基于多目标的城市交通微循环系统优化模型研究

定义了交通微循环系统的概念,在此基础上分析了交通微循环功能特性,从分流干道交通、疏解交通拥堵、提供安全舒适出行的目标出发,构建了交通微循环多目标的双层规划模型,并运用多目标协同优化方法分析优化目标.上层模型在满足路段饱和度和最大改造能力的约束条件下,使交通微循环的可达性最高、投资费用最省、环境影响最小;下层模型采用动态均衡模型对交通流进行配流.并运用遗传算法对模型进行了求解.     

基于遗传算法的交通信号控制多目标优化

针对城市交通信号控制面临的多目标优化问题,提出了利用遗传算法实现多目标优化的方法.分析了城市交通信号控制多目标优化的本质及特点,采用基于遗传算法的多目标优化方法,提出了信号控制多层模糊控制模型,以平均延误和停车次数作为优化目标,采用遗传算法中的随机权重方法来进行该模型的多目标综合优化,给出了各模型参数的计算方法和优化步骤,最后进行了仿真试验.仿真结果表明,给出的多目标优化方法优于传统的多目标固定权重方法,可以获得更好的交通信号控制效果.     

基于KPCA与SVM的混合核交通流数据检测

目的针对当前交通流数据识别问题,提出基于KPCA与SVM的混合核交通流数据识别算法,以提高交通流数据识别准确率.方法运用KPCA对数据进行预处理,采用SVM训练分类模型,利用所训练的模型进行识别;以多轿厢电梯交通状态为对象,分别从交通流数据识别分析和仿真实验两方面对所提方法的可行性与精确性进行验证.结果通过与SVM算法、BP神经网络算法进行对比,表明所提方法具有很强的通用性,能有效地预测出交通流,交通流数据识别的准确率达到97. 2%.结论笔者提出的基于KPCA与SVM的混合核交通流数据识别算法可以提高交通流数据识别的准确率,通用性较高,可以实现对目标的实时检测.     

基于变量分析和粒子群优化加权随机森林的交通事件检测方法

为了提高高速公路交通事件检测的效果,首先从交通流基本参数、交通流组合参数、不同区间交通流参数对交通事件参数的变化进行全面的分析,构建交通事件初始特征变量集,并利用AdaBoost算法、梯度提升树(GBDT)算法、随机森林(RF)算法对初始特征变量进行筛选,通过三种方法综合比较分析得出最终的重要变量.对随机森林中的决策树进行加权计算,构建加权随机森林,并利用粒子群(PSO)算法优化加权随机森林模型.通过采集的高速公路交通事件数据进行对比分析,实验结果表明,在交通事件初始特征变量中筛选出重要变量,对检测的精度有所提高,加权随机森林的检测性能也要优于传统的支持向量机(SVM)和随机森林.     

基于SVD的抗差UKF算法在短时交通流状态估计中的应用

针对城市区域快速路网,以实现交通流运行状态实时估计为目标,建立宏观交通流状态空间模型,在实现交通流状态估计的同时,更新交通流模型参数,提高交通流模型的适应性和准确性.然后提出了基于奇异值分解(SVD)的优化抗差无损卡尔曼滤波(UKF)算法,用奇异值分解代替标准UKF的Cholesky分解,解决了协方差矩阵非正定时滤波计算不能持续的问题,同时,该算法根据观测协方差矩阵是否病态选择抗差因子,对增益矩阵和观测协方差矩阵进行自适应计算,进而抑制由于模型较高的非线性带来的误差.通过实验证明,文中所提算法避免了扩展卡尔曼滤波(EKF)算法的滤波发散问题,能准确跟踪交通流的变化趋势,提高交通流状态估计的稳定性和精度.     

基于外点惩罚函数与NSGA-II算法的气体分馏装置多目标优化

采用多元线性回归理论,结合最小二乘法对气体分馏装置进行优化建模,提出将惩罚函数法与非支配排序遗传算法（NSGA-II）相结合的优化策略,对气体分馏装置优化模型进行求解得到Pareto最优解集。优化结果表明,文中提出的改进NSGA—II算法求得Pareto解集的收敛性和多目标优化点的分散程度要优于NSGA．II和NSGA算法,该算法克服了NSGA—II算法Pareto解集的分散程度不均匀、NSGA算法收敛性差的问题。通过对比气体分馏装置目前工况与改进NSGA—II优化算法的结果可知,改进算法的结果成功地解决了目前该气体分馏装置能耗过高的问题,使该装置达到了节能优化的目标,为气体分馏装置的节能与优化设计提供了新的有效方法。     

基于四维消耗的公交线网优化模型及蚁群算法

针对城市公交线网的优化问题,应用四维消耗概念进行了综合研究,给出了公交线网优化的多目标线性规划模型及蚁群算法.在定义时间、空间、环境、能源等四维消耗概念的基础上,从点、线、面3个方面对公交线网优化问题进行研究.在考虑效益最大化、成本最小化、发展可持续化的情况下,利用效用函数建立了公交线网优化的多目标线性规划模型.并用蚁群算法对多目标线性规划模型求解,得到最佳的公交线路网络布局结构和公交线网运营效率.实例表明,利用蚁群算法优化后公交线网利用率增大、可达性良好、乘客出行时间减少,优化结果符合城市交通的实际情况,该方法合理可行.     

