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.     

考虑多特性因素的路网交叉口群动态划分方法

基于原有的路径关联性模型,综合考虑车辆离散性、阻滞性和局部路网交通流空间特征规律,建立了相邻交叉口间的路径关联性模型,弥补了初始模型仅考虑单一指标的不足;根据路径关联度模型的计算结果,利用聚类分析对信号控制交叉口群进行了动态划分。案例分析和仿真结果表明:协同考虑多重特性因素的路径关联度模型动态划分交叉口群,可以提高区域信号协调控制效果和车辆通行效率。     

交通控制子区动态划分模型

传统的交通控制子区静态划分方法无法适应城市路网交通流的快速变化。针对该问题,研究了交叉口车队散布模型,提出了可协调度的概念以定量描述相邻交叉口间实施协调控制的必要性;在此基础之上,建立了基于超图表示的城市路网模型,并设计了相应的超图划分算法,通过对超图的分割来实现交通控制子区的动态划分。基于北京市二环内实际路网的实例验证表明,该模型在高峰时段和平峰时段下,均能给出高质量的控制子区划分结果。     

基于Ncut的城市路网交通子区划分方法

针对大规模城市路网下区域性拥堵频发、交通难于管理的问题,提出了基于Ncut的交通子区划分方法。首先使用交通流量和路段速度信息计算交通态势,然后结合交叉口间距离得到动静态结合的关联度指标,最后应用Ncut划分算法对大规模交通路网进行划分,并以子区总关联度最大为目标调整子区边界上的交叉口,使子区内部更为紧密。在真实路网上进行仿真,并经过实验对比与分析说明了该划分方法能把距离近、交通态势相似的交叉口划分到同一子区,并保证子区规模适当、外形良好。     

基于均衡k 划分的动态子区划分方法

针对交通路网控制子区的划分问题, 提出了基于均衡k 划分的动态子区划分方法。首先建立交叉口和路段权重模型, 将路网抽象成为带权拓扑图; 再针对拓扑图划分的NP 问题, 采用改进的禁忌搜索算法进行优化求解, 同时为降低算法的复杂度设计了一种启发式算法为禁忌搜索算法获取初始近似解; 最后利用路网实际数据与已有方法进行对比分析。结果显示: 以任意子区内节点权重之和最小与连接不同子区的边权之和最小为目标, 可以实现子区划分在宏观意义上的路网类均衡性和微观意义上的区间弱关联性, 进而验证了本文所提算法的可行性和有效性。采用的启发式方法为禁忌搜索算法提供初始近似解, 能够有效降低其复杂度, 提高计算的实时性, 并且利用所提方法划分的子区能够降低路网协调控制的难度, 避免多个高负荷交叉口聚集而影响路网运行效率。     

基于模糊神经网络交通控制子区动态划分

提出将模糊神经网络方法应用于交通控制子区动态划分,利用神经网络的学习能力自动寻找模糊推理规则,根据实时的交通流量、距离和最佳信号周期,预测输出城市相邻道路交叉口之间的协调系数,根据协调系数大小划分交通控制子区.用MATLAB进行仿真实验,实验结果证实该方法可行,比用BP神经网络方法实现更加快速、有效.     

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。     

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.     

交通流诱导与控制协同优化模型的遗传算法求解

以路段和交叉口的加权拥挤程度最小为目标,建立诱导和控制的协同优化交通流分配模型,并提出基于遗传算法的求解。采用动态滚动式计算模型算法得出的均衡流量调整为诱导信息的发布提供定量依据,能够将诱导和控制协同起来均衡路网流量,避开拥挤。小路网试验结果表明:该模型算法实时、有效,便于实施。     

交通流诱导与控制协同优化模型的遗传算法求解

以路段和交叉口的加权拥挤程度最小为目标,建立诱导和控制的协同优化交通流分配模型,并提出基于遗传算法的求解.采用动态滚动式计算模型算法得出的均衡流量调整为诱导信息的发布提供定量依据,能够将诱导和控制协同起来均衡路网流量,避开拥挤.小路网试验结果表明该模型算法实时、有效,便于实施.     

相邻交叉口相位差优化模型及仿真

由于国内交通流特点与国外有很大不同,导致采用国外的信号控制系统很难达到满意的控制效果。以北京市两个相邻交叉口组成的干道协调控制系统为研究对象,通过分析干道上双向车辆在交叉口的延误规律,考虑车流在行驶过程中的离散性和受阻情况并结合中国道路交通的实际状况,以车辆延误最小为目标,建立了相邻交叉口相位差协调控制的优化模型。针对传统的图解法和数值解法的缺点,采用遗传算法对该模型进行求解。仿真结果证明本文所建立的模型求解结果优于传统数值解法,能更准确地反映实际的交通运行情况和控制效果,是一种减少相邻交叉口车辆延误的有效方法。     

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.     

