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%。     

城市交通网络正系统模型与稳态信号控制

城市路网内车流分布不均衡为交通拥堵原因之一,且交通控制系统为典型正系统．为此,本文采用Compartment正系统对网络交通流演化建模,以网络均衡为控制目标,提出稳态信号控制方法．首先,建立网络交通流Compartment正系统模型,可描述具有任意控制结构网络的过饱和特征;进一步,给定网络车流输入,由非负矩阵理论可得网络存在唯一稳定平衡点,给出平衡点解析计算公式．由此,提出网络稳态信号控制律,为路段状态反馈控制律．最后,以北京市奥林匹克公园区域拓扑路网为例,在VISSIM软件中建立仿真环境,比较稳态信号控制方法与定时控制方法,仿真结果表明在高需求网络条件下,稳态信号控制方法可改善网络整体性能和缓解局部拥堵．     

基于O-D矩阵估计的路网交通流量仿真模型

为了将交通出行需求对路网交通流量的影响进行动态的量化分析,提出了一个基于O-D矩阵估计的路网交通流量仿真模型。利用O-D矩阵估计的重力模型计算方法、复杂网络理论和路段阻抗模型,构建了路网模型;在人们出行总是选择路段阻抗最小路径的假定下,设计了出行需求的路网流量映射算法;基于离散事件仿真,在PC系统上实现了路网流量仿真系统。仿真结果表明：该仿真系统可以根据各交通子区域出行需求的变化,精确模拟路网流量和交通状态的动态演进。     

考虑路网OD路径的交叉口群动态划分方法

交叉口群是关联性较强的若干交叉口的集合,是路网交通流协调控制的基本单元,其动态范围划分与路网协调控制效益直接相关。在对经典Whitson路段关联性模型进行改进的基础上,考虑路网上交通流OD路径分布建立了相邻交叉口之间的路径关联性模型;基于路段或路径关联性模型计算结果,应用层次聚类方法对信号控制交叉口群进行动态划分。最后对基于路段和路径关联性的交叉口群动态划分方法进行了仿真验证和对比分析。研究结果表明,考虑路网OD路径分布动态划分交叉口群可以减少对主要OD路径的分割,从而降低路网交通流的总停车延误和停车次数。     

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.     

基于多智能体分群同步的城市路网交通控制

在城市交通网络中,经常出现某些路段较为拥堵,而其它路段内仍有空间未被充分利用.为了解决该问题,本文提出一种路网分群一致算法.首先,以路段的空间占有率为状态,建立交通网络状态空间模型,描述路网中车流的传递关系;进一步,将路网中的各条路段抽象为智能体,提出路网多智能体分群一致算法,将路段集划分为若干个非空不交子集,每个子集内的路段状态可达一致,不同子集的一致状态不同.从而,该算法可使各路段的空间占有率达到均衡,减轻局部拥堵,减少车辆延误时间.最后,采用VISSIM交通仿真软件对北京市望京地区的实际网络进行仿真,仿真结果说明了本文方法的可行性和有效性.     

一种面向严重受损路网的抢修队调度算法

受损路网抢修是灾害应急响应中的一个非常重要的基础环节,主要研究如何对道路抢修队进行有效调度,以快速恢复受灾路网的交通能力,为后续顺利展开应急救援工作提供有效的保证.已有方法在路网受损严重的情形下往往难以给出有效的调度策略.为此,在已有工作的基础上,简化路网模型和决策模型,并基于动作集裁减和Q学习设计一种面向严重受损路网的抢修队调度算法.在该算法中,抢修队只能从当前可达的未修复受损路段集合中选择下一个动作,以确保Q学习的连续性.仿真实验结果表明,在节点数和受损率都较大的严重受损路网环境中,所提算法可以保证所有需求节点均可达,具有更高的稳定性和可靠性,且能够在更小的时间和修复代价内给出更优的调度方案.     

