单交叉口信号配时软件设计

经济的发展、人民生活水平的提高以及小汽车数量的剧增,对现在交通造成越来越大的压力,特别是对交叉口通行能力造成很大影响.平面交叉口是城市交通的关键,它是整个城市道路的瓶颈地带,对其交通信号控制方法进行研究具有重大意义.从定时控制着手,解决单交叉口信号控制中人工配时计算复杂的问题,运用VB软件对交叉口进行单点配时研究,从而提高配时计算效率.基于单交叉口信号控制目前存在的问题,进行了如下研究:首先介绍了单点定时信号控制算法及基本工作原理;其次,设计了一种基于VB软件的单交叉口定时信号配时软件,运用这个软件,根据交叉口实际交通情况选择合理的定时信号配时方案.     

信号控制下路段交通承载能力计算及交叉口配时优化模型

为了能够对信号控制下的路段交通承载能力进行准确分析计算,综合考虑路段空间属性、路段排队长度、驶入驶出流量以及交通控制方案等因素,给出了道路及路段与信号交叉口的交通承载能力定义,推导了最长承载时间与最大承载车辆总数的计算方法,建立了信号交叉口的交通承载能力优化模型,并搭建了基于VISSIM与PYTHON的实时交互仿真实验平台.针对算例中信号交叉口流量不变与流量动态变化2种情形进行了计算仿真.结果表明,与现有的等饱和度配时方法相比,该优化模型2种情形的最长承载时间分别增加了约23.0％和55.1％,且仿真结果与计算值的最大偏差在12.4％以内,验证了优化模型的有效性,实现了通过延长最长承载时间降低过饱和交叉口上游发生排队溢流的风险.     

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。     

基于多智能体和模糊控制的道路交叉口建模与仿真

利用Agent技术对道路交叉口进行建模,着重介绍了交叉口Agent的内部结构和控制策略.在交叉口控制中应用模糊理论和蚁群算法,提出了一种具有自学习机制的交叉口信号模糊控制方法.对模糊控制规则应用蚁群算法进行优化,使得交叉口Agent具有自学习能力.编制交叉口Agent的仿真程序,将所研究模型的控制效果与传统模糊控制模型的效果进行了比较.仿真实验的结果表明:具有自学习机制的交叉口信号模糊控制方法的效果明显优于传统的模糊控制方式.     

Y型交叉口信号控制方法设计与仿真

针对Y型交叉口的交通问题,以Y型交叉口为研究对象,提出了Y型交叉口交通信号控制方法.该方法对交叉口交通设施、信号控制参数进行设计,以避免各向左转车流之间的冲突.为验证该方法的可行性,采用VISSIM交通仿真软件对Y型交叉口实施信号控制前后进行了仿真分析.仿真结果表明,该信号控制方法能够减少车辆延误,提高了交叉口的通行能力.     

考虑交通管理策略的交叉口信号控制多目标优化

面向复杂多变的交通系统控制需求,提出一种考虑交通管理策略的交叉口信号控制多目标优化模型及算法,其步骤为:首先,构建城市道路交叉口多目标优化模型;然后,引入交通管理者的交通控制策略,基于模糊分析法确定各优化指标权重;最后,考虑Q学习算法简单方便且具有快速收敛性,基于Q学习算法对多目标优化模型进行求解,从而实时产生考虑交通管理者策略的交叉口信号控制方案。仿真结果表明,所提出的方法不仅能够充分反映交通管理者的控制策略,而且能够有效提高交叉口通行效率,相比传统方法具有缩短排队长度、降低延误时间和减少停车次数的优势,并且这种优势随着交通流量的增大而更加明显。     

平面交叉口的感应信号控制及仿真研究

介绍了平面交叉口感应信号控制的基本原理、控制过程、配时设计方法等;分析了平面交叉口定时信号和感应信号控制的优势和局限;并应用交通仿真软件VISSIM进行了定时信号和感应信号的交通仿真,分析了仿真结果. 结果表明:平面交叉口的感应信号控制更适应于各进口交通流相差较大且总流量未达到饱和时的状态. 有利于改善路口交通流秩序,提高路口通行能力,对缓解道路交通拥堵具有重要意义.     

