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。     

协调控制子区快速动态划分方法研究

通过建立基于交叉口关联度的协调控制子区划分模型,设计最佳控制子区划分方 案获取流程,实现了交通信号控制子区的动态划分;针对最佳控制子区划分方案求 解过程中可能面临的维数灾难问题,提出利用降维处理与遗传算法两种方法进行 子区划分方案的快速寻优,并给出了一套协调控制子区快速动态划分流程.通过算 例分析说明,在一定规模路网之下本文提出的控制子区快速动态划分方法将以一个 较大概率搜索到次优子区划分方案,且因其计算时间可以被有效控制,因此完全能够 满足控制子区划分的实时性要求,可推广应用于城市区域交通信号实时控制系统中.     

基于节点状态一致的路网边界控制

针对路网车流分布不均衡的问题,本文提出基于一致性思想的路网边界流量控制策略.首先,基于车辆守恒宏观模型,描述了区域边界车流的动态演化;以区域内路段占有率一致作为控制目标,边界交叉口配时参数为控制输入,进行区域边界反馈控制设计,并推导出边界车流输入与内部路段放行比例的解析关系;最后,通过路网实测数据验证了边界控制策略的适用性.结果表明:边界控制策略不仅能够有效改善路网交通流分布不均衡的状况,还能够有效降低路网的平均延误、排队长度等指标,提高路网运行效率.     

融合改进关联度与Newman算法的区域交通划分研究

针对区域路网复杂度高、现有子区动态划分方法的不足,以优化区域协调控制为目标,提出一种基于引入改进关联度模型的改进Newman算法的区域路网动态划分方法。综合分析车队离散性和车流密度两种因素,提出了一种改进关联度模型;以模块度[Q]为划分标准,将交叉口关联度作为边权,改进传统的无权社团凝聚算法,使其能够依据交通流特性将路网动态划分为不同子区。仿真实验结果表明,所提出的改进划分方法能够有效结合实际交通流特性,对路网子区进行更加准确的实时动态划分。     

基于路网可达性的交通控制子区划分方法研究

为了提高子区划分的效率,保证子区划分结果的合理性,提出了一种基于路网可达性的子区划分方法。以路口为顶点,路段为边,修正的路段阻抗为边权得到路网加权网络,通过权系数开关化转为非加权网络;采用[K]步可达矩阵来分析网络的可达性,以可达性最好的顶点为核心顶点,求解核心顶点的[K]步可达顶点群得到子区划分结果;以子区路网路段占有率方差为评价指标,对子区划分结果进行优化。以北京市亦庄林肯公园地区路网为例的仿真结果表明：基于路网可达性的子区划分,可以找到路网中关联最为紧密的顶点群,且以子区内部路段的占有率方差作为评价指标可以保证子区内部路段状态的相似性,为子区划分的优化提供指导。     

考虑边界交叉口交通拥堵的反馈阀门控制

基于路网宏观基本图(macroscopic fundamental diagram, MFD)实施城市区域交通控制时,为了防止边界交叉口受阻方向的车辆排队长度过长,同时提高路网内车辆完成率,提出了考虑受控区域边界交叉口交通拥堵状况的交通流反馈阀门控制方法,通过对边界控制阀门处路段存放车辆富余空间的分析,提出了阀门交叉口位置和数量选择模型;针对可能造成的阀门交叉口交通拥堵,提出了受控区域边界拥堵交通流分配算法,也即通过提前调节阀门上游交叉口的绿灯时间,把部分交通流提前控制在其它相邻上游交叉口.通过实际路网仿真,结果表明该方法可以有效控制阀门交叉口的车辆排队长度,降低阀门交叉口车辆平均延误时间和平均停车次数.     

