一种双目标单点信号配时优化模型

基于城市平面信号交叉口的客观实际,建立多约束的单点定时信号配时优化模型,模型以节点通行能力最大和车辆平均延误最小作为目标,通过转换得到综合目标函数,并利用阈函数法(SUMT)获取最优配时参数.与此同时,引入交叉口实例,结合调查数据,导入信号配时优化模型,通过程序计算获取配时参数、通行能力及车辆平均延误值,其结果通过配时检验,证明存在较高的理论参考价值.     

多层反馈混沌神经网络及其在交叉口优化控制中的应用

研究城市交叉口交通控制信号优化配时问题。以Hopfield网络和混沌模型为基础,开发了多层反馈混沌神经网络,将其应用于城市交通控制信号配时优化,并开发了应用于优化计算的能量函数和车辆平均延误计算式;探讨了城市交通系统的混沌特性,并开发混沌定量判别算法。以广东某交叉路口为对象进行了仿真,结果表明:与传统的配时方法相比,采用所开发的多层反馈混沌神经网络进行优化配时,交叉路口车辆的平均延误可以平均减少25.1%,可以大大提高路口的通行效率。该网络也可以应用于其他对象的优化。     

基于佳点集协同进化粒子群的信号配时优化

针对基本粒子群优化算法在迭代过程中容易陷入局部极值的问题,引入佳点集理论和协同进化算法,提出了一种改进的粒子群优化算法即基于佳点集方法的协同进化粒子群优化算法;以排队长度、延误时间及通行能力建立优化约束模型,对过饱和状态下的交叉口使用仿真软件VISSIM对改进的优化算法进行试验,对现状与优化后的结果进行对比分析。结果显示,运用基于佳点集方法的协同进化粒子群优化算法能有效优化信号配时,降低排队长度与延误时间,提高通行能力,解决多目标约束优化问题。     

信号灯平交路口优化设计方法

平交路口通行能力,一直是城市交通设计与管理者关注的重点。对于拥堵平交路口的改造,往往依赖于对路口宽度及通行时间上的增加,来实现平交路口整体通行能力的提升,而忽视了路口设计通行能力与实际交通量的匹配。通过实际案例,阐述在不增加路口宽度及信号灯周期条件下,通过对路口渠化车道及信号灯配时的调整,提高路口通行能力的设计方法,可为信号灯路口的优化设计提供一些借鉴和思路。     

信号交叉口自动驾驶左转车辆类人化全局运动轨迹规划

为了提高信号交叉口自动驾驶车辆左转运动规划的适应性、鲁棒性与类人化程度，提出一种考虑多目标需求的自动驾驶类人化全局运动规划方法。首先，基于西安市北大街信号交叉口规格构建结构化场景，结合车辆运动学模型与道路几何规格定义自动驾驶车辆规范化行驶安全域和车辆运动参数约束条件；其次，根据信号灯状态、道路限速与车辆性能约束制定上游阶段车辆不停车通行规则，以行驶安全、燃油消耗、通行效率与驾驶舒适度作为目标性能函数，构建类人化全局多目标优化模型，通过人类驾驶的车辆预转弯行为耦合上游阶段与转弯阶段；再次，针对非线性运动规划模型变量与约束规模化问题，采用粒子群算法与全联立正交配置有限元方法求解不同阶段车辆运动轨迹的最优解；最后，试验建立Prescan与MATLAB/Simulink联合仿真平台，从多目标性能、适应性以及合理性方面验证该模型的综合性能。结果表明：在以信号灯状态和车辆初速度为变量建立的12种工况下，该模型与人类驾驶车辆、混合运动规划模型相比，平均可分别节省燃油消耗63.7%和29.5%，平均通行延时分别降低3、0.9 s，且轨迹曲率更平缓，最大横向加速度与方向盘转角平方和的平均值最小，证明该模型的多目标性能更好；在以路缘石半径与车道数目为变量建立的7种交叉口规格工况下，所提出模型的车辆轨迹平滑，轨迹安全域边界距离始终大于1.4 m，曲率变化符合期望且峰值小于0.22 m^-1，说明该模型具有较好的适应性；在自由/固定终端时刻条件下，该模型规划的车辆空间路径、速度、曲率及航向角的变化与目标权重变化保持一致，验证了模型的合理性。     

考虑能效均衡的信号交叉口车辆协同轨迹优化策略

为缓解信号交叉口区域交通拥堵与污染物排放问题，建立了考虑能效均衡的信号交叉口车辆上下游协同轨迹优化模型。根据信号灯相位配时建立上游区域车辆通行预判模型，基于能源消耗与通行效率建立车辆上下游协同轨迹优化策略，采用带精英策略的非支配排序遗传算法求解多目标优化模型的最优速度曲线，并与无引导方法、三角函数优化法进行了对比试验，结果表明，采用所提出的多目标优化引导算法最大可减少交叉口上下游区域的燃油消耗量21.05%，缩短行程时间13.85%，具有更好的适应性和鲁棒性。     

