基于马尔可夫模型的交叉口两难区自适应控制

提出一种基于马尔可夫模型的信控交叉口两难区自适应控制方法.根据实时监测的两难区内车辆数据,采用马尔可夫模型主动预测陷入两难区内车辆数的概率分布,提出采用基于n近邻的状态转移矩阵的更新框架,并综合考虑相位时长,建立相位延长和切换时两难区内当量车辆数的计算模型,进而以相位切换的风险概率为准则,采用即时决策的交通控制自适应调整相位时长.以广州市某交叉口进行VISSIM仿真实验,在不同强度的交通条件下,验证提出方法的效用并进行参数敏感性分析.仿真结果表明经过模型参数校准后,提出的控制方法在有效减少陷入两难区内的车辆数的同时,可减小交叉口的平均延误.     

基于冲突相位组的自动驾驶交叉口行人过街控制方法

【目的】在无信号控制的自动驾驶环境下,自动驾驶车辆的通行轨迹将与过街行人产生大量冲突,如何利用交通控制手段使行人安全通过交叉口,并避免对自动驾驶车辆的通行造成较大的干扰,是亟待解决的关键问题。【方法】本文提出一种基于冲突相位组的自动驾驶交叉口行人过街控制方法,将到达交叉口的车辆流向分为4个冲突相位组,在各相位组内单独分配通行时间,基于冲突相位组对自动驾驶车辆和行人过街的通行时间进行建模;在穿插式通行模式的基础上,使用行人信号灯保障行人过街需求,建立考虑行人二次过街的自动驾驶交叉口交通控制模型。模型以交叉口各流向需求量与实际交通量乘积之和最大为目标,以各流向允许车辆通行的时间比例和行人信号灯状态为决策变量,综合考虑交通流量、行人和车辆通行权等约束,建立混合整数线性规划模型（mixed-integer linear program,MILP）,该控制模型可为各流向的车辆和行人分配通行权。【结果】本文模型的车均延误较定时控制方案的降低26.74%,较单次过街模型的降低11.53%,人均延误较定时控制方案的降低51.66%,较单次过街模型的降低36.20%。这表明本文模型能有效提升交叉口的通行...     

基于车均延误的预信号交叉口信号配时优化

为了缓解交叉口的过饱和问题,提出一种面向机动车流的交叉口预信号控制方法.即在给定的交叉口渠化以及相位相序方案下,建立主信号和预信号处机动车的延误计算模型;以交叉口车辆平均延误最小为目标,以信号配时参数和待行区长度为自变量,构建预信号交叉口的配时方案优化模型;并采用可行方向法对这两个模型进行求解.最后以典型的十字交叉口为例对所提出的方法进行验证.结果表明:当交叉口处于饱和或过饱和状态时,与传统信号控制方法相比,预信号控制方法降低车辆延误可以达到60%.     

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。     

城市干道交叉口联动控制优化建模

缓解干线道路交通拥堵问题,对于解决城市道路交通问题具有重要作用。通过综合考虑主路上下游交叉口和支路对系统的影响,针对车辆加减速延误、车辆停车延误、非协调相位的车辆延误三部分对干线道路协调相位进行讨论。建立了交叉口总延误模型,并通过遗传算法对延误模型进行求解,验证模型可行性。以期对交叉口延误研究提供一定价值的参考。     

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.     

钩形弯交叉口信号协同控制优化方法研究

针对车辆在钩形弯交叉口与相邻常规交叉口间的整体运行特性,建立了各条车道的车辆平均延误计算模型。以各交叉口的周期时长和相位绿灯时间为约束,钩形弯交叉口与相邻常规交叉口间的车辆平均延误最小为目标,建立了信号协同配时方案。以位于苏州市高新区内有轨电车沿线的两个相邻交叉口为例,采用实际数据验证所建立的方法,并设置钩形弯渠化方案。将设置的钩形弯交叉口与其相邻常规交叉口的信号协同作为改进方法,在VISSIM软件中对比分析改进方案与现状方案的车辆延误指标。实验结果表明,钩形弯交叉口与相邻常规交叉口的信号协同优化方法可有效提高交叉口的通行能力,尤其是干道直行机动车的通行能力,可降低车辆的平均延误。     

单交叉口交通信号的两级模糊控制

本文提出了一个典型的交叉口交通流模型,并对其设计出两级模糊控制系统.仿真结果表明该系统在交叉口车辆平均延误时间上比定时控制有所改善.     

钩形弯交叉口信号协同控制优化方法研究

针对车辆在钩形弯交叉口与相邻常规交叉口间的整体运行特性，建立了各条车道的车辆平均延误计算模型。以各交叉口的周期时长和相位绿灯时间为约束，钩形弯交叉口与相邻常规交叉口间的车辆平均延误最小为目标，建立了信号协同配时方案。以位于苏州市高新区内有轨电车沿线的两个相邻交叉口为例，采用实际数据验证所建立的方法，并设置钩形弯渠化方案。将设置的钩形弯交叉口与其相邻常规交叉口的信号协同作为改进方法，在VISSIM软件中对比分析改进方案与现状方案的车辆延误指标。实验结果表明，钩形弯交叉口与相邻常规交叉口的信号协同优化方法可有效提高交叉口的通行能力，尤其是干道直行机动车的通行能力，可降低车辆的平均延误。     

