基于聚类方法的网联环境下交叉口信号优化控制设计文献综述

 2022-10-30 10:01:41
  1. 文件综述（或调研报告）：

1、国外研究概况

国外研究智能网联技术在交叉口控制管理的应用主要有两个方向，第一是优化信号相位相序。Agbo-losu-Amison等[1]提出了一种以车联网为传感器的感应控制方法，通过车联网技术获取进入交叉口的车辆信息，预测交叉口上游车辆到达的时间，再进行动态绿时分配，该方法能有效地判别车辆到达时刻。Friedrich等[2]利用V2I(Vehicle-to-Infrastructure)数据提出一种基于绿灯相位时长的信号控制策略，该算法采用20s的预测范围，将其分为4等份，在5秒间隔里对相序进行了优化，通过使用动态规划和枚举可能的相位组合以达到最小化总排队长度目的。Pooja等[3]使用IntellDrive技术获取交义口车辆停车次数和延误，并提出了一种响应式的交通方案选择机制，这种机制能在现有交通条件下获得控制效果最佳的信号配时，研究表巧较传统控制该方法能明显降低交叉口延误。Goodall等[4]选择了最佳的离场策略以最小化总延误或延误、停止和减速的综合指标，以15s为预报期使用微观仿真计算目标函数的值，将结果与在模拟环境中实施的感应控制进行比较。He 等[5]使用车联网通信系统检测到车辆到达序列中的队列的存在，利用该信息开发了混合整数非线性程序以识别最佳相序和考虑下一个周期的开始时间。Chen[6]等提出了基于车联网环境的单交叉口自适应控制方法，在提出了一种基于V2I数据的在线高精度行程时间估计方法后，以路网车辆行程时间最小为控制目标利用自适应动态规划提出了一种自适应信号控制方法并通过数值实验证明了其在减少行程时间与停车次数上有一定的优势。

第二是结合车辆的自动控制技术，通过考虑每个单独车辆的不同排空次序来优化交通管理。Lee等[7]开发了一种针对网联车的自主驾驶车辆交叉口控制算法。该算法对交叉口内每个方向上的车辆建立模型，在保持安全车距的条件下调整模型中车辆轨迹的重叠以最小化冲突区域。采用遗传算法搜索车辆的最佳行驶速度，但由于遗传算法本身的随机性和解决大规模问题的局限性，该方法对于交通流较大时由于数学公式的复杂性质往往不能找到一个可行的解。S. Ilgin Guler* 等[8]在分析前人车联网环境下交叉口控制方法研究的基础上，以最小化延误（MD）与最小化停车次数（MS）为控制目标，提出了一种网联车普及率低于100%的控制算法。模型以一个简单的交叉路口（两条单向道路交叉）为条件，采用累积到达曲线和离去曲线来描述交通以简化计算，利用V2I数据考虑未来有限次到达进行局部的相位优化的迭代运算。并用Matlab编程系统分析了算法的有效性，并评估了自动车辆技术和不同网联车普及率所能带来的效益。仿真结果显示MD算法比MS算法更有前瞻性，能使系统获得效益最大化。

2、国内研究概况

目前，国内基于车路协同的城市交通信号控制也已经成为智能交通领域的研究热点。陈超[9]等人对国内外车路协同系统作了现状综述，阐述了车辆网、车路协同（CVIS）的概念及内涵，介绍了美国IntellDriveSM 、欧洲eSafty、日本Samrtway以及我国车路协同的发展情况。姚佼、杨晓光教授[10]在梳理了城市交通信号控制发展脉络的基础上，分析了车联网环境下交通信息采集的特点，综述单点控制和协调控制的研究现状，进一步总结了车联网环境下城市交通控制的发展机遇和面临挑战，并阐明了未来的研究方向。姚佼、杨晓光等人[11-12]分析了车路协同实验系统的功能，提出了车路交叉口车路协同实验系统框架和实现方法，并在实际道路上开展了测试实验，并推荐网联环境下交叉口评价指标为延误与停车次数。周建山等[13]阐述了车辆网环境下单个交叉口自适应优化控制策略，提出了极大熵原理的交叉口动态OD矩阵估计模型、SOM神经网络模型和Takagi-Sugeno-Kang模糊决策系统，通过仿真表明该方法较传统定时控制和非自适应动态控制更具优势。李凯鹏等[14]利用车联网环境下实时车-车、车-路通信与车载单元（OBU），基于实时信号状态、排队长度、车辆位置、加速度等参数，以交叉口车辆停车时间最小化为目标，提出面向个体车辆的车速引导机制与模型，并通过实验验证该方法对低保和和高饱和状态交叉口均有良好收益。张存保[15]等在车辆网环境下阐述了利用V2I数据进行单点信号控制优化的基本思路和流程，引入基于时间窗口的滚动预测方法，先提出了一种简单的单个车辆的延误和停车次数计算方法，并以整个交叉口延误和停车次数最小为优化目标建立了单点信号控制参数优化模型。之后在此基础上，张存保等[16]又提出了一种以相位饱和度为控制指标考虑速度引导信息的单点信号控制方法，Vissim的仿真实验表明，该方法能够有效减低交叉口平均停车次数和平均延误。林培群等[17]在分析车联网环境技术特征的基础上提出交叉口交通流分区控制思想并建立系统优化的数学模型。模型类似 “自动公路”，在交叉口一定区域内（分为加速区与匀速区）对车辆发出控制指令，针对模型的求解提出匀速控制区车辆时空轨迹获取方法和变速控制区车辆动力学参数求解算法，从而实现对进入交叉口的每辆车行进运动过程控制的目的，使各向交通流得以高效无冲突地通过交叉口。仿真结果表明，该交通流微观模型能有效提高交叉口交通流的通行能力，显著降低通行延误并减少停车次数。

