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。     

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。     

基于排队消散模型的干线协调控制

干线协调控制是解决城市道路交通问题最有效、最便捷的方法之一。基于交叉口的数据采集,提出适用于不同层次、不同特点的交叉口相位相序结构,进行干线动态协调控制。利用排队消散时间进行周期优化以及修正相位差,实现干线道路动态绿波协调控制的灵活性和时效性。最后通过银川市具体案例分析和仿真验证。结果表明,基于排队消散模型的干线协调控制,绿波协调控制更简捷有效。     

干线信号协调控制下的公交优先研究

为了在干线协调控制下实现公交信号优先,提出了干线协调控制下的公交优先双层优化方法.上层为干线协调层,以检测到的社会车辆信息为依据,采用最大绿波带法,优化干线交叉口的公共周期、绿信比和相位差;下层为公交信号优先,以干线协调控制层的绿波带上下限为控制约束条件,在不破坏约束的条件下采用绿灯延长、红灯早断的公交优先控制策略,将公交优先融合到干线协调控制中.根据优化算法,建立公交优先控制流程,利用微观仿真软件Transmodeler进行了模拟验证.仿真结果表明:协调控制下的公交优先控制算法虽然会导致干线总体车均延误增加,但是能有效减少公交车辆延误和干线人均延误.     

基于改进Q学习的双周期干线信号协调控制方法

针对双周期干线信号协调控制中干线协调与双周期交叉口通行效率存在一定矛盾的问题,提出了一种基于改进Q学习的双周期干线信号协调控制方法,从状态空间和动作空间两个方面对Q学习算法进行了改进。首先,提出了新的交通状态描述指标——排队消散指数,依据该指标的阈值对交通状态进行等级划分,降低了Q学习状态空间的维数。其次,综合考虑相邻交叉口交通状态之间的关联和影响,针对每种系统状态分别设定可行的关联动作,降低了Q学习的动作空间。最后,以北京市两广路为例验证了改进的Q学习算法。结果表明,改进Q学习算法相比于普通Q学习算法、固定配时方案,干线平均延误分别减少10.47%、9.93%,平均停车次数分别减少22.64%、7.96%,双周期交叉口平均延误分别减少21.58%、24.96%,平均停车次数分别减少8.51%、11.64%,表明该算法对减少双周期干线延误,降低停车次数具有较为显著作用。     

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.     

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。     

定周期单路口绿信比的迭代学习控制方法

为减少公路路口车辆的延误时间,提高交通干线的通行效率,本文利用迭代学习控制方法改善信号控制的效果.在设定初始交通参数后,以车辆排队长度为状态变量,以绿信比为控制学习律,经过迭代学习控制得到实际车辆排队长度和理想车辆排队长度的误差,再利用控制学习律对误差进行多次修正,使绿信比趋向于理想值.MATLAB仿真实验表明:在不同的交通负载情况下,迭代学习控制算法对交通信号绿信比的优化确实有明显的效果.     

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.     

基于类排队长度的交通干线模糊控制方法研究

针对交通干线模糊控制器输入的需要,提出了类排队长度的概念,利用其反映交叉口当前的拥挤程度和交通需求,结合交通干线上相邻交叉口对本交叉口的输入,动态反映出未来一段时间交叉口的交通需求,据此制定模糊控制规则,完成交通干线的模糊协调控制。并对这种模糊控制方法进行了计算机仿真,通过与交通干线定时控制方法的比对证明了所述方法的可行性和有效性。     

考虑汇入汇出车流影响干线协调相位差模型构建与应用

为解决城市道路拥堵问题,在干线协调的基础上,充分考虑上游交叉口左右转向车流。分析这些车辆运行至下游交叉口排队情况,给出一种动态相位差模型的计算。在VISSIM仿真基础上结合MATLAB进行二次开发,随着上游交叉口左右转向交通量的不断变化,模型会及时调整周期、绿信比等,也会结合排队情况给出新的相位差,再通过VISSIM中的检测器,检测车辆延误、停车次数等。结合大连市实际数据验证,结果表明：考虑汇入车流对城市道路干线协调相位差影响是具有重要意义,干线车流总延误较原配时方案减少33.3%,停车次数减少65.6%。     

