城市交通网络宏观控制模型及仿真实现

为研究适合城市交通网络控制系统应用的交通流预测模型,在改进Van Den Berg, M的路段交通流模型的基础上,建立了以路口交通流为基本建模单元,以动态非线性离散方程反映交通流变化的城市交通网络宏观模型.为验证该模型能有效地预测城市路网的交通流信息,在VC++net环境下,开发了城市交通宏观控制模型仿真系统UTFS,设计了网络拓扑结构模块,以适应不同规模、不同复杂程度的实际交通网络的仿真要求.最后选取典型网络进行应用研究.仿真结果表明:该模型满足交通控制对控制模型的实时性和精度要求,该仿真系统可以作为城市交通网络宏观控制模型验证的有效工具,也可以作为城市交通控制系统控制和优化研究的辅助工具.     

基于干道绿波效应协同策略的信号配时模糊控制

随着城市道路交通量的增长、路网密度的增大,相邻路口之间的相关性日益明显。一个路口交通信号的调整往往影响到相邻若干个路口交通流的运行状况,其拥堵可能会随着时间推移逐步波及周边数个路口乃至所在区域内所有路口。因此应利用各种先进的控制技术对相邻路口的控制参数进行调整,实现区域乃至整个城市范围内对交通进行动态协调控制,以满足日益增长的交通需求,使交通道路供给与交通需要间达到动态平衡。文中利用绿波效应协同策略对干道相邻路口绿灯延长时间进行模糊控制,以解决交叉口之间耦合性的问题,该算法能够比较灵活地进行信号配时。通过实验仿真,验证了本方法在干道城市交通系统中的可行性。     

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.     

混合Petri网交叉口信号灯建模的模糊优化

城市车流量急剧增加和道路通行能力之间的矛盾日益激化,交通拥堵已成为亟待解决的社会问题。道路交叉口信号灯优化控制是解决该问题的有效方法。基于城市道路交通系统随机性强、离散性连续性混杂、难以用数学模型精确建模等特点,提出了一种用连续Petri网建立道路交通流模型,用离散Petri网对道路交叉口信号灯进行控制的方案。根据车流量的动态变化,采用模糊控制对交叉口绿灯时间进行自适应优化。仿真结果表明,该方案能提高交叉口通行能力,减少车辆延误,优于传统的控制方法。     

基于路口相位方案优化设计的城市道路交通信号迭代学习控制方法研究

城市道路交叉口信号控制是交管工作持续关注的课题,关于协调好有限的道路资源与日益增长的交通需求之间的矛盾,有着至关重要的作用。由于道路自身条件约束,交通流的组成特点复杂,路网交通路呈现非线性动态特征,无法进行精准的数学建模控制。本文提出的迭代学习控制方法,根据交通流的组成和变化特点调整信号控制周期及有效绿灯时长,实现交通信号动态优化控制,保证车辆在路网中能够高效、平稳地通行,是针对非线性动态交通流的一种动态寻优控制算法,能够有效减少路口车辆等待时间、提高通行效率。考虑对不同相位设计方案的适应性,在传统配时优化模型的基础上,构建综合相位设计元素的交通信号迭代学习控制模型,并通过Vissim仿真软件和Python编程语言搭建仿真测试环境,验证了提出模型的有效性。     

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。     

城市道路分层动态协调控制技术

为了缓解城市道路车流拥堵问题，提出了一种城市道路分层动态协调控制技术。首先将城市道路按纵向分为三层：匝道层、普通道路层和快速路主线层；然后采用BP神经网络预测下游动态临界车辆占有率，根据匝道相对排队长度和下游动态临界车辆占有率，匝道层设计了一种用于匝道子区划分的函数，将匝道层横向分为主匝道子区和从匝道子区；其次根据相邻路口关联度将普通道路层划分为不同控制子区，利用动态交通流数据修正周期公式，考虑十字交叉口驶向匝道车流量对绿信比进行调整；快速路主线层无十字交叉口不做横向分层。最后根据该分层方法确定动态协调控制算法。仿真结果表明：该分层动态协调控制方法能够有效提高城市道路协调控制范围和车辆行车速度。     

智能交通信号灯配时及优化设计

随着城市车辆数目的急剧增长,车辆与路面的矛盾越来越突出,增加道路面积只是治标不治本.实践证明,合理地对城市交通信号灯进行控制,将高峰期和平峰期分开对待,设置合理的配时,对于改善交通流的质量,更好地利用现有运输能力,实现交通流的安全性、快速性和舒适性都能起到很大作用.文中根据城市道路的交通流量及饱和流量结合所提出的双周期算法对单交叉口设计出一种较优的配时方案(所有算法已编成应用软件),并在德国PTV公司的Vissim交通模拟仿真软件上测试,获得了不错的效果.     

