主干道动态协调控制方法研究

针对干线交通双向绿波协调控制中的相位冲突问题,提出了一种主干道动态协调控制方法。根据交通路口关联度计算方法将主干道划分为若干个控制子区;根据划分好的控制子区,计算出控制子区控制参数和控制子区间的协调控制参数:其中,针对我国城市交通流特点,对韦伯斯特周期公式进行修正,并设计了一种支路相位排前可行度函数用于各个路口相序进行优化,依此根据一段时间内的交通流信息计算出所有控制参数,包括公共信号周期,各路口的绿信比,各路口的相序以及所有路段的引导车速。仿真结果表明,该方法比分散控制能有效地提高主干道的行车速度,能够有效降低干线的通行时间。

基于组合模型的短时交通流预测

为了提高预测精度,利用每周同一天交通流变化相似的特点,提出了一种短时交通流组合预测模型,采集每周同一天的交通流数据进行预测。组合模型包括两个子模型:BP神经网络模型、GM(1,1)模型。BP神经网络模型具有强大的非线性逼近能力,对于庞大无序的交通流数据信息具有良好的处理能力。GM(1,1)模型能够反映交通流时间序列的总体变化趋势,相对误差小。通过计算两种子模型在上一时间段的预测误差比值,确定出在下一时间段的预测中两种子模型预测结果所占的权重,然后将这两个子模型在下一时间段的预测结果进行加权求和,作为组合模型的最终预测值。实验结果表明,组合模型发挥了两种子模型各自的阶段性预测优势,是短时交通流预测的一种有效方法。

基于SFSTFC的单路口交通信号控制

针对城市单路口的交通信号控制问题,提出了一种基于比例因子自调整模糊控制器的控制方法。首先分析了比例因子对模糊控制系统性能的影响;然后,根据当前路口交通流红灯相位的损失指数和绿灯相位的增益指数,给出了比例因子自调整模糊算法,可依据路口动态车流信息在线调整比例因子;最后,基于提出的比例因子自调整模糊控制器,给出了一种单路口交通信号控制策略。仿真结果表明,相对于定时控制,以及普通模糊控制,比例因子自调整方法能够有效地降低路口平均车辆延误,提高了交通信号控制系统的控制精度。