基于机器视觉智能交通灯控制系统研究

近些年以来,交通拥堵现象正在呈现严重的趋向,有关部门对此也在给予更多的关注。在城市现有的整个交通网络中,应当能够凭借交通信号灯来实现全方位的城市交通控制。与常规交通灯控制模式相比,智能交通灯建立于信息化手段之上,运用智能化的途径与方式来监控路口交通,对于绿灯与红灯的改变时间也能予以妥善控制。因此可见,智能交通灯系统与机器视觉技术的全面融合具备突显的交通控制优势,针对整个城市道路现有的通行能力予以全面优化,同时也杜绝了频繁性的交通拥堵。从城市交通体系的视角来看,智能交通灯系统在客观上有益于节约交通控制资源并且缩短了行人过路的等待时间,因此其具备优良的推广价值。     

智能车交互仿真平台的研究

近年来,多智能车协调与协作已成为智能车辆领域研究的一个热点。针对典型的十字路口场景,开发了多车协作仿真平台,对无交通灯算法和经典算法进行验证。大量实验显示,这个设计平台适用于多种路口类型;交互算法提高了路口的通行效率,缩短了车辆排队长度,减少了平均等待时间。     

基于深度强化学习的有轨电车信号优先控制

现有的有轨电车信号优先控制系统存在诸多问题, 如无法适应实时交通变化、优化求解较为复杂等. 本文提出了一种基于深度强化学习的有轨电车信号优先控制策略. 不依赖于交叉口复杂交通建模, 采用实时交通信息作为输入, 在有轨电车整个通行过程中连续动态调整交通信号. 协同考虑有轨电车与社会车辆的通行需求, 在尽量保证有轨电车无需停车的同时, 降低社会车辆的通行延误. 采用深度Q网络算法进行问题求解, 并利用竞争架构、双Q网络和加权样本池改善学习性能. 基于SUMO的实验表明, 该模型能够有效地协同提高有轨电车与社会车辆的通行效率.     

三维城市交通微观仿真与信号优化方法

为提高城市交通干线信号配时方案的求解效率,提出微观交通环境构建和信号优化相结合的全自动信号配时生成算法.首先结合城市交通和栅格地图特点,利用图像处理技术实现干线路网自动化提取,构建微观交通仿真环境;然后通过改进车辆跟驰与换道模型,对城市交通车辆动态行为进行建模;最后提出以绿信比、相序、相位差和周期为优化参数,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改进快速非支配遗传算法NSGAⅡ优化模型.利用由多个交叉口组成的干线进行实例验证结果表明,算法能够有效地提高信号配时方案的求解效率和控制性能.     

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。     

基于PC-PLC网络的智能交通线控系统研究

根据城市交通的特点,提出采用多十字路口统一线控的方法,在基于PC—PLC网络下对干线交通信号进行智能协调控制,以有效地减少车辆等待时间,提高干线的交通车辆流量。仿真结果表明,本文的智能控制方法在提高干线通行能力上优于单点控制,为解决城市交通问题提供了一种新的途径。     

基于PLC的智能交通灯控制系统设计

交通问题日益成为我国经济快速发展中的一个大问题。目前,我国仍然在使用定时控制的交通信号系统,导致城市交通效率低下,交通拥挤的情况经常发生。本文以常见的城市交叉路口为研究对象,使用PLC控制交叉路口的交通灯信号,通过设置环形线圈检测器来检测一定时间内通过车道的车辆的数量,计算出各个方向车道的滞留车辆数,然后使用合适的控制原则自动延长车辆滞留量较大的车道的绿灯方向,实现对交通灯信号的智能控制。实验表明,这种智能控制方式可以有效地提高城市交通效率。     

基于车联网技术的智能交通方法研究

本文设计了一种基于移动互联网技术和车联网思想的智能交通灯系统,该系统通过交通灯控制模块采集交通灯实时信息实现交通灯在车载终端的显示和预警,GPS模块实现导航和行驶轨迹记录,通过无线激光测距模块实现车距安全警报保证行驶安全,本发明能够有效提高道路通行效率和保障车辆行驶安全。     

