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。     

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.     

用于估计信号交叉口行人延误的微观仿真系统

针对发展中城市中由定周期两相位交通灯控制的交叉口，建立了用于估计行人延误的微观仿真系统。信号灯周期被划分为一系列分相位，每个分相位持续1s。仿真系统包括车辆发生器、行人发生器、行人模型、统计模块等。其中，车辆发生器用于估算各分相位穿越人行横道的车流率，进而产生车辆序列；行人发生器用于产生到达人行横道的行人序列；行人模型包含若干行人行为规则；统计模块用于统计各分相位到达行人的平均延误，以及总的行人平均延误。最后，微观仿真系统用采集自西安市一个信号交叉口的数据进行了验证，结果表明它能比较准确地估计行人延误。     

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.     

防止短连线交叉口溢流的单点信号配时优化

从我国城市交叉口的交通特征出发,在考虑排队长度和行人过街约束条件下构造了多目标规划函数：优化目标是使车辆平均延误和各相位关键车道组饱和度方差最小,约束条件是排队长度不超过车道预设长度,并且行人过街相位足够长. 对于多目标规划,采用功效系数法建立目标评价函数. 通过天河北与天寿路交叉口实例应用遗传算法求解验证模型,结论表明：该模型能够有效地防止短连线交叉口溢流现象的发生.     

基于改进NSGA-Ⅱ的左转待行区交叉口配时优化控制

为进一步提高道路交叉口综合性能,选取青岛市典型的南京路与江西路交叉口,建立设有左转待行区域的优化模型,利用改进的快速非支配遗传算法对交叉口车辆延误及机动车CO排放两方面进行优化。通过VISSIM软件搭建模型,验证算法有效性。结果表明,改进后算法搜索效率提高了57.4%,多目标优化配时后,车均延误下降了11.7%,CO排放减少了13.5%,平均排队长度降低了11.3%,HC和NOx排放均下降了2.7%。该算法有效地提高了交叉口通行能力和环境效益。     

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。     

基于自适应遗传算法的渠系优化配水模型研究

针对现有的建立在假定下级渠道配水流量相等基础上的渠道优化配水模型与绝大多数渠系实际配水要求不相符合等问题,研究了下级渠道流量不等时的渠系优化配水模型及其求解方法,并通过实例对基于自适应遗传算法和基本遗传算法的模型求解方法进行了比较。结果表明,与传统方法编制的配水方案相比,提出的模型和算法确定的渠系优化配水方案斗渠配水时间搭配合理、支渠配水流量均匀,符合优化配水原则;利用自适应遗传算法求解模型,能在进化过程中按个体优劣和群体分散程度自动调整遗传控制参数,可显著加快收敛速度和提高计算稳定性,具有较高的工程应用价值。     

基于遗传算法的交通信号动态优化方法

针对典型的城市多车道双向交叉路口的交通流分布，以四相位信号控制为例，建立了以控制周期内路口的总延误车辆数最小为控制目标、以信号相位绿灯持续时间和信号周期时长为控制变量的交通信号动态配时模型。并用基于实数编码的遗传算法对信号周期和相位4绿信号时间等控制变量同时进行优化。为检验算法的优化效果，针对实际交叉路口高峰小时的实测交通流量数据，进行了大量次数的仿真计算，并对仿真结果进行了分析。     

一种分布式交通信号控制方法及仿真实现

在基于多智能体的分布式道路交通控制概念模型和单路口交通信号自学习控制方法的基础上，提出了一种基于多智能体的分布式交通信号区域控制方法。通过相邻路口信号控制智能体的信息交互和协调，在确保路口绿灯时间利用率较高的前提下，尽量使相邻路口驶来的车队不停车地通过路口。编制交通控制微观仿真软件，在一个由8个路口组成的交通网络中对多种信号控制方式进行仿真实验，实验结果表明这种新控制方法的控制效果明显优于传统的定时控制和感应控制方式。     

一种交通信号自学习控制方法及仿真实现

将模糊理论和机器学习应用到交通信号控制过程中，提出了一种基于遗传算法的单路口交通信号模糊控制方法。通过对到达车辆数目的模糊分类，将不同车辆数目到达情况下的信号控制决策方案以规则集的形式存储在知识库中，在交通信号控制过程中使用遗传算法对规则集进行改进。编制该控制方法的仿真程序，对该方法的控制效果与定时控制和感应控制进行了模拟比较，仿真实验的结果说明该方法的控制效果明显优于传统控制方式。     

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。     

城市交通网络路径优化建模与仿真

提出了交通流密度图的定义和城市动态交通网络的模型，同时还给出了动态交通网络中OD对的路径优化模型，采用传统的Dijkstra算法进行动态优化来获得出行车辆的最佳路径。经计算机仿真研究表明，优化模型和优化方法是切实可行的。