新書推薦：
《
柏拉图《理想国》指南（想读《理想国》，一直看不懂？这本书就是你的哲学通关攻略）
》
售價：HK$
87.8
《
你的代谢还好吗：控制“五高”饮食运动法
》
售價：HK$
54.8
《
战国史料编年辑证（全二册）（杨宽著作集）
》
售價：HK$
272.8
《
流动的世界想象：中国当代电影与视觉文化
》
售價：HK$
74.8
《
传播与帝国：1860—1930 年的媒体、市场与全球化（跨洲史料详尽呈现全球通信全景，资本视角重新定
》
售價：HK$
98.8
《
不再为他人而活：接纳自我的阿德勒心理学
》
售價：HK$
64.9
《
马可波罗和他的世界 蒙古世纪全球史陆海书系
》
售價：HK$
85.8
《
更生：中国文明与人文精神重塑
》
售價：HK$
162.8
|
| 內容簡介： |
|
《道路交通粒流协同控制》主要阐述智能网联环境下道路交通粒流协同控制的理论与方法。《道路交通粒流协同控制》共六章。第1章为绪论。第2章从时空多维度、点线多层级以及多模式交通等角度提出交叉口时空资源配置模型，是粒流协同控制的基础。第3章介绍以粒控流，聚焦车辆轨迹数据驱动的信号控制。第4章介绍流中控粒，提出路段、交叉口以及干线多层级的粒群轨迹规划方法。第5章介绍粒流协控，提出地面道路交叉口和快速路交通的粒流协同控制方法。第6章为总结与展望。
|
| 目錄：
|
|
目录前言第1章 绪论 11.1 背景介绍 11.2 交通控制理论的代际演变 21.2.1 **代交通控制理论 31.2.2 第二代交通控制理论 71.2.3 第三代交通控制理论 91.2.4 第四代交通控制理论 101.2.5 现状总结与发展需求 131.3 本书主要内容 14参考文献 15第2章 交通信号控制基础方案优化 272.1 概述 272.2 基于时间帧的交叉口信号控制 282.2.1 问题描述 292.2.2 数学模型 312.2.3 求解算法 382.2.4 案例分析 402.3 交叉口时空资源协同优化 472.3.1 问题描述 482.3.2 数学模型 502.3.3 求解算法 582.3.4 案例分析 612.4 路段时空资源协同优化 662.4.1 问题描述 662.4.2 数学模型 692.4.3 求解算法 742.4.4 案例分析 782.5 多模式交通干线信号协调优化 822.5.1 问题描述 832.5.2 数学模型 872.5.3 案例分析 93参考文献 101第3章 以粒控流 1043.1 概述 1043.2 基于粒级轨迹数据的交通控制时段划分 1053.2.1 问题描述 1053.2.2 数学模型 1063.2.3 案例分析 1113.3 基于粒级轨迹数据的单点交叉口固定信号优化 1173.3.1 问题描述 1173.3.2 数学模型 1213.3.3 求解算法 1323.3.4 案例分析 1323.4 基于粒级轨迹数据的干线协调信号优化 1463.4.1 问题描述 1463.4.2 数学模型 1493.4.3 案例分析 151参考文献 156第4章 流中控粒 1594.1 概述 1594.2 无信号交叉口控制效益分析 1604.2.1 问题描述 1614.2.2 数学模型 1634.2.3 案例分析 177附录A 标定和 181附录B 标定 1844.3 无信号无车道功能交叉口控制 1854.3.1 问题描述 1854.3.2 数学模型 1894.3.3 求解算法 2074.3.4 案例分析 2084.4 无信号干线车辆轨迹规划 2144.4.1 问题描述 2154.4.2 数学模型 2194.4.3 求解算法 2314.4.4 案例分析 2324.5 基于势能场的控制响应式自组织编队 2364.5.1 问题描述与模型建立 2374.5.2 模型特性数学分析 2444.5.3 案例分析 248参考文献 256第5章 粒流协控 2605.1 概述 2605.2 交叉口信号控制与车辆轨迹协同优化 2615.2.1 问题描述 2615.2.2 数学模型 2655.2.3 求解算法 2805.2.4 案例分析 282附录C 轨迹规划解 2875.3 