SWARM 算法在高速公路入口匝道控制中的应用

交通运输业是国民经济中具有全局性和先导性的基础产业.高速公路作为现代化交通基础设施,以其通行能力大、行车速度高的显著特点,成为适应现代产业发展需要的骨干运输方式和重要通道.高速公路的交通控制是高速公路完善程度的重要标志,入口匝道控制则是高速公路控制系统的重要内容,本文介绍了高速公路入口匝道控制系统,包括入口匝道控制的基本原理和典型的控制方法, 并给出了高速公路入口匝道控制系统结构图.SWARM算法在高速公路入口匝道控制中的应用,它以高速公路主线交通流为控制对象,以入口流量为系统的输入控制量,通过计算匝道上游交通需求与下游道路容量差额来寻求最佳匝道入口流量控制,从而使高速公路本身交通需求不超过它的容量,使高速公路主线交通流处于最佳状态.     

高速公路入口匝道无模型控制研究

高速公路交通系统是具有非线性、随机性、时变性等特性的复杂系统,用传统的数学模型很难准确地描述,因此依赖数学模型的交通流控制存在很大的局限性.建立了一个包含神经网络的无模型高速公路交通流匝道控制系统,这里以入口匝道的放行率(即控制变量)作为神经网络输出,并给出了神经网络的结构和详细的训练算法,其中训练算法采用了SPSA方法.仿真结果表明,该方法能有效地对高速公路入口匝道实施控制,且比一般的神经网络模型具有更强的在线控制能力.     

基于动态交通需求估计的高速公路优化控制模型研究

依据动态交通需求估计信息,基于分层递阶的思想,建立了一个高速公路优化控制模型. 模型分为4个主要模块:交通需求预测模块对长时期内总的交通需求进行预测,提前确定将来排队长度的上界;全局最优控制模块预测未来的交通状态,为路网中的各个匝道建立协调约束;交通需求估计模块对真实交通流进行估计;局部反馈控制模块根据对真实交通条件的估计信息及全局最优控制层的寻优结果决定匝道调节率. 仿真结果表明,控制系统具有良好的动态性能,协调了各个匝道之间的利益,实现了高速路网整体性能的优化.     

考虑环境效益的城市快速路匝道协调控制

针对城市机动车尾气污染严重的问题,提出一种考虑环境效益的城市快速路入口匝道协调控制策略.以城市快速路宏观交通流模型为基础,将宏观交通变量转化为微观变量,然后采用微观排放模型计算尾气排放量.在模型预测控制的框架下,综合交通效率和环境效益指标,建立非线性动态优化控制命题,并基于极小值原理进行求解.在多匝道快速路网的仿真结果表明,该策略在兼顾交通通行效率的同时能有效减少机动车尾气CO,HC排放,燃油消耗也显著减少,只有NOx因平均车速的提高略有增加.     

客货分离式高速公路主线与匝道协同控制算法研究

为保障高速公路的高效运行,提出适用于客货分离式高速公路主线与匝道协同控制算法.选取被广泛应用的ALINEA模型作为匝道控制的基本模型,再依据高速公路主线上下游交通流的变化进行入口匝道调节,确保入口匝道下游主线的占有率接近期望占有率,使高速公路主线在接近最大交通容量时充分考虑主线上游交通量对匝道调节率的影响,从而实现主线与匝道协同控制.利用Vissim软件进行仿真,结果表明,在运行效率方面,采用协同控制策略的客货分离形式高速公路优于传统ALINEA控制策略的客货分离式高速公路,远优于客货混行、无控制策略的高速公路.     

基于模型预测控制的快速路网匝道调节方法

探索了基于模型预测控制(MPC)的匝道调节方法.提出了匝道MPC调节的非线性动态时间离散最优控制模型及其解法.最优控制模型采用动态网络交通流模型作为过程模型,采用遗传算法求解.考察了匝道MPC调节的效果和鲁棒性,并将其效果与经典的ALINEA匝道调节方法相比.针对三起点三终点快速路网的仿真案例显示,匝道MPC调节能明显缓解拥堵,改善路网总体运行效率,较之ALINEA调节能够更连续平稳地调节交通流,在存在预测误差的情况下控制效果依然很好,其路网总耗时改善率明显高于ALINEA调节,具有很好的鲁棒性和应用前景.     

