单路口交通信号多相位实时控制模型及其算法

针对城市道路交叉口的交通流特性,对单路口交通信号多相位实时控制的模型和算法进行研究.首先提出一种改进的单路口交通信号多相位实时配时模型,该模型可反映交叉口交通状况的实际需求.同时,采用能随交通需求的变化而实时变化的加权系数,将交叉口3个优化目标函数转化为单目标函数优化的问题.为提高模型的计算速度以及降低交叉口信号机的单机计算量,采用蚂蚁算法中的精英蚂蚁寻优策略求解模型.最后,以伪代码的形式设计了求解该问题的程序流程,并通过一个实例验证了模型及其求解算法是合理的和有效的.     

城市单交叉路口交通信号实时优化控制与仿真

针对城市道路单点交叉口交通流的到达特性,将路口到达的交通流划分为4种状态,提出了“基于状态划分的多相位交通信号实时控制方法”,该方法根据路口各状态下交通流的到达特征和控制目标,为不同交通状态选择合适的性能指标,并建立各状态下交通信号的动态配时模型。同时,设计了一种改进的自适应实数编码遗传算法对交通信号配时模型进行求解,该算法采用基于分类的排序惩罚机制对约束进行处理,并引入模拟退火算子增强遗传算法的局部搜索。最后,采用3种算法对实例进行大量的数值计算和Paramics仿真,计算和仿真结果均表明所设计的算法求解精度高且模型具有良好的控制效果。     

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.     

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.     

基于混沌量子进化算法的单交叉口信号控制

城市道路各交叉口交通信号的配时优化和协同控制直接影响整个城市的交通状况.本文以单交叉口模型的交通信号控制问题为背景,构造了以单交叉口滞留的车辆数最少为目标的优化模型.用混沌量子进化算法进行仿真数据求解,得到实时控制的配时方案,并与其它算法的仿真结果进行比较,结果表明该算法对单交叉口的信号配时优化是非常有效的.     

交通信号配时方案实时仿真系统设计与实现

为了使交通信号配时方案及时反映道路交通流量的变化,以达到最优的控制效果,设计并实现一种用于交通信号配时方案实时仿真系统.该系统基于ARM Cortex-A8处理器,集成在信号控制器内部,分布于各交叉路口.在设计应用软件时以单路口四相位交通流为例进行分析,并以平均延误时间为评价指标进行建模,运用遗传算法对当前交通流下各方案进行仿真,评估出最优配时方案.通过实际验证,该系统通过实时仿真能够给出交通控制信号最优方案,减少车辆的平均延误时间.     

基于样本优化的PPO算法在单路口信号控制的应用

优化交通信号的控制策略可以提高道路车辆通行效率, 缓解交通拥堵. 针对基于值函数的深度强化学习算法难以高效优化单路口信号控制策略的问题, 构建了一种基于样本优化的近端策略优化(MPPO)算法的单路口信号控制方法, 通过对传统PPO算法中代理目标函数进行最大化提取, 有效提高了模型选择样本的质量, 采用多维交通状态向量作为模型观测值的输入方法, 以及时跟踪并利用道路交通状态的动态变化过程. 为了验证MPPO算法模型的准确性和有效性, 在城市交通微观模拟软件(SUMO)上与值函数强化学习控制方法进行对比. 仿真实验表明, 相比于值函数强化学习控制方法, 该方法更贴近真实的交通场景, 显著加快了车辆累计等待时间的收敛速度, 车辆的平均队列长度和平均等待时间明显缩短, 有效提高了单路口车辆的通行效率.     

求解作业车间调度问题的禁忌分布估计算法

为优化作业车间调度问题的解,提出一个禁忌和分布估计的混合算法。分布估计算法是一种新的进化模式,通过概率优化模型在连续空间进行求解;通过对已获得的群体进行选择操作生成优势群体,提出的分布估计算法使用单变量边缘分布算法构建概率模型,估计离散空间中的联合概率分布,从概率向量采样生成新群体;采用基于工件编号的编码和解码机制保证解的可行性。为提高局部搜索能力,算法基于禁忌搜索算法设计新的双重移动组合、块禁忌和选择策略,在搜索陷入局部最优时利用遗传算法的变异算子生成新解;算法通过混合分布估计算法和禁忌搜索算法的优点,兼具全局搜索与局部搜索能力,提高了搜索的效率和性能。通过与现有算法在典型实例上的实验结果比较,表明该算法在求解作业车间调度问题上具有可行性和有效性。     

基于流量的交通信号智能控制算法与仿真

交通信号控制系统是城市交通的基本组成.文章针对交通路口信号控制中的时间分配算法进行研究.根据交通路口抽象模型,综合多种路口流量因素,引入了综合流量指标来对交通流量进行量化描述.并且以该综合指标为中心设计了具备自适应能力的信号控制算法.实现了能够依据交通流量状况进行路口时间调整的交通信号控制系统模型.通过NetLogo平台进行仿真实验,证明该系统模型可以很好的适应路口交通流量变化和差异,一定程度上可以作到对交通压力的缓解.     

两相邻路口交通信号的协调控制

传统路口的控制算法大多研究单个路口的信号控制情况.该文根据路口之间的相互关 系,利用高阶广义神经网络及模糊推理提出了两个相邻交通路口的协调算法.利用此算法设计 的交通信号控制器,可以有效地协调两相邻路口的红绿灯信号,在一定程度上改善了交通路口 的交通状况.     