基于路网可达性的交通控制子区划分方法研究

为了提高子区划分的效率,保证子区划分结果的合理性,提出了一种基于路网可达性的子区划分方法。以路口为顶点,路段为边,修正的路段阻抗为边权得到路网加权网络,通过权系数开关化转为非加权网络;采用[K]步可达矩阵来分析网络的可达性,以可达性最好的顶点为核心顶点,求解核心顶点的[K]步可达顶点群得到子区划分结果;以子区路网路段占有率方差为评价指标,对子区划分结果进行优化。以北京市亦庄林肯公园地区路网为例的仿真结果表明：基于路网可达性的子区划分,可以找到路网中关联最为紧密的顶点群,且以子区内部路段的占有率方差作为评价指标可以保证子区内部路段状态的相似性,为子区划分的优化提供指导。     

基于有向含权复杂网络的城市交通路网关键路段识别

针对目前基于复杂网络识别城市交通路网关键路段缺乏考虑现实影响因素和路段方向性问题,提出了一种基于有向含权复杂网络的关键路段识别方法。第一阶段利用复杂网络理论将城市交通路网构建成有向含权复杂网络模型;第二阶段利用LinkRank算法对复杂网络中边进行重要度排序,以此识别关键边,即城市交通路网关键路段;第三阶段利用变异的易感—感染（susceptible-infective,SI）模型对关键路段进行影响评估。通过对浙江省海宁市城区的城市交通路网分析,验证了方法的实用性和有效性。     

支持动态编辑的交通路网语义建模方法

针对现有交通路网语义建模方法不支持新增道路、道路加宽/变窄、潮汐车道设置、 道路连通性设置等路网交通属性动态编辑修改的问题,提出了一种支持动态编辑的交通路网语 义建模方法。通过分析路网内正常路段和交叉路口之间的耦合关系,给出了由传统 Lane、路口 Lane,Link,Connection,Intersection 以及 Road 等组成的具有层次耦合关系的路网语义数据。 只需输入道路中轴线数据,上述语义数据即可全部自动生成。路网交通属性动态编辑修改后, 只需对相应路段和相连路口语义进行解耦重新计算即可完成路网语义数据的动态更新。实验结 果表明,只需要输入道路中轴线矢量数据和道路宽度数据,该方法即可准确、高效地完成交通 路网语义建模,并且支持路网交通属性的动态编辑且可以实现交通相位的自动生成。     

多个MFD子区边界协调控制方法

为了改善交通网络运行状况,根据车流密度的差异对宏观路网进行子区划分,提出了面向多个宏观基本图（Macroscopic fundamental diagram,MFD）子区的边界协调控制方法.根据划分的多个子区间邻接关系和流入流出交通流率,建立了路网车流平衡方程.通过与最佳累积车辆数进行比较,确定了拥挤度高的子区边界交叉口最佳流入与流出的交通流量;进而建立了以整个路网旅行完成流率最大、平均行程时间和平均延误最小的多目标边界协调优化模型,并通过自适应遗传算法对多目标函数进行求解.以存在4个MFD子区的实际路网为分析对象,对比仿真结果表明所提方法可有效提高路网运行效率、缓解拥堵状况.     

城市交通信号的迭代学习控制及其对路网宏观基本图的影响

针对在城市交通信号控制中存在对交通流难以精确建模的问题,首先利用交通流的重复性特点,提出了一种基于迭代学习的城市交通信号控制方法,并证明了在不确定初态下迭代学习控制算法的收敛性.其次,结合路网宏观基本图的特性分析了基于迭代学习的交通信号控制策略对路网交通态势的影响.结果表明,当迭代的初始状态在期望初态值的小范围内波动时,系统的跟踪误差仍能收敛到一个界内;通过对交通信号的迭代学习控制,路段的实际占有率能够逐步逼近期望占有率,从而使路网内的车辆密度分布更加均匀,确保交通流在更优的宏观基本图下运行,防止因车辆密度分布不均引起的通行效率下降及交通拥堵的发生.最后,通过仿真实验对所提方法的有效性进行了验证.     

基于人工神经网络预测控制的交通信号调度

在传统的交通信号控制中,信号的变化周期一般是固定的,由于车流量随时间的不确定性,引起了道路负荷的不均衡,容易造成道路拥塞或闲置现象。对基于人工神经网络的预测控制算法进行介绍。根据预测结果对整个路况进行决策判断,实现交通灯信号周期的自适应调节,从而实现交通流量的负荷均衡。根据城市交通系统的特点,设计一个基于神经网络的单个交叉路口的交通灯预测控制系统,得出相关不同时间段内的交通灯控制周期。分析表明,该方法能有效提高车辆通行效率,增强道路的吞吐能力。     

基于生成对抗网络的大规模路网交通流预测算法

对大规模路网交通流进行准确预测,能够应用于区域交通协同控制与管理,提高路网运行效率.针对如何高精度地拟合大规模路网交通流时空分布并对其进行准确预测,提出基于梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)的大规模路网交通流预测算法.根据大规模路网交通流数据特点,为了增加模型对时间相关性和远距离空间相关性特征的抽象能力,采用残差U型网络作为生成器来增加网络深度;采用多重判别器分别从时间和空间特征来对生成数据进行判别,从而提高判别器的判别能力.所提算法能够解决判别型深度学习模型仅能针对路网整体误差最小化,而忽略各交通流观测点预测误差最小化原则的问题,能够更好地满足现实交通场景需求.实验结果表明,所提算法能够有效地学习路网交通流数据内部多因素耦合特性,具有更高的预测精度.     

