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。     

城市道路干线信号协调控制与车速引导集成优化

针对当前干线信号协调控制为基于车辆到达驱动的被动响应型控制的特点与不足,提出一种车联网环境下干线信号协调控制与车辆速度主动引导的协同优化方法。优化原理为:考虑车辆-信号控制系统双向通信的环境下,在干线协调控制的基础上引入速度引导来调节车辆到达交叉口时刻,以避免车辆在红灯期间到达交叉口,减少停车次数并提高协调控制系统通行效率。首先,选择双向绿波带宽模型作为协调控制方案的基础;依据下游交叉口当前信号灯色和剩余时长,将车辆引导分为红灯引导和绿灯引导,分别给出最佳车速方程;基于最佳车速给出车辆到达交叉口时刻、交叉口延误和停车次数的估计方法。然后,以车辆引导速度和干线绿波相位差为控制变量,以绿波带宽最大、车辆延误与停车次数最小为目标,建立集成车速引导和干线绿波的优化模型;应用粒子群算法的多目标搜索算法对优化模型求解。选择长沙市湘江中路4个连续交叉口开展案例研究,分别应用普通干线绿波Maxband模型和提出的集成模型设计信号控制方案,并以VISSIM仿真平台进行效率评价。结果表明:集成模型能同时调节相位差和车辆速度,增大绿波带宽,减少停车次数;仿真周期内与Maxband模型相比,集成模型的上行和下行方向平均延误分别降低了24.8%和31.1%,平均停车次数分别减少了37.6%和41.7%,基于车速引导的集成模型能显著提高干线协调控制的效率。     

一种改进的多带宽干线协调控制模型

针对经典的多带宽干线协调控制模型——MULTIBAND中绿波带按照一条中心线严格对称造成的求解范围小和绿波带在绿灯时段内的位置不合理造成的绿波不稳定两个问题,从取消绿波带中心线对称和增加绿波带位置约束两方面入手,提出一种改进的MULTIBAND干线协调控制模型.改进后的模型提出了非对称式绿波的概念,允许不同路段上的绿波具有一定的灵活性,不拘泥于与其他路段绿波构成连续对称;同时增加了绿波带位置的约束,使得求解出的绿波带会尽量靠近上下游绿灯的中间位置,提高绿波运行的稳定性.以临沂市沂蒙路8个相邻交叉口的干线协调控制设计为例,用VISSIM仿真软件对改进后的模型进行了仿真测试和评价.结果表明,改进后的模型在绿波带宽与绿灯时间比值方面增加了7.1%,在延误和停车次数方面分别减少了20.8%和30.8%.     

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.     

干线信号协调控制下的公交优先研究

为了在干线协调控制下实现公交信号优先,提出了干线协调控制下的公交优先双层优化方法.上层为干线协调层,以检测到的社会车辆信息为依据,采用最大绿波带法,优化干线交叉口的公共周期、绿信比和相位差;下层为公交信号优先,以干线协调控制层的绿波带上下限为控制约束条件,在不破坏约束的条件下采用绿灯延长、红灯早断的公交优先控制策略,将公交优先融合到干线协调控制中.根据优化算法,建立公交优先控制流程,利用微观仿真软件Transmodeler进行了模拟验证.仿真结果表明:协调控制下的公交优先控制算法虽然会导致干线总体车均延误增加,但是能有效减少公交车辆延误和干线人均延误.     

基于重叠相位的双向绿波优化方法

针对当前绿波协调控制存在的单向绿波通行效率低和双向绿波信号配时方案不合理问题,在交叉口绿信比和相位差确定的情况下,基于相位相序对单个交叉口从相位空间顺序上提出更多的信号配时方案模型;依据干线协调方向上、下行相位绿灯启亮时刻关系,利用重叠相位的空间灵活性和特定的取值区间,建立绿灯启亮时刻与有效绿灯时长的模型关系,实现双向绿波上、下行绿波带宽最大化;以银川市友爱中心街的交通控制为例,进行信号方案和仿真设计。仿真结果证明,该模型可以提高协调交叉口群整体的通行效率和绿灯时间利用效率。     

干线公交优先信号协调控制方法

为了解决在干线协调控制中,采用绿灯延长、红灯早断等方法实施公交优先可能破坏干线协调的交通流问题,提出了干线公交信号优先的2层优化方法,上层为干线协调控制,下层为公交优先控制.在干线协调层面,以检测器检测到的社会车辆流量数据优化公共周期、绿信比和相位差;在公交优先层面,以协调相位绿波带上下限作为配时参数调整的约束条件,在...     

