导读:本文包含了多路口论文开题报告文献综述及选题提纲参考文献，主要关键词:车速引导,干线,公交优先,协调控制
多路口论文文献综述
蔡雅苹,王伟智[1]（2019）在《基于公交优先的多路口车速引导控制方法》一文中研究指出对于复杂的交通流,传统公交信号优先有可能会破坏干线协调控制效果,为此,提出公交优先可变车速引导和多交叉口信号配时优化的集成方案.以背景公交线路需求的历史数据为前提,通过定时检测公交车流状况,优化公共周期、绿信比和相位差,实时调整多路口交通信号配时,以此改善公交车的通行效率.同时,以福州市金山大道叁个交叉口为例,进行Vissim仿真模拟验证,仿真结果表明:所提方法可有效提升多交叉口公交车流的通行效益,减少公交车辆的延误,最大化减少停车次数.(本文来源于《福州大学学报(自然科学版)》期刊2019年05期）
吴庆哲,周俊[2]（2019）在《基于模糊控制的多路口路段交通信号灯信号周期的研究》一文中研究指出为解决多路口的路段因交通信号灯配时引起的拥堵问题,提高道路通行效率,降低车辆等待时间,路段各路口的信号周期时长是首先要得到的参数。根据实际交通路况,针对多路口路段,同时考虑到存在多主干道的情况,无需建立准确的数学模型,提出一种两级模糊控制方法设计路段信号周期。通过仿真结果表明该文提出的方法性能良好。(本文来源于《工业控制计算机》期刊2019年06期）
赵超[3]（2019）在《基于可变导向车道的多路口信号自适应控制方法》一文中研究指出随着城市机动化水平不断提升,道路交通供需矛盾日益加剧,常导致路口各转向交通流在不同时段内的需求度呈现不平衡现象。特别是在早晚通勤高峰,当进口道各转向交通需求出现较大波动时,仅通过传统的信号控制手段无法有效解决上述问题。而采用可变导向车道技术,将导向车道功能作为“慢变量”与信号配时进行结合,可以更好地解决道路时空资源之间的矛盾。鉴于此,本文基于国内外已有研究成果,结合当前交通检测技术和信号控制技术智能化的发展,以存在转向不均衡问题的路口为研究对象,对可变导向车道转向功能的动态转换和相应信号配时方案的实时优化进行探讨。本文的主要研究工作总结如下:首先,阐述了可变导向车道和自适应信号控制的相关基础理论。对于可变导向车道,介绍了定义、设置条件、设置原则及控制方式。同时,从类别划分和控制原理两方面对自适应信号控制进行阐述,为后文可变导向车道自适应控制的实现提供了理论依据。随后,提出关键路口可变导向车道自适应控制模型。在对模型组成结构和各模块功能进行说明后,分路况信息采集和导向车道自适应控制对模型进行阐述。其中,对于路况信息采集,主要从交通检测器选择和布设进行介绍;而对于可变导向车道自适应控制又分导向车道功能动态切换和自适应信号控制两方面进行研究探讨。进一步地,在有效解决单个路口转向不均衡问题的基础上,将可变导向车道的应用场景扩展到下游相邻路口,提出考虑相邻路口的可变导向车道自适应控制模型。对于设置在关键路口的可变导向车道,其车道功能将综合考虑关键路口自身需求和下游路口承载能力进行动态调节;同时,还将对相邻路口间信号配时方案采取协调优化,提升局部道路的整体通行效率。最后,以具有显着转向不均衡问题的交叉口及其相邻路口为例,借助MATLAB编码调用VISSIM软件的COM接口,以搭建案例仿真模型。通过分析案例道路在论文所述控制方法与其他常见控制策略下的仿真运行结果,对比通行能力、车均延误、排队长度及停车次数等多项评价指标,验证了论文研究成果的有效性。(本文来源于《江苏大学》期刊2019-06-01）
