考虑相邻交叉口的公交优先信号模型与仿真

在公交系统优先信号模型优化设计中,传统公交信号优先仅考虑公交车辆通过交叉口的影响,而忽视了相邻交叉口所受的影响,因此考虑相邻交叉口通行能力的影响,以总交叉口人均延误为目标,提出以公交优先度作为判别是否优先以及优先程度的决策依据,进而采用绿灯延长和红灯早断两种策略,建立有限的主动优先控制模型.最后,通过VISSIM软件的VAP模块建立仿真模型,并通过案例分析,与无公交优先策略、绝对公交优先策略进行对比分析,结果表明与无公交优先策略相比,所提出的优化控制策略,在中高饱和度下能使总交叉口人均延误平均降低15.7％,在高饱和度下平均降低14.6％.验证了研究成果具有应用价值.     

具有公交优先的交叉口信号控制技术

针对一类典型交叉口,提出一种具有公交优先的交叉口模糊信号控制技术。采用公交专用道和公交优先进口道实现公交车辆在空间上的优先,通过具有公交优先的交通信号控制算法实现公交车辆在时间上的优先。信号控制算法的核心模块由绿灯相位模块、红灯相位模块和决策模块组成,分别设计这3个模块的模糊控制策略。控制目标是达到对公交车辆加权的车辆平均延误最小。仿真结果表明,与定时信号控制技术相比,该控制策略不仅大幅度减少了公交车辆的平均延误,而且提高了非公交车辆的通行效率,可应用于实际工程。     

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.     

公交信号优先策略研究

本文介绍了公交优先策略的概念和分类,阐述了绿灯延长、绿灯提前、相位倒转、相位插入、公交通行专用相位等主动优先控制策略的基本原理,并对其进行了适应性和优缺点分析。     

基于公交优先的城市化交通讨论

本文针对城市交通拥堵问题,以绿色、人文为基础提出了“发展公交优先”的策略。通过设置公交专用道、交叉口专用进口道和公交信号优先控制等方式,将非快速公共交通平稳过度到快速公交时期。并构思建立一种以公交信号优先的交叉口信号配时方案,利用仿真软件就交通拥堵状况进行微观模拟,力求缓解交通拥堵。     

基于遗传算法的公交专用道交叉口实时信号控制

研究了设公交专用道时信号控制交叉口在相对固定周期条件下,信号配时随路上交通流量变化而实时调整的优化算法。首先以总延误时间最少为目标建立优化函数,然后以饱和度限制及最小绿灯时间要求为约束建立非线性规划模型,再采用遗传算法对模型进行求解以得到最优配时方案。通过仿真实例说明了函数构造及求解的过程。     

基于RFID电子标签的公交信号单点优先策略

为加强路口单元与公交车辆的信息交互,提高公交信号优先系统的效能,以RFID电子标签为信息交互中介,建立车路通信环境,构建交通信号系统、公交系统为一体的公交信号优先系统;通过与电子标签的信息交互,路口单元对公交车的信号优先请求进行分级错开,计算信号配时、建议车速、驻站时间等控制参数,制定出基于引导的优先方案,在交叉口实现公交车的优先通行与安全行驶服务;实验结果表明,在高饱和状态下,文章引导策略能使交叉口公交的平均延误降低30%,在中、低饱和状态下的效益更佳。     

基于Petri网的交叉口建模与信号控制研究

针对城市交通系统特性,建立了反映交通流动态属性的赋时连续Petri网模型和交叉口信号控制的离散时延Petri网模型.设计专门的Petri网模型控制每个相位的红灯时间,一旦等待时间达到最长允许红灯时间,该相位信号灯强制转为绿灯,可避免相位红灯时间过长导致的驾驶员违规问题.为优化交叉口绿灯时间,根据单个因素的隶属度,通过模糊Petri网按照模糊规则综合确定当前相位绿灯延长时间.仿真结果表明,该方案对单一交叉口实现了较有效的控制.     

基于多参数规划的单交叉口排队长度均衡控制

交叉口信号控制是城市交通管理的重要手段,解决城市拥堵问题需考虑交叉口的信号优化控制策略.鉴于此,针对四相位定周期单交叉口,采用存储转发方法建模,以排队长度均衡为性能指标,基于多参数规划方法离线地给出交叉口信号的优化配时策略.该策略根据交叉口车辆到达率,实时地调整各相位绿灯时间,以实现整个信号周期内绿灯时间的充分利用.通过PARAMICS平台进行的仿真实验表明了所提出控制策略的有效性.     

基于公交GPS数据的交叉口信号配时参数估计

为了利用公交GPS数据估计交叉口信号配时参数,提出一种改进插值法来估计交叉口单车行程时间;通过先聚类再分类划分信号周期,给出采用停车线附近的GPS数据序列估计周期边界及周期时长的方法;结合周期边界估计结果,提出一种新的红灯时长估计方法.在不同交通流量下对估计方法进行模拟及现场测试,结果表明,基于公交GPS数据的信号配时参数估计方法适用于不同交通流量,且估计效果明显优于现有方法.     

