导读:本文包含了交叉口信号灯控制论文开题报告文献综述及选题提纲参考文献，主要关键词:城市停车标志,交叉口,交通信号灯,智能控制
交叉口信号灯控制论文文献综述
邹柠羽,朱家群,王学安[1]（2019）在《城市停车标志交叉口交通信号灯智能控制仿真》一文中研究指出由于城市人口增多,车辆堵塞的问题愈加严重,需要研究出有效的城市停车标志交叉口交通信号灯智能控制方法,针对当前方法仍然存在的车辆堵塞问题,提出了一种基于对称性换道规则的信号灯智能控制方法。上述方法利用停车标志交叉口交通信号灯变换时间的取值对车流密度、车流速度和车流流量的函数进行控制,在控制上述函数的同时建立了城市停车标志交叉口交通信号灯模型,将交通信号灯模型按照对称性换道条件进行换道操作,通过信号灯信号更新的方法,实现对城市停车标志交叉口交通信号灯的智能控制。仿真结果表明,提出的基于对称性换道规则的信号灯智能控制方法极大的缓解了城市车辆的交通堵塞问题。(本文来源于《计算机仿真》期刊2019年03期）
张文亮,郑九洲,里一峰,曾凡超,刘春廷[2]（2018）在《无信号灯十字交叉口车辆协作控制研究》一文中研究指出随着无人驾驶技术、车联网、区块链技术的不断发展,如何打造更加完善的智能交通系统成为了当前研究的热点问题。针对无信号灯十字路口的车辆协作控制问题,文章探索在无人驾驶技术和车联网的基础上,融合区块链技术在车辆协作方面的可行性。主要包括区块链网络的搭建和车辆的控制,车辆之间通过共识算法产生区块,共享实时车辆信息,最后通过实车搭建实验平台初步验证了区块链网络的可行性。(本文来源于《汽车实用技术》期刊2018年22期）
邓丽云,贺为婷[3]（2018）在《单交叉口交通信号灯的模糊控制方法研究》一文中研究指出针对城市单交叉口交通信号控制问题,提出了基于模糊控制的交通灯控制系统,根据模糊控制理论采用四相位的切换顺序对单路口进行红绿灯时间分配。以当前绿灯相位等待车辆和当前相位与红灯相位等待车辆差值为输入量,以绿灯延长时间为输出量。根据模糊控制工作过程;经过信息的模糊化,模糊控制规则制定,再经解模糊得到绿灯延时模糊控制查询表,通过等待车队长和通行车队长查表得到绿灯延时进行红绿灯控制。在同一种情况下利用MATLAB对模糊控制和传统定时控制进行仿真对比,仿真结果证实模糊控制器比定时控制方式平均车辆排队长度减少了51.6%。结果表明所提出的模糊控制方法比定时控制方法更能减少车辆的等待延时。(本文来源于《国外电子测量技术》期刊2018年04期）
刘佳悦[4]（2018）在《基于多目标优化以及模糊控制理论的单交叉口信号灯配时算法的研究》一文中研究指出近几年来我国经济高速发展,城市人口数量持续上涨,行车数量也在不断的上涨,随之而来的就是日益严重的一系列交通问题,给人们的生活带来了很大的不方便。一个城市的交通状况关乎着城市的经济发展,同时也决定着人民的生活质量,改善道路拥堵问题已迫在眉睫。交叉口是车辆通行的枢纽,有着连接道路、分散车流的作用,在缓解路况压力方面起着非常重要的作用,因此本文将从改进交叉口交通情况入手,提升交通控制的指标参数,改善道路拥堵问题。本文研究单交叉口的交通信号灯配时问题,在对道路各项指标进行分析对比后,提出了一种基于多目标优化的信号灯配时算法,该算法的优化目标为降低车辆延误时间、降低停车次数、提高通行能力,对各项指标进行无量纲化处理,构造多目标优化模型,然后采用定步长搜索的方法编程求出适合车辆所处路况的最佳信号灯周期方案。之后,本文又提出了另一种单交叉口信号灯的配时算法,即基于模糊控制理论的信号灯配时算法。