基于主干道协调控制的中小城市潮汐交通研究

针对中小城市日益严重的潮汐交通现象,依据实地交通调查数据,分析中小城市潮汐交通的特点,比较大城市常用的潮汐交通解决方案,提出基于主干道协调控制的方法改善中小城市潮汐交通拥堵。以某中等城市为例,依据典型潮汐路段实测数据设计的协调控制方案在交通微观仿真平台上进行仿真,结果表明基于主干道协调控制的方法适用于中小城市的潮汐交通现象,实施后能明显地缓解潮汐拥堵,交叉口通行效率得到显著提高。     

基于Synchro的干线交通信号配时优化

针对城市主干路上信号相位、周期设置不合理的问题,为改善干线拥堵状况并使现行使用的配时方法能适用于城市混合交通,提出对干线交通多相位信号进行配时优化设计.在对某干线若干交叉口进行大量交通调查基础上,提出选取评价指标,修正模型参数,借助交通仿真软件Synchro对于线交通交叉口的交通流进行现状和优化后的仿真,结果表明,交叉口拥挤状况进行动态达到直观观察,同时提高交叉口服务水平,修正后的参数模型对于城市混合交通具有更好的服务效果.     

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.     

基于路段速度的信号交叉口运行评价方法

交叉口是城市道路交通系统中的重要组成部分,现有的交叉口运行评价方法大多基于交通调查数据,无法高效地对全路网的交叉口进行实时的评价,为此,提出一种基于路段速度的信号交叉口运行评价方法,可以实现对交叉口运行状况全路网、实时的评价。将路段速度数据与交叉口位置数据进行匹配,采用交叉口进口道临近路段的速度判定交叉口的服务水平等级,然后通过拥堵频率统计识别常发性拥堵交叉口,并根据常发拥堵的时段不同将其分为三类,即高峰拥堵交叉口、平峰拥堵交叉口和全天拥堵交叉口,以便后续有针对性地对各类交叉口进行专项治理与管控。实测数据表明,该评价方法的服务水平平均绝对误差为0.32,误差仅为6.33%,说明所提出的交叉口运行评价方法的有效性。     

增量式贝叶斯分类器在交通拥堵判别中的应用

为有效发现道路交通拥堵状态,提出基于增量式贝叶斯分类器的交通拥堵判别方法.该方法把交通拥堵是否发生看成是特殊的分类问题,选取增量式贝叶斯分类器,根据以往是否发生交通拥堵的检测数据,即分别把在发生交通拥堵和不发生交通拥堵两种情况下的交通参数作为特征参数对其进行训练,然后用得到的分类器对检测到的交通参数进行分类,判别是否发生交通拥堵.微观交通仿真数据表明该方法的可行性和有效性.     

基于复杂网络的路网交通拥堵评估仿真模型

为了能够深入分析路网交通拥堵动态演进过程, 为交通拥堵治理提供决策分析工具, 提出了一个基于复杂网络的路网拥堵评估仿真模型。通过将路段阻抗概念引入复杂网络理论, 实现了路网拓扑模型和流量模型的结合; 此外, 还提出了虚拟测试车辆遍历的路网通行能力评估方法, 对不同路网条件下的道路通行能力进行评估。最后在PC系统上实现了完整的路网拥堵评估仿真系统, 并利用该系统对拥堵路段数量、交通流量和路网拓扑结构等因素对路网通行能力的影响进行了仿真分析。仿真实验结果与经典交通理论分析结果一致, 并能反映更多的动态过程信息, 表明该模型能够准确有效地进行交通路网拥堵评估, 可以为相应的交通拥堵管理决策提供依据。     

基于多目标优化的相邻交叉口协调控制模型研究

针对道路车辆不断增加而导致交通拥堵的问题，提出一种基于多目标优化的相邻交叉口协调控制模型。首先根据车流的离散性，引入相位差协调控制，构建相邻交叉口多目标优化问题。接着，提出修正内点法进行求解得到目标优化后的配时策略。最后，根据实际的交通数据进行仿真。仿真结果表明，与使用遗传算法相比，采用修正内点法能得到Pareto最优解。并且所提的配时方案，能够降低平均延误和减少停车次数，提高了通行效率并缓解了交通压力。     

基于神经网络的城市快速路交通拥堵判别算法

针对城市快速路的常发性拥堵和偶发性交通拥堵,提出了一种基于神经网络的自动判别算法.该方法利用改进的自适应梯度算法优化神经网络的权值参数,既能保证神经网络参数收敛到全局最优值,又具有快的学习速度,提高了神经网络的检测效果.利用微观交通仿真软件PARAMICS建立了城市快速路网,通过多次仿真获得了包含各种交通拥堵的学习样本,增强了算法的鲁棒性.将训练好的神经网络对多种实际的交通数据进行了仿真试验.实验结果表明,该算法在城市快速路交通拥堵判别中具有较高的检测率和较低的误报率.     

