CN105931474A - 一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法 - Google Patents
一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法 Download PDFInfo
- Publication number
- CN105931474A CN105931474A CN201610113799.4A CN201610113799A CN105931474A CN 105931474 A CN105931474 A CN 105931474A CN 201610113799 A CN201610113799 A CN 201610113799A CN 105931474 A CN105931474 A CN 105931474A
- Authority
- CN
- China
- Prior art keywords
- intersection
- overflow
- vehicles
- vehicle
- phase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000011217 control strategy Methods 0.000 claims abstract description 19
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 230000000717 retained effect Effects 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000006866 deterioration Effects 0.000 claims description 2
- 229920006395 saturated elastomer Polymers 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 230000007704 transition Effects 0.000 description 12
- 238000005457 optimization Methods 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 6
- 230000009194 climbing Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了带有量子决策的防止城市道路交叉口群的局部溢流控制策略,属于智能交通的技术领域;所述控制方法通过量子技术,自动的选择自适应控制策略中的参考模型。结合防止城市道路溢流的Petri网模型构成的模型参考自适应控制系统,根据带有限制溢流的Petri网模型输出的期望车流量数修正各个相位的时间长度,有效抑制了城市交叉口群的车辆溢流;相比于现有技术中固定配时方案以及建立模糊控制规则继而引入信号决策方法的方案而言优化了控制效果。
Description
技术领域
本发明涉及本带有量子决策的防止城市道路交叉口群的局部溢流控制方法,属于智能交通的技术领域。
背景技术
城市道路交通是影响城市经济增长的因素之一。随着汽车工业的发展,人民生活水平的提高,汽车的需求量在持续增加。造成交通拥堵的原因除了城市道路供给与日常的通行需求之间的矛盾外,还有城市交通规划的不合理性以及淡漠的交通意识。城市道路建设是系统性的,基础性的工程。在进行城市道路规划时要综合考虑到多方面的因素。但是由于目前城市道路规划不合理,不科学,导致道路经常性翻修,严重影响了正常的交通通行。中国的交通组成结构与外国不同,国外的结构以机动车为主,而国内的交通结构是混合交通结构,以自行车和电动车为代表的非机动车的占比非常高。在混合交通中,非机动车与机动车的相互占道现象严重。由于机动车的高速增长,而城市停车位稀缺,导致大量机动车在非机动车道上违规停车,阻碍非机动车的通行。同时,大量非机动车占用机动车道行驶,降低了机动车的通行速度。淡薄的交通意识导致闯红灯,超载,争道现象经常发生,降低通行效率的同时也增大了交通事故的发生频率。
在经典的优化方法中,Webster和Akcelik分别提出了Webster模型和ARRB模型。这两个模型在固定配时方法中有重大的影响。这两个模型在低流量下,能够很好的计算出来车辆通过路口的平均延误时间,但是在高流量下,计算的结果误差较大。近几年,随着Petri网技术的发展,用Petri网建立交叉路口的模型成为现在研究的热点之一。利用Petri网模型可以同时描述车辆通过路口的宏观特征和微观特征。通过对连续Petri网的研究,可以同时从连续的和离散的角度对交叉路口进行分析和研究。
