交叉口车流量多时段控制信息的传感融合技术

交叉口车流量随机性与不确定性导致车辆信息采集结果的差异化明显,以传感器信息融合为技术支撑,提出交叉口车流量多时段控制方法。利用多传感器采集交叉口交通信息,预处理采集到的数据。采用由指标层与目标层构成的信息融合模型,完成交通信息融合。根据信息之间的关联性聚类所有交通信息,明确分类数并划分控制时段。综合考量交叉口通行效率与环境等因素,结合排队长度、平均延误及尾气排放量建立多目标多时段控制模型,由层次分析法明确各目标权值后,采用改进萤火虫算法进行求解,实现交叉口车流量多时段控制。实验结果表明,该方法能有效改善交叉口的拥堵情况,提升通行效率,降低车流饱和度与延误时间,应用优势显著。     

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。     

交通强度优先的交叉口模糊控制研究

为了降低交叉口车辆延误,提高通行能力,研究了一个四相位交叉口交通信号的模糊控制方法。用交通强度刻画各相位交通流通行需求的紧急程度,根据各相位的交通强度由模糊推理得到当前相位的绿灯延长时间,并选取后续绿灯相位。以交叉口车辆平均延误作为交叉口信号控制的性能评价指标,在相同交通条件下对几种控制方式进行了仿真试验。结果表明,该文的控制方法相对于感应控制方法和直接采用车辆排队长度作为输入的模糊控制方法,更能有效减小交叉口的车辆平均延误。     

考虑行人效益的拥挤交叉口多目标配时优化

机动车流量、行人流量均较大的信号控制交叉口,行人路权往往过低,过街闯红灯现象普遍,且难以控制与避免,严重降低了交叉口运行效率。为了有效解决这一问题,采用机动车效益、行人效益、交叉口通行能力为评价指标,以交叉口饱和度为约束条件,在机动车效益指标中考虑了行人闯红灯对机动车造成的延误影响,建立了交叉口多目标信号配时优化模型;设计了求解模型的遗传算法。算例结果表明,所提出的模型能较好改善交叉口综合效益。     

考虑相邻交叉口的公交优先信号模型与仿真

在公交系统优先信号模型优化设计中,传统公交信号优先仅考虑公交车辆通过交叉口的影响,而忽视了相邻交叉口所受的影响,因此考虑相邻交叉口通行能力的影响,以总交叉口人均延误为目标,提出以公交优先度作为判别是否优先以及优先程度的决策依据,进而采用绿灯延长和红灯早断两种策略,建立有限的主动优先控制模型.最后,通过VISSIM软件的VAP模块建立仿真模型,并通过案例分析,与无公交优先策略、绝对公交优先策略进行对比分析,结果表明与无公交优先策略相比,所提出的优化控制策略,在中高饱和度下能使总交叉口人均延误平均降低15.7％,在高饱和度下平均降低14.6％.验证了研究成果具有应用价值.     

单交叉口交通多目标控制方法

建立了在饱和度约束下以延误、停车次数、通行能力为性能指标的单交叉口多目标控制模型;模型可以根据交通状态的不同对交通控制的目标有所侧重：交通状态趋向拥挤时要确保发挥路口的最大通行能力,非拥挤状态时应尽可能减少路口信号控制的延误和停车次数;最后利用遗传算法对模型进行优化。实验结果表明,该模型能较好地适应实际的交通状态的变化,可有效改善交叉口的交通状况。     

基于粒子群的模糊神经网络交通信号控制

针对城市交通流的特点,提出了一种单交叉口多相位模糊神经网络交通信号控制模型,并采用全局优化的粒子群算法优化模糊神经网络参数.仿真结果表明该算法能够有效减少交叉口车辆平均延误时间,提高道路通行能力.     

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TCPN的交叉口信号控制模型与优化

针对城市路网中交叉口车辆通行效率低下,交通信号控制策略难于满足输入路段上车流变化的问题,本文提出了一种基于时延赋色Petri网的交叉口交通流优化控制模型。首先建立路段车流、交叉口车流和交通信号控制的TCPN模型,其次建立以交叉口输入路段车辆数最小为目标的车流优化方程。在假设信号周期固定的前提下,利用15个周期采集的交叉口输入、输出路段车辆数,求解满足优化目标的相位配时,确保交叉口输出车辆数最大,且输入路段上待通过车辆平均数最小。仿真结果表明,交叉口的通行能力显著提高,各输出路段上的车辆平均数分别增加了13.3%,9.7%,9.8%和4.3%。     

