基于Markov模糊控制模型的交叉口设计与仿真研究

针对城市交叉口交通流的特点,提出了一种基于Markov模型的模糊交叉口信号控制算法。该算法采用模糊逻辑控制,结合马尔科夫链理论对交通流分布概率进行分析,通过模糊控制器控制绿灯延时长度,来解决交通流不平衡以及配时不合理等问题,该方法能够有效的适应城市交叉口实时变化的交通状况。研究结果表明,该控制算法能够有效减少车辆平均延误时间,满足实时控制的要求。     

基于多智能体和模糊控制的道路交叉口建模与仿真

利用Agent技术对道路交叉口进行建模,着重介绍了交叉口Agent的内部结构和控制策略.在交叉口控制中应用模糊理论和蚁群算法,提出了一种具有自学习机制的交叉口信号模糊控制方法.对模糊控制规则应用蚁群算法进行优化,使得交叉口Agent具有自学习能力.编制交叉口Agent的仿真程序,将所研究模型的控制效果与传统模糊控制模型的效果进行了比较.仿真实验的结果表明:具有自学习机制的交叉口信号模糊控制方法的效果明显优于传统的模糊控制方式.     

基于多状态切换交叉口信号优化控制

在交通信号控制中,针对单一控制模型不能很好适应实时交通流变化的问题,提出基于多状态切换交叉口信号优化控制方法。根据交通流参数,采用自组织特征映射神经网络(SOM)对交叉口交通状态进行识别,依据路口交通状态,动态选择合适的模糊控制器结构。针对模糊控制规则人工设定的问题,采用遗传蚁群算法在线优化两级模糊控制器控制规则。通过仿真研究,给出了不同控制方法下车辆随时间的平均延误曲线,分析了不同交通流下的平均延误,结果表明,所提出方法具有较好控制效果。     

基于模糊理论的交通控制系统研究

目的提出以车辆在交叉口延误作为模糊输入的交通信号模糊控制策略。方法通过对车辆在交叉口延误时间的估算,制订模糊控制规则来控制交叉口的信号灯,能有效地减少车辆在交叉口的延误时间。结果给出了车辆在交叉口延误时间的计算方法、模糊控制规则的定义和解模糊的方法,并以实例验证了这种方法的可靠性。结论提供了一种解决城市交通堵塞问题的途径,验证结果证明是可靠的。     

智能车辆交叉口协同控制算法

基于协同控制系统,对无信号灯控制的交叉口车辆的运行情况进行探讨。将冲突车辆轨迹调整问题转化为非线性受限制优化问题,假设存在一个交叉口控制中心,专门用来收集车辆的信息,利用改进后的混合蛙跳算法,为每一车辆制定优化策略,避免和其他车辆发生碰撞。车辆与车辆、车辆与控制中心之间通过无线通信共享信息,所有车辆均为无人驾驶智能车辆。VISSIM仿真结果表明:所提出的协同控制算法显著地改善了交叉口的性能,与传统的信号控制相比,停车延迟时间、行进时间和车辆通行能力分别提高了97.2%、25.5%和6.58%。     

考虑信号交叉口转向类型的最优路径规划算法

针对现有最优路径规划算法没有充分考虑不同转向类型的车辆在信号交叉口处的等待时间,导致算出的最优路径实际效果不佳等问题,提出了一种考虑信号交叉口转向类型的最优路径规划算法.首先,根据不同的转向类型构建了信号交叉口等待时间模型;然后,提出了一种改进的星型表,对路网中邻接路段之间的转向类型与相应参数进行表达和存储优化;在此基础上,提出了考虑信号交叉口转向类型的拓展A*算法(CMTA*算法),并进行了算例验证.结果表明,相比于传统算法和考虑信号交叉口等待时间的CWTSISP算法,CMTA*算法所计算出的最优路径时间费用更低,并且运算效率更高.     

基于遗传算法的城域交叉路口两级模糊控制

分级模糊控制能有效减少模糊规则数,易于提取模糊规则,适合于交通状况复杂的城域交叉路口的交通控制,但它存在难以由人工合理定义全部模糊隶属度函数的问题.为此,提出了一种面向城域单交叉路口的自适应两级模糊控制系统,并采用遗传算法对两级模糊控制器中模糊隶属度函数进行优化调整.该控制系统具有分级模糊控制的优点,同时可以让模糊隶属度的选取更为合理,使模糊隶属度函数在不同交通情况下自适应地变化,从而改善控制效果.对一个两相位孤立交叉口进行仿真.结果表明该法能有效降低通行车辆在交叉口的平均等待时间.     

车联网干线协调控制相位差自适应优化

为了提高车联网环境中干线的通行效率,提出一种车联网中干线协调控制相位差自适应优化方法.本文基于车辆换道延误模型建立了以上游交叉口车辆数为输入、下游交叉口信号相位差调节量为输出的模糊控制网络;为解决车流和路况变化造成的控制效果降低问题,以车辆交叉口平均等待时间最小为目标,对模糊规则进行自适应调节;通过基于Q-Paramics的车联网仿真平台对本文提出的方法进行验证.结果表明:本文提出方法控制效果明显优于传统干线协调控制方法;在车流大幅震荡和车流随机波动条件下,较固定规则的干线模糊控制方法能够分别降低车辆平均等待时间12.35%和9.7%.本文方法能够适应车流变化和路况变化,具有更优的适应性、可用性及工程价值.     

