基于动态规划的信号配时滚动优化算法

随着智能交通技术的发展,交通信息获取的时间颗粒度将越来越小,这为城市动态交通信号配时优化模型和方法提出了新的挑战。为解决经典信号相位控制优化(COP)算法中未考虑交叉口预测区间内交通流量动态变化对信号配时方案控制效果的影响。文中提出了基于动态规划的单交叉口信号配时滚动优化算法。首先,在分析交叉口信号配时关键问题的基础上,构建了以交叉口车辆平均延误和平均排队最小为优化目标,交叉口各相位绿灯时间长度为约束条件的信号配时非线性整数优化模型;并设计了动态规划算法求解该模型。其次,为反映交叉口车流在预测区间内动态变化的特性,在动态规划算法的基础上提出了滚动优化策略,根据实时更新的预测数据滚动优化信号配时方案,并将信号配时方案实时传输到交叉口信号控制器中。最后,通过实际调查数据构建微观仿真环境,采用VISSIM COM二次编程开发技术结合MATLAB编程软件实现了文中模型和算法,并对比分析文中算法和经典的COP算法。通过改变交叉口的输入流量,测试不同流量条件下控制算法的控制效果。结果表明,与经典的COP算法相比,文中算法不仅能够使车辆在交叉口的平均延误减少20%,而且能够保证交叉口各个相位的车辆平均延误的均衡。     

现代有轨电车条件下的交叉口信号控制方法

以交叉口交通效益最大化为目标,对现代有轨电车条件下的交叉口信号控制方法展开研究.改进了NSGA-II算法,提出了基于非支配排序的交叉口多目标优化算法,对单点交叉口多目标优化模型求解.在获取基础信号配时方案的基础上,根据车辆的实时参数,构建现代有轨电车主动信号优先控制方案评价指标体系,利用DEA-TOPSIS模型客观地从优先相位延误、非优先相位延误和电车偏移度等多个方面对各信号控制方法进行分析,实现最优信号控制.仿真实验表明:交叉口人均延误时间和平均停车次数为有效的控制目标;基于非支配排序的交叉口多目标优化算法与加权组合遗传算法相比,可综合优化多目标;与NSGA-II算法相比,可降低交叉口人均延误时间1.8 s,降低平均停车次数0.02;基于DEA-TOPSIS模型的有轨电车信号控制评价方法可以客观地综合多角度分析各信号控制方法的有效性和变化趋势,实现最优信号控制.      

基于条件判断的现代有轨电车信号优先控制

为提升现代有轨电车沿线交叉口的整体通行效率,建立一种基于条件判断的信号优先控制策略,综合协调有轨电车与社会车辆通行效益;阐述了基于时刻表和载客率的优先条件判断原则、基于有轨电车到达时刻相位条件的优先措施选择方法及考虑交叉口整体效益的非优先相位绿灯时间补偿措施;利用VISSIM软件及其感应控制模块VisVAP,以人均延误为评价指标,对该策略与常规信号控制策略进行对比测试,结果表明该控制策略能有效减少交叉口人均延误时间,其改善效果与有轨电车发车间隔及交叉口饱和度呈负相关性。     

一种基于petri网的信号交叉口控制方法

在分析现有信号交叉口控制算法的基础上,提出一种基于petri网的信号交叉口控制方法,此方法基于一典型信号交叉口的混合petri网模型,采用遗传算法,对信号配时进行优化。用M atlab对方法进行编程和仿真,得到最优配时方案,结果显示此算法可一定程度上减少交叉口延误,有较好的实际应用效果和通用性。     

交叉口移位左转设置方法研究及仿真分析

左转交通流在城市道路交叉口处产生的冲突点最多,合理组织左转交通流能够有效提高交叉口的通行效率.结合交叉口现实情况,提出移位左转放行方法,该方法将左转车道转移至对向车道,实现相对方向直行和左转车辆同时放行,消除交叉口左转产生的交通冲突、减少信号相位数、提高绿信比,从而提高直行车辆乃至整个交叉口的通行效率.针对此方法设计了移位左转交叉口的几何物理模型,进一步提出了一种联动控制算法来判定该方法的适用条件;阐述了该方式下慢行交通组织方法;并通过Vissim微观仿真对满足适用移位左转条件的实例交叉口进行了对比验证.仿真结果表明,设置移位左转后,该实例交叉口主信号总车均延误比现状交叉口主信号总车均延误减小了24.53s,交叉口通行效率得到提高.      