基于优化算法的城市相邻两交叉口信号配时

基于交通车辆流量的分析,以缓解交通拥堵为目的,对某城市相邻两交叉口的交通流量数据进行了调查。将交通流量转化为车队排队长度,以车辆等待时间和穿行时间之和作为目标函数,建立配时数学模型;利用粒子群、差分进化、自适应差分进化等算法,编程求解信号灯最优时间配比。计算与仿真结果表明:该方法优化了绿灯信号时间,提高了相邻两交叉口的通行能力,可有效解决交叉口交通拥堵问题。     

TR-light：基于多信号灯强化学习的交通组织方案优化算法

针对多变环境条件下的交通堵塞问题,将强化学习、神经网络、多智能体和交通仿真技术结合起来,提出了用于优化多路口条件下交通状况的trajectory reward light(TR-light)模型。该方法具有几个显著特点：基于红绿灯拟定交通组织方案;将多智能体强化学习用于红绿灯控制;通过红绿灯的协同达到区域级的交通组织优化;在智能体每次行为执行结束后实施轨迹重构,在OD对不改变的情况下改变车辆行驶路径,根据方案和重构轨迹来计算智能体的最终回报。通过SUMO进行交通仿真实验和交通指标对比,验证了该模型在多交叉口中能够提高路网畅通率,改善交通状态。实验表明该模型可行,可有效缓解交通拥堵。     

基于协调博弈的交通拥塞传播临界值研究

为深入分析交通网络的拥塞扩散过程,得出交通拥塞传播的临界值,提出了交通拥塞传播的协调博弈模型。通过网络个体之间的协调博弈,从出行者面对拥塞的决策行为出发,描述了交通网络的拥塞扩散过程。通过网络邻居之间的行为传递,形成了交通网络的拥塞扩散模型,并利用概率母函数方法推导了交通拥塞扩散的临界条件。最后构建了交通通塞的仿真系统,并通过路网结构、节点度分布等参数对交通拥塞进行了仿真分析。仿真实验结果与解析分析结果一致,并能反映交通拥塞动态过程信息,结果表明交通拥塞扩散的临界条件关键在于拥塞节点对周边正常节点的影响力,当局部交通拥塞对周边节点的影响力达到一定程度时,可能导致大规模交通拥塞的出现。     

基于改进DV-HOP的道路交通拥堵传感节点快速监测

以传感节点为基础的交通拥堵监控设备,在海量三维交通信息中,处理数据能力较差,导致监测目标延迟高。为缓解交通拥堵为出行带来的压力,及时有效疏散拥堵区域,本文设计一种基于改进DV-HOP的道路交通拥堵传感节点快速监测方法。在待监测区域安置无线视觉传感器,划分子节点与Sink节点,初始化本地节点数据存储器、定时计数器等设备,依照无线传感网采集车辆通行状况和整体长度;把异常道路数据作为小概率事件,确立速率采集周期及交通状态采集周期,推算历史车辆速率均值和交通数据方差,设定拥堵临界值,分析路段是否产生拥堵;对道路交通拥堵节点进行初始化,确定全部道路交通拥堵节点,然后,将三维的道路交通拥堵节点变换成二维坐标中,实现道路交通拥堵节点二维变换,对粒子群优化方法进行改进, 利用改进DV-HOP算法获取道路交通拥堵节点位置信息,得出道路交通拥堵节点监测结果。实验分析表明：本文方法的均等系数值可达0.998,数据传输延时仅为3.5s,表明交通拥堵监测精度较高。     

