雨雾天气下公路可变限速控制策略研究

针对雨雾天气下公路交通事故上升与通行能力下降的问题,综合考虑交通安全和通行效率两个因素,提出一种雨雾天气下可变限速控制策略;首先,考虑雨雾天气下道路线形对车辆速度和道路通行能力的影响,建立雨雾天气下动态交通流模型;然后,根据驾驶员可视距离、路面附着系数和道路曲线等因素确定雨雾天气下车辆最大安全速度;最后,采用自适应遗传算法对包含总行程时间和总行驶里程的目标函数进行求解,得到雨雾天气下各路段的限速值;仿真结果表明,所提出的可变限速控制策略有效降低了雨雾天气下公路的行车风险,并缓解了交通拥堵。     

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.     

高速公路主线可变限速模糊控制及仿真研究

研究高速路交通流优化控制问题,在互通立交范围内,没有入口匝道放行限制的条件下,当交通需求达到一定程度时,造成交通拥挤甚至拥堵,交通流不稳定.为充分发挥通行效率,缓解交通拥挤,针对高速公路互通立交的特点,为主线限速控制,提出一种高速公路主线可变限速模糊控制方法.控制通过对入口匝道上游主线交通流的速度,实现交通流从拥挤状态调控到稳定状态.为评价控制方法的性能,用最短总行程时间为性能指标,与无控制情况进行比较.最后得出设计的可变限速模糊控制器,能够有效延缓互通立交范围内交通拥挤的出现,提高高速公路网的整体运行效率,保证车辆安全和高效的运行.     

基于CTM快速路可变限速标志投资优化

针对快速路可变限速标志投资缺乏系统的定量分析、位置模糊问题,基于改进元胞传输模型构建了阶梯形限速投资模型。首先,对限速控制的改进元胞传输进行了描述;接着,为实施阶梯形限速控制,引入了0-1整数规划算法和限速约束条件;最后,利用遗传算法优化了投资额一定时可变限速标志位置以及动态限速值。算例结果发现：随着投资额增大,平均临界密度标准差、饱和度会减小,车辆运行速度会提高,但同时效益生产量会随之降低,系统平均延误会随之增大。结果分析表明,该模型能够有效解决可变限速标志投资优化问题。     

ALPSO-SVM道路限速标志识别

提出了一种基于支持向量机(Support Vcctor Machine, SVM)的道路限速标志识别方法。为了提高算法对限速标志的识别精度,采用了一种可在进化过程中通过调整学习参数来协调粒子全局与局部搜索能力的自适应学习粒子群算法(Adaptive Learning Particle Swarm Optimization, ALPSO)对支持向量机的相关参数进行优化。实验结果表明,提出的ALPS(}SVM方法在识别性能上优于传统的SVM,在算法收敛性能上优于标准PS+SVM.     

小型风力发电机的限速控制研究

文章分析了小型风力发电机的3种限速控制方法的工作原理及优缺点:(1)机械限速需要为风机增加1个运动环节,在风洞试验条件下具有良好的限速特性,但不能瞬时响应自然风况的变化,容易导致保护落后、失效及剧烈震动,引发风机飞车、过载等现象;(2)电压幅值控制电磁限速以电压幅值为控制信号来反映风速的大小,从而实现限速,能够基本解决风机飞车、过载问题,但仍然存在滞后问题;(3)电压频率控制电磁限速以发电机输出电压的频率为控制信号来反映风速大小,从而实现限速,保护电路简单,解决了控制滞后的问题,大大提高了小型风力发电机组的结构稳定性和工作可靠性,并具有很强的现场适应性。     

一种基于可变多簇结构的动态概率粒子群优化算法

针对传统粒子群优化算法中全连接型拓扑和环形拓扑的特点,引入了一种粒子群信息共享方式——多簇结构,进而基于多簇结构提出了动态可变拓扑策略以协调动态概率粒子群优化算法的勘探和开采能力,并从理论上分析了最优信息在各种拓扑中的传播,同时从图论角度分析了几种经典拓扑以及动态可变多簇结构的统计特性.通过典型的Benchmark函数优化问题测试并比较了几种经典拓扑以及可变拓扑在高斯动态粒子群优化算法中的性能.实验结果表明,基于多簇结构的可变拓扑策略在求解复杂优化问题时优势明显,可以有效地避免算法陷入局部最优,在保证收敛速度的同时增强了算法的全局搜索能力.     

交通事件下快速路网匝道控制与路线诱导的集成控制

本文建立了交通事件影响下匝道控制与路线诱导相结合的完全集成控制模型,即建立了一个以节点分流比例与匝道调节率为控制变量的非线性最优控制模型,模型中考虑了突发交通事件后快速路的交通特点,基于粒子群算法设计了模型的求解算法.以一个简单的小型路网为例,讨论了突发事件后采用不同控制策略对系统的全局影响,仿真表明,匝道控制与路线诱导相结合的集成控制有效地降低了事件的影响.     

