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,并给出该模糊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。

一种基于Agent的单路口交通信号学习控制方法

Agent技术是从分布式人工智能领域中兴起的研究热点 .论文将Agent与经验知识和加强学习方法中Q -学习算法相结合 ,应用到城市交通信号控制领域中 ,解决单个路口的动态实时问题 .通过在仿真环境下的对比 。

单路口交通多相位模糊控制器的设计与仿真

用模糊控制方法对单路口多相位的交通信号进行控制,提出以当前相的主队列和后继相的主队列决定信号配时的方法,并用Matlab及其模糊逻辑工具箱实现二维模糊控制器。以通过交叉口的平均车辆延误作为评价指标,衡量该控制器的控制性能,采用Matlab编程设计实现了交叉口六相位的仿真系统,仿真结果表明控制效果比较好。

单路口交通信号多相位实时控制模型及其算法

针对城市道路交叉口的交通流特性,对单路口交通信号多相位实时控制的模型和算法进行研究.首先提出一种改进的单路口交通信号多相位实时配时模型,该模型可反映交叉口交通状况的实际需求.同时,采用能随交通需求的变化而实时变化的加权系数,将交叉口3个优化目标函数转化为单目标函数优化的问题.为提高模型的计算速度以及降低交叉口信号机的单机计算量,采用蚂蚁算法中的精英蚂蚁寻优策略求解模型.最后,以伪代码的形式设计了求解该问题的程序流程,并通过一个实例验证了模型及其求解算法是合理的和有效的.

单路口交通实时模糊控制的一种方法

根据城市交通系统的实际状况，依据单路口４个方向车流的来车信息，提出了一种单路口交通模糊控制方法——多级模糊控制方法，设计了多级模糊控制器，并对该控制器进行了仿真研究，结果令人满意．

单路口双系统模糊控制策略

针对平面交叉路口的交通信号控制 ,提出了一种双系统控制策略 .主系统确定了信号周期及多相位控制过程 ,辅助系统在不改变主系统的前提下控制受约束的方向上右转车辆的信号 ,两个系统共同决定了交叉路口信号灯的配时方案 .仿真实验表明本文提出的方法能有效地减小车辆排队长度 。

基于云模型的单路口交通信号自适应控制方法研究

为了减少车辆通过路口的延误,提出了一种基于云模型的单路口交通信号自适应控制方法;使用云模型作为信号控制的基础模型,利用云模型中的正态云发生器和前件云发生器算法分别对道路交通信息进行处理并产生自适应的控制规则,以实现单路口交通信号的自适应控制;通过仿真实验,结果表明,使用云模型作为控制方法,比较传统控制方式更具智能化,更接近于人脑思维过程的控制方法,这也是将来交通信号控制的发展方向。

一种城市单路口交通两级模糊控制方法

依据单路口4个方向车流信息,提出一种单路口交通两级模糊控制方法,采用模糊控制技术,无需建立精确的数学模型,对两相位的交叉路口,是一种基于车辆等待长度的单点信号交叉口交通实时模糊控制方法。根据城市交通实际状况,在考虑每个相位的关键车流和非关键车流的车辆到达交叉口信息的基础上,提出更有效的单路口交通实时模糊控制方法,并对该控制器进行仿真研究,仿真结果达到预期要求。

单路口低饱和交通流的多相位混沌控制仿真研究

交通流是一个复杂的动态非线性系统,有时会出现混沌现象,混沌交通流的表现形式是交通无序状态。对混沌交通流,模糊控制受其原理限制,缩短延误时间的控制效果不佳。本文以低饱和交叉口信号控制问题为研究对象,提出了针对混沌交通流的实时混沌引导控制方法,并设计了相应的混沌控制器。利用MATLAB软件完成的仿真表明,混沌引导控制能将无序的交通流有序化,降低延误,增大道路通行能力,其效果优于模糊控制。

