动态交通分配与信号控制的组合模型及算法研究

This paper presents a generalized bi-level programming model of combined dynamic traffic assignment and traffic signal control, and especially analyzes a procedure for determining the equilibrium queuing delays on saturated links for dynamic network signal control satisfying the FIFO (first-in-first-out) rule. The chaotic optimal algorithm proposed in this paper can not only present the optimal signal settings, but also calculate, at each interval, the link inflow rates and outflow rates for the dynamic user optimal problem, and provide real-time information for the travelers. Finally, a numerical example is given to illustrate the application of the proposed model and solution algorithm, and comparison shows that this model has better system performance.     

基于Stackelberg博弈的动态用户最优配流和信号控制

研究了动态用户最优配流与信号控制的组合问题.首先基于交通分配将交通流分配到合适的路网上由信号控制来适应这些交通流的思想,并由此建立了交通分配和信号控制的Stackelberg博弈模型,模型的上层是动态用户最优,下层是信号控制优化.然后,通过对模型离散化应用模拟退火算法进行求解.最后,对一个简单的交通网络进行仿真,仿真结果表明所提方法的有效性.     

交叉口有交通信号控制时用户最优动态配流模型

针对智能交通系统（ＴＴＳ）基础上中主要基础理论之一的动态交通分配问题,在现有研究成果的基础上,提出了更接近真实路网的多起点多旋点交叉口设置有交通信号控制（Ｔｒａｆｆｉｃ Ｓｉｇｎａｌ Ｃｏｎｔｒｏｌ）时的动态配流模型,给出了对现有的通过Ｆｒａｎｋ Ｗｏｉｆｅ算法所得的ＤＵＯ配流解进行修正的原则,最后的算例表明由修正后的模型和算法所得到的ＤＵＯ配流解满足ＴＳＣ约束。     

基于TdPN的中小流量交叉口信号控制研究

针对城市中小流量交叉口交通拥堵问题,提出了一种基于时延Petri网(Timed Petri Net, TdPN)的可变相序信号控制模型。利用TdPN建立交叉口车流模型和信号控制模型,结合马尔可夫链,建立交通流的动态生成模型。通过将通行权赋予当前等待车辆数最大的相位来实现相位的随机选择。以平均延迟时间最小为优化目标,通过遗传算法求解最优相位配时。在信号周期固定的情况下,分析基于TdPN的四相位可变相序控制模型在不平衡交通流下对交叉口平均排队长度的影响,并将此模型与四相位固定相序控制模型进行对比。研究结果表明,该方案在单位时间内有效地减少了交叉口的平均排队长度。     

动态平衡运量配流问题及其稳态伴随解算法

动态平衡运量配流问题的建模和求解是发展智能车辆导驶系统的理论基础.本文对多起 点单讫点交通网络建立了连续时间最优控制模型,该模型的最优解对应于动态用户平衡解.文 中提出的稳态伴随解算法避免了解复杂的两点边界值问题,可以获得原问题的近似解.该算 法利用了交通网络和计算机网络的结构特性,计算速度较高,可用于城市交通流的实时控制.     

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。     

基于变结构离散动态BN的最优交通路径规划

为了确保城市路网交通流平稳运行和各路段交通流量合理分配,提出了一种基于变结构动态BN的最优交通路径规划方法。该方法考虑驾驶员偏好,按时间序列建立适用于交通路径规划的变结构离散动态BN模型,采用最大似然估计算法和参数的自适应产生算法学习网络参数,用基于时间窗的动态BN近似推理算法中固定窗口宽度方法进行在线推理。结合实例对算法进行仿真,并与Dijkstra算法所得结果进行比较。实验结果表明变结构离散动态BN能利用实时采集到的信息对最优路径进行实时更新,在线决策。     

协调控制子区快速动态划分方法研究

通过建立基于交叉口关联度的协调控制子区划分模型,设计最佳控制子区划分方 案获取流程,实现了交通信号控制子区的动态划分;针对最佳控制子区划分方案求 解过程中可能面临的维数灾难问题,提出利用降维处理与遗传算法两种方法进行 子区划分方案的快速寻优,并给出了一套协调控制子区快速动态划分流程.通过算 例分析说明,在一定规模路网之下本文提出的控制子区快速动态划分方法将以一个 较大概率搜索到次优子区划分方案,且因其计算时间可以被有效控制,因此完全能够 满足控制子区划分的实时性要求,可推广应用于城市区域交通信号实时控制系统中.     