共享相位-专用车道交叉口优化控制 2935.3.1 符号和问题描述 2935.3.2 模型建立 2965.3.3 滚动时域优化 3085.3.4 案例分析 3085.4 快速路施工区车辆轨迹规划控制 3145.4.1 问题描述 3155.4.2 数学模型 3175.4.3 案例分析 3305.5 快速路可变限速和匝道协同控制 3355.5.1 事故风险预测 3355.5.2 快速路交通流模型 3385.5.3 模型建立 3425.5.4 仿真实验与结果分析 350参考文献 362第6章 总结与展望 3686.1 主要成果与结论 3686.2 未来展望 369参考文献 371
|
| 內容試閱：
|
|
第1章 绪论 1.1 背景介绍 交通拥堵以及与此相关的能源危机和环境污染等已成为备受关注的热点问题，并造成了巨大损失。得克萨斯交通研究所曾统计，美国每年由交通拥堵浪费的燃油和时间造成的损失合计高达720亿美元[1]，而我国的15座城市每天因交通拥堵共损失10亿元[2]。相对于拓宽道路等耗费资源的改善措施，交通控制在效费比上具有较大优势，是预防和缓解交通拥堵的关键策略，且始终伴随着交通工程、车辆技术、人工智能及系统科学的发展与时俱进。目前，以断面检测数据为基础，以信号灯为核心控制手段的交通控制理论与方法体系逐步建立。 然而，传统交通控制依赖的断面检测器(如环形线圈)需要巨大且持续的建设和维护经费投入。美国联邦公路管理局(Federal Highway Administration，FHWA)数据显示，在纽约等城市超过1/4的线圈不能提供数据。在我国一些城市和区域，有效工作的线圈占比不足50%。受可获取数据质量和交通控制方法效率等制约，交通控制系统的主动性、预见性和智能化程度不能满足现实交通控制的需求，控制效果尚难以达到期望水平。以美国为例，在对260000个交叉口信号控制进行的调查中，有约75%以上的交叉口需要进行信号配时参数的优化，信号配时的不合理导致主要道路上车辆存在5%～10%的附加延误(约2.96亿车辆小时)。我国公安部交通管理局2016年开展的“信号灯配时智能化”工作，以及2020年发布的《关于进一步加强城市道路交通信号控制应用工作的指导意见》等，凸显了我国对交通控制理论、技术和方法的迫切需求。 近年来，包括自动驾驶、车路协同等在内的智能网联技术得到了快速发展，催生的智能网联交通有助于提高道路通行效率、改善道路交通安全以及减少能源消耗[3]。美国国家公路交通安全管理局(National Highway Traffic Safety Administration， NHTSA)于2014年强制规定新上市汽车必须具备网联通信功能，美国交通部又在《智能交通系统战略规划2020-2025》中特别强调了研究智能网联交通控制技术，并致力于领导世界智能交通系统的合作和创新研究。在我国，交通运输部2018年发布的《关于加快推进新一代国家交通控制网和智慧公路试点的通知》指出新一代国家交通控制网是我国未来交通的基础工程。我国从2019年起全面启动***车联网先导区揭牌，百度、滴滴等企业的智能网联车辆(intelligent connected vehicle，ICV)已在特定区域上线运行。2019年中共中央、国务院印发的《交通强国建设纲要》明确指出：“ 加强智能网联汽车(智能汽车、自动驾驶、车路协同)研发，形成自主可控完整的产业链 开发新一代智能交通管理系统。” 这些技术的快速发展推动交通控制对象、数据环境和控制手段的变革，在为交通控制提出巨大挑战的同时，也为交通控制理论方法创新发展创造了新的条件。交通控制的变革具体体现在以下方面。 (1)控制对象变革：由传统交通流向智能网联新型混合交通流转变。传统交通流由不具有通信能力的常规车辆(regular vehicle， RV)构成，而随着智能网联技术的发展，由RV、网联车辆(connected vehicle，CV)、ICV共同组成的智能网联混合交通流已经出现并将长期存在[4]。由于不同类型车辆的信息获取能力和执行决策主体不同，其驾驶行为也将存在一定差异，进而改变交通流的基本特征，影响网联环境下的交通控制策略。 (2)数据环境变革：由低精度流级数据向高精度粒级数据转变。传统交通控制中，构成交通流的车辆是被检测目标，通过断面检测器获得的流量等数据是交通控制的基础输入。布设断面检测器需要巨大的建设和维护经费投入，这种数据的精度较低，且只能反映交通流(流级)集计状态信息。在智能网联环境下，CV和ICV可以为控制系统提供不同精度的历史和实时的个体(粒级)时空轨迹信息，从原来的检测目标变为检测途径。相比于传统检测器数据，轨迹数据覆盖范围广、精度高，且能够提供个体的连续状态信息，作为新一代交通控制系统的支撑。 (3)控制手段变革：由面向交通流的集计控制(流控)向面向流控和个体车辆(粒控)的协同控制转变。传统交通控制的控制对象为整体交通流，通过信号控制等方式实现，交通流中的RV只能被动响应控制策略。而在智能网联混合交通流中，ICV和CV个体成为新的控制对象，可以通过与控制系统交互进行自主决策，主动调整路径、车道和速度，也可以和整体交通流的控制策略协同，并影响交通流中相邻个体(如RV)的决策，从而改变整体交通流的分布和状态，实现交通通行效率的进一步提升。 1.2 交通控制理论的代际演变 作为道路的交点，交叉口时常成为路网中交通流的瓶颈。为了改善交叉口的交通运行状况，提高车辆在城市路网中运行的安全和效率，19世纪早期诞生了交通控制技术，对于交通控制理论的研究则兴起于20世纪初。早期**交通控制的研究主要关注基于断面检测数据的单点交叉口控制。随着交通控制模式的变化，**交通控制理论逐步从单点交叉口扩展到路网层面的多交叉口，从固定信号控制发展到自适应信号控制。随着交通数据采集技术、人工智能技术以及智能网联技术的发展，交通控制在**交通控制理论的基础上进一步经历了三代演变，逐渐形成相对稳定的体系。 1.2.1 **代交通控制理论 **代**交通控制理论起源于20世纪初，经过多年的发展，在控制方法上形成了基于阶段(stage-based)、基于灯组(group-based)、基于车道(lane-based)三种较为成熟的方法。基于这三类控制方法，交通控制场景在单点交叉口控制的基础上扩展到干线和路网层面的多交叉口控制。针对部分特殊场景，又出现了考虑行人信号的协同优化方法。而在控制策略方面，数据检测技术的发展和交叉口实时控制的需求推动了交通控制从固定信号控制策略向自适应信号控制策略的发展。 1.控制方法 *早出现的交通信号控制方法是基于阶段的信号配时优化方法。1958年，Webster[5]发表了信号周期优化公式，提出基于阶段的信号配时优化方法。在基于阶段的方法中，不冲突的交通流向被分为一组，称为阶段，信号周期内绿灯时长被分配给每个阶段。随后，Tully[6]找到了一种通用的形式来表示基于阶段的优化问题中的各类约束，并在此基础上找到了一种计算*小周期时长的方法。Allsop[7]设计了SIGSET程序，在信号周期和特定绿灯时长的限制下，对某一不超过交叉口通行能力的交通流，该程序可以*小化其平均延误。Akcelik[8]在已有方法的基础上加以改进，提出运动相关的方法，对不同方向的车流采用不同的饱和流量，详细讨论了调头、车道利用率和短车道等问题，并给出了新的公式来预测延误、停车次数和队列长度。 20世纪80～90年代，Heydecker等[9]提出了基于灯组的控制方法。相较于基于阶段的方法，基于灯组的方法可以灵活地调整相位结构，且绿灯时长直接被分配给控制交通流向的灯组。Improta等[10]提出一种二元混合整数线性规划模型来求解该优化问题。而Heydecker[11]将问题的求解分为离散和连续两步，并通过在离散变量中恰当划分等价类，选取有代表性的解来降低计算复杂度。Silcock[12]提出了支持高度灵活设计和信号配时方案的数学框架，并使用线性规划和凸优化技术进一步提高求解效率。 2000年前后，香港大学黄仕进等[13]提出了基于车道的控制方法。该方法考虑了信号配时对车道分配的影响，实现了交叉口时空资源协同优化。1997年，Lam等[14]建立了用于单点交叉口车道分配和信号相位设计的混合整数线性规划模型，并与TRANSYT-7F的性能指标进行比较，在*小化总延误、停车次数和燃油消耗方面有显著改善。