考虑绿波控制的双相位移位左转交叉口效用分析

针对移位左转交叉口的交通冲突问题,提出了一种移位左转交叉口渠化模型.综合分析路段交叉口预信号与主交叉口信号之间的复杂关系,基于绿波控制理论,以车均延误最小为目标函数,构建了基于绿波控制的移位左转交叉口信号控制优化模型,利用Lingo软件进行求解.基于VISSIM仿真,分别从交叉口饱和度、左转交通量、直行交通量3个方面对该方案的适用性进行分析,同时利用武汉市中山路与民主路交叉口的数据验证该方案的效果.研究结果表明:当交叉口饱和度大于0.8时,该方案的改善效果显著;优化后的移位左转交叉口总车均延误和左转车均延误较优化前下降了7.6％和48.2％,验证了优化方案的有效性;当左转交通量占交叉口总交通量比重较大时,采用优化后的信号控制方案,交叉口总车均延误的降低效果更加显著.     

城市交通信号灯的配时优化

研究了城市相邻两交叉口信号配时问题.先以单交叉口为研究对象,选择道路通行能力和平均延误时间作为评价指标,构造多目标联合优化函数对平均延误时间进行修正,建立最优信号配时模型.再确定A,B交叉口的相对位置,引入平均延误时间,结合两交叉口各现行参数,得出左转、直右转车道的实际饱和流率.运用遗传算法进行优化,得出最优配时方案.仿真模型检验结果表明,该方案对缓解交通压力的效果显著.     

过饱和交叉口信号配时方法的优化及实证研究

在城市道路交叉口交通管理的信号控制常用信号配时方法,对于饱和度较低的交叉口有较好的交通调控作用;但实际交通管理的高峰时段常常会出现过饱和交叉口,信号配时方法就显示出不适应性。针对饱和交叉口的交通特性进行分析,采用了一种考虑进口道排队长度的信号配时模型,通过与传统配时模型的比较并进行了实例验证,得出这种模型更适合对过饱和交叉口的交通控制。     

考虑排放因素的城市交通信号配时建模

针对传统交通信号控制方法忽视环境效益的不足,研究考虑排放因素的城市交叉口信号控制方法. 根据城市道路机动车行驶过程,考虑不同行驶工况下污染物排放特点,分别建立了城市道路污染物和标准污染物排放模型;分析了交通信号评价指标的相关性,选取面向排放因素的性能指标,并采用相对评价指标体系,建立考虑排放的交通信号的配时模型;利用基于黄金分割的改进粒子群算法对配时模型进行求解;在不同交通状态下,采用3种算法对实例进行大量的数值计算和仿真验证. 结果表明所设计的算法求解精度高,且提出的模型在降低排放、提高路口通量方面具有良好的控制效果.     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中, 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中， 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

基于改进黑洞算法优化ESN的网络流量短期预测

网络流量数据序列具有混沌特性.相空间重构后,采用一种改进黑洞算法优化回声状态网络的非线性模型对网络流量进行预测.改进黑洞算法是在现有工作的基础上提出一种新的新解生成机制,可以提高算法的收敛速度和精度;相比于遗传算法、和声搜索算法等其他优化算法,所提出的改进黑洞算法不依赖自身相关参数的准确设定;将其应用于回声状态网络4个重要参数的优化选取,使得预测模型具有较好的预测稳定性.通过Mackey-Glass混沌时间序列和网络流量公共数据集的仿真实验,结果表明所提出的方法具有较好的预测性能.     

