基于模式搜索算法的交叉口信号配时优化研究

交叉口信号配时优化,对提高城市道路的通过能力,缓解城市交通拥堵,具有重要意义.本文研究了相对固定周期条件下,交叉口信号配时随道路上交通流量变化而调整的优化算法.以各相位各进口道上总的延误时间最小为目标,并考虑了最小绿灯时间和饱和度限制约束条件,构建了城市单点交叉口信号配时的非线性模型,为设置交叉口信号配时提供了新的方法--模式搜索算法.利用模式搜索算法对模型进行求解得到配时方案,并将得到的配时方案和传统的Webster算法得到的配时方案进行比较.研究结果表明:模式搜索算法在解决单点信号交叉口信号优化控制方面具有较好的实用价值.     

城市交通线控多时段配时方案过渡算法研究

随着城市交通问题的日益突出,信号配时方案的频繁过渡以及交通信号优先技术的推广应用,科学合理地实现信号配时方案的过渡,有利于进一步提高城市交通系统的运行效率.针对TSIS交通仿真软件提供的3种过渡算法,以3个交叉口多时段线控系统为例,以控制延误作为评价指标,对早高峰前后2种过渡场景进行了研究.研究发现算法1路网和干道控制效果优于算法2和算法3,而后两者有利于减少支路车辆控制延误.     

基于模拟退火的交叉口自适应信号控制优化研究

在车联网环境下,以交叉口车辆的平均延误时间最小为优化目标,通过神经网络预测各进口短期时间窗交通流到达情况,进而基于模拟退火算法提出了交通信号控制动态配时方法。选取成都市某一交叉口的实测交通流数据,在VISSIM环境下对COM进行二次开发实现了早高峰、平峰和晚高峰时段下的自适应信号优化控制,对固定信号配时情况和模拟退火优化情况进行仿真,结果表明基于模拟退火算法的自适应信号控制能够显著提高交叉口的通行能力。为进一步说明本方法的优越性,将结果与遗传算法优化结果进行对比,发现模拟退火算法结果更优,三个时段内车辆的平均延误分别节省了15.61s/veh、0.47s/veh和8.53s/veh,平均停车次数也分别降低了0.59次/veh、0.04次/veh和0.27次/veh,证明了方法的有效性。     

���ڸĽ��Ŵ��㷨������ͨ�ź���ʱ�Ż�

针对城市网络的区域信号配时,本文建立了旨在最小化网络总延误的双层规划模型.在考虑出行者出行需求的基础上,以信号相位绿灯时长为控制变量,实现总延误最小化.在对用户出行需求的路径分配上,将流量分配模型转化为均衡路径问题,进而实现出行用户均衡.由于区域信号配时的变量随着网络规模的增加而增加,因此在求解多变量优化模型时,本文采用改进的遗传算法对该多变量优化问题进行分析和求解.以典型的城市区域交通网络为例,对该问题进行分析和算法的验证.算例表明,改进的遗传算法在城市区域网络中,能够有效地实现信号配时方案的优化,对于城市交通信号配时优化和管理有积极的启示.     

基于NSGA-Ⅱ算法的逆向可变车道信号配时优化

以相位有效绿灯时间、饱和度和逆向可变车道长度为约束条件,建立交叉口控制延误时间最小、交叉口通行能力最大的双目标函数控制模型,运用NSGA-Ⅱ双目标优化算法,求解目标函数,获得以通行能力相对占优的信号配时方案,达到交叉口控制效率提高的目标。以重庆某交叉口实际数据为例,用NSGA-Ⅱ算法对设置可变车道后的配时优化方案求解,并与现状配时方案进行对比,设置逆向可变车道和优化信号配时能够提高交叉口通行能力,降低控制延误。     

基于Synchro的T型交叉口信号配时优化研究

通过分析Synchro系统优化仿真模型,以典型T型信号交叉口单点信号控制为研究对象,结合交叉口微观仿真软件分析交叉口信号配时的合理性,并在调查实际数据的基础上对T型交叉口当前信号配时方案进行分析优化,有利于解决日趋紧张的城市交通问题。     

基于Synchro的T型交叉口信号配时优化研究

通过分析Synchro系统优化仿真模型，以典型T型信号交叉口单点信号控制为研究对象，结合交叉口微观仿真软件分析交叉口信号配时的合理性．并在调查实际数据的基础上对T型交叉口当前信号配时方案进行分析优化，有利于解决日趋紧张的城市交通问题。     

一种新的JSSP免疫算法

免疫算法是借鉴生物免疫系统原理建立起来的一种新的并行优化算法,用于求解具有多模态性质的函数优化问题具有较好的效果．由于JSSP（Job-Shop调度问题）是一个典型的具有多模态性质的复杂函数优化问题,本文将免疫算法应用于求解JKSP,该算法模拟B细胞的克隆选择过程,通过编码模式的高变异克隆选择完成最佳调度方案的全局搜索．仿真结果表明该算法优化速度快,全局搜索能力强,不易产生不可行解,搜索效率较高,具有较好的JKSP调度优化效果．     

