基于ARMA和小波变换的交通流预测模型研究

基于小波变换理论和自回归滑动平均(ARMA)时间序列模型的相关知识,研究了智能交通优化控制系统中的交通流量的预测问题。首先,在对实际监测的交通流量数据进行小波变换处理的基础上,建立交通流量的预测模型;然后,利用最小二乘法理论对ARMA模型的参数结构进行了详细地分析;同时给出基于小波变换和ARMA模型的交通流优化控制系统的运行机理并设计出相应的网络拓扑模型和数据传输模型;最后,用某交通观测站的实测数据对模型进行实际仿真。仿真结果表明,文中所设计的模型和算法是有效的。     

基于WPD-PSO-ESN的城市交通感应信号控制系统设计

传统城市交通感应信号控制系统缺少对交通车流量的预测,导致信号控制效果较差。为此,设计基于WPD-PSO-ESN的城市交通感应信号控制系统。在系统硬件设计中,将?PC作为上位机,?PLC作为下位机。使用S7-226型号PLC控制器连接EM221数字输入模块与EM223组合输入/继电器,移除?I/O终端;选择AT89S51型号采集器,将其接收到的指令向S7-226PLC控制器发送数据信息;安装单环自愈RS-485多机通信接收发送器,自动修复单回路。在软件设计中,设计手动、闪光控制模块子程序流程,实现信号控制系统状态检测。建立WPD-PSO-ESN交通流量预测模型,结合PSO算法优化参数,以交通流量预测结果为依据,分析交叉口的通行能力,确定不同信号相位绿灯时间,设计感应信号控制流程。由实验结果可知,该系统车流量共计为310,与交叉口历史平均交通流量统计结果一致,说明系统信号感应较为精准,对实现实时交通控制具有现实意义。     

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ICA和SVM的道路网短时交通流量预测方法

交通流量预测是智能交通系统(ITS)研究的一个重要课题。通过对多个观测点交通流量数据特点进行分析,采用一种基于独立成分分析(ICA)与支持向量机(SVM)相结合的短时交通流量预测方法。首先,通过独立成分分析得到同一条道路上各个观测点的交通流量的独立源信号;接着利用支持向量机预测模型对源信号进行建模和预测,并通过遗传算法(GA)优化参数;最后将其转换为交通流量数据,得到预测结果。实例分析结果显示,该算法优于直接利用支持向量机对交通流量进行预测的方法,并能去除同一条道路上多个观测点测量数据之间的相互影响。     

基于小波变换的城市市区典型路段交通流量预测

提出一种基于"先分-独立预测-再合"思想的新型交通流量预测模型.其应用小波变换技术,对交通流量数据进行分解和重构,将得到的低频概貌信号和高频细节信号,分别用3次平滑指数和ARIMA进行拟合,并应用逐步回归方法建立基于原始交通流量数据,以及高、低频拟合信号的回归方程.对某城市市区典型路段交通流量数据进行验证分析,结果表明,该方程具有较高的拟合精度,优于ARIMA单独使用的效果.     

基于远程操作的多路信号采集与开关控制系统设计

针对航天器地面集成实验系统设计中的实际需要,提出了一种多路信号采集和开关控制系统;详细介绍了多路(模拟和数字)信号采集的硬件设计,信号在传输中的开关控制和通道选择设计,主要针对多路CAN总线信号和多路模拟信号、实现信号的采集及开关控制;系统包括AVR单片机、多路模拟开关、AD转换器、CAN总线收发器、继电器、掉电数据保存单元等,通过串口完成单片机与计算机间异步串行通信功能,实现远程操作.最后通过Proteus仿真,结果表明该设计能够有效满足实际系统要求.     

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.     