V2V环境下具有组策略防护特性的虚拟交通灯

在V2V环境下的虚拟交通灯可以通过车辆间直接交换的信息协商路权分配,且在设备获取相关信息时,车辆能够有策略地提供信息以获得优先路权。为适用于非可测量因素影响路权的场景,提出一种具有组策略防护特性的虚拟交通灯。通过将车辆提供的真实信息抽象为成本分摊与合作博弈,并设计组策略防护拍卖机制,利用Shapley值计算出每辆车的成本分摊作为车辆的支付。在此基础上,根据拍卖结果中真实的评价值建立绿灯信号,通过信号合并算法整合多次拍卖产生的绿灯信号,由此产生合理的路权分配。实验结果表明,该虚拟交通灯具有组策略防护特性,能够避免车辆形成虚报信息的联盟来获取利益,也能避免车辆通过虚报私有信息来获得路权优先权,与具有固定绿灯通行数量阈值的虚拟交通灯相比,组策略防护的虚拟交通灯在整体平均行驶时间以及高评价值车辆的平均行驶时间上均有一定改善。     

基于改进克隆选择算法的区域交通灯配时优化

为提高城市区域路网通行效率,提出一种基于改进的克隆选择算法的区域交通灯实时配时方法。该配时方法以最小化区域路网总滞留车辆数为优化目标,将交通灯状态设置问题转换成克隆选择算法搜索最优解问题,在每个单位时间根据实时车流量动态搜索出使区域路网通行能力达到最高的交通灯配时方案。为提高克隆选择算法寻优性能,提出双层动态变异算子,并对克隆抑制算子与种群刷新算子进行改进。以西安市某区域路网为仿真实验参考对象,仿真结果表明：提出的配时方法的区域路网总滞留车辆数比固定配时减少了38.93%,比基于标准遗传算法的配时方法减少了20.33%。     

基于路口相位方案优化设计的城市道路交通信号迭代学习控制方法研究

城市道路交叉口信号控制是交管工作持续关注的课题,关于协调好有限的道路资源与日益增长的交通需求之间的矛盾,有着至关重要的作用。由于道路自身条件约束,交通流的组成特点复杂,路网交通路呈现非线性动态特征,无法进行精准的数学建模控制。本文提出的迭代学习控制方法,根据交通流的组成和变化特点调整信号控制周期及有效绿灯时长,实现交通信号动态优化控制,保证车辆在路网中能够高效、平稳地通行,是针对非线性动态交通流的一种动态寻优控制算法,能够有效减少路口车辆等待时间、提高通行效率。考虑对不同相位设计方案的适应性,在传统配时优化模型的基础上,构建综合相位设计元素的交通信号迭代学习控制模型,并通过Vissim仿真软件和Python编程语言搭建仿真测试环境,验证了提出模型的有效性。     

基于激光传感数据的拥堵路口交通信号灯控制

针对城市车流高峰时段的道路拥堵问题,提出基于激光传感数据的交通信号灯智能控制方法研究。在道路两侧均匀布置激光传感器节点,采集实时的激光传感数据和车流量信息,并构建一种两层级的交通信号灯控制模型,以提取的交通路口实时传感数据作为输入项进行模糊推理,并求解出交通信号控制模糊子集,最后推导出当前车流长度、车辆在路口的平均滞留时长及车辆的延误时长等变量,达到缓解交通拥堵,提高通行效率的目的。仿真实验数据表明,提出的拥堵交通信号灯智能控制方法具有良好的控制效果,可以明显减少车辆延误时长,提高道路通行的效率和安全性。     

基于无线传感器网络的自适应交通灯控制系统

分析了现有信号灯控制系统的优缺点,提出了一种基于无线传感器网络的交通灯控制系统设计方案,利用敷设在路面上的携带超声波收发模块的传感器节点探测各方向车道上车流量,并根据车流量实时改变相应车道车辆放行时间,以提高道路利用率,减少拥堵现象。本系统可准确地获得车流量统计信息。对信号灯调度过程进行了建模分析,提出了自适应的调度算法,仿真实验结果表明,该算法能降低车辆平均等待时间,提高通行效率。     

