快速路匝道协调控制模型

快速路多匝道协调控制是一种有效解决城市交通拥挤问题的方法,考虑下游交通需求的宏观动态交通流模型与匝道排队模型为快速路系统控制提供交通需求信息.根据匝道排队状况,主线交通运行状态确定汇入主线的交通量.以系统总行程时间最短为控制目标,控制目标函数考虑了匝道调节率的变动引起的运行状态变化对最优值的影响.     

城市快速路出口匝道与衔接交叉口整合控制模型

在出口匝道接地点离交叉口距离过近时, 为避免衔接交叉口的拥堵易回溢至快速路主线, 提出一种基于CTM的出口匝道与衔接交叉口的整合控制模型。在出口匝道存在超长排队时, 实行相位绿灯延长或绿灯提前激活策略; 在出口匝道不存在超长排队时, 以出口匝道及衔接信号控制交叉口车均延误最小化为目标, 实时动态优化衔接交叉口的周期和绿信比。仿真结果表明: 采用控制模型, 衔接交叉口的车均延误虽然增加了1.74s, 但可以将排队长度从大于200m降低至160m以内, 从而可以保证出口匝道衔接区域和快速路主线的畅通, 因此, 控制策略及模型合理有效。     

结合部区域入口匝道协调控制模型

针对进出城市的高速公路与关联城市快速路（简称结合部区域）交通拥堵日益恶化的现象,以结合部区域为研究对象,从结合部区域的匝道控制影响因素分析入手,建立了一种适用于结合部区域的单点入口控制模型和多入口匝道协调控制模型,以京津塘高速公路与北京市三环、四环的结合部区域为例,以实地调研及交通流检测数据为基础,通过仿真验证其有效性,为匝道协调控制实际应用提供理论方法.     

城市快速路匝道出口交织区交通冲突特性研究

为了研究城市快速路匝道出口及交织区的交通运行特性,以长春市具有代表性的快速路匝道出口作为调查对象,以调查实测的数据为基础建立模型,分析交通冲突特性、交通流流量特性及密度特性,建立研究路段交通冲突数与流量和交通密度的关系模型。研究结果表明,快速路出口处车流量的冲突数随着交通流量的增加而增加,而与交通密度的关系中则存在一个临界值(交通密度达到131辆/km,交通流变为强制流)。本文研究成果可以为城市快速路匝道出口控制提供理论依据与参考借鉴。     

基于人工神经网络的快速路入口匝道流量预测

已有快速路入口匝道控制手段是以定时控制方法为主,虽然存在动态调整等方法,但缺乏预测机制,这主要是由于车流的动态性和随机性而难以进行定量分析,引入人工神经网络可对车流进行动态预测。分析了影响主线交通量的与匝道相关的因素,并在此基础上建立了神经网络预测模型,通过上海典型匝道（延安路-江苏路）一组实测数据对网络进行训练和预测,得到了满意的效果。     

基于复杂网络同步城市快速路协调控制研究

基于复杂网络同步,本文研究城市快速路多入口匝道协调控制问题.采用元胞传输模型建立城市快速路节点耦合的复杂网络动力学模型,以同步为目标设计多入口匝道协调控制器并确定控制策略,其中牵制节点对应需施加控制信号的入口匝道,推导出城市快速路网络系统同步的稳定性条件,以此得到牵制节点和反馈增益矩阵.通过具体例子仿真验证了本文协调控制方法的有效性,能以较小的控制范围代价达到抑制交通拥堵从而提高道路通行效率的目的,控制效果优于传统协调控制方式,可进一步推广到大规模城市交通网络系统.     

城市快速路入口匝道控制策略与流程设计

基于城市快速路入口匝道控制的特点,设计了同时考虑快速路和地面道路的控制策略与流程。为充分发挥快速路主线的效率,控制流程首先根据快速路主线交通状况计算匝道调节率;当因交通分流导致地面道路服务水平不可接受时,采取修正调节率或者关闭匝道的措施。     

基于地面路网MFD 的快速路出口匝道流量分配模型

过于集中的流量分配易导致出口匝道和与之相衔接的地面道路过饱和,进而影响快速路和地面路网的通行效率.为提高路网中车辆通过快速路到达目的地的通行效率,基于地面路网宏观基本图（Macroscopic Fundamental Diagram,MFD）,以出口匝道通行能力和与之相衔接的地面路网承载能力为约束条件,以整个路网的车辆总行程时间最短为优化目标,建立快速路出口匝道流量分配模型.根据宏观网络车流平衡方程,采用改进的遗传算法对模型进行求解.最后,通过实际路网验证了模型的有效性.结果表明,该模型可有效提高车辆通过快速路到达目的地的通行效率,同时降低出行成本.     

