单路口多相位交通信号模糊控制系统的设计

模糊控制不需建立被控对象的精确数学模型，特别适用于具有较大随机性的城市交通控制。此文同时考虑多相位和倒计时问题，讨论用模糊控制方法对单路口多相位的交通信号进行控制，提出以当前相，后继相的车辆等待长度决定相位信号配时，文中重点讨论该二维模糊控制器的设计，并给出该模型控制系统的总体设计方案，利用Mcs96提供的Watch Dog，结合软件设计保证系统的稳定性，提高系统的抗干扰能力，由于每一相位的配时是根据路口实时数据经模糊推理一次确定，该系统可用于安装倒计时器的路口，具有良好的实用性。     

基于神经网络实现的交叉口多相位模糊逻辑控制

针对城市交叉口交通流的分布特点,给出了一种自适应交叉口多相位控制算法,考虑相邻车道上的车辆排队长度,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,文章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,为实现交通系统智能控制提供了一条新途径.     

城市单路口交通的两级模糊控制及其仿真

在Ｐａｐｐｉｓ法的基础上,提出城市单路口交通的两级模糊控制方法,计算机仿真表明,其结果令人满意。     

单交叉口多策略模糊控制算法与优化

大量研究表明,模糊交通信号控制算法在性能上明显优于传统方法,但现有研究大多采用单策略控制,在复杂多变的城市交通流条件下,难以充分发挥交叉口的通行能力.为此,在深入分析交通需求的基础上,提出了基于模糊理论的多策略模糊控制算法.同时,为克服用经验法确定多套模糊策略的困难与不足,还设计了基于遗传算法的模糊规则和隶属度函数优化方法.仿真结果表明,多策略模型优于单策略模型,更优于传统交通控制方法.     

基于车道共用的多相位灯控路口优化方法

提出了基于车道共用的交叉路口信号控制的方法,该方法充分利用了路口左转弯待转区的空间,将原来的左转专用车道调整为左转与直行车辆的共用车道.在不降低左转车辆路口通过率的前提下明显提高了直行车辆的路口通过率,从而有效地减少了车辆的平均延误.理论分析与仿真结果都验证了该方法的有效性.     

城市单交叉路口多相位智能控制方法与计算机仿真

根据中国城市交通的现状,提出城市单交叉路口的多相位智能控制的原理与方法,并由此原理编制智能控制的计算机软件。通过对各随机变量的现场统计分析,用Monte-Carlo方法进行计算机仿真,其效果明显优于定配时控制方法。     

基于Agent的单路口交通流控制的研究

利用Agent技术,通过构造路口Agent与相位Agent来对单路口的交通流进行控制,文章首先指出了路口Agent与相位Agent之间的关系,然后对两类Agent的模型进行了研究。并说明了路口Agent对相位Agent规则变量的学习过程。最后文章进行了仿真研究,结果表明本文研究方法的有效性。     

路口群落交通流的区间二型模糊预测与多级模糊控制

提出"路口群落"的概念来分析城市交通网络中拥挤区域的交通信号控制方式.应用二型模糊逻辑对区域交通流量进行预测,得到以防止路口群落堵塞为前提的车辆平均延误最小的多级模糊控制算法(T2F-MACFC).在二型模糊规则提取时,应用了一种改进的c均值模糊聚类算法,该算法可以针对区间型数据进行模糊聚类.计算机仿真表明,T2F-MACFC算法相对于目前实际应用的"绿波"(Green Wave)自适应控制方法,可以减少交通拥挤地区50%的堵塞情况发生,而二型模糊预测方法的引入使得车辆平均速度提高大约15%.     

饱和路网中动态交通分配与路口控制一体化建模研究

基于对动态交通分配和网络信号控制相互作用的研究,以饱和交通网络为研究对象,建立了动态交通分配和信号控制的一体化双层优化模型。在上层模型中考虑系统最优,进行信号策略的优化,在下层模型中反映用户最优,实施交通网络流的配置。模型中考虑了车辆的实际长度,研究了饱和网络中因为流量饱和而导致的路口排队现象及其对路段费用的影响。最后用实例仿真说明了饱和网络一体化研究的必要性和一体化模型的有效性。     

一种基于Agent的单路口交通信号学习控制方法

Agent技术是从分布式人工智能领域中兴起的研究热点，论文将Agent与经验知识和加强学习方法中Q－学习算法相结合，应用到城市交通信号控制领域中，解决单个路口的动态实时问题，通过在仿真环境下的对比，证明该方法具有较好的控制效果。     

