智能网联环境下交叉口信号控制研究

在这个处处交相辉映的智能网联世界里,道路交叉口的信号控制问题无疑成为了大家广泛讨论的话题。如今,凭借信息取得和交流的便利,交叉口信号控制策略的实施已经初现锋芒。那就是一种跃然于纸端,基于车辆间的互通信号以及车辆与基本设施的通讯的新方法,这给智能交叉口信号控制指出了一条新的途径。这种策略可以通过车辆的运行信息——速度、位置等等,配合交叉口实时的车流数据,竟然可以打破传统的固定信号控制,实现交叉口信号的动态控制。这一新策畭不仅能有效缩短车辆在交叉口的等待时间以及行驶的总时长,也能提高交叉口的通行能力,更是可以极大提升整个道路网路的效能。无疑,这项新策略的出台会给交通信号控制的理论研究和实验操作带来新的突破和启发,同时对于缓解城市交通堵塞,提升道路运输效率也具有深远的意义和价值。

基于A2C的匝道相联交叉口信号控制优化

城市快速路的交通运行效率对于整个城市的顺畅通行至关重要,在早晚高峰期间,受限于相连接辅路的交通承载能力,快速路上较大的交通流量无法顺利从出口匝道驶入目标路段,在匝道上形成排队现象,严重时会导致匝道回溢,使快速路上车道由于被占用而产生交通瓶颈,造成较大的交通出行损失.利用深度强化学习算法进行出口匝道相关联的道路交叉口信号控制优化,将信号灯设为智能体,通过设置检测器,将快速路出口匝道及交叉口的交通运行情况作为智能体获取的状态信息,引入以辅路与出口匝道剩余通行能力之比为动态修正参数的奖励函数,在保证匝道交通运行效率下,完成交叉口信号优化过程.以中国北京市东三环快速路及某关联交叉口为例,借助交通仿真平台SUMO(simulation of urban mobility)及Traci库搭建仿真环境进行实验.结果表明,基于改进A2C(advantage actor critic)算法的信号控制方法在控制效果上优于传统信号控制以及基于深度Q网络(deep Q-network,DQN)算法的信号控制方法,在出行高峰期间能够有效降低匝道回溢的发生概率,有效改善辅道相联交叉口的通行效率.

基于强化学习的交叉口智能网联车多目标通行控制方法

针对传统控制方法下的智能网联车辆(connected and autonomous vehicle,CAV)在动态交通环境中通行能耗较高且效率较低等问题,研究了基于强化学习的CAV通行控制方法,旨在降低车辆能源消耗,提升车辆通行效率以及行驶舒适度。通过考虑CAV与交叉口信控系统的信息交互和物理环境,收集信号相位和信号配时(SPaT)以及前车速度和位置等信息,构建强化学习框架的状态空间。以电池能量回收的上限作为边界条件,建立CAV的行驶能耗模型,并基于车辆行驶的关键特征指标,如单位时间电能能耗、通行距离以及加速度变化率,设计多目标加权奖励函数。利用层次分析法确定各指标的权重,进而采用深度确定性策略梯度算法对模型进行训练,并通过梯度下降方法对算法参数进行调整和更新。采用SUMO平台开展仿真实验,实验结果表明:在设计的算法控制下的CAV各方面行驶性能最为均衡,相较于DQN算法电能消耗和加速度变化率均值分别降低了9.22%和18.77%;相较于Krauss跟驰模型行程时间缩短了8.39%。本研究提出的CAV通行控制方法在降低车辆能耗、提高行驶效率和舒适性等方面具有较好的可行性和有效性。

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.

基于智能信号控制系统的交叉口公交优先实现路径

城市化进程的加快和机动车数量的急剧增加,使得城市交通拥挤问题日益凸显,合理的交通信号控制方法能够有效地缓解交通压力,公交优先是一种有效缓解交通压力的方式。随着智能网联汽车技术的快速发展,交通控制策略已成为解决交通拥挤和维护交通安全的关键。针对公交车通过城市交叉路口要优先满足公交先行的要求,研究基于智能信号控制的公交优先策略,通过对信号灯的合理配时,对道路空间和时间优先权进行合理化设计,确保路网通畅;搭建的交叉口公交优先智能信号控制系统,通过对公交车流量检测、定位、处理、反馈等合理进行相位控制,实现公交车在空间通行权上的优先,提高公交车辆通过交叉口的运行效率,满足客流需求,缓解交通压力;也可推进节能减排,降低碳排放量。

