城市过饱和路网的非均匀自适应相容优化控制

针对城市过饱和路网的交通信号控制问题,将总延误分为主线路段延误和次线路段延误,将控制问题描述为冲突的多目标控制问题.针对这一问题,提出一种新的非均匀自适应多目标相容优化控制算法,对多目标进化算法NSGA-Ⅱ算法进行改进,作为多目标相容控制算法的优化工具,提出非均匀Pareto 前沿扩张机制来获得Pareto 前沿上的一些特殊区域.改进的NSGA-Ⅱ算法采用自适应种群机制和迭代控制算法机制来提高实时控制算法的计算速度,提出稳定性偏好选择策略来获得稳定的控制器.将提出的改进的多目标相容控制算法在仿真环境中对一个7个交叉口的城市过饱和路网进行实时控制,结果表明,本文提出的相容优化控制算法的效果优于定时控制方案.     

基于ε-支持向量回归理论的区域交通信号智能控制

城市交通信号控制是当前智能交通领域的研究热点之一.针对区域交通信号协同控制的实时性和准确性,提出一种基于ε-支持向量回归(SVR)非线性回归理论的智能控制方法(ICSRTS).该方法在无线传感网络结构的基础上结合已有的数据汇聚算法,并采用分簇策略将区域交通控制系统建模成一类集成信息调度与控制的离散切换系统.在离散切换系统中,不仅考虑了数据包传输的网络时延和丢包率,而且观测器利用改进的ε-SVR训练方法实现对多数据源融合的交通信号状态的在线预测并通过控制器进行总体协调控制.运用Lyapunov函数方法验证了该系统的渐近稳定性及其可调度性.仿真结果表明,ICSRTS方法相比普通模糊神经网络控制和普通ε-SVR预测算法在交叉口平均延误时间方面具有较好的性能.因此,该方法能实时、有效地对区域交通信号进行协调控制,从而减少了区域内的交通拥堵和能源消耗.     

基于ε-支持向量回归理论的区域交通信号智能控制

城市交通信号控制是当前智能交通领域的研究热点之一.针对区域交通信号协同控制的实时性和准确性,提出一种基于ε-支持向量回归(SVR)非线性回归理论的智能控制方法(ICSRTS).该方法在无线传感网络结构的基础上结合已有的数据汇聚算法,并采用分簇策略将区域交通控制系统建模成一类集成信息调度与控制的离散切换系统.在离散切换系统中,不仅考虑了数据包传输的网络时延和丢包率,而且观测器利用改进的ε-SVR训练方法实现对多数据源融合的交通信号状态的在线预测并通过控制器进行总体协调控制.运用Lyapunov 函数方法验证了该系统的渐近稳定性及其可调度性. 仿真结果表明,ICSRTS方法相比普通模糊神经网络控制和普通ε-SVR预测算法在交叉口平均延误时间方面具有较好的性能.因此,该方法能实时、有效地对区域交通信号进行协调控制,从而减少了区域内的交通拥堵和能源消耗.     

分布式区域交通信号自适应控制

基于无模型自适应动态规划,提出一种新的交通信号控制算法,应用于区域多路口协调优化控制.在四交叉路口的仿真环境下对该控制算法进行验证,取得良好的优化效果.     

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。     

基于流量的交通信号智能控制算法与仿真

交通信号控制系统是城市交通的基本组成.文章针对交通路口信号控制中的时间分配算法进行研究.根据交通路口抽象模型,综合多种路口流量因素,引入了综合流量指标来对交通流量进行量化描述.并且以该综合指标为中心设计了具备自适应能力的信号控制算法.实现了能够依据交通流量状况进行路口时间调整的交通信号控制系统模型.通过NetLogo平台进行仿真实验,证明该系统模型可以很好的适应路口交通流量变化和差异,一定程度上可以作到对交通压力的缓解.     

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...     

