城市复杂道路网络交通流的分解模型

针对城市道路交通流非线性、不确定性和模糊性特点,将城市道路与快速干道作为整体对待,提出了面向控制应用的城市交通网络宏观动态离散模型。将城市街区作为划分基点,把整个城市道路复杂交通网络分解为交叉口和单向环形道路两个子系统,分别建立了它们的宏观动态模型。通过对交叉口进行理想虚拟变形,将各个单向环形道路连接在一起,从而形成各种复杂网络。对西安市中心区域的实际交通流数据进行了仿真研究,结果表明该交通流模型基本实现了城市道路与快速干道的统一分析建模,较好地反映了城市路网的交通流信息,可以作为城市交通控制系统分析和设计的有力工具。     

信号灯作用下的车辆跟驰行为研究

跟驰模型是交通流理论的研究热点.在分析了目前交通流跟驰理沦的基础上,探讨了信号灯对车辆跟驰行为的影响,提出了改进的交通流跟驰模型.该模型以信号控制交叉口为主要研究区域,以车头间距和信号灯颜色状态作为输入,以车辆跟驰状态为输出,从而建立了分段函数模型,并用仿真软件进行了实验验证,结果证明了模型的可行性.最后,对该研究方向进行了展望.     

城市交叉路口交通流传递函数模型研究

为研究交通流对象动态特性,提出了描述城市交通流对象的一般模型结构,确定了描述单路口交通流为代表的城市路网交通流的典型动态环节。通过设计不同的仿真试验内容,获得了不同条件下的不同仿真交通流的输入输出数据,基于系统辨识的方法分别建立了单路口交通流的传递函数模型。研究表明,城市交通流的周期控制通道传递函数为三阶系统;绿信比控制通道传递函数为二阶系统。该传递函数模型能够很好地描述交通流状态,可以用于交通流对象动态特性研究。     

基于微观变量的交通流算法研究

中国城镇化发展迅速,伴随而来的城市交通状况也日益恶化,早日建成现代化的交通运输系统和交通信息管理系统成为了城市交通战略的首要任务.寻找能够正确描述交通流基本规律的交通流算法,更好地指导局部交通的优化管理和控制,是交通流研究的期望目标.基于微观变量和元胞自动机理论提出交通流算法模型.通过对微观交通流算法的设计及数值模拟,预测理想的交通流及出行分布情况,从而加深了对交通流中各种现象内在机理的认识,使其可以预测出最接近实际情况的交通流,为交通流的仿真和实时交通控制做了基础性的工作.     

基于混合Petri网的交叉口交通信号控制研究

为优化交叉口绿灯时间,根据交叉口交通流的动态属性和交通信号的离散属性,建立了城市交通网络中单交叉口信号控制的混合Petri网模型.用连续Petri网描述交叉口容量和交通流变化,用离散时延Petri网控制交叉口各个相位的交通信号,每个相位都有控制绿灯延长时间的Petri网模型.在执行了最短绿灯时间后,根据当前等待通过的车辆数,通过禁止弧对绿灯延长时间加以控制,以确定最佳绿灯时间.最后对该模型进行计算机仿真,仿真结果表明该方案对单一交叉口实现了更有效的控制.     

基于改进粒子群算法的单交叉口信号配时仿真

研究城市交通信号控制系统中的单交叉口优化交通流问题,由于交通流具有非线性和不确定性特点,很难建立精确模型。为解决上述问题,提出把每一相位的排队长度都作为优化的目标,采用多目标信号配时模型以满足不同交通需求,并采用改进粒子群(PSO)算法进行求解。在深入研究分析PSO算法的基础上,引入变异因子和惯性权重自适应策略对该算法进行改进,既发挥了PSO算法随机优化收敛速度快的优点,又克服了算法易陷入局部最优点的缺点,显著提高了优化算法的性能指标。仿真结果验证了方法的有效性和合理性。     

城市中观交通仿真的交通流车簇模型

为了解决城市交通仿真模型仿真速度和仿真精确度的平衡问题,针对城市交通流运行特征,同时考虑影响交通流运行的若干因素,如车辆数目、红绿灯控制等,提出一种中观交通仿真车辆群体模法.该模型结合了宏观模型和微观模型的优点,同时对应的交通流配流算法解决了传统模型的不足,城市交通仿真实验结果表明了车辆群体模型和分配算法的合理性和有效性.     

基于删边扩容策略的城市交通网络优化

建立一个面向控制的城市交通网络模型,以结构矩阵的形式进行数学表示,引入序参量的概念来表征城市交通的拥堵状况,并提出了基于介数的具体删边扩容策略. 将此策略应用到已建立的交通网络模型中进行仿真验证,证明了该策略在不影响行驶路径长度的前提下可以显著改善城市交通状况,并得出了删边比例与介数最大值成反比例的对应关系的结论.     

