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.     

复杂网络特性对大规模多智能体协同控制的影响

随着分布式多智能体系统应用领域和系统规模的不断扩大,网络特性已成为影响系统性能的一个重要因素.通过研究和分析复杂网络特性对大规模分布式多智能体系统协同控制的影响,对多智能体系统性能的影响做出系统性分析,同时为提出大规模多智能体组织结构的优化算法提供依据.主要针对随机网络、小世界网络、网格网络和无尺度网络这4种典型复杂网络特性,从理论和仿真两方面进行分析.在理论方面,通过基于马尔可夫链的信息传输过程在不同网络结构下的建模,对比分析了信息无偏随机游走模型和智能决策模型下的传输效率.在仿真建模中,主要从智能体间信息传输效率、不同应用领域中集成协同控制效率、对网络故障恢复的影响这3个典型的多智能体系统协同控制应用对比分析复杂网络特性对系统性能的影响.研究结果表明,复杂网络特性如小世界和无尺度特性可以在相同的控制策略下形成明显的性能差异,如果设计合理的控制算法,复杂网络结构将有助于多智能体系统性能的提升.     

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.     

基于车流量的智能交通信号优化控制研究

道路交叉口是城市交通网络的关键组成部分,其通行效率直接决定了城市交通网络的通行能力。为了提高城市交通路网的通行能力,缓解交通拥堵,根据相邻交叉路口车流量具有相关性的特点,提出一种基于车流量的智能交通信号控制方法。建立基于门限服务策略的交通灯轮询控制模型,利用马尔科夫链和概率母函数分析了交叉口车辆平均排队长度和信号灯配时方案,并根据实际交通情况进行仿真实验。结果表明,基于车流量的智能交通信号控制比传统的固定配时控制更加合理,能有效地降低车辆通过交叉口时的平均延误时长和排队长度,提高通行效率。     

异构多无人机网络化协同控制系统的可控性

研究具有Leader-Follower结构和分布式通信拓扑的异构多无人机网络化分布式协同控制系统的可控性问题. 基于同构网络的受控一致性思想建立了异构多飞行器网络控制系统的动态模型; 并针对该动态模型的不同形式, 基于代数图论和传统的控制理论, 分别得到了异构多无人机网络化协同控制系统的可控性条件, 尤其是可控性与该网络化系统中通信拓扑之间的关系; 然后分析且提出了改善系统可控性的可行性方法. 最后仿真结果验证了本文相关结论的正确性.     

基于多智能体交通绿波效应分布式协同控制算法

基于"绿波"效应的交通控制通过实现干道上的车流不间断地经过多个交通灯路口而不停止,是目前公认的最有效率的交通控制策略之一.然而随着城市交通规模的不断扩大,传统的集中式交通控制方法可能遇到计算和通信上的瓶颈.而当路口交通灯只能获取城市交通网络全局有限的信息时,传统的分布式控制方法可能十分低效.提出了一种基于多智能体的交通灯分布式绿波自适应控制方法.在该设计中,每一个交通灯路口通过一个非集中式的协同智能体来控制.其核心是,智能体通过预测自身下一时刻的状态进行自主决策.由于只有来自邻居路口的车辆能够直接影响当前路口下一步的状态,这一决策过程仅需要智能体通过与邻居智能体间的局部交互来完成.描述了基于多智能体交通灯分布式"绿波"效应的控制算法,并通过仿真实验验证了该方法在大规模城市交通系统中的可行性.     

网络中间件在分布式仿真系统中的应用

研究网络中间件问题中,为简化分布式仿真系统的开发,并使系统的健壮性、可扩展性、可用性更好,提出在分布式仿真系统中利用网络中间件的方法.对分布仿真系统的结构和工作流程进行分析,并阐述了网络中间件在系统中实现监测和控制的作用.其次,根据分布式仿真系统的工作原理和设计需求,阐述网络中间件在分布式仿真系统中的结构、模块设计和功能实现,并详细地论述了地址管理、指令执行、反馈消息及分析3个模块的工作机制.最后进行试验证明在网络中间件网络系统发展中的作用,为网络中间件开发提供有效参考.     

