控制信号交通

交通信号控制是指用不同的控制方式，通常使用交通信号灯向车流和行人分配时间通行权的一种交通管理方法。交通信号控制起源于交通自动信号灯的诞生。这可以追溯到上个世纪末和本世纪初。现代化交通控制则是在本世纪５０年代开始的。１９５２年第一台模拟计算机交通信号控...

新工科背景下专业实习体系探索与实践——以轨道交通信号与控制专业为例

为适应新工科对人才培养的新要求,针对轨道交通信号与控制专业的实习体系在实践过程中存在的主要问题,通过深化产教融合、强化虚实结合、细化考评综合,建立纵向“三阶段”逐级递进、横向“双形式”互补的实习新模式,形成“一平台,双引擎,三大素质”的实习教学新理念,构建“一核心,三过程,九指标”的综合能力评价新机制。在实习组织形式、实习资源整合、实习评价方式等方面进行积极探索和大胆实践,对其他工科专业的实习教学体系建立有一定借鉴和参考意义。

基于物联网的交通信号灯控制系统

随着城市化进程的不断加速,交通拥堵问题成为制约城市可持续发展的一大挑战。在智能交通系统中,交通信号灯作为关键组成部分,对道路交通的管理和优化发挥着至关重要的作用。为提高交通效率、减少交通拥堵,文章探讨了基于物联网的智能交通信号灯控制系统。首先,介绍了交通信号灯的系统组成。其次,针对交通信号灯控制的优化需求,提出一种基于物联网的自适应控制算法。最后,构建了交通信号灯仿真界面,并设计了交互控制按钮。实验结果表明,所提出的自适应控制算法能够有效提升道路通行效率,降低交通拥堵程度,为智能交通系统的进一步优化与发展提供了重要参考。

考虑交通信号和交通密度的城市路段个体行程时间建模

为探究城市路段中交通密度与交通信号对个体车辆行程时间的影响规律,提高城市道路行程时间的预测精度,基于车牌识别数据与信号机配时数据等多种融合数据,提出了由自由流行程时间、密度延误与随机误差项组成的行程时间关系函数,并在该函数基础上构建了考虑个体驾驶习惯的行程时间预测模型。首先,基于道路限速条件、车辆进入路段时的下游交叉口信号状态构建自由流行程时间函数;其次,提出了一种通过密度阈值判断车辆能否在当前信号周期通过下游交叉口的方法,并基于个体车辆进入路段时的路段密度计算出车辆所需等待信号周期个数及等待前方排队疏散所需时间,从而构建密度延误函数;然后,将个体实际行程时间与自由流行程时间、密度延误的差值作为随机误差项,通过高斯混合模型拟合随机误差项的概率分布;最后,选用安徽省宣城市多个路段作为案例,分析各路段行程时间函数各部分的具体表现,对该行程时间预测模型进行验证。结果表明:行程时间预测模型的MAPE,MAE,RMSE分别为6%~12%,5~15,13~35,在准确率方面优于其他算法,是一种有效的城市路段个体行程时间预测方法。

GB/T 43229-2023《交通信号控制机与车辆检测器间通信协议》标准解读

交通信号控制机与车辆检测器间通信是连接城市交通控制核心与感知核心的纽带,包含交通流信息、通行状态信息、车辆身份信息、异常事件信息等,这些信息的交互能有效提升城市交通控制智能化水平,推进城市交通感控一体化。本文根据实际的应用实践,从国家标准《交通信号控制机与车辆检测器间通信协议》的编制背景、编制原则、主要规范内容等方面对交通信号控制机与车辆检测器间通信协议进行解读,针对检测数据信息进行标准应用解析,明确检测器直连模式,统一感知数据上报结构,引导标准应用规范。

轨道交通信号联锁列控一体化系统软硬件设计

该文主要探究联锁列控一体化系统的软硬件设计内容。该系统的软件部分使用VC++6.0开发,包含4个功能模块,分别是进路选排、进路锁闭、信号开放与进路解锁,可以实现车站与区间范围内信号设备的一体控制,并处理进路命令和控制地面设备;该系统的硬件部分包括STM32主控芯片和PCI版驱动采集板,以及CAN通信接口等,在保证通信速率与通信质量的基础上,实现上位机与下位机的信息共享与可靠交互。该系统以轨道交通信号为基础数据,在数据采集、分析的基础上为监控列车运行和保障行驶安全提供帮助。

轨道交通信号专业教学改革的策略与成效分析

在城市轨道交通快速发展之际,信号系统重要性凸显,传统教学模式难满足需求,教育者与行业专家认识到教学创新是关键,信号专业教学面临挑战与机遇。本研究探讨其教学改革必要性与策略,经案例分析等方法,提出创新教学方法与课程体系建议。结果显示,增强实践等措施可提升学生专业能力与就业竞争力,提高教学质量,适应行业技术更新,培养优秀人才。

