交叉口多相位神经网络智能控制

针对城市交叉口交通流的特点和普遍存在的拥挤问题，以F-B配时理论为基础，提出了一种基于神经网络的交叉口多相位智能控制，并以镇江市大市口为例，在调查了大量的交通流数据的基础上，描述了建立网络的方法，给出了学习算法，仿真结果表明，该神经网络控制器具有良好的学习和泛化能力，实时性良好．     

平交路口多相让自适应控制的实时OD递算模型

平面交叉口多相位自适应信号控制需要依据其进口道实时OD流量设置配时参数,以适应变化的交通需求．为此,笔者建立了描述平面交叉口动态交通需求的多变量动态线性模型及其递推算法．该模型基于交叉口进出口断面的流量观测数据,以进口道的分流概率矩阵为状态参数,利用贝叶斯预测方法,对时变OD矩阵进行联线估计．对一特定的T型交叉口交通状态的计算机仿真表明该模型和算法具有较好的精度,能用于交叉口多相位自适应信号控制．     

平面交叉口信号模糊控制与仿真

在分析平面交叉口交通信号控制问题的基础上,根据车辆感应控制理论和模糊控制理论,提出了一种平面交叉口信号的多相位多级模糊控制方案,仿真结果表明其优于多相位定周期控制。     

基于马尔柯夫过程的城市交叉口车辆到达模型

提出在城市交叉口多相位实时控制过程中,采用马尔柯夫方法对各相位内进入交叉口车辆数的可能性进行预估。基于交叉口车辆运行的强随机特征,交叉口车辆到达预测的准确性是控制策略准确制定的关键。根据马尔柯夫过程预测结果,系统可进行交通信号的延时和相位变化,从而使整个交叉口的平均时延得到优化。通过实例验证了马尔柯夫分析模型用于多相位交叉口短时交通流占有率预测的可用性,并将预测得到的交通流占有率与观测值进行了对比,同时对两者之间的误差进行了分析。结果表明,预测结果有助于制定实时的交通控制策略。     

基于神经网络模糊控制的单交叉口信号控制

在分析城市交通信号控制研究现状的基础上,提出一种基于神经网络模糊控制的单路口交通信号灯控制方法,通过检测当前相位的排队长度和下一相位的排队长度得出当前相位以及下一相位的车流密度,进而判断是否进行相位变换.以每个周期内交叉口的车辆平均延误作为控制指标,来判断该控制器的控制性能.计算机仿真结果表明,该方法能够降低车辆在交叉路口的平均延误.     

面向交通规划的交叉口延误函数的研究和应用

对交通规划流量分配问题中的交叉口延误函数进行了研究．考虑了对冲突流、冲突相位和非机动车交通等因素,通过对交叉口延误函数的进一步细化,对不同转向车流和不同交叉口类型建立了适合我国城市道路的交叉口延误函数,增强了交通分配模型的可靠性．     

基于HCM2000延误模型的最佳周期时长估算公式

提出了一套新的、基于美国道路通行能力手册2000版(HCM2000)延误模型的信号控制交叉口最佳周期时长估算公式.首先探讨信号交叉口最佳周期时长的理论计算方法,然后选取代表不同交通状况的典型交叉口,计算其最佳信号周期时长,以此作为样本数据进行回归分析,得到两个分别适用于两相位和多相位信号控制交叉口的最佳周期时长估算公式.该公式克服了久用的Webster最佳周期时长估算公式不适用于高饱和度交叉口的问题.     

考虑车流通行需求的交叉口绿信比分配模型

为解决多股跨相车流及非关键车流在未饱和信号交叉口的通行时间分配问题,提出了一种基于车流通行需求的绿信比分配目标函数,建立了交叉口绿信比的基础分配模型与多轮分配模型,给出了绿信比与相位时间的分配流程,设计了一种程序化的交叉口绿信比分配方法,并结合算例阐明了模型方法的求解过程.选取广州市某信号交叉口进行案例分析,与现行配时方案和Synchro优化配时方案相比,所提模型优化配时方案的非关键车流及跨相车流整体延误时间在VISSIM仿真实验中分别减少了22.3%和9.1%,在Synchro仿真实验中分别减少了15.4%和4.8%.模型通过对绿信比与相位时间的多轮分配,实现了对非关键及跨相车流通行时间的优化,可以更好地满足信号交叉口各股车流的通行需求.     

