单交叉口信号配时的离线Q学习模型研究

为提高交通控制系统的适应性和鲁棒性,采用强化学习方法实现交通控制模型的学习能力.对固定周期和变周期两种模式下的单交叉口信号配时优化进行研究,构造了等饱和度优化目标的奖赏函数,建立了等饱和度和延误最小两个优化目标的离线Q学习模型.采用对流量进行离散的方法解决了状态维数爆炸问题.通过算例对建立的4种离线Q学习模型解的结构、最优解的分布进行分析,结果表明相对于在线Q学习模型,离线Q学习模型更适合交叉口信号配时优化.采用“离线学习,在线应用”的方法,将建立的定周期延误最小离线Q学习模型与Webster定周期模型的性能进行对比,总体上前者的车均延误和累积延误低于后者.     

基于实数编码遗传算法对交通信号配时优化

鉴于城市道路的交通信号配时优化问题,本文提出一种改进的信号配时非线性函数模型,设计各性能指标的加权系数随交通需要的不同而变化,采用基于实数编码的遗传算法对信号配时进行优化。算例结果表明。该算法优于传统的Webster方法,在同一周期内减少了车辆延误,增加了通行能力,同时使交叉口的服务水平由C级提高到A级。     

基于粒子群算法的交通干线协调控制的研究

目前各大城市交通拥堵的一个重要原因是交通控制仍然为单点控制,未能实现协调优化.基于此,提出一种基于粒子群优化的干线交通总延误最小协调控制方法.首先,通过对城市交通干线协调控制进行数学抽象,建立干线交通双向绿波控制总延误模型.其次,依据总延误模型的特征,设计了一种利用历史最优共享的粒子群算法(VSHBPSO).接着,对干线总延误模型进行优化,以总延误最小为目标,得出相位差、绿信比的最优解,进而获得交通信号相位的动态配时策略.最后以秦皇岛市交通干线为例进行仿真实验,实验结果表明,优化后的交叉口配时方案比传统的定时控制方案减少了43.1％的延误时间,有效提高了干线通行效率.     

灾变粒子群优化算法及其在交通控制中的应用

城市交通系统是一个随机性很强的、复杂的巨型系统。为了获得良好的通行效率,必须对城市区域交通协调控制信号进行整体优化,但是到目前为止还没有一个能较好完成此项任务的、实用的实时智能优化方法。在粒子群优化算法中引入灾变策略和模型,开发了灾变粒子群优化算法,解决了基本粒子群算法易陷入局部极小点的缺陷,并将其应用于城市区域交通协调控制信号配时优化。仿真结果表明:与基本粒子群算法(在陷入局部极小点时)、固定周期法和遗传算法等配时方法相比,采用所开发的灾变粒子群优化算法对区域交通协调控制信号进行智能优化配时,被控区域的车辆平均延误可以分别平均减少25.2%、41%和11.5%,并可以大大提高路口的通行效率。开发的灾变粒子群优化算法也可以应用于其他许多对象的优化。     

基于多参数规划的单交叉口排队长度均衡控制

交叉口信号控制是城市交通管理的重要手段,解决城市拥堵问题需考虑交叉口的信号优化控制策略.鉴于此,针对四相位定周期单交叉口,采用存储转发方法建模,以排队长度均衡为性能指标,基于多参数规划方法离线地给出交叉口信号的优化配时策略.该策略根据交叉口车辆到达率,实时地调整各相位绿灯时间,以实现整个信号周期内绿灯时间的充分利用.通过PARAMICS平台进行的仿真实验表明了所提出控制策略的有效性.     

并行交通信号数值化优化算法研究

根据交通流的动态变化情况,实时优化交通信号配时,是减少交通延误,提高交通效率的有效方法。为减少 信号优化时间,提高时效性,提出一种并行化的交通信号对比分析算法,该算法首先根据专家经验和交通管理常识设 定一定的信号变化区间,然后针对该区间给定变化区间△,依次给定相应的信号配时策略,将每一种信号配时策略分 配给集群系统中的一个计算节点,由各个计算节点分别进行仿真运算,最后由主节点聚合分析,对比给出最优信号控 制方案。以微观交通仿真系统Paramics进行了仿真实验,结果表明,在4个节点组成的并行网络中,加速比为1. 75, 其提高了仿真效率,且能较好地遴选出最优控制方案。     

广义的直觉模糊蕴涵及剩余格

根据交通流的动态变化情况,实时优化交通信号配时,是减少交通延误,提高交通效率的有效方法。为减少信号优化时间,提高时效性,提出一种并行化的交通信号对比分析算法,该算法首先根据专家经验和交通管理常识设定一定的信号变化区间,然后针对该区间给定变化区间Δ,依次给定相应的信号配时策略,将每一种信号配时策略分配给集群系统中的一个计算节点,由各个计算节点分别进行仿真运算,最后由主节点聚合分析,对比给出最优信号控制方案。以微观交通仿真系统Paramics进行了仿真实验,结果表明,在4个节点组成的并行网络中,加速比为1.75,其提高了仿真效率,且能较好地遴选出最优控制方案。     

