基于模糊理论的交叉路口控制策略

本文针对当前出现的单交叉路口车辆拥堵隐患,采用模糊控制方法,以车辆延迟时间最少为优化目标建立模型,对信号相位和相位通行时间进行优化,根据实测数据进行仿真研究,并对其有效性进行了验证。仿真结果表明,这种信号控制方案能使单交叉路口交通流量总体趋于平衡,有效地缩短车辆保障的延误时间。     

BRT交叉路口主动优先自适应通行控制方法

针对BRT交叉路口优先控制方法逻辑单一、只注重减少车辆的延误、忽视对普通社会车辆的影响问题,提出了BRT交叉路口主动优先自适应通行控制方法.通过预测BRT车辆到达交叉路口停车线内时间,判断交叉路口的信号状态,依据交叉路口垂直方向的拥堵状态动态地调整控制策略,以决定优先控制策略是否执行.该方法注重BRT车辆的优先通行,提高了交叉路口的整体通行效率.Matlab仿真结果表明,采用主动优先自适应控制方法的BRT车辆的停车率明显低于定时控制方法,延误时间低于感应控制方法.     

基于神经网络模糊控制的单交叉口信号控制

在分析城市交通信号控制研究现状的基础上,提出一种基于神经网络模糊控制的单路口交通信号灯控制方法,通过检测当前相位的排队长度和下一相位的排队长度得出当前相位以及下一相位的车流密度,进而判断是否进行相位变换.以每个周期内交叉口的车辆平均延误作为控制指标,来判断该控制器的控制性能.计算机仿真结果表明,该方法能够降低车辆在交叉路口的平均延误.     

新型模糊控制算法在交叉口信号控制中的应用

作为智能控制的分支,模糊算法已越来越多地应用于交叉口信号控制,成为交叉口信号控制的新热点。文中通过提出路段车辆数这一新概念,提出了一种新型的孤立交叉口信号控制的模糊算法,实现了孤立交叉口信号控制的优化,并在此基础上进行了系统仿真。通过与传统定时控制方法进行分析对比,论证了这种新型模糊控制算法在车辆延误时间和排队长度方面有较大的改善,具有实用性和可靠性。     

基于多状态切换交叉口信号优化控制

在交通信号控制中,针对单一控制模型不能很好适应实时交通流变化的问题,提出基于多状态切换交叉口信号优化控制方法。根据交通流参数,采用自组织特征映射神经网络(SOM)对交叉口交通状态进行识别,依据路口交通状态,动态选择合适的模糊控制器结构。针对模糊控制规则人工设定的问题,采用遗传蚁群算法在线优化两级模糊控制器控制规则。通过仿真研究,给出了不同控制方法下车辆随时间的平均延误曲线,分析了不同交通流下的平均延误,结果表明,所提出方法具有较好控制效果。     

信号灯交叉路口的实时控制模型

提出了一个交叉路口交通的实时信号控制方法,它以车流密度作为控制目标来寻找最优的绿灯时间。交叉路口各进入段均装设车辆检测器,并仿真动态车流,以预测下一个信号周期内各停车线处的密度分布。具有仿真精度高,控制实时性好的特点。     

城市路口多相位智能交通信号控制

探讨了城市交通道路十字路口的交通灯信号控制存在的问题,并针对存在的问题提出一种新的控制方案,采用模糊控制的算法,主相位和辅相位能自转换,并由神经网络技术实现,提高了控制精度,增加了控制信号的灵活性.仿真结果表明,此种控制方法对减少车辆平均延误时间,提高路口通行能力具有良好的效果.     

城市单交叉路口交通模糊控制系统研究

根据模糊控制理论,对城市单交叉路口的交通控制进行讨论.以路权相位的切换顺序和各路口的绿灯时间分配为控制对象,以实现车辆平均延误时间最小化的目的,提高了交通效率,同时兼顾公平,一定程度上使交通控制系统实现智能化.     