2003年，Wong等[15]提出了一种基于车道的方法，在统一的框架内优化车道功能和信号配时，该问题可用一个易于求解的二元混合整数线性规划模型来表达，其目标函数为最大储备通行能力或*小周期时长，然而不预先确定进出口车道数可能会限制这种方法的有效性，因为这些车道数和交通信号是相互关联的。此后，Wong等[16]尝试扩展基于车道的方法，优化进出口车道数，然而他们没有考虑行人信号，这似乎不合理，因为过街横道的需求很大，特别是在发展中国家。此外，部分研究将基于车道的方法应用于非常规交叉口的设计中。Zhou等[17]提出了一种用于干线交叉口车道分配和信号配时的整数规划模型，在干线交叉口中利用预信号对交通流进行重组，改善了干线交叉口的交通性能，使平均延误达到*小。Sun等[18]提出了一种针对过饱和瓶颈交叉口的连续流设计方法，这是较短路段干线系统的理想设计方法。 2.控制场景 当相邻交叉口间的距离较长且交通流间的交互作用可以忽略时，只需优化单点交叉口场景的信号控制[10，19]，否则需要考虑多个交叉口之间的相互作用，进行干线或路网场景的协调控制[20，21]。干线层面的协调控制通常可以分为两类：面向带宽的方法和面向效用的方法。面向带宽的方法包括著名的MAXBAND[22]、MULTIBAND[23]和PASSER Ⅱ[24]模型，优先考虑主干道上的主要交通流，为行驶车辆提供绿波带，并以带宽最大化为优化目标，保证车队能不停车连续通过多个交叉口。面向效用的方法通常以延误、停车次数或通过不同信号配时参数组合获得的其他效用*小化为优化目标，优化协调控制参数。 面向带宽的方法输入更少、鲁棒性更强，优化的绿波带宽能直观反映干线协调的效果。有研究表明[25]，当支路的交通流量较小时，面向带宽的方法比面向效用的方法有更好的控制效果。Morgan等[26]*次提出以求解绿波带宽的方法优化干线信号协调方案，后来发展成为**的MAXBAND模型[27]，通过建立混合整数线性规划模型，同时优化周期时长、相位差、绿波带速度、相位相序等，实现加权组合的干线双向绿波带宽最大化。随后，Chang等[28]将MAXBAND模型拓展到路网，建立了MAXBAND-86模型。MAXBAND模型中各个路段的带宽一致，为此Gartner等[25]提出了可变带宽的干线协调控制模型MULTIBAND，该模型允许不同的路段有不同的带宽，带宽大小和实际的交通需求相匹配。后来，Gartner等[29]将MULTIBAND模型拓展到路网。在上述模型的基础上，众多学者对其进行了改进。Tsay等[30]和Lin等[31]考虑了排队车辆的清空时间，提出了宽度逐渐增加的绿波带模型，为排队的车辆提供额外时间以顺利离开交叉口。Zhang等[32]针对绿波带按照一条中心线严格对称造成的求解范围较小等问题，提出了不均衡的带宽模型。Yang等[33]考虑干线的溢流情况，基于路径流量数据建立了多路径的绿波带宽优化模型。 面向带宽的方法旨在最大化双向绿波带宽，但并不总能计算出足够大的带宽，当交叉口数量较多或某些交叉口的绿灯时长特别短时，优化出的带宽可能非常小或没有可行解。因此需要将多个交叉口进行子区划分[34]，然后对每个子区进行协调控制，此时绿波带在特定交叉口处不连续。Tian等[35]建议将干线协调控制系统划分为若干控制子区，在每个子区中以主要流向的绿波带宽最大为目标优化协调控制参数，同时调整相邻子区的相位差。Fan等[36]研究和对比了三个典型的子区划分指标：耦合指数(coupling index， CI)、吸引力强度(strength of attraction， SA)和协调系数(coordinatability factor，CF)。但上述子区划分和信号优化的分离可能得不到全局*优解。 路网层面的交通控制更为复杂，基于阶段、基于灯组和基于车道的方法已扩展应用到区域交通信号的优化[37-40]，通常需要考虑车辆的路径选择和路网动态交通流[41-43]。为了减小运算量，分布式的最大
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
