基于群体动力学的协调控制子区划分

引入群体动力学理论中的相聚度概念,给出了相邻交叉口相聚度的计算公式.通过控制子区边界、设置基于交叉口相聚度的子区划分约束条件,实现了分层、分步的交通控制子区划分策略,建立了一个基于群体动力学的交通控制子区划分模型,设计了一个完整的最佳控制子区划分方案获取流程,采用交叉口群聚类算法实现了对控制子区划分方案的综合性分析评价.算例分析表明,所提出的基于群体动力学的协调控制子区划分方法是有效的,根据交叉口相聚度得到的控制子区划分方案可以减少路网交通流的总停车次数和停车延误.     

相邻交叉口关联度分析研究及其应用

通过分析相邻交叉口间距、路段交通量、以及交叉口信号配时参数对相邻交叉口关联性强弱的不同影响,提出一个对相邻交叉口之间关联性进行定量化描述的交通参量——相邻交叉口关联度,并对其计算方法与科学合理性进行详细论述。利用相邻交叉口关联度分析方法,进一步给出多交叉口组合关联度的定义与计算公式,并制定新的基于关联度分析的协调控制子区划分原则,为建立定量化分析的控制子区动态划分理论提供了一条科学有效的新途径。     

相邻交叉口关联度分析及其应用

通过分析相邻交叉口间距、路段交通量以及交叉口信号配时参数对相邻交叉口关联性的影响,提出一个对相邻交叉口之间关联性进行定量化描述的交通参量--相邻交叉口关联度,并对其计算方法与科学合理性进行了论述,进一步给出了多交叉口组合关联度的定义与计算公式,并制定了新的基于关联度分析的协调控制子区划分原则.     

基于群决策理论的协调控制子区划分方法

本文针对城市交通信号控制中的子区动态划分问题,利用群决策理论和支持向量机算法,综合考虑相邻交叉口间距、路段交通饱和度和信号配时参数等4个因素的影响,提出用于表示子区划分判断依据的"分离/合并系数"的概念,建立了协调控制子区划分模型。最后给出算例分析,运用MATLAB编程计算对控制子区的动态划分过程进行了描述。     

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%。     

基于双层规划模型的交通信号区域协调控制

针对过饱和状态下的交通信号配时,以区域整体输出总流量最大化和各交叉口进口道总延误时间最小化为目标,构建了基于动态子区划分的交通信号区域协调控制双层规划模型(BP模型).通过分析交叉口滞留排队车辆、进口道交通量以及相位相序对区域协调控制的影响,建立了交叉口相位差、有效绿灯时间和动态交通流量等协调控制变量的约束关系式.采用...     

基于路径的信号控制交叉口关联度计算模型

首先分析了传统基于路段进行关联度计算模型的局限,在此基础上,建立了综合考虑交叉口信号相位、路径流量不均匀性、交叉口间距和交叉口排队的路径关联度模型.针对2个实际的信号控制交叉口,进行了关联度计算和协调控制关键路径判断的算例分析;对比研究了本文模型与路段关联度模型的性能,分析了交叉口间距、排队、车道数和信号相位等对交叉口路径关联度的影响.算例分析结果表明,提出的路径关联度模型能更确切地描述交叉口间的关联性,并能够准确判定交叉口间协调控制的关键路径.     

控制子区内协调路径集的构成及优选方法

为了实现城市交通信号协调控制的精细化，协调对象的选取不应停留在子区层面，而需要进一步细化到有向路径连线上。文中通过定义协调路径、协调路径链与协调路径集，以及构成路径链的父路径与子路径，建立了一套可以反映协调控制方向性需求的概念体系，并分析了路径链的计数方法。针对路网中车辆的轨迹分布，从路径链经过的交叉口数量(路径链长度)和所承载的交通流量的角度出发，分别制定了相应的协调路径集优选法则与流程。算例分析结果表明，文中方法能够根据拟协调的交叉口数量和行驶路径流量，选出控制区域内流量较大的主要路径链，从而进一步丰富控制子区与交叉口群的划分理论。     