传统的相位配时方法是通过寻优算法对特定的交叉口延误模型进行寻优,得到最小延误的信号分配方案。常用的方法有爬山法,粒子群寻优算法,蚁群寻优算法等。比较实用的是爬山法,其实现比较的简单,在实际中已经得到了一定的应用。统计学模型和寻优算法一般于用固定配时方案中,利用人工采集数据得到模型中的各个参数值,然后结合寻优算法,求解出配时方案。但是由于传统方法是建立在统计模型的基础上,由人工实现确定模型的参数。当事故发生时,配时方案不能及时的调节,从而导致车辆的积压,形成溢流状态,降低路网中交叉口的通行能力。
发明内容
本发明所要解决的技术问题是针对上述背景技术的不足,提供了带有量子决策的城市道路交叉口群局部溢流控制策略。
本发明为解决上述技术问题采用以下技术方案:
一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法,该方法包括以下步骤,
步骤1,采用量子信息技术以及Petri网理论,根据车量的排队状态,建立交叉路口的车辆参考模型;针对欠饱和和过饱和两种情况,分别设计不同交叉口Petri网参考模型;
步骤2,建立各方向基于车队的滞留车辆的时间延长模型,并结合模糊隶属度函数,得到综合的平均车辆延误时间模型,在初始信号控制下得到交叉口各方向的延时时长;
步骤3,采集交叉口的实际滞留车辆数据,对比实际车辆的滞留数量以及参考模型中的滞留车辆数,得交叉口信号控制系统的残差;以实际系统与参考模型的滞留车辆的残差为输入,推导得到基于Petri网的自适应控制策略;
步骤4,依据实际车流量的大小,利用量子信息技术算法进行决策,结合步骤3得出的基于Petri网的自适应控制策略,实时调节信号的大小。
所述步骤1具体指,
步骤1.1,根据交叉路口的车辆行驶情况,将其分为四个相位,分别为:南北向直行、南北向左转、东西向直行、东西向左转,不考虑右转车辆专门的绿灯相位;
步骤1.2,利用量子信息技术来判断,在各相位的车辆是否出现过饱和情况,并且判断是否有需要采用有限制溢流的Petri网模型为交叉路口信号自适应控制策略中的参考模型;
步骤1.3,参考模型根据实际车流量的大小,动态的生成欠饱和状态下,交叉口中各个车道的滞留车辆数。
所述步骤1.2具体指,利用量子信息技术设置两个比特位来判断道路车辆是否会发生溢流,第一比特位用于评价排队车辆增长速度是否过快,第二比特用于评价排队车辆长度是否过长,用|00〉、|01〉、|10〉、|11〉分别表示没有溢流发生、车辆排队长度过长可能导致溢流、车辆排队长度增长过快可能导致溢流、车辆排队长度过长并且增长速度过快可能导致溢流;用四个权系数α00、α01、α10、α11分别表示前四种状态的权重|α00|2+|α01|2+|α10|2+|α11|2=1;溢流状态表示为:
根据判断溢流状态是否发生以及是否选取带有限制溢流的Petri网模型为交叉口信号自适应控制策略中的参考模型。
所述步骤2具体指,建立的相位时间延长模型:
在初始信号控制下得到交叉口各相位的延时信号;
其中:Ti是第i个相位的延长时间,Ti0是初始延长时间,ΔTi是相位延长时间的实时变化量,λ是保持路口系统稳定的参数,ei(k)是第i个相位在第k个采样点时实际滞留车辆数与期望滞留车辆数的差值,Si是车道饱和流量,K是最近一次采样点在整个采样序列中的序列号,N是保证k=K-N,…,K时ei(k)≠0的最大自然数,i为自然数,ei=ypi(k)-ymi(k)|ypi(k)-ymi(k)|>γ,ypi(k)是第i个相位在第k个采样点时的实际滞留车辆数,ymi(k)是第i个相位在第k个采样点时的期望滞留车辆数,γ是表示对扰动的不敏感程度,γ取值大于零。
所述带有限制溢流的Petri网模型具体指,根据Petri网的基础理论,当交叉口处于过饱和状态时,为了减少过饱和状态的存在时间,根据发生溢流的交叉口方向,自动的跳过发生溢流方向的绿灯相位,从而避免溢流的恶化以及减少溢流的发生时间。
所述保持路口系统稳定的参数λ:
i=1,2,3,…无论或
mi是设定的每秒钟通过路口的车辆数。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
(1)带有量子信息决策模块的防止溢流自适应控制策略能够根据车道上是否发生溢流,自发的选择用于自适应控制策略的参考模型。进而以Petri网的参考模型输出的期望直流车辆数修正各相位实际滞留车辆数与期望滞留车辆数的差值,修正各相位的延长时间。再由修正后的各相位延长时间、初始相位信号修正交叉路口的实际相位信号,对路网局部溢流具有更强的抵抗能力;
