城市快速路交通诱导和匝道控制集成仿真模型

为缓解城市快速道路网络交通网络拥挤问题,将网络交通流模型、匝道控制模型、基于可变信息标志（VMS）的路径选择模型等整合为一体,建立了城市快速路交通诱导和匝道控制集成仿真模型。与各种边界条件相结合,测试了匝道控制和路径诱导的控制效果。结果表明城市快速路集成控制方法有助于在空间和时间上均衡交通负荷,提高交通系统整体运行效率。     

基于小脑模型关节控制器与PID复合的高速公路交通流密度控制

高速公路交通控制系统是一个复杂的非线性时变系统, 传统的匝道控制方法难以取得满意的控制效果. 为此, 本文提出基于小脑模型关节控制器(CMAC)与PID复合的匝道控制方法. 首先建立了二阶宏观动态交通流模型, 然后研究了CMAC与PID复合控制算法, 结合非线性反馈理论, 设计了基于CMAC与PID复合的高速公路交通流密度控制器, 该密度控制问题是一个输出跟踪和扰动抑制问题, 最后采用两个仿真实例对该方法的有效性进行验证. 结果表明, 复合控制具有优越的密度跟踪性能和抑制噪声干扰的能力; 复合控制方法能够有效地消除交通拥挤, 并使主线车流趋于稳定.     

高速公路主线限速与匝道融合的协调控制

为缓解高速公路的交通拥挤,主线限速、匝道融合等常被应用,因主线限速和匝道融合经各自优化获得的控制策略可能存在矛盾,故二者协调是必须的,而如何建立和求解二者的协调控制模型还没有有效方法.本文基于宏观交通流理论和多agent技术研究了此协调控制问题.为此首先阐述了高速公路的一般宏观交通流模型;然后分析主线限速、匝道融合的交通特性,建立了主线限速-匝道融合交通流模型;并协调主线限速和匝道融合,建立了协调控制模型.最后,基于多agent技术和分层递阶结构提出了协调控制模型的求解算法,并给出了应用此方法控制仿真高速公路的一个实例.     

基于蚁群算法的城市快速路优化控制

根据城市快速路交通流的特性,以宏观稳态交通流Macro模型为基础,将快速路虚拟划分为多个路段,将车辆在快速路系统内总的服务流量最大及入口匝道车辆平均等待时间最小作为优化控制目标,设计快速路多匝道联合控制模型,并采用蚁群优化算法对设计的控制模型进行求解计算,以确定各匝道最优调节率。模拟实验结果表明,通过多匝道联合控制,能够提高城市快速路系统的运行效率,减少交通事故及交通拥堵的发生概率。     

城市快速路网匝道与污染控制双层多目标规划模型

基于环境容量和交通容量，建立了一个双层多目标规划模型描述城市快速道路网的污染控制与匝道控制，并考虑了用户的路径选择行为．设计了基于改进遗传算法的启发式求解算法。该算法借助不可微精确罚函数将约束问题转化为单个无约束问题来解决，采用混合杂交和间歇变异提高算法的搜索能力．最后。通过算例说明该模型及算法的有效性．     

基于神经网络的交通控制诱导协同模型

针对传统交通控制与诱导模型及算法的不足,提出了具有中心协调系统（CCOS）的交通控制与诱导协同模 型。利用数据融合技术将历史数据的短时交通预测、交通事件检测结果以及实时交通流数据设计面向交通动态的信息融合, 并采用神经网络技术构建基于神经网络的交通控制诱导协同模型,同时对模型的参数进行了确定。通过典型的路网进行仿真 实验和对比分析,实验验证了该模型是可行和有效的。     

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 .     

基于多agent和分层递阶结构的城市快速路网多模控制*

提出了基于多agent和分层递阶智能结构的城市快速路网多模控制策略。执行级agent采用单点积分反馈控制策略,协调级agent采用多匝道协调控制策略,组织级agent采用路线诱导与匝道控制相集成的控制策略。仿真表明,多模控制能灵活有效地适应路网中各种状况的实时变化,控制效果良好。     

高速公路的匝道与可变限速联合模糊控制

匝道控制是目前使用最广泛的高速公路交通控制方法之一.但是当高速公路严重拥挤时,匝道控制不再有效,需结合主线可变限速控制,以缓解交通拥挤.由此,匝道调节率与可变速度限制间高效的联合控制对于提高道路性能显得尤为重要.由于交通的非线性和不稳定特性,模型最优控制计算复杂且精度低,进而提出了一种模糊控制方法.该控制方法能够有效处理交通系统,算法简单,实现对高速公路的匝道调节率与可变限速的联合控制,保证车辆在高速公路上高效、安全运行.     

