基于模糊算法的高速公路匝道控制方法

针对高速公路交通拥挤和堵塞问题，提出用模糊控制的方法，在拥挤和堵塞形成之前控制匝道的入口流量，避免交通拥挤和堵塞的形成。分析了交通流的构成和自然条件对交通的影响，然后设计出匝道模糊控制的基本结构，并给出了确定交通状态参数的模糊算法。     

高速公路入口匝道汇合控制下的道路通行能力

研究了高速公路入口匝道实行汇合控制下的通行能力，在以往的研究中通常把可接受间隙作为一个固定参数进行计算，在本文中，则把可接受间隙作为一个概率分布来研究，同时本研究根据主线车流车头时距分布，给出了各级服务水平下道路通行能力的计算公式，并给出了仿真结果。     

城市高速公路网络入口流量控制的双层规划模型及求解算法

采用双层规划模型描述城市高速公路网络的入口（匝道）流量控制问题,设计了基于灵敏度分析法的启发式算法,并给出了一个简单的算例．在双层规划模型中,上层模型使整个网络系统最优,同时使从各个入口（匝道）进入网络的流量最大;下层模型是一个标准的用户平衡模型,用于表示网络中用户的路径选择行为     

基于神经网络预测模型的高速公路递阶控制

利用递阶结构和神经网络来进行高速公路入口匝道控制，其基本思想是：把高速公路作为一个大系统问题，子系统为高速公路的路段，协调控制层负责计算各路段的期望轨线，应用神经网络对各路段交通状态进行预测，并根据预测结果实施控制。给出了控制器的构造方法并进行了仿真实验，实验结果表明，该方法能够有效地消除交通拥挤和维持主线车流稳定。     

SWARM 算法在高速公路入口匝道控制中的应用

交通运输业是国民经济中具有全局性和先导性的基础产业.高速公路作为现代化交通基础设施,以其通行能力大、行车速度高的显著特点,成为适应现代产业发展需要的骨干运输方式和重要通道.高速公路的交通控制是高速公路完善程度的重要标志,入口匝道控制则是高速公路控制系统的重要内容,本文介绍了高速公路入口匝道控制系统,包括入口匝道控制的基本原理和典型的控制方法, 并给出了高速公路入口匝道控制系统结构图.SWARM算法在高速公路入口匝道控制中的应用,它以高速公路主线交通流为控制对象,以入口流量为系统的输入控制量,通过计算匝道上游交通需求与下游道路容量差额来寻求最佳匝道入口流量控制,从而使高速公路本身交通需求不超过它的容量,使高速公路主线交通流处于最佳状态.     

城市快速路入口匝道控制研究综述

入口匝道控制是城市快速路交通缓堵的重要手段。为全面了解其研究现状及发展趋势，回顾了入口匝道控制自提出以来近60 年的发展历程，系统梳理了入口匝道控制逻辑与类别，聚焦入口匝道控制的方法论演进。 研究发现： 入口匝道控制范围从局部最优向全局最优发展；入口匝道控制对象由宏观交通流控制向微观车辆控制发展；入口匝道控制的建模方法从确定、均质和静态等模型假设向考虑交通流随机性、异质性和动态性方向发展；入口匝道控制的求解方法分为数学推导和搜索算法两类，在收敛性和普适性方面各具优势。最后，分析了入口匝道控制研究现状，并指出了未来4 个重要研究方向，包括宏观与微观交通流协同控制、入口匝道控制的抗干扰与自恢复能力提升、大规模快速路网控制的高效可靠求解，以及网联环境下的智能控制技术实现。     

高速公路入口匝道控制与仿真

给出模糊控制在高速公路入口匝道调节中的应用,并比较了定时控制与模糊控制的计算机仿真结果。仿真结果表明模糊控制策略在行程时间和总服务流量等性能指标上优于定向控制。     

道路入口匝道连接处通行能力计算模型

结合入口匝道的特点，给出了入口匝道连接处交通流参数之间关系的理论模型以及入口匝道的通行能力计算模型．将连接处参数之间的关系模型整理成汇入率、上游外侧车道流量和密度之间的关系，并且利用实测数据对关系模型进行标定．与美国道路通行能力手册（HCM2000）的经验公式和算例进行了比较．结果表明：流量与汇入率呈指数函数关系；流量-密度呈线性函数关系，并与美国经验公式一致．     

基于BP神经网络的入口匝道控制器的设计

入口匝道控制系统是一种复杂的非线性时变系统，难于用数学准确建模，因此用数学建模的方法实施控制难度较大，本文中根据入口匝道控制原理分析了交通控制中需检测的交通量参数，并据此设计了神经网络控制器，并对这一控制器进行了仿真，仿真结果显示，神经网络用在入口匝道控制中可取得良好的效果。     

基于AD-ALINEA的入口匝道控制方法

本文提出了一种新的AD-ALINEA与匝道排队长度相结合的匝道控制方法。在AD-ALINEA基础上,兼顾入口匝道排队长度对整体路网交通的影响,将匝道调节率取为AD-ALINEA和排队控制所计算出的调节率的最大值。通过元胞传输模型对ALINEA、AD-ALINEA及本文新方法进行仿真,并对三种方法的主路下游流量及匝道排队长度进行比较分析。结果表明,新方法能够明显降低匝道排队长度,又能保证主路下游流量,同时兼顾了整体路网的效率与公平。     

