Please wait a minute...
浙江大学学报(工学版)
J4  2009, Vol. 43 Issue (6): 1026-1031    DOI: 10.3785/j.issn.1008-973X.2009.
计算机技术、自动化技术     
具有公交优先的路网交通流智能协调控制
孔祥杰1, 沈国江1,梁同海2
（1.浙江大学 工业控制技术国家重点实验室,浙江 杭州 310027；2.浙江省上虞市公安局 交通警察大队,浙江 上虞 312300）
Intelligent coordinated control of traffic flow on road network  with bus-priority
KONG Xiang-jie1, SHEN Guo-jiang1,LINAG Tong-hai2
(1. State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou 310027, China；
2.Traffic  Police Department, Shanyu Security Bureau, Shanyu 312300, China)
 全文: PDF(1027 KB)  
摘要：

在分布式道路交通控制结构以及模糊理论和人工神经网络技术的基础上,提出了一种具有公交优先的路网交通流智能协调控制技术.把整个路网作为一个大系统,路网中的各个路口为子系统,每个路口设置一个网络型的多相位智能信号控制机,实现对当前路口的交通控制和相邻路口间的协调.核心部分由3个模块组成：公交优先模块、绿灯观察模块和相位切换模块.详细设计了每个模块模糊决策方法,并用人工神经网络来实现模糊关系并提高系统的鲁棒性.目标通过相邻路口信号控制机的信息交互和协调,实现整个路网交通流的协调和公交优先通行.仿真研究结果表明,在时变和大流量交通环境中,该技术的控制效果明显优于传统的单路口车辆感应控制方法.
关键词： 路网;  交通流;  公交优先;  模糊逻辑;  人工神经网络    
Abstract:

On the basis of distributed road traffic control framework, fuzzy theory and artificial neural networks technique, a traffic intelligent coordination control technique with bus-priority is proposed. The whole road network is regarded as a large scale system and the subsystems are the intersections. A multi-phase intelligent signal controller that controlls its own traffic and cooperates with its neighbors is installed at each intersection. Bus-priority module, green observation module and phase switch module  comprise the hard core of the signal controller. In each module, the fuzzy rule base system is designed in detail. In order to improve the control system’s robusticity, the fuzzy relation of each module is implemented by a neural network respectively. Through information exchange and cooperating among adjacent signal controllers, social vehicle coordination and bus -priority in the whole road network are realized. Simulation  shows that the proposed method has better performance in the cases of time-varying traffic patterns and heavy traffic conditions than the traditional isolated intersection vehicle actuated control method.
Key words: road network    traffic flow    bus-priority    fuzzy logic    artifical neural network
出版日期: 2009-07-01
:  TP393.04  
基金资助:

国家“863”高技术研究发展计划资助项目（2007AA11Z216)；国家自然科学基金资助项目(50708094).
通讯作者: 沈国江，男，助研，博士.     E-mail: gjshen@iipc.zju.edu.cn
作者简介: 孔祥杰（1981-）,男，山东烟台人，从事城市交通建模与控制研究.
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章　　
孔祥杰
沈国江
梁同海

引用本文:

孔祥杰, 沈国江, 梁同海. 具有公交优先的路网交通流智能协调控制[J]. J4, 2009, 43(6): 1026-1031.

KONG Xiang-Jie, CHEN Guo-Jiang, LIANG Tong-Hai. Intelligent coordinated control of traffic flow on road network  with bus-priority. J4, 2009, 43(6): 1026-1031.

链接本文:

http://www.zjujournals.com/xueshu/eng/CN/10.3785/j.issn.1008-973X.2009.    或    http://www.zjujournals.com/xueshu/eng/CN/Y2009/V43/I6/1026

