干线信号协调背景下的网联公交实时优先控制方法

为解决公交优先可能破坏干线协调并影响社会车辆行驶效益问题,建立了网联环境下配合干线信号协调的实时公交优先控制方法.该方法包括三个步骤,提出了路段速度引导算法服务于还未到达交叉口范围的网联公交,使其尽量在绿灯期间到达停车线;进一步在其到达交叉口范围时进行公交优先申请的生成,同时计算出协同的速度引导和驻站控制策略;最后在满...     

车联网环境下基于可变相位的公交优先信号控制方法

为适应交通量波动较大的交叉口运行特性,提出一种基于可变相位的公交优先信号控制方法,即交叉口信号的相序与相位组合可以实时动态调整.在车联网环境下信息双向和实时传输的基础上,根据公交车进入通信范围时的时间、速度以及交叉口排队状态的不同,建立了不同情况下公交车到达时间预测模型;然后根据公交车到达时间为不同候选方案分配绿灯时间...     

快速公交信号优先控制研究

通过对快速公交信号优先控制策略及其交通影响分析,借鉴北京BRT1成功经验,提出了基于降低社会车辆延误的快速公交信号优先控制策略。对北京设置的公交信号优先的快速公交1号线(BRT1)和没有设置公交信号优先的快速公交2号线(BRT2)运行时耗、运行速度的对比分析,论证了在交叉口设置快速公交信号优先的必要性,并从其他方面对改善快速公交运营情况提出了建议。     

快速公交车辆平面交叉口信号优先实现方法

提出以等待延误大小为约束条件在设置快速公交（BRT）专用进口道的十字平面交叉口给予BRT车辆有条件信号优先．有条件优先含义是只给予满足特定条件的BRT车辆信号优先．具体做法是利用检测系统检测BRT辆抵达交叉口遇红灯开始排队待行时刻，依据所有待行BRT车辆的最大等待延误判断是否应提供信号优先服务．信号优先实现方法包括实时调整优先相位、优先相位分隔多次出现和压缩非优先相位．与定时信号控制相比，感应控制根据BRT车辆等待延误大小进行信号调整，提高BRT系统服务质量．     

基于相位优先度规则的单点公交优先控制策略

为了丰富决定信号切换的关键交通事件,并进行合理平衡和协调,达到多目标优化,提出了相位优先度的概念,根据关键交通事件的触发计算相位优先度,在此基础上设计了一种在双环相位结构下基于相位优先度规则的单点公交优先信号控制策略,该规则包括起始相位选择规则、屏障内相位切换规则和屏障间相位切换规则.仿真测试和分析结果表明,相对定时控制、基本感应控制,该控制策略可以有效地减少公交车辆延误,社会车辆也同时受益,达到多目标主体的利益平衡;与基于相位优先度规则的自适应控制相比,该控制策略保证了公交优先的有效性.     

基于交通仿真技术的公交优先预信号方案研究

基于交通仿真技术,对公交优先预信号交叉口进行研究,提出了预信号方案的改善设计以及仿真研究方法.采用TSIS仿真软件,针对预信号方案设计中主预信号相位差、公交候驶区长度的合理取值范围和设计计算方法展开研究,并比较了有、无预信号下交叉口的交通延误状况.示例研究表明,通过设置预信号,公交车平均延误减少,达到了公交优先通行的效果.在交通饱和情况下,预信号控制可以从整体上改善交叉口的运行状况,并能有效保障公交顺畅通行.     

基于公交优先的交叉口信号控制和仿真

以人均延误最小为优化目标,在调查交叉口交通流量与当前信号配时的基础上,以相位乘客流量比和相位饱和度确定绿信比,优化信号配时,尽可能提高公交车的出行效率。通过对实例的理论计算和软件仿真,结果表明,在相位流量未达到饱和时,绿信比优化方法能够提高进口道路通行能力的利用率,减小交叉口的人均延误,在保障交叉口交通顺畅的前提下实现公交优先。     

基于绿灯需求度的单点公交信号优先控制策略

传统的公交优先控制策略无法有效地解决公交车辆的多向请求问题.提出了绿灯需求度的概念,设计了绿灯相位、红灯相位下绿灯需求度的计算方法,提出了一种基于绿灯需求度的相位切换决策流程.充分考虑公交车辆和社会车辆的到达、排队和等候情况,计算得到考虑公交优先的绿灯需求度,在此基础上进行相位切换决策可以实现基于绿灯需求度的公交信号优先控制.仿真测试和结果分析表明,该控制策略比常规公交优先控制策略更有效;相比跳相序方法,定相序的控制策略优先效果略差,但是对社会车辆的负面影响更小;当背景流量增加时,公交车辆延误增加很小,但社会车辆延误增加较多.     

