粒子群优化算法在交通信号配时中的应用

以交叉口车辆平均延误和停车次数最小为目标,建立信号控制交叉口配时模型,运用粒子群优化算法求解该模型,得到各相位最优配时参数绿信比和周期时长。以某一交叉口为实例,将此方法配时结果与经典配时方法的结果进行比较,交叉口车辆停车次数略有上升,通行能力略有降低,但是车辆的平均延误时间大大降低。这表明运用粒子群优化算法解决交叉口配时问题是有效和可行的。     

交叉口交通信号配时模拟退火全局优化算法

针对我国城市道路交叉口的交通流特性,提出交叉口交通信号配时的模拟退火全局优化算法。     

基于模拟退火改进人工鱼群算法的交通信号配时优化

针对传统的信号配时算法无法适用于过饱和流量的交叉口的限制,结合模拟退火算法初值鲁棒性和局部收敛精度高的特点改进人工鱼群算法以提升其全局搜索能力,然后综合考虑周期时长、绿灯时间和饱和度等作为约束条件,以交叉口车均延误最小为目标函数构建信号配时优化模型,分别利用单一智能算法(模拟退火算法,人工鱼群算法)及其组合改进算法(模拟退火改进人工鱼群算法)对模型进行求解,并对现状方案和3种智能算法求解方案情况下的交叉口整体车均延误进行对比。结果表明,模拟退火改进人工鱼群算法的效果明显优于现状和单一算法,在迭代的初期便能非常接近最优解和稳定下降趋势,表现出快速寻优能力,验证了模拟退火改进人工鱼群算法的可行性与适用性。     

随机模拟在交通信号配时中的应用

针对交通中红绿灯时间的合理设计问题，利用随机模拟的方法模拟了多路口、有信号灯控制、双向双车道路段的真实交通情况．构造了模拟算法及优化算法．利用构造的算法对实际路段进行计算并获得成功．     

城市道路网络交通信号协调控制的优化

改进前人提出的城市道路网络交通信号协调控制的优化数学模型 ,这个模型是以交通均衡分配模型为基础的双层数学规划模型 ;探讨了这个模型的求解方法 ,并给出了实际算例 .该方法的应用将降低城市道路网络的交通协调控制对检测器等硬件设备的依赖程度 .     

行人因素约束下单交叉路口交通信号模糊配时

针对人、车混合流现象,对四相位三车道十字交叉口的交通信号进行模糊配时。首先根据路口的交通流状况,合理地设置相位、相序,采用"迟起"、"早断"方式对行人交通信号进行配时;然后,考虑到行人控制信号对机动车通行的影响,借助于模糊控制算法,对机动车信号进行配时。数值实验表明,考虑行人因素的模糊控制方法在车辆平均延误时间上较之传统定时控制方法大为改善。     

交通信号的一种控制模型研究

针对智能交通系统基础理论之一的路口交通信号控制问题，以典型“＋”字路口为例，提出了更能概括路口多入多出情况的交通信号矩阵控制模型，该模型能反映交通信号的各种实际控制策略，模型参量具有明确的实际意义。在此模型基础上，分析了路口车辆流入量与流出量、车辆流出量与交通信号控制的关系，在避免路口发生碰撞的前提下，得到了路口的优化控制方案。     

考虑区域交通信号配时优化的公交专用道线网规划

在公交专用道线网实际规划时,需要综合考虑交叉口延误与信号配时等因素的影响。为了使公交专用道线网规划更加合理,在考虑区域信号配时优化的条件下,以绿信比作为各个交叉口的信号配时优化变量,建立了双层规划模型,上层模型的目标函数是使网络的总出行时间最小,下层模型由交通方式划分模型、小汽车客流分配模型和公交客流分配模型3部分组成,并采用遗传算法对模型进行了求解,通过算例验证了模型的有效性。结果表明：在进行公交专用道线网规划时,交叉口的延误不可忽略;在考虑交叉口延误的基础上,对区域信号配时优化可进一步降低网络的出行总成本。     

考虑区域交通信号配时优化的公交专用道线网规划

在公交专用道线网实际规划时,需要综合考虑交叉口延误与信号配时等因素的影响。为了使公交专用道线网规划更加合理,在考虑区域信号配时优化的条件下,以绿信比作为各个交叉口的信号配时优化变量,建立了双层规划模型,上层模型的目标函数是使网络的总出行时间最小,下层模型由交通方式划分模型、小汽车客流分配模型和公交客流分配模型3部分组成,并采用遗传算法对模型进行了求解,通过算例验证了模型的有效性。结果表明：在进行公交专用道线网规划时,交叉口的延误不可忽略;在考虑交叉口延误的基础上,对区域信号配时优化可进一步降低网络的出行总成本。     

