���п���·����ѵ���ģ������

综合考虑神经网络的学习能力、优化能力及连接式结构和模糊逻辑类似于人思维方式并易于嵌入专家知识的特点,将神经网络和模糊逻辑算法共同应用于城市快速路入口匝道驶入控制系统中. 通过优化选择输入输出变量并对其进行模糊化和反模糊化处理,建立相应的模糊推理规则、关系生成方法及推理合成算法,并利用神经自适应训练方法确定隶属函数的形式和参数,最后给出应用示例. 研究结果表明,利用神经模糊原理进行快速路入口匝道驶入控制能够有效提高匝道连接段的利用效率,减少交通事故.     

可变速度控制下快速路联动协同控制策略研究

以快速路主线通行能力最大、入口匝道排队长度及延误最低为目标,在分析城市快速路可变速度引导的基础上,提出快速路匝道感应控制算法,构建基于可变速度控制下的快速路主线与入口匝道协同控制模型.并利用实际城市快速路路段调查数据,采用VISSIM仿真软件对所建模型、算法进行了仿真验证,结果可知,文中提出的快速路协同控制模型算法可有效提高快速路主线通行能力,大幅降低入口匝道车辆排队长度及平均延误,减少车均行程时间.     

����·����ѵ����Ӷ�ͨ��������϶����ģ��

针对目前国内外匝道连接段通行能力计算以美国HCM为主的现状和不足,研究发现城市快速路入口匝道连接段车头时距服从Weibull分布规律,利用改进的Drew方法及实际现场调查交通流数据确定了临界车头时距和随车时距,建立了城市快速路入口匝道连接段通行能力的间隙接受计算模型,并利用数值积分法进行计算和求解,从而得到了主线不同设计速度及不同加速车道长度条件下的城市快速路入口匝道连接段可能通行能力值。研究结果表明,快速路匝道连接段通行能力随加速车道长度和主线设计速度的增加而增加,变速车道长度大于400 m时通行能力值趋近于基本路段通行能力。     

基于ALINEA算法的城市快速路匝道控制方法

为解决传统的ALINEA(asservissement linéaire d'entrée autoroutière)匝道控制算法未考虑城市快速路入口匝道排队溢出,造成关联交叉口交通拥堵等问题,在经典的ALINEA匝道控制算法的基础上,提出了一种新的基于主干道车流量预测的城市快速路入口匝道控制方法.该方法采用遗传算法优化的小波神经网络来预测城市快速路交通流量;引入主干道车流可插入间隙和匝道排队分级控制原则,实现了对城市快速路入口匝道控制率的动态调节.通过微观仿真实验比较两种算法的控制效果.结果表明:与传统的ALINEA匝道控制算法相比,新的控制方法不仅能够有效保证主线交通通行能力,同时还使匝道平均旅行时间减少了24.8%.     

����ʵʱ�ܶȵ�����ѵ������㷨�о�

随着城市汽车保有量的不断增加,交通拥堵日益频繁;匝道控制是通过调节入口匝道车辆数,来缓解快速路匝道交汇处拥堵的有效方法.本文同时考虑快速路和入口匝道上的实时密度设计了匝道控制优化算法,该算法旨在控制快速路密度接近其最优值,同时减少匝道上的排队数;通过PARAMICS仿真软件对算法进行验证,并与ALINEA、Demand Capacity算法进行了比较,仿真模拟统计了快速路交通流密度、匝道排队数、总车辆行程时间以及下游流量数据.分析结果显示,实时密度控制算法是有效的,能够维持干线最大流量,保持路网交通条件的动态平衡,并且尽可能地减少排队长度.     

快速路入口匝道与衔接交叉口自适应协同控制方法

为提升城市快速路的交通运行效率,缓解快速路"上不去"现象,结合新一代感知技术,基于经典的ALINEA控制方法,将快速路主线、入口匝道及衔接交叉口作为协同控制对象.针对协同控制范围内不同的交通流运行状态,提出了4种协同控制策略,构建入口匝道信号控制算法及衔接交叉口信号优化算法.利用VISSIM软件进行交通仿真验证,结果表...     

