T形交叉口信号配时的周期线性微分自动机建模与分析

本文将周期线性微分自动机(CLDA)理论应用于T形交叉口的信号配时问题.建立了T形交叉口排队的一类特殊形式的CLDA模型–切换服务系统.在假定车辆到达率和驶离率满足某种条件的情况下,基于该模型证明了在定相序情况下按照车辆排空后切换信号的配时策略能使车辆排队长度全局周期稳定,并给出了信号配时周期的计算公式.以北京市怀柔区富乐大街处的T形交叉口为例,针对全天候的车辆到达率和驶离率变化情况,应用本文结果进行了分时段信号配时.并使用CheckMate 3.6混杂系统工具箱进行了仿真,仿真结果进一步验证了本文结论的正确性.

单交叉口多相位在线Q学习交通控制模型

为了优化交叉口信号配时,通过集成Excel VBA-Vissim-Matlab的仿真平台,建立了以总关键排队长度之差最小为优化目标的单交叉口在线Q学习模型,包括定周期和不定周期两种模式的Q学习配时模型。针对控制性能指标相对于邻近的配时方案不敏感的特点,提出了以平均总关键排队长度之差作为基本单位重新构造奖励函数,目的是拉大各行为对应的Q值差距,提高模型的收敛速度和鲁棒性。通过算例,将定周期Q学习配时方案、不定周期Q学习配时方案与Transyt配时方案进行对比。研究结果表明:以总关键排队长度之差作为优化目标能够优化整个交叉口的时空资源,建立的在线Q学习模型具有较高的准确性、鲁棒性和学习能力,通过学习能够实现优化目标。同时,还探讨了流量变化情况下不定周期Q学习配时模型的性能。

交通信号优化设置模型的建立与求解

交通信号控制系统是集现代计算机、通信和控制技术于一体的区域交通信号实时联网控制系统本文通过从交通状况的表征公式入手,建立了交通配时周期的可行域与交叉路口流量以及路口总损失时间之间的联系,最终建立以平均延误时间最小为目标,配时周期处于可行域内为约束条件的优化模型。本文通过遗传算法求解模型,以一定概率接受可行域外的种群,然后让种群慢慢逼近到可行域范围内,再让种群在可行域内迭代。对于迭代到可行域之外的群体降低它的适应度,使得最终结果对既收敛到最优解又满足约束条件。本文以车辆延误率作为评价指标,其仿真结果说明用该方法得到的信号灯配时方案比原有定时方案更有效。