突发灾害下应急疏散路线的交通信号配时优化

针对目前国内外突发灾害事件频发、应急交通组织保障能力不足等问题,在充分考虑突发灾害对道路交通网络、交通出行行为影响的基础上,基于动态交通分配理论,结合突发灾害下的出行者疏散路线选择行为,构建了受灾区域应急疏散路线的交通信号优化控制模型,并采用并行蚁群算法对该模型进行优化求解,以提高求解速度和全局收敛能力.最后搭建了集群计算平台对该模型和算法进行模拟测试,结果表明,采用并行蚁群算法对模型进行优化求解,可以获得较好的时间性能和优化效率,满足应急交通保障系统在线决策支持的要求.     

公交最优路径选择的数学模型及算法

在公交出行查询系统最关键的部分是寻找两站点间乘车的出行最优路径问题.建立了以最种小换乘次数为第一目标,最小途经站点为第二目标的公交出行最优路径模型.同时,设计了一种算法以确定最优公交线路序列,分析了线路相交的几种情况,给出了换乘点选择方法.     

交叉路口的综合智能信号控制方案研究

针对城市道路交叉路口的交通信号控制,构造了一种能实时调整控制结构和参数的综合智能信号控制方案.方案中的结构评价单元根据每一相位结束时的交通状况,决定是否在标准相位的基础上进行控制结构调整.参数评价单元则根据评价周期内的信号控制效果,利用所获得的交通流数据对神经网络信号控制器进行"滚动"训练.两个神经网络总是交替处于学习和工作状态.仿真结果表明,该控制方案能很好地综合"结构调节"和"参数调节"的优点,因而能更好地适应路口的实际交通状况,从而达到有效提高路口通行能力的目的.     

基于离散时间信号相关性的交通事件检测算法

提出了基于离散时间信号相关性的自动交通事件检测算法.将交通信息数据转化为离散时间信号并进行相关性计算,有效定位通过上、下游截面的同一组交通流.解释了互相关系数的特征,并采用仿真数据进行性能验证.结果表明:基于离散时间信号相关性的自动交通事件检测算法具有可视性且易于理解,在低饱和交通环境下表现依然稳健,具有很好的适应性.     

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。     

免疫遗传算法在交叉口信号配时优化中的应用

将免疫遗传学思想运用到交通信号控制中，提出一种新的相位配时优化算法．为了快速求解最优配时方案，该免疫遗传算法模拟了抗体应答抗原的机理，运用细胞记忆机制保存优良抗体，引入信息熵计算抗原间的亲和力，并在此基础上通过抗原聚类方法加快算法收敛．针对该算法设计了相应的仿真实验，对一个四相位单交叉路口的交通流进行了建模和分析．实验结果充分验证了该算法处理交通配时优化问题的可行性和有效性．     

IP城域网流量监测方法及网络流量模型

为了有效克服传统流量监测方法仅对数据包进行传输层以下协议进行分析而不能识别P2P（Peer-to-Peer）应用的问题,分析了远程网络监控(RMON：Remote Network Monitoring)、xFlow和探针等流量监控方法的特点及适用情况。并在城域网接入层、汇聚层和城域网（MAN：Metropolitan Area Network）出口3个层面部署探针进行流量监测和分析,获得了完整的流量分布模型。实验表明,通过探针方式网络流量进行分析是全面而有效的。     

考虑排放因素的城市交通信号配时建模

针对传统交通信号控制方法忽视环境效益的不足,研究考虑排放因素的城市交叉口信号控制方法. 根据城市道路机动车行驶过程,考虑不同行驶工况下污染物排放特点,分别建立了城市道路污染物和标准污染物排放模型;分析了交通信号评价指标的相关性,选取面向排放因素的性能指标,并采用相对评价指标体系,建立考虑排放的交通信号的配时模型;利用基于黄金分割的改进粒子群算法对配时模型进行求解;在不同交通状态下,采用3种算法对实例进行大量的数值计算和仿真验证. 结果表明所设计的算法求解精度高,且提出的模型在降低排放、提高路口通量方面具有良好的控制效果.