基于多种群蚁群算法的交叉路口信号配时优化

针对交叉路口信号控制面临的多目标优化问题,建立以延误时间、停车次数和通行能力作为性能指标的交叉路口信号配时模型,提出一种基于多种群的改进蚁群算法,对信号配时方案进行优化。改进的算法以交叉路口的平峰状态和高峰状态进行仿真。实验结果表明利用该算法对模型求解的结果优于传统方法,能降低交叉口的总延误时间和停车次数,提高了通行能力。且该算法稳定性好,求解速度快。     

SAGACIA 算法改进及其不对称交通信号配时优化

针对城市交叉路口交通流量不对称,对称的信号配时易发生交通流量大的方向发生拥堵的情况,采用借相位放行方式设置交叉口的不对称相位,以交叉口车辆平均延误最小为控制目标,应用改进SAGACIA 算法对各相位绿灯时间和周期时长进行优化。根据获得的交叉口交通流数据,通过Matlab编程仿真。仿真结果表明,改进SAGACIA算法能够有效降低车辆平均延误,并与遗传算法进行了对比,SAGACIA算法改进后具有更好的搜索能力和搜索精度,有助于获得较优绿时配时方案。     

基于种群小生境粒子群优化算法的交叉路口多相位信号配时优化

针对城市道路交叉口的交通流特性,建立无冲突车流组合.并对各优化目标采用变化的加权系数建立多目标综合优化模型.在此基础上,提出以交叉口车流组合(映射为交叉口相位)为小生境种群运动特征分量的种群小生境粒子群优化算法进行交叉口相位优化和配时优化.最后对重庆市某交叉路口进行实例研究,结果表明,该方法降低了交叉口的延误时间和停车次数,使交叉口得到了优化控制.     

设置待行区条件下双环相位信号配时优化模型

为提高设有待行区交叉口的行车效率,首先将设置待行区的效果等价于车道绿信比的增加;接着基于美国国家电气制造商协会（NEMA）标准双环相位,以车辆平均延误最小为目标,建立了交叉口信号配时优化模型;然后考虑相位结构中环-屏障约束条件,设计了用于求解模型的遗传算法;最后将模型和算法应用于实例交叉口。研究结果表明：该模型能够得到比Synchro软件周期更短、车辆平均延误更低的信号配时方案。在交叉口仅设置左转待行区的条件下,模型的延误降低幅度为12.9%~17.4%;在交叉口同时设置左转、直行待行区的条件下,模型的延误降低幅度为17.5%~25.5%。此外,该模型对排队消散速度的取值并不敏感,在最小及最大车速的条件下能够得到几乎相同的配时方案。     

基于粒子群优化的交叉口公交优先控制研究

以四相位单交叉口为研究对象,计算推导交叉口的延误计算模型,包括公交优先相位减少的延误以及非公交优先相位增加的延误。模型以减少人总延误最大为控制目标,采用粒子群算法优化求解,从而得到最优的绿信比,并通过仿真算例验证算法的有效性。     

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。     

基于粒子群算法的交通干线协调控制的研究

目前各大城市交通拥堵的一个重要原因是交通控制仍然为单点控制,未能实现协调优化.基于此,提出一种基于粒子群优化的干线交通总延误最小协调控制方法.首先,通过对城市交通干线协调控制进行数学抽象,建立干线交通双向绿波控制总延误模型.其次,依据总延误模型的特征,设计了一种利用历史最优共享的粒子群算法(VSHBPSO).接着,对干线总延误模型进行优化,以总延误最小为目标,得出相位差、绿信比的最优解,进而获得交通信号相位的动态配时策略.最后以秦皇岛市交通干线为例进行仿真实验,实验结果表明,优化后的交叉口配时方案比传统的定时控制方案减少了43.1％的延误时间,有效提高了干线通行效率.     

基于视频排队长度管理的小步增减绿信比优化方法

针对高峰期间交叉口各进口道排队不均衡或溢出的现象，提出了一种基于视频排队长度管理的小步增减绿信比方法。首先，判断红灯结束时的排队状态及绿灯结束时的排队长度等级；然后，计算各个相位绿灯时间的增减量；最后，以均衡各进口道排队长度为目标，实现各相位绿灯时间与各进口道排队长度的动态平衡。实验结果表明，所提优化方法能有效地均衡各个进口道的排队长度，降低交叉口的通行延误和交通拥堵。当相位绿信比与排队长度不匹配时，该优化方法能快速进行绿信比调整，以适应排队长度的变化。     

基于三群协同粒子群优化算法的区域交通控制

根据我国城市交通的特点,提出一种基于三群协同粒子群优化算法的城市区域交通自适应协调控制方法。采用两层递阶分布式结构,分阶段优化控制参数(周期、相位差和绿信比),每个阶段长10-3O分钟,周期、相位差由区域控制级每阶段优化一次,绿信比由交叉口控制级每周期优化一次。采用车辆延误为性能指标,周期、相位差和绿信比均采用三群协同粒子群算法进行优化。仿真结果表明该方法是可行而有效的。     

