基于实时延误的交叉口控制方案优化分析

针对信号交叉口延误—配时之间的复杂联系,通过对目前延误参数的获取情况进行分析,使用实时提取的周期延误值,借助K近邻预测算法,结合交叉口的流量对下个周期的延误进行预测,并使用预测的延误参数对下个周期的控制方案优化方法进行了研究。借助VISSIM仿真平台对提出的方法进行了分析,结果表明使用该方法对配时方案优化后的交叉口车辆延误可以降低13.52%,表明该方法在信号配时优化中有一定的应用前景。     

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。     

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.     

基于多源数据的交叉口分流向交通需求预测

对交通流进行科学预判是实施精细化智能管控的基础,为了解决目前方法对于过饱和状态下需求预测精度较低的问题,利用交叉口地磁和上游路段微波数据,结合Markov转移矩阵及加权移动平均法对交叉口内分方向的流向比例依照时间序列进行动态预测,由上游路段的车辆通过率获取交叉口内的交通需求,进而构建交叉口分方向流量动态预测模型。最后通过实测数据对模型进行验证,结果显示总平均误差为13.46%,比使用传统预测模型的预测误差减少了4.13%,尤其是过饱和状态下的预测误差减少5.81%,有效提升了过饱和状态下的交通需求预测精度,这对于城市交叉口过饱和状态下的分流向交通组织及控制具有重要意义。     

平交路口多相让自适应控制的实时OD递算模型

平面交叉口多相位自适应信号控制需要依据其进口道实时OD流量设置配时参数,以适应变化的交通需求．为此,笔者建立了描述平面交叉口动态交通需求的多变量动态线性模型及其递推算法．该模型基于交叉口进出口断面的流量观测数据,以进口道的分流概率矩阵为状态参数,利用贝叶斯预测方法,对时变OD矩阵进行联线估计．对一特定的T型交叉口交通状态的计算机仿真表明该模型和算法具有较好的精度,能用于交叉口多相位自适应信号控制．     

高速公路收费站与衔接信号交叉口协调控制研究

针对高速公路收费站与其衔接信号交叉口之间路段的交通拥堵问题,在Webster延误模型的基础上,提出一种公路收费站与衔接信号交叉口的协调控制方法。首先,在交叉口和收费站的上游检测获取基本交通流数据,预测在下一周期内交叉口和收费站的交通需求,然后以预防收费匝道、收费广场、交叉口以及衔接路段发生拥堵为约束条件,以收费站与交叉口整体区域的车均延误时间为目标函数,建立收费站与衔接信号交叉口的协调控制模型,对收费站出入口的实际通行能力和交叉口的信号配时进行协调控制,使得通行能力相互匹配,并通过权重系数的设置优先疏通出入口车流的排队。案例仿真结果表明本文方法能有效缓解交通拥堵,为高速公路出入口限流与城市道路信号相互协调控制提供了一种理论方法。     

基于NARX神经网络的短时交叉口流量预测

短时交通流的精准高效预测是实施智能交通控制的前提。以济南市交叉口地磁数据为研究对象,对数据进行质量识别和预处理,构建了基于NARX神经网络的短时交叉口流量预测模型,并对其进行了初始化和训练。使用该预测模型对城市道路交通流量进行的短时交叉口流量预测结果显示,除流量突变时刻外,该模型预测精度较高,平均相对误差仅为8.41%,证明该模型能够较准确地预测交叉口的短时交通流量,可以为城市交通的智能化管理与控制提供依据。     

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。     

信号控制交叉口延误参数提取研究

延误参数的精确提取对于交叉口的信号配时设计和评价具有重要的研究意义。文章对传统的延误参数提取模型的精度进行了验证,结果表明,以1个周期为分析时长,95%置信度下传统模型得到的参数精度不超过75%。借助于应用日益广泛的视频检测技术,文中给出了2种视频环境下延误参数提取的方法,以1个周期为统计时长,得到新方法提取的参数精度均在85%以上,说明新的方法比传统的模型能够更精确地提取交叉口的延误参数。     

基于交叉口多相位信号控制的路网容量

构建了一种用于描述交叉口多相位信号控制路网容量的双层规划模型.其中,下层模型是一个交叉口多相位信号控制路网用户均衡分配模型,用以求解给定信号配时参数和交通需求量下的路段均衡流量,该模型考虑了各相位下的信号延误.上层模型是一个非线性规划模型,模型以路网容量最大为目标,对信号配时参数和O-D需求量进行优化.双层规划模型采用基于灵敏度分析的BLABD算法求解,算法的主要思想是通过差商的方法估计路段均衡流量对设计变量的导数,从而将上层模型中未知路段流量函数展开为一个线性函数.算例分析结果显示,该算法能有效求解多相位信号控制路网容量问题,具有实用价值.     

