基于前车制动过程的车辆跟驰安全距离模型

在传统的基于制动过程的安全距离模型的基础上,考虑了前后车之间的速度关系和车辆制动减速度的渐变过程,建立了单车道跟驰状态下车辆跟驰的安全距离模型。通过Matlab仿真计算,从理论上验证了该模型能够很好地解决传统模型计算的安全距离存在较大偏差的问题。最后,通过VC++建立了十字交叉口的仿真系统,进一步检验了改进模型在保证车辆安全跟驰的情况下,能够提高道路交通效率,减小交叉口的总延误,从而减少交通环境污染。     

基于NSGA-Ⅱ算法的多目标公交调度优化模型

针对传统公交调度方案容易导致运营经济成本和乘客时间成本的不合理分配问题,提出了一种基于NSGA-Ⅱ算法的多目标公交调度优化模型。综合公交车辆运营成本、乘客出行成本及乘车舒适度三个目标函数,建立公交调度优化模型,通过非支配排序遗传算法对模型的pareto最优解进行计算。最后以深圳市某路公交为实例,通过采集线路参数,计算得到该线路最优发车间隔。验证了NSGA-Ⅱ优化算法在公交调度中的有效性,对公交运营与线路改善有一定的借鉴意义。     

自动引导车路径偏差的控制研究

本文针对差速驱动的AGV路径偏差控制,建立了小车路径偏差的运动模型。利用数学方法分析路径偏差与车轮速度的关系,深入分析,得到两驱动轮驱动电压与偏差变量的等量关系,从而得到系统的结构框图,从根本上分析了AGV的控制原理。通过对比激光导航,磁导航,视觉导航等控制方式,最后选择无适应性,稳定性更强的无轨导航,采用模糊控制理论,将系统简化为以偏差变量为输入,驱动电压差为输出的双输入单输出系统。仿真结果表明,该方法有较好的路径纠偏能力。同时也为无轨AGV路径控制奠定基础。     

优先放行的环形快速路入口匝道控制

针对城市快速路因交通需求大于交通供给而出现的交通拥堵现象,考虑入口匝道处车辆对城市快速路优先使用权的需求,通过分析优先放行的效益,提出了优先放行的入口匝道控制策略,即在交通高峰期让等级较高的车辆优先进入城市快速路.文中还研究了优先放行的城市快速环形路段算法,并给出了具体的算例.结果表明:将该策略运用到入口匝道控制上,能限制等级较低的车辆进入,提高道路的使用效率.     

VISSIM下环交的信号控制仿真和配时优化设计

交通量的迅猛增长导致传统的城市道路环形交叉口易发生拥堵,其主要成因为无信号控制下,车辆无序争先通过交织段,冲突车流导致排队长度增加,延误增大。故本文就环形交叉口信号控制问题,采用双重信号左转两步控制策略,对四向环形交叉口的车辆运行状态评价指标的选用进行了分析。根据十字交叉口的四相位控制规则,可将环形交叉口的相位方案改进成两相位双向左转,并协调配置信号控制机。以赣州市南门广场环形交叉口为实例,运用VISSIM微观仿真软件实现了不均衡流量布局下,设置相应让行规则和信号配时参数后的动态仿真。评价结果表明,非过饱和情况下不对称控制方案具有一定优势,使得车辆可以连续快速通过相邻环道信号灯,有效地利用交叉口的时空资源,改善了长期拥堵局面。     

基于神经网络实现的交叉口多相位模糊逻辑控制

针对城市交叉口交通流的分布特点,给出了一种自适应交叉口多相位控制算法,考虑相邻车道上的车辆排队长度,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,文章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,为实现交通系统智能控制提供了一条新途径.     

车道偏离预警系统中偏离时间的估算方法

车道偏离时间(TLC)是指车辆从当前位置行驶至车道边界线的剩余时间,是车道偏离预警系统触发警告的判断依据,因此其计算精度至关重要.文中结合车辆运动学理论和三角函数知识研究车辆行驶在直线和曲线路段的轨迹形状,建立车辆轨迹为直线和曲线情况下的TLC估算模型,最后分别就横向距离、相对偏航角和曲线道路半径对TLC的影响进行了仿真分析.结果表明:在直线路段,TLC与相对偏航角成反比,与横向距离成正比;在曲线路段,TLC与相对偏航角和道路曲线半径成反比,与横向距离成正比,而当车辆从相反方向偏离时,对应关系则相反.文中研究能有效降低以TLC为决策标准的车道偏离预警系统的误警率.     

基于加速度干扰的公路行车舒适性研究

加速度干扰是对车辆速度摆动的描述,车速摆动涉及行车舒适性的问题,加速度干扰可以作为一个评价行车舒适性的定量评价指标。选取道路平面线形三要素之一的缓和曲线进行研究,考虑人体对不同振动方向的敏感程度不同,分别建立水平和竖直方向的分加速度干扰模型,然后给予两个方向不同的计权系数,建立了缓和曲线上合加速度干扰模型。通过实例仿真,分析回旋线参数和行驶速度对加速度干扰及行车舒适性的影响。最后选取试验路段,对模型进行验证与应用,既为评价行车舒适性提供了定量分析指标,又为道路缓和曲线的设计提供参考依据。     

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．     

基于改进萤火虫算法优化BP神经网络的路网速度分布预测

浮动车数据的挖掘是目前交通领域广泛使用的研究手段之一,基本的BP神经网络也多被用于交通流的预测研究。本文引入小波变换将低频信号和高频信号进行分解和重构,结合改进萤火虫算法寻优速度快、收敛率高的特点对基本的BP神经网络进行优化,构建了路网交通流速度的预测模型。利用城市路网浮动车真实数据对模型进行训练并通过测试数据对模型预测结果进行实证分析,证明模型对特定时刻路网交通流速度预测的准确性相比于基本BP神经网络算法有46.56%的提升,对路网24h内交通流速度预测的稳定性有39.08%的提升。