一种基于迭代学习的自适应交通信号控制方法

迭代学习控制作为数据驱动控制的一个分支,经历二十多年的发展,无论在理论研究,还是在实际应用上都取得了丰硕成果. 本文以交通信号系统为被控对象,利用迭代学习控制和模糊理论的核心思想,设计基于数据驱动的信号交叉口自适应控制器,使交叉口的通行能力得到显著提升. 信号控制的关键规则采用模糊迭代理论,通过迭代学习使得信号控制策略适应交通流的不断变化,通过模糊理论处理交通系统中的不确定性和随机性,从而避免对复杂交通系统的建模,发挥了数据驱动的无模型控制优势. 最后,使用基于VISSIM的仿真平台对算法的有效性和实用性进行验证. 仿真结果表明,基于迭代学习自适应交通信号控制方法的控制效果优于定时控制和感应控制.     

基于深度强化学习的城市交通信号控制综述

传统模型驱动的自适应交通信号控制系统灵活性较低,难以满足当前复杂多变交通系统的控制要求.近年来,深度强化学习方法在城市交通信号控制研究领域得到快速发展,并且与传统方法相比展现出一定的优势.交通信号控制在城市交通管理中起着至关重要的作用,因此,基于深度强化学习的交通信号控制具有较高的研究价值和意义.本文系统地介绍了深度强...     

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。     

����ģ���߼��Ľ�ͨ�źſ��Ʒ�����������ɳ�ذ�������Ӧ��ǰ��

模糊控制器的应用于1977年首次在文献中提出,其中指出对于有简单绿灯延时控制的单车道交叉口,模糊控制器比车辆感应式控制器更具优势。此后,模糊控制器有了进一步发展,关于交通信号控制的模糊逻辑方法的研究也进一步深入,该方法被陆续应用于无转向车流的双车道交叉口、无限制的单车道交叉口、多交叉口、相位顺序和相位时长控制、拥挤交叉口和路网等等,尤其在高负荷和不均衡交通流条件下表现出优于传统交通信号控制方法的特性。模糊逻辑方法可以改善自适应交通信号控制,改变自适应控制器和TMS的整个决策过程,很大程度上改善未来的交通需求管理方法,然而这类交通信号控制和交通需求管理方法的实际应用并不多见。在诸如沙特阿拉伯这样的发展中国家,学者应根据本国的特有情况研究基于模糊逻辑的交通信号控制与TMS的发展潜力,从而减少拥挤导致的各种损失。     

模糊自适应控制理论在公交优先信号控制中的应用

针对城市交通信号控制及公交优先问题,提出了基于模糊自适应控制的公交优先信号控制算法,通过对车辆在交叉口延误时间的估算,对量化因子Ie进行自适应调整.仿真结果表明,自适应模糊控制能有效地减少公交车辆延误,具有较强的自适应能力,提供了一种解决城市交通堵塞问题的途径,可用于未来的信号控制系统中.     

一种基于模糊逻辑的城市交叉口交通信号控制方法

提出了一种基于模糊逻辑的城市交叉口交通信号控制方法,此方法不需要建立复杂的交通模型,可以有效地解决交通信号控制过程中复杂和随随机难题,同时应用加权系数的遗传算法对模糊逻辑控制器的参数进行了优化,仿真结果表明模糊逻辑控制可以成功地应用于城市交叉口交通令号控制中。     

基于公交优先的信号控制优化理论研究

根据信号交叉口理论,在以往信号延误研究的基础上,考虑到公交车辆平均载客数远大于社会车辆平均载客数,以交叉口人总延误最小为系统优化目标,分析并推导了公交优先信号控制优化模型.运用该优化方法能够明显降低交叉口的人均延误,有效保证公交车的准时性,是减少公交车延误的一种可行、有效的方式,为进一步研究交通信号自适应控制方法和建立交通信号控制参数优化的性能指标函数提供了信息.     

交叉口配时方案实时优化与仿真系统研究

为了充分利用交叉口的时空资源,缓减拥挤,根据单交叉口的实时检测器数据,基于优化模型和仿真模型,以均衡交叉口的交通压力目标,开发了一款交叉口配时方案实时优化与仿真系统,来对配时方案中的周期、绿信比、相序进行动态优化.实测结果表明,与传统定时信号控制方式相比,优化后的交通信号配时控制效果更好,车辆平均延误时间更少.     

