基于混沌神经网络的混合动力汽车状态切换协调控制策略研究

针对并联混合动力汽车在发动机和电动机工作状态切换过程中非线性动力耦合系统工作状态所具有的混沌特征,提出了基于混沌神经网络的混合动力汽车状态切换协调控制策略。建立了协调控制总体模型构架,设计了混沌神经网络工作状态识别器,并通过试验对该识别器的准确性进行了验证。在此基础上搭建了协调控制系统整车控制模型,针对协调控制策略进行了仿真试验。结果表明,采用该控制策略能够有效提高整车动力性、燃油经济性与SOC平衡性,实现了对状态切换过程的协调控制。     

基于模糊控制算法的干道信号协调控制优化

城市干道是城市交通的主要载体,干道的畅通对提高城市道路的通行能力、缓解城市的交通拥挤起着重要的作用.城市交通系统是一种对象不确定的,结构十分复杂的大系统.城市道路交通控制主要是对交通信号的控制,针对对象的不确定性和复杂性,文章从交通信号控制的角度,对城市干道交通信号控制策略及其控制优化的参数(周期时长、绿信比、相位差)进行分析,并结合合肥市芜湖路的交通状况采用模糊控制的方法实现城市交通干道的优化协调控制.通过 Vissim 仿真,对芜湖路分别采用模糊协调控制方案、传统数解法协调控制方案及单点控制方案进行比较,结果表明模糊协调控制方案明显优于其他2种方法.     

基于延误模型的城市相交干线协调控制研究

在研究城市交通干线相交情况下,通过对两条相交干线交通流运行特性进行分析,提出了基于最小延误的相交干线联动协调控制方法.该方法运用韦伯斯特配时法计算干线交叉口信号控制参数,以干线排队延误最小为指标建立相位差优化模型.以北京市某相交主干线为例,运用提出的协调控制方法,对相交的两条交通干线同时进行协调控制优化,设计应用于实例的协调控制方案.运用SYNCHRO仿真软件,对方案实施前后的交通运行情况进行对比分析,数据表明,与现状配时方案相比,采用联动协调控制方案后,两条干线的车辆停车延误减少了16.8%.仿真结果表明,联动协调控制方法适用于两条相交干线都需要实施协调控制的情况,能有效地协调相交干线上的交叉口配时,降低车辆在交叉口的延误,提高通行效率.     

基于线性规划的干线模糊补偿控制

针对传统干线控制方法的不足,提出了新的控制策略,采用递阶结构将传统的控制方法与模糊控制结合在一起对交通干线进行实时协调控制。由上层的中央协调单元通过传统的线性规划对交通中的确定性因素进行建模,得到干线控制所需要的信号周期、各个路口之间的相位差和绿信比等参数作为初步配时方案;然后针对交通问题中较强的随机性和不确定性,以模糊控制对得到的初步方案进行补偿,主要通过模糊逻辑对相位差进行调整,并最终由路口信号机根据路口的实际情况对绿信比进行调节,使整个干线控制得到优化。仿真结果表明,该方法比传统的定时控制和感应控制能更有效地提高干线的通行能力。     

一类含特殊路段的城市干道协调控制方法研究

在分析特殊路段交通特性及需求的基础上,对一类含特殊路段的城市干道协调控制方法进行了研究,提出基于主动性思维设计控制策略。通过干道协调控制人为调节关联交叉口交通阻抗来影响用户的交通行为选择,从而在某种程度上限制特殊路段交通的过度增长,在保障路段交通安全的基础上充分发挥交通效益。针对南方某城市隧道的实地情况和流量数据,设计出根据流量和排队长度两个参数综合选择实时控制方案的方法,进而说明该控制方法的具体实现及仿真效果。试验证明该方法对一类含特殊路段的城市干道协调控制具有指导意义。     

基于车路协同的交叉口车辆最大流量协调方法

设计了一种无信号灯的交叉口车辆协调控制策略,该策略将交叉口车辆通行控制问题转化为以最大流量为目标的整数规划问题,通过求解该问题获得最佳的通行策略达到车辆安全高效通过交叉口.与定时控制和自适应控制策略在各种交通负载下的仿真对比表明,所提出的协调控制策略能明显降低交叉口车辆的平均停车等待时间、平均排队长度和停车率.      