基于PLC顺序控制设计法的交通信号灯控制程序设计

根据十字路口交通信号灯的控制时序,采用顺序控制设计法设计控制程序。首先绘制顺序功能图,然后设计出PLC梯形图程序,通过在HMI触摸屏上组态监控界面验证该程序,该程序满足十字路口交通信号灯的控制要求。采用顺序控制设计法设计的十字路口交通信号灯的PLC程序易于阅读和修改。

人工智能在城市交通信号控制中的应用研究综述

人工智能在城市交通信号控制的应用中起着重要作用。本文首先介绍了既有的交通信号控制类型,从单交叉口交通信号控制、干线交通信号控制和区域交通信号控制三方面,分析了既有研究的模型特征。重点阐述了模糊控制、神经网络、多智能体等方法的研究进展。最后,提出了我国城市交通信号控制在人工智能技术下的研究展望。

大规模智慧交通信号控制中的强化学习和深度强化学习方法综述

当前在交通信号控制系统中引入智能化检测和控制已是大势所趋,特别是强化学习和深度强化学习方法在可扩展性、稳定性和可推广性等方面展现出巨大的技术优势,已成为该领域的研究热点。针对基于强化学习的交通信号控制任务进行了研究,在广泛调研交通信号控制方法研究成果的基础上,系统地梳理了强化学习和深度强化学习在智慧交通信号控制领域的分类及应用;并归纳了使用多智能体合作的方法解决大规模交通信号控制问题的可行方案,对大规模交通信号控制的交通场景影响因素进行了分类概述;从提高交通信号控制器性能的角度提出了本领域当前所面临的挑战和未来可能极具潜力的研究方向。

基于云存储技术的城市轨道交通信号安全预警探析

基于城市轨道交通信号安全预警方案设计的背景与主要需求,提出了一种基于云存储的城市轨道交通信号安全预警方案,并从城市轨道交通信号安全风险特征性指标的设定、基于云存储的城市轨道交通信号安全风险评估、城市轨道交通信号安全风险预警等级的划分这三方面入手,针对该交通信号安全预警方案的设计与实现要点进行了说明。在此基础上,分析了该交通信号安全预警方案的应用成效,结果表明,这种方案的应用实效性与预警效果相对理想。

基于物联网的城市交叉路段交通信号智能控制方法

城市交叉路段交通信号采集系统采集到的信号频谱中线谱信号较少,导致采集速度较慢。为了解决上述问题,提出基于物联网的城市交叉路段交通信号智能控制方法。系统硬件选用FL2440微处理器处理数据,通过YHSG-86G的传感器放大信号。利用双通道模式输出通信数字,选择具备三路HDMI信号与一路HDMI信号自动切换功能的嵌入器。采用GH89S信号采集器提高系统对交通信号的采集效率。在硬件设计的基础上,引入模糊关联规则算法对交通信号数据进行挖掘,通过数据分类、挖掘交叉路段交通信号数据、信号标识、信号存储获取交通信号数据。以此实现城市交叉路段交通信号智能控制。实验结果表明,所提方法能够更清晰地显示出信号频谱中的线谱信号,提高信号的采集速度。

基于异步优势演员-评论家的交通信号控制方法

针对现有基于深度强化学习的交通信号控制方法的模型学习和决策成本高的问题,提出基于异步优势演员-评论家(A3C)算法的单交叉口交通信号控制方法.在模型输入端分别从交叉口和车道2个不同维度构建车辆权重增益网络,对采集的车辆状态信息进行预处理.设计新的奖励机制,提出融合车辆权重增益网络的A3C算法.基于微观交通仿真软件SUMO的仿真测试结果表明,相比于传统的交通信号控制方法和基准强化学习方法,所提方法在低、中、高3种不同的交通流量状态下,均能够取得更好的交通信号控制效益.

基于Dueling Double DQN的交通信号控制方法

为了提高交叉口通行效率缓解交通拥堵,深入挖掘交通状态信息中所包含的深层次隐含特征信息,提出了一种基于Dueling Double DQN(D3QN)的单交叉口交通信号控制方法;构建了一个基于深度强化学习Double DQN(DDQN)的交通信号控制模型,对动作-价值函数的估计值和目标值迭代运算过程进行了优化,克服基于深度强化学习DQN的交通信号控制模型存在收敛速度慢的问题;设计了一个新的Dueling Network解耦交通状态和相位动作的价值,增强Double DQN(DDQN)提取深层次特征信息的能力;基于微观仿真平台SUMO搭建了一个单交叉口模拟仿真框架和环境,开展仿真测试;仿真测试结果表明,与传统交通信号控制方法和基于深度强化学习DQN的交通信号控制方法相比,所提方法能够有效减少车辆平均等待时间、车辆平均排队长度和车辆平均停车次数,明显提升交叉口通行效率。

城市轨道交通信号电源系统的特点与发展趋势

随着城市发展和人口增加,城市交通问题日益突出,合理设置和管理城市轨道交通信号系统可改善城市交通状况,保障人们日常安全、便捷出行,推动经济社会快速发展。城市轨道交通信号电源系统主要为信号系统提供稳定可靠的电力供应,对于信号系统正常运行十分关键。深入研究信号电源系统的工作原理、性能特点与未来发展趋势,可以为城市轨道交通的可持续发展提供技术支持和保障。

