导读:本文包含了交通流控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:通流,交通,交叉口,动态,韦伯,深度,门限。
交通流控制论文文献综述
刘雪莲,焦新龙,胡筱渊,胡洁,俞恬恬[1]（2019）在《城市交通流动态特性及协调控制方法研究》一文中研究指出交通流量是实现在有限的时间和空间积累的交通需求的结果。由于人、车辆和道路之间的相互关系,交通流量的形成非常复杂。交通流的动态特性主要揭示了速度、密度和流量等3个参数之间的瞬态和稳态关系,以动量方程的形式再现了各种交通拥堵现象。合(本文来源于《交通企业管理》期刊2019年06期）
童林,官铮[2]（2019）在《区分交通流模式的门限服务轮询与韦伯斯特混合交通信号灯控制策略》一文中研究指出交通信号配时一直以来是智能交通中研究的热点,针对现有交通信号控制策略中较少利用交通流动态变化的特征,本文依据交通流特征,利用SOM神经网络对历史交通流状态聚类,结合路口时间段与路段环境特征分析,实现了交通流模式的科学划分。在交通流类别划分的基础上,引入PNN神经网络对该路口的交通流模式进行训练学习。另外,在分析了门限服务轮询信号配时和韦伯斯特信号配合的控制策略优势与交通流特征基础上,提出了基于交通流识别的自适应控制策略,实现了控制策略与交通流类别精准匹配。结果表明区分交通流模式下的门限服务轮询与韦伯斯特混合控制方法能够适应车流的随机变化,与传统配时相比行车指标得到明显提升。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
高思琦[3]（2019）在《基于深度强化学习的多智能体城市道路交叉口交通流优化控制研究》一文中研究指出传统的交通信号控制系统主要是通过固定安装在路口附近的回路探测器以及交通摄像头等来获取实时的路口车辆信息,未能与智能交通系统(Intelligent Transport System,ITS)中的车辆子系统实现数据共享和事件互动,同时其自适应控制策略缺乏自我调节的功能。随着人工智能与自动驾驶技术等技术的发展,车路协同控制系统结合人工智能技术可为ITS提供一种更经济、更有效、自学习、自寻优的交通控制方案。为此,以自动驾驶车辆和信号灯控制器构成的闭环控制系统为研究对象,通过深度强化学习方法实现车流的动态调度,进而提升路网通行效率,本文主要开展了如下工作:1、采用马尔可夫决策过程(Markov Decision Process,MDP)建立了基于多智能体强化学习的车路协同控制模型(vehicle-road cooperative control model,VRCCM),设计了交通信号灯控制器(TLcontroller)和自动驾驶车辆控制器(AVcontroller)的交通状态空间、动作空间以及奖励函数,进而引入深度强化学习(Deep Reinforcement Learning,DRL)算法对VRCCM进行训练和优化。2、针对DRL算法中传统递归神经网络不能对交通流序列中的长时依赖信息建模,以及样本相关性过大容易导致训练的策略难以最优等问题,提出了一种优化的基于长短时记忆(Long Short-Term Memory,LSTM)深度网络的分布式PPO算法。同时在模型训练过程中,设计多进程同步采样方法,实现了智能体与不同环境互动历史信息的经验池存储,优化了模型的训练效率;在计算策略梯度时,引入minibatch方法提升了模型的训练速度,并避免算法陷入局部最优。3、搭建交通仿真平台SUMO(Simulation of Urban Mobility),设计了井字型路口区域的交通流控制模拟系统,通过在不同路网饱和度状态下改变自动驾驶车辆的比例来计算路网区域的平均速率,在Gym环境下对分布式PPO算法进行了系统训练及优化。仿真实验结果表明,随着路网饱和度的增加,区域的平均速率增长率虽然下降,但明显高于仅由信号灯控制下的平均速率;同样在路网高饱和度状态下,本文方法对比信号灯控制,区域通车量平均提高23.6%、平均速率提高了30.7%,表明本文方法对提升路网通行效率具有一定的参考价值和意义。(本文来源于《福建工程学院》期刊2019-05-01）