基于混合Petri网的单点信号优化感应控制

为研究单交叉口交通信号感应控制问题,建立由连续Petri网描述交通流和离散Petri网描述交通信号控制的混合Petri网模型。根据连续Petri网的离散化方法,以连续Petri网中的参数为基础,提出各个相位车辆总停留时间的计算方法。为优化各个相位的绿灯时间,以车辆总停留时间最小为目标建立优化感应控制模型,并进行仿真计算。研究结果表明:采用基于混合Petri网的优化感应控制方法时,4个相位的车辆平均延误分别为18.19,15.65,14.88和15.24 s,与基于混合Petri网的一般感应控制方法、基于离散Petri网的感应控制方法相比较,平均延误的最大缩短率分别为26.26%和38.33%。基于混合Petri网的优化感应控制方法可以较好地实现单点信号控制。     

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。     

交通控制子区划分方法研究

交通控制子区划分主要将相邻的众多交叉口划分为若干个交通子区进行干线协调控制,可有效缓解交通拥堵现象,但现有方法划分出的交通子区无法满足实际协调控制的准确性与鲁棒性。为解决这一难题,结合当前流行的划分技术,考虑4个影响因素:信号交叉口间距、交通流量、周期、通行能力,建立模糊C均值聚类划分方法,再通过实例,借助Vissim仿真软件,验证方法的适用性与可行性。Vissim仿真结果表明:与传统协调控制方法相比,方法可使系统车均延误时间减少27%,协调相位行车时间减少20%。     

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。     

Urban Intersection Traffic Signal Control Based on Fuzzy Logic

IntroductionTraffic signals are essential in transportationnetwork management.A number of traffic signalcontrol methods have been developed in the past.Recently,a major research focus has been theapplication of artificial intelligence techniques,such as expert systems,fuzzy logic,neuralnetworks,and genetic algorithms for intersectionsignal control.　 Pappis and Mamdani[1] developed fuzzy rules toevaluate the suitability of extending a currentgreen phase by different time durations based on ac…     

车联网干线协调控制相位差自适应优化

为了提高车联网环境中干线的通行效率,提出一种车联网中干线协调控制相位差自适应优化方法.本文基于车辆换道延误模型建立了以上游交叉口车辆数为输入、下游交叉口信号相位差调节量为输出的模糊控制网络;为解决车流和路况变化造成的控制效果降低问题,以车辆交叉口平均等待时间最小为目标,对模糊规则进行自适应调节;通过基于Q-Paramics的车联网仿真平台对本文提出的方法进行验证.结果表明:本文提出方法控制效果明显优于传统干线协调控制方法;在车流大幅震荡和车流随机波动条件下,较固定规则的干线模糊控制方法能够分别降低车辆平均等待时间12.35%和9.7%.本文方法能够适应车流变化和路况变化,具有更优的适应性、可用性及工程价值.     

基于神经网络的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,文中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,是实现交通系统智能控制的一条新途径．     

两层模糊神经网络交通信号控制模型

交叉路口信号的有效控制是减少车辆延误时间的关键,是保证城市交通顺畅的前提。以单交叉路口为研究对象,在仿真希腊学者Pappis提出的模糊控制方法基础之上,基于交叉路口的动态特性及模糊规则的一成不变,提出两层BP神经网络实现单交叉路口的模糊信号控制方法,在不同车流量情况下,使用MATLAB工具仿真实现,结果表明:所提出的模糊神经网络具有较强的学习、推理能力,对于车辆的平均延误时间有较好的改进。     

基于熵值法的左转可逆交叉口配时优化方法

为提升左转可逆车道交叉口通行效率,提出一种基于熵值法的左转可逆车道交叉口配时优化模型。从交叉口道路条件和相位条件两方面对左转可逆车道设置进行分析,以交叉口通行能力和车均延误为优化目标,调整交叉口信号配时方案,运用熵值法构建设置可逆车道交叉口配时优化模型选取最优解。以青岛市典型交叉口为例,用该优化模型对交叉口设置左转可逆车道后的配时方案进行优化设计,并与现状配时方案和未优化配时方案进行对比。结果表明,早、晚高峰交叉口通行能力分别提高了3.2%和19.4%,车均延误分别降低17.6%和14.7%,优化方案有效提高了交叉口通行效率。     

基于改进F-B模型的过饱和状态下交叉口信号配时优化方法

为减少过饱和交叉口的车辆延误时间,建立了改进的F-B配时模型。该模型进行周期计算的步骤与F-B法相同,在调查各进口道交通量时,提出"通过交通量"的概念,并采用延误模型对F-B算法以及改进F-B法进行评价。案例分析结果表明,与F-B配时模型相比,应用改进F-B配时模型的信号配时方案使相邻交叉口延误时间分别减少了34.39%和28.05%。该模型能够有效缓解交通拥堵,减少车辆排队长度并提高交叉口服务水平。     

基于粒子群算法的多效益交叉口信号配时模型

城市交通的延误主要发生于交叉口,提高交叉口信号的运行效率对缓解交通拥堵具有重要作用。本文建立了基于车辆平均延误、停车次数和通行能力的多效益信号配时优化模型,并使用了粒子群算法进行编程求解。实际案例分析结果表明,模型求解出的优化配时方案降低了交叉口车均延误和停车次数,同时提高了交叉口的通行能力,综合改善了交叉口的多个指标,对提高交叉口的运行效率具有显著作用。