基于干线协调的公交信号优先方法研究

以多个交叉口组成的干线路段为研究对象,提出一种基于干线协调的公交信号优先控制方法以实现交叉口所有车辆整体效益的最优。该系统由公交请求生成系统、通信系统、交通信号控制系统组成,通过双层优化的方法,即干线协调处于双层优化方法的上层,公交优先处于双层优化方法的下层,并以干线协调作为公交优先的前提条件,通过红灯早断和绿灯延长策略实现公交信号优先。具体案例分析表明,在不违背干线协调这一前提条件下给予到达交叉口的公交车以优先通行权,可以减少公交车辆在线路各个交叉口的等待时间,同时公交相位社会车辆的延误也得到降低。     

基于CTM的干线信号模糊控制优化方法在大型活动中的应用

为了提高城市干道在大型活动交通消散过程的控制效率,利用能够反映交通流动力学特性的元胞传输模型CTM实现消散干道交通信号优化控制.基于CTM建立了消散干道单向交通动力学模型,提出了基于滚动周期的干线模糊控制优化方法,通过实时调整主路绿灯时间从而实现绿波控制路段总延误最小的优化目标.对一个由4个路口组成双向六车道干线道路算例进行仿真,在消散干道主路输入流量随时间变化的情况下,采用各路口绿灯时间一致的控制方案与各路口变化绿灯时间即优化控制方案2种情况下,主路消散方向上车辆总延误分别为4 254和3 825 s.算例结果表明,优化方案对于减少主路消散方向的交通流总延误具有较好的控制效果.     

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。     

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.     

联网自动车环境下的信号交叉口优化方法研究

为适应智能交通发展新趋势,改进了两个信控交叉口通行能力模型,使得新模型适用于联网自动车（connected autonomous vehicles,CAVs）环境。其一是最小延迟模型,通过最小化交叉路口的总延迟得出绿灯时间并根据流速得出周期长度,模型引入了每个车道或车道组的绿灯延时和具体排队服务时间的比率作为参数,该参数依赖于交叉路口处车辆到达的概率分布。其二是混合模型,包括两个模型,分别是估计排队服务时间的静态排队模型和从单位延时、流速、车道的限速、检测器长度中估计得到绿灯延伸时间的动态模型。数值算例表明,CAVs环境下新模型的交叉口延误显著减小,从而验证了两个通行能力模型的有效性,可为交管部门进行路口改造提供依据。     

联网自动车环境下的信号交叉口优化方法研究

为适应智能交通发展新趋势,改进了两个信控交叉口通行能力模型,使得新模型适用于联网自动车（connected autonomous vehicles,CAVs）环境。其一是最小延迟模型,通过最小化交叉路口的总延迟得出绿灯时间并根据流速得出周期长度,模型引入了每个车道或车道组的绿灯延时和具体排队服务时间的比率作为参数,该参数依赖于交叉路口处车辆到达的概率分布。其二是混合模型,包括两个模型,分别是估计排队服务时间的静态排队模型和从单位延时、流速、车道的限速、检测器长度中估计得到绿灯延伸时间的动态模型。数值算例表明,CAVs环境下新模型的交叉口延误显著减小,从而验证了两个通行能力模型的有效性,可为交管部门进行路口改造提供依据。     

T型交叉口信号设置临界流量的确定方法

为完善道路交通信号灯设置与安装规范,以不同车流的优先通行规则为基础,提出了T型交叉口各股车流之间的冲突矩阵,并基于可接受间隙理论和排队论建立了车流通行能力及无信号交叉口车均延误模型.在此基础上,以交通流的运行效率最优为控制目标,以车均延误为判别指标,描述了信号设置前后交叉口车均延误差值与车流流量的变化关系;取延误较小者...