基于PSR-PSO-RBF的短时交通流预测方法

短时交通流预测可为智能交通控制和管理提供决策依据,为了提高短时交通流的预测精度,统筹考虑短时交通流的混沌时间序列和非线性特征,提出一种基于相空间重构和PSO-RBF的短时交通流预测方法(PSR-PSO-RBF方法)。采用延迟嵌入定理,构造一个基于相空间重构的短时交通流时间序列;在剖析RBF神经网络不足之处的基础上,采用PSO算法,确保短时交通流预测的精确度和可靠性。实例分析结果表明,该方法可有效提高短时交通流的预测精度和可靠性,其预测误差较小。     

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。     

城市交通信号控制干道旅行时间实时预测

城市干道旅行时间预测是实时交通运营管理与交通诱导的核心问题之一,也是出行者的重要需求.文中分析了济南市经十路采集的真实数据,研究发现了交通需求和旅行时间在工作日和非工作日同时段具有较大差异、全天具有显著早晚高峰、以及工作日同时段具有相似性及波动性等特征.基于该类特性,分别改进了适用于周期性数据的卡尔曼滤波和波动性的人工神经网络2类预测模型.提出了组合预测算法,将基于历史同时段数据的卡尔曼滤波算法的预测值作为人工神经网络的输入变量,利用历史天和临近时刻的可用数据进行了预测.结果表明:在3.8 km的信号控制干道上,组合预测模型平均误差低于0.9 min,误差超过2 min的概率低于4%,其预测性能可满足实时的交通需求.     

基于相空间重构和PSO-GPR的短时交通流预测

准确实时的短时交通流预测是智能交通诱导的关键.为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型.针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延迟时间和嵌入维数,进行相空间重构,获得与原始数据具有相同动态特性的更为合理的模型输入-输出数据集.利用粒子群算法改进传统高斯过程模型参数优化的不足,构建预测模型.以重构序列作为预测模型的训练集和测试集,实现短时交通流预测.采用北京市东四环快速路检测器实测数据对比分析模型预测效果.结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型能够有效提高短时交通流预测精度.     

基于交通预测的多态交通流信号控制

为解决现有信号控制方法对多态交通流交叉口适应性不足的问题,通过在交叉口设置多功能进口车道和车辆检测器、车道控制器等硬件设施,进行了短时交通流预测基础上的多态交通流条件下交叉口信号配时优化研究。根据交通量预测数据,建立信号控制延误估计模型,以交叉口总延误最小为优化目标选取多功能车道流向,根据每相位最大排队长度逐步优化绿灯时长并实施信号控制。短时交通预测以小波分析为基础,采用RBF神经网络及Markov链分别预测交通流的稳态与随机部分。使用VISSIM软件对设置多功能车道的交叉口多态流信号控制方法进行了交通仿真。分析结果表明：该方法可有效降低行车延误,提高交叉口服务水平。     

基于粒子群优化的RBF神经网络交通流预测

交通流量预测一直是实时自适应交通控制的关键问题。以城市道路网络中典型的两相邻交叉口为研究对象,提出了基于粒子群优化的RBF神经网络的信号交叉口交通流量预测模型。该模型以RB F神经网络为基础,采用分组优化策略,用粒子群优化算法对基函数的中心、方差和RBF网络权值进行优化,从而提高了网络的预测精度。通过仿真,并与其他算法对比,表明了本文方法的有效性。     

基于神经网络的城市关联交叉口交通流预测控制方法

为了改善城市路网整体通行效率,针对城市交通流实时变化以及高度非线性的特点,提出一种基于神经网络的城市关联交叉口交通流预测控制方法。以关联交叉口的总体排队长度最小为性能指标,以神经网络作为交叉口的交通流量预测模型,并通过交通流量实测值与预测值之间的误差实现对神经网络的在线训练。结合神经网络预测控制方法,给出了城市关联交叉口信号控制中信号周期、绿信比（或相位时长）以及相位差的确定思路。仿真试验结果表明：以关联交叉口总体排队长度最小为优化指标的交通流预测控制策略,可提高关联交叉口的总体通行效率。     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.     