城市快速路匝道最小间距模型

匝道间距是路线设计中的重要内容, 对交通流有决定性的影响。根据城市快速匝道的特点, 应用驾驶员行为理论, 模拟了驾驶员城市快速匝道上的驾驶行为。认为匝道间距是影响城市快速路主线运行状况的关键因素。为了合理确定匝道最小间距, 必须确定匝道组合模式和计算匝道加减速车道长度, 并计算出车流从匝道汇入主线后, 由于车流变道而形成交织车流长度。由此建立了不同匝道组合模式下的匝道最小间距模型。应用实例表明, 当匝道间距不能满足最小间距时, 车速降低, 服务水平下降。     

城市快速路速度引导预测控制模型

在城市快速路控制系统中, 将速度引导作为控制变量, 建立了宏观动态交通流模型。以车辆总行程时间与速度引导为目标函数, 计算了城市快速路入口区域流量和匝道入口区域流量, 建立了快速路速度引导预测控制模型, 对速度引导进行优化设计, 利用MATLAB软件对下游交通流突变进行仿真分析。分析结果表明: 通过速度引导控制, 交通流平均速度由72.704 6km.h^-1上升到74.167 6km.h^-1, 交通流平均密度由23.011 2veh.km^-1下降到21.156 7veh.km^-1, 波动均小于8%;速度方差下降, 且最大值仅为420(km.h^-1)²; 速度引导控制前后的速度方差与密度方差之比分别为3.57、1.91;在交通流突变时段内, 速度引导控制前后的速度方差与密度方差之比分别为4.56、2.34。可见, 速度引导控制模型有效。     

多匝道协调控制方法在佛开高速公路中的应用

针对高速公路匝道控制的非线性、不确定性特点,考虑实际应用设计出多匝道协调控制方法,并应用于广东省佛开高速公路新南庄互通-龙山互通段,设计佛开高速公路主线和匝道控制仿真系统,仿真实验结果表明,多匝道协调控制方法可以应用于高速公路入口匝道的控制中,并能取得较好的控制效果。     

自动跟踪动态临界占有率的匝道协调控制方法

为了解决高速公路主线合流区交通拥挤与入口匝道排队溢出问题, 提出了一种入口匝道协调控制方法, 依据主线合流区交通状态和入口匝道排队长度设计需要协调控制的匝道个数, 以扩大协调匝道组的空间容量, 增大截留进入主线交通拥挤区域车辆的能力; 应用实时检测的主线合流区通过量和占有率估计主线动态临界占有率, 采用入口匝道调节率自动跟踪主线合流区动态临界占有率的变化, 以提高主线通过量; 采用匝道相对排队长度设计启发式规则, 以提高入口匝道协调控制能力, 防止排队溢出; 以沪宁高速公路G42为仿真背景, 应用VISSIM仿真软件, 从路网性能、主线合流区交通状态和匝道排队长度三方面对提出方法的控制效果进行评价。计算结果表明: 相比于无控制算法, 采用控制方法的总行程时间减少约8.44%, 路网平均延误减少约62.97%;采用ALINEA算法的总行程时间减少约2.85%, 路网平均延误减少约21.20%;采用Linked-control算法的总行程时间减少约6.00%, 路网平均延误减少约56.17%;采用控制方法的主线合流区的交通通过量在交通状态突变时增加了540 veh·h^-1, 且各个匝道之间排队长度更加均衡。可见, 提出方法控制效果优良。     

