基于仿真的交通信号控制优化策略研究

根据道路流量,研究了利用灵活的控制策略提高交通控制的效率问题.针对信号控制交叉口实际流量动态变化的特征,在现有传统控制方法的基础上根据交叉口交通流的变化特点,提出采用可变车道控制模式的控制方法、单边轮放控制模式的控制方法,介绍了其潜在的适用条件、优势及特点,并在交通流量调查的的基础上,建立了交叉口的相应仿真模型,利用信号控制仿真软件Synchro验证了在高峰期不同控制方法的效果.仿真结果表明,所提出的控制方法适用于具有相应流量特点的交叉口,提高了信号交叉口的控制效率.     

单个交叉口模糊控制及Simulink仿真

以车辆排队长度为控制量,提出了一种交叉口模糊控制方法,并以四相位交叉口为例,建立了Simulink仿真模型,在不同交通流数据下将此模糊控制与现有的定时控制比较,对其控制效果进行仿真验证。仿真结果从车辆平均延误、信号周期和车辆的最大排队长度等方面,显示出了模糊控制的优越性。     

基于Vissim仿真软件的交通信号配时研究

研究了交通信号配时，阐述了平面交叉口单点信号控制配时设计的具体方法和过程，以及各种交通信号配时参数的确定方法、标准及依据，并将其应用于长春市一个极具代表性的5路交叉口；在现有配时方案的基础上，设计多个不同时段的新方案，并利用仿真软件Vissim对其进行模拟，从模拟结果中选取适当参数加以综合比较，评选出最优方案。     

城市道路区域交通信号控制系统的设计与实现

设计的城市道路区域交通信号控制系统采用P89LPC952单片机作为各路口控制器,通过RS-485总线与上位机进行通信,I2C总线接收由车辆检测装置检测到的实时车流量信号.上位机根据实时车流量信号进行分析计算,得到优化的信号配时方案,传送给各路口控制器,控制各路口交通信号灯的变化,实现各路口通行、禁行时间的倒计时显示.各路口控制器可工作在单机控制和通信控制2种模式下,既可根据上位机指令进行路口控制,又可独立控制路口,实现区域内多路口的交通信号控制.     

北京奥运交通信息集锦

北京奥运会期间,城市交通需求将达到历史最高水平,加上奥运交通的高标准要求,赛时交通组织与管理将面临严峻挑战。奥运期间车辆将按单双号行驶,智能化道路交通信号控制系统将启动,9条轨道交通线将撑起北京奥运交通……本篇汇集部分奥运交通信息,以期为相关人员提供参考。     

双环相位结构约束下的强化学习交通信号控制方法

随着信息技术的快速发展,近年来深度强化学习方法在交通运输领域得到广泛应用,特别是在交通信号控制领域,已成为当前交通信号控制发展的重要方向。本文针对强化学习在交通信号控制领域应用中存在的随机相位选择导致无法实际应用的问题,提出了一种考虑NEMA双环相位结构的单点交通信号控制强化学习方法。以典型十字交叉口的NEMA双环相位结构为约束,设计优化了在相位切换决策过程中智能体的控制结构,通过增加1个智能体决定前置和后置相位顺序以提升相位切换的灵活性、部署2个智能体决定前置相位是否切换、设置1个智能体同时切断后置相位绿灯,通过经验共享机制,有效降低了状态-动作空间维度,提高了智能体训练效率。在此基础上,采用定制化PPO算法,基于SUMO仿真平台分析了不同交通需求、不同信号参数等场景下的单点深度强化学习信号控制方法的效果。结果表明,在高中低不同交通需求下,本文的方法都优于传统的固定相位相序方法。     

城市主干道交通信号群系统控制的参数优化设计模式及其模拟系统开发

在引入交叉口信号状态位差概念基础上,提出交通信号系统控制的比例信号相位差设计方案,并在HCM信号延迟计算式的基础上整理出规范化的信号周期及有效绿信号比优化设计模型,从而构成一套完整的城市主干道交通信号群系统控制参数优化设计模式。采用VC^ 程序设计语言编制了具有较好可视性的模拟系统软件,并用此系统软件进行了模拟实验,验证了控制参数优化设计模式的正确性。     

自适应交通信号控制区域中子区的动态合并与拆分

本文首先分析了自适应交通信号控制区域中影响子区动态合并与拆分的各种因素并用性能指标值（PI值）量化这些影响因素。然后通过分析交叉口耦合度给出子区进行合并与拆分时的正理想状态与负理想状态。最后利用vissim的仿真数据进行邻接交叉口的海明距离评估和动态聚类分析。     

基于异步优势强化学习的交通信号控制策略

为解决交通信号控制中的信号灯配时调度不合理、路口拥堵等问题,提出一种基于行动者-评论家算法的城市智能交通控制算法。该算法是一种基于异步优势的算法,可对交通状态特征进行抽象表征,并以多线程并行实现对交通状态的精确感知。该算法还参考了强化学习算法,能在最短时间内不断迭代优化其内部参数,得到交通信号控制的最优方案。为验证该算法的有效性,采用交通仿真软件SUMO,对该算法和其他3种典型的交通信号控制算法进行模拟仿真,并对仿真结果进行比较和分析。研究结果表明：与这3类典型算法中效果最好的Qlearning算法相比,该算法的交叉口车辆平均延误时间减少了14.1%,平均队列长度缩短了13.1%,平均等待时间减少了13.5%。该交通信号控制算法能有效地改善城市道路拥堵,提高道路交叉口的通行效率。