基于交通预测的多态交通流信号控制

为解决现有信号控制方法对多态交通流交叉口适应性不足的问题,通过在交叉口设置多功能进口车道和车辆检测器、车道控制器等硬件设施,进行了短时交通流预测基础上的多态交通流条件下交叉口信号配时优化研究。根据交通量预测数据,建立信号控制延误估计模型,以交叉口总延误最小为优化目标选取多功能车道流向,根据每相位最大排队长度逐步优化绿灯时长并实施信号控制。短时交通预测以小波分析为基础,采用RBF神经网络及Markov链分别预测交通流的稳态与随机部分。使用VISSIM软件对设置多功能车道的交叉口多态流信号控制方法进行了交通仿真。分析结果表明：该方法可有效降低行车延误,提高交叉口服务水平。     

采用遗传算法的交通信号模糊控制器优化设计

一般模糊控制器控制规则依赖于专家经验，量化因子固定，不能随交通流的变化而动态改变，针对这种情况，提出了基于遗传算法的模糊控制器的优化控制．对模糊控制器所作出的决策进行动态调整，文章介绍了控制过程、染色体的编码及遗传算子的实现方法。以车辆平均延误为目标函数，在模糊控制器作出判决的基础上，对控制规则的调整量进行全局寻优，加快了收敛速度。通过对某一4相位交叉口进行仿真的结果表明．控制效果有明显的改善。     

单交叉口交通信号控制优化研究

为了解决现有路网条件下交叉口通行效率低的问题,提出了一种改进型模糊控制方法,并且以平均延误作为单交叉口信号控制的最终评价参数。针对二维模糊控制器中模糊规则库依赖人工经验的问题,使用有较好寻优能力的最优-最差蚁群算法对模糊规则库进行优化调节,并使用VISSIM8.0进行建模,将仿真时间设置为600s,仿真证明,优化后的控制方法在平均延误上优于定时控制和模糊控制,能够有效提高路网的通行效率。     

孤立交叉口多相位自适应模糊控制及其神经网络实现

针对城市中心区交叉口交通流分布的特点,综合考虑本相位和相邻相位车道上的车辆排队长度(以下简称“队长”),应用模糊控制和神经网络具有的学习功能,提出了一种孤立交叉口多相位自适应模糊控制算法,该算法采用两个规则前件进行模糊推理,并给出了基于3层神经网络实现的模糊控制器的网络结构及其改进的BP网络训练算法和运行程序,结合已有类似研究成果进行了仿真比较研究,结果表明:该控制方法在信号周期自动调节和减少车辆延误方面都有明显改进,在实现城市交叉口智能控制中具有推广应用价值。     

不同交通流状况下的交叉口信号控制策略

从交叉口信号的传统控制与现代控制两个层面，对不同交通流状况下的交叉口控制策略选取问题进行了较为全面深入的分析研究，分别讨论了定时控制、感应控制、模糊控制与最优控制在交叉口信号控制中的适用条件，并着重阐述了饱和交通状况下路口信号的最优控制方法，从而有效地解决了使用模糊控制技术进行交叉口信号控制时存在的一些问题。研究结果表明，在饱和交通状况下单纯依靠通过车辆数与排队车辆数来实施模糊控制并非合理，此时需要进一步考虑车道饱和流量因素的影响。     

基于有序样本动态聚类的信号相位相序优化模型

为了合理地进行信号相位的设计，运用图论中的染色理论方法求解了信号相位数目的最优值，另外采用有序样本动态聚类的方法，研究建立信号相位相序的组合优化模型。通过南京市太平北路-珠江路交叉口作为研究实例，计算验证了文中的方法和模型，并就交通流与信号相住相序的关系进行了分析，为信号交叉口的信号设计，特别是信号相位相序优化研究提供了新思路和新方法。     

基于模糊逻辑的交通信号控制与仿真研究

提出了一种基于模糊逻辑的交叉口信号控制算法,并通过对相位顺序进行优化,获得了更好的控制效果。与传统的信号模糊控制算法相比,该算法具有相位组合灵活、延误时间小等优点,能够有效解决交通流不平衡的问题,更适应城市交叉口实时变化的交通状况。仿真研究表明:该控制算法能够大大减少车辆延误时间,是进行城市智能交通控制的一种实用且行之有效的方法。     

信号交叉口混合交通流控制仿真系统研究

运用交通流控制理论建立了信号交叉口混合交通流控制优化仿真模型,并利用VB搭建了交叉口内混合交通流控制仿真系统平台,选用VC 作为仿真二次开发工具,对微观仿真软件Vissim进行二次开发和参数校正;采用遗传-混沌混合优化方法,利用Matlab编程实现其优化计算.并以武汉市中山路-胭脂路的小东门交叉口为例,进行交叉口信号设计与仿真,实践证明所开发的微观仿真系统具有较强的实用性.     