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。     

交叉口信号实时滚动优化模型及算法

为了合理控制单交叉口交通流并且优先公交,建立可变相序的实时滚动优化模型.该模型将公交优先嵌入优化控制,对每辆公交车实时分配权重系数,以交叉口社会车辆和公交车辆的人均延误最小为目标,优化确定相位序列和相位长度.通过跳相来实现相序优化,运用改进的遗传算法来求解.具体实例表明,可变相序的实时滚动优化模型能有效地减少系统的人均延误,并能在尽量减小对社会车辆的影响下实现公交优先.     

基于深度强化学习的多路口信号控制优化研究

新起的智能交通系统在改善交通流量,优化燃油效率,减少延误和提高整体驾驶经验方面有望发挥重要作用。现今,交通拥堵是困扰人类的一个极其严重的问题,特别是一些城市交通密集的十字路口处可能会更加严重。对信号控制系统的奖励机制进行了改进,将所有路口共享奖励的机制改进为每个交叉口共享唯一的奖励,并且通过密集采样策略与多路口信号控制相结合的方式,运用时下热门的深度强化学习来解决交通信号灯配时问题。仿真实验都是基于现在国际主流的交通模拟软件（SUMO）完成,从实验结果表明,改进后的深度强化学习多路口信号控制方法相较于传统强化学习方法控制效果更佳。     

The effect of queuing representations on modeling transit signal priority systems in mixed mode operation

This paper examines quantitatively the effect of modeling assumptions on transit signal priority (TSP) control in mixed mode operation. The primary sources of delays to buses at intersections are queues formed at intersections (queuing delay) and traffic signals (signal delay). We show that models based on point queues and models based on spatial queues would lead to different control strategies and yield different results for the benefit to buses in terms of delay reduction. Situations in which the spatial content of queues is crucial to modeling TSP systems are identified in the paper. We conclude that given that models with the spatial queue representation are more realistic in capturing the queuing dynamics at intersections they should be incorporated in the decision‐making process for initiating priority calls in a TSP system.     

一种基于粒子群的交通信号离线配时优化方法

提出了一种基于粒子群的交通信号离线配时优化方法,采用实数编码表示区域内各信号交叉口的各相位绿灯时间,不同的配时方案对应于不同的粒子,粒子的适应度利用微观交通模拟获取的总延迟时间进行评价,最后得到的具有最小延迟时间的粒子即为最优配时方案。与已有的离线配时技术相比,提供了一种编码形式简单、参数较少、计算速度较快的信号配时智能优化方法。     

机器人关节通信总线系统的建模与验证

高速串行现场总线Controller Area Network （CAN）被广泛部署到机器人通信系统中.而服务机器人任务具有并发性和高实时性的特点,因此如何根据总线协议规范和应用需求精化设计模型,保证系统设计的正确性和实时性要求,避免设计阶段的漏洞十分必要.针对传统方法的局限性,本文提出使用形式化方法对基于CAN现场总线型控制系统进行建模分析.首先对系统进行模型抽象和形式表达;其次进行形式建模和自动验证,在UPPAAL中实现主控制器、关节控制器、收发器、仲裁器和CAN总线的时间自动机模型;最后对机器人通信系统进行正确性验证和实时性分析.实时性分析发现随着总线上关节节点数的增多,低优先级节点的最坏仲裁时延的增长速率加大,针对这个问题在形式模型中加入了改进的动态优先级策略.实验结果表明部署动态优先级策略后不仅减小了低优先级节点的仲裁时延而且还可以加大CAN总线的节点负载量,为系统设计提供有效的指导和参考.     

某导弹发控仪模拟器计时电路的设计与实现

针对某导弹发控仪模拟器实时控制电路集成度低,难以提高性能的问题,提出了基于AT89C52单片机实时系统的设计方法;分析了导弹发控仪模拟器计时电路的功能和原理,介绍了AT89C52单片机的性能特点,给出了具体的硬件电路和软件设计流程图,分析了设计中的难点;该设计充分利用AT89C52的内部资源,硬件电路实行最少配置,结构简单,能够实时监测发控仪模拟器各触发信号,产生实时控制信号,形成实时控制母线,完成对发控仪模拟器各工作状态的实时控制;该设备性能良好,集成度高,可靠性高,为同类产品的研制提供了一个典范.     

一种自适应机制与决策策略的研究应用

针对自适应系统中,何时触发系统调整以及如何选取最好方式满足系统,结合机器学习和效用理论的方法,提出一种自适应机制和基于复合优先级的决策策略,自适应触发机制是基于有限自动机和ECA规则相结合的基础之上改进而来,基于复合优先级的决策策略是结合软件质量属性和机器学习中效用理论的基础之上提出来的,最后将该机制和策略应用于在线视频点播系统(VoD)中,通过对该系统的分析,表明了自适应触发机制和决策策略的有效性.     

不完善检测情况视情维修费用优化及仿真研究

针对定期更换周期内辅以视情维修的维修策略,结合＂基于状态的维修＂理论,应用概率论和随机过程方法,在分析产品维修费用组成和结构的基础上,建立了其不完善检测情况下维修费用的数学模型,通过优化更换周期内的功能检测次数和检测间隔期,使产品单位时间内的期望维修费用达到最低。最后通过1个仿真实例,验证了该维修策略和数学模型的有效性。