(2)相比于现有技术中固定配时方案以及建立模糊控制规则继而引入信号决策方法的方案而言优化了控制效果。
附图说明
图1为本发明实施例中的1个相位的通行方向;
图2为本发明实施例中的1个相位的通行方向;
图3为本发明实施例中的1个相位的通行方向;
图4为本发明实施例中的1个相位的通行方向;
图5为本发明中不带有限制溢流的道路的Petri网模型;
图6为本发明中带有限制溢流的道路的Petri网模型;
图7为本发明中交叉口信号系统的Petri网模型;
图8为本发明中防止城市道路交叉口群的局部溢流控制策略的控制框图;
图9为车队在红灯初期到达的离散图;
图10为车队在红灯初期到达的离散图;
图11为车队在红灯中期到达的离散图;
图12为车队在红灯中期到达的离散图;
图13为车队在绿灯初期到达的离散图;
图14为车队在绿灯初期到达的离散图;
图15为车队在绿灯中期到达的离散图;
图16为车队在绿灯中期到达的离散图;
图17为在车队延误模型中引入的隶属度函数图;
图18为无控制策略的控制效果图;
图19为有溢流控制策略的控制效果图。
具体实施方式
本发明提供一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法,为使本发明的目的,技术方案及效果更加清楚,明确,以及参照附图并举实例对本发明进一步详细说明。应当理解,此处所描述的具体实施仅用以解释本发明,并不用于限定本发明。
在本实施例中,被研究的道路交叉口相位变化如图1所示有4个相位,相位1如图2所示为南北向直行,相位2如图3所示为南北向左转,相位3如图3所示为东西向直行,相位4如图4所示为东西向左转。在这篇发明中,因考虑到如果路口有专用右转车道,则右转车辆与其他方向车辆冲突较小,不考虑专门的绿灯相位。
第i个相位的期望滞留车辆数ymi由交叉口的Petri网模型输出,交叉口的Petri网模型的配时方案由信号初始分配模块决定。在信号初始分配模块中,设定对应路口的延误模型,并利用爬山法对初始相位信号进行分配。其具体方案如下:
下游路口的到达车辆受到上游路口的信号影响,易形成车队。车队到达时车流量明显大于离散车流量。为了更精确的计算出车辆通过交叉路口的延误时间,将车队的不同到达情况分开考虑。车队在不同时间的到达离散图如图9至图16所示,横坐标为时间,纵坐标n为滞留车辆数。由图9、图10得到车队在红灯初期到达的延误时间dl1,由图11、图12得到车队在红灯中期到达的延误时间dl2,由图13、图14得到车队在绿灯初期到达的延误时间dl3,由图15、图16得到车队在绿灯中期到达的延误时间dl4:
式(1)至式(4)中:t1为车队到达的持续时间,t2为等待通行车辆的消散时间,qpl为车队到达时的车流量,qn为无车队到达时的车流量,qav为平均车流量,r为交叉口的红灯时长,g为交叉口的绿灯时长,C为交叉口信号周期,X为车道的饱和度,S为车道的饱和流量。
qpl=(1-β)/α·qav,qn=(β·qav)/(1-α),X=qav·C/(S·g)。
dl1对应的α和β为:
dl2对应的α和β为:
dl3对应的α和β为:
α=0.50×λ×[1+(1-β)·X]
dl4对应的α和β为:
α=0.50×λ×[(1-β)·X+0.50]
为了计算任意时刻的车队到达延误时间,利用隶属度函数将四种车队到达的延误模型(式(1)至式(4))联系起来并建立目标函数。
隶属度函数由图17所示,横坐标为一周期内的时间,根据图17可以得到各个车队到达类型的隶属度函数:
式(5)至式(8)中,LAJ是上游路口与下游路口的间距,VAJP是车辆通过两个路口之间道路的平均速度,θ是两个相邻路口信号之间的信号相位差,R是保证tPD在0到路口周期C之间最小的整数。
结合隶属度函数和不同的车队到达的延误模型,目标函数可以选择为各个相位延误时间的总和:
dl=μ1·dl1+μ2·dl2+μ3·dl3+μ4·dl4 (9)
结合爬山法寻优得到最佳的相位配时,使得路口总延误模型公式(9)最低。并将结果用到基于Petri网的参考模型中。
在进行信号进一步优化之前,先利用量子信息技术,判断是否有溢流现象发生,以及是否有必要选取带有溢流限制的交叉口Petri网模型。量子信息中,常用基本概念为比特位。本专利采用二比特位,一位表示车辆的排队长度,另外一位表示车辆排队长度的增长速度,两个比特位可以表示四种不同的车辆排队情况。用|00〉、|01〉、|10〉、|11〉分别表示没有溢流发生、车辆排队长度过长可能导致溢流、车辆排队长度增长过快可能导致溢流、车辆排队长度过长并且增长速度过快可能导致溢流,如下表所示:
