络以及数据库技术,设计并实现了完整的地铁运行仿真平台。在时刻表的驱动下,仿真平台可以实现列车的自动运行。该系统以轨道交通8号线数据进行验证,仿真结果与真实时刻表达一致。     

城市轨道交通系统运行仿真平台的设计与实现

为研究不同客流状况下轨道交通的运行效率和应急方案效率评估,以及突发事件下应急策略的仿真和定量分析,提出了一种城市轨道交通运行仿真平台。该系统从列车运动模型、自动列车控制(ATC)系统结构模型、轨旁设备对象功能模型和移动闭塞系统模型等4个方面对城市轨道交通运行仿真系统进行建模。在此基础上,以VC++作为开发平台,结合计算机网络以及数据库技术,设计并实现了完整的地铁运行仿真平台。在时刻表的驱动下,仿真平台可以实现列车的自动运行。该系统以轨道交通8号线数据进行验证,仿真结果与真实时刻表达一致。     

快速路网交通管理策略的环境效益仿真评价方法*

提出了用于评价城市快速路网交通管理策略环境效益的仿真方法。该方法采用宏观动态交通网络建模思想,将考虑车辆行驶速度的机动车排放模型及燃油消耗模型与宏观交通模型有效衔接,并用货币价值量化排放减少所带来的直接经济价值（包括大气污染治理费的节省和燃油消耗费用的节省）。以可变情报板路径诱导策略为例,对一个算例路网进行仿真。仿真结果表明,路径诱导策略尽管导致NOX增排了0.799 t,但减排了0858 t的CO和0087 t的HC,同时节省燃油消耗185 335166 L,产生直接经济价值逾129万元。研究表明     

监督交通量变化的多模型预测自适应交通信号灯控制

因信号设定时间和车流量动态行为引起的交通量变化是现代交通控制系统存在高度不确定性的主要因素.根据交通流量具有高峰期、正常期及突发超流量期的特点,本文提出了一种监督多模型交通流量建模方法,结合模型预测控制技术对交通信号灯进行优化式智能控制,对不同交通模式下交通流量的实时变化作出反应,在优化的模式下对关键主干道交叉路口的信号灯进行自适应调节,达到实现通行次数合理,车辆延误时间以及停车时间都减少的目的.仿真示例说明了该方法的有效性.     

用于交通信号灯控制的特征表示近似Q学习

强化学习通过与环境的交互来学习行为策略。强化学习方法是在线的增量学习,易于实现。文中提出了基于函数近似的强化学习算法,并将其用于自适应交通信号灯控制。基于表格的强化学习需要完全的状态表征,随着车道数和路口数的增加,计算复杂度呈指数增长,即使中小规模的交通网络也很难实现,从而不能应用于实际的交通信号灯控制。因此文中使用基于特征的状态表征来有效地解决维数灾难问题;通过简便的方法获取车流的拥塞等级以及红灯的时长,使用函数近似定义Q值,进而实现高效的自适应控制。在GLD上的仿真实验结果验证了该自适应控制方法的有效性和可行性。     

基于记忆的人工鱼认知模型

为丰富虚拟海洋环境中人工鱼的认知能力，以自然鱼的生物原理和记忆机制为理论依据，提出了一种基于记忆的人工鱼认知模型。信息在瞬时记忆、短时记忆和长时记忆3个阶段传输和存储，人工鱼通过聚焦器提取所关注的感知信息，通过决策器和短时记忆进行行为选择，将经验知识存储在长时记忆中，被短时记忆调用以优化当前决策。动画结果表明，采用此模型后人工鱼能产生记忆指导下的行为，表现出更真实更智能的生命特征。     

