���н�ͨ�������յ�ϵͳ����Э��

交通信号控制和动态交通诱导是城市交通管理的两个主要手段，两者智能协作能提高城市交通管理效率.本文分析了交通信号控制与动态诱导系统的关联特点，利用多智能体技术和融合技术对其智能协作进行研究，提出城市交通信号控制与交通诱导系统智能协作的结构框架，以交通信号控制执行级智能体为例，介绍分析智能体内在结构和作用机制，并研究了城市交通控制与交通诱导的系统协作模型，实现城市交通控制与诱导系统智能协作和全局优化     

��·Эͬ�µ�·������źſ����Ż�����

车路协同系统能实时获取车辆个体的运行状态信息,并能通过速度引导实现车辆与交通控制系统之间的动态交互,为交通信号控制提供了新的数据源和技术手段.分析了现有车路协同下交通信号控制方法存在的不足,引入基于时间窗的滚动预测方法,提出了改进的交叉口信号控制优化流程;将相位饱和度作为表征信号控制效果的指标,在考虑速度引导对车辆运行状态影响基础上,建立了车路协同环境下道路交叉口信号控制优化方法和模型.运用VISSIM软件进行了仿真实验,结果表明,本文方法优于感应控制方法,在各种交通流量下均能有效降低交叉口平均延误和停车次数.     

BRT��·�����ź�����Э������Ʒ����о�

快速公交是解决城市交通问题的有效手段,公交信号优先对于提高快速公交运营效率具有重要作用。具备公交优先功能的快速公交沿线路口协调控制有较高的复杂性,为此,本文提出了一种关键参数抽取方案,针对快速公交全线路路口信号优先控制,给出了定周期下优先感应控制方案和优先评估体系,通过分时段遗传算法实现了信号控制参数与车辆调度参数的协调优化,达到了公交优先与社会车辆理想通行的综合最优控制效果,以北京市南中轴BRT为例,应用VISSIM交通软件进行仿真,通过与其它多种控制方案优先效果的比较,验证了本文方案良好的控制效果。     

���ڶ�Դ��Ϣ�ںϵļ�ʻԱ��ΪЭͬ�����㷨

交通仿真是交通控制与管理方案评价和优化的重要研究手段.传统的微观交通仿真模型，特别是刻画驾驶员行为的车辆跟驰模型，未能综合考虑交通环境中信息刺激的多源性和驾驶员任务集聚、协调反应的行为过程.本文利用Bayes方法和模糊积分方法描述驾驶员在复杂行驶环境中多源信息的融合过程，确定驾驶员任务集聚后对车辆应采取的驾驶行为.模型验证表明:交通仿真过程中，在车辆跟驰模型实施之前，利用Bayes算法和模糊积分算法模拟驾驶员在多源信息刺激下任务集聚、协同反应的过程是行之有效的.     

车辆出行诱导系统与交通控制系统协同效益研究

车辆出行诱导系统与交通控制系统作为智能交通系统的重要组成部分,两者的协同将实现交通出行的效率更加优化,通过建立车辆出行诱导系统与交通控制系统协同模型,分析系统协同后的效益。     

新型混合交通交叉口信号与车辆轨迹协同控制方法

新型混合交通环境下的交叉口交通控制可通过信号灯控制与自动驾驶车辆的轨迹控制协同实现，能够极大地优化道路通行资源利用效率。已有研究中，信号配时与车辆轨迹集中优化的控制策略难以应用于车辆自组织控制的现实场景，且往往计算复杂度较高。本文提出一种无中心框架下基于逻辑的交叉口信号与车辆轨迹协同控制方法。基于协同理论中的快慢变量主动伺服控制原理，设计一种交叉口信号配时慢变量与车辆轨迹策略快变量协同框架，并分别提出基于逻辑的信号配时优化和网联自动驾驶车辆轨迹协同控制方法。协同控制方法可以在车辆自主控制的条件下，一方面，实现交叉口信号配时动态适应交通需求；另一方面，实现网联自动驾驶车辆主动优化驾驶速度，高效通过交叉口。而且网联自动驾驶车辆在进口道可引导混合车队高效通过交叉口，降低绿灯启动损失，提高交叉口通行效率。仿真实验表明，本文的协同控制方法相较于传统控制方法可显著降低交叉口车辆平均延误，同时，基于逻辑的决策模型可实现快速求解。通过对网联自动驾驶车辆控制策略关键参数的敏感性分析，进一步讨论新型混合交通流交叉口通行公平性，并比较在不同网联自动驾驶车辆渗透率下的控制效果。     

