城市路网交通分散协调控制

针对城市路网交通系统规模大和非线性、不确定性强等特点，利用模糊神经网络设计了一种新的实时分散协调控制算法．把城市区域和市内快速公路作为一个路网大系统，子系统为路网中的各个交叉口；每个子系统都有一个模糊神经网络控制器，该控制器根据它自己和相邻子系统的交通流信息来动态管理相序及绿灯时间．控制器由3个模块组成：相序选择模块、绿灯判断模块和相位切换模块．控制器的控制目标是保持快速公路主线密度均衡和区域内各车辆平均延误时间最短．仿真研究表明，该算法能有效处理各种路网交通环境．     

城市区域交通智能控制研究

利用模糊神经网络对城市区域交通进行实时分散控制.把区域交通作为一个大系统,子系统为区域中的各个交叉口,每个交叉口有一个控制器,该控制器根据它自己和相邻交叉口的交通流信息来动态管理绿灯相位及绿灯时间.仿真研究表明:在交通流量较大和流量时变的环境下,该方法比普通车辆感应控制方法控制效果更好.     

城市干线交通信号模糊控制及仿真

提出了一种基于模糊控制器的干线控制算法,该算法有两个模糊控制器绿灯延长时间模糊控制器和相位决定模糊控制器.前者决定当前绿灯相位的结束时刻,后者根据各相位的紧急度值的大小决定下一个放行的相位.运用仿真技术,把该控制方法和传统的定时控制方法进行了比较.仿真结果表明,本文提出的控制器是有效可行的,且效果优于定时控制.     

一种多相位交叉口模糊控制方法

基于车流阻塞参数b,设计含绿灯延长和相位选择2个模糊控制器的多相位交通信号控制系统。根据当前路口和下游路口参数,输出当前通行相位绿灯延长时间。若延长时间为0,则进入相位选择模糊控制器,输出下次通行相位。仿真结果表明,该设计方法可有效控制多相位路口的交通信号。     

基于相序优化的多相位模糊交通控制

针对单交叉路口进行模糊交通控制算法的研究.首先提出一个简化的交叉路口交通流模型,设计一种基于相序优化的模糊控制器,然后以车辆平均延误时间为控制目标,采用模糊控制器和相序优化器联合进行交通控制.前者用来决定改变当前绿灯相位的时刻,后者从相序中根据优先权的大小决定下一个放行相位.仿真研究表明,该模糊控制器能更有效地对单路口进行多相位闭环控制,控制效果令人满意.     

城市单交叉路口信号灯的六相位模糊控制

讨论城市单交叉路口交通信号灯的实时控制,考虑到行人和非机动车,对其进行六相位模糊控制,提出以当前相位绿灯已通行时间、当前相位的队长以及它与后继相位的队长之差三者决定当前相位绿灯延时的方法,给出算法和该三维控制器设计,指出选择控制规则的原则,应用此方法进行仿真研究,结果令人满意。     

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.     

信号交叉口模糊逻辑自适应控制

针对城市道路交叉口的智能交通信号控制,提出了一种主从式模糊逻辑自适应控制算法,该算法综合考虑了本相位最小绿灯时间结束时刻的路段车辆数和相邻相位的车辆排队长度,以及本相位非关键车流对关键车流的影响,采用两个规则前件进行主模糊控制器的模糊推理,设计了具有更多控制信息的两级模糊控制器。结合已有类似研究成果进行了仿真比较研究,结果表明:该控制算法在减少车辆延误方面有明显改进。     

单路口信号灯F-GA-F控制策略研究

论文提出了单路口信号灯F-GA-F控制策略,该策略利用预估车流模糊推算下一个周期的值,采用遗传算法优化目标函数,得到各个相位的绿灯时间,然后,对各个相位的绿灯时间采用模糊控制实时地进行调整,使单路口在一个周期时间里的交通流量最大。计算机仿真结果表明,控制策略性能优良。     

快速路网宏观交通流仿真系统的开发与仿直

为了给快速路网运行状况分析和控制策略评价提供高效辅助决策工具,提出快速路网宏观交通流仿真系统整体框架,分输入模块、仿真模块和输出模块三部分,并给出采用Microsoft Visual Basic面向对象语言开发的实现流程图和关键技术.仿真案例采用该系统对包含两个起点、两个终点的快速路网进行仿真,刻画交通拥挤的形成、传播...     

