城市交通计算机区域自适应控制系统

城市交通信号控制系统是现代城市交通管理系统的中枢．也是智能交通系统的重要组成部分。其管理与控制手段的优劣将直接影响城市道路交通拥堵或疏通的效果。虽然城市道路交叉口信号控制有改善交通流秩序与保障安全的优点,但是若不能提供优化的控制,将会产生交通流停顿与拥堵的负面效果,会成为城市交通拥堵的一个重要原因。运用高科技手段建设现代化的交通信号控制系统已经势在必行。     

城市复杂道路网络交通流的分解模型

针对城市道路交通流非线性、不确定性和模糊性特点,将城市道路与快速干道作为整体对待,提出了面向控制应用的城市交通网络宏观动态离散模型。将城市街区作为划分基点,把整个城市道路复杂交通网络分解为交叉口和单向环形道路两个子系统,分别建立了它们的宏观动态模型。通过对交叉口进行理想虚拟变形,将各个单向环形道路连接在一起,从而形成各种复杂网络。对西安市中心区域的实际交通流数据进行了仿真研究,结果表明该交通流模型基本实现了城市道路与快速干道的统一分析建模,较好地反映了城市路网的交通流信息,可以作为城市交通控制系统分析和设计的有力工具。     

智能交通信息物理融合云控制系统

针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题，基于云控制系统理论，以现代智能交通控制网络为研究对象，设计了智能交通信息物理融合云控制系统方案，包括智能交通边缘控制技术和智能交通网络虚拟化技术.基于智能交通流大数据，在云控制管理中心服务器上利用深度学习和超限学习机等智能学习方法对采集的交通流数据进行训练预测计算，能够预测城市道路的短时交通流和拥堵状况.进一步在云端利用智能优化调度算法得到实时的交通流调控策略，用于解决拥堵路段交通流分配难题，提高智能交通控制系统动态运行性能.仿真结果表明了本文方法的有效性.     

交通路口车行状态的三维仿真

随着我国国民经济的迅猛发展,城市机动车保有量逐年上升,由此引起的城市交通阻塞和混乱情况日益严重。为了有效地提高城市道路的利用率,解决交通拥堵问题,有必要对城市道路的交通现状做出科学的分析,找出合理的改善措施。本文应用VRML与JAVA对交通路口车行状态进行三维仿真,从交叉路口的设计、交通流的组织、信号控制以及碰撞检测等方面来对交通现状进行仿真分析,以此作为交通优化设计的一种手段,在费用及时间投入都很少的情况下得出评估结果,提出最优方案,改善交通状况。     

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.     

AASTC-A型城市交通面控系统

本文所描述的SASTC-A型城市交通面控系统和SASTM-A-20型城市交通状况显示系统,是根据中国城市交通流的特性而研制出来的一套实时在线两级协调最优控制的自适应控制系统,属于第二代城市交通计算机控制系统,其控制能力为20—25个信号交通岗,受控区域半径为10公里。     

基于跳转模型的路网交通流预测

针对城市道路交通流复杂的非线性特征,采用基于跳转的ARIMA模型研究交通流的变化规律,以获得城市道路短期交通流的精确预测.引入路口转弯比例矩阵来描述路网的交通流状态.考虑在路网畅通和路网拥堵情况下路口转弯比例矩阵的不同特征,对两种情况分别进行研究.结合路段交通流预测模型,对路网交通流进行预测.仿真算例表明,所提出的预测模型能较好地用于路网交通流预测.     

基于CA模型的上坡道小汽车-卡车交通拥堵特性

研究上坡道时小汽车和卡车组成的异质交通流的特点,将卡车分为重车和空车,使用的模型是一个更为精细的基于安全驾驶的元胞自动机（CA）模型,并通过计算机数值模拟分析了不同的坡度和坡道长度下异质交通流的特征。研究得出如下的结论：上坡道会明显改变交通流特征,交通流由之前分散的阻塞带变化为多个密集的短阻塞带,并且主要集中于坡道上和坡道前段,交通拥堵显著增加,40?m长的坡道就会增加近10%的拥堵;低密度情况下,卡车加入会在一定程度上缓解拥堵,重车缓解的程度更高,高密度情况下,卡车对于拥堵比例的影响较小;交通流的拥堵比例随着纵坡度的增大而增大,这说明减少纵坡度能够缓解拥堵;此外,当坡道纵坡度一定时,可以通过适当加大坡道长度而达到减缓拥堵的效果。     