智能网联环境下无信号控制交叉口可穿越间隙分析与预测

无信号交叉口环境下,可穿越间隙会随着车速、流量以及智能网联车辆渗透率的变化而波动。利用驾驶模拟器搭建无信号交叉口环境下的智能网联车辆混行场景,对不同交通流状态下驾驶员的驾驶行为、心理特性进行实验;选取速度、加速度、瞳孔直径以及瞳孔直径变化率作为驾驶员的生/心理指标,结合主成分分析和k-means聚类算法对其进行定性与定量分析;仿真结果表明:在不同交通流状态下,驾驶员的驾驶行为发生了明显的改变,可划分为三个等级:“无感无行为间隙”、“有感无行为间隙”、“有感有行为间隙”。实验结果为智能网联环境下无信号交叉口的控制方法提供了数据及理论基础。

城市道路隧道出口与信号灯控制平面交叉口安全间距研究

隧道和平面交叉口是山区城市道路的重要组成部分,其合理的间距将直接影响城市道路的行车安全和通行效率。通过对城市道路隧道出口与信号灯控制平面交叉口安全间距界定,分析计算相关影响因素,建立了城市道路隧道出口与信号灯控制平面交叉口安全间距计算模型,对其安全间距进行研究,可为同类工程提供参考。

城市道路信号控制交叉口可变进口车道分时段方案优化方法

针对由于交通需求波动而导致的交叉口拥堵问题,提出了一种城市道路信号控制交叉口可变进口车道分时段方案优化方法。首先出于驾驶员能够适应车道功能变化的安全考虑划分时段,枚举出所有时段划分方案;其次,利用遗传算法分别计算每个方案的累计饱和度,经过分析对比最后输出最佳划分方案下的车道功能属性和信号配时方案;最后用VISSIM进行仿真,结果显示优化前的进口道延误之和为412.9s,优化后为382s。整个进口道的延误下降了9.01%。实施分时段方案优化方法的进口道的延误之和由152.4s变为了133.3s,延误下降了12.53%,有效提高交叉口运行效率。

道路交叉口信号控制方法的智能化探索

借鉴定时交通信号控制方法,在对交叉口的实际交通状况进行调查、分析的基础上,建立单个道路信号交叉口的交通控制方法,同时,考虑道路交通流变化的不确定性,通过实时配时方案调整适应交通流的变化.研究结果表明,智能型交通控制方法更能适应交叉口复杂多变的交通状况,对减少车辆延误具有明显效果.

车路协同下道路交叉口信号控制优化方法

车路协同系统能实时获取车辆个体的运行状态信息,并能通过速度引导实现车辆与交通控制系统之间的动态交互,为交通信号控制提供了新的数据源和技术手段.分析了现有车路协同下交通信号控制方法存在的不足,引入基于时间窗的滚动预测方法,提出了改进的交叉口信号控制优化流程;将相位饱和度作为表征信号控制效果的指标,在考虑速度引导对车辆运行状态影响基础上,建立了车路协同环境下道路交叉口信号控制优化方法和模型.运用VISSIM软件进行了仿真实验,结果表明,本文方法优于感应控制方法,在各种交通流量下均能有效降低交叉口平均延误和停车次数.

基于可变相位时长的网联车队交叉口通行信号控制方法

城市信号交叉口是城市交通网络的重要节点、也是交通事件的频发区域之一。为提高网联车队在交叉口处的通行效率,降低车辆平均停车延误,提出一种车联网环境下基于可变相位的车队交叉口信号控制模型。根据车辆初始速度与车辆加入随机性,引导车辆以固定间距车队形式通行;通过信号控制区域栅格化处理,收缩车辆停车等待时间,减少车辆平均停车延误,并对周期内各相位放行时间进行优化,调整绿灯相位时长使车队完整通过交叉口。利用SUMO仿真软件对实际交叉口采集真实数据进行验证,将提出方法与现有信号控制方法进行比对,分析不同放行方式下的延误。结果显示,其效果在平均延误方面减少43.10%和10.86%,平均排队长度减少38.46%和13.80%。构建的方法有较好的可行性与适用性,可以为城市网联信号控制优化提供借鉴与参考。