临界饱和状态交通干线协调控制模型

为提升临界饱和状态下干线车流通行效率，提出了一种基于冲击波理论的干线双向信号协调控制方法。首先，建立了考虑车速变化、转向比例、车道变化等因素的干线交通流模型，分析了临界饱和交通干线交通流运行状态与各参数间的关系。第二，构建了以干线双向通过量最大化为优化目标的混合整数线性规划模型，通过优化干线公共周期和各交叉口绿信比以提高干线通行能力。第三，构建了以延误最小化为优化目标的二次规划模型，并提出了相应的求解算法，通过优化相位差和相位方案实现了干线交叉口的信号协调。临界饱和交通干线协调控制模型由通过量最大化模型和延误最小化模型构成，考虑各交叉口间的制约影响关系，有效避免了排队滞留、溢出、交叉口“死锁”等现象。采用两阶段优化方法，通过通过量最大化模型优化周期及绿信比，继而应用延误最小化模型优化交叉口相位方案及相位差，获得干线系统双向信号协调最优控制方案。最后，应用临界饱和交通状态干线协调控制模型对南京市中山东路10个交叉口进行了信号协调优化，并对优化结果进行了仿真分析。结果表明：临界饱和交通状态干线协调控制模型能对双向临界饱和干线的信号控制方案进行优化，与对照方案相比，优化方案的双向总交通量提升了21.9%，车均延误降低了63.1%，通行能力与服务水平提升显著。     

基于Paramics的干线协调控制模型效果对比研究

文章基于微观交通仿真软件Paramics,提出针对干线协调控制优化模型控制效果的比较评价思路以及较全面的评价指标。以典型城市干线为仿真实例,从干线控制效果及全路网控制效果两方面,选取6个评价指标,对比分析了三个不同优化模型的控制效果。结果表明,基于Paramics的干线协调控制模型效果评价思路有效可行;实例中三个模型都有不同程度的优化;TRANSYT模型明显减小路网总延误;MAXBAND模型提高干线车流行驶连续性;三者中TRANSYT-MAXBAND结合模型最优,可在减小路网延误的前提下,提供较大的主干道双向绿波带宽。     

基于BP神经网络的道路交通状态判别方法研究

根据交通流复杂性的特点,提出了基于BP神经网络的交通状态判别方法。并以高速公路隧道为例,通过Matlab软件编程实现模拟仿真,最后通过对神经网络的输出结果与决策阈值相比较,确定其所反映的交通状态。仿真结果表明,该算法可用于实时交通状态判别,并具有很高的精度和较好的收敛度。     

基于粒子群优化的RBF神经网络交通流预测

交通流量预测一直是实时自适应交通控制的关键问题。以城市道路网络中典型的两相邻交叉口为研究对象,提出了基于粒子群优化的RBF神经网络的信号交叉口交通流量预测模型。该模型以RB F神经网络为基础,采用分组优化策略,用粒子群优化算法对基函数的中心、方差和RBF网络权值进行优化,从而提高了网络的预测精度。通过仿真,并与其他算法对比,表明了本文方法的有效性。     

全网络神经模糊控制在城市单路口交通实时控制中的应用

在已有城市单路口交通模糊控制方式和控制策略的基础上，提出了基于全网络化结构的神经模糊控制方法。方法考虑了影响信号灯控制策略的各种因素，根据分级并行控制思路，对车流采用不同的优先级和不同的控制策略进行协调控制，提高了系统的实时性，降低了系统的复杂性。采用6层全网络结构的神经网络进行了控制算法的实现，并利用已有数据对神经网络进行了学习训练，使网络结构和参数具有更为广泛的适用性。     

信号周期时长优化方法研究

分析传统交通信号控制系统中周期时长优化存在的问题,为适应混合交通自适应控制系统进行区域或干线战略控制和战术控制的需要,构建了基于双层规划的信号周期时长优化模型,借助分层迭代的思想,通过改进粒子群优化算法求解双层规划模型。利用Vissim仿真长春某一实验路网的不同交通状态,对模型和算法的有效性进行对比验证。     

基于人均延误最小的干线交叉口协调配时优化

为了提高干线协调控制在国内混合交通流条件下的交通运行综合效率,以干线中小汽车、公交车和自行车为研究对象,提出了综合考虑上述3种车型通行效率的干线交通信号协调控制的配时优化模型与算法。模型的研究从出行者的角度分析干线协调的延误,以干线人均延误最小建立了目标函数,并设计启发式算法进行计算,从而获得目标函数的优化值。为了验证提出的干线协调配时优化方法的有效性,选取南京洪武北路上的干线协调交叉口为实例进行验证,通过在Vissim中建立实际干线协调控制路段的空间模型并采用提出的优化方法进行配时,发现在不同车型组成比例条件下,人均延误最多减少了11．4％。结果显示,该模型能够有效地提高混合交通流条件下的干线交通运行综合效率。     

Optimizing multi-agent based urban traffic signal control system

Agent-based approach is a popular tool for modelling and developing large-scale distributed systems such as urban traffic control system with dynamic traffic flows. This study proposes a multi-agent-based approach to optimize urban traffic network signal control, which utilizes a mathematical programming method to optimize the signal timing plans at intersections. To improve the overall network efficiency, we develop an online agent-based signal coordination scheme, underpinned by the communication among different intersection control agents. In addition, the initial coordination scheme that pre-adjusts the offsets between the intersections is developed based on the historical demand information. Comparison and sensitivity analysis are conducted to evaluate the performance of the proposed method on a customized traffic simulation platform using MATLAB and VISSIM. Simulation results indicate that the proposed method can effectively avoid network oversaturation and thus reduces average travel delay and improves average vehicle speed, as compared to rule-based multi-agent signal control methods.     

