基于CTM快速路事故下交通流牵制同步仿真

针对交通事故引发的城市快速路拥堵问题,在分析事故路段交通流特性基础上,对事故点上下游元胞重新划分,重构节点并建立了元胞传输模型改进的节点交通流仿真模型,结合复杂网络理论修正节点耦合模型,以牵制同步为目标设计多入口匝道协调控制器,推导出系统稳定性条件,得到优化后需调节的入口匝道范围和调节参数,通过具体仿真予以验证.结果 表明,采用所提方法,能在快速路出现事故后以小的匝道调节范围代价达到抑制交通拥堵,提高道路通行效率的目的 ,最大限度降低事故所造成的影响.     

快速路入口匝道模糊自整定PI 控制方法

入口匝道调节是快速路交通控制中较有效的一种方式,现基于快速路交通系统的常微分模型,设计了一种新的入口匝道的模糊自整定PI 控制方法,充分利用了上游路段流入的交通流量和向下游路段流出的交通流量信息进行控制律更新,有效抑制了系统扰动等不确定性因素的影响。设计了相应的模糊控制逻辑,实现了复杂交通系统实际控制过程中的PI控制器参数的模糊自整定。仿真研究中,与传统PID 和ALINEA 方法进行了充分比较,说明了所提出方法的有效性。     

高速公路非线性反馈模糊逻辑匝道控制器

入口匝道控制是高速公路交通控制和智能运输系统的重要组成部分,但现有的入口匝道控制效果尚不理想.为此,本文提出一种非线性反馈方法用模糊逻辑进行入口匝道控制.建立了高速公路交通流动态模型,在此基础上,结合模糊逻辑理论设计了非线性反馈匝道控制器,根据密度误差和误差变化用模糊控制决定匝道调节率,模糊变量选用三角形隶属度函数,并制定了包含56条模糊规则的规则库,最后用MATLAB软件进行系统仿真.结果表明该控制器具有优越的动态和稳态性能,它能使高速公路主线交通流密度保持为设定的期望密度,该方法用在高速公路入口匝道控制中效果良好.     

高速公路入口匝道模糊控制器的设计

入口匝道控制是高速公路控制中的重要内容,但目前在高速公路中使用的入口匝道控制方法的效果均不理想.本文提出使用模糊控制方法进行入口匝道控制的思路,并根据入口匝道控制的原理和模糊控制系统的设计步骤对模糊控制器进行了设计.选用上、下游时间占有率、车速及排队长度等五个模糊量为输入量,根据实际情况分别采用三角形和梯形隶属度函数,建立了包含12条模糊控制规则的规则库,并使用MATLAB工具进行系统仿真.结果表明该控制器用在高速公路入口匝道控制中具有良好的效果.     

高速公路入口匝道模糊逻辑控制器的设计及其仿真研究

高速公路入口匝道控制是在高峰期间控制进入高速公路的车辆数目,使高速公路主线交通流不堵塞,提高主线的通行能力,实现车辆在高速公路上高效、安全地运行。阐述了模糊逻辑控制器的基本结构与模糊控制算法,分析了高速公路通行能力的影响因素,给出了具体的模糊隶属度函数并设计了高速公路入口匝道模糊逻辑控制器,充分利用计算机可视化仿真的优点对控制器进行了仿真研究,结果令人满意。     

基于粒子群算法的多匝道协调控制

高速公路入口多匝道协调控制是调节各个入口匝道进入到主线的交通量,从而使主线交通流处于最佳状态。由于多个入口匝道相互关联和相互影响,多匝道协调控制具有强的耦合性、非线性和时变性。针对上述问题,提出了一种基于系统分层和粒子群优化算法的控制方法。首先论述了高速公路多匝道系统的原理模型;然后阐述了多匝道协调控制系统的实现,系统由协调控制层和直接控制层组成,其中前者负责模型选择、参数调整和确定期望的密度轨迹,后者采用比例积分微分控制器实施控制,并引入粒子群算法对控制器的比例系数、积分系数和微分系数进行优化;最后进行了仿真实验。结果表明,当高速公路出现交通拥堵时,系统能够快速地消除拥堵,并使主线交通流趋于稳定。该方法为高速公路多匝道控制提供了一种切实可行的新途径。     

基于RBF神经网络整定的高速公路匝道PID控制器

研究RBF神经网络整定PID控制器的参数,并应用到高速公路入口匝道控制中。首先阐述了入口匝道控制原理,然后建立了高速公路交通流模型,并设计了RBF神经网络整定的高速公路匝道PID控制器,RBF神经网络通过对被控对象Jacobian信息的辨识来动态调节PID控制器的参数,最后用MATLAB软件进行系统仿真。仿真结果表明,该控制器具有优越的动态和稳态性能,用于高速公路入口匝道控制中效果良好。     

