交叉口车流量多时段控制信息的传感融合技术

交叉口车流量随机性与不确定性导致车辆信息采集结果的差异化明显,以传感器信息融合为技术支撑,提出交叉口车流量多时段控制方法。利用多传感器采集交叉口交通信息,预处理采集到的数据。采用由指标层与目标层构成的信息融合模型,完成交通信息融合。根据信息之间的关联性聚类所有交通信息,明确分类数并划分控制时段。综合考量交叉口通行效率与环境等因素,结合排队长度、平均延误及尾气排放量建立多目标多时段控制模型,由层次分析法明确各目标权值后,采用改进萤火虫算法进行求解,实现交叉口车流量多时段控制。实验结果表明,该方法能有效改善交叉口的拥堵情况,提升通行效率,降低车流饱和度与延误时间,应用优势显著。     

基于视觉图像与激光点云融合的交通标志快速识别方法

交通标志对车辆交通起到重要作用和意义,而智能交通中交通标志识别由于标志特征提取效果差,导致识别率低、识别时间长,因此,提出一种新的基于视觉图像与激光点云融合的交通标志快速识别方法。采用双边滤波方法预处理原始激光点云数据;通过归一化处理得到视觉图像激光点云融合的目标空间激光点云位置测距数值。通过测距值获取目标图像位置,归一化处理交通标志视觉图像,引入k均值聚类算法(k-means clustering algorithm)二聚类处理图像,采用制作的切割模板切割图像感兴趣区域(ROI),提取交通标志图像的深度特征,结合卷积神经网络二次过滤特征,重新标定二次过滤后的特征,最终利用卷积神经网络模型实现交通标志快速识别。经实验对比证明,采用所提方法的提取各个类型交通标志特征的提取效果较好,并且识别率达到89.74%,识别时间仅为13.1s,干扰下识别时间最高仅为15.1s,验证了该方法可以快速且准确识别各个类型的交通标志。     

粗糙集的过饱和多交叉口协同优化模型研究

为解决现有模糊智能控制方法仅适用于单交叉口非饱和状态,满足区域交通过饱和多交叉口信号协同联动控制的需要,提出了高峰时期主通道优化控制策略。在粗糙集知识推理基础上,构建了以多交叉口状态信息为条件属性,以绿灯延长方式、绿灯延长相位和绿灯延长时间3个参数为决策属性的多决策属性模糊控制模型。运用可辨识矩阵与属性频度的属性约简方法对模型进行约简,提取决策规则。实例分析表明:多交叉口主通道绿灯时间延长3~8 s能够有效提高区域交通整体通行效能,同时延长时间不仅与过饱和状态车辆最大排队长度有关,还与绿灯延长方式、绿灯延长相位存在关联,这与交警经验总结的控制规律一致。     

交通强度优先的交叉口模糊控制研究

为了降低交叉口车辆延误,提高通行能力,研究了一个四相位交叉口交通信号的模糊控制方法。用交通强度刻画各相位交通流通行需求的紧急程度,根据各相位的交通强度由模糊推理得到当前相位的绿灯延长时间,并选取后续绿灯相位。以交叉口车辆平均延误作为交叉口信号控制的性能评价指标,在相同交通条件下对几种控制方式进行了仿真试验。结果表明,该文的控制方法相对于感应控制方法和直接采用车辆排队长度作为输入的模糊控制方法,更能有效减小交叉口的车辆平均延误。     

基于混合Petri网的交叉口交通信号控制研究

为优化交叉口绿灯时间,根据交叉口交通流的动态属性和交通信号的离散属性,建立了城市交通网络中单交叉口信号控制的混合Petri网模型.用连续Petri网描述交叉口容量和交通流变化,用离散时延Petri网控制交叉口各个相位的交通信号,每个相位都有控制绿灯延长时间的Petri网模型.在执行了最短绿灯时间后,根据当前等待通过的车辆数,通过禁止弧对绿灯延长时间加以控制,以确定最佳绿灯时间.最后对该模型进行计算机仿真,仿真结果表明该方案对单一交叉口实现了更有效的控制.     

交叉口BRT实时优先通行控制方法研究

针对交叉口大运量快速公交(BRT)优先通行控制问题,基于智能控制理论提出一种交叉口BRT实时优先通行控制方法.以BRT车辆的延误时间、载客量和非BRT相位社会车辆的排队长度作为神经网络模糊控制器的输入变量,输出BRT通过交叉口的优先等级,以此得到其优先服务方案,有条件地给予BRT车辆的优先通行权.仿真结果表明,与定时控制相比,所提出的方法在交叉口非饱和交通流下,能有效减少BRT车辆通过交叉口的延误时间和停车率,且交叉口的正常交通秩序不受影响.     