城市交通网络信号控制系统的实时演算模型

基于实时演算(Real-Time Calculus: RTC)理论,为单/双行道两类城市交通网络的定时和自适应两类信号控制系统建立了统一的形式化模型.首先,将车流和交叉路口分别建模为RTC的到达曲线和资源曲线.然后,根据不同信号控制策略,将紧邻路口间的曲线进行综合计算,得到整个交通网络的RTC模型.应用最小加代数方法,RTC模型能够计算车辆在路口的最长等待时间D和路口拥堵车队的最大长度B.基于RTC模型,应用MATLAB对8组不同规模的城市交通网格进行仿真,实验结果表明:1）与双行道网络相比,单行道网络更能有效处理较稀疏的交通流.以定时控制为例,在车流频率u≤1/2时,单行道网络能够将交通拥堵指标D和B分别降低至少2.66倍和3倍.2)双行道网络中,车流频率u存在一个临界区域.在临界域内,拥堵指标随车流频率递增变化;一旦u低于或超出临界域,拥堵指标则分别保持稳定不变或不可控.3)自适应策略优于定时控制策略.例如在双行道网络中,自适应控制策略对应的拥塞指标D和B比定时控制策略分别降低1.68倍和1.26倍.     

工业以太网交换机在区域交通信号控制系统中的典型应用

城市发展交通智能信号灯,减少道路拥堵,最终达到智能化区域交通信号控制系统。工业以太网交换机在区域交通信号控制系统网络中的稳定性、高可靠性、高安全性成为关键中的关键。本文结合目前城市交通信号控制和交通监控状况的需求,阐述了欧迈特(OMATE)工业以太网交换机在北京城区交通信号控制系统中的典型应用情况,及优化智能交通信号控制系统的网络解决方案。     

Optimizing Traffic Signals in Smart Cities Based on Genetic Algorithm

Current traffic signals in Jordan suffer from severe congestion due to many factors, such as the considerable increase in the number of vehicles and the use of fixed timers, which still control existing traffic signals. This condition affects travel demand on the streets of Jordan. This study aims to improve an intelligent road traffic management system (IRTMS) derived from the human community-based genetic algorithm (HCBGA) to mitigate traffic signal congestion in Amman, Jordan’s capital city. The parameters considered for IRTMS are total time and waiting time, and fixed timers are still used for control. By contrast, the enhanced system, called enhanced-IRTMS (E-IRTMS), considers additional important parameters, namely, the speed performance index (SPI), speed reduction index (SRI), road congestion index (R_i), and congestion period, to enhance IRTMS decision. A significant reduction in congestion period was measured using E-IRTMS, improving by 13% compared with that measured using IRTMS. Meanwhile, the IRTMS result surpasses that of the current traffic signal system by approximately 83%. This finding demonstrates that the E-IRTMS based on HCBGA and with unfixed timers achieves shorter congestion period in terms of SPI, SRI, and R_i compared with IRTMS.     

基于深度强化学习的多路口信号控制优化研究

新起的智能交通系统在改善交通流量,优化燃油效率,减少延误和提高整体驾驶经验方面有望发挥重要作用。现今,交通拥堵是困扰人类的一个极其严重的问题,特别是一些城市交通密集的十字路口处可能会更加严重。对信号控制系统的奖励机制进行了改进,将所有路口共享奖励的机制改进为每个交叉口共享唯一的奖励,并且通过密集采样策略与多路口信号控制相结合的方式,运用时下热门的深度强化学习来解决交通信号灯配时问题。仿真实验都是基于现在国际主流的交通模拟软件（SUMO）完成,从实验结果表明,改进后的深度强化学习多路口信号控制方法相较于传统强化学习方法控制效果更佳。     

A V2I communication-based pipeline model for adaptive urban traffic light scheduling

