text
stringlengths 3
90.9k
|
|---|
"即)=；扣沪莉2≤9∑嚷式中：式(4．10)枷2)氏HJ纠式(4．13)重庆交通大学硕士毕业论文≯——加权平均饱和度的阀值；" |
"缈——加权平均饱和度的方差的阀值；" |
"路段流量均衡条件：％nO+1)=鬈O)+“：(f+1)一v2(t+1)式中：《O+1)——H1时刻路段a上到达目的地聆的车流量；" |
"《(f)——f时刻路段a上到达目的地聆的车流量；" |
"”：p+1)——H1时刻路段a上要到达目的地n的驶入率；" |
"坨(f+1)——r+1时刻路段a上要到达目的地，2的驶出率；" |
"路网流量均衡的约束：所有以k为起点的路段的车辆驶入率等于k到n的OD需求和以胛为终点的所有驶出率之和。∑”：--oD；+∑嵋口c“(女)aeB(n)式中：D群——从k到n的OD需求；彳(七)——所有以k为起点的路段集合；" |
"B(栉)——所有以rl为终点的路段集合；流量与驶入率的约束：xo(t)=StI+‘，‘‘’vo(t)dt即：xo(t)=心O)(f+巳，，(f)一，)=屹(f)c\"O)边际条件：0≤％9)≤Ⅳ：，Ⅳ：(f)≥0，v：O)≥04．2．3交通控制与交通诱导协同模型式(4．16)式(4．17)式(4．18)从用户的角度来看，交通流诱导是给驾驶员提供达到目的地的最佳路径，通常以行程时间作为阻抗。从交通系统管理者来看，交通流诱导是为了均衡路网流量的分配，即通过限制进入拥挤或有潜在拥挤路段的车流量，并及时卸载该路段的车流。要达到这种目的，其一是诱导其他车辆的绕行，其二是通过调整信号控制参数达到对该路段流量的快速卸载。因此，从交通系统角度看，当某些路段出现高饱和度时，首先要保证的是不拥堵，其次才是系统中的出行费用(一般取行程时间)尽可能小。第四章交通控制与交通诱导协同模型研究传统的交通分配需要实时的OD数据，而实时的OD数据很难获取，因此，本文假设相邻两个协同小区内的交通需求是保持不变的。本文建立的交通控制与交通诱导协同模型如下：l石=s(f)" |
"J" |
"l五=min∑cd(，)=min巳，，o)+％，，(f)O<S≤妒且灭万≤≯S>妒或r(t)>≯L。a=l式中：S(r)——f时刻加权平均饱和度的方差；" |
"r(t)——，时刻的加权平均饱和度；" |
"≯——加权平均饱和度的阀值；" |
"妒——加权平均饱和度的方差的阀值；cd(f)——，时刻路段a的费用函数：4．3协同模型的求解思路本论文考虑的交通控制与交通诱导协同，从交通系统的角度出发消散拥堵，均衡路网的交通流量。通过对拥堵路段或交叉口的上下游交叉口，小步长的调整(增加或减少)绿灯时间，起到缓解(放流或截流)的作用，通过不断的判断和优化，让交通流在不断反馈和调整的过程中达到系统平衡。当协同区域内不拥堵时，通过优化系统的总行程时间，让交通系统更加高效、便捷。协同模型求解的思想是：判断协同小区内是否存在路段或交叉口有拥堵，如存在则通过调整饱和度来消除拥堵，通过调整绿信比来达到流量的均衡分配，否则以协同小区的总的行程时间尽可能小为目标进行流量分配和绿信比的调整，求解的大致流程如图4．3所示。Stepl：，=0，初始化协同小区路网流量等基础数据，具体包括：固定量：路段长度厶、路段通行能力圮、路段自由行驶时间c。(0)、路段饱和流量最、协同小区内加权平均饱和度阀值≯、加权平均饱和度的方差的阀值妒；变量：交叉口的绿灯调整时间姆一路段流量xo(t)、路段车辆的驶入率‰(f)和驶出率" |
"屹(f)。Step2：t=t+1，计算t时刻各路段饱和度t，并推算出路网的加权平均饱和o(t)度，．(t)和加权平均饱和度的方差S。Step3：判断协同路网是否存在拥堵现象：如果S>妒或r(t)>矽时，表明该协同路网流量不均衡，进入Step4；否则，表明路网流量相对较均衡，进入Step6。ster,4：在加权平均饱和度和加权平均方差阀值的约束下，通过37重庆交通大学硕士毕业论文fl：屹O+1)=，．(f)，求解f+1时刻理想的信号优化参数△g，，。Step5：群体发布交通诱导信息，为车载诱导装置、交通广播、信号控制器等提供各种交通状态数据，转入Step2。Step6：满足0<S≤qo]t—r(t)<q)时，以总的行程时间最小为目标，降低系统的运行费用，求解五=min∑co(t)，发布交通诱导信息，转入Step2。a=l图4．3协同模型的求解流程4．4本章小结本章以均衡路网交通流量，消除局部地区交通拥堵，让整个路网交通系统恢复到平衡的交通状态为核心思想，提出一种基于消除拥堵和区域内总的行程时间最小的双目标协同优化模型。模型从加权平均饱和度和加权平均饱和度的方差作为切入点，判断协同小区内是否存在路段或交叉口的拥堵，如存在则通过调整绿信比，均衡路网交通流量消除拥堵，否则以协同小区的总的行程时间尽可能小为目标进行绿信比的调整和路网流量的分配，最后给出了协同模型的求解思路。第五章协同模型的算法设计与实例分析第五章协同模型的算法设计与实例分析5．1遗传算法遗传算法(Genetic Algorithm，GA)是根据达尔文的生物进化论和孟德尔的遗传学的思想，借鉴生物界自然选择和自然遗传机制的一种自适应全局优化概率搜索算法【681。它将每一个可能的问题集进行编码，表示成“染色体”，通过染色体的不断选择、交叉和变异，最终生成最适合环境的个体，从而得到问题的最优或近似最优解。和传统算法相比，遗传算法具有以下优点【691：1)遗传算法是一种数值求解方法，对目标函数的数学性质几乎不做任何要求，适合求解多参数、多变量、多目标的优化问题。