杨乾坤,王晓红[4]（2018）在《基于多路口预测与实时配时合作的交通控制系统设计》一文中研究指出交通流量的预测是实现智能交通控制的核心问题;利用电子车牌识别法对车辆进行计数,根据数理统计原理筛选对决策路口影响最大的样本数据,建立NARX动态神经网络预测模型,以路网多路口交通流的时间序列数据进行训练,预测后一天同时段的车辆数,计算出两方向总体配时差值,再分配于早晚高峰时段,并进行实验得出理想现象;严重拥堵情况下启动实时配时与应急方案;选取上海市长宁区常年拥堵的金沙江路与中山北路交叉口为中心点,进行Matlab仿真实验,所得预测数据与实际值比较差值较小,验证了以多路口数据预测单路口的创新设计能在实际交通中应用,且能与实时配时方案合作,缓解交通拥堵。(本文来源于《计算机测量与控制》期刊2018年12期）
刘成健[5]（2018）在《基于Q学习的多路口交通信号协调控制研究》一文中研究指出交通量的持续高速增长使得城市交通压力愈来愈大,交通拥堵问题愈显突出。现有的交通控制技术难以有效提高城市路网的交通效率,研究具有学习能力的交通信号自适应控制技术是解决这一问题的有效途径。针对现有交通控制系统存在的问题,本文采用基于Q学习及模糊技术相结合的交通控制模型及其优化方法,构建了单路口的交通优化控制模型,并在此基础上构建了基于相位差的多路口协调控制模型,能够有效减少车辆延迟,提高路网的整体通行效率。主要研究工作如下:(1)针对现有Q学习在交通控制应用中状态空间过于复杂,实时性差等问题,在Q学习中引入基于经验的状态划分,对状态空间进行优化;并通过建立交通参数融合函数的方式在保持多参数评价交通状态的前提下降低状态空间更新的复杂度;通过为逐个相位进行绿灯配时的手段,进一步降低状态空间的复杂度,提高系统控制的实时性。(2)针对复杂交通环境难以建模、现有基于Q学习的自适应控制方法未充分利用多种交通流参数,对交通流的变化难以给出准确、合理的反馈,本文采用模糊技术来实现以交通繁忙度、车辆排队长度等因素为主的交通流变化反馈机制,并结合改进的Q学习构建了一种路口交通信号自适应控制系统及方法。仿真测试实验表明,该方法及系统有效地提高了对交通流变化反馈的准确性。(3)针对庞大、复杂的交通路网难以整体协调控制的问题,在上述研究工作的基础上上,构建基于相位差的多路口协调控制模型,通过Q学习对相邻路口之间的相位差进行优化;为确保相位差协调的有效性,在协调控制过程中增加决策机制。仿真实验表明,该协调模型及方法,能够降低多路口协调控制的复杂度,提高多路口协调控制的实时性,从而有效提高整个区域路网的交通效率。(本文来源于《南京邮电大学》期刊2018-11-14）
刘雅倩,勒国庆[6]（2018）在《智能计算的干线多路口交通信号控制方法研究》一文中研究指出针对城市干线多路口交通信号控制中存在的问题,进行科学分析,详细介绍了叁种干线多路口交通信号控制方法,基于传递模糊深井网络干线交通信号控制方法、高阶广义神经网络的干线多路口交通信号控制方法、遗传算法的干线多路口交通信号控制方法,希望能够给相关工作人员提供一定的参考与帮助。(本文来源于《南方农机》期刊2018年05期）
胡文斌,聂聪,邱振宇,杜博,袁泉[7]（2018）在《一种城市交通路网实时动态多路口路径导航量子搜索方法》一文中研究指出城市交通拥堵日益严重,高效的路径导航方法一直是当前研究的热点和缓解拥堵的主要途径.现有的研究成果主要集中在对单个车辆行驶时间的路径寻优和小规模路网的多车辆均衡化的路径导航,没有实现大规模多车辆多路径的实时动态路径导航.当前研究主要存在以下局限:(1)导航方案评价指标单一,不能充分表示导航方案的优劣;(2)无法实现大规模路网的实时导航.针对这些问题,本文提出一种城市交通路网实时动态多路口路径导航量子搜索方法(A Route Guidance Method based on Quantum Searching for Real-time Dynamic Multi-intersections in Urban Traffic Networks,RGQS),该方法充分考虑各种因素,实时提供大规模路网的路径导航.本文的实验分别在人工路网和真实路网中验证了RGQS方法相比于对比算法可以使行驶时间减少达到20%.(本文来源于《电子学报》期刊2018年01期）