基于多车道交通流动态离散模型的递阶优化控制问题与算法

建立了一个基于多车道动态离散交通流模型的高速公路入口匝道流量优化控制模型.为了降低优化控制问题求解的复杂程度,把它分解为两层递阶控制问题.讨论了两层求解的算法,并给出了算例及仿真结果.     

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。     

快速路入口匝道与衔接交叉口协调控制策略

提出一种入口匝道与衔接道路交叉口协调控制的策略。采用ALINEA入口匝道控制方法保证主线畅通的前提下,在入口匝道与衔接交叉口均无超长排队时,以入口匝道与衔接信号控制交叉口车均延误最小化为目标;入口匝道无超长排队而衔接交叉口关联相位存在超长排队时,采用衔接交叉口关联相位延长控制策略;在入口匝道存在超长排队而衔接交叉口关联相位无超长排队时,采用衔接交叉口关联相位提前结束控制策略。采用cell transmission model模型构筑入口匝道控制与相衔接交叉口协调控制的模型,实时动态优化地面交叉口的周期跟绿信比。研究结果表明：采用提出的控制方法,衔接交叉口的车均延误虽然有轻微增加,但可以有效防止入口匝道的拥堵蔓延至普通道路,从而可以保证出口匝道衔接区域的畅通,衔接区域的车均延误减少。     

恶劣气象条件下高速公路NN控制系统的研究

各种恶劣气象条件下的高速公路的交通流控制是目前急需要解决的重要问题。就此问题,利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析,使用神经网络方法,建立了一套适合各种气象条件的交通流模型和匝道入口控制系统,有效地控制恶劣气象条件下的高速公路交通事故。其次,利用BP神经网络的算法进行了仿真,对其中的参数进行辩识。仿真的结果与实际情况能很好地吻合,为在恶劣气象条件下控制高速公路的交通流奠定了理论和实践基础。     

恶劣气象条件下高速公路NN系统的研究

各种恶劣气象条件下的高速公路的交通流控制是目前急需要解决的重要问题。就此问题,我们利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析,使用神经网络方法,建立了一套适合各种气象条件的交通流模型和匝道入口控制系统,有效地控制恶劣气象条件下的高速公路交通事故。其次,我们利用BP神经网络的算法进行了仿真,对其中的参数进行辩识。仿真的结果与实际情况能很好地吻合,为在恶劣气象条件下控制高速公路的交通流奠定了理论和实践基础。     

恶劣气象条件下高速公路匝道控制的神经网络方法

针对各种恶劣气象条件下高速公路交通流的控制问题，利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析，使用神经网络建立一种适合各种气象条件的匝道交通流数学模型，有效地控制恶劣气象条件下的高速公路交通事故．利用BP神经网络仿真，分析该模型的收敛速度，并辨识其中的参数，为在恶劣气象条件下控制高速公路的交通流奠定理论基础．     

基于元胞自动机的快速路交织区交通流仿真建模

城市快速路交织区由于复杂的交通流容易造成拥塞, 成为快速路交通的瓶颈。充分考虑到辅道交通流对交织区的影响,以元胞自动机NS模型为基础,通过设定跟车规则、换道规则,对一个包含入口匝道、出口匝道、主线车道和辅道的快速路交织区路网建立模型进行微观仿真。仿真得出交织区长度对流量、密度、速度等交通流参数的影响并给出了最优交织区长度参考值, 最后用HCM经验公式的计算结果验证了仿真模型。     

城市道路分层动态协调控制技术

为了缓解城市道路车流拥堵问题，提出了一种城市道路分层动态协调控制技术。首先将城市道路按纵向分为三层：匝道层、普通道路层和快速路主线层；然后采用BP神经网络预测下游动态临界车辆占有率，根据匝道相对排队长度和下游动态临界车辆占有率，匝道层设计了一种用于匝道子区划分的函数，将匝道层横向分为主匝道子区和从匝道子区；其次根据相邻路口关联度将普通道路层划分为不同控制子区，利用动态交通流数据修正周期公式，考虑十字交叉口驶向匝道车流量对绿信比进行调整；快速路主线层无十字交叉口不做横向分层。最后根据该分层方法确定动态协调控制算法。仿真结果表明：该分层动态协调控制方法能够有效提高城市道路协调控制范围和车辆行车速度。