基于改进微粒群算法的单点信控交叉口配时优化

交叉口的信号控制,对减轻城市道路的交通拥挤,提高城市道路通行能力有极其重要的作用。以典型的四相位单点控制交叉口为例,选取每个相位进道口上的总延误时间、车辆的停车次数和道路的通行能力作为优化目标。由于求解约束优化问题的微粒群算法有利于函数型优化问题,所以利用该算法对模型进行求解,得到新的信号配时方案。仿真结果表明,与传统的Webster算法进行比较,由求解约束优化问题的微粒群算法所得到的信号配时方案是更优,更适合于单交叉口进行信号优化控制,为进一步分析研究城市交通线控、面控提供更好的方法。     

一种改进的深度确定性策略梯度网络交通信号控制系统

交通信号系统控制着城市车辆运行秩序,其效率高低直接影响了社会经济的发展.以十字路口的交通信号控制系统为研究对象,基于深度确定性策略梯度网络DDPG提出了一种改进算法.结合交通环境的特点设计了特征增强和样本去重算法提高算法的性能.通过对实际交通系统运行情况进行调研,基于SUMO仿真环境搭建了交叉路口交通仿真平台.利用FEPG算法控制交通信号,实现了车辆的高效通行.实验结果表明,该算法能够有效地降低车辆等待时间,减少车辆的污染排放.     

基于遗传再励和博弈论的多Agent交通控制系统优化和协调

提出一种基于多Agent的交通信号控制方法.通过再励学习对交叉口的交通流进行优化,通过遗传算法产生局部学习过程的全局优化标准来优化信号灯周期和绿信比,最后用博弈论来进行区域协调.这种方法将局部优化和全局优化统一起来.研究结果表明,遗传算法优化结果优于爬山法,新的控制方法优于传统的控制方法.     

一种求解带约束多式联运问题的群智能算法

针对如何有效运用群智能算法求解多式联运问题,设计了一种针对群智能优化算法的个体解码方式,提出了一个有效的个体编码与多式联运方案的映射模型.在该映射模型中设计了基于比例的流量分配方式,实现了个体编码信息向初步流量分配方式的解码;同时构建了局部流量调整策略,进行不可行方案修复,提高了解码方案的有效性.而后,提出了一种变邻域粒子群算法,将社会网络演化特征引入进行粒子群算法的种群拓扑和邻域调整,以改善个体在搜索过程中的交互模式.基于解码策略,采用改进算法对多式联运问题进行求解,并与3种新型群智能算法进行对比.通过实例分析,该编码策略可以有效应用于多式联运问题求解.同时,变邻域粒子群优化算法的收敛效率和性能优于对比算法.     

基于模糊非支配排序遗传算法的多车型快速路交通拥堵和排放优化

以优化城市多车型快速路交通系统拥堵和排放为目标, 综合考虑了走行时间(total time spent, TTS)、走行距离(total travel distance, TTD)、匝道排队、尾气排放和燃油消耗这5个性能指标, 改进了多车型快速路宏观交通流模型Multi-class METANET和多车型排放模型Multi-class VT-macro. 提出了一个新的高维多目标优化算法——模糊非支配排序遗传算法(fuzzy non-dominated sorting genetic algorithm, FNSGA-Ⅲ), 对快速路的匝道汇入率和主路的可变限速(variable speed limit, VSL)值进行了优化, 实现了缓解主路和匝道交通拥堵以及节能减排的目标. 提出的FNSGA-Ⅲ算法, 基于自适应模糊推理系统(adaptive network-base fuzzy inference system, ANFIS), 对下一时刻高维多目标优化的超平面进行预测, 能够有效引导算法在迭代过程中的进化方向, 提高算法的收敛速度. 基于上海市广中路实际路网进行仿真实验. 结果表明, 与现有的单目标遗传算法和高维多目标NSGA-Ⅲ算法相比, FNSGA-Ⅲ算法结合改进的多车型宏观交通流模型, 可以更合理地设置期望速度与匝道控制策略, 更为有效地环缓解快速路的交通拥堵和排放.     

基于改进免疫遗传算法的水电站优化调度应用研究

根据免疫算法的生物学机理,提出了一种改进的免疫遗传算法.该算法将微粒群算法作为免疫算法的全局搜索策略,提高算法的全局搜索能力;利用逐步优化算法对免疫算法的控制策略进行进化操作,提高算法的局部搜索能力;利用免疫算法本身基于浓度的自我调节机制,提高群体的多样性,避免算法过早陷入局部最优解.最后给出了该算法实现的具体步骤,并将其应用于水电站的优化调度中,取得了较为满意的结果,且与动态规划、遗传算法、免疫算法和微粒群算法等比较,验证了算法的有效性和优越性.