基于元胞自动机的城市混合非机动车流特性模拟研究

我国大城市交通非机动车流主要由普通自行车与电动自行车构成,二者具有异质性,主要体现在速度、横向位移意愿以及随机扰动引起的减速状态的差异,并具体表现为车辆影响域、横向位移倾向值、随机慢化概率的不同。采用多车道元胞自动机(Cellular Automata,CA)模型对混合非机动车流进行模拟研究。基于此分析了车辆构成比例对速度-密度、流量-密度及可实现的横向位移行为的影响。模拟结果显示:电动自行车的构成比例与前二者关系紧密;实现的横向位移数目,即横向位移率随密度的增长呈现先增后减趋势,且上升阶段会出现驻点,该点的产生表明低密度条件下出现了明显的偏析现象。

基于模糊神经网络的城市干道信号协调控制

利用递阶结构和模糊神经网络来进行交通系统的实时协调控制。其基本思想是把交通干线作为一个大系统。子系统为干线上的各交叉口,用模糊神经网络综合调控绿信比,相位差以及周期时长等3方面因素,在模糊神经网络控制器的设计中使用4层网络,将3种数据模糊化后输入,进而得到相应的输出结果,目的在于更好的协调交叉口间的信号,使得主干路的排队长度最小,从而减少车辆延误。最后将设计的控制器作用于北京市海淀区学院路与成府路和清华东路所构成的系统进行仿真研究,结果显示,该方法在减少主干道车辆延误的同时,综合考虑了次干道路段的需求,使得在减少车辆延误方面有较为显著的效果。

城市干道四相位交叉口公交优先信号策略研究

针对干线协调交叉口有公交车到达的情况,为降低公交车延误,提出了基于模糊神经网络的四相位公交优先信号控制策略。该策略利用递阶结构和模糊神经网络来实现交通系统的实时协调控制,并通过绿信比、相位差及信号周期时长等实现公交优先,以期更好地协调交叉口信号控制,使公交车来车方向的排队长度最小,从而减少延误。最后设计控制器进行交叉口仿真,结果显示,该方法在减少公交车延误的同时综合考虑了交叉口其他路段的信号设计需求,在减少公交车辆延误方面具有较为显著的效果。