可变车道行驶方向的动态控制方法研究

针对大城市道路双向交通需求不均衡的潮汐交通问题,提出一种根据双向交通运行状态动态控制可变车道行驶方向的交通控制方法.利用可变车道路段双向饱和度分析道路交通运行状态,以此划分为5种交通状态,建立各种交通状态下对应的车道行驶方向优化模型,并使用枚举法对模型求解,最后应用微观仿真软件进行案例分析.结果表明:与传统的定时控制模式相比,本文提出的动态控制方法能够更好地减少潮汐路段的车辆平均延误和提高车辆通行效率,有效缓解潮汐交通需求条件下的道路交通拥堵现状.     

基于改进T-S模糊神经网络的交通流量预测

在萤火虫优化算法和T-S模糊神经网络的基础上,提出了一种采用萤火虫算法优化的T-s模糊神经网络预测交通流量的算法。该算法利用萤火虫算法得到T_s模糊神经网络的最优参数配置,从而能发挥T-s模糊神经网络泛化的映射能力。将该算法应用到实测交通流中进行算法的有效性验证,并与传统的T-s模糊神经网络和遗传算法优化的T-S模糊神经网络进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明了该算法在交通流量预测领域的可行性和有效性。     

改进PSO优化RBFNN的短时交通流量预测方法

针对短时交通流的预测精度问题,该文用PSO算法优化RBFNN模型的基础上,引入学习因子优化策略对PSO算法改进,进一步提高预测精度.该文针对PSO算法中认知因子和社会因子在全局搜索和局部搜索的不同作用,对非线性的学习因子做出异步调优改进,通过利用某路段的高速公路监测数据对改进的PSO-RBFNN算法进行训练,获得最优参...     

交通信号公交优先控制策略及智能控制方法

针对公交优先交通信号控制问题,研究了公交优先的信号控制策略,提出了一种变论域模糊神经网络公交优先智能控制方法.提出了基于相位优先度值的公交优先相位选择方法,并给出了其数学描述.建立了绿灯时间的3层模糊控制模型,分别为红灯排队疏散时间、绿灯延长时间和论域调节因子模糊控制器,其中红灯排队疏散时间和绿灯延长时间两个模糊控制器的输出变量均采用变论域,论域的变化考虑混合交通、天气情况、车流转向等因素由论域调节因子模糊控制器确定.模糊控制器采用粒子群优化神经网络实现.仿真结果表明该方法具有较好的公交优先控制效果.     

基于PSO-LSSVM的网络流量预测模型

为了提高网络流量的预测精度,考虑到网络流量的长相关、非线性等特性,提出一种粒子群算法优化最小二乘支持向量机参数的网络流量预测模型（PSO-LSSVM）．首先将最小二乘支持向量机参数作为粒子的位置向量,然后利用粒子群算法找到模型的最优参数,最后采用最优参数最小二乘支持向量机建立网络流量预测模型．仿真结果表明,相对于参比模型,PSO-LSSVM能够获得更高的网络流量预测精度,更能准确描述网络流量变化规律．     

基于改进的QPSO训练BP网络的网络流量预测*

为了提高网络流量预测的精度,采用一种改进的QPSO算法训练BP神经网络对网络流量数据的时间序列进行建模预测。针对标准的QPSO算法不可避免地出现早熟的不足,提出一种新的基于参数自适应的QPSO算法,较好地避免了粒子群的早熟,提高了算法的全局收敛性能。仿真实验结果表明,与PSO训练的BP网络、QPSO训练的BP网络作为预测模型相比,该模型具有更高的预测精度及很好的稳定性。     

带粒子释放和速度限制的粒子群算法

针对粒子群算法存在的收敛性与多样性之间的矛盾,在惯性权重线性递减的基础上,提出了带粒子释放和速度限制的算法。用粒子释放来增加种群多样性,引导算法跳出局部最优;用速度限制来促使释放后的粒子快速收敛到全局最优,进而平衡粒子的释放速度和收敛速度,保证算法的收敛。通过五个测试函数的实验,证实了粒子释放和速度限制的综合应用显著提高了算法的寻优能力和收敛精度。     

BNs-OLS-SARIMA对城市短时交通流的预测*

通过在目标路口构建贝叶斯交通网（BNs）,并对与此交通网相关的交通流建立非平稳季节（SARIMA）模型,采用最小二乘法（OLS）取得相应模型的最佳权重组合,对缺失数据下的城市道路短时交通流进行预测。使用重庆市某路口的交通流数据对模型进行检测,通过多种预测指标对结果进行对比分析,结果表明BNs-OLS-SARIMA把交通流的网络结构与其周期性结合在一起,对短时交通流有良好的预测效果。     

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。