基于WSN的路口交通信号控制设计

为了缓解道路交通拥堵,减少车辆延误,节约交通能源,控制车辆在交叉路口顺畅通行,提出了一种基于无线传感器网的智能交通信号控制设计。利用传感器节点收集的交通信息,结合多agent的西同方法,控制中心进行综合处理,在不同的时段采用不同的路口控制模式,调整各交叉路口的绿信比,协调干线各路口周期的确定和各路口之间的相位差,自适应地控制车辆通行时间。实现了交通信号灯的无线智能控制,从而提高车辆通行效率。实现交通信号控制的智能化、网络化。     

时变论域下红绿灯配时的模糊控制

针对交叉口日益拥堵,交通信号灯配时设置的不合理问题,提出一种基于时变论域的模糊控制方法,给出了交通信号灯的实时配时方案。该配时方法通过动态地调整信号周期和绿灯时长,以匹配多变的交通流状况,实现了实时控制。以长沙市某十字路口为例验证了该方案的有效性,结果表明：与定时信号配时方法相比,该配时方法更有效的缓解了交叉口交通拥堵状况,增强了路口通行能力,减少了车辆延误时间。     

过饱和交叉口群自适应控制方法

为解决过饱和交通状态下交叉口群道路拥堵时车辆难以疏散、易造成拥堵堆积的问题,提出了一种以交叉路口为中心的区域自适应交通控制方法.同时关注当前路口和相邻交叉路口的交通车辆排队状态信息,确定最佳放行相位实现相邻路口间的协调控制,与传统控制方案相比,方法能够加快拥堵区域向非拥堵区域的车辆疏散,并抑制外围车辆向拥堵区域聚集,有效缓解了拥堵堆积,缩短了行程时间,在非过饱和情况下,亦有效提高了交通通行效率.     

基于ARM的交通信号灯智能控制系统设计

针对城市交通道路十字交叉路口的交通灯信号控制存在的问题进行了探讨,并基于中国城市道路交通控制的现状,提出一种新的控制方案,采用模糊控制的算法,通过主相位和辅相位的自选择,建立拟人化的多相位信号灯智能控制,并由性能优越的ARM7控制器S3C44B0承担主要的控制任务。实验表明,此种控制方法对减少车辆平均延误时间、提高路口通行能力具有很好的控制效果。     

云控制器在智能交通信号灯控制中的应用研究

针对智能交通系统中信号灯控制问题,提出一种新的控制方法--使用云理论的基本算法处理公交车辆反馈信息;将云理论中的前件云发生器与后件云发生器组合构建云控制器,对含有不确定性的多维度公交信号综合处理,并综合各种道路信息以决定交通信号灯的通行时间长度方案;通过模拟实验,证明该信号控制方法能够真实客观实时地反映道路情况,并对交通信号的时长做出有效调整,提高了控制的灵活性和实时性,有效减小了车辆平均延误,使控制系统更具智能化.     

基于车流量的智能交通信号优化控制研究

道路交叉口是城市交通网络的关键组成部分,其通行效率直接决定了城市交通网络的通行能力。为了提高城市交通路网的通行能力,缓解交通拥堵,根据相邻交叉路口车流量具有相关性的特点,提出一种基于车流量的智能交通信号控制方法。建立基于门限服务策略的交通灯轮询控制模型,利用马尔科夫链和概率母函数分析了交叉口车辆平均排队长度和信号灯配时方案,并根据实际交通情况进行仿真实验。结果表明,基于车流量的智能交通信号控制比传统的固定配时控制更加合理,能有效地降低车辆通过交叉口时的平均延误时长和排队长度,提高通行效率。     

基于Deep Q Networks的交通指示灯控制方法

交通指示灯的智能控制是当前智能交通研究中的热点问题;为更加及时有效地自适应动态交通,进一步提升街道路口车流效率,提出了一种基于Deep Q Networks的道路指示灯控制方法;该方法基于道路指示灯控制问题描述,以状态、行动和奖励三要素构建道路指示灯控制的强化学习模型,提出基于Deep Q Networks的道路指示控制方法流程;为检验方法的有效性,以浙江省台州市市府大道与东环大道交叉路口交通数据在SUMO中进行方法比对与仿真实验;实验结果表明,基于Deep Q Networks的交通指示灯控制方法在交通指示等的控制与调度中具有更高的效率和自主性,更有利于改善路口车流的吞吐量,对道路路口车流的驻留时延、队列长度和等待时间等方面的优化具有更好的性能。     