城市单交叉口信号多相位自适应控制模型

针对交通系统的动态性和随机性,提出了信号交叉口的自适应控制模型.充分考虑了转弯比例的时变性以及车道分配的时变性,给出一种交叉口随机动态模型.将强化学习(RL)引入到交通信号系统中,针对交通网络的交通流及信号特征,建立了RL的状态空间、动作空间和回报函数,以最小化交叉口的排队车辆数为目标,实施对交通信号的优化控制.在不同的交通环境设定下,对典型的十字交叉口进行仿真试验,将RL控制方法同传统的定时控制和感应控制进行了对比.结果表明,RL控制器具有很强的学习能力,对于交通环境的突然变化仍可以保持较高的控制效率.     

基于完全竞争机制的交叉口模糊控制模型

通过两个新的度量指标——实际通行需求度(ATUD)和加权通行需求度(W TUD),反映各入口车道的交通需求,并提出一种基于完全竞争机制的交叉口模糊控制模型,旨在通过匹配各入口车道的交通供需,达到提高交叉口通行能力的目的。模型的控制过程如下:绿灯时间结束时,算出各车道的ATUD和W TUD,将通行权分配给W TUD最大的车道所在的相位。如果通行相位被选中,则绿灯时间延长一个事先设定值;当绿灯时间到达上限时,则根据W TUD选择下一个通行相位。如果非通行相位被选中,则将通行权交给该相位,并根据其中ATUD最大的车道设定初始绿灯时间。仿真结果表明,该模型比传统定时和感应式控制的适用范围更大,自适应能力也更强。     

单点定时信号最优控制模型及仿真分析

针对以往基于Webster和HCM信号配时优化方法的缺点,提出了一种基于信号灯组、考虑行人和自行车绿灯间隔约束、使用微观仿真多种评价指标作为优化目标的单点固定信号优化方法,并且提出了模型求解算法。然后使用VC 调用VISSIM的COM接口对一个实际四叉路口分饱和和非饱和条件下做大量仿真试验,根据仿真结果对得出模型的有效性及一些有价值的结论。     

交叉路网交通灯的协调模糊控制方法

交通灯的控制是城市交通系统中一个重要的问题,本文探讨了一种新的交叉路口网交通灯的协调模糊控制方法,首先在交叉和阵道上设置流量检测器得到路口的交通数据;然后根据路网多个节点的交通动态特征,提出了一个种模糊规则来控制交通信号灯的延长时间和相位变化,使得整个整网车辆的平均时延得到优化,这个方法与一种典型方法作了比较,并且给出了仿真实例,其结果相当令人满意。     

城市单交叉路口交通流实时遗传算法优化控制

针对单交叉路口多相位交通流建立了一种实时动态模型 ,并简要介绍了一种实时遗传算法优化控制方法 .通过对本周期及前一个周期的车流量进行实时测量 ,采用线性预估方法 ,对下一个周期的车流量进行预估 ,以最大通行能力为路口模型控制性能指标 ,从而确定下一周期的相位配时方案 .采用 C语言编程进行实时仿真实验 ,仿真结果表明 ,实时优化性能良好、性能稳定.     

单路口信号灯模糊-遗传算法优化配时研究

介绍了一种单路口信号灯模糊-遗传算法优化配时方法,把路口一个周期内车辆平均延误作为目标函数,用线性预估方法,根据上一周期和本周期的车流量预估下一个周期的车流量,把预估车流量和前两个周期的车流变化作为输入量,用模糊控制器推算出下一个周期的时间长度,然后用遗传算法优化目标函数,从而得到最优配时方案。计算机仿真结果表明,模糊-遗传算法优化性能良好。     

交叉口交通信号灯的模糊控制及优化研究

针对城市单交叉口的交通信号控制问题,提出一种交通灯信号的模糊控制方法。该方法基于四相位定相序对单交叉口交通灯进行控制,模糊控制系统输入为车辆排队数和车辆到达率,输出为当前绿灯相位的绿灯延长时间。利用遗传算法(Genetic Algorithm,GA)优化模糊控制系统的模糊规则和隶属度函数,提升模糊控制系统性能。利用Sumo(Simulation of Urban Mobility)仿真软件,实现了该模糊控制方法。将Sumo自带的控制方法、模糊控制方法、以及基于GA的模糊控制方法进行仿真对比。结果表明,基于GA的模糊控制方法能有效减少车辆的平均延误时间,提高了交叉口的通行能力。