高速公路实时交通流模糊逻辑优化控制系统设计

高速公路交通流特征复杂多变,受到诸多影响因素的共同作用,如天气、道路状况、车辆类型等等。因此,如何获取交通流逻辑控制条件并实现精准调节难度较大。为此,本研究设计新的高速公路实时交通流模糊逻辑优化控制系统。对于系统的硬件部分,设计车流控制模块、无线传输车载终端、实时交通流逻辑调度模块、模糊控制器模块,并确定各个模块之间实时连接关系。对于系统的软件部分,求解交通流逻辑控制条件,联合高速公路实时通行相位条件,调节模糊控制器,并根据高速公路交通路网模型,推导交通流优化控制条件的求解表达式,完成高速公路实时交通流模糊逻辑优化控制系统的设计。实验结果表明,本系统可以解决逻辑协调错误的问题,且能够有效控制高速公路车流量。     

Urban arterial traffic two-direction green wave intelligent coordination control technique and its application

This paper presents a new two-direction green wave intelligent control strategy to solve the coordination control problem of urban arterial traffic. The whole control structure includes two layers — the coordination layer and the control layer. Public cycle time, splits, inbound offset and outbound offset are calculated in the coordination layer. Public cycle time is adjusted by fuzzy neural networks (FNN) according to the traffic flow saturation degree of the key intersection. Splits are calculated based on historical and real-time traffic information. Offsets are calculated by the real-time average speeds. The control layer determines phase composition and adjusts splits at the end of each cycle. The target of this control strategy is to maximize the possibility for vehicles in each direction along the arterial road to pass the local intersection without stop while the utility efficiency of the green signal time is at relatively high level. The actual application results show the proposed method can decrease the average travel time and average number of stops, and increase the average travel speed for vehicles on the arterial road effectively.     

Type-2 fuzzy logic based urban traffic management

This paper presents a multi-agent system based on type-2 fuzzy decision module for traffic signal control in a complex urban road network. The distributed agent architecture using type-2 fuzzy set based controller was designed for optimizing green time in a traffic signal to reduce the total delay experienced by vehicles. A section of the Central Business District of Singapore simulated using PARAMICS software was used as a test bed for validating the proposed agent architecture for the signal control. The performance of the proposed multi-agent controller was compared with a hybrid neural network based hierarchical multi-agent system (HMS) controller and real-time adaptive traffic controller (GLIDE) currently used in Singapore. The performance metrics used for evaluation were total mean delay experienced by the vehicles to travel from source to destination and the current mean speed of vehicles inside the road network. The proposed multi-agent signal control was found to produce a significant improvement in the traffic conditions of the road network reducing the total travel time experienced by vehicles simulated under dual and multiple peak traffic scenarios.     

主干线协调控制的改进算法研究

为改善传统主干线协调控制方法中存在的问题,对传统主干线协调控制算法进行了深入的研究和改进。改进算法为有效提高绿时利用率,减小车辆延误,对单路口实施了改进的模糊控制算法;同时,对主干线上车辆到来情况进行实时检测,若有大规模车队到来,则中断模糊控制器,即时疏散车队,从而实现对主干线的实时协调控制。将此算法应用于城市主干道交通协调控制,对减小整个主干线的停车延误和排队延误有很好效果,并且对路况变化具有较强的鲁棒性,适合在大中城市中推广。     

高速公路智能管控系统外部数据接入设计与实现

目前高速公路运营管理中,传统机电系统中的视频监控、收费系统等已经稳定运行多年,但功能相对单一,信息孤岛现象比较严重。为解决这一问题,重点探讨了高速公路智能管控系统如何与系统外部的专用短程通信(DSRC)道路交通流、全程断面的交通流监测数据、气象状态的监测数据、交通事件的视频检测数据进行无缝接入进行设计。同时,兼顾路网层面的信息服务,实现与交通运输部、省交通运输厅路网中心、周边高速路网、地方道路管理部门、气象部门等之间的数据共享与交换。为高速公路运行状态监测、预警、辅助决策、应急管理、信息发布等功能提供数据支撑。     

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。     

交通信号自适应模糊控制器的设计及稳定性分析

针对城市交通路口的信号控制,提出一种自适应模糊控制器,并对其稳定性进行分析.通过控制器给出路口实时信号配时,根据红灯相位的等候车辆平均损失和绿灯相位释放车辆的平均增益,给出了模糊控制器的自适应算法,以实时修正其模糊规则.在自适应模糊控制器的稳定性分析中,采用模糊控制系统闭环模型的模糊关系矩阵,证明在路口车辆随机产生的情况下,模糊控制系统是稳定的.仿真结果表明,自适应模糊控制器比全感应控制器、简单模糊控制器更能适应路口交通流的变化,极大地改善了系统性能.     

Supporting real-world network-oriented mesoscopic traffic simulation on GPU

Mesoscopic traffic simulation is a promising technology for handling large-scale dynamic traffic assignment problems. Meanwhile, GPU has been a research hotspot in the last decade because of its massive parallel performance compared with CPU. Although several works deal with GPU-based parallel performance, few have addressed the issue of real-world network applications. Thus, the performance of GPU on realistic road networks is still not clear. In this paper, an ideal grid network and a realistic Singapore expressway network are implemented and compared. The former gets a speedup of 10.00 while the latter only get a speedup of 2.37. The two main reasons for this lower efficiency of a real network are the more complex data structure caused by network topology and fewer numbers of threads due to the scale of the expressway network. Future works need more effort to develop a system with better data structure and better designed concurrent threads.