多车道交通流非线性优化控制模型及遗传算法

多车道高速公路交通流的递阶控制结构分为协调控制层、路段控制层和车辆控制层,文中提出了路段控制层的优化控制模型。该模型以路段上交通流量与平均速度最大化为控制目标,以该路段上车辆在各车道的分配比例为决策变量。决策变量的个数比传统线性模型大为减少。为避免一般优化算法可能得到局部最优解的缺点,采用遗传算法求解所提出的非线性规划模型。仿真算例验证了模型及求解算法的有效性。     

最优动态配流问题的离散模型及其解

对一般路网建立了具有良好结构形式的离散动态配流模型，该模型在多起点单讫点路网中的最优解满足交通流守恒约束和动态平衡原则。在提出了完全不同路段概念的基础上，对最优解的奇异性进行了分析，得到稳态最优解为非奇异解的结论。给出的算例验证了结论的正确性。     

Model predictive control for hybrid vehicle ecological driving using traffic signal and road slope information

This paper presents development of a control system for ecological driving of a hybrid vehicle. Prediction using traffic signal and road slope information is considered to improve the fuel economy. It is assumed that the automobile receives traffic signal information from intelligent transportation systems(ITS). Model predictive control is used to calculate optimal vehicle control inputs using traffic signal and road slope information. The performance of the proposed method was analyzed through computer simulation results. Both the fuel economy and the driving profile are optimized using the proposed approach. It was observed that fuel economy was improved compared with driving of a typical human driving model.     

道路交通流最优预测与交叉口最优控制

本文基于对城市道路交叉口最优控制问题的分析,建立了道路交通流最优预测模型,提出了一种交叉口在线最优控制方法,并根据实测数据对该方法作了仿真研究。仿真结果表明交叉口的交通状况有明显改善。此方法不仅比现有控制方法效果更好,而且简单易行。     

基于免疫算法的午饭时期层际高峰交通电梯群控制的动态优化

层际高峰交通是上行高峰、下行高峰与层间交通客流的融合,午饭交通就是发生在现代办公楼内的层际高峰交通之一,基于午饭时期层际高峰交通的特点,本文提出了一种利用人工免疫算法实现电梯群控制动态优化的策略．该策略采用两级优化控制,利用常规的THV算法对层站召唤分配实施局部优化,采用人工免疫算法定时对层站召唤分配实施全局优化．同单纯的THV算法相比,本文提出的组合算法将平均的系统等待时间降低了21．26%,仿真结果表明,本文提出的优化控制策略能够改善午饭时期电梯系统的服务性能,具有较好的现实意义和研究价值。     

Offset control of traffic signal using cellular automaton traffic model

This paper deals with an offset control of traffic signals using a cellular automaton traffic model. A stochastic optimal control method for distributed traffic signals is modified to achieve coordinated traffic signal control with the proposed offset control method. In the proposed coordinated traffic signal control method, splits of each cycle and common cycle length are calculated using a modified stochastic optimal control method, and then the offset is calculated using an estimation method based on a modified CA traffic model at intervals. Also, simulations are carried out at multiple intersections using a micro traffic simulator. The effectiveness of the proposed coordinated control method is proved by comparing with other traffic signal control methods such as pre-timed signal control, two types of the traditional coordinated control and distributed control.     

面向空间目标交汇的多拦截器最优部署算法

对空间目标的交汇拦截是现代空天防御体系部署的关键环节, 而其核心优化控制问题为实现交汇次数的最大化. 本文针对一类多个拦截器与空间目标交汇的最优问题, 提出了同时优化拦截器初始部署位置和机动过程中加速度的最优控制策略. 首先, 建立了同时考虑了部署地域和动力学约束的交汇次数最大化的最优控制模型. 进一步, 给出了拦截器与目标可交汇的必要条件以及最优加速度输入设计, 进而使得将最优控制问题转为拦截器部署位置的优化问题. 最后, 严格给出了各个拦截器最优部署位置的具体计算过程.     