基于行人安全的交通信号灯智能控制算法研究

提出了一种基于深度确定性策略梯度（Deep Deterministic Policy Gradient , DDPG）的行人安全智能交通信号控制算法。通过对交叉口数据的实时观测,综合考虑行人安全与车辆通行效率,智能地调控交通信号周期时长,相位顺序以及相位持续时间,实现交叉路口安全高效的智能控制。同时,采用优先经验回放提高采样效率,加速了算法收敛。由于行人安全与车辆通行效率存在相互矛盾,研究中通过精确地设计强化学习的奖励函数,折中考虑行人违规引起的与车辆的冲突量和车辆通行的速度,引导交通信号灯学习路口行人的行为,学习最佳的配时方案。仿真结果表明在动态环境下,该算法在行人与车辆冲突量,车辆的平均速度、等待时间和队列长度均优于现有的固定配时方案和其他的智能配时方案。     

基于雾计算和强化学习的交通灯智能协同控制研究

针对路口交通拥堵现象,结合雾计算和强化学习理论,提出了一种FRTL（fog reinforcement traffic light）交通灯控制模型,该模型根据实时的交通流信息进行交通灯智能协同控制。雾节点将收集到的实时交通流信息上传到雾服务器,雾服务器在雾平台实现信息共享,雾平台结合处理后的共享数据和Q学习制定交通灯控制算法。算法利用检测到的实时交通数据计算出合适的交通灯配时方案,最终应用到交通灯上。仿真结果表明,与传统的分时段控制方式和主干道控制方式（ATL）相比,FRTL控制方法提高了路口的吞吐量,减少了车辆平均等待时间,达到了合理调控红绿灯时间、缓解交通拥堵的目标。     

基于机器视觉的交叉口特种车辆快速通行技术研究

交叉口是道路网络中重要的交通节点,容易产生交通堵塞问题,为了在保证通行安全的情况下提高特种车辆的通行效率,研究基于机器视觉的交叉口特种车辆快速通行技术。优化通行基础采用图像采集及预处理、检测识别和通行控制作为技术框架结构,利用机器视觉技术采集交叉口实时交通图像,通过图像滤波、图像增强等步骤,实现初始图像的预处理。利用Car-YOLO网络识别交叉口通行能力,规划快速通行路线,考虑前车行驶状态,求解特种车辆通行速度,针对车辆所占车道,通过绿灯早启、绿灯周期时间延长等方式控制交叉口信号灯,实现交叉口特种车辆快速通行。实验结果表明:在拥堵和正常通行场景下,优化设计技术的特种车辆通过时间的平均值分别为18.2s、10.1s,事故发生概率分别低于2%、1.4%,具有较好的应用效果。     

主干线协调控制的改进算法研究

为改善传统主干线协调控制方法中存在的问题,对传统主干线协调控制算法进行了深入的研究和改进。改进算法为有效提高绿时利用率,减小车辆延误,对单路口实施了改进的模糊控制算法;同时,对主干线上车辆到来情况进行实时检测,若有大规模车队到来,则中断模糊控制器,即时疏散车队,从而实现对主干线的实时协调控制。将此算法应用于城市主干道交通协调控制,对减小整个主干线的停车延误和排队延误有很好效果,并且对路况变化具有较强的鲁棒性,适合在大中城市中推广。     

基于Deep Q Networks的交通指示灯控制方法

交通指示灯的智能控制是当前智能交通研究中的热点问题;为更加及时有效地自适应动态交通,进一步提升街道路口车流效率,提出了一种基于Deep Q Networks的道路指示灯控制方法;该方法基于道路指示灯控制问题描述,以状态、行动和奖励三要素构建道路指示灯控制的强化学习模型,提出基于Deep Q Networks的道路指示控制方法流程;为检验方法的有效性,以浙江省台州市市府大道与东环大道交叉路口交通数据在SUMO中进行方法比对与仿真实验;实验结果表明,基于Deep Q Networks的交通指示灯控制方法在交通指示等的控制与调度中具有更高的效率和自主性,更有利于改善路口车流的吞吐量,对道路路口车流的驻留时延、队列长度和等待时间等方面的优化具有更好的性能。     

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。