基于预信号的交叉口信号优化控制方法仿真

为充分利用交叉口有限的进出口车道资源,提升交叉口时空资源利用率及通行能力,采用基于预信号的交叉口几何设计方法,构建了以最大化通行能力为目标的交叉口车道划分模型及配时方案求解模型。在此基础上考虑车辆随机到达性,提出了基于实时交通需求的预信号动态控制方法。最后,基于实例,通过对比不同信号控制方案下的运行情况,利用VISSIM仿真平台进行验证,仿真结果表明:相较于传统的交叉口控制方法,所提出的车道划分模型及信号动态控制算法可有效提升交叉口通行能力并减小延误。     

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。     

自适应遗传算法的Multi-Agent交通信号优化控制

在区域交通多智能体信号控制系统中,由于传统遗传算法早熟收敛,全局搜索能力不强,无法快速找到最佳配时方案,同时没有考虑相邻交叉口的关联性,针对这种情况,提出交叉口子区Agent代替传统的交叉口Agent,在交叉口子区Agent中引入自适应遗传算法,算法根据交通流量的变化对绿信比[λ]进行优化,使交叉口平均延误时间[D]最短。实验结果表明交叉口子区Agent代替交叉口Agent后,控制效果相似,节省了硬件资源,在交叉口子区Agent中引入自适应遗传算法下的信号控制能迅速找到最佳配时方案,使平均延误时间最短。仿真实验表明,将基于自适应遗传算法的交叉口区域控制应用到交叉口信号控制中有更好的性能,证明了用交叉口区域智能体替代交叉口智能体的可行性。     

多目标电梯群控系统的研究

为适应高层建筑和群控电梯的发展,木文对多目标的电梯群控系统进行了研究。由于系统的复杂性,所以必须采用优化调度的方法,通过分析群控系统的多目标要求,建立了多目标优化模型,提出了客流交通模式的识别方法,并给出了不同交通模式下的调度策略和群控方法,从而提高系统的性能。     

基于GA-PDD的干线信号协调控制优化

针对城市交通干线负荷量大、信号配时计算效率低、协调优化约束条件多的特点,提出了基于比例分配解码方法的遗传算法(GA-PDD)协调控制策略,采用交通波理论建立了排队长度预测模型并以干线系统内车辆平均延误时间最小为目标函数建立了遗传算法优化模型,采用比例分配解码方法来进行求解.分别采用单点信号控制、定时协调信号控制和基于GA-PDD的协调控制3种控制策略对某城市干线实例进行对比仿真实验,仿真结果表明,随着调用周期的增大,GA-PDD控制策略的车辆平均停车次数和延误时间逐渐减小,调用周期在15 min及以上时,优于单点信号控制和定时协调控制,验证了不频繁剧烈地改变干线上的信号周期和相位差时,GA-PDD控制策略具有可行性和有效性.     

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。     

灾变粒子群优化算法及其在交通控制中的应用

城市交通系统是一个随机性很强的、复杂的巨型系统。为了获得良好的通行效率,必须对城市区域交通协调控制信号进行整体优化,但是到目前为止还没有一个能较好完成此项任务的、实用的实时智能优化方法。在粒子群优化算法中引入灾变策略和模型,开发了灾变粒子群优化算法,解决了基本粒子群算法易陷入局部极小点的缺陷,并将其应用于城市区域交通协调控制信号配时优化。仿真结果表明:与基本粒子群算法(在陷入局部极小点时)、固定周期法和遗传算法等配时方法相比,采用所开发的灾变粒子群优化算法对区域交通协调控制信号进行智能优化配时,被控区域的车辆平均延误可以分别平均减少25.2%、41%和11.5%,并可以大大提高路口的通行效率。开发的灾变粒子群优化算法也可以应用于其他许多对象的优化。     

一种软件定义网络中基于博弈的混合路由算法*

现存软件定义网络中的流量工程算法考虑单一,难以实现流量均衡,且缺乏对端到端的时延优化。对此提出一种博弈混合路由算法,以少量的显式路由与基于目的的聚合流量配置,在保证流量均衡的同时,优化网络的平均端对端时延。聚合流量配置采用纳什议价博弈理论对流量均衡与端对端时延优化场景进行联合优化建模,并设计了相应的启发式算法进行求解。实验结果表明,与现有算法相比,流量均衡程度和平均端对端时延均得到一定程度的改善,在Splintlink拓扑中,最大链路利用率平均减少6%,平均端对端时延减少12%。     

基于混沌量子进化算法的单交叉口信号控制

城市道路各交叉口交通信号的配时优化和协同控制直接影响整个城市的交通状况.本文以单交叉口模型的交通信号控制问题为背景,构造了以单交叉口滞留的车辆数最少为目标的优化模型.用混沌量子进化算法进行仿真数据求解,得到实时控制的配时方案,并与其它算法的仿真结果进行比较,结果表明该算法对单交叉口的信号配时优化是非常有效的.