用微观交通仿真软件实现ITS模拟的比较研究

微观交通仿真是ITS研究和应用中的有力工具，章选择了Paramics，Vissim，Aimsun2和Corsim4种常用的微观交通仿真软件，考察它们对ITS模拟的支持情况，通过分析、比较这些软件实现ITS模拟的技术路线情况，发现Paramics和Aimsun2对ITS模拟支持较强，Corsim支持最弱。     

基于Paramics的城市路网交通控制策略评价系统研究

提出了一种基于微观仿真平台Paramics构建交通控制策略效率评价系统的理论框架与实现方法,并在微观仿真系统中提出了一个两层面的模型来描述路网：拓扑层和仿真层。作为应用实例,选择广州市海珠区中山大学附近路网为研究对象,通过现场交通调查获得道路几何数据及主要路口的实时交通流量数据,在该路口现行的交通控制策略模式的基础上,针对该地区实际存在的交通问题提出了改进的控制策略方案,进而利用所建立的评价系统分别对现行方案及改进方案进行了效率评估,最终根据定量结果获得较优的控制策略方案。     

一种车路协同系统微观仿真平台的实现

首先提出了基于车载自组织网络技术的车路协同原型系统(IVICS),并通过二次开发,利用交通仿真软件Paramics进行大规模路网搭建、动态信号控制,以及微观交通行为的模拟;同时,采用网络仿真工具NS2对车载网络进行细粒度无线通信过程的模拟,并通过trace文件,分析得到网络通信的带宽、延迟、传输跳数、丢包率等性能参数;...     

交通控制算法在Paramics交通仿真软件中的实现

阐述了利用微观交通仿真软件Paramics进行控制策略仿真的研究思路,通过Modeller建立的图形界面,可以设计各种路况;利用丰富的API函数,实现各种控制策略;并提供了多种进行控制效果评价的功能。同时,可以和Mat-lab这种强大的算法仿真软件进行有机的结合,一方面应用Matlab强大的数据分析能力,另一方面应用其丰富的控制算法工具箱,大大缩短的仿真开发周期。因此,Paramics是一个验证控制策略的优良仿真平台。     

7种微观交通仿真系统的性能评价与比较研究

微观交通仿真系统能够模拟和预测道路交叉121、路段乃至区域的交通状况，是辅助交通规划、交通管理和交通工程决策的有力工具。详细分析了SimTraffic、CorSim、VisSim、Paramics、AIMSUN、MITSim和Trans Modeler 7种业界著名的微观交通仿真系统的技术特性，并从交通设施表达及通信能力、车辆行为模型和其他扩展功能3个方面对上述7种微观交通仿真系统的性能进行了评价和比较。     

高速公路警车停车待命巡逻模式研究

为了对高速公路交通管理中警车的传统巡逻模式以及停车待命巡逻模式进行定量评价,在分析了2种模式警车行为特征的基础上,提出了对其仿真建模及评价的方法。以广深高速公路东莞段为实例,在微观交通仿真软件Paramics中编写插件实现了2种模式的建模。仿真结果表明,所提出方法可以有效地对2种模式进行仿真评价;停车待命巡逻模式在降低成本,快速响应事故方面具有优势。     

Paramics与外部程序间数据通讯机制的研究与实现

介绍了微观交通仿真软件Paramics的插件技术及其API、基于Windows的进程间通讯及消息传递技术。在此基础上，建立了Paramics与外部程序间数据通讯机制，详细描述了该通讯机制的逻辑结构和实现算法流程。应用此通讯机制，编写了一个外部应用程序，对一个由信号灯控制的十字路口的4个方向、8个出人口的车流数量进行仿真时间间隔的采集，并进行动态OD矩阵的估算。程序演示表明：运行效果良好，该通讯机制达到了设计目的。     

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.     