2)遗传算法的处理对象不是参数本身，而是对参数集进行编码，这种编码操作使得遗传算法能够直接对结构对象(集合、序列、矩阵等)进行操作，具有表示可行解的广泛性。3)遗传算法采取群体搜索技术，具有很高的并行性和鲁棒性，能对群体中多个个体进行同时优化，具有较好的全局搜索性能，能降低陷于局部最优解的风险。4)标准的遗传算法基本不用搜索空间或其它辅助知识，通过适应度函数来评估个体，同时遗传算法通过概率变迁规则来指导搜索方向，而不需要确定的转换规则。5)遗传算法能和其他启发式算法兼容，具有可扩展性。5．1．1构成要素遗传算法的构成要素主要包括以下几个方面【70】：①染色体编码目前，常用的遗传算法编码有二进制编码、浮点数编码、格雷码等编码方法。二进制编码作为遗传算法中最常用的一种编码方法，由二进制符号0和1组成编码符号集，其构成的个体基因型是一个二进制编码符号串。假定某一参数的取值范围为【‰。，瓯。]，该参数的二进制编码符号为，，则它总共能够产生27种不同的编码，其中：00000000…00000000=0 一‰11111111…11111111：2，一l-9Um。二进制编码的编码精度为：斗…、" |
"式(5．1)重庆交通大学硕士毕业论文艿：坠坚二‰12，一1‘一■式(5．1)假设某一个体的编码是：x：6『6f一。岛一：…bPl，则对应的解码公式为：x=‰。+(∑6J·2,-t)·万虬夺1=1 2“，警②适应度函数削5．2)适应度函数即度量个体适应度的函数，它决定各个个体被遗传到下一代群体中的概率。为了能正确的计算这个概率，所有个体的适应度值必须大于零。遗传算法中，一般将目标函数稍作处理后作为适应度函数。1)目标函数转变成适应度函数：目标函数求max：Fit(f(x))=厂(z)目标函数求min：Fit(f(x))=一厂0)2)目标函数稍作处理后转变成适应度函数：目标函数求max：Fit(几))-∥‰嚣‰式中c幽为厂(x)的最小值。目标函数求min：Fit(f(x))={≯8一八功奚甚>c“式中cm。为f(x)的最大值。" |
"③遗传算子式(5．3)式(5．4)式(5鼬式(5．6)主要包括选择算子、交叉算子和变异算子。选择算子以适应度为衡量标准，将个体中的最佳个体延续下去，为下一步优化做准备。在选择过程中，适应度高的个体被选择的概率较大，适应度低的个体被选择的概率较低。交叉算子是指通过对群体中的个体进行配对，然后按照特定的规则交换个体中的部分基因，在保证群体整" |
"体优良特性变化不太大的情况下产生新个体的方法，它决定了遗传算法的全局搜索能力。变异算子是指个体进化过程中，某些基因的突变产生的全新个体，它决定第五章协同模型的算法设计与实例分析了遗传算法的局部搜索能力。交叉算子与变异算子二者的相互配合，共同完成对搜索空问的全局搜索和局部搜索过程，使得遗传算法能够以优良的搜索性能完成最优化问题的寻优过程。④运行参数进行遗传算法求解最优问题时，需要对运行参数进行设置，一般的运行参数及建议取值如表5．1所示。表5．1遗传算法运行参数及建议取值表运行参数群体大小M交叉概率只变异概率只" |
"终止代数丁建议取值" |
"20一1000．5～1．O0。0001-4)．1100～5005．1．2计算步骤遗传算法求解问题的主要步骤如下【69】：Stepl根据运行参数的设置，随机产生一定数量的初始种群，并对种群中的个体进行编码，每个个体表示为染色体的基因编码；Step2计算种群中个体的适应度并判断，若符合优化准则，则输出最佳个体并得到最优解，结束计算；否则转向Step3：Step3进行选择操作，根据优胜劣汰的原则，由适应度选择再生个体，适应度" |
"高的个体被选中作为下一代个体的概率高，适应度低的个体被选中作为下一代个体的概率低；Step4进行交叉操作，按照一定的交叉概率P和交叉方法，产生新的个体；Step5进行变异操作，按照一定的变异概率己和变异方法，产生新的个体；Step6由交叉和变异产生新一代的种群，返回Step2。遗传算法的计算流程如图5．1所示。4l重庆交通大学硕士毕业论文图5．1基本遗传算法流程图遗传算法的优化准则根据问题的不同有不同的确定方式，一般可采用的优化准则包括种群中个体的最大适应度值、平均适应度值和迭代代数等。5．1．3遗传算法设计①编码方式设计本论文采用二进制编码，用二进制码串对而，X2，．．．，毛，ga，92，．．．，岛进行编码，形成一条染色体。【五，X2，．．．，矗】为路段流量、[g，，g：，．．．，岛】为交叉口信号配时绿灯时" |
"长，n为变量的个数。其中每个变量由k位二进制码表示，染色体的总长度为kx\"。流量、绿灯时长的解码公式分别表示为：七厶J^r‘=o+-是·Za,。2广1" |
"蜀：e+辔壹％2川J=l厶J』=1式(5．7)式(5．8)式中：" |
"M——路段的通行能力；％、6J，——分别表示第i个路段流量、驶入率对应的二进制码串中第，位的二进制码(0或1)；②适应度函数设计本文模型为最小化问题，最适合的个体对应最小的目标函数值，因此本文优化42第五章协同模型的算法设计与实例分析问题的适应度函数表示为：F=max(M一厂)式(5．7)式中：M>0，为一大数，以保证F非负；其中，本文利用罚函数法对模型的约束条件进行处理，将约束化问题转变成一系列无约束优化的问题进行求解。通过罚函数法构造的广义目标函数表示为：minF(x，盯)=f@)+卯@)尸(x)表示为：朋n芦P(x)=∑[max{0，一吕(x))]。+∑Il(x)IJ=l』=1式(5。8)式(5．9)式中：吕(x)、办，(x)——约束函数；" |
"口、∥——常数，通常取口=p=2；" |
