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.     

基于遗传粒子群算法的高维复杂函数优化方法

针对高维复杂函数优化的特点,提出了一种遗传算法与粒子群算法相结合的主-从结构算法。算法中,主级为全局搜索的遗传算法;从级为局部邻域搜索的粒子群算法。通过主-从协调机制和从级转换函数设计,使算法不依赖复杂的编码方式和进化算子进行全局精确搜索。通过仿真和比较实验,验证了算法对高维复杂函数优化的有效性。     

非线性动态加速系数对粒子群算法的影响

粒子群算法(PSO)中的加速系数影响着粒子的个体认知和群体认知,而传统算法中的加速系数一般取常量.据研究发现,粒子的个体认识和群体认识分别主导着粒子的全局搜索能力和局部搜索能力,提高粒子个体认识可以有效增强算法的全局搜索能力,而提高粒子的群体认识可以有效增强算法的局部搜索能力.为进一步研究加速系数对粒子群算法的影响,本...     

基于蚁群粒子群的模糊神经网络交通流量预测

实时准确的交通流量预测是智能交通诱导和交通控制实现的前提和关键。针对城市交通流的特点,建立了模糊神经网络预测模型,并将全局优化的蚁群算法和粒子群算法组成递阶结构优化模糊神经网络的参数。算法中,主级为蚁群算法,进行全局搜索;从级为粒子群算法,进行局部搜索。仿真结果表明该模型能够取得比梯度下降法更高的预测精度。     

混合Petri网交叉口信号灯建模的模糊优化

城市车流量急剧增加和道路通行能力之间的矛盾日益激化,交通拥堵已成为亟待解决的社会问题。道路交叉口信号灯优化控制是解决该问题的有效方法。基于城市道路交通系统随机性强、离散性连续性混杂、难以用数学模型精确建模等特点,提出了一种用连续Petri网建立道路交通流模型,用离散Petri网对道路交叉口信号灯进行控制的方案。根据车流量的动态变化,采用模糊控制对交叉口绿灯时间进行自适应优化。仿真结果表明,该方案能提高交叉口通行能力,减少车辆延误,优于传统的控制方法。     

基于CTM的多种交通状态控制目标一致性分析

交叉口信号控制优化目标一般由实践经验或交通控制目的所确定,往往忽略了不同交通状态下优化目标之间相互矛盾和相互制约的关系,造成交通控制效果不理想.为解决上述问题,提出建立基于元胞传输模型的单个交叉口优化控制模型,给出了交叉口延误、通行能力、排队长度以及机动车尾气排放量四类性能指标的表示方法,进而利用粒子群算法对控制目标进行了优化求解,并在MATLAB环境下对上述四类控制指标之间的一致性进行了仿真分析.仿真结果表明:在轻度流量下,延误、通行能力和排队长度之间具有一致性,延误与排队长度之间的一致性相对较好,而中度和重度流量下,延误与尾气排放量之间有较好的一致性,排队长度与通行能力有较好的一致性.     

一种含驻留粒子的改进粒子群算法

为了避免粒子群算法过早收敛,提出一种包含局部驻留粒子的改进粒子群算法（CRPSO）。该算法将基本的粒子群算法的粒子称为主粒子,而当算法每找到一个新的全体最优点之后,将会在这个最优点附近产生几个称为驻留粒子的搜索粒子。2种粒子分工协作,主粒子负责全局搜索而驻留粒子负责局部搜索。驻留粒子帮助主粒子群避免过早收敛,提高整个粒子群多样性。仿真结果表明,该算法能有效地改善粒子群算法在非线性全局优化问题上的早熟现象,增强粒子群算法的全局搜索能力。     

一种基于和声搜索的动态交叉粒子群算法

针对粒子群优化算法(PSO)在优化多维问题时容易陷入局部最优的问题,提高其全局搜索能力和拓展能力,提出了一种基于和声搜索的动态交叉粒子群算法.引入动态交叉操作,使得粒子在更新速度时实现共享有效信息,保证粒子进化过程中的种群多样性,提高全局搜索能力.结合和声搜索(HS)的随机搜索能力提出了HS-DCPSO,利用和声搜索的自适应调整参数音符调节概率PAR和间隔调整带宽bw来提高粒子群的拓展能力.通过多个基准函数对所提出的HS-DCPSO算法进行仿真测试,并与HS、PSO及多种改进的粒子群算法对比,验证所提出的HS-DCPSO算法具有较强的全局搜索能力和局部拓展能力,并且算法时间复杂度相比传统PSO增加不明显.     

道路信号交叉口配时控制的优化仿真设计

在讨论城市道路交叉口运营特征的数学模型基础上,采用优化算法进行设计配时方案.优化算法以事件步长法推进仿真钟,模拟输出运行延误、通行能力和饱和度等主要评价指标.在对输出结果进行分析后,可以对信号控制交叉口进行通行效率评价.     