交叉口混合交通流高维多目标信号优化控制

为提高我国城市道路交叉口混合交通流智能信号控制的效率,提出一种基于高维多目标进化算法的交叉口混合交通流信号智能优化控制方法.首先,提出一种新的高维多目标进化算法GRMODE,设计了新的算法模型并改进了Pareto支配排序等多项关键技术;其次,设计了基于GRMODE算法的交叉口混合交通流高维多目标信号优化控制模型,提供5项控制目标最优的信号控制方案.在南京市交叉口信号控制中的仿真实验结果表明,基于GRMODE算法的控制模型能够使交叉口机动车平均延误、停车次数、通行能力、非机动车平均延误及行人等待时间等多项性能指标同时达到最优,提升交叉口智能信号控制效率.     

信号控制交叉口交通组织优化研究

为提高城市信号控制交叉口的运行效率和保障行车安全,针对城市信号控制交叉口冲突点的特性,提出了信号控制交叉口交通组织优化方法,建立了信号控制交叉口交通组织优化仿真模型。该模型以西安市西影路与雁翔路十字型交叉口为例,对该信号控制交叉口进行交通渠化、信号相位设计及信号配时优化,利用Vissim微观交通仿真软件对优化方案进行仿真,仿真结果表明,交叉口总延误减少了30.9%,东进口左转减少45%,西进口左转减少了22.5%,南进口总延误减少39.4%,北进口总延误减少62.6%。     

基于模糊控制的公交信号优先控制方法研究

面对城市公共交通优先发展中遇到的交叉口公交信号优先控制问题,以降低交叉口人均延误和公交车延误为目标,提出了基于3层模糊控制器的交叉口公交信号优先主动控制模型,通过改进针对车流交通需求强度、相位放行顺序、绿灯时间优化的3层模糊推理控制器,最终输出相位绿灯放行时间延长和相序提前2种控制策略.仿真算例分析表明,与普通固定配时控制相比,公交车平均延误和人均延误分别降低27%,14.2%;与公交信号优先感应控制相比,公交车平均延误和人均延误分别降低13.7%,21.7%,说明了所提方法的有效性.      

基于Agent的城市道路交通信号控制方法

将Agent技术与Q学习算法相结合,应用到交通信号控制系统中,提出基于Agent技术的城市道路交通信号控制方法,建立了基于Agent的单交叉口信号控制结构模型,并阐述了Q学习机制的实现方法.系统根据交叉口基本的路况信息,以及实时采集到的交通量,通过加强学习的奖惩机制来动态调整不同相位的通行权及信号配时时长.当奖惩值为加强时,保持该相位通行权,并适当延长绿灯时间;当为惩罚时,则相应缩短绿灯时间或将通行权切换到下一相位,实现自适应控制,减少路口排队车辆的平均延误.通过对一个四相位交叉口进行仿真研究,与定时控制相比,控制效果得到明显提高.     

孤立交叉口多相位自适应模糊控制及其神经网络实现

针对城市中心区交叉口交通流分布的特点,综合考虑本相位和相邻相位车道上的车辆排队长度(以下简称“队长”),应用模糊控制和神经网络具有的学习功能,提出了一种孤立交叉口多相位自适应模糊控制算法,该算法采用两个规则前件进行模糊推理,并给出了基于3层神经网络实现的模糊控制器的网络结构及其改进的BP网络训练算法和运行程序,结合已有类似研究成果进行了仿真比较研究,结果表明:该控制方法在信号周期自动调节和减少车辆延误方面都有明显改进,在实现城市交叉口智能控制中具有推广应用价值。     

基于群决策理论和双层规划模型的交通信号控制优化

基于干道延误时间最小和路段行程速度最大的设计理念,利用智能优化算法和群决策理论,建立了一种双层规划模型下的城市干道交通信号控制方法。算法结合了智能优化策略中的遗传算法和丰富的群体专家意见,并采用模糊数的描述方式实现对不同控制目标的分析评价,给出了一套完善的干道交通信号配时优化方案,使交通问题的分析得以更加客观和实际。最后给出一个实际主干道问题的算例分析,运用MATLAB和Visual C++编程计算对控制方案进行模拟。仿真结果表明,这一方法能有效地改善延误和路段行程速度。     