单路口右转信号的模糊控制策略

针对单路口右转车辆在转入方向车流稀疏的情况下仍在等待而造成不必要延误的现象作了分析 ,基于人的对单路口右转车辆控制决策过程 ,提出了一种控制算法并设计了模糊控制器 ,把禁行方向机动车和自行车队长度作为输入 ,以此来决定下一相位右转车辆绿时提前的时间 (前时 )长短。仿真结果表明

城市单路口交通模糊控制系统的实现

提出一种基于车辆等待长度的城市单路口模糊控制方法，并在现有交通信号机的基础上予以实现。

基于模糊控制的单路口交通信号控制方法

利用模糊控制不需要建立被控对象精确数学模型的特点,提出了一种基于车辆等待长度的单路口交通实时模糊控制方法,仿真结果说明了该方法的有效性。

单路口信号灯F-GA-F控制策略研究

论文提出了单路口信号灯F-GA-F控制策略,该策略利用预估车流模糊推算下一个周期的值,采用遗传算法优化目标函数,得到各个相位的绿灯时间,然后,对各个相位的绿灯时间采用模糊控制实时地进行调整,使单路口在一个周期时间里的交通流量最大。计算机仿真结果表明,控制策略性能优良。

城市单路口模糊控制系统的实现

本文提出一种基于车辆等待长度的城市单路口模糊控制方法，并在现有交通信号机的基础上予以实现。

全网络神经模糊控制在城市单路口交通实时控制中的应用

在已有城市单路口交通模糊控制方式和控制策略的基础上 ,提出了基于全网络化结构的神经模糊控制方法。方法考虑了影响信号灯控制策略的各种因素 ,根据分级并行控制思路 ,对车流采用不同的优先级和不同的控制策略进行协调控制 ,提高了系统的实时性 ,降低了系统的复杂性。采用 6层全网络结构的神经网络进行了控制算法的实现 ,并利用已有数据对神经网络进行了学习训练 。

城市单路口交通的两级模糊控制及其仿真

在Ｐａｐｐｉｓ法的基础上，提出城市单路口交通的两级模糊控制方法，计算机仿真表明，其结果令人满意。

单路口信号灯模糊-遗传算法优化配时研究

介绍了一种单路口信号灯模糊-遗传算法优化配时方法,把路口一个周期内车辆平均延误作为目标函数,用线性预估方法,根据上一周期和本周期的车流量预估下一个周期的车流量,把预估车流量和前两个周期的车流变化作为输入量,用模糊控制器推算出下一个周期的时间长度,然后用遗传算法优化目标函数,从而得到最优配时方案。计算机仿真结果表明,模糊-遗传算法优化性能良好。

基于Q学习的单路口交通信号协调控制

Q学习通过与外部环境的交互来进行单路口的交通信号自适应控制。在城市交通愈加拥堵的时代背景下,为了缓解交通拥堵,提出一种结合SCOOT系统对绿信比优化方法的Q学习算法。本文将SCOOT系统中对绿信比优化的方法与Q学习相结合,即通过结合车均延误率以及停车次数等时间因素以及经济因素2方面,建立新的数学模型来作为本算法的成本函数并建立一种连续的奖惩函数,在此基础上详细介绍Q学习算法在单路口上的运行过程并且通过与Webster延误率和基于最小车均延误率的Q学习进行横向对比,验证了此算法优于定时控制以及基于车均延误的Q学习算法。相对于这2种算法,本文提出的算法更加适合单路口的绿信比优化。

双周期信号配时法在单路口实时控制中的应用

双周期信号配时法(Double-CycleSignalTimingAlgorithm,以下简称DCSTA法),是一种交通路口信号配时方法,已经成功应用于单交叉路口的静态控制。论文将在此基础上,考虑实时性的要求,提出单交叉口的实时控制算法。该算法已经编成一个模块集成于微观交通仿真系统软件中。模拟实验结果证明了DCSTA法应用于实时控制的可行性与有效性。

基于在线学习的单路口信号灯强化学习控制

单路口交通信号灯控制是交叉口线控、面控的基础。文章将强化学习方法中的sarsa算法应用到城市交通信号灯控制领域,解决单路口的动态实时问题,通过仿真环境下的对比,证明该方法具有良好的控制效果。