考虑边界交叉口交通拥堵的反馈阀门控制

基于路网宏观基本图(macroscopic fundamental diagram, MFD)实施城市区域交通控制时,为了防止边界交叉口受阻方向的车辆排队长度过长,同时提高路网内车辆完成率,提出了考虑受控区域边界交叉口交通拥堵状况的交通流反馈阀门控制方法,通过对边界控制阀门处路段存放车辆富余空间的分析,提出了阀门交叉口位置和数量选择模型;针对可能造成的阀门交叉口交通拥堵,提出了受控区域边界拥堵交通流分配算法,也即通过提前调节阀门上游交叉口的绿灯时间,把部分交通流提前控制在其它相邻上游交叉口.通过实际路网仿真,结果表明该方法可以有效控制阀门交叉口的车辆排队长度,降低阀门交叉口车辆平均延误时间和平均停车次数.     

考虑交通流非线性特性的交通信号迭代学习控制策略

现实中城市交通流的运行具有很强的非线性特性, 采用简单的线性模型难以全面描述交通流的实际运行过程. 本文在考虑城市交通流非线性动态特性的基础上, 提出了一种非线性交通流排队模型, 并基于宏观交通流固有的周期性特征, 设计了交叉口信号的迭代学习控制策略. 通过对交叉口信号的迭代学习控制, 使交叉口各进口道的车辆排队长度尽可能趋于均衡, 提高交叉口信号有效绿灯时间的利用率, 从而提高路网的通行效率. 最后通过严格的数学推导证明了该方法的收敛性, 仿真研究及实验结果验证了所提方法的有效性.     

饱和路网中动态交通分配和控制一体化建模研究

对饱和路网中动态交通分配和交叉口信号控制的一体化建模进行了研究 .描述了一个双层规划问题 .上层以动态用户均衡为目标建立分配模型 ,下层以系统最优为目标进行信号设置 .考虑了饱和路段上的车辆排队行为和驾驶员路径选择行为 ,并在模型中加以描述 .最后将遗传算法与传统的非线性最优规划方法相结合求解了一体化模型     

基于TdPN的中小流量交叉口信号控制研究

针对城市中小流量交叉口交通拥堵问题,提出了一种基于时延Petri网(Timed Petri Net, TdPN)的可变相序信号控制模型。利用TdPN建立交叉口车流模型和信号控制模型,结合马尔可夫链,建立交通流的动态生成模型。通过将通行权赋予当前等待车辆数最大的相位来实现相位的随机选择。以平均延迟时间最小为优化目标,通过遗传算法求解最优相位配时。在信号周期固定的情况下,分析基于TdPN的四相位可变相序控制模型在不平衡交通流下对交叉口平均排队长度的影响,并将此模型与四相位固定相序控制模型进行对比。研究结果表明,该方案在单位时间内有效地减少了交叉口的平均排队长度。     

基于MLD-MPC的快速路出口与辅路协调控制

城市交通信号控制系统是典型的混杂控制系统。针对当前大中城市普遍存在的快速路出口匝道、辅路及下游交叉口的信号协调控制问题,研究了一种多信号自适应控制方法,以保证出口匝道排队长度较小且下游交叉口排队不溢流。首先,基于车道路段当量排队长度建立状态方程,分别选取出口匝道、辅路交叉口和下游交叉口排队长度为连续状态变量,信号灯切换信号为离散控制变量;其次,以有限排队长度为模型约束,建立了包含快速路出口匝道、辅路及下游交叉口排队长度和信号状态的混合逻辑动态MLD模型;然后,比较研究了快速路出口匝道有信号灯控、无信号灯控两种不同情况下的MPC模型预测控制方法。仿真结果表明,基于MLD-MPC的控制方法可解决快速路出口匝道与辅路及下游交叉口的多交叉口信号协调控制问题。     

一种数据丢包情况下的交叉口排队长度均衡控制方法

针对交通数据在传输过程中随机丢包造成交通拥堵的问题,提出一种新的交叉口排队长度均衡控制方法。考虑到交叉口交通控制的重复特性和强非线性,将无模型自适应迭代学习控制方案应用于交叉口排队长度控制中,通过实时调整各交叉口的信号配时方案来调节路口车辆的排队长度,实现各交叉口排队长度的均衡。针对道路交通网络控制中排队长度差值数据在传输过程中存在的丢包现象,将数据丢失现象描述为概率已知的伯努利序列,提出数据丢失情况下的补偿算法,即利用上次迭代的输出数据、伪梯度的估计值和控制输入差值对丢失数据进行补偿,解决存在数据丢包情况下多交叉口排队长度均衡控制问题。仿真结果表明,该方法在数据丢包的情况下迭代100次左右能够收敛于期望值并达到期望控制效果,验证了补偿算法的有效性。     