基于计算实验的公共交通需求预测方法

一般来说,用于交通需求预测的数学模型往往缺少对出行个体微观水平上的异质性和可变交通情景的考虑.针对这些问题,本文提出了一种基于计算实验的公共交通需求预测方法.该方法主要由交通调查、基于Agent的人工交通系统（Artificial transportation system,ATS）和计算实验3部分组成.在出行个体Agent建模中引入BDI（Belief-desire-intention）模型,来推演各出行个体在出行过程中对各交通选择的决策制定过程.在人工交通系统的基础上,可以设计并执行大量的计算实验来进行交通需求预测.本文通过基于校车系统的一系列交通调查和计算实验验证了该方法的可行性和优越性,并针对各种不同交通情景进行了交通分布预测和交通方式划分预测.     

基于递推闭环子空间辨识的自适应预测控制方法

针对存在噪声干扰与时变特性的线性系统的模型不确定性问题,提出了一种基于递推闭环子空间辨识的自适应预测控制方法.通过结合PID(proportional-integral-derivative)控制采用新的目标函数,对闭环子空间预测控制算法进行改进,推导出具有类似PID结构的闭环子空间预测控制算法;采用固定输入输出数据集大小的递推方法将改进后的算法在线实施,通过采用一种简单直观的更新方法代替LQ分解,有效提高了在线计算效率.最后,通过仿真实验验证了方法的有效性.     

多用户动态交通分配和信号优化的组合研究

提出了一种饱和路网中考虑多用户行为下的动态交通分配和交通信号优化的组合模型。模型采用广义双层规划来表示。模型的上层是信号控制优化,下层是考虑多用户路径选择条件下的动态交通分配,进行交通网络流的配置。同时,模型中采用具有物理排队的动态网络模型,从而考虑了饱和路网中物理排队对基于路段的网络条件的影响。通过仿真说明了饱和路网中考虑多用户行为下的动态交通分配和交通信号优化的组合模型可以实现交通信号的优化配置和交通网络流的优化,并反映了排队的物理效应。     

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。     

城市道多路口交通信号实时控制仿真设计

在单路口交通灯实时控制的基础上对城市道路多路口交通灯实时控制进行了研究。提出了一种双层次子区域的智能划分方法并应用于区域交通信号的实时控制,在子区域基础上建立多交叉口数学模型;运用指数平滑预测模型为BP神经网络模型提供学习所需数据,并将得到的混沌交通流序列与改进泊松函数得到的泊松分布断面发车随机数进行比较。通过上述模型及算法最终得到区域交通路口实时配时方案。     

基于黄金分割双种群遗传算法的区域交通信号控制

针对非均匀交通流的城市区域信号配时优化问题,以区域总通行能力和总延误为优化目标,构建基于目标相对占优策略的城市区域交通信号优化模型;在采用遗传算法求解优化模型时,由于遗传算法易早熟收敛会导致寻优效果不佳,因此引入黄金分割法对双种群遗传算法进行改进,两个种群同时且独立地进行寻优操作,并进行个体交换,避免算法陷入局部最优的陷阱,利用4个常用的测试函数验证算法有效性,实验结果表明改进的算法能够快速搜索到全局最优解;最后对所提的模型和算法进行有效性评价,结果表明,所建模型符合实际交通控制目标并且计算简单,验证了模型的有效性;所改进的算法在城市区域路网中能够有效地获得良好的信号配时方案。     

基于时空残差网络的区域客流量预测方法

针对区域客流量波动性强、复杂非线性的特征,易受到季节性影响,并且单一神经网络模型无法同时学习时间与空间相关性问题,通过对区域客流量影响因素分析,结合残差网络和全连接网络,提出了用于区域客流量预测的改进Quad-ResNet模型。Quad-ResNet模型融合了四个残差网络和一个全连接网络,该模型通过深层次的卷积学习空间相关性,结合四个残差网络学习时间邻近性、相似性、周期性、趋势性,使用全连接网络学习季节性影响。将Quad-ResNet模型与LSTM、CNN、ST-ResNet模型在同一数据集上进行区域客流量预测对比实验,实验结果表明,Quad-ResNet模型误差小于其他对比模型,而且在训练和预测的操作上明显比LSTM模型更简便,更适用于区域客流量预测。     

融合改进关联度与Newman算法的区域交通划分研究

针对区域路网复杂度高、现有子区动态划分方法的不足,以优化区域协调控制为目标,提出一种基于引入改进关联度模型的改进Newman算法的区域路网动态划分方法。综合分析车队离散性和车流密度两种因素,提出了一种改进关联度模型;以模块度Q为划分标准,将交叉口关联度作为边权,改进传统的无权社团凝聚算法,使其能够依据交通流特性将路网动态划分为不同子区。仿真实验结果表明,所提出的改进划分方法能够有效结合实际交通流特性,对路网子区进行更加准确的实时动态划分。     