基于VISSIM探究道路通行能力的可行性

VISSIM软件是一个交通仿真软件,其中有一个重要功能为根据输入的车流量仿真出输出的车流量。如果输入的车流量过大,远超道路通行能力,那么输出的车流量能否作为道路通行能力的近似值便是本文研究的主题。首先选取西藏自治区拉萨市江苏路与藏大西路交叉口作为案例,在VISSIM软件中输入很大的车流量,得到输出的车流量。将输出的车流量与现有的HCM饱和流率模型与韦伯斯特算法的联合运用方法、停车线法的计算结果进行对比,最后发现VISSIM输出的车流量与算法算出的通行能力相近,所以VISSIM可以探究道路的通行能力,但是只能作为参考,并不一定准确。     

SAGACIA 算法改进及其不对称交通信号配时优化

针对城市交叉路口交通流量不对称,对称的信号配时易发生交通流量大的方向发生拥堵的情况,采用借相位放行方式设置交叉口的不对称相位,以交叉口车辆平均延误最小为控制目标,应用改进SAGACIA 算法对各相位绿灯时间和周期时长进行优化。根据获得的交叉口交通流数据,通过Matlab编程仿真。仿真结果表明,改进SAGACIA算法能够有效降低车辆平均延误,并与遗传算法进行了对比,SAGACIA算法改进后具有更好的搜索能力和搜索精度,有助于获得较优绿时配时方案。     

基于蚁群算法的城域交通控制实时滚动优化

为求解城域交通控制实时滚动优化的混合整数规划模型，将滚动优化各阶段的控制变量映射为一个层状构造图，并定义局部启发信息和信息素更新公式，从而应用蚁群算法搜索各路口的最优信号灯相位序列．对算法复杂度作了理论分析，并通过仿真实验与单路口感应式信号控制技术进行比较，结果表明性能较好．     

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。     

考虑边界交叉口交通拥堵的反馈阀门控制

基于路网宏观基本图(macroscopic fundamental diagram, MFD)实施城市区域交通控制时,为了防止边界交叉口受阻方向的车辆排队长度过长,同时提高路网内车辆完成率,提出了考虑受控区域边界交叉口交通拥堵状况的交通流反馈阀门控制方法,通过对边界控制阀门处路段存放车辆富余空间的分析,提出了阀门交叉口位置和数量选择模型;针对可能造成的阀门交叉口交通拥堵,提出了受控区域边界拥堵交通流分配算法,也即通过提前调节阀门上游交叉口的绿灯时间,把部分交通流提前控制在其它相邻上游交叉口.通过实际路网仿真,结果表明该方法可以有效控制阀门交叉口的车辆排队长度,降低阀门交叉口车辆平均延误时间和平均停车次数.     

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。     

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。     

交叉口混合交通流微观控制模型

为构建智能网联汽车(CAV)和有人驾驶汽车(HDV)混合通行情况下的交叉口通行机制与控制方法, 本文提出CAV专用道条件下交叉口协同通行模型. 首先, 设计CAV专用道条件下的交叉口布置, 对交叉口进行网格化处理,将CAV通行时隙和HDV绿灯相位对交叉口某部分网格某时段的占用统一到交叉口时空资源描述框架下; 其次, 建立兼顾CAV与HDV的交叉口时空网格资源分配模型, 构建自适应信号灯控制算法和CAV轨迹规划算法; 再次, 以车辆最小延误为目标进行自适应信号灯配时优化和CAV轨迹优化; 最后, 选取广州某典型交叉口建立仿真实验对所提方法的有效性进行了验证.     

基于混沌量子进化算法的单交叉口信号控制

城市道路各交叉口交通信号的配时优化和协同控制直接影响整个城市的交通状况.本文以单交叉口模型的交通信号控制问题为背景,构造了以单交叉口滞留的车辆数最少为目标的优化模型.用混沌量子进化算法进行仿真数据求解,得到实时控制的配时方案,并与其它算法的仿真结果进行比较,结果表明该算法对单交叉口的信号配时优化是非常有效的.     

传感网中数据驱动的多时段控制方法优化研究

为了克服“常峰型”交叉口多时段控制时段划分单因素划分方法的趋同性与多因素划分方法的过复杂性,提出了一种基于传感网数据采集技术与数据驱动理论的“常峰型”交叉口多时段控制时段划分优化方法。以传感网感知能力对传统交通流量数据增加维度,引入交叉口交通流三维向量,以向量的形式表示在某一交叉口某一段时间内的交通总流量的大小、方向及与冲突点的平均时间距离。运用时间序列自回归滑动平均算法对相邻向量间距离进行归并得出时段划分优化方案。以某城市实际交通流量数据为测试数据进行评价对比分析。结果表明,创新模型运用在“常峰型”交叉口,与传统方法相比其控制效果更加准确高效,交叉口全天总延误时间有效降低约6.04%。     

基于混合Gamma分布的交叉口感应控制延误模型

为适应交叉口多态特征交通流,采用期望最大化算法,选取稠密性混合Gamma分布函数,准确拟合交叉口到达车头时距,统计交叉口进口到达交通量概率.以两相位全感应控制交叉口为例,根据交通量统计概率和信号相位状态获得每相位最大排队长度,并由此提出交叉口感应控制延误模型.在混合Gamma分布拟合精度不低于95%条件下的计算实例表明,基于混合Gamma分布的感应控制延误与实际结果更为吻合.