考虑直线式公交停靠站影响的交叉口通行能力计算模型*

为了更为准确计算信号控制交叉口通行能力,在HCM2010方法的整体框架下,针对交叉口上游直线式公交停靠站对通行能力的影响进行了研究。运用交通流理论,分析了在不同到达时刻条件下,单辆公交车停靠对所在车道绿灯损失时间的影响。在此基础上,运用概率论,分别建立了公交停靠站所在车道为直右共用车道、右转专用车道和右转与公交共用车道三种情况的交叉口通行能力计算模型,并对影响因素进行了敏感性分析。研究结果表明,公交停靠站与交叉口的间距以及公交停靠站所在车道的车辆到达率对通行能力起主要影响,实践中应保证公交停靠站与交叉口的间距能满足该车道红灯期间车辆排队长度要求。     

单点交通信号控制系统的优化设计

针对城市固定相序的单路口多相位交通信号进行控制,本文设计了基于车流量预测的动态调整相位最大绿灯时间的模糊控制系统。综合考虑当前相位、后续相位的交通需求度,以此决定绿灯时间分配。通过模拟交通指挥者实际进行交通控制,实时根据各相位车辆的多少进行信号的智能控制。采用遗传算法对模糊隶属度函数进行优化调整,使隶属函数的选取更为合理,随交通状况的改变自适应地调整。仿真结果表明,该方法能有效降低通行车辆在交叉口的平均等待时间,明显优于传统控制方法,并且能更有效地处理随机性较大、不确定性较强的交通流。     

基于多目机器视觉的城市轨道交通自动化监控系统设计

该文设计了基于多目机器视觉的城市轨道交通自动化监控系统。用户通过交互层发送城市轨道交通多目机器视觉图像采集指令;图像采集层接收指令后,控制多目视觉图像采集模块采集图像并存储到数据库,并发送至逻辑运算层;逻辑运算层连接城市轨道交通第三方子系统,获取运行数据和图像,并使用联动执行服务和实时数据管理进行自动化监控;同时,使用图像预处理和异物侵限检测模块对轨道交通安全进行监控。监控结果传输至交互层,呈现给用户。实验表明,该系统可有效实现城市轨道交通自动化监控,监控及时性较好,应用效果良好。     

基于机器视觉实现工业产品在线分类的一种有效方法

利用机器视觉技术获取工业现场目标产品图像.通过图像预处理、图像分析,实现识别区域的动态划分.提出了一种高效图像模板匹配算法,实现工业产品的在线分类.     

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。     

基于路口相位方案优化设计的城市道路交通信号迭代学习控制方法研究

城市道路交叉口信号控制是交管工作持续关注的课题,关于协调好有限的道路资源与日益增长的交通需求之间的矛盾,有着至关重要的作用。由于道路自身条件约束,交通流的组成特点复杂,路网交通路呈现非线性动态特征,无法进行精准的数学建模控制。本文提出的迭代学习控制方法,根据交通流的组成和变化特点调整信号控制周期及有效绿灯时长,实现交通信号动态优化控制,保证车辆在路网中能够高效、平稳地通行,是针对非线性动态交通流的一种动态寻优控制算法,能够有效减少路口车辆等待时间、提高通行效率。考虑对不同相位设计方案的适应性,在传统配时优化模型的基础上,构建综合相位设计元素的交通信号迭代学习控制模型,并通过Vissim仿真软件和Python编程语言搭建仿真测试环境,验证了提出模型的有效性。     

单交叉口交通灯信号模糊控制及其仿真

本文采用模糊控制算法对四相位三车道单交叉口的交通灯进行控制。首先通过离线计算机得到绿灯延时的模糊控制查询表,根据当前等待队列长与通行队列长查表和到绿灯延时。通过使用同一随机种子产生随机数对该方法与传统定时控制方法进行仿真,仿真结果表明模糊控制方法在车辆延误时间上较之传统定时控制方法大为改善。     

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(DDPG, deep deterministic policy gradient)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。     

A co-simulation,optimization, control approach for traffic light control with truck priority