快速路可变限速与匝道控制协同优化策略

可变限速控制和匝道控制是快速路交通控制的主要手段,本文对两者的协同优化策略进行了研究.借助智能车路协同系统强大的信息感知能力,通过引入微观交通流信息,对经典METANET模型进行了改造,构建了可变限速控制影响下的微观METANET模型,实现了一种新的可变限速控制策略,同时,采用ALINEA算法,对入口匝道进行了优化控制,实现了两者的协同优化.最后,基于实际道路和交通流数据搭建了仿真平台,对微观METANET模型和协同优化策略的有效性进行了验证.仿真结果表明,微观METANET模型具有良好的交通流预测效果,协同优化策略能有效地改善快速路交通流状态.     

基于交通仿真的区域交通协同优化控制系统

提出采用基于交通仿真的区域交通协同优化控制系统,实现区域交通运行态势的评价、公交需求管理和区域动态诱导。阐述区域交通协同优化控制系统的体系框架和层次结构,并详细讨论交通仿真在区域交通协同控制中的应用方法。该系统的建设对于提升区域交通运行效能,缓解交通拥堵,提高道路交通安全具有重要意义。     

�������пռ䲼�ִ�����չ���й�����ͨ �ڡ�2005�������й���ͨ��̳���ϵķ���

介绍了北京市成立交通委员会后她作为首任交通委主任感觉到北京市的交通，一个突出的问题就是“堵”.但是“堵”实际上是现代化、城市化、机动化发展到今天各种矛盾的一个表象，到处堵车，“堵”字背后有很多复杂的原因，她分析了造成这些堵点的原因.还介绍了两年来北京市交委己完成了建立新dh京综合运输体系的规划，完成了《北京交通发展纲要》的编制工作.分析了北京交通现在存在着四个方面问题.即;1.北京交通城市规划建设和北京交通发展不协调;2.北京公共交通发展滞后且基础非常薄弱;3.北京交通基拙建设不配套，甚至不街接;4.北京交通存在着管理问题.在分析存在问题的原因后对如何解决北京交通问题她提出了首先是确定解决北京交通发展的两大战略，即对城市空间布局必须进行调整，把北京城市功能进行了定位，即国家首都、国际城市、历史城市、宜居城市;其次是要大力发展公共交通，建立以执道交通为骨干的公共交通体系，推行五项政策和七大行动，加快信息化与智能化建设，加强交通法制建设.还介绍了当前北京道路建设情况发言后回答了北京交通大学、重庆交通学院代表提出的发展公交、交通一体化以及北京城市和交通发展成功与失误等问题.     

交通控制系统与诱导系统的协调

详细阐述城市交通控制系统（UTCS）和城市交通诱导系统（UTGS）是智能交通系统（ITS）对道路交通进行在线实时管理的核心部分。针对两个系统的概念，进而论述了两者协调的客观基础及概念模型，并运用自组织理论和协同学原理对其协调度和协调策略进行初步探讨。     

汽车ESP系统控制策略及其仿真

为了寻求易于实现的控制策略,对ESP系统进行了仿真研究。基于轮胎魔术公式在Simulink中建立了7自由度的整车模型。从ESP的控制机理入手,以极限环理论作为ESP控制判据,使用带参数优化的PID方法实施横摆角速度和侧偏角的控制。在Simulink环境下分别建立了输入、输出、判据、控制、整车5个模块,在此基础上构建了ESP系统模型。ISO双移线仿真试验验证表明,带参数优化的PID控制策略可行,所建ESP系统控制效果明显。     

组合放行下的干路交叉口协调控制优化

采用双层规划方法建立干线协调控制模型,模型以干线两相邻交叉口之间的行驶时间,关键流向的绿灯需求,交叉口绿信比,公共周期时长等参数为基础和约束,对干线协调控制信号方案进行优化,优化参数包括交叉口放行方式、各交叉口绿波起始和终止时刻以及双向绿波带宽,实例求解计算及仿真验证显示,本方法可以应用于干线绿波控制的优化设计.     

