基于车车通信的快速路入口匝道车速控制研究

为研究车车通信技术条件下车辆通过合流影响区时的运行情况,缓解快速路交通压力,提出车车通信环境下入口匝道车辆速度控制模型。首先,分析合流影响区车辆汇合存在的问题;然后,结合合流影响区车辆行驶速度需求,确定入口匝道车辆在加速车道上可汇合位置;接着,根据入口匝道车辆和主路最外侧车道车辆分别到达合流影响区汇合点的时间,建立入口匝道车辆汇入的车速控制模型;最后,对传统环境下和车车通信环境下车辆驶过合流影响区进行仿真。结果表明,在给定的仿真时间段,车车通信环境下,主路和匝道交通量分别为1 000veh/h和400veh/h时,合流影响区的交通量提高了19.5%,入口匝道车辆的平均行驶时间节约了26.9%、平均行驶速度提高了19.7%;主路交通量为1 800veh/h、匝道交通量为800veh/h时,传统环境下合流区车辆出现排队现象,车车通信环境下无排队现象。     

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。     

基于全感应控制的交叉口信号控制方法与模型

全感应控制方法是一种适合交叉口交通量随机变化比较大的交通信号控制方法。为了验证该方法的有效性,文章以单个交叉口为研究对象,运用Vissim交通仿真软件进行建模,并分析比较在不同时段下,实施全感应控制与定时控制方式后的各项交通信号控制性能指标。仿真结果表明,与定时控制相比,全感应控制在不同时段下的各项交通信号控制性能指标均有所改善:高峰时段,全感应控制的平均行程时间改善了4.26%,平均延误时间改善了15.6%,平均停车次数改善了1.3%,平均排队长度改善了17.4%。     

基于人工神经网络的快速路入口匝道流量预测

已有快速路入口匝道控制手段是以定时控制方法为主,虽然存在动态调整等方法,但缺乏预测机制,这主要是由于车流的动态性和随机性而难以进行定量分析,引入人工神经网络可对车流进行动态预测。分析了影响主线交通量的与匝道相关的因素,并在此基础上建立了神经网络预测模型,通过上海典型匝道（延安路-江苏路）一组实测数据对网络进行训练和预测,得到了满意的效果。     

基于动态灵敏度的感应控制优化方法

为评估雷视一体检测方式在感应信号控制中的实际应用效果和价值，结合雷视一体检测特征，本文建立基于车型的初始绿灯配时模型，同时考虑实时等待车辆数及不同车型的启动损失时间和通过路口区域时间；通过分析雷视一体机在不同车头时距(灵敏度)检测响应条件下单位绿灯延长时间的变化，构建基于动态灵敏度的感应控制模型，并结合平均通过车辆数、平均车速、平均损失时间以及平均最大排队长度建立通行收益指数，使用强化学习方法确定动态灵敏度选择方案。最终，使用SUMO(Simulation of Urban MObility)建立仿真模型，对定时控制、固定灵敏度控制(传统感应控制)以及本文提出的动态灵敏度控制进行验证。仿真结果显示：动态灵敏度的选择与空间占有率有关；在15%最大交通量条件下，本文提出的动态灵敏度控制相对于定时控制和固定灵敏度控制，使交叉口平均车速分别提高了31.69%和5.05%，平均损失时间分别降低了36.19%和7.44%，平均最大排队长度分别缩短了45.17%和7.78%；且在交通量达到27%最大交通量之前，动态灵敏度的控制效果均为最优。仿真结果表明，本文提出的动态灵敏度感应控制模型性能良好，能为...     

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%.     