多相位信号控制的应用研究

信号控制是交叉口的基本控制方式之一，而多相位信号控制是解决交叉口混合交通环境下交通问题的一种有效方法，并在实际中得到了较好的应用。为了进一步提高多相位信号控制的效果，更好地解决实际交通问题，本文从交通冲突、通行能力和服务水平等方面对多相位信号控制与传统的控制方式进行了比较，并对多相位信号控制在实际运用中应该注意的问题进行了分析和阐述，提出了解决问题的办法。     

基于Synchro Studio的行人专用相位仿真研究

基于Synchro Studio软件包对饱和交叉口进行了仿真分析,对有、无行人专用相位带来的车辆延误进行了对比。分析数据表明,当交叉口交通状况处于饱和状态时,行人专用相位对交叉口影响很大。取消行人专用相位后,各方向车辆延误大幅减小,交叉口服务水平显著提高。研究表明,对于饱和交叉口,在其它改善措施难以实施的情况下,取消行人专用相位对提高交叉口通行能力、缓解交通拥堵是非常有效的。     

平面交叉路口多相位交通信号控制系统设计

针对城市道路平面交叉路口交通信号控制问题,提出一种基于CPLD,"小任务先服务、绿信时间模糊控制"的十字路口多相位交通信号控制系统。仿真结果表明,该系统能很好地适应十字路口的实际交通状况。对有效提高路口通行效率有一定的实际意义。     

基于模糊神经网络的信号交叉口交通量预测

预测精度高,实时性强的交叉口交通量预测算法可以极大地提高城市交通控制的效率。文中提出了基于模糊神经网络的信号交叉口交通量预测方法。该方法以模糊神经网络为核心,应用在线滚动学习模型实现交叉口交通量预测,并应用了交通量微观仿真系统对模型进行检验,仿真结果表明该模型比传统方法精度高,收敛速度快。本模型在城市交通控制系统研究中有巨大的应用潜力。     

两层模糊神经网络交通信号控制模型

交叉路口信号的有效控制是减少车辆延误时间的关键,是保证城市交通顺畅的前提。以单交叉路口为研究对象,在仿真希腊学者Pappis提出的模糊控制方法基础之上,基于交叉路口的动态特性及模糊规则的一成不变,提出两层BP神经网络实现单交叉路口的模糊信号控制方法,在不同车流量情况下,使用MATLAB工具仿真实现,结果表明:所提出的模糊神经网络具有较强的学习、推理能力,对于车辆的平均延误时间有较好的改进。     

遗传算法模糊神经网络在列车驾驶中的应用

大城市交通问题迫切需要高效率的交通系统,这就要求在交通系统的控制中引入智能控制技术。本文介绍了模糊神经网络与遗传算法的特点, 分析了他们之间相互结合的可能性,并提出了基于遗传算法的模糊神经网络控制算法。该算法使模糊神经网络和遗传算法的优点很好地结合起来。本文还介绍了列车自动驾驶系统的概况,并将新算法用于此系统中。     

城市交通干线的Q-学习控制算法

针对城市交通干线协调控制的要求,提出了利用Q-学习控制算法和模糊算法的分层递阶控制的方法.采用两层结构,第1层为控制层,针对单个路口,对下一个时间段内路口各个方向的相位饱和度进行预测,并在此基础上计算出下一个时间段内各个路口的周期、各个方向上的绿信比;第2层是协调层,采用Q-学习控制算法对干线各个路口间的相位差进行调整.采用TSIS交通分析软件对由5个路口组成的交通干线进行仿真,Q-学习控制算法与定时控制和遗传算法进行比较,结果表明:Q-学习控制算法具有明显的优越性.     

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.     

交叉路口的综合智能信号控制方案研究

针对城市道路交叉路口的交通信号控制,构造了一种能实时调整控制结构和参数的综合智能信号控制方案.方案中的结构评价单元根据每一相位结束时的交通状况,决定是否在标准相位的基础上进行控制结构调整.参数评价单元则根据评价周期内的信号控制效果,利用所获得的交通流数据对神经网络信号控制器进行"滚动"训练.两个神经网络总是交替处于学习和工作状态.仿真结果表明,该控制方案能很好地综合"结构调节"和"参数调节"的优点,因而能更好地适应路口的实际交通状况,从而达到有效提高路口通行能力的目的.     

一种信号交叉口模糊交通控制方法

通过分析城市信号交叉的交通流特征认为：在一定程度上,模糊数学理论可以比目前常规数学方法更好地描述交叉口交通流的随机性和不确定性。本文结合模糊控制技术及一般信号交叉口交通控制方法,提出了一种基于知识的模糊交通控制方法,给出了该控制方法的结构,模糊控制规则以及仿真计算对比结果,结果表明：计算过程简单,控制效果优于定时控制方法,并且在交通量较大时,还优于感应控制方法。