面向出口匝道拥挤的快速路速度协调控制模型

为缓解快速路出口匝道的交通拥挤,提出了从主线上进行速度协调控制的方法,在现有基于断面的速度协调控制模型的基础上,通过对入口匝道、出口匝道等的修正构建了面向出口匝道的基于车道的速度协调控制模型,描述和预测每个车道的交通流状态,以路网行程时间最短、总通过量最大为优化目标,对每个车道分别进行最佳速度引导.并搭建仿真系统,分析不同交通需求情形下,基于车道和基于断面的速度协调控制策略的实施效果.结果表明:速度协调控制策略更加适用于中高密度,当交通需求量较高时,相比于无控制策略,基于车道和基于断面的速度协调控制模型均能降低车辆平均延误,且在大多数情形下,基于车道的速度协调控制模型效果优于基于断面的控制模型,对缓解交通拥堵、提高交通安全具有一定助益.     

城市快速路入口匝道控制研究综述

入口匝道控制是城市快速路交通缓堵的重要手段。为全面了解其研究现状及发展趋势，回顾了入口匝道控制自提出以来近60 年的发展历程，系统梳理了入口匝道控制逻辑与类别，聚焦入口匝道控制的方法论演进。 研究发现： 入口匝道控制范围从局部最优向全局最优发展；入口匝道控制对象由宏观交通流控制向微观车辆控制发展；入口匝道控制的建模方法从确定、均质和静态等模型假设向考虑交通流随机性、异质性和动态性方向发展；入口匝道控制的求解方法分为数学推导和搜索算法两类，在收敛性和普适性方面各具优势。最后，分析了入口匝道控制研究现状，并指出了未来4 个重要研究方向，包括宏观与微观交通流协同控制、入口匝道控制的抗干扰与自恢复能力提升、大规模快速路网控制的高效可靠求解，以及网联环境下的智能控制技术实现。     

结合部区域入口匝道协调控制模型

针对进出城市的高速公路与关联城市快速路(简称结合部区域)交通拥堵日益恶化的现象,以结合部区域为研究对象,从结合部区域的匝道控制影响因素分析入手,建立了一种适用于结合部区域的单点入口控制模型和多入口匝道协调控制模型,以京津塘高速公路与北京市三环、四环的结合部区域为例,以实地调研及交通流检测数据为基础,通过仿真验证其有效性,为匝道协调控制实际应用提供理论方法.     

基于模糊算法的高速公路匝道控制方法

针对高速公路交通拥挤和堵塞问题，提出用模糊控制的方法，在拥挤和堵塞形成之前控制匝道的入口流量，避免交通拥挤和堵塞的形成。分析了交通流的构成和自然条件对交通的影响，然后设计出匝道模糊控制的基本结构，并给出了确定交通状态参数的模糊算法。     

基于阶梯需求的快速路交通控制

针对以往研究大多考虑交通需求为定常这一不完全符合实际的情况,给出了阶梯需求的概念,并应用交通网络中的一个基本事实,即在一定条件下路网中车辆所花时间之和的极小值等价于输出流率的极大值,考虑控制目标为最大化输出流率.根据交通状况集成限速控制、入口匝道控制等控制措施获得交通网络控制的最佳性能.仿真实例说明此方法是有效和可行的.     

基于模糊非支配排序遗传算法的多车型快速路交通拥堵和排放优化

以优化城市多车型快速路交通系统拥堵和排放为目标, 综合考虑了走行时间(total time spent, TTS)、走行距离(total travel distance, TTD)、匝道排队、尾气排放和燃油消耗这5个性能指标, 改进了多车型快速路宏观交通流模型Multi-class METANET和多车型排放模型Multi-class VT-macro. 提出了一个新的高维多目标优化算法——模糊非支配排序遗传算法(fuzzy non-dominated sorting genetic algorithm, FNSGA-Ⅲ), 对快速路的匝道汇入率和主路的可变限速(variable speed limit, VSL)值进行了优化, 实现了缓解主路和匝道交通拥堵以及节能减排的目标. 提出的FNSGA-Ⅲ算法, 基于自适应模糊推理系统(adaptive network-base fuzzy inference system, ANFIS), 对下一时刻高维多目标优化的超平面进行预测, 能够有效引导算法在迭代过程中的进化方向, 提高算法的收敛速度. 基于上海市广中路实际路网进行仿真实验. 结果表明, 与现有的单目标遗传算法和高维多目标NSGA-Ⅲ算法相比, FNSGA-Ⅲ算法结合改进的多车型宏观交通流模型, 可以更合理地设置期望速度与匝道控制策略, 更为有效地环缓解快速路的交通拥堵和排放.     

