基于时延特性建模的多断面短时交通流预测

针对现有交通流预测方法未充分考虑多断面车流演变规律，提出基于时延特性建模的时空相关性计算方法. 该方法采用对不同断面、不同时刻交通流的分布相似性度量，对输入的车辆到达数据序列进行切割构建时空相似度矩阵，得到相邻断面之间的时延参数. 基于时延特性建模，将多断面之间的流量信息进行融合，使用长短时记忆(LSTM)网络进行流量预测. 通过对实际路段数据的预测和结果分析，验证所提方法的有效性和实用性.     

基于相序变化的单交叉口信号方案过渡优化算法

对于单点交叉口提出了基于相序变化的单点过渡优化算法.首先,建立相序冲突判定模型,判断新旧相位方案相序间的冲突关系,讨论过渡起始时刻的位置;进而,以交叉口排队长度均衡为理念,建立目标函数与排队模型;最后,提出不同相序冲突状况下的过渡周期计算模型,使过渡方案能满足实际交叉口需求,增强整体信号控制效果.仿真对比分析显示,本文算法与经Immediate法、Two-cycle算法相比,交叉口车均延误与平均排队长度均明显降低,有利于过渡周期控制效果与快速性的改善.     

基于分级多目标决策的干线公交速度引导模型

为解决干线公交速度引导存在多要素关联约束强，全局效果差的问题，本文提出基于分级多目标决策的干线公交速度引导模型。基于公交线路运行特性的全局优化指标优势分析，设计以公交线路综合准点率为主，交叉口停车次数和分段引导速度均衡为辅的线路全局优化目标体系，并考虑多目标间的关联约束和优先控制差异，构建基于拉格朗日乘子法和遗传算法分层组合的干线公交速度引导分级多目标递阶决策模型；最后，通过实际场景测试，验证模型的有效性。测试结果表明：模型能够克服非全局指标优化的局部最优问题，将全线路各班次综合准点率和交叉口停车次数由非全局指标的69.67%和2.37次 ⋅ 班-1 提升到90.53%和1.23次 ⋅ 班-1；并且综合准点率比全局多目标加权方法提升8.65%，能够较好保障综合准点率目标的优先性，有效提升干线公交的通行效率和服务可靠性。     

基于深度强化学习的综合干线协调控制方法

针对社会车辆和专用道公交干线运行特性差异大、协调控制效果差的问题，提出一种集成社会车辆干线协调控制和公交干线优先控制的综合干线协调控制方法。首先，基于两者路段行程时间的分布差异，结合公交车辆上下游路口不停车通行概率分析，确定干线协调的关联交通状态和对应信号调整策略；然后，结合信号调整策略对车辆延误损失和公交优先收益的量化分析确定奖惩机制；最后，提出一种深度强化学习框架用于最佳信号调整策略的实时求解。仿真实验分析发现：本文方法在人均延误上比社会车辆干线协调、公交干线协调控制分别提升 38.63%和 27.43%，在公交停车次数上比社会车辆干线协调提升52.17%，证明该方法能够有效提高公交车辆和社会车辆的通行效率。     

潮汐车道清空与下游路口信号协同控制方法研究

潮汐车道快速清空成为提高潮汐车道控制效率的关键环节之一.本文基于集散波理论对直行绿灯汇入及左转绿灯汇入流量差异状态下的车辆运行状态进行分析,构建车道指示灯切换时刻、下游路口信号控制和相应车道清空时间之间的关系模型,在此基础上设计车道清空时间与下游路口车均延误的组合优化模型.最后,利用遗传算法对目标函数进行最优求解,获取最优组合控制方案.经仿真验证发现,不同的车道指示灯变换时刻及下游信号优先策略,会提高车道的清空速率,但也会带来下游路口车均延误的增加,而通过组合优化模型的筛选可以寻找出平衡两者需求的最佳控制策略.