3、之前研究的不足

目前国外研究车联网技术在交叉口的应用往往需要自动控制车辆技术的辅助以达到交通信息的完美利用，这是最理想的情况，但在现阶段还无法应用到实际中。国内主要利用V2I数据对交叉口信号控制进行优化，但均未考虑不同车型的通行优先级。同时没有充分利用历史的车联网数据导致浪费，需要复杂模型预测短时交通流的到达导致控制算法运行较慢，没有对基于车联网环境的交通控制相序优化机制进行研究。针对以上不足，本文依托于国内外文献，以单点交叉口信号灯为控制对象，提出了一种采用聚类方法进行数据分析，基于延误与停车次数综合指标的网联环境下交叉口信号优化设计方法，为智能网联的广泛运用提供一种信号控制的解决方案。

  1. AGBOLOSU-AMISONSJ, YUNI, PARKBB. Quantifying Benefits of A Dynamic Gap-out Feature at an Actuated Traffic Signalized Intersection Under Cooperative Vehicle Infrastructure System [J]. KSCE Journal of Civil Engineering,2012,16(3):433-440.
  2. Priemer, C., Friedrich, B., 2009. A decentralized adaptive traffic signal control using v2i communication data. In: 12th IEEE International Conference on Intelligent Transportation Systems, pp. 1–6.
  3. Pooja Dwivedi, Montasir Abbas. Intellidrive Application in Traffic Responsive Control[C]//The 90th Annual Meeting of the Transportation Research Board. Washington DC:［s. n］, 2011: 1-13.
  4. Goodall, N., Smith, B., Park, B.B., 2013. Traffic signal control with connected vehicles. In: Transportation Research Board 92nd Annual Meeting.
  5. He, Q., Head, K.L., Ding, J., 2012. Pamscod: Platoon-based arterial multi-modal signal control with online data. Transport. Res. Part C: Emerg. Technol. 20,164–184.
  6. Chen Cai, Yang Wang, Glenn Geers, Adaptive Traffic Signal Control Using Vehicle-to-infrastructure Communication: A Technical Note[C]//Proceedings of the Second International Workshop on Computational Transportation Science. New York:［s. n.］, 2010: 43-47.
  7. LEE J, PARK B. Development and Evaluation of a Cooperative Vehicle Intersection Control Algorithm Under the Connected Vehicles Environment［J］. IEEE Transactions on Intelligent Transportation Systems, 2012, 13(1): 8 1-90.
  8. S. Ilgin Guler* , Monica Menendez, Linus Meier. Using connected vehicle technology to improve the efficiency of intersections[J]. Transportation Research Part C 46 (2014) 121–131.
  9. 陈超,吕植勇,付姗姗,彭琪. 国内外车路协同系统发展现状综述[J]. 交通信息与安全,2011,(01):102-105 109.
  10. 姚佼,杨晓光. 车路协同环境下城市交通控制研究[J]. 上海理工大学学报,2013,(04):397-403.
  11. 姚佼,杨晓光,朱彤,时柏营. 基于全息信息环境的车路协调系统试验平台[J]. 公路交通科技,2009,(S1):39-43.
  12. 杨晓光,朱彤,姚佼,白玉,马国胜. 道路交叉口车路协调实验系统设计与实现[J]. 交通信息与安全,2010,(02):47-51.
  13. 周建山. 基于车路协同的单点信号交叉口自适应优化控制方法[A]. 中国智能交通协会.第七届中国智能交通年会优秀论文集——智能交通技术[C].中国智能交通协会:2012:12.
  14. 李鹏凯,杨晓光,吴伟,杨熙宇. 车路协同环境下信号交叉口车速引导建模与仿真[J]. 交通信息与安全,2012,(03):136-140 156.
  15. 张存保,陈超,严新平. 基于车路协同的单点信号控制优化方法和模型[J]. 武汉理工大学学报,2012,(10):74-79.
  16. 张存保,冉斌,梅朝辉,张培岭. 车路协同下道路交叉口信号控制优化方法[J]. 交通运输系统工程与信息,2013,(03):40-45.
  17. 林培群,卓福庆,姚凯斌,冉斌,徐建闽. 车联网环境下交叉口交通流微观控制模型及其求解与仿真[J]. 中国公路学报,2015,(08):82-90.

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章