智慧交通中智能信号灯的应用探讨

通过路口监控摄像机的视频采集数据进行信号灯的优化控制,结合后台人工智能的算法以及混合云的优势,通过模型的训练、线上线下的数据同步,将此项人工智能技术应用于智慧交通的整体平台中,解决交通中车流量高峰拥堵问题。     

自适应交通路口控制系统设计与实现

城市交通拥堵已成为当今大中城市交通的普遍问题,如何在现有道路的情况下,采用现代化技术优化交通运行、改善拥堵现象,是本文探讨的问题。该系统根据地感线圈测试实时车流量,确定放行时间,完成整个自适应过程,实现了交通灯有效控制;各相位之间的转换能随着交通流的不同而自适应地变化,均衡路网内交通流运行,充分发挥道路系统的交通效益;选用无线网络技术传输信号减少了强电驱动的走线长度,减少了施工量。在实际路口进行自适应系统性能测试表明,该系统能根据十字路口相距中的动态车流量优化信号灯的指挥时间,能有效改善拥堵现象。     

城市交通干线多路口协调控制

为了实现交通干线信号的合理控制,有效缓解城市交通拥挤,对遗传算法中适应度函数、交叉算子和变异算子等进行了一系列改进,设计了一种基于遗传算法和混沌优化思想的混合式优化算法,并对由6个交叉路口组成的城市双向交通干线进行了仿真试验.结果表明:该算法能有效地提高交通干线系统的交通流量,比定时控制通过率提高了13.7%;验证了该算法对干线路口信号灯模拟控制的有效性.     

城市交通信号三级模糊滑动优化控制方法

提出一种城市交通信号三级模糊滑动优化控制方法.引入非冲突车流的搭接相位构建交通信号三级模糊控制器的模型,并采用滑动时间窗设计滑动优化的框架.根据实时采集的交通数据,采用基于黄金分割的混合遗传算法,在线学习模糊控制器的隶属函数及控制规则参数.在常态及事故不同交通条件下,以典型路口进行Paramics仿真试验.结果表明提出方法的自适应能力好,可快速响应路口交通流的不确定性事件,且在高饱和的交通条件下性能稳定.     

基于无线技术的智能交通灯模拟系统的设计与实现

在使用低频压力检测卡实时采集交通路口各方向车流量数据的基础上,提出了一套自动交通灯比例时长智能交通控制方案,即根据车流量的实际情况,自动调节信号周期和红绿灯配时比例,以尽量减少道路交通路口的车辆滞留,实现交通灯的智能化控制;系统采用ZigBee和RFID相结合的无线控制技术,详细论述了系统的组网构成和四个单元主节点路口控制器的硬件与软件设计,并对其中的关键技术进行了阐述。为解决路口拥堵、提高通行效率提供了一种有效的思路和方法。     

公交优先的交通信号多层模糊控制模型

针对城市交通信号控制及公交优先问题,首先提出了一种基于交通需求强度的单路口多层模糊控制模型。第一层用来判断路口的交通需求强度,第二层主要完成相位优化功能,第三层用来确定各个相位的有效绿灯时间。进而考虑公交优先将模型扩展为公交优先的交通信号多层模糊控制模型,给出了模型结构与控制方法。仿真结果表明,与定时公交优先控制模型相比,该文提出的公交优先的多层模糊控制模型在交通量较大情况下能有效减少公交车辆延误,可应用于未来的信号控制系统中。     

智慧交通综合管理信息服务平台建设研究

随着信息技术的发展和大数据时代的来临,各行业大数据发挥了重要的作用,推动了行业的发展。社会经济的快速发展对交通行业提出了更高的要求,也加快了交通行业吸收最新信息技术、充分利用交通大数据、提高信息服务效率的进度。为了适应新形势下交通行业管理和公共信息服务的需要,构建智慧交通综合管理信息服务平台成了交通行业发展的重点。本文分析了智慧交通的发展目标、建设关键、评价指标以及智慧交通大数据的特点和智慧来源,根据智慧交通建设原则、建设策略、建设重点设计了智慧交通大数据中心数据模型,并构建了智慧交通综合管理信息服务平台的系统架构。     

