城市快速路入口匝道神经模糊控制

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.     

����·����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。     

���ڳ��п���·������������������

利用理论推导和系统仿真等方法分析了有关城市快速路交通控制的一些基本问题，包括入口匝道车流控制，出口匝道排队控制，快速路交通优先等．分析结果表明：(i)入口匝道控制虽然增加了入口排队延误，但是对整个快速路系统来说，可以提高系统的效率．(ii)入口匝道控制对普通道路既有正面影响，也有负面影响，合适的入口匝道控制策略甚至能同时对快速路和普通道路系统有益．(iii)在出口匝道相连的信号交叉口采用考虑出口排队的感应控制算法，可有效避免出口匝道排队阻塞快速路的现象，虽可能对普通道路有些负面影响，但是对整个交通网络有益．     

����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。     

���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。     

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.     

���п���·ϵͳOD�������㼼���о�

城市快速路OD信息是进行快速路交通运营、建设绩效分析的基础,采取恰当方法推算快速路OD矩阵可以减少直接询问OD信息的工作量、避免道路拥堵及其所造成OD信息受到扰动. 本文提出了基于进出匝道交通量和部分路段交通量,以快速路单方向一对相邻进出匝道划分交通小区,应用重力模型与双约束Frator法建立高质量先验OD矩阵,借助TransCAD交通规划软件中的矩阵反推模块进行矩阵推算,多角度检验OD矩阵推算效果的系统方法,并在广州市内环路快速路系统上进行了实例验证. 结果显示,应用本文方法设定先验OD矩阵与推算OD矩阵后,拟合的路段及进出匝道上的分配交通量误差、平均出行距离与日周转量误差均较小. 表明推算OD矩阵具有较高的准确性和可靠性,该方法是适用于快速路交通流分析的一种简便可靠的方法.     

���޵���ѧϰ����ѵ����������Է���

在实际的快速路交通流系统中,入口匝道的流量和快速路主路的速度都是受限的,因此在对快速路交通流进行控制时考虑这些限制十分必要. 基于迭代学习控制的快速路入口匝道控制是近年来快速路控制领域的一个研究热点,然而,至今为止还没有在输入和状态同时受限情况下的相关收敛性分析. 本文首先介绍了快速路交通流模型,并将交通密度控制转化为输出跟踪问题;然后通过严格的数学分析证明了在入口匝道流量受限和主路速度受限的情况下,基于迭代学习控制的入口匝道控制仍然能保证交通流密度收敛于期望密度;最后通过仿真研究验证了该方法在受限情况下能达到很好的控制效果.     

���п���·ƿ��������Ʋ����о�

中国的城市快速路与发达国家相比有着截然不同的特征.中国城市快速路匝道出入口之间距离相对较短,且城市快速路匝道出口经常与城市道路交叉口相连,因此在欧美成功应用的快速路匝道控制方案不一定适用于中国.本文详细描述了如何在仿真中设置模型参数,使得城市快速路交通流特性仿真结果与实际测量值具有较高的匹配精度.在具体阐述自适应与协同信号控制策略的基础之上,给出了各种方案在匝道入口、出口辅路和出口下游交叉口的具体部署方案.最终仿真结果表明,自适应和协同控制策略能够提高瓶颈区域道路通行能力8%-9%,有效地缓解城市快速路交通拥堵.     

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%.     

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。     

����·����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。     

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%.