高速路入口匝道的模糊神经网络自适应协调控制

为了实现高速公路多路段入口匝道的协调控制,提出了一种基于模糊神经网络的自适应协调控制方法.该方法首先利用模糊规则实现了相邻路段间交通状态的协调,并对匝道排队进行调节,使其不超过最大排队长度.然后,在神经网络权值优化过程中,采用遗传算法对隶属度函数进行优化,避免算法收敛于局部最优解.该方法具有不依赖于系统的精确模型、控制算法能自适应外界变化、可实现多路段间协调控制等优点.仿真结果表明,该方法对3个路段的高速公路入口匝道能够较好地实现自适应协调控制;与经典的ALINEA方法相比,优化速度更快,在抑制交通密度波动和排队长度增长方面效果更好,对道路容量的利用也更加充分.

基于集值统计的高速公路出入口匝道安全评价方法

为了解决出入口匝道安全性问题,减少高速公路出入口匝道事故率,通过对高速公路出入口匝道安全现状进行分析,从道路因素、车辆因素以及其他因素方面选取9个评价指标分析高速公路出入口匝道的安全状况,应用集值统计法确定各个指标的权重,通过对出入口匝道设计参数的分析,评价高速公路出入口匝道的安全性。应用建立的出入口匝道安全评价模型对仁赤高速公路某典型的出口匝道进行了详细的安全评价。

高速公路出入口匝道安全性评价方法研究

为了解决出入口匝道安全性问题,减少高速公路出入口匝道事故率,从道路因素、车辆因素及其他因素选取评价指标构建模糊综合评价模型,对高速公路出入口匝道的安全性进行评价,并采用层次分析法计算各因素的权重。应用该评价模型对仁赤高速公路K15+225 m出口匝道进行详细的安全评价,并针对评价结果给出相应的安全改善措施。另外,应用该模型还对仁赤高速公路全线12个出入口匝道的安全性进行评价,结果表明:58%以上的出入口匝道处于临界安全状态。

高速道路入口匝道控制方法及应用探索

入口匝道控制是高速道路交通管理与控制的重要方法。对国外高速道路入口匝道的交通机理和控制方法进行系统分析和总结,重点对国外典型的多匝道动态协调控制算法进行论述,并对今后的研究方向提出展望。最后结合国内的实际情况,从交通量、几何线形、通道控制、协调配合、政策制定、仿真评价等方面对入口匝道控制在国内的相关工程应用做了初步探索。

智能网联汽车基于分组交替的协同合并策略

为了提高高速入口匝道车辆合并效率,减少油耗,提出基于分组交替的协同合并策略。协同合并的主要挑战是如何保证计算效率的同时提高交通性能,因此,通过设计通行顺序调整算法,优化车辆通行顺序,简化协同合并的复杂度;同时结合智能网联汽车和协同合并的特点,重新构建车辆运动规则,保证行车安全,避免走走停停。结果表明:与无控制和先进先出策略相比,新策略的吞吐量分别提升3.19%和27.34%,平均延迟分别下降18.60%和76.57%,总油耗分别减少35.48%和14.41%;新策略能够适用于不同的交通流场景,满足交通系统的实时性要求,提高高速入口匝道的通行效率并减少油耗。