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.     

基于粒子群算法的多匝道协调控制

高速公路入口多匝道协调控制是调节各个入口匝道进入到主线的交通量,从而使主线交通流处于最佳状态。由于多个入口匝道相互关联和相互影响,多匝道协调控制具有强的耦合性、非线性和时变性。针对上述问题,提出了一种基于系统分层和粒子群优化算法的控制方法。首先论述了高速公路多匝道系统的原理模型;然后阐述了多匝道协调控制系统的实现,系统由协调控制层和直接控制层组成,其中前者负责模型选择、参数调整和确定期望的密度轨迹,后者采用比例积分微分控制器实施控制,并引入粒子群算法对控制器的比例系数、积分系数和微分系数进行优化;最后进行了仿真实验。结果表明,当高速公路出现交通拥堵时,系统能够快速地消除拥堵,并使主线交通流趋于稳定。该方法为高速公路多匝道控制提供了一种切实可行的新途径。     

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。     

基于免疫算法的高速公路协调优化控制研究

为解决高速公路交通日益拥挤的状况,文中提出了基于人工免疫算法的高速公路匝道协调控制方法;针对高速公路实际情况采用字符编码方式对所有匝道依次编码,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作为抗原;搜索求得当某段意外堵塞情况时多个匝道协调控制的全局最优控制序数;最后,结合首都机场高速公路实际数据分别用免疫算法和遗传算法进行了仿真,结果表明本算法的有效性以及实时性。     

高速公路的匝道与可变限速联合模糊控制

匝道控制是目前使用最广泛的高速公路交通控制方法之一.但是当高速公路严重拥挤时,匝道控制不再有效,需结合主线可变限速控制,以缓解交通拥挤.由此,匝道调节率与可变速度限制间高效的联合控制对于提高道路性能显得尤为重要.由于交通的非线性和不稳定特性,模型最优控制计算复杂且精度低,进而提出了一种模糊控制方法.该控制方法能够有效处理交通系统,算法简单,实现对高速公路的匝道调节率与可变限速的联合控制,保证车辆在高速公路上高效、安全运行.     

基于模糊理论的高速公路递阶控制

将递阶结构和模糊控制用于高速公路多匝道的协调控制,协调控制器采用多输入-多输出的模糊控制方法协调确定相邻路段的匝道入口调节率;各路段根据协调控制器给定的匝道入口调节率,利用单匝道模糊控制器将系统状态保持在给定的标称点范围内。给出了分层控制系统的结构和控制算法,并在交通仿真软件PARAMICS上进行了仿真实现。仿真结果表明,该方法能够有效地消除交通拥堵,维持主线车流稳定。     

高速公路非线性反馈模糊逻辑匝道控制器

入口匝道控制是高速公路交通控制和智能运输系统的重要组成部分,但现有的入口匝道控制效果尚不理想.为此,本文提出一种非线性反馈方法用模糊逻辑进行入口匝道控制.建立了高速公路交通流动态模型,在此基础上,结合模糊逻辑理论设计了非线性反馈匝道控制器,根据密度误差和误差变化用模糊控制决定匝道调节率,模糊变量选用三角形隶属度函数,并制定了包含56条模糊规则的规则库,最后用MATLAB软件进行系统仿真.结果表明该控制器具有优越的动态和稳态性能,它能使高速公路主线交通流密度保持为设定的期望密度,该方法用在高速公路入口匝道控制中效果良好.     

高速公路匝道非线性反馈控制器的设计与仿真

提出了一种非线性方法设计高速公路入口匝道反馈控制器,非线性反馈控制器由高速公路交通流模型和比例积分调节器组成。阐述了入口匝道控制原理,建立了高速公路交通流模型,模型的流量—密度关系是非线性的,设计了高速公路匝道非线性反馈控制器模型。仿真结果表明非线性反馈控制器性能优越,它能使高速公路主线交通流密度保持为设定的期望密度,同时又能维持可接受的匝道服务水平。     

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。     

高速公路入口匝道控制算法综述

入口匝道控制足缓解高速公路交通拥挤最有效的方法之一.首先阐述了高速公路入口匝道控制的基本原理和作用,依据控制范围将匝道控制分为单点控制与协调控制,依据对实时信息响应的不同将其划分为动态控制和静态控制;然后,对应用上最流行和理论上具有吸引力的几种典型入口匝道比如单点型匝道控制算法、等同型匝道控制算法、竞争型匝道控制算法和一体化型匝道控制算法的原理及其优缺点进行总结、分析和对比;最后在总结现有匝道控制算法的基础上,对未来入口匝道控制的研究方向进行了分析与展望.     

基于Multi-agent的城市高速公路交通流控制的集成框架

本文指出要有效解决高速公路的交通拥挤与堵塞问题,必须研究入口匝道控制、主线控制、通道控制等的集成问题.文章通过分折Multi-agent的技术特点和高速公路的交通流过程,提出了基于Multi-agent的入口匝道控制、主线控制、通道控制等的集成控制框架,并对其中的关键问题---短时交通流预测和Agent间的通讯---进行了阐述.􀁱     

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。     

基于遗传算法优化的高速公路匝道PI控制器

研究遗传算法优化PI控制器的参数,并应用到高速公路匝道控制中。阐述了匝道控制目标,建立了高速公路交通流模型,给出了遗传算法优化的步骤,并对入口匝道PI控制器的参数进行了优化。仿真结果表明,该方法性能优越,用于高速公路入口匝道控制中效果良好。     

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.     

整合快速路网匝道控制和路径诱导的进化粒子群算法

针对快速路匝道控制和路径诱导优化,改进已有宏观交通流模型对上下匝道的处理方式,提出了一种实现快速路网协同整合动态优化控制的进化粒子群算法。利用区分目的地车流的均匀分布,给出起始路段区分目的地车流的实际驶入比例。通过对实际路网中上下匝道车流的观察分析,给出上匝道车速与下游主线车速的关联关系,并对下匝道实施类似主线路段的建模处理。针对基于上述改进得到的快速路网动态控制系统,利用控制变量的箱式约束,在经典粒子群算法中引入交叉变异操作,给出了一种高效的进化粒子群算法。通过算例分析比较了经典粒子群算法和进化粒子群算法,证实了新方法可以高效处理复杂的实际快速路网。     

快速路入口匝道模糊自整定PI 控制方法

入口匝道调节是快速路交通控制中较有效的一种方式,现基于快速路交通系统的常微分模型,设计了一种新的入口匝道的模糊自整定PI 控制方法,充分利用了上游路段流入的交通流量和向下游路段流出的交通流量信息进行控制律更新,有效抑制了系统扰动等不确定性因素的影响。设计了相应的模糊控制逻辑,实现了复杂交通系统实际控制过程中的PI控制器参数的模糊自整定。仿真研究中,与传统PID 和ALINEA 方法进行了充分比较,说明了所提出方法的有效性。