多个MFD子区边界协调控制方法

为了改善交通网络运行状况,根据车流密度的差异对宏观路网进行子区划分,提出了面向多个宏观基本图（Macroscopic fundamental diagram,MFD）子区的边界协调控制方法.根据划分的多个子区间邻接关系和流入流出交通流率,建立了路网车流平衡方程.通过与最佳累积车辆数进行比较,确定了拥挤度高的子区边界交叉口最佳流入与流出的交通流量;进而建立了以整个路网旅行完成流率最大、平均行程时间和平均延误最小的多目标边界协调优化模型,并通过自适应遗传算法对多目标函数进行求解.以存在4个MFD子区的实际路网为分析对象,对比仿真结果表明所提方法可有效提高路网运行效率、缓解拥堵状况.     

融合SPP和改进FPN的YOLOv3交通标志检测

针对交通标志目标检测尺寸较小、分辨率低、特征不明显问题,提出一种改进的YOLOv3网络模型。在利用颜色增强方法对交通标志进行数据增强后,改进原网络中的FPN结构,保留原网络中52×52的大尺度预测,然后利用YOLOv3网络中第二次下采样输出的特征图建立108×108的更大尺度预测。为了解决图像尺寸和失真的问题,在检测层前使用固定分块大小为5、9、13的池化操作,再将输出的特征与原来的特征图进行融合,从而实现对不同尺寸的输入得到相同大小的输出。最后,利用K-means聚类算法对TT100K交通标志数据集进行聚类分析,重新定义网络的初始候选框,使用YOLOv3网络模型和改进的YOLOv3网络模型以及其他小目标检测算法在TT100K数据集上进行对比实验。实验结果表明,改进后的YOLOv3网络模型能更有效的检测交通标志,其检测的平均精确度在三个尺度下相对原YOLOv3网络模型分别提升8.3%、6.1%、4.3%,在FPS变化不大的情况下,召回率和准确率都有明显提升,同时,改进后的YOLOv3算法相对其他小目标检测算法具有更好的检测精度和实时性。     

多逻辑链路间共享令牌调度流量负载模型

针对宽带接入多逻辑链路中普遍存在的流量不稳定问题,提出一种多逻辑链路间令牌调度模型,通过在多链路间动态调度令牌,使链路的流量趋向稳定分布,达到流量负载均衡的目的。模拟实验结果证明,该模型有较好的流量调控能力,能根据实际需要控制各个链路的流量,改善出口时间响应特性,提高链路利用率。     

考虑交通流非线性特性的交通信号迭代学习控制策略

现实中城市交通流的运行具有很强的非线性特性, 采用简单的线性模型难以全面描述交通流的实际运行过程. 本文在考虑城市交通流非线性动态特性的基础上, 提出了一种非线性交通流排队模型, 并基于宏观交通流固有的周期性特征, 设计了交叉口信号的迭代学习控制策略. 通过对交叉口信号的迭代学习控制, 使交叉口各进口道的车辆排队长度尽可能趋于均衡, 提高交叉口信号有效绿灯时间的利用率, 从而提高路网的通行效率. 最后通过严格的数学推导证明了该方法的收敛性, 仿真研究及实验结果验证了所提方法的有效性.     

基于改进克隆选择算法的区域交通灯配时优化

为提高城市区域路网通行效率,提出一种基于改进的克隆选择算法的区域交通灯实时配时方法。该配时方法以最小化区域路网总滞留车辆数为优化目标,将交通灯状态设置问题转换成克隆选择算法搜索最优解问题,在每个单位时间根据实时车流量动态搜索出使区域路网通行能力达到最高的交通灯配时方案。为提高克隆选择算法寻优性能,提出双层动态变异算子,并对克隆抑制算子与种群刷新算子进行改进。以西安市某区域路网为仿真实验参考对象,仿真结果表明：提出的配时方法的区域路网总滞留车辆数比固定配时减少了38.93%,比基于标准遗传算法的配时方法减少了20.33%。