基于双层复杂网络的城市交通网络协同优化方法

针对城市交通网络中旅客在公共交通出行路径选择时面临的地铁与公交双层网络在换乘衔接协同中存在的部分换乘站点之间距离过远、衔接导向不明确、局部换乘供需不平衡等问题，提出基于双层复杂网络的城市交通网络协同优化方法。首先，采用逻辑网络拓扑方法对城市交通网络进行拓扑，并基于复杂网络理论建立地铁-公交双层网络模型。然后，以换乘车站为研究对象，提出一种基于K-shell分解法和中心性权重分配的节点重要度评价方法，对大规模网络中的地铁、公交车站进行粗粒度和细粒度划分和识别，并在此基础上提出一种相互激励的双层城市交通网络协同优化方法，即在双层网络结构优化中引入复杂网络理论中对于网络拓扑中节点重要度的识别和筛选方法，通过对路径选择中高集聚效应的识别和有利节点的定位更新双层网络结构以优化现有网络的车站布局和衔接关系。最后，将提出的方法应用于成都市地铁-公交网络，优化了现有网络结构，得到了现有网络的最佳优化节点位置和优化数量，并且通过相关指标系统验证了该方法的有效性。实验结果表明，采用该方法优化32次后的网络全局效率达到最优，和平均最短路径的优化效果分别为15.89%、16.97%，旅客换乘行为提升57.44个百分点；优化方法对旅行成本在8000~12000 m的可达性影响最明显，优化效果平均达到23.44%；同时引入双层网络速度比和单位交通成本比，突出了不同运营状况下交通网络对协同优化过程的反应和敏感度的不同。     

基于混沌蚂蚁的分布式系统协同优化方法

针对复杂分布式系统的优化问题,提出基于混沌蚂蚁的复杂分布式系统协同优化方法.在系统理论指导下,分析复杂分布式系统中自主Agent的基本动力学特征,进而提出复杂分布式系统协同优化模型.在此基础上,借助混沌蚂蚁群算法(CAS)的思想,建立基于混沌蚂蚁的复杂分布式系统协同优化算法(CAS-CO).通过对复杂多Agent网络中基于位置的任务分配问题进行仿真实验,同时与已有算法仿真结果对比,表明CAS-CO算法可行有效,反映文中模型的正确性和Agent的自主性在复杂分布式系统设计和构建中的重要性.     

城市交通信号灯网络化控制及优化配时问题

首先,给出单交叉路口的定义,从抽象模型mn网络出发,该文提出城市交通的动态多车道、四相位控制模型;提出阻塞判别条件,并给出阻塞时对路口控制的网络模型。将两种系统综合在一起,给出多目标优化的性能指标及其约束条件。采用遗传算法进行多目标优化,仿真结果表明该方案是可行的。     

基于多学科设计优化的路网交通分布式协同控制

城市路网交通控制直接影响着交通运行效率,对其优化研究已成为缓解城市交通拥堵问题的热点之一.鉴于此,针对高峰交通路网将其分为过饱和区域与过饱和关联区域,在采用灰色关联分析-谱聚类方法对关联区域划分的基础上,构建路网交通分布式协同控制模型,进一步提出基于多学科设计优化的过饱和区域及其关联区域协同优化求解方法.通过搭建实例路网模型分析算法优化效果,结果表明所提出方法能够明显改善路网交通运行效率,有助于缓解城市通勤高峰时段的交通拥堵和扩散问题.     

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．     

基于拥堵系数的道路交通网络关键路段辨识

城市道路交通的路段信息与车流量信息对道路交通的安全、高效运行至关重要.在交通高峰时期,通过对关键路段加以控制,可实现整个道路交通网络的完全能控.为寻找路网中的关键路段,将道路网络的交叉口-节点模型转化为道路网络的路段-节点模型,基于路段信息与车流量信息提出拥堵系数来衡量道路交通网络的车辆拥堵程度,并将其作为道路网络的路段-节点模型的边权重,最后运用关键路段辨识算法对道路交通网络的关键路段进行辨识.以沈阳市皇姑区主城区道路为例建立以拥堵系数为权重的网络模型, 按照所提方法辨识的关键路段数量为14条,约占道路网络总路段数的14.3%,具有较低的控制成本,且大部分为由北向南方向和由西向东方向.其中8条路段分布在皇姑区道路实时拥堵排行前5名,约占关键路段总数的57.1%,表明所给出的关键路段更多地分布在交通状态较为拥堵的路段上,符合实际情况.     