自相似业务量下网络的排队性能分析

在研究通信网的网络性能、流量控制和资源配置时,业务源模型是其中一个十分重要的组成部分。近年来的研究发现数据网络中的业务量呈自相似特征,传统的能够精确描述电话网络的马尔可夫模型不再适用。业务量的自相似特征显著影响网络的流量控制与排队分析,已经引起人们的极大重视。采用G/M/1排队模型对分组长度可变的网络的排队性能进行了分析和仿真,其中自相似业务量是通过叠加大量独立的到达间隔为Pareto重尾分布的ON/OFF源来生成的。仿真结果表明,自相似业务量导致网络的排队性能劣化,这与有关文献对ATM交换的分析结果一致。     

基于改进人工蜂群算法优化小波神经网络的短时交通流预测

为了提高城市道路短时交通流量的预测精度,克服小波神经网络预测过程中存在收敛速度较慢、容易陷入局部最优的缺点,提出改进的人工蜂群算法优化小波神经网络预测模型。该算法引入差分进化算法中的自适应变异操作和遗传算法中的选择算子、交叉算子与变异算子来优化传统的人工蜂群算法,改善人工蜂群算法后期收敛速度慢、局部搜索能力弱的缺点。本文使用该算法优化小波神经网络的参数并对短时交通流进行预测,模型的仿真结果表明,改进人工蜂群算法优化小波神经网络预测的结果误差更小,精确度更高,训练次数少,具有较高的实际应用价值。     

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。     

基于AD-ALINEA的入口匝道控制方法

本文提出了一种新的AD-ALINEA与匝道排队长度相结合的匝道控制方法。在AD-ALINEA基础上,兼顾入口匝道排队长度对整体路网交通的影响,将匝道调节率取为AD-ALINEA和排队控制所计算出的调节率的最大值。通过元胞传输模型对ALINEA、AD-ALINEA及本文新方法进行仿真,并对三种方法的主路下游流量及匝道排队长度进行比较分析。结果表明,新方法能够明显降低匝道排队长度,又能保证主路下游流量,同时兼顾了整体路网的效率与公平。     

面向需求的城市快速环形路段入口匝道协调控制研究

以城市快速路为例,指出由于一些原因其存在着交通需求大于交通供给,以致出现交通拥堵现象。提出解决此问题的措施是考虑入口匝道处车辆对城市快速路优先使用权的需求,给出了面向需求的定义。在此基础上提出了面向交通需求的入口匝道控制策略,即在交通高峰期让等级较高的车辆优先进入城市快速路,并研究了面向交通需求的城市快速环形路段算法,给出算例。把交通管理措施运用到入口匝道控制上,通过限制等级较低的车辆进入,高效地利用了道路的使用权。     

An improved BP artificial neural network algorithm for urban traffic flow intelligent prediction

The traffic flow is interrelated to traffic congestion, the big traffic flow directly results in traffic congestion of some section. In this paper, on the basis of the research of overseas traffic accident, considering the characteristic of Chinese traffic, artificial neural network was used to predict traffic accident, and an improved BP artificial neural network model according with Chinese the situation of a country was proposed. The urban traffic flow prediction was simulated under the particular situation, the simulation result shows that the improved BP artificial neural network can fit the urban traffic flow prediction very well and have high performance.     

城市快速路入口匝道控制算法的改进

本文阐述了城市快速路入口匝道控制的机理和作用,对匝道控制方法进行简单分类,分别给出了各种控制方法的模型表达式,并比较分析了不同控制方法的优缺点和给出了各自的适用范围。针对目前城市快速路入口匝道控制中的不足,结合模糊理论控制和支持向量机算法,提出了一种新的城市快速路入口匝道控制策略的标定方法,并给出了基本算法流程,能够满足城市快速路中不断变化的交通状况对控制策略的动态需求。最后,结合广州市某主干道上的实际调查数据,利用本文的控制算法得出了相应的控制方案,并将其用于该主干道的匝道控制中,通过对调查数据的分析表明本文的控制方法能满足动态变化的交通状况,控制效果较好,对城市入口匝道控制的方法研究有一定的参考作用。     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。