用四个权系数α00、α01、α10、α11分别表示前四种状态的权重,|α00|2+|α01|2+|α10|2+|α11|2=1。溢流状态表示为:
根据判断溢流状态是否发生以及是否选取带有限制溢流的Petri网模型为交叉口信号自适应控制策略中的参考模型。α00、α01、α10、α11的计算式分别如下:
当α01、α10、α11的计算结果中有1,表示有溢流将要发生,应该采取带有溢流限制的参考模型。用于自适应控制的参考模型为Petri网模型,如图2和图3所示。
图5、图6对应于道路系统的Petri网模型。其中,图5表示没有溢流限制的道路交叉口模型,当库所p1中有对应的托肯时且库所pintersection未满,变迁tNS_GS_into就会触发,车辆就可以进入库所pintersection中成为一个虚托肯,一段时间后,虚托肯经过托肯变迁转变为实托肯就可以被变迁tNS_GS_out触发,离开库所pintersection。库所pintersection代表交叉口的公共空间。图6表示带有溢流限制的道路模型。当库所pNS_GS_right是空时,每周期延时变迁pNS_GS_right可以产生一个托肯送入库所pNS_GS_right中。在库所pNS_GS_right和库所p1中有托肯时,车辆才会允许进入路口,即库所pintersection。变迁tNS_GS_in_copy与tNS_GS_in,tNS_GS_int o copy与tNS_GS_into是分别对应相同的,即图6中的右边为虚拟的交叉口道路模型,作用就是统计进入交叉口的车辆数,当车辆数到达限额wvariable时,消除库所pNS_GS_right中托肯,使得车辆无法继续进入交叉口。库所pNS_GS_intersection中的托肯代表进入了路口的车辆数,当车辆数到达wvariable时就会触发变迁tpassing_right_eliminate,从而消除了库所pNS_GS_right中的托肯。
图7对应于信号系统的Petri网模型,库所p1至p4为四个基础相位,变迁t1至t4表示四个相位之间的过渡,其延迟时间决定了每个相位的时间长度。库所pj_...和变迁tj_...表示相位跳跃部分。以库所p3对应的跳跃部分为例,当有跳跃第三相位的请求时,变迁tj_p3s将会产生一个托肯,送入pj_p3中。变迁tj_p3e是延时变迁,延时时间可以设定为一周期。当基础相位部分对应的Petri网模型中的托肯转移至库所pj_p3时,就会触发变迁tj_p3,直接跳转到库所p4,从而相位三的时间就会被跳过。结合图5、图6和图7,可以得到整个交叉口的Petri网模型。将Petri网的交叉口模型用于上文推导的自适应控制方案中,优化信号。
带有溢流限制的控制策略如图8所示,由参考模型的输出为yM=[ym1 ym2 ym3 ym4]T,其中ymi(i=1,2,3,4)是参考模型各相位的滞留车辆数(即为权利要求中的期望滞留车辆数)。滞留车辆是在绿灯开始之前就到达路口,等待绿灯放行,但是绿灯结束后,依然没有通过路口的车辆。实际道路交叉口的滞留车辆数为其中ypi(i=1,2,3,4)是实际交叉口各相位的滞留车辆数,t是变迁,p是库所。实际道路交叉口延长时间为KE=[Ke1 Ke2 Ke3 Ke4],其中,Ti(i=1,2,3,4)是实际交叉口各相位的延长时间。rF为车 流量信息,包括车队到达时的车流量qpl、无车队到达时的车流量qn、平均车流量qav。控制系统反馈的误差为eF=[e1(k) e2(k) e3(k) e4(k)],ei(k)(i=1,2,3,4)是实际交叉路口各相位滞留车辆数与参考模型各相位滞留车辆数的误差:
ei=ypi(k)-ymi(k)|ypi(k)-ymi(k)|>γ
其中,γ是大于0的整数,代表对于误差的不敏感程度,由工程经验设定。
为了取得最优的控制策略,设立目标函数:
根据模型参考自适应的推导过程可得:
无论ei(k)<0或者ei(k)>0,滞留车辆数的变化速率都是Si。所以这里采用-Si来替代 最终得到的绿灯时间调节方程为:
对于单个相位,利用离散李雅普诺夫可得:
其中,或者当时,可得稳定条件为即参数λ的限制条件为当时,可得方程参数λ的限制条件依然可以写成
综合上述两种情况,可得单个相位道路的控制律稳定条件为:
当两个相位都要采用溢流限制时:
当和时,参数λ的限制条件为:
当和时,参数λ的限制条件为:
当和其中一个为正,一个为负时,参数λ的限制条件可以表示为下式,这里假设和
参数λ的综合限制条件为:
当三个或三个以上的相位采用溢流限制参考模型时,参数λ的限制条件为:
i=1,2,3,…无论或
图17为利用MATLAB软件,结合本文所述的控制方法得到的控制效果图,图18为固定配时在溢流发生时,车辆的排队状态。图19为带有溢流限制的自适应控制策略,在有溢流发生时的车辆通行情况。当溢流控制被触发时,上游进入交叉口的车辆数减少,以缓解发生滞留车道的通行压力。