孙振伟[4]（2019）在《基于交叉口混合交通流运行特性的城市干路交叉口信号控制优化与应用》一文中研究指出随着我国城市道路的飞快发展,机动车保有数量持续增长,我国从原来的自行车大国逐渐慢慢过渡成为机动车占主要出行方式的国家。现今,大部分城市主干道已经不能满足车辆行驶的需要,城市交通拥堵也日益严重。城市道路中的路网是由一个一个的节点以及路段组合而成,其中城市道路路网的节点就是城市道路的交叉口,其中制约城市道路交通流量的大小最主要的就是城市主干道交叉口的流量以及通行效率。城市主干道的交叉口可以说是城市道路的心脏部分。本文主要通过分析混合交叉口的运行特性以及交叉口的分合流点和冲突方式的形成,运用TRRL法通过上述理论探讨交叉口的空间优化以及时间优化方法,建立计算交叉口通行效率的模型来优化交叉口,通过交叉口的通行能力以及车辆延误时间为主要指标来验证模型的正确性。通过对城市主干道的道路中选取部分交叉口作为实例,实地调查采集数据,根据前面的理论对交叉口进行整体优化以及逐个优化,再通过评价指标来验证优化的合理性。本文建立的模型是在TRRL方法的基础上并根据我国道路现状加以优化,又综合考虑多个交叉口进行模拟,更贴近我国现行的道路交通,并且综合考虑了城市路网的整体优化而非单个交叉口的优化,更具有实际应用的意义。(本文来源于《长安大学》期刊2019-03-10）
吴立新,李迎旭[5]（2019）在《冰雪条件下长春市信号控制交叉口交通流特性分析》一文中研究指出根据长春市冬季的气候特点,采用人工观测与仪器测量相结合的方法,分析了冰雪条件与非冰雪条件下城市信号控制交叉口通行能力、运行速度、车头时距等特征,研究得出冰雪条件下交叉口通行能力以及驶入交叉口车辆运行速度的下降幅度,以及与非冰雪条件相比,在冰雪条件下同车道相邻两车应保持的安全行车距离和车头时距,为冬季车辆安全出行提供依据。(本文来源于《福建交通科技》期刊2019年01期）
李文婧[6]（2019）在《面向多时段控制的长时交通流预测及分割点优化方法》一文中研究指出信号控制是保障交通流安全运行、缓解城市交通拥堵的重要措施之一,其控制模式可分为感应控制、自适应控制和定时控制。感应控制与自适应控制依据实时交通流数据动态优化控制方案,可以很好的适应交通需求的短时随机波动。定时控制,又称多时段控制(Time of Day,TOD)是根据交通流的变化规律将某一时间单元(通常指一天)划分为若干时段,进而以时段为基本元素优化信号控制方案。该类方法在中低饱和交通状态下具有很好的控制效果,且是任何信号控制系统所必须配置的默认方案,作为检测器损坏、数据传输故障时的降级控制方式。定时控制包括时段划分和信号方案优化两项工作,目前对于定时控制的信号方案优化已有很多研究成果。针对时段划分其传统方法多基于历史数据借助聚类手段完成,存在两大缺陷:一是聚类方法多忽略交通流参数的时间属性,最优的聚类结果无法保证时段划分结果的全局最优性;二是缺乏对交通流参数的精确预测,在待划分对象的真实数据与历史数据存在较大差异时出现划分方案与实际交通流数据的错误匹配。为弥补上述缺陷,本文分别针对长时交通流预测及时段划分开展研究工作。目前,长时交通流预测的相关研究很少,现有方法多借助直观影响因素(例周天)将历史数据进行模式分类,进而根据待划分对象的影响因素属性选择合适的历史数据,并借助统计分析方法完成预测。然而,交通流参数的模式是多重因素迭加作用的结果,包括周天、天气、季节、节假日等。本文首先解析交通流的周期特性,进而构建一种基于密度峰值聚类的模式分类方法及待划分对象的模式匹配方法,并借助神经网络搭建长时交通流预测架构。其次,本文解析了基于K-means聚类思想的时段划分方法所存在的技术缺陷,提出了两类基于过程优化的改进算法。进而考虑交通流参数的时间有序性,借助时间序列分割算法实现交通流参数的最优切换,并引用动态递归构建一种快速求解算法。最后,基于多个城市的实际交通流数据采用仿真手段验证本文方法的实际效果,结果表明:预测方法能够显着提升交通流参数的预测精度,时段划分方法可以有效提高交通流整体运行效率。(本文来源于《浙江大学》期刊2019-01-01）
