基于Multi-agent的道路交通流控制模型

结合近年来出现的人工智能新技术，提出基于Ｍulti-agent的道路交通流控制模型，从而实现一种灵活的agent自主控制算法，并进一步提出Ｍulti-agent协商策略的设想，实验证明，该agent自主控制算法柔性结合多个交通状态量，较好地平衡了道路交叉口各向交通流，具有较强的优化度和扩展能力。     

具有交警的二维元胞自动机交通流模型

提出由交警控制路口的交通流的元胞自动机模型。模拟结果表明，有交警的模型与无交警的模型具有一些定性的区别。在有交警的模型中，自由运动相消失，一级相变特征消失，堵塞相大幅度向高密度端移动，交通性态显改善，系统的性质对系统尺寸和样本都不敏感。     

基于遗传算法的交通流控制优化模型

在交通流控制理论基础上建立了在交叉口空间渠化及信号相位相序给定的条件下,考虑机动车与非机动车的延误(服务水平)约束条件,机动车通行能力最大的优化模型。利用遗传算法搜索全局最优的特点,运用遗传算法与梯度法相结合的混合算法对模型求解,并通过优化实例计算,验证了该方法和模型,为信号交叉口交通流的协调控制优化研究提供了新思路和新方法。     

理论.方法.数据：交通流模型成功三要素

本文通过分析现代交通流模型研究中存在的问题，指出认识理论，方法和数据在交通流模型研究中地位问题的必要性，提出并论述：在交通流模型研究中，交通流行为理论是基础，方法是工具，数据是原料，三者缺一不可，构成交通模型成功的三个必要因素；同时，对理论，方法和数据使用中存在的问题进行了详细分析并试图提出相应的解决途径。     

基于交通流元胞自动机模型的车辆当量换算

将一维元胞自动机模型用于模拟周期性边界条件下高速公路的车流运动,用随机慢化FI模型对一定交通环境下车流的车速与密度之间的关系进行仿真分析。探讨了不同车型和车速对道路最大流量(最大通行能力)的影响。依据不同车型在同一道路上的不同通行能力,提出了一种不同车型车辆之间当量换算系数的确定方法。在模拟仿真过程中,考虑不同类型车辆的最大行驶速度及所占空间不同,仿真模型具有不同的参数。通过计算机模拟,得到不同车型的交通流基本图,根据相同道路条件下的最大流量值,给出了以通行能力作为基准时当量换算系数的计算公式。     

多车道高速公路的动态离散交通流模型

根据路段流量守恒、匝道流量守恒、交通流量约束等条件，建立了一个多车道高速公路动态离散交通流模型。该模型中考虑了车辆改道行驶定实际交通现象，考虑了车辆的起讫节点（即OD对）。对该模型与其它模型关系的分析表明该模型包含了已有的一些模型。     

基于I/O模型对拥挤交通流状态变化的研究

章基于交通瓶颈路段车辆排队状态的实际变化特征，对传统的累计到达-消散模型(cumulative arrival and departure model)进行了修正，构造了改进的累计到达一消散模型(即I／O模型)。与传统模型相比，I／O模型考虑了车辆物理长度，将排队车辆的跟车行驶时间与排队延误两个概念进行了正确区分。I／O模型简单实用，不失为一种分析交通流变化特征的良好方法，为交通流诱导和控制策略的生成提供了重要的理论依据。     

基于决策树理论的交通流参数短时预测

针对现有交通流参数短时预测方法的不足,考虑到交通流数据序列的非线性特征,提出一种基于决策树理论的非参数预测方法。采用时间序列滞后项将交通流参数序列转化成非参数模型能处理的数据格式。考虑到交通流参数之间存在长期协整关系,构建流量速度滞后项的组合向量,为预测模型提供基础数据。构建基于分类回归树(CART)的交通流参数短时预测模型。基于实际采集的道路交通流数据,对模型在不同等级道路不同速度区间下的性能进行评估。结果表明,所提出的模型相较于常用的时间序列模型,精度有所提高;速度预测准确性普遍高于流量,速度平均绝对百分比误差基本小于13%,而流量预测则达到了30%;采用工作日和周末数据分别建模能够有效提升预测性能;不同速度区间下的预测性能评估显示,模型在各等级道路中速区间的预测结果具有较高的准确性与稳定性。     