Claims (6)
1.一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法,其特征在于:该方法包括以下步骤,
步骤1,采用量子信息技术以及Petri网理论,根据车量的排队状态,建立交叉路口的车辆参考模型;针对欠饱和和过饱和两种情况,分别设计不同交叉口Petri网参考模型;
步骤2,建立各方向基于车队的滞留车辆的时间延长模型,并结合模糊隶属度函数,得到综合的平均车辆延误时间模型,在初始信号控制下得到交叉口各方向的延时时长;
步骤3,采集交叉口的实际车流量数据,对比实际车辆的滞留数量以及参考模型中的滞留车辆数,得交叉口信号控制系统的残差;以实际系统与参考模型的滞留车辆的残差为输入,推导得到基于Petri网的自适应控制策略;
步骤4,依据实际车流量的大小,利用量子信息技术算法进行决策,结合步骤3得出的基于Petri网的自适应控制策略,实时调节信号的大小。
2.根据权利要求1所述的一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法,其特征在于:所述步骤1具体指,
步骤1.1,根据交叉路口的车辆行驶情况,将其分为四个相位,分别为:南北向直行、南北向左转、东西向直行、东西向左转,不考虑右转车辆专门的绿灯相位;
步骤1.2,利用量子信息技术来判断,在各相位的车辆是否出现过饱和情况,并且判断是否有需要采用有限制溢流的Petri网模型为交叉路口信号自适应控制策略中的参考模型;
步骤1.3,参考模型根据实际车流量的大小,动态的生成欠饱和状态下,交叉口中各个车道的滞留车辆数。
3.根据权利要求2所述的一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法,其特征在于:所述步骤1.2具体指,
利用量子信息技术设置两个比特位来判断道路车辆是否会发生溢流,第一比特位用于评价排队车辆增长速度是否过快,第二比特用于评价排队车辆长度是否过长,用|00>、|01>、|10>、|11>分别表示没有溢流发生即欠饱和、车辆排队长度过长可能导致溢流即过饱和、车辆排队长度增长过快可能导致溢流、车辆排队长度过长并且增长速度过快可能导致溢流;用四个权系数α00、α01、α10、α11分别表示前四种状态的权重|α00|2+|α01|2+|α10|2+|α11|2=1;溢流状态表示为:
根据判断溢流状态是否发生以及是否选取带有限制溢流的Petri网模型为交叉口信号自适 应控制策略中的参考模型。
4.根据权利要求1所述的一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法,其特征在于:所述步骤2具体指,
建立的相位时间延长模型:在初始信号控制下得到交叉口各相位的延时信号;
其中:Ti是第i个相位的延长时间,Ti0是初始延长时间,ΔTi是相位延长时间的实时变化量,λ是保持路口系统稳定的参数,ei(k)是第i个相位在第k个采样点时实际滞留车辆数与期望滞留车辆数的差值,Si是车道饱和流量,K是最近一次采样点在整个采样序列中的序列号,N是保证k=K-N,…,K时ei(k)≠0的最大自然数,i为自然数,ei=ypi(k)-ymi(k)|ypi(k)-ymi(k)|>γ,ypi(k)是第i个相位在第k个采样点时的实际滞留车辆数,ymi(k)是第i个相位在第k个采样点时的期望滞留车辆数,γ是表示对扰动的不敏感程度,γ取值大于零。
5.根据权利要求2所述的一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法,其特征在于:所述带有限制溢流的Petri网模型具体指,根据Petri网的基础理论,当交叉口处于过饱和状态时,为了减少过饱和状态的存在时间,根据发生溢流的交叉口方向,自动的跳过发生溢流方向的绿灯相位,从而避免溢流的恶化以及减少溢流的发生时间。
6.根据权利要求2所述的一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法,其特征在于:
所述保持路口系统稳定的参数λ:
无论或
mi是设定的每秒钟通过路口的车辆数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610113799.4A CN105931474A (zh) | 2016-02-29 | 2016-02-29 | 一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610113799.4A CN105931474A (zh) | 2016-02-29 | 2016-02-29 | 一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105931474A true CN105931474A (zh) | 2016-09-07 |
