【摘 要】
:
针对城市道路连续交叉口控制效益较低的问题,提出一种基于动态自适应混沌粒子群优化算法(DACPSOA)的干线协调控制方法.首先,通过分析上下游断面交通需求的相关性,考虑交叉口信号配时、车辆转出、车队离散等因素,在Robertson离散模型的基础上,提出了基于上游交叉口信号配时参数的车流到达率预测.在此基础上,根据车队头车、尾车到达时间与协调相位的绿灯开启时间、结束时间以及非协调相位(左转、右转)车流释放结束时间的关系,建立干线交通双向绿波控制总延误模型;其次,根据总延误模型的特征,设计了一种动态自适应混沌粒
【机 构】
:
浙江工业大学信息工程学院 杭州310023;银江股份智慧交通研究院 杭州310030
论文部分内容阅读
针对城市道路连续交叉口控制效益较低的问题,提出一种基于动态自适应混沌粒子群优化算法(DACPSOA)的干线协调控制方法.首先,通过分析上下游断面交通需求的相关性,考虑交叉口信号配时、车辆转出、车队离散等因素,在Robertson离散模型的基础上,提出了基于上游交叉口信号配时参数的车流到达率预测.在此基础上,根据车队头车、尾车到达时间与协调相位的绿灯开启时间、结束时间以及非协调相位(左转、右转)车流释放结束时间的关系,建立干线交通双向绿波控制总延误模型;其次,根据总延误模型的特征,设计了一种动态自适应混沌粒子群优化算法;最后,利用微观仿真软件SUMO建立典型的交通环境,仿真结果表明,与传统的数解法和单点控制相比,协调相位的平均延误分别降低了24.97%和57.23%,协调相位的平均停车次数分别降低了27.88%和64.01%,有效提高了交叉口的通行效率.
其他文献
目前新冠肺炎(COVID-19)在全球蔓延,为了对新冠肺炎进行早期诊断,同时减轻医护人员的工作压力,使用深度学习对患者胸部电子计算机断层扫描(CT)图像进行分析变得越来越重要.针对肺炎图像中纹理细节较为丰富、边缘结构模糊、极易干扰机器及医生诊断的问题,本文提出一种基于多尺度并行深度可拆分卷积神经网络(MSP-ReC-NN),对新冠肺炎CT图像进行去噪处理,提升肺炎图像质量.多尺度特征提取模块从不同尺度提取肺炎图像中的纹理特征细节,采用深浅通道并行方式,分别提取肺炎图像中的高维度以及低维度的特征.为进一步优
选取72个国家创新型城市作为研究对象,依据城市的经济发展能力和创新能力将样本划分为4个象限,形成包含全样本和4个象限在内的5个样本组.对各样本组2019年的科技创新政策进行文本挖掘,主要包括高频词、语义网络图、点度中心度、网络中心势和小团体分析.研究结果表明,我国国家创新型城市科技创新政策的重点突出,主要依托项目和企业开展研发活动,以实现科技和技术的创新,同时需要重视多渠道激励创新绩效的提升.本研究为政策优化与政策决策提供了参考和依据.