"盯——惩罚因子，为很大的正数；③遗传算子设计选择算子采用轮盘赌选择方法；交叉算子采用单点交叉方法；变异算子采用基本位变异法。在运用遗传算法求解过程中，从第一代开始，如果得到的最优个体优于前一代的保留个体，则将它替换为当前代的保留个体，否则将前一代保留个体作为当前代保留个体，采取这种最优保留策略，以增强遗传算法的收敛。5．2协同模型的求解算法5．2．1以消除拥堵为目标的求解算法在以消除拥堵为优化目标的策略中，即S>妒或r(t)>≯成立时，采用“准最优”的思想，不追求严格的最优，数据处理和优化过程中，采取小步长调整、试算优化的方法。主要求解步骤为：1)如图5_3所示，当求解得到‰(f)>，(f)时，说明路段动的饱和度偏大，当‰(f)>，．(f)&‰(r)>，．(f)时，则取max(‰(f)，‰(f))。此时对饱和度大的下游交叉口" |
"进行快速卸载，并对上游交叉口迸行适当的截流。如‰(f)>r(t)时，则TB(t+1)=疋(f)+船，TA(t+1)=TA(t)-△g，却为调整的绿灯时间，在对应的绿灯时间" |
"内进行调整。2)通过1)中计算得到f+l时刻的信号配时方案，利用式(4．1)和式(4．2)可以求解t+1时刻理想的信号配时方案，返回到1)，直到满足0<S≤妒且r(t)≤≯时43重庆交通大学硕士毕业论文终止。在实际优化过程中，可能会出现相邻交叉口的路段饱和度都偏高的现象，此时同一交叉口的信号配时调整方案会出现矛盾，通过绿灯时间的转让或绿灯调整时间的叠加进行处理。如r．e(t)>，．(f)&％。(f)>r(t)，此时对于路段口6，交叉口B需要" |
"放流，对于路段幻，交叉口B需要截流，这时，由于放流和截流对应于不同的相位，采取将截流方向的相位时间分配给需要放流方向的相位。如r06(t)>，．(f)&r。b(t)>，(f)，则此时Ts(t+1)=瓦(f)+△g+△g，交叉口B东西方向相位和" |
"南北放行相位同时增加。5．2．2以优化行程时间为目标的求解算法对于协同区域不拥堵的情况，以优化总的行程时间最小为目标，即满足0<S≤妒且r(t)≤矽时，利用遗传算法，求解厶=minyc。(r)。主要步骤为：。‘』_一“、7’1)初始化，设定种群数目M、染色体长度咒、终止代数Ⅳ、交叉概率只、变a=l异概率只。2)采用二进制编码，在可行域内随机产生种群数目大小的染色体，并根据解码公式对染色体中对应[墼JIxI，x2，．．．，矗]进行解码操作，求得的值[_，X：，．．．，Xn】，并根据TRRL方法得到各交叉口的信号周期时间Z。3)根据公式(5．8)和得到的Z，对染色体对应的【蜀，g：，．．．，岛]解码，求得[蜀，92，．．．，岛】的值。4)根据协同模型中优化总的行程时间的函数，计算协同路网的总的行程时间』I-∑巳(f)。a=l5)计算适应度值M一∑乞(f)。a=l6)判断，如达到终止代数Ⅳ，则输出最佳的五g，T值，否则，进入下一步。7)采用轮盘赌选择算子复制适应度值较高的染色体到下一代，并利用单点交叉算子和基本位变异算子对选择的染色体进行交叉和变异操作，生成新的一代染色体，返回到第2步。8)当满足终止代数时，停止计算，找出最佳的x，g，T值。5．3实例分析5．3．1基础数据设置为了验证本文提出的交通控制与交通诱导协同模型及求解算法，以重庆市某区域调查的交通数据为基础，给定交通需求，通过VISSIM进行模拟验证，建立的第五章协同模型的算法设计与实例分析路网如图5．2所示。帅#Ⅲ∞●”，nnm e__蝴》■＆协!w鱼毋．霜#r．：． H■．誊”11“。。鬈一y“。8 j。““X" |
"￥" |
"Xi k j。繁。。。。。" |
"謦鍪”…囊。。薹嚣ii飞jl；_：¨‘翟繁譬*曩…萎¨81。…。掰黼“。。％i。 ioi 匿kF警“”ji；慧" |
"。。。鬣" |
"、V“萋i‘、．t" |
"4“ 藏≯“" |
"：，-_露，图5．2VISSIM路网—．，=蜂==…—。巳L………—．至…" |
"一b_—_．遣一一：!l‘：：=一一一弓一一一一一——fe————+…一一言……汪j{{" |
"川一号一．图5．3试验路网编号本文选取路网中一个小区域进行验证，路网编号如图5．3所示。模拟路网的交叉口采用两相位信号控制，交叉口彳、E、F的初始信号配时为(80，35)s，交叉45重庆交通大学硕士毕业论文口B、D的初始信号配时为(90，38)J，交叉口c的初始信号配时为(102，50)S，其中主干道为双向六车道，次干道为双向四车道。给定交通需求，主干道BC、CD、CF交通需求相对较大，利用VISSIM模拟，采样周期为3min，整个模拟3600s，取第四个采样周期为协同开始时间，利用前面公式求得协同成立时的路网初始数据如表5．1所示。表5．1路网初始数据表路" |
"段 m厶 交通需求" |
"veh|hsd％(f)ua(t)veh{3minveh／3minveh|3minCq(t)sc(f)" |
"Sabbabccbcddcde402402312312280280310380310ed" |
"∥ 380" |
"砖" |
"力 355" |
"《 355" |