城市交通智能控制优化算法

在传统的交叉口信号模糊控制基础上，提出了基于相序优化的模糊控制算法，并用改进的遗传算法优化模糊控制规则。对相序的优化考虑了驾驶员的心理，执行了专家的决策；对控制规则进行优化，减少了因专家主观性而导致控制器的不完备性。以典型的十字交叉口和四相位交通信号控制为例，选择不同时段的交通流数据进行仿真。结果表明：采用该控制算法设计的信号控制器能有效避免交通流不平衡引起的拥挤堵塞，具有更好的实时性和控制效果。     

单点交叉口鲁棒优化信号配时研究

为了消除单点信号控制不适应交通流波动的缺陷,提高信号控制的稳定性,建立了多目标信号配时优化模型.该模型以平均延误时间最短,通行能力最大,以及鲁棒性最好即流量波动时车辆延误标准差最小为目标,以有效绿灯时间、总时长、各方向最大滞留车辆数为约束条件,对定时信号配时参数进行优化,并利用遗传算法对模型进行求解.求解结果表明,该方...     

交通干线相邻交叉口动态协调控制研究

建立了交叉口交通流的动态模型,基于该模型实现了交通信号相位的动态配时,提出了一种考虑双向绿波的干线相邻交叉口相位差优化控制方法,并采用改进的遗传算法(GA)进行求解,从而实现交通干线分级递阶协调控制,避免了交通拥挤和堵塞。以济南市经十路干线交叉口为对象,选择不同时段的车流量数据进行仿真研究,仿真结果表明,本文提出的控制方案能够有效地减小车辆排队长度,从而提高干线交通畅通,降低车辆平均延误时间,是进行城市交通干线控制有效且实用的方法。     

交叉口信号控制自组织算法

为提高信号交叉口的控制效率,运用模式识别基本理论,对交叉口交通流运行状态的基本特征进行了提取,构建了信号控制模式类型与模式空间;依据定时控制、感应控制和自适应控制延误模型,运用统计模式识别方法建立了交叉口信号控制的模式分类方法;在此基础上,应用自组织理论,建立了信号控制方式之间的转换算法(自组织算法)与协商机制;最后结合哈尔滨市智能交通系统应用示范工程调查数据进行仿真。研究结果表明:交叉口信号控制自组织算法较单一信号控制方式在提高信号控制效益方面具有明显优势。     

单个交叉口模糊控制及Simulink仿真

以车辆排队长度为控制量,提出了一种交叉口模糊控制方法,并以四相位交叉口为例,建立了Simulink仿真模型,在不同交通流数据下将此模糊控制与现有的定时控制比较,对其控制效果进行仿真验证。仿真结果从车辆平均延误、信号周期和车辆的最大排队长度等方面,显示出了模糊控制的优越性。     

基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。     

干道信号协调控制优化方法

针对干道信号协调控制中控制策略及其控制优化参数设置上存在的问题,考虑到智能控制中Sugeno模糊推理所具有的复杂系统动态性能表达能力和神经网络控制方法所具有的学习能力,结合两者的优势建立了1种基于模糊神经网络的交通信号协调控制模型,实现对绿信比与相位差的优化,使用微观交通仿真软件Vissim对干线交通进行了仿真研究,仿真结果表明,该方法能更为有效地减小平均车辆延误。     

临界饱和状态交通干线协调控制模型

为提升临界饱和状态下干线车流通行效率，提出了一种基于冲击波理论的干线双向信号协调控制方法。首先，建立了考虑车速变化、转向比例、车道变化等因素的干线交通流模型，分析了临界饱和交通干线交通流运行状态与各参数间的关系。第二，构建了以干线双向通过量最大化为优化目标的混合整数线性规划模型，通过优化干线公共周期和各交叉口绿信比以提高干线通行能力。第三，构建了以延误最小化为优化目标的二次规划模型，并提出了相应的求解算法，通过优化相位差和相位方案实现了干线交叉口的信号协调。临界饱和交通干线协调控制模型由通过量最大化模型和延误最小化模型构成，考虑各交叉口间的制约影响关系，有效避免了排队滞留、溢出、交叉口“死锁”等现象。采用两阶段优化方法，通过通过量最大化模型优化周期及绿信比，继而应用延误最小化模型优化交叉口相位方案及相位差，获得干线系统双向信号协调最优控制方案。最后，应用临界饱和交通状态干线协调控制模型对南京市中山东路10个交叉口进行了信号协调优化，并对优化结果进行了仿真分析。结果表明：临界饱和交通状态干线协调控制模型能对双向临界饱和干线的信号控制方案进行优化，与对照方案相比，优化方案的双向总交通量提升了21.9%，车均延误降低了63.1%，通行能力与服务水平提升显著。