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。     

城市快速路入口匝道控制策略比较分析

入口匝遭控制是缓解城市快速路交通拥挤最有效的方法之一;首先阐述了城市快速路入口匝道控制的基本原理和作用,对匝道控制策略进行了分类,在此基础上,对各种入口匝道控制策略进行了比较研究,分析了各自的优缺点以及适用范围,最后,根据快速路构造上的特点,对入口匝道控制的研究方向进行了展望。     

城市快速路出口匝道与衔接交叉口的协调控制

针对快速路与常规道路的衔接段交通拥堵等问题,首先提出辅路排队长度约束,建立出口匝道与衔接交叉口交织段的排队模型。其次,基于匝道控制理论和分层协调控制的思想,以快速路主路的最佳运行状态为控制目标,确定出口匝道调节率,建立了出口匝道与衔接交叉口的协调控制模型。最后应用Vissim仿真软件进行验证,证实了协调控制方法的有效性。     

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.     

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。     

带有迭代学习前馈的快速路无模型自适应入口匝道控制

提出了一种新的带有迭代学习前馈的快速路无模型自适应入口匝道控制算法. 模块化的前馈迭代学习和反馈MFAC控制器设计方案使所设计的控制系统有效地利用了交通流的周期性特征, 提高了控制品质. 严格的数学推导证明了该方法的收敛性. 仿真研究及比较结果验证了所提算法的有效性.     

带有迭代学习外环的快速路入口匝道无模型自适应预测控制

针对快速路交通系统复杂时变以及难以建模的特点,首先,本文设计了基于无模型自适应预测控制的快速路入口匝道控制方案.其次,根据快速路交通系统具有重复性特点,本文在无模型自适应预测控制方法的基础上引入开环迭代学习控制,提出一种带有迭代学习前馈外环的无模型自适应入口匝道预测控制方案.相比无模型自适应预测控制方案,该方案可以利用迭代学习前馈控制器补偿系统可重复扰动,实现系统的完全跟踪.值得说明的是,预测控制器和学习控制器可以独立工作也可以联合工作.最后,文章给出了控制方案的收敛性分析,并通过交通流仿真验证了所提控制方案的有效性.     

基于MLD-MPC的快速路出口与辅路协调控制

城市交通信号控制系统是典型的混杂控制系统。针对当前大中城市普遍存在的快速路出口匝道、辅路及下游交叉口的信号协调控制问题,研究了一种多信号自适应控制方法,以保证出口匝道排队长度较小且下游交叉口排队不溢流。首先,基于车道路段当量排队长度建立状态方程,分别选取出口匝道、辅路交叉口和下游交叉口排队长度为连续状态变量,信号灯切换信号为离散控制变量;其次,以有限排队长度为模型约束,建立了包含快速路出口匝道、辅路及下游交叉口排队长度和信号状态的混合逻辑动态MLD模型;然后,比较研究了快速路出口匝道有信号灯控、无信号灯控两种不同情况下的MPC模型预测控制方法。仿真结果表明,基于MLD-MPC的控制方法可解决快速路出口匝道与辅路及下游交叉口的多交叉口信号协调控制问题。     

基于蚁群算法的高速公路入口匝道控制

提出一种具有普适性的蚁群算法,该算法对参数的转移概率和信息素的计算方法进行了改进,提高了算法的全局性能,将其用于高速公路入口匝道控制器的参数寻优.建立了高速公路交通流模型,结合非线性反馈理论设计了蚁群算法优化的入口匝道PI控制器,给出了蚁群算法优化的步骤,并用Matlab软件对控制器进行了仿真研究.仿真结果表明,基于蚁...     

