孙拓[1]2016年在《基于动态O-D反推与多目标优化的实时信号控制组合模型及算法》文中认为近年来,智能交通系统(Intelligent Transport System,简称ITS)快速发展,智能检测技术获取的短时交通流数据为先进的交通管理系统(Advanced Traffic Management System,简称ATMS)实现信号控制模型随着短时交通流变化而动态调整信号配时提供了有利条件,流量检测器仅能得到路段流量,动态O-D(Origin-Destination)量作为实时信号配时的重要输入参数,需要依靠动态O-D反推获取;而在实际路网中,实时信号配时的不断变化又将影响动态O-D量的变化。因此,动态O-D反推与实时信号控制作为ATMS的重要基础理论,紧密联系、相互影响,研究动态O-D反推与实时信号控制的组合模型,实现信号配时适应短时交通流动态调整的目标,对于缓解交通拥堵,提高城市路网的通行效率,减少城市路网延误、排队长度,使城市路网的交通管理与控制更加精细化具有重要作用。本文提出引道动态累计流量的概念来考虑信号控制与动态O-D反推的相互影响,以减少引道动态累计流量为目标,建立适用于路口、干线、区域路网的基于动态O-D反推与多目标优化的实时信号控制组合模型,根据动态O-D量的实时变化不断调整信号配时方案,实现减少延误和停车次数、提高有效通行能力的多目标优化,并提出模型的具体求解算法,通过案例研究说明了模型的有效性。主要包括以下3方面工作:1、路口信号控制组合模型。路口模型属于参数优化模型,以路口进出口流量的守恒关系建立平方和最小的动态O-D反推参数优化模型,同时建立引道动态累积流量最小化为目标函数的信号控制最优化模型,采用松弛处理的方法,将以上两个模型组成的双层最优化模型以罚函数加权的形式进行组合,得到路口的动态O-D反推与多目标信号控制的组合模型,单层模型采用精确罚函数算法求解,并以车辆平均延误、车辆平均停车次数、有效通行能力为组合模型案例分析的评价指标,将相序变化的单层模型、相序固定的单层模型、现状配时进行了对比分析。2、干线信号控制组合模型。干线模型首先设计了求解干线走行时间和动态O-D分配比例的时空序列离散化计算方法,在此基础上,建立了基于Kalman滤波的“反推+分配+修正”干线动态O-D反推模型,得到考虑信号控制影响的动态O-D流量,最后,以引道动态累计流量为动态O-D反推与多目标信号控制的传递变量,针对相位差的动态变化,构建了干线信号控制模型的信号配时计算方法,并以车辆平均延误、车辆平均停车次数、有效通行能力为组合模型案例分析的评价指标,与现状配时进行了对比分析。3、区域路网信号控制策略。区域路网信号控制策略建立在干线模型的基础之上,提出了建立区域路网动态O-D反推与多目标优化的实时信号控制策略的解决思路和技术框架。引入动态交通仿真来解决区域路网的路径选择作为动态O-D反推和信号控制模型的已知条件;通过引道动态累计流量作为动态O-D反推与多目标信号控制的传递变量,建立适用于区域路网的信号控制策略,一方面,采用Kalman滤波模型建立路口和全路网两步动态O-D反推模型,并将引道动态累计流量作为信号配时对动态O-D反推的影响引入到观测方程和走行时间中;另一方面,以动态O-D流量、动态分配比例、信号配时参数,输入路口排队消散模型,得到每个路口各个进口引道上的动态累积流量,进而得到信号配时。