信号配时结合渠化设计的交叉口组织方案优化

针对交叉口因施工占道、交通管制以及车流量增加等原因导致交叉口拥堵以及交叉口相位存在空放情况的问题。提出了信号配时结合渠化设计的交叉口组织方案优化方法,来替代单一信号配时优化与渠化优化方法。以北京市月泉路与学清路交叉口为实验环境,搭建SUMO仿真路网模型进行单一组织方案优化与结合组织方案优化的对照实验。通过对照实验得出,二者结合的方案在减少车流延误、停车排队次数、排队长度上均有更好的效果。     

基于遗传算法的单交叉口信号优化控制

建立了一种单交叉口自适应优化配时模型。通过对本周期交通流数据线性预测下一周期各车道的排队长度，以各相位绿灯结束时的排队长度最小作为优化目标，建立多目标优化函数。通过采用理想点法，运用遗传算法进行优化。仿真实验结果表明，该方法优化后的配时方案能够反映各相位实际交通需求，并具有很好的实时性。     

基于多种群蚁群算法的交叉路口信号配时优化

针对交叉路口信号控制面临的多目标优化问题,建立以延误时间、停车次数和通行能力作为性能指标的交叉路口信号配时模型,提出一种基于多种群的改进蚁群算法,对信号配时方案进行优化。改进的算法以交叉路口的平峰状态和高峰状态进行仿真。实验结果表明利用该算法对模型求解的结果优于传统方法,能降低交叉口的总延误时间和停车次数,提高了通行能力。且该算法稳定性好,求解速度快。     

基于蚁群算法的交叉路口多相位信号配时优化

针对城市道路交叉口的交通流特性,提出一种交叉路口多相位配时的TSP模型,采用新的优化算法——蚁群算法（ACA）来优化交叉路口多相位配时信号,并以每周期内交叉路口车辆总延误最小作为性能指标进行仿真实验。实验表明：在相同的时间和车辆到达率的情况下,采用蚁群算法优化相位和绿信比的配时方法明显优于定时配时方法,也优于定相位优化绿信比的配时方法,降低了交叉口的车辆延误,提高了通行能力;且该算法的求解速度快,稳定性好。     

交叉口的信号优化与仿真

以减小车均延误为目标,在调查交叉口交通流量和当前信号控制的基础上,采用韦伯斯特配时算法进行优化计算,并通过通行能力、交通流量比等指标来确定信号周期时长和各相位绿灯时间,改善相位饱和度,从而充分利用道路的通行能力。以建设大道新华路交叉口为例,基于实际数据对优化前后的交叉口利用vissim软件进行仿真,结果表明,优化后各相位的饱和度较优化前更为平均,没有出现很高或很低的极端情况,优化后的车均延误明显改善。     

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。     

过饱和状态下的单交叉口最小延误信号周期模型

由于现有单交叉口信号配时方法主要适用于低饱和交通状态,本文以过饱和交通状态作为研究对象,利用定数理论分析了信号交叉口进口道的车辆到达与驶离规律,建立了信号周期与延误时间之间的数学模型,推导了单交叉口最小延误的信号周期计算公式.以某个四相位交叉口为例,针对3组不同流量比的过饱和交通状态,分别获取了延误时间与信号周期之间的变化曲线,计算了最小延误所对应的最佳信号周期,并利用VISSIM微观交通仿真软件,仿真得到了3组不同流量比情况下的延误时间.仿真结果表明:在各组流量比设置下,延误时间的理论计算值与仿真实验值相一致,有效验证了该模型的准确合理性,为解决过饱和状态下的交叉口信号配时优化问题提供了理论指导依据.     

基于GA-PDD的干线信号协调控制优化

针对城市交通干线负荷量大、信号配时计算效率低、协调优化约束条件多的特点,提出了基于比例分配解码方法的遗传算法(GA-PDD)协调控制策略,采用交通波理论建立了排队长度预测模型并以干线系统内车辆平均延误时间最小为目标函数建立了遗传算法优化模型,采用比例分配解码方法来进行求解.分别采用单点信号控制、定时协调信号控制和基于GA-PDD的协调控制3种控制策略对某城市干线实例进行对比仿真实验,仿真结果表明,随着调用周期的增大,GA-PDD控制策略的车辆平均停车次数和延误时间逐渐减小,调用周期在15 min及以上时,优于单点信号控制和定时协调控制,验证了不频繁剧烈地改变干线上的信号周期和相位差时,GA-PDD控制策略具有可行性和有效性.     

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.     

基于分布估计算法的单路口交通信号控制

针对遗传算法求解城市道路交叉口信号控制存在的主要问题,以四相位交叉路口为研究对象,建立了以信号周期内车辆延误总时间最短为目标函数,以各相位有效绿灯时间为控制变量的单路口交通信号优化模型.并分别以整数编码的PBIL算法和实数编码的EMNA算法两种典型分布估计算法求解单路口交通信号优化问题.仿真结果表明,与传统遗传算法相比,两种分布估计算法均可用更小的种群规模快速高效地求得最优解.     

基于遗传算法的公交专用道交叉口实时信号控制

研究了设公交专用道时信号控制交叉口在相对固定周期条件下,信号配时随路上交通流量变化而实时调整的优化算法。首先以总延误时间最少为目标建立优化函数,然后以饱和度限制及最小绿灯时间要求为约束建立非线性规划模型,再采用遗传算法对模型进行求解以得到最优配时方案。通过仿真实例说明了函数构造及求解的过程。