考虑车流速度分布扰动的干道绿波最大带宽协调控制

城市车辆速度受多种因素影响呈现某种分布,鲁棒的干道协调控制模型应考虑不同速度下的车辆带宽需求。针对速度波动变化干道传统协调控制方法适用性差的问题,分析了带干扰的干道车辆速度时空分布特征,以推荐速度带宽最大与期望带宽最大为目标,提出了考虑车流速度分布扰动的干道绿波最大带宽协调控制方法。针对佛山市同济路4交叉口干道,速度分布扰动干道协调方法能够提供更符合车辆分布特性的协调方案,比Maxband模型和改进的Maxband模型提升约70%和14%的期望带宽。研究结果表明：笔者方法能够降低Maxband模型平均停车次数25%,平均延误45%和平均排队长度17%;针对不同速度期望和方差情况下的灵敏度分析实验表明,该方法能够为干道提供更具有鲁棒性的干道协调控制方案。     

基于双向最大绿波带宽的通用干道协调控制数解算法

针对现有数解算法假定绿波设计速度固定取值的局限,提出了一种基于双向最大绿波带宽的通用数解算法.首先确定了相邻理想间距的取值空间.其次推导了上行、下行偏移绿信比的计算公式.再次,给出了理想绿灯中心线其上下方绿信比的计算公式.最后,以双向绿波带宽之和最大为优化目标,以上行、下行绿波设计速度与信号周期为优化变量,建立了最大绿波带宽优化模型.以实例验证文中通用数解算法的有效性.分析结果表明:文中通用数解算法能够突破上行、下行绿波设计速度固定取值的局限,能够更易于获得理想的绿波协调控制效果,具有较好的通用性与实用性.     

��������ͨ�����ĸ����̲�Э�����Ʒ����о�

绿波协调控制方法在城市交通信号控制中占有重要地位.针对传统绿波协调时以公共绿波带宽最大为控制指标所存在的局限性,提出了一类考虑路口协调相位不同方向交通放行重要程度,且绿波带宽内连续通过车辆数最多的控制目标及优化求解方法;并将集散波、时距图分析等内容相结合,对下游车辆排队对绿波协调控制产生的影响进行了分析,给出了一种考虑红灯排队消散的绿波控制带宽搜索算法.仿真分析表明,虽然新方法所得到的绿波带宽不一定最大,但能够使绿波带宽内连续通过各路口的车辆数相对较多,从而更具实用性.     

适于双周期的干道绿波信号协调控制模型

针对现有双周期干道绿波信号协调控制方法存在的不足,首先推导了适于双周期 协调控制的等式约束条件,其次详细分析了现有研究成果存在的缺陷,再次以双向权重绿波 带宽之和最大为优化目标,建立了适于双周期协调控制的绿波协调控制模型;最后以义乌市 望道路为例,利用VISSIM 仿真平台对比本文模型与改进MULTIBAND模型生成的协调控制 方案之间的优劣.仿真结果对比表明,相比于改进MULTIBAND模型,本文模型生成的协调控 制方案在高、中、低交通需求下均能够有效减少平均延误时间与停车次数,从而验证了本文所 建模型的有效性与实用性.     

直左复线有轨电车干线可变带宽绿波模型

为降低有轨电车在交叉口的停车次数和交通延误，同时兼顾社会车辆通行效率，提出可容纳直行线路、左转线路有轨电车和社会车辆3类绿波系统的干线信号协调控制方法。设计直左轨道分叉交叉口的4种信号相位组合方案，构建社会车辆绿波系统、有轨电车直行线路和左转线路绿波系统的约束条件，以及3个绿波系统的交互性约束条件。基于可变绿波带宽优化模型，提出以社会车辆绿波带宽最大为优化目标的混合整数规划模型，并应用算例对所提模型进行有效性验证。研究结果表明：算例中有轨电车线路绿波带宽为10 s，社会车辆双向绿波带宽不低于34 s，最大绿波带宽为63.6 s。本文模型能够在满足直行与左转复线有轨电车绿波通行的条件下，为干线社会车辆提供最大带宽绿波，有效提升了直左复线有轨电车与干线社会车辆整体的通行效率。     

