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。     

基于自适应遗传算法的交通信号配时优化

研究城市交通信号设置问题中对单交叉口多相位交通流建立了动态信号配时模型,以交叉口车辆平均延误最小为控制目标,以相位绿灯时间和周期时长为控制变量,并运用自适应遗传算法对控制变量进行优化.根据实时交通流数据,通过MATLAB平台进行仿真.结果表明,自适应遗传算法能够有效降低车辆平均延误,在优化过程中比简单遗传算法具有更好的搜索能力和解质量,其良好的优化性能有助于优良配时方案的产生,同时也提高了交通分配模型的实用价值.     

基于Synchro的干线交通信号配时优化

针对城市主干路上信号相位、周期设置不合理的问题,为改善干线拥堵状况并使现行使用的配时方法能适用于城市混合交通,提出对干线交通多相位信号进行配时优化设计.在对某干线若干交叉口进行大量交通调查基础上,提出选取评价指标,修正模型参数,借助交通仿真软件Synchro对于线交通交叉口的交通流进行现状和优化后的仿真,结果表明,交叉口拥挤状况进行动态达到直观观察,同时提高交叉口服务水平,修正后的参数模型对于城市混合交通具有更好的服务效果.     

基于改进粒子群算法的单交叉口信号配时仿真

研究城市交通信号控制系统中的单交叉口优化交通流问题,由于交通流具有非线性和不确定性特点,很难建立精确模型。为解决上述问题,提出把每一相位的排队长度都作为优化的目标,采用多目标信号配时模型以满足不同交通需求,并采用改进粒子群(PSO)算法进行求解。在深入研究分析PSO算法的基础上,引入变异因子和惯性权重自适应策略对该算法进行改进,既发挥了PSO算法随机优化收敛速度快的优点,又克服了算法易陷入局部最优点的缺点,显著提高了优化算法的性能指标。仿真结果验证了方法的有效性和合理性。     

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.     

基于CA的交叉口模型的仿真研究

结合我国混合交通流的实际情况,建立了二维细胞自动机交叉口交通流模型,并用VC开发了相应的仿真系统.仿真系统可以对平面十字交叉路口的多种交通流相进行了模拟分析,还能够根据交通密度变化,通过实时改变信号灯控制方案改善交通流运行状况,从而找出一种最优的交叉口信号控制方案.     

基于量子粒子群算法的实时多交叉口信号控制

随着城市交通日益发展,如何提高城市交通效率是目前十分关注的问题.为了解决交叉口过饱和交通流控制问题,基于交通流向动态组合的感应控制方案,设计了一种实时多交叉口协调控制(Real-time Intersection Coordination Control,RIC2)模型.该RIC2感应控制模型,以单个交叉口优化为基础,延伸到多个交叉口,形成区域之间的协调控制,同时采取一种改进的量子粒子群算法(Improved Quantum Particle Swarm Optimization,IQPSO)对信号配时进行自适应优化.仿真结果显示上述模型能显著提高城市的通行效率,具有一定可行性.     

考虑行人效益的拥挤交叉口多目标配时优化

机动车流量、行人流量均较大的信号控制交叉口,行人路权往往过低,过街闯红灯现象普遍,且难以控制与避免,严重降低了交叉口运行效率。为了有效解决这一问题,采用机动车效益、行人效益、交叉口通行能力为评价指标,以交叉口饱和度为约束条件,在机动车效益指标中考虑了行人闯红灯对机动车造成的延误影响,建立了交叉口多目标信号配时优化模型;设计了求解模型的遗传算法。算例结果表明,所提出的模型能较好改善交叉口综合效益。     

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.     

目标检测算法在交通场景中应用综述

目标检测是计算机视觉领域的重要研究任务,在机器人、自动驾驶、工业检测等方面应用广泛。在深度学习理论的基础上,系统性总结了目标检测算法的发展与研究现状,对两类算法的特点、优缺点和实时性进行对比。以交通场景中三类典型物体（非机动车、机动车和行人）为目标,从传统检测方法、目标检测算法、目标检测算法优化、三维目标检测、多模态目标检测和重识别六个方面分别论述和总结目标检测算法检测识别交通场景目标的研究现状与应用情况,重点介绍了各类方法的优势、局限性和适用场景。归纳了常用目标检测和交通场景数据集及评价标准,比较分析两类算法性能,展望目标检测算法在交通场景中应用研究的发展趋势,为智能交通、自动驾驶提供研究思路。     

城市交叉口车辆速度与交通信号协同优化控制

为了降低城市交通中的行车延误与燃油消耗,针对人类驾驶车辆与自动驾驶车辆混合交通环境,提出一种基于交通信息物理系统(TCPS)的车辆速度与交通信号协同优化控制方法.首先,综合考虑路口交通信号、人类驾驶车辆、自动驾驶车辆三者之间的相互影响,设计一种适用于自动驾驶车辆与人类驾驶车辆混合组队特性的过路口速度规划模型;其次,针对车辆速度规划单一应用时的局限性,即无法减少车辆路口通行延误且易出现无解情况,提出一种双目标协同优化模型,能够综合考虑车辆速度规划与路口交通信号控制,同时降低车辆燃油消耗与路口平均延误.由于双目标优化问题求解的复杂性,设计一种遗传算法-粒子群算法混合求解策略.基于SUMO的仿真实验验证了所提出方法的有效性.     

