信号交叉口广义延误模型研究及应用

为了对信号交叉口的配时方法进行优化,兼顾行人和非机动车的交通利益,减少混合交通的总延误时间,分别对机动车、非机动车、行人的信号交叉口延误计算方法和饱和流率进行分析,提出了以混合交通所有交通参与人的总延误最小为优化配时目标的广义延误模型,并采用非线性规划的方法搜索最优周期和各个相位的有效绿灯时长。应用分析表明,按照这一方法进行配时,人均延误比传统配时方法有所降低。     

基于MFD的路网周边交通控制策略与仿真

宏观基本图(Macroscopic Fundamental Diagrams,MFD)是路网的固有属性,可从宏观层面监视和预测路网交通运行状态。鉴于此,该文提出基于MFD的路网周边交通控制策略,其思路是依据MFD理论确定路网的MFD,当路网交通趋于拥挤时,通过调整周边交叉口的信号配时方案(如周期、绿信比),对周边车流涌入量进行限制,使路网区域交通保持良好的运行状态。为验证该策略的有效性,以广州天河商业区为试验区域,运用Vissim交通仿真软件进行仿真建模,依据MFD相关理论和仿真数据,确定该区域的MFD,当该区域交通趋于拥堵时,根据该策略确定周边交通涌入量和入口绿灯时长,并仿真对比该区域实施该策略前后的各项交通信号控制性能指标。结果表明:当路网交通趋于拥挤时,实施周边交通控制策略后路网平均延误时间、平均停车次数、平均排队长度等交通信号控制指标得到明显改善。     

单点交叉口交通信号配时模型及遗传算法

分析了城市单点信号交叉口信号配时的基本参数和方法,建立了以平均延误时间最短、平均停车次数最少、通行能力最大为目标,相位有效绿灯时间、饱和度及周期时长为约束条件的城市单点交叉口两相位信号配时优化的非线性函数模型,采用遗传算法对其进行求解.求解结果表明,该方法可减少车辆的延误和停车次数,提高通行能力,交叉口服务水平由D级提升到B级,从而缓解城市信号交叉口的交通拥挤.     

过饱和条件下信号交叉口协调控制可靠性优化

以避免交叉口出现死锁和减少绿灯时间浪费为目标,利用交通流波动理论,建立了一种过饱和条件下的信号交叉口协调控制的可靠性优化模型,并提供了可靠性区间的计算方法.该模型基于信号控制交叉口处不同的排队溢出形式和交通流波动状态的分类研究,以控制排队溢出形式和上下游交叉口通行能力匹配作为约束条件,以增大排队溢出缓冲时间作为优化目标.通过仿真试验表明,该策略可以减少延误24.6％,同时交叉口的死锁概率降低30％,能有效地承受过饱和交通流的冲击,提高路网的可靠性.     

城市道路平面交叉口行人过街延误仿真

以行人过街延误为衡量指标,将行人过街设施服务水平划分为6个等级,建立城市道路平面交叉口行人过街的延误模型.文中分析了无信号控制交叉口和信号控制交叉口的行人过街情况,依据信号配时是否将人行信号与车行信号彻底分开,将信号控制交叉口行人过街延误分为信号控制延误和车流干扰延误,并在行人集聚和消散特性分析的基础上,提出了信号控制延误的计算方法.案例分析结果表明该延误模型的计算精度优于 Vissim 仿真的延误值.     

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。     

信号控制结合路径选择的新动态交通模型研究

为提高路网通行能力,结合已有信号控制和路径选择方法,提出一种为信号控制网络实时计算绿信比的新型动态分配和控制模型。此模型可用于固定信号配时设计,也可用于可预期事件迅速响应的信号预配时,如果计算速度足够快,还可以用于实时信号配时。仿真实验表明,此动态模型在未饱和路网中最多减少行程时间和平均延误分别可达30.28%和29.23%。     

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.     

城市中心区交通拥堵定价模型及其仿真算法

为改善城市中心区的交通拥堵,以国内城市中心区区域路网为研究对象,以路网车辆整体延误时间最短为优化目标,拥堵收费价格为决策变量,路网饱和度和信号配时为约束条件,建立了拥堵定价优化模型,并给出了基于VISSIM软件的仿真求解方法和步骤.实例仿真结果表明:在城市中心区区域路网采用该定价模型可以找到最优定价及合理的信号配时方案;计算机仿真方法可大幅度降低模型求解难度,并可直观地为交通管理部门制订拥堵定价方案提供理论依据.     