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。     

城市快速路入口匝道与交叉口协调控制策略

为提高城市快速路的运行效率,避免快速路入口匝道处发生拥堵并影响地面交通,结合快速路交通状态的实时判别、匝道调节率及交叉口信号配时方案,提出了针对快速路典型交通状态下的精准协同控制模型。协调控制模型的四个子模型为,流量精准推送模型、交叉口关键相位迟闭、早断配时优化模型、匝道排队调节控制模型。案例仿真表明：协调控制信号迟闭策略下匝道通过流量、车均延误,交叉口平均排队长度、车均延误分别优化了2.3%、40.4%、21.8%、22.4%;协调控制信号早断策略下匝道车均延误、平均排队长度,交叉口平均排队长度、车均延误分别优化了22.6%、31.7%、9.7%、4.5%;协调控制较大程度上提升了研究区域运行效率。     

车道被占用对城市道路通行能力的影响

车道被占用是当今社会中一个非常普遍的现象,会对道路的实际通行能力产生严重影响。其影响因素有车道宽度、路段通道数、交通管理等。该文着重分析了因事故车辆对不同行车道的占用、单向车道宽度、上游车流量、交叉口信号控制灯等因素对道路通行能力的影响,采用了停车线法对十字交叉口进行分析,构造函数模型求解不同占道情况下的通行能力。通过建立排队系统模拟仿真交通车辆排队,搭建模型模拟交通流动力特性。     

基于CTM的多种交通状态控制目标一致性分析

交叉口信号控制优化目标一般由实践经验或交通控制目的所确定,往往忽略了不同交通状态下优化目标之间相互矛盾和相互制约的关系,造成交通控制效果不理想.为解决上述问题,提出建立基于元胞传输模型的单个交叉口优化控制模型,给出了交叉口延误、通行能力、排队长度以及机动车尾气排放量四类性能指标的表示方法,进而利用粒子群算法对控制目标进行了优化求解,并在MATLAB环境下对上述四类控制指标之间的一致性进行了仿真分析.仿真结果表明:在轻度流量下,延误、通行能力和排队长度之间具有一致性,延误与排队长度之间的一致性相对较好,而中度和重度流量下,延误与尾气排放量之间有较好的一致性,排队长度与通行能力有较好的一致性.     

基于深度强化学习的交通信号控制方法

交通信号的智能控制是智能交通研究中的热点问题。为更加及时有效地自适应协调交通,文中提出了一种基于分布式深度强化学习的交通信号控制模型,采用深度神经网络框架,利用目标网络、双Q网络、价值分布提升模型表现。将交叉路口的高维实时交通信息离散化建模并与相应车道上的等待时间、队列长度、延迟时间、相位信息等整合作为状态输入,在对相位序列及动作、奖励做出恰当定义的基础上,在线学习交通信号的控制策略,实现交通信号Agent的自适应控制。为验证所提算法,在SUMO(Simulation of Urban Mobility)中相同设置下,将其与3种典型的深度强化学习算法进行对比。实验结果表明,基于分布式的深度强化学习算法在交通信号Agent的控制中具有更好的效率和鲁棒性,且在交叉路口车辆的平均延迟、行驶时间、队列长度、等待时间等方面具有更好的性能表现。     

视频检测技术的交通时间预测实证研究

为了实现利用视频车辆检测器数据计算和预测路段行程时间,将排队长度数据应用到路段行程时间的计算中,采用改进粒子群的BP神经网络算法和时间序列分析对路段进行实证研究.将排队长度加入计算得到的决定系数为93.36%,比只有流量数据的BP神经网络算法改善了41.03%,比BPR（bureau of public roads）路阻函数算法改善了23.37%.利用实时的路段行程时间对后续行程时间预测通过时间序列分析得到相对误差为0.06,预测下个时段和下个周期的路段行程时间平均相对误差分别为0.14、0.15.结果表明排队长度对于路段行程时间的计算具有较高的准确性,可以用于城市道路交通时间的预测,并能有效为智能交通算法的其他指数计算提供思路,为改善交通状况提供决策支持.     