赵小方[2]2016年在《基于博弈论的交通控制和动态网络均衡组合优化研究》文中研究说明随着国民经济的飞速发展,城市特别是大城市的交通拥挤日趋严峻。交通诱导和交通信号控制是交通管理与控制的重要手段,但以往大多数研究将交通诱导和信号控制割裂开来,影响交通管控的实际效果。基于此,本文同时考虑交通诱导和交通信号控制,对交通控制和动态网络均衡的组合优化问题进行研究,提高现有网络的利用效率,缓解交通拥堵。首先本文分别建立基于CTM的动态用户最优模型和城市交通信号控制优化模型,并利用有效算法进行求解。基于此,本文建立了基于博弈论的交通控制和动态网络均衡的组合优化双层规划模型。组合优化模型中的下层规划以网络均衡为优化目标,运用可以反映出交通流动力学特征的基于CTM和基于空间排队的动态网络加载模型,实现同一OD被同时使用的不同路径上的出行阻抗相等,最后,将均衡模型转化为变分不等式问题,并利用投影算法进行求解。模型中的上层规划是基于CTM的路网配时优化模型,该模型以系统总旅行时间最小为目标,约束条件包括各交叉口绿灯时间和相位,并设计了遗传算法的求解方式。进而,论文提出了一个基于下层投影算法和上层遗传算法的迭代优化分配启发式算法。最后,运用算例验证了模型算法的有效性。
杨东霞[3]2011年在《基于物理排队的城市动态交通信号优化控制研究》文中认为智能交通系统（ITS）的出现为解决交通拥挤、改善交通状况、提高道路的交通能力提供了新的途径。其中，先进的交通管理系统（ATMS）是ITS的核心部分之一，城市交通信号控制系统是ATMS关键部分，是解决交通问题的有效方法之一，而有效的交通信号控制依赖于对交通流动力学特征的准确建模。本文依托国家自然科学基金项目“考虑物理排队条件下多车型动态交通分配问题研究”，针对城市动态交通信号优化控制问题，基于具有物理排队的动态交通流模型，根据是否考虑交通网络用户的路径选择行为对交通流形态的影响，以两种方式展开研究：一种是不考虑路网用户的路径选择行为，研究城市动态交通信号优化控制问题，以给定的交通流形态为前提，采用单层优化策略，建立交通信号优化控制模型并求解，获得最优信号控制策略；另一种是考虑了路网用户的路径选择行为，研究动态交通信号控制与动态交通分配的组合优化问题，依据变化的交通流形态，采用双层优化策略，建立动态交通信号优化控制与交通分配的广义双层优化模型并求解，确定最优信号控制策略及优化路径流。主要研究工作及创新点如下：（1）研究了不确定交通需求下城市单路口动态交通信号优化控制问题。采用CTM（cell transmission model，CTM）来描述路口交通流的运行状况，反映交通流动力学特征，在考虑交通需求不确定性的情况下，建立了基于CTM的单路口动态交通信号优化控制模型，并利用遗传算法进行了优化求解。仿真结果表明：在未饱和、饱和及过饱和交通状况下，模型都能够有效地反映交通需求的不确定性对信号配时及车辆延误和通过能力计算产生的影响，实现了对单路口交通信号的优化配置。（2）研究了城市多路口交通信号多目标优化控制问题。以整个网络延误、油耗以及路网机动车尾气排放量（在过饱和交通状况下，考虑了系统通过能力）为优化目标，推导了基于CTM的油耗以及路网机动车尾气排放量计算公式，采用CTM来描述多路口交通流的运行状况，建立了基于CTM的城市交通信号多目标优化控制模型，并利用多目标遗传算法进行了优化求解。仿真结果表明：在多种交通流状况下，可以实现对交通信号的协调控制与优化设置。（3）研究了路网中多用户路径选择行为下的动态交通信号优化控制问题。利用具有物理排队的动态网络模型捕捉路网中排队后溢交通流动力学特征，在时变需求和控制策略下考虑了多用户路径选择行为，依据变化的交通流形态，建立了一个基于物理排队的多用户动态交通分配与交通信号优化控制的广义双层规划模型，并利用智能优化算法进行了求解，确定最优信号控制策略。仿真结果表明：在饱和及过饱和路网中，可以实现交通信号的优化设置和路径流的合理配置。（4）研究了路网中多车型随机用户路径选择行为下的动态交通信号优化控制问题。基于具有物理排队的多车型动态网络模型，建立多车型随机用户动态交通分配与交通信号控制的广义双层规划模型。上层是信号优化控制模型，考虑了多车型下的随机用户路径选择行为，确定最优信号控制策略使路网出行时间最小；下层为多车型随机动态交通分配模型，预测多车型用户对给定信号控制策略的响应，获得相应优化路径流。采用智能优化算法求解模型。仿真试验验证了模型的有效性。