在城市道路主干线路口增设左转信号灯的建议

在城市主干线路口的交通指挥信号中增设一个左转向指标信号灯，实现路口过往车辆无交叉行驶，可改善路口的交通环境，提高路口的通行能力。     

基于信号灯配时的动态路径诱导模型

针对城市交通流量变化产生的问题,在交叉口信号灯配时方案改进的基础上建立了动态路径诱导的双层优化模型,上层模型以行驶时间为目标函数,下层模型以总交叉口延误最小为目标函数。利用改进蚁群算法来求解优化模型,从而获得多准最优路径。以实际交叉口为例,将信号灯配时改进前、后的模型计算结果进行比较。结果表明:应用信号灯配时改进后的模型获得的路径更省时,交叉口等待通行时间更短。     

考虑信号交叉口延时的最优车辆路径规划算法

本文中提出了一种考虑信号交叉口等待时间的车辆最优路径规划算法。通过GPS采集的浮动车数据与电子地图进行匹配,实时计算出各路段的车辆平均行驶速度和通行时间。基于马尔科夫链构建信号交叉口红绿灯的概率模型,通过车路协同技术预先获取各路段交叉口信号灯的位置和相位配时信息,并在车辆接近交叉口时对车辆速度进行优化,将车辆加速通过交叉口视为绿灯时间的延长,并以此构建车辆快速通过交叉口的等待时间模型。在此基础上,结合A*算法,提出一种考虑快速通过信号交叉口的改进A*算法。最后选取长沙市区某路网为算例进行仿真分析,结果表明改进A*算法所得路径的通行时间明显短于传统A*算法。     

基于车速与信号协同优化的区域绿波协调控制模型

针对车路协同环境下的区域绿波协调控制问题，根据自动驾驶车辆车速可控的特点，提出利用绿波车速与信号配时的协同优化方法，建立一种区域绿波协调控制模型。模型在信号配时与相位相序优化的基础上，增加对路段绿波车速的优化，为车路协同环境下的自动驾驶车辆提供路段车速引导方案；通过扩大优化模型的可行解空间，以解决区域协调中相位差的设计问题；选取绿波带宽折减率与通行速度折减率的加权量作为模型评价指标，使得设计方案能够实现绿波带宽与通行速度的综合最优。算例结果分析表明：模型可以根据不同的绿波带宽权重系数，求解相应的绿波带宽与通行速度综合最优协调控制方案，其中绿波带宽最优方案的路网绿波带宽占比均值能够达到95%，明显优于TRANSYT模型的绿波协调优化效果。VISSIM仿真结果显示，与TRANSYT优化方案相比，所提模型方案能够减少干道平均停车次数39%，缩短交叉口平均延误时间10%，使区域交叉口的通行效率得到进一步提升。     

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。      

混合动力汽车连续信号灯路口的通行优化

为了提高汽车在道路上的通行效率,解决城市道路上由于不合理的速度控制造成汽车额外的能耗,甚至在信号灯路口被迫停车的问题,针对现阶段研究中主要采用基于简单规则的速度模型来优化求解速度曲线,且研究对象多局限于传统内燃机汽车而忽略了未来混合动力汽车能量管理优势带来的潜力等问题,提出基于遗传算法的混合动力汽车连续信号灯路口通行优化求解方法,建立变加速模型下的多约束非线性优化方程组和连续多个信号灯路口通行的场景模型。通过汽车行驶加速度和动力源的转矩分配关系,同时将速度曲线和混合动力汽车能量管理进行优化求解。研究结果表明:通用的优化算法在低车速时发动机效率低,额外的行驶时间带来了额外的油耗;在保证绿灯区间通行的条件下,所提方法在降低总油耗的同时实现了混合动力汽车能耗模型的优化管理,能够减少总油耗5%~29%,且该方法能有效降低通行时间,最高能够减少20.4%。     

基于凸优化的燃料电池汽车节能驾驶研究

为实现燃料电池汽车在多信号灯场景下的节能驾驶，本文中提出一种基于分层凸优化的快速车速规划和能量管理方法。结合车辆静态氢耗图，运用动态规划获得车辆通过信号灯的最优绿灯窗口，并确定最优行驶路径的搜索区域。建立以车辆需求功率累计最小为优化目标求解车辆加速度的二次规划问题，并运用Matlab/OSQP求解器获取车辆最优行驶路径。根据最优行驶路径，采用基于交替方向乘子法的能量管理策略，实现各动力源输出功率的合理分配。针对9个信号灯场景的仿真结果表明，所提方法的电机工作点平均效率比智能驾驶员模型高10%，氢耗低45%。此外，该方法计算速度快，具备实时优化的潜力。     