基于实时图像处理算法的交通信号主动智能优化方法研究

为了提升城市交通的通勤效率,文中基于图像处理技术对交通信号灯的智能优化方案进行了研究。该方案引入了一种基于混合高斯模型的运动目标检测方法,可有效从道路背景中分离车辆的前景信息。并采用虚拟线圈法进行车辆统计,在识别出交叉路口的车道信息后按照不同车道分别统计车辆数量。同时还设计了一个以平均排队时长、排队长度和停车次数为优化目标的多目标约束规划模型,并通过粒子群算法完成了模型的求解。仿真结果表明,所提技术方案可适应不同交通流量交叉路口的车辆统计,且精度能够达到95.4%。相较于现有的Webster方案,文中信号灯优化方案的平均延误时间、平均停车次数与平均等待长度分别下降了2.76%、8.35%及12.44%。

基于SAC算法的多交叉口交通信号控制研究

针对深度Q网络(deep Q-learning network,DQN)算法在解决多交叉口交通信号配时方案由于外部环境变化和内部参数波动导致效果不佳的问题,提出了基于柔性“行动器-评判器”(soft actor-critic,SAC)的交叉口交通信号控制方法,并设计了相应的系统采样策略和回报函数.与原采样策略相比,新采样策略将相邻智能体的策略信息加入到系统状态中,使当前智能体能够得到更多的交叉口交通分布和合作策略信息.与原回报函数相比,新回报函数中引入空间折扣因子,缩小了相邻智能体的观察和回报值,使当前智能体更加关注和改善当前交通状况.随后在此基础上分别应用DQN和SAC算法设计交通信号控制方法.Webster配时法是利用相位流量数据开发的一种基于周期的固定相位长度交通信号方法,与DQN和SAC算法相比,其优化目标是降低交叉口延迟时间,不考虑交叉口排队长度.在城市交通模拟软件(simulation of urban mobility,SUMO)中构建一个时变交通流交通网络,并在其中分别对基于DQN、SAC和Webster配时法的信号配时控制方法进行仿真测试.仿真结果表明:基于SAC算法的交通信号控制方法与基于DQN算法和Webster配时法的交通信号控制方法相比,能够显著减少交叉口排队长度和平均延迟时间,具体来说,车辆平均排队长度分别减少了17.8%和28.2%,平均延迟分别减少了26.8%和36.3%,说明所提出的方法具有更好的控制效果.

雾霾天气下交通信号灯的识别

针对雾霾天气下交通信号灯定位准确率较低、图像增强时出现图像亮度不均匀的问题,该文提出一种基于改进的带色彩恢复的多尺度视网膜增强(Multi-Scale Retinex with Color Restoration,MSRCR)的雾霾天气下信号灯识别算法。首先利用改进的MSRCR算法对有雾图像进行预处理,校正图像亮度并丰富图像细节;再利用最大稳定极值区域(Maximally Stable Extremal Regions,MSER)算法以及信号灯的背板信息确定信号灯的位置;最后将定位区域转换至HSV空间进行信号灯识别。结果表明,该方法能够在雾霾条件下有效地定位及识别交通信号灯。

基于CBAM注意力机制的智能交通信号控制

针对智能交通系统存在的卷积神经网络特征提取能力弱和特征表达能力有待提升等问题,在深度双Q网络(double deep Q network, Double DQN)模型基础上提出一种基于卷积注意力模块(convolutional block attention module, CBAM)的深度强化学习模型,用于智能交通信号控制。在三维卷积神经网络中加入CBAM轻量注意力模块,通过通道注意力和空间注意力两个模块结构更好地捕捉特征之间的相互依赖关系,增强卷积神经网络的特征表示质量,从而提升对拥堵路段重点特征的关注度以缓解交通拥堵问题。在城市交通仿真器SUMO(simulation of urban mobility)上的实验结果表明,相较其他常用算法,本文算法提高了交通灯配时的效率和稳定性,可为交通配时优化技术提供可靠依据。

基于上下文多摇臂赌博机的交通信号控制算法

近年来,由于交通拥堵问题日益严重,引起了学术界对交通信号灯控制算法研究的广泛关注.现有研究表明,基于深度强化学习(DRL)的方法在模拟环境中表现良好,但在实际应用中存在着数据和计算资源需求大、难以实现路口之间协同等问题.为解决这一问题,本文提出了一种基于上下文多摇臂赌博机的新型交通信号控制算法.与传统方法相比,本文所提算法通过从路网中提取主干道的方式,实现了路口之间的高效协同,并利用上下文多摇臂赌博机模型实现了交通信号的快速、有效控制.最后,通过在真实数据集以及合成数据集上进行充分的实验验证,证明了本文算法相较于过去算法的优越性.