常健[4]2000年在《交通分配和信号控制组合模型及算法》文中指出本文内容分为三个部分。第一部分系统地介绍了有关交叉口控制，交通分配的基本概念及性质；阐述了交叉口信号控制和分配的紧密联系。第二部分是在统一信号控制和交通分配的前提下，引入了在固定O-D需求量的饱和路网上，考虑排队和拥挤时，预测平衡流分配和优化信号参数的模型。此模型公式化为一双水平规划问题。对这一问题设计了两种基于灵敏度分析的启发式算法。通过一数值例题对比了两种算法的过程、应用及有效性。第三部分提出了多目标信号控制模型，它是上述模型的推广，其基本思想是：通过权衡信号延误和排队延误的关系，配置信号绿信比，从网络的角度平衡排队，使系统延误最小，从而提高道路及交叉口的服务水平，保证路网畅通、安全。
龙建成[5]2009年在《城市道路交通拥堵传播规律及消散控制策略研究》文中认为道路交通拥堵是城市交通问题的突出表现,是影响人们日常出行质量和出行费用的关键性因素。同时它还会诱发交通安全、交通环境污染以及交通能耗等诸多社会各界广泛关注的问题。当前,缓解和预防交通拥堵已经成为我国城市发展的当务之急,关系到我国城市的可持续发展。然而人们对于城市道路交通拥堵传播规律和消散机理缺乏足够的、准确的认识,这使得在实际缓解交通拥堵过程中存在一定的盲目性,缺乏有效的缓解与控制手段。因而,深入研究交通拥堵的产生根源、传播特性以及消散规律是解决交通拥堵问题的基础性工作。本论文从动态网络交通流理论出发,研究城市道路交通拥堵的传播规律,探讨一些典型的交通拥堵消散控制方法和策略。具体来讲,本论文研究工作主要有如下几个方面：(1)改进了元胞传输模型,并以此构建了动态网络交通流传播模型。和已有模型不同的是,本文在元胞传输模型的路段模型中考虑道路交通流中的回滞现象,以及在节点模型中考虑了交叉口的信号控制以及道路出口的渠化。此外,还提出了计算路段走行时间和路径走行时间的新方法,分别从路段和路网两个层面建立了交通拥堵的评价指标体系。(2)将元胞传输模型推广应用于模拟突发事件下交通拥堵的传播规律。以拥堵规模和拥挤延迟为评价指标,研究了路段下游渠化区的长度、停止线的宽度划分、事故位置以及路段长度等因素对交通拥堵传播的影响。依据交通拥堵传播的空间结构特征,利用车辆禁行这一临时性的交通管制措施,制定了线、面相结合的拥堵消散控制策略,应对交通拥堵的传播。仿真结果表明,合理地应用本文提出的拥堵消散控制策略可以有效地控制拥堵的消散。(3)构建了基于Cross Nested Logit模型的动态随机路径选择模型,运用元胞传输模型研究了动态随机用户均衡环境下的拥堵瓶颈识别问题。采用平均行程速度对交通拥堵瓶颈进行界定,探讨了交通需求与网络瓶颈形成之间的互动关系,分析了拥堵瓶颈的增长规律和拥堵瓶颈在网络上的分布情况。(4)信号优化控制与道路交叉口处的合理渠化是城市交通组织优化的重要组成部分,是缓解交通拥堵的有效方法之一。以均衡交叉口各车流方向的通行能力为目标,建立了固定信号配时和动态信号配时的极大极小优化模型。进一步研究了信号控制与道路出口渠化的组合问题及其模型和求解算法。在动态随机用户均衡环境下,研究了信号优化控制和道路出口渠化方法的有效性。此外,还对优化控制下的交通网络进行了拥堵分析和拥堵瓶颈识别。(5)转弯禁限措施是城市交通网络中常见而又低成本的交通管制措施,合理地运用该措施可以起到缓解交通拥堵的作用。以动态网络交通流为背景,构建了转弯禁限设计问题的双层规划模型：模型的上层以系统总阻抗最小为目标,考虑信号控制以及道路出口的渠化；模型的下层采用动态随机交通分配模型描述网络流量约束。运用遗传算法求解该双层规划模型。计算结果表明,在拥挤的交通网络中实施优化的转弯禁限措施可以显著提高网络的总体性能,大大降低网络的拥堵瓶颈规模。