"cj286＆ 28610001200200018001900170080090056075065070015001600306306360360324324270270265265265265345345545490721011283654304230359992367210814512616258475248463685lOl44．951．254．778．265．592．751．849．337．845．548．251．060．266．71689ca(O)S4245293126273231373836342926为了简化计算，本文建立的协同模型求解算法过程中有如下假设：1)交通出行者拥有足够完整的交通信息获取途径；2)车辆在路段上自由流行驶速度根据道路等级，参考HCM进行设置；3)各交叉口均采用两相位信号控制，并且相序保持不变，相位之间转换的损失时间f=3s；4)路段的加权平均饱和度阀值矽=O．5，加权平均饱和度的方差的阀值qo=0．05；5)绿灯调整间隔时间Ag=6s。5．3．2协同实施过程以表5．1的数据作为t时刻的数据，按照5．2．1节的求解算法，利用VISSIM模拟，仿真得到的交通运行状态如图5．4所示，进行加权饱和度的计算，计算结果如表5．2所示。第五章协同模型的算法设计与实例分析．■一■．藏蕊瀚勰嚣蕊蕊蕊鞠一瀚溺函豳豳勰。图5．4协同前路网交通运行状态表5．2 f时刻数据处理结果abbabccbcddcdeed0．30880．41470．51250．46751．07140．75940．41180．4075对fe丘对时fc0．39250．32580．45240．41940．652l0．87520．53360．0503表5．3第一次信号配时优化结果初始配时优化过程丁(f)" |
"80809090102102909080808080g(f)" |
"353938465046384635393539T(t+ng(f)96745229第一次协同配时结果" |
"T(t+11g(f)" |
"35808090901021029096808074803938465046385235392939熏纛纛瓣麓粼路段ra(t)路段ra(t)，(f)" |
"S(r)交叉口彳1彳2BlB2C1C2D1D2ElE2F1F2注：么1表示爿交叉口东西相位，A2表示么交叉口南北相位。47重庆交通大学硕士毕业论文由表5．2可以看出，加权平均饱和度r(t)=O．5336>0．5且加权平均饱和度得方" |
"差S=O．0503>0．05，需要对协同路网进行消除拥堵为目的的优化，信号配时优化结果如表5．3所示。表5．4第一次数据处理结果abbabccbcddcdeedO．31260．40690．50260．45270．92630．74220．41180．4175e，．力如耐cjfc0．37210．33890．42580．439l0．64960．83240．51530．0372路段ra(t)" |
"路段名(f)r(f)" |
"s(0根据第一次信号配时优化结果，利用VISSIM仿真，进行加权饱和度的计算，数据处理结果如表5．4所示。由表5．4的结果可以看出，加权平均饱和度的方差S=0．0372<0．05，但是加权平均饱和度，(f)=0．5 153>0．5，不满足要求，继续进行第二次信号配时优化，结果如表5．5所示。表5．5第二次信号配时优化结果初始配时优化过程r(f)" |
"80809090102102909680807480g(t)" |
"353938465046385235392939T(t+11g(f)102685821第一次协同配时结果" |
"丁O+1)g(0" |
"358080909010210290102808068803938465046385835392139表5．6第二次数据处理结果abbabccbcddcdeed0．32770．41580．48850．47210．82230．72650．42630．3987矿fefa对对乃0．38620．320l0．432l0．40090．63110．6952O．49600．0249交叉口月l爿2B1B2" |
"C1C2DlD2E1E2" |
"F1F2路段ro(t)" |
"路段ro(t)，．(f)" |
"S(f)第五章协同模型的算法设计与实例分析根据第二次信号配时优化结果，利用VISSIM模拟，进行加权饱和度的计算，数据处理结果如表5．6所示。由表5．6的结果可以看出，加权平均饱和度r(t)=0．4960<0．5且加权平均饱和度的方差S=0．0249<0．05，满足优化要求，此时" |
"优化的目标为协同路网总的行程时间最小，利用遗传算法，进行求解。设定种群大小M=100，终止代数N=300，交叉概率Pc=0．9、变异概率只=0．05，将第二次协同信号配时数据带入遗传算法程序中，一次性求得各交叉口的信号配时参数g，丁和下一时刻路段交通流量的分配xa(t+1)，进而可求得各路段的诱导车流量" |
"瓴=xa(t+1)一屯(f)，代入VISSIM进行仿真。然而在实际交通中，驾驶员不可能100％的服从交通诱导信息，本论文在模拟中取驾驶员的诱导服从率D：50％，则各路段实际诱导车流量觇·：益堡生上型。Ip仿真得到协同后路网交通运行状态如图5．5所示，计算结果如表5．7所示。路段abbabccbcddcde图5．5协同后路网交通运行状态表5．7协同后路网数据表吒(f)w办／3miIlCq(t)sc(f) s6062888086955l41．245．348．752．953．162．447．8491413重庆交通大学硕士毕业论文续表5．7协同后路网数据表路段xo(t)vehl3minCq(t)sc(f) sed" |
"e，" |
"力" |
"力" |
"Qj" |
"cj" |