交通干线信号协调控制方法综述

相邻的交叉口联系最为密切,以相邻路口作为系统管理是合理的。交通干线信号协调控制是充分利用交通规律来实现优化控制,以便达到交通系统运行效率最大。文章介绍了交通干线信号协调控制的产生和发展,总结和评述了主要的交通干道信号协调控制方法,包括基于波带最大化和延误最小的干线定时协调控制、干线感应自动协调控制、先进的干线自适应协调控制等交通协调控制方法,着重介绍计算机配时设计方法,并对交通信号协调控制的发展提出了展望。     

互联网交通大数据应用教学探究平台设计

随着大数据等新兴技术的发展,交通数据的内涵和外延得到了进一步拓展,对数据进一步挖掘利用成为交通研究和实践的热点,数据分析应该成为交通专业学生必备技能,交通实验课程体系也应跟上大数据技术的发展步伐.对建设互联网交通大数据实验平台进行探讨,以滴滴出行平台交通大数据共享为基础,开发交互性、可变性较强的大数据分析及可视化实验,...     

智能交通灯控制系统的设计和仿真

在使用压力传感器实时采集交通路口各方向车流量数据的基础上,提出了一套自动周期自动交通灯比例时长和固定周期自动交通灯比例时长相结合的智能交通控制方案,即根据车流量的实际情况,自动调节信号周期和红绿灯配时比例,以尽量减少道路交通路口的车辆滞留,实现交通灯的智能化控制;使用MATLAB编制了仿真程序,对方案进行了仿真实验,结果显示:平均车辆延误时间比传统的固定配时方案以及采用模糊算法或改进的模糊算法方案都低;该方案不受时间和地域影响,对所有交通路口均能达到最优化的交通灯控制.     

个人快速交通系统智能协同控制与优化

提出了一种新型智能协同控制运行方案,基于个人快速交通(PRT)车辆的运行规则与车辆间的自组织关系,以自底向上的方式建立动态知识图谱,用以辅助车辆运行决策;通过领航者-跟随者策略在车辆行驶过程中形成虚拟车队运行,在此基础上,将滚动优化策略与粒子群算法(PSO)相结合,对车辆的加速度和减速度进行滚动优化调整,缩短了PRT车辆形成虚拟编队的运行时间,进一步提高了PRT系统的运输能力．结果表明:智能协同控制运行方案使得PRT车辆形成虚拟编队所耗时间平均减少了约38%,每小时运输客流量平均提高了约1.5倍;该运行方案保证了PRT系统运行的高效性和安全性,符合低碳出行、绿色发展的需要．      

移动检测技术的研究

移动检测技术是智能交通系统中实时获取交通信息的重要手段之一.介绍了移动检测技术的概念及优缺点,对当前移动检测技术中的关键问题:如检测车辆占车流的百分比,利用移动检测技术估计和预测的交通指标以及估计、预测方法作了详细介绍,指出如何确定检测车在车流中所占百分比,利用该技术对旅行速度、旅行时间进行估计和预测,以及基于链路的估计、预测方法优于基于路段的估计、预测方法.     

智能物流运输系统

现代物流表现为企业生产与运输一体化的供应链管理与服务，其中货物运输所需的成本，时间及货物在途的状态控制是整个供应链管理过程中的重要环节，将智能运输技术与物流管理相结合，将会极大地提升物流的服务水平，现代物流与智能运输的结合点是交通运输信息的采集与提供，就智能运输技术而言，可用于物流管理的有移动信息技术，车辆定位技术，车辆识别技术，通信与网络技术等，结合物流业务特点，构筑了智能物流运输系统框架，根据案例分析，提出了当前物流企业计算机管理系统向智能物流系统发展的重点。     