考虑拥堵区域的多车型绿色车辆路径问题优化

针对降低物流配送过程中产生的碳排放问题,从绿色环保角度出发,提出一种考虑交通拥堵区域的多车型物流配送车辆的绿色车辆路径问题（GVRP）。首先分析不同类型车辆、不同拥堵状况对车辆行驶路线规划的影响,然后引入基于车辆行驶速度和载重的碳排放速率度量函数;其次以车辆管理使用费用和油耗碳排放成本最小作为优化目标,构建双目标绿色车辆路径模型;最后根据模型的特点设计一种融合模拟退火算法的混合差分进化算法对问题进行求解。通过实验仿真验证模型和算法可以有效规避拥堵区域,与只使用单一4 t车型配送相比,所提模型总成本降低了1.5%,油耗碳排放成本降低了4.3%;和以行驶距离最短为目标的模型相比,所提模型的总配送成本降低了8.1%。说明该模型提高物流企业的经济效益也促进了节能减排。同时所提算法与基本差分算法相比,总配送成本可以降低3%~6%;与遗传算法相比,优化效果更明显,总配送成本可以降低4%~11%,证明该算法更具有优越性。综上所提模型和算法可以为物流企业城市配送路径决策提供良好的参考依据。     

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.     

出租车合乘多目标优化方法研究

出租车合乘是缓解我国日益严峻的交通拥堵问题的重要手段。为高效解决出租车合乘问题，综合考虑出租车车辆总数、乘客等待时长、车辆运输总里程数三个指标，建立了优化这三个指标的数学模型。在此基础上，基于NSGA-II算法设计和实现了解决该优化问题的多目标遗传算法。最后，在某城市某日某时刻3 min之内的打车需求数据上对模型和算法进行了实验验证。实验结果表明，该模型与算法能带来较高的合乘发生率和较满意的合乘利润率，具有较好的合乘效益。     

模糊需求下时间依赖型车辆路径优化

针对客户需求模糊且有时间窗约束的时间依赖型车辆路径问题(TDVRP),基于先预优化后重调度的思想构建模型.在预优化阶段,依据可信性理论构建模糊机会约束优化模型处理客户点模糊需求;针对不同时间段道路的交通情况,采用Ichoua速度时间依赖函数表征车辆的行驶速度,并设计自适应大规模邻域搜索算法(ALNS)对其求解.在重调度阶段,应用随机模拟算法模拟客户点的真实需求,采用点重调度策略对预优化方案进行调整.通过改进的Solomon算例实验验证模型和算法的有效性.研究成果可丰富TDVRP问题的相关研究,为现实配送方案的优化决策提供理论依据.     

蚁群优化神经网络的网络流量混沌预测

为了网络流量预测准确性,提出一种蚁群算法（ACO）优化BP神经网络（BPNN）的网络流量混沌预测模型（ACO-BPNN）。对网络流量时间序列进行重构,将BPNN参数作为蚂蚁的位置向量,通过蚁群信息交流和相互协作找到BPNN最优参数,建立网络流量最优预测模型,并采用实测网络流量数据进行有效性验证。结果表明,ACO-BPNN能够准确刻画网络流量变化特性,提高网络流量的预测准确性。     

时间窗约束下的配送车辆调度问题研究

为解决时间窗约束下的物流配送车辆的多目标调度优化问题,给出了一种基于免疫计算的配送车辆调度优化方案。设计了配送车辆调度问题的数学模型和一种基于非劣邻域支配的多目标调度优化算法,在仿真环境下进行了实验。实验结果表明,算法能够有效地解决物流配送车辆调度问题,具有较好的应用价值。     

城市道路单路口交通信号实时控制仿真设计

利用滞留车辆与绿信比的关系建立了以最短等待时间为优化目标的数学模型,并通过免疫遗传算法得到点上最优解,将混沌交通流序列再引入点问题模型中,运用指数平滑预测模型为BP神经网络模型提供学习所需数据,从而得到混沌交通流序列的实时配时方案。