城市道路干线信号协调控制与车速引导集成优化

针对当前干线信号协调控制为基于车辆到达驱动的被动响应型控制的特点与不足,提出一种车联网环境下干线信号协调控制与车辆速度主动引导的协同优化方法。优化原理为:考虑车辆-信号控制系统双向通信的环境下,在干线协调控制的基础上引入速度引导来调节车辆到达交叉口时刻,以避免车辆在红灯期间到达交叉口,减少停车次数并提高协调控制系统通行效率。首先,选择双向绿波带宽模型作为协调控制方案的基础;依据下游交叉口当前信号灯色和剩余时长,将车辆引导分为红灯引导和绿灯引导,分别给出最佳车速方程;基于最佳车速给出车辆到达交叉口时刻、交叉口延误和停车次数的估计方法。然后,以车辆引导速度和干线绿波相位差为控制变量,以绿波带宽最大、车辆延误与停车次数最小为目标,建立集成车速引导和干线绿波的优化模型;应用粒子群算法的多目标搜索算法对优化模型求解。选择长沙市湘江中路4个连续交叉口开展案例研究,分别应用普通干线绿波Maxband模型和提出的集成模型设计信号控制方案,并以VISSIM仿真平台进行效率评价。结果表明:集成模型能同时调节相位差和车辆速度,增大绿波带宽,减少停车次数;仿真周期内与Maxband模型相比,集成模型的上行和下行方向平均延误分别降低了24.8%和31.1%,平均停车次数分别减少了37.6%和41.7%,基于车速引导的集成模型能显著提高干线协调控制的效率。     

不同周期信号交叉口间的相位差优化模型

为满足不同周期子区间协调控制的需要,提出对不同周期的信号交叉口实行大周期内协调控制的思想.通过分析不同周期下相邻交叉口间的车流到达规律,利用交通波理论建立了不同周期相邻交叉口间的延误模型,并提出了基于最小延误的不同周期交叉口间的相位差优化方法.最后以两个不等周期时长交叉口为例,利用VISSIM仿真对优化前后的协调控制效果进行对比.仿真结果表明,相位差优化后车辆的平均延误降低了13.60%,平均停车次数降低了6.43%,以此证实了该方法的有效性.文中研究为解决不同周期子区间的协调控制问题提供了新的思路与方法.     

考虑有轨电车效率的干线分段绿波协调优化模型

为提升干线交通运行效率并减少有轨电车交叉口停车次数，建立了干线分段绿波协调优化模型，来实现有轨电车与社会车辆的多模式交通协调控制。首先，确定干线各交叉口的信号周期，根据信号周期对交叉口进行聚类，并协调交叉口信号周期与有轨电车发车间隔之间的关系，分类讨论站点位置对有轨电车绿波协调的影响；然后，针对社会车辆分段绿波系统和有轨电车全线绿波系统分别建立约束条件，避免有轨电车在交叉口处停车，并以社会车辆可变绿波带宽最大为优化目标建立混合整数线性规划模型，来对有轨电车和社会车辆多模式干线绿波系统进行协调优化；最后，以南京市有轨电车麒麟线为例对模型进行对比分析。算例结果表明：文中提出的模型协调优化了干线分段绿波内部及带间的信号控制方案，实现了有轨电车在交叉口的优先控制和社会车辆通行效益的兼顾。VISSIM仿真结果显示：与现行的信号控制方案相比，采用文中模型可使各交叉口车辆延误降低20.89%～35.24%；与仅考虑社会车辆的MULTIBAND模型相比，文中提出的模型减少了6.94%的人均延误，提高了交叉口的总体运行效率。     

考虑关联交叉口排队长度的干线协调相位差模型

为减少干线车辆延误与停车次数,将干线相邻交通信号连接起来进行协调控制。基于相邻交叉口交通流的到达特性,分析干线协调控制的内在机理。依据车流到达类型,将车队头车绿灯到达情况下的交叉口延误分为车队尾部受阻与车队不受阻两种类型。分析关联交叉口的排队特性,将排队长度引入延误计算过程,建立了四种干线协调控制相位差模型。选取青岛市珠江路干线五个相邻信号交叉口进行模型验证,得出相邻交叉口相位差与延误的相关关系,确定了使车辆延误最小的相位差。结果表明,基于排队特性的相位差模型在干线协调控制中具有一定的可行性与实用性。     

基于遗传算法的单点交叉口信号配时优化

以相位的周期时长、绿灯时间作为约束条件,平均停车次数、平均延误最小作为优化目标函数,建立了信号配时优化非线性模型.以上海某一交叉口作为研究对象,将其交叉口的交通数据应用于该模型中,以Matlab为模拟环境,应用实数编码遗传算法对其求解.运行结果显示:交叉口的信号周期由145s变为118s,缩短了19%;车辆的平均延误由45s/veh变为36s/veh,下降了20%;车辆的平均停车次数由0.828 2变为0.736 1,下降了11%.研究结论表明,该方法得出的信号配时方案可以有效地减少停车延误和停车次数,优于现有控制方案及传统的Webster算法得出的方案,从而证明了此模型的实用性.     