基于双波束雷达的车流量检测系统

针对目前智能交通系统对于高性能车流量检测器的迫切需求,本文详细说明了基于双波束雷达的车流量检测系统的组成,分析了其检测原理,推导了信号处理过程,给出了仿真结果。理论分析和仿真结果表明:该检测系统不仅能够实现车辆存在与否、车道判别、车辆密度和时空占有率等各种交通参数的获取,还能实现车辆瞬时速度的测量。     

基于改进PSO的智能车辆转向自适应PID控制

针对智能车辆转向系统的复杂,非线性和时变性,提出了基于改进粒子群算法的自适应PID控制,在该控制系统结构中,采用改进粒子群算法获得PID参数在线调整的信息,完成PID控制器参数的在线自整定,实现智能车辆转向的智能控制.实验结果表明,与常规的PID控制方法相比,该方法具有较高控制精度,较强的自适应性和鲁棒性,完全可适用于智能车辆转向系统的控制.     

物联网下的汽车智能化网络研究

作为物联网技术体系的具体应用实践,车联网正在成为绿色、智能交通及数字化城市的重要组成部分.为了探究车联网技术的开发与应用,着重研究了车联网的网络架构,并以车身网络系统设计为例,设计了一种汽车车身智能化网络构建方案,能够整合现有车身控制单元,实现车辆动态信息充分共享,应用方案简便灵活.     

智能交通系统(ITS)中的智能汽车技术

智能交通系统(ITS)被公认为是解决现代交通问题的最有效手段,而智能汽车则是智能交通系统中的关键环节,直接影响智能交通系统的成败.在简要介绍汽车智能交通系统(ITS)的基础上,着重介绍了智能交通系统中的关键技术--智能汽车技术及保证汽车行驶主动安全性的汽车动力学控制系统;初步探讨了汽车运动的控制算法,包括横向控制算法和纵向控制算法,并用实车试验进行了验证,证明控制算法有效.     

智能运输系统中的雷达车辆检测器

研究智能运输系统中的雷达车辆检测器,利用雷达原理完成对速度,流量等交通流的实时检测和统计,连续波雷达检测器利用运动目标产生的多普勒频移检测运动车辆,调频畦达检测器利用雷达测距原理检测静止,车辆,在频域中数字信号处理器对信号变换与处理,能快速,准确地得到车辆的速度,流量等信息,该检测器已广泛有于北京市智能运输系统中,实践表明对运动车辆的速度和流量的检测准确率高达95％。     

考虑时空相关随机行驶时间的车辆路径问题模型与算法

本文对一类在真实道路网络中考虑时空相关的随机行驶时间的车辆路径问题进行了研究. 首先我们建立了该问题的两阶段随机规划模型. 然后我们将用于候选解寻优的智能优化算法与用于产生评价解的随机场景的情景生成技术相结合,提出一种智能随机优化方法求解该问题. 为了有效地进行解的寻优,本文结合可变邻域下降算法提出了一种混合粒子群优化算法.最后通过一系列基于北京市区道路网络的算例实验,我们验证了所提出的混合粒子群优化算法的有效性.实验结果还表明,考虑实际交通环境中道路网络上车辆行驶时间的时空相关性,会影响最优车辆路径决策方案.     

无人车大数据与云控制技术综述

无人车是指具有完全自主行驶能力并替代人类执行特定任务的智能车辆,在军用及民用领域都具有广泛应用前景,对国防安全建设与汽车产业发展都有着重要意义.近些年来,大数据与云控制技术的出现为各领域的发展提供了新的动能,成为推动智能交通与智慧城市建设的关键技术.本文首先综述了大数据技术的发展情况及其在车辆领域的应用现状,并以团队所研制的系列化功能型无人车为例,介绍了典型无人车的发展情况与关键技术的研究现状,阐述了无人车在军用、物流、巡逻、运输、接驳等国防和民用领域的应用前景.同时,基于团队所研制的无人车云大脑集群控制中心,展望了基于大数据与云控制技术的云端监控与控制技术在无人车领域的应用前景,阐述了其对无人车大规模产业应用的推动作用.