新型混合交通交叉口信号与车辆轨迹协同控制方法

新型混合交通环境下的交叉口交通控制可通过信号灯控制与自动驾驶车辆的轨迹控制协同实现,能够极大地优化道路通行资源利用效率。已有研究中,信号配时与车辆轨迹集中优化的控制策略难以应用于车辆自组织控制的现实场景,且往往计算复杂度较高。本文提出一种无中心框架下基于逻辑的交叉口信号与车辆轨迹协同控制方法。基于协同理论中的快慢变量主动伺服控制原理,设计一种交叉口信号配时慢变量与车辆轨迹策略快变量协同框架,并分别提出基于逻辑的信号配时优化和网联自动驾驶车辆轨迹协同控制方法。协同控制方法可以在车辆自主控制的条件下,一方面,实现交叉口信号配时动态适应交通需求;另一方面,实现网联自动驾驶车辆主动优化驾驶速度,高效通过交叉口。而且网联自动驾驶车辆在进口道可引导混合车队高效通过交叉口,降低绿灯启动损失,提高交叉口通行效率。仿真实验表明,本文的协同控制方法相较于传统控制方法可显著降低交叉口车辆平均延误,同时,基于逻辑的决策模型可实现快速求解。通过对网联自动驾驶车辆控制策略关键参数的敏感性分析,进一步讨论新型混合交通流交叉口通行公平性,并比较在不同网联自动驾驶车辆渗透率下的控制效果。     

一个新的城市交通控制模型

城市交通控制模型是交通网络系统分析和设计的基础工具之一。本文基于交通网络系统费用最小原则研究了城市交通控制的优化模型;根据最优化原理 Lagrangian算子性质,得到交通控制信号配时的最优性条件,提出并证明一个与之等价的新的城市交通控制模型--基于绿灯时间的变分不等式模型,提出算法并给出算例。     

具有反向学习能力的串车调度算法研究

为了避免串车问题,研究了多条线路不同站点间隔的车辆实时串车调度算法.基于车辆自动定位(AVL)数据的分析预测,给出了具备反向学习能力的克隆选择优化算法 (Opposition-learning Clonal Selection Algorithm, OCSA )求解避免串车的调度序列,指导车辆调度.算法中设计了反向抗体库,反向抗体库存储了种群迭代过程中多个较差抗体的信息,利用较差基因位置信息,指导部分基因链以较快速度进行反向学习,将其迅速牵引出局部最优区域.反向学习过程可迅速改善抗体的多样性,使得算法在短时间内具有较强的全局寻优能力;且局部学习的缩放因子可随迭代过程动态调整,提高了算法的求解精度.实验结果表明,基于 OCSA算法获取的调度序列与经典的调度算法相比有较好的适应性,求得的调度序列能够实时有效地降低站点串车问题.     

基于免疫粒子群神经网络的短时交通流量预测

免疫理论中的基于浓度选择机制能避免粒子群算法在群体收敛性和个体多样性平衡问题上的不足,使改进后的粒子群算法优化BP神经网络参数的配置,提高短时交通流量预测的准确性。仿真实验表明：免疫粒子群优化后的BP神经网络可有效提高短时交通流量的预测精度,减小预测误差。     

Intelligent optimization of the structure of the large section highway tunnel based on improved immune genetic algorithm

As in the building of deep buried long tunnels, there are complicated conditions such as great deformation, high stress, multi-variables, high non-linearity and so on, the algorithm for structure optimization and its application in tunnel engineering are still in the starting stage. Along with the rapid development of highways across the country, It has become a very urgent task to be tackled to carry out the optimization design of the structure of the section of the tunnel to lessen excavation workload and to reinforce the support. Artificial intelligence demonstrates an extremely strong capability of identifying, expressing and disposing such kind of multiple variables and complicated non- linear relations. In this paper, a comprehensive consideration of the strategy of the selection and updating of the concentration and adaptability of the immune algorithm is made to replace the selection mode in the original genetic algorithm which depends simply on the adaptability value. Such an algorithm has the advantages of both the immune algorithm and the genetic algorithm, thus serving the purpose of not only enhancing the individual adaptability but maintaining the individual diversity as well. By use of the identifying function of the antigen memory, the global search capability of the immune genetic algorithm is raised, thereby avoiding the occurrence of the premature phenomenon. By optimizing the structure of the section of the Huayuan tunnel, the current excavation area and support design are adjusted. A conclusion with applicable value is arrived at. At a higher computational speed and a higher efficiency, the current method is verified to have advantages in the optimization computation of the tunnel project. This also suggests that the application of the immune genetic algorithm has a practical significance to the stability assessment and informationlzation design of the wall rock of the tunnel.     

