城市区域交通智能分散控制研究

针对城市区域交通非线性、不确定性和模糊性特点，提出了一种新颖的实时智能分散控制策略.把整个城市区域交通作为一个大系统，区域中的各交叉口作为子系统，在每个交叉口设置一个独立的控制器，该控制器根据自己和相邻交叉口的交通流信息对交叉口的相序、相位切换、信号周期和绿信比进行动态优化.每个控制器有3个模块组成：相序优化模块、绿灯判断模块和相位切换模块.对每个控制模块设计了相应的模糊优化控制算法，并用改进的BP神经网络实现算法的模糊关系.控制目标是保持区域内各交叉口前的交通畅通和车辆延误最小.仿真研究表明，在交通流量较大和流量时变的环境下，智能分散控制方法比普通单交叉口车辆感应控制方法的控制效果更好,实用性更强.     

基于无线传感器网络的快速公交信号优先系统研究

提出一种以无线传感器网络为基础的,针对公交车辆信号优先控制的系统。该系统通过安装在道路两侧的固定单元不断发送数据包,由通过的公交车载终端接收后转发给Zig Bee中继单元,经简单处理后发送给基站或者相邻的其他固定节点。当路口基站接收到数据包后,通过软件计算判断是否需要给予该公交车辆公交优先,如果需要,则修改路口交通灯参数,并反馈给公交车载终端。同时在公交控制后台,利用公交优先控制系统平台软件对多台信号控制机进行管理和控制。该软件可以编辑,管理公交优先控制线路,监控公交车辆的运行轨迹,设置相关参数和进行效益评估。该快速公交信号优先系统为地面公交车辆实现时间优先提供了一定的技术支持,并且响应了国家优先发展公交的政策。     

交通干线动态双向绿波带控制技术研究

在多智能体道路交通控制概念模型基础上,提出了一种全新的交通干线动态双向绿波带智能协调控制策略.通过中心协调智能体和路口控制智能体间的信息交互和协调,在确保路口绿灯时间利用率较高的前提下,实现干线双向车流不停车地通行.中心协调智能体根据一段时间内交通流信息计算公共信号周期和上下行相位差,路口控制智能体实时确定各路口的绿信比.公共信号周期依照关键路口饱和度的大小由模糊控制算法进行调整,相位差根据上下行速度和路段长度进行计算,绿信比基于历史和实时的交通数据确定.实际应用证明了该控制策略的有效性.     

城市干线交通信号的模糊协调控制研究

为了提高干线交通的通行能力,根据相邻路口具有相关性的特点,选取干线上相关的3个交叉口作为研究对象,在周期和相位差确定的基础上,提出一种以平均排队长度为优化目标的模糊协调控制算法.同时,根据具体的路口模型设计了一种使干线上3个相邻路口的交通流协调一致的方法,实现了干线上多交叉路口交通流的相关性.根据焦作市某干线上的具体交通流情况进行仿真验证,结果表明,模糊协调控制算法的配时方案比感应控制算法更加合理,能更好地协调城市干线的红绿灯信号,使平均排队长度减少了4.74辆.     

过饱和状态下城市路网控制子区动态划分方法

过饱和状态下城市路网的控制子区划分是实施高效信号控制的必要基础.根据城市路网过饱和状态下交通流的特点,结合路口饱和度和车辆排队情况,提出了一种路口过饱和状态识别方法,并进一步将过饱和路口划分为三个不同的拥堵等级.在引入路段车辆容量比和路段交通需求影响度的基础上,采用模糊控制算法对相邻路口关联度大小进行计算.基于路口拥堵等级划分与相邻路口关联度提出一种子区分级动态划分策略,并给出一个完整的动态子区划分流程,最后通过算例说明了该控制子区划分方法的可行性.     