交互协调强化学习下的城市交通信号配时决策

针对应用传统强化学习进行城市自适应交通信号配时决策时存在维数灾难和缺乏协调机制等问题,提出引入交互协调机制的强化学习算法。以车均延误为性能指标设计了针对城市交通信号配时决策的独立Q-强化学习算法。在此基础上,通过引入直接交互机制对独立强化学习算法进行了延伸,即相邻交叉口交通信号控制agent间直接交换配时动作和交互点值。通过仿真实验分析表明,引入交互协调机制的强化学习的控制效果明显优于独立强化学习算法,协调更有效,并且其学习算法具有较好的收敛性能,交互点值趋向稳定。     

区分交通流模式的混合服务路口信号控制策略

相对于固定配时,基于交通流的动态变化特征的信号配时算法具有更好的道路状态适应性.鉴于此,提出一种基于交通流识别的自适应控制策略,首先利用自组织映射网络(SOM)神经网络对历史交通流状态聚类,结合路口时间段与路段环境特征分析实现交通流模式划分;在此基础上,引入概率神经网络(PNN)对该路口的交通流模式进行训练学习;最后针对不同状态类型交通流量,动态选取门限服务轮询信号配时和韦伯斯特信号配时策略计算信号灯配时周期,实现控制策略与交通流动态变化特征的匹配.仿真实验结果表明,区分交通流模式的混合服务路口信号控制方法对车流的随机变化具有更好的适应性.     

基于GA-PDD的干线信号协调控制优化

针对城市交通干线负荷量大、信号配时计算效率低、协调优化约束条件多的特点,提出了基于比例分配解码方法的遗传算法(GA-PDD)协调控制策略,采用交通波理论建立了排队长度预测模型并以干线系统内车辆平均延误时间最小为目标函数建立了遗传算法优化模型,采用比例分配解码方法来进行求解.分别采用单点信号控制、定时协调信号控制和基于GA-PDD的协调控制3种控制策略对某城市干线实例进行对比仿真实验,仿真结果表明,随着调用周期的增大,GA-PDD控制策略的车辆平均停车次数和延误时间逐渐减小,调用周期在15 min及以上时,优于单点信号控制和定时协调控制,验证了不频繁剧烈地改变干线上的信号周期和相位差时,GA-PDD控制策略具有可行性和有效性.     

SAGACIA 算法改进及其不对称交通信号配时优化

针对城市交叉路口交通流量不对称,对称的信号配时易发生交通流量大的方向发生拥堵的情况,采用借相位放行方式设置交叉口的不对称相位,以交叉口车辆平均延误最小为控制目标,应用改进SAGACIA 算法对各相位绿灯时间和周期时长进行优化。根据获得的交叉口交通流数据,通过Matlab编程仿真。仿真结果表明,改进SAGACIA算法能够有效降低车辆平均延误,并与遗传算法进行了对比,SAGACIA算法改进后具有更好的搜索能力和搜索精度,有助于获得较优绿时配时方案。     

通用干道双向绿波协调控制模型及其优化求解

针对干道交叉口进口不同放行方式的实际需求,利用绿波协调控制中的时距分析方法,建立了通用干道双向绿波协调控制模型,设计了基于控制模犁的信号配时优化流程,并利用混合整数线性规划方法实现了控制模型的优化求解.模型算法将不受进口放行方式与路段行驶速度的限制,能够遍历所有存在的最佳信号配时设计方案,且易于通过计算机编程实现其优化...     

交通控制中展宽段设计与信号配时的优化

针对展宽段设计与信号配时之间互相影响和制约的问题,本文提出了优化配时依据和相位相序的解决方法.分析了展宽段设计与信号控制之间的内在联系;提出了交叉口无空间限制条件下展宽段的设计思想,既应满足信号控制需求又要保证排队车辆不发生溢出,且要尽量减少对对向出口道车辆通行的影响,基于此思想综合运用交通控制理论及交通流理论建立了展宽段长度的计算模型;当交叉口空间受限制时,针对直左车流间无相互干扰的情况,提出了以当量饱和流率作为信号配时依据的控制思路,而对于直左车流间存在相互干扰较严重的情况,提出了优化相位相序的控制策略,结合韦伯斯特理论建立了以延误最小为目标的非线性优化模型,并采用遗传算法求解相关参数.最后利用VISSIM仿真软件对提出的方法和模型进行了模拟验证.     

基于实数编码遗传算法对交通信号配时优化

鉴于城市道路的交通信号配时优化问题,本文提出一种改进的信号配时非线性函数模型,设计各性能指标的加权系数随交通需要的不同而变化,采用基于实数编码的遗传算法对信号配时进行优化。算例结果表明。该算法优于传统的Webster方法,在同一周期内减少了车辆延误,增加了通行能力,同时使交叉口的服务水平由C级提高到A级。     

灾变粒子群优化算法及其在交通控制中的应用

城市交通系统是一个随机性很强的、复杂的巨型系统。为了获得良好的通行效率,必须对城市区域交通协调控制信号进行整体优化,但是到目前为止还没有一个能较好完成此项任务的、实用的实时智能优化方法。在粒子群优化算法中引入灾变策略和模型,开发了灾变粒子群优化算法,解决了基本粒子群算法易陷入局部极小点的缺陷,并将其应用于城市区域交通协调控制信号配时优化。仿真结果表明:与基本粒子群算法(在陷入局部极小点时)、固定周期法和遗传算法等配时方法相比,采用所开发的灾变粒子群优化算法对区域交通协调控制信号进行智能优化配时,被控区域的车辆平均延误可以分别平均减少25.2%、41%和11.5%,并可以大大提高路口的通行效率。开发的灾变粒子群优化算法也可以应用于其他许多对象的优化。