路段拥挤条件下的高速公路匝道协调控制方法

为了提高主线路段拥挤条件下匝道启发式控制方法的有效性,提出了一种改进的Bottle-neck控制方法,以获得平稳的控制过程和缩短的调节时间.首先,依据拥挤持续时间内交通流波阵面向上游移动的距离,应用Greenshields模型确定交通拥挤的影响范围.其次,根据高速公路匝道桩号及拥挤的影响范围,确定用于协调控制的匝道数;并将密度作为控制变量,准确描述路段拥挤下的交通状况.最后,通过对局部调节率和协调调节率进行优化,克服了Bottleneck控制方法超调量过大、调节时间过长的缺陷.基于宁杭高速实测数据的仿真结果表明,改进的Bottle-neck控制方法能够使调节时间减少70%,超调量减小75%.     

高速公路入口匝道的模糊逻辑控制

利用模糊逻辑控制器实时地调节高速公路入口匝道,该控制器由模糊规则库,模糊生成器,模糊消除器等组成,控制器的输入量来自入口匝道以及上下游的检测器,输出是入口匝道的调节率。     

基于模糊算法的高速公路匝道控制方法

针对高速公路交通拥挤和堵塞问题，提出用模糊控制的方法，在拥挤和堵塞形成之前控制匝道的入口流量，避免交通拥挤和堵塞的形成。分析了交通流的构成和自然条件对交通的影响，然后设计出匝道模糊控制的基本结构，并给出了确定交通状态参数的模糊算法。     

基于定量分层模型的多匝道协调控制次序

针对城市快速路交通拥堵严重的问题,基于QHM(定量分层模型)并利用交通风险评估技术,提出了一种多匝道协调控制次序的方法.利用QHM将快速路通道合理分区,以各分区当前状态与临界状态密度差值比为主要指标构建通道多匝道优先级控制矩阵,进而确定各分区匝道的优先控制次序,以保证各分区交通流的稳定性和公平性,实现通道多匝道协调控制.最后,应用微观交通仿真软件Vissim验证了模型的可靠性和有效性.     

高速公路动态交通流的神经网络模型

通过对高速公路宏观动态交通流模型的分析，提出了动态交通流的神经网络模型。结合交通调查数据，利用仿真和优化技术对神经网络进行训练，从而获得了比较准确的描述交通流真实行为的模型，仿真结果结果，该神经网络模型具有令人满意的效果。     

高速路入口匝道的模糊神经网络自适应协调控制

为了实现高速公路多路段入口匝道的协调控制,提出了一种基于模糊神经网络的自适应协调控制方法.该方法首先利用模糊规则实现了相邻路段间交通状态的协调,并对匝道排队进行调节,使其不超过最大排队长度.然后,在神经网络权值优化过程中,采用遗传算法对隶属度函数进行优化,避免算法收敛于局部最优解.该方法具有不依赖于系统的精确模型、控制算法能自适应外界变化、可实现多路段间协调控制等优点.仿真结果表明,该方法对3个路段的高速公路入口匝道能够较好地实现自适应协调控制;与经典的ALINEA方法相比,优化速度更快,在抑制交通密度波动和排队长度增长方面效果更好,对道路容量的利用也更加充分.     

基于模糊控制的足球机器人同步协调控制研究

在比赛中，足球机器人一直处于高速运动状态，因而对其运动协调性和响应的快速性要求较高。为此，本文分析了影响足球机器人运动协调性差的原因，针对其运动的特点，提出了利用模糊系统调节PID控制器的增益的方法。实验表明，本方法在改善足球机器人动态协调性方面还是可行的。     

基于多体模型的汽车底盘多系统协调控制研究

对汽车底盘的EPS、ASS和ABS进行协调控制研究,首先建立多体模型,研究控制器,分为单独控制和协调控制两种工况,对EPS、ASS和ABS进行仿真分析,通过汽车垂直加速度、俯仰角加速度和横摆角速度的均方根数值,以及刹车距离等参数进行分析,采用协调控制后,汽车制动距离减少,操纵稳定性提高,提高了汽车的综合性能。     

面向出口匝道拥挤的快速路速度协调控制模型

为缓解快速路出口匝道的交通拥挤,提出了从主线上进行速度协调控制的方法,在现有基于断面的速度协调控制模型的基础上,通过对入口匝道、出口匝道等的修正构建了面向出口匝道的基于车道的速度协调控制模型,描述和预测每个车道的交通流状态,以路网行程时间最短、总通过量最大为优化目标,对每个车道分别进行最佳速度引导.并搭建仿真系统,分析不同交通需求情形下,基于车道和基于断面的速度协调控制策略的实施效果.结果表明:速度协调控制策略更加适用于中高密度,当交通需求量较高时,相比于无控制策略,基于车道和基于断面的速度协调控制模型均能降低车辆平均延误,且在大多数情形下,基于车道的速度协调控制模型效果优于基于断面的控制模型,对缓解交通拥堵、提高交通安全具有一定助益.     

