基于多目标粒子群算法的智慧城市信号灯配时优化控制

为了顺应智慧城市建设需求，缓解城市道路的拥堵，提高车辆在城市路口的通行效率，本文基于多目标粒子群算法，以车辆实时延迟时间最小、城市路口通行能力最大为优化目标，建立智慧城市路口的多目标优化模型。通过优化计算得到Pareto最优解集，以多属性决策算法得到最优配时方案，并通过更新信号灯参数，实现了信号灯的动态优化。通过SUMO交通仿真平台搭建了城市路口仿真模型，结合粒子群算法进行仿真验证。仿真结果表明，经粒子群算法优化的城市路口配时，路口的通行性能显著提升，平均通行能力提升约3.69%，平均车辆延迟时间降低约21.35%。     

基于路网的城域多路口交通模糊控制

根据路网抽象出道路连接特点，考虑每个路口及其相邻路口的车流情况，提出一种多路口的模糊控制方案。该方案利用模糊规划库实时地控制要的绿信比，协调和平衡各路口之间的车流，仿真结果表明，采用此方案可达到减少全局等候车辆总数的目标。     

两相邻路口信号的分层递阶模糊控制

先对两相邻路口建立了几何模型，然后设计了两相邻路口的分层递阶结构，并对该结构进行简化，在此基础上提出了两相邻路口分层递阶的模糊控制方式，最后用仿真软件验证了该算法的可行性。     

基于城市路口相关性的交通流量预测

利用主成分分析方法对路网中各路口的交通流量进行了相关性分析，构建了相关路口集，提出了根据相关路口集的交通流量预测本路口流量的思想．给出了用于预测的神经网络模型、具体算法和评价标准。在比较精确的训练样本基础上对网络进行了训练，测试了训练后的网络性能。实验表明，采用基于城市路口相关性进行交通流量预测具有满意的准确性和较好的鲁棒性。     

实时自适应交通信号控制CPN建模分析

以单路口交通控制为研究时象,指出了传统单路口控制策略中存在的一些缺陷,提出一种优化的交通信号控制策略:实时自适应控制。按照该策略,采用非固定相序控制方案,并提出了相应相位持续时间的具体算法。然后,建立了实时自适应策略的着色Petri网(CPN)模型,对CPN模型进行静态结构分析和动态仿真分析,检验并确认所提出的策略和算法的可行性;最后,通过建立交通信号控制的评价指标来对该策略进行评价。仿真结果表明,与固定相序、固定相位持续时间的策略相比,该实时自适应控制策略对单一十字路口实现了更为有效和优化的控制。     

基于有序样本聚类的交叉口交通信号控制算法研究

针对现有多时段TOD算法和感应控制算法存在的弊端，从实用角度出发，提出一种将基于有序样本聚类的多时段TOD算法和感应控制算法相结合的交叉口交通信号控制算法。它把路口流量与路口饱和流量的比值Y作为选择感应控制算法和多时段TOD算法的评价参数，当Y大于80％时，采用基于有序样本聚类的多时段TOD算法，当Y小于80％时，采用感应控制算法。本文采用Corsim5.0分别对四相位、三相位、两相位的路口进行仿真，结果表明本文所提算法在充分利用现有资源的前提下，不仅改进了现有控制算法的控制效果，而且计算简单，可以满足实时控制的需要。     

拓扑地图的路口局部路径生成策略

交叉路口是自动驾驶开发过程中面临的复杂交通场景,采用高精度地图方案成本高昂,而仅通过车载传感器难以有效识别路口形状,因此,提出了一种基于开源拓扑地图与视觉可行驶区域检测技术的路口局部路径规划算法。首先,基于开源拓扑地图采用A*算法规划全局导航路径作为引导线,然后通过语义分割技术识别当前可行驶区域,并结合车辆实时定位信息,在路口确定局部路径的起点、终点与一组备选控制点,最后采用贝塞尔曲线插值方法,得到备选路径的曲线簇,根据多维度加权代价函数结果选取最优局部路径,进而实现车辆在路口转弯过程的自动驾驶。实验结果表明,该策略能够在不依赖高精地图的情况下,在路口处有效规划出局部路径,提高自动驾驶车辆在路口处的通过能力,路口通过率可达99%。该策略不依赖高精地图和激光雷达,对于自动驾驶量产降本具有重大意义。     

城市道路区域交通信号控制系统的设计与实现

设计的城市道路区域交通信号控制系统采用P89LPC952单片机作为各路口控制器,通过RS-485总线与上位机进行通信,I2C总线接收由车辆检测装置检测到的实时车流量信号.上位机根据实时车流量信号进行分析计算,得到优化的信号配时方案,传送给各路口控制器,控制各路口交通信号灯的变化,实现各路口通行、禁行时间的倒计时显示.各路口控制器可工作在单机控制和通信控制2种模式下,既可根据上位机指令进行路口控制,又可独立控制路口,实现区域内多路口的交通信号控制.     

在地理信息系统中建立路口仿真模型

平面交叉路口交通仿真是研究路口交通的有效手段。仿真系统中的道路模型是静态模型，是整个仿真运行的容器和载体。利用开放性地理信息系统平台信息存储、图形操作、开发接口等功能，建立有效的道路模型，为仿真系统中其它仿真模型提供空间参照、几何模型和逻辑模型，为各类交通行为数学模型提供存储空间和作用空间，为各种程序算法提供调度接口，实现高效的路口交通仿真研究。     

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.