基于交通预测的多态交通流信号控制

为解决现有信号控制方法对多态交通流交叉口适应性不足的问题,通过在交叉口设置多功能进口车道和车辆检测器、车道控制器等硬件设施,进行了短时交通流预测基础上的多态交通流条件下交叉口信号配时优化研究。根据交通量预测数据,建立信号控制延误估计模型,以交叉口总延误最小为优化目标选取多功能车道流向,根据每相位最大排队长度逐步优化绿灯时长并实施信号控制。短时交通预测以小波分析为基础,采用RBF神经网络及Markov链分别预测交通流的稳态与随机部分。使用VISSIM软件对设置多功能车道的交叉口多态流信号控制方法进行了交通仿真。分析结果表明：该方法可有效降低行车延误,提高交叉口服务水平。     

移位左转交叉口自适应信号控制方法和模型

为降低交通流波动对移位左转交叉口通行效率与安全的不利影响,运用模型预测控制(MPC)确定移位左转交叉口自适应信号控制方法的基本框架,在此基础上,实时检测交通数据进行短时交通预测,并对累计到达消散理论进行拓展,将交通流划分为随机到达流、车辆到达受预信号影响的约束流以及车辆到达受主信号多流向影响的组合流3种类型,根据上、下游行程时间差对主、预信号间不同车流的到达情况进行推演,提出面向移位左转交叉口的延误估算方法,建立以延误最小为目标的自适应信号配时优化模型.运用Vissim软件进行仿真验证,结果表明,与定时控制相比,文中方法可使移位左转交叉口的车均延误、停车次数、排队长度分别下降31.2%,7.4%,47.8%.      

短连线信号交叉口的元胞自动机模型

提出了短连线交叉口元胞自动机交通流模型.采用开放性边界条件,模拟了短连线交叉口的交通流.研究了交通信号灯控制下短连线交叉口的交通流特性.分析了相位差、连线长度、信号周期、产生概率、消失概率对交通流的影响.结果表明:相对于长连线交叉口来说,短连线交叉口交通流量不仅决定于上游交叉口的通行能力,而且与连线长度、信号周期和相位差相关;连线长度确定时,存在使主干道和支线交通流量达到最大的最佳相位差;随着连线长度的增大,相位差对主干道和支线交通流的影响逐渐减弱;在最佳相位差时,信号周期长度对交通流量无明显影响.     

西安市南二环交叉口通行效率与安全性分析

为提高城市道路交叉口通行效率和安全性,对西安市南二环朱雀路、含光路环形交叉口、劳动路十字形交叉口进行实测研究,以最小车流速度、交通流密度和通行能力为指标评价交叉口通行效率,以冲突点为指标评价其安全性,得出结论:信控交叉口通行效率高于环形交叉口,左转二次信号控制比一般信号控制方式安全性高,并提出提高交叉口通行效率和安全性的改善措施。     

西安市南二环不同类型交叉口通行效率与安全性分析

为了提高城市道路交叉口的通行效率和安全性,通过对西安市南二环朱雀路环形交叉口、含光路环形交叉口、劳动路十字形交叉口进行实测研究,以最小车流速度、交通流密度和通行能力为指标评价交叉口通行效率,以冲突点为指标评价其安全性,得出结论:信控交叉口的通行效率高于环形交叉口,采用左转二次信号控制方式比一般信号控制方式的环形交叉口安全性高。最后提出提高交叉口的通行效率和安全性的改善措施。     

基于粒子群优化的关联交叉口群信号控制策略研究

提出基于粒子群优化的城市关联交叉口群信号控制策略.采用具有车型信息的感应线圈检测装置,获取各交叉口的实时交通流信息;通过对短时交通流时间序列进行可预测分析,确定交通流时间序列的动力学性质,对于具有确定性变化规律的时间序列建立基于神经网络的组合预测模型,实现对交通流的在线预测;以车辆平均延误时间最少为优化目标,建立关联交叉口群的信号控制参数优化性能函数,根据粒子群优化思想求解信号控制参数.仿真实验证实,基于粒子群优化的关联交叉口群信号控制策略有效.     

信号交叉口排队长度预测的神经网络方法

预测信号交叉口的排队长度可以为交通信号控制和管理提供非常重要的信息.基于神经网络,针对定时和感应信号交叉口两种不同情况,成功实现了单、双车道排队长度的预测.同时,感应器与停车线之间的距离对预测精度的影响也进行了初步分析.模拟结果同时表明,神经网络对左转车道排队长度的预测效果不佳,不能为信号控制和管理提供有效的信息.     

信号交叉口排队长度预测的神经网络方法

预测信号交叉口的排队长度可以为交通信号控制和管理提供非常重要的信息。基于神经网络，针对定时和感应信号交叉口两种不同情况，成功实现了单、双车道排队长度的预测。同时，感应器与停车线之间的距离对预测精度的影响也进行了初步分析。模拟结果同时表明，神经网络对左转车道排队长度的预测效果不佳，不能为信号控制和管理提供有效的信息。     

过饱和条件下信号交叉口协调控制可靠性优化

以避免交叉口出现死锁和减少绿灯时间浪费为目标,利用交通流波动理论,建立了一种过饱和条件下的信号交叉口协调控制的可靠性优化模型,并提供了可靠性区间的计算方法.该模型基于信号控制交叉口处不同的排队溢出形式和交通流波动状态的分类研究,以控制排队溢出形式和上下游交叉口通行能力匹配作为约束条件,以增大排队溢出缓冲时间作为优化目标.通过仿真试验表明,该策略可以减少延误24.6％,同时交叉口的死锁概率降低30％,能有效地承受过饱和交通流的冲击,提高路网的可靠性.     

神经网络方法在车头时距特性分析中的应用

信号交叉口的车头时距是道路及交叉口通行能力分析和信号配时设计中最重要的交通特性之一.由于影响车头时距的因素很多,在进行交叉口交通流模拟时,如何获得准确的车头时距一直以来是较难解决的问题.将神经网络方法用于车头时距特性分析,以便在一定的交通、道路条件下,获得某种车型的车头时距,为进一步分析城市信号交叉口的饱和交通流量、延误与损失时间,以及小汽车当量等特性奠定了基础,从而可以有效地解决城市和公路交通问题.