基于时空关系模型的交通信号灯的实时检测与识别

交通信号灯的检测与识别是无人驾驶汽车和高级驾驶辅助系统(ADAS)的重要组成部分。针对城市道路复杂环境下的交通信号灯的检测和识别需求,依据多帧视频图像序列的时空连续变化关系构建多帧视频图像的时空关系模型(Time-Space Model,TSM),提出了一种新的基于多帧视频图像序列的交通信号灯的检测和识别算法。算法包含3部分:基于颜色的视频图像快速分割压缩算法,用于提高计算效率;引入多帧视频图像序列的时空关系模型,以提高交通信号灯检测的准确性 ;根据图像的HOG(Histogram of Oriented Gradient)特征,通过SVM(Support Vector Machine)分类器对信号灯进行识别。实验结果表明,算法的鲁棒性强、检测识别速度快、准确率高。     

基于迭代学习与模型预测控制的交通信号混合控制方法

针对基于迭代学习控制的交通信号控制方法对于路网中存在的非重复性实时干扰不能进行有效处理的问题,本文在基于迭代学习控制的交通信号控制方法基础上,结合模型预测控制滚动优化和实时校正的特点,提出了一种基于迭代学习与模型预测控制的交通信号混合控制方法.该方法在有效利用交通流周期性特征改善路网交通状况的同时,可借助模型预测控制的优点对非重复性的实时干扰进行处理,从而进一步提高交通信号的控制效率.通过仿真实验对该方法的有效性进行了验证.实验结果表明,基于迭代学习与模型预测控制的交通信号混合控制方法能够更有效地均衡路网内的车辆密度,进一步提高了路网的通行效率.最后,本文还对该方法的收敛性进行了分析.     

基于TCPN的交叉口信号控制模型与优化

针对城市路网中交叉口车辆通行效率低下,交通信号控制策略难于满足输入路段上车流变化的问题,本文提出了一种基于时延赋色Petri网的交叉口交通流优化控制模型。首先建立路段车流、交叉口车流和交通信号控制的TCPN模型,其次建立以交叉口输入路段车辆数最小为目标的车流优化方程。在假设信号周期固定的前提下,利用15个周期采集的交叉口输入、输出路段车辆数,求解满足优化目标的相位配时,确保交叉口输出车辆数最大,且输入路段上待通过车辆平均数最小。仿真结果表明,交叉口的通行能力显著提高,各输出路段上的车辆平均数分别增加了13.3%,9.7%,9.8%和4.3%。     

城市交通信号的迭代学习控制及其对路网宏观基本图的影响

针对在城市交通信号控制中存在对交通流难以精确建模的问题,首先利用交通流的重复性特点,提出了一种基于迭代学习的城市交通信号控制方法,并证明了在不确定初态下迭代学习控制算法的收敛性.其次,结合路网宏观基本图的特性分析了基于迭代学习的交通信号控制策略对路网交通态势的影响.结果表明,当迭代的初始状态在期望初态值的小范围内波动时,系统的跟踪误差仍能收敛到一个界内;通过对交通信号的迭代学习控制,路段的实际占有率能够逐步逼近期望占有率,从而使路网内的车辆密度分布更加均匀,确保交通流在更优的宏观基本图下运行,防止因车辆密度分布不均引起的通行效率下降及交通拥堵的发生.最后,通过仿真实验对所提方法的有效性进行了验证.     

语义物联网：物联网内在矛盾之对策*

为应对物联网自身固有的物的信息的表示形式的多样化和物的信息的使用主体的理解能力不足的内在矛盾,提出了将其改进为语义物联网的思路,具体措施为：a）物的信息的表示,要基于本体进行语义标注;b）物的信息的使用,要基于本体实现机器理解。借助于语义分析和科学定义方法,建立了语义物联网的集合表示模型和图示模型。该模型的意义在于指明了语义物联网的实现需要有效推进四项主要任务,即本体的构建、RFID系统的建设、物的信息的预处理（即编码为UID或EPC,添加语义标注,嵌入RFID电子标签）和物的信息上载管理与下载管理。     