Family
ID=56840119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610113799.4A Pending CN105931474A (zh) | 2016-02-29 | 2016-02-29 | 一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105931474A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127887A (zh) * | 2019-12-19 | 2020-05-08 | 银江股份有限公司 | 一种基于实时交通状态驱动的信号控制优化系统及方法 |
CN112133086A (zh) * | 2020-08-10 | 2020-12-25 | 北方工业大学 | 一种基于多智能体网络的区域交通信号数据驱动控制方法 |
WO2022104693A1 (zh) * | 2020-11-17 | 2022-05-27 | 南京师范大学 | 模拟个体粒度长程高速交通流随机振荡的量子谐振子的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0618523B1 (en) * | 1993-04-02 | 1998-12-09 | Shinko Electric Co. Ltd. | Transport management control apparatus and method for unmanned vehicle system |
EP2280383B1 (de) * | 2009-07-31 | 2012-05-30 | Siemens Aktiengesellschaft | Verfahren zur Ermittlung von Verkehrsinformationen für eine Straßenstrecke eines Straßennetzes sowie Verkehrsrechner zur Durchführung des Verfahrens |
CN103927892A (zh) * | 2014-04-29 | 2014-07-16 | 山东比亚科技有限公司 | 一种交通溢流协调控制优化模型的建立方法及其工作方法 |
CN104778848A (zh) * | 2015-04-30 | 2015-07-15 | 安徽超远信息技术有限公司 | 用于道路交叉口车辆协调优化状态的交通信号优化控制方法 |
-
2016
- 2016-02-29 CN CN201610113799.4A patent/CN105931474A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0618523B1 (en) * | 1993-04-02 | 1998-12-09 | Shinko Electric Co. Ltd. | Transport management control apparatus and method for unmanned vehicle system |
EP2280383B1 (de) * | 2009-07-31 | 2012-05-30 | Siemens Aktiengesellschaft | Verfahren zur Ermittlung von Verkehrsinformationen für eine Straßenstrecke eines Straßennetzes sowie Verkehrsrechner zur Durchführung des Verfahrens |
CN103927892A (zh) * | 2014-04-29 | 2014-07-16 | 山东比亚科技有限公司 | 一种交通溢流协调控制优化模型的建立方法及其工作方法 |
CN104778848A (zh) * | 2015-04-30 | 2015-07-15 | 安徽超远信息技术有限公司 | 用于道路交叉口车辆协调优化状态的交通信号优化控制方法 |
Non-Patent Citations (2)
Title |
---|