基于神经网络及相似日的城市交通流量预测模型研究

针对智能运输交通系统中的交通流量预测问题,提出了采用基于神经网络及相似日的交通流量预测模型。城市交通流量受到道路本身的通行能力、工作日与节假日、雨雪雾天气等因素的影响。由于相似条件下的交通流量具有较大的关联性,基于差异性和相关性原理,提出了基于相似日和神经网络的城市交通流量预测模型。以实际交通数据进行实验仿真,结果证明本文提出的预测模型具有较好的误差精度,具有实用性。     

基于粗糙集和分形理论的交通流优化控制设计模型

为解决交通预测的全局优化控制问题,在运用粗糙集理论对路网节点所测得的历史交通流量进行量化分析的基础上,建立了规则简化的数据清洗模型;基于分形理论的相似性原理建立了交通流量的预测模型,并给出了交通流优化控制系统的运行机制和相应的网络拓扑结构。用某交通观测站的实测数据对模型进行仿真,仿真结果表明,文中所设计的模型和算法是有效的。     

基于增加动量项方法优化的交通流量预测算法

交通流量预测是智能交通系统的核心内容,系统中多个功能的实现都是以其为基础。针对城市路网中交通流量的时域性以及准周期特性,提出了一种基于改进小波神经网路算法的交通流量预测方法。利用具有时域分辨能力的小波神经网络对流量信号进行分类,以实现对交通流量的预测;采用加动量项的方法对网络权值及参数进行修正,避免了神经网络训练时收敛缓慢以及陷入局部极小。通过仿真实验验证,提出方法可实现对交通流量的准确预测,并且可以有效地提高网络学习率。     

城市交通计算机区域自适应控制系统

城市交通信号控制系统是现代城市交通管理系统的中枢．也是智能交通系统的重要组成部分。其管理与控制手段的优劣将直接影响城市道路交通拥堵或疏通的效果。虽然城市道路交叉口信号控制有改善交通流秩序与保障安全的优点,但是若不能提供优化的控制,将会产生交通流停顿与拥堵的负面效果,会成为城市交通拥堵的一个重要原因。运用高科技手段建设现代化的交通信号控制系统已经势在必行。     

城市交通计算机区域自适应控制系统

城市交通信号控制系统是现代城市交通管理系统的中枢,也是智能交通系统的重要组成部分。其管理与控制手段的优劣将直接影响城市道路交通拥堵或疏通的效果。虽然城市道路交叉口信号控制有改善交通流秩序与保障安全的优点,但是若不能提供优化的控制,将会产生交通流停顿与拥堵的负面效果,会成为城市交通拥堵的一个重要原因。运用高科技手段建设现代化的交通信号控制系统已经势在必行。     

基于激光传感数据的拥堵路口交通信号灯控制

针对城市车流高峰时段的道路拥堵问题,提出基于激光传感数据的交通信号灯智能控制方法研究。在道路两侧均匀布置激光传感器节点,采集实时的激光传感数据和车流量信息,并构建一种两层级的交通信号灯控制模型,以提取的交通路口实时传感数据作为输入项进行模糊推理,并求解出交通信号控制模糊子集,最后推导出当前车流长度、车辆在路口的平均滞留时长及车辆的延误时长等变量,达到缓解交通拥堵,提高通行效率的目的。仿真实验数据表明,提出的拥堵交通信号灯智能控制方法具有良好的控制效果,可以明显减少车辆延误时长,提高道路通行的效率和安全性。     

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.     

Design of Regulatory Traffic Light Control Systems with Synchronized Timed Petri Nets

Fixing the phases is one of the common methods to control an urban traffic network. Once a road is filled with a high traffic flow approaching its capacity, the conventional traffic light controller is not able to handle this traffic congestion phenomenon well. In this paper, we propose a novel regulatory traffic light control system to handle such traffic congestion by using synchronized timed Petri nets (STPNs). Three kinds of intersections in an urban traffic network are defined and employed to demonstrate our new regulatory traffic light control system models. Finally, the liveness and reversibility of the proposed STPN models are proven through the reachability graph analysis method. To our knowledge, this is the first work that solves a traffic congestion problem with a regulatory traffic light control technique that is effective in preventing vehicles from entering traffic congestion zones.     