近距离交叉口信号配时协调控制方法研究

连续近距离信号灯控制交叉口采用协调控制,可以提高车辆运行速度,减小路段总延误。对北京市白云路莲花池东路至长安街段的四个近距离交叉口,运用交通调查数据,分析了目前信号配时方案及交通运行中存在的问题,按照交叉口信号配时协调控制设计的方法,确定了交叉口信号协调方案,并对配时方案的效果进行了分析评价,结论表明合理的信号协调控制可达到降低交叉口延误的目的。通过该实例研究获得了近距离灯控交叉口信号配时应注意的问题。     

基于车流自由度的交通子区划分问题研究

为避免传统的交通子区划分方法中改进关联程度公式、周期原则、流量原则、距离原则、绿信比、相位差原则等方法的不足,引入车流自由度的概念描述协调系统内车流的离散程度,并从微观角度探究以端点交叉口的车流自由度为基准、车流自由度的变化为指标的交通控制子区的划分;同时在相对理想条件下,借助车流自由度表示在协调相位的有效绿灯时间内不停车通过的车队长度,与以端点交叉口与下游交叉口不停车通过的车队排队长度比值,从中观角度进行交通控制子区的划分;最后选取8个交叉口的实例,进行划分前后仿真,验证方法的合理性。     

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.     

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。     

基于绿灯时间的交通子区划分

针对传统交通子区划分方法对协调系统中车流运行状态分析不够透彻导致车流量与协调系统公共周期不匹配的缺陷,将实际交通量转换成系统公共周期下的协调交通量,通过协调系统中车流散布密度进行初级子区划分;分析协调系统车流进入影响因素及运行时协调相位绿灯间相互作用关系,提出基于绿灯时间的交通子区划分方法;对划分出的交通子区协调相位差求解提出切合实际的求解方法,对子区间协调时相位差调整提出合理计算方法,并以双向绿波带宽和最大为目标函数,寻求最佳相位差;最后选取实例利用Vissim软件对进行仿真验证。仿真结果表明,划分出的交通子区协调控制效果优于传统分区的协调控制效果。     

车辆驾驶人事故前操作行为模式

以西安及其周边地区交通事故调研数据为基础,对车辆驾驶人事故前操作行为模式进行研究,运用层次分析方法（AHP）和模糊评判方法,分析了影响驾驶人事故前操作行为的因素,建立了驾驶人事故前感知因素评价指标体系及驾驶人对各影响因素指标的评价模型,并用模糊数学和模糊推理的方法建立了基于公路交叉口交通事故的驾驶人事故前操作行为模式模糊控制规则。研究结果表明：在公路交叉口交通事故中,影响驾驶人事故前操作行为的主要因素为驾驶人车速感知、车距感知及交通信息感知;驾驶人事故前操作行为及驾驶人感知因素在一定显著性水平下遵循模糊控制规则。     

基于格子流体力学模型的交通拥堵反馈控制方法比较

【目的】寻找抑制拥堵、控制交通排放的可行方案。【方法】在交通流格子流体力学模型的基础上,考虑道路上所有车流对当前车流的作用,构造平均场反馈控制方法;考虑最近邻单元车流量差的正弦变化,提出非线性正弦反馈控制方法,并通过线性分析得出其稳定性条件。最后通过数值模拟验证,对比这两种反馈控制方法,以及考虑最近邻单元流量差的Ge反馈控制方法和考虑下游车流流量差的Redhu和Gupta延时反馈控制方法对抑制交通拥堵的作用。【结果】4种控制方法都能抑制交通拥堵。从数值模拟结果看,控制效果较好为平均场反馈控制方法、非线性正弦反馈控制方法和Ge反馈控制方法;从实际应用的角度来看,非线性正弦反馈控制方法、Ge反馈控制方法及Redhu和Gupta延时反馈控制方法比较容易实现。【结论】控制效果较好且较容易实现的方法为非线性正弦反馈控制方法和Ge反馈控制方法。     

一种信号交叉口模糊交通控制方法

通过分析城市信号交叉的交通流特征认为：在一定程度上,模糊数学理论可以比目前常规数学方法更好地描述交叉口交通流的随机性和不确定性。本文结合模糊控制技术及一般信号交叉口交通控制方法,提出了一种基于知识的模糊交通控制方法,给出了该控制方法的结构,模糊控制规则以及仿真计算对比结果,结果表明：计算过程简单,控制效果优于定时控制方法,并且在交通量较大时,还优于感应控制方法。     

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.