单个交叉口模糊控制及Simulink仿真

以车辆排队长度为控制量,提出了一种交叉口模糊控制方法,并以四相位交叉口为例,建立了Simulink仿真模型,在不同交通流数据下将此模糊控制与现有的定时控制比较,对其控制效果进行仿真验证。仿真结果从车辆平均延误、信号周期和车辆的最大排队长度等方面,显示出了模糊控制的优越性。     

高速公路入口匝道模糊神经网络ACO控制

针对入口匝道控制中局部需求大于高速公路主线容量情况下Alinea控制算法不能有效反馈的问题,结合模糊控制和神经网络的优点,通过神经网络来训练模糊控制规则,提出蚁群算法优化的模糊神经网络控制器,并对控制器应用于入口匝道控制进行了详细设计。仿真结果表明,基于蚁群优化算法的模糊神经网络控制器学习次数远小于Alinea控制算法,且收敛速度快,运算效率高,控制品质好,能够更好地稳定主线交通流密度。     

基于遗传算法的交叉口信号控制可靠性优化模型研究

随着城市道路交通网络可靠性研究的深入,交叉口的可靠性问题开始凸显。交叉口可靠性主要取决与各进口流量的大小和交叉口控制方式。当前以平均延误为优化对象的控制方式实际上很难满足路口可靠性的要求。本文在定义了路口旅行时间可靠性的基础上,运用概率论基础知识,建立了路口可靠性优化控制模型,并且运用遗传算法对优化模型进行了求解。     

模糊逻辑推理在消除交通流诱导负效应中的应用

针对交通流诱导可能产生的负效应问题,提出了诱导负效应消除的原理和模糊逻辑推理方法。在原理设计中,考虑了出行者的出行行为对网络交通流分配的影响;在实现方法上,应用模糊推理技术对分流交通量进行了预测,并设计了路线交叉口信号灯配时方案调整的模糊控制算法,模拟结果验证了模糊逻辑推理技术的有效性。研究表明:交通流诱导负效应的产生主要是由于信息条件下的道路出行者路线选择行为的不确定性引起的,而且交通流诱导与控制同时进行是消除交通流诱导负效应产生的关键。     

基于移动控制代理技术的交叉口交通信号控制算法

基于移动控制代理技术和“当地简单,远程复杂”的控制思想,提出了一种新型的交叉口交通信号控制算法。采用移动控制代理软件把多种交叉口信号控制算法“打包”成可在计算机网络上分发的移动控制代理(Mobile Control Agent,MCA);由位于远程监控层的网络调度器,根据交叉口实时交通流状况向交叉口信号控制器派遣或召回相应的MCA,从而实现“按需控制”。这种做法可降低交叉口信号控制器所需的内存等计算资源,实现低成本自适应智能交通信号网络化控制。     

交叉口信号控制自组织算法

为提高信号交叉口的控制效率,运用模式识别基本理论,对交叉口交通流运行状态的基本特征进行了提取,构建了信号控制模式类型与模式空间;依据定时控制、感应控制和自适应控制延误模型,运用统计模式识别方法建立了交叉口信号控制的模式分类方法;在此基础上,应用自组织理论,建立了信号控制方式之间的转换算法(自组织算法)与协商机制;最后结合哈尔滨市智能交通系统应用示范工程调查数据进行仿真。研究结果表明:交叉口信号控制自组织算法较单一信号控制方式在提高信号控制效益方面具有明显优势。     

基于混杂模糊切换的快速路区域协调控制研究

基于对城市快速路出入口匝道及辅路交叉口的交通流特性分析,利用混杂自动机原理建立了交叉口混杂切换系统模型,并结合出入口匝道的交通流密度来协调交叉口的信号控制.提出了应用模糊逻辑的方法来优化交叉口的相位切换顺序,并用Paramics微观交通仿真软件进行了仿真.结果表明该算法能一定程度上提高车辆的平均速度,是解决城市交通区域拥挤的一种有效方法.     

错位交叉口信号控制优化研究

从错位交叉口自身特点及其对交通流的影响方面讨论了错位交叉口2个T形口距离与信号控制方式的关系,确定了控制方式选择的T形口距离阈值,并从信号控制相位优化和配时优化方面重点介绍了将错位交叉口作为一个大型交叉口进行综合控制的信号优化方法.     

一种基于模糊逻辑的多相位交叉口信号控制方法

提出了一种基于模糊逻辑的独立交叉口的信号控制方法。此方法计算简单,实现了周期、绿信比和相位顺序的实时改变,能有效地响应交通情况的随机性和不确定性。通过仿真对比,表明模糊控制优于现行的定时控制,提高了交叉口的通行能力。