罗文慧[7]（2018）在《智慧交通背景下道路交叉口交通流控制模型与算法研究》一文中研究指出大力发展智慧交通是当今社会构建交通运输创新发展体系的主攻方向。智慧交通是智能交通运输系统在新时代的一次质的飞跃,其概念可以概括为应用物联网、云计算、大数据、无线传感、“互联网+”和人工智能等先进技术,逐步提升整个交通运输系统的科学智能程度,从而给道路使用者提供更加优质的服务,使人们的生产生活更加便捷。由于土地等自然资源有限,在未来的交通发展中,应在正确评估区域经济社会发展水平的基础上,适当发展交通基础设施建设,同时,要充分利用新思想、新技术,大力推进交通运输的科学管理,落脚点为交通运输的控制与诱导的不断发展。本文在建设智慧交通背景下,对交通控制与诱导的重点对象——道路交叉口的交通流控制技术开展了以下研究工作:(1)针对当前交通流预测模型不能充分提取交通流数据的时空特征,预测性能容易受到外界干扰因素影响的问题,提出一种基于深度学习的短时交通流预测模型。该模型结合卷积神经网络与支持向量回归分类器的特点,在网络底层采用CNN进行交通流特征提取,并将提取结果输入到SVR回归模型中进行流量预测。为验证模型的有效性,利用实际的交通流量数据进行试验,结果表明,提出的预测模型与传统的模型相比具有更高的预测精度,是一种有效的交通流预测模型。(2)在分析经典信号灯配时模型原理和应用的基础上,确定了道路交叉口动态配时的叁个优化指标,并构建了多目标规划模型;为了更好的对模型求解,得到最优的配时方案,引入仿生学蜻蜓算法,并对标准的蜻蜓算法进行了改进,引入混合变异算子,保证了解集的多样性;应用动态的外部档案策略,保证最优解集的分布性。在实验阶段,应用基准函数对提出的算法进行测试,验证改进算法的有效性。构建真实的实验场景对提出的模型和算法进行验证,应用vissim仿真平台对多种场景进行进一步仿真,并将模拟的结果与Webster模型进行比对,比对结果证明了提出模型及求解算法的优势。(3)在分析GPS、航迹推算基础理论和扩展卡尔曼算法内涵的基础上,提出一种基于车路协同的协同地图匹配定位算法。该算法首先利用扩展卡尔曼滤波融合全球定位系统信息与车载航位推算系统信息,将其作为协同地图匹配的预先定位;然后基于短程通讯技术实现车辆信息的共享与交换,在电子地图的基础上.利用道路约束实现车辆定位的进一步精确。为了验证算法的有效性,搭建了模拟真实场景的仿真环境进行实验,结果表明,本文提出的CMM算法比传统的车辆定位算法具有更高的精度。(4)在分析车辆避撞的基本知识、设计车辆避撞的控制流程、对交叉口冲突事态进行预先评估、对相关参数的计算过程进行解释和说明的基础上,构建了车辆危险度评价模型;在分析最优控制问题的数学表达方式,车辆运动状态模型的基础上,构建了无信号灯交叉路口车辆避撞最优控制模型,说明了边界约束条件和性能指标。并应用遗传算法对所建立的模型进行求解,介绍了遗传算法的流程,设计了避撞路径编码,构造了适应度函数和遗传操作,最后利用本文提出的模型和算法对两车交叉冲突事态和两车纵向冲突事态下的车辆避撞情况进行了仿真,实验证明,本节提出的模型和算法可以很好的实现无信号灯交叉路口车辆间的避撞。(本文来源于《北京交通大学》期刊2018-12-18）