匝道控制对道路通行能力的影响

通过建立可接受间隙和交通需求——通行能力控制模型,得出匝道交通量与匝道连接点上游干道交通量在各级服务水平上的对应关系,并讨论了匝道入口控制,对匝道连接点最大服务交通量的影响。     

互通式立交匝道的服务水平分析

为完善互通式立交匝道设计标准,更好地指导设计人员选择合适的设计指标,以单车道匝道基本路段为研究对象,对互通式立交匝道服务水平及服务交通量的含义和影响因素进行分析;结合单车道匝道基本路段车流运行特征,提出以相对延误率作为服务水平的评价划分标准,从理论分析和实际调查两个角度,确立了相对延误率的计算方法;结合匝道设计速度,以相对延误率分别为30％、60％、80％、100％作为匝道四级服务水平划分标准,并建议以二级服务水平作为匝道的设计服务水平.     

多匝道协调控制方法在佛开高速公路中的应用

针对高速公路匝道控制的非线性、不确定性特点,考虑实际应用设计出多匝道协调控制方法,并应用于广东省佛开高速公路新南庄互通-龙山互通段,设计佛开高速公路主线和匝道控制仿真系统,仿真实验结果表明,多匝道协调控制方法可以应用于高速公路入口匝道的控制中,并能取得较好的控制效果。     

高速公路出口匝道通行效率分析

以GoogleEarth软件作为观测工具,在大量观测的基础上,从匝道构造型式可能对交通流运行特征的影响角度,总结了影响匝道类型划分的主要因素,并最终将我国的高速公路出口匝道分为4类. 在此基础上,以主线上游段、匝道中游段、主线下游段的车辆运行速度作为评价指标,采用TISI仿真的方法,以A型出口匝道为例,分析了输入交通量、大型车比例、出口转向率等因素对通行效率的影响,并确定了相关参数的影响范围. 最后,在出口转向率为20％,大型车比例为40％的条件下,定量分析了各类型出口匝道通行效率随输入交通量的变化规律,比较了4种类型出口匝道通行效率的优劣,并对其适用条件和实际应用中应重点考虑的问题进行了说明.     

强化学习型匝道控制模型的研究

高速公路上的交通堵塞造成了道路利用效率低下,并伴随着能源消耗和环境污染问题,因此各种各样的高速公路控制方法应用于缓解交通堵塞。本文提出强化学习型匝道控制模型,该模型以交通流模拟为预测工具,以人工智能的强化学习为最优化选择模型,并具有一定的自主性、有记忆功能和性能反馈功能,且是一种动态的过程。应用JAVA针对不同的交通状态进行模拟再现,模拟结果表明匝道控制模型对于减少交通堵塞具有显著的效果。     

考虑博弈的多智能体强化学习分布式信号控制

交通需求的不均衡和波动会增加分布式信号控制优化的难度. 由于现有独立动作的多智能体强化学习(IA-MARL)仅基于自身的历史经验做出决策，基于IA-MARL的分布式信号控制难以及时缓解交通需求不均衡和波动的影响. 本文融入博弈论的混合策略纳什均衡概念，改进IA-MARL的决策过程，提出考虑博弈的多智能体强化学习(G-MARL)框架. 在采用带有泊松到达率的道路网络流量不均衡输入的格子网络中，分别对基于IA-MARL 和GMARL 的分布式控制方法进行数值模拟，获取单位行程时间和单位车均延误曲线. 结果显示，与IA-MARL相比，G-MARL在单位行程时间和单位车均延误方面分别改善59.94%和81.45%. 证明G-MARL适用于不饱和且交通需求不均衡和波动的分布式信号控制.     