快速路入口匝道与衔接交叉口联动控制优化方法

针对快速路入口匝道排队过长造成的衔接交叉口拥堵问题,提出一种快速路入口匝道和 衔接交叉口的联动控制优化方法。分析快速路匝道排队溢出原因,提出基于交通状态估计的入 口匝道与衔接交叉口的系统控制策略。以系统总通行能力最大和交叉口车均延误最小为目标, 分别从交叉口配时、匝道调节及系统排队长度这3个方面构建系统约束方程,建立快速路入口匝 道与衔接交叉口联动控制优化模型。以长春市典型快速路和交叉口为例,选择高峰、平峰、低峰 这3种交通环境,运用联动控制优化模型进行仿真实验,并与经典优化方法进行对比分析,结果表 明：不同交通状况下,联动控制优化方法均能有效改善快速路运行情况,缓解入口匝道排队溢出 现象,同时提高衔接交叉口通行效率;特别是在饱和交通状态下,联动控制优化方法表现优异,系 统整体车均延误和排队长度分别降低了5.67%和19.25%。     

入口匝道与毗邻交叉口交通流关联度模型

随着城市交通需求的增长,快速路及普通道路系统的拥堵问题日益严重,入口匝道及其毗邻的交叉口群往往形成区域性的拥堵,构成路网中的瓶颈节点.入口匝道作为快速路系统与普通道路系统的连接节点,探究其与毗邻平面交叉口之间的关联性从而筛选出与入口匝道高度相关的交叉口并进行协调控制成为解决拥堵问题的思路之一.在对入口匝道与毗邻平面交叉口交通流关联度的影响因素进行分析的基础上,建立基于出口道路径关联度的入口匝道与毗邻平面交叉口关联度模型,从而实现定量计算入口匝道与其毗邻交叉口之间的关联度,并使用上海SCATS系统数据验证其有效性.所建立的模型能够有效的筛选出与入口匝道交通流高度关联的交叉口,明确入口匝道影响范围边界,并可以作为协同控制策略关键路径筛选的理论依据.     

���п���·����ѵ������㷨��PARAMICS�����о�

本文基于对城市快速路入口匝道控制问题的分析，用微观交通仿真软件PARAMICS建立入口匝道控制仿真模型，对三种入口匝道控制算法（ALINEA，NEW-CONTROL和MIXED-CONTROL）进行仿真对比研究。结果表明三种算法都能一定程度上改善快速路的交通拥挤。同时给出三种算法的差异性描述，从交通流特征和算法特点分析产生差异的原因。最后指出MIXED-CONTROL在优化主线交通流的同时减少了入口匝道的车辆排队长度，其在高需求时的总体性能优于其它两种算法，是比较适合于实际应用的匝道感应控制算法。     

����·����ѵ��Ŷ������������Բ�

首先分析了快速路入口匝道排队导致地面交通拥堵的现象,然后综合考虑快速路主线交通流密度和入口匝道排队长度两个因素,提出了一种基于神经元自适应PID控制的快速路入口匝道控制策略。与传统的入口匝道调节方法ALINEA相比,新方法将快速路系统和平面道路系统有机的结合起来,仅略微地增加快速路交通流密度,且对快速路的负面影响较小,有效降低了入口匝道排队长度并消除了入口匝道回溢现象与快速路交通拥挤的反复振荡现象,对于实际应用中的随机干扰具有良好的抑制能力,提高了整个交通网络的运行效率。最后通过仿真对新方法进行了说明和验证。     

高速公路入口匝道的模糊逻辑控制及辅助方案设计

为保证高速公路主线安全、畅通与舒适运行,减少对相连道路的影响,构造了匝道逻辑模糊控制器,提出了三种入口匝道辅助设计方案。结合工程实际,选择了上游车流密度、下游车流密度和入口处等待车辆的总长度作为模糊控制器的输入量,入口匝道的调节率为输出量。计算结果表明,随着入口匝道车辆数量的增加,高速公路主线下游的车速将明显下降,根据主线上、下游车流密度及匝道车辆的数量变化,计算出不同的匝道调节率,通过对高速公路入口匝道的调节率进行实时调节,可控制匝道上车辆的进入,入口匝道辅助方案的实施可缓解与高速公路相连道路的拥堵,对改善高速公路运行安全和效率具有重要的作用。     

����GA¬¬-BP�ĸ��ٹ�·����ѵ�ģ������������о�

鉴于模糊神经网络具有良好的非线性特性、学习能力、自适应能力和抗干扰能力,本文将模糊神经网络技术引入到高速公路入口匝道控制中。提出一种基于GA和BP算法的模糊神经网络控制器,并对控制器进行了详细设计。设计过程主要分为三部分：输入输出参数的选择、模糊神经网络的结构设计以及基于GA-BP的学习算法设计。最后,使用MATLAB软件对其进行了仿真。仿真结果表明,本文提出的方法是有效的,较之基于BP的模糊神经网络控制和ALINEA控制,能更好地稳定主线交通流密度。     

基于模糊理论的高速公路入口匝道控制研究

入口匝道控制是缓解高速公路交通拥挤的主要控制方式之一。在分析高速公路交通流运行特性的前提下,选择交通流平均速度、入口匝道排队长度作为模糊控制的输入量,入口匝道调节率作为模糊控制的输出量;然后,借鉴入口匝道控制的原理和模糊控制系统的设计步骤,运用MATLAB仿真软件确定了相应的隶属函数、模糊控制规则、模糊推理以及反模糊化的方法;最后,从交通流平均速度、入口匝道排队长度以及入口匝道调节率这三者之间的输入/输出特性曲面,可以明显地看出该模糊控制系统更符合匝道控制的实际情况,并且在行程时间和总服务流量上均优于定时控制。     