基于排队消散模型的干线协调控制

干线协调控制是解决城市道路交通问题最有效、最便捷的方法之一。基于交叉口的数据采集,提出适用于不同层次、不同特点的交叉口相位相序结构,进行干线动态协调控制。利用排队消散时间进行周期优化以及修正相位差,实现干线道路动态绿波协调控制的灵活性和时效性。最后通过银川市具体案例分析和仿真验证。结果表明,基于排队消散模型的干线协调控制,绿波协调控制更简捷有效。     

考虑关联交叉口排队长度的干线协调相位差模型

为减少干线车辆延误与停车次数,将干线相邻交通信号连接起来进行协调控制。基于相邻交叉口交通流的到达特性,分析干线协调控制的内在机理。依据车流到达类型,将车队头车绿灯到达情况下的交叉口延误分为车队尾部受阻与车队不受阻两种类型。分析关联交叉口的排队特性,将排队长度引入延误计算过程,建立了四种干线协调控制相位差模型。选取青岛市珠江路干线五个相邻信号交叉口进行模型验证,得出相邻交叉口相位差与延误的相关关系,确定了使车辆延误最小的相位差。结果表明,基于排队特性的相位差模型在干线协调控制中具有一定的可行性与实用性。     

基于粒子群算法的城市绿波优化设计

考虑到车辆行驶过程中受到多种干扰因素的影响,在保证次路最小绿灯时间的前提下,对主路实时感应控制,设计可根据实时情况变化的绿波带,先采用粒子群算法进行优化相位差,再考虑车流不均衡,路段中出现突发状况的情况,两者结合分析计算,综合得出最佳相位差,使主路绝大部分车辆能通过绿波带,而且为了增大带宽,采用方向不固定的单向绿波,主方向采用流量大的一方,可以兼顾到早晚高峰时段两个方向车流量不均衡的情况,以提高干线车辆的通行能力。     

城市交通信号的模糊控制研究

以城市主干道交叉口为研究对象,提出了一种实用的交通流模糊控制算法,该算法包括模糊控制算法和绿灯延时终止算法两部分。在现有的模糊控制算法的基础上,增加了绿灯延时终止算法,从而利用模糊逻辑对绿信比进行了优化。在SDCSTS仿真软件的基础上进行了仿真研究。仿真结果表明该方法的有效性。     

城市干道绿波协调控制系统交通评价方法

为判别城市干道绿波协调控制系统的优劣性,考虑绿波系统交通通行规律,提出绿波的不均匀度、通行比例、可达性、车队通行率、出行时间和单车平均延误等效率评价指标.然后通过交通冲突分析,以跟驰车辆速度差作为同向追尾冲突和直右合流冲突等安全评价指标.在此基础上,提出绿波协调控制系统灰色关联评价方法.最后以某干道沿线交叉口为例,对基于数解法的3个绿波协调控制方案进行评价.评价结果表明,第2方案为最优方案,对应最大灰色关联度为0.733,此时数解法的初定带速与理想间距范围较为合理.可见通过构建绿波系统评价体系,提出的干道绿波协调控制系统交通评价方法有助于绿波控制技术的优选与改善.     

城市交通信号三级模糊优化控制与仿真

针对多数交通信号模糊控制方法极少关注交通流的不确定性,提出一种城市交通信号三级模糊优化控制器及其Paramics仿真方法. 综合考虑交通需求强度、相位优化和延长时间决策等控制机理,提出三级模糊控制器的结构,并引入搭接相位设计相位优化的机制,遵循交通信号控制基本原则,提出三级模糊控制算法,最后,采用COM组件的混合编程技术构建三级模糊控制的Paramics仿真平台,并以深圳市黑点路口进行实验,在不同交通条件下对提出的模型进行效用评价;结果表明提出的控制器性能良好,在高强度的交通状况下性能稳定,控制效果符合交通管理者的控制目标,且具备快速响应交通流不确定性的能力.     

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．     

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%。     

基于模糊神经网络的信号交叉口交通量预测

预测精度高,实时性强的交叉口交通量预测算法可以极大地提高城市交通控制的效率。文中提出了基于模糊神经网络的信号交叉口交通量预测方法。该方法以模糊神经网络为核心,应用在线滚动学习模型实现交叉口交通量预测,并应用了交通量微观仿真系统对模型进行检验,仿真结果表明该模型比传统方法精度高,收敛速度快。本模型在城市交通控制系统研究中有巨大的应用潜力。     

城市交通干线的Q-学习控制算法

针对城市交通干线协调控制的要求,提出了利用Q-学习控制算法和模糊算法的分层递阶控制的方法.采用两层结构,第1层为控制层,针对单个路口,对下一个时间段内路口各个方向的相位饱和度进行预测,并在此基础上计算出下一个时间段内各个路口的周期、各个方向上的绿信比;第2层是协调层,采用Q-学习控制算法对干线各个路口间的相位差进行调整.采用TSIS交通分析软件对由5个路口组成的交通干线进行仿真,Q-学习控制算法与定时控制和遗传算法进行比较,结果表明:Q-学习控制算法具有明显的优越性.     

城市单交叉路口信号灯的模糊控制

提出了一种适应于交通状况复杂的城市单交叉口的可变相序的模糊控制方法.该方法根据通行权转移度来确定通行相位及通行时间.仿真结果表明,该算法具有良好的控制效果.     

Urban Intersection Traffic Signal Control Based on Fuzzy Logic

IntroductionTraffic signals are essential in transportationnetwork management.A number of traffic signalcontrol methods have been developed in the past.Recently,a major research focus has been theapplication of artificial intelligence techniques,such as expert systems,fuzzy logic,neuralnetworks,and genetic algorithms for intersectionsignal control.　 Pappis and Mamdani[1] developed fuzzy rules toevaluate the suitability of extending a currentgreen phase by different time durations based on ac…