新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响，本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段，基于百度迁徙大数据，利 用双重差分模型，识别长沙市不同阶段的交通防控政策以及量化防控效果，分析交通防控政策对 长沙市人口流动的影响。结果显示，长沙市在交通管制阶段，平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%，有效地控制了人口流动，降低了 疫情扩散危险。在交通恢复阶段，长沙市人口流动强度逐渐反弹，城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性，为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。     

一种基于分布式网络多智能体的匝道协同控制方法

针对高速公路与城市快速路交汇区域(路网结合部)拥堵日益严重的现状,综合考虑异构交通网络的通行能力与转换需求,基于多智能体和局部感应控制思想,对路网结合部匝道控制模式进行分析,建立单点CPSO-RBF-PID 匝道控制模型、关联主线多匝道一致性协同方法和不同主线间匝道竞争性协同方法.在此基础上,将路网结合部进行网络拓扑,建立基于分布式网络多智能体的匝道协同控制方法.并选取相应路网结合部对所建模型进行验证,结果证明,该模型具有良好的控制效果,能够起到有效地稳定路网结合部交通流密度,缓解结合部区域交通拥堵的作用.     

Property Analysis of Urban Road Travel Time

To estimate arterial link traffic condition based on probe vehicles, it is necessary to investigate the fluctuation characteristics of road travel time with traffic condition. On the basis of micro traffic simulation model, this paper analyzes the fluctuation of road travel time with traffic condition, and examines whether the mean travel time can reflect the variation of traffic conditions including free flow, congestion to traffic jam. As a conclusion, (1) mean link travel time can be used to identify free flow, congestion, and traffic jam; (2) mean link travel time divides congestion condition, but cannot subdivide free flow condition; (3) in the condition of congestion, travel time is distributed as a two-peak mode, and the average travel time is difficult to be estimated by small size sample.     

基于主线拥堵场景的快速路级联信号控制方法

城市快速路高峰时段已经呈现出常态性拥堵，对快速路主线拥堵进行疏导尤为必要.本文通过在主线和入口匝道进行三级交通检测判别，设计了多级联动的信号控制流程与实现方式，构建了不同拥堵程度下的分级响应控制策略，基于瓶颈点通行能力最大化下的实时信号控制算法及最大排队长度限制下的实时信号控制算法，建立了主线及匝道车道开关闭、汇合处信号灯控制、主线动态限速、交通信息诱导等于一体的快速路级联信号控制方法.仿真分析结果表明，在主线不同拥堵程度下采取的级联信号控制方法，可以有效提升快速路主线平均车速，并未导致匝道排队的恶化，局部路网平均延误均有明显降低.     

城市交通拥堵及治堵政策刍议

交通拥堵已日渐成为中国各大城市的普遍问题,正确认识其发生和发展规律有利于提高治堵政策绩效.首先阐述了交通拥堵的定义、分类和发展特性.然后,将常用治堵政策分为减少交通生成总量、改变出行时空分布、影响出行方式选择、实施交通设施科学扩容四大类、26小类,针对治堵政策制定过程中的关键问题展开分析研究.最后,提出采用政策分析方法...     

基于神经网络实现的交叉口可变相序公交优先模糊逻辑控制

针对城市交通信号控制及公交优先问题,提出了一种交叉口自适应可变相序的多相位控制算法,利用多层BP神经网络实现了公交优先的交通信号多层模糊控制。仿真结果表明,与定时公交优先控制模型相比,模糊神经网络控制器能有效地减少公交车辆延误,具有较强的学习和泛化能力,可用于未来的信号控制系统中。     

基于粒子群算法的道路交叉口信号配时优化模型——以昆明市为例

在现有交通资源下,利用交通信号的动态调控缓解交通拥堵是一种行之有效的方式。首先探讨了道路交叉口信号控制的空间和时间优化思路,在时间优化方面提出基于粒子群算法的信号配时优化模型。以昆明市学府路为例,在分析大量交通流数据的基础上,根据三相交通流理论,对交通状态进行划分并提出有针对性的控制策略。将信号配时优化模型应用于学府路3个相邻的关键交叉口。交通仿真和方案试运行结果显示,优化前后同步流状态下交叉口延误平均降低21.0%,车辆排队长度平均降低12.4%;堵塞状态下交叉口延误平均降低32.0%,车辆排队长度平均降低24.9%。这一结果表明该模型在道路交叉口信号配时优化中具有合理性和有效性。