基于多智能主体的高速公路控制系统结构

高速公路交通量的增加对高速公路交通控制提出了更高的要求。传统的基于精确数学模型的交通控制方法很复杂并且在实际应用中往往达不到预期的控制效果，因此寻求新的有效的交通控制方法也就成为必然。多智能主体(Multi—Agent)技术是人工智能领域中的一个研究热点，单个Agent能够自主地、主动地对对象进行控制，并且Agent之间可以进行协作从而使整个系统达到更大的智能性。介绍多智能主体系统(Multi-Agent System，MAS)的概念，然后描述基于MAS的高速公路交通控制系统结构以及Agent的内部模块的功能，最后对Agent之间的协作进行了简要的分析。基于多智能主体的高速公路交通控制系统拥有一种全新的智能交通控制结构，它能够较好地克服传统交通控制系统所存在的缺陷，适应高速公路交通系统的复杂性和随机性。MAS技术的关键在Agent之间的协调，因此下一步的研究应该集中在Agent之间如何建立有效的协调机制。     

阻塞流状态下城市快速路交通流时空特性

根据时间序列中的自相关函数法, 判断交通流量、时间占有率与平均速度的时间序列的平稳性。根据混沌分析中的G-P算法, 将非平稳的交通流参数时间序列转化为平稳的交通流参数时间序列。引入了互相关系数的概念, 在阻塞流状态下, 计算了上游断面对观测断面以及观测断面对下游断面的互相关系数, 并应用K-S检验判断阻塞流状态下城市快速路进出口匝道的车辆到达特性。研究结果表明: 交通流量和时间占有率属于非平稳时间序列, 平均速度属于平稳时间序列; 当时间延迟分别取2、3、5min时, 在阻塞流状态下, 重构的交通流量相空间嵌入维数为4;观测断面的交通流参数不仅受相邻上游断面交通流参数传递的影响, 而且也受相邻下游断面交通流参数回溯的影响; 在阻塞流状态下, 城市快速路进出口匝道车辆到达特性符合负二项分布。     

高速公路单点入口匝道RLRM控制方法

为缓解交通堵塞, 基于人工智能的强化学习理论, 提出了不完全信息下的强化学习单点入口匝道控制方法(RLRM)。基于6个仿真实例, 分别计算了平均速度、平均密度、流出交通量与旅行时间, 比较了无控制、定时控制与RLRM控制的控制效果。仿真结果表明: 在交通量较小的实例1中, 以旅行时间为评价指标, 定时控制与RLRM控制的交通阻塞缓解率分别为-6.25%、-9.38%, 几乎没有控制效果; 在交通量变大的实例3中, 以旅行时间为评价指标, 定时控制与RLRM控制的交通阻塞缓解率分别为-8.19%、3.51%, 匝道控制有一定效果, RLRM控制略优于定时控制; 在交通量最大的实例6中, 以平均速度、平均密度、流出交通量与旅行时间为评价指标, 定时控制的交通阻塞缓解率分别为8.20%、0.39%、18.97%与23.99%, RLRM控制的交通阻塞缓解率分别为18.18%、3.42%、30.65%与44.41%, RLRM控制明显优于定时控制。可见, 交通量越大, RLRM控制效果越明显。     

高速交通中堵塞形成阶段的交通流模型

研究了高速交通中由于各种交通瓶颈而导致交通堵塞的过程, 通过与高速空气动力学中的激波问题作比拟, 建立适用于这一过程的交通流模型, 包括完全堵塞和部分堵塞两种状态下的不同模型。依据实际测量数据, 论证了平面交叉口绿灯转红灯时车流堵塞波的推进速度满足正态分布假设, 其拟合优度高于泊松分布假设。建立的完全堵塞状态下的交通流模型揭示, 随着上游来流的平均流量增加, 堵塞波的推进速度呈指数规律上升, 堵塞前后交通状态指数改变值在0.0 2~ 0.30范围内。根据部分堵塞状态下的交通流模型, 又可以得到不同程度堵塞条件下, 堵塞波的推进速度与上游来流流量之间的定量变化规律, 可以作为控制上游来流流量, 以减缓堵塞发展或尽快消除堵塞的计算依据。     

基于ARIMA的交通流量短时预测

采用AKIMA方法进行交通流量趋势预测．建模是利用现场调查得到的非平稳时间序列进行数据处理、建模．并根据AIC准则进行模型定阶,最后通过实测数据进行验证,结果表明。该ARIMA模型能够获得较好的中短期预测精度,因而可用于动态交通信号控制。