基于宏观基本图的路网多子区状态一致协同控制

针对基于宏观基本图(MFD)的路网多子区协同控制未考虑各子区拥堵状态差异性及均衡性的问题,本文提出以多子区状态可达一致为目标的子区边界状态反馈控制设计方法. 首先,基于路网 MFD模型建立路网多子区协同模型;进一步,基于部分变量稳定性理论,设计多子区状态可达一致的边界状态反馈控制律.在此基础上,考虑子区拥堵状态的差异性,设计了子区间的协同控制策略,快速缓解子区拥堵状态;同时,提出子区边界输入流的分配优化策略.最后,以潍坊市实际路网为背景建立仿真模型.实验结果表明,本文方法可实现子区交通流分布的均衡性,快速缓解子区拥堵状态,较大幅度地提升路网运行效率.     

基于MFD的城市区域路网多子区协调控制策略

针对城市路网中区域性的大范围交通拥堵问题,提出了基于宏观基本图(Macroscopic Fundamental Diagram,MFD)的多子区协调控制策略,以提升路网的整体运行效益.该策略将城市区域路网划分为多个子区,每个子区的交通流又划分为内部流和转移流,综合两者建立了基于MFD的多子区交通流模型,并给出了对各子区交通流诱导时的边界约束条件;通过调节子区边界控制输入,设计了边界反馈控制器对各子区转移流进行动态诱导,继而进行了迭代分析,以判断其是否满足边界约束,并对控制器进行了Lyapunov稳定性分析.仿真结果表明,所提策略使城市区域路网中各子区车辆总数渐近收敛于设定值,且整体平均流量提高了约11%,大范围交通拥堵状况得到明显缓解.     

大规模路网中分布式车辆群体协同决策方法

为解决车路协同环境下大规模路网中车辆群体协同决策问题,提出了分布式车辆群体协同决策方法;在深入分析交通控制特性的基础上,构建了路网分解模型,将大规模协同决策问题分解成若干个同质小规模子问题,每个子问题覆盖了上游路段、路口和下游路段这3类不同交通区域;基于虚拟车辆映射技术构建了车辆群体协同决策模型,将路口区域二维车辆群体协同决策问题转化为一维问题;与路段区域内车辆群体协同决策方式相同,在路口区域内通过控制虚拟车队中车辆的等效车头时距来完成车辆之间的交互和冲突消解,进而采用统一的协同决策参数来解决各子问题中不同区域内车辆群体的协同决策问题;基于不同区域内车辆群体协同决策参数的统一化,设计了上、下游区域之间的协作机制来保证上游车辆在充分考虑下游交通状态的基础上做出合适的驾驶决策。仿真结果表明：在不同的交通需求设置下,采用提出的方法后,车辆在通过冲突区的过程中均具有平滑的时空轨迹,避免了车辆时空轨迹出现剧烈波动;相对于纯分布式方法,提出的方法在给定的仿真条件下可使车辆燃油消耗最大降低14%;因此,在大规模路网中实施提出的分布式车辆群体协同决策方法可有效降低冲突区对车流连续性的影响,从而保证了车辆安全、平稳、环保地行驶。     

基于宏观基本图的相邻子区协调控制方法

为了提升道路网整体运行效益,克服针对单个控制子区的最优化控制可能造 成的拥堵转移,本研究基于宏观基本图的概念,建立控制子区间驶入驶出交通量的协调 控制模型.该模型以两个相邻控制子区为对象,考虑各子区自身宏观基本图特征及交通量 流入流出关系.在运用博弈论对其相互作用进行描述的基础上,提出了一种以两个子区整 体运行效益最大化为目标的博弈控制逻辑及其求解流程.通过VS2010 对所建立的博弈进 行仿真,验证了模型的可行性及控制效果.研究表明,不同的控制策略对相邻小区的运行 水平（收益）会造成不同的影响,但经多次博弈后,两相邻控制子区整体运行状况可稳定 在一个最佳水平.博弈结果显示路网容量相对较小的控制子区更应受到保护,当内部车辆 数达到最佳车辆数时应对其进行流入限制.     

基于MFD的高铁站周围路网诱导-控制方法

区域边界控制在缓解城市区域交通拥堵方面具有巨大的潜力,但同时容易导致区域边界处形成严重的排队现象.为了解决这一问题,结合高铁站周围路网的交通特性,提出了一种将交通诱导与区域边界控制相结合的基于宏观基本图(Macroscopic Fundamental Diagrams,MFD)的诱导-控制方法.首先,为满足同质性要求,...     

