基于量子粒子群算法的单交叉口信号控制

城市道路道路各交叉口交通信号的实时管理和控制直接影响了整个城市的交通,以单交叉口多相位固定周期的交通信号控制问题为背景,构造了以交叉口滞留车辆最少为优化模型,在目标函数后加上罚因子实现有约束极值问题向无约束问题的转化,用量子粒子群算法对其进行仿真数据求解,得到了交通实时控制的配时方案,并与定时控制进行比较,结果表明该模型和算法对交通信号的实时控制是非常有效的。     

单路口交通信号多相位实时控制模型及其算法

针对城市道路交叉口的交通流特性,对单路口交通信号多相位实时控制的模型和算法进行研究.首先提出一种改进的单路口交通信号多相位实时配时模型,该模型可反映交叉口交通状况的实际需求.同时,采用能随交通需求的变化而实时变化的加权系数,将交叉口3个优化目标函数转化为单目标函数优化的问题.为提高模型的计算速度以及降低交叉口信号机的单机计算量,采用蚂蚁算法中的精英蚂蚁寻优策略求解模型.最后,以伪代码的形式设计了求解该问题的程序流程,并通过一个实例验证了模型及其求解算法是合理的和有效的.     

基于粒子群的模糊神经网络交通信号控制

针对城市交通流的特点,提出了一种单交叉口多相位模糊神经网络交通信号控制模型,并采用全局优化的粒子群算法优化模糊神经网络参数.仿真结果表明该算法能够有效减少交叉口车辆平均延误时间,提高道路通行能力.     

基于混合Petri网的交叉口交通信号控制研究

为优化交叉口绿灯时间,根据交叉口交通流的动态属性和交通信号的离散属性,建立了城市交通网络中单交叉口信号控制的混合Petri网模型.用连续Petri网描述交叉口容量和交通流变化,用离散时延Petri网控制交叉口各个相位的交通信号,每个相位都有控制绿灯延长时间的Petri网模型.在执行了最短绿灯时间后,根据当前等待通过的车辆数,通过禁止弧对绿灯延长时间加以控制,以确定最佳绿灯时间.最后对该模型进行计算机仿真,仿真结果表明该方案对单一交叉口实现了更有效的控制.     

基于分布估计算法的单路口交通信号控制

针对遗传算法求解城市道路交叉口信号控制存在的主要问题,以四相位交叉路口为研究对象,建立了以信号周期内车辆延误总时间最短为目标函数,以各相位有效绿灯时间为控制变量的单路口交通信号优化模型.并分别以整数编码的PBIL算法和实数编码的EMNA算法两种典型分布估计算法求解单路口交通信号优化问题.仿真结果表明,与传统遗传算法相比,两种分布估计算法均可用更小的种群规模快速高效地求得最优解.     

基于粒子群优化算法的多交叉口信号配时*

以城市道路多个单点信号控制交叉口组成的绿波系统为研究对象,对绿波系统的交叉口信号配时优化进行研究。通过对路段和干线机动车流进行协调控制设计,以西安市某两相邻交叉口晚高峰时段各进口道的交通量、通行能力、饱和流量以及各交叉口进口道的实际车均延误时间为约束,确定各交叉口的信号周期及各相位有效绿灯时长,使得干线延误量最小。设计了PSO算法的编码方式,分别采用PSO算法、灾变PSO算法和二阶振荡PSO算法对多交叉口交通信号配时进行优化计算。仿真实验表明,二阶振荡PSO算法在该实例中表现最优。     

单交叉路口交通灯实时配时算法的研究

研究了城市道路交通信号实时控制系统的问题,重点论述了单交叉路口交通信号灯控制(点控制)模型的实时配时算法.根据城市交通流分布规律,设计出流量序列生成算法来模拟实时交通流;通过建立信号灯动态模型从而获得最佳周期长度和有效绿灯时间,然后采用模糊控制算法对信号灯配时方案进行实时的动态优化调整,并建立基于排队的车辆延误模型来对模糊控制算法进行评价.计算机模拟仿真的结果表明所设计实时配时方案比定时配时方案有显著的改善.     

基于粒子群算法的交通干线协调控制的研究

目前各大城市交通拥堵的一个重要原因是交通控制仍然为单点控制,未能实现协调优化.基于此,提出一种基于粒子群优化的干线交通总延误最小协调控制方法.首先,通过对城市交通干线协调控制进行数学抽象,建立干线交通双向绿波控制总延误模型.其次,依据总延误模型的特征,设计了一种利用历史最优共享的粒子群算法(VSHBPSO).接着,对干线总延误模型进行优化,以总延误最小为目标,得出相位差、绿信比的最优解,进而获得交通信号相位的动态配时策略.最后以秦皇岛市交通干线为例进行仿真实验,实验结果表明,优化后的交叉口配时方案比传统的定时控制方案减少了43.1％的延误时间,有效提高了干线通行效率.     

