基于信号配时优化的路网运行效益仿真评价

结合Synchro和Q-paramics实现了区域路网的多介信号控制交叉口配时协调优化及运行效益评价.选择长春市典型交通拥堵区域作为研究对象,分析现有的信号配时存在的问题;采用Synhro信号配时优化软件建立仿真路网,并对区域内主要信号交叉口的配时情况进行协调优化;选择描述交叉口机动车运行状态变化的控制延误、停车次数、95％排队长度三个参数评价了15个信号交叉口入口配时优化后的交通运行状态变化,并结合Q-paramics交通仿真软件对比信号配时优化前后的区域总体交通运行情况;结果表明信号配时优化可以改善主要交叉口入口的运行状况,并提高区域路网机动车14％以上的运行速度,并可以降低25％以上的延误时间.研究证明在协调区域交叉口信号配时状况的基础上对其整体优化,可以在不改变现有交通基础设施的基础上提高区域交通流的运行效率.     

城乡结合部道路交叉口多目标信号配时优化模型

随着我国城镇化进程的加快,城乡结合部道路交通问题日益显著。为提高城乡结合部道路交叉口的交通运行效率、环境效益和交通安全,提出信号配时多目标优化方法,综合考虑延误、通行能力、停车次数、车辆尾气排放等因素构建模型,运用遗传算法进行求解。以某典型交叉口为例进行分析,给出改进设计方案并进行交通仿真评价。研究结果表明,通过多目标信号配时优化可以缓解城乡结合部道路交叉口交通拥堵和污染物排放的问题,具有较好的交通信号控制效果。     

基于互补问题的混合交通信号配时优化模型

根据最优化原理与非线性互补理论,针对混合交通下单点交叉口信号优化配时问题,以延误时间、停车次数和通行能力作为性能指标,研究了城市交通控制的优化模型,提出了与之等价的基于绿灯时间的非线性互补问题,并给出了信号优化配时的牛顿算法.算例表明此方法可行有效,在道路等级相差悬殊及交通量相当的情况下,较蚂蚁算法,总延误有很大的减少;在各进口道饱和度较小的情况下,较仿真结果,性能指标有明显提高.为混合交通下单点交叉口信号优化配时研究提出一种新思路和新方法.     

单路口交通的多相位实时模糊控制

讨论单路口多相位的交通信号控制 ,控制方法采用实时模糊控制 ,提出以当前相的主队列、最近1 0秒车辆到达数、后继相的主队列三者决定信号配时的方法 ,给出了该三维模糊控制器的设计 .根据通过交叉口的车辆停驶过程 ,推导出交叉口平均车辆延误计算模型 .对上述控制器进行四相位交叉口的仿真试验 ,以通过交叉口的平均车辆延误作为性能评价指标 ,仿真结果表明 ,控制效果比较满意 ,优于定时控制方法     

考虑公交优先的城市交叉口遗传算法信号配时研究

对设置公交专用进口道的城市交叉口信号配时作了研究.考虑公交优先,并从我国城市交叉口的交通特征出发,构造了多目标规划函数:一是使公交总延误最小,二是使一般小汽车交通各相饱和度之间的均方差最小.对于多目标规划,采用功效系数法建立目标评价函数.并利用遗传算法对函数进行优化求解得到信号配时方案.通过仿真实例说明了函数构造及求解的过程.     

单路口多相位交通信号模糊控制系统的设计

模糊控制不需建立被控对象的精确数学模型，特别适用于具有较大随机性的城市交通控制。此文同时考虑多相位和倒计时问题，讨论用模糊控制方法对单路口多相位的交通信号进行控制，提出以当前相，后继相的车辆等待长度决定相位信号配时，文中重点讨论该二维模糊控制器的设计，并给出该模型控制系统的总体设计方案，利用Mcs96提供的Watch Dog，结合软件设计保证系统的稳定性，提高系统的抗干扰能力，由于每一相位的配时是根据路口实时数据经模糊推理一次确定，该系统可用于安装倒计时器的路口，具有良好的实用性。     

多态交通条件下交叉口定时控制延误模型

延误是评价交叉口服务水平的基本指标, 延误模型对交叉口信号控制方案的选择意义重大. 在多态交通条件下, 采用现有模型分析信号控制下交叉口延误程度存在较大误差. 为适应交叉口交通流的多态性, 基于混合Gamma分布稠密性, 准确拟合交叉口到达车头时距数据. 运用拟合概率函数, 统计交叉口进口到达交通量概率. 将交叉口按照到达交通量大小分为欠饱和、过饱和两种状态, 根据统计概率提出交叉口信号定时控制延误模型. 实例分析表明, 基于混合Gamma分布的延误与实际结果更为吻合.     

基于神经网络实现的交叉口多相位模糊逻辑控制

针对城市交叉口交通流的分布特点,给出了一种自适应交叉口多相位控制算法,考虑相邻车道上的车辆排队长度,利用多层BP神经网络实现了道路交叉口多相位模糊控制.仿真结果表明,文章所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力,为实现交通系统智能控制提供了一条新途径.     