混行环境下网联信号交叉口车路协同控制方法

为了提高网联信号交叉口车路协同控制对真实交通环境的适应性,以智能网联汽车与网联人工驾驶汽车混行的典型交通应用场景为研究对象,通过构建八相位网联信号交叉口,研究了混行环境下的交通信号和网联车辆轨迹车路协同优化控制方法;在对场景中的网联车辆运动学特性和跟驰行为进行建模的基础上,构建了一种混行车辆编队方法;基于混行车队模型、安全约束与燃油消耗模型,建立了基于滚动优化的交通信号-车辆轨迹协同优化控制方法;基于异步分层优化思路,将该协同控制问题分解为上层交通信号优化与下层车辆轨迹优化两方面,以交叉口车辆行驶延误时间和燃油消耗量为优化目标,利用遗传算法和“三段式”轨迹优化法分别对交通信号优化问题与车辆轨迹优化问题进行求解;对不同稳态车速与智能网联汽车渗透率下构建的混行交通流的稳定性进行了验证,并通过仿真测试分析了所提出的协同优化控制方法的控制效能与关键参数对控制效能的影响。分析结果表明:在不同交通流量与智能网联汽车渗透率下,提出的控制方法均可有效提升交叉口通行效率与燃油经济性;在完全渗透环境下,较固定配时交通信号控制方法最高可分别提升57.3%和13.3%;随着智能网联汽车渗透率的增加,其控制效能不断提高,较无渗透条件最高可分别提升42.0%和14.2%;即使智能网联汽车渗透率仅达到20%,较无渗透条件也可以在交通效率方面实现20.4%的显著改善;较长的交通信号周期与较短的网联人工驾驶汽车驾驶人反应时间有助于协同控制效能的提升。      

基于分级多目标决策的干线公交速度引导模型

为解决干线公交速度引导存在多要素关联约束强，全局效果差的问题，本文提出基于分级多目标决策的干线公交速度引导模型。基于公交线路运行特性的全局优化指标优势分析，设计以公交线路综合准点率为主，交叉口停车次数和分段引导速度均衡为辅的线路全局优化目标体系，并考虑多目标间的关联约束和优先控制差异，构建基于拉格朗日乘子法和遗传算法分层组合的干线公交速度引导分级多目标递阶决策模型；最后，通过实际场景测试，验证模型的有效性。测试结果表明：模型能够克服非全局指标优化的局部最优问题，将全线路各班次综合准点率和交叉口停车次数由非全局指标的69.67%和2.37次 ⋅ 班-1 提升到90.53%和1.23次 ⋅ 班-1；并且综合准点率比全局多目标加权方法提升8.65%，能够较好保障综合准点率目标的优先性，有效提升干线公交的通行效率和服务可靠性。     

车路协同环境下群体车辆诱导与协同运行方法

为解决城市发展带来的交通拥堵问题,发掘道路交通的潜力,提高车路协同环境下车辆在路网中的行驶效率,面向群体车辆提出了一种诱导优化方法和协同控制策略;在车辆诱导分配方面,在起始点和目的地之间的可达路径中,以交通效率最优、车辆排放最小为目标,设计了基于道路饱和度、车辆行程时间和延误的群体车辆分配规则,建立了群体车辆诱导分配优化模型,并用多目标非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)和多目标粒子群优化算法进行求解;在车辆协同运行控制策略方面,基于引力场思想建立了多车协同运行模型,并提出了多车协同加减速策略;通过仿真验证比较了不同网联自动驾驶车辆(CAV)渗透率下的车辆诱导优化结果,同时仿真了车辆协同加减速策略,并将诱导优化方法和协同控制策略进行了联合仿真。仿真结果表明:多目标诱导分配方法可以提升车辆速度和环境效益,且群体车辆平均速度与CAV渗透率正相关;在四车组队行驶环境中,车辆协同加减速策略能够将车辆在加速和减速时的初始平均加速度分别提高15.0%和8.2%,让车辆快速达到目标速度,保障行车安全;在联合仿真环境中,路网群体车辆的加速度平均提高了11.6%,速度平均提高了1.6%,碳氧化合物排放量减少约4.9%。由此可见,提出的方法能够提高路网通行效率,降低车辆能源消耗,减少对环境造成的不良影响。      

Structural Optimization of Hatch Cover Based on Bi-directional Evolutionary Structure Optimization and Surrogate Model Method

