面向长匝道的高速公路人口控制模型

在高速公路人口处,控制点通常与道路主线通过长匝道相连,导致控制距离较长,在传统匝道控制器的作用下,过长的控制距离容易使主线车流产生振荡.而此情况类似于电子放大系统中的自激振荡,因此引入电子技术中的频率补偿思想,构造一种新的人口匝道控制器以解决该问题.基于频率补偿的控制器,考虑到了在饱和阶段所产生的振荡信号,人为地对反馈控制信号引入一定的相位移用于破坏振荡产生的条件,可有效地抑制主线交通流发生波动.而对于在进行频率补偿的过程中所产生的过度补偿现象,新的算法加入了补偿因子来消除过度补偿而产生的振荡.仿真试验表明,新的控制器能够快速地将交通流调整到期望状态,可以适应匝道控制点与下游检测点位置的任意变化,相对于传统控制器,主线交通流的振荡现象得到明显消除.      

基于分布式强化学习的高速公路控制模型

针对公路交通流非线性、不确定性和模糊性特点,提出了面向控制的交通网络宏观动态离散模型,并且引入分布式强化学习来解决交通网络的控制与诱导问题。以传统网络交通流模型Metanet为基础,对其作了改进,引入起讫点的因素到模型中,提出基于OD的网络交通流动态模型Metanet-OD。根据交通网络的特点,将分布式强化学习DRL引入到交通网络中,进行匝道控制和可变显示牌的诱导控制,设定了强化学习的动作空间,并给出了DRL算法。在仿真试验中对控制效果进行了验证。     

基于模糊逻辑的高速公路入口匝道控制方法

为提高高速公路入口匝道的控制能力,以达到增进车流平稳性的目的,对传统闭环控制器ALINEA进行了扩展,并结合模糊逻辑理论,给出一种新的入口匝道控制器。该模糊控制器加入了流量变化的因素,以交通流量为控制目标,实际流量与设定期望值的偏差及流量变化量作为输入,根据所设定的模糊规则给出匝道控制率的调节量。最后通过实例对控制器进行了评价。仿真试验表明:该模糊控制器能够快速地将交通流调整到期望状态,可以适应主干道交通流以及匝道需求的大幅变化,有效抑制波动的产生;同传统的ALINEA策略相比,模糊匝道控制器具有更加稳定的控制效果。     

基于Logit模型的动态交通分配研究

提出了一种基于Logit方法的交通分配模型，该模型是动态出发时间选择和随机用户平衡的联合模型（DDSUE）。作为一种基于全路径的交通分配模型，在路径选择上，使用了Logit模型求出每条路径的选择概率；在出发时间选择上，采用路径通行能力和路径选择概率来联合确定交通出发量，然后利用总交通出发量和路径选择概率求出每条路径上的驶入量。最后以一个实际算例，并通过改变参数对结果进行了分析。