Under certain conditions giving priority to trucks at signalized intersections will benefit all vehicles because of elimination of extra delays associated with stop and go trucks due to their size and slow deceleration and acceleration rates. In this paper, we develop, analyse and evaluate a traffic light control system for signalized intersections that takes into account the differences in dynamics and characteristics between trucks and passenger vehicles. The proposed traffic light control system combines simulation-based optimization techniques timing the baseline traffic signals and model-based active strategy giving priority to trucks when it is to the benefit of all vehicles involved. In order to overcome the computational constraints of the simulation-based approach, a multiple agent-based solution utilizing multiple simulators has been proposed for large scale road network applications. The evaluation results show consistent improvements in reducing the truck traffic delays (5% to 10%) and the number of truck stops without delaying passenger vehicles whose travel time and number of stops have also been reduced. The reductions of vehicle delays and number of stops lead to reduction in emission levels and fuel consumption for both trucks and passenger vehicles.     

基于神经网络的零件缺陷机器视觉识别系统

零件缺陷检测是保证零件使用安全的重要手段。传统的零件缺陷检测法需要有操作人员参与其中,易受主观因素影响,检测的效率及精度得不到良好的保证。而采用机器视觉技术的检测法可实现实时在线的自动检测,无需人工参与,这就极大的提高了生产效率。本文以小轴承表面为研究对象,针对微小轴承的表面结构、尺寸、检测精度和缺陷特征,设计了基于BP神经网络的零件缺陷机器视觉在线自动检测系统,其采用机器视觉技术,构建了BP神经网络检测识别模型,采用进行图像特征提取的间接识别方法,对微小轴承缺陷进行实时检测。实验结果证明了人工神经网络模型的检测能力的可靠性。     

基于劲松东口的信号灯模糊控制策略

随着城市化进程的加快,车辆的激增,城市道路交叉口变得越来越拥挤,已成为道路交通的瓶颈.用模糊控制方法对单路口交通信号进行控制,综合考虑当前相、后继相的车辆排队长度,以此决定绿灯时间分配.该控制策略通过模拟交通指挥者实际进行交通控制的特点,使控制系统能够实时根据各相位车辆的多少进行信号的智能控制.将此方案应用于劲松东口交叉口作为研究背景,仿真结果表明,采用模糊控制方法结果令人满意,效果优于现行的定时控制.该模糊控制方案能更有效地处理随机性较大、不确定性较强的交通流.     

Development of a fuzzy logic traffic system for isolated signalized intersections in the State of Kuwait

In a conventional traffic signals controller, the lights change at constant cycle time. In many cities, automatic traffic signals are often based on a constant green-to-red cycle. The time period for green light (or red light) to be on is determined based on a stochastic model. The traditional vehicle-actuated control of isolated intersections attempts continuously to adjust green times. The decision to change green light duration involves fuzzy factors that cannot be precisely determined.The main objective of this paper is to develop a fuzzy logic traffic system that considers the two two-way intersections and is able to adjust changes in time intervals of a traffic signal based on traffic situation level.The proposed system has been applied and tested using real data collected from signalized intersection in Hawalli governorate in the State of Kuwait. Twenty-seven iterations have been done; the results show that the proposed fuzzy logic traffic system provides better performance in terms of total waiting time, total moving time, and vehicle queue. Finally, it can be observed from the results that the proposed system can be used to accelerate the cycle time and to give other phases the chance to gain more benefit from the green time lost.     

A V2I communication-based pipeline model for adaptive urban traffic light scheduling

Adaptive traffic light scheduling based on realtime traffic information processing has proven effective for urban traffic congestion management. However, fine-grained information regarding individual vehicles is difficult to acquire through traditional data collection techniques and its accuracy cannot be guaranteed because of congestion and harsh environments. In this study, we first build a pipeline model based on vehicle-to-infrastructure communication, which is a salient technique in vehicular adhoc networks. This model enables the acquisition of fine-grained and accurate traffic information in real time via message exchange between vehicles and roadside units. We then propose an intelligent traffic light scheduling method (ITLM) based on a “demand assignment” principle by considering the types and turning intentions of vehicles. In the context of this principle, a signal phase with more vehicles will be assigned a longer green time. Furthermore, a green-way traffic light scheduling method (GTLM) is investigated for special vehicles (e.g., ambulances and fire engines) in emergency scenarios. Signal states will be adjusted or maintained by the traffic light control system to keep special vehicles moving along smoothly. Comparative experiments demonstrate that the ITLM reduces average wait time by 34%–78% and average stop frequency by 12%–34% in the context of traffic management. The GTLM reduces travel time by 22%–44% and 30%–55% under two types of traffic conditions and achieves optimal performance in congested scenarios.