Weight reduction has attracted much attention among ship designers and ship owners. In the present work, based on an improved bi-directional evolutionary structural optimization (BESO) method and surrogate model method, we propose a hybrid optimization method for the structural design optimization of beam-plate structures, which covers three optimization levels: dimension optimization, topology optimization and section optimization. The objective of the proposed optimization method is to minimize the weight of design object under a group of constraints. The kernel optimization procedure (KOP) uses BESO to obtain the optimal topology from a ground structure. To deal with beam-plate structures, the traditional BESO method is improved by using cubic box as the unit cell instead of solid unit to construct periodic lattice structure. In the first optimization level, a series of ground structures are generated based on different dimensional parameter combinations, the KOP is performed to all the ground structures, the response surface model of optimal objective values and dimension parameters is created, and then the optimal dimension parameters can be obtained. In the second optimization level, the optimal topology is obtained by using the KOP according to the optimal dimension parameters. In the third optimization level, response surface method (RSM) is used to determine the section parameters. The proposed method is applied to a hatch cover structure design. The locations and shapes of all the structural members are determined from an oversized ground structure. The results show that the proposed method leads to a greater weight saving, compared with the original design and genetic algorithm (GA) based optimization results.     

城市交通流诱导信息板配置优化方法

为合理进行城市交通流诱导,提出了一种基于提高诱导覆盖率和减小诱导重复率双重约束下的信息板配置优化方法。在分区的道路网络条件和交通需求点分布确定的情况下,以追求分区内被诱导的交通量最大为前提,建立信息板优化布局函数,并通过遗传算法设计了信息板优化布局函数求解算法,在提高整个诱导覆盖率和减少诱导重复率的双重约束下确定信息板的合理数量。通过一个15个节点的网络实例验证,当设置6块信息板时,诱导重复率为1.000,且其诱导覆盖率也达到了0.978,为最优配置。结果显示该信息板配置方法能在一定交通诱导重复率的基础上达到交通诱导覆盖率最大,是一种提高交通流诱导效率的有效方法。     

信号控制四路环形交叉口多进口协同放行方法

针对传统信号控制四路环形交叉口环内车辆间相互干扰对交叉口延误的影响,本文提出 1种多进口协同放行的信号控制方法.首先,基于元胞传输模型建立能描述信号控制四路环形交叉口车流特征的动力学模型;并在此基础之上,以交叉口延误为优化目标、配时参数为目标变量建立信号优化模型,利用遗传算法进行优化,从而得到信号配时参数;最后,通过实例对模型的适用性进行分析.结果表明：四路环形交叉口进口道左直车道分流渠化后,环道车辆延误明显降低;与单进口轮流放行方式相比,本文提出的多进口协同放行控制方法能有效降低交叉口车辆延误.     

一种基于深度学习的离散化交通状态判别方法

在智能交通信号控制和交通流诱导系统中,交通环境状态的有效判别是影响交通控制决策的先决条件,本文针对交通流产生的大数据信息,结合深度学习算法提出一种离散化交通状态的判别方法.给出了包括交通状态数据采集、状态数据描述、状态深度学习和判别等功能模块的系统架构,构建了一种离散交通状态编码方法,为深度学习交通状态特征提供了数据基础.模型训练阶段,对采集到的二值和连续值交通状态数据,分别构建了两种不同的深度置信网络实现交通状态特征的无监督学习;模型微调阶段,在整合形成的高层抽象特征向量顶端增加softmax分类器,采用反向传播算法实现参数微调.最后,该方法基于VISSIM微观交通软件进行仿真,实验结果表明,离散交通状态编码方法可有效表达交通状态,基于深度学习的交通状态判别方法相对传统方法具有较高的准确度.     

不确定交通需求下交叉口信号配时区间优化模型

为解决混合交通流的不确定需求，合理描述不确定参数用以信号配时优化，本文提出交叉口信号控制配时参数区间优化模型。首先，以高峰时段5min采集标段数据，构造交通量区间，修正Highway Capacity Manual 2010(HCM2010)饱和流率计算公式，估计混合交通饱和流率区间；其次，构建信号配时参数区间非线性多目标规划模型，并以交叉口服务水平为性能目标，利用区间序关系与区间可能度模型进行转换，采用多层嵌套遗传算法求解；最后，以北京市道路等级相差较大的两相位与三相位交叉路口高峰时段数据为例，验证信号配时区间优化模型，并运用 VISSIM软件进行仿真比较。结果表明：本文所建模型可行、有效，且考虑饱和流率区间的信号配 时区间优化模型更适合于关键相位饱和流率波动较大的两相位信号交叉口，机动车平均延误和交叉口通行能力较Webster方法分别优化了35.9%和14.9%。