一种分布式交通信号控制方法及仿真实现

在基于多智能体的分布式道路交通控制概念模型和单路口交通信号自学习控制方法的基础上，提出了一种基于多智能体的分布式交通信号区域控制方法。通过相邻路口信号控制智能体的信息交互和协调，在确保路口绿灯时间利用率较高的前提下，尽量使相邻路口驶来的车队不停车地通过路口。编制交通控制微观仿真软件，在一个由8个路口组成的交通网络中对多种信号控制方式进行仿真实验，实验结果表明这种新控制方法的控制效果明显优于传统的定时控制和感应控制方式。     

基于多智能体的分布式交通信号协调控制方法

通过建立交通信号控制智能体BDI模型,提出了一种基于多智能体的分布式交通信号协调控制方法.通过相邻路口信号控制智能体的信息交互和协调,在确保路口绿灯时间利用率较高的前提下,尽量使相邻路口驶来的车队不停车地通过路口.编制交通控制微观仿真软件,在一个由8个路口组成的交通网络中对多种信号控制方式进行仿真实验,实验结果表明这种新控制方法的控制效果明显优于传统的定时控制和感应控制方式.     

一种基于agent协调的两路口交通控制方法

智能体(agent)技术是近年分布式人工智能领域的研究热点，文章将其应用到城市交通信号控制领域中．在以Q—学习方法实现单路口信号控制的基础上，采用对策论与社会规则相结合的方法实现了两个路口控制agent(TSCA)间的协调问题．通过在仿真环境下的对比，证明采用该协调方法是有效的．     

一种交通信号自学习控制方法及仿真实现

将模糊理论和机器学习应用到交通信号控制过程中，提出了一种基于遗传算法的单路口交通信号模糊控制方法。通过对到达车辆数目的模糊分类，将不同车辆数目到达情况下的信号控制决策方案以规则集的形式存储在知识库中，在交通信号控制过程中使用遗传算法对规则集进行改进。编制该控制方法的仿真程序，对该方法的控制效果与定时控制和感应控制进行了模拟比较，仿真实验的结果说明该方法的控制效果明显优于传统控制方式。     

基于Agent的单路口交通流控制的研究

利用Agent技术,通过构造路口Agent与相位Agent来对单路口的交通流进行控制,文章首先指出了路口Agent与相位Agent之间的关系,然后对两类Agent的模型进行了研究。并说明了路口Agent对相位Agent规则变量的学习过程。最后文章进行了仿真研究,结果表明本文研究方法的有效性。     

基于车道共用的多相位灯控路口优化方法

提出了基于车道共用的交叉路口信号控制的方法,该方法充分利用了路口左转弯待转区的空间,将原来的左转专用车道调整为左转与直行车辆的共用车道.在不降低左转车辆路口通过率的前提下明显提高了直行车辆的路口通过率,从而有效地减少了车辆的平均延误.理论分析与仿真结果都验证了该方法的有效性.     

基于遗传算法的交通信号机器学习控制方法

通过对到达车辆数目的模糊分类,将交通信号控制方案以不同规则集的形式实施,根据实际控制效果利用遗传算法对规则集进行改进,形成了一种具有机器学习能力的单路口交通信号新控制方法.经过仿真实验,对该方法的控制效果与定时控制和感应控制进行了比较,仿真实验的结果说明该方法的控制效果明显优于传统控制方式.     

一种基于Agent的单路口交通信号学习控制方法

Agent技术是从分布式人工智能领域中兴起的研究热点，论文将Agent与经验知识和加强学习方法中Q－学习算法相结合，应用到城市交通信号控制领域中，解决单个路口的动态实时问题，通过在仿真环境下的对比，证明该方法具有较好的控制效果。     

单路口交通的多相位实时模糊控制

讨论单路口多相位的交通信号控制 ,控制方法采用实时模糊控制 ,提出以当前相的主队列、最近1 0秒车辆到达数、后继相的主队列三者决定信号配时的方法 ,给出了该三维模糊控制器的设计 .根据通过交叉口的车辆停驶过程 ,推导出交叉口平均车辆延误计算模型 .对上述控制器进行四相位交叉口的仿真试验 ,以通过交叉口的平均车辆延误作为性能评价指标 ,仿真结果表明 ,控制效果比较满意 ,优于定时控制方法     

基于数字荷尔蒙模型的分布式交通信号控制

在基于荷尔蒙信息的基础上,结合数字荷尔蒙模型,建立了分布式道路交通信号协调控制,并对一个由8个路口组成的交通网进行实验,实验结果表明这种新控制方法的控制效果明显优于定时控制、感应控制和实时控制。     

Reinforcement learning based parameter optimization of active disturbance rejection control for autonomous underwater vehicle

This paper proposes a liner active disturbance rejection control(LADRC) method based on the Q-Learning algorithm of reinforcement learning(RL) to control the six-degree-of-freedom motion of an autonomous underwater vehicle(AUV).The number of controllers is increased to realize AUV motion decoupling.At the same time, in order to avoid the oversize of the algorithm, combined with the controlled content, a simplified Q-learning algorithm is constructed to realize the parameter adaptation of the LADRC controller.Finally, through the simulation experiment of the controller with fixed parameters and the controller based on the Q-learning algorithm, the rationality of the simplified algorithm, the effectiveness of parameter adaptation, and the unique advantages of the LADRC controller are verified.     