基于蚁群算法的城市快速路优化控制

根据城市快速路交通流的特性,以宏观稳态交通流Macro模型为基础,将快速路虚拟划分为多个路段,将车辆在快速路系统内总的服务流量最大及入口匝道车辆平均等待时间最小作为优化控制目标,设计快速路多匝道联合控制模型,并采用蚁群优化算法对设计的控制模型进行求解计算,以确定各匝道最优调节率。模拟实验结果表明,通过多匝道联合控制,能够提高城市快速路系统的运行效率,减少交通事故及交通拥堵的发生概率。     

基于模糊控制律的遗传神经匝道协调控制

讨论了快速路匝道系统中智能控制技术问题。针对匝道系统特点,分析了模糊控制、人工神经网络、遗传算法的适用性,提出了一种基于模糊控制律的遗传神经匝道协调控制方案。在该方案中,对模糊控制输入输出数据进行线性修正,使用修正后的数据完成遗传神经网络训练,并用神经网络代替模糊控制器对匝道系统进行控制。给出了神经网络结构和遗传算法流程,并结合宏观交通流模型进行系统仿真。仿真结果表明,与模糊控制相比,控制效果显著提高。     

基于支持向量机的高速公路入口匝道控制

针对高速公路入口匝道控制问题所存在的非线性、复杂性和不确定性,在入口匝道控制原理的基础上,设计了一种基于支持向量机的高速公路入口匝道控制器;结合某高速公路交通调研数据,对这一控制器进行了仿真;仿真结果表明了支持向量机可以用于高速公路入口匝道的控制,并能取得较良好的控制效果.     

高速公路可变速度标志模糊逻辑控制及其仿真研究*

高速公路主线速度控制是通过设置可变速度标志来限制行车速度,实现车辆在高速公路上高效、安全运行的控制目标。分析了模糊控制系统的结构,阐述了模糊控制算法,给出了具体的模糊隶属度函数,并设计了高速公路可变速度标志模糊逻辑控制器,充分利用计算机可视化仿真的优点对控制器进行了仿真研究,得到了较满意的结果。     

模糊控制原理在城市交叉口智能控制中的应用

由于模糊数学理论可以比目前常规数学方法更好地描述交叉口交通流的随机性和不确定性,本文结合模糊控制技术及一般信号交叉口交通控制方法,提出了一种基于知识的模糊交通控制方法,设计了模糊控制器,并对该控制器进行了仿真研究,给出了控制方法的结构、模糊控制规则以及仿真计算对比结果.结果表明:计算过程简单,控制效果优于定时控制方法,并且在交通量较大时,还优于感应控制方法.它可以有效改善交叉路口的通行能力,为优化城市交通控制提供了一种参考方法.     

高速公路多匝道协调控制系统设计与仿真

采用大系统分解和协调的方法研究高速公路多匝道的协调控制问题．建立了反映高速公路交通动态变化的有限差分模型，结合交通系统的特点提出改进的多层控制方法．控制结构分三层：局部控制层决定匝道调节率；协调控制层为局部控制层确定期望密度；自适应层根据实时检测交通状况选择模型和调整模型参数．仿真结果表明，控制系统具有良好的动态性能，该方法能有效地消除交通拥挤和维持主线车流稳定，能提高主线的通行能力，实现车辆在高速公路上高效、安全地运行．     

基于小脑模型关节控制器与PID复合的高速公路交通流密度控制

高速公路交通控制系统是一个复杂的非线性时变系统, 传统的匝道控制方法难以取得满意的控制效果. 为此, 本文提出基于小脑模型关节控制器(CMAC)与PID复合的匝道控制方法. 首先建立了二阶宏观动态交通流模型, 然后研究了CMAC与PID复合控制算法, 结合非线性反馈理论, 设计了基于CMAC与PID复合的高速公路交通流密度控制器, 该密度控制问题是一个输出跟踪和扰动抑制问题, 最后采用两个仿真实例对该方法的有效性进行验证. 结果表明, 复合控制具有优越的密度跟踪性能和抑制噪声干扰的能力; 复合控制方法能够有效地消除交通拥挤, 并使主线车流趋于稳定.     

一种基于模糊逻辑的入口匝道自适应控制器

高速公路的交通流存在很大的不确定性,模糊逻辑是解决其控制问题的有效方法。对传统的ALINEA模型进行了扩展,提出一种新的自适应模糊匝道控制器。当高速公路路段的临界密度不能被预先正确估计或者因交通环境的实时变化而难以估计时,提出的自适应模糊控制器将显示出其优越性。在仿真试验中,根据交通流的各种性能指标,将新的自适应控制器同传统的ALINEA方法做了详细的对比。