面向常发拥堵点的交通信号协调控制方法

针对高峰期间常发拥堵点交通需求过大、周边关联交叉口交通负荷分布不均的问题, 研究了面向常发拥堵点的交通信号协调控制方法。通过对常发拥堵点的车流进行追踪与溯源, 根据交通量关联度确定信号协调控制范围, 然后基于路径的流量分担率与路段平均饱和度识别信号协调控制范围内的关键路径。基于宏观基本图理论, 考虑关键路径对路网运行状态的影响, 构建边界交叉口主动限流控制模型。同时, 利用元胞传输模型描述交叉口与路段的运行状态, 以关键路径通行能力最大化和进口道饱和度均衡化为信号控制优化目标, 建立均衡路网交通负荷的信号控制优化模型。以武汉市发展大道青年路交叉口以及关联交叉口为对象开展仿真实验, 结果表明: 虽然本文方法下的边界交叉口车均延误增加了6.8 s, 但常发拥堵点的车均延误降低了15.7 s; 关键路径的车均延误减少72.6 s, 平均排队长度减少26.1 m。并且, 路网整体的车均延误降低14.7%, 驶出车辆数增加26.6%, 验证了提出方法缓解常发拥堵点交通拥堵的有效性。      

Multi-objective optimal predictive control of signals in urban traffic network

Traffic congestion in urban network has been a serious problem for decades. In this paper, a novel dynamic multi-objective optimization method for designing predictive controls of network signals is proposed. The popular cell transmission model (CTM) is used for traffic prediction. Two network models are considered, i.e., simple network which captures basic macroscopic traffic characteristics and advanced network that further considers vehicle turning and different traveling routes between origins and destinations. A network signal predictive control algorithm is developed for online multi-objective optimization. A variety of objectives are considered such as system throughput, vehicle delay, intersection crossing volume, and spillbacks. The genetic algorithm (GA) is applied to solve the optimization problem. Three example networks with different complexities are studied. It is observed that the optimal traffic performance can be achieved by the dynamic control in different situations. The influence of the objective selection on short-term and long-term network benefits is studied. With the help of parallel computing, the proposed method can be implemented in real time and is promising to improve the performance of real traffic network.     

车联网环境下连续信号交叉口协同控制模型

智能交通信号控制技术是缓解交通拥堵的重要手段。为解决传统强化学习算法应用到连续多交叉口的局限性问题，提出了1种基于上下层神经网络的连续交叉口交通信号控制模型。控制模型由下层神经网络选择当前状态下可能的最优控制策略，再由上层神经网络根据各路口车均延误进行二次调整，将最终控制策略应用到多交叉口的相位配时中。以典型连续3个交叉口为例，通过SUMO仿真平台对模型进行仿真验证，在低与高饱和度下，该控制模型分别对车均延误降低了23.6%和26%，排队长度降低了8.4%和9.4%。实验数据表明，该模型可有效提高连续交叉口道路通行能力，为缓解城市交通拥堵提供了1种有效技术手段。      

高架出口匝道下游交叉口信号控制方法研究

城市高架快速路与地面道路,主要通过出口匝道及其下游交叉口进行交通转换,高峰时段出口匝道及下游交叉口交通拥堵频发。以元胞传输模型为基础,构建出口匝道及下游交叉口交通预测模型;采用动态调整周期时长和信号相位的控制策略,建立基于元胞传输模型的交叉口信号控制模型。以排队长度、绿灯和周期时长为约束条件,以各进口道加权平均延误为目标函数,进行信号配时动态优化。以成都市实例匝道和交叉口进行验证,表明本文提出信号控制策略可有效降低此类交叉口的饱和度、延误和排队长度,提升其通行效率。     

东莞市松山湖大道入城段拥堵分析与治理措施

针对东莞市松山湖大道入城段在高峰时段发生常发性拥堵问题,从出行结构、路网布局、立交节点3个层面对交通拥堵成因进行了分析.根据《东莞市交通发展白皮书》提出的城市交通高效性发展目标、道路交通发展总体策略及道路交通治理策略,提出:近期拥堵治理以交通管理措施为主要技术手段,中期主要采取工程措施,远期则由中短期的局部性治标措施上升到立足城市布局结构、优化完善路网规划、打造高品质交通廊道的系统性治本措施.最后,对未来城市交通拥堵治理方式进行了展望.     