蒋贤才,于晨[8]（2018）在《信号交叉口不对称交通流的优化控制方法》一文中研究指出为了改善不对称交通流导致信号交叉口进口道交通负荷分布不均、通行效率低下的问题,对交叉口对向交通流的分布形式及其适用的相位方案进行了分析,建立了信号周期动态相位方案的生成规则,并以综合交通效益最大为目标建立了交叉口不对称交通流的动态相位信号控制参数优化模型,并给出了其求解算法.分析了不对称系数大小及其阈值变化、不对称信号周期比例对优化方法的影响,并以哈尔滨市红旗大街—淮河路交叉口为例,VISSIM仿真结果显示,采用动态相位优化方法后,该交叉口的车均延误、平均排队长度和停车率等评价指标下降了27.8%以上,验证了动态相位优化方法的有效性.该方法能减少直行车流的停车等待时间、避免交叉口部分进口方向时空资源的空耗,有利于信号交叉口通行效益的提升.(本文来源于《交通运输系统工程与信息》期刊2018年06期）
白静[9]（2018）在《基于动态交通流信息的城市交通突发拥堵控制与诱导研究》一文中研究指出交通拥堵作为城市化溢出的负外部性产品,其应对与治理在全球范围内一直都是社会各界关注的焦点领域。交叉口信号控制及路径诱导作为智能交通系统中重要组成部分,在日益严峻的交通环境下,正获得越来越广泛的应用。然而,在硬件设施迅速发展和完善的同时,交通管理系统智能化程度低的问题依然存在,交通管理部门面临着从海量的交通流数据中,尤其像交通突发拥堵所产生的具有非重复特性的数据中,获取隐藏的内在信息,以及充分利用信息优势制定科学的疏导策略等问题。因此,在海量交通数据的基础上,开展动态交通流信息处理及拥堵的控制与诱导策略研究,对缓解城市交通拥堵具有重要意义。本文针对交通突发拥堵这一有别于常规性拥堵的现象制定专门的交通管理策略,分析城市交通突发拥堵的特点、传播规律,利用深度学习算法具有快速、充分学习数据内在特征的能力,从大量交通流数据中快速判别出交通状态并预测短时动态交通流信息,在此基础上,结合文中给出的突发事件下交通流传输模型,分别从交叉口信号控制系统和路径诱导系统两方面,研究交通突发拥堵的事先疏导及协调控制的策略,并对几种策略的作用机制和效果进行仿真评估。具体工作如下:首先,分析了城市交通突发拥堵现象的特点,包括拥堵产生的原因、拥堵的评定指标以及突发拥堵的交通流时空分布特征。利用交通波动理论分析了不同情形下拥堵传播的规律,讨论了交通突发拥堵情况下交通管理部门的应对方案流程。分析了城市交通突发拥堵交通流参数的时空相关性,针对预测模型输入数据的高维特性以及交通流数据复杂性、非线性和不确定性的特点,利用深度学习工具构建未来短时动态交通流信息预测模型。构建深度信念网络对交通流数据作无监督特征学习,引入Logistic回归实现有效、实时的交通拥堵状态识别,同时为交通流信息预测提供分类预训类,在分类预训练结构顶层添加反向微调网络,通过后向反馈预测动态交通流信息。然后,考虑微观仿真软件在进行解析分析时受到软件功能制约,交叉口信号控制需要结合路段的排队情况,为了准确描述排队的形成及消散过程,构建一种能够刻画突发拥堵可能出现排队溢出现象的交通流传输模型:事件双排队模型,分析证明了模型的理论特性,利用算例数值计算验证模型的实用性。进一步根据模型的理论特性,建立了信号控制优化模型,并利用遗传算法对离散化后的模型进行求解,通过数值算例验证该模型对交通突发拥堵疏散的有效性。其次,分析了动态交通流信息对交通分配的影响,设计了考虑用户紧急程度的基于动态交通流信息的在途诱导方案。为了充分利用动态交通流信息并提高诱导效率,提出了时变路网下改进的A*算法,考虑用户不同紧急程度对拥堵感知存在差异,提出了基于紧急函数的行驶时间感知效用算法,并构建了基于用户紧急程度的备选路径分配方案。再次,考虑目前大部分的协同优化策略都需要反复迭代运算来实现目标优化,且计算量过大,提出了基于动态交通流信息的线下学习-线上控制的信号控制与诱导系统协同优化方案,在海量数据的基础上,利用人工智能无监督学习功能,掌握交通拥堵的交通流特征,将主要计算问题转移到线下,从而实现线上管理决策应有的快速性。分析交叉口时间延误,对文中提出的信号控制、在途诱导策略做适当改进,以助于实施协同控制方案。最后,为了表征不同控制策略的作用机制及效果,利用微观仿真软件SUMO建立了典型交通仿真环境,将O-D数据分成两组,在此仿真环境下,利用一组数据分别制定信号控制策略、在途诱导策略以及协同优化策略,同时利用所得到的交通数据信息进行训练以学习预测模型参数,然后用另一组作为仿真评估数据,通过四种指标评估所提策略的实用性及有效性。(本文来源于《燕山大学》期刊2018-12-01）
