论文部分内容阅读
随着城市道路交通干道拥堵情况的日益严重,道路交通系统通行效率的优化问题越来越受到人们的重视。本文对道路交叉路口的通行效率进行优化,使车辆能够平稳通过交叉口,即便在遇到交通拥堵时,囤积的车辆也能迅速消散。本文具体工作如下:改进了一个可换道的车辆跟驰模型,并利用反馈控制,自适应控制和换道策略来优化跟驰模型。在改进的模型中,将前车和跟驰车的速度差作为反馈控制信号加入系统中,使跟驰车的行驶速度稳定;在模型中加入自适应控制策略,用来解决某些参数不可精确测量的问题;换道策略使系统中的跟驰车在遇到前车抛锚时能后继续保持稳定的速度行驶,换道策略中使用了量子比特门。通过仿真,验证了改进模型的有效性和可行性。改进了道路交叉口拥堵实时检测算法。将车辆平均速度,车辆平均加速度以及道路平均占有率三个参数作为鉴别交通拥堵的判断指标,分别设计基于感知器的道路交通AID算法,基于BP神经网络的道路交通AID算法和基于遗传算法优化的BP神经网络的道路交通AID算法。由于感知器算法只能对线性数据分类,在车流量小的路口,基于感知器的算法更加高效。在车流量大的复杂交叉路口,选择基于BP神经网络的道路拥堵AID算法。此外,选择遗传算法来优化BP神经网络的权值和阈值,使其学习速度更快。仿真结果验证了提出算法的有效性和可行性。改进了道路交叉口的车队到达延误模型,结合量子信息技术给出了任何时刻的车队到达延误模型。设计了综合车辆延误,车辆停车次数和道路通行能力为一体的寻优目标函数,综合寻优目标函数更加全面的考虑了交通状况;利用改进的爬山法对交通信号灯配时方案进行寻优;提出了能应对交通拥堵的交叉口信号配时方案。仿真结果表明了针对交通拥堵的信号配时方案的有效性。本文改进了类弹簧车辆跟驰模型,采用了反馈控制,模型参考自适应控制和换道策略来优化此模型,使跟驰车能以稳定的速度行驶。设计了基于神经网络算法的交通拥堵诊断方法,根据交通流参数判断出交通拥堵是否发生,以便对交叉口信号配时方案做出调整,从而降低二次事故。针对交通拥堵引起的交叉口车辆延误时间的增加,车辆停车次数增加,通行能力降低的问题,根据综合的寻优目标函数,对交叉口信号时长进行了重新配时,能及时缓解交通拥堵。