基于关键路口的动态交通子区划分

为了提高城市交通系统的控制效率,本文就路网子区的动态划分进行了研究。首先根据距离原则对路网中路口进行初划分,其次分析引入关键路口对子区划分以及路网控制效率的重要性,并给出静态以及动态两类关键路口的确定方法.最后在初划分的基础上,依据路口与关键路口之间周期相似度以及距离原则确定二者之间的关联度,根据关联度确定隶属关系,从而完成对路网的动态交通子区划分。     

基于MFD的城市区域过饱和交通信号优化控制

为了解决交通高峰时段城市区域路网过大的交通需求引起的路网通行效率下降以及区域内部交通流分布的异质性产生的道路资源浪费等问题.本文提出了基于区域路网固有属性宏观基本图（Macroscopic fundamental diagram,MFD）的过饱和区域控制优化模型,建立了边界控制信号和内部控制信号目标函数的双层规划优化,进一步设计了基于BP（Back propagation）神经网络的自适应动态规划（Adaptive dynamic programming,ADP）模型,对建立的双层规划区域交通信号进行求解,实例仿真结果验证了本文方法的有效性.通过本文的研究分析,对城市区域交通的需求管控、拥堵政策制定等城市区域交通管理具有一定的指导意义.     

绿波协调控制的子区动态划分算法

为了提高子区划分的效率,本文提出了一种基于绿波协调控制的二次划分子区的模型.首先,根据距离、流量和周期3原则,提出基于可协调度的粗划分指标对子区进行初次划分.然后,在最大绿波带优化模型的基础上,引进绿波带带宽达到率为细划分指标,对子区进行再次细划分,同时引入调整指数对子区进行在线调整,实现了子区划分及其信号配时参数优化的同步.最后,利用遗传模拟退火算法对子区划分方案快速寻优,实现了绿波协调控制的子区实时动态划分.通过算例分析表明,该控制方案能提高路网的通行能力,具有良好的稳定性和高效性.     

基于MFD的多路网子区协调交通控制策略

为了缓解大规模路网的交通拥堵，提出了一种基于宏观基本图的多路网子区协调控制策略。首先，将实际路网划分为城市道路网络的核心区域和相邻区域，并以此以获得不同区域的宏观基本图特征。假设在路网核心区域采用控制策略，进而得到核心区域的预期溢出车辆数；计算出当相邻区域可增加的车辆数量接近核心区域的溢出车辆数量时路网核心区域的绿灯压缩时间。之后对核心区域采取应用了压缩绿色时间的控制策略，使得促进核心区域和邻近区域的交通状况趋于一致，改善整个路网的交通性能。通过实际道路网络建立了仿真路网，并利用仿真工具SUMO对上述区域控制策略的效果进行评估。仿真结果表明，基于MFD的多路网子区协调交通控制策略的实施可以提高整个路网的运行指标。     

城市交通信号的迭代学习控制及其对路网宏观基本图的影响

针对在城市交通信号控制中存在对交通流难以精确建模的问题,首先利用交通流的重复性特点,提出了一种基于迭代学习的城市交通信号控制方法,并证明了在不确定初态下迭代学习控制算法的收敛性.其次,结合路网宏观基本图的特性分析了基于迭代学习的交通信号控制策略对路网交通态势的影响.结果表明,当迭代的初始状态在期望初态值的小范围内波动时,系统的跟踪误差仍能收敛到一个界内;通过对交通信号的迭代学习控制,路段的实际占有率能够逐步逼近期望占有率,从而使路网内的车辆密度分布更加均匀,确保交通流在更优的宏观基本图下运行,防止因车辆密度分布不均引起的通行效率下降及交通拥堵的发生.最后,通过仿真实验对所提方法的有效性进行了验证.     

Optimal coupled and decoupled perimeter control in one-region cities

Perimeter controllers, located at a regional border, can manipulate the transfer flows across the border to optimize the regional operational performance. The macroscopic fundamental diagram (MFD), that relates average flow with accumulation, is used to model the traffic flow dynamics. In this paper, two cases of perimeter control inputs are considered: coupled and decoupled control. For both cases, the explicit formulations of the optimal feedback control policies and proofs of optimality are provided for three criteria. The proofs are based on the modified Krotov-Bellman sufficient conditions of optimality, where the upper and lower bounds of state variables are calculated.     

