一种面向时间分配问题的群智能劳动分工新方法

本文以给不同信号相位的车辆分配绿灯时间的交通信号配时问题为代表,将群智能劳动分工应用到时间分配问题的求解中,提出一种新颖的蜂群劳动分工算法（bee swarm labor division algorithm, BSLDA）。首先从时间分配的视角对交通信号配时问题进行分析,然后将激发-抑制原理引入BSLDA,为每个信号相位定义了激发剂和抑制剂,并设计了增加绿灯时间、减少绿灯时间和保持绿灯时间3种行为。在群智能劳动分工激发-抑制原理作用下,BSLDA中的每个信号相位都能根据环境变化选择恰当的行为完成时间分配。最后采用真实的交通流数据进行仿真实验,结果表明本文方法适于求解不确定环境下的交通信号配时问题。     

基于模糊控制的智能交通系统

针对平面交叉口的智能交通信号控制,提出了多相位路口实时的模糊控制方案。根据各相位的车辆排队长度实际交通量,设计信号灯配时方案,减少车辆在路口的排队长度。对上述控制方案进行仿真实验,仿真实验结果表明,该控制方案能很好的改善实际交通状况,控制效果优于定时控制的方法,从而有效的提高平面交通路口的通行能力。     

基于TCPN的交叉口信号控制模型与优化

针对城市路网中交叉口车辆通行效率低下,交通信号控制策略难于满足输入路段上车流变化的问题,本文提出了一种基于时延赋色Petri网的交叉口交通流优化控制模型。首先建立路段车流、交叉口车流和交通信号控制的TCPN模型,其次建立以交叉口输入路段车辆数最小为目标的车流优化方程。在假设信号周期固定的前提下,利用15个周期采集的交叉口输入、输出路段车辆数,求解满足优化目标的相位配时,确保交叉口输出车辆数最大,且输入路段上待通过车辆平均数最小。仿真结果表明,交叉口的通行能力显著提高,各输出路段上的车辆平均数分别增加了13.3%,9.7%,9.8%和4.3%。     

基于量子粒子群算法的单交叉口信号控制

城市道路道路各交叉口交通信号的实时管理和控制直接影响了整个城市的交通,以单交叉口多相位固定周期的交通信号控制问题为背景,构造了以交叉口滞留车辆最少为优化模型,在目标函数后加上罚因子实现有约束极值问题向无约束问题的转化,用量子粒子群算法对其进行仿真数据求解,得到了交通实时控制的配时方案,并与定时控制进行比较,结果表明该模型和算法对交通信号的实时控制是非常有效的。     

基于车流量的智能交通信号优化控制研究

道路交叉口是城市交通网络的关键组成部分,其通行效率直接决定了城市交通网络的通行能力。为了提高城市交通路网的通行能力,缓解交通拥堵,根据相邻交叉路口车流量具有相关性的特点,提出一种基于车流量的智能交通信号控制方法。建立基于门限服务策略的交通灯轮询控制模型,利用马尔科夫链和概率母函数分析了交叉口车辆平均排队长度和信号灯配时方案,并根据实际交通情况进行仿真实验。结果表明,基于车流量的智能交通信号控制比传统的固定配时控制更加合理,能有效地降低车辆通过交叉口时的平均延误时长和排队长度,提高通行效率。     

结合模糊控制的深度强化学习交通灯控制策略

现有交通信号灯控制策略大多针对单一交叉口展开分析,该策略仅考虑车流量的单一因素,难以适应动态的路网状态。对此,提出了一种结合模糊控制的深度强化学习交通灯控制策略,利用SAC(soft actor critic)深度强化学习对两交叉口的交通信号灯相位选择及配时进行联合优化,同时考虑车辆速度、路段车辆排队长度等因素,利用模糊控制对SAC的惩罚函数进行处理。实验结果表明,与固定循环周期策略、SAC控制策略和DDPG(deep deterministic policy gradient)控制策略相比,提出的交通信号灯控制策略能获得更快的车辆通行速度,车辆的油耗和尾气排放情况也得到了改善。     

交叉路口中一种智能的车辆实时调度算法

针对城市道路交通拥堵问题,提出了一种基于智能交通信息环境下的车辆实时调度算法,该算法在现有信号相位设计的基础上,根据当前道路的相对滞留率进行相位的选择,然后针对每个被选中相位,调整交叉路口的交通信号周期,尽可能使更多车辆在各自车道上安全行驶。实验结果表明,本文提出的算法的车辆平均等待时间低于现有算法。     

