动态状态交通分配模型及其运用

静态交通分配模型不能很好地反映实际交通状况,而动态交通分配模型计算复杂、计算量大。本文基于动态用户状态均衡条件下,提出一种动态和静态交通分配的折衷方案———动态状态交通分配模型,给出了该模型计算路段平均队列长度和平均通行时间的公式,以及动态状态交通分配算法;最后给出一个运用于正常工作日动态交通分配的例子进行模型检验及其检验的数值结果。     

基于(SAGA-FCM)-PNN的交通状态判别方法研究

为了提高城市道路交通状态判别的正确性与稳定性,研究了一种基于遗传模拟退火算法改进的FCM算法与概率神经网络(PNN)结合的短时交通流状态判别方法.针对传统FCM算法会收敛到局部最优解的问题,利用遗传模拟退火算法对其进行改进,优化算法初始聚类中心;将已分类的数据分为训练集与测试集对概率神经网络(PNN)模型进行训练与测试,通过对径向基函数的扩展速度的优化提高PN N算法的准确性;并利用厦门市城市道路地磁检测数据对模型进行实例验证及性能分析.结果表明,文中方法能够有效的实现交通状态的判别,且能够得到全局最优解;同竞争神经网络模型、GRNN模型、SVM模型相比,文中模型的交通状态判别正确率分别提高2.1%,4.5%,2.7%,且具有更好的稳定性.      

Optimization of HEV Control Strategy with a Hybrid Genetic Algorithm

结合遗传算法的群体进化和模拟退火算法可避免迂回搜索的特点,在多目标遗传优化方法的基础上,引入混合优化算法,对HEV能量管理控制参数进行了优化.结果表明,所提出的混合优化算法在解决HEV控制策略多目标优化问题中,避免了传统遗传优化早熟收敛和无方向性等缺点,提高了收敛速度和计算效率.     

基于动态规划优化的电动节能赛车速度曲线分析

文章基于动态规划算法对电动节能车的速度曲线的优化问题展开了研究。在纯电动汽车的能耗优化问题中,动态规划可以用于求解最优的能耗分配方案,以达到最小化总能耗的目标,从而达到最优的一个速度曲线。基于动态规划的优化方法,根据能源动力系统效率模型提出了一种基于全局最优算法动态规划的优化速度曲线的目标优化的控制策略,并给出目标路段的最优车速,以达到一个最佳的行驶速度,可以提高电动节能车的行驶效率和节能效果,与传统的线性或非线性速度曲线设计相比,具有较好的性能和更高的实用性。文章的研究为电动节能车的设计提供了一种新的思路和方法,对于推动新能源汽车的发展和应用具有重要意义。     

基于最短路径搜索的动态随机交通分配

提出了一个基于Logit方法的动态交通随机分配模型,该模型通过最短路算法和随机分配来解决动态均衡交通分配中的出行选择问题,避免了以往动态交通均衡分配中解凸规划或非线性规划问题,同时不需要路径枚举,从而使本模型更适合于大型路网的动态交通分配．随后的算例证实了该模型的可行性。     

基于DTA的OD估计方法的交通检测器优化布置模型研究

论文在探讨了动态交通分配和动态0D估计背景下的交通检测器优化问题的基础上，提出了基于DTA的动态OD估计方法的交通检测器布置原则；从预算，对路网中交通流量信息的覆盖程度，对关键路段的检测、对重复检测器的剔除等方面对路网交通检测方案进行约束，建立了交通检测器优化布置模型；最后将遗传算法用于交通检测器优化布置模型的求解，证明了基于DTA的动态0D估计方法的交通检测器优化布置模型的有效性。论文方法概念清楚、操作简单，是交通检测器优化布置的一种可行方法。     

公交线网设计算法分析及线路调整研究

目前,国外公交线网设计主要采用启发式算法,存在计算效率不高、线网质量不佳、线网稳定性差等问题;国内公交线网设计主要采用"逐条布设,优化成网"方法,不适用于大路网,无法同时计算出线路发车频率,具有局限性,而其他研究多为模型研究,缺少算法研究及算例证明,难以应用。文中主要研究模拟退火、遗传、模拟退火遗传3种算法在公交线网设计中的运用,使用算例演算,从计算效率、路网质量、稳定性三方面比较不同算法的优劣。计算分析结果表明3种算法的线路重复率过高,与实际不符,为改进计算质量,提出了线路调整思想,使公交线网设计更加合理、稳定。     

基于QG-SA算法的纯电动公交动力系统参数优化

为提高纯电动公交车的爬坡性能、加速性能以及续驶里程,通过AVL_Cruise建立了双轴双电机驱动的纯电动公交车模型,结合量子遗传算法和模拟退火算法的优点,提出了一种QG-SA算法对纯电动公交车的动力系统参数进行了优化。结果表明,与模拟退火算法相比,QG-SA算法不仅缩短了优化时间,且优化效果更好,有效改善了纯电动公交车的动力性和经济性。     