单路口信号灯模糊-遗传算法优化配时研究

介绍了一种单路口信号灯模糊-遗传算法优化配时方法,把路口一个周期内车辆平均延误作为目标函数,用线性预估方法,根据上一周期和本周期的车流量预估下一个周期的车流量,把预估车流量和前两个周期的车流变化作为输入量,用模糊控制器推算出下一个周期的时间长度,然后用遗传算法优化目标函数,从而得到最优配时方案。计算机仿真结果表明,模糊-遗传算法优化性能良好。     

一种交叉路口信号优化控制模型的研究与仿真

交通信号优化是智能交通控制中的难点。对单交叉路口信号控制提出了一种优化控制模型,该模型先以三层BP人工神经网络对交叉路口的车辆到达进行预测,并根据交通流饱和度理论,用模糊控制器对路口各方向的绿灯时间进行调整。仿真研究表明提出的控制模型可以提高交叉路口通行能力,减少车辆延误,达到交通信号优化的目的,同时比传统方法能更好地适应变交通流的情形。如果做进一步的研究可将该控制方法应用于多路口的区域交通控制,有较强的实用性和推广价值。     

交叉口交通信号灯的模糊控制及优化研究

针对城市单交叉口的交通信号控制问题,提出一种交通灯信号的模糊控制方法。该方法基于四相位定相序对单交叉口交通灯进行控制,模糊控制系统输入为车辆排队数和车辆到达率,输出为当前绿灯相位的绿灯延长时间。利用遗传算法(Genetic Algorithm,GA)优化模糊控制系统的模糊规则和隶属度函数,提升模糊控制系统性能。利用Sumo(Simulation of Urban Mobility)仿真软件,实现了该模糊控制方法。将Sumo自带的控制方法、模糊控制方法、以及基于GA的模糊控制方法进行仿真对比。结果表明,基于GA的模糊控制方法能有效减少车辆的平均延误时间,提高了交叉口的通行能力。     

单交叉口多策略模糊控制算法与优化

大量研究表明,模糊交通信号控制算法在性能上明显优于传统方法,但现有研究大多采用单策略控制,在复杂多变的城市交通流条件下,难以充分发挥交叉口的通行能力.为此,在深入分析交通需求的基础上,提出了基于模糊理论的多策略模糊控制算法.同时,为克服用经验法确定多套模糊策略的困难与不足,还设计了基于遗传算法的模糊规则和隶属度函数优化方法.仿真结果表明,多策略模型优于单策略模型,更优于传统交通控制方法.     

自适应变异粒子群算法在交通控制中的应用

提出了自适应粒子群算法结合实数遗传算法中变异算子的混合算法，它能提高算法的收敛性和稳定性。同时，通过对交通路口的通行情况的研究提出了一种新颖的离散交通信号控制模型。此模型以交叉路口各方向车流支路为基本单元，以各支路车流信息为输入，得出交通信号控制的各项性能指标。在此模型的基础上，应用自适应变异粒子群算法实现交通信号优化控制及验证算法。仿真结果表明自适应变异粒子群算法能够有效实现交通信号优化控制。     

多态交通条件下交叉口定时控制延误模型

延误是评价交叉口服务水平的基本指标, 延误模型对交叉口信号控制方案的选择意义重大. 在多态交通条件下, 采用现有模型分析信号控制下交叉口延误程度存在较大误差. 为适应交叉口交通流的多态性, 基于混合Gamma分布稠密性, 准确拟合交叉口到达车头时距数据. 运用拟合概率函数, 统计交叉口进口到达交通量概率. 将交叉口按照到达交通量大小分为欠饱和、过饱和两种状态, 根据统计概率提出交叉口信号定时控制延误模型. 实例分析表明, 基于混合Gamma分布的延误与实际结果更为吻合.     

城市快速路入口匝道交通控制及优化

针对城市快速路入口匝道的信号灯控制方案，借助车流波动理论，分析了该类交叉口内部的车流运行时空特性，描述了快速路、入口匝道上的车流在交叉口的排队过程，以交叉口车流总延误最小为目标，快速路与入口匝道的绿时分配以及信号周期为参数，建立了城市快速路入口匝道交通控制优化模型，并通过一个实例对优化模型和求解算法进行了验证。研究结果表明：当快速路及匝道绿灯时间均满足最低要求而交叉口有效通行时间（信号周期与周期损失时间的差值）仍有富余时，应将富余的可通行时间分配给快速路，以使得交叉口车流总延误最小。快速路入口匝道交叉口的车辆平均延误由优化前的16.76 s下降至13.18 s，同比下降21.36%；匝道最大排队长度由48.82 m缩短至33.28 m，同比下降31.83%。     

基于混合整数规划的相邻交叉路口信号协调控制

建立一个基于混合整数规划的相邻交叉路口信号协调控制模型，该模型适用于两路口之间距离比较短的情况。根据上游路口的驶入率和周期初路段上的车辆数，对该路段上的车辆运行情况进行了研究，得到了一个周期内该路段的车辆数变化以及下游路口车辆驶出累积数，并通过协调上游路口信号灯变换时间来控制下游路口车辆周期内的驶出数量。本文与现有文献的不同之处在于，是以固定时间内下游路口驶出的车辆数为目标函数进行建模，给出了模型的一些重要性质，并通过算例对模型的协调控制能力进行了仿真研究。