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.     

路网信息不完备条件下的动态最短路搜索

针对路网信息不完备性、路网结构特征和驾驶员习惯等因素,研究最短路搜索问题。提出以全局规划和局部规划相结合的动态最短路混合规划方法：全局规划中,基于参数d/l（起终点距离d与平均路段长度l之比）,确定路径搜索区域的椭圆方程,运用Dijkstra算法生成静态的全局最短路径;局部规划中,结合路网结构特征、突发事件影响范围,提出改进Bug算法,以避免车辆进入全局最短路径上发生的紧急事件或严重堵塞区域,实现动态诱导。仿真实验结果表明,混合规划方法能在路网信息不完备条件下实现最短路径动态诱导,有效避开拥堵区域。     

交通灯动态配时策略研究

目前的交通灯时间多数都采用静态配时策略,无论是车流高峰还是低谷,红绿灯时间及间隔都是固定不变的,显然地,在这样的配时策略导向下,车流辆多时不能合理发挥交通导向作用,车流辆少时不但不能提高车辆的通行效率反而造成不必要的延误,针对这一问题,本文采用多指标控制方式,采集一个路段多个交叉口车流密度,延误时间,平均车速等多个不同交通流量指标的实时数据,提出一个基于自适应遗传算法的动态配时策略。仿真结果证明了该算法可有效地降低车辆平均延误时间。     

基于增强型Dijkstra算法的无信号灯交叉路口智能车辆调度研究

针对车辆在通过无信号灯交叉路口时存在等待时间长、通行效率低等问题,提出了一种基于增强型Dijkstra算法的优化调度方案。以智能车辆为研究对象,在将交叉路口网格化的基础上,综合考虑车辆在每个网格中的方向权值、安全权值和优先级权值,制定了动态网格权值赋值原则,进而搜索通行时间最短的路径。相比Dijkstra算法,提出的增强型Dijkstra算法实现了智能车辆在动态网格权值下最短路径的全局搜索,可以根据实际车辆环境灵活调整每个车辆的行驶轨迹。仿真结果表明,增强型Dijkstra算法不仅能够保持较低的冲突次数,还能有效减少车辆总通行时间。在100 m×100 m的双向六车道的交叉路口环境下,车辆平均停车延误减少1.5 s,冲突率下降13%。     

动态路径优化交通流控制及其仿真实现

依托分布式数据库,实时采集GPS浮动车数据,通过聚类分析等算法实现数据优化及异常筛选,从而降低数据传输、存储和计算消耗。结合GIS系统及实例,探索动态特征交通流等优化交通构造的新模型,并仿真实现基于改进平均速度加权算法的交通流状态判定,以及基于改进图论路径选择算法的实时城市道路通行分析,最终通过信息反馈指引车辆在路网中的分布以减轻交通压力。     

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。     

基于蚁群算法的交叉路口多相位信号配时优化

针对城市道路交叉口的交通流特性,提出一种交叉路口多相位配时的TSP模型,采用新的优化算法——蚁群算法（ACA）来优化交叉路口多相位配时信号,并以每周期内交叉路口车辆总延误最小作为性能指标进行仿真实验。实验表明：在相同的时间和车辆到达率的情况下,采用蚁群算法优化相位和绿信比的配时方法明显优于定时配时方法,也优于定相位优化绿信比的配时方法,降低了交叉口的车辆延误,提高了通行能力;且该算法的求解速度快,稳定性好。     

基于黄金分割双种群遗传算法的区域交通信号控制

针对非均匀交通流的城市区域信号配时优化问题,以区域总通行能力和总延误为优化目标,构建基于目标相对占优策略的城市区域交通信号优化模型;在采用遗传算法求解优化模型时,由于遗传算法易早熟收敛会导致寻优效果不佳,因此引入黄金分割法对双种群遗传算法进行改进,两个种群同时且独立地进行寻优操作,并进行个体交换,避免算法陷入局部最优的陷阱,利用4个常用的测试函数验证算法有效性,实验结果表明改进的算法能够快速搜索到全局最优解;最后对所提的模型和算法进行有效性评价,结果表明,所建模型符合实际交通控制目标并且计算简单,验证了模型的有效性;所改进的算法在城市区域路网中能够有效地获得良好的信号配时方案。     