连爱萍[6]2007年在《城市动态网络交通流分配及相关问题的研究》文中研究指明智能交通运输系统(ITS)作为一个先进的智能化的综合运输体系,是目前世界上所有国家正在大力发展和应用的现代化交通运输运作和管理系统。城市动态网络交通流分配理论是其中最重要的关键核心技术基础之一,同时交通控制系统与诱导系统的结合研究是交通管理发展的方向,两者集成与协同工作成为ITS研究领域的热点问题。本文在这个背景下,主要针对城市道路交通网络,研究基于道路交通流模型的动态网络交通流分配问题,并同时探讨高峰期拥挤路网条件下动态网络交通流分配与信号控制的组合问题。首先,针对基本的动态用户最优问题,运用了不同的数学语言——不等式来诠释动态用户最优条件,提出了与瞬时动态用户最优及理想动态用户最优条件等价的两个不等式问题,可以作为动态用户最优条件的等价性约束、最小路径阻抗及算法收敛准则。之后,采用道路交通流模型与网络交通流模型结合的方法,探讨了基于道路交通流的动态网络交通流分配问题,重点研究了三部分内容:针对经典LWR模型,研究了基于路段元胞传输模型的动态网络用户最优配流问题。模型中使用路段变量,为用户提供较全面的路段信息,基于元胞传输模型模拟了交通流在网络上的动态演化,设计了满足先进先出条件的实际路段阻抗计算方法,并进行满足DUO条件的动态网络交通流分配。将上述内容延伸,将刻画多用户混合交通流行驶特性的微观道路模型应用到模拟网络交通流的范畴上来,研究了基于道路交通流模型的多用户动态网络交通分配问题。模型以行驶速度对车辆进行分类,在考虑饱和拥挤排队及多种混合车流不对称影响的同时进行动态网络用户最优分配,使得同一类型车辆按照先进先出规则行驶。鉴于LWR模型的不足,进一步考虑将先进的道路交通流模型——速度梯度模型扩展到网络的层面上,用以解决网络交通流的动态演化,提出了基于速度梯度模型的动态网络流演化模型以及路段阻抗计算方法,为实现道路交通流模型与宏观网络交通配流较好的结合做了基础性的工作。最后,本文还针对高峰期拥挤路网条件下动态网络交通流分配与信号控制的组合模型及其求解算法进行了研究。在带有信号控制的动态拥挤路网中,设计了两种方法计算由网络均衡条件决定的拥挤排队延误;构建了高峰期拥挤路网条件下的动态网络交通信号最优配时的广义双层规划模型,进而根据模型特点,设计了基于混沌优化方法求解广义双层规划的有效算法,并通过数值算例对模型和算法的有效性及优越性进行了验证。
《中国公路学报》编辑部[7]2016年在《中国交通工程学术研究综述·2016》文中提出为了促进中国交通工程学科的发展,从交通流理论、交通规划、道路交通安全、交通控制与智能交通系统、交通管理、交通设计、交通服务设施与机电设施、地面公共交通、城市停车交通、交通大数据、交通评价11个方面,系统梳理了国内外交通工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。交通流理论方面综述了交通流基本图模型、微观交通流理论及仿真、中观交通流理论及仿真、宏观交通流理论、网络交通流理论;交通规划方面综述了交通与土地利用、交通与可持续发展、交通出行行为特征、交通调查方法、交通需求预测等;道路交通安全方面综述了交通安全规划、设施安全、交通安全管理、交通行为、车辆主动安全、交通安全技术标准与规范等;交通控制与智能交通系统方面综述了交通信号控制、通道控制、交通控制与交通分配、车路协同系统、智能车辆系统等;交通管理方面综述了交通执法与秩序管理、交通系统管理、交通需求管理、非常态交通管理;交通设计方面综述了交通网络设计、节点交通设计、城市路段交通设计、公共汽车交通设计、交通语言设计等;地面公共交通方面综述了公交行业监管与服务评价、公交线网规划与优化、公交运营管理及智能化技术、新型公交系统;城市停车交通方面综述了停车需求、停车设施规划与设计、停车管理与政策、停车智能化与信息化;交通大数据方面综述了手机数据、公交IC卡、GPS轨迹及车牌识别、社交媒体数据在交通系统分析,特别是在个体出行行为特征中的研究;交通评价方面分析了交通建设项目社会经济影响评价、交通影响评价。