因为交通系统是一个复杂且庞大的系统,无法准确的用数学模型来衡量,所以本文将模糊控制的思想结合到交通系统中来,根据车道排队长度的不同输出指标对配时方案的影响权重系数。在这个算法中,要构造叁个模糊控制器,分别对应停车次数、延误时间和通行能力叁项指标的权重系数,也就是叁个模糊控制器的输出量,将主队列车道排队长度和下一个队列的车道排队长度作为输入量。得到叁个权重系数后,对指标参数进行无量纲化处理,并与各项权重系数相乘构造最小值函数,采用定步长搜索各相最小值函数下的最佳周期,得出周期后,按照各相的交通流强度分配绿灯时间,最后将各相位的绿灯和黄灯的时间组合在一起,形成新信号灯配时方案。文章还选取了一个实际的交叉口,测量了具体数据,对本文提出的两个算法进行了实验验证。并对比了现行的配时方案的各项指标的优化程度。文章的最后对全文进行总结,交代了文章的不足之处,并指出了日后可以进一步研究的问题。(本文来源于《吉林大学》期刊2018-04-01）
袁丽丽,孙红艳[5]（2017）在《单交叉口交通信号灯的实时自适应控制策略》一文中研究指出针对两相单交叉路口信号灯的放行时间等控制规律,以及交叉路口的现有硬件设施等条件,一种新的交通信号配时优化方法被提出。通过视频图像实时获取交叉路口的交通流等信息,提取南北方向与东西风向车辆排队长度,进而确定南北方向与东西方向的红灯与绿灯的时间关系,实现信号灯的自适应实时控制。模拟实验表明该方法应用方便可靠,可实时根据车流量信息自适应改变信号灯的时间,是一种科学有效的信号灯自动管理机制。(本文来源于《中小企业管理与科技(上旬刊)》期刊2017年12期）
吴永芳,孟克其劳,朝鲁门[6]（2017）在《交叉口交通信号灯智能控制系统设计》一文中研究指出实现一种模拟单交叉口硬件系统和已知排队车辆长度的可变相位交通信号控制算法,以解决交叉口交通流的高度随机性降低交通信号控制系统效率的问题。首先通过控制算法选出通行率最高的信号灯组合,其次工控机根据最优组合,通过串口将控制命令传送给协调器,协调器再将控制命令使用Zig Bee无线信号发送到相应节点,在硬件系统上实现可变相位交通信号控制算法。实验结果表明,文中的控制算法在效率上优于传统控制算法。(本文来源于《信息系统工程》期刊2017年07期）
陶超,李超,赵骞,李杰,李孟莹[7]（2016）在《基于模糊控制的城市单交叉口信号灯配时优化》一文中研究指出针对交叉路口信号等控制问题,运用模糊数学的方法建立城市单交叉口信号灯模糊控制模型.以车辆平均延误时间为决策目标,以车辆排队长度和当前交通流量为输入变量,设计出优化算法,并借助MATLAB实现了仿真过程.同时将模糊控制与定时控制下的交通流量进行对比,发现其有较好的改进效果.(本文来源于《湖州师范学院学报》期刊2016年02期）
纪英俊[8]（2015）在《基于增强学习算法的城市交叉口信号灯控制》一文中研究指出随着城市人均汽车保有量的持续增长,城市交通压力不断加大,交通拥堵频率与规模都大幅增加,交通拥堵问题已经成为我国城市及其周边地区普遍存在的问题。交通信号控制是调节交通路网中交通流的主要手段,其控制方案的好坏决定了交通路网的通畅与否,对交通拥堵问题的解决起着重要作用。所以,优化交通信号控制是解决交通拥堵问题最行之有效的方法。交通流具有很强的动态性、随机性和不确定性,同时交通信号控制问题本身又是一个顺序决策问题,其控制方案的选取只与当前交通状态相关。正是由于这样的问题特性,使得增强学习方法在城市交通信号控制问题上更为适用。本文基于增强学习理论,针对城市交通交叉路口信号优化控制问题进行研究,主要工作如下:1)对增强学习在城市交通信号控制问题中的研究进行了综述。