����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。     

变化光照条件下的交通标志快速鲁棒检测

变化光照条件下交通标志检测算法的准确率往往会显著降低。针对此问题,提出了1种新颖的概率图建立方法,并结合最大稳定极值区域特征进行交通标志检测。该方法包括3个处理步骤:①根据不同光照条件对真实场景交通标志样本图像进行明确分类以构建多类颜色直方图,将交通标志输入图像由原始色彩表达转变为概率图(直方图反投影);②通过在概率图上进行 MSER特征提取,获取候选的交通标志区域;③根据候选区域的面积、宽高比等特征快速有效去除非交通标志区域。实验结果表明在弱光照和强光照条件下基于归一化RGB的交通标志检测算法检测准确率分别下降到84.4%和83.0%,基于红蓝图的交通标志检测算法检测准确率分别下降到87.4%和86.3%,提出的算法在变化光照条件下依然可以保持90%以上的检测准确率,对光照变化有较好的鲁棒性。      

基于混杂模糊切换的快速路区域协调控制研究

基于对城市快速路出入口匝道及辅路交叉口的交通流特性分析,利用混杂自动机原理建立了交叉口混杂切换系统模型,并结合出入口匝道的交通流密度来协调交叉口的信号控制.提出了应用模糊逻辑的方法来优化交叉口的相位切换顺序,并用Paramics微观交通仿真软件进行了仿真.结果表明该算法能一定程度上提高车辆的平均速度,是解决城市交通区域拥挤的一种有效方法.     

���⽻ͨӵ���ij��н�ͨ�źſ��Ʒ�������

通过对城市交通路网的交通信号控制方法的综述,为管理人员决策、科研和工程技术人员的研究开发提供有价值的参考依据。中国城市交通系统独具特色,交通路网包括街区路网,又包括快速路、并通过出入口匝道与街区路网耦合在一起,路网上的交通流包括机动车、自行车和行人的混合交通流。因此,城市交通控制系统是一个复杂的非线性大系统,为交通信号控制方法提出了很多新的问题和挑战。本文详细分析了街区路网、快速路网交通信号控制方法的研究进展,以及突发性交通拥挤的管理方面的现状和发展趋势。     

基于预测控制的PHEV能源管理策略

提出一种基于预测控制的PHEV在线能源管理策略。它利用BP神经网络构建旅途预测模型,并采用遗传-粒子群混合优化算法提升预测模型的车速预测精度;在此基础上,为保证预测模型对工况的适应性和策略的实时性,设计了基于动态规划的预测控制策略;最后以实际工况数据对提出的策略进行了仿真验证。结果表明,设计的旅途预测模型可有效地进行车速预测,预测精度超过93%;同时,与现有的实时策略和全局优化策略相比,采用提出的策略时油耗、排放和实时性得到了改善。     

两相邻路口的混杂自动机模型与信号协调控制

根据相邻路口间相互关系,利用混杂自动机模型确定路口信号周期单元,利用道路车流运动模型确定2个相邻交通路口的信号延时参数,并提出了一种信号灯优化策略来协调控制方案。在此条件下,寻找相邻交叉路口信号灯在动态交通条件下的最佳轮转次序和最佳绿信比。仿真结果表明,此方法可以有效地协调两相邻路口的红绿灯信号,在一定程度上改善了路段的交通状况。     

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Agent控制器的单路口信号灯学习控制方法研究

将强化学习中的Q学习算法与Agent技术相结合,构成Agent控制器对单路口的信号灯进行控制.介绍了将经验知识与Q学习算法相结合实现的Agent学习机制,提出了一种适合交通环境的强化函数,以解决单路口的动态实时控制.经仿真软件Paramics对实际路口进行仿真实验,验证了该方法具有较好的控制效果.     

基于PLC的交通控制实验平台的设计

章主要介绍采用PC机与PLC设计的可对单交叉路口信号灯实现多种控制算法的交通控制实验平台。重点介绍了基于PLC的单交叉路口信号灯的8相位定时控制、次干道半感应控制程序的设计，以及上位机与PLC的通信功能的实现，并简要介绍了监控界面的设计。     

基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.