张治觉[8]2004年在《交通分配和信号控制组合模型及算法研究》文中提出对传统的信号控制模型进行简化 ,既能使系统的总延误最小 ,又能保证交叉口的通行能力满足各个路段的交通需求 ,从而提高交叉口的交通效益 ,并针对模型的特点设计一种启发式算法——广义的拉格朗日算法 ,通过简单的算例说明算法是有效可行的
王园园[9]2008年在《交通影响分析中考虑交叉口延误的交通分配》文中研究指明随着我国城市化进程和经济发展,机动车拥有量和出行量迅速提高,随之而来的是日益严峻的交通拥堵问题。土地开发是交通产生吸引的最主要因素,而在城市化进程中分析土地开发对交通系统带来的影响,对开发土地进行有序合理的引导,从而降低其对城市交通系统带来的负面作用有着十分重大的意义。在交通影响分析中确定基地开发对周边道路系统的动态影响主要靠交通预测技术,而其中交通分配是影响程度确定的关键。本文针对城市道路的主要拥堵环节交叉口,提出了在交通影响分析分配中考虑交叉口延误的分配方法。对不同类型的交叉口延误的计算模型进行了总结,主要分为定时信号控制交叉口,无信号控制交叉口。城市道路交通分配一般考虑高峰时间道路运行情况,而这种情况下均衡模型是目前为止最适合的。对均衡分配模型进行了总结,主要包括确定型用户均衡(DUE),随机型用户均衡(SUE)。城市道路中交叉口延误是机动车路径选择的一个不可缺因素,在一般均衡交通分配模型中引入交叉口延误,同时考虑到一般城市交通控制信号和渠化随流量的调整在其中又引入信号渠化优化,建立了一种交通控制和交通分配组合模型(CATA)。分析了交通影响分析中交通分配的重要性和技术特点,需要结合信号和渠化对交叉口进行客观的服务水平评价。对于基地流量和背景流量的分配进行了对比,得出了适用条件和推荐方法。最后,将建立的交通分配方法在《长沙新城新世界交通影响分析》项目中进行了实例测试,取得了比较满意的效果,并进行了总结。
杨东霞, 巨永锋[10]2012年在《多用户动态交通分配和信号优化的组合研究》文中研究说明提出了一种饱和路网中考虑多用户行为下的动态交通分配和交通信号优化的组合模型。模型采用广义双层规划来表示。模型的上层是信号控制优化,下层是考虑多用户路径选择条件下的动态交通分配,进行交通网络流的配置。同时,模型中采用具有物理排队的动态网络模型,从而考虑了饱和路网中物理排队对基于路段的网络条件的影响。通过仿真说明了饱和路网中考虑多用户行为下的动态交通分配和交通信号优化的组合模型可以实现交通信号的优化配置和交通网络流的优化,并反映了排队的物理效应。
参考文献：
[1]. 基于动态O-D反推与多目标优化的实时信号控制组合模型及算法[D]. 孙拓. 北京建筑大学. 2016
[2]. 基于博弈论的交通控制和动态网络均衡组合优化研究[D]. 赵小方. 北方工业大学. 2016
[3]. 基于物理排队的城市动态交通信号优化控制研究[D]. 杨东霞. 长安大学. 2011
[4]. 交通分配和信号控制组合模型及算法[D]. 常健. 大连理工大学. 2000
[5]. 城市道路交通拥堵传播规律及消散控制策略研究[D]. 龙建成. 北京交通大学. 2009
[6]. 城市动态网络交通流分配及相关问题的研究[D]. 连爱萍. 北京交通大学. 2007
[7]. 中国交通工程学术研究综述·2016[J]. 《中国公路学报》编辑部. 中国公路学报. 2016
[8]. 交通分配和信号控制组合模型及算法研究[J]. 张治觉. 交通科技. 2004
[9]. 交通影响分析中考虑交叉口延误的交通分配[D]. 王园园. 同济大学. 2008
[10]. 多用户动态交通分配和信号优化的组合研究[J]. 杨东霞, 巨永锋. 计算机工程与应用. 2012
标签：数学论文; 交通论文; 用户研究论文; 网络模型论文; 组合优化论文; 用户分析论文; 路径分析论文; 算法论文;