车路协同下基于速度引导的双周期干道绿波协调控制方法

针对传统双周期干道绿波协调控制方法的不足,建立了一种新的双周期干道绿波协调控制模型,利用车路协同环境下车-车、车-路实时双向通信的特点,提出了一种基于加减速引导的双周期干道绿波协调控制方法,并结合算例对比分析了加减速引导前后车辆的通行效果。仿真结果表明:加速引导策略能够有效降低车辆的平均行程时间、平均延误时间与平均停车次数;减速引导策略则能够在保证平均行程时间与平均延误时间不增加的前提下,有效降低车辆的平均停车次数.     

基于多智能体的交通干线动态智能协调控制

为减少干线上车辆的平均延误时间,提出了一种基于多智能体技术的动态双向绿波带智能控制算法。采用两层递阶结构和模糊逻辑对城市交通干线进行实时协调控制。上层是协调控制器智能体,根据一段时间内交通流数据计算干线上优化的公共周期时间和上下行相位差,下层是路口控制器智能体,确定每个周期内各交叉口的绿信比。周期依照关键路口饱和度的大小由模糊控制算法进行优化,而相位差根据上下行速度进行计算,绿信比基于历史和实时的交通数据确定。实例分析表明该双向绿波带控制算法能够有效减少车辆在干线上的平均停车次数。     

城市禁左干线信号协调控制研究

对干线上相邻交叉口进行协调控制可以有效地减少干线上车辆延误和排队次数;但是通过对以往干线协调控制的研究发现,主要是以直行车辆延误最小为目标,忽略了干线上的左转车辆。在分析以往协调控制优化的基础上,通过VISSIM交通仿真系统,分别对传统方法、Matlab优化后方法以及禁左后进行协调控制的方法分别进行三次仿真;通过对比发现禁左后干线的延误和排队次数以及干线的西门子交通服务水平评价指标PI值均有显著降低。禁左对于改善目前城市交通拥堵的现状以及提高干线道路的服务能力具有非常积极的意义。     

考虑交通管理策略的交叉口信号控制多目标优化

面向复杂多变的交通系统控制需求,提出一种考虑交通管理策略的交叉口信号控制多目标优化模型及算法,其步骤为:首先,构建城市道路交叉口多目标优化模型;然后,引入交通管理者的交通控制策略,基于模糊分析法确定各优化指标权重;最后,考虑Q学习算法简单方便且具有快速收敛性,基于Q学习算法对多目标优化模型进行求解,从而实时产生考虑交通管理者策略的交叉口信号控制方案。仿真结果表明,所提出的方法不仅能够充分反映交通管理者的控制策略,而且能够有效提高交叉口通行效率,相比传统方法具有缩短排队长度、降低延误时间和减少停车次数的优势,并且这种优势随着交通流量的增大而更加明显。     

粒子群优化算法在交通信号配时中的应用

以交叉口车辆平均延误和停车次数最小为目标,建立信号控制交叉口配时模型,运用粒子群优化算法求解该模型,得到各相位最优配时参数绿信比和周期时长。以某一交叉口为实例,将此方法配时结果与经典配时方法的结果进行比较,交叉口车辆停车次数略有上升,通行能力略有降低,但是车辆的平均延误时间大大降低。这表明运用粒子群优化算法解决交叉口配时问题是有效和可行的。     

公交站点车辆停靠对信号交叉口进口道交通延误模型

为评价进口道具有公交停靠站信号交叉口的公交停靠影响和车辆运行效益,建立公交站点车辆停靠对信号交叉口进口道的交通延误模型.根据公交车停靠对不同类型信号交叉口交通延误影响情况的不同,将影响延误模型分为3类.针对最常见的影响延误模型,首先通过详细分析不同情况下公交车停靠对信号交叉口进口车辆的作用机理,研究分情况的交叉口进口车辆延误计算方法和计算公式;然后根据这些延误计算公式,利用积分方法,得到一套公交车辆停靠对交叉口进口车辆平均延误的计算公式.该公式能较好地计算进口道具有公交停靠站的信号交叉口进口车辆延误,为有效改造和合理布设公交站点提供理论基础与定量分析工具.     