孟鹏涛[8]（2017）在《多路口交通信号灯协同控制算法研究》一文中研究指出城市道路拥堵每年给经济带来的损失难以估量,为解决交通拥堵问题,世界各国投入了巨大人力、物力、财力,采取了新修道路、拓宽原有道路、修建高架等措施。但是受城市土地使用的限制,这些措施并不能无限制的使用。与世界其他发达国家相比,中国的交通在管理控制水平上仍有待提高,尤其是城市交通信号灯的协同管理控制水平。与修建道路相比,提高交通信号灯的协同控制水平具有成本低、见效快、可操作性强等特点。因此,基于多路口交通信号灯协同控制算法的研究对缓解交通拥堵、提高道路通行效率、减少车辆加减速频率以及保护环境等方面均具有重要意义和实践价值。首先,本文对多路口交通车流进行了分析,利用排列组合的方法对车辆从出发地到目的地所需经历直行、左转和右转的概率进行了统计分析,结果表明直行概率占比高达80.95%,而左转与右转概率各占9.52%,车辆在交叉路口直行的概率远远大于左转和右转概率。其次,以无锡市高浪路万顺道至立信大道路段为例,提出了基于左转相位的绿波控制优化算法。传统绿波控制中绿波车流在达到路口前易受前方已停车等待车辆的影响,使得绿波车流被打断,影响绿波控制效果。针对这一缺陷,在传统相位差公式的基础上,根据前方排队等候信号灯车辆的多少,提出适当缩减相位差的方法。然后,根据实地调研得到的交通状况数据和结果,利用模糊算法、遗传算法和VISSIM交通仿真软件对基于左转相位的绿波控制优化算法进行了分析。结果表明当检测段1-3的相位差分别缩小3s、12s、3s时,其延误时间分别可以减少5.8%、22.4%、16.5%,停车次数分别减少3.1%、14.7%、6.7%,验证了基于左转相位的绿波控制优化算法的有效性。最后,提出基于交通信号灯信息共享的车速诱导理念,利用Microsoft Visual C++6.0软件进行编程调试计算,验证了该方案的可行性。接着详细阐述了智慧公交的架构,并对智慧公交核心部分的广告机进行硬件设计,以南京市江宁区820路公交车的部分路段为例,阐述了车速诱导在智慧公交上应用的可行性。(本文来源于《江南大学》期刊2017-12-01）
刘杰[9]（2017）在《基于泊松分布交通流激励下的多路口城市道路微观仿真》一文中研究指出随着城市化进程的加快推进,交通拥堵已成为困扰全社会的主要问题之一。为治理交通拥堵,许多城市选择加密路网、加宽路段以及升级信号控制系统等方式。但这些措施往往在建设之后才能了解到效果,许多时候是耗资不菲但效果甚微。微观交通仿真作为一种利用计算机强大的信息处理能力的模拟技术,可以在计算机环境下模拟实际交通,不需要实际交通的参与。因此在安全性、经济性以及实用性等方面具有很大优势。为了模拟实际路网的交通流,本文设计了一款微观交通仿真软件,该软件能够展现路网中每个路段中单个交通流的动态交通画面。首先,在第二章,本文对微观交通仿真的需求进行了分析,然后提出了交通仿真系统的整体功能,并提出了系统的总体设计方案,最终确定本文的主要任务。其次,在第叁章,本文分析交通流分布和点到达特点,提出了基于泊松分布理论的发车模型的可行性,并对发车模型进行了理论分析和公式推导,使得车辆到达具有泊松分布规律;第四章对优化速度跟驰模型、信号灯模块以及换道模块进行了介绍。