基于云模型的单路口交通信号自适应控制方法研究

为了减少车辆通过路口的延误,提出了一种基于云模型的单路口交通信号自适应控制方法;使用云模型作为信号控制的基础模型,利用云模型中的正态云发生器和前件云发生器算法分别对道路交通信息进行处理并产生自适应的控制规则,以实现单路口交通信号的自适应控制;通过仿真实验,结果表明,使用云模型作为控制方法,比较传统控制方式更具智能化,更接近于人脑思维过程的控制方法,这也是将来交通信号控制的发展方向。     

基于信号灯状态的燃油最优车速规划与控制

基于车联网（Vehicular ad hoc networks,VANETs）进行车辆和信号灯的协同控制是下一代智能交通系统（Intelligent transportation systems,ITSs）中非常重要的核心技术之一.本文提出了一种预测信号灯信息的车辆低油耗环保驾驶控制系统.首先,根据道路信息和牛顿第二定律建立车辆动态模型,根据系统测量的信号灯状态信息,获得车辆避免刹车情况下通过前方信号灯的参考速度.然后,结合基于油耗模型和速度跟踪的综合优化指标,运用模型预测控制（Model predictive control,MPC）方法计算车辆的最优控制输入,并利用Laguerre函数方法对MPC问题进行求解.仿真表明,该系统可减少路口不必要的停车和刹车操作,节约燃油.     

快速公交信号优先系统的设计与实现

提出一种以射频识别(RFID)技术的快速公交信号采集控制的方法,在快速公交车辆上安装有源RFID标签,在离路口一定距离安装RFID阅读器,快速、准确地识别将要通过路口的快速公交车辆,通过对该车辆到达的实际时间和预设的到站时刻表的对比,决定控制路口信号灯相位,同时分析系统的设计方法和软硬件的实现。     

公交信号优先控制的应用研究

公交信号优先以公交车流为控制目标,通过选择交通控制策略和设置相关参数,控制交通信号灯,减少公交车辆在路口的等待时间,提高公交车辆的运行优先级。详细介绍了公共交通信息与优先系统PTIPS的系统框架、通讯方式、主要功能、控制策略,并且分两类:基于信息反馈的动态优先;基于历史数据调查研究以及各种算法、理论推导的静态优先。详细阐述了各种控制策略的原理和适用情况。最后采用浦东张江有轨电车工程的实际应用情况作为示例,以动态优先策略为基点,各种检测设备的信息反馈为基础,较好地实现针对单辆有轨电车的优先放行。     

基于组合脉冲的交通信号节能控制研究

当前降低交通信号控制系统能耗的主要方法是采用更低能耗的信号灯或信号机,但受制于新技术的进步及推广,且需更高的应用成本。为此,文章综合研究信号机和信号灯的连接控制,充分利用信号灯的交流供电控制线,提出了一种基于组合式触发脉冲信号的信息传递方式,并用于交通信号控制系统的功率调控。通过信号机对信号灯的远程调控,实现了对单路口多组信号灯降低功率的集中控制、远程管理及智能配置;该控制方法有利于系统节能减排的有效实现及交通信号的优化管理。     

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。     

车联网环境下的公交自适应优先方法

针对现有公交优先系统中存在的反应滞后、不能够充分挖掘道路通行能力的问题,在车联网的背景下提出一个公交自适应优先（ABP）模型。首先,借助车联网强大的通信能力,利用时分复用的思想,设计了道路复用的控制规则,为普通公交虚拟出了一条专用道,实现了“空间优先”;其次,使用实时获取的车辆到达数据取代历史数据作为交通需求,解决滞后的问题;最后,设计了公交优先的信号控制方法,通过插入短相位的方法让公交优先通行,实现了公交优先。使用VISSIM软件设计仿真实验对比ABP模型和传统模型,结果表明,ABP模型在不对社会车辆造成很大影响的前提下,能够提高公交的运行效率和路口的通过能力。     

沈阳主城区路口全装“智能信号灯”

<正>沈阳目前的交通信号控制系统是从澳大利亚引进的,可以根据车辆通过时的流量变化调整信号配时。目前市区的1110处路口信号灯岗,604处实现了系统化控制,其中一环路内主要道路信号灯岗已全部纳入系统控制。另外,在这个系统基础上,沈阳独创了"双向绿波"信号控制,可快速缓解道路交     

混合Petri网交叉口信号灯建模的模糊优化

城市车流量急剧增加和道路通行能力之间的矛盾日益激化,交通拥堵已成为亟待解决的社会问题。道路交叉口信号灯优化控制是解决该问题的有效方法。基于城市道路交通系统随机性强、离散性连续性混杂、难以用数学模型精确建模等特点,提出了一种用连续Petri网建立道路交通流模型,用离散Petri网对道路交叉口信号灯进行控制的方案。根据车流量的动态变化,采用模糊控制对交叉口绿灯时间进行自适应优化。仿真结果表明,该方案能提高交叉口通行能力,减少车辆延误,优于传统的控制方法。     