高速公路收费站与衔接信号交叉口协调控制研究

针对高速公路收费站与其衔接信号交叉口之间路段的交通拥堵问题,在Webster延误模型的基础上,提出一种公路收费站与衔接信号交叉口的协调控制方法。首先,在交叉口和收费站的上游检测获取基本交通流数据,预测在下一周期内交叉口和收费站的交通需求,然后以预防收费匝道、收费广场、交叉口以及衔接路段发生拥堵为约束条件,以收费站与交叉口整体区域的车均延误时间为目标函数,建立收费站与衔接信号交叉口的协调控制模型,对收费站出入口的实际通行能力和交叉口的信号配时进行协调控制,使得通行能力相互匹配,并通过权重系数的设置优先疏通出入口车流的排队。案例仿真结果表明本文方法能有效缓解交通拥堵,为高速公路出入口限流与城市道路信号相互协调控制提供了一种理论方法。     

高速公路匝道协调控制系统的仿真分析

采用连续流宏观稳态交通模式和占有率调节控制策略,使用Visual Basic软件设计了一个高速公路匝道协调控制系统,模拟了高速公路交通系统的动态运行过程,并通过数据仿真对系统运行和计算的有效性进行了分析.仿真结果表明,控制系统具有良好的动态性能,所提出的方法能够有效地消除交通拥挤,维持主线车流稳定,实现车辆在高速公路上的高效、安全运行.     

基于多智能体深度强化学习的高速公路可变限速协同控制方法

面向高速公路多路段可变限速协同控制需求,针对高维参数空间高效训练寻优难题,提出了应用多智能体深度确定性策略梯度（MADDPG）算法的高速公路可变限速协同控制方法。区别于既有研究的单个智能体深度确定性策略梯度（DDPG）算法,MADDPG将每个管控单元抽象为具备Actor-Critic强化学习架构的智能体,在算法训练过程中共享各智能体的状态、动作信息,使得各智能体具备推测其余智能体控制策略的能力,进而实现多路段协同控制。基于开源仿真软件SUMO,在高速公路典型拥堵场景对提出的控制方法开展管控效果验证。实验结果表明,提出的MADDPG算法降低了拥堵持续时间和路段运行速度标准差,分别减少69.23 %、47.96 %,可显著提高交通效率与安全。对比单智能体DDPG算法,MADDPG可节约50 %的训练时间并提高7.44 %的累计回报值,多智能体算法可提升协同控制策略的优化效率。进一步,为验证智能体间共享信息的必要性,将MADDPG与独立多智能体DDPG（IDDPG）算法进行对比：相较于IDDPG,MADDPG可使拥堵持续时间、速度标准差均值的改善提升11.65 %、19.00 %。     

基于模糊识别的高速公路交通拥挤预测算法

在分析影响交通拥挤因素的基础上,提出了一种基于模糊识别的交通拥挤状态预测算法,并对算法进行了模拟测试。测试结果表明:该算法实时性好,准确性高,可作为高速公路交通控制与诱导等管理手段的可靠依据。     

实时模糊控制的行人过街信号与交叉口信号联动控制

介绍了城市主干道模糊控制方法.根据单路口模糊控制的思想,提出了一种城市主干道行人过街信号与交叉口信号的模糊线控制方法.给出了城市交通多路口模糊线控制仿真程序框图,经过仿真得出结果,改善后的平均延误大大地减少,说明递阶模糊控制效果良好.     

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。     

基于PID神经网络的快速路入口匝道控制

鉴于神经网络具有良好的非线性特性,学习能力以及自适应能力,本文将神经网络控制与快速路入口匝道控制结合起来,提出了一种基于PID神经网络的入口匝道的协调控制方法。仿真结果表明,较之于ALINEA控制,该方法能更好地稳定快速路的主线交通流密度。     

高速公路汽车追尾事故的模糊评价研究

全面分析了汽车追尾事故的影响因素,经过对各方面影响因素的分析筛选建立了一个比较实用、简单的汽车追尾模糊综合评价模型.最后通过案例检验,所得评价结果符合实际,证明模型可作为评价之用.该模型能综合考虑各方面影响因素,其评价结果可为事故避免方案的制定提供依据.     

Urban Intersection Traffic Signal Control Based on Fuzzy Logic

IntroductionTraffic signals are essential in transportationnetwork management.A number of traffic signalcontrol methods have been developed in the past.Recently,a major research focus has been theapplication of artificial intelligence techniques,such as expert systems,fuzzy logic,neuralnetworks,and genetic algorithms for intersectionsignal control.　 Pappis and Mamdani[1] developed fuzzy rules toevaluate the suitability of extending a currentgreen phase by different time durations based on ac…