"fc5342403945837643．335．332．140．553．151．658．3将表5．1和表5．7进行对比发现，实施交通控制与交通诱导协同后，路网的总的行程时间有了明显减少，由1689s下降到1413S，下降了约19．53％。14012010080604020O 麟鬻震i震震麟豢图5．6协同前后各路段流量对比200018001600140012001000800600400200O协同嚣协同后图5．7协同前后总的行程时间对比50第五章协同模型的算法设计与实例分析由图5．6和图5．7可以看出，实施协同后，各路段流量的均衡性有所提高，协同路网总的行程时间有所减少，有效的缓解了路网的交通拥堵，说明了本文方法的有效性。5．4本章小结本章首先介绍了遗传算法的构成要素、计算步骤和遗传算法设计等内容，然后针对提出的双目标协同模型，分别设计了以消除拥堵和优化行程时间为目标的求解算法。其中，消除拥堵的求解算法采用小步长的试算优化不断调整信号配时参数，" |
"达到消除掘堵的目的，优化行程时间的求解算法采用遗传算法进行求解，得到控制与诱导的控制变量；最后采用VISSIM对提出的模型和算法进行验证，结果表明本文提出的模型及算法能均衡路网上的交通流量，能减少路网的总的行程时间，从而证明了本文提出的模型和算法的有效性。重庆交通大学硕士毕业论文52第六章总结与展望第六章总结与展望6．1论文总结城市交通控制系统和城市交通流诱导系统是实现城市交通管理智能化、现代化、信息化、网络化的主要手段，诱导系统提供的实时交通诱导信息，必然会导致驾驶员的出行行为的变化从而引起交通流量在路网空间的重新分配，另一方面，交叉口的信号控制参数给予不同方向进口道车辆的时间通行权，改变了车流在时间上的分布特性。交通控制与交通诱导二者相互影响、相互作用，功能互补又各有侧重的特点，二者的协同可以达到系统资源的节约与整合，实现交通管理手段的时空互补。因此，本论文研究交通控制与交通诱导的协同作用，对于改善城市交通问题具有十分重要的现实意义。本论文的主要研究成果包括：①对交通控制系统、交通诱导系统、交通信息处理等基础知识进行综述，综合" |
"国内外的研究成果，分析了交通控制与交通诱导协同的关系，总结了交通控制与交通诱导协同的模式，为后续研究提供一定的参考。②以均衡路网上的交通流量，消除局部地区的交通拥堵，让整个路网交通系统恢复到平衡的交通状态为核心思想，提出了一种基于消除拥堵和协同区域内总的行程时间最小的双目标协同优化模型。模型从加权平均饱和度和加权平均饱和度的方差作为切入点，判断协同小区内是否存在路段或交叉口的拥堵，如存在则通过" |
"调整绿信比，均衡路网交通流量消除拥堵，否则以协同小区的总的行程时间尽可能小为目标进行绿信比的调整和路网流量的分配。③针对提出的双目标协同模型，分别设计了以消除拥堵和优化行程时间为目标的求解算法。其中，消除拥堵的求解算法采用小步长的试算优化不断调整信号配时参数，达到消除拥堵的目的，优化行程时间的求解算法采用遗传算法进行求解，得到控制与诱导的控制变量。最后采用VISSIM对提出的模型和算法进行验证，证明了本文提出的模型和算法的有效性。6．2论文展望交通控制与交通诱导的协同涉及到多方面的研究，由于本人时问和水平的限制，论文只对几个主要问题进行了研究，在以后的研究中，还需要进一步的深入：①建立的协同模型中存在一些假设，实例分析中对部分数据进行了简单和理想化的处理，如交叉口采用两相位的信号控制等，实例分析只对一个小型路网进行重庆交通大学硕士毕业论文了试算，路网中的交叉口数量和路段数量与现实中的交通网络还存在一定的差距，仿真得到的结果不一定完全适合复杂多变的城市交通网络，需要以后在实际路网中进行进一步的验证。②建立的协同模型没有考虑行人和非机动车对交通流的干扰，协同模型没有考虑公交车等固定线路交通流的情形，同时对交通流的诱导只考虑群体诱导，而没有考虑单车诱导，下一步可以将这些因素考虑进去。总之，随着城市交通拥堵的日益加剧，交通控制与交通诱导的协同管理在城市交通中会发挥越来越重要的作用。将控制与诱导协同起来进行城市交通的综合管理是城市交通管理系统的发展趋势，交通控制与交通诱导协同研究急需在理论和实践上取得成功性的突破，因此有必要进行进一步深入的研究。致谢致谢光阴荏苒，时光飞逝，论文写到这里，研究生阶段的学习生涯也即将结束。在重庆交通大学的这七年里，是我人生中收获最多，感悟最深的七年。借论文完成之际，对关心和帮助过我的领导、老师、同学致以最真挚的感谢。首先由衷地感谢我的导师陆百川教授，本论文是在陆老师的细心指导下完成的。陆老师渊博的学识、严谨的治学态度、一丝不苟的工作作风、刻苦钻研的科研精神，和对交通问题敏锐的洞察力与独到的见解和看法，是作者终身学习的楷模。" |
"从本科到现在，陆老师在学习、工作和生活等各个方面都给予作者慈父般细致的培养和深切的关怀。陆老师不但锻炼了我独立自主的科研能力，更让我认识到人生就是一个创造并成为自己的过程。由衷的感谢马庆禄老师，马老师对我的论文提供了很大的帮助和指导，马老师认真工作、快乐生活的人生态度深深感染了我，在此我表示深深的感谢。在研究生阶段的学习中，感谢师兄吴磊、黄美灵、谭伟、李政、马红江、李毅、武连港、沙尧尧、李标，师姐何丽芳、赵雅秀、高为、王玲、刘春旭、李雪，同门张凯、邓捷、詹娟、张慧及所有师弟师妹们给与的帮助与鼓励。最后，深深感谢我的父母、亲人和朋友，在二十年的求学历程中，是他们的支持、鼓励和帮助，才能使我顺利完成学业，真诚感谢他们一直以来的期望和付出!衷心感谢各位专家、老师在百忙之中审阅本篇论文，以及在百忙之中抽出时间来参加作者毕业答辩的各位专家和同学们，文中错误和欠妥之处，敬希批评指正!重庆交通大学硕士毕业论文参考文献参考文献【l】安实，王健，徐亚国等．城市智能交通管理技术与应用【M】爿匕京：科学出版社，2005．1．2[2】Martin Sm．