Adaptive traffic light scheduling based on realtime traffic information processing has proven effective for urban traffic congestion management. However, fine-grained information regarding individual vehicles is difficult to acquire through traditional data collection techniques and its accuracy cannot be guaranteed because of congestion and harsh environments. In this study, we first build a pipeline model based on vehicle-to-infrastructure communication, which is a salient technique in vehicular adhoc networks. This model enables the acquisition of fine-grained and accurate traffic information in real time via message exchange between vehicles and roadside units. We then propose an intelligent traffic light scheduling method (ITLM) based on a “demand assignment” principle by considering the types and turning intentions of vehicles. In the context of this principle, a signal phase with more vehicles will be assigned a longer green time. Furthermore, a green-way traffic light scheduling method (GTLM) is investigated for special vehicles (e.g., ambulances and fire engines) in emergency scenarios. Signal states will be adjusted or maintained by the traffic light control system to keep special vehicles moving along smoothly. Comparative experiments demonstrate that the ITLM reduces average wait time by 34%–78% and average stop frequency by 12%–34% in the context of traffic management. The GTLM reduces travel time by 22%–44% and 30%–55% under two types of traffic conditions and achieves optimal performance in congested scenarios.     

计算机建模实现路口交通流量实时监测技术探析

目前我国城市的交通控制多采用信号灯方式,人工设置时间,定时自动放行,这种方法,无法根据对各个路口实际交通流量变化进行实时监测与控制,因此,需要一种新型化的模式来对路口交通流量实时监测,计算机建模的应用,有利于设计优化管理模型,使得信号灯自动优化,实时监测,根据实际情况自动疏导拥堵,从而最大限度的改善交通拥挤等状况。     

基于ε-支持向量回归理论的区域交通信号智能控制

城市交通信号控制是当前智能交通领域的研究热点之一.针对区域交通信号协同控制的实时性和准确性,提出一种基于ε-支持向量回归(SVR)非线性回归理论的智能控制方法(ICSRTS).该方法在无线传感网络结构的基础上结合已有的数据汇聚算法,并采用分簇策略将区域交通控制系统建模成一类集成信息调度与控制的离散切换系统.在离散切换系统中,不仅考虑了数据包传输的网络时延和丢包率,而且观测器利用改进的ε-SVR训练方法实现对多数据源融合的交通信号状态的在线预测并通过控制器进行总体协调控制.运用Lyapunov 函数方法验证了该系统的渐近稳定性及其可调度性. 仿真结果表明,ICSRTS方法相比普通模糊神经网络控制和普通ε-SVR预测算法在交叉口平均延误时间方面具有较好的性能.因此,该方法能实时、有效地对区域交通信号进行协调控制,从而减少了区域内的交通拥堵和能源消耗.     

基于小波分析的交通流量异常数据检测*

针对交通拥堵成为制约城市经济和社会发展的这一“瓶颈”,从提高交通控制系统性能的角度来解决城市交通拥堵问题。首先采用小波分析,交通流量数据的高频与低频分量分离;其次,求得原始信号与重构信号的差值;最后,结合最小二乘法找出数据中的异常点。通过对实际道路的交通流量进行实验,验证了该方法能准确地检测出交通流量中的异常数据,使误判率和漏判率都得到极大的降低,为实际的交通信号控制系统提供可靠的数据。     

基于MFD的城市区域过饱和交通信号优化控制

为了解决交通高峰时段城市区域路网过大的交通需求引起的路网通行效率下降以及区域内部交通流分布的异质性产生的道路资源浪费等问题.本文提出了基于区域路网固有属性宏观基本图（Macroscopic fundamental diagram,MFD）的过饱和区域控制优化模型,建立了边界控制信号和内部控制信号目标函数的双层规划优化,进一步设计了基于BP（Back propagation）神经网络的自适应动态规划（Adaptive dynamic programming,ADP）模型,对建立的双层规划区域交通信号进行求解,实例仿真结果验证了本文方法的有效性.通过本文的研究分析,对城市区域交通的需求管控、拥堵政策制定等城市区域交通管理具有一定的指导意义.     

考虑多源不确定信息的路网交通拥堵状态辨识方法

拥堵状态辨识是道路运行状态评估的重要内容,是交通系统流量调控和管理的重要参考指标.在智能交通系统（Intelligent transport system,ITS）普及化程度越来越高的后交通时代,如何实现海量数据下对多源不确定交通拥堵状态的辨识是非常重要的内容.首先,基于多元集对分析建立一种新的路网交通拥堵状态刻画模型;然后,通过改进证据理论中Dempster组合规则实现交通信息融合,并推导出当前交通拥堵状态的准确表达值;最后,在数值模拟的基础上,使用重庆市南岸区的交通检测数据进行仿真分析,结果表明本方法能准确直观地反映出实时交通拥堵状态,具有潜在的实际应用价值.