行人交通微观动态元胞自动机仿真模型研究

在分析行人交通特性后,以元胞自动机（CA）和规则描述为理论基础,提出基于CA的行人仿真模型,以此建立相对于其他交通对象的行人避让模型。该方法以模型与现实世界的高相似性有效克服了精确数学模型在仿真行人交通时的难题。结合行人CA模型和行人避让模型开发了混合交通流仿真试验原型系统。仿真结果表明,该方法有效地模拟了现实交通状况,在城市交通规划、交通需求管理和交通控制等领域有着广泛的应用前景。     

基于模型的网络控制系统稳定性分析及应用

针对时延网络控制系统中被控对象状态无法直接测量的情况,提出了基于模型的时延网络控制系统模型。系统采用状态反馈控制器,在网络信号传输时间间隔内,以被控对象模型为依据,计算控制信号,以减少系统对网络的依赖。在此基础上,给出了网络控制系统全局指数稳定的充要条件,该条件受网络信号更新时间、被控对象模型误差及网络引起的时延等因素的影响。仿真示例验证了该条件的有效性,应用在工业控制系统中,取得了较好的控制效果。     

城市高速公路交通的神经网络建模与控制

从城市高速公路交通流的宏观、动态特性出发 ,分析了交通流控制中常用的宏观、动态、确定性模型 在此基础上 ,利用人工神经网络技术建立了城市高速公路的神经网络模型 ,并提出了入口匝道放行和路段速度相结合的多变量神经网络控制策略 利用该控制策略建立的自适应神经网络控制器 ,可以使高速公路上的交通密度维持在理想的密度值附近 .进一步分析可以得到 ,该控制器是一个状态和控制作用均可跟踪的伺服系统 .以杭州某高架高速公路为背景的仿真结果表明 :该控制器具有较强的鲁帮性 ,控制效果令人满意 .     

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...     

城市区域交通信号迭代学习控制策略

城市交通流具有复杂的非线性动态特性, 在交通控制中难以对其进行精确的数学建模; 同时, 以天为周期, 宏观交通流又呈现出明显的周期性特征. 鉴于此, 提出一种基于迭代学习的城市区域交通信号控制策略, 通过对交通信号的迭代控制, 使路段的平均占有率收敛于期望占有率, 从而使绿灯时间得到充分利用并防止交通拥堵的发生, 保证了交通流在路网中的高效平稳运行. 严格的理论推导证明了该方法的收敛性, 仿真结果验证了该方法的有效性.

     

快速路控制策略仿真研究

城市快速路是城市交通的主动脉,承担着城市大部分交通量,良好的快速路控制策略能有效缓解道路拥堵。本文借助改进的宏观交通流模型,采用Visual Basic面向对象语言,开发城市快速路的控制仿真系统。运用该仿真系统对一个包含两起点两终点的快速路段进行仿真,模拟采用ALINEA策略和不采用控制的快速路交通运行状态。仿真结果表明,对入口匝道实施ALINEA控制后,高峰时刻主线流量增加约150veh/h,入口匝道与主线汇合区速度提高约10km/h,说明ALINEA控制策略能有效缓解快速路拥堵。     

基于O-D矩阵估计的路网交通流量仿真模型

为了将交通出行需求对路网交通流量的影响进行动态的量化分析,提出了一个基于O-D矩阵估计的路网交通流量仿真模型。利用O-D矩阵估计的重力模型计算方法、复杂网络理论和路段阻抗模型,构建了路网模型;在人们出行总是选择路段阻抗最小路径的假定下,设计了出行需求的路网流量映射算法;基于离散事件仿真,在PC系统上实现了路网流量仿真系统。仿真结果表明：该仿真系统可以根据各交通子区域出行需求的变化,精确模拟路网流量和交通状态的动态演进。     

高速公路动态交通流的BP神经网络建模

通过对高速公路宏观动态交通流模型的分析,针对高速公路交通系统的非线性时变特点,应用BP神经网络建立了高速公路宏观动态交通流模型。并利用一段高速公路的交通流数据对BP神经网络进行训练,得到网络参数。最后,为了验证BP网络模型的有效性,在MATLAB环境中对模型进行了仿真,并将仿真结果与原始模型的结果进行了比较。结果表明,该方法能较准确地描述高速公路交通流的真实行为,并且能够适应交通状况的变化。     

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。     

城市交通信号的迭代学习控制及其对路网宏观基本图的影响

针对在城市交通信号控制中存在对交通流难以精确建模的问题,首先利用交通流的重复性特点,提出了一种基于迭代学习的城市交通信号控制方法,并证明了在不确定初态下迭代学习控制算法的收敛性.其次,结合路网宏观基本图的特性分析了基于迭代学习的交通信号控制策略对路网交通态势的影响.结果表明,当迭代的初始状态在期望初态值的小范围内波动时,系统的跟踪误差仍能收敛到一个界内;通过对交通信号的迭代学习控制,路段的实际占有率能够逐步逼近期望占有率,从而使路网内的车辆密度分布更加均匀,确保交通流在更优的宏观基本图下运行,防止因车辆密度分布不均引起的通行效率下降及交通拥堵的发生.最后,通过仿真实验对所提方法的有效性进行了验证.