自适应交通信号控制软件系统

本系统的基本思想是针对我国现行城市路网结构及交通流的具体特点。基于交通信号区域控制理论展开的。其控制算法模型介于脱机交通信号控制理论。对于城市外围地区平交路口,采用脱机交通信号控制算法模型实现区域信号控制;而对于城市中心地区,选择自适应交通信号控制算法模型实现区域信号控制。交通信号控制模型可采用方案选择式或方案生成式。系统采用三级分布式交通信号控制结构,基于严格的时段划分对城市路网中的信号控制区域及平交路口进行协调控制。以实现整个路网通行能力提高的控制目的。     

平面交叉路口交通信号控制策略研究

在分析当前平面交叉口交通信号控制技术的基础上,重点研究交通信号控制配时策略,结合现代智能交通的需求,提出一种平面交叉路口的通用模型及描述各种实际路口的通用方法,根据路口的各车流向的期望车流量的实时预测结果实时生成最优配时的自适应算法。算法实时改变相位车流向组成,系统适应能力有较大的提高。     

基于SFSTFC的单路口交通信号控制

针对城市单路口的交通信号控制问题,提出了一种基于比例因子自调整模糊控制器的控制方法.首先分析了比例因子对模糊控制系统性能的影响;然后,根据当前路口交通流红灯相位的损失指数和绿灯相位的增益指数,给出了比例因子自调整模糊算法,可依据路口动态车流信息在线调整比例因子;最后,基于提出的比例因子自调整模糊控制器,给出了一种单路口交通信号控制策略.仿真结果表明,相对于定时控制,以及普通模糊控制,比例因子自调整方法能够有效地降低路口平均车辆延误,提高了交通信号控制系统的控制精度.     

云控制器在智能交通信号灯控制中的应用研究

针对智能交通系统中信号灯控制问题,提出一种新的控制方法--使用云理论的基本算法处理公交车辆反馈信息;将云理论中的前件云发生器与后件云发生器组合构建云控制器,对含有不确定性的多维度公交信号综合处理,并综合各种道路信息以决定交通信号灯的通行时间长度方案;通过模拟实验,证明该信号控制方法能够真实客观实时地反映道路情况,并对交通信号的时长做出有效调整,提高了控制的灵活性和实时性,有效减小了车辆平均延误,使控制系统更具智能化.     

单交叉口交通信号自适应控制系统及其拓展

由于目前交叉口信号控制主要采用传统的控制方式,大都不具备智能性,很难实现对随机变化的交通流进行有效控制.针对这种不足,本文从模糊控制和自适应控制方法两个角度出发研究该问题,并进行仿真分析,所得结果表明,自适应控制系统比模糊控制和传统控制方法的控制效果更佳.最后将单交叉口拓展到多路口的交通信号控制的研究.     

分布式区域交通信号自适应控制

基于无模型自适应动态规划,提出一种新的交通信号控制算法,应用于区域多路口协调优化控制.在四交叉路口的仿真环境下对该控制算法进行验证,取得良好的优化效果.     

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.     

基于Q学习的单路口交通信号协调控制

Q学习通过与外部环境的交互来进行单路口的交通信号自适应控制。在城市交通愈加拥堵的时代背景下,为了缓解交通拥堵,提出一种结合SCOOT系统对绿信比优化方法的Q学习算法。本文将SCOOT系统中对绿信比优化的方法与Q学习相结合,即通过结合车均延误率以及停车次数等时间因素以及经济因素2方面,建立新的数学模型来作为本算法的成本函数并建立一种连续的奖惩函数,在此基础上详细介绍Q学习算法在单路口上的运行过程并且通过与Webster延误率和基于最小车均延误率的Q学习进行横向对比,验证了此算法优于定时控制以及基于车均延误的Q学习算法。相对于这2种算法,本文提出的算法更加适合单路口的绿信比优化。     

基于模糊逻辑的路口交通信号控制

城市交通控制(UTC)是智能交通系统中非常重要的组成部分。在一些复杂的交通情况下,使用传统的控制方法进行交通信号控制的效果并不好。由于模糊逻辑能够较好地描述复杂系统的定性模型,因此它非常适合对路口交通信号灯进行控制。该文给出了一种采用模糊逻辑进行路口信号灯控制的方法。通过从路口检测器获取车辆信息,模糊规则对信号灯进行优化控制。通过仿真模拟,给出了实验结果。     

基于WSN的路口交通信号控制设计

为了缓解道路交通拥堵,减少车辆延误,节约交通能源,控制车辆在交叉路口顺畅通行,提出了一种基于无线传感器网的智能交通信号控制设计。利用传感器节点收集的交通信息,结合多agent的西同方法,控制中心进行综合处理,在不同的时段采用不同的路口控制模式,调整各交叉路口的绿信比,协调干线各路口周期的确定和各路口之间的相位差,自适应地控制车辆通行时间。实现了交通信号灯的无线智能控制,从而提高车辆通行效率。实现交通信号控制的智能化、网络化。     

