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。     

时变论域下红绿灯配时的模糊控制

针对交叉口日益拥堵,交通信号灯配时设置的不合理问题,提出一种基于时变论域的模糊控制方法,给出了交通信号灯的实时配时方案。该配时方法通过动态地调整信号周期和绿灯时长,以匹配多变的交通流状况,实现了实时控制。以长沙市某十字路口为例验证了该方案的有效性,结果表明：与定时信号配时方法相比,该配时方法更有效的缓解了交叉口交通拥堵状况,增强了路口通行能力,减少了车辆延误时间。     

CTS: 基于拥堵溯源算法的信号灯多智能体强化学习组织方案

在交通路网的运行中红绿灯起着至关重要的调度作用,随着目前交通的飞速发展,道路越来越复杂、车辆越来越繁多,导致红绿灯的调度压力越来越大、调节能力却越来越弱。为了解决这一问题,建立了CTS（congestion trace source）方案,将交通疏导的主体对象红绿灯作为智能体进行强化学习以优化其对交通的疏导控制能力,通过构建拥堵链和拥堵环综合分析路网拥堵情况,佐以红绿灯相位及其配时数据以达到对红绿灯智能体对象状态的综合判断;CTS方案设计了红绿灯排队长度算法将拥堵情况数字化作为智能体奖励对优化效果进行评判。使用SUMO仿真环境进行实验,设计交通优化指标路口平均排队长度并进行对比,最终该方案的路口平均排队长度相较于原始数据提升了40%。     

基于激光传感数据的拥堵路口交通信号灯控制

针对城市车流高峰时段的道路拥堵问题,提出基于激光传感数据的交通信号灯智能控制方法研究。在道路两侧均匀布置激光传感器节点,采集实时的激光传感数据和车流量信息,并构建一种两层级的交通信号灯控制模型,以提取的交通路口实时传感数据作为输入项进行模糊推理,并求解出交通信号控制模糊子集,最后推导出当前车流长度、车辆在路口的平均滞留时长及车辆的延误时长等变量,达到缓解交通拥堵,提高通行效率的目的。仿真实验数据表明,提出的拥堵交通信号灯智能控制方法具有良好的控制效果,可以明显减少车辆延误时长,提高道路通行的效率和安全性。     

过饱和交叉口群自适应控制方法

为解决过饱和交通状态下交叉口群道路拥堵时车辆难以疏散、易造成拥堵堆积的问题,提出了一种以交叉路口为中心的区域自适应交通控制方法.同时关注当前路口和相邻交叉路口的交通车辆排队状态信息,确定最佳放行相位实现相邻路口间的协调控制,与传统控制方案相比,方法能够加快拥堵区域向非拥堵区域的车辆疏散,并抑制外围车辆向拥堵区域聚集,有效缓解了拥堵堆积,缩短了行程时间,在非过饱和情况下,亦有效提高了交通通行效率.     

基于环形线圈检测器的复杂交叉路口多相位模糊控制

利用环形线圈检测器获得复杂交叉路口的实时交通数据,设计了一个三路交叉复杂路口交通信号灯的多相位模糊控制。通过多相位设计对交叉口的复杂交通流进行了规划组织,模糊控制策略可以对绿灯配时进行适当的调整以适应交通状况的实时变化。仿真结果表明,多相位模糊控制效果在减少车辆延误时间指标上优于传统的定时控制。     

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.     

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。     

基于虚拟仪器技术的智能交通诱导系统设计

针对混合交通流(非线性、随机性)难以建立精确数据模型的特点,提出以单点控制方式为研究对象,以工控机和车辆检测器为前端路口控制器,构建交通诱导系统。通过对交叉口(路口)车流量数据的检测,对固定多时段定周期的绿时进行修正调整,在线优化配时方案,实现动态交通分配信号的控制。     

计算机建模实现路口交通流量实时监测技术探析

目前我国城市的交通控制多采用信号灯方式,人工设置时间,定时自动放行,这种方法,无法根据对各个路口实际交通流量变化进行实时监测与控制,因此,需要一种新型化的模式来对路口交通流量实时监测,计算机建模的应用,有利于设计优化管理模型,使得信号灯自动优化,实时监测,根据实际情况自动疏导拥堵,从而最大限度的改善交通拥挤等状况。     

交通灯运行时间自适应算法及其控制系统

城市交通拥堵具有严重的危害性, 直接导致时间延误、能源浪费和废弃物排放增加, 降低居民生活水平. 现阶段, 基于平面交叉路口交通灯切换时间相对固定, 恶劣天气或发生交通事故时路口经常发生交通堵塞的实际情况, 本文提出了一种平面交叉口交通拥堵多方向交通灯运行时间自适应算法, 采取视频图像处理算法判断道路交通拥堵情况, 根据路况设置交通灯的工作时间, 并设计了相应的控制系统. 仿真结果表明, 在高峰期时段, 此自适应算法的车辆通行效率高于传统的交通灯运行时间控制方法.     

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。     

基于DEVS的交叉路口建模与仿真

考虑有信号控制的交叉路口内车辆之间、车辆与行人之间的冲突，在离散事件仿真规范（DEVS）框架下构建了交叉路口微观交通仿真模型.以某市典型交叉路口观察数据标定仿真参数，将仿真结果与按《城市道路设计规范》计算得到的通行能力进行比较，验证了模型.在此基础上，首先，仿真分析了不同左转比例对交叉路口通行能力的影响；然后，基于各方向等待通过交叉路口的车辆数目设计了智能绿信比控制策略.仿真试验表明：通行能力随着左转车比例的增加先上升后下降；智能绿信比控制能显著提升交叉路口通行能力，明显降低平均引道延误时间.由此证明仿真模型能真实地模拟交叉路口各因素间的相互作用，且易于扩充，通用性强，能够用于其它智能交通问题的研究.     

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.     

基于雾计算和强化学习的交通灯智能协同控制研究

针对路口交通拥堵现象,结合雾计算和强化学习理论,提出了一种FRTL（fog reinforcement traffic light）交通灯控制模型,该模型根据实时的交通流信息进行交通灯智能协同控制。雾节点将收集到的实时交通流信息上传到雾服务器,雾服务器在雾平台实现信息共享,雾平台结合处理后的共享数据和Q学习制定交通灯控制算法。算法利用检测到的实时交通数据计算出合适的交通灯配时方案,最终应用到交通灯上。仿真结果表明,与传统的分时段控制方式和主干道控制方式（ATL）相比,FRTL控制方法提高了路口的吞吐量,减少了车辆平均等待时间,达到了合理调控红绿灯时间、缓解交通拥堵的目标。     

城市交通路口车辆排队系统仿真及优化

针对城市路口车辆排队系统数据不稳定、时效性差的缺点,提出了利用Flexsim仿真技术模拟路口车辆排队系统的方法.论文首先通过分析现场数据,得出车辆排队系统排队规则、车辆排队系统服务时间;然后,利用ExpertFit拟合分布软件拟合排队系统车辆到达时间间隔函数,并利用排队系统函数进行模型仿真;最后,根据模型仿真结果分析,提出优化方案.结果证明,Flexsim仿真技术能有效地模拟路口交通的堵塞情况,对改善路口交通状况有较好效果.