微观交通仿真模型研究

介绍微观交通模型研究的意义、应用范围及发展趋势。说明微观交通仿真模型的建模特点及各个子模型的建模方法。利用Visual C 编程实现单车道交通仿真、汇流和分流仿真、高速公路匝道控制仿真。     

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%。     

Design of Reinforcement Learning Parameters for Seamless Application of Adaptive Traffic Signal Control

Adaptive traffic signal control (ATSC) is a promising technique to alleviate traffic congestion. This article focuses on the development of an adaptive traffic signal control system using Reinforcement Learning (RL) as one of the efficient approaches to solve such stochastic closed loop optimal control problem. A generic RL control engine is developed and applied to a multi-phase traffic signal at an isolated intersection in Downtown Toronto in a simulation environment. Paramics, a microscopic simulation platform, is used to train and evaluate the adaptive traffic control system. This article investigates the following dimensions of the control problem: 1) RL learning methods, 2) traffic state representations, 3) action selection methods, 4) traffic signal phasing schemes, 5) reward definitions, and 6) variability of flow arrivals to the intersection. The system was tested on three networks (i.e., small, medium, large-scale) to ensure seamless transferability of the system design and results. The RL controller is benchmarked against optimized pretimed control and actuated control. The RL-based controller saves 48% average vehicle delay when compared to optimized pretimed controller and fully-actuated controller. In addition, the effect of the best design of RL-based ATSC system is tested on a large-scale application of 59 intersections in downtown Toronto and the results are compared versus the base case scenario of signal control systems in the field which are mix of pretimed and actuated controllers. The RL-based ATSC results in the following savings: average delay (27%), queue length (28%), and l CO₂ emission factors (28%).     

基于Multi-Agent的区域交通协调控制研究

提出了一种基于Multi-Agent的区域交通协调控制系统。系统针对路网中各交叉口交通流相互影响的特点，构造了一种基于分布权值函数的分布式Q学习算法，采用此算法实现了Multi-Agent的学习以及协调机制。通过各Agent间的协调控制来协调相邻交叉口处的控制信号，从而消除路网中的交通拥塞。最后利用微观交通仿真软件Paramics对控制算法进行了仿真研究，仿真结果表明了控制算法的有效性。     

基于Paramics仿真验证的北京市快速环路入口匝道最优控制

在Metanet模型基础上对北京三环快速路进行建模,在Paramics微观交通仿真软件里建立一完整的三环路网平台,并提出最优控制目标。在优化方法上,对匝道调节时间进行实时编码,采用遗传算法对控制目标进行整体优化、并进行仿真,得出该算法对改善整个环形路网交通状况有比较好的效果,提高了行车速度和道路利用率。     

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CA方法的交通流数值模拟及信号灯感应控制策略研究

采用细胞自动机方法(Cellular Automata:CA)模拟含4个路口的城市道路交通流状态,并通过离散方程描述车辆的运动过程.研究了信号灯控制策略(同步定时控制及感应控制)对交通流状态的影响.数值模拟结果表明,信号灯对交通流的影响与道路中车辆密度有关,同时,感应控制参数的选取存在一合理的取值范围,可优化交通流通行...     

Asynchronous n-step Q-learning adaptive traffic signal control

Ensuring transportation systems are efficient is a priority for modern society. Intersection traffic signal control can be modeled as a sequential decision-making problem. To learn how to make the best decisions, we apply reinforcement learning techniques with function approximation to train an adaptive traffic signal controller. We use the asynchronous n-step Q-learning algorithm with a two hidden layer artificial neural network as our reinforcement learning agent. A dynamic, stochastic rush hour simulation is developed to test the agent’s performance. Compared against traditional loop detector actuated and linear Q-learning traffic signal control methods, our reinforcement learning model develops a superior control policy, reducing mean total delay by up 40% without compromising throughput. However, we find our proposed model slightly increases delay for left turning vehicles compared to the actuated controller, as a consequence of the reward function, highlighting the need for an appropriate reward function which truly develops the desired policy.