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.     

基于量子粒子群算法的单交叉口信号控制

城市道路道路各交叉口交通信号的实时管理和控制直接影响了整个城市的交通,以单交叉口多相位固定周期的交通信号控制问题为背景,构造了以交叉口滞留车辆最少为优化模型,在目标函数后加上罚因子实现有约束极值问题向无约束问题的转化,用量子粒子群算法对其进行仿真数据求解,得到了交通实时控制的配时方案,并与定时控制进行比较,结果表明该模型和算法对交通信号的实时控制是非常有效的。     

基于混沌量子进化算法的单交叉口信号控制

城市道路各交叉口交通信号的配时优化和协同控制直接影响整个城市的交通状况.本文以单交叉口模型的交通信号控制问题为背景,构造了以单交叉口滞留的车辆数最少为目标的优化模型.用混沌量子进化算法进行仿真数据求解,得到实时控制的配时方案,并与其它算法的仿真结果进行比较,结果表明该算法对单交叉口的信号配时优化是非常有效的.     

城市单交叉路口交通信号实时优化控制与仿真

针对城市道路单点交叉口交通流的到达特性,将路口到达的交通流划分为4种状态,提出了“基于状态划分的多相位交通信号实时控制方法”,该方法根据路口各状态下交通流的到达特征和控制目标,为不同交通状态选择合适的性能指标,并建立各状态下交通信号的动态配时模型。同时,设计了一种改进的自适应实数编码遗传算法对交通信号配时模型进行求解,该算法采用基于分类的排序惩罚机制对约束进行处理,并引入模拟退火算子增强遗传算法的局部搜索。最后,采用3种算法对实例进行大量的数值计算和Paramics仿真,计算和仿真结果均表明所设计的算法求解精度高且模型具有良好的控制效果。     

基于粒子群的模糊神经网络交通信号控制

针对城市交通流的特点,提出了一种单交叉口多相位模糊神经网络交通信号控制模型,并采用全局优化的粒子群算法优化模糊神经网络参数.仿真结果表明该算法能够有效减少交叉口车辆平均延误时间,提高道路通行能力.     

平面交叉路口交通信号控制策略研究

在分析当前平面交叉口交通信号控制技术的基础上,重点研究交通信号控制配时策略,结合现代智能交通的需求,提出一种平面交叉路口的通用模型及描述各种实际路口的通用方法,根据路口的各车流向的期望车流量的实时预测结果实时生成最优配时的自适应算法。算法实时改变相位车流向组成,系统适应能力有较大的提高。     

单点交通信号控制系统的优化设计

针对城市固定相序的单路口多相位交通信号进行控制,本文设计了基于车流量预测的动态调整相位最大绿灯时间的模糊控制系统。综合考虑当前相位、后续相位的交通需求度,以此决定绿灯时间分配。通过模拟交通指挥者实际进行交通控制,实时根据各相位车辆的多少进行信号的智能控制。采用遗传算法对模糊隶属度函数进行优化调整,使隶属函数的选取更为合理,随交通状况的改变自适应地调整。仿真结果表明,该方法能有效降低通行车辆在交叉口的平均等待时间,明显优于传统控制方法,并且能更有效地处理随机性较大、不确定性较强的交通流。     

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CPN的单路口交通信号控制建模

针对城市道路交叉口的交通流特性,用CPN对单路口交通信号多相位实时控制进行建模。单路口交通信号控制系统是一种实时分布式复杂系统,具备同步,并发,冲突,互斥,资源共享的离散事件系统特征。针对离散事件系统,CPN网是个强大而实用的建模工具。     

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。     

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。     

基于蚁群算法的城域交通控制实时滚动优化

为求解城域交通控制实时滚动优化的混合整数规划模型，将滚动优化各阶段的控制变量映射为一个层状构造图，并定义局部启发信息和信息素更新公式，从而应用蚁群算法搜索各路口的最优信号灯相位序列．对算法复杂度作了理论分析，并通过仿真实验与单路口感应式信号控制技术进行比较，结果表明性能较好．     

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。     

城市交通过饱和状态下干线信号的多目标仿真优化研究

针对城市交通过饱和状态下的干线信号优化问题,分析了交通控制目标对车辆排队的影响,提出以绿信比、相序、相位差和周期为优化参数,以车辆平均时延、系统平均排队-车道长度比和系统通行能力为优化目标的交通信号仿真优化模型。构建了优化模型的实施框架,该框架采用自主构建的微观交通仿真环境来获取信号方案评价指标,改进多目标优化算法NSGAII中的重复个体问题,完成对干线各交叉口信号配时方案的同时优化。最后,利用采集的交通数据对由3个交叉口组成的干线进行实例验证,验证结果表明,在过饱和状态下,所提出的信号优化方法不仅可以有效控制车辆排队长度,均衡车辆分布,同时在系统通行能力、车均时延方面表现更佳。     

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。