基于摩根斯坦效用函数的交通分配方法研究

研究了基于效用理论的均衡交通分配方法。传统的用户均衡交通分配使用用户走形时间最短为目标,根据Wardrop均衡准则进行交通分配。与经典的模型不同,假设路段走形时间为随机变量,用户考虑不确定性带来的风险,使用摩根斯坦效用函数描述用户的决策问题,构建了新的均衡准则和模型。随后作者给出了求解算法和算例,计算结果表明新的均衡准则能够更加准确的描述用户的路径选择行为。     

基于动态交通分配的应急路径规划

为了提高在应急救援与疏散工作中的应急交通效率,针对已有相关算法未考虑交通问题动态性的不足,提出了1个基于动态交通分配的应急路径规划算法。给出了问题的定义,设计了1个基于仿真的动态交通分配模型,给出了基于动态交通分配的算法求解步骤。通过北京市路网数据对算法进行验证,证明了算法的可行性与有效性。     

基于满意控制的动态交通分配模型研究

城市交通意外事件易诱发局部交通路网拥堵,为防止交通状况恶化,需采取相应的交通控制、诱导手段。针对交通意外事件造成城市交通路网运行状态突变的现象,从用户平衡原理出发,提出了基于满意控制理论的动态交通分配模型。该模型不仅考虑了动态交通分配过程中各种常规的要求(目标、约束),还考虑了动态交通分配的易操作性和交通流控制、疏导过程中的安全性。通过该模型可寻找易于求解及实现的满意解,快速、平稳地实现区域内交通流的正常运行。算例表明该模型及其算法能够快速获得满意解,有效地解决交通状况突变情况下的动态交通分配问题。     

基于群决策理论和双层规划模型的交通信号控制优化

基于干道延误时间最小和路段行程速度最大的设计理念,利用智能优化算法和群决策理论,建立了一种双层规划模型下的城市干道交通信号控制方法。算法结合了智能优化策略中的遗传算法和丰富的群体专家意见,并采用模糊数的描述方式实现对不同控制目标的分析评价,给出了一套完善的干道交通信号配时优化方案,使交通问题的分析得以更加客观和实际。最后给出一个实际主干道问题的算例分析,运用MATLAB和Visual C++编程计算对控制方案进行模拟。仿真结果表明,这一方法能有效地改善延误和路段行程速度。     

考虑动态车速的双周期干线信号协调控制多目标优化

干线协调控制通常以干线方向通行效率最大为目标，导致一些小型交叉口次路方向延误较大。针对该问题，基于车路协同环境，研究了车速引导下的双周期干线多目标优化方法。针对上游交叉口饱和交通流与非饱和交通流2种情况，提出了考虑排队消散和相位差的动态车速引导模型。以干线延误、通行能力、停车次数，双周期交叉口次路方向延误为优化目标，构建了车速引导下的双周期干线多目标优化模型，采用遗传算法对模型进行求解。基于COM接口，采用Python和Vissim搭建车路协同仿真环境，以北京市两广路的3个路口为例进行仿真验证。对比了本文模型与原配时方案、无车速引导下双周期干线多目标优化模型的效果，结果表明，本文模型相比于原配时方案和无车速引导下多目标优化模型，干线平均延误分别减少19.6%，8.3%，通行能力分别提升5.6%，8.4%，平均停车次数分别减少11.2%，24.2%，双周期交叉口次路方向平均延误分别减少33.9%，5.8%，表明本文模型将速度引导与多目标优化相结合，提高了双周期干线的通行效率，降低了双周期交叉口次路方向的延误，达到了干线和双周期交叉口共同优化的目的。      

交通管制条件下城市道路网络模型及分配算法研究

城市道路网络模型及其算法是城市道路网络分析和分配的基础。本文首先分析了交通管制条件下原有城市道路网络模型和算法的不足,在此基础上提出一种改进模型和算法,并给出算例。这种改进的模型和算法能较好地满足实际分配的要求,在交通规划、交通管理和交通流模拟中都有着十分广阔的应用前景,且已经被成功地应用于郑州市综合交通规划中。     

Multi-objective optimal predictive control of signals in urban traffic network

Traffic congestion in urban network has been a serious problem for decades. In this paper, a novel dynamic multi-objective optimization method for designing predictive controls of network signals is proposed. The popular cell transmission model (CTM) is used for traffic prediction. Two network models are considered, i.e., simple network which captures basic macroscopic traffic characteristics and advanced network that further considers vehicle turning and different traveling routes between origins and destinations. A network signal predictive control algorithm is developed for online multi-objective optimization. A variety of objectives are considered such as system throughput, vehicle delay, intersection crossing volume, and spillbacks. The genetic algorithm (GA) is applied to solve the optimization problem. Three example networks with different complexities are studied. It is observed that the optimal traffic performance can be achieved by the dynamic control in different situations. The influence of the objective selection on short-term and long-term network benefits is studied. With the help of parallel computing, the proposed method can be implemented in real time and is promising to improve the performance of real traffic network.     

求解广义最小生成树问题的元启发式算法

针对广义最小生成树问题,设计了2种改进的元启发式算法来求解：单亲遗传模拟退火算法和改进的禁忌搜索算法。通过综合遗传算法和模拟退火算法的优点,提出了单亲遗传和模拟退火的混合算法,并设计了自适应选择法和自适应基因重组操作;在改进的禁忌搜索算法中,通过在2种邻域进行搜索来避免陷入局部最优。数值实验验证了算法的有效性。