利用模拟方法进行信号灯控制交叉口道路交通噪声特性分析

介绍了道路交通噪声计算机模拟采样系统软件。利用采样系统软件模拟实际的道路交叉口交通噪声观测过程 ,得到所需的一系列噪声观测值和统计值。对这些统计值进行分析 ,得到了信号灯控制交叉口道路交通噪声的若干重要特性 ,并对信号灯控制交叉口交通噪声的影响因素进行了敏感性分析。

基于多智能体和模糊控制的道路交叉口建模与仿真

利用Agent技术对道路交叉口进行建模,着重介绍了交叉口Agent的内部结构和控制策略.在交叉口控制中应用模糊理论和蚁群算法,提出了一种具有自学习机制的交叉口信号模糊控制方法.对模糊控制规则应用蚁群算法进行优化,使得交叉口Agent具有自学习能力.编制交叉口Agent的仿真程序,将所研究模型的控制效果与传统模糊控制模型的效果进行了比较.仿真实验的结果表明:具有自学习机制的交叉口信号模糊控制方法的效果明显优于传统的模糊控制方式.

基于信号控制的城市道路环形交叉口通行能力分析研究

城市道路环形交叉口同一般平面交叉口相比,具有冲突点少、车流连续、行驶安全、便于管理等优点,在许多城市道路交叉口采用。然而,随着城市道路交通需求量的不断增加,原有许多环形交叉口的通行能力无法满足这种需求,交通问题日益尖锐。如何有效地利用环形交叉口的时空资源,最大限度提高交叉口通行能力,是从交通信号控制角度研究解决环形交叉口交通问题的有效途径。

城市道路交叉口行人过街信号控制问题分析

行人交通是城市交通体系中非常重要的部分,在城市交通出行中占有很大比例。然而,中国20多年的快速城镇化过程中,往往更多关注高速增长的机动化交通,行人交通的地位越来越被边缘化。重点对中国城市道路交叉口行人与机动车的冲突问题进行了分析,指出行人过街设施在规划设计及信号控制方面,以及现行法律法规相关规定的不足。针对行人清空灯色的设置,提出中国应采用红闪作为行人清空信号的建议。最后,围绕行人与右转、左转机动车的冲突问题,提出了若干在一定条件下可能有效的信号控制策略。

道路信号交叉口智能型交通控制方法研究

本文以模糊理论为基础，在借鉴既有定时交通信号控制方法，并在对具体交叉口的实际交通状况进行调查、分析的基础上，建立单个道路信号交叉口的交通控制方法。本方法考虑道路交通流变化的不确定性，通过实时配时方案调整适应交通流的变化。研究结果表明，智能型交通控制方法更能适应交叉口复杂多变的交通状况，对减少车辆延误具有效果明显。

道路交叉口信号的模糊神经网络控制

应用模糊神经网络对交通系统进行控制是一种新的尝试 ,它可以充分发挥模糊逻辑和神经网络的优势 ,实现更为有效的控制。提出了一种基于模糊神经网络的道路交叉口交通信号控制方法 ,根据两相位的关键车流信息来决定绿灯延长时间 ,形成控制策略。仿真结果表明 ,与传统的定时控制方法相比 ,所提出的神经网络控制方法在车辆平均延误时间和排队长度方面都有较大改进 ,该方法有效。

无信号控制交叉口次要道路通行能力研究

为了更好地计算城市无信号交叉口次要道路的通行能力,对驾驶员通过无信号控制交叉口次要道路时的驾驶行为进行分析,发现部分驾驶员在通过交叉口时等待时间具有随意性;并对现有次要道路通行能力计算公式的使用范围进行分析说明,提出计算无信号控制交叉口次要道路通行能力的改进模型;通过对西安市若干无信号控制交叉口的调查,发现改进后模型的计算结果与实际交通状况较符合。

城市物流配送与平面道路交叉口交通信号控制

介绍城市物流配送对道路交通的依赖性;分析平面道路交叉路口交通信号控制的当前状况,研究探讨了对物流配送的影响。

智慧交通背景下道路交叉口交通流控制探讨

随着我国城镇化的持续推进,各种机动车辆数量迅猛增长。为了提升道路交叉口交通控制水平,总结了道路交叉口类型和交通特性,融合GPS系统和DR系统提出一种新的车辆定位模型(EKF模型),为交叉口交通流控制奠定基础。同时,探讨了交叉口信号灯的信号损失时间、最佳周期时长、有效绿灯时间等参数计算方法,研究成果可为道路交叉口交通流控制提供理论指导。