Distributed Model Predictive Control Method for Optimal Coordination of Signal Splits in Urban Traffic Networks

Coordination and control approaches based on model predictive control (MPC) have been widely investigated for traffic signal control in urban traffic networks. However, due to the complex non‐linear characters of traffic flows and the large scale of traffic networks, a basic challenge faced by these approaches is the high online computational complexity. In this paper, to reduce the computational complexity and improve the applicability of traffic signal control approaches based on MPC in practice, we propose a distributed MPC approach (DCA‐MPC) to coordinate and optimize the signal splits. Instead of describing the dynamics of traffic flow within each link of the traffic network with a simplified linear model, we present an improved nonlinear traffic model. Based on the nonlinear model, an MPC optimization framework for the signal splits control is developed, whereby the interactions between subsystems are accurately modeled by employing two interconnecting constraints. In addition, by designing a novel dual decomposition strategy, a distributed coordination algorithm is proposed. Finally, with a benchmark traffic network, experimental results are given to illustrate the effectiveness of the proposed method.     

最小路径负载度路由协议的研究

DSR协议是Ad hoc网络中典型的路由协议,DSR协议中路由选择策略是基于最短路径的,并未考虑路径的通信量和节点负载等因素,网络中数据流易集中于某些链路,这些链路上的节点承担相对较大的通信量,从而形成热点区域。热点区域的形成会缩短网络的寿命,并且会增加数据包的平均端到端时延,甚至影响数据包的投递率。为了解决上述问题,提出了基于路径负载度的动态源路由协议（LBDSR）,在路由选择时综合考虑了路径长度和路径繁忙度两个因素,有效地解决了热点区域问题,并减小网络中数据包的平均端到端时延,可以有效提高网络的负载平衡性能,延长网络寿命。     

A Dynamic Road Incident Information Delivery Strategy to Reduce Urban Traffic Congestion

Advanced information and communication technologies can be used to facilitate traffic incident management. If an incident is detected and blocks a road link, in order to reduce the incident-induced traffic congestion, a dynamic strategy to deliver incident information to selected drivers and help them make detours in urban areas is proposed by this work. Time-dependent shortest path algorithms are used to generate a subnetwork where vehicles should receive such information. A simulation approach based on an extended cell transmission model is used to describe traffic flow in urban networks where path information and traffic flow at downstream road links are well modeled. Simulation results reveal the influences of some major parameters of an incident-induced congestion dissipation process such as the ratio of route-changing vehicles to the total vehicles, operation time interval of the proposed strategy, traffic density in the traffic network, and the scope of the area where traffic incident information is delivered. The results can be used to improve the state of the art in preventing urban road traffic congestion caused by incidents.      

最优动态配流问题的离散模型及其解

对一般路网建立了具有良好结构形式的离散动态配流模型，该模型在多起点单讫点路网中的最优解满足交通流守恒约束和动态平衡原则。在提出了完全不同路段概念的基础上，对最优解的奇异性进行了分析，得到稳态最优解为非奇异解的结论。给出的算例验证了结论的正确性。     

基于大流调度的软件定义数据中心网络负载均衡算法

传统负载均衡算法对数据中心网络中的大流进行调度时,会造成部分链路负载过重、网络整体负载不均衡等问题。将负载均衡问题转化为多商品流问题进行求解,结合软件定义网络集中控制的思想和数据中心网络的流量特征,提出一种基于大流调度的软件定义数据中心网络负载均衡算法。根据阈值将数据流划分为大流和小流,结合路径上大流分布度和可用负载度对大流进行重路由,以减小大流对网络负载均衡的影响。仿真实验表明,在流量大小分布不均衡的数据中心网络中,该算法与传统的等价多路径算法和基于全局最先匹配的动态流量调度算法相比,在平均对分带宽上获得了更大的提升,能够更好地实现数据中心网络的负载均衡。