基于车联网的公交信号优先控制方法及实践

基于卫星定位追踪公交运行信息,通过LTE-V2X通信技术与中心系统实时交互进行公交检测,设计一种不依赖电子地图数据、高效的车辆定位数据处理方法,及公交优先控制流程、控制算法,构建由车载终端、中心控制系统、路侧信号控制机等组成,通过V2X通信技术互联交互的公交信号优先控制系统.在宿迁“好巴士”快速公交项目中投入实际应用,...     

快速公交车辆发车间隔与信号优先协调研究

研究快速公交车辆发车间隔与路口信号优先的协调优化问题. 针对快速公交全线路口信号选用定周期的优先感应控制方案,提出协调优化问题的衡量指标. 选用遗传算法提出发车间隔与信号控制参数综合优化的求解算法. 以北京的BRT1线为例,应用VISSIM仿真软件与VC++程序进行了算法实现. 实例结果表明:在不同的车速、发车间隔、信号控制方案的组合下,经过优化可以有效提高车辆的速度和准点率,实现真正意义上的公交优先.     

基于强化学习算法的公交信号优先策略

综合分析了影响城市公共交通系统运行的多种因素,提出了一种新型的基于强化学习算法的城市公交信号优先控制策略.该策略利用强化学习算法的试错-改进机制,根据不同交通环境下信号控制策略实施后反馈的结果,迭代优化路口的公交信号优先控制策略,从而使其具备了自学习的能力.基于Paramics的仿真实验表明,该算法能够在保障路口正常交通秩序的同时,显著提高公交车运行效率.     

Optimization of Adaptive Transit Signal Priority Using Parallel Genetic Algorithm

Optimization of adaptive traffic signal timing is one of the most complex problems in traffic control systems. This paper presents an adaptive transit signal priority (TSP) strategy that applies the parallel genetic algorithm (PGA) to optimize adaptive traffic signal control in the presence of TSP. The method can optimize the phase plan, cycle length, and green splits at isolated intersections with consideration for the performance of both the transit and the general vehicles. A VISSIM (VISual SIMulation) simulation testbed was developed to evaluate the performance of the proposed PGA-based adaptive traffic signal control with TSP. The simulation results show that the PGA-based optimizer for adaptive TSP outperformed the fully actuated NEMA control in all test cases. The results also show that the PGA-based optimizer can produce TSP timing plans that benefit the transit vehicles while minimizing the impact of TSP on the general vehicles.     

基于驾驶模拟器的车联网环境搭建及对驾驶行为的影响

为研究网联环境下车载设备对驾驶行为的影响,设计了车载终端人机交互界面,搭建了基于驾驶模拟仓的车、车通信环境,并开展模拟驾驶实验,采集了4个场景下车辆运行数据。通过对速度、加速度、跟车间距、超速驾驶员比例等驾驶行为数据以及人口学的统计分析,研究不同交通状态下,是否配备车载终端对驾驶行为影响的差异性。实验数据表明,实时提供前车运行状态的车载终端能够提高车辆运行效率和安全性。     

考虑公交发车频率的信号优先控制方法

首先建立了发车频率、信号周期与不同落点数目的关系模型，并分析了不同落点数目对信号优先控制效果的影响．研究发现当落点数目为1或2即发车频率与信号周期或1／2信号周期成整数倍关系时，信号优先较易实现，且优先策略对社会车辆的影响较小．针对落点为1的情形，以公交车均延误最小为目标研究了落点最优位置模型和多申请下的优先控制模型．对落点为2的情形，提出了调整绿信比和设置重复绿灯相位的控制方法．应用Vissim进行的仿真分析表明，所提出的控制方法在降低公交车均延误和车头时距波动性方面具有显著效果，并能够较好地处理多申请下的信号优先．     

基于装载模式的整车物流优化模型研究

研究了物流公司按照客户订单对整车快速配送的问题.通过穷举轿运车装载模式,将投入运输的轿运车按照装载模式进行分类,以每类轿运车数量为决策变量,运输总成本最少为目标,分别对单一目的地和多个目的地的情形建立整数线性规划模型.两种模型分别用LINGO编程在i5/3.10GHz的PC机上求解,前者运行时间不足1s,后者也仅需30s即可得到最优解.