基于交通流量自适应控制的路口子系统

在经济快速发展、道路建设不足等多重压力下,城市交通负担越来越重.在现有的资源条件下,如何提高道路资源的利用效率和道路的通行效率是缓解交通问题的重要途径.本文以设计一种基于交通流量自适应控制的路口子系统为目标,首先分析、研究了交通管控系统的相关算法和相关信息系统的现状,在综合现有系统的基础上,设计了一个交通管控系统的体系结构,系统包括路口子系统、区域中心和信息与控制中心等3部分.通过路口子系统实现交通流数据的实时采集和路口本地的智能控制;设计并实现了路口子系统的检测方案,路口子系统的数据采集和本地的智能控制是云数据存储,以及实时的交通信息平台发布的关键,同时对于实现多个路口的协调管控具有重要的意义.     

基于K-means聚类的交通拥堵预测系统

针对当前车辆堵塞的问题,本作品进行实地考察并依托往期数据,运用机器学习,预测出每日各时段交通热力图。通过交通控制学及其他资料,建立交通信号灯配时优化模型并进行求解。通过红外传感将每条干道上的平均行驶速度测量传递给上位机,上位机求出最优解后,通过以太网把数据传递给各个路口交通信号灯,动态分配其时长以便预防,解决堵车现象。     

交通灯动态配时策略研究

目前的交通灯时间多数都采用静态配时策略,无论是车流高峰还是低谷,红绿灯时间及间隔都是固定不变的,显然地,在这样的配时策略导向下,车流辆多时不能合理发挥交通导向作用,车流辆少时不但不能提高车辆的通行效率反而造成不必要的延误,针对这一问题,本文采用多指标控制方式,采集一个路段多个交叉口车流密度,延误时间,平均车速等多个不同交通流量指标的实时数据,提出一个基于自适应遗传算法的动态配时策略。仿真结果证明了该算法可有效地降低车辆平均延误时间。     

Urban arterial traffic two-direction green wave intelligent coordination control technique and its application

This paper presents a new two-direction green wave intelligent control strategy to solve the coordination control problem of urban arterial traffic. The whole control structure includes two layers — the coordination layer and the control layer. Public cycle time, splits, inbound offset and outbound offset are calculated in the coordination layer. Public cycle time is adjusted by fuzzy neural networks (FNN) according to the traffic flow saturation degree of the key intersection. Splits are calculated based on historical and real-time traffic information. Offsets are calculated by the real-time average speeds. The control layer determines phase composition and adjusts splits at the end of each cycle. The target of this control strategy is to maximize the possibility for vehicles in each direction along the arterial road to pass the local intersection without stop while the utility efficiency of the green signal time is at relatively high level. The actual application results show the proposed method can decrease the average travel time and average number of stops, and increase the average travel speed for vehicles on the arterial road effectively.     

基于雾计算和强化学习的交通灯智能协同控制研究

针对路口交通拥堵现象,结合雾计算和强化学习理论,提出了一种FRTL（fog reinforcement traffic light）交通灯控制模型,该模型根据实时的交通流信息进行交通灯智能协同控制。雾节点将收集到的实时交通流信息上传到雾服务器,雾服务器在雾平台实现信息共享,雾平台结合处理后的共享数据和Q学习制定交通灯控制算法。算法利用检测到的实时交通数据计算出合适的交通灯配时方案,最终应用到交通灯上。仿真结果表明,与传统的分时段控制方式和主干道控制方式（ATL）相比,FRTL控制方法提高了路口的吞吐量,减少了车辆平均等待时间,达到了合理调控红绿灯时间、缓解交通拥堵的目标。     