车联网环境下连续信号交叉口协同控制模型

智能交通信号控制技术是缓解交通拥堵的重要手段。为解决传统强化学习算法应用到连续多交叉口的局限性问题，提出了1种基于上下层神经网络的连续交叉口交通信号控制模型。控制模型由下层神经网络选择当前状态下可能的最优控制策略，再由上层神经网络根据各路口车均延误进行二次调整，将最终控制策略应用到多交叉口的相位配时中。以典型连续3个交叉口为例，通过SUMO仿真平台对模型进行仿真验证，在低与高饱和度下，该控制模型分别对车均延误降低了23.6%和26%，排队长度降低了8.4%和9.4%。实验数据表明，该模型可有效提高连续交叉口道路通行能力，为缓解城市交通拥堵提供了1种有效技术手段。      

基于Multi-Agent的区域交通协调控制研究

提出了一种基于Multi-Agent的区域交通协调控制系统。系统针对路网中各交叉口交通流相互影响的特点，构造了一种基于分布权值函数的分布式Q学习算法，采用此算法实现了Multi-Agent的学习以及协调机制。通过各Agent间的协调控制来协调相邻交叉口处的控制信号，从而消除路网中的交通拥塞。最后利用微观交通仿真软件Paramics对控制算法进行了仿真研究，仿真结果表明了控制算法的有效性。     

考虑关键路径序列的干道绿波协调控制方法

传统的干道协调控制通常以协调流向的通行效率最大为优化目标, 然而在实际交通流量波动环境中, 某些非协调流向的流量在局部时段可能与协调流向相当甚至高于协调流向, 从而影响干道运行的总体效率。为了解决该问题, 研究了1种考虑关键路径序列的干道绿波协调控制方法。利用路径流量分担率和行程时间指数计算各车辆行驶路径的重要度, 并采用系统聚类算法识别干道上车辆行驶的关键路径。在此基础上构建了考虑关键路径序列的干道绿波协调控制模型: 考虑了各关键路径信号相位之间的协调关系, 设置了含0-1变量的信号相位矩阵, 并构建模型的基础约束条件; 设置了无效带宽存在性判断变量和最小重要度判断变量, 构建了考虑路径重要度的绿波带宽分配策略, 确保绿波带宽优先分配给重要度大的关键路径; 以关键路径序列加权绿波带宽总和最大为优化目标, 构建了模型的目标函数。利用VISSIM仿真软件搭建仿真环境, 以武汉市中山路4处交叉口组成的干道路段为例进行仿真验证。实验结果表明: 相比于传统的干道绿波协调控制方法和干道多路径绿波协调控制方法, 考虑关键路径序列的干道绿波协调控制方法使得干道平均延误分别减少了12.1%和4.8%, 平均排队长度分别减少了13.6%和7.6%, 平均停车次数分别下降了16.5%和9.7%;各关键路径的车辆平均行程时间与自身重要度大小严格成反比, 避免了绿波带宽的浪费。      

面向常发拥堵点的交通信号协调控制方法

针对高峰期间常发拥堵点交通需求过大、周边关联交叉口交通负荷分布不均的问题, 研究了面向常发拥堵点的交通信号协调控制方法。通过对常发拥堵点的车流进行追踪与溯源, 根据交通量关联度确定信号协调控制范围, 然后基于路径的流量分担率与路段平均饱和度识别信号协调控制范围内的关键路径。基于宏观基本图理论, 考虑关键路径对路网运行状态的影响, 构建边界交叉口主动限流控制模型。同时, 利用元胞传输模型描述交叉口与路段的运行状态, 以关键路径通行能力最大化和进口道饱和度均衡化为信号控制优化目标, 建立均衡路网交通负荷的信号控制优化模型。以武汉市发展大道青年路交叉口以及关联交叉口为对象开展仿真实验, 结果表明: 虽然本文方法下的边界交叉口车均延误增加了6.8 s, 但常发拥堵点的车均延误降低了15.7 s; 关键路径的车均延误减少72.6 s, 平均排队长度减少26.1 m。并且, 路网整体的车均延误降低14.7%, 驶出车辆数增加26.6%, 验证了提出方法缓解常发拥堵点交通拥堵的有效性。