基于城市区域路网的分散协调控制研究

根据城域多路口交通系统的特点,摒弃统一信号周期的方法,以各单路口为基点,采用分散协调控制策略,综合考虑各相邻路口及两路口间的交通流,实时控制各路口交通信号,并智能的加以协调,使区域内道路的交通通行能力得到提高,降低车辆的延误时间。为提高系统的控制精度和鲁棒性,采用神经网络技术实现模糊控制。仿真结果表明,该方法控制效果良好。     

基于层级控制的宏观基本图交通信号控制模型

针对城市交通子区内部与边界交叉口的协调控制问题,提出基于分层多粒度与宏观基本图的交通信号控制模型HDMF。首先利用城市交通系统的分层多粒度特性与粗糙集理论描述交通要素的实时状态;然后结合基于背压算法的分布式交叉信号控制和交通元素的动态特性,计算交叉口相位压力并对相位进行决策;最后使用宏观基本图（MFD）实现区域驶出总流量最大和各子区内存在车辆数量最优。实验结果显示,HDMF模型与协同最大压力控制模型EMP、基于MFD和混合遗传模拟退火算法的HGA模型相比,平均排队长度分别降低了6.35%和10.01%,平均行程时间分别降低了6.55%和11.15%,表明HDMF模型能够有效疏导子区域内部与边界的交通,实现整体路网的车流量最大化。     

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。     

城市道多路口交通信号实时控制仿真设计

在单路口交通灯实时控制的基础上对城市道路多路口交通灯实时控制进行了研究。提出了一种双层次子区域的智能划分方法并应用于区域交通信号的实时控制,在子区域基础上建立多交叉口数学模型;运用指数平滑预测模型为BP神经网络模型提供学习所需数据,并将得到的混沌交通流序列与改进泊松函数得到的泊松分布断面发车随机数进行比较。通过上述模型及算法最终得到区域交通路口实时配时方案。     

基于O-D矩阵估计的路网交通流量仿真模型

为了将交通出行需求对路网交通流量的影响进行动态的量化分析,提出了一个基于O-D矩阵估计的路网交通流量仿真模型。利用O-D矩阵估计的重力模型计算方法、复杂网络理论和路段阻抗模型,构建了路网模型;在人们出行总是选择路段阻抗最小路径的假定下,设计了出行需求的路网流量映射算法;基于离散事件仿真,在PC系统上实现了路网流量仿真系统。仿真结果表明：该仿真系统可以根据各交通子区域出行需求的变化,精确模拟路网流量和交通状态的动态演进。     

智慧城市路网交通流量均衡性优化调度方法

早高峰和晚高峰时段的路网交通混乱,极易发生拥堵情况,为缓解交通系统压力,设计节点元胞划分下智慧城市路网交通流量均衡性优化调度方法。获取不同交通路线间的流量分离函数,定义路径交通流量和可用路段费用,得到出行者在某段路径上的概率函数,计算智慧城市路网各路段交通流量;获取流量守恒和车辆传递函数,计算可变元胞的单独序列,建立交通节点元胞划分模型;设计交通流量均衡性优化调度算法,得到城市路网均衡性的优化调度结果。设置仿真参数,对比优化前后三个路网模型的路径流量,仿真结果显示：早高峰和晚高峰时段路段内的路径流量明显降低,在其他时段,优化后的路径流量也不同程度下降,且路网模型越复杂,该优化方法的调度效果越好。     

城市交通网元胞自动机全局流量预测方法*

面对城市交通的日益拥堵,针对交通管理中全局流量预测难的问题,通过将路口的各个方向的车流以不同的边表示,将双向道路的两侧分别拆分为两个端点。并提出了精准描述进入和离开交通道路各方向负载的方法,以节点作为元胞自动机的元胞,以边关系作为元胞的邻域,利用阻塞-转移方法,建立元胞自动机的局部规则,并采用递归算法计算每一时刻交通网中各个节点元胞上的交通流量,构建城市交通网络流量预测模型。最后以某市交通主干道的实测流量数据为例,验证了该预测模型的准确性和高效性,从而证实了该模型对于城市的交通管理能力有一定的提升的作用。