基于CTM快速路事故下交通流牵制同步仿真

针对交通事故引发的城市快速路拥堵问题,在分析事故路段交通流特性基础上,对事故点上下游元胞重新划分,重构节点并建立了元胞传输模型改进的节点交通流仿真模型,结合复杂网络理论修正节点耦合模型,以牵制同步为目标设计多入口匝道协调控制器,推导出系统稳定性条件,得到优化后需调节的入口匝道范围和调节参数,通过具体仿真予以验证.结果 表明,采用所提方法,能在快速路出现事故后以小的匝道调节范围代价达到抑制交通拥堵,提高道路通行效率的目的 ,最大限度降低事故所造成的影响.     

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。     

入匝道系统元胞自动机模型的换道规则研究

基于入匝道系统的元胞自动机交通流模型,从安全距离的角度提出四种换道规则,探讨四种换道规则对匝道系统的影响。模拟计算结果表明,匝道上的不同换道行为对匝道交通流模型有重大影响。安全距离为零的换道行为,能使匝道路段的流量获得最大值,但是却会抑制主道上游路段和下游路段的车辆流量;同时考虑了与前后车有安全距离的换道行为,不仅能让主道上下游路段的流量达到最大值,还能使整个匝道系统的流量达到最大值。     

基于蚁群算法的城市快速路优化控制

根据城市快速路交通流的特性,以宏观稳态交通流Macro模型为基础,将快速路虚拟划分为多个路段,将车辆在快速路系统内总的服务流量最大及入口匝道车辆平均等待时间最小作为优化控制目标,设计快速路多匝道联合控制模型,并采用蚁群优化算法对设计的控制模型进行求解计算,以确定各匝道最优调节率。模拟实验结果表明,通过多匝道联合控制,能够提高城市快速路系统的运行效率,减少交通事故及交通拥堵的发生概率。     

基于模糊控制律的遗传神经匝道协调控制

讨论了快速路匝道系统中智能控制技术问题。针对匝道系统特点,分析了模糊控制、人工神经网络、遗传算法的适用性,提出了一种基于模糊控制律的遗传神经匝道协调控制方案。在该方案中,对模糊控制输入输出数据进行线性修正,使用修正后的数据完成遗传神经网络训练,并用神经网络代替模糊控制器对匝道系统进行控制。给出了神经网络结构和遗传算法流程,并结合宏观交通流模型进行系统仿真。仿真结果表明,与模糊控制相比,控制效果显著提高。     

高速公路动态交通流的建模与控制策略

从高速公路交通流的宏观、动态特征出发，首先给出了交通流控制和仿真中常用的宏观、动态、确定性交通流模型，并结合交通调查数据，利用仿真和优化技术对模型中的参数进行了辨识，从而获得了能比较准确地描述交通流真实行为的模型。然后提出了低密度区的可变速度控制，中密度区的可变限速和入口匝道联合控制及出口匝道分流和入口匝道协调（高密度区）控制模型，并给出了上述３个问题的最优解。最后利用计算机模拟了受控和未控交通流     

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。     

快速路合流区加速车道长度设置方法研究

快速路合流区加速车道长度确定是快速路设计的核心内容。为了更加合理地确定快速路合流区加速车道的长度,引入微观交通仿真方法,基于主线和匝道在不同设计速度下的服务交通量,利用微观交通仿真系统TPSS对不同情形下加速车道长度对合流区服务水平的影响进行了分析,在此基础上提出了快速路合流区加速车道长度的合理推荐值。     

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.     

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。     

基于元胞自动机模型的交织区车道分配问题分析

为探究交织区不同车道分配方案对系统产生的影响效果,在Nagel和Schreckenberg提出的NS元胞自动机模型的基础上为三种不同换道区域定义了三种换道规则,建立针对交织区的元胞自动机模型。对比交织区是否设置隔离带的两种车道分配情况下交织区及非交织区分别进行了数值的模拟和分析,结果表明,流量低时,两种措施的效果无明显差异;流量较高并且交织比不大时设置隔离带将减少系统拥堵及各流向车辆的行程时间。当交织区的长度在一定值内,设置隔离带的效果更好,且随着交织区长度的增加,设置隔离带而产生的优化效果也越来越小。交织区超过这个长度后两种措施效果差不多。     

城市道路分层动态协调控制技术

为了缓解城市道路车流拥堵问题，提出了一种城市道路分层动态协调控制技术。首先将城市道路按纵向分为三层：匝道层、普通道路层和快速路主线层；然后采用BP神经网络预测下游动态临界车辆占有率，根据匝道相对排队长度和下游动态临界车辆占有率，匝道层设计了一种用于匝道子区划分的函数，将匝道层横向分为主匝道子区和从匝道子区；其次根据相邻路口关联度将普通道路层划分为不同控制子区，利用动态交通流数据修正周期公式，考虑十字交叉口驶向匝道车流量对绿信比进行调整；快速路主线层无十字交叉口不做横向分层。最后根据该分层方法确定动态协调控制算法。仿真结果表明：该分层动态协调控制方法能够有效提高城市道路协调控制范围和车辆行车速度。     

恶劣气象条件下高速公路NN控制系统的研究

各种恶劣气象条件下的高速公路的交通流控制是目前急需要解决的重要问题。就此问题,利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析,使用神经网络方法,建立了一套适合各种气象条件的交通流模型和匝道入口控制系统,有效地控制恶劣气象条件下的高速公路交通事故。其次,利用BP神经网络的算法进行了仿真,对其中的参数进行辩识。仿真的结果与实际情况能很好地吻合,为在恶劣气象条件下控制高速公路的交通流奠定了理论和实践基础。     

恶劣气象条件下高速公路NN系统的研究

各种恶劣气象条件下的高速公路的交通流控制是目前急需要解决的重要问题。就此问题,我们利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析,使用神经网络方法,建立了一套适合各种气象条件的交通流模型和匝道入口控制系统,有效地控制恶劣气象条件下的高速公路交通事故。其次,我们利用BP神经网络的算法进行了仿真,对其中的参数进行辩识。仿真的结果与实际情况能很好地吻合,为在恶劣气象条件下控制高速公路的交通流奠定了理论和实践基础。     

交通事件下快速路网匝道控制与路线诱导的集成控制

本文建立了交通事件影响下匝道控制与路线诱导相结合的完全集成控制模型,即建立了一个以节点分流比例与匝道调节率为控制变量的非线性最优控制模型,模型中考虑了突发交通事件后快速路的交通特点,基于粒子群算法设计了模型的求解算法.以一个简单的小型路网为例,讨论了突发事件后采用不同控制策略对系统的全局影响,仿真表明,匝道控制与路线诱导相结合的集成控制有效地降低了事件的影响.     

On optimal ramp control of traffic jam queues

A queuing theory model is developed for the controlled merging of vehicles entering an expressway ramp. The flow of ramp vehicles is restricted in response to downstream congestion or traffic jams. An optimal on-off controller is found for the stochastic problem with random stopping time which results from minimizing the mean sum of the number of cars stopped in the jam and the number of cars diverted from the ramp.