基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.     

基于信号优先和滞站调度的BRT组合控制策略

合理的实时调度和信号优先控制是保障快速公交系统（Bus Rapid Transit）服务质量的关键. 交叉口信号优先控制策略同样需要考虑到BRT车辆起停、公共交通乘客延误、社会车辆延误等相关因素. 本文以北京快速公交一号线为研究对象,在建立交叉口整体延误损失函数的基础上,研究并提出了一种适用于快速公交系统的组合控制策略. 该策略将交叉口优先控制方法（绿灯提前启亮、绿灯相位延长）和站台控制方法（滞站调度）进行组合优化,在使快速公交系统享有优先权的同时,降低其对冲突相位车流的影响,减少延误损耗,同时降低了乘客上下车时间等不确定性因素对系统产生的影响. 本文最后针对不同路口交通状态下的优化组合控制策略进行了仿真验证.     

环形快速路交通流的改进元胞传输模型建立与仿真

交通流模型一直是交通系统中最基本的研究内容.适当的交通流模型可用于路网交通流预测和信号控制.以北京环形快速路为背景,采用改进的元胞传输模型(modified cell transmission model,MCTM)进行建模.在MCTM模型中,放宽了原始CTM模型均等划分元胞的限制,并采用密度代替车辆数表示元胞状态,对不同元胞连接方式(简单连接、融合、分离)建立了元胞交通流传输关系.与广泛应用的微观仿真软件Paramics进行了仿真对比分析.结果表明,与原始CTM相比MCTM虽然大大减少了计算复杂性,但仍然可以准确地描述环形快速路交通流动态特性,从而为进一步的交通流预测和匝道控制提供模型基础.      

1种基于车辆时空图的车辆异常行为检测方法

对快速路车辆异常行为的检测有助于防止或及时处理交通事故,缓解交通拥堵,保障出行的安全和效率。采用多高斯背景模型提取前景运动车辆及其中心点并利用Kalman滤波算法跟踪运动车辆。在此基础上,得到各个车道上车辆的行驶时空图,通过车辆时空图对车辆行为进行轨迹分析,根据时间序列上车辆位置的变化检测车辆逆行,通过车间距和车辆位置状态信息检测车辆碰撞。实验表明,该方法能较好地识别出车辆异常行为。     

短时交通流量两种预测方法的研究

实时、准确的完成短时交通流量预测是实现交通控制与诱导的关键。采用基于L-M算法的BP神经网络预测方法和基于混沌时间序列的预测方法对短时交通流量时间序列进行了预测研究,给出两种方法的基本原理及具体的预测步骤,并对一组实际的流量数据进行了预测。仿真结果表明:两种方法都能较准确的预测交通流量,但混沌时间序列方法的实时性更好一些,更适合于预测短时交通流量。     

基于分布式Q学习的区域交通协调控制的研究

介绍了强化学习和分布式Q学习的基本思想,并将分布式Q学习应用到区域交通协调控制中,通过对其进行研究和分析,提出一种适合于区域交通协调控制的奖惩函数和权值函数.在微观交通仿真软件Paramics上对控制算法进行仿真实验,实验结果说明基于分布式Q学习的区域交通协调控制算法的效果优于传统的定时控制,从而也验证了奖惩函数以及权值函数的有效性.     

���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。     

基于卡尔曼滤波的城市快速路交通密度估计与拥堵识别

针对城市快速路网中只有部分路段检测器可用的情况,为准确地估计交通密度并基于此快速识别路网所有路段的交通拥堵情况,研究了基于宏观交通流模型的卡尔曼滤波器设计方法.结合动态图混杂自动机(DGHA)与元胞传输模型(CTM)对快速路网建模,在此基础上推导出分段仿射线性系统(PWALS)模型.基于所得到的模型设计出切换型卡尔曼滤波器进行交通密度估计,并通过将路段密度估计值与临界拥堵密度进行对比来对快速路网的拥堵进行识别.以京通快速路为例进行实验,结果表明,真实值与估计值的平均绝对误差为MAE=0.625 988,显示了所提方法的有效性.      

交叉口交通流仿真研究

针对交通网络中的交叉口车流具有连续时间特性,动态信号灯的切换具有离散事件特性的情况,以4相位单交叉口为对象,建立了1个4相位交叉口的混杂自动机模型,该模型中以车辆排队长度为连续状态变量描述连续车流动态,以信号灯状态为离散状态变量描述离散信号灯动态。在该模型的基础上分析了交叉口各个方向的输入、输出车流动态,采用CheckMate3．6工具箱进行仿真。仿真结果表明该模型不仅能够刻画交叉口车流的动态混杂特性,而且能够验证信号灯配时方案对车流疏导是否有效,从而为信号灯配时设计提供1种检验方法。     

基于状态观测器的城市快速路交通事故识别

针对城市快速路网中交通事故频发的现象,为及时准确地对事故进行识别,提出一种基于宏观交通流模型的状态观测器估计算法.根据利用交通仿真软件Paramics的实验数据,并结合元胞传输模型(CTM)理论分析事故发生前后,事故路段及其上下游路段的交通流密度分布特征.同时基于路网的交通流模型构建了城市快速路事故的状态观测器估计模型,模型通过估计密度的变化规律,并结合交通状态分布特征来对事故进行识别.以京通快速路为例,通过对观测器估计误差进行计算,得出了实验路段平均百分比误差(MPE)的均值为11.56%,模型估计精度为88.44%.该方法能较为准确的对事故进行识别,为快速路中的交通事故识别提供有效的参考.