秦严严,王昊,陈全,冉斌[10]（2018）在《车联网环境下巡航控制系统对交通流油耗的影响》一文中研究指出为研究未来车联网环境下联网巡航控制(CCC)系统对交通流油耗的影响,选取Helly跟驰模型作为手动驾驶车辆跟驰模型,基于CCC车辆跟驰特性,构建多前车反馈的CCC跟驰模型;推导CCC系统的扰动传递函数,计算CCC系统关于反馈系数与平衡态速度的稳定域;针对高速公路上匝道瓶颈,考虑CCC车辆与手动驾驶车辆混合行驶中的随机性,在不同的主路需求与匝道需求情况下设计数值仿真实验,评估CCC车辆对交通流油耗的影响。研究结果表明:当CCC系统稳定时,CCC车辆有利于降低交通流油耗,当CCC车辆比例达到约60%时,油耗降低速度较快,相比于传统手动车辆交通流,CCC车辆交通流油耗降低约35%以上;当CCC系统不稳定时,交通流油耗降低率小于3.59%;CCC系统稳定域能够影响交通流油耗降低。(本文来源于《中南大学学报(自然科学版)》期刊2018年11期）
交通流控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
交通信号配时一直以来是智能交通中研究的热点,针对现有交通信号控制策略中较少利用交通流动态变化的特征,本文依据交通流特征,利用SOM神经网络对历史交通流状态聚类,结合路口时间段与路段环境特征分析,实现了交通流模式的科学划分。在交通流类别划分的基础上,引入PNN神经网络对该路口的交通流模式进行训练学习。另外,在分析了门限服务轮询信号配时和韦伯斯特信号配合的控制策略优势与交通流特征基础上,提出了基于交通流识别的自适应控制策略,实现了控制策略与交通流类别精准匹配。结果表明区分交通流模式下的门限服务轮询与韦伯斯特混合控制方法能够适应车流的随机变化,与传统配时相比行车指标得到明显提升。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交通流控制论文参考文献
[1].刘雪莲,焦新龙,胡筱渊,胡洁,俞恬恬.城市交通流动态特性及协调控制方法研究[J].交通企业管理.2019
[2].童林,官铮.区分交通流模式的门限服务轮询与韦伯斯特混合交通信号灯控制策略[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[3].高思琦.基于深度强化学习的多智能体城市道路交叉口交通流优化控制研究[D].福建工程学院.2019
[4].孙振伟.基于交叉口混合交通流运行特性的城市干路交叉口信号控制优化与应用[D].长安大学.2019
[5].吴立新,李迎旭.冰雪条件下长春市信号控制交叉口交通流特性分析[J].福建交通科技.2019
[6].李文婧.面向多时段控制的长时交通流预测及分割点优化方法[D].浙江大学.2019
[7].罗文慧.智慧交通背景下道路交叉口交通流控制模型与算法研究[D].北京交通大学.2018
[8].蒋贤才,于晨.信号交叉口不对称交通流的优化控制方法[J].交通运输系统工程与信息.2018
[9].白静.基于动态交通流信息的城市交通突发拥堵控制与诱导研究[D].燕山大学.2018
[10].秦严严,王昊,陈全,冉斌.车联网环境下巡航控制系统对交通流油耗的影响[J].中南大学学报(自然科学版).2018
论文知识图