基于层级控制的宏观基本图交通信号控制模型

针对城市交通子区内部与边界交叉口的协调控制问题,提出基于分层多粒度与宏观基本图的交通信号控制模型HDMF.首先利用城市交通系统的分层多粒度特性与粗糙集理论描述交通要素的实时状态;然后结合基于背压算法的分布式交叉信号控制和交通元素的动态特性,计算交叉口相位压力并对相位进行决策;最后使用宏观基本图(MFD)实现区域驶出总流...     

一种提高稳定性和公平性的主动队列管理机制

结合平均队列和负载衡量拥塞,实现选择性丢包,提出早期选择性丢包算法(ESD)．ESD采用指数函数计算丢包概率,使丢包概率随拥塞程度增大而指数递增;引入记录活跃连接状态信息的虚队列,并在虚队列上假轮转,以检测发送速率大的连接;区分非响应性连接和响应性连接,挑选丢包的候选连接,拥塞时优先丢弃候选连接在队列头部的数据包．实验结果表明,ESD可提高队列稳定性,降低Web流和RTT较大连接的丢包率,提高连接占用带宽的公平性,缩短应用响应时间．     

信号控制下的动态路段行程时间模型

通过对车辆在路段上所处的状态不同,将路段行程时间划分成多个组成部分,并分别研究各部分的计算模型,提出一种新的动态路段行程时间模型。这种新的模型计算简单,能够适用于实际交通网络中对动态路段行程时间进行预测计算。通过算例的分析表明,在信号灯的控制下,车辆的动态行程时间是一个间断函数,其不仅仅与路段流量有关,还与该车辆进入路段的时刻以及控制信号设置有很大关系。      

基于网络概率丢弃策略的自适应控制机制

提出一种基于网络节点分组概率丢弃策略的单神经元自适应PID控制机制，并对其进行了相关性能的分析。在单节点的网络业务流模型基础上，运用OPNET仿真软件对其进行不同输入和工作条件下的仿真。结果显示，在所设计的单神经元自适应PID控制机制下，节点平均队列稳定性好且具有较好的鲁棒性。     

自相似业务下拥塞避免机制的实现

传统拥塞避免机制所采用的随机早期检测（Random Early Detection,RED）算法是建立在网络流量按Poisson分布的基础上,因此不适应具有自相似业务流量特征的Internet网。针对自相似业务流量特点,对RED算法进行了改进,提出了一种基于时间间隔的随机早期检测（Based Interval Random Early Detection,BIRED）算法。BIRED算法能够在自相似业务流量特征下,通过控制平均队列长度,避免网络进入拥塞状态。通过仿真比较了BIRED和RED的动态性能,显示了BIRED具有更好的鲁棒性,证明了BIRED比RED、DropTail更能适应自相似业务流量,减小系统负担,有效稳定平均队列长度,改善系统的暂态特性。     

车路协同环境下基于动态车速的相位差优化模型

针对基于固定路段行驶车速的相位差优化模型在优化双向滤波时存在的不足,本文基于车路协同环境下车辆–信号控制系统双向、实时通信的运行环境,研究并建立了车辆动态速度与交叉口相位差的整合优化模型.首先,基于对上游交叉口流出的两类交通流,即饱和交通流和非饱和交通流运行特征分析,建立了速度与相位差相互影响关系模型,在此基础上,分别针对两种不同的交通流,以干道实时流量与速度乘积最大为目标,考虑初始排队清空时间,可变速度范围,和相位差取值空间等约束条件,建立了车辆速度与相位差的动态优化模型,从而实现干道交通流不停车通过量最大且延误最小的目的.最后,对比分析了本文模型与经典Maxband绿波优化模型及Synchro软件的信号协调控制优化方案,结果表明,相比其他两种典型优化方法,本文模型能显著提高双向绿波带宽并大幅减少停车次数,提高协调控制的效益.     

交通信号的实时公平调度及其仿真

交通信号的实时调度是改善交通拥堵的重要途径之一,其公平性研究同样至关重要。针对通信网络和交通网络的共同特点,借鉴其最大最小公平和比例公平的思想,分别提出最小最大公平、比例公平交通信号实时调度算法;并与优化队列长度的实时调度、固定周期调度算法进行仿真对比。实验结果表明,优化队列长度的实时调度和固定周期调度会使得部分车辆等待时间过长而表现出不公平;最小最大公平调度表现出最好的公平性,但在网络高密度下平均时延表现较差;比例公平调度则在各种交通密度下同时表现出较低的平均时延和较好的公平性。研究结果为实时交通信号的公平调度提供了解决方案,具有较好的应用价值。