CTS: 基于拥堵溯源算法的信号灯多智能体强化学习组织方案

在交通路网的运行中红绿灯起着至关重要的调度作用,随着目前交通的飞速发展,道路越来越复杂、车辆越来越繁多,导致红绿灯的调度压力越来越大、调节能力却越来越弱。为了解决这一问题,建立了CTS（congestion trace source）方案,将交通疏导的主体对象红绿灯作为智能体进行强化学习以优化其对交通的疏导控制能力,通过构建拥堵链和拥堵环综合分析路网拥堵情况,佐以红绿灯相位及其配时数据以达到对红绿灯智能体对象状态的综合判断;CTS方案设计了红绿灯排队长度算法将拥堵情况数字化作为智能体奖励对优化效果进行评判。使用SUMO仿真环境进行实验,设计交通优化指标路口平均排队长度并进行对比,最终该方案的路口平均排队长度相较于原始数据提升了40%。     

基于相位饱和度的城市交通拥塞的定量评价方法

城市地面交通的拥塞主要是由于交叉口的信号配时引起的 ,由此限制了路段的通行能力。交叉口相应相位的绿灯时间的利用率可以反映出该路段的拥塞程度。本文通过对路口实时交通数据的分析 ,提出了一种基于相位饱和度的交通拥塞的定量评价方法     

时变论域下红绿灯配时的语言动力学分析

城市道路不同时刻的车流量变化很大,建立与车流量变化相适应的红绿灯动态配时模型有利于缓解交通拥堵,减少出行者的等待时间.本文通过综合时变论域、平行控制理论、语言动力系统（Linguistic dynamic system,LDS）,提出了一种新的红绿灯控制方法.该方法以红绿灯不同时刻周期时长所形成的序列为时变论域,由各相位的排队长度确定对应的通行序列与时长,得到时变论域下红绿灯配时方案.该方案形成一个由实时车流数据驱动的动态模糊规则库来对红绿灯配时周期及相位通行序列与时长进行动态调整,进而形成红绿灯配时演化过程的语言动力学轨迹,最后通过实例验证该方案的有效性.     

实时自适应交通信号倒计时显示控制方法

针对目前各城市的交通堵塞现象日益严重,传统的定配时交通控制方法因不够灵活而难以适应当前交通需求,提出了一种实时自适应交通信号倒计时显示控制方法,该方法能够将全程倒计时、无跳变、计时与实际时间相符合集中于一身,可根据各相位车流情况实时调整目标相位绿灯倒计时时间,不仅可使人们获知真实的倒计时时间,还能有效缓解交通拥堵,具有良好的实用性。     

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。     

Urban traffic congestion propagation and bottleneck identification

Bottlenecks in urban traffic network are sticking points in restricting network collectivity traffic efficiency. To identify network bottlenecks effectively is a foundational work for improving network traffic condition and preventing traffic congestion. In this paper, a congestion propagation model of urban network traffic is proposed based on the cell transmission model （CTM）. The proposed model includes a link model, which describes flow propagation on links, and a node model, which represents link-to-link flow propagation. A new method of estimating average journey velocity （AJV） of both link and network is developed to identify network congestion bottlenecks. A numerical example is studied in Sioux Falls urban traffic network. The proposed model is employed in simulating network traffic propagation and congestion bottleneck identification under different traffic demands. The simulation results show that continual increase of traffic demand is an immediate factor in network congestion bottleneck emergence and increase as well as reducing network collectivity capability. Whether a particular link will become a bottleneck is mainly determined by its position in network, its traffic flow （attributed to different OD pairs） component, and network traffic demand.     

计算机建模实现路口交通流量实时监测技术探析

目前我国城市的交通控制多采用信号灯方式,人工设置时间,定时自动放行,这种方法,无法根据对各个路口实际交通流量变化进行实时监测与控制,因此,需要一种新型化的模式来对路口交通流量实时监测,计算机建模的应用,有利于设计优化管理模型,使得信号灯自动优化,实时监测,根据实际情况自动疏导拥堵,从而最大限度的改善交通拥挤等状况。     

时变论域下红绿灯配时的模糊控制

针对交叉口日益拥堵,交通信号灯配时设置的不合理问题,提出一种基于时变论域的模糊控制方法,给出了交通信号灯的实时配时方案。该配时方法通过动态地调整信号周期和绿灯时长,以匹配多变的交通流状况,实现了实时控制。以长沙市某十字路口为例验证了该方案的有效性,结果表明：与定时信号配时方法相比,该配时方法更有效的缓解了交叉口交通拥堵状况,增强了路口通行能力,减少了车辆延误时间。