ANFIS实现的模糊神经网络在交通信号配时优化中的应用

提出一种使用Matlab中的ANFIS模糊神经网络(FNN)工具箱来对传统的模糊控制器进行参数优化的方法，改善了控制器中的隶属度函数形状及分布，并应用于城市单交叉路口的多相位信号配时上．仿真实验证明所提出的算法可以降低车辆平均延误时间，保证车队更顺畅地通过交叉路口．     

基于Q学习的单路口交通信号协调控制

Q学习通过与外部环境的交互来进行单路口的交通信号自适应控制。在城市交通愈加拥堵的时代背景下,为了缓解交通拥堵,提出一种结合SCOOT系统对绿信比优化方法的Q学习算法。本文将SCOOT系统中对绿信比优化的方法与Q学习相结合,即通过结合车均延误率以及停车次数等时间因素以及经济因素2方面,建立新的数学模型来作为本算法的成本函数并建立一种连续的奖惩函数,在此基础上详细介绍Q学习算法在单路口上的运行过程并且通过与Webster延误率和基于最小车均延误率的Q学习进行横向对比,验证了此算法优于定时控制以及基于车均延误的Q学习算法。相对于这2种算法,本文提出的算法更加适合单路口的绿信比优化。     

交叉口的信号优化与仿真

以减小车均延误为目标,在调查交叉口交通流量和当前信号控制的基础上,采用韦伯斯特配时算法进行优化计算,并通过通行能力、交通流量比等指标来确定信号周期时长和各相位绿灯时间,改善相位饱和度,从而充分利用道路的通行能力。以建设大道新华路交叉口为例,基于实际数据对优化前后的交叉口利用vissim软件进行仿真,结果表明,优化后各相位的饱和度较优化前更为平均,没有出现很高或很低的极端情况,优化后的车均延误明显改善。     

基于实数编码遗传算法对交通信号配时优化

鉴于城市道路的交通信号配时优化问题,本文提出一种改进的信号配时非线性函数模型,设计各性能指标的加权系数随交通需要的不同而变化,采用基于实数编码的遗传算法对信号配时进行优化。算例结果表明。该算法优于传统的Webster方法,在同一周期内减少了车辆延误,增加了通行能力,同时使交叉口的服务水平由C级提高到A级。     

单点交通信号控制系统的优化设计

针对城市固定相序的单路口多相位交通信号进行控制,本文设计了基于车流量预测的动态调整相位最大绿灯时间的模糊控制系统。综合考虑当前相位、后续相位的交通需求度,以此决定绿灯时间分配。通过模拟交通指挥者实际进行交通控制,实时根据各相位车辆的多少进行信号的智能控制。采用遗传算法对模糊隶属度函数进行优化调整,使隶属函数的选取更为合理,随交通状况的改变自适应地调整。仿真结果表明,该方法能有效降低通行车辆在交叉口的平均等待时间,明显优于传统控制方法,并且能更有效地处理随机性较大、不确定性较强的交通流。     

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。     

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。     

一种基于粒子群的交通信号离线配时优化方法

提出了一种基于粒子群的交通信号离线配时优化方法,采用实数编码表示区域内各信号交叉口的各相位绿灯时间,不同的配时方案对应于不同的粒子,粒子的适应度利用微观交通模拟获取的总延迟时间进行评价,最后得到的具有最小延迟时间的粒子即为最优配时方案。与已有的离线配时技术相比,提供了一种编码形式简单、参数较少、计算速度较快的信号配时智能优化方法。     

交通信号配时方案实时仿真系统设计与实现

为了使交通信号配时方案及时反映道路交通流量的变化,以达到最优的控制效果,设计并实现一种用于交通信号配时方案实时仿真系统.该系统基于ARM Cortex-A8处理器,集成在信号控制器内部,分布于各交叉路口.在设计应用软件时以单路口四相位交通流为例进行分析,并以平均延误时间为评价指标进行建模,运用遗传算法对当前交通流下各方案进行仿真,评估出最优配时方案.通过实际验证,该系统通过实时仿真能够给出交通控制信号最优方案,减少车辆的平均延误时间.     

相序优化模糊控制在智能交通中的应用研究

根据平面交叉路口的智能交通信号控制原理,建立了一个交叉路口的交通流量模型,提出一种基于相序优化模糊控制的交通控制方法,以PCU(小客车当量)平均延误时间为控制目标实施控制。仿真结果表明,这种控制方法能使交叉路口的PCU平均延误时间明显减小,取得了较好的控制效果。