Development and Comparative Evaluation of Ramp Metering Algorithms Using Microscopic Traffic Simulation

Freeway ramp metering is an efficient freeway control that can ameliorate freeway congestion by limiting the number of vehicles entering the freeway. This study presents development and comparative evaluation of five ramp controls including no control, time-of-day plan, and three well-known ramp metering algorithms; ALINEA, FLOW and Stratified Zone through the use of microscopic traffic simulation. In this paper, ramp controls were developed and evaluated using Microscopic Traffic Simulation, AIMSUN NG. The simulation model of the Pacific Motorway in Queensland, Australia was used as a test-bed model. The results from the study indicated that ramp metering was basically found to be able to improve network performances up to 40% compared to no control. In terms of network and freeway mainline performance, ALINEA was superior to other algorithms under both normal and high traffic demand, whereas, Stratified Zone was the best algorithm for on-ramp performance. In terms of on-ramp performance, ALINEA was found to generate the lowest on-ramp performance. FLOW was found to be slightly superior to Stratified Zone. However, the trend was opposite for on-ramp performance. Gini coefficient was applied to measure the road user equity under the implementation of different algorithms. The results showed that FLOW was the most equitable algorithm, whereas, ALINEA was the worst. The results also indicated that network performance and on-ramp performance were trade-off in the presence of ramp metering operation.     

����΢�۷�����ѵ������㷨�ıȽ�����

高速公路匝道控制是一种通过限制进入高速公路车辆数来有效改善高速公路拥堵的交通控制方法。本文通过微观交通仿真对无匝道控制、定时控制及三种广泛应用的匝道控制算法（ALINEA、FLOW、Stratified Zone）进行比较评价。仿真采用AIMSUN NG软件，以澳大利亚昆士兰州太平洋快速路的仿真模型为基础测试模型。研究结果表明，基本的匝道控制可使路网能力比无控制时提高40%。就路网和高速公路主要线路能力而言，在正常的和高的交通需求条件下，ALINEA算法优于其他算法，Stratified Zone在提高入口匝道能力方面最优。就匝道入口能力而言，ALINEA算法的匝道入口能力最低，FLOW算法比Stratified Zone算法略优。本文用基尼系数（Gini coefficient）评价不同算法的道路使用者效用。结论还表明，匝道控制可使高速公路路网和入口匝道能力达到平衡。     

基于模糊神经网络的结合部匝道控制方法研究

针对高速公路与关联城市快速路（简称结合部）路段拥堵日益严重的现状,从匝道控制影响要素分析入手,基于模糊控制和神经网络思想,本文提出了以主线交通状态与期望状态差值和匝道交通状态为输入变量,以匝道调节率为输出变量的模糊控制方法. 同时针对结合部路网互通式立交设计的实际情况,分单匝道控制和双匝道控制两种情况进行了分析,提出了相应的匝道控制方法,并建立了5层模糊神经网络控制模型. 最后以北京京津塘高速公路与北京三环和四环关联城市快速路为案例,对建立的模型进行效果验证,结果证明了所建立方法的有效性.     

基于模糊神经网络的高速公路路面质量评价

为提高高速公路沥青路面使用质量的评价精度,将T-S模糊理论与BP神经网络相结合,以高速公路沥青路面的路面状况指数、路面结构强度指数、道路行驶质量指数和路面抗滑性能指数4个检测指标作为输入变量,根据模糊推理规则构建路面质量评价的非线性映射关系,路面检测指标经过模糊神经网络的学习和训练,直至网络输出与期望输出的误差达到最小,去模糊化后得到各路段的精确评价结果,建立了路面使用质量的综合评价模型.用实际检测数据对该模型进行了验证,结果表明:该模型具有模糊系统的逻辑推理能力和神经网络的定量数据处理能力,通过本文方法仿真得到的路面质量的综合评价结果,与期望值的相对误差小于2.1%.      

����ģ���߼���ɱ����ٵij��п���·����

首先阐述了城市快速路进行交通控制研究的迫切性，进而根据快速路各密度区的交通特点，结合宏观、动态、确定性交通流模型，提出了一种中低密度区采用可变限速控制、中高密度区采用可变限速结合入口匝道控制的交通流控制策略。依据此方案，分别设计了可变限速控制器和入口匝道控制器，前者用于调节车辆速度以确保车流稳定，后者仅用于中高密度区以维持主线车流密度。最后，对系统进行仿真并作了相应分析。