高速公路多匝道协调控制系统设计与仿真

采用大系统分解和协调的方法研究高速公路多匝道的协调控制问题．建立了反映高速公路交通动态变化的有限差分模型，结合交通系统的特点提出改进的多层控制方法．控制结构分三层：局部控制层决定匝道调节率；协调控制层为局部控制层确定期望密度；自适应层根据实时检测交通状况选择模型和调整模型参数．仿真结果表明，控制系统具有良好的动态性能，该方法能有效地消除交通拥挤和维持主线车流稳定，能提高主线的通行能力，实现车辆在高速公路上高效、安全地运行．     

城市主干道交叉口交通流的模糊控制

城市主干道的交通效率,从整体上影响着整个城市的交通运作效率。该文以城市中心地带主干道交叉路口为对象,进行了交通流的模糊控制研究,提出的基于闭环模糊控制算法的智能化控制策略,有效地提高了主干道交叉口相关区域内的道路使用率。     

应用进化策略的城域交叉路口分级模糊控制

提出一种面向城域单交叉路口的自适应分级模糊控制系统，采用进化策略对分级模糊控制器的模糊隶属度函数进行离线优化调整．该控制系统不仅具有分级模糊控制的优点，同时能使模糊隶属度函数根据不同的交通情况自适应地变化，从而改善控制效果．对一个具有直行和左转车流运动的四向交叉路口进行的仿真表明了该方法能比定时控制和隶属度函数固定的分级模糊控制取得更好的控制效果．     

基于Agent的交叉路口交通控制研究

随着我国城市化进程的发展,使得交通拥堵现象频繁发生,而目前我国交通控制系统相对落后,现有的控制方式在实时控制以及路网控制方面还存在很多不足。该文基于目前交通问题及交通系统发展的现状,提出了基于Agent技术的智能交通系统的体系结构,通过多agent的交叉路口交通信号控制系统模型,使用netlogo实现agent的智能运算,实现了交通信号的动态控制功能,建立了交叉路口智能交通系统,实验证明可以大幅提高交叉路口的通过能力。     

道路交通流最优预测与交叉口最优控制

本文基于对城市道路交叉口最优控制问题的分析,建立了道路交通流最优预测模型,提出了一种交叉口在线最优控制方法,并根据实测数据对该方法作了仿真研究。仿真结果表明交叉口的交通状况有明显改善。此方法不仅比现有控制方法效果更好,而且简单易行。     

快速路控制策略仿真研究

城市快速路是城市交通的主动脉,承担着城市大部分交通量,良好的快速路控制策略能有效缓解道路拥堵。本文借助改进的宏观交通流模型,采用Visual Basic面向对象语言,开发城市快速路的控制仿真系统。运用该仿真系统对一个包含两起点两终点的快速路段进行仿真,模拟采用ALINEA策略和不采用控制的快速路交通运行状态。仿真结果表明,对入口匝道实施ALINEA控制后,高峰时刻主线流量增加约150veh/h,入口匝道与主线汇合区速度提高约10km/h,说明ALINEA控制策略能有效缓解快速路拥堵。     

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．     

基于免疫算法的多匝道MF-AILC控制方法

针对高速公路交通系统的重复性和周期性,提出基于免疫算法的高速公路多匝道无模型自适应迭代学习控制（MF—AILC）联合协调控制,以高速公路最大流量、全局最小行程时间和入口平均等待时间三者为目标函数,用免疫算法对多匝道协调迭代学习控制器进行优化。仿真结果表明,与无控制情况下进行比较,该控制方法具有良好的控制效果和较强的鲁棒性。     

城市单交叉路口信号灯的六相位模糊控制

讨论城市单交叉路口交通信号灯的实时控制,考虑到行人和非机动车,对其进行六相位模糊控制,提出以当前相位绿灯已通行时间、当前相位的队长以及它与后继相位的队长之差三者决定当前相位绿灯延时的方法,给出算法和该三维控制器设计,指出选择控制规则的原则,应用此方法进行仿真研究,结果令人满意。     

城市单路口两级加权神经网络控制系统设计

城市交通系统是一个非常复杂的非线性系统,很难建立精确的数学模型,而BP神经网络具有较强的自学习、自适应的特点,适合复杂的大系统。针对单交叉路口红绿灯控制问题,基于改进的BP神经网络算法,同时考虑关键车流和非关键车流信息,提出并设计了两级加权神经网络控制器来进行实时控制。仿真结果表明,本方法优于传统控制方法。