单路口交通的多相位实时模糊控制

讨论单路口多相位的交通信号控制 ,控制方法采用实时模糊控制 ,提出以当前相的主队列、最近1 0秒车辆到达数、后继相的主队列三者决定信号配时的方法 ,给出了该三维模糊控制器的设计 .根据通过交叉口的车辆停驶过程 ,推导出交叉口平均车辆延误计算模型 .对上述控制器进行四相位交叉口的仿真试验 ,以通过交叉口的平均车辆延误作为性能评价指标 ,仿真结果表明 ,控制效果比较满意 ,优于定时控制方法     

单路口交通信号智能控制方法

应用模糊理论和机器学习方法，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．经过仿真实验，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。     

城市道路网络多交叉路口交通信号实时优化控制模型与算法

城市道路各交叉口交通信号的实时管理和控制直接影响了整个城市的交通拥挤。以武汉市武昌区各主要交叉路口的交通信号控制问题为背景，构造了交通网络中以多交叉口滞留的车辆数最少为目标的优化模型，用遗传算法对其进行了仿真数据求解，得到了实时控制的配时方案，并与固定周期固定绿信比方案进行了比较，结果表明该模型和算法对交通信号实时控制是非常有效的。     

基于多智能体的分布式交通信号协调控制方法

通过建立交通信号控制智能体BDI模型,提出了一种基于多智能体的分布式交通信号协调控制方法.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。     

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。     

基于遗传算法的交通信号机器学习控制方法

通过对到达车辆数目的模糊分类,将交通信号控制方案以不同规则集的形式实施,根据实际控制效果利用遗传算法对规则集进行改进,形成了一种具有机器学习能力的单路口交通信号新控制方法.经过仿真实验,对该方法的控制效果与定时控制和感应控制进行了比较,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.     

T-S模糊控制系统稳定性分析及控制器设计

研究了在新型的模糊Lyapunov方法下连续T-S模糊控制系统稳定性和模糊控制器设计问题,首先,得出了自由系统新的稳定性充分条件,这个条件具有更大的宽松性;然后基于一系列线性矩阵不等式设计了模糊控制器,这些矩阵不等式可以利用凸优化技术来进行解决。通过对两个具体的实例的仿真验证了本算法的有效性。     

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。     

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.     

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。     

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。