动态交通分配模型仿真研究

依据最优控制理论，建立了一种能够用于多OD对拥挤道路网上的时交通流形态预测的动态用户最优分配模型，讨论了此模型离散形式的解法，并利用Frank-Wolfe算法对模型进行了仿真，计算机仿真结果表明了该方法是有效的。     

基于生物种群模型的智能交通网络控制

针对传统交通网络控制方法,通过对其约束条件和交通网络需求分析,以动态设置交通网络控制参数和提高交通网络性能为目的,提出一种基于生物种群模型的智能交通控制算法.在Matlab环境下进行仿真,结果表明,与传统交通网络控制方法相比,基于生物种群模型的智能交通控制算法可以显著提高交通网络利用率,减少车辆在网络中的延误时间.     

高速公路入口匝道无模型控制研究

高速公路交通系统是具有非线性、随机性、时变性等特性的复杂系统,用传统的数学模型很难准确地描述,因此依赖数学模型的交通流控制存在很大的局限性.建立了一个包含神经网络的无模型高速公路交通流匝道控制系统,这里以入口匝道的放行率(即控制变量)作为神经网络输出,并给出了神经网络的结构和详细的训练算法,其中训练算法采用了SPSA方法.仿真结果表明,该方法能有效地对高速公路入口匝道实施控制,且比一般的神经网络模型具有更强的在线控制能力.     

城市交通网络目标配流模型

进行城市交通网络规划时,一方面需充分利用交通网络各路段的通行能力,另一方面又需考虑到某些路段为了控制交通拥挤、交通污染等而设置目标流量的要求,为此本文建立了已知固定交通需求下的双目标网络配流模型,并将此模型转化为等价的凸目标规划模型．通过求解最优控制不等式组模型的方法对配流模型进行求解．这模型及其算法在小型模拟网络上得到了实施．     

多路径交通分配模型的改进及节点分配算法

本文对动态多路径交通分配模型进行了改进，提出了该模型的快速算法－节点分配算法，并详细阐述了节点分配法中的网络处理、分配节点排序及参数确定等问题。节点分配算法的采用，大大提高了多路径交通分配方法的速度及容量，使之能在超大规模网络的交通规划、交通控制及交通诱导系统中应用。     

多目标城市道路交叉口信号配时优化算法研究

采用细胞传输模型对城市道路的交通流进行建模,提出了该模型中各项交通流运行指标的计算方法.将交通流模型嵌入到多目标优化算法中,替代以往传统的目标函数,采用非支配排序遗传算法NSGA II(none-dominated sorted genetic algorithm II)进行多目标的求解.通过算例分析不同输入条件和控制策略下的优化结果及与其他类似配时计算方法的比较,证明了此算法的结果较令人满意.     

多用户动态交通流分配模型及算法研究

通过对动态交通网络中瞬时反应型和预测型出行者行为假设的分析,提出了将两者结合并增加固定路线出行行为假设的多用户动态交通流分配模型.同时通过对动态交通网络出行者行为的相互制约特性分析,给出了求解上述模型的迭代算法.本模型拓展了以往构建模型中出行者行为的单一性假设.本模型及算法也可直接应用于先进的出行者信息系统,并为路径导行系统中网络的效益分析提供理论依据.     

高速公路交通流的RBF神经网络建模

在对城市高速公路交通流模型深入研究的基础上 ,针对在不同环境以及时变系统中对复杂非线性大系统的控制 ,提出了一种改进的快速 RBF神经网络算法对交通流进行建模 ,克服了传统的数学模型对交通非线性大系统建模时泛化能力差的缺陷 .该算法是采用 APC- 单路径聚类算法确定 RBF神经网络结构参数的一种快速 RBF神经网络算法 ,网络训练速度快 ,效果良好 ,对实现交通流的在线建模与控制有重要意义 .文中进行了计算机仿真研究 ,结果表明了方法的有效性     

动态混合行为交通网络平衡的遗传算法求解

采用遗传算法对动态交通网络平衡微分博弈模型进行求解,将动态混合行为交通网络平衡模型构造为一个开环信息结构下N个局中人非合作非零和博弈,并考虑了一个单OD对之间有两个平行弧的简单网络和两类局中人——用户平衡(UE)和古诺-纳升(C-N)——在拥挤现象中的相互作用,针对此简单网络阐明了遗传算法求解模型的具体步骤。遗传算法求解不必要求目标函数连续可微,大大提高了模型的适用性。通过算例对所设计的算法进行了验证,在算例中将Wie BW(1993)的研究中部分参数取值作了修改,使其更加合乎交通实际,并将计算结果与Wie B W(1993)采用最小值原理计算结果进行了对比分析,通过对比分析表明,其计算结果更符合交通实际。     

基于现实与虚拟交互的交通流再现实验方法

面向连续与间断交通流实验系统框架,利用现实交通流的观测数据,在实验框架的虚拟环境中建立交通流的非参数模型,通过虚拟框架的贝叶斯学习再现与现实等价的实验交通流.选取更为复杂的信号控制交通流场景对该实验方法进行验证.结果表明,该方法在一定精度内可以近似再现信号控制交通流.