王瓅: "城市交通干道的交叉口信号控制方法研究", 《万方》 * |
许定国: "《量子信息学导论》", 30 November 2015 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127887A (zh) * | 2019-12-19 | 2020-05-08 | 银江股份有限公司 | 一种基于实时交通状态驱动的信号控制优化系统及方法 |
CN111127887B (zh) * | 2019-12-19 | 2021-03-16 | 银江股份有限公司 | 一种基于实时交通状态驱动的信号控制优化系统及方法 |
CN112133086A (zh) * | 2020-08-10 | 2020-12-25 | 北方工业大学 | 一种基于多智能体网络的区域交通信号数据驱动控制方法 |
CN112133086B (zh) * | 2020-08-10 | 2022-01-18 | 北方工业大学 | 一种基于多智能体网络的区域交通信号数据驱动控制方法 |
WO2022104693A1 (zh) * | 2020-11-17 | 2022-05-27 | 南京师范大学 | 模拟个体粒度长程高速交通流随机振荡的量子谐振子的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | Development and evaluation of a coordinated and conditional bus priority approach | |
CN108510758B (zh) | 基于视频实时信息的城市快速路入口匝道信号控制方法 | |
CN106251649A (zh) | 基于缓解过饱和状态下道路交叉口拥堵状况的控制策略 | |
CN104134356B (zh) | 城市交叉口模型参考自适应信号的控制方法 | |
CN112037507B (zh) | 一种过饱和交通状态干线自适应信号协调设计方法与装置 | |
CN111899534A (zh) | 基于道路实时容量的交通灯智能控制方法 | |
CN106971566B (zh) | 基于遗传算法的自适应控制方法 | |
CN103794065B (zh) | 一种主动式的城市道路区域信号配时参数协同优化方法 | |
CN105046987A (zh) | 一种基于强化学习的路面交通信号灯协调控制方法 | |
CN105788302A (zh) | 一种双目标优化的城市交通信号灯动态配时方法 | |
CN111402605B (zh) | 基于通行能力模型优化的借对向车道左转的信号控制方法 | |
CN113538897B (zh) | 一种考虑扰动的城市交通区域迭代学习边界控制方法 | |
CN106952484B (zh) | 基于宏观基本图的路网门限控制 | |
CN108898858A (zh) | 一种过饱和交通状态下连续交叉口的信号协调控制方法 | |
CN106530757B (zh) | 一种高架匝道智能信号调控方法 | |
CN111126687B (zh) | 一种交通信号的单点离线优化系统及方法 | |
CN111524345B (zh) | 一种车辆实时排队长度约束下多目标优化的感应控制方法 | |
CN105931474A (zh) | 一种带有量子决策的防止城市道路交叉口群的局部溢流控制方法 | |
CN111951574A (zh) | 衰减记忆去伪控制的交通信号自适应迭代学习控制方法 | |
CN114913698B (zh) | 无专用道公交信号感应与右转合乘时空协同优先控制方法 | |
CN115171408A (zh) | 一种交通信号优化控制方法 | |
CN107680393B (zh) | 一种基于时变论域的十字路口交通信号灯的智能控制方法 | |
Jiang et al. | Traffic signal light control model based on evolutionary programming algorithm optimization BP neural network | |
CN114613125B (zh) | 一种快速路多匝道分层协同控制方法 | |
CN114333363B (zh) | 一种考虑上下游协同的瓶颈路口信号优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160907 |
|
RJ01 | Rejection of invention patent application after publication |