基于TCPN的交叉口信号控制模型与优化

针对城市路网中交叉口车辆通行效率低下,交通信号控制策略难于满足输入路段上车流变化的问题,本文提出了一种基于时延赋色Petri网的交叉口交通流优化控制模型。首先建立路段车流、交叉口车流和交通信号控制的TCPN模型,其次建立以交叉口输入路段车辆数最小为目标的车流优化方程。在假设信号周期固定的前提下,利用15个周期采集的交叉口输入、输出路段车辆数,求解满足优化目标的相位配时,确保交叉口输出车辆数最大,且输入路段上待通过车辆平均数最小。仿真结果表明,交叉口的通行能力显著提高,各输出路段上的车辆平均数分别增加了13.3%,9.7%,9.8%和4.3%。     

城市单交叉路口交通信号实时优化控制与仿真

针对城市道路单点交叉口交通流的到达特性,将路口到达的交通流划分为4种状态,提出了“基于状态划分的多相位交通信号实时控制方法”,该方法根据路口各状态下交通流的到达特征和控制目标,为不同交通状态选择合适的性能指标,并建立各状态下交通信号的动态配时模型。同时,设计了一种改进的自适应实数编码遗传算法对交通信号配时模型进行求解,该算法采用基于分类的排序惩罚机制对约束进行处理,并引入模拟退火算子增强遗传算法的局部搜索。最后,采用3种算法对实例进行大量的数值计算和Paramics仿真,计算和仿真结果均表明所设计的算法求解精度高且模型具有良好的控制效果。     

基于遗传算法的单交叉口信号优化控制

建立了一种单交叉口自适应优化配时模型。通过对本周期交通流数据线性预测下一周期各车道的排队长度，以各相位绿灯结束时的排队长度最小作为优化目标，建立多目标优化函数。通过采用理想点法，运用遗传算法进行优化。仿真实验结果表明，该方法优化后的配时方案能够反映各相位实际交通需求，并具有很好的实时性。     

基于元胞传输模型的交通信号优化控制与仿真

由于元胞传输模型更能详细描述实际的交通情况,因此在建立平面交叉口元胞传输模型的基础上,以交叉口延误最小为优化控制目标,利用自适应遗传算法进行优化从而得到配时方案,并以单交叉口为实例进行仿真。结果表明,相比传统遗传控制算法,自适应遗传算法既能够减少车辆延误,也能加快收敛速度。     

基于Q学习的单路口交通信号协调控制

Q学习通过与外部环境的交互来进行单路口的交通信号自适应控制。在城市交通愈加拥堵的时代背景下,为了缓解交通拥堵,提出一种结合SCOOT系统对绿信比优化方法的Q学习算法。本文将SCOOT系统中对绿信比优化的方法与Q学习相结合,即通过结合车均延误率以及停车次数等时间因素以及经济因素2方面,建立新的数学模型来作为本算法的成本函数并建立一种连续的奖惩函数,在此基础上详细介绍Q学习算法在单路口上的运行过程并且通过与Webster延误率和基于最小车均延误率的Q学习进行横向对比,验证了此算法优于定时控制以及基于车均延误的Q学习算法。相对于这2种算法,本文提出的算法更加适合单路口的绿信比优化。     

交通控制中展宽段设计与信号配时的优化

针对展宽段设计与信号配时之间互相影响和制约的问题,本文提出了优化配时依据和相位相序的解决方法.分析了展宽段设计与信号控制之间的内在联系;提出了交叉口无空间限制条件下展宽段的设计思想,既应满足信号控制需求又要保证排队车辆不发生溢出,且要尽量减少对对向出口道车辆通行的影响,基于此思想综合运用交通控制理论及交通流理论建立了展宽段长度的计算模型;当交叉口空间受限制时,针对直左车流间无相互干扰的情况,提出了以当量饱和流率作为信号配时依据的控制思路,而对于直左车流间存在相互干扰较严重的情况,提出了优化相位相序的控制策略,结合韦伯斯特理论建立了以延误最小为目标的非线性优化模型,并采用遗传算法求解相关参数.最后利用VISSIM仿真软件对提出的方法和模型进行了模拟验证.     

自适应遗传算法的Multi-Agent交通信号优化控制

在区域交通多智能体信号控制系统中,由于传统遗传算法早熟收敛,全局搜索能力不强,无法快速找到最佳配时方案,同时没有考虑相邻交叉口的关联性,针对这种情况,提出交叉口子区Agent代替传统的交叉口Agent,在交叉口子区Agent中引入自适应遗传算法,算法根据交通流量的变化对绿信比[λ]进行优化,使交叉口平均延误时间[D]最短。实验结果表明交叉口子区Agent代替交叉口Agent后,控制效果相似,节省了硬件资源,在交叉口子区Agent中引入自适应遗传算法下的信号控制能迅速找到最佳配时方案,使平均延误时间最短。仿真实验表明,将基于自适应遗传算法的交叉口区域控制应用到交叉口信号控制中有更好的性能,证明了用交叉口区域智能体替代交叉口智能体的可行性。     

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。     

双周期信号配时法在单路口实时控制中的应用

双周期信号配时法(Double-CycleSignalTimingAlgorithm,以下简称DCSTA法),是一种交通路口信号配时方法,已经成功应用于单交叉路口的静态控制。论文将在此基础上,考虑实时性的要求,提出单交叉口的实时控制算法。该算法已经编成一个模块集成于微观交通仿真系统软件中。模拟实验结果证明了DCSTA法应用于实时控制的可行性与有效性。