车辆重路由与智能交通灯协同控制研究

为了避免交通拥堵、事故频发等现象和减少行人的不必要等待时间,提出车辆重路由与交通灯相结合的控制系统及其控制策略.通过利用图像识别技术观察车辆与行人在道路中的运行状态,动态地改变交通灯的配时,从而减少行人以及车辆的不必要等待时间.同时通过目的地的等效替换策略,缓解交通道路压力.当出现事故时,交通系统及时将道路信息快速有效的传递给驾驶者,并且通过k-最短路径算法(Yen's算法)给出相应的路线,避免二次事故与交通拥堵.通过仿真表明,上述方案不仅有效地避免了交通拥堵,也减少了出行时间.     

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。     

城市道多路口交通信号实时控制仿真设计

在单路口交通灯实时控制的基础上对城市道路多路口交通灯实时控制进行了研究。提出了一种双层次子区域的智能划分方法并应用于区域交通信号的实时控制,在子区域基础上建立多交叉口数学模型;运用指数平滑预测模型为BP神经网络模型提供学习所需数据,并将得到的混沌交通流序列与改进泊松函数得到的泊松分布断面发车随机数进行比较。通过上述模型及算法最终得到区域交通路口实时配时方案。     

基于道路风险评估的城市路网实时路径选择

为了缓解城市交通拥堵、避免交通事故的发生,城市路网的路径选择一直以来是一个热门的研究课题.随着边缘计算和车辆智能终端技术的发展,城市路网中的行驶车辆从自组织网络朝着车联网(Internet of vehicles,IoV)范式过渡,这使得车辆路径选择问题从基于静态历史交通数据的计算向实时交通信息计算转变.在城市路网路径选择问题上,众多学者的研究主要聚焦如何提高出行效率,减少出行时间等.然而这些研究并没有考虑所选路径是否存在风险等问题.基于以上问题,首次构造了一个基于边缘计算技术的道路风险实时评估模型(real-time road risk assessment model based on edge computing, R³A-EC),并提出基于该模型的城市路网实时路径选择方法(real-time route selection method based on risk assessment, R²S-RA). R3A-EC模型利用边缘计算技术的低延迟,高可靠性等特点对城市道路进行实时风险评估,并利用最小风险贝叶斯决策验证道路是否存在风险问...     

基于改进萤火虫算法的区域交通信号配时优化

城市的快速机动化导致道路资源供需失衡愈加严重,目前使用的交通信号定时控制方式无法根据交通流的变化调整信号配时,降低了路网运行效率.针对区域内多路交通信号配时优化问题,提出一种基于改进萤火虫算法的求解方法,以多路信号各相位的绿灯时长作为控制变量,建立以区域总延误最小为目标的规划模型进行优化.针对标准萤火虫算法存在的优化精度不高、容易陷入局部最优的问题,提出一种驱散机制,同时在种群进化过程中引入变异操作进行改进.利用5个标准测试函数进行实验验证,实验结果表明,改进的萤火虫算法能够提高求解的精度和稳定性.最终以典型多路口区域为例,将改进的萤火虫算法应用在区域配时优化问题上,通过对比实验表明求解的有效性.     

基于实时车速的交通控制与诱导协同

为了减小路网的总行程时间和提高路网运行效率,提出一种基于实时车速的交通控制与诱导协同模型。利用惩罚函数将有约束遗传算法转化为无约束遗传算法对所建立的协同模型进行求解,得到最佳的控制方案和诱导方案。在Vissim微观交通仿真软件中建立包含4个交叉口的小型路网进行仿真实验,仿真结果表明,此方法能够有效地减少路网总行程时间,提高路网运行效率。      

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.     

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。