双向绿波优化控制研究

《双向绿波优化控制研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国科学技术大学硕士学位论文双向绿波优化控制研究姓名：刘光柱申请学位级别：硕士专业：模式识别与智能系统指导教师：陈锋;关胜晓20100501摘要随着现代社会和经济的发展，以及城市化进程的加快，城市交通的拥塞已经成为世界范围内所面对的的主要问题之一。智能交通控制系统作为缓解城市交通压力的有效途径而成为学术界和产业界的研究热点，绿波控制是智能交通的重要研究领域，本文针对城市交通的干线双向绿波的优化控制展开研究。论文的主要研究工作包括：1．概述了现代交通控制和智能优化算法的发展，分析了交通控制的基本原理以及交通信

2、号配时，研究了几种典型的智能优化算法。2．深入分析了干线中交通流量采集传感器的布局，针对不同的交通道路情况，对交通流量采集传感器的合理布局进行讨论，以较好地采集干线的交通流量和提高干线采集的精确，并给出了传感器布局的整体思路。3．详细描述了双向绿波控制的基本原理和控制目标。基于对交通控制中的性能指标分析，提出了一种城市干线上双向绿波控制算法，通过对干线上双向绿波过程的分析，并基于延误、排队长度和绿波损耗的分析建立了双向绿波优化控制的目标函数。引入了粒子群优化算法(PSo)对建立的双向绿波的多目标模型进行优化

3、设计，并详细描述了优化设计的基本原理与算法。4．通过USTCMTS2．0仿真平台，对本文提出的双向绿波优化算法进行了仿真，实验结果验证了本文方法的有效性。关键词：交通控制，粒子群优化，传感器布局，双向绿波，多目标优化AbstractABSTRACTWitlltherapiddevelopmehtofmodemsocietyandeconomyandtheaccelerationofurbanizationprocess，urbantrafficcongestionhasbecomeoneofthemajor

4、problemsfacedbyworldwide．Intelligenttrafficcontrolsystem，aneffectivewaytoreleaseurbantrafficpressure，hasbecometheinterestingtopicofacademicandindustry．Green—waycontrolisallimportantcomponentofintelligenttransportationsystem．nisdissertationaimstostudyoptima

5、lcontrolofbidirectionalarterialgreen。way·Themainworkofthisdissertationisasfollows：1．Thedevelopmenofmodemtrafficcontrolandintelligentoptimizationalgorithmsarereviewedbriefly．Thebasictrafficcontrolprinciplesandthetrafficsignaltimingmethodsareanalyaed．Sometyp

6、icalintelligentoptimizationalgorithmsarestudied．2．Thelayoutofinductiveloopsensorsisstudiedtoacquirearterialtrafficflowinformation．Forthedifferentroadconditions，therationallayoutmethodsoftheinductiveloopsensorsalediscussedtoacquireurbanarterialinformationan

7、dimproveinformationaccurate．nelayoutmethodisgivenaswell．3．111ebasicprinciplesandcontrolobjectivesofbidirectionalgreen-wayaredescribedindetail．Basedontheanalysisoftheperformanceindexintrafficcontrol，abidirectionalgreen-waycontrolalgorithmisproposed．Bytheana

8、lysisoftheprocessofbidirectionalgreen—wayintheurbantraffictrunk,thedelay,thequeuelengthandthelossofgreenwaveareincorporatedtoconstructtheobjectivefunctionsofgreenwaveoptimalcontr01．ParticalSwarmOptimization(P