不同交通流状况下的交叉口信号控制策略

从交叉口信号的传统控制与现代控制两个层面，对不同交通流状况下的交叉口控制策略选取问题进行了较为全面深入的分析研究，分别讨论了定时控制、感应控制、模糊控制与最优控制在交叉口信号控制中的适用条件，并着重阐述了饱和交通状况下路口信号的最优控制方法，从而有效地解决了使用模糊控制技术进行交叉口信号控制时存在的一些问题。研究结果表明，在饱和交通状况下单纯依靠通过车辆数与排队车辆数来实施模糊控制并非合理，此时需要进一步考虑车道饱和流量因素的影响。     

基于移动控制代理技术的交叉口交通信号控制算法

基于移动控制代理技术和“当地简单,远程复杂”的控制思想,提出了一种新型的交叉口交通信号控制算法。采用移动控制代理软件把多种交叉口信号控制算法“打包”成可在计算机网络上分发的移动控制代理(Mobile Control Agent,MCA);由位于远程监控层的网络调度器,根据交叉口实时交通流状况向交叉口信号控制器派遣或召回相应的MCA,从而实现“按需控制”。这种做法可降低交叉口信号控制器所需的内存等计算资源,实现低成本自适应智能交通信号网络化控制。     

基于遗传算法的城市交叉口实时信号控制研究

研究了相对固定周期条件下交叉口信号配时随路上交通流量变化而实时调整的优化算法。以各相各进口道上总的延误时间最少为目标建立优化函数，以饱和度限制及最小绿灯时间要求为约束条件建立非线性规划模型，采用遗传算法对模型进行求解以得到最优配时方案。通过仿真实例说明了函数构造和求解过程。在仿真实例中比较了不考虑饱和度限制下的优化情况和仅以各相关键进口道的总延误最小为目标的优化情况。结果表明，为保证优化的正确性及合理性，应考虑最大饱和度的限制，并以各相各进口道的总延误最小为目标，建立目标优化函数。     

城市道路交叉口交通信号控制系统的发展及现状

介绍当前国际通用的3种交通控制系统，并从城市交叉口的智能控制及优化角度分析比较这3种系统中信号配时优化的方法和各自的特点，以及国内的研究进展，并指出当前交通控制中尚存在的问题。     

基于模糊逻辑的单交叉口交通信号控制方法设计及实现

设计了一种单交叉口交通信号灯的模糊控制器,它是根据排队车辆数的多少来控制交通的.针对城市交通中到达路口车辆的随机性特点,以及目前交通灯采用的定相位定时长控制器的缺点,引入了交通灯的相位选择控制器和绿灯延时模糊控制器.相位选择控制器根据当前各红灯相位车流量的大小,以及持续红灯时间来选择下一绿灯相位;绿灯延时模糊控制器根据当前绿灯相位和下一绿灯相位的车流量大小决定绿灯延时时间.然后根据给出的排队车辆平均延误时间模型,对所设计的模糊控制器进行验证.利用Matlab进行仿真得到结果显示,在模糊控制器的控制下,车辆的平均延误时间要比传统的定相位定时长控制器控制下的时间小5.8s,证明了所设计的模糊控制器的有效性.     

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.     

城市交通干线信号协调控制方案过渡调整策略

介绍了国内外当前交通信号协调控制方案过渡方法的研究现状,分析比较了现有的干线协调过渡方法.针对当前过渡调整方法对于交通信号控制机如何实现协调方案的快速调整涉及较少,未考虑交通信号机实现过渡调整过程中的实际需求等不足,以当日零点为协调控制方案的起始点,针对交叉口过渡信号周期以及周期调整步幅的取值范围,提出了1种基于周期的交通信号协调控制过渡调整策略,并进行了算例分析.结果表明:该策略能够在1~2个周期内快速调整完毕,减少了信号配时的突变所引发路面交通的剧烈波动,实现了交通流运行的平稳和连续.文中所介绍的算法可以实现不同控制方式之间的切换,也可以用于城市区域协调控制中,具有较广的适用范围和实用价值.     

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...