英国每年因交通拥堵损失 43 亿英镑[EB／OL]．http：／／auto．gasgoo,com／News／2012／12／12062456245660145102189．shtml，2012-12-12[3】管青．区域交通信号控制与交通诱导协同理论与关键技术研究[D】：[19士学位论文】．长春：吉林大学，2009[4】孙晓梅．多源交通信息下的动态路径选择模型与方法研究[D】：[博士学位论文】．长春：吉林大学，201l【5】蔡长青．基于多智能体的交通控制与交通诱导协同理论和方法研究【D】：【博士学位论文】．长春：吉林大学，2008[6】6 王媛．大范围战略交通协调控制系统关键技术研究p】：【博士学位论文】。长春：吉林大学，2009[7】谭学龙．城市道路交通控制与交通诱导一体化关键技术研究[D】：[硕士学位论文】．西安：西安建筑科技大学，2008【8]杨兆升．城市交通流诱导系统【M】．北京：中国铁道出版社，2004．2．3【9】何增镇．基于Multi_Agent与博弈一省略一交通控制诱导系统及其关键技术研究【D】：【博士学位论文1．长沙：中南大学，2009【lO】杨兆升．智能运输系统概论【M】．j匕京：人民交通出版社，2003，1-3[11】保丽霞．基于信息集成的城市交通流诱导与交通控制协同的关键理论及技术研究【D】：【博士学位论文1．长春：吉林大学，2006[12】马寿峰，李艳君，贺国光．城市交通控制与诱导协调模式的系统分析叨．管理科学学报，2003(03)：45-52[13】AIIsop．Some Possibilities for Using Traffic Control to Influence Trip Distribution and RouteChoice[J]，Transportation and traffic theory：proceedings ofthe Sixth International Symposiumon Transportation and Traffic Theory．University ofNew South Wales，Sydney,Australia，August1974：26．28【14】Y．Sheffi and W B Powell。Optimal signal settings over transpoRation networks[J]．Journal ofTransportation Engineering，V01．109，No．6，1983：824-839[1 5】M J Smith，T Van Vuren，B G Heydecker and D Van Vliet．The interactions between signal control" |
"International Symposium onroute choice[J]．Proceedings of theTenthpoliciesandTransportation and Traffic Theory,1987：319-33857重庆交通大学硕士毕业论文[16】Maher M J，and R Akcelik．The redistributional effects of all area traffic control Poliey．TrafficEngineering and Contr01．1 975：383·385[17】Gartner N H．Influencing traffic equilibrium in a network by control measure．TransportationResearch Record．1976：125．129[18】Gartuer N H．Area Traffic Control and Network Equilibrium[C]／／Proceedings of InternationalSymposium on Traffic Equilibrium methods Berlin．Springer Verlag，1976：274-297[1 9]Giulio E Cantarella,Gennaro Improta，Antonio Sforz,a．1terative Procedure for EquilbriumNetworkTraffic Signal Setting．TransportationResearch24A．1991：241-249[20】D Vanderbilt and S G Louie．A Monte Carlo simulated annealing approach to optimization overcontinuous variables[J]．Journal ofComputational Physics，V01．56，1984：259·271[2 1】Yang H，Yagar S．Traffic assignment and signal control in saturated road networks．TransportationResearch，PartA 29，1995：125-139【22】Gartncr，Nathan H，Stamatiadis．