基于强化学习的干线信号混合协同优化方法

交通拥堵已成为很多大中城市普遍存在的社会问题。信号控制作为缓堵保畅的重要措施之一，愈发受到社会关注。信号优化手段可分为模型驱动和数据驱动两类，且随着交通大数据的不断充实，基于强化学习的数据驱动方法日益成为新兴发展方向。然而，现有数据驱动类研究主要偏重于决策模型设计，缺乏对智能体结构的探讨；同时，在多路口协同方面多采用分布式策略， 忽略了智能体之间信息交互，无法保障区域层面的整体最优性。为此，本文以干线信号为对象， 构建一种多智能体混合式协同决策的信号优化方法。首先，针对交通状态的多样性、异构性及数据不均衡性，设计分布训练-分区记忆的单智能体决策模型，并优化状态空间和回报函数，界定单路口控制的最佳方案；其次，融合分布式和集中式学习的模型优势设计多智能体交互方法，在单路口分布式控制的基础上，设置中心智能体评价局部智能体的决策行为并反馈附加回报以调整局部智能体的决策模型，实现干线多信号的协同运行。最后，搭建仿真平台完成效果测试与算法对比。结果表明：新方法与独立优化和分布式协同相比，在支路交通流基本不受影响的前提下， 干线停车次数分别降低了14.8%和13.6%，具有更好的控制效果。     

直线型公交停靠站通行能力计算方法

为了提高公交停靠站通行能力计算方法的精确性,针对目前城市的公交运行现状,使用时空分布图分析了公交车在直线式停靠站的服务过程,在此基础上,综合考虑停靠站排队概率和停靠时间分布,推导了公交停靠站通行能力计算模型.对杭州市公交车停靠时间的分布函数进行了拟合,对数正态分布的拟合程度最优, 2个交通时段的K-S检验值分别为0.083 9和0.050 6.用MATLAB编程得到不同分布参数下的通行能力结果表明:随着停靠时间对数平均值μ的增加,不同泊位数停靠站的通行能力减少了44.4%~47.3%;通过VISSIM仿真得到了停靠站的通行能力,模型计算值与仿真结果的平均误差为6.5%.      

主支路交叉口设置信号的临界流量

为寻求主支路交叉口设置信号的临界流量依据,以可插车间隙理论和排队论为基础,用概率分析法证明了将多股主路车流看作一股车流的可行性,建立了主支路交叉口的平均延误模型.从交通效率的角度出发,对比交叉口信号设置前后的平均延误时间,针对常见的3种无信号交叉方式,得到了不同临界间隙下设置信号的临界流量曲线,为主支路交叉口的信号设置提供了理论依据.     

施工区混行车流跟驰及换道模型研究

为研究施工区网联车与普通车混行状态下的车流跟驰及换道行为,分析网联车的区域内通讯及更小安全车距等特性,改进普通车元胞自动机模型的减速规则和随机慢化规则,构建网联车跟驰模型。建立普通车和网联车在施工区不同区段的换道意向规则,基于车距采集和空位排序算法建立网联车在通讯区域的预期换道和施工区域的强制换道模型,结合普通车换道模型模拟施工区混行车辆的换道规则及车流分布规律。采用算例验证模型,运用MATLAB仿真,多次实验消除随机因素影响,结果验证了网联车对扩大通行能力,提高平均车速及降低走行时间的有效性;不同比例下的换道点分布显示,网联车比例越高,预期换道区的换道点越靠近强制换道区,且强制换道点越靠前;而普通车换道点分布受混行车流比例的影响较小。     

基于Logistic曲线的交通流速度-密度关系建模

为了解析交通流速度与密度关系,推导出了一组交通流参数物理意义明确且符合交通流特性的通用Logistic模型.从Logistic模型本质出发,讨论速度变化率的表达形式,结合交通流实际情况修正速度变化率并引入速度上确界概念,建立了一系列Logistic模型;通过改变取值,给出了模型参数变化对Logistic速度-密度曲线的影响,并细致讨论了参数的物理意义及获取方法;最后分别采集区段和断面的全交通状态数据进行模型验证.结果表明:模型3对2组数据的拟合优度分别为0.931 3和0.970 4,该模型能够很好地描述不同状态下的交通流特性.     

基于APTS大数据的城市公交出行多维分析模型和方法

智能公交系统(Advanced Public Transportation Systems,APTS)数据具有海量、类型多样等大数据的典型特征,对其进行分析和挖掘可能获得丰富的公交出行特征和规律.构建基于APTS大数据的公交出行多维分析框架,在计算乘客出行时空信息(上车、下车和换乘)的基础上,建立包含4个维度(乘客、时间、空间和行为)的公交出行数据模型,系统提出基于5种联机分析处理方法的公交出行分析内容.应用APTS大数据对模型和方法进行了实验和验证,研究结果表明,该方法能够便捷地分析不同维度、不同粒度的公交出行信息,不仅能够应用于公交乘客出行行为的研究,还能够为城市公交系统的规划和管理提供决策支持.