突发灾害下交通控制与VMS协同技术

估计了可变信息板(VMS)的影响范围,构建了交通控制与VMS的协同一体化模型。通过VMS影响驾驶人的出行路径选择行为,引导路网交通流向最优交通流分布模式发展。通过交通控制调整交叉口信号参数,实现路网交通流的截流与分流,最终形成路网交通流最优交通分布模式。采用Frank-Wolfe均衡分配和遗传算法相结合对模型进行优化求解,利用Paramics API开发模型和算法。以Paramics软件为仿真平台,以山东省淄博市淄博新区为模拟路网,在路网突发灾害下对模型和算法进行了验证。验证结果表明:路网饱和度越大,构建的模型相对于Synchro模型,提高路网交通流运行性能指标的效果越明显,促进路网交通流稳定性的能力越强,越能均衡分配路网负载。当受灾交通流疏散完成80%,路网连线饱和度分别为不大于0.8,大于0.8且不大于1.0,大于1.0时,相比Synchro模型,构建模型的受灾交通流疏散时间分别减少11.55、21.84、25.64min,疏散速度分别提高25.98%、31.83%、20.16%。     

信号周期时长优化方法研究

分析传统交通信号控制系统中周期时长优化存在的问题,为适应混合交通自适应控制系统进行区域或干线战略控制和战术控制的需要,构建了基于双层规划的信号周期时长优化模型,借助分层迭代的思想,通过改进粒子群优化算法求解双层规划模型。利用Vissim仿真长春某一实验路网的不同交通状态,对模型和算法的有效性进行对比验证。     

基于投影寻踪动态聚类的快速路交通状态判别

为了提高快速路交通运行状态的判别精度,利用地点交通参数与交通状态之间的映射关系,提出了基于投影寻踪动态聚类模型的快速路交通状态判别方法.该方法综合投影寻踪技术和动态聚类方法构造投影指标函数,采用混合蛙跳算法优化投影指标函数的投影方向获得最佳投影方向,并利用仿真数据标定了交通状态判别阈值.结合仿真数据和实测数据进行了实验验证和对比分析.实验结果表明,投影寻踪动态聚类模型能够有效提高快速路交通状态判别精度,平均判别率为97.01%,平均误判率为0.86%,平均判别精度分别比BP神经网络模型和模糊C均值聚类模型方法提高了8.9%和4.5%.