面向大型社会活动的快速路网控制策略仿真评价方法*

为了缓解大型社会活动期间短时需求激增对快速路运营的压力,提出了基于宏观交通仿真的快速路网控制策略评价方法,旨在为交通控制与管理提供辅助决策依据。该方法运用网络交通流仿真模型对候选控制方案进行仿真和评价,得到较优方案。采用GANFreSP仿真程序对一实例路网的交通流演化进行仿真,刻画拥挤发生、传播和消散的过程,并模拟基于分流诱导的拥堵应对策略,给出交通状态时变轨迹图、路网全局交通状态快照图等可视化结果,以及不控制和分流诱导情况下的路网总体性能指标。仿真案例表明,网络交通流演化是复杂动态过程,局部节点拥挤易演     

城市高速公路交通的神经网络建模与控制

从城市高速公路交通流的宏观、动态特性出发 ,分析了交通流控制中常用的宏观、动态、确定性模型 在此基础上 ,利用人工神经网络技术建立了城市高速公路的神经网络模型 ,并提出了入口匝道放行和路段速度相结合的多变量神经网络控制策略 利用该控制策略建立的自适应神经网络控制器 ,可以使高速公路上的交通密度维持在理想的密度值附近 .进一步分析可以得到 ,该控制器是一个状态和控制作用均可跟踪的伺服系统 .以杭州某高架高速公路为背景的仿真结果表明 :该控制器具有较强的鲁帮性 ,控制效果令人满意 .     

基于删边扩容策略的城市交通网络优化

建立一个面向控制的城市交通网络模型,以结构矩阵的形式进行数学表示,引入序参量的概念来表征城市交通的拥堵状况,并提出了基于介数的具体删边扩容策略. 将此策略应用到已建立的交通网络模型中进行仿真验证,证明了该策略在不影响行驶路径长度的前提下可以显著改善城市交通状况,并得出了删边比例与介数最大值成反比例的对应关系的结论.     

城市交通网络宏观控制模型及仿真实现

为研究适合城市交通网络控制系统应用的交通流预测模型,在改进Van Den Berg, M的路段交通流模型的基础上,建立了以路口交通流为基本建模单元,以动态非线性离散方程反映交通流变化的城市交通网络宏观模型.为验证该模型能有效地预测城市路网的交通流信息,在VC++net环境下,开发了城市交通宏观控制模型仿真系统UTFS,设计了网络拓扑结构模块,以适应不同规模、不同复杂程度的实际交通网络的仿真要求.最后选取典型网络进行应用研究.仿真结果表明:该模型满足交通控制对控制模型的实时性和精度要求,该仿真系统可以作为城市交通网络宏观控制模型验证的有效工具,也可以作为城市交通控制系统控制和优化研究的辅助工具.     

基于Stackelberg博弈的动态用户最优配流和信号控制

研究了动态用户最优配流与信号控制的组合问题.首先基于交通分配将交通流分配到合适的路网上由信号控制来适应这些交通流的思想,并由此建立了交通分配和信号控制的Stackelberg博弈模型,模型的上层是动态用户最优,下层是信号控制优化.然后,通过对模型离散化应用模拟退火算法进行求解.最后,对一个简单的交通网络进行仿真,仿真结果表明所提方法的有效性.     

Distributed Model Predictive Control Method for Optimal Coordination of Signal Splits in Urban Traffic Networks

Coordination and control approaches based on model predictive control (MPC) have been widely investigated for traffic signal control in urban traffic networks. However, due to the complex non‐linear characters of traffic flows and the large scale of traffic networks, a basic challenge faced by these approaches is the high online computational complexity. In this paper, to reduce the computational complexity and improve the applicability of traffic signal control approaches based on MPC in practice, we propose a distributed MPC approach (DCA‐MPC) to coordinate and optimize the signal splits. Instead of describing the dynamics of traffic flow within each link of the traffic network with a simplified linear model, we present an improved nonlinear traffic model. Based on the nonlinear model, an MPC optimization framework for the signal splits control is developed, whereby the interactions between subsystems are accurately modeled by employing two interconnecting constraints. In addition, by designing a novel dual decomposition strategy, a distributed coordination algorithm is proposed. Finally, with a benchmark traffic network, experimental results are given to illustrate the effectiveness of the proposed method.