基于叠加相位的干线绿波协调控制方法研究

现有的绿波协调控制图解法和数解法存在干线交叉口处的绿灯启亮时刻难以与对应方向的车流到达时刻相匹配的问题,造成了部分时空资源的浪费,压缩了双向的绿波带宽,影响了干线协调控制的效果。针对这一问题,提出基于叠加相位设计方法的干线绿波协调控制方法。该方法在传统方法求解结果的基础上,根据绿波带的设计速度,插入叠加相位,灵活地错开调整交叉口沿干线的两个行驶方向的绿灯启亮时刻,更好地匹配其与对应方向车流的到达时间;以最大化双向绿波带宽为目标建立规划模型,并利用二分法设计求解算法,实现对最大绿波带宽和各交叉口配时的计算。研究结果表明:基于叠加相位的干线绿波协调控制方法可以实现在不改变绿波设计速度的情况下,有效增加双向绿波带宽,减小干线延误,缓解交通拥堵;相较于传统的绿波协调控制方法,该方法将绿波带宽提高了140%,将干线的平均延误减小了86.2 s,有效缩短了各交叉口的行程时间。     

面向双向不同带宽需求的绿波协调控制优化模型

通过引入绿波带宽分配影响因子与带宽需求比例系数,构造了一种新的绿波协调控制模型性能指标函数通式,针对MAXBAND（MULTIBAND）模型与通用双向绿波协调控制模型,分别建立了面向双向不同带宽需求的最大绿波协调控制优化模型,并对是否可以获得双向绿波带宽的两种情况,比较了控制模型改进前后的设计效果。分析结果表明：在难以...     

基于速度波动区间的双向绿波优化控制方法

针对现有干线交通信号绿波控制方法采用平行等宽的绿波带宽,无法考虑相邻交叉口间交通流运行速度波动性的缺陷,引入了基于路段速度波动区间的不等绿波带宽,提出了干线交通双向绿波优化控制方法.该方法在满足非绿波相位交通需求的前提下,以相邻交叉口之间的绿波带宽最大化为优化目标,通过构建带宽最大化模型,调整相邻交叉口之间的相对相位差,并以重叠度检验为约束条件,防止了绿波带断层现象的产生,进而实现了干线道路交通信号的双向绿波控制.以昆山市长江路为例,基于效率层面的评价指标对提出的干线交通双向绿波优化控制方法性能进行评估,结果表明:该方法较之传统的绿波控制方法在绿波带宽方面增加了11.8%,在交通延误和车辆排队长度方面分别减少了15.34%和10.86%.     

考虑转向有轨电车线路的干线绿波优化

为弥补对包含有轨电车的干线绿波优化能力的不足, 提出了一种基于多路径绿波模型的干线绿波优化模型, 确保干线转向有轨电车与干线直行社会车辆的通行效率与独立运行; 确定了转向有轨电车线路的信号相位与干线社会车辆信号相位之间的协调关系, 构建了干线绿波模型的基本约束条件; 考虑有轨电车停车过程的加、减速特性, 以及通过交叉口时清空时间的要求, 建立了有轨电车补充约束条件; 设置了相位顺序控制变量, 增大解空间, 提高了干线绿波优化模型的建模能力; 设置旅行时间变量, 保证社会车辆行驶在路段规定的安全速度之内, 确保有轨电车上、下行总旅行时间一致, 保障调度运行的高效合理; 在满足有轨电车绿波带宽基本要求的条件下, 构建了社会车辆绿波带宽最大化的目标函数; 应用干线绿波优化模型对南京麒麟镇有轨电车干线路段沿线4处交叉口进行了交通信号协调优化。研究结果表明: 干线绿波优化模型能对各交叉口信号相序进行优化, 为有轨电车提供包含转弯相位的绿波; 优化后干线信号周期为142.4 s, 各交叉口相位差分别为0、116.8、52.0、5.7 s, 单方向社会车辆绿波带宽为26.6 s, 上、下行社会车辆绿信比达到37.4%, 有轨电车绿波带宽为10 s, 满足干线系统交通需求。      