然后,在第五章,以总体框架图为依据,遵循模块化设计思想,对系统的各个模块进行了软件设计。各个模块的功能如下:发车模型是在路网各个道路端口产生符合泊松分布规律的交通流;跟驰模型是对进入路网的车辆,当后车速度大于前者速度时的一种驾驶行为;信号灯模型主要是通过配置红绿灯周期,以此指导路网内车辆的运行状态切换。最后,对微观交通仿真系统进行了调试以及验证分析。从系统读取.net格式的路网文件并绘制路网,到发车模型根据路网文件检测道路端口数量和位置坐标,并在端口处产生车辆;再从车辆进入路网行驶,进行跟驰行为处理、到在信号灯面前的车辆启动与减速的动态时空变换的画面处理,都一一进行了验证分析。经过实验初步调试表明,该系统实现了在泊松分布交通流激励下的多路口城市道路微观交通仿真功能,不仅能够较为真实的描述真实交通,而且还具有比较高的研究价值和应用价值。(本文来源于《福州大学》期刊2017-06-01）
刘中原,闫学勤,李凤婷[10]（2016）在《基于多路口车辆滞流量的交通灯协调控制系统设计》一文中研究指出随着城市交通拥堵状况日益严重,采用传统的固定转换时间间隔控制交通灯的方法灵活性和时效性较差,已不能很好地满足复杂多变的交通环境。针对这一背景,提出一种智能交通灯协调控制系统。该系统利用PLC完成对本路口及其他路口车辆滞流量的检测,依据本路口各个方向车辆滞流量和其他相关路口滞留量的大小,实现对本路口各方向的绿灯时间以及本路口总周期时间的智能调节,并增加了手动模式与紧急模式,同时采用MCGS上位监测系统实时观察交通灯的状态变化。结果表明,与传统固定时间控制策略相比,该系统有效提高了十字路口的交通效率,缓解了交通压力。(本文来源于《工业控制计算机》期刊2016年10期）
多路口论文开题报告
（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：
为解决多路口的路段因交通信号灯配时引起的拥堵问题,提高道路通行效率,降低车辆等待时间,路段各路口的信号周期时长是首先要得到的参数。根据实际交通路况,针对多路口路段,同时考虑到存在多主干道的情况,无需建立准确的数学模型,提出一种两级模糊控制方法设计路段信号周期。通过仿真结果表明该文提出的方法性能良好。
（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。
多路口论文参考文献
[1].蔡雅苹,王伟智.基于公交优先的多路口车速引导控制方法[J].福州大学学报(自然科学版).2019
[2].吴庆哲,周俊.基于模糊控制的多路口路段交通信号灯信号周期的研究[J].工业控制计算机.2019
[3].赵超.基于可变导向车道的多路口信号自适应控制方法[D].江苏大学.2019
[4].杨乾坤,王晓红.基于多路口预测与实时配时合作的交通控制系统设计[J].计算机测量与控制.2018
[5].刘成健.基于Q学习的多路口交通信号协调控制研究[D].南京邮电大学.2018
[6].刘雅倩,勒国庆.智能计算的干线多路口交通信号控制方法研究[J].南方农机.2018
[7].胡文斌,聂聪,邱振宇,杜博,袁泉.一种城市交通路网实时动态多路口路径导航量子搜索方法[J].电子学报.2018
[8].孟鹏涛.多路口交通信号灯协同控制算法研究[D].江南大学.2017
[9].刘杰.基于泊松分布交通流激励下的多路口城市道路微观仿真[D].福州大学.2017
[10].刘中原,闫学勤,李凤婷.基于多路口车辆滞流量的交通灯协调控制系统设计[J].工业控制计算机.2016