基于模拟退火的交叉口自适应信号控制优化研究

在车联网环境下,以交叉口车辆的平均延误时间最小为优化目标,通过神经网络预测各进口短期时间窗交通流到达情况,进而基于模拟退火算法提出了交通信号控制动态配时方法。选取成都市某一交叉口的实测交通流数据,在VISSIM环境下对COM进行二次开发实现了早高峰、平峰和晚高峰时段下的自适应信号优化控制,对固定信号配时情况和模拟退火优化情况进行仿真,结果表明基于模拟退火算法的自适应信号控制能够显著提高交叉口的通行能力。为进一步说明本方法的优越性,将结果与遗传算法优化结果进行对比,发现模拟退火算法结果更优,三个时段内车辆的平均延误分别节省了15.61s/veh、0.47s/veh和8.53s/veh,平均停车次数也分别降低了0.59次/veh、0.04次/veh和0.27次/veh,证明了方法的有效性。     

���ڶ������۵�����Ӧ�źſ�������ģ��

针对以稳态理论为基础推导的自适应信号控制延误计算模型不能反映交叉口各进口道车流动态变化的情况,提出以定数理论为基础,考虑交叉口各进口道车流的动态变化过程,仿效延误三角形的推导模式,通过简化交叉口进口道的车流到达形式,并基于Markov特性建立了一段时间内自适应信号控制条件下的平均车辆延误计算模型。借助自适应信号控制软件系统(OPAC)作为仿真平台,以实际调查数据为例,延误模型计算结果与交通仿真结果的比较分析表明：建立的延误计算模型较稳态理论下的延误计算模型更能客观反映交叉口的车流运行状况。     

Iterative Learning Based Adaptive Traffic Signal Control

Iterative learning control (ILC), as a branch of data-driven control, has obtained plentiful achievements both in theoretical research and practical application over the past two decades. Taking the traffic signal control system as a plant system, the paper introduces the idea of the ILC and fuzzy logic to design an adaptive data-driven traffic signal controller to improve the capacity of the intersection. The key rule of the signal control logic is described by fuzzy iterative theory, and the control strategy can adapt itself to the changing of traffic flow by iterative learning and handle the uncertainty and randomness in traffic system by fuzzy logic, so as to avoid the modeling of complex transport system and take advantages of data-driven on non-model control. Finally, the proposed method is testified to be applicable and effective based on the simulation results by VISSIM. The simulation result indicates that the effect of the proposed method is more effective than the fixed and actuated control approaches.     

交通拥挤状态模糊识别方法的设计与应用

交通状态是交通控制、交通诱导等管理措施的基础．在分析交通流运行特性的基础上,提出了交通流状态的拥挤和消散变化过程,并得出交通量和占有率对交通状态变化的敏感特性．建立了以交通量和占有率为输入量的交通状态模糊识别方法,并利用某路段环形线圈检测器的实测数据进行了仿真实验,实验的识别结果与实际交通状态相当吻合,可见该方法具有良好的实用性．     

考虑拥挤交通流再分配的单点自组织信号控制方法

为解决目前拥挤交通流无法得到有效疏散的问题,研究一种考虑局部拥挤条件下交通流再分配的自组织信号控制方法。提出该方法的基本原理,拥挤交通流的再分配原则,关键相位的确定方法,并结合模糊理论研究绿灯相位的切换条件,最后以单交叉口为例,借助VISSIM软件进行仿真验证。结果表明,该方法有较好的控制效果。     

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.     

交通路口可变相位信号控制

利用集合理论的一些相关知识，研究了孤立交通路口的信号控制，提出了孤立交通路口可变相位信号控制的方法。与传统交通路口模糊信号控制的方法相比，可变相位信号控制的相位顺序、相位时间以及相位组合更加灵活，更适应交通路口实时变化的交通状况，同时可变相位信号控削能够适应不同形状交通路口的信号控制。用TslS仿真软件仿真结果表明可变相位信号控制的效果要优于传统模糊控制，是进行路口信号控制的一种实用和有效的算法。     

基于多智能体的城市交通区域协调控制方法

在分析城市道路交通信号控制特点的基础上,提出了基于多智能体的城市道路区域协调控制方法.在单路口Agent中引入加强学习方法,实现交通信号实时在线调整;在由多交叉口构成的区域路网中,以车辆平均延误为目标,通过多路口Agent之间的协调机制,实现城市交通区域信号控制的智能协调和全局优化,提高整个区域交通的效率,减少车辆的延误.通过仿真实验,与定时控制和感应控制相比,该方法使车辆的平均延误明显减小.