基于满意控制的动态交通分配模型研究

城市交通意外事件易诱发局部交通路网拥堵,为防止交通状况恶化,需采取相应的交通控制、诱导手段。针对交通意外事件造成城市交通路网运行状态突变的现象,从用户平衡原理出发,提出了基于满意控制理论的动态交通分配模型。该模型不仅考虑了动态交通分配过程中各种常规的要求(目标、约束),还考虑了动态交通分配的易操作性和交通流控制、疏导过程中的安全性。通过该模型可寻找易于求解及实现的满意解,快速、平稳地实现区域内交通流的正常运行。算例表明该模型及其算法能够快速获得满意解,有效地解决交通状况突变情况下的动态交通分配问题。     

城市交通拥塞辐射模型及其对路网服务能力损伤研究

为预防和治理城市路网系统中交通拥塞的辐射扩散以及由此造成的路网系统服务能力损伤，从新的视角对交通拥塞辐射扩散规律进行研究。将毒气在有限空间内的泄漏扩散抽象为交通拥塞的辐射蔓延，首先运用Python软件对高德地图API的WEB服务进行实时路况数据爬取，并对爬取的数据、浮动车数据、SCATS监测的流量数据以及其他交通信息数据进行预处理。在此基础上建立基于高斯烟雨模型的城市道路拥塞辐射时空模型并且充分考虑邻居节点和路段的交通运行状态以及不同道路等级对拥塞传播范围的影响。对模型调节参数U进行标定，得出快速路、主干路U值均为1，次干路U值为0.7。然后通过实例进行验证，结合实际值将模型计算结果与高德地图预测值进行比较，所建立模型的拥塞最大辐射边界、拥塞辐射时间预测精度要更准确，整个拥塞过程模型拟合度较高，模型适用性强。最后在城市道路拥塞辐射时空模型的基础上利用材料力学中切应力对材料的损伤原理，以拥塞某传播方向为研究对象，计算出拥塞辐射传播给路网中的某路段造成的通行能力失效值。分析路网中路段通行能力下降对路网服务能力的损伤影响，进而给出路段重要性识别方法。研究成果可为交通管理部门加强关键路段治理以及制定缓堵政策提供参考。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

基于累积前景理论的拥挤阈值计算模型

信息诱导是缓解交通拥挤的有效途径,为了描述道路拥挤程度对出行者路径选择决策的影响机理,基于累积前景理论分析了出行者的出行决策过程,分析了出行者拥挤认知模式以及不同出行方式的拥挤信息需求。解析了拥挤阈值的概念,将行程时间作为累积前景理论决策指标建立了拥挤阈值的计算模型,以1个简单路网进行算例分析,模拟驾驶员的拥挤认知及出行活动决策。算例结果揭示了拥挤阈值对路径选择决策行为的影响,同时验证了拥挤阈值是出行者在决策过程中的决策变化分界点。出行时间在拥挤阈值内出行者不改变出行路径;出行时间超过拥挤阈值,出行者将改变出行路径。      

Learning-based traffic signal control algorithms with neighborhood information sharing: An application for sustainable mobility

This research applies R-Markov Average Reward Technique based reinforcement learning (RL) algorithm, namely RMART, for vehicular signal control problem leveraging information sharing among signal controllers in connected vehicle environment. We implemented the algorithm in a network of 18 signalized intersections and compare the performance of RMART with fixed, adaptive, and variants of the RL schemes. Results show significant improvement in system performance for RMART algorithm with information sharing over both traditional fixed signal timing plans and real time adaptive control schemes. The comparison with reinforcement learning algorithms including Q learning and SARSA indicate that RMART performs better at higher congestion levels. Further, a multi-reward structure is proposed that dynamically adjusts the reward function with varying congestion states at the intersection. Finally, the results from test networks show significant reduction in emissions (CO, CO₂, NO_x, VOC, PM₁₀) when RL algorithms are implemented compared to fixed signal timings and adaptive schemes.