基于模糊推理的区域路网交通状态分析方法

为准确判别区域路网的交通状态,对区域路网交通流的宏观特性进行了详细分析,建立了路网交通状态评估指标体系。结合区域路网的拓扑结构与交通流特征,基于模糊推理技术提出了路网交通状态分析方法。以城市主干道路网为例,验证了路网交通状态分析方法的有效性。该方法可应用于在线交通状态分析和历史数据库交通运行特征的提取,为交通管理决策提供基础信息。     

路网宏观基本图中磁滞现象的产生机理

为尽快将路网宏观基本图理论应用于实际交通管控中,利用车流波动理论从交通流状态演化的角度分析路网宏观基本图中磁滞现象的产生机理。以日本京都市的实际观测数据验证部分结论的可靠性。通过理论研究及案例分析发现:1)路网中低密度、高流量的交通流状态经过拥堵流状态后转化为低密度、低流量的交通流状态是磁滞现象产生的重要原因;2)在相同路网车辆数的条件下,相较形成过程,磁滞环的消除过程会使得路网中产生更多的拥堵路段及拥堵溢出点;3)当路网中存在非拥堵路段可供逐渐增加的车辆选择时,路网宏观基本图有可能在磁滞环形成过程中出现路网车辆数持续增加、但路网总流量保持不变的奇异现象。     

路网中交通密度控制的研究

本研究基于泊松排队理论和驶入、驶出车辆聚结区的大于时间“t”的概率公式，以下公式表达了车辆驶入和驶出车辆聚结区之间关系的函数。     

基于实时交通数据的路网展示系统的开发研究

深入研究实时交通数据,并将其应用在交通管控系统中,研究开发出实时交通数据路网展示系统,可为交通管理者提供辅助决策的依据,增加道路交通指挥的反应时间,起到提前知晓、提前疏导的作用,同时也为交通参与者提供实时路网信息,为现有的道路导航系统提供道路状态信息。     

一种基于分布式网络多智能体的匝道协同控制方法

针对高速公路与城市快速路交汇区域(路网结合部)拥堵日益严重的现状,综合考虑异构交通网络的通行能力与转换需求,基于多智能体和局部感应控制思想,对路网结合部匝道控制模式进行分析,建立单点CPSO-RBF-PID 匝道控制模型、关联主线多匝道一致性协同方法和不同主线间匝道竞争性协同方法.在此基础上,将路网结合部进行网络拓扑,建立基于分布式网络多智能体的匝道协同控制方法.并选取相应路网结合部对所建模型进行验证,结果证明,该模型具有良好的控制效果,能够起到有效地稳定路网结合部交通流密度,缓解结合部区域交通拥堵的作用.     

����IFS��ͨ״̬������Ϣһ�����ں�

针对多源交通信息具有模糊性和时变性的特点,引入直觉模糊集理论(IFS),建立多源交通信息一致性融合算法,融合传感器检测信息与人工信息对交通状态进行实时判别.为了解决IFS中非隶属度函数难以确定的问题,借鉴隶属度函数的构造方法,通过建立双隶属度函数构造直觉模糊数.并以直觉模糊数中的隶属度、非隶属度建立支持度函数,量化决策信息的一致性程度,决策信息的支持度越高集成权重越大,并且权值随决策信息的变化而动态更新.最后给出交通状态决策信息融合算法的具体步骤,并通过算例证明算法是有效的.     

考虑诱导一致性的交通流协同管理模型研究

交通信号控制与路径诱导在时间、空间两个方面共同影响着交通流模式的演变,诱导信息生成与信号控制策略间有强烈的耦合关系,研究两者间的关联关系并使之协同能够提高路网使用效率,改善交通流运行状况.文中从工程应用的角度出发,强调诱导信息的生成必须满足诱导一致性.在此基础上,提出了运行交通流诱导系统的逻辑流程,建立了考虑诱导一致性的VM S诱导系统与线控系统协同模型.     

�����������ֵĽ�ͨ���������Ż������о�

传统区域交通信号控制系统对控制子区的划分未充分考虑交通网络拓扑结构的复杂特性,由工程师根据交叉口物理距离及现场交通流特性来确定,难以保证其客观性和统一性.本文以社区模块度为评价指标,利用凝聚社区发现算法实现了区域交通信号控制系统的控制子区划分;进而,以北京市望京地区为实验案例进行应用测试,利用VISSIM仿真平台比较了本文方法和传统方法在SCOOT系统控制条件下的控制效果.仿真结果表明,在高峰、平峰、低峰等不同交通需求下,区域主干道的平均旅行时间有明显下降,区域内车均停车延误、车均停车次数、车均延误、平均车速等指标均有改善,验证了方法的有效性和可行性,为区域交通信号控制系统结构优化提供了新方法.     

