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。     

基于蚁群算法的交叉路口多相位信号配时优化

针对城市道路交叉口的交通流特性,提出一种交叉路口多相位配时的TSP模型,采用新的优化算法——蚁群算法（ACA）来优化交叉路口多相位配时信号,并以每周期内交叉路口车辆总延误最小作为性能指标进行仿真实验。实验表明：在相同的时间和车辆到达率的情况下,采用蚁群算法优化相位和绿信比的配时方法明显优于定时配时方法,也优于定相位优化绿信比的配时方法,降低了交叉口的车辆延误,提高了通行能力;且该算法的求解速度快,稳定性好。     

设置待行区条件下双环相位信号配时优化模型

为提高设有待行区交叉口的行车效率,首先将设置待行区的效果等价于车道绿信比的增加;接着基于美国国家电气制造商协会（NEMA）标准双环相位,以车辆平均延误最小为目标,建立了交叉口信号配时优化模型;然后考虑相位结构中环-屏障约束条件,设计了用于求解模型的遗传算法;最后将模型和算法应用于实例交叉口。研究结果表明：该模型能够得到比Synchro软件周期更短、车辆平均延误更低的信号配时方案。在交叉口仅设置左转待行区的条件下,模型的延误降低幅度为12.9%~17.4%;在交叉口同时设置左转、直行待行区的条件下,模型的延误降低幅度为17.5%~25.5%。此外,该模型对排队消散速度的取值并不敏感,在最小及最大车速的条件下能够得到几乎相同的配时方案。     

基于TdPN的中小流量交叉口信号控制研究

针对城市中小流量交叉口交通拥堵问题,提出了一种基于时延Petri网(Timed Petri Net, TdPN)的可变相序信号控制模型。利用TdPN建立交叉口车流模型和信号控制模型,结合马尔可夫链,建立交通流的动态生成模型。通过将通行权赋予当前等待车辆数最大的相位来实现相位的随机选择。以平均延迟时间最小为优化目标,通过遗传算法求解最优相位配时。在信号周期固定的情况下,分析基于TdPN的四相位可变相序控制模型在不平衡交通流下对交叉口平均排队长度的影响,并将此模型与四相位固定相序控制模型进行对比。研究结果表明,该方案在单位时间内有效地减少了交叉口的平均排队长度。     

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。     

单点定时信号配时的多目标优化模型

为提高定时信号控制通行的效率与鲁棒性,提出一种多目标优化模型。将目标函数分为2层：第1层选择平均延误、停车次数、通行能力指标以优化交叉口通行效率;第2层选择车辆延误标准差以提高信号控制稳定性。对不同交通状态的交叉口进行分析,建立流量波动幅度与目标权重的关系,并采用遗传算法求解。结果表明,该模型能有效降低车辆的平均延误,提高信号配时的鲁棒性。     

交叉口信号实时滚动优化模型及算法

为了合理控制单交叉口交通流并且优先公交,建立可变相序的实时滚动优化模型.该模型将公交优先嵌入优化控制,对每辆公交车实时分配权重系数,以交叉口社会车辆和公交车辆的人均延误最小为目标,优化确定相位序列和相位长度.通过跳相来实现相序优化,运用改进的遗传算法来求解.具体实例表明,可变相序的实时滚动优化模型能有效地减少系统的人均延误,并能在尽量减小对社会车辆的影响下实现公交优先.     

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.     

基于一种新的混合算法的交通流控制优化模型

运用交通流控制理论建立了在交叉口空间渠化及信号相位相序给定的条件下, 考虑机动车与非机动车的延误（服务水平）约束条件, 机动车通行能力最大的优化模型, 并利用遗传算法及混沌优化算法互补的混合优化算法对模型进行了优化计算. 实际优化计算结果表明, 文中的优化模型及其混合算法具有较高的理论价值及实用价值, 本次研究为信号交叉口交通流的协调控制优化研究提供了新思路和新方法.     

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。