基于多路口预测与实时配时合作的交通控制系统设计

交通流量的预测是实现智能交通控制的核心问题。利用电子车牌识别法对车辆进行计数,根据数理统计原理筛选对决策路口影响最大的样本数据,建立NARX动态神经网络预测模型,以路网多路口交通流的时间序列数据进行训练,预测后一天同时段的车辆数,计算出两方向总体配时差值,再分配于早晚高峰时段,并进行实验得出理想现象;严重拥堵情况下启动实时配时与应急方案。选取上海市长宁区常年拥堵的金沙江路与中山北路交叉口为中心点,进行MATLAB仿真实验,所得预测数据与实际值比较差值较小,验证了以多路口数据预测单路口的创新设计能在实际交通中应用,且能与实时配时方案合作,缓解交通拥堵。     

CATS: An adaptive traffic signal system based on car-to-car communication

Traffic signal controls play an important role in regulating vehicular flow at road intersections. Traditional systems are not capable of adjusting the timing pattern in accordance with vehicular demand. This results in excessive delays for road users. Hence it is necessary to develop dynamic systems that can adjust the timing patterns according to traffic demand. In this paper, the design and implementation of an adaptive traffic signal control system based on car-to-car communication is presented. Also, a clustering algorithm is defined which will assist in estimating the density of vehicles approaching an intersection. The cycle time, which is calculated using the estimated density of vehicular traffic, helps in reducing both the waiting time for vehicles at intersections and queue length. It is also shown that the proposed solution is collision free at intersections. The proposed system is compared with a classic pre-timed system and an adaptive fuzzy logic system. The simulations also show that the data convergence time and the communication delay between vehicles and traffic signals do not compromise the efficiency of the system.     

基于路口相位方案优化设计的城市道路交通信号迭代学习控制方法研究

城市道路交叉口信号控制是交管工作持续关注的课题,关于协调好有限的道路资源与日益增长的交通需求之间的矛盾,有着至关重要的作用。由于道路自身条件约束,交通流的组成特点复杂,路网交通路呈现非线性动态特征,无法进行精准的数学建模控制。本文提出的迭代学习控制方法,根据交通流的组成和变化特点调整信号控制周期及有效绿灯时长,实现交通信号动态优化控制,保证车辆在路网中能够高效、平稳地通行,是针对非线性动态交通流的一种动态寻优控制算法,能够有效减少路口车辆等待时间、提高通行效率。考虑对不同相位设计方案的适应性,在传统配时优化模型的基础上,构建综合相位设计元素的交通信号迭代学习控制模型,并通过Vissim仿真软件和Python编程语言搭建仿真测试环境,验证了提出模型的有效性。     

主干线协调控制的改进算法研究

为改善传统主干线协调控制方法中存在的问题,对传统主干线协调控制算法进行了深入的研究和改进。改进算法为有效提高绿时利用率,减小车辆延误,对单路口实施了改进的模糊控制算法;同时,对主干线上车辆到来情况进行实时检测,若有大规模车队到来,则中断模糊控制器,即时疏散车队,从而实现对主干线的实时协调控制。将此算法应用于城市主干道交通协调控制,对减小整个主干线的停车延误和排队延误有很好效果,并且对路况变化具有较强的鲁棒性,适合在大中城市中推广。     

车路协同环境下智能交叉口车速控制

传统信号控制交叉口通过相位禁行方式来解决交通冲突,导致交叉口时空资源利用率低,延误增加.为提高车路协同环境下的交叉口通行效率,本文提出了一种基于时空间隙动态分配的智能交叉口车速控制方法,对交叉口车辆通行时间进行归一处理,建立了车辆跟驰控制模型和冲突避碰模型,使车辆能够根据交叉口控制区域内的实时路况信息预先进行速度调整,达到不停车通过交叉口的最优安全速度.运用VISSIM和MATLAB联合搭建仿真运行环境,分别在600 pcu·h^-1, 1200 pcu·h^-1和1800 pcu·h^-1交通流量条件下,对智能控制和传统控制交叉口的控制效益进行评价对比,结果表明:该智能控制方法均能够有效缩短交叉口车辆延误,减少车辆油耗和各类污染物的排放,且交通流量越高,改善效果越明显.