基于运行参数-几何参数关系的信号控制方法——以K型交叉口为例

受城市发展历史原因影响,畸形交叉口在中国城市老城区的分布较为普遍,其中包括K型交叉口。为了提升城市道路通行效率及安全水平,结合哈尔滨市5处典型K型交叉口调查数据,在分析其几何参数及交通流运行参数的基础上,构建K型交叉口运行参数-几何参数关系模型。通过交叉口的交通流线分析、交通冲突点计算、交通冲突强弱界定等步骤,提出一种旨在提高K型交叉口通行效率的信号控制方法。最后,以某典型K型交叉口为案例,对实施前后的交叉口交通流运行状态进行仿真与对比分析。结果表明,基于运行参数-几何参数关系的K型交叉口信号控制方法,可以减少车流在路网上的绕行时间,有效提升交叉口及其周边道路网的通行效率。     

如何提高城市公交分担率?

提高公共交通分担率,使公交车成为市民首选的交通工具,需要从政策、时间、费用、舒适程度等方面加以优化,要求城市规划、建设和管理都在"公交优先"思想下统一起来,作为一项社会系统工程共同实施。     

交叉口协调感应信号控制

介绍了传统的感应控制方法,着重对协调感应信号控制的基本原理,控制过程等进行了分析,并提出了解决问题的方法。分析了定时信号控制和感应信号控制的优缺点,对感应信号控制的进一步研究提出了几点看法。     

公路平面信号交叉口左转车道长度设计

平面交叉口作为道路系统的一个重要组成部分,其服务水平的好坏对整个道路系统的安全和效率有着重要的影响。因为来自不同方向的车流在此处合流、分流和交叉,其中频繁的左转车辆阻碍直行车流的行驶,降低了交叉口的通行能力,增加了交叉口的延误,并增大交通事故率。如果合理设置左转车道能够有效地将左转车辆从直行车流中分离出来,减小车流速度方差,并降低追尾事故的发生;而左转车道,长度的设计是设置左转车道的关键元素,本文主要是针对信号交叉口选取适当的设计指标建立模型,并通过TSIS软件进行仿真分析,得出专用左转相位下的左转车道排队长度,进而计算出左转车道的设计长度。     

基于城市道路功能划分的交叉口指路标志信息分级体系

在了解了国内各大城市交叉口指路标志信息选用情况的基础上，分析其各自优点与缺点，提出基于城市道路功能划分的交叉口指路标志信息分级体系，并结合实例说明了该体制的优点。     

平面交叉口交通设计自动化研究

现行平面交叉口交通设计主要依赖个人经验和主观决策,使得最终设计方案的生成效率很低.文中以平面交叉口交通设计为突破口,探讨自动化设计理论和方法,分析了如何在设计过程中进行设计语言的转换和如何进行设计步骤的耦合性分析及解耦,并通过相应软件的开发,验证了平面交叉口自动化设计的可实现性.     

城市高架路下匝道衔接道路通行能力研究

在分析道路衔接的构造特性及交通流特性基础上,采用回归分析技术及可接受间隙理论,综合考虑车辆驶离匝道后汇入地面道路、完成交织运行、顺利进入交叉口的运行过程,从系统的角度构建下匝道衔接道路的通行能力模型.结合实际调查数据,通过与Vissim仿真值进行比较,对模型的正确性进行了验证,结果表明模型是有效的.     

基于Q学习的Agent在单路口交通控制中的应用

将Agent技术与Q学习算法相结合,应用到城市交通控制领域中,对单交叉口的交通流进行了控制研究,介绍了路口Agent的结构模型以及基于Q学习算法的学习机制的实现,提出了一种适用于交通控制的奖惩函数。即当红灯相位的饱和度大于绿灯相位的饱和度时,红灯相位的相对警界度在奖惩函数中占主导地位,此时大部分情况下会对Agent进行惩罚;在以后的决策过程中面对类似的交通状态Agent所选择的控制行为更倾向于将通行权切换给下一个相位,反之,Agent所选择的行为倾向于保持当前相位的通行权到下一决策时刻。并通过微观交通仿真软件Paramics对控制算法进行仿真研究,仿真结果表明该方法的控制效果优于定时控制,同时验证了奖惩函数的有效性。     

基于Q-learning和BP神经元网络的交叉口信号灯控制

解决单交叉口信号灯最优控制问题。提出了基于强化学习的信号灯控制系统结构,应用强化学习中Q学习,将信号灯最优控制问题转变成是否切换运行相位的决策问题,提出了采用BP神经元网络实现Q学习的信号灯控制系统。应用微观交通仿真软件PARAMICS进行仿真分析,结果表明该系统能够感知交通流变化,并能够自适应地调整信号灯切换策略,以达到最优的控制效果,该方法是可行的,与定时控制相比具有明显的优势。     

基于浑沌神经网络的动态交通量预测方法研究

介绍了目前国内外道路交通量预测的方法、特点及实际的预测效果.由于城市道路交通的复杂性,使得一些现有交通量预测方法的预测精度不高.针对这些问题,应用混沌神经网络,建立了城市道路交叉口出口交通量的浑沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果.