Integration of dynamic traffic assignment with real·time trafficadaptive control system[J]，Transportation Research Record，1998：150—156【23】Nathan H Gartner and Mohanuned AI-Malik，Combined Model for Signal Control and RouteChoice in Urban Traffic Networks，Transportation Research Record，1 996【24】Owen Jianwen Chen．Game·Theoretic Formulations of Interaction Between Dynamic TrafficControl and Dynamic TrafficAssignment．TransportationResearchRecord．1617，1998[25]J G Wardrop．Some theoretical aspects of road traffic research[C]．Proceedings，Institution ofCivil Engineers II(1)，1952，325-378【26]徐丽群．城市交通流诱导与控制一体化理论和模型研究[D】：(博士学位论文】．长春：吉林大学，1999【27】杨兆升城市交通流诱导系统关键理论与技术研究【M】．北京：人民交通出版社：2000，1-2[28】徐岩宇，冯蔚东，贺国光．VRGS与交通控制系统的一体化研究[J]．公路交通科技，1997(3)：24-28【29】卢守峰．基于元胞自动机的城市交通控制系统与交通流诱导系统协同技术研究[D】：【博士学位论文】．长春：吉林大学，2006[301陈昕．基于协同学的城市交通控制与诱导系统协同的理论与方法研究[D】：[博士学位论文】．长春：吉林大学，2006[31】刘新杰．城市交通控制系统与交通流诱导系统协同策略研究吲：【硕士学位论文】．长春：吉林大学，2005[32】彭博．大范围交通控制与交通流诱导协同关键技术研究[D】：[博士学位论文]．长春：吉林大学，2011[33】李瑞敏，史其信．基于多智能体系统的城市交通控制与诱导集成化研究【J】．公路交通科技，58参考文献2004(5)：15-19[34】魏连雨，李巧茹．城市交通系统的可协调发展叨，河北工业大学学报，1998(03)：55．62[35】魏玉晓．城市道路交通控制与交通诱导协调优化研究DI：【硕士学位论文】．成都：西南交通大学，2010f36】Michael GH Bell．Future Direction in Traffic Signal Conlzol[J]，TransPn。Res．1992[37】贺国光．ITS系统工程导论口川．北京：中国铁道出版社，2004[38】杨佩坤，吴兵．交通管理与控制[M】一匕京：人民交通出版社，2003[39】吉海渊．交通控制系统手册【M】一匕京：人民交通出版社，2003【40】王伟平．城市平面交叉口交通信号控制优化方法的研究【D】：[硕士学位论文】．山东：山东科技大学，2004[41】Fambro D G，Rouphail N M，Sloup P R et a1．Highway capacity manual revisions ofchapters 9and I I[M]．Washington，DC，USA．Federal Highway Administration，United States DepartmentofTransportation，1996【42】许旺土，何世伟，宋瑞等。城市交通仿真中的延误计算模型对比分析叨．系统仿真学报，2009(13)：81—83[43]韩加蓬，房晓艳，李辉照．单点定时信号配时和通行能力的冲突点法分析[J】．山东理工大学学报，2003(7)：68．70[44】Chert J．Development and Evaluation of a Dynamic Ramp Metering Control Model．8thIFAC／IFORS Symposium on Transportation Systems，Chania,Greece，1 997．1 1 62-1 1 68【45】Yogoda H N．The Dynamic Control of Automotive Traffic at a Freeway Entrance Ramp．Automatica,1 970，6(3)：385—393[46】Paippis CP,Mamdani F H．A Fuzzy Logic Controller for a Traffic Junction[JI．IEEE Trans onSMC，1977，7(10)：707-717[47】陈斌．基于大系统递阶优化的交通控制与诱导协同方法研究【D]：【硕士学位论文】．西安：长安大学，2012【48】杨兆升．城市交通流诱导系统理论与模型[M】．北京：人民交通出版社，1999，126[49】James CoStantino．IVHS America Two Years Later[J]．ITE Journal，February 1993：1 9~22【50】Krage M K．The Aii-Scout Driver Information System[C]．VNIS’92 Conf,739-743【5l】赵亦林著．车辆定位与导航系统口川．北京：电子工业出版社，1998f52】刘伟铭府速公路系统控制方法【M】．北京：人民交通出版社，1998[53】冯蔚东，贺国光，刘豹．交通流理论评述叨．系统工程学报．1998，12(3)：71·82[54】美国运输都联邦公路局编．李海渊，秦吉玛，王彦卿译．交通控制系统手册[M】．