SALA: A Self-Adaptive Learning Algorithm—Towards Efficient Dynamic Route Guidance in Urban Traffic Networks

In order to alleviate traffic congestion for vehicles in urban networks, most of current researches mainly focused on signal optimization models and traffic assignment models, or tried to recognize the interaction between signal control and traffic assignment. However, these methods may not be able to provide fast and accurate route guidance due to the lack of individual traffic demands, real-time traffic data and dynamic cooperation between vehicles. To solve these problems, this paper proposes a dynamic and real-time route selection model in urban traffic networks (DR2SM), which can supply a more accurate and personalized strategy for vehicles in urban traffic networks. Combining the preference for alternative routes with real-time traffic conditions, each vehicle in urban traffic networks updates its route selection before going through each intersection. Based on its historical experiences and estimation about route choices of the other vehicles, each vehicle uses a self-adaptive learning algorithm to play congestion game with each other to reach Nash equilibrium. In the route selection process, each vehicle selects the user-optimal route, which can maximize the utility of each driving vehicle. The results of the experiments on both synthetic and real-world road networks show that compared with non-cooperative route selection algorithms and three state-of-the-art equilibrium algorithms, DR2SM can effectively reduce the average traveling time in the dynamic and uncertain urban traffic networks.     

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。     

基于北斗卫星的狭窄路段交通拥堵智能控制系统设计

当前狭窄路段交通拥堵智能控制系统控制能力差,控制效果不明显。为了解决这一问题,基于北斗卫星设计了一种新的狭窄路段交通拥堵智能控制系统,系统硬件由全方位磁传感器、交通调度控制器和基于北斗卫星的为空电路与A/D芯片组成,采用ASD CC_211型号数据频率采集芯片高频的对车流量以及狭窄路段等相关信息数据进行无线识别采集,并应用特定的频率无线网络进行远程信息传达,应用FBR6–60数据识别器对压缩融合数据包进行数据模型转换,实现对交通拥堵数据信号的及时处理分析,通过A/D解析电路板、D/A解析电路板产生一定的高频电流作为狭窄路段交通拥堵的智能系统脉冲信号。根据硬件结构分别设计了综合性交通通信应用程序、空间信号智能控制程序、感应控制OHBD技术程序。为了验证系统有效性,设定对比实验,结果表明,基于北斗卫星的狭窄路段交通拥堵智能控制系统控制能力提高了25%。     

城市交通多线路协调优化仿真模型研究

为缓解城市交通拥堵,提高道路利用率,提出一种新的简单实用的城市交通多线路协调优化控制模型及时空相位演化方法,并给出了改进的遗传优化算法。通过仿真系统的开发,实现了城市交通的多线路优化控制仿真并获得了满意的效果。对比优化前后的数据,优化后调度线路上的车流以最少平均停车次数和最短平均延迟时间到达目的地。利用本优化模型可以实现以较小的代价成本疏导城市交通,提高城市道路通行能力。     

Distributed and adaptive traffic signal control within a realistic traffic simulation

As traffic congestion rises within urban centers around the world, the intelligent control of traffic signals within cities is becoming increasingly important. Previous research within the area of intelligent traffic signal control has several shortcomings, including a reliance on historical data, the use of centralized systems which cannot handle city-sized problem instances and solutions which are not capable of addressing real-world traffic scenarios (e.g., constantly varying volumes and complex network structures). The research reported here proposes algorithms capable of controlling traffic signals that rely on traffic observations made by available sensor devices and local communication between traffic lights. This solution allows signals to be updated frequently to match current traffic demand, while also allowing for significantly large problem sizes to be addressed. To evaluate the developed system, a realistic traffic model was developed using information supplied by the City of Ottawa, Canada. It was found, through simulation within the SUMO traffic simulation environment, that the proposed adaptive system resulted in higher overall network performance when compared to the current fixed signal plan controllers, which were recreated using information from the City of Ottawa. This work also includes examples of why fixed signal controllers are inferior to an adaptive control system.