基于模糊逻辑的智能交通控制算法的研究

随着经济的迅速发展和机动车辆的迅猛增加,交通问题日益严重.针对现有交通信号控制系统的不足之处,就模糊控制用于交叉口交通信号控制进行新的尝试,提出一种单检测器变相位分层模糊控制算法,仅在停车线前车道上装有车辆传感器,通过三层模糊逻辑控制判断路况、确定延时以及相位选择,并通过MATLAB7实现证明了算法的有效性.     

基于车均延误的预信号交叉口信号配时优化

为了缓解交叉口的过饱和问题,提出一种面向机动车流的交叉口预信号控制方法.即在给定的交叉口渠化以及相位相序方案下,建立主信号和预信号处机动车的延误计算模型;以交叉口车辆平均延误最小为目标,以信号配时参数和待行区长度为自变量,构建预信号交叉口的配时方案优化模型;并采用可行方向法对这两个模型进行求解.最后以典型的十字交叉口为例对所提出的方法进行验证.结果表明:当交叉口处于饱和或过饱和状态时,与传统信号控制方法相比,预信号控制方法降低车辆延误可以达到60%.     

单个交叉口两级模糊控制及仿真研究

伴随着我国国民经济的高速发展和城市化进程的加快,城市交通拥堵问题日趋严重,交叉口作为城市交通网络的重要组成部分,解决城市道路交叉口问题是解决城市交通的关键,对其研究有着极其重要的意义。在对现有国内外学者对交叉口信号模糊控制研究的基础之上,对单个交叉口的模糊控制进行系统的分析阐述,提出了一种新型的交叉口两级模糊控制方法。对于模糊控制中复杂的逻辑推理和计算问题采用MATLAB进行编程计算。最后,运用MATLAB进行模糊控制器动态仿真,结果表明模糊控制效果更好。     

Traffic Signals Control with Adaptive Fuzzy Controller in Urban Road Network

An adaptive fuzzy logic controller （AFC） is presented for the signal control of the urban traffic network. The AFC is composed of the signal control system-oriented control level and the signal controller-oriented fuzzy rules regulation level. The control level decides the signal timings in an intersection with a fuzzy logic controller. The regulation level optimizes the fuzzy rules by the Adaptive Rule Module in AFC according to both the system performance index in current control period and the traffic flows in the last one. Consequently the system performances are improved. A weight coefficient controller （WCC） is also developed to describe the interactions of traffic flow among the adjacent intersections. So the AFC combined with the WCC can be applied in a road network for signal timings. Simulations of the AFC on a real traffic scenario have been conducted. Simulation results indicate that the adaptive controller for traffic control shows better performance than the actuated one.     

城市交通信号三级模糊滑动优化控制方法

提出一种城市交通信号三级模糊滑动优化控制方法.引入非冲突车流的搭接相位构建交通信号三级模糊控制器的模型,并采用滑动时间窗设计滑动优化的框架.根据实时采集的交通数据,采用基于黄金分割的混合遗传算法,在线学习模糊控制器的隶属函数及控制规则参数.在常态及事故不同交通条件下,以典型路口进行Paramics仿真试验.结果表明提出方法的自适应能力好,可快速响应路口交通流的不确定性事件,且在高饱和的交通条件下性能稳定.     

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．     

Genetic-fuzzy HEV control strategy based on driving cycle recognition

A genetic-fuzzy HEV control strategy based on driving cycle recognition (DCR) was built. Six driving cycles were selected to represent different traffic conditions e.g. freeway, urban, suburb. A neural algorithm was used for traffic condition recognition based on ten parameters of each driving cycle. The DCR was utilized for optimization of the HEV control parameters using a genetic-fuzzy approach. A fuzzy logic controller (FLC) was designed to be intelligent to manage the engine to work in the vicinity of its optimal condition. The fuzzy membership function parameters were optimized using the genetic algorithm (GA) for each driving cycle. The result is that the DCR_fuzzy controller can reduce the fuel consumption by 1.9%, higher than only CYC_HWFET optimized fuzzy (0.2%) or CYC_WVUSUB optimized fuzzy (0.7%). The DCR_fuzzy method can get the better result than only optimizing one cycle on the complex real traffic conditions.     

一类特殊路口的多相位模糊交通控制

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。对一类特殊路口的交通流进行了分析,确定了相应的信号配时方案。提出了以当前相的主队列和后继相的主队列共同决定信号配时的模糊控制方法,阐述了模糊控制器的整个设计过程。以通过交叉口的平均车辆延误为性能评价指标进行了仿真实验,仿真结果表明模糊控制优于定时控制。     

城市交叉口综合模糊控制

基于交警对城市交叉口交通指挥的决策过程,设计了一种综合模糊控制器,把每一时刻各车道的平均车辆排队数之和作为控制目标,综合考虑各相位车道上的车队长度以及各相位的延误次数,以此来决定绿灯延时和下一放行相位。仿真表明,综合模糊控制方法比以往模糊控制方法能更有效地减少排队车辆数。     

公交优先的交通信号多层模糊控制模型

针对城市交通信号控制及公交优先问题,首先提出了一种基于交通需求强度的单路口多层模糊控制模型。第一层用来判断路口的交通需求强度,第二层主要完成相位优化功能,第三层用来确定各个相位的有效绿灯时间。进而考虑公交优先将模型扩展为公交优先的交通信号多层模糊控制模型,给出了模型结构与控制方法。仿真结果表明,与定时公交优先控制模型相比,该文提出的公交优先的多层模糊控制模型在交通量较大情况下能有效减少公交车辆延误,可应用于未来的信号控制系统中。