基于相位优化的干线双向绿波协调控制方法

为了提升城市干线双向绿波协调控制的效果,提出一种基于交叉口信号相位优化的干线绿波协调控制方法。该方法通过优化干线上交叉口的信号相位组成和相位顺序,来增加干线上相邻交叉口间相位差的调整区间,从而提升干线双向绿波带的带宽。案例分析指出,相比于传统的图解法,新方法能够提升城市干线双向绿波带的带宽,减少车辆的延误和停车次数。同时,新方法设置的绿波速度更能满足干线设计速度。     

双向双车道超车行为的智能车队间隙控制优化

建立了双向双车道环境下单车超越车队模型, 分析了影响双向双车道超车危险区域范围的主要因素; 设计了分步式单车超越车队算法, 研究了安全间隙前后车速度、超车车辆入队速度与车队安全间隙范围四者之间的关系, 提出了车辆入队所需最小安全间隙的速度匹配方案; 建立了单车超越车队算法的目标函数, 设定最大允许超车时间内超车车辆与车队行驶距离最大, 超车车辆超越车队车辆数最多, 前、后车形成安全间隙过程中加速度、减速度最小; 提出了基于改进粒子群的分级约束多目标优化方法, 为单车超越车队算法中的三级车速引导提供了优化的速度引导方案。研究结果表明: 双向双车道环境下超车危险区域范围与车队车辆数及对向车辆行驶速度成正相关关系; 改进的粒子群优化算法相比传统算法具有更强的鲁棒性和更快的收敛速度, 平均收敛时间缩短39.2%;在分步式单车超越车队过程中, 车队车辆平均速度提升9.04%, 即在车队间隙生成过程中, 虽然部分车辆速度减小, 但车队整体平均速度得到提升; 超车车辆平均速度提升16.8%, 即在超车过程中, 不仅超车车辆的安全性得到保证, 其运行效率也得到提升。      

高速公路瓶颈区域可变限速控制方法

高速公路交通流处于高峰时,公路主线路段可能出现拥挤的瓶颈路段,导致车辆运行时间增加,路段运行效率降低等问题.本文从高速公路瓶颈区域路段交通流运行的时空特征出发,对现有的Papageorgiou模型进行扩展并考虑速度控制因素,使其适用于可变限速控制环境下的真实交通流运行状态,提出了适用于高速公路瓶颈区域的可变限速控制条件的改进模型,以控制周期内总通行量最大和车辆总行程时间最小为目标,建立高速公路主线可变限速控制优化模型.仿真结果表明,相对于固定限速控制,本文提出的可变限速控制方法可降低总行程时间7.45%,提高平均速度8.78%,表明该可变限速控制模型能在一定程度上缓解高速公路瓶颈区域的拥堵问题.     

智能网联车环境下交叉口车流轨迹优化模型

在智能网联环境下,车辆可通过相互穿插和协作通过交叉口,无需信号灯控制。为保证车辆安全高效运行,建立车辆到达时序和速度协同优化的交叉口车流轨迹优化模型。提出车辆到达时序优化模型和车辆速度优化模型,建立车辆到达时刻与速度的函数关系;在此基础上,模型以所有车辆在控制区域的行程时间与油耗加权最小为目标,车辆路径、到达时刻和速度等关键参数为决策变量,设计迭代式算法求解,实现同时优化车辆到达时刻和速度且交叉口运行效益最大的目的。实验结果表明,与车辆时序和轨迹分别优化的两阶段模型相比,本文模型降低车均延误 32.1%,减少车均油耗9.9%,说明该模型具有良好的主动性和适应性,在降低车辆延误的同时也节省了油耗。     

网联车辆编队的鲁棒模型预测控制方法

为研究一类带有结构不确定干扰的网联车辆编队控制问题,考虑结构扰动服从盒式不确定集约束情况,提出一种基于鲁棒对等变换的模型预测编队控制方法。首先,基于车辆运动学状态方程,对传统车辆编队控制模型进行描述;其次,在状态方程中引入仿射结构不确定矩阵,构建最小最大化范式下的网联车辆编队控制模型;然后,在盒式不确定集下,基于鲁棒对等理论将该模型转化为计算上易于处理的上图优化模型;最后,采用序列二次规划算法获得最优编队控制方案,并通过仿真实验将该控制方案与传统车辆编队控制方案进行对比,以此验证模型的有效性。 结果表明：本文提出的最优编队控制方法能够抵御编队系统结构不确定干扰,在实现稳定编队目标的同时保障车辆的编队安全性。     