基于可视化技术的交叉口短时交通流预测研究

为通过视觉图形实现交通流时序特征可视化,精准掌握交通大数据驱动下交叉口交通主体的移动趋势,构建交叉口短时交通流可视化预测系统。通过Python中的Matplotlib实现交叉口交通流时序可视化,利用ARIMA模型进行短时交通流预测,并以OpenITS合肥市示范区黄山路-科学大道交叉口数据进行实例验证。结果表明,该系统可实时、在线实现不同时段交通流分布规律可视化,并能有效提取交通流时序特征,ARIMA(1,1,0)模型的3个评价指标的预测误差均小于10%,具有较高的预测精度。     

基于多智能体系统的城市交通控制与诱导集成化研究

首先分析城市交通信号控制与动态诱导系统集成的特点及多智能体系统的原理,在此基础上提出基于多智能体系统的城市交通信号控制与交通诱导集成系统的体系结构以及两类相互作用的智能体模型结构：交通信号控制智能体模型及动态交通诱导智能体模型,以交通信号控制智能体模型为主,分析其内在结构和作用机制,最后分析总结了未来研究展望。     

交叉口流线动态控制的优化配时模型研究

针对城市交叉口信号控制仍以单点固定相位方式为主,且配时优化方法不能随交通流线的状态变化而优化的问题,以交通流线相容且绿灯损失最小为原则,根据交叉口进口流线流量动态生成了最优流线组合的相位.在确定周期相位组合的情况下,考虑周期结束流线是否有车滞留,对应分析了流线车辆平均延误.将延误模型组合,建立了适应交叉口流线流量动态变化的优化配时模型,计算了各相位的最优配时,以实现交叉口流线动态优化控制效果.实例计算分析表明:采用流线动态控制配时优化模型延误更小,对改善交叉口运行状况更为有效.     

基于多智能体的智能交通控制结构模型

介绍了多智能体在智能交通控制中的应用,给出了多智能体的控制模型以及应用于交通控制中的结构框架模型。同时,本文还给出了该结构模型中各个Agent在系统中的功能。     

基于交通流颗粒化结构的交通控制模型

城市交通系统是一个复杂的、非线性、非结构化、强相关的随机系统,在选择适当时空尺度的交通流颗粒结构且消除或减弱了颗粒间关联的基础上,多尺度分析是交通系统一个简单而又有足够精度的问题求解方法。基于交通流颗粒化结构建立了多智能体交通控制模型,采用基于案例推理的动态参数匹配和协调冲突检验,以寻求交叉口信号控制的优化方案。最后,以广州中心区交叉口为例说明颗粒化结构分布式求解方案的可行性。     

基于多Agent的城市交通控制建模研究

给出了多Agent智能系统的协作工作框架模型,设计了基于多Agent的分层递阶交通信号控制系统模型。实现了以多Agent计算为框架的仿真系统。通过实例仿真和分析证明了该方法的有效性和适用性。     

基于DCOM式智能体的交通控制系统模型

章提出了一种智能体的实现方式——DCOM式智能体，并将其应用到交通控制中。针对交通控制中的集中指挥、分级管理和动态变化等特点，将DCOM分布组件技术和智能体技术结合起来。以DCOM式智能体管理交叉口信号、设定道路服务水平，并对堵塞道路选取替换路径，再通过“协作智能体”维护智能体间的通信，从而实现统一指挥、分工协作的交通控制系统。研究表明，此交通控制系统具有更强的稳定性和可扩展性。并减少了人工干预，提高了交通控制的自动化水平。     

基于ARIMA-FNN的道路交通事故最优加权组合预测模型

1个适应性良好的道路交通事故预测模型对于交通管理、控制和有关规划设计起着重要作用,文中根据交通事故发生的时空性和多因素性,利用ARIMA模型良好的时间序列线性拟合能力和FNN强大的非线性映射能力,通过最优加权方法确定模型权重,建立ARIMA和FNN的组合模型,并对我国道路交通事故进行预测。结果表明：这一模型可以提高事故预测精度,是1种有效的事故预测模型。     

一种基于延误模型的区域交通控制方法

提出一种基于延误模型的区域交通信号控制方法。该法是根据检测器得到的实时交通流数据，以区域范围内交通的总延误最小为目标，搜索一组最佳的组合参数，从而获得信号的控制参数——绿信比、周期和相位差。它不仅兼顾了各路口的车辆延误，而且还考虑了路口之间两个方向行驶的车辆延误。仿真结果表明本文提出的方法是可行的，可以有效地减少区域交通控制中的车辆总延误。