运输通道货运量分担率的目标规划模型

从系统角度出发,分析了综合运输通道内各类运输方式的经济技术特征;考虑了运输货物类型的多样性,运输方式与货物的运输相容性,以运输成本最小化和运输需求满意度最大化为目标,运输需求满意度采用最大化最小需求满意度方法,使得运输量与运输需求量比值最小的满意度最大化,以货物与运输方式的相容性为约束建立了1个多目标0-1混合整数线性规划模型;并设计了求解该模型的算法,通过1个算例对模型进行了数值演算以表明模型和算法的可行性。研究结果表明:考虑货物与运输方式的相容性约束,能实现各类运输方式的最大运输能力约束以及最小运量要求,使约束模型的约束条件简化;运用数学优化软件Lingo11.0对求解算法编程,分别对运输成本和需求满意度的单目标优化问题进行计算,在短时间内能找到最优解,而对多目标优化问题计算可得到有效解。     

相邻交叉口混合交通流鲁棒多目标信号优化控制

针对我国城市道路相邻交叉口混合交通流环境下智能信号控制中的不确定性和效率问题,提出一种基于鲁棒多目标优化算法的优化控制方法.设计了相邻交叉口的鲁棒多目标信号优化控制模型,并提出一种新的鲁棒多目标进化算法IDR-NSGA-Ⅱ,通过对自适应抽样技术、鲁棒度定义、鲁棒偏序关系定义等多项关键技术的综合改进,提升了算法的求解精度和运行速度.提出新的多属性决策方法 ELM-MADMA来选择配时方案.上海市相邻交叉口控制的仿真实验结果表明:IDR-NSGA-Ⅱ算法能够有效地实现周期时长扰动和交通流波动下机动车平均延误、道路通行能力、慢行交通平均延误、机动车平均停车率等多项性能指标的最优化控制;与其他决策方法相比,ELM-MADMA能够较好地进行决策,提升相邻交叉口智能信号控制的效率.     

基于遗传算法的电梯群控鲁棒优化模型

针对电梯群控调度过程中交通流不确定的问题,建立了鲁棒优化模型,利用遗传算法对所建模型进行求解.对于不确定线性优化问题,研究了不确定集的选择以及模型鲁棒对等式转化方法.仿真实验中,利用电梯群控虚拟仿真环境对鲁棒优化调度算法在不同交通流下进行了验证.以300人/15 min的混合交通流模式为例,鲁棒优化算法的平均候梯时间比静态分区算法降低12.77 s;平均乘梯时间比最小等待时间算法降低9.7 s;电梯启停次数比静态分区算法少8次.实验结果表明,鲁棒优化调度算法对不同交通模式具有更好的适应性,可以减小交通流不确定性的影响,提高电梯群控调度性能.     

基于增维细胞传输模型的区域管制空域容量评估

经过多年深耕挖潜,目前国内机场容量的瓶颈已逐渐转移至终端区之外的区域管制空域。细胞传输模型(CTM)适用于中观交通流仿真,可描述较为宏观的问题。本文基于区域航路网络拓扑结构,将区域管制空域(简称“区域”)的交通流分为通过流与进入流,采用CTM建立区域增维模型,以区域容量作为目标函数构建MILP模型,利用遗传算法求解,通过TAAM仿真验证模型的准确性。     

交叉口信号控制方案评价指标动态估计模型

对评价指标在周期内的实时变化进行动态估计是交叉口交通信号动态控制的关键。应用计算机仿真模拟方法以仿真步长为间隔建立了停车延误、停车次数、排队车辆数等常用控制目标与信号灯状态及持续时间之间的动态迭代估计模型,机动车流在路段上的运行特征用CTM描述,在交叉口上的演化规律用微观交通状态描述。以单个进口道的直行车流为研究对象,对经典延误模型进行对比分析,发现随着饱和度增大,各个模型的估计偏差有逐渐增大的趋势,基于仿真步长的迭代估计累积结果基本上处于经典延误模型计算结果的变化范围内。对于单个交叉口而言,迭代算法的时间复杂度为O(n)。     

基于CTM-RH的城市交通信号线控制

采用细胞传输模型(cell-transmission model,CTM)对城市干道交通流进行建模,并运用滚动区域法(rolling horizon,RH)对信号周期、绿信比和相位差进行优化.仿真结果令人较为满意.     

