基于信号配时优化的路网运行效益仿真评价

结合Synchro和Q-paramics实现了区域路网的多介信号控制交叉口配时协调优化及运行效益评价.选择长春市典型交通拥堵区域作为研究对象,分析现有的信号配时存在的问题;采用Synhro信号配时优化软件建立仿真路网,并对区域内主要信号交叉口的配时情况进行协调优化;选择描述交叉口机动车运行状态变化的控制延误、停车次数、95％排队长度三个参数评价了15个信号交叉口入口配时优化后的交通运行状态变化,并结合Q-paramics交通仿真软件对比信号配时优化前后的区域总体交通运行情况;结果表明信号配时优化可以改善主要交叉口入口的运行状况,并提高区域路网机动车14％以上的运行速度,并可以降低25％以上的延误时间.研究证明在协调区域交叉口信号配时状况的基础上对其整体优化,可以在不改变现有交通基础设施的基础上提高区域交通流的运行效率.     

综合环境因素及延误的信号配时优化仿真研究

提出了综合考虑环境因素及延误的交叉口信号配时优化方法;选择遗传算法作为优化工具,建立了以减少机动车尾气排放及交叉口平均延误为总目标,以信号周期时长和各相位有效绿灯时间为优化参数的信号配时优化模型,并利用微观仿真模型VISSIM及MATALAB、Visual Basic 6.0编程语言,开发了相应的算法程序;最后针对实际案例进行了仿真分析,验证了方法的合理性和可行性.     

饱和状态交叉口信号配时优化

交通需求日益增加和在时间上的不均衡性,使交叉口经常呈现饱和状态,针对目前信号配时方法多适用欠饱和状态条件的特点,提出了一种适用饱和状态交叉口信号配时的新思路,即以交叉口饱和状态的累计消散过程中的车总延误最小建立信号配时周期优化模型,并给了求解步骤,通过实例对比分析现状信号配时效果和其它信号配时方法配时效果,显示了该配时方法的实用性。     

城乡结合部道路交叉口多目标信号配时优化模型

随着我国城镇化进程的加快,城乡结合部道路交通问题日益显著。为提高城乡结合部道路交叉口的交通运行效率、环境效益和交通安全,提出信号配时多目标优化方法,综合考虑延误、通行能力、停车次数、车辆尾气排放等因素构建模型,运用遗传算法进行求解。以某典型交叉口为例进行分析,给出改进设计方案并进行交通仿真评价。研究结果表明,通过多目标信号配时优化可以缓解城乡结合部道路交叉口交通拥堵和污染物排放的问题,具有较好的交通信号控制效果。     

考虑公交优先的城市交叉口遗传算法信号配时研究

对设置公交专用进口道的城市交叉口信号配时作了研究.考虑公交优先,并从我国城市交叉口的交通特征出发,构造了多目标规划函数:一是使公交总延误最小,二是使一般小汽车交通各相饱和度之间的均方差最小.对于多目标规划,采用功效系数法建立目标评价函数.并利用遗传算法对函数进行优化求解得到信号配时方案.通过仿真实例说明了函数构造及求解的过程.     

城市快速路入口匝道交通控制及优化

针对城市快速路入口匝道的信号灯控制方案，借助车流波动理论，分析了该类交叉口内部的车流运行时空特性，描述了快速路、入口匝道上的车流在交叉口的排队过程，以交叉口车流总延误最小为目标，快速路与入口匝道的绿时分配以及信号周期为参数，建立了城市快速路入口匝道交通控制优化模型，并通过一个实例对优化模型和求解算法进行了验证。研究结果表明：当快速路及匝道绿灯时间均满足最低要求而交叉口有效通行时间（信号周期与周期损失时间的差值）仍有富余时，应将富余的可通行时间分配给快速路，以使得交叉口车流总延误最小。快速路入口匝道交叉口的车辆平均延误由优化前的16.76 s下降至13.18 s，同比下降21.36%；匝道最大排队长度由48.82 m缩短至33.28 m，同比下降31.83%。     

分层控制算法在过饱和交通干线控制中的应用

提出一种启发式分层控制算法框架来解决过饱和城市交通干线的控制问题.整个控制器由控制层和协调层组成,在控制层,引入主线延误和次线延误的概念,将控制问题描述为一个冲突的多目标控制问题,提出一种新的基于IPNSGA-Ⅱ遗传算法的多目标相容控制策略来产生相邻交叉口的信号配时方案;在协调层,首先确定需要进行协调的交叉口群,然后以主线延误和次线延误为目标,采用IPNSGA-Ⅱ遗传算法进行优化,实现交叉口之间的协调.提出的相容控制策略具有鲁棒性、实时性、动态性的特点,能够实现干线交叉口的实时控制.将该分层算法应用于一个七个交叉口组成的城市交通干线的交通流仿真系统进行测试,仿真结果表明,本文方法比单点控制策略能够更有效的缓解网络中的过饱和状态,减小延误.     

多态交通条件下交叉口定时控制延误模型

延误是评价交叉口服务水平的基本指标, 延误模型对交叉口信号控制方案的选择意义重大. 在多态交通条件下, 采用现有模型分析信号控制下交叉口延误程度存在较大误差. 为适应交叉口交通流的多态性, 基于混合Gamma分布稠密性, 准确拟合交叉口到达车头时距数据. 运用拟合概率函数, 统计交叉口进口到达交通量概率. 将交叉口按照到达交通量大小分为欠饱和、过饱和两种状态, 根据统计概率提出交叉口信号定时控制延误模型. 实例分析表明, 基于混合Gamma分布的延误与实际结果更为吻合.     

