城市交叉口群协调控制方法研究

发布时间：2020-07-30 05:50

【摘要】：机动车保有量的持续增加和城市化进程的不断加快,导致交通拥堵现象愈演愈烈,使路网交叉口群的有效控制成为智能交通领域的研究热点。在实际应用中,交叉口群的控制不仅受到车辆和行人等因素的影响,而且还受到路网密度、路段情况和交叉口信号灯等因素的影响。因此,综合各类交通因素,准确识别交叉口群的交通状态,按照相应原则对其进行子区划分并协调控制子区内各个交叉口的交通信号,能够在很大程度上降低路网交通延误以提高其整体通行效率,从而有效缓解交通拥堵。本文从交叉口群的交通状态识别、关联交叉口子区划分以及子区信号控制三个方面对城市交叉口群的协调控制方法展开研究。主要工作如下:1.研究交叉口群的交通状态识别问题。针对交通流在路段和交叉口之间具有连续性以及各指标对识别结果贡献不同而造成交通状态识别率较低的问题,提出一种基于改进模糊聚类算法的交通状态识别方法。通过将路网中关键交叉口和其上游路段作为一个识别单元,引入信息熵理论确定各指标权重以改进模糊聚类算法的目标函数,利用改进算法对交通数据进行聚类以提高交通状态识别率。2.研究关联交叉口子区的动态划分问题。针对交叉口间距、信号周期和交通流量等划分因子未能全面体现出各类关联性因素的问题,提出一种基于改进软集合的关联交叉口子区动态划分方法。通过综合考虑交叉口关联性的动、静态因素并选取5个划分因子,将划分因子集合与其对应的权重共同作为软集合的输入,将相邻交叉口的协调系数作为软集合输出,根据输出值的大小实现关联交叉口子区的合理划分。3.研究子区交叉口的信号协调控制问题。针对相邻交叉口存在关联性和遗传算法早熟收敛的问题,提出一种基于改进遗传算法的子区信号优化方法。通过将具有强关联性的交叉口作为一个信号控制单元,一方面,引入小生境思想的共享函数对算法的群体适应度进行调整,另一方面,自适应地调整遗传算法的交叉概率和变异概率,利用改进算法对平均延误时间进行优化以实现交叉口的有效控制。
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U491.54;TP18
【图文】：

技术路线图,技术路线,课题

图 1.2 课题技术路线4 结构安排本文共分为五章，主要内容如下：第 1 章绪论。对课题的研究背景和意义进行介绍，对国内区划分和区域控制的研究现状进行分析，并对现有研究存在的进行总结，以此简要说明了本文的主要工作和结构安排。第 2 章理论基础。介绍了交通控制技术、交通参数、评价指、软集合理论和遗传算法。第 3 章基于信息熵加权的 FCM 交通状态识别。本章节建立元和交通阈值表，利用信息熵求解出各参数的权重并以加权欧类算法的目标函数。通过 MATLAB 平台对交叉口群的交通数改进前后算法的聚类结果，得出该方法具有较高识别率。第 4 章基于改进软集合的关联交叉口子区划分。本章节介绍其计算公式，利用信息熵法进行各因子权重的计算，并将交通

子区,路网

路a 路b图 5.2 路网子区，根据第四章的关联交叉子区进行控制。考虑到交3 的交通参数作为仿真参数c.南北直行；d.南北左转)交一小时的数据如表 1 所示表 5.1 A3 三个时段交通数量饱和度晚高峰流量饱0.92 515 00.93 936 00.16 229 00.88 648 00.73 531 00.47 587 0

【参考文献】