基于互补型集成经验模态分解和遗传最小二乘支持向量机的交通流量预测模型

交通流是智能交通系统中的关键组成部分,也是交通规划的重要依据。为了提高道路交通流量预测的精确性,提出一种基于互补型集成经验模态分解(complete ensemble empirical mode decomposition,CEEMD)后,采用遗传算法(genetic algorithm,GA)优化参数的最小二乘支持向量机(least square support vector machine,LSSVM)的交通流量预测模型。该模型使用互补型集成经验模态分解原始数据,将分解后的本征模态函数(intrinsic mode function,IMF)分量分别用遗传算法优化参数后的最小二乘支持向量机进行预测,叠加全部IMF分量值作为模型最终的预测结果。通过对美国加利福利亚州某高速公路一个月的交通流量数据进行训练预测,结果表明,该模型平均相对误差仅为6.51%,相较于其他模型拥有更好的预测效果,可为交通流的预测提供一定的参考。     

信号交叉口自行车通行能力研究

为研究自行车在信号交叉口的通行能力,建立流体扩散模型.在深入分析自行车进入和驶出交叉口集聚扩散现象的基础上,用扩散距离D和散布角θ两个参数描述自行车在交叉12内的扩散及分布特征,并分析交叉口长度、信号周期及有效绿灯时间对自行车通行能力的影响,建立信号交叉12自行车通行能力模型.对北京中关村大街4个交叉12实测数据和模型预测结果的对比分析表明,二者平均误差仅为8.6%;模型完全能够应用于交叉口交通设计及控制.     

基于IOWA算子的短时交通流预测方法研究

本文首次将诱导有序加权平均（IOWA）算子应用到短时交通流预测中,建立了以整体预测误差平方和最小为目标的组合预测模型。在分析短时交通流预测模型的基础上,本文选取了指数平滑法、季节自回归求和移动平均模型（SARIMA）、BP神经网络模型对短时交通流进行预测,再用IOWA算子将这三种模型进行组合预测。最后进行实例验证,通过MAE、MSE和MAPE三项指标比较分析四种模型的预测效果。结果证明,IOWA算子组合预测模型明显优于其他的预测模型,有效地提高了短时交通流的预测精度。     

Estimation of Incident-Induced Congestion on Signalized Arteries Using Traffic Sensor Data

This paper describes how to derive quantitative information about the effect of traffic incidents on urban traffic flow from the raw measurements detected by sectional loop sensors. The two critical parameters of the travel delay and queue length, which reflect the temporal and spatial properties of incident-induced congestion, cannot be directly determined from commonly used loop sensors. The modified queuing diagram is used here to quantify incident-induced queues and travel delays on signalized arteries using sensor data from the targeted and upstream links. The method is tested using data generated by the VISSIM simulation model, with results indicating its efficiency and accuracy with an average relative travel delay error of 18.67% for all samples which falls to 8.07% for high volume and very high volume conditions.     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

考虑瞬时停车延误的信号灯闭环控制策略研究

提出一种基于瞬时停车延误的孤立交叉口信号灯闭环控制策略.以交叉口瞬时停车延误总量作为控制参量,其值达到阈值时实时切换交叉口信号灯状态,把信号灯绿灯信号分配给需求最高的道路,不再有信号灯周期的概念.在车流量400～800辆/h变化的情况下,进行了传统的Web-ster周期控制和新策略控制仿真对比实验.仿真结果表明:新策略控制条件下,车辆平均通行时间明显小于传统控制策略,在800辆/h的流量下,仅为传统策略的44%;该策略对控制阈值不敏感,当流量为800辆/h时,车辆平均通行时间最大相对误差仅为11%;该策略获得的多组平均通行时间具有较小的方差,当流量为800辆/h时方差仅为0.895s.     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面;结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%;在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

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。     

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。