道路网元胞自动机交通流仿真研究

对于交通流移动对象的模拟,论述了现有模型的不足,并提出基于道路网的元胞自动机模型（RN-CA）。该模型不仅模拟移动对象在交通流中的行为,还引入不同类型道路和车辆情况下的发车、跟车、超车和矫正模型,使模拟更精确、可靠。采用Dijkastra算法,综合考虑道路长度、车道数、流量、平均速度等因素动态计算最优行驶路径。对于行车时间预估,采用模拟加预估的方式,综合考虑当前和历史路况。为了改进系统的性能,系统采用可调节线程数目的模拟方式。     

城市污水处理过程动态多目标智能优化控制研究

城市污水处理过程(Municipal wastewater treatment process, MWWTP)是一个典型的复杂流程工业过程, 其优化运行涉及到多个动态性能指标. 为了实现城市污水处理运行过程的优化控制, 本文提出了一种城市污水处理过程动态多目标智能优化控制方法(Dynamic multiobjective intelligent optimal control, DMIOC). 首先, 建立了一种基于自适应核函数的动态性能指标模型, 实现了城市污水处理关键性能指标的准确描述; 其次, 设计了一种基于自适应飞行参数调整机制的动态多目标粒子群优化算法(Dynamic multiobjective particle swarm optimization, DMOPSO), 可有效平衡粒子的多样性和收敛性, 完成了溶解氧和硝态氮优化设定值的实时获取; 最后, 利用多回路PID控制方法对溶解氧和硝态氮优化设定值进行控制, 实现了城市污水处理过程安全稳定运行. 将提出的DMIOC应用于城市污水处理基准仿真平台, 实验结果显示: DMIOC 能够提高溶解氧和硝态氮的控制效果, 实现城市污水处理过程出水水质达标, 并降低运行成本.     

结合状态预测的深度强化学习交通信号控制

深度强化学习（deep reinforcement learning,DRL）可广泛应用于城市交通信号控制领域,但在现有研究中,绝大多数的DRL智能体仅使用当前的交通状态进行决策,在交通流变化较大的情况下控制效果有限。提出一种结合状态预测的DRL信号控制算法。首先,利用独热编码设计简洁且高效的交通状态;然后,使用长短期记忆网络（long short-term memory,LSTM）预测未来的交通状态;最后,智能体根据当前状态和预测状态进行最优决策。在SUMO（simulation of urban mobility）仿真平台上的实验结果表明,在单交叉口、多交叉口的多种交通流量条件下,与三种典型的信号控制算法相比,所提算法在平均等待时间、行驶时间、燃油消耗、CO2排放等指标上都具有最好的性能。     

基于自适应动态规划的一类带有时滞的离散时间非线性系统的最优控制策略

针对一类状态和控制变量均带有时滞的非线性系统的带有二次性能指标函数最优控制问题, 本文提出了一种基于新的迭代自适应动态规划算法的最优控制方案. 通过引进时滞矩阵函数, 应用动态规划理论, 本文获得了最优控制的显式表达式, 然后通过自适应评判技术获得最优控制量. 本文给出了收敛性证明以保证性能指标函数收敛到最优. 为了实现所提出的算法, 本文采用神经网络近似性能指标函数、计算最优控制策略、求解时滞矩阵函数、以及给非线性系统建模. 最后本文给出了两个仿真例子说明所提出的最优策略的有效性.     

Real-time stochastic optimal control for traffic signals of multiple intersections

In this paper, a real-time stochastic optimal control method of traffic signal is modified. In addition, H-GA-PSO algorithm is proposed to search optimal traffic signals based on the stochastic model. The H-GA-PSO algorithm is a modified Hierarchical Particle Swarm Optimization (H-PSO) algorithm based on Genetic Algorithm (GA) processing. Finally, the effectiveness of the stochastic optimal control method with H-GA-PSO algorithm is shown through simulations at multiple intersections using a micro-traffic simulator.