基于模糊控制的公交信号优先控制方法研究

面对城市公共交通优先发展中遇到的交叉口公交信号优先控制问题,以降低交叉口人均延误和公交车延误为目标,提出了基于3层模糊控制器的交叉口公交信号优先主动控制模型,通过改进针对车流交通需求强度、相位放行顺序、绿灯时间优化的3层模糊推理控制器,最终输出相位绿灯放行时间延长和相序提前2种控制策略.仿真算例分析表明,与普通固定配时控制相比,公交车平均延误和人均延误分别降低27%,14.2%;与公交信号优先感应控制相比,公交车平均延误和人均延误分别降低13.7%,21.7%,说明了所提方法的有效性.     

相邻交叉口相聚度分析及应用

引入群决策理论中相聚度的概念,通过分析影响相邻交叉口相关性的各种因素,创造性地给出了相邻交叉口相聚度的定义及其计算公式,并对其计算方法和科学合理性进行了阐述,进一步给出了基于相聚度分析的协调控制子区划分策略.算例分析说明,基于相聚度的控制子区划分方法科学合理,具有一定的实用性.     

基于排队论的BRT线路停靠方案优化研究

快速公交系统(BRT)通过专用通道实现了在区间的快速运行,但车站的服务水平成为提高整体服务水平的瓶颈.在定义了排队概率作为车站服务水平的有效度量指标后,以排队论为数学建模基础,建立了BRT子站串联排队服务模型,模型中用生、灭图描述了含有3个泊位的子站的15种状态,用哥尔莫可夫方程解得各状态的概率.结合广州BRT的运营现状提出了线路停靠调度方案的优化思路,通过仿真得到数据,对比了线路停靠方案优化前后的最大排队长度、停车次数和平均排队长度3项指标,结果表明,优化方案中各子站的排队概率达到基本均衡,车辆在于站一和子站二停车次数有明显减少,车辆排队情况明显改善.     

AdaBoost 人脸检测算法在驾驶员疲劳检测系统中的实现

基于AdaBoost算法训练了分类器,并编程实现了一个人脸检测系统,将其应用于驾驶员疲劳检测系统中,对人脸区域进行检测和跟踪.为了提高系统的鲁棒性和检测的速度与精度,依次应用曝光补偿,积分图等方法,使得系统具有较高的高检测精度和较短的检测时间,可以适应驾驶员疲劳检测的需要.     

基于数据包络分析的交叉口信号控制效率评价方法

随着城市汽车保有量不断增加,很多城市交叉口运行效率不高,频繁出现拥堵现象,信号控制效率难以匹配实际的交通情况,我国缺乏针对交叉口信号控制方案效率评价的统一标准.为了评价信号交叉口控制方案效率的优劣性,为给相关部门选择交叉口信号方案提供参考,采用数据包络分析(DEA)方法,选取交叉口车辆排队长度、平均行车延误、停车次数作为评价输入指标,绿灯利用率、交通量作为评价输出指标.最后选取实例进行验证,仿真结果表明:所提出的交叉口信号控制效率评价方法是可行的.     

基于移动检测技术的城市路网拥挤预测模型

提出了一种新的基于移动检测技术、神经网络和模糊判断方法的城市路网动态交通拥挤预测模型.首先构建一个3层BP神经网络模型判断路网实时交通流状态,并应用实地移动检测数据和视频数据获取BP神经网络训练样本并对其进行训练;然后结合路网静态拓扑结构,应用多重模糊推理,对路段发生交通拥挤的发生可能性、拥挤程度和形成时间做出预测.现场实测数据表明,该模型具有良好的预测效果.     

论发展基于GIS—PT和GPS的需求响应式公共交通研究

需求响应式公共交通作为一种更加灵活的公共交通方式,其应用有利于提高公共交通的服务水平,改善人们的出行机动性,这一服务方式在欧美等发达国家已经有了长足发展.通过介绍GIS-PT、GPS定位系统在智能公共交通领域的应用,需求响应式公共交通的现状分析,分别从技术层面,需求响应式公交对比常规公交的优势所在及在发展中需考虑的因素等方面出发,探讨了我国发展基于GIS-PT和GPS的需求响应式公共交通的可行性和必要性.     

基于单目视觉的区域交通智能车辆道路边界检测方法研究

基于单目视觉的道路边界检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。指出图像边缘检测现有算法的不足,采用领域平均法对图像进行平滑处理,根据图像的边缘特征运用Prewitt算子实现边缘增强,以获取精确的边缘信息。使用最大熵算法分割二值化图像进一步减少噪声,从而得到良好的道路特征图像数据。利用道路约束条件,建立视觉系统动态感兴趣区域(DAOI),运用改进的Hough变换最终识别道路边界。试验结果表明:本文所述算法不仅能准确、实时检测出道路板边界,而且能有效地抑制噪声,为区域交通智能车辆的换道和超车提供研究基础。     

基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。     

信号交叉口多目标动态决策模型及其优化方法

以减少机动车在交叉口的延误时间和尾气排放为目标,针对目前交通信号控制模型中普遍采用单一目标进行求解的问题,以非饱和交叉口为研究对象建立了信号交叉口多目标动态决策模型(MODD模型),对信号周期时长、绿信比和相序3个信号配时参数同时进行优化,提出交叉口多目标评价满意度函数,制定交叉口信号控制决策准则并应用混合遗传算法求解最优决策变量.算例的求解结果显示,混合遗传算法能够均匀地逼近Pareto最优前端,多目标优化方法更能减少车辆在交叉口上的停车延误和停车次数,对单交叉口信号配时有理论指导和应用价值.