智能交通灯控制的研究 文献及翻译.docVIP

智能交通灯控制研究 1绪论 研究的目的是为了优化运输人流及货流由于道路使用者不断增加，现有资源基础设施有限，智能交通控制将成为一个非常重要的课题但是，智能交通控制存在例如避免交通拥堵被认为是对环境经济都有利的但改善交通流也可能导致需求增加交通仿真有几个不同的模型在研究中，我们着重于微观模型，该模型汽车在城市交通中采用先进的传感器和智能优化算法优化交通灯控制系统，是非常有益的优化交通灯开关增加道路容量和流量，防止交通信号灯控制是一个复杂的优化问题和几种智能算法，如模糊逻辑，进化算法， 和使用试图解决这一问题本文提出一种基于多算法控制交通信号灯与道路使用者的价值是用来确定每个交通灯最优决策这项决定是基于所有道路使用者站在交通路口累积投票，估计车的好处(或收益)定是一个交通模拟器，交通流量统计，如平均等待时间，并测试不同的交通灯控制器结果表明，在拥挤的交通，控制器性能优其测试非自适应控制器我们也测试，选择通过，并表明，道路使用者采用合作学习可避免瓶颈本文安排如下第2部分叙述交通，预测和控制第3是第4，并介绍我们的在这一节中，我们注重信息技术在交通运输在这个领域， 几个国家政府和商业公司智能运输系统( ITS )中获得利益研究包括汽车安全系统，仿真基建变化，路径规划，优化交通，智能基础设施其主要目标是：提高安全性，减少行车时间，提高能力在本文中，我们的主要兴趣在优化交通流从而有效地减少平均旅行(或等待)本节我们将首先描述两种的模式然后我们会获得实时交通信息或预测交通条件动态交通相同之处，例如动态的液体，沙子不同，可以用来解释具体交通现象，像自发形成的交通拥堵 有两种常见的办法交通宏观和微观模型宏观交通模型都是基于气体动力学模型，并利用方程与交通密度速度这些方程虽然宏观模型可调谐模拟某些司机的行为，们并不能直接的，灵活和优化它们，使它们适合于我们的研究对比宏观，微观的交通模型提供了模拟各种驾驶行为微观模型是由一个每辆车按照自己的规则根据这些规则，群体车辆一个具体的设计方法及(简单的)，是利用细胞自动(CA)来完成的。在一个特定的使用离散部分连通举例来说，一条可以包含一个车是空的甚至简单的规则可以导致混沌描述一个CA交通仿真在每一个离散时间步，车辆按一定数额的速度增加， 直到他们达到最高速度如果是慢上坡，速度会有所下降，以避免相撞 一些随机性介绍如下：每部车辆的一个小机会趋缓 实验表明，当交通密度增大这一CA模型现实的行为与交通Agent系统方法论。其中代理商的互动与沟通，彼此相处的基础是一个实体有些国家用最小的努力自主试图达到目标它利用其传感器从环境获得资料并用这些理念和投入选择一个行动因为每个Agent是一个单一实体，它可以优化(例如，用学习能力等)的方式此外，利用异种多Agent系统，不同的代理商，可以有不同的传感器，目标，行为和学习能力，从而使我们的实验是非常广泛的(微观)的交通模式Dia根据一项实际驱动的研究，建立了司机反映的信息模型。人们对影响选择路线和出发时间研究结果用来模拟驾驶利用这部分人口对不同的地区的调查模拟 研究似乎很有希望，但没有结果 2.2交通预测 在一个路口交通量预测测一段时间，假设条件，将同为下一期一种方法是预测当神经网络被用来预测一个红绿灯的队列长度多层感知是训练有素预测排队长度时间步长，长期预测可由迭代步法预估网络10个步是相当准确但目前尚未被纳入到一个控制器交通预测模型，已被应用到实际生活情况该模型是一个多Agent系统(MAS)代理商占据了一个实际问题模拟设施每个代理人有两层控制一对(简单)驾驶的决定 一个战术决定像路线选择真正的世界形势用已经安装探测装置从这些装置，段路关汽车的进出利用这一信息，个路口由这个实例资料的速度比实时仿真，交通流量可以做得更好安装在德国杜伊斯堡系统现有的交通控制中心和生产实时数据上网另一个系统是安装在高速公路系统中的北莱茵-威斯特法用来自约2500电感线圈预测沿6000公里的公路一旦 (预测)资料，有几种途径传达给道路使用者司机可以用动态信息，通过道路标志，广播，甚至在车载导航系统几项研究已经显示出提供相关资料效果 采用了微观经济模型，考虑到一个行程成本，并提高了系统的可靠性，塞车可以更好地避免实验表明，通知司机降低平均旅行时间均不知情的司机旅行时间能否预测交通状况是最优控制举例来说，如果我们都知道，有些道路会变得拥挤不堪了一段时间之后，在当前条件下，这种信息可以传送给道路使用者，可以绕过这道允许整个系统以的情况此外，如果我们能比较准确地预测不同的驾驶策略的后果比较预测结果迅速出优化(或至少是最优的预测区间) 减少最多的是在交通拥挤在获悉发生突发性的塞车问题(例如意外)，路线切换减少旅旅行时间但由于这种路线替代变得更加拥挤，有可能增加不知情的司机旅行时间70%的司机有