无信号灯交叉路口延误模型及仿真研究

在排队论的基础上提出了一个计算车辆在交叉路口的平均排队延误和交叉路口空量的模型，并分析了转弯流对交叉路口延误的影响，还给出了仿真结果。     

基于模糊理论的交通控制系统研究

目的提出以车辆在交叉口延误作为模糊输入的交通信号模糊控制策略。方法通过对车辆在交叉口延误时间的估算,制订模糊控制规则来控制交叉口的信号灯,能有效地减少车辆在交叉口的延误时间。结果给出了车辆在交叉口延误时间的计算方法、模糊控制规则的定义和解模糊的方法,并以实例验证了这种方法的可靠性。结论提供了一种解决城市交通堵塞问题的途径,验证结果证明是可靠的。     

单交叉口交通信号的模糊控制

针对最常见的十字交叉口,以平均延误最小为目标,设计了四相位两级(观测级、决策级)模糊控制器,包括红灯相位选择模块、绿灯相位观察模块、决策模块等三个模块。所建立的交叉口车辆生成模型、交通信号控制模型以及车辆延误模型,通过MATLAB 7.0编写的程序,进行仿真分析。结果表明:在同样交通条件下,相对定时控制和感应控制,模糊控制的车辆平均延误时间分别降低了25.2%和16.5%。     

再励学习在交通信号控制中的应用

再励学习是一种利用评价信息(而不是网络实际输出与期望输出之差)采改善行为的神经模糊算法，采用“奖”“罚”信号训练控制器．用再励学习的目的建立一个可调的模糊交通信号控制器，它能在不同交通情况下修改隶属函数参数，以达到较好的控制效果．其评价指标是车辆延误．仿真结果表明，再励学习在交通量稳定的交叉口信号控制中表现良好．     

基于模糊神经网络的交通灯智能系统

设计了一个使用模糊和神经网络的交通灯智能系统.此系统能根据汽车重量、长度和速度来改变信号灯等待时间.通过计算机仿真表明,此方法比固定时间信号灯更有效.新方法的汽车平均等待时间减少,通过十字路口的速度较快以及燃料消耗都会提高.     

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．     

平面交叉路口多相位交通信号控制系统设计

针对城市道路平面交叉路口交通信号控制问题,提出一种基于CPLD,"小任务先服务、绿信时间模糊控制"的十字路口多相位交通信号控制系统。仿真结果表明,该系统能很好地适应十字路口的实际交通状况。对有效提高路口通行效率有一定的实际意义。     

单交通路口变相位变周期信号控制

在城市交通控制中,平面交叉路口各方向的交通量在不同时刻是不相同的,针对这特点,利用模糊控制理论,提出一种变相位变周期的控制算法,使得单个平面交叉路口信号控制的相位、周期及绿信比等成为可变的参数.仿真结果表明,与传统信号控制方式相比,变相位变周期的信号控制效果更好.     

用模糊神经网络求解多级交换网路由重排问题

研究利用人工神经网络求解多级交换网路由重排问题，提出了一种求解路由重排问题的模糊控制神经网络算法。大量的计算机模拟结果表明，该算法与其它同类算法相比较具有收敛速度快，结果有效性高，自适应性强等特点。利用ＴＭＳ３２０Ｃ３０数字信号处理器构成了虚拟硬件系统，实时实现了多级交换网路由重排控制器，理论计算与测试结果一致。该工作为神经网络与模糊系统相结合探索了一条新的途径。     

基于神经网络的模糊控制器

提出一种基于神经网络的模糊控制器。它可以把模糊控制的控制规则转化为多层前向神经网络的一对输入、输出样本。用Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法对网络进行训练,使得网络记忆这些样本,并将这些样本以权值矩阵的形式存储的网络中。网络以”联想记忆“的形式来使用获得的经验对对象实施控制。知道了被控对象少量的定性知识,就可以用这种方法控制对象的行为,这种控制方案可用于对受控对象缺乏精确的数学描述或具有时滞