城市交通区域的迭代学习边界控制

已有的边界控制方法主要是基于模型的反馈控制算法,其实际应用效果受制于模型参数的标定和环境的影响.迭代学习控制以完全跟踪为目标,仅利用较少的模型信息就可以沿迭代轴实现对系统期望输出的完全跟踪.基于城市交通流的重复特性,提出一种城市交通区域的迭代学习边界控制方法,给出跟踪误差收敛性分析.以日本横滨区域为对象分别进行3种场景的仿真:早高峰、晚高峰和中心区域拥堵.仿真结果表明,迭代学习控制方法对于各种场景下的区域路网交通均能达到较为理想的控制效果.     

基于云网格集成调度的防拥堵车辆路径规划算法

在道路交通路网中,车辆拥堵问题是流量与路网结构之间相互作用的一个复杂动态过程,通过车辆路径规划,实现对路网网格集成调度,从而提高路网通行吞吐量。传统方法采用并行微观交通动态负载平衡预测算法实现车辆拥堵调度和车辆路径规划,不能准确判断路面上的车辆密度,路径规划效益不好。提出一种基于云网格集成调度的防拥堵车辆路径规划算法,即构建基于Small-World模型的云网格路网模型,采用RFID标签信息进行路况信息采集,实现交通网络拥堵评估信息特征的提取,采用固有模态函数加权平均求得各车道的车辆拥塞状态函数,对所有车道内车辆密度取统计平均可获得簇内的车辆密度。设计交通路网拥堵检测算法来对当前个体道路信息进行一维邻域搜索,从而实现车辆路径规划控制目标函数最佳寻优。通过动态博弈的方式求得车辆防拥堵路径的近似最优轨迹,实现路径规划算法的改进。仿真结果表明,该算法能准确规划车辆路径,实现最优路径控制,从而提高严重拥堵路段的车流速度和路网吞吐性能,性能优越。     

基于迭代学习与模型预测控制的交通信号混合控制方法

针对基于迭代学习控制的交通信号控制方法对于路网中存在的非重复性实时干扰不能进行有效处理的问题,本文在基于迭代学习控制的交通信号控制方法基础上,结合模型预测控制滚动优化和实时校正的特点,提出了一种基于迭代学习与模型预测控制的交通信号混合控制方法.该方法在有效利用交通流周期性特征改善路网交通状况的同时,可借助模型预测控制的优点对非重复性的实时干扰进行处理,从而进一步提高交通信号的控制效率.通过仿真实验对该方法的有效性进行了验证.实验结果表明,基于迭代学习与模型预测控制的交通信号混合控制方法能够更有效地均衡路网内的车辆密度,进一步提高了路网的通行效率.最后,本文还对该方法的收敛性进行了分析.     

可变车道行驶方向的动态控制方法研究

针对大城市道路双向交通需求不均衡的潮汐交通问题,提出一种根据双向交通运行状态动态控制可变车道行驶方向的交通控制方法.利用可变车道路段双向饱和度分析道路交通运行状态,以此划分为5种交通状态,建立各种交通状态下对应的车道行驶方向优化模型,并使用枚举法对模型求解,最后应用微观仿真软件进行案例分析.结果表明:与传统的定时控制模式相比,本文提出的动态控制方法能够更好地减少潮汐路段的车辆平均延误和提高车辆通行效率,有效缓解潮汐交通需求条件下的道路交通拥堵现状.     

城市区域交通信号迭代学习控制策略

城市交通流具有复杂的非线性动态特性, 在交通控制中难以对其进行精确的数学建模; 同时, 以天为周期, 宏观交通流又呈现出明显的周期性特征. 鉴于此, 提出一种基于迭代学习的城市区域交通信号控制策略, 通过对交通信号的迭代控制, 使路段的平均占有率收敛于期望占有率, 从而使绿灯时间得到充分利用并防止交通拥堵的发生, 保证了交通流在路网中的高效平稳运行. 严格的理论推导证明了该方法的收敛性, 仿真结果验证了该方法的有效性.