考虑公交优先的过饱和交叉口交通信号控制

以提高过饱和交叉口通行能力和避免溢流为首要目标,同时考虑过饱和交通状态下的公交优先需求,首先在车流组合相容性及路段放行约束分析的基础上,设计了动态相位组合方法。然后从交叉口过饱和交通特征出发,提出了考虑公交车辆权重的过饱和交叉口信号控制关键参数及其计算方法。最后建立了模糊控制系统以实现过饱和交叉口分布式关联控制。仿真结果表明:本文方法能够有效地抑制过饱和交叉口溢流现象的发生,并能够提高路口的平均流量,同时使公交车辆在单个路口平均延误时间有所降低。     

城市元胞路网下自组织控制规则参数的整定

为解决城市信号自组织控制中,由相邻路口间各自最优通行效率冲突造成的路口群整体通行效率难以继续提升的问题,提出一种城市元胞路网下自组织控制规则参数的整定方法. 首先,利用城市路网元胞传输（CTM）模型模拟路网交通流动态状态信息;然后,基于元胞路网实时信息,以选定局域路网中各路口元胞的自组织控制规则参数为设计空间;最后,建立各路口相互协调下通行量最大化的目标函数,完成各路口自组织控制规则参数的整定. 仿真结果表明:在基于城市元胞路网实时信息条件的整定方法下,不仅解决了自组织控制中相邻路口间互相制约通行效率的问题,并且有效提高了自组织单元中所有路口的通行效率. 该方法为面向复杂城市路网的实时城市交通信号自组织控制系统提供可借鉴的智能化方法与工程化理论.     

基于分层控制结构的迭代学习城市交通信号控制

分层控制是大规模城市路网实施高效信号控制的有效手段。根据城市路网规模庞大且结构复杂的特点,提出了一种基于分层控制结构、协调各子区交通状态的迭代学习城市交通信号控制策略。上层利用交通数据,刻画路网内各子区的宏观基本图(Macroscopic fundamental diagram,MFD),基于MFD分析得到子区车辆累积数与流量的关系,并以道路占有率均衡为目标,设计各子区理想的道路占有率;下层基于道路交通流模型,通过迭代学习获得各路口的信号配时方案,使子区内的道路占有率达到上层的要求。提出的分层控制策略使路网内交通流分布均衡,提高路网整体通行能力。Matlab和Vissim的仿真结果与Webster固定配时信号控制的对比显示了该控制策略的有效性和优越性.     

基于改进Newman算法的动态控制子区划分

为了优化现有控制子区划分方法,以区域协调控制为目标,提出基于改进的Newman社团快速划分的动态子区划分方法. 综合考虑路网中相邻交叉口之间的距离、交通流量、行程时间、车流离散特性、信号周期和路段交通流密度等因素,定量分析交叉口关联性;分别计算相邻交叉口的流量关联系数、信号周期关联系数和路段交通流密度关联系数,建立相邻交叉口的总关联度模型;对传统Newman算法进行改进,引入交叉口关联度,依据不同交通特性对区域路网进行动态子区划分;选取实际区域路网,进行模型验证分析. 结果表明：Newman算法子区划分结果不能随着交通特性的改变而改变;与之相比,所提出模型的子区划分结果更加细致,更加符合实际交通流特性,且可以依据不同时段交通特性实现动态子区划分,可以为信号控制方案制定提供良好基础.     

城市交通信号自组织控制规则的邻域重构

为解决城市交通信号自组织控制中,交通流相变频繁及路网拓扑结构复杂等时空条件带来的固定局部规则控制精度的问题,提出一种城市交通信号自组织控制规则邻域的重构方法. 首先,定义邻域为当前路口自组织控制规则构造的关联相邻路口组合;然后,面向当前路口的相邻路口集合空间,应用综合因子分析法及互相关性等方法,构建当前路口与其任意相邻路口在位置上的相对空间表达、在交通流量传递上的相对时间表达,以此实现当前路口与其所有相邻路口的时空量化表达;最后,基于流体力学方程建立信号切换规则,以所构建的时空量化表达为依据,在关联相邻路口集合中重构当前路口自组织控制规则邻域. 仿真结果表明:当前路口最大通行能力、整体通行能力均随邻域的扩大而提升. 邻域重构可以解决固定规则邻域造成的控制精度问题,邻域的扩大也会影响交通流量释放的平稳性.     