北京：人民交通出版社，1987[55】蒲琪，杨晓光，吕杰．交通信息对驾驶员路径选择行为影响的初步分析【J】．公路交通科重庆交通大学硕士毕业论文技．1999(03)：19-25【56】Sheffi．Y Powell W．Optimal signal settings over transportation network[J]．Journal ofTransportation Engineering．1983．109(6)：839[57】Halim Ceylan，Michael GH，Bell．Genetic algorithm solution for the stochastic equilibriumtransportation networks under congestion[J]．Transportation Research．2005．Part 8(39)：1 69—1 85【58】杨超，杨佩昆均衡网络下交通控制策略的研究[J】冲国公路学报．1999，12(3)：90-94[59】杨朝．基于多智能体和QL学习的交通控制与诱导协同方法研究【D]：【硕士学位论文】．长春：吉林大学，2008[60】Charles Worth J A．The calculation of mutually consistent signal settings and Traffic assignmentfor a signal-controlled road network[C】．T Sasaki and T Yamaoka(ed．)，Proceedings of the" |
"Seventh International Symposium on Transportation and Traffic Theory，1 977：545-569[61】andjic Z．University of Canterbury Traffic Study．Development of SATURN and TRACKSModels．Master Thesis，Dept．of Civil Engineering，University of Canterbury,Christchurch，NewZealand．200 l【62】Tan H-N，Gershwin,S B and Athans，M Hybrid Optimization in Urban Traffic Networks[R]，Laboratory for lnformation and Decision Systems Technical Report DOTTSC-RSPA一79-7．published by the Massachusetts Institute ofTechnology,Cambridge，Mass，1979【63】李善梅．城市交通控制与诱导系统协同的关键理论与方法研究p]-【硕士学位论文】．长春：吉林大学，2007【64]鲁丛林．城市交通控制与诱导一体化中用户最优一系统最优协调模型【D】：【博士学位论文】．长沙：国防科技大学，2005[65】Wie B W，Tobin R L，et a1．Comparison of system optimum and user equilibrium dynamic trafficassignments with schedule delays[J]．Transportation Research(Part C)，1995：389-41 1[66】史忠科，陈小锋．交通控制系统导论[M】一匕京：科学出版社，2003【67】邵长桥．交叉口延误研究的协同变换方法[J】．城市交通．2001(4)：43-46[68】刘权富，陆芒f]ll，马庆禄等．平面交叉口信号控制多目标优化研究【J]．交通科技与经济，2013(5)：42．48[69】王小平，曹立明．遗传算法理论、应用与软件实现[M】．西安：西安交通大学出版社，2002【70]雷英杰，张善文等．MATLAB遗传算法工具箱及应用Dm．西安：西安电子科技大学出版社，2加560攻读学位期间取得的研究成果攻读学位期间取得的研究成果公开发表的学术论文[1】刘权富，陆百川，邓捷，张凯．山地城市复杂路口交通组织优化研究[J】．交通科技与经济，2013，15(5)：23—27[2]刘权富，陆百川，马庆禄，邓捷．平面交叉口信号控制多目标优化研究叨．交通科技与经济，2014，16(1)-47-50【3】邓捷，陆百川，刘权富，张凯，马庆禄．基于RBF神经网络的交通生成预测模型【J】．武汉理工大学学报(信息与管理工程版)，2014，36(1)：43-47【4】4 杨运兴，刘权富．基于三元论的高速公路景观设计【J】．交通科技与经济，2013，15(6)：84—86【5】邓捷．陆百川，马庆禄，刘权富．基于小波和RBF神经网络的多传感器时间对准算法研究【J】．交通科技与经济，2014，16(1)：30-34[616 蒋程，张凯，刘权富．微波检测技术在交通管理中的应用川．交通标准化，2012(7)：14舡148[7】陈双，邓捷，刘权富．重庆市主城区交通信号控制对策研究【J】．交通标准化，2012(7)：155-l 58二参与的科研项目[1】重庆市科技攻关计划项目(CSTC·2009AA6039)：复杂路口单点自适应交通控制关键技术攻关及系统开发【2】【3】3【41[5】重庆交通大学研究生教育创新基金项目(20120110)：山地城市复杂路口交通组织优化及配时方案研究渝北区公共交通专项规划重庆市主城区摩托车交通状况调查重庆市主城区路网容量调查6l" |