［1］ PAPPIS C P, MAMDANI E H. A Fuzzy Logic controller for a traffic junction ［J］. IEEE Transaction on Systems, Man, and Cyber-netics,1977, 7(10):707717．
［2］ ROBERTSON D, BRETHERTON R D. Optimizing networks of traffic signals in real time – the SCOOT method［J］. IEEE Transaction on Vehicular Technology, 1995,40(1):1115．
［3］ 沈国江. 城市区域交通流智能分散控制［J］. 浙江大学学报:工学版,2006, 40(4): 585589.
SHEN Guo-jiang. Study on intelligent decentralized control for urban region traffic［J］. Journal of Zhejiang University: Engineering Science, 2006, 40(4): 585589．
［4］ LOHK, CHANG E, CHAN Y C. Dynamic network traffic control［J］. Transportation Research, 2001, 35A(1): 721744．
［5］ LEE J H, LEE K M,LEE-KWANG H. Traffic control of intersection group based on Fuzzy Logic［C］∥ Proceeding of the 6th International Congress on Fuzzy Systems. San Paulo：Brazil,1995：465468．
［6］ 柳祖鹏,丁卫东,朱晓宏.交叉口公交优先信号控制系统研究［J］.武汉科技大学学报：自然科学版, 2005,28(1): 6568．
LIU Zu-peng, DING Wei-dong,ZHU Xiao-hong.Signal controlling system for public transport priority at road junctions［J］. Journal of Wuhan University of Science and Technology：Natural Science Edition, 2005,28(1):6568．
［7］ 许伦辉,习利安,衷路生.孤立交叉口多相位自适应模糊控制及其神经网络实现［J］.中国公路学报, 2005,18(3): 9093．
XU Lun-hui, XI Li-an,ZHONG Lu-sheng. Adaptive multi-phase fuzzy control of single intersection based on neural network［J］. China Journal of Highway and Transport, 2005,18(3):9093．
[1] 龚越, 罗小芹, 王殿海, 杨少辉. 基于梯度提升回归树的城市道路行程时间预测[J]. 浙江大学学报(工学版), 2018, 52(3): 453-460.
[2] 王薇, 程泽阳, 刘梦依, 杨兆升. 基于时空相关性的交通流故障数据修复方法[J]. 浙江大学学报(工学版), 2017, 51(9): 1727-1734.
[3] 黄赠, 王锐, 赵宇, 魏振磊. 隐伏断层地震诱发滑坡易发性评价[J]. 浙江大学学报(工学版), 2017, 51(11): 2136-2143.
[4] 江衍铭, 张建全, 明焱. 集合神经网络的洪水预报[J]. 浙江大学学报(工学版), 2016, 50(8): 1471-1478.
[5] 陈霞, 陈超, 刘凯. 多源异构众包数据风景旅行路线规划[J]. 浙江大学学报(工学版), 2016, 50(6): 1183-1188.
[6] 楼齐峰, 马晓龙, 叶盈, 梅振宇. 基于出行成本的停车收费和供给政策影响分析[J]. 浙江大学学报(工学版), 2016, 50(2): 257-264.
[7] 马明辉,杨庆芳,梁士栋,邢茹茹. 高速公路主线瓶颈区域的协调控制模型[J]. 浙江大学学报(工学版), 2015, 49(9): 1700-1706.
[8] 周旦, 马晓龙, 金盛, 王殿海. 混合非机动车交通流超车次率影响因素模型[J]. 浙江大学学报(工学版), 2015, 49(9): 1672-1678.
[9] 王福建, 戴美伟, 孙凌涛, 金盛. 基于多类跟驰行为的车头时距混合分布模型[J]. 浙江大学学报(工学版), 2015, 49(7): 1288-1294.
[10] 刘凯, 张立民, 张超. 受限玻尔兹曼机的新混合稀疏惩罚机制[J]. 浙江大学学报(工学版), 2015, 49(6): 1070-1078.
[11] 尚淑丽, 顾正华, 赵世凯, 刘国良. 基于模糊逻辑的水电工程生态效应综合评价[J]. 浙江大学学报(工学版), 2014, 48(9): 1603-1609.
[12] 柯海丰,应晶. 基于R-ELM的实时车牌字符识别技术[J]. 浙江大学学报(工学版), 2014, 48(7): 1209-1216.
[13] 姜季宏, 刘鸿鹏, 江振洲, 王卫. 储能电梯中超级电容选取和控制策略[J]. J4, 2014, 48(4): 610-615.
[14] 尚淑丽, 顾正华, 赵世凯, 刘国良. 基于模糊逻辑的水电工程生态效应综合评价[J]. J4, 2014, 48(4): 0-0.
[15] 柯海丰,应晶. 基于R-ELM的实时车牌字符识别技术[J]. J4, 2014, 48(2): 0-0.