发动机匹配优化算法的研究

依据优化标定方法,设计了基于发动机排放控制的优化方案,并建立了以发动机经济性为目标,排放性作为约束的优化数学模型．对适用于该数学模型的信赖域法、模式搜索算法、遗传算法等优化算法进行了论证．针对实际发动机排放优化问题对各种算法的优劣进行了比较,并在此基础上提出了组合算法的思想．优化结果表明,组合算法全局搜索性和优化结果良好,且计算时间、计算量等较单一优化算法时均有显著改善．     

高维动态函数优化的免疫算法研究

生物免疫系统在识别和清除抗原的过程中,免疫细胞之间信息交互和协作,能够快速适应环境变化,具有很强的学习和自适应控制能力.基于此,本文提出了针对高维动态函数优化的免疫算法.该算法的主要特点是采用Gray码编码、采用不同的克隆繁殖策略、对抗体实施不同概率的超变异和多细胞编辑等操作,提高算法寻优能力和种群的多样性.通过与几种典型算法进行比较,仿真结果证明该算法对动态优化性能及跟踪能力有明显的改善     

面向新型混合交通流的智能交叉口网络布局优化

考虑网联自动驾驶车辆(Connected Autonomous Vehicle, CAV)应用先进的车联网与自动驾驶技术，可以采用智能交叉口的组织形式，大幅提升交叉口的通行效率，为降低CAV与人工驾驶车辆(Human-driven Vehicle, HV)混行条件下城市交通系统的整体出行成本，提出智能交叉口在城 市交通网络中的布局优化问题，建立数学优化模型并求解。首先，基于对两类车辆行驶特性的分析，建立混合用户均衡模型，描述CAV与HV的路径选择行为；其次，从交通规划者的角度，以系统最优为目标，整合混合用户均衡模型，建立面向新型混合交通流的智能交叉口网络布局优化模型，并利用改进的遗传算法求解；最后，选取Sioux-Falls交通网络作为案例分析，验证模型与算法的有效性，并研究CAV渗透率变化对优化结果的影响。研究表明，智能交叉口在城市路网中的合理规划极大地提高了新型混行场景下城市交通系统的出行效率，同时，大幅降低了由于网联自动 驾驶单方面技术优势带来的CAV与HV的出行效率差距，增进了出行公平性。     

基于模拟退火算法的物流配送路径优化问题分析

模拟退火算法是解决NP完全组合优化问题的有效近似算法,将该算法应用于路径优化问题中,利用该算法对类似货郎担问题的路径问题进行求解。针对城市道路行走不同的目标条件（路径最短、时问最短）进行优化,选择最佳行走路径,并用该算法优化得到的计算结果,结果表明该算法在解类似货郎担交通路径方面问题时具有较高的精确性。因而,该算法在解决城市道路交通问题方面具有一定的实用价值。     

卷积神经网络及其在智能交通系统中的应用综述

从特征传输方式、空间维度、特征维度3个角度,论述了近年来卷积神经网络结构的改进方向,介绍了卷积层、池化层、激活函数、优化算法的工作原理,从基于值、等级、概率和转换域四大类总结了近年来池化方法的发展,给出了部分具有代表性的激活函数对比、梯度下降算法及其改进型和自适应优化算法的工作原理和特点;梳理了卷积神经网络在车牌识别、...     

应急车辆动态路径选择的两阶段优化模型

为研究突发事件情境下交通路网动态变化时的应急车辆路径选择问题，提出应急车辆动态路径选择的两阶段调度优化模型。通过结合路网动态状况和应急救援特征，建立基于最大路径可靠度和最短行程时间的两阶段优化模型；通过混沌搜索改进布谷鸟算法初始种群，并加入蛙跳算法改进局部搜索操作，设计混合布谷鸟算法，改善全局寻优能力；以某市某区部分区域路网为例，将该区域路网实时交通数据应用于模型和求解算法中。实验表明，利用两阶段优化模型和算法编码方案能成功获得出发点到救援点的动态可靠路径，相同行驶路径情况下模型与算法求解的最短行程时间与实地驾车获得的最短行程时间最大误差不超过8%，说明优化模型可行。3 种不同算法求解K最短路径的结果发现，混合布谷鸟算法得到的最短行程时间比粒子群算法和 经典布谷鸟算法得到的结果都要小，且计算时间最短，表明混合布谷鸟算法求解的结果最优，性能最好。     

连续交通网络设计的全局双层多项式优化模型

提出了一种面向典型连续交通网络设计问题的全局双层多项式优化模型,其函数均为多项式,且下层问题为凸问题;上层问题旨在优化网络性能,下层问题用来刻画确定性用户均衡(DUE)交通流模式;利用Fritz John条件和乘子代替下层规划,将提出的双层多项式优化模型转换为等价单层优化问题,并利用矩半定规划(MSDP)方法得到其全局最优解;利用矩矩阵的秩作为保证全局最优性的充分条件,并估计全局最优解的个数;给出了最优道路收费问题的数值算例,用提出的双层多项式优化模型描述了算例中的最优道路收费问题,并通过Wardrop用户均衡约束调整现有路段上的交通流量,使总通行费收益最大化。研究结果表明:该简单算例的最大收益为13.5元,同时可以得到该算例的矩矩阵的秩为1,从而证明了该结果的全局最优性,提出的方法克服了均衡约束数学规划(MPEC)法和值函数法等现有求解双层优化问题的经典算法由于连续交通网络设计固有的非凸性,只能找到局部最优的问题;提出的全局双层多项式优化模型与算法为典型连续交通网络设计提供了更好的探索工具。