基于改进Lagrange乘子法的交通信号配时优化研究

为提高交叉口的机动车通行效率及环境效益,采用改进罚参数来构造一种新的Lagrange乘子法对交叉路口的交通信号进行优化配时。通过权重系数建立车辆延误与尾气排放的数学模型,利用改进Lagrange乘子法进行优化,将其结果与两种典型智能算法的优化结果进行对比,并利用VISSIM(Verkehr in Stadten Simulation)微观交通可视化仿真软件进行验证。实验结果表明,该方法优化的信号配时使车辆延误降低19.89%,尾气排放量降低2.379%,可见大比例优化了交叉口的车辆延误,同时可以降低尾气排放量。     

考虑交叉口负面影响的有轨电车时刻表优化

现代有轨电车运行过程中,交叉口公交信号优先策略能够保证列车顺利通过交叉口,但会对交叉口其它社会车辆产生负面影响.本文考虑信号优先策略对交叉口产生的负面影响,提出了综合优化列车旅行时间和交叉口负面影响的有轨电车时刻表优化模型,针对模型的非线性特点,设计模拟退火算法和基于事件驱动的仿真法相结合的组合算法进行求解.以沈阳浑南现代有轨电车5号线为实例,结果表明,模型求解的时刻表方案相对于总旅行时间最小的时刻表方案,其旅行时间增加了1.2%,但交叉口的负面影响费用相对减少了66.4%.由此说明,本文提出的现在有轨电车时刻表优化方法,在保证列车旅行时间尽量小的同时极大降低了对交叉口社会车辆的负面影响.     

基于蚁群算法的交通控制与诱导协同研究

以路网总行程时间最小为目标,兼顾路网流量的均衡,建立了城市交通控制与诱导的协同模型。引入了蚁群算法的思想,并利用此算法对模型进行求解,得到最佳路径和最佳信号配时方案;最后采用小型路网进行仿真试验,通过跟实际的交通流对比,表明此方法能有效均衡路网流量,并能有效节约路网的总行程时间。     

一种交叉路口信号优化控制模型的研究与仿真

交通信号优化是智能交通控制中的难点。对单交叉路口信号控制提出了一种优化控制模型,该模型先以三层BP人工神经网络对交叉路口的车辆到达进行预测,并根据交通流饱和度理论,用模糊控制器对路口各方向的绿灯时间进行调整。仿真研究表明提出的控制模型可以提高交叉路口通行能力,减少车辆延误,达到交通信号优化的目的,同时比传统方法能更好地适应变交通流的情形。如果做进一步的研究可将该控制方法应用于多路口的区域交通控制,有较强的实用性和推广价值。     

降雨情景下城市道路交通信号控制优化模型与方法

降雨天气导致城市道路交通运行效率明显下降,现有道路交通信号控制一般尚未建立针对性的信号优化方案。考虑降雨天气降水量、道路积水等因素影响下的交通运行情景,设计了面向交通控制的城市道路交通信息物理系统体系,搭建了基于信息物理系统的城市道路交通控制框架,并建立了交通信号控制优化模型,进一步利用BP神经网络方法设计了模型求解方法。通过搭建实例路口交通仿真模型,对比3种方案下延误时间等多个指标,分析结果表明本文方法在改善降雨情景下交叉口交通运行效率等方面的有效性。     

城市交通控制智能优化配时及仿真

城市交通系统是一个随机性很强的、复杂的巨型系统。开发了双层反馈神经网络，将其应用于城市交通控制信号配时优化，并开发了应用于优化计算的能量函数和车辆平均延误计算式。以广东江门市某平面交叉路口为对象进行了仿真计算，结果表明：与传统的配时方法相比，采用所开发的双层反馈神经网络进行智能优化配时，交叉路口车辆的平均延误可以平均减少18．2％，可以大大提高路口的通行效率。开发的双层反馈神经网络也可以应用于其他对象的优化，具有较强的推广应用价值。     

基于绿灯时间等饱和度的离线Q学习配时优化模型

首先对传统的绿灯时间等饱和度概念进行了扩展,提出了分级绿灯时间等饱和度。在此基础上,针对分级绿灯时间等饱和度目标,构造了奖赏函数,建立了定周期和变周期两种模式下的四种离线Q学习配时优化模型。相对于在线Q学习模型,离线Q学习模型更适合交叉口信号配时优化,变周期模式的离线Q学习模型可以获得解的结构、最优解的分布,这是传统配时理论不具备的。算例结果表明,定周期模式下最优解是唯一的。变周期模式下最优解是不唯一的,呈带状,奖赏分级模型比奖赏不分级的最优解更加集中。     

用投影收缩算法求解考虑排放的交通分配模型

给出一种考虑排放约束条件下的交通分配均衡模型,在所定义的广义出行费用中明确考虑排放因素,通过将变分不等式问题转换成等价的非线性互补问题,采用一种自适应的投影收缩算法求解该模型,所给出的数值算例得到广义费用下的UE最优解,在同样收敛精度的要求下,和其他投影算法相比,采用该算法收敛速度较快.     

FL-FN-MOGA Based Traffic Signal Control

In this paper, a traffic signal control method based on fuzzy logic (FL), fuzzy-neuro (FN) and multi-objective genetic algorithms (MOGA) for an isolated four-approach intersection with through and left-turning movements is presented. This method has an adaptive signal timing ability, and can make adjustments to signal timing in response to observed changes.The "urgency degree" term, which can describe the different user's demand for green time is used in decision-making by which strategy of signal timing can be determined. Using a fuzzy logic controller, we can determine