在“阿里智能交通算法大赛”背景下,基于真实的路网条件和交通流量数据,对交通控制中的复杂条件进行了合理的简化和假设,建立了交通信号控制下Q学习的应用模型,采用Q学习算法对交通信号灯进行控制,通过离线训练,在线应用手段,计算出了符合比赛要求的结果,并通过仿真实验证明,Q学习算法对于交通信号控制问题的有效性。2)将Sarsa算法与资格迹(Eligibility Traces)机制相结合,采用Sarsa(λ)算法对同一控制问题进行了研究。通过仿真验证发现Sarsa(λ)对于交通信号控制问题同样有很好效果,并通过大量实验,对本文采用的两种方法进行了对比,验证了由于资格迹的引入使Sarsa(λ)算法比Q学习具有更快的收敛速度。此外,还找出了更适应于本文研究背景的资格迹参数并分析了其原因。最后,对全文工作进行了总结,对未来的研究做出了展望。(本文来源于《东北大学》期刊2015-06-01）
崔欣[9]（2015）在《多智能体系统的无模型自适应控制及在多交叉口信号灯协调控制中的应用》一文中研究指出多智能体系统和无模型自适应控制方法得到越来越广泛的关注,前者是分布式人工智能的重要分支,后者则是典型的数据驱动控制方法,二者在解决复杂系统相关问题时也有着各自的优势。本文目的于实现多智能体系统理论和无模型自适应控制方法的有机结合,并在多交叉口信号灯的协调控制中加以应用。主要的研究内容如下：首先,构建了多智能体系统协调矩阵的表达方法,并基于多入多出离散时间系统的无模型自适应控制理论,对多智能体系统,设计了一种无模型自适应协调控制算法(Model Free Adaptive Coordinated Control, MFACC)。仿真分析结果表明所提出的无模型自适应协调控制算法能够完成多智能体的独立跟踪、协调跟踪以及两者相结合的控制任务。其次,针对道路交通控制中的重点研究对象之一——多交叉口信号灯的协调控制,讨论了对其应用多智能体系统理论的意义和可行性。然后,根据排队长度均衡思想,把传统的无模型自适应控制和所提出的无模型自适应协调控制分别应用于多交叉口排队长度均衡的信号灯控制设计中。仿真结果表明,两种无模型自适应控制方法都能够达到交叉口排队长度均衡的控制目标,且无模型自适应协调控制不仅能实现单交叉口的排队长度均衡,还能实现交叉口之间的排队长度实现均衡,即多智能体系统的协调。最后,考虑到多智能体系统间的互联影响会对多智能体协调控制效果产生的影响,以多交叉口智能体系统为例,对多智能体系统的模型进行了改进,分别提出了改进的交叉口存储转发模型和基于交通波理论的关联交叉口排队长度模型,并运用复杂系统的无模型控制方法对系统进行分解,设计了对多交叉口智能体系统的分散估计分散控制型MFAC (Model Free Adaptive Control)算法。仿真结果表明,针对多交叉口系统的改进多智能体模型更加符合实际交通状况,尤其是当主干道交通流密度很大时,分散估计分散控制型MFAC算法能大大提升均衡控制的效果。(本文来源于《北京交通大学》期刊2015-01-15）
李勇[10]（2015）在《无信号灯十字交叉口协作车辆控制研究》一文中研究指出无人驾驶车辆技术已经发展到一定水平，但完全应用于现实生活还有很长一段距离。尤其在混合交通场景中，多个无人驾驶车辆之间、无人驾驶车辆与有人驾驶车辆之间如何交互还是一个亟待解决的问题。本文研究无信号灯十字交叉路口环境下的多车协作控制，在考虑车辆动力学特性的基础上，针对无人驾驶车辆与有人驾驶车辆及多无人驾驶车辆之间的协作与控制问题展开研究。