����·��ͨ�ֲ�����ϵͳ�ĵ���ѧϰ���Ʒ���

本文基于快速路交通流分布参数系统模型,利用快速路交通流系统具有重复运行的显著特点,设计一种新的入口匝道分布参数迭代学习边界控制方案.所提出的方法采用带有反馈的PD-型控制律,不仅可以从以前重复过程中学习有用的知识,提高系统的控制精度;还可以有效的抑制当前运行过程中系统的量测噪声和扰动等不确定影响因素.该方法的另一个显著特点在于充分利用了快速路交通系统的分布参数模型描述,更全面地利用了系统的时空控制信息,从而提高了整个路段的控制性能.本文基于Matlab仿真进一步说明所提出方法的有效性和适用性.     

基于GIS的交通信号模拟控制实验平台研制

在道路交通控制课程教学中,交通信号控制是重要的教学内容之一;目前市场上与之配套的实验设备成本较高或停留在理论研究,尚未得到推广;鉴于此,文中提出用软件模拟交通控制代替硬件模拟交通控制的方法,在GIS平台上,开发新一代的交通信号模拟控制实验平台;该实验平台具有结构简单、成本低、易操作等特点。     

城市交通控制中的数据采集研究综述

过去几十年来,城市交通控制技术为适应不断增长的交通需求和日益复杂的管理目标有了长足发展. 作为城市交通控制策略制定和控制算法设计的基础,交通数据决定了城市交通控制的适用性、可靠性和先进性. 数据采集技术的发展为城市交通控制能力的提升带来了机遇和挑战. 本文回顾交通控制系统中数据采集与参数估计的基本方法,分析评述检测数据方法从固定式无标识数据、移动式检测数据到固定式有标识数据的演变,指出它们给交通参数估计带来的变革. 结合20 世纪末出现的移动式检测技术,分析评述了对应的两种交通参数估计方法,即基于概率论的方法和基于交通流激波理论的方法给交通控制带来的影响. 针对近年来出现的固定式有标识检测数据,分析其对城市交通需求估计及交通控制策略参数估计研究带来的新任务. 最后,分析指出我国未来交通控制研究的三个方向：一是城市交通控制系统的信息范围已扩展到区域和路网层级,二是交通参数估计研究的重点随着数据采集方式的演变已转向提高参数估计的实时性与精度等领域,三是交通参数研究理论与实践存在差异,如何结合我国城市交通系统运行中检测环境差异导致数据误差率的变化,交通流到达规律的变化,道路上不同种类交通流间的交叉干扰等实际应用因素,使方法与模型能有效地指导我国复杂的交通控制实践是重要方向.     

基于半监督哈希算法的交叉口交通状态识别

准确辨识交叉口交通状态是实施有效交通控制策略的前提. 传统交通状态识别方法是利用占有率、排队等统计数据设计指标实现状态识别,存在只能从单一角度刻画交叉口交通需求的问题. 对此,提出基于半监督哈希算法的交叉口交通状态识别方法. 从原始数据丰富特征入手,构建交叉口有效检测区域的图像化模型;将交叉口交通状态识别转化为图像搜索问题,利用监督哈希算法实现基于部分标签信息的图像搜索,进而得到交叉口的交通状态;最后,利用仿真对该方法进行了验证. 结果表明,所提方法在识别精度和速度上具有可行性和有效性.     

������������֯������Ⱥ�Ľ�ͨ��Ԥ��

为了提高城市交通流预测神经网络方法的快速动态学习能力,提出了一种生长自组织神经网络群,将复杂的神经网络个体分解为多个训练简单的神经网络群组,并利用设计的动态生长自组织算法来避免神经网络在学习新知识的时候对已有知识造成破坏,同时保持整个群工作的高效稳定,规模不过度扩张.该神经网络群尝试解决神经网络的一次性学习问题,具有动态知识增殖学习能力和更强的错误自修复能力及系统适应灵活性.仿真结果表明,这一方法能够更精确地实现函数逼近和城市交通流自适应动态预测,适用于需要不断快速动态学习的复杂系统.     

基于综合投影的交叉口交通状态判别方法

交叉口交通状态的准确识别是实施交通信号控制策略的前提和基础,针对交 通状态识别问题,提出了基于综合投影的交叉口交通状态判别方法.首先,通过研究交叉 口各相位流量与绿信比之间的内在联系,建立流量和绿信比关系图,并从两相位控制交 叉口入手重点分析交叉口的交通状态;通过时间-排队图确定在不同交通状态下交叉口 各相位排队情况,从而与交通状态相匹配.其次,在两相位控制交叉口的基础上,通过投影 和反投影提出综合投影法,并最终建立适合多相位控制交叉口的交通状态判别方法.最 后,用该方法对实际路口的判别,验证本文方法的可行性和有效性.