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.

     

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 .     

三维城市道路仿真模型构建

通过对现有城市道路模型的分析,提出了使用ArcGIS软件构建三维城市道路仿真模型。构造了道路几何网络模块、交通检测模块和控制管理设施模块的二维和三维模型。重点介绍了交叉口节点的二维模型建立,以及基于数字高程图得到城市道路的三维模型。最后将该模型应用于微观交通仿真系统中,可以为仿真系统中其它仿真模型提供空间参照、几何模型和逻辑模型,为各类交通行为数学模型提供存储空间和作用空间,为各种程序算法提供调度接口。与其它道路模型比,该模型能更准确、细致地反映道路网的拓扑关系和道路几何条件,从而为交通仿真模型真实地反映路网交通状态奠定了基础。     

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...     

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。     

基于MFD的城市区域过饱和交通信号优化控制

为了解决交通高峰时段城市区域路网过大的交通需求引起的路网通行效率下降以及区域内部交通流分布的异质性产生的道路资源浪费等问题.本文提出了基于区域路网固有属性宏观基本图（Macroscopic fundamental diagram,MFD）的过饱和区域控制优化模型,建立了边界控制信号和内部控制信号目标函数的双层规划优化,进一步设计了基于BP（Back propagation）神经网络的自适应动态规划（Adaptive dynamic programming,ADP）模型,对建立的双层规划区域交通信号进行求解,实例仿真结果验证了本文方法的有效性.通过本文的研究分析,对城市区域交通的需求管控、拥堵政策制定等城市区域交通管理具有一定的指导意义.     

多视角融合的时空动态图卷积网络城市交通流量预测

城市交通流量预测是构建绿色低碳、安全高效的智能交通系统的重要组成部分.时空图神经网络由于具有强大的时空数据表征能力,被广泛应用于城市交通流量预测.当前时空图神经网络在城市交通流量预测中仍存在以下两方面局限性:1)直接构建静态路网拓扑图对城市空间相关性进行表示,忽略了节点的动态交通模式,难以表达节点流量之间的时序相似性,无法捕获路网节点之间在时序上的动态关联.2)只考虑路网节点的局部空间相关性,忽略节点的全局空间相关性,无法建模交通路网中局部区域和全局空间之间的依赖关系.为打破上述局限性,本文提出了一种多视角融合的时空动态图卷积模型用于预测交通流量.首先,从静态空间拓扑和动态流量模式视角出发,构建路网空间结构图和动态流量关联图,并使用动态图卷积学习节点在两种视角下的特征,全面捕获城市路网中多元的空间相关性.其次,从局部视角和全局视角出发,计算路网的全局表示,将全局特征与局部特征融合,增强路网节点特征的表现力,发掘城市交通流量的整体结构特征.接下来,设计了局部卷积多头自注意力机制来获取交通数据的动态时间相关性,实现在多种时间窗口下的准确流量预测.最后,在四种真实交通数据上的实验结果证明了本文模型的有效性和准确性.     

基于时空信息的交通流预测

交通流量预测是城市道路交通信号控制中的重要组成部分。为了提高预测的准确性,基于路口视频检测器数据,提出了一种交通流量预测的交通数据分析方法。随着逐年提高的计算能力,深度学习方法进行短时交通流预测越来越流行,经典的交通流量预测方法通常只能根据被预测道路自身的数据进行分析和决策,而往往较少考虑由同一区域不同道路之间的交通流量关联性。基于城市核心路网交通数据,提出一种基于时空信息的TS-LSTM模型,并与其他经典模型进行比较,所得出的结果验证了相比其他方法而言,该模型具有较高的预测精度。     

The CONTRAM Dynamic Traffic Assignment Model

CONTRAM is a computer model of time-varying traffic in road networks, which takes as input the network definition and time-varying demand for travel between a set of origin and destination zones, and outputs the resulting network flows, routes and travel times. It combines a macroscopic time-sliced traffic model with disaggregate dynamic assignment of traffic, so is intermediate between macroscopic equilibrium and microscopic models. The paper details the methods used, including time-dependent queuing which plays a central role, and the treatment of network definition, user classes, road capacities, signals and coordination, vehicle emissions, Intelligent Transport Systems and research lines.