基于CAS-FQL算法的区域交通控制

针对Q-学习算法收敛慢、易陷入局部最优的缺陷,提出了一种基于灾变模糊Q-学习（CAS-FQL）算法的区域交通协调控制方法,即将灾变策略引入到模糊Q-学习算法的学习过程中,以提高和改进Q-学习的寻优能力和学习效率.具体是,利用CAS-FQL算法分别优化路网中各交叉口的周期和相位差,绿信比则采用常规方法优化.TSIS软件交通仿真的结果表明,相比基于Q-学习的控制方法,CAS-FQL算法能显著加快算法的收敛速度、提高交通效率.     

基于多智能体的交通干线动态智能协调控制

为减少干线上车辆的平均延误时间,提出了一种基于多智能体技术的动态双向绿波带智能控制算法。采用两层递阶结构和模糊逻辑对城市交通干线进行实时协调控制。上层是协调控制器智能体,根据一段时间内交通流数据计算干线上优化的公共周期时间和上下行相位差,下层是路口控制器智能体,确定每个周期内各交叉口的绿信比。周期依照关键路口饱和度的大小由模糊控制算法进行优化,而相位差根据上下行速度进行计算,绿信比基于历史和实时的交通数据确定。实例分析表明该双向绿波带控制算法能够有效减少车辆在干线上的平均停车次数。     

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.     

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.     

在干线上采用双向协调控制的交通信号灯

针对当前城市内复杂的交通路况以及各个路口较低的通行效率,设计了一种主要面向路况中主干道与次干道分明的交通信号灯系统,在主干道上采用双向干线协调控制。当交通非饱和状态时,在一种改进的相位模式下,以降低车辆延误为目的,建立交通系统数学模型,并根据数学模型对路段进行优化和配时。选择数传电台实现相邻路口间的通讯,选择GRM模块实现路口与远端监控中心的通讯,并给出了相应的电路设计。     

一种基于博弈论的交通系统最优调度策略学习方法

交通网中,最大化车流量和最小化平均等待时间是每一个路口调度的目标.交通调度中,各路口与其它路口发生博弈关系.博弈过程中,相邻路口之间为使其自身利益最大化而存在一种策略间相互协调的约束.针对复杂的交通调度控制问题,基于多智能体多阶段博弈论对交通系统进行建模.考虑动态博弈交通环境的实际特征,进一步基于博弈的增强学习算法,提出一种以惩机制为约束条件的交通系统博弈策略的学习方法,最终使参与交通博弈的多个路口达到Nash均衡,从而得到交通系统的最优配时调度策略组合.实验验证了所提出方法的可行性和有效性.     

基于可编程控制器城市交通灯智能控制

在分析城市交通状况的基础上提出基于PLC智能控制来提高交通路口通行能力,通过对交通路口车流量进行采集和计算,及时调整交通路口各个方向红绿的工作时间,从而提高通行能力。     

基于双路口划分的城市绿波模糊控制方法

用模糊控制方法设计城市交通绿波协调控制方法。将多路口的绿波带划分为若干个协调控制相位差优化双路口子系统,子系统内路口间的相位差需要两个路口的交通参数确定,各个路口的各相位绿灯时长由各自的绿灯时长模糊控制快完成。通过子系统的逐级串联,完成整个绿波干线上的相位差计算。该方法避免建立绿波带内各路口的综合模型,减少了模糊规则和计算量,同时减少了多个路口控制机之间的数据交换。在VISSIM仿真中将相位差优化模糊块嵌入到干线绿波方向绿灯时长模糊控制块中实现。以延误时间和停车次数作为评价指标,实现城市干线上绿波协调控制的优化配置。     

基于Q学习的区域交通控制方法

利用Q学习优化整个区域的周期,把区域按重要程度划分为若干干线并编排顺序,按顺序对各干线相邻两路口协调相位间的相对相位差用Q学习进行优化,按同样顺序依次确定各路口的绿信比,并结合优化得到的相对相位差确定绝对相位差．TSIS仿真结果表明,相比定时控制方法,此方法能明显提高交通效率。     

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。     

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。     

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．     

基于关联度分析的协调控制子区划分方法研究

利用交叉口关联度量化分析方法,给出了相邻交叉口关联度与多交叉口组合关联度的计算公式.通过定义控制子区划分方案的解集空间、约束条件与评价准则,建立了协调控制子区划分模型;采用子区划分层扩散算法实现对控制子区划分方案的分析评价,给出了一套完备的控制子区划分流程.通过算例分析,对基于关联度分析的协调控制子区划分方法进行了细致阐述.     

引入谈判博弈的Q-学习下的城市交通信号协调配时决策

由于城市交通路网中交叉口间交通信号决策是相互影响的,并且车联网技术使得交叉口交通信号配时agent间能进行直接交互,此决策问题可用博弈框架来描述。建立了城市路网中相邻交叉口间交通流关联模型,通过嵌入谈判博弈模型来设计Q-学习方法,此方法中利用谈判参考点来进行配时行为的选择。仿真实验分析表明,相对于无协调的Q-学习算法,谈判博弈Q-学习取得更好的控制效果和稳定性能。谈判博弈Q-学习在处理交通拥挤及干扰交通流时,能根据交通条件灵活地改变交通信号配时决策,具有较强的适应能力。     

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%。     

基于规则的城市交通信号自组织控制

针对复杂的城市交通信号控制系统,基于车流与流体的相似性,将交通路网抽象成双向管网模型,并采用流体动力学理论对网络内车流进行描述.基于相邻路口之间车流信息的共享,通过对N-S方程的数学重构,建立了各路口车流基于相位的自组织控制规则.仿真实验结果表明:自组织控制规则不仅实现了交通网络中的车流量平衡,而且系统的控制性能得到了明显的提高.     

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。