基于层次颜色Petri网的交通紧急调度算法与建模

针对城市交通网络中紧急车辆在行驶区段中如何较快地到达终点的问题,提出了一种基于Petri网的交通紧急控制策略模型。利用Davidson函数中行驶时间与交通流之间的对应关系,得出紧急车辆在道路上的最短行驶时间,并将其作为权重,运用Dijkstrsa算法进行最短路径寻优;采用紧急信号灯控制策略对最短路径上的交叉口信号灯进行了调整,减少紧急车辆在交叉口的延滞时间,并运用Petri网理论,建立紧急车辆在交叉口的紧急信号灯控制模型。为了描述紧急信号灯控制策略的动态行为特性,将其各部分关键要素分别设计为相应的Petri网子模型。通过模型的一个仿真实例,进行了紧急控制策略与普通策略的实验对比,实验结果表明前者可以对紧急车辆的到达时间进行优化。     

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。     

基于TCPN的交叉口信号控制模型与优化

针对城市路网中交叉口车辆通行效率低下,交通信号控制策略难于满足输入路段上车流变化的问题,本文提出了一种基于时延赋色Petri网的交叉口交通流优化控制模型。首先建立路段车流、交叉口车流和交通信号控制的TCPN模型,其次建立以交叉口输入路段车辆数最小为目标的车流优化方程。在假设信号周期固定的前提下,利用15个周期采集的交叉口输入、输出路段车辆数,求解满足优化目标的相位配时,确保交叉口输出车辆数最大,且输入路段上待通过车辆平均数最小。仿真结果表明,交叉口的通行能力显著提高,各输出路段上的车辆平均数分别增加了13.3%,9.7%,9.8%和4.3%。     

基于路口相位方案优化设计的城市道路交通信号迭代学习控制方法研究

城市道路交叉口信号控制是交管工作持续关注的课题,关于协调好有限的道路资源与日益增长的交通需求之间的矛盾,有着至关重要的作用。由于道路自身条件约束,交通流的组成特点复杂,路网交通路呈现非线性动态特征,无法进行精准的数学建模控制。本文提出的迭代学习控制方法,根据交通流的组成和变化特点调整信号控制周期及有效绿灯时长,实现交通信号动态优化控制,保证车辆在路网中能够高效、平稳地通行,是针对非线性动态交通流的一种动态寻优控制算法,能够有效减少路口车辆等待时间、提高通行效率。考虑对不同相位设计方案的适应性,在传统配时优化模型的基础上,构建综合相位设计元素的交通信号迭代学习控制模型,并通过Vissim仿真软件和Python编程语言搭建仿真测试环境,验证了提出模型的有效性。     

基于多目标满意优化的交通信号控制

随着城市道路交通供需矛盾的不断突出,交通信号控制策略、控制方法的科学合理性成为影响城市交通性能的关键因素。分析了传统最优交通控制理论的不足,揭示了交通控制中的满意性准则;建立了道路交叉口的满意交通控制模型,并结合某示范工程项目进行了试用。应用结果表明,模型科学、合理、有效,采用该模型的区域道路交通状况明显改善,对于缓解城市交通拥挤有一定帮助。     

基于迭代学习与模型预测控制的交通信号混合控制方法

针对基于迭代学习控制的交通信号控制方法对于路网中存在的非重复性实时干扰不能进行有效处理的问题,本文在基于迭代学习控制的交通信号控制方法基础上,结合模型预测控制滚动优化和实时校正的特点,提出了一种基于迭代学习与模型预测控制的交通信号混合控制方法.该方法在有效利用交通流周期性特征改善路网交通状况的同时,可借助模型预测控制的...     

交通信号灯智能控制算法研究

针对当前城市交通信号灯控制的技术缺陷,即国内大多数城市交通信号灯控制方法仍然停留在时间程序控制的技术层面,或者采用感应线圈等设备来获取道路交通信息等技术现状,提出一种交通信号灯智能控制算法。该系统算法由图像边缘检测、道路行车类型切割、纵向坐标投影和车流长度分析等核心技术组成,能够充分、有效和实时地获取交通流量信息,使城市交通信号灯的开／关时间能够根据道路上车流量的实际大小实施准确控制,因此使交通信号灯的控制达到智能化的技术水平,为最终实现城市智能交通提供科学的信息基础。     

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。     

单路口低饱和交通流的多相位混沌控制仿真研究

交通流是一个复杂的动态非线性系统,有时会出现混沌现象,混沌交通流的表现形式是交通无序状态。对混沌交通流,模糊控制受其原理限制,缩短延误时间的控制效果不佳。本文以低饱和交叉口信号控制问题为研究对象,提出了针对混沌交通流的实时混沌引导控制方法,并设计了相应的混沌控制器。利用MATLAB软件完成的仿真表明,混沌引导控制能将无序的交通流有序化,降低延误,增大道路通行能力,其效果优于模糊控制。