分路段交通状态模式元胞传递模型

对城市快速路元胞传递(CTM)模型进行了研究.根据不同路段交通状态模式下,路段交通流动态特性的"可观测性"会由于交通信息传播方式差异而不同,提出了城市快速路分模式元胞传递模型.该模型更新了流量传输模型,将其表示为不同路段交通状态模式下的分段函数形式,并针对城市快速路构建了下匝道流量传输模型.以上海南北高架部分路段实际检测数据为例,测试比较了3种宏观元胞自动机模型,结论为分模式CTM模型性能最好.在将其应用于大规模数据测试时,密度估计结果平均百分比误差为20%左右,流量估计结果平均百分比误差为10%左右,仿真效果比较理想.     

基于CTM的干线信号模糊控制优化方法在大型活动中的应用

为了提高城市干道在大型活动交通消散过程的控制效率,利用能够反映交通流动力学特性的元胞传输模型CTM实现消散干道交通信号优化控制.基于CTM建立了消散干道单向交通动力学模型,提出了基于滚动周期的干线模糊控制优化方法,通过实时调整主路绿灯时间从而实现绿波控制路段总延误最小的优化目标.对一个由4个路口组成双向六车道干线道路算例进行仿真,在消散干道主路输入流量随时间变化的情况下,采用各路口绿灯时间一致的控制方案与各路口变化绿灯时间即优化控制方案2种情况下,主路消散方向上车辆总延误分别为4 254和3 825 s.算例结果表明,优化方案对于减少主路消散方向的交通流总延误具有较好的控制效果.     

多用户动态交通流分配模型及算法研究

通过对动态交通网络中瞬时反应型和预测型出行者行为假设的分析,提出了将两者结合并增加固定路线出行行为假设的多用户动态交通流分配模型.同时通过对动态交通网络出行者行为的相互制约特性分析,给出了求解上述模型的迭代算法.本模型拓展了以往构建模型中出行者行为的单一性假设.本模型及算法也可直接应用于先进的出行者信息系统,并为路径导行系统中网络的效益分析提供理论依据.     

多路径交通分配模型的改进及节点分配算法

本文对动态多路径交通分配模型进行了改进，提出了该模型的快速算法－节点分配算法，并详细阐述了节点分配法中的网络处理、分配节点排序及参数确定等问题。节点分配算法的采用，大大提高了多路径交通分配方法的速度及容量，使之能在超大规模网络的交通规划、交通控制及交通诱导系统中应用。     

注塑成型工艺多目标稳健设计及优化算法

在注塑成型过程单目标稳健设计的基础上,提出了成型质量特性均值及标准差的双目标稳健设计模型以及成型多质量特性的多目标稳健设计模型,提出了基于Pareto最优的混合交叉变异的多目标蚁群算法.在结合实例的研究中,针对某遥控器上下盖的注塑成型工艺参数设置分别建立了翘曲量均值及标准差的双目标稳健设计模型和最大翘曲量及最大体积收缩率的多目标稳健设计模型,再利用混合交叉变异的多目标蚁群算法进行求解,求解结果与non-dominated sorting genetic algorithmsⅡ(NSGAⅡ)算法比较,得出部分算法性能指标优于NSGAⅡ算法.利用多目标稳健优化得到的工艺参数进行实际注塑成型,得到的塑件制品成型质量好并且波动较小.     

可变信息标志最优转移率模型及其算法

提出一个基于多用户类别动态交通分配(MUC—DTA)模型而确定的最优CMS系统交通流量转移率的系统模型,包括最优动态时变交通转移模型,并提供模型的求解计算方法,以提高整个交通网络的运行效率．     

动态混合行为交通网络平衡的遗传算法求解

采用遗传算法对动态交通网络平衡微分博弈模型进行求解,将动态混合行为交通网络平衡模型构造为一个开环信息结构下N个局中人非合作非零和博弈,并考虑了一个单OD对之间有两个平行弧的简单网络和两类局中人——用户平衡(UE)和古诺-纳升(C-N)——在拥挤现象中的相互作用,针对此简单网络阐明了遗传算法求解模型的具体步骤。遗传算法求解不必要求目标函数连续可微,大大提高了模型的适用性。通过算例对所设计的算法进行了验证,在算例中将Wie BW(1993)的研究中部分参数取值作了修改,使其更加合乎交通实际,并将计算结果与Wie B W(1993)采用最小值原理计算结果进行了对比分析,通过对比分析表明,其计算结果更符合交通实际。