基于入口匝道控制的面向需求的城市高速公路控制策略

通过对现有城市高速公路入口匝道控制策略分析。提出了一种使城市高速公路入口匝道处的排队车辆中具有优先行驶权的车辆优先驶入城市高速公路的控制方法。建立了这种控制方法的算法,并给出一个箅例。     

城市快速路入口匝道神经模糊控制

综合考虑神经网络的学习能力、优化能力及连接式结构和模糊逻辑类似于人思维方式并易于嵌入专家知识的特点,将神经网络和模糊逻辑算法共同应用于城市快速路入口匝道驶入控制系统中. 通过优化选择输入输出变量并对其进行模糊化和反模糊化处理,建立相应的模糊推理规则、关系生成方法及推理合成算法,并利用神经自适应训练方法确定隶属函数的形式和参数,最后给出应用示例. 研究结果表明,利用神经模糊原理进行快速路入口匝道驶入控制能够有效提高匝道连接段的利用效率,减少交通事故.     

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.     

可变速度控制下快速路联动协同控制策略研究

以快速路主线通行能力最大、入口匝道排队长度及延误最低为目标,在分析城市快速路可变速度引导的基础上,提出快速路匝道感应控制算法,构建基于可变速度控制下的快速路主线与入口匝道协同控制模型.并利用实际城市快速路路段调查数据,采用VISSIM仿真软件对所建模型、算法进行了仿真验证,结果可知,文中提出的快速路协同控制模型算法可有效提高快速路主线通行能力,大幅降低入口匝道车辆排队长度及平均延误,减少车均行程时间.     

����·��ͨ�ֲ�����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BP神经网络的高速公路入口合流区域换道行为研究

为了应对高速公路入口合流区域并线事故频繁发生,在分析车辆并线行为影响因素的基础上,利用BP神经网络方法建立了车辆在该区域的决策模型,用来预测驾驶人的并线行为决策,保障车辆和驾驶人的安全.借助详细的车辆轨迹数据对模型进行了学习与测试,模型的测试结果表明:建立的BP神经网络模型用于预测驾驶人并线行为具有较高的准确度,并线车辆相对于目标车道前方车辆的相对速度是驾驶人并线时需要考虑的最重要因素.同时模型还可以进一步应用于交通仿真的研究以及驾驶人辅助系统的开发.