考虑城市干道车队运行特点的交通信号协调控制算法

为建立交通信号协调控制算法并确定其适用条件,考虑车队离散、车辆转出、下游交叉口排队长度3个因素,在分析罗伯逊离散模型的基础上,提出了交叉口协调相位车流到达图式的预测方法,并根据车流到达时刻与协调相位绿灯启亮、结束时刻的关系,建立了协调相位车流延误的计算模型;以交通控制子区内各交叉口协调相位车流总延误最小为优化目标,以相位差为优化变量,设计了信号协调方案优化算法.仿真结果表明:与改进数解法相比,该算法降低了协调相位车流延误7.4%;随着交叉口间距、转出车辆数、下游排队长度的增加,信号协调控制效益逐渐下降.      

城市道路两相邻交叉口信号控制组合优化研究

以两个单点信号控制交叉口组成的简单绿波系统为例,建立一个以干线车辆行程时间最短为目标,各相位有效绿灯时间、饱和度及周期时长为约束条件的非线性函数模型,分别运用遗传算法和遗传退火算法对目标函数进行优化,实现了对绿波系统各交叉口信号配时的优化设计,并以实例加以论证,其优化效果良好。结果表明:遗传退火算法更能快速、准确地寻找出全局最优解。     

协作式巡航控制下混合车队队列稳定性

考虑协作式巡航控制(Cooperative Adaptive Cruise Control，CACC)车辆与自适应巡航控制 (Adaptive Cruise Control，ACC)车辆之间的退化机制，构建由CACC车辆、ACC车辆以及人工驾驶 车辆组成的混合车队。应用传递函数理论，推导混合车队在不同规模情况下的队列稳定性判别 准则，计算混合车队在多种情形下的队列稳定性情况，并设计数值仿真实验验证理论分析结果。 稳定性分析结果表明，所推导的混合车队队列稳定性准则能够从理论层面计算混合车队关于车 队规模与车流速度的队列稳定域，当混合车队中CACC车辆比例达到25.00%~41.17%及以上时， 混合车队可在全速度范围内实现队列稳定。数值仿真结果表明，混合车队头车产生的速度扰动 传递至上游CACC车辆时，CACC车辆可有效抑制速度扰动的波动幅度，使混合车队趋于稳定，验 证了理论分析的正确性。研究结果揭示了混合车队保持稳定时的CACC车辆与人工驾驶车辆的 比例结构。     

混合交通流环境下单交叉口自动驾驶车辆轨迹优化

信号交叉口对城市道路的通行能力以及车辆的燃油消耗具有重要影响。本文提出一种在自动驾驶车辆和人工驾驶车辆混合交通流环境下的自动驾驶车辆的轨迹优化方法。基于交叉口信号灯的配时方案,构建车辆旅行时间估计模型,并以自动驾驶车辆燃油消耗最小以及通行效率最大为目标,构建自动驾驶车辆轨迹优化模型,对车辆进行动态轨迹规划和控制。车辆轨迹滚动优化模型采用高斯伪谱法进行离散化求解,并基于SUMO仿真平台对模型结果进行验证。仿真结果表明,自动驾驶车辆可以通过优化自身控制变量影响人工驾驶车辆的运行状态,减少交通流的排队以及时走时停现象。本文提出的车辆轨迹优化方法对于降低车队整体燃油消耗、提升车队平均速度、缩短平均行程时间具有重要作用。     

面向多目标站的灵活型公交路径优化调度模型

在已知乘客需求量、车辆载客容量和站点间行程时间的条件下,将车辆的运行时间和乘客出行时间最小化作为目标,构建面向多目标站的灵活型公交路径优化调度模型. 该模型采用引力模型进行车辆路径初始化,采用启发式算法对车辆路径进行最优化求解. 根据仿真案例结果发现,在乘客需求分布存在较大差异和不确定性时,模型仍能满足所有乘客需求,且车辆总行程耗时较为稳定,系统进行路径优化计算耗时较小,验证了模型及算法的实用性. 研究结果表明,面向多目标站的灵活型公交路径优化调度模型能够最大程度满足乘客需求,并在企业成本、乘客时间成本与需求响应方面达到最大平衡,在实际交通中具有重要意义.