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.     

交通流诱导与控制协同的双目标优化模型及准最优求解算法

提出了一种基于消散拥堵和系统总出行时间最小的双目标诱导控制协同优化模型,算法引入饱和度的概念,采用小步距微量调整信号配时、试算优化的方法,适当加载或卸载交通量,优化交叉口信号配时,使交通流在不断反馈与不断调整过程中达到最优。采用VISSIM建立模拟路网进行了协同算法试验,并对协同实施效果进行了评价,结果表明:在进行3次协同后拥堵基本消散,经过第4、5次协同能实现系统总行程时间尽可能小。     

基于多智能体交互作用的活动-出行时空分布特性仿真

在多智能体仿真平台上应用强化学习算法对出行者活动-出行的时间规划与地点选择进行了仿真.由于在模型中引入了道路拥挤程度的实时变化参数,环境能随各智能体的决策动态变化,体现出多个智能体处于相同环境时决策的相互影响与个体和环境的交互作用.仿真结果表明,基于多智能体交互作用方法得出的出行者个体活动模式,群体交通流量分布与弹性活动地点选择均与实际调查结果相符,二者在交通流量峰值的偏差小于5%,在弹性活动地点选择分布的相关度大于90%。     

随机交通流的组合控制预测模型和方法

为了解决交通流预测中的时变性、随机性和不确定性等问题,提出了一种新的组合控制预测算法.该方法利用多尺度的小波分析方法将交通流量分解为均匀部分和随机部分,并根据状态的动态变化构建了组合控制预测模型,分别利用支持向量机回归和Markov链法来预测交通流的均匀序列和随机序列,同时基于准动态规划方法来计算最优控制向量和相应的控制矩阵,从而动态选择训练数据得到最优预测结果,并采用实际数据进行实验验证与比较.结果表明,本文方法得到的平均相对误差和均方差比其他方法低74%和85%,得到的均等系数高6%,从而验证了本文方法的可行性和有效性.     

Tri-level programming model for combined urban traffic signal control and traffic flow guidance

In order to balance the temporal-spatial distribution of urban traffic flow, a model is established for combined urban traffic signal control and traffic flow guidance. With consideration of the wide use of fixed signal control at intersections, traffic assignment under traffic flow guidance, and dynamic characteristics of urban traffic management, a tri-level programming model is presented. To reflect the impact of intersection delay on traffic assignment, the lower level model is set as a modified user equilibrium model. The middle level model, which contains several definitional constraints for different phase modes, is built for the traffic signal control optimization. To solve the problem of tide lane management, the upper level model is built up based on nonlinear 0-1 integer programming. A heuristic iterative optimization algorithm(HIOA) is set up to solve the tri-level programming model. The lower level model is solved by method of successive averages(MSA), the middle level model is solved by non-dominated sorting genetic algorithm II(NSGA II), and the upper level model is solved by genetic algorithm(GA). A case study is raised to show the efficiency and applicability of the proposed modelling and computing method.     

单点相位交叉口两难区主动控制研究

为改善交叉口安全状况,提高整个交叉口的交通安全水平,考虑到交叉口因信号控制不当造成的事故原因,重点对两难区的驾驶行为进行了分析．为克服以往研究中车辆以匀速状态通过交叉口的不合理性,实时保障车辆在信号控制交叉口不发生碰撞事故,尤其是两难区的存在导致的追尾、侧面碰撞事故,提出了考虑驾驶行为的交叉口交通信号主动控制策略并对控制策略的有效性进行了仿真验证．仿真结果表明,交叉口交通信号主动控制策略有效地提高了交叉口车辆的安全性,为道路交叉口防撞提供了新方法．     

基于元胞传输模型的区域疏散动态交通分配

为制定合理、高效的灾害条件下区域疏散交通管理与规划方案,针对道路交通应急区域疏散的动态交通分配问题进行研究.首先,采用元胞传输理论和单终点疏散方法,建立了元胞-连接桥疏散路网模型,进而以系统疏散出行时间最短为目标函数,以元胞流量守恒和流量传播等为约束条件,构建了区域疏散动态交通分配线性规划模型.对该模型的求解可以得到系统最优疏散出行时间、疏散清空时间、分阶段疏散优先权分配方案、交叉口车流诱导方案以及疏散者终点选择和路径选择最优方案.案例分析的结果表明,该模型即能够满足大规模疏散路网建模的需求,同时又能恰当地反映疏散交通流的动态特性.