自适应遗传算法的Multi-Agent交通信号优化控制

在区域交通多智能体信号控制系统中,由于传统遗传算法早熟收敛,全局搜索能力不强,无法快速找到最佳配时方案,同时没有考虑相邻交叉口的关联性,针对这种情况,提出交叉口子区Agent代替传统的交叉口Agent,在交叉口子区Agent中引入自适应遗传算法,算法根据交通流量的变化对绿信比[λ]进行优化,使交叉口平均延误时间[D]最短。实验结果表明交叉口子区Agent代替交叉口Agent后,控制效果相似,节省了硬件资源,在交叉口子区Agent中引入自适应遗传算法下的信号控制能迅速找到最佳配时方案,使平均延误时间最短。仿真实验表明,将基于自适应遗传算法的交叉口区域控制应用到交叉口信号控制中有更好的性能,证明了用交叉口区域智能体替代交叉口智能体的可行性。     

交叉口混合交通流微观控制模型

为构建智能网联汽车(CAV)和有人驾驶汽车(HDV)混合通行情况下的交叉口通行机制与控制方法, 本文提出CAV专用道条件下交叉口协同通行模型. 首先, 设计CAV专用道条件下的交叉口布置, 对交叉口进行网格化处理,将CAV通行时隙和HDV绿灯相位对交叉口某部分网格某时段的占用统一到交叉口时空资源描述框架下; 其次, 建立兼顾CAV与HDV的交叉口时空网格资源分配模型, 构建自适应信号灯控制算法和CAV轨迹规划算法; 再次, 以车辆最小延误为目标进行自适应信号灯配时优化和CAV轨迹优化; 最后, 选取广州某典型交叉口建立仿真实验对所提方法的有效性进行了验证.     

基于CMAC强化学习的交叉口信号控制

采用神经网络值函数逼近的强化学习方法处理交叉口的信号控制。根据交通流及交叉口信号特征,建立强化学习的状态空间、动作空间和回报空间,以最小化车辆在交叉口的延误为控制目标,对信号进行优化控制。引入小脑模型关节控制器神经网络对强化学习(RL)的Q值进行逼近。在变化的交通条件下,使用典型交叉口对提出的RL模型进行验证,同传统的定时控制和全感应控制进行对比分析。仿真结果表明,RL控制器具有较强的学习能力,可以适应交通流的动态变化,稳定性好、自适应性强,对于环境变化具有较强的适应能力。     

平面交叉口交通流动态特征的神经网络模型

平面交叉口的交通控制是交通控制系统理论、方法与实践的重要组成部分，描述平面交叉口实时动态交通需求的模型是实时自适应信号控制的基础依据，本文首先对现有交叉口车流动态特征的研究方法进行描述，在分析车流动态特征产生机理的基础上，指出现有方法的不足，并提出神经网络模型为刻划交叉口动态特征。     

交通信号自适应模糊控制器的设计及稳定性分析

针对城市交通路口的信号控制,提出一种自适应模糊控制器,并对其稳定性进行分析.通过控制器给出路口实时信号配时,根据红灯相位的等候车辆平均损失和绿灯相位释放车辆的平均增益,给出了模糊控制器的自适应算法,以实时修正其模糊规则.在自适应模糊控制器的稳定性分析中,采用模糊控制系统闭环模型的模糊关系矩阵,证明在路口车辆随机产生的情况下,模糊控制系统是稳定的.仿真结果表明,自适应模糊控制器比全感应控制器、简单模糊控制器更能适应路口交通流的变化,极大地改善了系统性能.     

Recursive least-squares temporal difference learning for adaptive traffic signal control at intersection

This paper presents a new method to solve the scheduling problem of adaptive traffic signal control at intersection. The method involves recursive least-squares temporal difference (RLS-TD(λ)) learning that is integrated into approximate dynamic programming. The learning mechanism of RLS-TD(λ) is to make an adaptation of linear function approximation by updating its parameters based on environmental feedback. This study investigates the method implementation after modeling a traffic dynamic system at intersection in discrete time. In the model, different traffic control schemes regarding signal phase sequence are considered, especially the defined adaptive phase sequence (APS). By simulating traffic scenarios, RLS-TD(λ) is superior to TD(λ) for updating functional parameters in the approximation, and APS outperforms other conventional control schemes on reducing traffic delay. By comparing with other traffic signal control algorithms, the proposed algorithm yields satisfying results in terms of traffic delay and computation time.

     

基于交通流量自适应控制的路口子系统

在经济快速发展、道路建设不足等多重压力下,城市交通负担越来越重.在现有的资源条件下,如何提高道路资源的利用效率和道路的通行效率是缓解交通问题的重要途径.本文以设计一种基于交通流量自适应控制的路口子系统为目标,首先分析、研究了交通管控系统的相关算法和相关信息系统的现状,在综合现有系统的基础上,设计了一个交通管控系统的体系结构,系统包括路口子系统、区域中心和信息与控制中心等3部分.通过路口子系统实现交通流数据的实时采集和路口本地的智能控制;设计并实现了路口子系统的检测方案,路口子系统的数据采集和本地的智能控制是云数据存储,以及实时的交通信息平台发布的关键,同时对于实现多个路口的协调管控具有重要的意义.