冰雪天气下高速公路可变限速控制研究

为保障冰雪天气条件下高速公路的行车安全与通行效率,在建立安全限速模型与交通流预测模型的基础上,提出一种基于粒子群优化算法的可变限速控制策略;首先,通过分析冰雪天气下车辆制动性能和交通流演化规律,提出适用于冰雪天气条件的高速公路安全限速模型以及交通流预测模型;其次,设计了兼顾通行效率与行车安全的优化目标函数,并考虑实际行车需求给出相关约束条件;最后,基于交通流预测模型并结合粒子群优化算法对可变限速值进行求解,并通过搭建的元胞自动机交通流模型将所提出的可变限速策略的控制效果与固定限速方案和分段安全限速方案进行对比仿真实验;仿真结果表明,相比于固定限速方案,可变限速控制减少了总行程时间、总行程延误时间和车辆冲突时间;相比于分段安全限速方案,可变限速控制有效减小了管控路段内的车辆行驶速度标准差,总行程延误时间和车辆冲突暴露时间也有所降低,验证了所提出可变限速控制策略的有效性。     

一种基于粒子群的交通信号离线配时优化方法

提出了一种基于粒子群的交通信号离线配时优化方法,采用实数编码表示区域内各信号交叉口的各相位绿灯时间,不同的配时方案对应于不同的粒子,粒子的适应度利用微观交通模拟获取的总延迟时间进行评价,最后得到的具有最小延迟时间的粒子即为最优配时方案。与已有的离线配时技术相比,提供了一种编码形式简单、参数较少、计算速度较快的信号配时智能优化方法。     

复杂路段交通拥堵优化调控方法研究与仿真

研究了交通拥堵时段的优化控制问题。提出一种二级防冲突相位控制算法的交通拥堵调控方案。根据复杂路况,建立两相位的车辆排队长度和变化量,确定二级相位的交通紧张度;根据不同相位的道路紧张程度,确定时域内的多点控制条件,保证调节效率。仿真结果显示,二级防冲突控制算法有效地降低了车辆平均延误时间,提高了交通运行效率。     

车路协同环境下智能交叉口车速控制

传统信号控制交叉口通过相位禁行方式来解决交通冲突,导致交叉口时空资源利用率低,延误增加.为提高车路协同环境下的交叉口通行效率,本文提出了一种基于时空间隙动态分配的智能交叉口车速控制方法,对交叉口车辆通行时间进行归一处理,建立了车辆跟驰控制模型和冲突避碰模型,使车辆能够根据交叉口控制区域内的实时路况信息预先进行速度调整,达到不停车通过交叉口的最优安全速度.运用VISSIM和MATLAB联合搭建仿真运行环境,分别在600 pcu·h^-1, 1200 pcu·h^-1和1800 pcu·h^-1交通流量条件下,对智能控制和传统控制交叉口的控制效益进行评价对比,结果表明:该智能控制方法均能够有效缩短交叉口车辆延误,减少车辆油耗和各类污染物的排放,且交通流量越高,改善效果越明显.     

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%。     

考虑行人效益的拥挤交叉口多目标配时优化

机动车流量、行人流量均较大的信号控制交叉口,行人路权往往过低,过街闯红灯现象普遍,且难以控制与避免,严重降低了交叉口运行效率。为了有效解决这一问题,采用机动车效益、行人效益、交叉口通行能力为评价指标,以交叉口饱和度为约束条件,在机动车效益指标中考虑了行人闯红灯对机动车造成的延误影响,建立了交叉口多目标信号配时优化模型;设计了求解模型的遗传算法。算例结果表明,所提出的模型能较好改善交叉口综合效益。     

Multi-criteria evolutionary optimization of a traffic light using genetics algorithm and teaching-learning based optimization

Today, the development of urbanization and increasing the number of vehicles has resulted in displeased consequences like traffic congestion and vehicle queuing. The vast majority of countries in the world encounter the challenge of the explosive rise in traffic demand. In this regard, it is necessary to meet traffic demand in transport networks, especially in metropolitans. In traffic management and shortening the trip duration, traffic lights on the signalized intersections play an essential role in urban pathways. This work provides a multi-criteria decision-making method for optimum traffic light control in an isolated corner. The main idea involves establishing a set of sub-optimal solutions for traffic light timing and selecting the best one among the diverse solutions. We have mathematically modelled the problem as an optimization problem to achieve an optimal solution with less waiting time for vehicles in intersections and the lowest cost. Genetic algorithm (GA) and Teaching-Learning-based Optimization (TLBO) are utilized for each phase to create a set of suitable timing scenarios. The Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) method is used to identify the best scenario, considering both waiting vehicles and traffic capacity as decision criteria. Its efficiency has been demonstrated over three different traffic volumes. Also, in a real-world implementation, its practical capability has been approved at a crossroads in Mashhad, Iran. The simulations indicate the improvement in the number of vehicles waiting behind the crossroad and the traffic capacity by 10% and 6.76% compared to the existing signal timing of the studied intersection, respectively.     