道路交叉口信号的模糊神经网络控制

应用模糊神经网络对交通系统进行控制是一种新的尝试，它可以充分发挥模糊逻辑和神经网络的优势，实现更为有效的控制。提出了一种基于模糊神经网络的道路交叉口交通信号控制方法，根据两相位的关键车流信息来决定绿灯延长时间，形成控制策略。仿真结果表明，与传统的定时控制方法相比，所提出的神经网络控制方法在车辆平均延误时间和排队长度方面都有较大改进，该方法有效、可行。     

基于Multi-agent协调的区域交通信号优化控制

在分析城市区域交通信号控制特点的基础上,提出了基于分布式多智能体的城市道路区域协调控制系统,阐述了单路口Agent模型结构,并在Agent中引入模糊控制方法,实现局部交通信号实时在线调整,通过多Agent之间的协调机制,实现城市区域多路口交通信号协调控制和全局优化,最后对两交叉口仿真实验,结果表明该方法有较好的控制效果．     

一种具专家能力的模糊神经网络自组织控制器

随着现代科学技术的迅猛发展,人们所面临的问题日益复杂多变。传统的控制技术与信息处理技术对这些复杂问题时常无能为力,因而产生了智能控制技术。近年来智能控制的研究主要集中在模糊系统、神经网络以及二者结合的模糊神经网络技术方面,特别是模糊神经网络已成为研究者们倾注的焦点。因此提出了一种具有专家调整策略的模糊神经网络自组织控制器的设计方案。其特点是：用神经网络代替传统模糊控制器的隶属函数和权值,实现了模糊规则的自动更新;采用一种对量化、比例因子进行专家调整的策略。仿真结果表明,这种智能控制器具有良好的控制性能。     

基于FPGA多变量模糊神经网络控制器设计

在对基于FPGA模糊神经网络控制的原理和设计中使用的算法进行分析后,对模糊神经网络控制器进行分层设计,设计模块主要包括模糊化模块、控制规则模块、归一化模块、权值-参数计算模块和去模糊化模块.在设计过程中遵循自顶向下的设计原则,并对各个模块设计进行优化处理,最后对整个系统进行设计综合.实验表明:该设计方案是可行的,不仅可...     

城市智能交通信号控制系统的设计与开发

为了解决我国城市道路交通拥挤的信号控制问题,开发智能交通信号控制系统.基于ARM7平台,提出基于S3C44B0X处理器的智能交通信号机主控板设计方案.应用Clinux移植方法,完成了基于Clinux操作系统的信号机软件设计.基于组件化设计,采用UDP协议通讯和以太网连网方式,开发城市交通控制中心软件.通过开发多种群多编码遗传算法通用控件,实现绿信比优化.将GIS技术引入中心控制软件来配置信号机和获取路网拓扑空间信息.应用结果表明,新型的智能交通信号控制系统性能稳定,便于实现城市交通网络的优化控制.     

一种基于模糊神经网络的城市道路交叉口可变相序控制

在结合模糊控制和神经网络各自优点的基础上,提出一种城市道路交叉口可变相序自适应控制算法.算法根据通行权转移度设计出相位转移模块和绿灯延时模块,并分别为之建立模糊控制器,每个控制器都通过多层BP神经网络来实现.仿真结果表明,该方法能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力.     

城市主干道的多路口模糊协调控制

首先提出一个简化的交叉路口交通流模型,然后从系统的角度提出了一种区别于传统信号协调控制的新算法。模仿交警指挥时的判断决策过程,设计了一种基于相序优化的模糊控制器。进行交通控制时,采用模糊控制器和相序优化器联合控耕。前者用来决定改变当前绿灯相位时刻,后者从相序中根据优先权的大小决定下一个放行相位。仿真研究表明,控制效果良好。     

路网交通状态平衡控制方法

为了降低路网的拥挤度,提出了路网交通状态平衡控制方法。以交叉口最大饱和度代表交叉口交通状态,以路网最大饱和度最小为目标建立了路网交通状态平衡控制双层规划模型。利用遗传算法求解该规划模型,优化算法可以同时优化信号周期和各相位绿信比。考虑到整体延误、交通状态以及各个交叉口的重要度,对平衡控制方法进行了改进。数值模拟结果表明,本文方法可以在一定程度上降低关键区域的拥挤度。