基于VISSIM仿真的事故路段通行能力估算方法

通过对交通事故下城市快速路局部通行状态的演变过程分解和影响因素分析,构建了基于VISSIM仿真的城市快速路事故路段通行能力估算方法。该方法引入决策树ID算法,利用信息增益值求解事故延迟时间,以车流波动理论为基础,确定了事故拥挤消散时间。以事故延迟时间为观测周期,单位时间内通过的最大车辆数为事故路段的通行能力,运用VISSIM仿真软件,对其进行仿真计算。仿真结果表明:车辆抛锚的事故延迟时间与拥挤消散时间最小,事故路段剩余通行能力最大,为3 776 pcu/h,其比例为69.926%;车辆起火、车辆追尾、车辆翻车的剩余通行能力为3 327,3 229,3 071 pcu/h,其比例分别为61.611%,59.796%,56.870%;车辆碰撞的事故延迟时间与拥挤消散时间最大,事故路段剩余通行能力最小,为2 698 pcu/h,其比例为49.963%;不同的事故类型,其拥挤消散时间与事故延迟时间之间的比值和事故路段的剩余通行能力有关,事故路段剩余通行能力越大,其比值就越小,反之就越大。     

基于改进粒子群优化算法的多目标自适应巡航控制

跟驰过程中,在保证安全性的前提下为了提升自适应巡航控制(ACC)系统的舒适性和燃油经济性,研究了多目标自适应巡航控制算法。在建立车间纵向运动学模型的基础上,根据模型预测控制理论,设计综合考虑安全性、舒适性、燃油经济性以及车辆自身限制等因素的目标函数和约束条件,并引入松弛因子向量软化硬约束边界解决无可行解问题。进一步在滚动优化环节中,引入具有求解多约束问题能力的改进粒子群优化算法进行求解。通过数值仿真对比分析,结果表明,基于改进粒子群优化算法的多目标自适应巡航控制算法能有效提高燃油经济性和行车舒适性。结合CarSim搭建模型进行联合仿真,验证算法有效。     

考虑信号灯和能耗的电动车最优路径规划

为使电动汽车在行驶中达到最优能耗,以车辆行驶能耗最少为目标,提出了一种考虑交叉口信号灯和能耗的电动车最优路径规划算法。根据电动车运行时能耗和制动能量回收等因素,建立能耗模型。基于车路协同技术预先获取各路段交叉口信号灯的位置和配时信息,以此建立车辆通过信号交叉口的节能驾驶模型。基于信号灯的转换概率和电动车的能耗模型,将通过信号交叉口的交通流近似分为4个阶段:绿灯匀速通行、红灯前匀加速、红灯匀减速和红灯停车等待。结合红绿灯的转换概率和4个阶段的通行能耗,最后提出一种改进的A~*算法,来寻找可行的能耗最小的路径,并进行了算例验证。结果表明,提出的方法可找到起点到终点的能耗最优路径,节能约达13%。     

单点交叉口交通信号配时模型及遗传算法

分析了城市单点信号交叉口信号配时的基本参数和方法,建立了以平均延误时间最短、平均停车次数最少、通行能力最大为目标,相位有效绿灯时间、饱和度及周期时长为约束条件的城市单点交叉口两相位信号配时优化的非线性函数模型,采用遗传算法对其进行求解.求解结果表明,该方法可减少车辆的延误和停车次数,提高通行能力,交叉口服务水平由D级提升到B级,从而缓解城市信号交叉口的交通拥挤.     

干道信号控制交叉口相位相序优化模型研究

干道常常被人们誉为"城市交通的大动脉",是城市内部的重要交通道路。交叉口作为干道与干道之间的关键节点,是实现不同道路连接的纽带,也是车辆持续通行的咽喉。对城市干道信号交叉口相位相序的模型进行研究,提出了相位矩阵的表示方法,并结合信号交叉口约束条件,使用MATLAB软件构造出干道交叉口的相位相序结构优化算法,采用遗传算法计算原理得到最小总延误。同时,通过模型计算输出信号交叉口新的相位相序及有效绿灯时间组成新的配时方案,结合城市干道信号交叉口实际采集的数据,在MATLAB构造的目标函数值中与实际信号配时进行对比验证,最后运用VISSIM仿真软件对优化的相位相序方案进行仿真验证分析,与实际相位相序方案的平均延误进行比较。结果表明,新的相位相序方案达到了减小信号交叉口路网平均延误的目的,从而提高城市干道的通行能力,达到了模型优化干道交叉口相位相序的良好效果     

网联自动驾驶车辆通过信号交叉口的速度轨迹优化

以网联自动驾驶汽车(Connected Autonomous Vehicle, CAV)为研究对象, 研究了CAV车队通过城市信号交叉口的速度轨迹优化控制策略。基于最优控制理论, 采用CAV的自动驾驶模型描述车间相互作用, 以所有CAV车辆在行驶过程中的总油耗为优化目标, 根据信号灯的配时信息建立模型约束, 通过优化CAV头车的速度轨迹, 保证整个CAV车队在绿灯相位下快速通过交叉口并实现油耗最小。为了对该优化控制进行高效求解, 采用离散Pontryagin极小值原理建立最优解的必要条件, 利用基于神经网络训练的弹性反向传播(Resilient backpropagation, RPROP)算法设计了数值求解算法。多个典型场景的仿真结果显示: 整个CAV车队均能在不停车的情形下通过信号交叉口, 避免因在红灯时间窗到达停车线造成的停车、启动等过程, 总油耗量最高可减少69.74%。该控制方法利用网联自动驾驶技术的优势, 显著改善了城市交通通行效率和燃油经济性。      

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.