基于GA的城市交叉口信号控制模糊规则优化

根据城市交通系统中单交叉口信号控制的具体情况，对遗传算法进行了改进，并利用改进的遗传算法对交叉口信号模糊控制器的模糊规则进行优化，建立新的优化算法．计算机仿真结果表明，采用改进的遗传算法方法优化模糊控制规则，可以减少因人的经验的局限性而导致的模糊规则的不完备性，使得控制器实用性更强，控制效果更好．     

综合环境因素及延误的信号配时优化仿真研究

提出了综合考虑环境因素及延误的交叉口信号配时优化方法;选择遗传算法作为优化工具,建立了以减少机动车尾气排放及交叉口平均延误为总目标,以信号周期时长和各相位有效绿灯时间为优化参数的信号配时优化模型,并利用微观仿真模型VISSIM及MATALAB、Visual Basic 6.0编程语言,开发了相应的算法程序;最后针对实际案例进行了仿真分析,验证了方法的合理性和可行性.     

FL-FN-MOGA Based Traffic Signal Control

In this paper, a traffic signal control method based on fuzzy logic (FL), fuzzy-neuro (FN) and multi-objective genetic algorithms (MOGA) for an isolated four-approach intersection with through and left-turning movements is presented. This method has an adaptive signal timing ability, and can make adjustments to signal timing in response to observed changes.The "urgency degree" term, which can describe the different user's demand for green time is used in decision-making by which strategy of signal timing can be determined. Using a fuzzy logic controller, we can determine     

交叉口交通信号灯的模糊控制及优化研究

针对城市单交叉口的交通信号控制问题,提出一种交通灯信号的模糊控制方法。该方法基于四相位定相序对单交叉口交通灯进行控制,模糊控制系统输入为车辆排队数和车辆到达率,输出为当前绿灯相位的绿灯延长时间。利用遗传算法(Genetic Algorithm,GA)优化模糊控制系统的模糊规则和隶属度函数,提升模糊控制系统性能。利用Sumo(Simulation of Urban Mobility)仿真软件,实现了该模糊控制方法。将Sumo自带的控制方法、模糊控制方法、以及基于GA的模糊控制方法进行仿真对比。结果表明,基于GA的模糊控制方法能有效减少车辆的平均延误时间,提高了交叉口的通行能力。     

基于改进GA 的城市交通模糊控制研究

提出了基于相序优化的城市交通信号模糊控制算法,并用改进的遗传算法(GA)对模糊控制规则进行优化.以现实中常用的四相位交通信号控制为例,通过研究发现,在不改变原来四相位相序的前提下,通过灵活的相位优化,可以获得更好的控制效果,采用改进的GA对模糊规则进行优化,可以减少因专家经验的主观性而导致的模糊规则的不完备性.以典型的十字路口为对象,选择不同时段的交通流状况进行仿真实验,仿真结果表明,与传统交叉路口信号模糊控制的方法相比,文中提出的控制算法能有效避免交通流不平衡引起的拥挤堵塞,提高系统的实时性和控制精度,从而减少了车辆平均延误时间,是进行城市交通信号自适应控制的一种实用且有效的算法.     

基于Q-学习的交通信号控制方法

为了减少车辆通过路口时的延误,采用Q-学习方法对智能体控制的单路口进行信号配时的优化,在模糊控制规则集的基础上,通过Q-学习来改进控制规则的组合,从而达到改善信号控制效果的目的.仿真实验的结果表明,基于Q-学习的信号控制方法优于定时控制、感应式控制和基于遗传算法的信号控制方法.研究说明,基于Q-学习的信号控制方法适合城市交通控制.     

单交叉口多策略模糊控制算法与优化

大量研究表明,模糊交通信号控制算法在性能上明显优于传统方法,但现有研究大多采用单策略控制,在复杂多变的城市交通流条件下,难以充分发挥交叉口的通行能力.为此,在深入分析交通需求的基础上,提出了基于模糊理论的多策略模糊控制算法.同时,为克服用经验法确定多套模糊策略的困难与不足,还设计了基于遗传算法的模糊规则和隶属度函数优化方法.仿真结果表明,多策略模型优于单策略模型,更优于传统交通控制方法.     

一种交通信号自学习控制方法及仿真实现

将模糊理论和机器学习应用到交通信号控制过程中，提出了一种基于遗传算法的单路口交通信号模糊控制方法。通过对到达车辆数目的模糊分类，将不同车辆数目到达情况下的信号控制决策方案以规则集的形式存储在知识库中，在交通信号控制过程中使用遗传算法对规则集进行改进。编制该控制方法的仿真程序，对该方法的控制效果与定时控制和感应控制进行了模拟比较，仿真实验的结果说明该方法的控制效果明显优于传统控制方式。     

信号控制交叉口交通行为的简单二维元胞传输模型

一维元胞传输模型无法描述多相位信号控制交叉口上不同方向车辆排队的形成与消散过程,本文建立适用于多相位信号控制交叉口的简单二维元胞传输模型.提出交叉口和连线的简单二维元胞表示方案从微观层面描述交叉口进口道上不同方向的车辆排队,基于Daganzo的元胞传输模型建立简单二维元胞传输模型描述交通流在路段和交叉口上的运行与演化规律.在此基础上,在元胞层面建立信号控制方案评价指标的实时估计模型.算例分析表明,二维元胞表示方案优于一维元胞表示方案,简单二维元胞传输模型的估计精度高于一维元胞传输模型,并且简单二维传输模型能够适用于过饱和交通流.本文建立的简单二维元胞传输模型可用于路网信号控制方案的微观评价.