基于CAS-FQL算法的区域交通控制

针对Q-学习算法收敛慢、易陷入局部最优的缺陷,提出了一种基于灾变模糊Q-学习（CAS-FQL）算法的区域交通协调控制方法,即将灾变策略引入到模糊Q-学习算法的学习过程中,以提高和改进Q-学习的寻优能力和学习效率.具体是,利用CAS-FQL算法分别优化路网中各交叉口的周期和相位差,绿信比则采用常规方法优化.TSIS软件交通仿真的结果表明,相比基于Q-学习的控制方法,CAS-FQL算法能显著加快算法的收敛速度、提高交通效率.     

基于交叉口处机动车交通行为概率的延误模型

通过分析信号控制交叉口处机动车的交通行为,利用交叉口的信号周期、有效绿灯时间,求得各种交通行为的概率和平均延误时间,提出一种基于分析各种交通行为概率的交通延误的模型。以石家庄市中山东路与建设南大街交叉口为例,采用Beckham模型对其进行交通流延误的计算。经过对结果的对比,误差为2%,在规定的误差范围内,说明基于分析交通行为概率的延误模型可以为计算交叉口处车辆的平均延误提供一种估计方法,并且求得的平均延误也可以作为评价交叉口服务水平的指标之一。     

城市干道绿波协调控制系统交通评价方法

为判别城市干道绿波协调控制系统的优劣性,考虑绿波系统交通通行规律,提出绿波的不均匀度、通行比例、可达性、车队通行率、出行时间和单车平均延误等效率评价指标.然后通过交通冲突分析,以跟驰车辆速度差作为同向追尾冲突和直右合流冲突等安全评价指标.在此基础上,提出绿波协调控制系统灰色关联评价方法.最后以某干道沿线交叉口为例,对基于数解法的3个绿波协调控制方案进行评价.评价结果表明,第2方案为最优方案,对应最大灰色关联度为0.733,此时数解法的初定带速与理想间距范围较为合理.可见通过构建绿波系统评价体系,提出的干道绿波协调控制系统交通评价方法有助于绿波控制技术的优选与改善.     

行人因素约束下单交叉路口交通信号模糊配时

针对人、车混合流现象,对四相位三车道十字交叉口的交通信号进行模糊配时。首先根据路口的交通流状况,合理地设置相位、相序,采用"迟起"、"早断"方式对行人交通信号进行配时;然后,考虑到行人控制信号对机动车通行的影响,借助于模糊控制算法,对机动车信号进行配时。数值实验表明,考虑行人因素的模糊控制方法在车辆平均延误时间上较之传统定时控制方法大为改善。     

基于VISSIM仿真的交叉口左转车流交通组织

为减少左转车流对交叉口运行效率的影响,结合实例对交叉口左转车流组织进行了研究。以威海市南大桥交叉口为例,分别以左转保护相位和禁左远引调头设计改造方案,利用VISSIM仿真软件对方案进行评价。仿真结果表明：相对左转保护相位车辆平均延误减少33.2％,相对改造前车辆平均延误减少52.1％。禁左远引调头在交叉口左转交通组织中效果明显,可有效减少延误,提高运行效率。     

引入谈判博弈的Q-学习下的城市交通信号协调配时决策

由于城市交通路网中交叉口间交通信号决策是相互影响的,并且车联网技术使得交叉口交通信号配时agent间能进行直接交互,此决策问题可用博弈框架来描述。建立了城市路网中相邻交叉口间交通流关联模型,通过嵌入谈判博弈模型来设计Q-学习方法,此方法中利用谈判参考点来进行配时行为的选择。仿真实验分析表明,相对于无协调的Q-学习算法,谈判博弈Q-学习取得更好的控制效果和稳定性能。谈判博弈Q-学习在处理交通拥挤及干扰交通流时,能根据交通条件灵活地改变交通信号配时决策,具有较强的适应能力。     

排阵式交叉口交通安全分析及鲁棒优化模型

针对排阵式交叉口的交通设计及控制方法,运用交通冲突技术对排序区交通运行安全进行分析,结果显示交通流量是排阵式交叉口交通安全主要影响要素之一.在此基础上,考虑进口道交通流量随机波动的特性,建立了排阵式交叉口鲁棒优化模型,采用改进的NSGA-Ⅱ算法进行求解,运用主客观信息偏差最小法(MDASOI)对优化结果进行决策分析得到最优鲁棒优化配时方案.实例分析及对比结果表明:该模型充分考虑进口道交通流量随机波动的干扰影响,可得到更加优化的配时方法,与传统美国高速公路通信能力手册(HCM)及澳大利亚公路研究局手册(ARRB)配时方法相比,该模型可降低延误指标约28.80%和6.29%,降低最大排队长度约32.43%和7.41%.与实例方案相比,优化方案可降低左转及直行交通冲突约23.8%和11.1%,提高了交叉口的安全效益.