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。     

基于机器视觉的交叉口特种车辆快速通行技术研究

交叉口是道路网络中重要的交通节点,容易产生交通堵塞问题,为了在保证通行安全的情况下提高特种车辆的通行效率,研究基于机器视觉的交叉口特种车辆快速通行技术。优化通行基础采用图像采集及预处理、检测识别和通行控制作为技术框架结构,利用机器视觉技术采集交叉口实时交通图像,通过图像滤波、图像增强等步骤,实现初始图像的预处理。利用Car-YOLO网络识别交叉口通行能力,规划快速通行路线,考虑前车行驶状态,求解特种车辆通行速度,针对车辆所占车道,通过绿灯早启、绿灯周期时间延长等方式控制交叉口信号灯,实现交叉口特种车辆快速通行。实验结果表明:在拥堵和正常通行场景下,优化设计技术的特种车辆通过时间的平均值分别为18.2s、10.1s,事故发生概率分别低于2%、1.4%,具有较好的应用效果。     

车路协同下的无信号交叉口车辆通行调度策略

无信号交叉口车辆通行调度问题是智能交通领域的研究重点,由于车辆通行顺序决策问题的解空间随着车辆数增加而指数级增长,在保证实时性的同时找到较优通行顺序成为无信号交叉口通行调度的一大问题。针对该问题提出一种基于自适应蒙特卡罗树搜索算法的无信号交叉口车辆通行调度方法,采用分层式框架,上层集中式顺序决策,下层分布式轨迹规划。首先,建立基于冲突点的交叉口模型,将网联车加入到待搜索队列中,根据交叉口中的车辆通行特点设计通行顺序的蒙特卡罗树搜索流程,以总通行时间为指标建立评价函数,然后针对不同交通情景设计自适应探索系数及其他超参数,使算法在求解不同车辆数时以及搜索的不同时期保持最佳状态。轨迹规划环节以加速度二范数为目标函数,以速度、加速度以及始终点位置等为约束,建立最优控制命题求解车辆轨迹。最后,进行实验,结果表明该算法相较于其他算法在数值仿真和微缩平台实验中最大优化幅度分别达到33.42%和38.04%,为无信号交叉口车辆通行调度提供了一个有效解决方案。     

A crosswalk pedestrian recognition system by using deep learning and zebra-crossing recognition techniques

Pedestrian detection is essential for improving pedestrian safety in an intelligent traffic system. The efficiency of the system is affected by real-time processing and the error rate of detection. These concerns have not been completely addressed in previous studies. Therefore, this study proposes a real-time pedestrian recognition system that ensures high accuracy by using a deep learning classifier and zebra-crossing recognition techniques. The proposed system was designed to improve pedestrian safety and reduce accidents at intersections. Environmental feature vectors were first used to detect zebra crossings and to determine crossing areas. An adaptive mapping technique was then used to map the pedestrian waiting area based on the crossing area. A dual camera mechanism was used to maintain detection accuracy and improve system fault tolerance. Finally, the you-only-look-once model was used to recognize pedestrians at intersections. A system prototype was implemented to verify the feasibility of the proposed system. The results revealed that the proposed scheme outperforms the conventional histogram of oriented gradients and Haarcascade schemes.     

CATS: An adaptive traffic signal system based on car-to-car communication

Traffic signal controls play an important role in regulating vehicular flow at road intersections. Traditional systems are not capable of adjusting the timing pattern in accordance with vehicular demand. This results in excessive delays for road users. Hence it is necessary to develop dynamic systems that can adjust the timing patterns according to traffic demand. In this paper, the design and implementation of an adaptive traffic signal control system based on car-to-car communication is presented. Also, a clustering algorithm is defined which will assist in estimating the density of vehicles approaching an intersection. The cycle time, which is calculated using the estimated density of vehicular traffic, helps in reducing both the waiting time for vehicles at intersections and queue length. It is also shown that the proposed solution is collision free at intersections. The proposed system is compared with a classic pre-timed system and an adaptive fuzzy logic system. The simulations also show that the data convergence time and the communication delay between vehicles and traffic signals do not compromise the efficiency of the system.     

城市交叉口车辆速度与交通信号协同优化控制

为了降低城市交通中的行车延误与燃油消耗,针对人类驾驶车辆与自动驾驶车辆混合交通环境,提出一种基于交通信息物理系统(TCPS)的车辆速度与交通信号协同优化控制方法.首先,综合考虑路口交通信号、人类驾驶车辆、自动驾驶车辆三者之间的相互影响,设计一种适用于自动驾驶车辆与人类驾驶车辆混合组队特性的过路口速度规划模型;其次,针对车辆速度规划单一应用时的局限性,即无法减少车辆路口通行延误且易出现无解情况,提出一种双目标协同优化模型,能够综合考虑车辆速度规划与路口交通信号控制,同时降低车辆燃油消耗与路口平均延误.由于双目标优化问题求解的复杂性,设计一种遗传算法-粒子群算法混合求解策略.基于SUMO的仿真实验验证了所提出方法的有效性.