无人驾驶车辆与有人驾驶车辆之间进行交互时，首先通过无线通信获取有人驾驶车辆的状态信息，并建立交叉口车辆行为预测的有限状态机模型，对交叉口有人驾驶车辆的行为进行预测。构建应用于无人驾驶车辆的混合状态系统，结合无人驾驶车辆交叉口安全条件运行规则，实现对无人驾驶车辆离散状态的分析及车辆控制。最后运用PreScan和Simulink/Stateflow实现交叉口联合仿真。仿真结果表明，该方法可以使无人驾驶车辆与有人驾驶车辆进行交互协作，并安全地通过路口。多无人驾驶车辆通过路口时，基于分层控制理念，搭建了路口控制系统。该系统分为宏观路口控制器、车辆顶层控制器以及车辆底层控制器。其中宏观路口控制器通过无线通信的方式获取进入路口的各个无人驾驶车辆的状态信息，并根据各个车辆的速度和位置等信息预测车辆在路口潜在的冲突，计算出各个车辆避免冲突的目标速度，而车辆顶层和底层控制器则控制车辆跟踪目标速度。通过PreScan和Simulink搭建仿真实验，实验结果表明，基于冲突预测的路口协作算法在保证安全的前提下提高了路口通行效率。为了采用真实的无人驾驶车辆验证多车路口协作算法，基于东风猛士平台设计无人驾驶车辆的纵向控制系统，其中包括电控液压制动系统、电控油门系统、车速的采集以及综合速度的控制，实现无人驾驶车辆的纵向控制。通过该无人驾驶车辆和一辆有人驾驶车辆搭建无信号灯多车路口协作研究实车实验平台，该平台中的车辆采用GPS和惯导进行组合定位，采用ZigBee模块进行无人驾驶车辆和有人驾驶车辆之间的通信。实车实验验证了路口协作算法在实际无信号灯路口环境中的可行性，提高了无人驾驶车辆的行驶安全性。(本文来源于《北京理工大学》期刊2015-01-01）
交叉口信号灯控制论文开题报告
（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：
随着无人驾驶技术、车联网、区块链技术的不断发展,如何打造更加完善的智能交通系统成为了当前研究的热点问题。针对无信号灯十字路口的车辆协作控制问题,文章探索在无人驾驶技术和车联网的基础上,融合区块链技术在车辆协作方面的可行性。主要包括区块链网络的搭建和车辆的控制,车辆之间通过共识算法产生区块,共享实时车辆信息,最后通过实车搭建实验平台初步验证了区块链网络的可行性。
（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。
交叉口信号灯控制论文参考文献
[1].邹柠羽,朱家群,王学安.城市停车标志交叉口交通信号灯智能控制仿真[J].计算机仿真.2019
[2].张文亮,郑九洲,里一峰,曾凡超,刘春廷.无信号灯十字交叉口车辆协作控制研究[J].汽车实用技术.2018
[3].邓丽云,贺为婷.单交叉口交通信号灯的模糊控制方法研究[J].国外电子测量技术.2018
[4].刘佳悦.基于多目标优化以及模糊控制理论的单交叉口信号灯配时算法的研究[D].吉林大学.2018
[5].袁丽丽,孙红艳.单交叉口交通信号灯的实时自适应控制策略[J].中小企业管理与科技(上旬刊).2017
[6].吴永芳,孟克其劳,朝鲁门.交叉口交通信号灯智能控制系统设计[J].信息系统工程.2017
[7].陶超,李超,赵骞,李杰,李孟莹.基于模糊控制的城市单交叉口信号灯配时优化[J].湖州师范学院学报.2016
[8].纪英俊.基于增强学习算法的城市交叉口信号灯控制[D].东北大学.2015
[9].崔欣.多智能体系统的无模型自适应控制及在多交叉口信号灯协调控制中的应用[D].北京交通大学.2015
[10].李勇.无信号灯十字交叉口协作车辆控制研究[D].北京理工大学.2015